薛昆：大數據+科學算法才能實現人工智能

和訊基金消息 7月14日，「2016年財富管理與基金組合投資高峰論壇」在北京隆重舉行。論壇將圍繞「財富管理及基金組合投資」主題深入探討。此論壇由中國基金報、中國基金業協會互聯網金融專業委員會主辦，天弘基金協辦，盈米財富、理財聯盟、通聯數據承辦，博時基金、銀華基金(博客,微博)、泰康資產作為戰略合作伙伴參與舉辦。和訊基金作為戰略合作媒體對本次論壇進行圖文直播。通聯數據金融工程董事總經理薛昆在論壇演講中表示，人工智能實際上機器對人的意識、思維的信息過程的模擬，大數據是人工智能的技術基礎，如果沒有大數據人工智能起不到任何作用，大數據+科學算法才能實現人工智能。

以下為薛昆發言實錄：

薛昆：非常高興有這樣一個機會參加這樣的會議，大家可以看到我的穿着比較另類，剛才跟肖雯總碰了一下，她覺得有點不太一樣，今天聊的這個話題也好或者我所在的公司也好，都是這個行業里面比較新興的一家企業。

我介紹一下通聯數據，通聯數據一家用大數據、雲計算和人工智能想來改變投資管理的一個公司，今天聊的話題比較有意思，大家看到大數據、人工智能融合下的智能投顧是什麼鬼？

簡單介紹一下我自己，我在加入通聯之前，另類投資對沖基金、瑞士銀行團隊全球量化團隊工作過，目前負責通聯數據的金融工程以及旗下的品牌優礦。今天聊的話題從這三個方面來講，第一，我們對FinTech的認知，很多從業者聊這個話題，我個人對互聯網金融的創新，我自己大概有三個見解，第一個，感知層面的創新，所謂感知層面的創新就是用互聯網的技術、以及大數據的技術打破了金融產品從流程、物理時間的限制，使得傳統服務更貼近客戶的方式展現到了所有客戶的面前，這個是一個感知層面的創新，我認為感知層面的創新，技術優勢不能長期成為一個技術壁壘。

第二個，認知層面，不論對於互聯網金融企業也好，傳統金融企業，核心競爭力對風險的回報量化和控制，所有的企業本質從事的金融行業。在這里面對於金融風險，我們認為最核心的是相關性的認識，相關性的認識圍繞着整個資產配置整個流程，在認知方面這是一個核心的問題。

第三個，預知，這是更難的，我們可以看到從大數據興起和人工智能技術興起以後，在這三個方向都提供了顛覆數據創新的機會。但是從難度來看，難度的遞進關系是感知、認知和預知，預知是最難的，通過大數據預測它的趨勢以及更好的風險管理模型，這是更難的一部分。

這個圖用大數據分析了智能投顧在美國市場的趨勢，我們可以看到，從2015年開始大型金融機構收購了很多智能投顧，今年Betterment宣布了兩輪的融資。從2016年5月份開始，更多的智能投顧也開始向傳統的投資管理公司，我們叫做抱大腿，尋求跟傳統的投資管理公司的合作，從金融的角度看這個問題是什麼樣的。美國智能投顧市場的優勢在於提供了低成本財富管理的辦法，本質上還是投在了剛才各位嘉賓提到的被動管理的產品上面，所謂的Smart Betas策略，在美國智能投顧上面基本上投Alpha策略是非常少的，這是為什麼呢，後面會講，從管理成本各方面的考慮，為什麼這樣的企業不選擇這樣一些投資策略。

我認為從發展方向來看，最早的（英文）核心模型用MVO的辦法，本質的核心有兩點，第一，背後的資產管理的模型，核心競爭力，第二，產品的創新功能，這是一個加分項，創新功能傳統的資產管理行業也能有一個比較好的技術開發團隊，也可以得到這樣的能力。所以我覺得本質的模型還是最重要的。

從現在這個發展方向來看，美國的市場已經開始從MVO向風險因素優化和模擬的方向發展以及向對沖和保底的方向進行發展。

這個圖很有意思，美國智能投顧市場非常成熟了，中國現在方興未艾，大家也在嘗試一些創新，目前看到的創新還是趨向於投資海外的市場，針對本土的智能投顧現在還是一個爆發點。美國的智能投顧的這些提供商，我認為一個難點在於也是跟中國一樣面臨的問題，可投資的資產就那麼多，大家的競爭會越來越激烈，對模型的要求也會越來越激烈，對客戶服務的方式方法創新變得非常激烈。

為了講清楚這個問題，從Alpha與Beta的認知開始講起，這實際上是一個關於投資組合收益率分解的問題，Alpha認為投資組織的超額收益，Beta是市場風險，最早指股票市場的系統性風險，人們對於Alpha和Beta的認知是遞增的過程，從80年代開始基於CAPM模型，隨着市場上交易認知更新，基於APT，我們可以把風險分解成為Alpha市場Beta以及地區行業的Beta，隨着認知再遞進到2000您以後，大家的認知又更新了，風格Beta、策略Beta、Alpha Beta。

