人工智能如何作用于投资理财

人工智能就是赋予机器智能，让机器能够做正确的事情。对于投资而言，人工智能也就意味着在一段时间之内可以帮助客户去实现最优化的投资。人工智能的用途在不断崛起，像无人驾驶汽车在世界上正在发挥越来越大的影响力。

通过人工智能也能够得到更加准确的医疗诊断，而更好的搜索引擎、交通运输和物流行业也在发生巨大变化。我们也在让机器能够理解文本为人类提供各种问答服务。

同时，人工智能在投资以及在长期交易、短期承销、承贷、授信方面发挥着越来越重要的作用。

人工智能这个领域的进步正在大幅度加速。比如计算机视觉，有了它，人工智能系统可以对照片、图象进行识别。

最近有一次大规模视觉识别挑战赛，有一千个类别，人类认识视觉认识准确度达到95%，但是在过去五年当中机器的准确度达到了原来的六倍，已经比一个视觉识别的人类专家都要厉害了，这是一个非常重要的进步。因为物体识别能力，目标识别能力是在现实世界采取操作的能力的一个关键的基础，例如机器人的运动。

当然，人工智能并不像电影和媒体当中有些说法那样，机器具有感知能力或者是有意识的，它会统治整个世界，接管整个世界，事实不是这样的。而且人工智能也不仅仅是深度学习的一个分支或者是大数据的分支。虽然这里面有深度学习和大数据内容，但是还有很多其他的组成部分。

而且有一些公司，他们会说我们有人工智能技术，如果你有数据拿过来，他们就能解决你的问题。很多情况下并不可能达到这样的效果，在很多情况下深度学习并不是能够轻而易举地投入使用。

如何把投资决策看作一个人工智能的问题

首先，这个问题的输入要素包括每一种金融工具在所有市场、所有时刻的价格信息。现在机器就能访问到这些信息，很简单。

还有很多的词语性的、语言性的信息，就是人类产生的各种各样的基于语言文本的信息，像彭博社、路透社的新闻、上市公司报告、财务报告、政府报告、分析师报告，以及社交媒体上发表的，比如推文，所有这些人类产生的信息都是这种信息的组成部分。

其次就是知识。大数据必须有知识，现在在这个领域当中我们已经有了很多的知识，关于经济、政治、系统的运行，以及行业和地理划分，所有这些都可以帮助我们深度理解其他数据。

再次就是心理，因为我们所做的一切都是和市场有关的，市场上的价格并不仅仅基于现实，而是基于人们对于现实的感觉、感知，所以去感觉、了解市场参与方，比如说消费者、买家和企业买家的心里、心态是负责重要的，有这样的信息才能做出预测。这些是输入要素，输出要素就是买卖这样的投资决策。

这个问题和投资顾问并不完全一样，我讲的是投资决策，投资决策就是如何决定投资买卖，投资顾问是代表了另外一个问题，比如说你可以决定在每个微秒都决定买或者卖，但是不可能以微秒为单位提出顾问的意见。所以什么时候能给顾问意见？每次给多少顾问意见？这是非常重要的决定。人工智能能够帮助系统做出这样的决定。

而在做出了这种顾问的建议之后，你还要向你的机构客户或者其他客户来解释为什么做这样的建议。比如，有人建议买400亿美元阿根廷比索，为什么提这样的建议？把这个建议解释好，客户机构才能接受这个建议，解释是非常重要的。

深度学习现在很难做到这一点，深度学习系统可以做建议，但是很难解释这样的建议。

另外，你还要判断是否在告知真相，在提供投资顾问服务的时候，有时候表述的内容并不是整个真相，因为顾问仅仅是想说服客户采取一定的行动，有可能向他们隐藏一部分真相，想让他们的决定对自己有利。

复杂的金融人工智能决策

顾问的问题是非常有意思的，但是更有意义的问题是买多少、卖多少。我们可以将之视为一个数学问题，在非常大的动作操作空间，在每一个微秒当中，人们都可以在任何一个市场买卖任何数量、在任何价位上的金融工具。如果客户有能力做一些衍生品合约的话，在每一个微秒当中，他们能够自动构建的衍生品合约数量也是无限的，复杂性也是无限的。所以，可以做什么选择是无可限量的。

市场上有很多代理人、中间人。在下围棋的时候只有两方，但是在投资市场当中有数以百万计的组成部分。而且投资时间尺度非常之长，无论是个人投资者还是机构投资者，都希望实现十年的投资回报的最优化。

另外，对于这种动力机制，我们仅仅知道其中一部分，但是对围棋的机制就很清楚，对于市场和经济运行我们只知道其中一部分机制。

数据有很多的噪音和杂质，围棋比赛是一目了然的，但是在投资过程中有很多噪声要过滤掉，拿到的很多数据是虚假的，可能是人们在推特当中发表的信息，恰恰是为了操纵信息的，假新聞、假数据，都是我们要对整个环境进行理解的一部分。

最重要的是，在投资决策当中，我们无法直接观察到很多的部分，虽然有各种各样的价格、新闻，但是人们不能够直接看到实体经济。

所以，大部分影响价格的因素是我们看不到的，又必须要理解的，从整个输入要素历史当中加以理解，并且理解整个市场和经济体背后运行的机制。

人工智能如何应对金融交易决策中时间尺度

市场中有长期、中期、短期投资顾问，有一些人通过机器人顾问按年度来做决策。而在另一个公司、另一栋楼里，另一个人是按一周或者一天的投资尺度进行投资，比如日间交易。此外，在另一个公司、另一栋楼里，会有人按分钟级作出预测，为今后预测接下来几分钟的价格的走势。还有一些高频交易公司，他们的投资决策或者预测的时间的尺度放到了秒级以及微秒级，所以有很多情况。

在绝大部分情况下，人们会对中长期的回报感兴趣，但是他们希望以不同方式达到这个目标，希望把很多时间尺度决策集成在一起。比如，对于高频交易系统来说，高频交易系统指导的原则是近期的、迫在眉睫的时间尺度，也就是说，这样一个高频交易的系统，只能判断他们认识的经济形势。

人工智能如何判别市场中的隐形因素

有些公司品牌价值需要你自己计算，你要知道他在研发方面、广告方面、商誉方面做了多少投资。对于一家制药企业他有哪些药物在研发，对于一家石油公司你要知道哪些油层。对于物流公司来讲，你要知道他要吸引那些客户。所以我们要通过估计去了解，这是一些隐性状态，但是又影响了价格。

市场心理非常重要。比如做一个买不买GE的股票的决定，一旦买入这样的股票，不到万不得已，不会降价销售。当面临卖出GE股票决策的时候，要知道买主是什么样的心理状态。另外，对于所有决策，包括微秒级的决策，不一定是基于最新的数据，他是根据历史数据，以及对于隐性状态、方方面面的理解结合在一起做的决定。

从20世纪60年代以来就已经出现了这样的思路：对于短线的决策很简单，收集大量数据，通过统计学的正相关性来做出决策，也就是运用各种各样的预测技术。比如以前有合适机器、决策树、回归法，不管用哪种最流行的方法，你可以用这样的机器学习方法做预测。但是，当预测基于并不容易获得隐性信息的时候，这个方法就不适用了。

（本文根据斯图尔特·罗素在2017 “智能投顾”国际论坛上的演讲整理而成，未经本人确认。）