<mark id="oztn4"></mark>
0
| 本文作者： 溫曉樺 | 2017-06-12 18:45 | 專題：GAIR 2017 |
沒有人能與時代作對。談起AI在金融投資領域的應用，大家首先想到智能投顧，但王政對通聯數據的設想明顯更加宏偉。
隨著2010年融資融券、股指期貨的相繼推出，中國資本市場中寬客身影日漸活躍，量化投資也才開始迎來發(fā)展的勢頭。但與境外發(fā)展了四十余年的量化投資相比，國內基于數據與技術的投資管理還是一片蠻荒。
2009年左右，當時隨著金融海嘯的爆發(fā)，華爾街華人中一批海外量化投資人才相繼回國，給國內量化投資的發(fā)展帶來了轉機。現任通聯數據CEO王政博士是其中之一。
王政是美國普林斯頓大學物理學博士，他曾任巴克萊全球投資公司基金經理，擁有近20年資產管理、金融信息平臺研發(fā)和大數據研究經驗。
不過，當年王政回國的第一件事并不是創(chuàng)立通聯數據，而是在當時中國資產管理規(guī)模最大的博時基金擔任量化投資總監(jiān)。直到大約四年后，發(fā)生了兩個行業(yè)事件：
一是，據統(tǒng)計，國內到了2012年，往前的六年間共87名公募基金經理奔向私募，2007年開始幾乎平均每年16位基金經理脫離公募行業(yè)。而多數曾經優(yōu)秀的公募經理人轉型時都會經歷一段低潮期。
與此同時，2011年，IBM人工智能系統(tǒng)“沃森”在美國智力問答節(jié)目《危險邊緣》（Jeopardy）中挑戰(zhàn)兩位人類冠軍，并勝出。
這讓萬向集團和王政認準了——知識領域的智能化才是真正的大趨勢，技術用于投資是不可逆的趨勢。于是，王政離開博時，開啟了投資科技的創(chuàng)業(yè)生涯；經過近兩年的籌備，通聯數據誕生了。
因為市場低迷，在2012年前幾年的這波“大奔私”浪潮中，大部分出走的基金經理是以做傳統(tǒng)的股票型基金投資為主的，而非專門做量化的基金經理。這部分人轉型面臨的第一個問題是：對于主動基金經理來說，公募平臺能夠幫助獲得很多賣方服務和信息資源，這對投資業(yè)績十分有幫助，但很多人在公募的時候并沒有意識到，只是奔私以后才發(fā)現了平臺的重要性。
因此，他們面臨一個大的挑戰(zhàn)是：要從頭構建一個原來公募基金才有的投資平臺。
追溯起通聯數據的初衷，王政說道，“IBM Watson的成績也表明了技術發(fā)展到了新的高度，所以對于要解決私募基金經理的問題，提供一個低成本的高效研究平臺，以大數據與機器學習為基礎是不二選擇。”
無疑，數據是整個業(yè)務的核心和基礎。所以，這也有了為什么通聯數據前期了投資近3.5億元資金，進行了從基礎數據到大數據的收集、處理、分析，并依靠機器學習模型將其作用于投資分析。
過去量化投資發(fā)展緩慢，最大的制約因素之一是各領域數據割裂。王政分析稱，過去五六年間，也有一批公司在這期間開始開拓量化數據，做大數據投資、大數據指數，但到目前為止，可以說沒有一家能夠把這些數據收集全，包括阿里、百度、新浪等都是只收集了一個維度的數據。
“所以過去的幾年，我們都還是專注在做自己的數據積累。”這一過程持續(xù)了3年，如今也還在繼續(xù)——根據雷鋒網調查，直到2015年1月，通聯數據才在北京召開了自成立以來的首次品牌推介會。
這個發(fā)布會的主題，叫“原力覺醒”。在這個發(fā)布會上，通聯數據發(fā)布了金融大數據的品牌，并推出了量化實驗室等作用于量化策略、定價模型建議等一些小應用。
這些面向私募基金投資研究所需要的“小應用”，可以說是國內資管業(yè)投資科技形成體系前的開始。當時，國內資管業(yè)機構都還在依靠人力做研報、投資分析。一個傳統(tǒng)基金經理的日常，基本是這樣的：
