論人工智能賦能機構投資者

薛加玉

摘?要：由于種種原因，人工智能在主動管理型機構的介入，顯著落后于金融行業(yè)的其它領域。近年來，人工智能尤其是中文自然語言處理方面的進展，使得至少部分介入機構投資者業(yè)務成為可能。探討了人工智能在我國資產管理業(yè)務實踐中，落地于提升投研效率、輔助決策等場景的可能性，以及漸進式演進的路徑。

關鍵詞：人工智能;資產管理;自然語言處理

中圖分類號：F23?????文獻標識碼：A??????doi：10.19311/j.cnki.1672-3198.2019.17.051

1?機構投資者對于人工智能的需求

機構投資者作為買方，更為關注對內服務。其核心價值產生于內部投研體系，通過投資決策和投后管理實現(xiàn)，最終表現(xiàn)為適合自身資金屬性的回報風險特征。

按照麥肯錫的定義，人類的腦力如可以分為知識力和創(chuàng)造力。主動投資作為一種基于腦力勞動成果的軟技術活動，現(xiàn)有的腦力勞動更多被基于知識力的基礎性勞動占用，枯燥且大量消耗時間。而依賴經驗和創(chuàng)造力且創(chuàng)造核心價值的工作（例如投資決策、投后管理），在內部統(tǒng)計中通常不超過30%，理論上存在大量機器替代的可能性。

1.1?初級信息加工是當前投研工作的痛點

按照尤金·法瑪?shù)挠^點，信息是金融市場最重要的資源，也是金融資產價格的決定因素。因此，信息加工對機構投資者而言是基礎工作。其中，初級信息加工雖然必不可少，但面臨低產出、易出錯、枯燥性等痛點。此類工作通常包括但不限于：（1）投資項目的初步篩選;（2）第三方研究成果的梳理和二次加工;（3）半格式化文檔撰寫、核查;（4）歷史資料檢索和二次挖掘。

以文檔核查為例，債券、股票的“募集說明”篇幅一般在300頁以上，包含十幾萬文字、數(shù)百張圖表，其中內嵌千余個數(shù)據(jù)點。形成文檔的過程，需要內外部多個部門人員協(xié)同。

盡管目前文檔雖然以電子形式存在，但電子化不等于過程的數(shù)據(jù)化、智能化。由于高質量文檔是金融機構樹立口碑關鍵，且這些文檔內含復雜的勾稽關系。在寫作和核查中，大量高學歷、高薪酬的人力資源被消耗。即使花費巨大，金融文檔的差錯仍然不鮮見，由此導致的機構聲譽受損乃至監(jiān)管風險都有時有發(fā)生。

長期將大量人力資源消耗在此類初級信息處理工作，不利于買方研究人員的水平提升和價值實現(xiàn)，也不利于資產管理機構提升投研水準和完善團隊性格塑造。

1.2?半輔助式的人工智能應用是最為現(xiàn)實的解決方案

機構投資者尤其是主動管理機構，其核心價值應該來自于投資項目的風險收益分析，通過基于此做出的投資決策和持續(xù)管理來體現(xiàn)。因此，機構投資者的業(yè)務體系應該必然圍繞投資決策和投資管理展開。

面向個人投資者的共性化、流程化的人工智能投研服務顯然不能匹配其需求，機構投資者更需要的是符合自身資金屬性和收益風險偏好的個性化解決方案。

而基于投研團隊的性格塑造和經驗積累的部分，在當前人工智能面對完全開放的環(huán)境認知能力還不健全的技術條件下，進行替代的試錯成本顯然無法被大部分機構投資者接受。因此，在主動型機構投資者的業(yè)務實踐中，類似將客觀分析與主觀判斷相結合的思路更容易被接受。人工智能首先解決客觀部分的投研產出效率，逐步過渡到輔助決策，漸進式重構投研流程，是更匹配當前技術能力和我國資產管理業(yè)務實踐的路徑選擇。

1.3?人工智能的技術發(fā)展為提升投研效率提供了技術支撐

國內的機構投資者，大部分投研資料為中文文本、數(shù)據(jù)和圖表;及其混合的半結構化和非結構資料。近年來，隨著等關鍵技術的發(fā)掘，人工智能在中文自然語言處理這個極具挑戰(zhàn)的技術分支獲得了重大進展?；诂F(xiàn)有技術，已經可以支持人工智能在有限規(guī)模語料庫下，使用諸如提出的知識提取和數(shù)據(jù)組合方法，應用于文本分類與信息過濾、信息檢索、信息抽取與文本挖掘等場景。這些關鍵技術的發(fā)展，使得在投研流程的諸多環(huán)節(jié)引入人工智能成為可能。

在初級信息處理之外，人工智能還提供了諸多過往無法實現(xiàn)的邏輯挖掘方式，為投資決策提供更豐富的支撐。長期看，這些能力為投研效率提升和未來內部投研體系的重塑提供了技術支撐。

2?人工智能對投研流程的漸進式改造

2.1?以提升投研產出為核心，全員參與

投資研究既是機構投資者創(chuàng)造價值的核心所在，又存在大量效率提升需求。因此人工智能為機構投資者賦能，以投研部門為切入點是自然選擇。但只有投研人員參與而缺乏其它部門配合的人工智能項目，在落地過程中很難獲得預期效果。

