博时基金王德英：FOF跟智能投顾本质一致 追求目标相同

　　2月2日,由金融界网站主办的第二届智能金融国际论坛暨金融界“领航中国”年度盛典盛大召开。今年的论坛以“金融安全与创新”为主题,就现阶段行业发展的热点问题深入探讨,探寻金融行业的未来发展之路!博时基金副总经理王德英先生进行了《大数据与人工智能技术在投资管理中的应用》的主题演讲。

　　传统投资与量化投资宛如艺术与科学相结合

　　王德英表示,基金公司有两条业务线,一条是管理线,另一条是投研线,与传统制造行业类比,这是基金公司的生产线,只不过生产的是虚拟产品。基金公司投研的流水线总体看分投资前、投资中、投资后,投资前定位于研究分析、投资中定位于投资决策与执行、投资后定位于核算与归因分析,另外风险管理贯穿投资的前中后,这是传统的投资流程。

　　最近几年量化投资在中国发展比较快。如果说投资是科学与艺术的结合的话,传统投资方式更偏向于艺术一点,而量化投资则科学成分更重一点。传统投资方式注重深入研究,少而精。量化投资的好处就是覆盖面广,通过发掘市场的大概率特征来换取总体的一个结果,另外还可以克服人性的弱点。

　　在量化投资中常用的几类策略,第一个就是阿尔法策略,挖掘超越市场整体表现的投资机会。这里面最常用的投资策略是多因子策略;第二类常用的策略是CTA策略,CTA通常与股票市场的相关性较低;第三大类策略就是各种套利策略。

　　关于大数据和人工智能在投资中的具体应用,王德英表示,“说到投资管理,不管是基金经理的主动投资,还是量化投资,基本的流程第一是获取信息,第二是应用自己的策略和模型,用策略和模型去进行判断,即进行投资决策,之后第三步是交易执行。如果这样来看的话,人工智能与大数据的应用领域其实也是在三大步当中,第一是用于信息的获取,第二是用于投资策略与模型的优化,第三是用于交易策略的优化。”

　　大数据与人工智能应用优势显著

　　大数据跟传统数据相比优势非常明显,主要是四个方面:一个是数据量更大,这个是显然的;第二个是维度更全。比如原来看财务报告,主要是财务方面的数据,大数据还有客户供求方面的数据;第三是大数据的时间颗粒度更细;第四是大数据的数据指标先行性更强。王德英表示,大家目前所看到的市场上所有大数据基本上是两类,一类是基本面方面的,一类是市场情绪方面的。

　　王德英称,利用计算机视觉等人工智能技术获取基础数据,国外进行了很多的研究。比如根据卫星图像对一个地区停车场进行识别,得到该地区停车场停车的数据,计算出汽车的数量,并通过汽车数量的变化,转化为财务的变化,最后可以预测这个地区汽车消费财务状况变化的趋势。还有另外一个公司是利用卫星图像获取石油储油罐的照片,因为油盖子是浮动的,它根据储油罐顶部太阳阴影的变化来预测石油存量的变化,从而预测价格的变化。 另外还有一些公司,对小麦、玉米等农产品,根据它的卫星图像预测大宗农产品未来的产量变化和价格变化。这些都是根据计算机的图像识别技术来获取行业基本面数据的例子。

　　说到股市表现的决定因素,主要有三方面,一个是实体经济,第二个是市场预期,第三个是资金面。具体到个股,一个是上市公司的基本面怎么样,第二是大家对这个股票未来的预期或者信心怎么样。这里面就涉及到一个市场预期的影响,可以引入行为金融学理论,利用市场投资者行为的偏差来挖掘一些投资机会。中国证券市场个人投资者比较多,个人投资者有一些常见的非理性行为,比如说一些过度反应、羊群效应等等,可以利用这个挖掘一些市场机会。比如常用的就是反向投资,在量化投资中常用的反转因子,其实就是这种反向投资策略。在进行反向投资的时候,可以利用一些市场交易数据指标,另外就是从互联网、论坛、社交媒体、新闻等挖掘对某支股票或者某个行业市场情绪的指标,这里面会用到自然语言理解等人工智能技术。

