肖風：AI顛覆資產管理行業，還有多遠？

雷鋒網報道，8月30日，由中國證券投資基金業協會金融科技專業委員會主辦，通聯數據、易方達基金、華夏基金、阿里雲、新智元協辦的「2018全球智能投資峰會」在北京舉行。中國萬向控股副董事長、通聯數據董事長肖風在會上發表了主題演講。

肖風認為，AI正在輔助研究員和基金經理，增強投資人的能力。當AI等一系列的技術組合同時進化到某個程度時，資產管理行業將被顛覆。

以下為演講原文，略經雷鋒網編輯：

人工智慧技術可能不僅僅是對分析員和基金經理產生一些影響，也會對資本市場，甚至對上市公司的商業模式產生影響，最終都反過來影響我們做投資的人，大家要去重新看待那些上市公司，用不同的方式、不同的角度去看。

還原論與湧現論

大致來講，我們可以把研究方法或者我們的認識論歸為兩類，一類叫做還原論，一類叫做湧現論。還原論相對歷史更古老一點，還原論的方法認為過去是能夠證明現在的，而且也是能夠預示未來的。並且任何事物都是有序地、結構化地在運行，所以你總是能夠還原它。用還原論來看待事物，你往往會條分縷析，不斷把它的結構細分下去，從裡面找到一些因果關係，或者摸索出一些我們認為是正確的一些宏觀上的規律。

但是隨著互聯網、大數據、人工智慧技術越來越成熟，另外一種研究方法或者認識論--所謂的「湧現論」開始越來越多被人提及到。湧現論就是認為在互聯網上所帶來的複雜系統、複雜網路，在一個開放系統的環境裡面，參與者的互動或者說很多隨機性的因素，會決定事物的突變。人們事先並不知道它會產生什麼結果，所以大家認為這個系統是非均衡的、不可測的，不管是經濟系統還是我們的投資系統。這是在認識論上非常大的改變。我們要去追溯湧現論，我們可以從凱文·凱利的《失控》開始，他就是用湧現論的方法看待這個世界。還有很多這樣的科學家、經濟學家、或者複雜理論的研究學者。

其實這種還原論或者湧現論兩種科學研究的方法，在經濟學領域也有所體現。在二十多年以前，有一位斯坦福大學的專家創造了複雜經濟學這樣一個理論，複雜經濟學理論其實就是對新古典經濟學理論的補充、優化、修正。古典經濟學理論是基於牛頓物理學，大家強調的是結構分析，是一個次序，是可預測的。但是複雜經濟學說，反對所謂的理性預測、理性預期，它更多地強調經濟運行的非結構性、非均衡性、所謂的不可測的、有機的和非線性增長、指數性增長這樣一些經濟現象，分析它背後的道理是什麼，這種科學研究方法在經濟學領域也產生了一些分支，所謂的複雜經濟學。

其實我們所談到的量化投資基本上大部分都是基於還原論的，不管是統計套利、因子策略、還是技術分析。索羅斯的反身性是基於湧現論的，所謂的反身性就是任何一個事件所有的參與者最後決定了這個事件會形成一個什麼樣的結果，這是一個非均衡的觀點，它注重的是這個過程當中的互動，最後可能產生大家意想不到的結果出來。這是我們先從認識論、哲學或者經濟學的角度，去思考所謂的AI可能給我們帶來的影響。

AI顛覆資產管理行業有多遠？

AI可能給我們資產管理行業帶來什麼樣的影響呢？我想引用複雜經濟學的創立者阿瑟說過的一句話，他在《技術的本質》這本書裡面說「經濟是技術的表達」，意思是，迄今為止所有的商業變革最後都是技術因素驅動的，不是單一技術驅動的，而是一個技術的組合在驅動著所有的商業變革。

所以我也在想，AI驅動我們這個行業、顛覆我們這個行業會的拐點在哪裡？這給我啟發，單單的人工智慧技術可能還不足以真正顛覆我們這個資產管理行業，但是如果一系列的技術組合同時進化到某個程度，我們這個行業一定會發生我們現在不可能清楚認識的改革，一個顛覆性的變化。人工智慧技術的成熟，經濟足夠數字化，商業也足夠數字化，或者其他很多一些技術變化變成一個組合，到達某一個拐點。

