机器学习、数据科学与金融行业

系列十四：人工智能，大数据和投资管理 (结束篇)

个人体会和总结

    再次声明，以上的内容和观点主要来自CFA报告：AI pioneers in investment management，笔者只是对其进行了翻译和解读。
    现在笔者就个人的理解和感受，分享一些个人观点和看法。

• 使用案例的总结
    影响领域：AI/Big Data已经涉及到了投资过程中的各个环节，包括但不限于资产配置、资产选择、交易策略、交易执行、风险控制等。
    技术：NLP技术的应用是最大亮点，知识图谱/图计算的应用的潜力巨大，主要是针对文本类等非结构化数据的建模和分析。
团队构建：同时需要领域专家和数据科学家；头脑风暴和团队多元化也会很有帮助。

• 个人体会
    AI/Big Data技术的应用大于一切。
    在投资领域，其目前发展趋势是”AI+HI”，AI的主要作用是提高从大数据中提取信息的效率，辅助寻找隐含关系。
    AI/Big Data与金融投资机构的核心业务联系越紧密，该投资机构在数据科学上投入的力量就越大。

• 进一步思考
    笔者认为AI不可能取代投资经理，人工智能在更多情况下是加快信息收集和处理的效率，同时扩大可用数据和信息的范围，诸如从文本、视频、语音中收集信息，还有就是辅助挖掘隐含的非线性关系。但是就目前而言，经济环境和金融市场的复杂性绝非AI所能理解，也难以完全有效地建模；投资专家在这方面的经验和知识，其方向性判断能力不是人工智能可以取代的。
    进一步说，机器学习可以获得的”知识“的上限是其可以触达的数据中所蕴涵的信息的抽象极限。如果机器学习模型有效的化，就意味着历史的某种模式会在未来重演。对于金融市场来说，这种情况当然存在，但更多的情况是历史的情况在未来会有所不同或完全不一样，很显然如果是这样的化，机器学习模型肯定会失效或在很短的时间内衰退。
    另外，我们假设有一家资产管理服务提供者凭借其强大的AI和大数据技术，可以长期为投资者创造alpha收益，且相比于其他家，它具备随机优势；那么必然的结果是大部分投资者都会把资金交给这家机构来管理，这样的话，由于市场的大部分资金运行在该机构的资产管理策略下，其取得的就不再是alpha收益了，而是beta收益了。这个分析可以从侧面说明并不存在什么高级的绝对优于其他算法的算法，只存在适合的算法。
    而且，如果在金融投资领域想取得成功，最本质的能力是有效预测（关于这一点的理论，读者可参见本人博客中《量化投资—技术篇（5）投资法则》）。但是未来真的可预测吗？有兴趣的读者可以留言与博主探讨。
    最后，我们从CFA协会的调研中的案例中可以看到，给出回应的投资机构对机器学习的效果都表示肯定。笔者也承认这一点，但需要提醒各位读者的是：很多投资机构并没有对此事回应，另外就是这些回应的投资机构是有动机来夸大机器学习在整个投资决策中的作用的。所以，对于此事，笔者相对来说持保守的态度。