资产管理和投资公司的人工智能应用：以公司战略为视角

编者按：

本书可以指导读者如何做好投资管理公司或公司某一业务部门的人工智能转型, 使公司成为现代化、高效能和人工智能化的企业, 实现传统公司到现代化公司的转变。
本书是一本从公司战略视角下研究人工智能应用于投资管理的书, 本书可以作为众多读者实现以人工智能为中心的公司转型的规划参考。本书的目的是帮助读者通过掌握人工智能技术, 来形成公司的竞争优势。
本书适用于从事金融相关工作的所有人士,不管是管理人还是投资经理, 市场部经理还是IT 部经理, 管理人员还是执行人员。

前 言

亲爱的读者,你在寻找一本金融行业人工智能相关主题的书吗?你可能会找到很多书,但其中大多数书都是由非定量分析专家撰写或为非定量分析专家撰写的,这些书包含大量复杂的数学方程、数学论证和数学定理,专业性很强。阅读过程中,像是在看一篇篇的学术论文。这些书的主题不是为公众答疑解惑,而是为拔高学习人工智能的门槛,似乎在表明:学习人工智能需要以了解数学和数据科学为前提。这种将人工智能过于深奥化、封闭化、专业化的做法,会产生一些问题。

如果没有在投资行业数十年的耕耘,与金融专业人士交谈时,会被告知如果你精通数据分析,肯定不适合金融行业,随后被贴上“太天真”“太年轻”或“缺乏经验”等标签;如果你是深度学习和强化学习方面的专家,这些专业人士则会说这对进入金融行业没有帮助。因为他们认为,深度学习和强化学习在金融行业并没有得到广泛的应用,实际原因是,他们自己没有使用过这些模型,也没有看到这类模型在金融实践中被广泛应用。这种来自金融行业对机器学习专业人士的评判,可以说既有对现实的观察,也有对未知的恐惧。

当然,不要误解我的意思。很多作者是善意、直率的。他们指出了人工智能领域理论与现实的差距,并在此基础上探讨了如何缩小这种差距,我们要正视这种差距的存在。例如,DePrado(2018,《金融机器学习的优势》,Wiley)所提出的方案就节约了数十亿美元的成本,并避免了许多损失。需要批评的是那些只提出问题但不提供解决方案的人。

金融机器学习有自己的特殊性,信噪比较低。金融行业是一个动态、不断变化的行业。金融行业时刻受到监管的关注,从业者需要处理大量的非结构化数据。对此,可以通过识别主体关系来发现解释变化的理论。不过,不少发现会出现过度拟合的问题。金融环境是不断变化的,在金融环境下的交互会暴露你的战略,因此你的战略也需要时刻处于革新的状态。

接下来讨论一下非定量分析人士对金融人工智能所持的观点。一些人将人工智能过于简单化,对人工智能进行炒作,用一些模糊的未来概念来开展人工智能相关的对话,喋喋不休地说着深度学习、α围棋和IBM的人工智能框架。但一经定量分析专家的指正,他们往往会受到打击。有一句话说得好,“科学理论应该尽可能简单,但不能过于简单”(阿尔伯特·爱因斯坦)。炒作人工智能概念的人可能有传统数字时代的顾问,他们试图通过企业资源计划(ERP)和客户关系管理(CRM)来推动机器学习的发展,但没有获得成功。

本书虽然不开展专业的定量分析,但绝对不是在单纯地炒作人工智能技术。本书既适用于定量分析出身的投资管理人员,也适用于为资产管理提供制度和政策支持的领导。本书的写作目的是将定量分析方法与非定量分析方法结合,基于科学的方法介绍如何围绕人工智能技术来实现公司转型。

说一句玩笑话,如果资产管理只是做量化策略,那就不需要销售团队了。如果人工智能只属于量化策略,人工智能技术根本不必与推广、营销、人力这些职能结合。事实上,资产管理公司不仅仅有投资部门,而人工智能除了定量分析,还有许多其他内涵。

不过,如果一家企业的核心业务有问题,那么即使支持部门再尽善尽美,公司经营也不会好。投资职能是资产管理公司的核心,我们希望金融机器学习可以帮助这项职能得到优化。传统的统计解决方案对于解决本质问题、数据集、非结构化数据和稀疏高维数据,以及应对环境变化,并不有效。也就是说,自上而下、从理论到实践的方式不太适合当前的状况,我们需要探索新的研究方式。

读者可以放心,学习本书的内容,不需要具备数学、计算机科学和数据科学的知识基础。当然,如果有上述基础,可以更好地理解投资公司在转型时的战略和业务规划。如果读者先前的研究领域为商业、数学分析、金融或其他领域,本书会为你提供丰富的人工智能内容讲解。当前,不论什么专业背景的人,投资转型都需要常态化学习的内容。那么,人工智能技术可以说是来自技术、投资和商业等不同行业人群在研究投资转型时的汇合点。

