人+機器，未來也許能擊敗巴菲特

安德魯·威爾士

加雷斯·謝潑德。圖《/ 巴倫周刊》

人工智能領域?qū)＜摇oya（VOYA）投資管理公司機器智能部門聯(lián)席主管加雷斯·謝潑德（Gareth Shepherd）對人工智能的潛力感到興奮，認為這項技術(shù)的新用途正爆發(fā)出強大增長勢頭。不過，這并不意味著他將人類丟進歷史的“垃圾箱”，距離人工智能取代人類還有很遠。

“人類加上機器，可以打敗最優(yōu)秀的個體或是機器?！奔永姿埂ぶx潑德幫助監(jiān)督和實施資產(chǎn)經(jīng)理對人工智能的使用。Voya利用技術(shù)協(xié)助投資組合經(jīng)理識別和調(diào)整跨越多個資產(chǎn)類別的策略。“我們認為這是Netflix/Blockbuster突變時刻。那些不采用人工智能工具的公司將被采用工具的企業(yè)擊敗?！敝x潑德說。

Voya的“半人半人工智能”投資方法似乎正在取得成果。Voya數(shù)據(jù)顯示，Opportunistic U.S. Equity Strategy自2020年8月1日啟動，截至2023年6月30日年化回報率達到21.2%。相比之下，標普500指數(shù)的年化回報率為12.9%。截至2023年3月31日，Voya基金管理的資產(chǎn)規(guī)模為340萬美元，而由機器智能策略管理的資產(chǎn)總額約為10億美元。

謝潑德在澳大利亞新南威爾士大學（University of New South Wales）獲得博士學位，畢業(yè)后與他人共同創(chuàng)立了倫敦投資管理公司G Squared Capital。2020年，Voya購買了該公司的技術(shù)并聘請其創(chuàng)始人謝潑德加盟。

《巴倫周刊》與謝潑德討論了人工智能對投資組合管理意味著什么、人工智能技術(shù)的常見誤解，以及為何人工智能是與人類一起工作而非取代人類。

《巴倫周刊》：人們對人工智能有哪些誤解？

加雷斯·謝潑德：縮略詞越小，被誤用的情況就越嚴重。人們應該是指將機器應用于需要智能的任務，要么是高級分析，要么是模式識別。作為機器，它不是通過人類硬編碼來完成工作的，而是直接分析數(shù)據(jù)，然后按照規(guī)則運行。我們并不一定認為機器完成這些任務比人類更加出色；它只會犯更少的錯誤——即使IBM深藍（Deep Blue）在1997年擊敗了國際象棋大師加里·卡斯帕羅夫（Gary Kasparov），他也打趣說，機器沒有贏，而是他輸了。

人類可能會為一只股票著迷。但是機器不會“墜入愛河”，它們只是尋找可重復的模式。

《巴倫周刊》：那么，人工智能如何改變投資組合管理呢？

加雷斯·謝潑德：人工智能的使用方式并不完全是我們經(jīng)常討論的模型。這套人工智能的突破，將使幾乎每個白領職業(yè)都擁有自己的數(shù)字助理，將其比喻成“副駕駛”不錯。

回想一下20世紀50年代的航空公司。過去，飛機駕駛艙需要五六個人操作；現(xiàn)在，飛行管理系統(tǒng)已經(jīng)剝離了那些人為操作職能，而飛行更加安全。但如果出了什么差錯——比如飛機起飛并撞到了一群鳥——那么你會希望“薩利機長”在駕駛艙內(nèi)。

《巴倫周刊》：這對于投資組合管理意味著什么？

加雷斯·謝潑德：投資組合經(jīng)理希望迅速產(chǎn)生創(chuàng)意，這將是人工智能的潛在用途。他們可能希望根據(jù)危險信號評估其投資組合的風險。比如“我錯過了什么”？也許我喜歡SVB（現(xiàn)已倒閉的硅谷銀行母公司），但人工智能提供了超出我正常視野的觀點分析，現(xiàn)在我會想：“好吧，讓我們進行更深入的審查?！?/p>

