长沙服务器托管【鹰眼看期】　人工智能在资产管理中的应用-财经博厚期市鹰眼

【鹰眼看期】　人工智能在资产管理中的应用-财经博厚期市鹰眼
　
　交流议题：
1.人工智能在资产管理方面的应用现状
2.举例谈谈人工智能在资产管理方面的实际应用
3.人工智能应用在资产管理上应注意哪些问题
4.人工智能在资产管理方面的应用方向与前景
5.在资产管理上，未来人工智能是否有可能完全取代人的判断与决策?
讨论嘉宾
1.涂志勇/北京大学汇丰商学院副教授，博士生导师
2.王红欣/深圳道朴资本管理有限公司董事长
3.刘宁晖/宇速投资CEO
4.杨 健/耀之基金量化投资总监
5.李 勇/汉青经济与金融高级研究院量化投资研究中心主任
6.蒋 龙/通联数据首席科学家

以下为文字实录：
洪榕：其实上半场该讲的都讲了，那些没有用的都讲过了，剩下我们只谈一些有用的，有用的指的是在座各位认为有用的，最后我建议就这样，既然我们都在谈人工智能的未来，资产管理的未来，最后就讲两件事情，第一如果大家选择资产管理公司的时候，在人工智能方面应用什么样的公司我们可以选。
第二，人工智能的股票大家认为比较好，讲一个股票代码，我们会研究，发现这样就叫人工智能，这个就叫厉害。前面那个我们就认为这样的资产管理公司骑上了快马的资产管理公司是我们将来要去投资的公司，这个适用。我们就从这个角度讲。从凃先生这里开始。
凃志勇：人工智能量化投资这个概念非常的火，我自己也做过研究星河步兵，做量化投资。随着我的研究的深入我的观点可能和嘉宾的观点出现分岔。我感觉人工智能从长期来走一定会让投资利用趋于平行利润，要获得超额利润还是要搞个人投资。这是我的观点。
王红欣：我自己做量化做了20多年了，本科是北大数学系的，前一段有人发给我一个讲课的内容，说清华大学有一个人工智能的培训班，我看了内容有很多内容我很熟悉，一些理论20年前、10年前不叫人工智能，只是说量化投资的不同的方法，因为早期计算能力有限，数据有限，所以好多量化分析统计是线性回归，其他的复杂的方法虽然学术界有，但实际应用过程中用得比较少，我说方法叫人工智能其实好多也是在学术界做了好多年的。
第二，这个东西能不能挣钱。我持一个怀疑加开放的态度，为什么讲怀疑？十几年前我们在美国做过很多研究，发现最后很难赚钱。当时十几年前数据有限，好多方法，包括计算机程序速度可能不够。所以现在数据多了，计算机的速度快了，是不是有可能有一些新的突破，我觉得是有可能，从理论上讲，我们要学习，要持开放态度。
但是如果说就事论事从两个方面分析，在高频领域我认为人工智能有用武之地，因为人工智能好多基本面逻辑不是很多，数据很大，越进入高频领域数据越多，在相对短的时间内环境相对稳定。这种情况下我认为用一些人工智能，机器学习的方法是可以的。但是在中长期的投资，有些基本面逻辑的投资领域我认为人工智能的一些方法是有问题的。是有局限的，为什么呢？因为我们做量化需要大数据、大样本。但是你如果说你按天、按月计算，一年没多少大样本，用10年、20年样本确实大了，但是社会环境、经济环境、市场环境已经变了。这种情况下同样的统计方法也会有问题。所以你模型越复杂，参数越多，自由度越多，数据挖掘的成分越大，黑盒子未来可复制和应用的可能性越小。从方法论上讲这是我的一个观察。我也同意凃教授的理论，超额收益大家用同样的理论这个行业不可能有超额收益，能做可能是少数人有过人的学识，像文艺复兴一样，美国也没有几个文艺复兴。我觉得投资还是投资人、投资基本面、投资上市公司。我们要用工具让我们的投资更严谨、更科学、更全面。但是最终还是机器和人的结合，我对人工智能和机器学习持开放的态度，我不愿意花更多的精力在这个领域上面。
洪榕：这样下去麻烦了，两位专家的意思是这个意思，这个东西一旦发展下去像枪炮发明慢慢地变成常规武器，常规武器没有用了，一定要有人发明核武器，但是核武器又不让用，最后发现还是各干各的，拿把刀就上街了，是这个意思吗？
