以前說起人工智能好像離我們的生活很遙遠(yuǎn)，但是現(xiàn)在人工智能就在我們身邊了，80年代人工智能就已經(jīng)運(yùn)用到投資領(lǐng)域了，而現(xiàn)在的AQF量化投資也運(yùn)用了人工智能，那么問題來了，未來人工智能的量化投資策略會取代人腦嗎？

為比較在投資策略上人腦（傳統(tǒng)投資）和電腦（量化投資）的運(yùn)用，讓我們先來看一個(gè)虛構(gòu)的例子（來自正在向基金業(yè)推廣大數(shù)據(jù)服務(wù)的花旗）。假設(shè)有一家名為ABC的石油開發(fā)公司，傳統(tǒng)投資經(jīng)理F和量化投資經(jīng)理Q首先可以用Excel分析財(cái)務(wù)報(bào)表來確定ABC在石油行業(yè)中的相對排名，但這只是基于歷史表現(xiàn)。為了判斷ABC下一個(gè)季度的業(yè)績，兩人的工作方式相差甚遠(yuǎn)。

F會造訪并觀察公司的辦公室或一些設(shè)施“特別是與企業(yè)高管交談，并從他們的肢體語言中體會到他們對下一個(gè)季度所表現(xiàn)出來的興奮或緊張。如果F感覺到公司活動不同尋常的繁忙或平靜，他們會聯(lián)系業(yè)內(nèi)人士，詢問他們是否察覺到投機(jī)機(jī)會或聽說一些有意思的重要人事變動。通過上述努力，F(xiàn)認(rèn)為ABC的高管看起來很樂觀，他們還提到公司過去一年增加了研發(fā)預(yù)算。此外，F(xiàn)的一位朋友提到在最近一次會議上看到了一位目前在ABC工作的前同事，他剛剛從非洲回來，看起來十分疲憊，這是他今年第三次去非洲。得知這些信息后，F(xiàn)查找了ABC三個(gè)未開發(fā)油田的相關(guān)報(bào)告，其中有兩個(gè)位于撒哈拉以南非洲地區(qū)。于是F預(yù)測ABC會很快宣布他們將建立新的油田生產(chǎn)設(shè)施。根據(jù)建設(shè)進(jìn)程，可能將在三個(gè)月后開始生產(chǎn)。

Q開發(fā)了語言程序進(jìn)行文本分析，發(fā)現(xiàn)ABC公開使用的積極詞匯和消極詞匯的比例有明顯變化，特別是過去4個(gè)月，積極詞匯加速增多（參考我在《量化投資趣談——結(jié)合巴菲特和索普的優(yōu)勢》一文提到的例子）。而且，ABC高管在新一年的新聞稿和采訪中使用“研發(fā)”、“勘探”與“擴(kuò)張”等詞的頻率，較此前一年明顯上升。Q還將這些高頻詞匯與提到ABC未開發(fā)油田的公開記錄聯(lián)系起來，提取出每個(gè)油田的衛(wèi)星圖片進(jìn)行時(shí)間序列圖像分析，結(jié)果顯示中非和撒哈拉以南非洲地區(qū)的油田的地貌出現(xiàn)顯著變化。另外，Q還對ABC駐非洲20位員工在社交網(wǎng)站上的照片進(jìn)行定位分析。發(fā)現(xiàn)有16位定位在撒哈拉以南非洲地區(qū)，比之前有所增加。Q于是斷定，ABC將建立新的油田生產(chǎn)設(shè)施。根據(jù)建設(shè)進(jìn)程，可能將在三個(gè)月后開始生產(chǎn)。

雖然油田開發(fā)的消息還沒有公開，F(xiàn)和Q都將會買入ABC。應(yīng)該說這個(gè)例子比較理想化，現(xiàn)實(shí)中很可能F和Q得出截然相反的結(jié)論，另外，這個(gè)例子對于投資的復(fù)雜性表現(xiàn)不足。例如，F(xiàn)也許沒有意識到高管的樂觀可能來自于和公司業(yè)績無關(guān)的原因。天氣晴朗，陽光燦爛，或者高管們鐘愛的球隊(duì)拿到了聯(lián)賽冠軍，都可能讓他們展現(xiàn)出樂觀的情緒。另外一個(gè)可能是，真正樂觀的不是高管們，而是F自己。有足夠的證據(jù)顯示，分析師和基金經(jīng)理常常過度樂觀和過度自信。還有一個(gè)可能是，F(xiàn)因?yàn)榉N種主觀的原因“愛”上了這家公司的股票，或者選擇性地忽視掉了許多關(guān)于ABC不好的消息，這幾個(gè)原因可以被統(tǒng)稱為“行為偏差”。必須承認(rèn)，行為偏差正是“專家輸給量化系統(tǒng)的故事在其他領(lǐng)域同樣不勝枚舉”背后的原因，比如，美國一些州的監(jiān)獄系統(tǒng)已經(jīng)開始采取電腦模型，來決定哪些在押犯可以獲得假釋的機(jī)會，因?yàn)榱炕Ｐ皖A(yù)估假釋犯再次違法的準(zhǔn)確度，要比傳統(tǒng)假釋委員會里專家們的判斷高出許多。下圖是與這個(gè)話題相關(guān)的136項(xiàng)研究的總結(jié)。更加有意思的是，一些領(lǐng)域的專家們在知道量化模型的預(yù)測后，他們做出的判斷準(zhǔn)確度依然比不過單純的量化模型。

