从数据挖掘到大数据 人工智能量化策略的优势

大数据、人工智能（AI）在金融领域的应用，正在引发越来越多的讨论。

5月20日，在上海外国语大学主办、上海外国语大学国际金融贸易学院承办的首届“金融大数据和量化研究国际研讨会”上，同花顺金融大数据量化投资部主管杨明表示，相比阿尔法狗等的出色表现，人工智能在金融领域还没有看到很惊人的点。不过，Rebellion Research在2007年推出了第一个纯人工智能（AI）投资基金……可以展开联想，未来AI技术是否将替代基金经理的工作，可以拭目以待。

　　“未来非常可能出现这样的情况，有一天如果想买有关黄金的股票，就可以发语音对话这个大数据平台，它就可以快速告诉你可以有哪些标的可以选择。”太平洋资产管理有限责任公司量化投资部副总经理吴迪这样说。

　　此外，复旦大学计算机科学技术学院教授熊赟还提到，挖掘大数据等模型甚至可以用来抓“老鼠仓”。

　　从数据挖掘到大数据

　　大数据被视为人工智能发展的基础要素，其在金融领域的应用早已展开。

　　吴迪称，从这两年的体会来讲，大数据对量化投资的冲击非常大，特别是很多传统的投资理念，过去是Dig Data（数据挖掘），如今是Big Data（大数据）。未来量化投资可以给投研带来很多更高层面的精确性，“原先量化投资更多体现在广度上，可以同时追踪2000只股票，但其实这2000只股票都不是挖得很深，但利用大数据，投资的深度得到了很大的拓展。”

　　“大数据的特点，就是非结构化数据很多。”吴迪介绍，现在的大数据库除了最基本的股票、期货、国际市场、上市公司基本面等市面上已有的数据外，在非结构化数据方面，还可以用爬虫抓取股票、期货、期权预期的数据，即投资者情绪，目前这方面数据相对较小。

　　目前，大数据平台可以为分析师提供一些基本面的观点，比如某一股票突然股价大爆发，可以鉴别是消费者行为还是季节因素或促销行为导致，进一步来精确个股的持续分析。

　　吴迪称，如果某只股票在行业内的净利润高或者有某些方面优势，而经分析师确认它的数据分析基础又很可靠，那就可以加大权重，“如果在未来不能创造绝对收益，而又用大数据分析出在未来一段时间可以创造出相对收益，那么我们就利用股指对冲去赚取相对收益。”

　　“信息化和大数据并非一回事，我并不认同大数据就是信息化的2.0。”复旦大学计算机科学技术学院教授熊赟现场分享了有关“特征群组分析”的模型示范，挖掘大数据等模型甚至可以用来抓“老鼠仓”。通过交易所提供的数据，来自公安部分等其他部门的数据，包括买了什么股票，什么时间，什么价位等特征全部加进来，使得数据更准确。

　　熊赟补充，如果（案件）有举报人，监管层虽然可以直接进行账户穿透，但这其中也涉及到大数据问题，数据非常大的情况下依然需要模型。而“特征群组分析”所要做的则是在危害还没发生之前，就可以进行锁定监控，将犯罪终结在开始的瞬间，也就是说在其卖出行为发生之前，就已被监管发现并监控。

　　不过，熊赟承认，在这过程中，确实发现有失效的可能，“特征群组”会发现、躲避、对抗，所以越来越多的数据会加进来，力求更为准确。除此之外，大数据模型还可以确定对哪些用户最容易“被割韭菜”等。

　　人工智能量化策略的优势

　　“相比阿尔法狗等出色表现，人工智能在金融领域还没有看到很惊人的点。”同花顺金融大数据量化投资部主管杨明指出，可以看到Kensho、Weathfront等对智能投顾的运用，部分分析师和投资顾问的工作已经可以被替代，此外Rebellion Research在2007年退出了了第一个纯人工智能（AI）投资基金……由此可以展开联想，未来AI技术是否将替代基金经理的工作可以拭目以待。

　　尽管如此，业内一直存在较大争议，其中最重要的一点在于：人工智能是否能取代“人的因素”。

　　截至2017年4月底，中国证券投资基金业协会已登记私募基金管理人18890家。已备案私募基金52493只，认缴规模12.28万亿元，实缴规模8.95万亿元，私募基金从业人员22.56万人。

　　杨明指出，人工智能量化策略具有如下四大优势：具有自我完善的功能，可以不断优化策略，使之实现好的投资回报；有能力快速处理海量的数据和信息，可以不间断的获取变化的宏观数据，以及可能影响单个公司运营的因素；能够根据整个市场的交易环境指标以及外部的舆论导向因素来确定买卖点；可以适应各类投资环境，主动得迎接改变，并做出恰当的反应。