想象一下，人们打免费800号码时再也不用因为无人理会而挫败；火车永远准点，不再需要候车室；个人所得税和企业所得税的税率设置得十分合理；每个人都攒够了退休金。因为在未来，人工智能将使财务管理和生活管理像倒一碗麦片粥一样易如反掌。

长期以来，人工智能始终只出现在末日科幻电影中，但如今它已经走出银幕，悄悄地走进现实生活，并将影响你的投资组合。试问任何一位基金经理他们目前最感兴趣的事物，答案不是改变新的投资风格，而是人工智能。人工智能具有巨大的竞争优势，它可以创造一支不知疲倦且错误率极低的劳动力大军。那么，人工智能是否能拯救陷入困境的资产管理行业？能否在提高投资效率的同时降低投资难度及投资成本？基金公司巨头们已经投入几十亿美元来寻找答案。

黑石（BlackRock）、先锋（Vanguard）、富达（Fidelity）和普信集团（T. Rowe Price）等公司还投入了大量时间和资金，在总部之外的大城市设立了独立于总部的技术中心。黑石在帕罗奥图、富达在波士顿、先锋在费城市中心、普信在纽约。这些技术中心都是为特定人群和工作类型而设计的，配备了站立式办公桌、模拟车库项目实验室、长绒地毯和圣诞灯，还准备了拼图游戏、Kit Kat巧克力和LaCroix气泡水，很少采用的老式红木和皮革家具，充分展现了初创企业的时髦雅致，也体现了这些公司正在努力吸引顶尖人才、数据科学家、信息架构师和数据预处理人员，否则他们便会转身投奔谷歌或亚马逊。

麻省理工学院金融工程实验室主任Andrew Lo说：“我们正处于一场技术军备竞赛中，金融机构必须参与进来，才能保持竞争优势。”

金融机构在争夺的是什么？首先，节省成本——简单而言——任何能够抵消投资产品价格下降造成的利润流失的东西。如果使用得当，人工智能也可以赋予投资组合经理优势，能更好地为投资者提供广泛的理财工具，正是这些工具让智能投顾变得像算盘一样。

富达人工智能项目负责人Vipin Mayar说：“每一家大公司的首席执行官都看好人工智能的发展前景。每个人都在追求利润。”

与为解决特定任务、硬编码的程序不同，人工智能的实现要从机器学习数据开始，就像小孩学习一样。通过一系列独特、专有的统计技术，机器用大量数据进行“训练”。“大数据”一词是指海量的数据点，比如你在某个时刻的具体位置、本月在咖啡上的花费、朋友的名单等。数据科学家可以利用这些数据点来创建并训练统计模型。

深度学习是实现机器学习的一项技术，当前这一领域正取得重大突破。简单来说，深度学习是让计算机像人类一样处理信息。例如，自然语言处理可以使计算机能够在真正理解人类语言的基础上做出反应，而不是按照一系列程序规则。计算机视觉使计算机能够看到并识别视觉图像，不仅能区分照片中的苹果、图画中的苹果和真实的苹果，而且还能分辨出每种图像之间的差异程度。计算机视觉不仅可以完善自动驾驶汽车技术、肿瘤识别机器、帮助机器挑选最好的葡萄来培育赤霞珠，当然还能加强财务数据分析能力。

不过，正如任何一位电影爱好者（或者任何一个活人）都会告诉你的，人工智能有局限性。比如，自动驾驶汽车出现过车祸；IBM制造的沃森（Watson）可以击败世界著名象棋手，但却无法解释人类为何下象棋；超级电脑哈儿（HAL）（注：电影《2001年太空漫遊》中的反派虚拟角色）是杀人AI。金融公司的愿景宏大，但目前只迈出了一小步。在未来，人工智能有可能会提供更优质的金融教育、促进金融授权、保障人人都能获得私人投资理财的咨询机会。但现在，大多数金融公司出于自身利益，主要目标在于节约成本。美国道富银行（State Street）投资管理服务的全球主管John Lehner在谈及使用人工智能的紧迫性时表示：“当前资产管理公司已经无法负担如今的业务模式。”

几年前，由于人们无法偿还信用卡债务，一家大型银行每天都要承担5000万美元的损失，于是该银行向麻省理工学院的安德鲁·罗寻求帮助。银行最初的解决方案是将信贷额度全面削减50％。但安德鲁·罗和他的团队用信用局的统计数据、FICO信用分数、拖欠和违约的历史记录、自动取款机交易数量和直接存款额等数据来训练机器学习模型。这些模型发现，在过去三个月内停止直接存款的人，拖欠或违约的可能性要高出五倍。

很多人都会猜测，这些人难以还清债务是因为他们失业了，但机器能够识别出在庞大的客户群中还款压力最大的那部分人。最终这家银行没有将所有人的信贷额度都削减50％，而是找到了4％最有可能违约的客户，削减了他们的信贷额度，从而减少了风险。