到了現在這張圖很能說明這個問題，如果從Smart Beta興起可以看到，左邊這個圖講的被動，右邊是主動，Smart Beta介於中間的策略，介於中間的策略特點管理費用偏中，交易成本偏中低，管理人的主動干預基本是沒有的，而且它的透明程度是非常中的，策略的規模也是非常中的，這個類型的策略是非常適用咱們智能投顧來使用的，因為它的規模能夠達到客戶需求，從風險的管理角度也可以達到剛才所說的目標導向的投資。但是主動我們會發現，基本上所有的智能投顧都沒有這塊摻一腳，它的管理費用非常高，只有少數的有錢的客戶才願意投這樣的產品，對於智能投顧所要服務的中產階級階層，不適用於這樣的策略來滿足它的需求。被動的策略，智能投顧在這塊競爭非常激烈了，大家都在朝Smart Beta方向發展。

從美國的角度來看，我們看到的這個趨勢，基於因子模型的資產配置被投資人所接受，傳統的資產配置，像剛才Jon提到的，簡單的分成（英文）投資。再往前進一步可以在Active分成主動的和被動的，我們把Smart Beta的概念分的更清晰一點，在Active可以加入Smart Betas。從底層來看怎麼讓Smart Beta的Active更有效，我們認為的一個機會在於大數據時代，可以用另類的數據創造Aaron Low教授所說的（英文）Beta，我們可以看到社交網絡的數據或者看到地理位置的數據，還可以看到衛星圖象的數據，這些數據當中提取出來的信號實際上成為（英文）Beta的來源。

今天生活在一個非常有意思的時代，為什麼有意思呢？人工智能的技術已經行業里面發生了發酵性的變化，我們可以看到，第一部分，人工智能影響的是NLP，自然語言處理，有了這樣的技術可以把非結構化的數據變成結構化的數據。

第二張圖展示的是在圖片分類的競賽，2015年之前，在深度學習這個算法出現之前，基本上算法都是很難打敗人類的，但是在2015年下旬深度學習的算法已經在識別度上超越了人類。

這張圖大家比較能看得懂，在智能駕駛領域當中，深度學習也起到了決定性的作用，以及在我們的Health Care的行業里面。今年發生的阿爾法狗戰勝了李世石，深度學習算法在人類引以為自豪的直覺這個領域里面可以超過人類了。這張圖也是，畫畫這個事情實際上深度學習的算法也能夠在這個領域當中超過人類了。深度學習的算法在投資領域怎麼能夠輔助我們進行一些投資上面的革命呢？我們通聯數據認為，這是一個人工智能時代的機遇，人工智能實際上機器對人的意識、思維的信息過程的模擬，大數據是人工智能的技術基礎，如果沒有大數據人工智能起不到任何作用，大數據+科學算法才能實現人工智能。

舉一個例子，我們看到被動投資智能指數的例子，這個例子是說我們怎麼用深度學習的算法來幫助基金經理，傳統的投資過程會有一些基礎的信號，基金經理也會有特別的信號，基金經理有他自己的知識，就知道什麼樣的市場情況下該用什麼樣的信號構建這個組合，最終產生Manager Alpha，有了深度學習看法以後怎麼做這樣的事呢？我們可以用一個深度學習的算法去學習基金經理的整個觀測市場，因為基金經理知識的來源在於長期對市場的觀測和交易知識的積累，我們可以用深度學習的算法學習基金經理所有智能，但是必須有海量的數據放在機器里面，經過機器智能學習可以輔助，自動的讓這個算法去檢驗到這個Alpha。

這是通聯數據的智能指數，各位有興趣可以掃一下這個二維碼，基本上用機器長期戰勝了這個市場。

剛才提到的智能指數的算法當中，很特點的是我們必須有一個非常全面的信號庫，很多信號從海量大數據里面抽取得來的，已經把大量的海量數據提純以後的信號庫。有了這樣的信號庫可以做到指數增強的策略，可以做到主題投資的策略，剛才提到的Smart Beta的策略，大家都想追求的絕對收益，Alpha的策略。在我們平台里面有非常詳細的算法指引，指導大家怎麼來做這一點。剛才周總也提到了二八輪動策略，在我們的平台上已經開源了，各位有興趣可以直接克隆這個策略在我們平台在線進行操作。還有一個比較知名的投資顧問公司，（英文）在我們平台上開源了，諸位有興趣可以在我們平台上看一下。

這個圖是我們優礦網目前比較開放的前沿架構，我們有海量的金融大數據，我們有一個在線交互式的研究環境，剛才嘉賓也提到了，怎麼讓在線投顧更透明，而且以更低的成本對客戶的需求產生一個策略，這個平台實際上可以很容易的做到這一點。在這個平台上可以做事件驅動的策略，Alpha的對沖策略，統計套利的策略，Smart Beta的策略以及CTA的策略、輪動的策略。通過一個開放的平台可以一鍵的通過通聯的組合管理和交易系統進行模擬交易和在線的實盤交易以及風險歸因、業績歸因的功能。

我們公司還有一塊針對主動投資的產品即將發布，在8月31號，我們針對主動投資的產品叫做蘿卜投研，可以幫助我們主動的基金經理，以前只能有10到20個股票，有了大數據和機器學習算法以後可以做的股票上百只，對於主動管理的基金經理來說也是革命性的創新。

各位如果對智能投顧比較感興趣，可以加入這個群，我們大概在下個月發布一個專門針對中國市場的Smart Beta的白皮書，這應該是首次在中國這個市場有一個團隊發布這樣的白皮書，各位有興趣可以在這個群里面交流一下。謝謝各位！