娄永琪：我有点同王总的观点，我觉得人工智能这两年兴起特别快，随着不同行业的人工智能的一些应用的成功的案例。包括之前提到的一些海外的基金，包括国内的做人工智能大数据的产品，到目前为止效果还有待验证。这是一个基本观察。我觉得这块发展绝对是不容忽视的，包括公司内部也都非常热烈的，近期会做一些这方面的研讨。把人工智能领域很多的方法，可能有一些确实像王总讲的许耀南，把以前的一些基本的统计分析，一些经济计量的东西混到里边也叫人工智能，其实以前都有。但是也有一些东西是以前可能没有的，我有一个感觉是现在的交易体系里面对这一块的重点的加大确实是比以前来讲有了一个很大的质的提高。所以我们现在包括新的看到的一些加入行业的研究人员，他们的知识背景结构当中跟我当年比起来确实在这方面有很大的一个提高。所以我感觉跟他们在一块觉得这块的知识需要更新换代离婚 淮上，所以我们每周都会做一个人工智能方面的专题探讨，上一周他们讲的RNSTM，蒋龙是专家，他告诉我是科大讯飞背后的核心技术。我觉得这块东西不管怎么样是特别蓬勃发展的，非常有活力这么一个领域。
但是回到刚才说的这个东西能不能在实际投资当中玩得转，在多大程度上能够帮助我们决策？另外一个观察近些年来我感觉在投资领域还有一个趋势是说拿投资产品而言，无非你的投入跟产出两边要能够做一个比较好的权衡。现在我觉得人工智能至少在两点上能够帮助我们做到这一点，具体说，如果我给定一个最小的投入，我能够得到一个最好的结果，如果从这个角度来说因为人工智能毕竟它的成本比较低，整个程式一旦写上去可以进行无脑的操作，这样一来把以前一些只有复杂的机构投资人或者是对冲基金做的一些东西，他们能够做的事情，人工智能是大众化、普及化的手段，我自己的感觉是这样的。现在海外流行的那几家无非是可以把先进的新的投资理念快速地零售化，这是我的一个感觉。包括就像一些对冲基金这个趋势，现在有一些对冲基金把产品慢慢做得像公募化，把费率往下降，把以前复杂的策略通过简单的包装用一个相对经济的方式推向市场。包括像现在很流行的聪明数据这种产品也是类似的一个意思，以前可能是大家分类比较粗，所有的东西只要能挣钱都是收益，后来把它分成α和β，发现α里面不都是α，很多α大家都已经耳熟能详了，把它抽出来叫聪明数据，这个聪明数据越分析细以后这些东西慢慢都变成商品化了，一旦大家都知道了也无所谓了，拿出来就可以卖了。各种各样的聪明数据产品也就应运而生。我觉得人工智能这一块，了解了一下现在包括海外的人工智能产品，比方说一些公司在卖的产品，无非是把大类资产的ETF做一个大类的优化配置，差不多就是人工智能目前的产品，在目前的阶段，我感觉目前大概就是这么一个现状。我说的东西跟大家都讲的要非常超越人脑很高大上的东西有点不一样，我可能看得没有那么高。但我觉得目前人工智能说实话在产品层面确实没有走到那么极致，包括现在国内很多的银行或者三方大家也都是借着人工智能的概念推出各种各样的智投，理财类增强产品，我觉得目前这个阶段是一个很好的时点，很多都在介入，大家在这个基础上可上可下，可以做很多事情。一方面从这个概念可以给这个行业带来的目前的一个现象的理解。
同时，我觉得纯粹从一个纯技术的角度，这一块的一个新技术对我们的投资领域的冲击确实是非常的让人有期待的。同时，也是充满挑战的。我觉得听前一个论坛他们讲到的，包括我们的海外友人提到的这个想法也是让人非常有启发，基本上是人机结合的一个概念。人你要做交易，不断地做交易，你只要不断地做交易你总有对总有错，他是说我如果能够从风险的角度把一些可能出错的，人的生物方面表现不是特别好的情况下的交易过滤掉，从下行风险控制一下，钱琳琳最后的总的表现要超越正常的表现。这样的话，人其实最终还是要来做这个决策，因为实际上现在大家讲大数据。我觉得其实真正难做的可能是小数据，什么意思？包括前一轮有嘉宾提到的看管理层躲过一个风险，少踩一个坑的例子，稍纵即逝的观察让你能够躲避风险，人工智能能够把这个学会，这个可能是一个人的本领，这个是一个小数据，怎么样在小数据里面决胜。你说你大数据的优势怎么样跟人的小数据这种特点结合互补，我觉得这是一个很值得想的问题。
再举个例子，整个金融，如果人说AlphaGo它围棋能够在大概短短的十年中，整个由一个大家都不敢想象的情况一下子能够变成一个把人类彻底踩在脚下的状态，我觉得这个跟投资领域可能也确实是有些差异，毕竟这个市场可能还是一个更加博弈的市场。而且它的一个动态的变化各方面可能不像一个棋盘是事先设定好的游戏规则。现在很多人说下一周招商证券(600999,股吧)要开会了，逢会必跌，一听是很幼稚的想法，但是如果大家讲行为金融的话，首先这个是公开有效的信息，大家开始关注招商要开会了，大家知道往年开会有什么样的情况，基于这种情况你再考虑下周是不是因为这个事件的发生我要对我的操作做一个应对。我觉得这个东西从人工智能来讲也完全是可以解决的。如果是通过各种各样的方面是不太难解决的问题。但是我觉得投资毕竟是一个不断更新的过程，包括前面演讲嘉宾在PPT里面提到的很多东西，我感觉自己要有很多东西要学黎婉华，不然有点跟不上。