在基金方面，对冲基金公司英仕曼集团（Man Group）在人工智能领域走在前列。其量化投资部门AHL正在利用人工智能来减少滑点，即预期价格与实际成交价格之间的差额。概率论中有一个数学问题——“多臂老虎机问题”，在这个问题中，资源必须在多渠道分散分配才能实现收益最大化。想想如何将一把硬币放进成排的老虎机里才能赚钱。AHL的首席科学家Anthony Ledford表示：“当我读到这个问题时，我认为它‘类似于交易执行’，但我们在选择交易执行算法时并没有获得收益，反而增加了成本。”

通常，为了尽可能降低成本，减小市场波动，算法是由人为决定的。但英仕曼集团的研究发现了一种算法，专门用来决定使用何种算法。Ledford说：“由于采用何种算法是由算法决定的，因此大大减少了人为决策的时间；同时也减少了大约10％的滑点。”人工智能在AHL部门取得了巨大成功，英仕曼集团的其他部门也纷纷效仿。富达投资也开始推进人工智能研发。

下一步：人工智能选股

人工智能取得重大进展，其中最有意思的莫过于投资组合管理。人工智能大量地应用于被动投资中——得益于现代计算机，证券交易所创造了3万亿美元的交易所交易基金（ETF）——人工智能也将更多应用于最新的ETF中。

被动投资就是根据某个预定计划的一系列规则进行买卖。标普500指数基金是最著名的被动投资，只需要根据其市场价值的变动来调整其持有量。其他的指数，如罗素指数，每年才会进行一次再调整。一些使用更为复杂投资规则——技术上说仍是被动型——的新基金产品正不断推出并被市场接纳。说这些新产品是被动投资型的，因为它们所持有的证券且买卖时机都要遵循一套规则；但由于它们的规则已经变得十分复杂，因此本质上已经属于主动投资型。人工智能则可以进行更深入的决策，利用大数据（如纽约第五大道人流量或油轮投下的阴影的卫星图像）处理海量信息，摒弃“噪音”，抓住“信号”进行买卖。

黑石系统化主动股票投资团队的联合领导人Jeff Shen表示，人工智能的出现淡化了主动投资和被动投资之间的区别，因此可能会产生一种新的投资方式。“只是我们还没有给它命名。”

机器学习与自然语言处理相结合，对会议记录进行挖掘，从而识别其中的特殊字眼，这样一来投资组合经理就能了解首席执行官在电话会议中听起来是否乐观。它还可以用来搜索推特的消息，实时分析消费者不断变化的品味和趋势。例如，富达投资股权部门联席主管Tim Cohen表示，富达一直在挖掘社交媒体数据，分析安德玛服装公司（Under Armour）相对于其竞争对手的受欢迎程度，以及消费者对于奇波雷墨西哥烧烤连锁（Chipotle）推出的新产品“kumo”有何看法。“我们所做的不是让投资决策自动化。我们正在探索并努力完善现有的模型，当前面临的挑战在于如何找到一项可以长期使用的新技术。”

下一步人工智能会有何发展？机器将评估和预测人类行为，例如，投资组合经理如何根据管理层会议和收益情况进行交易买卖。如今机器只能简单地回顾历史，研究特定事件的历史交易信息。但总有一天，机器学习将能纠正人类行为，从而打造竞争优势。

如何将人工智能应用于传统量化投资领域，英仕曼集团的AHL部门做出了示范：通过机器学习，该公司正“重新学习”动量特性。在大多数情况下，人工智能可以从股价的涨跌速度和变化方向上来判断公司买卖股票的时机。在价格变动剧烈的情况下，采用动量策略难度很大。多数动量ETF在价格波动剧烈的市场中无法捕捉和回应 “信号”，这也就是为什么许多ETF的跟踪记录参差不齐。但英仕曼集团的人工智能在极度动荡的市场中发现转向信号，也能让模型迅速进行自动调整去捕捉这些信号。Ledford说：“传统的建模办法做不到这一点，深度学习有助于发现我们无法发现的信号。”

越来越多的主流产品将应用机器学习技术，不过早期的产品则显得平谈无奇。贝莱德2018年3月推出了7只新的行业ETF，如iShares进化美国科技主动型ETF（iShares Evolved U.S. Technology ETF，IETC）和iShares进化美国必需性消费主动型ETF（iShares Evolved U.S. Consumer Staples，IECS）。该公司通过自然语言处理，扫描上市公司所提交的各类公开信息，挖掘特定的描述其业务的词汇及用语，从而确定这些公司分别放进哪个ETF及所占比重。最终结果类似于传统的行业分类，尽管一些公司可能会同时归属于几个不同的行业。IBM的沃森也开始打造ETF。六个月前，其推出了一只市值1.34亿美元的大公司AI动力股ETF（AIEQ）。