》》點(diǎn)擊了解學(xué)習(xí)量化交易策略長久更新班

至于偏愛數(shù)據(jù)的Q，除了對公司高管的接觸所獲得的定性信息重視不夠之外（當(dāng)然如上討論，這也可能是好事），有可能受到數(shù)據(jù)質(zhì)量低的困擾。下圖里的杜邦公司在1998年的股價(jià)異常原因是數(shù)據(jù)輸入錯(cuò)誤（實(shí)際當(dāng)年股價(jià)始終高于12美元，Google直到現(xiàn)在也沒有更正過來），類似情況在各種數(shù)據(jù)庫中都可能發(fā)生。另外，處理公司數(shù)據(jù)從來都比大家想象的麻煩，關(guān)于同一個(gè)公司的不同數(shù)據(jù)和同行相比經(jīng)常自相矛盾，這一點(diǎn)從分析師經(jīng)常就同一家公司的業(yè)績發(fā)表截然不同的看法可見端倪。當(dāng)然如何處理這些數(shù)據(jù)，給予不同的權(quán)重，也是每個(gè)量化策略經(jīng)理的看家本事。Q還有一個(gè)容易犯的錯(cuò)誤就是對數(shù)據(jù)的“過度挖掘”，由于歷史只有一次，許多被挖掘出來的賺錢策略只不過是巧合，未來就不成立了。投資領(lǐng)域一個(gè)廣為人知的例子，是用孟加拉國的黃油年產(chǎn)量預(yù)測標(biāo)普500指數(shù)下一年年末點(diǎn)位，準(zhǔn)確度達(dá)到75%，加上奶酪產(chǎn)量，準(zhǔn)確度就到了95%，但兩者之間沒有合理的經(jīng)濟(jì)解釋。雖然Q會用很多方法盡量減低數(shù)據(jù)挖掘的負(fù)面影響，但在實(shí)踐中，這種傾向難以避免。

下圖更全面地比較了電腦和人腦在投資策略上的異同，前面六項(xiàng)和后面五項(xiàng)分別是電腦相對人腦的的優(yōu)勢和劣勢。上面討論過的關(guān)于石油公司兩種投資思路的優(yōu)缺點(diǎn)均有展現(xiàn)。圖中其他幾項(xiàng)判斷標(biāo)準(zhǔn)也值得一提，比如量化投資的覆蓋寬度更廣。全球共有195個(gè)可投資地區(qū)，超過100種資產(chǎn)類別和5萬種投資選擇，其中光貨幣和大宗商品就分別有167和240種。量化投資的可復(fù)制性，不僅僅體現(xiàn)在一個(gè)在美國盈利的股票策略，可以被快速回溯檢驗(yàn)是否在其他地區(qū)有效，是否在債券、貨幣等其他金融工具上有效，還體現(xiàn)在整個(gè)策略可以在一個(gè)基金經(jīng)理離開后，快速被下一個(gè)經(jīng)理學(xué)習(xí)掌握。而傳統(tǒng)投資往往依賴于明星經(jīng)理獨(dú)特的才華和思維方式，不容易為接班人掌握和吸收。在成本上，量化投資前期研發(fā)費(fèi)用和系統(tǒng)投入較大，但后期的費(fèi)用因?yàn)楣蛡蛉藬?shù)較少而顯著降低。從風(fēng)險(xiǎn)控制來說，量化投資在策略開發(fā)之初就會把不同的風(fēng)險(xiǎn)衡量指標(biāo)納入考慮，成為投資組合構(gòu)造和再平衡的內(nèi)在組成部分。

傳統(tǒng)投資的優(yōu)勢也易于理解。以近期全球五大央行實(shí)行的負(fù)利率政策為例，因?yàn)檫^去歷史上沒有出現(xiàn)過，量化投資就很難把這一變化納入到模型進(jìn)行回溯檢驗(yàn)，而傳統(tǒng)投資方法就可以通過研究分析較快地應(yīng)對。投資策略越相似，越容易造成擁擠的交易，成交價(jià)格過高。一旦發(fā)生反轉(zhuǎn)，在“火線拋售”下價(jià)格快速下跌，損失加劇。理論上說，量化投資和傳統(tǒng)投資都面對這個(gè)問題，由于前者往往是學(xué)院派出身，受過類似的訓(xùn)練，閱讀同樣的文章，出現(xiàn)策略相似度的可能性更大，這一點(diǎn)在2007年8月第2周量化對沖基金出現(xiàn)同步大面積大幅度虧損時(shí)尤其明顯。事后分析發(fā)現(xiàn)，他們主要的策略是“短期價(jià)格反轉(zhuǎn)”，因此當(dāng)時(shí)一家機(jī)構(gòu)在房地產(chǎn)抵押債券投資上虧損進(jìn)行大規(guī)模拋售，造成股價(jià)持續(xù)下跌時(shí)，這些基金依賴的“價(jià)格反轉(zhuǎn)”就都失靈了。2010年5月6日美股的“閃電崩盤”也是同樣的原因。