但是最终市场的力量是不同的参与方都在博弈，有套利，有投机，有套保的，人群的差异性存在给到我们每一个交易者有这么一个机会。我觉得人工智能作为一个手段肯定是要为我所用，长沙服务器托管如果我们能够把它用得更好一定是能够创造额外的收益。
李勇：谢谢洪总的介绍，稍稍澄清一点，我是大学教授，我不是李总，我是中国人民大学海归体制学院的教授。我们中国人民大学是政治经济学见长的学校，后来学校引进海归，我们把海归老师放在一个学院，成立了一个高级经济金融研究院，当时的院长也是普林斯顿的教授。我当时从海外回来搞量化投资，来到了学术界，当了学院金融系的首任系主任。我回国之后，我一直想，我们新的金融学院和人大传统的金融学院有什么区别，和商学院金融系有什么区别，想来想去，结合本人的研究方向，我想到了量化投资，于是我在国内办了第一个金融量化投资专业硕士班，每年大概培养大概90名左右研究生，我自己本人一个人就培养了100个硕士博士了，应该说我是老师中培养研究生的大户。
对于金融学教育，我这个问题我真是思考了很多。我想做教授第一要务应该是想培养什么样的学生，这些学生将来能干什么。我相信老师是最大的VC，学生好了老师不就牛了吗？为什么厉以宁教授这么牛，他学术不错，更重要的是他培养了李总理。
今天我们讨论的是人工智能在资产管理行业的应用。但是我觉得我们定位低了，我们都是在讨论人工智能在投资中的应用。但是在整个资产管理行业中，有几百万的从业人员，又有多少是做投资的？我想做投资的1%也许都不到。因而，我们仅仅谈人工智能在投资领域应用的话，那就太狭窄了。人工智能应用到投资这个领域其实很特殊，上半场的嘉宾有共识，我的想法跟第一场嘉宾他们一致，投资完成由人工智能替代，可能性很小。量化投资是模型，人工智能也是模型，然而投资不仅是历史预测，而且也用未来解释现在，这个是AI做不了的。
我举个例子，我们做大类资产配置如果把房地产纳入进来，从现在看这个组合一定是超配房地产的，为什么？房地产整个资产几乎没有回撤，风险波动率很小降临异世，收益率很高，你想你用模型会得出什么结果？仅仅从历史数据看，一定是超配房地产，从现在看，有问题吧？因而，在这个方面，人工智能能打败人吗？再举个例子，在牛市当中，如果用均值方差模型，一定是超配股票基金的。为什么做FOF出了很多问题，大家认为FOF就是基金分散，没有投资体系，最终会出事。用一个模型得出基金配置就叫FOF，就叫量化，我想不是这样的。投资我们不光要用历史数据，而且还要用主观判断。我身边有很多人工智能的教授找我合作，搞个预测，能不能挣一把钱，大家对钱是有共识的。我说我在投资方面对机器学习不很看好，特别是中国市场。
我在中国人民大学，我一直思考我到底培养什么样的学生，我培养的学生能干什么？ 当面对人工智能的迅猛发展，我是大学教授，我想我是不用怕的。但是，如果我是一个券商的行业研究员，如果我是做投行业务的，如果我是银行的理财基金经理，你觉得我能睡得着吗？但是，在整个资产管理行业的从业人员人中，这样的从业人员占大多数。我这个学院以前是学术见长的学院，前几年大量的学生都去做行业研究员。但是，我后来发现，就业形势不乐观，于是我办了量化投资专业硕士，我请了很多业界导师。我已经意识到这些问题，培养那么多行业研究员还有什么价值？仅仅会做一个基本的数学统计分析，写一个行业报告，这样的研究员有价值吗？研究所还需要多少这样的人？现在，机器人5分钟就能写出来一份研究报告给你，新数据来了1秒钟之内，就能更新出一份新报告给你，但是你要写一个晚上，机器最多5分钟帮你搞定了。所以，行业研究员，没有形成自己的研究体系，只会简单的数据统计分析，画出几个图，就搞一篇研究报告，迟早被AI淘汰。再比如，你是银行的理财经理，在投资理财这方面的服务你一定能比AI效果好吗？
所以我想，人工智能替代人类这个话题，替代这个词也不一定完全叫替代，很多时候是解放。从人类历史角度看，你看人类简史，人之所以为人因为我们有思想，机器就没有思想，我们把繁重的简单的重复的劳动给机器，我们留下的是思想，思想这个东西没有了我们就要出问题了。只要有极聪明的人存在，建立了思想，我们就不怕。刚刚国外的嘉宾讲，我们的大脑层级很高，但是你要记住大部分的人脑不是产生思想的，这些人就是被AI替代的人。AI替代资产管理行业从业人员的逻辑是什么呢？凡是你从事的资产管行业业务是简单的、重复性的累人的劳动，我想很可能要出问题，就要被机器替代。银行有大量的从业人员，银行还真需要那么多人吗？以前建行的张行长说银行是弱势群体，大家都笑，现在还笑得出来吗？
