--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能时代：破解人机共存密码（套装共10册）" author: null edition: null publisher: null year: null isbn: "9787521719512" library_document_id: "396e1bee-219e-4bee-9884-3214c17ff8f5" source_sha256: "e5d429a1fedfac2a13b0bd25057c39d818c33927767948a9bb41411f01413ced" pdf_physical_page_count: 3314 pdf_physical_page_index_base: 0 range_start: 2510 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5?start=2510&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2510&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2500&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2520&limit=10" --- # 人工智能时代：破解人机共存密码（套装共10册） > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=2510 | PRINTED_PAGE=NOT_DETECTED 更重要的是，借助人工智能技术，智能投顾可以低成本地将个性化专属财富管理方案提供给普通的中产阶层。一般智能投顾公司都没有特定的投资门槛，管理费用仅在0.15%\~0.35%，用户投资金额越大，其收取的费用越低。这个费用相当于真人投资顾问费用的1/10。有的智能投顾公司可以将费用降低到真人顾问的1/20，甚至干脆免费。 而且机器顾问可以有效规避人性弱点。一般的投资者在战术性资产配置比如股票投资中，一旦被套就进入“假死”状态，只能等待解套；而一旦获取收益，又总不能及时落袋为安。机器顾问则不受情绪影响，设定盈利点和止损点后，可以自动严格地去执行，没有贪婪，也没有恐惧。 再者，机器顾问的精力是无限的，它可以7×24小时不间断地、兢兢业业地通过数字化资产配置，为客户提供相对定制化的、模块化的服务，并及时基于投资者个人的需求偏好和市场的变化提出服务方案。这保证了机器投资顾问可以同时跟手机或PC端的无数客户进行贴心的深度交流。 世界上最大也是最著名的私人财富管理机构瑞银财富管理，截至2015年底，在全球拥有4250名理财顾问，却要服务450万个人和企业，服务覆盖比超过1：1000。与它相比，机器的工作效率显然会更高。 ## PDF_PHYSICAL_PAGE_INDEX=2511 | PRINTED_PAGE=NOT_DETECTED 近几年，智能投顾在美国发展迅速，2012年美国智能投顾行业规模几乎为零，到2014年已经具有140亿美元的资产管理规模。其中包括Wealthfront公司、Betterment公司，以及我们前面提到的Hedgeable等在内的数家公司都在智能投顾领域有所发展。而提供投资决策信息服务的Kensho，则是另一种意义上的智能投顾公司。 毕马威报告称，预计到2020年，美国智能投顾的资产管理规模将会达到2.2万亿美元。 在国内，2015年左右开始出现模仿国外模式的智能投顾企业。到了2016年，大量智能投顾概念的产品开始涌现，虽然看起来市场火热，但是不得不说，其中不少是打着“智能”噱头的概念炒作。比如有的只是在智能投顾旗号下，推荐某种固定的投资组合，其实早就背离了智能投顾从风险评级、投资目的、投资能力和意愿方面动态配置的初衷。 从事这一行业需要大数据、机器学习及金融洞察等综合能力，而在中国的市场环境下，甚至对以上能力都提出了更高的要求。 比如，国外智能投顾的投资标的主要是ETF（交易型开放式指数基金，通常又被称为交易所交易基金），是被动管理基金。与此相应，美国市场同期有近1600支ETF，管理资产规模累计2.15万亿美元。但国内上市的ETF合计130支，资产规模累计4729亿元（根据Wind数据，截至2016年6月）。 指数型产品的稀缺，使得中国的智能投顾不得不引入主动管理基金。但主动管理基金本身的很多变化是不可预测的，比如换一个基金经理、基金公司战略变动，基金的收益变化就会非常大，而且这个变化很难被预测和模拟。这就对智能投顾企业的投资能力提出了极高的要求。 ## PDF_PHYSICAL_PAGE_INDEX=2512 | PRINTED_PAGE=NOT_DETECTED 为了进行更为准确的投资者画像，一般智能投顾公司都会借鉴线下投资顾问形式，要求客户填写问卷。但在中国的投资和理财市场，以散户为主的投资群体，其投机心理大于投资心理。如前所述，这就导致了客户表达自身风险偏好失真的现象更容易出现。例如，投资者看到某些高风险的资产历史收益不错，为了顺利完成投资，就可能会忽视潜在风险，在问卷填报中虚高自己的风险接受度。在这个问题上，能够超出一般评价指标，为客户进行“10万+”级别的细化标签画像及风险评估的大数据公司，优势就十分明显。 美国有专门的第三方机构，能把投资者所有的账户汇集到一起，只要用户点击授权，智能投顾公司就能获取用户的所有账户流水等信息。比如，智能投顾公司Pefin，可以为投资者做到全账户集合管理，将投资者所有的在线金融账户汇集到Pefin平台，包括储蓄账户、银行消费账户、信用卡账户，月供、贷款和投资账户等，Pefin在几分钟之内就能利用分析模型，建立起投资者当前财务状况的知识图谱。 在中国是没有这样的账户汇集机构的。要尽量生成投资者的完整画像，除了让用户自己去填写问卷，还需要大数据基础上的机器学习画像能力。 最大的挑战还在于投资者教育，在一个以散户为主体的投资市场，怎么让投资者相信，你把钱交给机器，它会进行专业的资产配置，给你提供良好的财富管理服务。而且，在传统投资教育还未完成的情况下，进行智能投顾的教育，难度可想而知。百度智能投顾团队的袁月以“跳级”形容这一状况，“小学还没毕业，就要上初中。 机器学习的“黑箱”也加大了教育的难度。一般传统投资顾问，做出投资交易后会向客户解释决策逻辑，但是目前还很难解释机器顾问的“想法”。 为了克服这一“缺陷”，很多智能投顾公司还是会强调其投资逻辑背后的专业人员因素。比如招商银行的摩羯智投，会突出其对市场上多家基金公司及其基金经理的相关情况掌握更全面，将其作为重要的投资模型因子。Hedgeable专门开辟了投资顾问板块，允许注册投资顾问、财务顾问、认证财务规划师、注册会计师、律师、保险代理人和其他财务价值链上的重要角色使用Hedgeable平台为他们的客户服务。 ## PDF_PHYSICAL_PAGE_INDEX=2513 | PRINTED_PAGE=NOT_DETECTED 当然，国内智能投顾行业的发展，还取决于未来监管政策的逐渐明朗。智能投顾行业如果因牌照所限，不能向个人投资者的证券投资账户直接提供投顾服务，那么在未来相当长的时期内，其最佳出路只能是向机构输出技术能力，这可能意味着机构投资者跟大众投资者的实力对比将进一步拉大。 智能投顾服务目前还不可能真正做到普惠众生，只能在高净值人群之外，服务限定规模的中产阶层人群，或者作为投资机构的技术输出方存在。这是由资本市场的零和规则决定的。即一个人赚钱的同时另一个人必定亏钱。当机器通过算法和程序发现了一个更好的策略，理性的做法就是遵循华尔街的规则“闷声发财”，如果这一策略被广泛服务于大众，收益率必然大大降低，甚而最终失效。这是智能投顾在普惠与高收益之间的悖论。 再以Wealthfront为例，其首席投资官就是《漫步华尔街》的作者Burton Malkiel（伯顿·麦基尔），而这本书倡导的被动投资哲学认为，既然长期战胜不了市场，那就干脆投资市场。Wealthfront就遵循这样的哲学，选择跟踪指数的被动型投资工具ETF作为投资对象，以期获得长期、稳定的收益。但作为一个公开策略，这也决定了它不可能获得超额回报。 从实际情况看，Wealthfront、Betterment等智能投顾公司，管理的财富也就是30亿\~50亿美元的规模，跟一些传统的、超大的资产管理公司，比如贝莱德动辄数万亿美元的资产管理规模相去甚远。 本节开头提到的Kensho，最终还是难逃被华尔街投行大佬高盛（1500万美元融资）、谷歌风投、恩颐投资（1000万美元融资）等公司收编的命运。其宝贵的数据处理技术，最终对普通人关闭，被限定在了华尔街神秘的小圈子里，其投资领域的平权革命戛然而止。 ## PDF_PHYSICAL_PAGE_INDEX=2514 | PRINTED_PAGE=NOT_DETECTED 一些全球超级的资产管理公司如Charles Schwab（嘉信）、Fidelity（富达）、Vanguard（先锋投资）以及国际大投行如高盛、JP摩根、瑞银也都在通过投资并购或自建平台的方式进入智能投顾领域。 投资牌桌上的大玩家，正在金融领域的智能革命到来前纷纷醒来。未来，能与之竞合的，恐怕也只有人工智能技术实力雄厚，又掌握海量数据的科技巨头了。 数据挖掘：智能投资的钥匙 2016年11月，美国总统大选激战正酣。与此同时，投资市场另一场大战也正在上演。 