人工智能如何重塑資管業？
來源：投基家
一直以來，科技進步都是驅動全球資產管理行業（AssetManagement Industry）發展的核心因素。近年來，隨着移動互聯網、雲計算、大數據和人工智能（AI，Artificial Intelligence）等信息技術的迅猛發展，科技如何賦能社會？科技如何重塑金融行業？科技如何改寫投資管理？引發了高度關注和熱烈討論（Thomas Philippon，2016；DavidLeinweber，2017；巴菲特，2017；Howard Marks，2018）。
特別值得一提的是，具有廣泛聲譽的《經濟學人》（Economist）雜誌認爲，由於在互聯網技術和人工智能技術等方面取得的成就，中國是金融技術（Fintech）的全球領導者（2017年2月25日，第59頁）。這種提法，具有特別的意義。楊凱生（2017）、巴曙鬆等（2018）從商業銀行角度，孫國峯（2017）從監管政策角度，王政（2017）、肖風（2018）從資產管理角度，分別討論了金融技術和人工智能對現有金融行業各個方面的挑戰和影響，都很有開創性和啓發性。
2019年，對資產管理行業來說，一方面，既受到全球經濟、金融行業固有景氣週期循環的短期、常規影響；另一方面，更面臨本輪金融技術（Fintech），特別是人工智能的長期、甚至是顛覆性挑戰。兩方面的影響和挑戰疊加，挑戰嚴峻。未雨綢繆，不預則廢。本文概括了人工智能對資產管理行業發展的十大影響。
影響一：減輕道德風險
資產管理行業存在和發展的前提有兩個，一個是基金管理人誠實信用；一個是基金管理人有能力持續賺錢。這兩者中，誠實信用排在第一位（Bogel，《共同基金常識》;Levitt，《監管與合作：美國證監會與共同基金》）。原因在於，這個行業天然是資金的所有權和使用權分離的，管理人的行爲也不好監督。在學術上，這是典型的委託代理機制。在實踐中，管理人潛在的道德風險一直存在。在歷史上，美國和中國都出現過不少利益衝突、“老鼠倉”事件。
大數據是最近這一次人工智能成爲“風口”的關鍵因素。使用大數據的匹配、相關方法，能夠比較容易找出關聯交易和資金往來線索（Srinivasan, S.，2016，Big data and financial fraud using fintech methods. Working Paper, Texas Southern University；程雷，《大數據偵查的法律控制》，《中國社會科學》，2018第11期）。從根本上說，人工智能目前的行爲目標或偏好比較單一，可能只有爲客戶賺錢這個單一目標。人工智能對資產管理行業來說，雖然無法消除委託代理關係，但可以在一定程度上減輕道德風險。如果人工智能本身要謀私利，賺錢之後它怎麼用？當然，到奇點（singularity）來臨時，機器智能超過人類智能，可能就不好說了。
影響二：智能財富管理
資產管理行業的發展，始終面臨不斷募集資金的問題。如果把資產管理行業看成是一門生意，有人認爲資產管理行業的核心競爭力是營銷，而不是投資能力，也有道理。實踐表明，互聯網技術已經在一定程度上改變了傳統基金銷售方式。例如，冪律、長尾規律通過互聯網技術得以對貨幣市場基金進行了顛覆（餘額寶）；第三方平臺（東方財富(18.250, 0.05, 0.27%)、螞蟻金服、京東金融）對傳統基金銷售渠道進行了挑戰。
目前，人工智能對籌資的影響表現在智能財富管理方面。Betterment、Wealthfront、Charles Schwab、BlackRock、Vanguard Group等公司都進軍智能投顧業務。具體來看，例如，50年來經典、暢銷書，即《漫步華爾街》的作者馬爾基爾（Burton Malkiel）是全球領先的智能投顧公司Wealthfront的投資總監。Wealthfront利用人工智能的方法給投資者提出理財建議，爲特定的風險偏好定製一種包含不同資產類別的多樣化組合，資產類別選擇都是低費率和被動ETF。當然，也有人認爲智能財富管理的技術含量不高，在嚴格意義上算不上人工智能的運用。
影響三：改造主動投資
