人工智能变革资产管理?

近年来,人工智能在各个传统行业的渗透与应用格外引人关注,金融领域也不例外。以资产管理行业为例,在整个资产管理公司流程中,人工智能发挥着重要的作用,虽然它还不能够完全取代人脑的独立思维能力,但科学有效的运用人工智能技术,可以优化整个资产管理公司的流程和业绩。那么在资产管理公司中,如何有效的将人脑与机器进行最优化的结合呢?

在针对基金公司或者是资产管理公司的时候,我们要区分公共基金、私募,以及对冲基金等类别。不同类别的基金种类,或者是资产组合种类,其人工智能的应用范围应该是有所区别的。

首先来看公共基金领域:在资产管理公司管理其资产时,首先要完成的是资产配置的任务,也就是说首先要制定资产配置的战略性问题,这是个战略性发展的问题,而这个过程人工智能是完成不了的,它需要人脑的创新思维能力。人工智能不但从多维架构上完成不了这项任务,从理解力上来说,制定战略性资产配置策略对于人工智能的要求也太高。简单举个例子,这就像在一场战争中,机器人无法制定战略政策一样。当战略性资产配置完成后,接下来需要的是具体的实施过程,而这个过程,人工智能是可以提供支持的。但它针对的也只是那些可以被明确定义的任务、可以被标准化的任务。例如,当战略性资产配置需要完成一个行业分析的任务时,我们就可以借助人工智能:首先定义明确行业分析的指标,以及如何将数据映射到这些指标上,并给出预先定义的理解和结果。其他类似的资产配置下流程的任务,如果能够被明确定义和标准化,都可以通过人工智能来具体实施。例如证券的挑选,人们也可以通过借助人工智能来支持配合人脑的工作。

战略性资产配置的任务完成后,人们面临的就是具体资产组合的管理。在这里,其流程同上述有相同之处:资产组合管理策略是通过人脑的思维来设计完成的。在这里,人工智能可以在某些方面起到支持配合的作用,但人工智能还不能够独立完成资产组合策略的制定,人工智能完成的多半是那些可以被复制的内容。在资产组合的策略被制定后,回到具体的选股层面、股票分析层面,人们就可以结合人工智能,定义各种特征,例如指标等,结合人的理解力,挑选具体的证券,并对此作以分析。

相对于程式化趋势较明显的公共基金或资产组合管理,人工智能在私募基金领域的应用受到的限制较大,其应用范围也相对有限。例如在私募领域,当人们对某个项目或投资作评估的时候,其任务大致可以区别为可以被标准化的部分,以及需要人为思考判断的部分。正如上面针对公共基金标准化管理的那部分一样,对于那些类似于财务数据的处理,例如现金流的评估、财务状况的评估等,都可以被标准化。这些领域,人们可以借助于人工智能来处理。

一方面,标准化提高了效率,因为机器处理的速度通常高于人脑正常工作的速度;另一方面,人工智能可以减少这个环节中容易产生的误差,也提高了准确度和效率。但是,在私募的大部分领域,需要个性化的理解与人脑的创新理解,这些工作是人工智能替代不了人脑的。例如,人们很容易对这些财务报表或者财务数字做手脚,以获得更好的财务数字结果,这其中的规律通常很难被捕捉。对于一个有理解力的、有丰富经验的投资者来说,他能够发现其中的漏洞与缺陷,而完全依赖于人工智能的评估,往往容易受到欺骗。

此外,私募领域的投资判断其个性化很强,人们很难依据标准化的作业来完成整个流程。简单的举个例子,就是针对同一家公司同一个项目,不同的投资人理解的结果都可以大相径庭,各显千秋。但是从私募投资早期准备工作阶段,例如初期的项目挑选阶段,人们可以发展一些人工智能的应用来评估一些项目的优劣,例如有财务状况、现金流状况、好的财务报表、投资吸引力、投资前景评估,以及在行业的所处地位、行业前景等,都可以作为人工智能化的对象。综合上面的简单介绍,一些针对早期评估挑选工作的人工智能财务软件等,就是很好的产品。

在对冲基金领域,人工智能也可以找到它的应用。对冲基金是个广泛的概念,对于那些强烈依赖于量化的对冲基金策略,人工智能其实可以作为很好的辅助工具。例如,对冲基金管理者可以利用各种很好的量化软件,来发现市场上某个领域或者维度的量化趋势,这些发现的量化趋势的结果,可以为对冲基金管理者提供很好的判断支持,用以发展新的基金管理策略。例如一个量化软件,发现了某个或某些行业股票的价格上升与下降的规律,以这些发现的结果作为支持,对冲基金管理者可以以此为基础发展基金管理策略,找出最佳优化收益结果的方案。这就是个很好的人工智能与人脑相结合的案例。完全依靠人工智能,就像我们上面所阐述的,缺乏发明基金管理策略的创新能力,而机器可以辅助人脑对数据进行标准化的计算与评估,人脑在这个计算评估结果的基础上,创新思考出管理策略,从而达到人机共赢的目的。(转载自FT中文网)

发表回复