薛加玉

摘?要：由于種種原因，人工智能在主動(dòng)管理型機(jī)構(gòu)的介入，顯著落后于金融行業(yè)的其它領(lǐng)域。近年來，人工智能尤其是中文自然語言處理方面的進(jìn)展，使得至少部分介入機(jī)構(gòu)投資者業(yè)務(wù)成為可能。探討了人工智能在我國資產(chǎn)管理業(yè)務(wù)實(shí)踐中，落地于提升投研效率、輔助決策等場景的可能性，以及漸進(jìn)式演進(jìn)的路徑。

關(guān)鍵詞：人工智能;資產(chǎn)管理;自然語言處理

中圖分類號(hào)：F23?????文獻(xiàn)標(biāo)識(shí)碼：A??????doi：10.19311/j.cnki.1672-3198.2019.17.051

1?機(jī)構(gòu)投資者對(duì)于人工智能的需求

機(jī)構(gòu)投資者作為買方，更為關(guān)注對(duì)內(nèi)服務(wù)。其核心價(jià)值產(chǎn)生于內(nèi)部投研體系，通過投資決策和投后管理實(shí)現(xiàn)，最終表現(xiàn)為適合自身資金屬性的回報(bào)風(fēng)險(xiǎn)特征。

按照麥肯錫的定義，人類的腦力如可以分為知識(shí)力和創(chuàng)造力。主動(dòng)投資作為一種基于腦力勞動(dòng)成果的軟技術(shù)活動(dòng)，現(xiàn)有的腦力勞動(dòng)更多被基于知識(shí)力的基礎(chǔ)性勞動(dòng)占用，枯燥且大量消耗時(shí)間。而依賴經(jīng)驗(yàn)和創(chuàng)造力且創(chuàng)造核心價(jià)值的工作（例如投資決策、投后管理），在內(nèi)部統(tǒng)計(jì)中通常不超過30%，理論上存在大量機(jī)器替代的可能性。

1.1?初級(jí)信息加工是當(dāng)前投研工作的痛點(diǎn)

按照尤金·法瑪?shù)挠^點(diǎn)，信息是金融市場最重要的資源，也是金融資產(chǎn)價(jià)格的決定因素。因此，信息加工對(duì)機(jī)構(gòu)投資者而言是基礎(chǔ)工作。其中，初級(jí)信息加工雖然必不可少，但面臨低產(chǎn)出、易出錯(cuò)、枯燥性等痛點(diǎn)。此類工作通常包括但不限于：（1）投資項(xiàng)目的初步篩選;（2）第三方研究成果的梳理和二次加工;（3）半格式化文檔撰寫、核查;（4）歷史資料檢索和二次挖掘。

以文檔核查為例，債券、股票的“募集說明”篇幅一般在300頁以上，包含十幾萬文字、數(shù)百張圖表，其中內(nèi)嵌千余個(gè)數(shù)據(jù)點(diǎn)。形成文檔的過程，需要內(nèi)外部多個(gè)部門人員協(xié)同。

盡管目前文檔雖然以電子形式存在，但電子化不等于過程的數(shù)據(jù)化、智能化。由于高質(zhì)量文檔是金融機(jī)構(gòu)樹立口碑關(guān)鍵，且這些文檔內(nèi)含復(fù)雜的勾稽關(guān)系。在寫作和核查中，大量高學(xué)歷、高薪酬的人力資源被消耗。即使花費(fèi)巨大，金融文檔的差錯(cuò)仍然不鮮見，由此導(dǎo)致的機(jī)構(gòu)聲譽(yù)受損乃至監(jiān)管風(fēng)險(xiǎn)都有時(shí)有發(fā)生。

長期將大量人力資源消耗在此類初級(jí)信息處理工作，不利于買方研究人員的水平提升和價(jià)值實(shí)現(xiàn)，也不利于資產(chǎn)管理機(jī)構(gòu)提升投研水準(zhǔn)和完善團(tuán)隊(duì)性格塑造。

1.2?半輔助式的人工智能應(yīng)用是最為現(xiàn)實(shí)的解決方案

機(jī)構(gòu)投資者尤其是主動(dòng)管理機(jī)構(gòu)，其核心價(jià)值應(yīng)該來自于投資項(xiàng)目的風(fēng)險(xiǎn)收益分析，通過基于此做出的投資決策和持續(xù)管理來體現(xiàn)。因此，機(jī)構(gòu)投資者的業(yè)務(wù)體系應(yīng)該必然圍繞投資決策和投資管理展開。

面向個(gè)人投資者的共性化、流程化的人工智能投研服務(wù)顯然不能匹配其需求，機(jī)構(gòu)投資者更需要的是符合自身資金屬性和收益風(fēng)險(xiǎn)偏好的個(gè)性化解決方案。

