人工智能+金融科技(AI+FinTech)

人工智能+金融科技的主流應(yīng)用投資銀行和賣方研究嘗試自動報告生成公募、私募基金在通過人工智能輔助量化交易金融智能搜索財富管理公司在探索智能投顧方向第一頁，共23頁。自動生成投研報告目前，自動報告生成主要運用自然語言處理(NLP)中的兩種技術(shù)：1）自然語言理解(NLU)：將日常話語消化理解，并轉(zhuǎn)化為機(jī)器可后續(xù)處理的結(jié)構(gòu);2）自然語言生成(NLG)：將由機(jī)器拆分好的結(jié)構(gòu)化數(shù)據(jù)以人們能看懂的自然語句表達(dá)出來。我們可以將這兩種技術(shù)理解看成對日常對話這一原料的拆分加工和整裝成可理解的自然語句——最終產(chǎn)品。第二頁，共23頁。自動生成投研報告真正生成報告還需要利用以上技術(shù)完成3個步驟：

1）處理海量異構(gòu)數(shù)據(jù)將投行分析師需要閱讀的年報，彭博新聞社的實時新聞以及數(shù)據(jù)，行業(yè)分析報告，以及法律公告等資源進(jìn)行消化。其中對于文本中的圖片和表格需要OCR(光學(xué)字符識別)等技術(shù)解析；

2）分析數(shù)據(jù)這一過程涉及運用知識圖譜中常用的知識提取與實體關(guān)聯(lián)將其關(guān)鍵邏輯主干抽出，結(jié)合事件地點等因素，將關(guān)鍵信息嵌入預(yù)先設(shè)計好的報告模板中；

3）文章生成經(jīng)過處理海量異構(gòu)數(shù)據(jù)與分析數(shù)據(jù)的過程后，即可生產(chǎn)新聞，券商分析研報，上市招股書，企業(yè)年報，定增公告，甚至基金研究員開每日晨會所需的投資建議書也都可以用類似方式生成。第三頁，共23頁。自動生成投研報告用戶只需選擇符合其需求的模板確定主題與關(guān)鍵信息，以及報告呈現(xiàn)形式，便可生成基本內(nèi)容。而且投行分析師可以進(jìn)行校對與人工二次編輯，加入有價值的觀點與結(jié)論，并提升報告精準(zhǔn)度。自動報告生成已經(jīng)被廣泛的運用到新聞行業(yè)中，代表的科技公司有美聯(lián)社投資的AutomatedInsights已為美聯(lián)社自動生成出10多億篇文章與報告。法國公司Yseop可以每秒生產(chǎn)3000頁內(nèi)容，支持英語，法語，德語等多種語言，產(chǎn)品廣泛用于銀行、電信公司的客戶服務(wù)部門以及財經(jīng)新聞網(wǎng)站。