“天下熙熙皆爲利來，天下熙熙皆爲利往”。一直以來，主動投資都是投資者關注的重點。媒體也經常報道大明星，如林奇、巴菲特、索羅斯等人。主動型投資者（AI，Active Investor）收取了這個行業的鉅額管理費和業績提成。收的合不合理？應該收多少？目前也有爭議（Malkiel, B.G., 2013, Assetmanagement fees and the growth of finance, Journal of Economic Perspectives27(2), 97-108）。從根本上看，投資決策的核心在於信息流，信息獲取是投資決策的前提。在理論上，信息是金融市場中最重要的資源（Fama, E., EfficientCapital Markets: Review of Theory and Empirical Work, The Journal ofFinance, vol.25, no.2, 1970, pp.383-417）。所以信息套利是筆大生意，參與者包括金融中介機構（如經紀商、賣方分析師、財務顧問、分析軟件提供商和交易平臺）及數據供應商（如Bloomberg, Thompson-Reuters, Factset, S&P Capital IQ）。
回到主動投資，自1934年格雷漢姆（Benjamin Graham）出版《證券分析》（Security Analysis）後，基於企業內在價值（IntrinsicValue）的基本面投資方法在主動型機構投資者中逐漸成爲主流（當然，基本面投資既包含價值（Value）投資，也包含成長（Growth）投資）。傳統上，宏觀經濟分析、行業研究、上市公司實地調研、財務報表分析和公司估值是此類投資者獲取信息，提高投資決策質量、獲取超額收益的主要方法。人工智能改造了傳統主動投資流程上信息獲取、整理、分析、判斷的方法。例如，利用衛星、物聯網、互聯網抓取最新的數據來及時判斷宏觀指標（例如，CPI）、企業銷量、行業景氣的變化、拐點，獲得領先的信息優勢。
影響四：助推被動投資
指數出現很早（1884年），但在資產管理行業中，指數投資出現卻很晚（1976年）。原因當然與計算機技術的進步有一定關係。但與思想上的認識偏差和過度自信關係可能更大一些。在學界，基金經理能不能戰勝市場是個重要話題（Jensen，1968；Malkiel ，1995；Gruber et.al，1996；Famaet.al，2010）。在業界，在1984年哥倫比亞大學紀念《證券分析》（Security Analysis）出版50週年的活動上，巴菲特提出“格雷厄姆—多德部落的超級投資者們”可以戰勝市場。巴菲特在2007年與人打賭“主動型基金是否可以戰勝市場”，10年後，巴菲特勝出，即主動型基金不能戰勝市場；但極少數投資者可以戰勝市場，巴菲特自己是一個。
在我們看來，近年來，被動投資迅速發展起來還有兩個原因。一個是管理規模。在主動投資策略中，規模是業績的敵人。極端情況，一個超級明星管理全市場的錢，自己就是指數了，自己能戰勝自己？二是費率。即各種摩擦成本，從長期看，各種費率會很影響業績的複利增長。2018年年底，平安資管投資管理方式的轉型引起了廣泛關注和振動。核心（被動投資）加衛星（主動投資）是超大型機構投資者的戰略選擇，智能量化是未來的方法選擇（平安資管張一清，《智能量化投資將成爲未來主流投資方式》，《上海證券報》，2018年11月3日）。對於不具有優勢的個人投資者、或者沒有特別優勢的機構投資者而言，指數投資是它們的最優選擇。在一定意義上，指數投資就是傳統投資方法和人工智能投資方法的試金石。但然，指數投資的業績也是人工智能業績的下限，不好的人工智能也面臨被淘汰。
影響五：改變博弈格局
資產管理行業發展的前提之一，是基金管理人有能力持續賺錢。持續賺錢其實很難，所以業界有“投資生存戰”的說法，即長期生存下來已非易事。股票市場是個生態系統，有短期投資者，也有長期投資者；有理性投資者，也有噪音投資者；有聰明錢，也有笨錢。無論投資者、投機者，大家進入這個市場，都是對自己有信心的。但在短期，股票市場就是零和遊戲，考慮到摩擦成本，甚至是負和博弈。過往記錄表明，投資時間越長，複合收益率降低；複合收益率極限在40%左右，已是鳳毛麟角；複合收益率極限在10%以上，已經可以位列大師之列。
