對于量化投資者來說，自由決策性投資是*主觀的——充滿了確認(rèn)偏差、可得性偏差，基本比率謬誤等等。另一方面，對于這類投資者而言，量化投資太過“天真”——看一個公司不能只看市凈率和投資回報(bào)率。

這兩類投資者所在的世界截然不同，讓人覺得永遠(yuǎn)不會有交集。

但人工智能在投資領(lǐng)域表現(xiàn)出的潛力卻恰恰有關(guān)兩個世界的相遇。

機(jī)器學(xué)習(xí)的*進(jìn)展已經(jīng)為兩種投資理念的結(jié)合創(chuàng)造了令人興奮的可能性。如今，量化投資者在影響投資收益的基本面因子之間找到了更復(fù)雜和非線性的關(guān)系，越來越可能在處理復(fù)雜財(cái)務(wù)報(bào)表的過程中找到比價值、動量和增長等傳統(tǒng)因子更“精細(xì)”的因子。例如，一個人工智能系統(tǒng)可能會發(fā)現(xiàn)財(cái)務(wù)杠桿、利率、營業(yè)利潤率和破產(chǎn)概率之間復(fù)雜但可預(yù)測的關(guān)系。

另一方面，得益于人工智能的發(fā)展，自由決策性投資者現(xiàn)在可以找到并量化以前被*其主觀評估的一些因子。通過社交媒體監(jiān)測，他們可以衡量公眾對品牌的看法。他們可以使用停車場的每日航拍照片來計(jì)算訪問零售店的實(shí)際客戶數(shù)量。他們還可以通過職場點(diǎn)評網(wǎng)站上的評論了解員工士氣——將以上這些因素納入他們的投資過程中，可以帶來顯著的alpha收益。

然而，有一個被完全忽視的方面可能更令人興奮。我們現(xiàn)在有可能制造出一個真人投資經(jīng)理的復(fù)制品，一個會通過實(shí)例學(xué)習(xí)并建立自己投資風(fēng)格的機(jī)器：可以追蹤市場動量，堅(jiān)持傳統(tǒng)價值觀念，或以合理的價格買漲。

那么，我們如何去搭建這樣一個系統(tǒng)？

大多數(shù)系統(tǒng)投資策略是以于均值—方差模型為基礎(chǔ)的。而我們想要的是一個可以預(yù)測投資經(jīng)理在給定一組特定數(shù)據(jù)時會做什么的系統(tǒng)，并且這樣的特定數(shù)據(jù)對于做出*的收益預(yù)測來說幾乎是永遠(yuǎn)不充足的——這個區(qū)別*不起眼，但至關(guān)重要。此外，這樣的系統(tǒng)存在一個重要的“副作用”是，要允許它說“我不知道現(xiàn)在該怎么做”。一旦停止嘗試預(yù)測收益而改為預(yù)測投資決策，我們就可以使用任意有限的信息了。

影響投資決策的因素有兩大類。 *類是從財(cái)務(wù)報(bào)表、市場數(shù)據(jù)等來源中得出的量化因子。第二類則包括關(guān)于公司治理的主觀判斷、潛在的市場規(guī)模、選股等場景中的可干擾性，等等。投資經(jīng)理可以根據(jù)風(fēng)格選取這兩個類別中的各種因素，設(shè)置不同的權(quán)重。他們有時甚至不清楚自己下意識地給每個因素分配了多少權(quán)重。實(shí)際上，這些權(quán)重可能根本不是線性的，而是一個由“是或否”的決策點(diǎn)組成的矩陣。

在現(xiàn)代人工智能系統(tǒng)的輪廓中，我們可以將所有這些因素納入決策過程。這樣一個系統(tǒng)的架構(gòu)如下：

1546046812(1).jpg

由此可以得出兩個關(guān)鍵的觀察結(jié)果。首先，我們嘗試對投資決策建模，而不是針對風(fēng)險(xiǎn)或收益。其次，我們將主觀輸入與量化輸入設(shè)置為具有明確差別的因素。然而，這些主觀輸入本質(zhì)上仍然是定量的。例如，我們可以將公司治理的評級設(shè)定為1到5。類似這樣的衡量標(biāo)準(zhǔn)還是由人為判斷來決定的。

這種模型架構(gòu)有助于機(jī)構(gòu)更快地開始建立一個系統(tǒng)，而不是加快收益建模的速度，雖然后者需要的也只有定量輸入。更重要的是，隨著時間的推移，如此建立的系統(tǒng)可以反映出投資經(jīng)理的風(fēng)格。

這種架構(gòu)中存在無限的參數(shù)，或者說底層模型使用的輸入信息中包含的因子。投資團(tuán)隊(duì)要具備能提供強(qiáng)有力的主觀評估的能力。

世界上沒有兩個相同的投資經(jīng)理，也不可能出現(xiàn)兩個完全相同的由AI驅(qū)動的系統(tǒng)。 通過預(yù)測投資決策而非預(yù)測收益率，同時將團(tuán)隊(duì)的主觀評估納入決策過程，我們確保能獲得不同的、獨(dú)特的投資“機(jī)器”——這是各地金融市場保持活力和穩(wěn)健發(fā)展的先決條件。