但是一些科技公司已經(jīng)不僅僅滿足于為新聞行業(yè)提供自動報告生成的服務(wù)。NarrativeScience由西北大學(xué)的新聞系和計算機(jī)科學(xué)系的聯(lián)合創(chuàng)立，旨在通過給定主題的數(shù)據(jù)分析，自動生成文章報告。該公司的著名數(shù)據(jù)分析平臺Quill可以分析結(jié)構(gòu)化數(shù)據(jù)，將人工智能與大數(shù)據(jù)進(jìn)行技術(shù)融合，理解這些數(shù)據(jù)的重要性，從而產(chǎn)生簡短的文字表述或結(jié)構(gòu)化的報告內(nèi)容。Quill的主要面向?qū)ο鬄椤鹑诜?wù)提供商。NarrativeScience的CEOFrankel表示“我們的目標(biāo)是替代人工做絕大部分基礎(chǔ)工作，讓機(jī)器來處理數(shù)據(jù)和信息”。第四頁，共23頁。人工智能如何輔助量化交易量化交易從很早開始就運用機(jī)器進(jìn)行輔助工作，分析師通過編寫簡單函數(shù)，設(shè)計一些指標(biāo)，觀察數(shù)據(jù)分布，而這些僅僅把機(jī)器當(dāng)做一個運算器來使用。直到近些年機(jī)器學(xué)習(xí)的崛起，數(shù)據(jù)可以快速海量地進(jìn)行分析、擬合、預(yù)測，人們逐漸把人工智能與量化交易聯(lián)系得愈發(fā)緊密，甚至可以說人工智能的3個子領(lǐng)域：機(jī)器學(xué)習(xí)自然語言處理知識圖譜貫穿量化交易的始終。第五頁，共23頁。人工智能如何輔助量化交易1)機(jī)器學(xué)習(xí)：從數(shù)字推測模型第六頁，共23頁。人工智能如何輔助量化交易1)機(jī)器學(xué)習(xí)：從數(shù)字推測模型量化交易分析師們對財務(wù)、交易數(shù)據(jù)進(jìn)行建模，分析其中顯著特征，利用回歸分析等傳統(tǒng)機(jī)器學(xué)習(xí)算法預(yù)測交易策略。這種方式有兩個主要弊端，其一是數(shù)據(jù)不夠豐富，僅限于交易數(shù)據(jù)，更重要的是它受限于特征的選取與組合(FeatureEngineering)，模型的好壞取決于分析員對數(shù)據(jù)的敏感程度。此外一種做法是，模仿專家的行為，選擇某一領(lǐng)域的特定專家，復(fù)制他們的決策過程，并導(dǎo)入可重復(fù)的計算框架。

全球最大的對沖基金橋水聯(lián)合(BridgewaterAsspcoates)早在2013年就開啟一個新的人工智能團(tuán)隊，該團(tuán)隊約有六名員工，由曾經(jīng)供職IBM并開發(fā)了認(rèn)知計算系統(tǒng)Watson的DavidFerrucci領(lǐng)導(dǎo)。據(jù)彭博新聞社報道，該團(tuán)隊將設(shè)計交易算法，通過歷史數(shù)據(jù)和統(tǒng)計概率預(yù)測未來。該程序?qū)㈦S著市場變化而變化，不斷適應(yīng)新的信息，而不是遵循靜態(tài)指令。而橋水基金的創(chuàng)始人也曾公開表示，其旗下基金持有大量多倉和空倉，投資120種市場，持倉組合高達(dá)100多種，并且以人工智能的方式考慮投資組合。第七頁，共23頁。人工智能如何輔助量化交易1)機(jī)器學(xué)習(xí)：從數(shù)字推測模型RebellionResearch是一家運用機(jī)器學(xué)習(xí)進(jìn)行全球權(quán)益投資的量化資產(chǎn)管理公司，RebellionResearch在2007年推出了第一個純?nèi)斯ぶ悄?AI)投資基金。該公司的交易系統(tǒng)是基于貝葉斯機(jī)器學(xué)習(xí)，結(jié)合預(yù)測算法，響應(yīng)新的信息和歷史經(jīng)驗從而不斷演化，利用人工智能預(yù)測股票的波動及其相互關(guān)系來創(chuàng)建一個平衡的投資組合風(fēng)險和預(yù)期回報，利用機(jī)器的嚴(yán)謹(jǐn)超越人類情感的陷阱，有效地通過自學(xué)習(xí)完成全球44個國家在股票、債券、大宗商品和外匯上的交易。

倫敦的對沖基金機(jī)構(gòu)Castilium由金融領(lǐng)域大佬與計算機(jī)科學(xué)家一同創(chuàng)建，包括前德意志銀行衍生品專家、花旗集團(tuán)前董事長兼首席執(zhí)行官和麻省理工的教授。他們采訪了大量交易員和基金經(jīng)理，復(fù)制分析師、交易員和風(fēng)險經(jīng)理們的推理和決策過程，并將它們納入算法中。第八頁，共23頁。人工智能如何輔助量化交易1)機(jī)器學(xué)習(xí)：從數(shù)字推測模型在量化交易方面的人工智能初創(chuàng)公司有日本的Alpaca，旗下的交易平臺Capitalico利用基于圖像識別的深度學(xué)習(xí)技術(shù)，允許用戶很容易地從存檔里找到外匯交易圖表并幫忙做好分析，這樣一來，普通人就能知道明星交易員是如何做交易的，從他們的經(jīng)驗中學(xué)習(xí)并作出更準(zhǔn)確的交易。同時Alpaca也推出AlpacaScan作為對美國股票市場實時反映的的K線圖工具，拋棄二進(jìn)制濾波的局限旨在提供給交易員用來識別潛在市場變化趨勢的日常必需工具。