所以，金融系培养的人才也要完成转型，你必须让金融系的学生要懂得技术，同时要有理念，有思想。我打个不恰当的比方，比如培养我们家闺女，第一，我抓数学，数学是训练思维，第二，我们家女儿9岁开始学编程，她现在批评她老爹已经不用说话了，直接写一个程序给我输出结果就可以了。未来的孩子，数据处理的能力必须得有。 第三，语言，语言是表达能力。这个就是量化的思想，未来的信息社会就是这么几个东西，但是你也可以灌输他一个理念。这个理念是什么了？我经常教育我们家闺女，这个世界上所有男人不可靠，只有一个男人可靠，那就是你爹，这个就是理念，没有给出量化依据，就是主观判断的过程。因此，资产管理行业发展放在大的格局上看，投资从业人员仅仅是从业人员极少的一部分。投资只适合那些最聪明最勤奋的孩子干，我培养那么多硕士、博士，我都是看着他们怎么成长的，都是中国最优秀的一批人，但最终做投资也不过只有几个能做得好。因此，我们谈人工智能替代投资，这个格局就小了。
但是，对于资产管理行业其他从业人员，就要小心了，那才是大比例的从业人员。如果大量的资产管理从业人员没有终身学习，不培养以及提高自己的大脑，未来你一定活得不太好。中国发展实在是太快了，我真的是感受特别深，像我们老师招人一样，第一年说是香港的优秀博士，第二年是欧美的优秀博士，第三年就是北美的常青藤的博士了。中国跟国外比有一定的差距，但是我们中国人很勤奋。我们在人工智能领域一定会发展得非常快。一个机器背后不是一个人，是几千个最聪明的工程师智慧的结晶。谈人工智能的替代性，不要老是集中在投资方面的替代性，投资的从业人员仅仅是极小的一部分。 无疑，人工智能对其他方面资产管理从业人员，替代性才是很大的，我觉得对资产管理行业而言很多人将来可能活得都不好，比如说银行柜台从业人员、券商行业研究员、理财师、规划师、等等资产管理行业相关从业人员都很危险。这就决定了，我们谈人工智能的替代性，格局就要大一点，我相信人工智能对资产管理行业会有一个巨大的变化，但是对投资子行业相对来说，是影响最小的。
你有幸生在中国，因为中国是世界上最有创造力的国家。中国人的活力、创新精神都很强。但是，从金融市场角度来说，我们相较于美国而言，不太成熟，这样给了我们一段保护时间，使得我们能够在人工智能起来之前，我们能成长起来。为什么？因为，人工智能能够打败人类，是因为在既定规则下，才可以。如果规则变了，就不好说了。我们的金融市场，是一个目前还不太成熟的金融市场，规则是经常变的。比如说，我们前一个星期要熔断，第二个星期就不熔了，再好的机器也适应不了这样的政策规则频繁改变。因此，我始终认为人工智能在投资领域的影响没那么巨大。
中国金融市场走向成熟还需要一段时间，所以，主观投资还有一些机会。我相信随着金融市场逐渐规范，市场有效性变得越来越强，我们人的作用会越来越小。我经常跟我的学生讲，人民大学在金融技术这块要加强。我们人民大学传统的货币金融学科很牛，但是我们不能放弃对科技的理解。就算是金融专业，我们对科技的理解，特别是人工智能对金融的革新也需要非常关注。因此，我办了量化专业金融专业硕士项目，主要招收数学、物理、统计、计算机，这些专业的本科学生，然后硕士在人大完成金融专业培养。同时，我个人的学术研究也转向机器学习和量化资产配置的研究。
其实，我当时这个办项目的时候我也很紧张，如果办不好，我得负责任，耽误了学生发展。现在有了三届的学生，培养出来的学生就业，是非常好的，说明当时我坚持这个方向还是对的。时间关系我不讲太多了。但是，需要强调一点，人工智能建立在数据的基础上的，如果数据有问题，再好的人工智能技术，输出结果也会有问题，这个问题留给通联数据的蒋龙谈谈。谢谢大家。
李勇：我不能代表人大，我是人大的异类。非要推荐一支时间产品，我觉得你是信则永生，信心比黄金重要，做量化这个行业就要对量化有信心，散户投资者不要折腾，买一家量化投资的基金我看差不多了，非要我推荐，我觉得（创金合信），我还是比较推荐的。
李勇：我对京东方一点不懂，为什么要谈呢？因为京东方最重要的逻辑是京东，如果你认可京东，京东最重要的创始人是刘强东，人大社会学毕业的，我看好京东方，这也是一种逻辑。开玩笑。
李勇：人工智能与投资，且行且珍惜。
