周尚頤博士(Christine Chow)
作為投資專家,我們使用主成分分析(PCA)來識(shí)別影響投資組合績(jī)效的關(guān)鍵風(fēng)險(xiǎn)因素。這是與其他技術(shù)(例如多因素風(fēng)險(xiǎn)分析或與主成分分析的混合組合)一起使用的傳統(tǒng)統(tǒng)計(jì)方法之一。在過去30年中,統(tǒng)計(jì)分析工具箱已大大擴(kuò)展?,F(xiàn)在,我們有了一個(gè)更吸引人的選擇,使用機(jī)器學(xué)習(xí)。我們通常稱之為人工智能(AI)。
若要使人工智能在投資分析中發(fā)揮作用,我們需要三個(gè)關(guān)鍵要素:
為什么要使用AI?了解您的問題。用戶必須了解他們?cè)噲D解決的問題,并為每個(gè)應(yīng)用程序設(shè)定明確的目標(biāo)。這是因?yàn)锳I的核心是優(yōu)化工作。
我們擁有什么,缺少什么?了解您的數(shù)據(jù)。找出可用的數(shù)據(jù)以及需要?jiǎng)?chuàng)建或編譯的數(shù)據(jù)。如果涉及非結(jié)構(gòu)化數(shù)據(jù),例如新聞提要或社交媒體帖子和視頻,則必須有一種清晰的方法將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為可用格式。某些任務(wù)(如同行基準(zhǔn)測(cè)試)需要可比較的數(shù)據(jù),這正是投資者現(xiàn)在迫切需要的。本文重點(diǎn)介紹了當(dāng)前關(guān)于通用報(bào)告準(zhǔn)則的爭(zhēng)論,并分享行業(yè)合作如何超越通用報(bào)告,為投資者創(chuàng)建可比可信數(shù)據(jù)的例子。
怎么做?了解您的算法。一旦獲得可信的相關(guān)數(shù)據(jù),就可以在投資組合管理中應(yīng)用合適的AI技術(shù)。目標(biāo)可能是最大化關(guān)鍵績(jī)效指標(biāo)(例如Sharpe比率或Information比率),或最小化風(fēng)險(xiǎn)指標(biāo)(例如風(fēng)險(xiǎn)價(jià)值(VaR),標(biāo)準(zhǔn)差或跟蹤誤差)。人工智能可以用來構(gòu)建具模仿全指數(shù)性能特征的增強(qiáng)型交易所買賣基金(ETF)。它也可以用于回測(cè)和方案分析。
并非所有的投資分析都可以利用AI,但是當(dāng)使用AI時(shí),我們必須首先了解我們要解決的問題并設(shè)定明確的應(yīng)用目標(biāo)。
例如,“發(fā)展業(yè)務(wù)”不是一個(gè)明確的目標(biāo),而是“優(yōu)化銷售”?!霸u(píng)估董事會(huì)的有效性”不是一個(gè)明確的目標(biāo),但“最小化連鎖董事”卻是明確的目標(biāo)。這是因?yàn)閺母旧现v,人工智能就是要使用Deisenroth,F(xiàn)aisal和Ong(2020)所著的《機(jī)器學(xué)習(xí)的數(shù)學(xué)》一書中(圖1)所述的一種或四種常用技術(shù)的組合來最大化目標(biāo)函數(shù):
圖1:人工智能中的關(guān)鍵優(yōu)化技術(shù)
圖2:全面的公司報(bào)告
AI可以根據(jù)傾向得分找到適合客戶購(gòu)買的投資基金,通過在正確的時(shí)間和正確的價(jià)格提供相關(guān)報(bào)價(jià)來最大化購(gòu)買機(jī)會(huì)。這結(jié)合了行為科學(xué)和客戶細(xì)分。即使匿名了個(gè)人數(shù)據(jù),我們與之互動(dòng)的每個(gè)使用AI進(jìn)行定位的業(yè)務(wù)也很可能將我們每個(gè)人都?xì)w為特定客戶類型。亞馬遜(Amazon)或網(wǎng)飛(Netflix)等公司多年來已經(jīng)在其他行業(yè)實(shí)施了上述做法,它們根據(jù)我們的個(gè)人資料、過去的購(gòu)買情況和瀏覽歷史,推薦下一個(gè)購(gòu)買項(xiàng)目或下一部最喜愛的電影。
有效的預(yù)測(cè)需要高質(zhì)量的人工智能分析數(shù)據(jù)。數(shù)據(jù)是目前投資業(yè)面臨的最大挑戰(zhàn)。