坐落在香港的Aidyia致力于用人工智能分析美股市場，依賴于多種AI的混合，包括遺傳算法(geneticevolution)，概率邏輯(probabilisticlogic)，系統(tǒng)會分析大盤行情以及宏觀經(jīng)濟(jì)數(shù)據(jù)，之后會做出自己的市場預(yù)測，并對最好的行動進(jìn)行表決。與其類似的公司還有Point72Asset，RenaissanceTechnologies，TwoSigma。第九頁，共23頁。人工智能如何輔助量化交易2)自然語言處理：把握市場動態(tài)當(dāng)量化交易分析師發(fā)現(xiàn)數(shù)字推測模型的局限性后，開始考慮引入新聞，政策，社交網(wǎng)絡(luò)中的豐富文本并運用自然語言處理技術(shù)分析，將非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化處理，并從中探尋影響市場變動的線索。

率先使用自然語言處理技術(shù)的人工智能對沖基金的是今年6月份在倫敦新設(shè)的對沖基金CommEq。CommEq的投資方法結(jié)合了定量模型與自然語言處理(NLP)，使計算機(jī)能夠如人類一樣通過推斷和邏輯演繹理解不完整和非結(jié)構(gòu)化的信息。

除此之外，也有采用自然語言處理技術(shù)的金融科技公司，如由李嘉誠與塔塔通訊投資的SentientTechnologies運用自然語言處理，深度學(xué)習(xí)(DeepLearning)等多種AI技術(shù)，進(jìn)行量化交易模型的建立。第十頁，共23頁。人工智能如何輔助量化交易2)自然語言處理：把握市場動態(tài)其中最為知名的是號稱”取代投行分析師“的投資機(jī)器人——Kensho。Kensho是一家致力于量化投資大眾化的人工智能公司，旗下有一款產(chǎn)品Warren被稱之為金融投資領(lǐng)域的“問答助手Siri”。Kensho結(jié)合自然語言搜索，圖形化用戶界面和云計算，將發(fā)生事件關(guān)聯(lián)金融市場，提供研究輔助，智能回答復(fù)雜金融投資問題，從而加速交易時間，減少成本，用動態(tài)數(shù)據(jù)與實時信息，及時反映市場動態(tài)。

這一技術(shù)也被廣泛運用于風(fēng)控與征信。通過爬取個人及企業(yè)在其主頁、社交媒體等地方的數(shù)據(jù)，一來可以判斷企業(yè)或其產(chǎn)品在社會中的影響力，比如觀測App下載量，微博中提及產(chǎn)品的次數(shù)，在知乎上對其產(chǎn)品的評價;此外將數(shù)據(jù)結(jié)構(gòu)化后，也可推測投資的風(fēng)險點。這方面國內(nèi)的很多互聯(lián)網(wǎng)貸款，征信公司都在大量使用自然語言處理技術(shù)，例如宜信，閃銀等。另外一些公司則利用這些技術(shù)進(jìn)行B端潛在客戶的搜尋，如Everstring，并將信息出售給其上游公司。第十一頁，共23頁。人工智能如何輔助量化交易3)知識圖譜：減少黑天鵝事件對預(yù)測的干擾機(jī)器學(xué)習(xí)與自然語言處理的技術(shù)經(jīng)常會在一些意外(如“黑天鵝”事件)發(fā)生的時候預(yù)測失敗，例如911、熔斷機(jī)制和賣空禁令等等。人工智能系統(tǒng)沒有遇到過這些情況，無法從歷史數(shù)據(jù)中學(xué)習(xí)到相關(guān)模式。這時候如果讓人工智能管理資產(chǎn)，就會有很大的風(fēng)險。

