讓金融投資更加「智能」

墨寬投資創始人黃文堅（右）和同事討論技術問題。本報記者 劉春沐陽攝

從刷臉支付到無人超市，從智慧醫療到無人駕駛……人工智慧正以不可思議的發展速度席捲全球，刷新著人們的認知，重塑著各行各業的生態格局。其中，金融行業無疑是極具價值又充滿挑戰性的人工智慧應用場景，受到人工智慧的深刻影響

迎接人工智慧時代，優秀的金融投資機構必然大力發展人工智慧系統。合理運用人工智慧技術，將給金融領域注入新活力、帶來新機遇——這是行業從業者的共識。

破除金融與人工智慧的壁壘

人工智慧需要高深的數理知識和開發經驗來支撐，這是金融從業者所不具備的，因此急需搭建起連接金融與人工智慧領域的「橋樑」

雖然前景光明，但在現實層面，人工智慧在量化投資領域的應用，仍存在一些難度和挑戰。其中，最大的難度來自於金融和人工智慧兩個領域的認知壁壘。人工智慧背後需要高深的數理知識和大量項目開發經驗來支撐，這是金融從業者所不具備的。同樣，對於人工智慧開發工程師來說，金融也是一門需要具備專業知識才能深入理解的複雜領域。

這種壁壘造成了很多金融機構儘管對人工智慧技術有著迫切需求，但往往只能採用第三方解決方案。因此，迫切需要一座橋樑，能夠連接起金融與人工智慧兩個領域，破除認知壁壘，推進行業的深度融合。在這種背景下，墨寬投資公司應運而生。

墨寬投資是一家致力於將前沿人工智慧技術運用在金融投資領域的公司，希望成為金融和人工智慧技術結合的先驅者。其創始人黃文堅憑藉在金融投資和人工智慧領域的豐富從業經驗敏銳發現，金融行業包含了大量可以運用人工智慧技術的場景和機遇。由此，他選擇成立墨寬投資，探索兩者結合帶來的各種可能性，促進金融領域的發展。

黃文堅告訴經濟日報記者，在投資的運作模式上，他們會根據以往經驗，將某些金融投資行業的金融問題量化，轉化為具體的技術問題，然後提供給人工智慧專家們解決。給出的人工智慧解決方案在評估和改造後，將被運用到最初的實際問題中，實現相應價值。通過這一方式，金融和人工智慧兩個領域的人才可以專註在各自擅長的領域，並經由墨寬投資幫助他們將優秀的人工智慧成果運用到有價值的金融場景中去。「對於一些有實際投資想法並想運用人工智慧技術但自身無法實現的機構，我們也會提供幫助，發現和解決真正有價值的金融問題。」黃文堅表示。

構建量化投資的投資模型

通過數量化方式投資，即用量化手段來評估收益風險而作出更理性的投資決策，前景可期

目前，世界上眾多出色的金融投資機構已開始將人工智慧運用到產品和服務中。國內也已經有不少券商、金融機構開始嘗試人工智慧在金融領域的應用，如光大證券推出的「智能魔方」、中信銀行推出的「信智投」等。不過，這些產品屬於智能投顧或智能交易等範疇，重點在於用更多維度的數據了解客戶，用更精準的推薦引擎推薦投資組合、理財產品、風險提示等。而墨寬投資搭建起的人工智慧量化投資平台更傾向於構建量化投資的投資模型。

黃文堅介紹，量化投資是通過數量化方式來進行的投資。它以獲取穩定收益為目的，是用量化手段來評估收益風險而作出更理性的投資決策。量化投資基於高度量化的數據，每個用於決策的特徵都擁有精準描述，比如數值或是分級。其中，投資的決策大多是基於概率，每個交易的進場、出場點、交易時機，都有大量數據支撐，使得每個操作都有跡可循。同時，量化投資還基於數學模型。這個具有嚴密數據指導的模型基於一些特定的投資想法而建立，並運用數學方式描述自身在市場的運作方式。基於此，量化投資者可以進行分析，作出交易決策。「墨寬人工智慧量化投資平台是一個量化投資的眾包平台，它通過舉行建模比賽來收集數據科學家的建模結果，藉助人工智慧技術，最終構建出面向各類資產的可靠投資模型。」黃文堅說。

