6月9日，在由通联数据主办，中信建投证券、亚马逊云科技协办的『嗨~AI』资产管理数字化转型峰会上，华泰柏瑞基金副总经理田汉卿女士、亚马逊云科技大中华区CTO刘亚霄、光大理财有限责任公司CTO张轶、东方马拉松投资管理有限公司董事长钟兆民等对大数据和人工智能对资产管理行业的影响做了深入探讨。

田汉卿：人工智能提升市场效能还有很大的空间

在投资策略上，怎么样用人工智能实现投资目标？对于量化投资而言，真正有力量的手段是怎样的？人工智能开启了投资管理行业新蓝海，带了怎样的新机遇？

在田汉卿看来，人工智能早已深入我们的生活，但应用在投资领域和应用在自然科学大有不同，自然科学比如说人脸识别，能识别就识别，不能识别就不能识别，一定程度上，可以达到99.9%的正确率。但投资是博弈的结果，任何一方的市场参与都会影响市场定价，比如被动投资如果不停的买股票就会影响到股票的定价，不停卖就会打压，所以索罗斯定律在投资领域非常的重要。

2018年，受大环境影响，行业也有一些变化，比如卖方研究员评选几乎停止，数据更新迟缓，当时，华泰柏瑞的模型很大程度依赖卖方的人员预测，更新频率下降会影响阿尔法，这让田汉卿深深忧虑，万一将来整个行业业务模式发生变化，应该如何应对？她认为，长期的生存之道是随着技术发展，数据的可控，公司能做自己的盈利预测。于是，他们搭建了公司内部自然语言处理系统，在其中加入对投资的理解，扩大数据库，让AI在投资的基础上进行学习。

这其中，涉及到知识图谱的部分，需要借助外力。另一部分需要机器学习，要构建内在联系，再通过人工进行调整。目前，华泰柏瑞已经实现了做个股层面和行业层面的基本面预测。目前来看，有了这套系统之后，可能比卖方提供的数据更快，这意味着超额数据越多，而且对投资市场也大有裨益。

在量化投资领域，她认为，像这样用大的统计概率起作用的领域，必须要结合数据、人工智能，必须增加信息收集来源。比如另类数据，包括电商数据、卫星数据、信用卡数据、公共数据等。这些年，随着计算技术和数据技术的发展，储存数据发生了翻天覆地的变化，所以在这方面有很大的空间，可以跨导。比如过去更多是依赖于人进行搜索，所有持仓的上市公司，交易的上市公司，人都要搜索有没有超预期的消息，但人搜的覆盖度很低。但是现在自然语言处理可以瞬间覆盖所有的样本、所有的上市公司。同时，在投资过程当中，可见近几年数据演化非常快。所以从今年开始，华泰柏瑞会进一步扩展到其他的另类数据，用另类数据帮助公司在个股和行业上进行基本面研究。

谈到未来，田汉卿说，如果拓展数字化投资或者量化投资、智能化投资，必须增加基本面信息的纬度。因为长期影响的因素更多，所以必须尽可能捕捉到所有的基本面信息，应用到投资里，拓展模型。她认为，目前用大数据和人工智能提升市场效能还有很大的空间，未来会更加颠覆，长期可展望的是人工智能直接承担资源配置的功能，资本市场可以退居二位。所以这是真正的蓝海，对于资本市场有价值，对于投资是真正有价值，可以深度挖掘的，而这个挖掘也将随着技术进步进一步增加。

刘亚霄：AI只是提升效率的工具，人类无需担心饭碗

作为已经研究AI二十几年的“老人”，亚马逊云科技CTO刘亚霄开门见山：AI并不是目标，它只是一个工具。他回忆当年用386系统搭神经元网络，而现在任何手机都要快好几千几万倍。但核心问题并没有解决，从20年前到现在，主要突破都是在算法、传感器、算力上的突破，理论上并没有太大突破。所以，在可以预知的未来，在数学上没有大突破之前，大家不用担心AI抢自己的饭碗。他笑言，AI现在基本上是一个智障的阶段。无论自动驾驶还是宇宙飞船。但是，AI确实能够通过工程化的解决方案，通过创新，提高我们的工作效率，使我们对数据的把控得到更好的应用。