此外，機(jī)器學(xué)習(xí)擅長發(fā)現(xiàn)數(shù)據(jù)間的相關(guān)性而非因果性。很有名的一個例子是早在1990年，對沖基金FirstQuadrant發(fā)現(xiàn)孟加拉國生產(chǎn)的黃油，加上美國生產(chǎn)的奶酪以及孟加拉國羊的數(shù)量與標(biāo)準(zhǔn)普爾500指數(shù)自1983年開始的10年時間內(nèi)均具有99%以上的統(tǒng)計相關(guān)性，1993年之后，這種關(guān)系莫名其妙的消失了。這就是由于自學(xué)習(xí)的機(jī)器無法區(qū)分虛假的相關(guān)性所導(dǎo)致的，這時候就需要專家設(shè)置的知識庫(規(guī)則)來避免這種虛假相關(guān)性的發(fā)生。第十二頁，共23頁。人工智能如何輔助量化交易3)知識圖譜：減少黑天鵝事件對預(yù)測的干擾知識圖譜本質(zhì)上是語義網(wǎng)絡(luò)，是一種基于圖的數(shù)據(jù)結(jié)構(gòu)，根據(jù)專家設(shè)計的規(guī)則與不同種類的實體連接所組成的關(guān)系網(wǎng)絡(luò)。知識圖譜提供了從“關(guān)系”的角度去分析問題的能力。就金融領(lǐng)域來說，規(guī)則可以是專家對行業(yè)的理解，投資的邏輯，風(fēng)控的把握，關(guān)系可以是企業(yè)的上下游、合作、競爭對手、子母公司、投資、對標(biāo)等關(guān)系，可以是高管與企業(yè)間的任職等關(guān)系，也可以是行業(yè)間的邏輯關(guān)系，實體則是投資機(jī)構(gòu)、投資人、企業(yè)等等，把他們知識圖譜表示出來，從而進(jìn)行更深入的知識推理。第十三頁，共23頁。人工智能如何輔助量化交易3)知識圖譜：減少黑天鵝事件對預(yù)測的干擾目前知識圖譜在金融中的應(yīng)用大多在于風(fēng)控征信，基于大數(shù)據(jù)的風(fēng)控需要把不同來源的數(shù)據(jù)(結(jié)構(gòu)化，非結(jié)構(gòu))整合到一起，它可以檢測數(shù)據(jù)當(dāng)中的不一致性，舉例來說，借款人張三和借款人李四填寫的是同一個公司電話，但張三填寫的公司和李四填寫的公司完全不一樣，這就成了一個風(fēng)險點，需要審核人員格外的注意。

最早應(yīng)用知識圖譜在金融領(lǐng)域的Garlik就是這一代表。這家公司2005年成立于英國，核心成員來自南安普頓大學(xué)(UniversityofSouthampton，是語義網(wǎng)的核心研究機(jī)構(gòu)之一)，主要業(yè)務(wù)是在線個人信息監(jiān)控。Garlik收集網(wǎng)絡(luò)和社交媒體上的個人信息，當(dāng)發(fā)生個人信息盜竊時會及時報警。Garlik總計融資2469千萬美金后被美國的三大個人信用記錄公司之一Experian收購，其技術(shù)被用于個人信用記錄、信用盜竊的分析。Garlik的核心技術(shù)之一是大規(guī)模語義數(shù)據(jù)庫，前后開源發(fā)布了3store,4store,5store等高性能數(shù)據(jù)庫。第十四頁，共23頁。人工智能如何輔助量化交易3)知識圖譜：減少黑天鵝事件對預(yù)測的干擾除此之外還有Dataminr，這家基于Twitter及其他公開信息的實時風(fēng)險情報分析公司。致力于從數(shù)據(jù)爆炸的社交網(wǎng)絡(luò)提取精簡且價值的風(fēng)險情報與挖掘關(guān)鍵信息，如輿情熱點、金融相關(guān)的非交易信息、公共機(jī)構(gòu)安全預(yù)警、企業(yè)安全等，并直接向客戶推送。除此之外，Dataminr還加入早期預(yù)警系統(tǒng)，并實時推送警報