洪榕：上一场的圆桌对我们的影响比较大，因为上一场的圆桌的题目跟我们下一场不一样，它讲的是量化投资和人工智能的关系，我们比它大多了，我们叫资产管理，各位专家，我们扩大看对资产管理这个行业，这个领域整个体系来讲我们容易陷到里面人工智能做出来的模型跟我们过去有什么不一样，过去我们一直在做，计算机对数据的处理是天然的优势。我们可以大胆地说，我们将被动投资，巴非特都建议大家被动投资，被动投资肯定要被人工智能干掉。这个可以确认。我们延伸下去人工智能究竟对我们主动投资有什么样的帮助，甚至会不会有颠覆性的帮助。我们从这些角度对整个资产管理行业，因为资产管理这个行业在西方是非常成熟的行业，在中国毕竟刚刚开始，我们可不可以借助于技术的进步或者是人工智能的来一个弯道超车，这样利用人工智能的方式甚至能够突破我们由于监管方面很多的东西，因为只有技术的进步突破才能绕过去。我希望我们这个小组大家讲一些胆子大一点的，哪怕不会实现的，但是会让我们的脑洞打开的都是。
洪榕：李教授讲得非常好，我建议你学生再招一个生物专业的。刚才有提到，我们完全把上半场的局面给打开了，我们讲到未来各位孩子学什么？三个专业，第一计算机，因为跟数学相关。第二，哲学。还要学艺术。把这三个学好了你就是站在人工智能上面的外国友人讲的头比它高的人，否则全部是比人工智能头低的人。这三个专业大家不要跑掉。这个很重要。
蒋龙通联的首席科学家，我认为通联的胆子非常大，他们冲进了一个非常成熟的行业，但是他们看得比较远，已经有几年了，所以他们做的很多东西都是一些借助于科技、技术对我们过去做的一些事情进行颠覆性的工作，具体让我们蒋龙说一下，你究竟想怎么来颠覆我们这个行业？
蒋龙：谢谢洪总的介绍邓伟杰。洪总一开始出了一个题让大家每人推荐一个资产管理公司，前面几位都没有推荐，我也不打算推荐，我进入资产管理3年，我一直活跃在人工智能行业，我大学做一些机器学习、让机器学习写对联、在阿里巴巴用机器学习算法让订单匹配。虽然不能推荐股票，但是说一些跟之前的嘉宾不一样的角度看人工智能对资产管理的影响。
刚才有一个问题讨论很激烈，人工智能之后会不会取代基金经理，或者说会不会超越人让我们没有什么可做的。首先想问一个问题，什么是智能，人的智能是哪里产生的？如果我们认为人是上帝造的，智能是上帝赋予的，除非上帝想给机器赋予只能，要不超不过人。
我们认为人的智能是进化来的，大脑的结构不断变化，发现有一个生物适应环境，把我们看到的、想到连接起来，这个生物很厉害，有足够聪明的方案实现所谓的智能。从我们研究人工智能的角度来讲目前，比较严谨的说法说我们没有发现任何的本质上障碍让机器具有这种能力。客观讲现在人工智能水平非常落后，AlphaGo战胜了所有的人类高手，但是人工智能整体水平而言相当于三四岁的小孩。前段时间有一位教授做了一个很普及的教育，我们人工智能整体而言水平不如一只乌鸦，有典故，日本大家拍到了一段视频，非常有意思，讲了一只乌鸦发现了一个坚果，咬不动，它看到了车，它把坚果扔到地上，车开过去碾碎了，它很高兴。但是车来车往，它去吃很危险。它就观察，她发现有一个东西一会儿红一会儿绿，它发现一个结论，它叼了很多的坚果让车碾，等到红灯的时候它走过去吃。但是人工智能没有达到这种程度。
我们说现在的人工智能有两个能力，一个是感知能力，在图像识别、语音识别因为深度学习得到了长足的发展，在这个领域可能达到人的水平。但是认知领域还是零。
第二，在特定的领域，下期，搜索，精准营销，你怎么样把很多的商品挑出来给到人。百度做过实验，把机器学习的系统还原成原来的系统，收入低了90%，这说明机器超过人了，这是在垂直的领域，有非常的数据，有明显的规则。里面的复杂性是相对来说可控的，这种情况下机器表现很好。在通用的人工智能领域，我们可能跟五六十年代没有太大的差距。
这种情况下要说机器超越人尤其在投资决策我觉得还是为时尚早，机器可以做分析、记忆、推理，但是它要做到理解这些逻辑，它看到高管的反应觉得公司不太好，我觉得机器可以做到，但是相当远。机器在模型里面在构造一些虚拟结点。我们想解决另外一个问题怎么样让机器看到一条数据就能学会一条规则，我们很多时候学习东西都是一条规则，有个词我不会，说这个词是这个意思，知识网络就可以建立起来。机器不具备这样的能力。我们目前没有看到本质上的障碍影响机器往这方面发展，只是时间的问题。