股票市場中的傳統博弈選手，無論是機構還是個人，都是人與人間的博弈。或意氣風發，或心力交瘁，箇中辛酸，無人可知。未來股票市場的博弈格局，在人工智能加入後，可能是人、人機互動、完全人工智能混雜的複雜博弈局面。不說別的，人工智能至少有一條優勢，即沒有精力不濟、體力不支、職位工資待遇之爭、上有老下有小之憂。相反，通過不分晝夜地機器學習、自我學習、強化學習，只會越來越強大。當然，未來機器智能之間的博弈也會很精彩、很慘烈。原因在於各家人工智能的模型不同、方法不同、技術路線不同、數據有差異，互相之間，終有廝殺，鹿死誰手？
影響六：挑戰組織結構
傳統主流機構投資者的內部組織結構，按部門分，一般有研究部、股票投資部、量化投資部、交易部、監察部；按職位分，有宏觀研究員、行業研究員、基金經理、數量分析師、交易員、督察員。投資機構應該算是典型的學習型組織了，因爲研究驅動的投資管理。從根本上理解，資產管理公司是個企業（Firm），按照信息流、業務流程形成科層（Hierarchical）結構，也很正常。時間長了，也有可能形成企業內部“官僚”體系，即對變化的敏感度下降，也是常事。組織結構本質上是某個階段人們認知決策思維下的體現形式，組織結構的變化就是CEO或董事長對未來認識的體現。
如果是在軟件定義的社會，或者說是算法（algorithm）定義的時代。如果數據是新的石油，信息是生命體的血液。那麼，組織結構中的管理問題、投資流程問題，可能就變成了如何管理數據和信息？如何管理算法和軟件？如何進行算法外包？如何激勵開源代碼共享？那麼，傳統的部分劃分、職位劃分，是否適應信息流的新的、甚至是革命性的變化？並且，在企業邊界的問題上，新型的企業也給出了不同的答案。例如。頂尖的對衝基金AQR的創始人，是Fama（2013年諾獎得主）指導的1994年畢業的博士生，倡導開放式研究，在一定程度上，就是開源代碼共享，這重新定義了企業的邊界、企業的協作。
影響七：轉型科技公司
一直以來，投資管理行業的競爭就是武裝到牙齒的技術“軍備競賽”，華爾街頂尖公司是軍備競賽主要的推動者。早在1967年出版的投資經典，即《金錢遊戲》一書的第二部分，內容就是“信息技術系統”，其中第12章的標題是“血肉之軀鏖戰喪失情感的計算機魔鬼”（《金錢遊戲》，廣東經濟出版社，2011年版，第148頁）。1974年左右，先鋒基金指數創始人就是利用Prime微型計算機運營第一隻指數基金。1980年代，量化投資成爲這場軍備競賽的主要戰場。例如，最頂尖的量化投資公司，即文藝復興科技公司，獨闢蹊徑，異軍突起。2017年10月28日，久負盛名的《金融時報》撰文：《當硅谷來到華爾街：主流資產管理者開始使用大數據和機器學習》。
事實上，近年來，全球頂尖的對衝基金站在智能研究和實踐的前沿。文藝復興科技公司、Two Sigma等公司組建了自己的人工智能團隊。2012年，著名的對衝基金公司橋水基金挖走了IBM的“沃森（Watson）”人工智能開發小組的領軍人物David Ferrucci。2017年，對衝基金巨頭Citadel聘用了微軟的首席人工智能科學家鄧力。2018年，NASA（美國國家航空航天局）首席數據科學家加盟貝萊德（BlackRock）2018年，華盛頓大學計算機科學與工程學教授，《The Master Algorithm》作者 Pedro Domingos加入DE Shaw。2018 年，卡內基梅隆大學計算機系主任 Manuela Veloso 加盟摩根大通。
影響八：人才需求變化
傳統上，資產管理行業是收入相對比較高的行業，也是成爲商學院的畢業生主要的工作選擇之一。2018年，經濟學、金融學的畢業生面臨了史上最嚴峻的就業挑戰。這可能也是一次資產管理行業的供給側改革。事實上，一直以來，長期年複合收益率接近40%的文藝復興科技公司成功的原因之一可能就是就不招經濟學、金融學背景的畢業生，或者是有華爾街工作經驗的人。確實印證了老話，如果重複同樣的事情，是不能得到不一樣的結果的。文藝復興公司的成功，就是在投資上，沒有走與大多數主流傳統投資機構一樣的道路。
