预测|AI完胜分析师 人机结合或成投资进化方向

今年 , AI(人工智能)与证券分析师进行了一场巅峰对决 , 人工智能又一次完胜 , 并达到了83%的高胜率 。 业内人士认为 , 和AI围棋一样 , 扎根金融领域的智能投研的发展日新月异 , 其发展速度比所有人想象的都要快 , 未来10年将是AI在金融领域取得长足进步的10年 。
2016年战胜世界围棋高手李世石后 , “阿尔法狗”(AlphaGo)们仍在各战场征伐 。 今年 , AI(人工智能)与证券分析师也进行了一场巅峰对决 , 人工智能又一次完胜 , 并达到了83%的高胜率 。 业内人士认为 , 和AI围棋一样 , 扎根金融领域的智能投研的发展日新月异 , 其发展速度比所有人想象的都要快 , 未来10年将是AI在金融领域取得长足进步的10年 。
AI整体预测胜率达83%
最近 , 投资研究领域首届人机公开对决以悬殊的结果落下帷幕 。
2021年1月25日 , 通联数据旗下的萝卜投资(Datayes)运用AI技术 , 预测了799家上市公司2020年年报营收和利润数据 , 并大胆地进行了公开展示 。
4月末上市公司2020年年报披露结束 , 这场比拼的结果也新鲜出炉:相比分析师的一致预期 , AI对上市公司营收预测的整体胜率为83% 。 也就是说 , 对于661家上市公司 , AI预测的精度胜于分析师的一致预期 , 相当于后者胜出标的数的5倍;从误差中位数来看 , AI为5.69% , 较后者的8.75%更低 。
不仅如此 , 在家用电器行业 , AI的预测较分析师一致预期的胜率更是达到了100% 。 在商业贸易、国防军工、建筑装饰、食品饮料、汽车、医药生物等行业 , AI预测的相对胜率也较高 。
通联数据首席智能投资科学家罗戈表示 , 从本源上来说 , AI分析是先将成本高昂的数据源 , 手工处理成机器能接受的结构化数据 , 包括行业数据、另类数据、电商数据等 , 并通过AI这个“算盘”得出预测结果的 。
在罗戈看来 , 数据越丰富、越有特色 , 就越能得出更为精准的结论 , 比如消费类、医药类行业的AI预测精准度就很高;一些数据获取成本较高、数据量少的行业可预测性就较差 , TMT行业就是典型;券商、保险、房地产等行业受金融环境和政策的影响较大 , 业务相对不稳定 , 因此也较难预测 。
“投资研究领域的这种对决还从没有人做过 , 毕竟公开结果是有打脸可能的 。 其实 , 2020年我们就进行过类似的内部预测 , 当时选取了80家公司 , 胜率达到78% , 所以对这次的结果我们还是比较有信心的 。 ”罗戈说 , 未来AI的胜率还有向上提升的空间 , 这次对决只是试水 , 预计未来每年都会进行这项“赛事” 。
AI会否取代分析师的工作?
古人言 , 非我族类 , 其心必异 。 关于人工智能终极发展后是否会取代人类 , 甚至操控人类的耸人言论屡见不鲜 。 电影《机械姬》中的AI , 从被动、弱势的女机器人 , 摇身一变成为杀害研究者的冷酷高智慧体 , 展现了AI残酷的一面 , 而人类对于未来出现这种“超人工智能”的恐惧也在电影中展现得淋漓尽致 。
有分析人士认为 , 目前的AI运用大体还处于弱人工智能阶段 , 如语音助手、人脸识别、扫地机器人等 , 离超人工智能这样有独立思辨、认知能力的AI还较为遥远 。 不过 , 不可否认的是 , AI的发展往往呈现出跨越式节奏 , 进化或不期而至 。
以围棋领域为例 , 人类面对AI时 , 呈现出了相当复杂的心路历程 。 起初 , 在阿尔法狗算法出现之前 , 可能一位围棋业余三段就能轻轻松松地战胜机器算法 , 彼时人类嗤笑机器算法的不堪一击 , 认为机器战胜人类棋手是天方夜谭 。 仿佛是嘲笑人类的自大 , 2016年阿尔法狗横空出世 , 战胜了围棋世界冠军、职业九段棋手李世石 , 轰动全球 。 不过 , 当时大家都认为这可能有一定的运气成分 。
