​私募大咖谈智能投顾：数据才是发展核心

编者按：智能投顾只是一个影子，但如何搭建核心科技的顶层，是大家关注的焦点。

5月21日，于深圳由央证资产智库主办、智通财经作为合作媒体伙伴参与的“选择与未来2017” 央证资产峰会上，京东金融债券事业部总经理李斌、实盈投资有限公司CEO凌山、上海量化投资管理中心执行合伙人毛羽、万维资产投资总监费鹏等知名私募人士，围绕“智能投顾VS经典投顾”这一主题，展开了一场热烈讨论。

智通财经现将讨论实录如下，供投资者参考。文中发言者观点为个人意见，不代表智通财经立场。

智能投顾是大势所趋

主持人：今天我们讨论的议题是“智能投顾VS经典投顾”，但今天的智能投顾只是一个引子，相关的问题和观点都可以畅所欲言，请四位嘉宾简单介绍一下自己的观点和理念。

李斌：说到智能投顾，它和我的结缘是很深的，我在耶鲁读PHD的时候，关注各种各样的量化投资，在那时所谓的智能投顾在美国就已经出现了。智能投顾有两个类别，一个是量化对冲基金演化出来的神一样的算法，业内叫他“上帝算法”，通过一系列的机器学习或者在99%的人，或者在99%的内容去赚钱；另一类是传统的金融机构他们一开始服务自己投顾的系统越做越智能化，最后直接给终端的用户使用了，这是最早智能投顾的演进过程。京东金融也是一样，最重要还是去按照用户自身的喜好给他们做核心的金融服务，我们认为金融服务要比算法更难，金融服务是能够带领大家挣钱的方式。所以很多智能化在演变过程中就变成金融服务。真正把你的客户服务好的智能化过程，这是我个人对智能投顾的简单的理解。

毛羽：从2001年开始我们正式进入这个领域，开始在一家国企做资管，以当时的市场环境和条件，我们联合起来做项目的模式早晚会被淘汰，所以2001年开始我们准备从数据中系统性地研发出一种新的管理模式。离开国企资管以后，当时国内还没有量化投资这个概念。我们从本土实践的角度研究如何把不确定性的风险尽量降低，让管理的资产尽量靠谱一点，波动率不要太大，因为国企资管的要求就是不能赔。后来我们慢慢从数据底层到估值系统、评级系统、舆情系统，到现在的智能投研，现在基本上我们的研究报告已经完全由机器来写，投研做完了以后，现在做智能投顾。我们做智能投顾的过程中遇到了一个很大的障碍，困扰了我们好几年，就是在中国还不能完全说科技决定问题。刚才李教授在台上说，市场上有两方，一方是生产者，一方是消费者，但在中国，只要涉及对C端的服务，还有涉及到牌照管理的问题，尤其是科技和金融这两个领域，还有重要的一方面不得不考虑，就是监管者。去年我们解决了这个问题，我们做智能投顾，现在正在申请基金的牌照，这样可以降低一些波动率。

我认为智能投顾肯定是一个大趋势，它的研究深度和研究效率基本上可以解决现在金融行业中的一个特别大的痛点——成本高，从研究员到资管的经理，成本都特别高。投研到投顾，再到资管，用AI的方法，用算法来解决，这绝对是一个方向，而且它可以变成一个系统，可追溯，可以用量化来评价。这条路是对的，但是任何一个智能投研系统也找不到有金钟罩的公司，所以人和机器在未来相当长的时间里是能够和谐共处的，投资不像下围棋，不能够由胜负来决定，评价的标准也不是围棋这么简单，可能机器今年跑赢了巴菲特，但是20年以后跑不赢巴菲特，可能机器管100亿美元的时候跑赢了巴菲特，管4000亿美元的时候跑不赢巴菲特，这是非常有趣的领域。但是提高效率是智能改变金融行业，从而给我们带来的核心的变化，这是我的理解。