基層投研人員對于效率提升的感受最為直接，需求最為迫切。但是基層投研人員缺乏對于資產管理全流程的理解以及對所在機構個性化投資偏好的認知。落地過程中多個要素，例如投研成果對投資決策的支持路徑、投資成果到投資決策的經驗形成和知識推理、歷史投研成果對模型的訓練、信息安全等方面，都需要跨部門協(xié)同。因此人工智能介入后的流程改造，必須由了解整個投資決策流程的人員進行統(tǒng)籌。投研工作作為資產管理業(yè)務的核心，其變革必然會對整個機構的各部門造成影響。多部門聯(lián)動，才能實現(xiàn)平穩(wěn)落地，確保項目品質。

2.2?綜合利用內外成果積累，重視內部知識圖譜

知識圖譜是一種表現(xiàn)知識的方法，即以結構化的知識庫為基礎來表達概念和知識點，并提煉其內在聯(lián)系。

構建知識圖譜的前提，是把數(shù)據(jù)從不同的數(shù)據(jù)源中抽取出來。機構投資者的投研積累形成的知識庫，一般來自兩種渠道：一種是內部研究成果;另一種來自外部數(shù)據(jù)和第三方研究支持。無論是內部或者外部成果，大多表現(xiàn)為數(shù)據(jù)圖表和文本，這些基于半結構化數(shù)據(jù)和文本數(shù)據(jù)的投研資料必須先進行數(shù)據(jù)包裝和文本提取，形成數(shù)據(jù)庫表;此后才能實現(xiàn)上層的知識推理、知識快速查詢。

投研資料庫表化，構建機構投資者內部的知識圖譜，資產管理業(yè)務的價值至少包括以下三個方面：

（1）構建知識圖譜的過程，也是讓系統(tǒng)形成認知能力的過程。這是人工智能實現(xiàn)對機構投資者的深度支持，應用于投資研究、投資決策、風險管理和投后管理全流程的數(shù)據(jù)基礎。

（2）有利于梳理各個研究成果聚合成投資決策的邏輯。單一因素的研究成果可以形成投資線索，但最終投資決策的形成都是多個因素的邏輯組合。將過往非結構化的研究成果庫表化，有利于回溯投資決策流程，極大便利后續(xù)的投研人員案例回顧和投后管理。

（3）從企業(yè)內部服務的角度，可以實現(xiàn)更為高效的投研資料查詢和整理，便利基于現(xiàn)有成果的二次研究。隨著等技術用于模型訓練，使得通過知識計算，可以進一步發(fā)現(xiàn)能夠支撐投資決策的顯式或隱含的知識、模式和規(guī)則;并由此摸索符合機構投資者個性化偏好，但依賴人力無法達成的研究框架和投資策略。

2.3?選擇適合的技術提供商，迭代優(yōu)化

大多數(shù)機構投資者的IT人力儲備無法支撐完全自主開發(fā)人工智能系統(tǒng)，在與外部提供商對接的過程中，應該注意以下方面：

（1）關注技術供應商對金融機構尤其是資產管理和投資研究業(yè)務框架的認知。

（2）除了系統(tǒng)架構的可靠性，靈活性同樣重要，保留功能拓展的可能性。

（3）初期數(shù)據(jù)標注不可避免的需要一定資源投入，尤其是內部人員的配合。

（4）技術變革應以提升投研效率，優(yōu)化投資績效為目的。人工智能是先進工具但并非目的本身，既不能因為抗拒改變而拒絕更高產出效率的生產方式，也要避免為了智能化而智能化的錯誤導向。

（5）對于直接影響投資績效的環(huán)節(jié)，應堅持謹慎性原則。目前，人工智能技術還被定義為一種為人服務的工具，但隨著其在腦力勞動中應用的滲透，未來人工智能更應該是人類腦力的延伸。人類在各種社會活動中的意愿，都有機會通過人工智能進行表達。因此，人工智能在機構投資者中的滲透，不代表著投研人員被替代，而是讓投研工作更專注于創(chuàng)造性勞動。

無論是資產管理行業(yè)還是人工智能技術，都處于持續(xù)變革的階段，因此機構投資者應該摒棄一步到位的想法。無論是投研體系再造還是內部組織調整，都盡量在可接受的范圍內進行小步迭代，確保過程可控，避免對投資績效的負面沖擊。

3?結論和展望

當前人工智能的技術進步，已經完全可以在提升機構投資者的投研產出方面做大量基礎性替代，并且能通過機器學習持續(xù)提升效率，發(fā)展出更多的落地場景。由此可見各種人工智能技術在機構投資中的滲透，將使得各種更為復雜精密的投資策略得以落地，也會將行業(yè)競爭推向新的層面。人類智能與人工智能的融合，將是機構投資者的長期進化之道。

參考文獻

[1]趙知緯，錢龍華，周國棟.一個面向信息抽取的中文跨文本指代語料庫[J].中文信息學報，2015，（01）.

[2]POON H，DOMINGOS P.Sum-product networks：a new deep architec-ture[C].Proc of IEEE International Conference on Computer Vision，2011.