在英國(guó)兩年一度的氣候與綠色金融監(jiān)管論壇上,主題演講者提出的緊迫問題指出了“誤導(dǎo)的現(xiàn)實(shí)”,即公司信息(尤其是可持續(xù)性信息)趨向于不一致。對(duì)于財(cái)務(wù)信息,國(guó)際財(cái)務(wù)報(bào)告準(zhǔn)則(IFRS)基金會(huì)和國(guó)際會(huì)計(jì)準(zhǔn)則理事會(huì)(IASB)已經(jīng)建立了描述公司財(cái)務(wù)業(yè)績(jī)和狀況的標(biāo)準(zhǔn)化方法,以便公司財(cái)務(wù)報(bào)表在國(guó)際范圍內(nèi)易于理解和可比。但是,對(duì)于可持續(xù)性信息,公司可以選擇報(bào)告標(biāo)準(zhǔn)和評(píng)級(jí),從而導(dǎo)致對(duì)綠色清洗和/或可持續(xù)發(fā)展目標(biāo)(SDG)清洗的擔(dān)憂。
投資行業(yè)呼吁調(diào)整數(shù)據(jù)定義和報(bào)告標(biāo)準(zhǔn)。為此,世界經(jīng)濟(jì)論壇(WEF)和影響管理項(xiàng)目(IMP)一直在與從業(yè)人員合作,以建立一個(gè)全面的報(bào)告系統(tǒng)。它發(fā)布了一個(gè)概念框架,以企業(yè)價(jià)值和與氣候相關(guān)的財(cái)務(wù)披露為例,將關(guān)鍵報(bào)告標(biāo)準(zhǔn)整合在一起,包括它們?nèi)绾蜗嗷リP(guān)聯(lián)(圖2)。
建立一個(gè)統(tǒng)一的報(bào)告系統(tǒng)正在進(jìn)行中。但是,它僅解決了部分但不是全部挑戰(zhàn)。
影響報(bào)告可信度的深層次問題在于公司級(jí)數(shù)據(jù)的質(zhì)量。這可能與遺留IT系統(tǒng)中的約束、全球運(yùn)營(yíng)中策略應(yīng)用的不一致以及難以將某些業(yè)務(wù)活動(dòng)歸類為確定的和獨(dú)占的存儲(chǔ)庫(kù)有關(guān)。例如,Adelphi和ISSESG的《歐洲可持續(xù)金融調(diào)查》以及歐洲銀行基金會(huì)(EBF)和UNEPFI的《測(cè)試歐盟分類法在核心銀行產(chǎn)品中的應(yīng)用》等報(bào)告都提供了實(shí)例。
為特定目的標(biāo)記數(shù)據(jù)存在操作挑戰(zhàn)。例如,銀行企業(yè)貸款系統(tǒng)往往按部門和行業(yè)建立,以適應(yīng)關(guān)系經(jīng)理團(tuán)隊(duì)結(jié)構(gòu)和專業(yè)知識(shí)??铐?xiàng)用于一般用途貸款或循環(huán)信貸并不一定能在系統(tǒng)得到分類。這些問題在EBF和UNEPFI報(bào)告中被認(rèn)為是一些最重大的挑戰(zhàn)(請(qǐng)參閱報(bào)告第32頁(yè)和第36和39頁(yè)的林業(yè)案例)。當(dāng)貸款在集團(tuán)層面得到批準(zhǔn),資金被分配給多個(gè)當(dāng)?shù)胤蓪?shí)體時(shí),這些挑戰(zhàn)就被放大了。
除了上述報(bào)告和數(shù)據(jù)系統(tǒng)問題外,投資者還受到更多非結(jié)構(gòu)化數(shù)據(jù)的轟炸。根據(jù)Wikipedia的說法,非結(jié)構(gòu)化數(shù)據(jù)是指沒有預(yù)定義數(shù)據(jù)模型或沒有以預(yù)定義方式組織的信息。它通常是文本密集型的,但也可能包含日期、數(shù)字和圖像等數(shù)據(jù)。
根據(jù)NBER的論文《機(jī)器傾聽時(shí)如何說話:人工智能時(shí)代的企業(yè)披露》(Howtotalkwhenamachineislistening:corporatedisclosureintheAgeofAI),年報(bào)越來越多地被機(jī)器閱讀,用于內(nèi)容提取和情緒分析。它使用一種通用的人工智能技術(shù),稱為自然語(yǔ)言處理(NLP)或自然語(yǔ)言理解(NLU)。在美國(guó),從美國(guó)SECEDGAR數(shù)據(jù)庫(kù)下載的機(jī)器數(shù)量占所有下載量的比例,從2003年的39%增加到2016年的78%。考慮到近幾年人工智能驅(qū)動(dòng)的網(wǎng)絡(luò)抓取活動(dòng)的爆炸性增長(zhǎng),到2021年,這個(gè)數(shù)字很可能已經(jīng)顯著增加。