本书是一本从公司战略视角下研究人工智能应用于投资管理的书,本书可以作为众多读者实现以人工智能为中心的公司转型的规划参考。本书的目的是帮助读者通过掌握人工智能技术,来形成公司的竞争优势。

在规划上,要摒弃机器学习只属于量化部门的观点。原因是:第一,这种观点假设机器学习只适用于交易投资操作,没有意识到机器学习是一项通用技术,可以应用于资管公司的所有智能部门,比如市场推广部门、人力部门、销售部门、合规部门和企业社会责任(CSR)部门;第二,这种做法武断地认为只有具备数学、计算机科学、人工智能专业基础的人才会对人工智能技术感兴趣,虽然这种论断有一定的历史依据(机器学习曾被认为专属于公司的量化部门),但是在当今,这种排他性已不复存在;第三,这种封闭式、固执的坚持是危险的,因为这种观点是假定一家公司的商业模式是静态的,但事实上,很多初创公司和科技公司正在进军传统金融行业,并已经开始利用人工智能技术来构建自己的商业模式,面对这种竞争威胁,金融行业需要在战略层面积极应对,摆脱人工智能局限于一隅的观点;第四,建立现代化的公司,需要将人工智能纳入公司战略之中并达到一定规模,为达到该目的,必须从公司整体层面出发,不能仅从量化部门的视角出发。

人工智能的炒作也会带来问题。短期的人工智能炒作可能会帮助公司得到一些订单,但项目一次次地失败或未实现预期价值会招致客户的不满。将机器人流程自动化(RPA)作为人工智能的卖点,或者将人工智能作为一个个孤立的方案,对合作双方都不利。

当前,资产和投资管理业正经历着巨大的变革,这不单单是正常业务过程中的一般转型,还是一场变革。这场变革既有机遇,也有挑战。这场变革释放了巨大的能量,公司需要使用新的方法来迎接挑战。

综上所述,不能单纯地将人工智能理解为是一项技术,或者是一个噱头。相反,人工智能具有变革性。这场变革会影响到每一个人,而不是劳动力中的某一部分。第一,公司的管理层需要了解这场变革,管理层作为公司的掌舵人,需要扩大知识面;第二,市场推广部门、销售部门、合规部门、人力部门、采购部门等支持部门的主管需要在本部门范畴提出以人工智能为中心的转型方案。相较于支持部门,投资部门更应从战略角度出发,思考人工智能转型之下的业务流程、激励制度、组织结构和理论基础。人工智能的出现及其对资产管理的潜在重要影响,让我们不得不重新去思考或反思现有的商业模式。

因此,可以说,本书适用于从事金融相关工作的所有人士,不管是管理人还是投资经理,市场部经理还是IT部经理,管理人员还是执行人员。当然,投资者也可以受益于本书。本书可以指导读者如何做好投资管理公司或公司某一业务部门的人工智能转型,使公司成为现代化、高效能和人工智能化的企业,实现传统公司到现代化公司的转变。

作为作者,我写作本书的目的是让读者在人工智能时代能有战略性的思考,当然也会在微观层面去介绍各种模型、算法和研究方法,但并不是去帮助读者成为数据科学领域或者Python方面的专家。我们不能围绕业务去认识、了解人工智能,因为人工智能不是去实现业务的自动化,而是对业务本身的一种重塑。也就是说,人工智能会改变业务。人工智能也会深受业务需求的影响,有时甚至会相互转变:人工智能变成了业务,业务变成了人工智能。转型策略需要围绕人工智能展开,以人工智能为中心的变革将会释放巨大的能量。

再强调一下,人工智能不仅仅是一项技术。与IT技术不同,人工智能不仅仅是IT部门的事情,它体现的是一种新的公司经营方式。我们应该抛开狭隘的眼光。好比拍一张自然风光照,专注于细节可能很难发现整体的美,除非你是地质学家。放眼于全局,你会发现,这里有山、有树、有湖、有云,还有天空,映入眼帘的是一片亮丽的风光。人工智能也是一样,如果过于狭隘地去理解它,反而达不到效果,因为仅强调技术应用就无法帮助公司形成整体层面的竞争优势。

人工智能对资产管理公司的业务结构、配置和模型有明显的影响。有的时候,我们无法确定什么才是真正的资产管理公司。目前,不少资产管理公司正在进行结构化调整,从被动接受到主动应对,从零售客户到机构客户,从人工咨询到机器咨询,不少公司的商业模式和组织结构都在调整。资管和投资行业似乎在进行着自发式的演进。未来,人工智能将触及并改变投资管理行业的方方面面,而且这个过程现在已经开始了。那么,欢迎叩启投资管理新时代的大门。