數(shù)據(jù)與AI“再造”投資分析

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。

AI并非適用所有的投資分析

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。

建立共同的報(bào)告標(biāo)準(zhǔn)

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）。

改善公司數(shù)據(jù)質(zhì)量的挑戰(zhàn)

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。

來自機(jī)器讀取和衛(wèi)星圖像的非結(jié)構(gòu)化數(shù)據(jù)

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。

決定和創(chuàng)建有用的數(shù)據(jù)需要行業(yè)級(jí)的協(xié)作

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。

結(jié)語(yǔ)

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。