2017年5月19號(hào)，微軟人工智能首席科學(xué)家、IEEE Fellow 鄧力透露自己已經(jīng)離開(kāi)微軟，加入美國(guó)基金公司 Citadel 擔(dān)任首席人工智能官（Chief ArTIficial-Intelligence Officer）。

在金融投資領(lǐng)域，科技對(duì)量化對(duì)沖的介入已有一段歷史，也有不少計(jì)算機(jī)科學(xué)等專(zhuān)業(yè)的科技人才或金融與IT結(jié)合的符合人才進(jìn)入到金融業(yè)，以推動(dòng)金融科技的發(fā)展，但如此重要的一位人工智能學(xué)界翹楚加入基金公司巨頭，確是AI落地、金融業(yè)務(wù)變革中不可忽視的舉動(dòng)。

量化對(duì)沖的價(jià)值與難點(diǎn)

人工智能的到來(lái)對(duì)金融投資來(lái)說(shuō)也并非是突如其來(lái)的科技變革，投資的發(fā)展一直由科技所引領(lǐng)。比如，70年代以前主要是通過(guò)電話(huà)來(lái)交易，管理人通過(guò)自己的經(jīng)驗(yàn)進(jìn)行判斷；后來(lái)計(jì)算機(jī)出現(xiàn)了，對(duì)信息的處理和分析能力隨之加快，開(kāi)始出現(xiàn)了批量交易，即一次交易幾百支股票。

而隨著科技的發(fā)展，我們知道了雖然未來(lái)是不可預(yù)測(cè)的，但是風(fēng)險(xiǎn)可以預(yù)測(cè)。所以，對(duì)沖基金出現(xiàn)了——通過(guò)計(jì)算、嚴(yán)謹(jǐn)分析以及大量風(fēng)險(xiǎn)對(duì)沖，可以實(shí)現(xiàn)更穩(wěn)健的受益。這在國(guó)內(nèi)也許還不明顯，但國(guó)外已經(jīng)出現(xiàn)了機(jī)器人做宏觀對(duì)沖的實(shí)踐。

金融是把社會(huì)資源更好的配置，很多資源是能夠優(yōu)先才能成為”資源“，如果能夠比別人快地知道一些有價(jià)值的信息，就能提前知道機(jī)會(huì)，就比別人有競(jìng)爭(zhēng)優(yōu)勢(shì)。投資是競(jìng)爭(zhēng)非常激烈的行業(yè)，誰(shuí)能領(lǐng)先一步做出有效的決策，誰(shuí)就可能獲得一個(gè)很高的回報(bào)。而發(fā)現(xiàn)這些機(jī)會(huì)的前提，是更強(qiáng)大的計(jì)算和預(yù)測(cè)能力。

因此，不只是Citadel，全球著名對(duì)沖基金如 Man Group、Winton 、Aspect Capital 也都在充實(shí)自己的機(jī)器學(xué)習(xí)專(zhuān)家隊(duì)伍。

單就Citadel來(lái)講，其看家本領(lǐng)是高頻交易。舉個(gè)例子，一般而言，公司每季度發(fā)布財(cái)報(bào)的時(shí)候，業(yè)績(jī)超出分析師預(yù)期的話(huà)，股價(jià)會(huì)漲；低于預(yù)期的話(huà)則會(huì)出現(xiàn)股價(jià)下跌。“這么簡(jiǎn)單地一個(gè)邏輯，需要比較的是機(jī)構(gòu)誰(shuí)能更快地用機(jī)器解讀財(cái)報(bào)信息，第一時(shí)間作出投資決策。而機(jī)器解讀財(cái)報(bào)就是典型的機(jī)器學(xué)習(xí)應(yīng)用，比如RNN網(wǎng)絡(luò)技術(shù)，”財(cái)鯨智能投顧聯(lián)合創(chuàng)始人王蓁博士說(shuō)道。王蓁博士曾在彭博社任職，負(fù)責(zé)量化交易。

所以，基于高頻交易量化公司們研發(fā)系統(tǒng)都需要投入大量人力物力，要高薪聘專(zhuān)業(yè)的數(shù)學(xué)家和計(jì)算機(jī)專(zhuān)家，花錢(qián)買(mǎi)昂貴的硬件，租用專(zhuān)門(mén)的微波通信線(xiàn)路，甚至專(zhuān)門(mén)把系統(tǒng)建在交易所門(mén)口的都有。

但是，硬件跟上了，軟件呢？

即便是存量數(shù)據(jù)極大的金融業(yè)，而且機(jī)器學(xué)習(xí)運(yùn)用已有時(shí)日的今天，王蓁對(duì)雷鋒網(wǎng)（公眾號(hào)：雷鋒網(wǎng)）AI金融評(píng)論表示，機(jī)器依然存在不少“錯(cuò)殺”的情況：

舉個(gè)例子，上周FaceBook發(fā)布財(cái)報(bào)時(shí)，發(fā)布了不同會(huì)計(jì)準(zhǔn)則下的盈利報(bào)告，即按照美國(guó)通用會(huì)計(jì)準(zhǔn)則（US GAAP）和不按美國(guó)通用會(huì)計(jì)準(zhǔn)則（non-US GAAP）的盈利，機(jī)器只讀了財(cái)報(bào)的第一行，就混淆了兩種不同會(huì)計(jì)準(zhǔn)則，判斷錯(cuò)誤認(rèn)為是低于預(yù)期，于是立刻賣(mài)出FB股票；但實(shí)際FB是達(dá)到了預(yù)期的，錯(cuò)殺后，第二天FB股票就漲回去了。

“所以，當(dāng)前仍需要提高機(jī)器學(xué)習(xí)的準(zhǔn)確度和效率速度。”