7點起床上班，路上開始瀏覽前天外盤情況，國際市場的主要指標以及重大動態(tài)；8點進入辦公室，瀏覽國內外主要財經網站，晨會與同事一起討論當天最新的宏觀政策，財經和市場動態(tài)；9點-15點看盤，管理投資組合，看報告；收盤后對當天市場行情進行總結、分析，晚餐時繼續(xù)與同行進行近期市場和投資熱點討論。晚上看長篇研究報告，20點左右上網看上市公司公告，并為第二天的工作做好充足準備。午夜，休息。
但在大數據、機器學習算法、模型的幫助下，上述過程機器甚至可以縮短至幾分鐘完成。
數據、計算、模型——重構投資研究業(yè)務
事實上，通聯數據最初要解決的私募基金經理平臺問題，只是當時的市場需求之一。談起AI在金融投資領域的應用，大家首先想到智能投顧，但王政與通聯數據的設想明顯更加宏偉。
在博時基金任職期間，王政曾一人同時管理了5支量化基金。這是很罕見的。事實上，十幾年前還在巴克萊全球投資公司（BGI，后被貝萊德合并）任職的時候，王政就開始帶著一個團隊探索用機器學習做投資。王政自述，在那個時候他們開發(fā)出來的策略，已經是可以幫客戶賺錢。
但這些技術在那個時候還沒形成一個平臺、體系和社會效應，包括后來回到更后進一步的中國市場。據了解，在博時期間，王政功績之一也是引入了許多國際上的投資理念和方法，但以當時的技術基礎、體制管理水平，推行效果可想而知。
所以，如何讓廣大的基金經理、研究員也能利用數據、技術、模型來解決投資管理問題，改革原有業(yè)務模式，才是當時，直至今天中國資本市場亟須要破的局。
“依靠模型和數據去尋找規(guī)律，效率得到飛速提升，這些都有別于傳統(tǒng)投資。”此前接受媒體采訪時，王政如是說。
據此前媒體報道稱，某種意義上，是2005年開始的ETF套利拉開了量化投資在中國的序幕。但是，無論是從信息收集、數據處理、研報等環(huán)節(jié)，傳統(tǒng)基金研究員的工作尚是刀耕火種式的。同時過去幾年中，由于當時A股市場持續(xù)低迷，機構在量化研究上的投入也是捉襟見肘。而相比之下，在2012年前，美國市場的金融科技已經非常強了。根據HFR Inc的估計，2009年，量化投資基金管理的資產規(guī)模為4080億美元，占所有對沖基金的25％資產。
縱觀通聯數據今天的產品，包括兩個層面：
底層數據庫方面，通過自主收集、購買以及共享等方式，目前通聯數據云平臺上的金融大數據涵蓋股票、基金、債券、研報、宏觀、資訊、社交、電商等投資所需的信息材料，打破信息孤島。
在底層數據庫之上，通聯數據又構建了四個平臺：蘿卜投研、優(yōu)礦、魔方和智能投顧。蘿卜投研主要研究怎么樣把人工智能應用于投資研究；優(yōu)礦是一個眾包的、分享式的量化平臺；魔方則是一個MOM/FOF管理平臺；智能投顧是基于用戶畫像，為用戶提供咨詢、策略、風險管理等千人千面的投顧服務。
這樣的體系，一定程度參照了當年華爾街的模式。王政稱，在BGI期間，那時處于投資界的“工業(yè)革命”階段——計算機開始幫助人們做投資，包括儲存數據，處理數據等，然后逐漸形成一些IT系統(tǒng)。這是計算機剛剛開始引入的階段，指數基金、量化基金、對沖基金，還有現在的Smart Beta也是基于此而逐漸發(fā)展起來。
而這些系統(tǒng)的搭建完成了前期的數據積累。在此基礎上，王政團隊開始將多位來自斯坦福大學、卡耐基梅隆、普渡大學等人工智能學術領先的高校的專家教授招募到BGI，將他們各自在NLP、機器學習等領域的技術積累，運用到資產管理研究。
技術迭代與業(yè)務變革是相互促進的。十年前，最杰出的畢業(yè)生都想成為華爾街投資銀行的交易員，但現在，《華爾街日報》日前報道稱：“他們都在相互競爭，希望進入量化投資基金。”可以說，整個華爾街上下，算法驅動的交易和使用復雜統(tǒng)計模型來進行交易的寬客們（雷鋒網注：指一群靠數學模型分析金融市場的物理學家和數學家）正在接管投資世界。傳統(tǒng)的交易策略，例如通過資產負債表篩選公司或與公司客戶交談等手段正在衰落。