　　这里主要分为三步,第一大步骤是在信息获取方面大数据或者人工智能能起到的作用。 第二大步骤,就是投资策略或者模型的应用,在这个阶段应该说机器学习能够起到一定作用。比如说在挖掘或者优化阿尔法因子方面,能够发掘一些新的有效的因子。另外即使是传统的因子,我们也能通过机器学习,对因子的使用,因子的搭配进行优化,提升模型的有效性。这方面主要是采用有监督的机器学习方法,结合一些无监督的学习方法。第三个就是交易策略方面,在形成投资决策之后要进行交易,要下单。现在有很多交易是用机器代替人,这个就是我们常说的算法交易。算法交易能够将交易委托拆得更细,减少对市场的冲击,获取更好的交易价格。国外有一个研究,采用增强学习算法,加入bid-ask spread等不同特征,可以降低交易成本12.85%。这是人工智能在股票投资的交易执行方面的应用。

　　还有一些策略本身就是通过偏高频的交易策略来赚钱的,如一些趋势交易策略,也可以用机器学习来优化交易模型。如有些机构在利用遗传规划方法优化CTA交易策略。

　　机器学习究竟对投资的帮助有多大?适合于哪些场景呢?王德英表示,在选股方面,机器学习目前起的作用是有限的。因为机器学习需要依赖大量的样本数据来进行学习,但是对选股来说,中国的股市目前也就是5000个交易日,这个不是大数据,是小数据,样本量太少了。另外就是低信噪比,股价的数据指标预测性不够强;还有就是市场信息的不对称也使得机器学习受限。

　　FOF与智能投顾本质一致

　　最后再谈到智能投顾时,王德英认为智能投顾的“智能”是个泛智能的概念,与现在比较热的AI人工智能不是一回事。狭义的AI,包括计算机视觉(比如人脸识别),语音识别,自然语言理解与交流,认知与推理,机器人学,机器学习等内容,智能投顾跟这些基本上没关系。但是智能投顾的作用还是非常明显的,最大的一个目的就是通过资产配置和组合优化提高投资的收益风险比,降低投资的波动性,提高收益的稳定性。

　　跟这个类似的,就是FOF,其实FOF跟智能投顾本质上是一致的,追求的目的是一样的。它们都属于资产组合或基金组合,在销售端发起的叫智能投顾,在基金管理端发起的叫FOF,智能投顾强调资产或基金组合的个性化,FOF提供的是资产或基金组合的标准化和产品化。

　　说到基金组合投资,还有一种形式,就是自然人发起的社交化的基金组合。国外做社交化投资比较有名的有motif,国内也有专门做社交化投资组合的互联网平台。在平台上个人可以自发做一些基金组合,别人可以做一些跟投。

　　通过智能投顾或者FOF进行基金组合投资的本质是投资风险的再分散。直接投资股票风险比较大,如果想降低风险可以买基金,基金通过组合投资买一揽子股票,把风险降低。买股票国内的股民80%是亏钱的,买基金的话即使现在在择时择基方面良好习惯还没有完全建立起来,但是赚钱的概率已经提升了,已经提升到40%多,还不到一半。但是如果利用基金组合进一步分散风险,将来投资者赚钱的概率也许能提高到80%。所以每一次风险的再分散,都会造成投资者赚钱比例的一个提升。如果说基金对股票来说,是不把鸡蛋放在一个篮子里。做基金组合,是相当于不把篮子放在一个房间里。

　　基金组合常用的资产配置模型主要有三个,第一个是马克维茨均值方差模型,第二个是Black—Litterman模型,第三个是风险平价模型。基金组合投资是非常好的一个投资方式,但在中国市场短期还面临一些挑战,很重要的一点就是中国股市的波动性比成熟市场要大得多,我们本来用基金组合是想降低风险,提高收益稳定性的,但是由于中国股市的波动性比较大,使得我们每年要想取得一个稳定的绝对收益目标是比较有难度的。第二个是资产配置模型在中国市场需要一个磨合期。第三点,中国的投资经理和投资顾问在资产配置方面的经验还有一个逐步成熟的过程。

　　另外在标的的选择上中国也跟美国市场有不同的特点,美国市场十年的时间只有不到40%的主动基金能够战胜标普500,在中国由于个人投资者比例高等特点,基金战胜市场的比例要高的多。王德英认为,中国做基金组合投资不一定完全配被动产品,可以配一些好的主动产品。另外即使要配被动产品,也可以多配一些指数增强产品,因为最近几年做指数增强的模型越来越成熟,不少基金每年都有5%以上的超额收益。这也是基于中国市场的特点,我们做智能投顾或者做FOF的一个选择。