机器像三四岁的小孩但是它可以做很多事情，资产管理是很大的领域。我有一个女儿4岁多，我经常让她帮我做事情，但在资产管理这个行业目前我们看到的有什么样的情况呢？第一个，在投资研究领域大家都知道，过去是基于传统数据做研究分析，未来大数据给我们提供了很多可能。比如说卫星图片数据，我们能看得出车的移动灯光的亮度变化，宏观经济的情况。还有很多的经济学家研究过，用零售企业外面停车场的卫星图片识别车的数量，大概预测客流量获得稳定的α，在美国市场不错。这里有一个技术，你看了图片之后怎么去识别里面车的数量sp曹仁，不可能人一个个数，有大量的图片，这个是需要一个图像识别技术，机器学习和人工智能可以解决。
每天有大量的咨询出现在网上，论坛、社交媒体上面，怎么样监控大量的信息，我们可能不能百分之百理解信息，但是把信息做一点关联，是关于哪个上市公司的，80%，我们都可以抓到很好的α，对另类数据应用上机器学习是很好的数据让我们有能力探索开放大数据。
其他一个领域比如说在需要非常快的反应，可能不需要考虑太多因素的情况下像高频交易、算法交易机器展现了优势，类似于AlphaGo强化学习的模型在算法交易里面做得不错了。每一次下一个单，根据市场反映，盘口的变化，下单成交情况不断地跟策略调整价格和数量，经过多轮学习可以做到比普通的策略交易成本下降27%到35%的效果。
另外从广义的资产管理行业上来讲风控是非常重要的方面，涉及到一方面有些开放大数据，负面情绪出来，信息出来能观察到对你是有帮助的。
另外，风控需要大量关联数据分析，不同人，企业之间控股关系，朋友关系等等，如果你能把关系网分析，也许能发现线索，在贷款里面用共贷的情况。但是对人把100万结点展现出来发现无能为力。机器有很强的能力，你只要告诉它一些曾经的欺诈或者是风险的例子，它从里面发现的模式可以从海量数据找关系，非常快。
另外扩大一点拿资产管理的很多职业来说，比如说有客服，营销人员等等，这些人员做的事情很多可以在AI的帮助下大幅提升效率。2天前我在北京参加百度世界大会有金融峰会，提到了智能金融，未来已来，里面讲到很多是信贷，我觉得很多适用于资产管理行业。比如说怎么样做智能营销，帮谁管理，怎么样找到这个人。怎么样回答用户的问题，智能客服能不能建立？这两点AI做得不错，有80%的问题可以由机器回答，20%的问题是很难解决。AI智能在三四岁水平，但是在资产管理很多方面我们已经看到希望了。
当时AlphaGo和李世石比赛完有一个段子，AlphaGo曾经输过李世石一盘，他自己训练了自己100万盘棋，从此再没有人能战胜AlphaGo。指数级的膨胀我们无法想象报恩亭，真正到了那一天世界会有很大的变化，基金经理岗位存不存在就不一定了，所以我们不用讨论是不是会替代这个岗位了。
洪榕：刚才讲到乌鸦，我记得读小学的时候就学过乌鸦喝水，乌鸦太聪明了，比人工智能都聪敏。你再说一句，你们公司在人工智能方面做了哪些具体工作，让我们理解一下，人工智能工作该怎么开展？
蒋龙：我们做的工作是三个方面：
第一，智能投研，怎么样用人工智能技术提升投资研究效率。第一步提供基础特色数据分析，关系数据分析，把各种企业关系，以图谱的方式让你可以查找，发现一些网络，发现关系亲密的人从时间序列上发现一个公司并购的路径，自动发现。
还有像图像的分析，我们也分析，跟一个公司合作拿他很多从高空拍摄的图片，自动分析项目的进展，对房屋研究员讲，基建研究员关注的项目现在怎么样了。以前要实地考察，现在通过卫星图片能够看到了，甚至AI通过图片对比发现进展不太顺利曾楚元。
另外像资讯的数据做了很多分析，会根据用户自己的阅读习惯把你关注的数据从海量的资讯里面找出来，整理，归类，把关键信息放在那里给你参考，可以大大提升效率。
第二，在量化投资方面，其实量化研究之前有很多常见的模型像多因子模型是基于线性回归回归本身是机器学习的分支，机器学习能够提供的额外东西是两个：
一个是对非线性函数的研究，过去大家都倾向于用经济逻辑找到直接相关的因素，尽可能保持因素线性独立，固定模型，效果最好。现实生活中有很多数据不是线性相关的，但是非线性方面其实在经济学里面大家研究不多，但在机器学习领域有非常多专家研究了各种各样的非线性函数有什么样的性质，适用什么样的领域。这样的方法对于量化投资非常有作用。
另外一个我觉得有贡献的是对于过拟合的控制，可以说机器学习在研究两个问题。第一个问题是怎么样从大量数据利用学习出规律。
