人工智能技術(shù)本身的突破正推進(jìn)著各個細(xì)分賽道的應(yīng)用場景不斷落地。二級市場的信息公開性、超越人腦的復(fù)雜網(wǎng)絡(luò)組合與人工智能深度學(xué)習(xí)的技術(shù)屬性天然吻合，量化投資的創(chuàng)業(yè)項目紛紛創(chuàng)立。

 

　　量化投資借助計算機(jī)系統(tǒng)強(qiáng)大的信息處理能力，對搜集到的大量數(shù)據(jù)進(jìn)行分析來建立數(shù)學(xué)模型，根據(jù)模型的運行結(jié)果進(jìn)行投資決策。在效率、準(zhǔn)確性和穩(wěn)定性上，對傳統(tǒng)投資進(jìn)行了重塑升級。

 

　　人工智能的發(fā)展從賦予邏輯即可推理的“推理時代”、到學(xué)習(xí)專家系統(tǒng)的“知識工程”時代，經(jīng)過數(shù)據(jù)挖掘和大數(shù)據(jù)時代的沉淀和積累，如今已經(jīng)進(jìn)入了神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的時代，基于人工智能深度學(xué)習(xí)技術(shù)的量化投資，技術(shù)條件本身已經(jīng)成熟。

 

　　量化投資版的AlphaGo，取代基金經(jīng)理

 

　　Delta Grad創(chuàng)始人龐然指出，人工智能在算法輸出策略方面已經(jīng)達(dá)到了“智慧”臨界點，具備了“涌現(xiàn)”能力——“簡單的個體數(shù)量急劇增加，達(dá)到一定程度時就會有群體智慧的”涌現(xiàn)“，是量變達(dá)到質(zhì)變時才能出現(xiàn)的一種能力。”

 

　　人工智能更為準(zhǔn)確的描述應(yīng)該是“人工智慧”：“智”是可量化、可描述的知識和邏輯，“慧”是抽象的直覺和感知，是要經(jīng)過長期大量訓(xùn)練之后涌現(xiàn)出來的一種能力。如今神經(jīng)網(wǎng)絡(luò)算法已經(jīng)能夠達(dá)到“慧”的層面。

 

　　典型案例就是2017年1月，AlphaGo以“Master”為注冊名對戰(zhàn)數(shù)十位人類頂尖圍棋高手，取得60勝0負(fù)的戰(zhàn)績。經(jīng)過短短3天的自我訓(xùn)練后，以100:0打敗了此前戰(zhàn)勝李世石的舊版AlphaGo。經(jīng)過40天的自我訓(xùn)練，AlphaGo Zero又打敗了AlphaGo Master版本。這意味著對海量優(yōu)質(zhì)數(shù)據(jù)進(jìn)行深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法能夠突破人類的時間、精力瓶頸，獲得從量變到質(zhì)變的“涌現(xiàn)”能力，進(jìn)入“慧”的狀態(tài)。

 

　　而在二級股票市場，同樣需要一款這樣的量化投資工具。量化投資借力人工智能技術(shù)，運用現(xiàn)代統(tǒng)計學(xué)和數(shù)學(xué)的方法，從大量的歷史數(shù)據(jù)中尋找并搭建獲得超額收益的投資策略，正在受到資本市場和投資者的越來越多的關(guān)注。

 

　　并且，二級市場的量化投資可以實現(xiàn)“預(yù)知”，而非簡單替代部分機(jī)械性的操作。龐然向億歐介紹，從更長的時間維度來看，基金經(jīng)理的每一個投資策略都只是局部最優(yōu)解，并不能窮盡所有的情況，之所以受到追捧，是因為符合人的邏輯，也就是“慧”的層面。當(dāng)人工智能發(fā)展到“慧”的階段時，機(jī)器人能夠通過自博弈訓(xùn)練產(chǎn)生數(shù)百萬的交易數(shù)據(jù)，對數(shù)據(jù)的深度學(xué)習(xí)又產(chǎn)生可以有效的策略。通過這種對抗學(xué)習(xí)，機(jī)器完全能夠突破人類基金經(jīng)理的工作時長、身體精力、工作穩(wěn)定性的限制，取代基金經(jīng)理。

 

　　量化投資的外部市場環(huán)境也已經(jīng)成熟。在國外量化投資已有30多年的發(fā)展歷史，數(shù)據(jù)顯示2016年，量化科技在國外的理財產(chǎn)品管理規(guī)模達(dá)到了3.2萬億美元，而通過計算機(jī)和數(shù)字模型進(jìn)行下單和下達(dá)指令的比例達(dá)到了56%。在我國，量化投資的發(fā)展還處于初級的階段，向債券、股票、期貨、外匯等領(lǐng)域延伸，將創(chuàng)造巨大市場空間。

 

　　目前量化投資的應(yīng)用場景主要在投資交易、資產(chǎn)管理、智能投顧三大領(lǐng)域，操作流程包括數(shù)據(jù)輸入、模型開發(fā)、回測輸出三個步驟。在整個運行過程中數(shù)據(jù)和模型是關(guān)鍵。由于量化投資策略的影響因子較多，搭建過程繁雜，從早期籌備到策略搭建再到回測輸出需要很長的時間，投資效率有待提高。

 

　　龐然2017年8月創(chuàng)立DeltaGrad公司，希望將AlphaGo技術(shù)復(fù)制到A股做量化投資，已經(jīng)利用其自主研發(fā)的機(jī)器人“智富狗”用自有資金在A股市場上進(jìn)行投資。

 

　　“DeltaGrad目前上線的5個機(jī)器人，通過學(xué)習(xí)股票歷史數(shù)據(jù)已經(jīng)產(chǎn)生了超過700萬的投資策略。在業(yè)務(wù)操作上，經(jīng)過2018年1月-5月的實盤驗證，機(jī)器人‘智富狗’的業(yè)績已打敗82%的人類基金經(jīng)理。”

 

　　未來要讓機(jī)器自主交易

 

　　現(xiàn)階段，針對股票市場的量化投資平臺在商業(yè)化上主要有兩個方向：其一是為C端量化愛好者提供服務(wù)，未來通過增值服務(wù)盈利，同時期待平臺產(chǎn)生好的策略，通過幫助這些策略開發(fā)者融資，從而獲得盈利的分成；其二是為券商、基金等B端機(jī)構(gòu)提供服務(wù)，收取系統(tǒng)本地布署和定制化服務(wù)的費用。

 

　　相對于這兩種盈利模式，龐然更看好自營業(yè)務(wù)，在未來，DeltaGrad會成立自營的基金公司。他認(rèn)為市場上提供投研工具的公司，仍然是以人投資的邏輯為基礎(chǔ)來構(gòu)建工具。

 

　　對于DeltaGrad未來的發(fā)展方向，龐然的想法很大膽。他提出了“兩步走”的發(fā)展策略：

 

　　第一步是用自有資金進(jìn)行實盤交易來驗證模型的有效性。而后，成立基金自營。這一階段的商業(yè)模式主要是資金管理費和交易分成。在具體的業(yè)務(wù)層面，計劃年底上線10個股票機(jī)器人，并全部進(jìn)行實盤操作。

 

　　第二步是讓機(jī)器進(jìn)行自主交易，通過機(jī)器的自博弈訓(xùn)練產(chǎn)生更高質(zhì)量的交易數(shù)據(jù)進(jìn)而建立有效的模型獲取更有效的策略。這一階段的商業(yè)模式除了資金管理費和交易分成外，還可能會面向部分B端機(jī)構(gòu)提供風(fēng)險管理服務(wù)。