Voya建立了一個生態(tài)——囊括20多個虛擬分析師——如果你是擁有5個到6個人類分析師的投資組合經(jīng)理，那么現(xiàn)在你可以使用一群虛擬助理。你仍然可以作出決定，但我們提供了一個更好、更快、更強大的系統(tǒng)。

《巴倫周刊》：可以舉例解釋下嗎？

加雷斯·謝潑德：有趣的是它現(xiàn)在的框架，因為如果人工智能做得更好的話，那么為什么還要使用人類？實際上，這種情況基于大數(shù)據(jù)才能適用。人工智能利用大數(shù)據(jù)集完成人類無法達成的非常復雜的事情。例如，我不可能在某一天通過醫(yī)療資格測試，第二天又通過律師資格考試。

但在金融領域，我們沒有大數(shù)據(jù)，充其量只是中小數(shù)據(jù)集。而對于小數(shù)據(jù)集，你需要以非常不同的方式處理它，而且不能僅發(fā)布一堆人工智能工具。至少，你需要傳輸數(shù)據(jù)并且為其附加大量價值。這意味著，投資組合經(jīng)理的專業(yè)知識非常重要。

我們所做的就是將這些知識編入數(shù)據(jù)庫，不是將花哨的人工智能插入原始數(shù)據(jù)，而是手動將數(shù)據(jù)整理成有意義的公司特征——基金經(jīng)理們買股票嗎？自由現(xiàn)金流是多少？與同行相比，其市盈率如何？

機器可以學習預測未來表現(xiàn)優(yōu)異的模式。但你能看到，人類在管理數(shù)據(jù)方面扮演著非常重要的角色。為了充分發(fā)揮人機結(jié)合的價值，你需要有人在機器模式循環(huán)中觀察投資組合，并做出最后決定。因此，你最終會得到一個被人類人為終止的過程。

我們將這種方法稱為“協(xié)作阿爾法”（collaborative alpha）。機器正在提升自我價值，投資組合經(jīng)理同樣如此。我們最終處于這樣一個位置： 人類加機器，比任何單獨一個部分都做得更好。

《巴倫周刊》：金融領域沒有足夠的大數(shù)據(jù)是什么意思？

加雷斯·謝潑德：如果你以一家標普500指數(shù)成分股公司為例，總共會有大約一萬個關(guān)于該公司的數(shù)據(jù)點。但這不是類似于5000億個參數(shù)的數(shù)據(jù)集。因此，我們采用的途徑是神經(jīng)符號——人工智能的一個類別。神經(jīng)元意味著你正在使用神經(jīng)網(wǎng)絡——即模式識別，而符號意味著輸入人類知識。

LLM（大型語言模型）的有趣之處在于，假設它有98%的工作可以做得比人更好，但人帶來的最后2%比98%更重要，這是很大一部分價值。因此，即使有了大數(shù)據(jù)，人類技能對于及時工程也極其重要，你仍需要一名人類，因為不確定LLM是否能完成最后2%的工作。

《巴倫周刊》：可以說，我有些驚訝沒有足夠的“谷物”給到“磨坊”。

加雷斯·謝潑德：稍微重新定義一下，并不只是LLM的問題，而是任何形式人工智能都受到少量數(shù)據(jù)的限制。數(shù)據(jù)并沒有包含你想知道的全部內(nèi)容。

無論你如何理解，不是全部答案都在數(shù)據(jù)之中。這就限制了人工智能提供所有答案的能力。例如，ChatGPT可以訪問整個網(wǎng)絡，觸及很多數(shù)據(jù)。在投資管理中，每個公司可能有一萬個數(shù)據(jù)點，但遠未達到數(shù)十億數(shù)據(jù)點，極大限制了人工智能的能力。

我們的觀點是——這就是我們要發(fā)揮作用的地方——人類和機器的角色仍然存在。我們的愿景是，將人類能力與人工智能結(jié)合。如果你能弄清如何整合兩者，那就是未來所在。