瑞信的分析师们观察到，管理资产规模约3300亿美元，量化兼具多空策略的CTA（期货投资）基金正逐渐转向空头，针对美股的空仓仓位飙升到近期的最高水平。而另一方面，管理资产规模超过2150亿美元的多空股票基金，针对美股的多仓仓位则创下9个月来的新高。 对峙双方大部分的投资交易都是在计算机的帮助下，通过算法和模型来进行的。于是媒体将其定义为“机器人大战”。 由于量化投资的大部分交易是由计算机完成，也使用各种模型和算法，很多人将其理解为人工智能对投资市场的干预。但实际上，量化投资只是利用计算机强大的计算能力寻找市场上的无风险套利机会（Arbitrage），只能算交易策略范畴，大多与人工智能并无关系。 ## PDF_PHYSICAL_PAGE_INDEX=2515 | PRINTED_PAGE=NOT_DETECTED 而真正的智能投资依然是基于数据驱动的。无论算法怎么迭代，怎么有创意，也不论逻辑关系设计得多巧妙，有了金融算法模型，还必须有大量的符合模型需求的经济、社会、特定行业变化等多维度的数据集，来验证算法模型的可行性和精准度。 可见，一个开放性的大数据环境对智能投资，或者金融信息分析都至关重要。因为从物理世界中获取数字化数据的成本极高，很多公司又没有自己的大数据资源，智能投资分析与决策就无从谈起。 百度、谷歌拥有的搜索数据、地图数据等庞大、多维、立体的大数据资源，有别于传统金融体系的数据，为互联网视角下金融数据特征的挖掘提供了丰厚的资源。加上领先的人工智能技术，给了搜索引擎类公司切入金融投资领域最佳的禀赋资源。 有了资源，也就有了“挖矿者”。搜索大数据中的炼金过程一般是这样的：通常，确定数据源后，依托成熟的大数据技术可对全网数据进行高速整合，提升数据运转效率，同时保持网络数据信息的完整性，进而运用先进的机器学习、人工智能、大数据分析等技术，对海量数据进行分析处理，挖掘金融资产的个性化特征。 例如，百度日均产生跟股票名称或股票代码直接关联的搜索量约2000万次，一只股票的搜索量和其股价走势往往呈现高度的正相关性，平均相关性达0.7以上，搜索量作为量价的补充信息，代表了某只股票被投资者关注的程度，辅助以舆情因子的判断，可以被当作潜在买家/卖家的能量积蓄，用来判断何时入场，什么时候又该进行风险规避。 搜索数据能潜藏宝贵的投资决策金矿，是因为人们在主动搜索时一般是不会说谎的。 如果搜索是主观意图数据的体现，那么，在数据足够丰富的情况下，就可挖掘提炼出人群对信息的潜在需求和关注程度。A股特殊的投资者结构（散户居多）和运行特点（习惯炒作）使得搜索数据成为绝佳的观测维度。因此，搜索数据辅助大盘选择时，能够有效地观测市场变化。 ## PDF_PHYSICAL_PAGE_INDEX=2516 | PRINTED_PAGE=NOT_DETECTED 搜索数据还可以进一步挖掘和提炼，比如，现在百度地图已经在全国标注了3000多个工业园区和4000多个商业区，通过观测这些工业园区和商业区，可以有效洞察一个地区、一个商业中心、一个景点，甚至一个城市的人流量变化情况。 智能系统甚至可以以机器学习的方式，提炼某一企业的知识图谱，并实时自动更新。 因而在丰富的时空数据下，投资方能以更广、更及时的视角实时监测所投资企业的开工率变化，并得到及时的投资决策参考。 传统的金融逻辑、投资逻辑、资管能力，加上相关性很强的实时 数据，无疑会大大提高投资判断的准确度和前瞻性。 在金融领域，每提升一个百分点的效率，降低一个百分点的风险，都意味着巨大的财富收益。 ## PDF_PHYSICAL_PAGE_INDEX=2517 | PRINTED_PAGE=NOT_DETECTED 智能金融的三层境界 ## PDF_PHYSICAL_PAGE_INDEX=2518 | PRINTED_PAGE=NOT_DETECTED 当然，市场需要我们永远保持敬畏，它的复杂多变远超出人的想象，为了理解这个市场，天才虽然创造了相对简约完美的模型，去抽象理解我们面对的金融世界，但是，在模型简约化的过程中，必然会损失一些东西。而且这些模型相对来说还是静态的，随着时间的推进，过去可用的模型也可能逐渐变得不再那么精准了。在伦敦咨询机构Preqin的研究中，典型的系统化基金的收益并没有比人工操作的基金效益好。 本节开头谈到的那场美国大选前的机器投资大战，可能被媒体过度夸张地解读了。正如巴菲特所说，“投资并非一个智商为160的人，就一定能击败一个智商为130的人的游戏”。 ## PDF_PHYSICAL_PAGE_INDEX=2519 | PRINTED_PAGE=NOT_DETECTED 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2520&limit=10)