费鹏：在两天前我们刚刚上线了智慧财富管理平台，这个平台是由两家很有名的机构花了两年的时间酝酿出来的。一个是国土科技，是国内比较有名的做量化投资的私募；一个是中行信托，是一家有央企背景的管理公司。两家很有实力的机构花了那么长的时间，精心打造这个平台，肯定对这个平台的前景有很好的信心。这个平台更多是实现了什么呢？首先它可以在线上做资产配置，我们的客户在上面就可以进行交易，具有灵活性和便捷性，并且是低成本；第二是个性化，这个平台不是简单的FOF式的，而是每个人在平台上有自主组合的自由，决策过程可以有我们专家的投资策划和策略的指导，但完全是自主选择的权利；最后是这个平台可以充分发挥数字化和互联网的优势，比如金融社交，大家以前在线下的沟通现在可以在线上进行，不光是进行像微信式的聊天，而且可以进行投资方面的学习和借鉴。我们把它称之为一种智能投顾，但是我对智能投顾的理解更多地体现在它是一个时代的产物，叫什么不重要，关键是现在大数据分析、人工智能发展以及量化在投资领域的成功已经提供了土壤，同时我们的客户通过对互联网的使用已经没有心理障碍，现在这个行业更关注的是如何达到更加高效、低成本、快捷同时又很好的用户满意度，达到了就是一个很成功的模式。

凌山：美国的股票市场已经有200年的历史，非常成熟，所以他们会有一些规律和比较完善的套利空间。国内1991年才开始，26年的股票市场，我们的规则还在不断完善。完善以后，量化交易肯定有一个相对稳定的收益。但是现在量化交易也可以简单地战胜股民，因为本来就不在一个量级，量化交易是真的在用专业的电脑做数据的统计，在风控上做得特别好。人工智能应该是比传统的金融更加有优势的，因为这一代的互联网已经领先于世界了，微信、支付宝已经是现象级的产品，AI的智能投顾甚至比美国和全球做得更好或者是一样，这个真的可以关注，以后可能是下一个阿里巴巴现象级的风口。

智能投顾还处在应用阶段

主持人：每一个公司都在做不同的智能投顾，各位能不能从你们公司的角度，谈谈怎么把人工智能用到投资策略上去，说说未来的方向，跟传统机构的竞争优势。

李斌：智能投顾是两个大的方向。第一是人工智能算法对于量化的一系列提高和创新。2017年，国内有2-3家在这个领域的不同的应用基金走得非常漂亮。第一类的应用，是在传统的多因子模型下，在对因子的权重筛选过程中，做人工智能神经网络的预测跟运算，这在2016年和2017年的中国市场中得到了一定的验证。第二类是它非常动态快速地预测第二天中国的A股市场，50，300，500的涨跌的概率，通过之前的价、量以及一系列舆情的指数，通过人工智能算法，做概率性的预测，从而交易这样的股指期货产品。智能投顾在中国实体中已经有对冲基金开始应用了，这在未来的中国市场是一个整体趋势，尤其是2016年和2017年的第一季度，对冲基金都不太好做的时候的一个亮点。第二是智能投顾能够解决用户金融服务的问题，不但是简单的基金的筛选，更主要的是智能化地去应对客户的所有需求。尤其是从2C迅速地过渡到2B，去接入整个银行的体系中，在银行B2C的分布体系中，我们非常强调自己的金融科技服务，而这种金融科技服务背后就是大数据在这个领域的应用，一个是征信，一个是精准的用户画像和精准的营销推送，还有选股以及判断市场的走势。