《巴倫周刊》：請問你們?nèi)绾问褂萌斯ぶ悄埽?/b>

加雷斯·謝潑德：首先，我們用它來識別表現(xiàn)優(yōu)異的公司，以及可能存在問題的公司的危險信號；其次，通過人工智能，我們可以實現(xiàn)自動化并快速跟蹤報告和績效，這就是使用LLM的地方；此外，我們應用人工智能分析公司報表，并為特定客戶定制投資策略，例如大型養(yǎng)老金計劃或是具有特定授權(quán)的主權(quán)財富基金。

在Voya智能機器團隊，我們通過兩種方式使用上面提到的技術(shù)：第一，我們僅使用人工智能工具運行自己的系統(tǒng)策略，這樣做能夠產(chǎn)生一種更加機會主義的投資策略。當市場出現(xiàn)機會時，這種策略具有獨特優(yōu)勢。

第二，我們將信號和人工智能融入人類投資組合經(jīng)理的工作流程中，讓他們保留決策權(quán)的同時，也能夠獲得決策信息。隨著時間的推移，這一方式將產(chǎn)生更為廣泛的影響。

因此，Voya正在嘗試兩件不同的事情，它們是通往“投資天堂”的不同路徑，一種可以更快地、動態(tài)地搶先于人類；另一種則是幫助現(xiàn)有投資組合經(jīng)理看得更遠。

人類加機器，比任何單獨一個部分都做得更好。圖/視覺中國

《巴倫周刊》：Voya團隊規(guī)模有多大？

加雷斯·謝潑德：我們的核心團隊共有五人。然后我們被嵌入到共30人的更大規(guī)模團隊中，包括量化研究人員和其他人。除此之外，我們還有26名虛擬分析師（人工智能機器人），它們致力于尋找優(yōu)質(zhì)股票，以及45名虛擬交易者，它們不執(zhí)行交易，但幫助人類把握時機。我們有一個用來營銷演示的組織結(jié)構(gòu)圖，它顯示出由人類和人工智能組成的龐大陣容。

《巴倫周刊》：你看好人類的理由是什么？

加雷斯·謝潑德：我看好高技能人才。這不是一個預測，而是事實。例如，好的記者如果學會使用這些工具，就會成為更好的記者。他們保留了自己的獨特見解和人文情趣。投資管理也是如此，給我一個出色的對沖基金選股人，再添加一個機器來幫助他們。人類加上機器，能夠打敗最好的個體或機器。

我看好人類，因為我們只是剛開始了解智慧的復雜程度。LLM可以運用5000億參數(shù)產(chǎn)出驚人的結(jié)果，但是人類用少得多的參數(shù)就能做同樣的事情。

《巴倫周刊》：近期，人工智能的發(fā)展有什么令你感到驚訝的嗎？

加雷斯·謝潑德：那就是人工智能浪潮沖擊我們的速度有多快。我認為很大程度源自我們沒有意識到所有一切是如何組合的。在很長一段時間技術(shù)沒有發(fā)生太多革新后，新的解決方案猶如“寒武紀”式的爆發(fā)。

《巴倫周刊》：你是如何從博士工作轉(zhuǎn)型到資產(chǎn)管理的？

加雷斯·謝潑德：我的博士學位不是金融領域，而是將專家系統(tǒng)技術(shù)應用于流行病學，這有點像“文字沙拉”（一連串無意義的字符單詞組成）。但是專家系統(tǒng)是一種早期的人工智能技術(shù)，也是一種模式識別的工具。我試圖鑒別受損數(shù)據(jù)的模式。

后來，我結(jié)束了在保險業(yè)的工作，在那里見識到資產(chǎn)管理，并希望在該領域應用我的分析工具。資產(chǎn)管理最終吸引了我，以致我去奧馬哈會見了查理·芒格（Charlie Munger）和沃倫·巴菲特（Warren Buffett），我真的對資產(chǎn)管理領域的智力挑戰(zhàn)感興趣。

（《巴倫周刊》英文版2023年7月31日）