第二，怎么样避免不要学得太多，不要过拟合。大家都担心过拟合，这是怎么去控制过拟合，我所观察到的量化投资里面大家研究不太多，不是关注的核心点，关注经济学逻辑怎么翻译成程序语言。机器学习领域这是非常重要的方面，有很多人专门研究学习能力的控制特别手术室，怎么研究这个模型的容量的控制，怎么样避免过拟合，有各种各样的复杂方法。我们之前做过一个FOF组合案例，大家会想到用多因子构建线性模型，避免过拟合用经济逻辑，过滤因子。我们可以做一个复杂的模型，我们尝试了很多控制过拟合的方法，有一个基于线性和二次函数结合的惩罚函数控制模型复杂度，保证我的模型不会过拟合。有很多研究，包括利用多个数的方法或者是学习的方法机器学习在里面有很多的方法，这些方法对量化投资的分析师或者是研究院有很多帮助，建议大家关注一下这方面。我们的平台上提供了很多这方面的支持。
第三，智能投顾会昌网景，改善投资生态，大家都知道，我们是希望利用机器智能降低顾问服务成本，让更多人享受到专业服务的价值或者是福利，是普惠金融的理念。怎么样让机器实现这一点，第一点让机器懂理论，这是在大数据理论非常经典的理论，用户画像，怎么样让用户的交易数据、持仓数据、看过哪些新闻，什么时间点下单等等行为，了解用户，他的结论，他参考什么样的素材推理，有了这样的基础我们可以很好服务他，个性化把符合他关注的资讯第一时间推送给他，我们知道他的投资过程有哪些不足，我们要行业预测、各股选择、风控，大众喜欢炒股一方面做得好，很多方面做不好，我们能不能识别出这些，让机器服务弥补这一点，和我们的专业服务对接。这是我们正在研究的，我们这方面有些成功的产品跟一些券商合作，用券商数据分析用户投资的偏好、弱点，用智能化服务帮助他，这背后需要一些机器学习的技术。
洪榕：你做了这么长时间广告，我们要的是股票，你有做了智能投顾，从人工智能转过来做的，你讲一下A股市场目前究竟看好哪家公司人工智能你认为有前途？
蒋龙：给了一个很大的难题，我个人关注股市时间不多，市场上我记不住几个股票，我听说大家在说科大讯飞、海康威视、中科曙光。科大讯飞连续10多年在语音识别领域是第一，我觉得他是有这个潜力的，它跟第二名差距不是那么大。
洪榕：所谓的第一名是不是因为别人没发底？
蒋龙：不是，每个领域有通用的算法也有语音识别要注意的细节，科大讯飞用的模型跟其他人没有差别，但是他有十多年的经验，他有很多小的优势让他维持第一名的优势。在人工智能的基础服务上第一名和第二名差了0.5个点也是决定性的，持续领先第一名也是能力。
图像识别方面我不知道海康威视做得怎么样，其他几家都各自在不同的比赛里面拿到了第一名，现在也是得到了很多行业关注。我相信在图像识别领域未来是非常基础的服务，很多场景大家都会用，这个市场非常大。这里面肯定有一家技术的垄断型企业，不知道海康威视的水平和其他的区别怎么样。我们没有分析过。我们觉得在语音识别、图像识别、自然语言理解各自出现一家提供基础服务的公司，这个公司肯定是千亿美元以上的公司。
洪榕：蒋龙讲的时候我看李教授一直在旁边点头，同样的问题一路问过来，就谈我刚才的那个问题。下面李教授回答各位一定认真听。
刘子洋：我们因为对单独公司的研究没有那么深入，我就说一下我们的组合当中确实海康跟科大都在里面出现。
王红欣：人工智能工具有不同的应用场景，像海康威视安防领域可以抓罪犯、监控城市情况，是很好的应用场景。其实在金融领域也有应用场景，开始讲怎么预测，怎么赚钱，我觉得靠人工智能赚钱是有难度的，但靠人工智能提高管理的效率，无论是风控还是办公环境自动化，数据整理，产品的推广等等，这里面空间还是很大的。比方说智能投顾不一定能赚钱，像大的资产管理公司，大的银行人工投顾也不赚钱，他们管理成本比较高，通过智能投固减少环节，做的更透明，更科学，更高效。这是可以的。所以从这个角度来讲人工智能、机器学习需要一个大平台，小平台没法展现。大的平台是蚂蚁金服、平安等等，这些大的机构我觉得是值得推荐的，中国平安(601318,股吧)我是很看好的，蚂蚁金服，包括百度等等的扔蛇门，我觉得这些大平台之下他们的大数据大量的用户有很多的产品，所以这里我觉得人工智能、机器学习是最能发挥作用的，提高管理效率对公司的竞争力也是一个护城河。
洪榕：观点非常好，靠这个赚钱可能性很好，过去有一堆的散户不赚钱，现在讲个新故事，用人工智能的方式，省成本，反正也没什么效果。是这个意思吗？我们散户真可怜，直接买基金算了，否则麻烦大了。刚才大家提到几个股票，确实昨天成交量的大股票，大股票都是好股票。
凃志勇：我对人工智能的股票研究的比较少。
洪榕：其他板块也可以。