而以投資關(guān)系為例，知識圖譜可以將整個股權(quán)沿革串起來，方便地展示出哪些PE機(jī)構(gòu)在哪一年進(jìn)入，進(jìn)入的價格是多少，是否有對賭條款，這些信息不僅可以判斷該機(jī)構(gòu)進(jìn)入當(dāng)時的估值，公司未來的發(fā)展情況(公司成長的節(jié)奏)，還可以看清PE機(jī)構(gòu)的投資偏好，投資邏輯是如何變更發(fā)展的。第十五頁，共23頁。人工智能如何輔助量化交易3)知識圖譜：減少黑天鵝事件對預(yù)測的干擾目前知識圖譜在工業(yè)界還沒有形成大規(guī)模的應(yīng)用。即便有部分企業(yè)試圖往這個方向發(fā)展，但很多仍處于調(diào)研階段。我們認(rèn)為這其中的難點在于如何與特定領(lǐng)域機(jī)構(gòu)建立起一套合作方式，如何將合作變成一種可輕易編程的界面，讓領(lǐng)域?qū)＜铱梢酝ㄟ^系統(tǒng)以一種非常簡單的方式進(jìn)行行業(yè)邏輯的建模，而他的邏輯可以通過系統(tǒng)實時得到驗證，使其進(jìn)一步更新，只有通過專家與機(jī)器反反復(fù)復(fù)的迭代，形成閉環(huán)，才會服務(wù)好用戶。

全球估值第四高，被稱為“下一個獨角獸”的公司——Palantir曾推出一個基于知識圖譜的金融數(shù)據(jù)分析平臺—PalantirMetropolis，可以整合多源的量化資料，并提供一套方便易用的分析工具來滿足復(fù)雜的研究需求，其中的組件能夠進(jìn)行復(fù)雜搜索，可視化編輯與分析，有非常豐富的人機(jī)交互能力。目前Palantir將結(jié)構(gòu)化客戶內(nèi)部數(shù)據(jù)，關(guān)聯(lián)相關(guān)數(shù)據(jù)，讓客戶自己創(chuàng)立分析規(guī)則整合并優(yōu)化模型，量化處理數(shù)據(jù)，從而解決客戶的特定需求。第十六頁，共23頁。金融搜索引擎券商/私募基金研究員在進(jìn)行研究工作的時候需要搜集海量信息，再整理和分析其中內(nèi)容，如上下游分析，對標(biāo)企業(yè)研究，競爭對手研究，企業(yè)亮點/風(fēng)險點分析等等。然而目前絕大多數(shù)證券分析師所運用的輔助研究軟件如Bloomberg數(shù)據(jù)終端只解決了基礎(chǔ)數(shù)據(jù)問題，而沒要考慮到信息量過載的問題。這使得研究員在面對大量基礎(chǔ)數(shù)據(jù)與爆炸的信息時無法尋找到最有準(zhǔn)確有價值的信息，也無從提高其工作效率。

金融搜索引擎的背后核心技術(shù)是高質(zhì)量的知識圖譜和大量的業(yè)務(wù)規(guī)則，幫助實現(xiàn)聯(lián)想、屬性查找、短程關(guān)系發(fā)現(xiàn)。探索引擎，如分面瀏覽器，也是在知識圖譜的基礎(chǔ)上，則提供了人機(jī)協(xié)作的界面，讓人對數(shù)據(jù)的探索過程可以很方便地被記錄、迭代、重用。第十七頁，共23頁。金融搜索引擎此外推薦系統(tǒng)也非常有用，幫助金融用戶聚焦在關(guān)鍵數(shù)據(jù)上，更省時省力地做投前發(fā)現(xiàn)和投后跟蹤。其中語義搜索就是提供不同類型的查詢(比如企業(yè)、基金、事件等)，如智利地震對銅期貨的影響，中東危機(jī)對整體貨幣市場的影響等。再將信息切片后再聚合，提供縱覽的可視化元素，比如影視傳媒相關(guān)定增的平均市值和融資市盈率。語義搜索將復(fù)雜查詢交給用戶完成，如尋找VR的上游企業(yè)，當(dāng)搜索提供不了準(zhǔn)確上游的信息時，會推薦攝像頭的企業(yè)給用戶，并提供一個方便的交互界面，交給用戶去進(jìn)行一些復(fù)雜的過濾。