不過黃文堅也坦言，量化投資目前仍以機構投資使用為主，個人投資者不能直接享受該技術帶來的紅利。由於個人投資者經驗較少，傳統金融投資渠道又具有很多限制，這使得相應投資變得有風險、有難度。雖然運用大數據、人工智慧等技術做量化投資被證明是一種有效的、風險可控、收益可觀的投資方法，但它對技術和專業知識要求太高，普通投資者無法做到。伴隨著機構投資水平不斷進步和智能化，可以預見，個人投資者的投資難度將會不斷變高，最終市場將被機構所主導。

上述情況顯然不符合普惠金融的目標。對此，墨寬人工智慧量化投資平台的出現為普通投資者提供了廣闊視野——讓他們可以看到領先的金融公司在解決什麼問題，以及開展人工智慧技術的進度和情況，從而改變自身策略，適應市場；同時，也有機會直接使用由人工智慧專家開發的頂尖人工智慧投資策略，幫助找到更好更優質的資產或是進行更高效的資產配置。

藉助機器學習分析金融市場

通過機器學習的方法獲得金融市場投資可靠預測，指導投資行為，進而探索出金融與人工智慧合作共贏的穩定模式

在人工智慧領域，舉辦演算法比賽是一個快速常見找到問題解決方案的形式。自大數據、人工智慧在全球範圍快速崛起以來，湧現出許多數據演算法比賽平台。其中，最著名的是2010年創立的卡歌網（Kaggle），是主要為開發商和數據科學家提供舉辦機器學習競賽、託管資料庫、編寫和分享代碼的平台，也是數據演算法專家脫穎而出的重要渠道。據了解，該平台已經吸引了80多萬名專業人士的關注。2017年3月，谷歌宣布收購Kaggle，或許正是看到了Kaggle背後的巨大資源。

在我國，阿里巴巴、百度等大型互聯網公司也舉辦過大量數據演算法比賽，希望通過吸引優秀數據演算法人才形成優秀的人工智慧解決方案，並運用到實際中去。但是具體到金融投資領域，由於門檻更高、問題更複雜，目前國內並沒有類似的大型人工智慧金融投資演算法比賽，因此很難得到有價值的人工智慧方案。為解決這個問題，墨寬人工智慧量化投資平台藉助機器學習手段，打造出一個人工智慧系統來分析金融市場。

黃文堅告訴記者，「機器學習是通過一系列演算法，挖掘出歷史數據中我們關心的規律的技術手段，並期望這些挖掘出的規律能幫助我們正確預測未來數據」。在金融領域，從業者們其實也做著同樣的工作。以計劃長期持有某隻股票為例，分析師們一般會關注公司的基本面信息、財務狀況和發展規劃等因素，從而對公司的未來運營狀況作出預測，決定是否投資。如果將公司的信息量化成各種數據因子，將預測目標改為公司的未來發展趨勢、風險情況，整個問題就可以通過機器學習方法解決，獲得可靠的預測，並指導投資行為。

據墨寬投資演算法總監張麟介紹，「我們參考專業的數據科學競賽模式，創建了自身比賽模式。通過平台在網上抓取新聞、報道、交易等數據，抽象成一個投資問題，或是與金融機構合作，依據他們的實際問題抽象成數據演算法賽題，由參賽者（數據演算法專家）基於數據構建模型」。

張麟表示，平台會提供比賽的題目、數據和評價體系以及賽前賽後支持。具體來說，數據會分為訓練和測試集合兩部分：訓練集合會完整的給到每位參賽者，包含特徵和比賽目標數據；測試集合只將特徵數據提供給參賽者。參賽選手下載訓練數據後，依據題目內容，運用人工智慧演算法構建模型，挖掘數據中特徵和目標的潛在關係，並根據模型產出在測試集合上對目標的預測結果。平台會基於參賽選手提交的預測結果打分，用於評估模型優劣。每場比賽結束後，優秀策略模型將會被平台收錄，打造成人工智慧量化投資系統，被實際投入到市場中使用。最後，平台會拿出一部分投資收益回饋給模型開發者。

可以預見，隨著金融投資與人工智慧融合的不斷加深，將有更多跨界合作的機會出現，最終探索出金融與人工智慧合作共贏的穩定模式。「我們希望未來充分整合數據科學家、投資人、資產，實現眾包量化金融的理想，讓每一個投資者都能參與進來，共享金融科技發展成果。」黃文堅說。（經濟日報·中國經濟網記者 劉春沐陽）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！