AI投資：是美好未來，還是永難企及的神話？
12月14日早晨，全球首只人工智能ETF基金AIEQ報(bào)收于25.62美元。上市近兩個(gè)月，該基金的表現(xiàn)落后美股標(biāo)普500指數(shù)2.5個(gè)百分點(diǎn)。
從初上市時(shí)萬眾矚目，到如今少人關(guān)注，從上市之初收益率大幅超越基準(zhǔn)，到此后持續(xù)落后，體現(xiàn)在AIEQ身上的巨大落差，似乎象征了業(yè)界對(duì)于AI（人工智能）投資的兩極化觀點(diǎn)樂觀者預(yù)期它終將立于投資市場之巔，并取代大部分投資經(jīng)理的崗位；悲觀者則把它看作神話故事、永遠(yuǎn)不會(huì)成功的永動(dòng)機(jī)。
這個(gè)爭議，還在升溫，還將持續(xù)。
首只產(chǎn)品鎩羽
作為第一個(gè)宣稱使用人工智能的基金，AIEQ的業(yè)績波動(dòng)之大，出乎行業(yè)預(yù)期。
上市初期，它一度驚艷。上市之初的3個(gè)交易日，AIEQ斬獲了0.8%的收益率。這被外界認(rèn)為是非常優(yōu)秀的開局，媒體報(bào)道頻頻使用超過基準(zhǔn)指數(shù)100倍的評(píng)語，并隨之激發(fā)了一片人工智能何時(shí)取代基金經(jīng)理的報(bào)道和討論。
但這只是曇花一現(xiàn)。
隨之而來的是該基金業(yè)績迅速滑落，從10月中到11月中，該基金凈值一度最低下跌到略高于24元，單月跌幅逾4%。更加糟糕的是，同期該基金的比較對(duì)象標(biāo)普500指數(shù)穩(wěn)步上漲，且業(yè)績優(yōu)勢保持至今。
無論是波動(dòng)率控制，還是短期基金業(yè)績表現(xiàn)，AIEQ都是越做越差，難言讓人滿意。一家國內(nèi)量化投資機(jī)構(gòu)的投資總監(jiān)如是說。
由于公開信息缺乏，AIEQ表現(xiàn)低迷的原因尚難準(zhǔn)確判斷。一些量化投資機(jī)構(gòu)認(rèn)為，從業(yè)績表現(xiàn)看，AIEQ的選股偏激進(jìn)，進(jìn)攻性很強(qiáng)，但是凈值回撤也很兇。
但也有人認(rèn)為，或許管理人自己也未必能完全了解清楚其中的原因。人工智能投資有所謂的黑箱問題，投資模型依賴復(fù)雜算法支撐的深度機(jī)器學(xué)習(xí)，這導(dǎo)致投資模型的投資過程經(jīng)常缺乏可解釋性。
公開資料顯示，AIEQ（全稱為AIPoweredEquityETF，人工智能驅(qū)動(dòng)的股票ETF），是由舊金山的一家創(chuàng)業(yè)公司發(fā)起，并和一家ETF基金公司合作設(shè)立的上市型交易基金。
該基金號(hào)稱運(yùn)用人工智能來進(jìn)行股票選擇，追求以同等的風(fēng)險(xiǎn)波動(dòng)水平，提供超出美國股市基準(zhǔn)指數(shù)的投資結(jié)果。該基金日常監(jiān)控?cái)?shù)以千計(jì)的美國上市公司，但通常只投資40至70只股票。這個(gè)組合分散水平和日常的主動(dòng)型股票基金相近。
在爭議聲中發(fā)展
在AIEQ上市前，海內(nèi)外投資機(jī)構(gòu)爭先恐后布局人工智能投資的競賽已經(jīng)展開。從研發(fā)到交易、從戰(zhàn)略合作到組織架構(gòu)調(diào)整，大型機(jī)構(gòu)拉開架勢卯足勁要爭搶AI投資的高地。
海外最大的指數(shù)化基金公司之一貝萊德今年3月末對(duì)外宣布調(diào)整公司架構(gòu)，裁撤包括7名投資經(jīng)理在內(nèi)的100名主動(dòng)型基金部門員工，并調(diào)整300億美元資產(chǎn)的管理體系，其中有近60億美元將由量化基金接管。其公司CEO在文中稱，傳統(tǒng)的股票投資方法正被技術(shù)和數(shù)據(jù)科學(xué)的巨大進(jìn)步所改變。這是該公司作出調(diào)整的重要原因。
此外，諸如SAC、TwoSigma、Citadel、DEShaw等知名對(duì)沖基金機(jī)構(gòu)，也先后有嘗試在投資中應(yīng)用人工智能算法，或是設(shè)置專門研發(fā)團(tuán)隊(duì)進(jìn)行AI研究的消息傳出。
國內(nèi)最大的兩家基金公司華夏基金和天弘基金，也于今年先后宣布了在人工智能方面的戰(zhàn)略型研發(fā)計(jì)劃和組織架構(gòu)安排。包括嘉實(shí)基金、國金基金等機(jī)構(gòu)也積極跟上，陸續(xù)有在這方面探索研究的信息傳出。
但另一方面，業(yè)界對(duì)于AI投資的應(yīng)用前景、研發(fā)方向及資管公司架構(gòu)調(diào)整的原因也一直有爭論和猜測。