到底是不是运气呢?2016年至2017年 , 这种侥幸心理被碾压 。 该程序在中国棋类网站上以“大师”(Master)为注册账号 , 与中日韩数十位围棋高手进行快棋对决 , 连续60局无一败绩 。 2017年5月 , 在中国乌镇围棋峰会上 , 它与世界围棋冠军柯洁对战 , 以3比0的总比分获胜 。 自此 , 人类对“阿尔法狗”在围棋领域的实力彻底认了 。
如今 , 属于金融投资基础建设领域的智能投研也开始发力了 , 而AI分析无疑是走得较快的品种 。 经过几年的发展 , AI会否取代人类分析师、基金经理的工作?这或许是很多业内人士最关心的话题 。
诚然 , 在有些领域 , 机器天然地比人类做得更好 , 比如量化高频交易 。 不过 , 金融投资和围棋比赛仍然存在着本质区别 。 罗戈认为 , 棋盘内的规则越多 , 机器的胜率就越高 , 而金融投资时常呈现出不可预测性 , 出现个股“黑天鹅”事件等 , 这些都是“棋盘”外的事 , AI不一定能正确预判 。
以通联数据研发的智能投资产品“萝卜投资”为例 , 它就更像一名机器“研究员助理” , 虽然能得出预测结论 , 且精度较高 , 但并不会代替投研经理做决定 , 具体得出怎样的市场观点、什么时候投资、仓位几何这类问题还有待人类去思考和决策 。 简而言之 , 这个“萝卜”主要致力于寻找目前市场上耗费投研人员精力的事并加以解决 , 让人类腾出更多的时间进行深度思考 。
“智能投研的目标是把金融投研人员从简单、重复的工作中解放出来 , 这不是替代 , 而是要让人类成为‘超人’!”说到这里 , 罗戈的眼睛都是放光的 。 在他看来 , AI进化极具魅力 , 大家应以更积极的态度拥抱科技的未来 , 人机结合可能是未来投资的进化方向 。
金融科技发展“三段论”
作为国内顶尖的计算机科学实验班——清华大学“姚班”的往期学员 , 80后的罗戈可谓学霸中的学霸 。 提及自己近些年在智能投研领域的实战成果 , 罗戈略带腼腆地表示 , 之所以选择博士毕业后加入通联数据 , 主要还是因为看好智能投研的未来前景 。
据悉 , 通联数据的股东方是万向系 , 肖风任通联数据的创始人兼董事长 。 曾为博时基金创始人的他 , 在金融科技领域有着超前的敏锐嗅觉 。 早在2018年 , 肖风便公开表示 , 可以将金融科技发展分成三个阶段:1.0的场景革命 , 2.0的以人工智能和区块链为核心的技术革命 , 3.0的金融业的模式革命 , 即金融科技的终局 。 目前 , 正处于2.0的“技术革命”时期 。 通联数据近几年的发展 , 也从侧面反映了万向系发展金融科技的雄心 。
近些年来 , 很多公私募机构也陆续开发了智能投研功能 , 但更多的局限于内部使用 , 在提供数据之外还能给出预测结论的机构并不多 。 罗戈表示 , 未来智能投研领域的增量市场是一片广袤的蓝海 。
虽然海内外投资界一直在利用AI技术提高业绩 , 但纯由AI模型运行的产品仍然稀少 。 2017年10月 , ETFMG推出了AI Powered Equity ETF (AIEQ) , 这是第一只完全利用AI选股的主动型ETF 。 这只基金上市以来的收益率超过50% , 但并未跑赢标普500的同期收益率 。
在国内市场 , 诸多公私募机构也纷纷开启了人工智能方面的战略型研发计划和组织架构安排 。 比如浙商基金的iValue智能投资系统 , 该系统涵盖指数、固收、主动权益三大领域 , 已形成了针对有明显周期性运行规律的“基本面-估值模型”、稳定增长类型行业的“分析师预期-估值模型”、基于相对估值和交易拥挤度的“pair trade模型”等多种AI模型 。
从国内产品的运作情况来看 , 更多采取了AI与HI(人类智能)相结合的模式 。 以浙商基金的大数据智选消费、浙商智能行业优选为例 , Wind数据显示 , 截至5月28日 , 近1年回报率分别为60%、65% , 同类业绩排名均在前1/5(一级分类) , 且前者近3年回报率为138% , 同类排名前10% 。
【预测|AI完胜分析师 人机结合或成投资进化方向】“和AI围棋一样 , 扎根金融领域的智能投研发展日新月异 , 其发展速度可能比所有人想象的都要快 , 未来10年将是AI在金融领域取得长足进步的10年 。 ”罗戈说 。

    推荐阅读