凃志勇：我的观点是人工智能从长期来看的话是获得平均利润，要获得超额利润要看个人，投资基于平凡的理论，我没有买人工智能公司的股票，我买的是茅台(600519,股吧)。我的思维是这样的，我是知行合一的，我认为是什么样，我的投资组合是这样的刘海柱。
洪榕：研究人工智能最后买了茅台。
凃志勇：人工智能我做了很长时间的研究，它可能只能导致平均利润，要超额利润要理解人工智能能做什么，不能做什么，不能做的都是就是你的利润。人工智能能不能给茅台估值，那么多模型。
洪榕：茅台已经是艺术了。
凃志勇：我非常赞同，你把茅台看成该拍出来的达芬奇的《创世纪》，它是艺术品，我们不能用人工估值。它的思维要走到另外一个极端的思维，投资要思考人工智能能做什么，不能做什么。我同意人工智能对这个行业的冲击是非常大的，所以我们要调整，作为从业者怎么调整，我们作为个人怎么走，你需要知道，人工智能能做什么，它不能做什么。我就专门做它不能做的，也许是我的一条路。我自己觉得，简单的逻辑为什么人工智能它能够走向平均利润而不是超额利润，有两条理由。
第一，它人工智能，人工智能首先是人工的，比如说人脸识别，人脸识别首先是人能够识别这个脸，机器才能识别这个脸，如果人都不能识别这个脸，机器也不可能识别这个脸。
洪榕：哪天人家不愿意认我们的脸我们就完蛋了。
凃志勇：人工智能是做重复的活，金融行业就是这样，茅台未来的走势和估值人也不知道，这是它的一个短板。第二，我自己做博弈论理论出身的，从博弈的角度来说人工智能的应用事实上它有一个很大的问题在于它可以无成本复制，但是投资的老司机很难复制，如果你是老司机你说我收徒弟，也玩不会，因为他的个性、人生经历是很相关的。所以个人投资是很难复制的。
洪榕：就是核武器，不让它用。
凃志勇：为什么文艺复兴做小规模，不能做大规模，做大规模没钱赚，这个小规模意味着大规模还是个人主观投资占大头，这是一个逻辑问题，如果不解决逻辑问题很难想象它把市场完全占领，我做了很长时间的量化研究，我自己转向了艺术投资、比特币投资，没有历史数据，估值困难的，怎么判断它的未来，需要把脑洞打开，这是人工智能的另外一个极端。作为个人投资者是不是也向这个方面发展才能应对AI对这个行业的冲击呢？这是我自己的一点思考洪锡天。
洪榕：这就是创新，傻子不够用的时候就创新，因为搞不懂比特币是怎么回事。我们感觉到我们4位谈了什么呢？谈了三个股票，不太公平，我刚开始讲了四个股票。还有一个京东方谁谈谈。
洪榕：这个逻辑跳得太远了，没一个人能谈。但是一般原则是这样的，可能大家没谈的那个是未来走得最好的那个，大家都懒得谈它，证明没到时间。时间差不多。我们给各位一句话讲一讲，还想讲什么讲一句话。
蒋龙：以我入投资这个行业三年的感悟说，投资首先你要有信仰，不管是未来有AI，AI能不能战胜我们都无所谓，关键是你信仰，你认为这是值得你去做或者是你热爱的事情就够了，有AI我们想办法跟他共存，现在我们是80%和20%，它做90%我们做10%，如果你真的热爱你做10%也是很快乐的。
刘子洋：人工智能它就是一个工具，但是工具不能够改变投资收益的根本的来源是你个人的勤奋跟努力。
广生行：中国有很多出名的人，但是有一个问题是一哄而上，就捧杀了，良莠不齐，量化是很好的工具和思维方式，可以帮我们赚钱，我们要不断学习，量化不是说每天都能赚钱，最终也做不到。尤其是在股票领域有不确定性，我不相信有一个模型一直工作，人工智能是一个新的领域，我们抱着好奇心可以学习，最后没有这么神气，让你一直能赚钱的。
凃志勇：人工智能对投资领域产生了很大冲击，我建议投资要关注另类投资甚至关注另类投资中的另类投资，这个也许是超额收益的来源。
洪榕：给大家掌声，也给各位自己掌声，能够坚持到这么晚，我们是没办法，必须坚持。对你们的做法我很感动。人类走到今天我是感觉到很幸运的，能够走到现在，我们还有机会去研究所谓的人工智能，我讲了一句话，人家不愿识乌鸦的脸我们就完蛋了。从凃总讲的对新生事物，我们要相信一点，未来也许我们过多少年之后谈的不是人工智能对我们人类的威胁，因为我们在进步，可能还会有新的东西出现，所以我总感觉和生物学结合以后我们会发现如果哪一天某个人工智能有一种办法在孩子的儿童时期就能发现这个人就是将来的巴非特，他具备天才的投资能力，这个人他可能具备很大的能力，但是一定是在那个时间段不能做这个事情，它都能预判好，这个也有可能会发生，我们借助于科技的力量能够解决人类所有想解决的问题，把我们大家都变成了人类的负担和问题。这是必然会发生的。
实盘指导：13026585591