而基于投研團(tuán)隊(duì)的性格塑造和經(jīng)驗(yàn)積累的部分，在當(dāng)前人工智能面對(duì)完全開放的環(huán)境認(rèn)知能力還不健全的技術(shù)條件下，進(jìn)行替代的試錯(cuò)成本顯然無法被大部分機(jī)構(gòu)投資者接受。因此，在主動(dòng)型機(jī)構(gòu)投資者的業(yè)務(wù)實(shí)踐中，類似將客觀分析與主觀判斷相結(jié)合的思路更容易被接受。人工智能首先解決客觀部分的投研產(chǎn)出效率，逐步過渡到輔助決策，漸進(jìn)式重構(gòu)投研流程，是更匹配當(dāng)前技術(shù)能力和我國資產(chǎn)管理業(yè)務(wù)實(shí)踐的路徑選擇。

1.3?人工智能的技術(shù)發(fā)展為提升投研效率提供了技術(shù)支撐

國內(nèi)的機(jī)構(gòu)投資者，大部分投研資料為中文文本、數(shù)據(jù)和圖表;及其混合的半結(jié)構(gòu)化和非結(jié)構(gòu)資料。近年來，隨著等關(guān)鍵技術(shù)的發(fā)掘，人工智能在中文自然語言處理這個(gè)極具挑戰(zhàn)的技術(shù)分支獲得了重大進(jìn)展?；诂F(xiàn)有技術(shù)，已經(jīng)可以支持人工智能在有限規(guī)模語料庫下，使用諸如提出的知識(shí)提取和數(shù)據(jù)組合方法，應(yīng)用于文本分類與信息過濾、信息檢索、信息抽取與文本挖掘等場景。這些關(guān)鍵技術(shù)的發(fā)展，使得在投研流程的諸多環(huán)節(jié)引入人工智能成為可能。

在初級(jí)信息處理之外，人工智能還提供了諸多過往無法實(shí)現(xiàn)的邏輯挖掘方式，為投資決策提供更豐富的支撐。長期看，這些能力為投研效率提升和未來內(nèi)部投研體系的重塑提供了技術(shù)支撐。

2?人工智能對(duì)投研流程的漸進(jìn)式改造

2.1?以提升投研產(chǎn)出為核心，全員參與

投資研究既是機(jī)構(gòu)投資者創(chuàng)造價(jià)值的核心所在，又存在大量效率提升需求。因此人工智能為機(jī)構(gòu)投資者賦能，以投研部門為切入點(diǎn)是自然選擇。但只有投研人員參與而缺乏其它部門配合的人工智能項(xiàng)目，在落地過程中很難獲得預(yù)期效果。

基層投研人員對(duì)于效率提升的感受最為直接，需求最為迫切。但是基層投研人員缺乏對(duì)于資產(chǎn)管理全流程的理解以及對(duì)所在機(jī)構(gòu)個(gè)性化投資偏好的認(rèn)知。落地過程中多個(gè)要素，例如投研成果對(duì)投資決策的支持路徑、投資成果到投資決策的經(jīng)驗(yàn)形成和知識(shí)推理、歷史投研成果對(duì)模型的訓(xùn)練、信息安全等方面，都需要跨部門協(xié)同。因此人工智能介入后的流程改造，必須由了解整個(gè)投資決策流程的人員進(jìn)行統(tǒng)籌。投研工作作為資產(chǎn)管理業(yè)務(wù)的核心，其變革必然會(huì)對(duì)整個(gè)機(jī)構(gòu)的各部門造成影響。多部門聯(lián)動(dòng)，才能實(shí)現(xiàn)平穩(wěn)落地，確保項(xiàng)目品質(zhì)。

2.2?綜合利用內(nèi)外成果積累，重視內(nèi)部知識(shí)圖譜

知識(shí)圖譜是一種表現(xiàn)知識(shí)的方法，即以結(jié)構(gòu)化的知識(shí)庫為基礎(chǔ)來表達(dá)概念和知識(shí)點(diǎn)，并提煉其內(nèi)在聯(lián)系。

構(gòu)建知識(shí)圖譜的前提，是把數(shù)據(jù)從不同的數(shù)據(jù)源中抽取出來。機(jī)構(gòu)投資者的投研積累形成的知識(shí)庫，一般來自兩種渠道：一種是內(nèi)部研究成果;另一種來自外部數(shù)據(jù)和第三方研究支持。無論是內(nèi)部或者外部成果，大多表現(xiàn)為數(shù)據(jù)圖表和文本，這些基于半結(jié)構(gòu)化數(shù)據(jù)和文本數(shù)據(jù)的投研資料必須先進(jìn)行數(shù)據(jù)包裝和文本提取，形成數(shù)據(jù)庫表;此后才能實(shí)現(xiàn)上層的知識(shí)推理、知識(shí)快速查詢。