有機(jī)構(gòu)認(rèn)為，海外對(duì)沖基金目前的一些嘗試只能看作是量化投資的衍生范疇，其至多應(yīng)用了一些人工智能的算法技術(shù)，距離真正的AI投資還有很遠(yuǎn)的距離。
也有分析人士認(rèn)為，海外一些資管機(jī)構(gòu)調(diào)整架構(gòu)、裁撤主動(dòng)型基金經(jīng)理的主要?jiǎng)恿κ窍鳒p成本，呼應(yīng)指數(shù)基金的發(fā)展態(tài)勢。而對(duì)外宣布研發(fā)計(jì)劃，則或許帶有一定的宣傳推廣考慮。
高毅資產(chǎn)的投資總監(jiān)鄧曉峰在一次演講中也提及：人工智能投資現(xiàn)在還處于很早期的階段，還是一個(gè)專家系統(tǒng)，無法解決沒有明確規(guī)則的問題。這個(gè)觀點(diǎn)代表了相當(dāng)多數(shù)投資經(jīng)理和學(xué)者的看法。
AI投資難在何處？
同樣是利用計(jì)算機(jī)系統(tǒng)進(jìn)行投資，量化投資的技術(shù)在十多年前就已經(jīng)進(jìn)入實(shí)戰(zhàn)，KUKA機(jī)器人維修，但是AI投資似乎目前還在爭議中，這其中原因在哪里？
量化機(jī)構(gòu)君耀投資的總經(jīng)理沈賢能認(rèn)為，應(yīng)用于投資的人工智能必須要具備包括感知、認(rèn)知、推理、學(xué)習(xí)和執(zhí)行等智能化特征，但要建立一個(gè)真正如人工一般智能的投資并不容易。
具體來說，人工智能在投資中的應(yīng)用要跨越兩大步。其一是應(yīng)用海量的市場數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，逐步形成有勝率的算法模型。其二是把算法模型應(yīng)用于具體場景，比如在資本市場中進(jìn)行實(shí)戰(zhàn)投資。沈賢能說，但這兩者都是有相當(dāng)難度的。
他舉了人工智能軟件AlphaGo在圍棋領(lǐng)域的處理方式的例子。如果僅僅用窮舉法來處理數(shù)據(jù)，那么，圍棋的運(yùn)算量將達(dá)到3的361次方，這大概比宇宙間所有原子的數(shù)量還要多。
因此，庫卡機(jī)器人，AlphaGo的安排是，通過建立一個(gè)專家模型（落子預(yù)測器）來去掉臭棋步驟，降低數(shù)據(jù)搜索廣度，庫卡機(jī)器人驅(qū)動(dòng)器維修，再建立另一個(gè)專家模型（棋盤價(jià)值評(píng)估器）來降低數(shù)據(jù)處理深度，使得程序的運(yùn)行具有現(xiàn)實(shí)性。
但在投資市場，市場數(shù)據(jù)的規(guī)模遠(yuǎn)勝于圍棋。同時(shí)，面對(duì)復(fù)雜多變的市場價(jià)格影響因素，要構(gòu)建準(zhǔn)確判斷投資勝率的專家模型也無法一蹴而就。至于進(jìn)入實(shí)戰(zhàn)，從AIEQ的情況看，短期內(nèi)似乎條件還不具備。
沈賢能認(rèn)為，人工智能在投資中的應(yīng)用最終取決于三個(gè)行業(yè)驅(qū)動(dòng)力：數(shù)據(jù)量、運(yùn)算力和算法模型。只有這三個(gè)方面都突破了，AI投資才能真正應(yīng)用到市場中去。這也是當(dāng)下，量化機(jī)構(gòu)們正著重發(fā)力的方面。
還有投資經(jīng)理認(rèn)為，人工智能領(lǐng)域涌現(xiàn)的多種算法，使得計(jì)算機(jī)在解決很多復(fù)雜問題上有了巨大的突破，諸如面部識(shí)別、語音識(shí)別等技術(shù)都已經(jīng)相對(duì)成熟。但即便如此，上述算法支撐的機(jī)器學(xué)習(xí)能否真正刻畫并掌握投資市場運(yùn)行的奧秘，依然是未知數(shù)。尤其是，或許市場運(yùn)行根本就沒有長期有效的規(guī)律和方法存在。
分步走AI投資的現(xiàn)實(shí)選擇
那么，在AI投資進(jìn)入實(shí)戰(zhàn)仍有距離時(shí)，AI投資技術(shù)的應(yīng)用就毫無機(jī)會(huì)了么？
部分機(jī)構(gòu)認(rèn)為，AI投資可以嘗試分步驟地應(yīng)用于投資領(lǐng)域。
壘土投資的沈天瑞認(rèn)為，人工智能要完全勝任投資，目前最需要克服的問題，是人工智能在深度學(xué)習(xí)市場數(shù)據(jù)時(shí)陷入所謂的黑箱問題。比如，海量數(shù)據(jù)訓(xùn)練時(shí)可能產(chǎn)生超多的特征維度；模型預(yù)測結(jié)果不正確時(shí)很難進(jìn)行診斷；可能存在過度擬合的傾向；金融數(shù)據(jù)中含有大量噪音，若將機(jī)器算法簡單應(yīng)用于不規(guī)律、非客觀的數(shù)據(jù)效果堪憂等等。
他認(rèn)為，把AI技術(shù)分步驟的應(yīng)用于投資領(lǐng)域，目前較具現(xiàn)實(shí)性。