與此同時(shí)，據(jù)雷鋒網(wǎng)AI金融評(píng)論了解，鄧力的研究方向主要為應(yīng)用于大數(shù)據(jù)、語(yǔ)音、文本、圖像和多模態(tài)處理的深度學(xué)習(xí)和機(jī)器智能方法，因此，結(jié)合起來(lái)說(shuō)，鄧力的研究或?qū)⑹紫瓤梢栽跈C(jī)器解讀文本數(shù)據(jù)的模塊中突破技術(shù)門(mén)檻，改善量化投資，讓AI為金融投資帶來(lái)更大的突破。

信息+機(jī)器帶來(lái)的新機(jī)遇

上述也提到，基本而言，投資會(huì)根據(jù)一家公司的財(cái)報(bào)進(jìn)行業(yè)績(jī)調(diào)研，預(yù)判股價(jià)，但這其實(shí)只是是對(duì)二手?jǐn)?shù)據(jù)的利用；包括如果是利用期貨、債券、基金的交易信息等結(jié)構(gòu)化預(yù)測(cè)投資市場(chǎng)走勢(shì)，從而量化配置資產(chǎn)，那更加只是三手?jǐn)?shù)據(jù)。

因此，微軟亞洲研究院城市計(jì)算領(lǐng)域負(fù)責(zé)人鄭宇博士曾在一次智能金融的培訓(xùn)上表示，市場(chǎng)更多應(yīng)該關(guān)注，在此環(huán)節(jié)之前的一手?jǐn)?shù)據(jù)數(shù)據(jù)的結(jié)果帶來(lái)的表現(xiàn)。“一手?jǐn)?shù)據(jù)其實(shí)直接影響了公司運(yùn)營(yíng)情況和財(cái)報(bào)，以及宏觀經(jīng)濟(jì)形勢(shì)。”而能夠從一手?jǐn)?shù)據(jù)中獲得信息，就意味著更早一步接近機(jī)會(huì)。

通聯(lián)數(shù)據(jù)首席科學(xué)家蔣龍?jiān)诖饲暗姆窒碇兄赋觯糜谕顿Y的大數(shù)據(jù)產(chǎn)品信息主要分為這幾類(lèi)：

物的信息——物聯(lián)網(wǎng)，國(guó)際上就有一些監(jiān)控農(nóng)作物產(chǎn)出以預(yù)測(cè)農(nóng)作物的收成，從而進(jìn)行大規(guī)模投資的案例。如果通過(guò)實(shí)時(shí)監(jiān)控氣候、水分等，就能提前知道今年農(nóng)產(chǎn)品的收成情況，接下來(lái)對(duì)相關(guān)產(chǎn)品就有投資優(yōu)勢(shì)。

人的信息——可穿戴設(shè)備，人和物體構(gòu)成互動(dòng)，人去了哪里，看了什么，想了什么，這呈現(xiàn)出了我們的社會(huì)。

環(huán)境的信息——低軌道衛(wèi)星，低軌道衛(wèi)星是在低空一萬(wàn)米進(jìn)行檢測(cè)，不僅能檢測(cè)農(nóng)產(chǎn)品的產(chǎn)區(qū)，還能檢測(cè)港口停泊郵輪的數(shù)量、超市停車(chē)場(chǎng)停車(chē)量等，有了這樣的數(shù)據(jù)，就能知道是不是符合預(yù)期，可以判斷未來(lái)的收益情況。

舉個(gè)例子，財(cái)鯨在建模過(guò)程中會(huì)加入衛(wèi)星遙感數(shù)據(jù)，以預(yù)測(cè)農(nóng)林牧漁產(chǎn)量變動(dòng)等結(jié)果，然后進(jìn)行投資決策。“比如我們可以比較準(zhǔn)確（粗測(cè)85%）地預(yù)測(cè)某個(gè)地方的棉花產(chǎn)量，而這個(gè)動(dòng)作可以比政府官方數(shù)字早兩個(gè)月，這個(gè)就可以考慮來(lái)投資決策。”

利用這些替代數(shù)據(jù)進(jìn)行投資盈利，這樣的道理Citadel不會(huì)不知道。而也可以想象，基于上述數(shù)據(jù)進(jìn)行建模的過(guò)程，就需要機(jī)器對(duì)衛(wèi)星圖片以及地理環(huán)境的學(xué)習(xí)和分析。更廣泛的數(shù)據(jù)領(lǐng)域、更海量的數(shù)據(jù)、更長(zhǎng)的數(shù)據(jù)周期……這些新信息資源帶來(lái)的機(jī)會(huì)，就是人工智能、深度學(xué)習(xí)發(fā)光發(fā)熱之地。

同時(shí)王蓁解釋道：“機(jī)器下圍棋做得很好是因?yàn)閲逡?guī)則清晰，機(jī)器可以在開(kāi)局到最后都有complete knowledge。而機(jī)器在金融領(lǐng)域運(yùn)用還比較困難，因?yàn)闆](méi)有任何人和機(jī)器在現(xiàn)階段可以有complete knowledge，這也是機(jī)器會(huì)經(jīng)常犯一些人看來(lái)很弱智的錯(cuò)誤。”

“因此，獲取比別人更多的信息，得到更準(zhǔn)確的解讀，能夠更快速地響應(yīng)決策，避免機(jī)器的‘低級(jí)錯(cuò)誤’，這些都是需要解決的大挑戰(zhàn)。”

如何利用最前沿的人工智能學(xué)術(shù)突破，應(yīng)對(duì)當(dāng)前的這些機(jī)遇和挑戰(zhàn)——這是鄧力將面對(duì)的新課題，也是華爾街群雄角逐要占取的下一個(gè)高地。