毛羽：智能投资最后呈现给大家的结果是智能化的过程，再往前要有策略，再往前推要有数据，再往前推要有原始数据，所以一直推到最前端，国内金融数据服务与国外相比有很大的不同，数据清晰和比对就费了我们很大的力气，而且是在最早没有人可以参照，没有同行可以琢磨，可以交流的情况下，完全是自己琢磨的。数据错误是十年以前的问题。现在数据端出现以后，就会发现这个数据端不够用了，除了市场交易数据，还有行业数据，基本面数据，以及舆情数据。数据之后就是策略部分，最早是交易性策略，选时系统的策略，最后慢慢做到相对价值的策略，再做到时间驱动的策略，再做到对冲的策略。开始策略要七个小时，后面慢慢优化，换设备，改进现在大概是三分钟可以做一个策划，15年的回测。策略做完以后，最容易应用的，我觉得比较现实的还是发产品，做资管，最后因为环境的原因，不做到低波动率的绝对的收益策略，在银行也很难发，变现又手限，那是因为期货市场受限。要转到C端市场牌照问题太重要了，现在头部的牌照很难很难，大家都在做基金代销的牌照，代销的市场又开始热起来了。实际上代销现在基本上没几家公司赚钱，新三板也好，主板也好，主板的利润大幅度下降，新三板的公司一年亏几千万。所以到底能够在什么地方，把我们全民的投资市场服务起来，底机构端我们能不能切入进去服务，这些盈利模式能不能构成一个智能投资领域，我们这个行业健康发展的正向现金流的来源，可能都需要我们花一点时间，付出一些代价再去摸索的，这是我个人的思考供同行们参考。

费鹏：我们提出的口号是AI+HI，就是我们认为人工智能和基金经理的经验是并重的。我们觉得人工智能现在在其他领域取得成功，但在投资这个领域还处在应用阶段，从跨界知识和技术在金融投资领域的跨界历史进程来看，现在是到了人工智能该应用的阶段。

从服务类来说，也是基于大数据的积累过程，就像对消费者进行人脸画像，投资领域也一样，会通过人脸画像对投资者的风险偏好有更准确的认识，可以比他答出来的问卷更加准确地得出来的他的特性。

凌山：有一个巴菲特赌局，五年只买MMSP500就赢了对冲基金，而且现在就算赢了，是否传统的价值投资还是领先呢？巴菲特有他非常可靠的可以量化的因子，他选股要低于15倍的市盈率以下之类等等，而且他非常注重负利，就是价值投资，我也是他的粉丝，但是我是做量化交易起家的，我觉得以后是我们的时代，这个拐点也会来临，因为我们自己做的基金，虽然有一定的体量，但是每个人有20%的增长，这个还是要基于我们的研究团队一定要分析数据或者是分析信息。而且巴菲特也买苹果股票了，他也去看科技的东西了，这是一个潮流，AI是一个不可逆的现象，但是拐点什么时候到？

如果我们的运算速度还可以持续摩尔定律，一直在加快，就是我们每年看到的苹果CPU都是可以增长一倍以上的运算速度的，很快我们的一个手机就可以运算全球所有人的思维，这一天会来临，这一天会发生，那智能投顾绝对会是一个比现在的房地产、互联网更重要的课题，这个拐点是有机会实现的，在我们这一代当中。

依赖数据但不能迷信数据

主持人：现场很多都是做私募，做量化投资的，我们的研究院对私募基金有很多的评估，从年初到现在，很多的量化投资受到很多的挑战，中国是80%散户，是韭菜，我们有一些模型，多因子模型，但是市场在变化，整个投资大背景在变化着。我希望各位从AI在策略上的应用，技术平台在策略上的应用，大数据的应用方面能够为我们的量化投资，在未来的发展模式做出一些预判？

李斌：美国对冲基金一直是发展最快的，中国其实现在慢慢地停留在美国2005-2006年左右的时期，美国是经历了很多资产荒的过程的，第一次在90年代，1994-1996年，量化对冲的方式进入的第一次的资产化，发生非常快速的管理规模的上升。我们做了大量的并购，做了新型的对冲基金，去弥补团队的模式，去进行大的迅速的增长。