數(shù)據(jù)和分析公司如埃信華邁(IHSMarkit)開發(fā)了一個(gè)ESG報(bào)告存儲(chǔ)庫(kù)平臺(tái),由其AI引擎Goldfire提供支持,以組織非結(jié)構(gòu)化數(shù)據(jù),幫助公司改進(jìn)報(bào)告并構(gòu)建可持續(xù)發(fā)展概況。公司可以上傳自己的報(bào)告和用戶定義的資料。該平臺(tái)使用NLP將相關(guān)信息與報(bào)告標(biāo)準(zhǔn)(如GRI(全球報(bào)告倡議)、SASB(可持續(xù)性會(huì)計(jì)標(biāo)準(zhǔn)委員會(huì))、TCFD(氣候相關(guān)財(cái)務(wù)披露工作組)和UNSDG)相協(xié)調(diào)。其DigitalGlobe衛(wèi)星圖像服務(wù)可提供地理空間數(shù)據(jù),以跟蹤土地使用情況、檢測(cè)森林砍伐情況以及監(jiān)測(cè)能源管道狀況和傳輸。
投資者越來越多地使用地理空間數(shù)據(jù),來實(shí)時(shí)或接近實(shí)時(shí)地監(jiān)視被投資公司的業(yè)務(wù)績(jī)效,并提高供應(yīng)鏈的透明度。保險(xiǎn)公司將地理空間數(shù)據(jù)用于承保政策、定價(jià)以及理賠。平安保險(xiǎn)使用NLP技術(shù)建立了“綠色清洗”指標(biāo),以了解公司氣候披露的廣度和深度,并將其與公司特征和財(cái)務(wù)績(jī)效聯(lián)系起來。TruevalesLab已創(chuàng)建工具和產(chǎn)品來幫助投資者發(fā)現(xiàn)隱藏的見解。使用數(shù)據(jù)和人工智能進(jìn)行投資分析的復(fù)雜性只會(huì)增加。使用錨定或官方信息源,每周平均計(jì)算以篩選新聞峰值是抵抗錯(cuò)誤信息風(fēng)險(xiǎn)的多種方法之一。
在數(shù)據(jù)爆炸的時(shí)代,決定什么是重要的,以及如何使用這些信息是至關(guān)重要的。投資者應(yīng)該如何應(yīng)對(duì)?采取基于行業(yè)的方法似乎是最明智的。
《波塞冬原則》于2019年6月18日在紐約發(fā)布,是金融部門和航運(yùn)業(yè)之間達(dá)成的一項(xiàng)協(xié)議,旨在將國(guó)際海事組織(IMO)關(guān)于氣候變化的政策納入航運(yùn)金融決策過程。公司必須遵循所有業(yè)務(wù)活動(dòng)的技術(shù)指南,包括船型編碼系統(tǒng)、特定的碳強(qiáng)度度量標(biāo)準(zhǔn)(即航運(yùn)業(yè)的年度效率比(AER))的計(jì)算,以及三種允許的脫碳路徑計(jì)算方法的選擇。簽署者,主要是銀行內(nèi)的航運(yùn)金融實(shí)體,僅依靠技術(shù)指南確定的數(shù)據(jù)類型、數(shù)據(jù)來源和服務(wù)提供者進(jìn)行評(píng)估,以確定貸款決定。因此,數(shù)據(jù)和分析的“價(jià)值鏈”在公司和金融家之間是一致的。
氣候變化是一個(gè)全球性問題。令人放心的是,《波塞冬原則》的簽署國(guó)包括發(fā)達(dá)和新興經(jīng)濟(jì)體的銀行——來自歐洲和亞洲。采用行業(yè)統(tǒng)一的方法可以使投資者將蘋果與蘋果進(jìn)行比較,從而做出明智的投資決策。
可信數(shù)據(jù)是投資分析中有效應(yīng)用AI程序的命脈,這僅僅是因?yàn)橛袚?jù)可查的“垃圾填埋”現(xiàn)象。一旦質(zhì)量確保相關(guān)數(shù)據(jù)可用,就可以將合適的AI技術(shù)應(yīng)用于投資組合管理。目標(biāo)可能是最大化關(guān)鍵績(jī)效指標(biāo)(例如Sharpe比率或Information比率),或最小化風(fēng)險(xiǎn)指標(biāo)(例如風(fēng)險(xiǎn)價(jià)值(VaR),標(biāo)準(zhǔn)差或跟蹤誤差)。人工智能可以用來構(gòu)建具有更少的模仿全指數(shù)性能特征的增強(qiáng)型交易所買賣基金(ETF)。它也可以用于回測(cè)和方案分析。此類應(yīng)用程序的詳細(xì)信息可能需要單獨(dú)撰寫關(guān)于“數(shù)據(jù)與AI‘再造投資組合管理”的文章。
本文作者周尚頤博士(Christine Chow)是倫敦經(jīng)濟(jì)學(xué)院(LSE)法院和投資委員會(huì)成員,國(guó)際公司治理網(wǎng)絡(luò)(ICGN)董事會(huì)成員,英國(guó)人工智能全黨議會(huì)小組(APPG)數(shù)據(jù)治理工作組成員,香港科學(xué)技術(shù)大學(xué)(2014—2016)的金融學(xué)兼職教授。本文中表達(dá)的觀點(diǎn)是個(gè)人觀點(diǎn),不代表作者可能以專業(yè)或個(gè)人身份與之相關(guān)的個(gè)人、機(jī)構(gòu)或組織的觀點(diǎn),除非明確說明。