近來，一些主流傳統公司，例如行業巨頭富達基金提拔有技術背景出身的Steve Neff擔任資產管理部門負責人，可能也多少說明了趨勢潮流。明顯的，在未來，計算機、統計、數學等人才可能是搶手貨。背後的原因其實是傳統的信息流、投資流程受到挑戰。但我們必須特別指出，傳統的投資方法也不是一無是處，直覺和經驗也不是全無道理。例如，至少傑出的、老練的投資者的投資方法和思想不受影響，即在傳統方法中，投資者在基本面投資中使用的認知、邏輯和經驗長期有效。因爲人工智能並不能判斷行業發展趨勢、企業發展戰略、企業家精神、企業文化。而這些“虛”的、定性的東西，恰恰是判斷偉大企業的關鍵。
影響九：帶來潛在風險
人工智能的廣泛使用，會引起什麼樣的新的風險？從戰略角度說，不注意人工智能這個社會發展的大趨勢，可能有“企業倒下，血還是熱的”的風險。對於資產管理行業來說，真正的顛覆者有沒有可能是來自其他行業的將維打擊？例如，來自谷歌這種由技術的公司？因爲谷歌有一個很受歡迎的股票篩選引擎。或者來自東方財富這樣有客戶流量的公司？或者來自於一個完全的人工智能公司？
從技術角度說，機器和機器智能帶來的風險，也非同小可。例如，1987年一天之內指數下跌超過20%，以及2010年的閃崩，都有機器程序交易產生連鎖反應的原因（Aldridge, I. and S. Krawciw，2017，Real-Time Risk: WhatInvestors Should Know About Fintech, High-Frequency Trading and Flash Crashes，Hoboken, New Jersey: Wiley）。在國內，2013年8月16日11點5分的烏龍指事件，多隻權重股瞬間出現鉅額買單，以致多達59只權重股瞬間封漲停。傳統證券交易中的風控系統交易響應最快以秒計，但也遠遠不能適應高頻套利交易的要求，例如，這次事件中每個下單指令生成爲4.6毫秒。對監管和交易所都提出了挑戰。
資料來源：http://www.sec.gov/sec-cftc-prelimreport.pdf.
影響十：人機博弈合作
未來已來，只是還不明顯。人工智能在資產管理行業發展的多個方面，都可以進行改造，都可以推動行業的變遷。但是人工智能也不是無所不能的，至少在目前可以預見的長期內，人工智能並不能完全取代人（Andrew Ng，What Artificial Intelligence Canand Can’t Do Right Now，NOVEMBER9, 2016）。例如，在傳統的投資決策框架中，人工智能在數據獲取、信息處理和交易執行三個方面具有絕對優勢，但在理解歷史知識、經驗規則和博弈策略中並不具優勢；人工智能在把握短期情緒和非方向判斷方面具有絕對優勢，但在長期基本面理解和方向判斷方面不具優勢。所以，一個可能的格局是，人腦、電腦博弈合作。
創新性技術的在資產管理行業的深入使用，可能事關人力、流程和信息的全新組合，技術創新通過改變這三個輸入變量互動方式的程度和範圍來達到最優結果。事實上上，在資產管理行業中，一直也在使用Vanguard創始人約翰•博格（John Bogel）1984年提出的“4P”準則來作爲判斷創新的基礎，即人（People）、投資哲學（Philosophy）、投資組合（Portfolio）和投資業績（Performance）。博格1984年的這個提法，也是討論人機博弈合作的好的角度。
十一、評述性結論
在20世紀50年代，計算機科學和人工智能首次出現。在20世紀80年代，華爾街就是早期人工智能的主顧。1987年6月《華爾街計算機評論》的封面文章是：《教計算機模仿偉大的思想家》，配圖是蘇格拉底站在紐約證券交易所的臺階上，而紐約證券交易所周圍被CRT顯示器圍繞着。而1990年6月《華爾街計算機評論》的封面文章是：《基於知識的系統：職業思考的計算機》，配圖是羅丹的“思想者”雕像被網絡連接着。
目前，人工智能對資產管理行業發展的影響深刻長遠。但人們對人工智能或多或少依然存在大量誤解，甚至是恐懼，也都正常。討論起來，這也是個相當寬泛、開放性的問題，見仁見智。我們的看法可能對，也可能不對。我們也面臨“用目前習慣的框架去分析未來問題”的尷尬。這也都正常，對真實世界的認知就是在不斷試錯和批判中前進的。如蒙賜教，不勝感激。
基金產品繚亂複雜，如何挑選好基金？關注投基家後，投基君帶你撥開雲霧，研究分析合適你的基金，篩選出有道德的專業管理人，爲你的基金投資組合保駕護航。
投基家