香港2019年6月21日 /美通社/ -- 自從谷歌阿爾法狗(Alpha Go)在圍棋“終極人機大戰(zhàn)”完勝棋王柯潔，關于“金融阿爾法狗”也將橫掃人類投資高手的說法一直不絕于耳。今天，人工智能（AI）強大的數(shù)據(jù)庫和計算能力，靈活多元的投資策略，正在從根基上重塑著全球金融投資界。
在人工智能技術研發(fā)的金字塔尖，中國香港是僅次于歐美諸國,亞洲排名第一的地區(qū)。在這里，有一支牛津、劍橋等頂尖名校博士領銜的平安量化投資與人工智能團隊，平安資產(chǎn)管理（香港）自主研發(fā)的人工智能投資平臺就在他們手中誕生。
平安海外控股旗下平安資產(chǎn)管理（香港）量化投資團隊自主研發(fā)的人工智能投資平臺，利用各種機器學習技術，致力在不同的市場、資產(chǎn)中尋求優(yōu)化的量化投資策略。
“跟傳統(tǒng)的量化策略相比，目前我們機器學習算法的優(yōu)勢是‘非線性’，因為真實的世界是非線性的。”平安海外控股董事長兼CEO童愷表示，團隊自兩年前開始投入開發(fā)這一平臺，平臺的首個模型已經(jīng)正式上線，應用于挑選A股市場股票組合的實盤基金。
平安資產(chǎn)管理（香港）資本市場負責人及CIO柴志杰認為，機器學習技術能夠利用不同算法，自動深入市場去挖掘不同的“信號”，“不同于過往借助人去尋找，除了省下大量人力，還可以敏銳地適應不同的市場環(huán)境，捕捉未被發(fā)現(xiàn)的機遇”。
機器學習的優(yōu)勢在量化投資經(jīng)典模型“因子投資”中體現(xiàn)得尤為突出。利用“因子”來篩選投資組合的量化方法，最大的挑戰(zhàn)是某些有效因子策略在市場上很快普及，同質化令策略的收益迅速下滑，而機器學習能夠利用強大的運算和數(shù)據(jù)分析能力，不斷挖掘全新和獨特的有效因子，擴大差異化優(yōu)勢。平安自主研發(fā)的人工智能投資平臺可高速動態(tài)分析大量數(shù)據(jù)集，并已從其中挖掘9大類別的因子，其中包括眾多平安“獨家”專有的因子。
在今天信息爆炸的市場上，差異化優(yōu)勢的另一大重要來源是發(fā)掘、掌握全新和獨特的另類數(shù)據(jù)。持續(xù)探索“金融+科技”、“金融+生態(tài)”的平安集團在另類數(shù)據(jù)上擁有獨特優(yōu)勢，不同的龐大的客戶群體，尤其是大量中國不同行業(yè)的相關數(shù)據(jù)，為機器學習技術提供了最佳的發(fā)揮平臺。同時，模型也能夠迅速跟進市場各類風險因素，并配合資深基金經(jīng)理對于全新風險的判斷，以動態(tài)的“人機合作”避免傳統(tǒng)量化模型的缺陷。
人工智能機器學習根據(jù)外界數(shù)據(jù)和算法開發(fā)制定模型策略，精確地自發(fā)適應各種環(huán)境，已在許多競爭、競技領域戰(zhàn)勝了人類智能，即將在金融市場取得突破。
當前，越來越多世界一流的科學家、工程師和數(shù)學家正在走進投資和資產(chǎn)管理行業(yè)，金融巨頭們紛紛搭建起機器學習專家團隊。2017年5月，微軟前首席科學家鄧力宣布加盟對沖基金巨頭 Citadel，擔任“首席人工智能官”。在人工智能領域鼎鼎大名的卡耐基梅隆大學機器學習系主任 Manuela Veloso 2018年5月加入摩根大通，擔任人工智能研究院負責人。三個月后，華盛頓大學計算機科學教授 Pedro Domingos宣布加入對沖基金巨頭D. E. Shaw。
同樣在2017年，平安海外控股旗下香港資管建立了人工智能研發(fā)團隊，聘請了在香港科技大學和中文大學擔任教授的人工智能專家、牛津大學經(jīng)濟學博士王澤基教授作為團隊負責人，自主開發(fā)基于機器學習的人工智能模型。
“20年前我就開始做人工智能投資模型，當時要預測第二天的市場走勢，需要整整六個月來計算，所以并沒有現(xiàn)實意義，但現(xiàn)在這些計算幾小時就可以完成”，王澤基博士表示，在當前計算速度極大提升和成本大幅下降的情況下，我們將看見人工智能更廣闊的應用前景。他相信，目前全世界的投資圈都在向系統(tǒng)化、量化和科學化方向發(fā)展，平安自主研發(fā)的人工智能平臺正在推動我們向當代最前沿的投資方法邁進。
王澤基博士指出，新興的人工智能技術將全方位重塑全球投資和資管行業(yè)，嗅覺最靈敏的全球頂尖基金正積極地向科技公司轉型。新型的投資機構從人員到架構等各方面都與過往有所區(qū)別，越來越接近科技公司 -- 例如投資研究團隊中有大量科研人才，以研究專題為導向，擁有多元化激勵機制，科研和投資人員有機協(xié)同，將嚴謹?shù)娘L控納入投資過程，最大程度地激發(fā)員工的積極性、嚴謹性和創(chuàng)造力。
他表示，人工智能在金融投資界的應用剛剛開始。與傳統(tǒng)金融機構對獨家信息、投資專家的依賴不同，人工智能機器學習方法的代碼、模型、數(shù)據(jù)集大多開源，科技的進步拉平了全球各地的起跑線，帶來彎道超車的良機。