王政介紹，以蘿卜投研為例，其目的是打造機器人研究員，并取代研究員的工作——“至少目前我們可以替代基礎研究員了，并且正逐步往高端走，目的是取代高級研究員的工作。”
過去2012年至2015年，通聯數據專注于建立數據積累，這樣費時費力的工作以及相對緩慢的發(fā)展周期，似乎都不符合高速發(fā)展的互聯網公司氣質，但這樣的堅持也成了通聯數據今天的優(yōu)勢。當年因為部分栽培出的人才按捺不住寂寞而紛紛出走，也一度讓通聯數據荊棘滿途。
要知道，與未來醫(yī)療等領域一樣，技術與本身金融專業(yè)結合的復合型人才的培養(yǎng)和涌現，也是金融科技時代的標志之一。如今，華爾街對技術人才的投入還在擴張——微軟人工智能首席科學家、IEEE Fellow 鄧力加入美國基金公司 Citadel 擔任首席人工智能官；在國內，除了Fintech企業(yè)，也有平安集團、招商銀行等具有創(chuàng)新性的金融機構進行人才結構的變革。
“但是，當時這些人他們還不能理解這一個緩慢成長的過程。”不過，今天這些出走創(chuàng)業(yè)的項目，還是需要用通聯的數據。
王政表示，如今即使在國內市場，計算機已經讓投資實現了流程自動化，以及基礎研究工作智能化。而基于金融大數據，現在智能投資創(chuàng)新行業(yè)需要做的是，讓大數據、云計算、人工智能這套體系能夠自動學習、理解、發(fā)現投資機會，自動管理資產；需要教會機器學習、工作，從而構建它自己的體系，以能夠動態(tài)地反映市場，依據新的數據做出快速的反應。
“從70年代開始，智能投資一直是一步步地發(fā)展過來的，人工智能的應用并非突如而來的革命。只是在創(chuàng)新的路上越往后，要解決的問題越難了。”
對于智能金融的未來，王政希望將通聯數據打造成一個“資管業(yè)Uber”的平臺，撮合社會上的資金與投資管理能力。這是通聯數據生態(tài)系統(tǒng)的最后一層。
摩根大通量化投資和金融衍生品戰(zhàn)略團隊的 Marko Kolanovic 和 Rajesh T. Krishnamachari 最近剛剛發(fā)布了一份在金融服務領域機器學習和大數據的報告，該報告指出，像月收益和 GDP 數字這樣的常規(guī)數據源正在變得與投資策略越來越不相關，因為使用新數據集和方法的投資者可以預測這些數字，并在它們發(fā)布前預先做出行動。因此，機器學習將會在未來對市場運作至關重要，分析師、投資經理、交易預案和投資總監(jiān)如果不了解機器學習技術，他們將會落伍。
從資管界到科技界，從構建策略管理基金到技術輸出，王政職業(yè)生涯的轉身，給中國資本市場的投資管理模式和能力提升帶來新的探索。不管這是FinTech還是TechFin，通聯數據打開了資管業(yè)智能化投資的大門。
2017年7月7、8、9日， CCF-GAIR 2017——2017年全球人工智能與機器人大會將在深圳福田舉行，大會由深圳市政府指導，中國計算機學會（CCF）主辦，雷鋒網和香港中文大學（深圳）承辦。大會設置了三天的議程，包括AI 2.0、機器人、未來醫(yī)療、金融科技、智能出行、AI+、AI Job、AI創(chuàng)投等8個專場，每個專場分別邀請海內外學術和產業(yè)界最頂尖的專家來做大會報告和對話交流。
屆時王政博士也將參加大會，并作為金融科技專場主講嘉賓，給大家?guī)砀嚓P于智能投資的干貨分享。如果你想了解更多智能投資的行業(yè)情況以及技術方向指引，歡迎購票參加！
相關文章：
FTCon2017｜通聯數據首席科學家蔣龍：如何用人工智能發(fā)現投資機會？
能幫基金公司省數千萬成本：通聯數據深耕Fintech的這三年都做了什么？
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
專題