Alphasense就是這樣一個在數(shù)據(jù)層面上輕量級，將復(fù)雜邏輯判斷交給用戶去完成，專注于解決專業(yè)信息獲取和碎片問題的金融搜索引擎。Alphasense面向金融投資領(lǐng)域，從文件/新聞和研究中集合所有投資信息并進(jìn)行語義分析，在全球公司數(shù)據(jù)中進(jìn)行趨勢分析。其使命愿景是從大量噪音中尋找有價值的信息，專注信息豐富度和碎片化基本問題，從而提高金融人士的工作效率，節(jié)省工作時間。第十八頁，共23頁。智能投資顧問傳統(tǒng)投資顧問需要站在投資者的角度，幫助投資者進(jìn)行符合其風(fēng)險偏好特征、適應(yīng)某一特定時期市場表現(xiàn)的投資組合管理。而這些工作都需要以大量昂貴的人工方式完成，所以財富管理服務(wù)也因此無形的提高了進(jìn)入門檻，只面向高凈值人士開設(shè)。

但是現(xiàn)在，智能投資顧問(robotadvisor)正在以最少人工干涉的方式進(jìn)行投資組合管理，管理你的資產(chǎn)的可以是一排計算機(jī)，而你也不用是高凈值人士。并且智能投顧在以更強(qiáng)大的計算機(jī)模型運用人工智能的技術(shù)對大量客戶進(jìn)行財富畫像，以人工智能算法為每一位客戶提供量身定制的資產(chǎn)管理投資方案。第十九頁，共23頁。智能投資顧問Wealthfront就是一家非常具有代表性的智能投顧平臺，借助于機(jī)器與量化技術(shù)，為經(jīng)過調(diào)查問卷評估的客戶提供量身定制的資產(chǎn)投資組合建議，包括股票配置、股票期權(quán)操作、債權(quán)配置、地產(chǎn)資產(chǎn)配置，旨在提供一個自動化的投資管理服務(wù)最大化投資回報。

Wealthfront在進(jìn)行自動化投資管理時一共有5個步驟：確定當(dāng)前投資環(huán)境的理想資產(chǎn)類別以最低成本的ETF(交易型開放式指數(shù)基金)代表每一資產(chǎn)類別確定風(fēng)險承受能力并創(chuàng)建合適的投資組合將現(xiàn)代投資組合理論(MPT)分散風(fēng)險定期監(jiān)控并重新調(diào)整平衡投資組合

而這一投資方法也受到市場的肯定，Wealthfront管理資金規(guī)模在2015年至2016年終增長將近64%，截至2016年2月底，Wealthfront的資產(chǎn)管理規(guī)模已達(dá)近30億美元。第二十頁，共23頁。智能投資顧問在獲得市場肯定的背后，是對智能投顧的信心。智能投顧能夠戰(zhàn)勝人性，避免投資人受市場變化而產(chǎn)生不理性的情緒化影響，使機(jī)器嚴(yán)格執(zhí)行事先設(shè)定好的策略。并且智能投顧擁有比傳統(tǒng)財富管理機(jī)構(gòu)、私人銀行更為透明開放的信息披露，及時提供風(fēng)險提示，極大的減少了資產(chǎn)托管人與管理人之間的信息溝通壁壘。

Betterment也是一家專注于智能投資管理的金融科技公司，通過Markowitz資產(chǎn)組合理論和各種金融衍生模型們應(yīng)用到產(chǎn)品中，在云端低成本、快速、批量化地解決各種數(shù)據(jù)運算，再根據(jù)用戶的傾向和設(shè)定的風(fēng)險偏好，個性化地提供資產(chǎn)配置組合方案。其創(chuàng)始人JonStein曾在華爾街某金融機(jī)構(gòu)任職高級投資顧問，致力于打造Betterment成為一款讓投資更方便，更準(zhǔn)確的智能投顧。2016年3月，Betterment獲得E輪融資1億美金。第二十一頁，共23頁。智能投資顧問而由兩名微軟前員工創(chuàng)立的FutureAdv