必須指出的是，這里歸納出的優(yōu)勢劣勢也是相對而言，現(xiàn)實(shí)中很難肯定地認(rèn)為在投資領(lǐng)域電腦的表現(xiàn)比人腦更強(qiáng)。比如，量化投資覆蓋寬度更廣，但這并不代表投資業(yè)績一定會更好，反而是有證據(jù)表明“小而專”的投資策略業(yè)績更好。上面石油公司的例子也沒有體現(xiàn)出AQF量化投資構(gòu)造成百上千股票組合的優(yōu)勢。另外，下面的左圖常常被用來說明電腦超過人腦，并引申暗示量化投資好于傳統(tǒng)投資。因?yàn)閹缀跛腥硕颊J(rèn)為A和B是不同的顏色，但電腦則可以準(zhǔn)確地讀取他們的RGB值同為120,120,120，顏色完全一樣。右圖是一個(gè)證明。還不相信的讀者請下載一個(gè)屏幕取色軟件自行比較。

的確，這個(gè)圖顯示我們的大腦對影像和色彩的判斷存在缺陷（這并非前面提到的“行為偏差”），但由此引申出量化投資一定好于傳統(tǒng)投資則跳躍過大，邏輯不足。因?yàn)?，小孩子可以輕易判斷的圖畫書上的動物，人眼可以快速判斷的登陸識別碼，對電腦仍然是老大難問題！

再者，這個(gè)例子告訴我們“眼見并不為實(shí)”，但研究人員發(fā)現(xiàn)，傳統(tǒng)投資在盡職調(diào)查上的投入與投資業(yè)績的表現(xiàn)高度正相關(guān)。分析師和對沖基金的例子分別參見Cheng, Du, Wang, and Wang （2013）和Brown, Fraser, and Liang （2008），從他們文章的標(biāo)題就可以看出傳統(tǒng)投資相對量化投資并不落伍。前者是“眼見為實(shí)：分析師可否從公司實(shí)地訪問獲益？”，后者是“對沖基金盡職調(diào)查：對沖組合策略阿爾法的一個(gè)來源”。而量化投資基于數(shù)據(jù)，不重視也沒有資源進(jìn)行實(shí)地考察，希望通過同時(shí)投資于成百上千個(gè)股票來分散化單個(gè)公司的風(fēng)險(xiǎn)。

實(shí)際上，投資者并不需要在量化和傳統(tǒng)投資策略上做出非此即彼的選擇。流入這兩大策略的資金規(guī)模在過去都有很大的增長，尤其是那些歷史悠久、表現(xiàn)穩(wěn)定的基金，更加受到投資者的青睞。業(yè)內(nèi)的一個(gè)趨勢是兩種策略的融合而不是分離。記住，投資領(lǐng)域獨(dú)有的免費(fèi)午餐是“多元化分散配置”。

2013年牛津大學(xué)兩位教授Carl Frey和Michael Osborne研究了美國702種職業(yè)在未來20年被電腦替代代的概率。下圖顯示金融業(yè)相對處于有利地位，該研究也顯示在過去15年金融行業(yè)的從業(yè)人員一直在增加。有興趣的讀者可以找到這篇文章，找到自己職業(yè)對應(yīng)的替代概率。

英國國家統(tǒng)計(jì)局和德勤公司根據(jù)兩位教授的方法，在BBC提供了一個(gè)網(wǎng)頁，幫助在英國工作的人了解自己職業(yè)面對的電腦化概率。我們建議職業(yè)風(fēng)險(xiǎn)較高的人分散化投資于一些智能行業(yè)，以作為防范和對沖。

順便問一句，有沒有哪位圍棋高手同時(shí)也是投資高手？我在《量化投資趣談——電影里的量化投資密碼》里提到的投資高手絕大部分都是撲克牌高手。論變化，圍棋的確是很復(fù)雜，但它畢竟是完全信息下的博弈，決定勝負(fù)的是棋手的真實(shí)功力。而撲克牌游戲則是不完全信息下的博弈，贏的關(guān)鍵在于理解其他參與人的策略高低和智慧程度，虛張聲勢和欺騙都是慣用策略，運(yùn)氣也是決定成功的重要因素，投資更像撲克牌游戲！在AlphaGO戰(zhàn)勝李世石的消息傳來時(shí)，我認(rèn)識的一位基金長勝女將，同時(shí)也是橋牌高手的朋友說， “至少橋牌上還沒有AlphaBridge戰(zhàn)勝人類”。確實(shí)，等到那天來臨時(shí)我們再擔(dān)心不遲。