第二次出现在2005-2006年，我们针对所有的大数据，非传统的金融数据，非传统的价量包括公司财务宏观等等一系列的指标。除此之外，我们的广义大数据开始在2005-2006年真正进入了美国所有对冲基金的视野。

第三次，在2011-2012年，虽然经济危机在2011年开始复苏，但是细分美国的对冲基金，2011-2012年是有待商榷的一段时间。那一段时间出现了一个新的公司，它是一个专门做平台化地公开所有的底层数据以及系统，给广大的投资爱好者使用，它唯一的目的是即使有了大数据，五年的时间在美国非常快，由于信息技术的发展，这些数据也可以被广泛应用的。未来人的脑力劳动是无可取代的，是最重要的。而且我们需要的是多元化的脑力，所以我们去做了这样的平台体系。

我觉得这个路径，其实是从传统的金融量化投资，到整个的大数据，到策略思想的众包，也许到未来的人工智能。现在一系列的顶级海外对冲基金和国内的顶级基金都是我们的战略合作客户。所以我们致力于新的大数据人工智能方向。

毛羽：我个人的体会是，传统的金融领域对投资很多时候是重于理论，比如价值投资的理论在实践中的应用，还有很多是AI出来以后，可能积累到一定的程度，是要倒过来的，是要靠实践推翻这个理论，重新建立一个新的理论。

此外，我们必须依赖数据，但是我们绝对不能迷信数据，更不能去相信所谓大数据的概念，最重要的还是对于数据的提炼所诞生的策略的结果，策略到底是来源于理论，还是来源于实践？我的个人体会也比较深刻，我们花了很多的精力想获得很多的数据，后来发现获得以后没什么用。我们A股的市场每天交易量有数千亿，我们最大的电商平台现在可能最好的时候也只有不到一千亿或者是一千亿左右，如果比数据的大小，比数据的真实有效性，谁能比过A股市场，但是还是有一些数据有用，比如说舆情数据，但是不像传统思维上的那样发挥作用，而且有一个突变点。

舆情到了一定程度是一个反向作用。最终我们做出来成果都不是通过大数据去做的，都是要把大数据变成中数据，中数据最后变成小数据，最后只有少量的数据采能够支持你的单向策略，比如说分级的数据驱动用的因子会有很多吗？依赖大数据吗？其实依赖的不是大数据，是小数据。我们说要让行业有一种健康的业态，大家互相地交流，也希望这个行业在将来能够做到普惠，其实是做不到普惠的，因为所有的东西都是有容量的，有限度的，不可能让所有人受惠，这是我的理解。

费鹏：刚才李总讲的今年以来的量化比较难做，如果放到每个月来看的话，也不是每个月都不好做，也就其中两三个月会回撤得大一点，如果放到海外市场这是很正常的现象，海外市场比这挑战多得多，收益波动大得多。之前国内市场收益太稳了，一旦开始有些波动，投资人就有些受不了。我们要考虑的是把产品做得更好，收益争取更稳定。

从策略角度来说，大家真正有神秘武器的少，确实是应该做得更细一点，还要具有别人没有的数据，这可能是能分出一些胜负高下的。另外国内的投资者从产品导向型向资产配置性转变，因为单一的产品，单一的策略必然会波动，但是如果把不同种类的产品放在一起，把波动率放在一起，这样会安心很多，会熬过一些对某些产品不利的阶段。

凌山：我非常同意毛总说的数据，从大数据变成中数据，再变小数据，其实最后就几个数据几个因子，我们有一个策略是从一百多个数据中最后找三个系数低于0.05的来做。

资产交易和量化市场比这复杂得多，真的要有一百多个因子要我们找。我们跑15年，40的收益率，10%回撤。所以国内是要慢慢开展，而国外相对成熟，我觉得没有什么捷径，要慢慢把数据做好，把基础做好，而且要更新因子。