以AI在亚马逊备货方面的应用举例，他们做了很多数据储备，也用了很多云上的东西，最后形成了亚马逊以预测为基础的体系。这个体系达到了超过99%的库存是自动化采购，也就是说亚马逊卖的东西99%的东西是通过预测，系统告诉你应该买多少作为备货。

作为云科技的CTO，刘亚霄讲了云科技和传统的IT科技的不同。他认为传统的科技，数据和应用计算是联系在一起的，云科技的计算力和它的存储量已经大到超乎想象，所以他们提出了一种新的对于数据资产盘活以及数据管理的观点——把计算力挪到数据里。也就是先有业务，业务带来了数据，这些数据需要从业务里独立出来，然后大家把不同业务的数据放在一起，来看能不能产生新的业务，也就是解决方案。比如亚马逊的小机器人，已经完美替代人工，进行仓库中的备货、拣货，人只需要完成最后的打包工作。这是因为亚马逊所有的货品一开始都是由机器人去报告，然后进行数据集成。他们将系统数据放在云端，机器人直接访问数据，获取货品信息，而不是说机器人是一个系统，它的数据需要每天从云端导下来再去处理。在未来，他希望用数字化帮助企业在产业链上的成本结构得到优化，价值链得到进一步规整，使跨境电商业务跑得更好。

虽然AI已经能够帮助人类做很多工作，但谈到金融业务的数据化，他反而表示，不强调把大家现有的金融业务搬到云上，而是希望帮大家找到在互联网上可以做金融业务的接口，然后形成数据分割的混合云，也就是数据化的企业数字架构，比如放在云上可以扩大生意、可以符合监管的流程要求，最终发挥数据创造价值的理念。

张轶:未来已来，投资人需要改变思维模式，充分利用大数据和人工智能

时代在飞速发展，技术的发展永远不会以我们的意志为转移，投资行业也同样，张轶认为，大数据和人工智能已经改变了传统的投资模式，资管行业从业者必须改变思维定式，拥抱新技术。作为美国人工智能协会会员，光大理财有限责任公司CTO，张轶以阿尔法的来源改变举例，最早的时候投资都是阿尔法，如今阿尔法所处的领域越来越少，但事实上阿尔法带来的超额越来越多，阿尔法的投入远高于贝塔，这些基本事实的描述，带来的逻辑是怎么去寻找阿尔法？数据来源和以前相比增大很多，新的东西被容纳在传统的数据里，我们做投研的时候是不是可以用相对而言系统化的方法，基于数据进行。

具体来说，首先有一些原始数据做验证模型加入洞见构建组合，完成之后把组合执行的效果回到假设来看，整个系统的闭环不断持续纠正，所谓的系统化投资并不会带来更大的阿尔法，但是会更稳定，因为有PDC循环帮助我们提升投资的质量。

在他看来，庞大的数据库首先来自数据收集。其次对背后的原因提出假设进行分析预估评测，而和我们现在做的地方不一样的是，模型生成不是来自于我们的洞见，而是来源于我们对数据的分析，没有任何先入为主的概念，而是通过对数据的分析来生成所需要的模型，构建组合。听起来这只是一点点逻辑的改变，但是这一点点改变挑战的是我们已经延续运用20年、30年，两代人被培养出来的方法，这是非常具有挑战性的。

他认为，在今天这个时代，比较推崇的是数据到角色，在投资流程当中以数据为核心，更多需要沟通协调。最外侧数据清洗工程化的管理这样蓝领的工作构建了基石，代表了一个机构如何认知数据和认知市场，这需要默默无闻和强大的团队，对整个公司的投研生产产生支持，而这方面在传统的资产管理公司里是不存在的，通联数据做了很多这样的事情。