投研資料庫表化，構(gòu)建機(jī)構(gòu)投資者內(nèi)部的知識(shí)圖譜，資產(chǎn)管理業(yè)務(wù)的價(jià)值至少包括以下三個(gè)方面：

（1）構(gòu)建知識(shí)圖譜的過程，也是讓系統(tǒng)形成認(rèn)知能力的過程。這是人工智能實(shí)現(xiàn)對(duì)機(jī)構(gòu)投資者的深度支持，應(yīng)用于投資研究、投資決策、風(fēng)險(xiǎn)管理和投后管理全流程的數(shù)據(jù)基礎(chǔ)。

（2）有利于梳理各個(gè)研究成果聚合成投資決策的邏輯。單一因素的研究成果可以形成投資線索，但最終投資決策的形成都是多個(gè)因素的邏輯組合。將過往非結(jié)構(gòu)化的研究成果庫表化，有利于回溯投資決策流程，極大便利后續(xù)的投研人員案例回顧和投后管理。

（3）從企業(yè)內(nèi)部服務(wù)的角度，可以實(shí)現(xiàn)更為高效的投研資料查詢和整理，便利基于現(xiàn)有成果的二次研究。隨著等技術(shù)用于模型訓(xùn)練，使得通過知識(shí)計(jì)算，可以進(jìn)一步發(fā)現(xiàn)能夠支撐投資決策的顯式或隱含的知識(shí)、模式和規(guī)則;并由此摸索符合機(jī)構(gòu)投資者個(gè)性化偏好，但依賴人力無法達(dá)成的研究框架和投資策略。

2.3?選擇適合的技術(shù)提供商，迭代優(yōu)化

大多數(shù)機(jī)構(gòu)投資者的IT人力儲(chǔ)備無法支撐完全自主開發(fā)人工智能系統(tǒng)，在與外部提供商對(duì)接的過程中，應(yīng)該注意以下方面：

（1）關(guān)注技術(shù)供應(yīng)商對(duì)金融機(jī)構(gòu)尤其是資產(chǎn)管理和投資研究業(yè)務(wù)框架的認(rèn)知。

（2）除了系統(tǒng)架構(gòu)的可靠性，靈活性同樣重要，保留功能拓展的可能性。

（3）初期數(shù)據(jù)標(biāo)注不可避免的需要一定資源投入，尤其是內(nèi)部人員的配合。

（4）技術(shù)變革應(yīng)以提升投研效率，優(yōu)化投資績效為目的。人工智能是先進(jìn)工具但并非目的本身，既不能因?yàn)榭咕芨淖兌芙^更高產(chǎn)出效率的生產(chǎn)方式，也要避免為了智能化而智能化的錯(cuò)誤導(dǎo)向。

（5）對(duì)于直接影響投資績效的環(huán)節(jié)，應(yīng)堅(jiān)持謹(jǐn)慎性原則。目前，人工智能技術(shù)還被定義為一種為人服務(wù)的工具，但隨著其在腦力勞動(dòng)中應(yīng)用的滲透，未來人工智能更應(yīng)該是人類腦力的延伸。人類在各種社會(huì)活動(dòng)中的意愿，都有機(jī)會(huì)通過人工智能進(jìn)行表達(dá)。因此，人工智能在機(jī)構(gòu)投資者中的滲透，不代表著投研人員被替代，而是讓投研工作更專注于創(chuàng)造性勞動(dòng)。

無論是資產(chǎn)管理行業(yè)還是人工智能技術(shù)，都處于持續(xù)變革的階段，因此機(jī)構(gòu)投資者應(yīng)該摒棄一步到位的想法。無論是投研體系再造還是內(nèi)部組織調(diào)整，都盡量在可接受的范圍內(nèi)進(jìn)行小步迭代，確保過程可控，避免對(duì)投資績效的負(fù)面沖擊。

3?結(jié)論和展望

當(dāng)前人工智能的技術(shù)進(jìn)步，已經(jīng)完全可以在提升機(jī)構(gòu)投資者的投研產(chǎn)出方面做大量基礎(chǔ)性替代，并且能通過機(jī)器學(xué)習(xí)持續(xù)提升效率，發(fā)展出更多的落地場景。由此可見各種人工智能技術(shù)在機(jī)構(gòu)投資中的滲透，將使得各種更為復(fù)雜精密的投資策略得以落地，也會(huì)將行業(yè)競爭推向新的層面。人類智能與人工智能的融合，將是機(jī)構(gòu)投資者的長期進(jìn)化之道。

參考文獻(xiàn)

[1]趙知緯，錢龍華，周國棟.一個(gè)面向信息抽取的中文跨文本指代語料庫[J].中文信息學(xué)報(bào)，2015，（01）.

[2]POON H，DOMINGOS P.Sum-product networks：a new deep architec-ture[C].Proc of IEEE International Conference on Computer Vision，2011.