也許資產管理行業沒法說得很清楚，舉另外一個例子就是新能源汽車可能給人類的交通方式帶來的變化，它也是需要一組的技術組合在一塊，比如需要有電池技術的進步，需要有新能源電動汽車技術的進步，但是光這兩個是不夠的，還需要自動駕駛、無人駕駛技術的成熟，最後需要共享汽車這種系統的成熟。共享汽車，汽車是無人駕駛的，加上電動汽車技術可能它的續航里程達到700、800或者1000，電池技術進步，這些東西加在一起最終可能進入一個拐點，技術組合進入一個拐點，導致人類的交通方式發生根本性變化。

如果按照我前面所講的來看，我們現在熟悉的投資管理的理論，大部分都還是基於還原論建立起來的。AI可能會帶給我們去探索在湧現論的方法之下，來重構我們的投資管理一整套的理論。所以AI必將在某一年，真正給我們資產管理行業帶來很大的顛覆。

我自己認為AI影響投資管理行業可以分成兩個階段，在這裡我借用了所謂的人機圍棋大賽，從AlphaGo到AlphaGo Zero，人工智慧能夠幫助我們的一個是海量數據的處理和另類數據的獲取、另類數據的分析，我們從裡面得到更多的啟示。另外一個就是知識圖譜、自然語言理解、智能搜索等等工具，可以幫助提升我們的能力。

這方面已經有很多案例，包括像貝萊德--全球最大的資產管理公司，6萬多億美元的管理規模。貝萊德進入中國市場的時候，第一他們非常注重另類數據的搜集，所以他們採用了衛星圖像的數據，來看某些機械加工行業的繁忙程度。同時它也追蹤官方媒體上一些政策性的新聞，去解讀，去看中間語言的變換。第三它通過社交網路來獲取市場情緒的數據，所以它的中國A股市場的投資很大程度上運用了另類數據，也利用知識圖譜等等技術。kensho利用了AlphaGo這樣的東西，來輔助人們進行工作，這只是AI對投資管理行業影響的第一個階段，是AlphaGo的階段。

未來三年或者五年之後，AI對我們的影響會進入到第二個階段，AlphaGo Zero，在人機圍棋大賽的時候，第二個階段機器已經不是由人來教它，不是在監督學習，而是它進入一個無監督學習的階段，機器自己去重新理解圍棋的規則，先把圍棋規則解構，然後重構了自己對圍棋的看法，最後戰勝人類。

我們投資管理業也會進入這樣一個階段，就是會依據機器學習等等技術的發展，從不同的側面，宏觀基本面、市場情緒、市場指標和市場數量指標這些方面去重新認識整個資本市場的運行規律，然後重構自己的認知體系，這個認知體系是機器人的認知體系，不是我們這些人的認知體系。在預測性和決策性方面，機器有自己的觀點，這個時候重構就開始發生了，這是一個我認為未來五年或者十年會出現的一個新的階段。

AI影響資產管理行業的三個層次

除了發展階段以外，我想分享的是AI可能影響我們投資管理行業的三個層次。

第一個層次，對行業帶來的變革。在講到行業變革的時候，我想舉一個投行的例子。我們知道摩根大通在兩個月前宣布要改革兩百年來從來沒有改變過的投行商業模式，他們自己宣布的口號是all in科技，他們把自己的名稱叫做科技投行家。最終我認為不僅投行會面臨這場革命，投行人的嗅覺更靈敏一些，所以他們率先進行了這樣一場革命，資產管理行業也面臨行業的大變局。