可以预见的事，更多人工智能驱动的产品将会在市场上出现，但投资者应该像对待其他那些没有实绩、只有概念的新产品一样，对这些产品保持警惕。人工智能产品的实际运行，会像它们的各自创建人一样，各有不同。

杜克大学教授兼英仕曼集团顾问Campbell Harvey说：“人工智能需要大量的数据使其运转，机器学习不是一件单一的事物，它包含许多不同的因素。这是智能投顾的一个常见问题。人们误以为智能投顾是一种算法或别的什么，但有些智能投顾就是垃圾。要非常小心。”

此外，市场变幻莫测。Andrew Lo.说：“市场像一个生物系统，并非一成不变，没有一条定律可以解释市场在过去一年甚至几十年的演变过程，人工智能可以解决‘谁来做’、‘做什么’、‘在何时’、‘在何地’、‘如何做’等问题，但无法理解一项决策背后的逻辑，而这正是Warren Buffett成功的原因。”

这种独一无二的推理能力让巴菲特、富达的Will Danoff和双线资本（DoubleLine Capital）的Jeffrey Gundlach等人可以松一口气了。但人工智能不只局限于投资组合管理，一些金融公司还认为人工智能可以准确确定行为特征，并预测个人对金融和市场事件的反应。

当富达的人工智能团队得知他们可以使用超级计算机处理大量数据时， James Aylward马上离开办公室，驱车回家。他想了解他的邻居们有哪些亟须解决的问题。比如，邻里们想知道他们应该如何努力达到类似家庭的经济水平，其他人如何支付大学学费或育儿费，选择何种住所，以及他们做了哪些取舍。

人工智能对如何取舍给出建议，但由Aylward领导的富达团队可以识别出具有共同特征的家庭。下一步是建立一个预测软件，客户可以通过使用软件来了解该如何做才能达到财务安全。但设计预测软件困难重重，有许多不确定的因素，且没有衡量标准。富达人工智能的负责人Mayar说：“谷歌地图解决的只是如何从A点到B点这种简单的问题，达到财务健康则复杂得多，但我们的研究发现人工智能有可能做到。”

这个项目的负责人Aylward指出，人工智能的能力会随着时间的推移而不断加强。“人工智能可以自我提升，一开始人工智能只能做出判断，但慢慢会变得有预见性。Aylward说：“对于走不同的路会有什么结果，人工智能会进行学习，随着学习的深入，人工智能会形成规范并告诉你‘应该做A还是B’。”

与此同时，Andrew Lo正与一家大型经纪公司合作，研究一种衡量投资者行为的指标，其团队称之为“异常因素”。他说，很多算法可以告诉投资者应该做什么，但没有一种算法能解释他们实际做了什么。他使用了数十万匿名账户12年间的数据以此来衡量用户的行为。他们构建了人口统计模型，以此确定在市场调整或低迷时期，哪些投资者最有可能“抓狂”。Lo说，想象一下，在上一次金融危机中，人工智能可以为投资者减少多大的痛苦。

Lo说：“我们需要‘人工智能’。我们可以向人们反复灌输市场会恢复的观念，但这就像通过宣传禁欲来防止少女怀孕一样，并不现实，因为它没有考虑到人性。”他预计几个月后就会有研究结果，像他这样的机器学习模型预计将在两三年内上市。

研究公司晨星也将人工智能技术应用到一些以人为主的项目中。该公司于2月份推出了新的定量评级体系。机器学习模型模仿了该公司的分析师评级，即分析师如何看待基金前景的定性评估。分析师评级是预判、定性的；而该公司的星级评级是回顾、定量的。

公司将测试的机器学习模型与现有的分析师的评级结果进行了匹配，公司报告显示，负面评级匹配率达到55％，正面评级匹配率达78％。晨星公司的首席分析师Timothy Strauts告诉《巴伦周刊》，公司对目前的匹配率感到满意。顾问们是否满意这一测评结果则是另一回事。

也许对于人工智能来说，目前最大的障碍不是技术，而是大众认知。随着隐私问题成为公众争论的焦点，不止一家资产管理公司的首席执行官告诉《巴伦周刊》，实际上他们所掌握的关于客户的数据，远比他们愿意向客户承认的要多得多；为了不让客户心神不定，他们也并没有完全向客户袒露这些数据在技术上的用途，即使这些用途最终是为了改善用户体验。“我们如何才能在传达一个解决方案的同时，又不让客户感觉奇怪、受到侵犯、或受到“老大哥”式的监控呢？”

人类对人工智能下达的指令，将决定未来人工智能的样子。即使这一转变难以捕捉。Aylward笑着说：“数据科学家开玩笑说，当人工智能变成产品时（比如苹果的Siri或谷歌地图），它就不再是人工智能，而只是产品的名称，所以‘人工智能’这个词永远属于未来。” ■

（翻译：朱小钊，编辑：康娟，本文首发于2018年4月9日《巴伦》）