人機大戰促使著我們分析員和基金經理都要重構自己的知識體系和能力體系，如果你抱著你過去的經驗和知識，肯定是不夠的。

另外一個我們觀察到在美國資本市場，在過去幾年時間的一個新狀況，就是被動投資大行其道，主動投資的份額在壓縮。現在大概被動投資的份額可能佔到百分之四十幾，這個現象的出現的一個原因是主動投資無法提供很好的阿爾法，最後因為你不能提供主動投資帶來的超過被動投資的阿爾法，因此你被取代了。如果將來智能投資技術成熟，我想有一天我們會看到一個新的狀況就是智能投資可能會取代被動投資，一個新的循環出來了，一個新的主動投資的模式會取代現在的被動投資，因為可能在AI等技術的幫助之下，你可以重歸主動投資。

我們肯定不能等待一個周期結束，原來我們所熟悉的主動投資會重新回來。過去的主動投資模式不可能再回到市場上來了。回來的主動投資，一定是一個新的模式，一定是一個新技術、新知識體系、新能力支持之下的新模式。我們相信主動投資，將來會繼續獲得對被動投資的競爭優勢，但是我們不能相信它還是二十年前的那個方法，這是不現實的。所以在這裡面，也許我們像摩根大通那樣，它叫投行家是科技投行家。我們說我們的分析員是AI分析員、AI基金經理。

AI給我們帶來的變革，第二方面是商業變革。隨著投資對象越來越數字化、越來越社群化、越來越生態化，評估我們投資對象的方法也會發生很大的改變。在摩根大通投行革命的宣言書裡面，它把估值方法分成了三大類型，一個是相對估值，一個是絕對估值，一個是創新估值。所謂的相對估值大家知道PE、PB這些指標，所謂的絕對估值無非就是自由現金流等等，我們都很熟悉，它把面對那些新的行業、新的技術帶來改變的行業估值方法叫做創新估值體系。所謂的創新估值體系就是滾動的PE，客戶生命周期，單客價格、計分卡估值、市盈的增長比率等等，這叫創新估值體系。確確實實新技術、新商業革命帶來了估值體系的新的發展，那麼AI會幫助我們更好地去建立面對新的市場的新的估值體系。

我們舉一個案例，比如眾安保險，傳統的是從保險公司的角度去估值，如果把它看成一個互聯網公司，現在擁有5.5億多的客戶，它獲取客戶的成本是多少呢？幾分錢的一個運費險而已。還有哪個互聯網公司能以幾分錢的價格或者幾塊錢的價格獲取到一個客戶過來？接下來它把保險公司變成了一個流量入口，先以很低的保險價格獲取了5億多客戶，接下來要做的事情是如何把5億多的客戶以別的方式變現，不一定以保險方式變現，如果從這個角度看用的是創新估值體系。

因為商業變革所帶來我們的變革，我們必須跟著一塊變，否則就脫節了，你無法看清楚這些公司，比如說小米、拼多多、美團，怎麼去估它的價值？運用傳統的方法是肯定不行的。

第三就是AI對整個資本市場帶來了很大的變化，我們還是回到剛才說到的被動投資，被動投資取得了比主動投資很大的優勢，被動投資從2007年開始到現在整個資產規模翻了三倍多，裡面很重要的原因是相互影響的。因為主動投資的阿爾法能力不足，大家就選擇被動投資。被動投資最後導致了目前的美國市場的狀況，大股票一直在漲，因為指數基金的設置是依據權重來設計的，所以如果大量的錢流入到指數基金進去，頭部的公司、市值大的公司一定會持續的獲得資金的流入。這導致另外一個現象，就是過去十年時間美國從七千多家上市公司變成三千多家上市公司，數量減少一半。這樣因為投資方法、投資策略的改變，最終會影響到市場規則的變化。如果我們不能把握這樣一個改變的話，你可能永遠都無法理解為什麼出現這樣的狀況。

最後我想總結一下，在過去的兩年時間裡面，大量的人工智慧科學家都加入到了我們這個行列裡面來了。NASA首席數據科學家加盟貝萊德，微軟首席人工智慧學家鄧力加盟citadel，華盛頓大學計算機教授加盟DE shaw，卡耐基梅隆大學計算機系主任加盟摩根大通。有很多的資產管理公司都已經成立自己機器學習的小組。所以未來已經到來，只是還未普及。

本文資料來源通聯數據。

更多資訊，請關注雷鋒網AI金融評論。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！