文 | 硅谷101

隨著華爾街的對(duì)沖基金之間競(jìng)爭(zhēng)白熱化，基金經(jīng)理最關(guān)心的問(wèn)題變成了“怎樣利用有限的資源獲得更大的回報(bào)”？

人工智能和機(jī)器學(xué)習(xí)的發(fā)展讓不少基金看到了產(chǎn)業(yè)變革的希望：

全球最大的對(duì)沖基金橋水，去年就宣布將推出一只完全利用機(jī)器學(xué)習(xí)進(jìn)行決策的基金，價(jià)值20億美元。

著名多因子量化基金AQR的創(chuàng)始人，克里夫·阿斯內(nèi)斯在一次采訪上表示，“AI即將取代我的工作。”

不過(guò)，也有知名投資人對(duì)AI如何影響華爾街基金持保留態(tài)度。

前段時(shí)間，中國(guó)量化基金幻方孵化出的DeepSeek在全球AI領(lǐng)域都掀起了軒然大波。這在金融界也引來(lái)不少好奇：如今的AI究竟給金融行業(yè)帶來(lái)了什么影響，AI炒股靠譜嗎？

帶著這些問(wèn)題，硅谷101特約研究員Yiwen來(lái)到了華爾街，一起聊聊：

人工智能如何改變金融服務(wù)行業(yè)？不斷發(fā)展的技術(shù)即將取代什么樣的工作？被高度監(jiān)管、對(duì)錯(cuò)誤零容忍的量化基金，對(duì)人工智能還存有懷疑態(tài)度嗎？人工智能究竟能不能幫我們選股票呢？

01 量子計(jì)算量化基金的歷史與分類

我們先回顧下對(duì)沖基金與技術(shù)發(fā)展密不可分的行業(yè)歷史，并解釋金融市場(chǎng)中的量化、多因子基金、多空策略等名詞。

聊到“投資”時(shí)，大部分人想到的是“基本面投資”。投資人需要深度了解一個(gè)公司的業(yè)務(wù)，和競(jìng)爭(zhēng)對(duì)手的差距，宏觀事件對(duì)公司前景的影響等等。“股神”巴菲特就是基本面投資的代表。

Warren Buffett

美國(guó)投資家、企業(yè)家及慈善家：

“你不需要是90%企業(yè)的專家，也不需要是80%、70%或50%的專家，但你必須了解那些你投入資金的企業(yè)。如果這些企業(yè)只占整個(gè)市場(chǎng)的一小部分，這也沒(méi)關(guān)系。”

基本面投資人競(jìng)爭(zhēng)的法寶是“信息差”。對(duì)沖基金會(huì)去分析公開(kāi)信息，例如財(cái)報(bào)、媒體報(bào)道、見(jiàn)面會(huì)等信息。

公開(kāi)信息誰(shuí)都能拿到，而更一手的深度調(diào)查和研究，則是一些投資機(jī)構(gòu)的“信息差法寶”，比如此前的渾水（Muddy Waters）和興登堡（Hindenburg Research），都一度善于揭示上市公司造假和違規(guī)行為、通過(guò)做空來(lái)獲得收益。

有一個(gè)公式可以方便大家理解投資的理論基礎(chǔ)：

信息率（information ratio，簡(jiǎn)寫(xiě)為IR）是衡量超額風(fēng)險(xiǎn)所帶來(lái)的超額收益；

信息系數(shù)（information coefficient，簡(jiǎn)寫(xiě)為IC）被用來(lái)評(píng)估模型或投資策略中的預(yù)測(cè)值與實(shí)際投資結(jié)果之間的相關(guān)性，也可以表示一個(gè)投資經(jīng)理或基金選股能力的好壞；

廣度（Breadth，簡(jiǎn)寫(xiě)為BR）是在同一時(shí)間做了多少個(gè)相互獨(dú)立的投資決策。

史方舟

量客投資合伙人：

基本面投資的一個(gè)特點(diǎn)是，通過(guò)深挖它的基本面邏輯去提高IC，盡管最終的持倉(cāng)量不可能很高，但是投資人對(duì)每一個(gè)行業(yè)、行業(yè)中的每一個(gè)標(biāo)的都做了非常細(xì)致的盡調(diào)，所以他的IC是非常高的，并通過(guò)這種方式取得超過(guò)大盤(pán)指數(shù)的超額回報(bào)（Alpha）。這里還有一些自主決策（discretionary），因?yàn)橥顿Y人不得不去用一些主觀的判斷。在這一層面量化對(duì)他的幫助是很大的。

當(dāng)“拼信息差”成為越來(lái)越難的競(jìng)爭(zhēng)手段的時(shí)候，“拼技術(shù)”反而成了大勢(shì)所趨。

隨著技術(shù)進(jìn)步，越來(lái)越多對(duì)沖基金開(kāi)始采用所謂的“混合策略“，將基本面分析與量化技術(shù)相結(jié)合。基金試圖讓以數(shù)據(jù)驅(qū)動(dòng)的模型與人類的判斷相結(jié)合，來(lái)建立更好的投資策略以及組合。

Chapter 1.1 什么是量化投資？

對(duì)沖基金的發(fā)展和技術(shù)的進(jìn)步是密不可分的。

19世紀(jì)末，通過(guò)對(duì)金融市場(chǎng)上百年來(lái)行為的觀察，人們發(fā)現(xiàn)交易的價(jià)格是有跡可循的。基于這樣的規(guī)律，繪制出了我們熟悉的“K線圖”，用來(lái)表示市場(chǎng)的每日行情，從而預(yù)測(cè)未來(lái)的價(jià)格走勢(shì)。這就是最早的“技術(shù)分析”。

后來(lái)，在計(jì)算機(jī)技術(shù)日益成熟以后，交易員們也把技術(shù)分析寫(xiě)成了程序，在對(duì)沖基金內(nèi)被廣泛使用。

如果說(shuō)技術(shù)分析是在看個(gè)股，那么金融學(xué)理論的發(fā)展則讓投資人學(xué)會(huì)了看股票的組合。

早在50年代，經(jīng)濟(jì)學(xué)家馬科維茨提出了：用數(shù)學(xué)模型去解釋投資者如何利用分散投資來(lái)優(yōu)化投資組合，也就是后來(lái)獲得諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)的投資組合理論。

Harry Markowitz

美國(guó)經(jīng)濟(jì)學(xué)家：

現(xiàn)代投資組合理論為投資者提供了一個(gè)風(fēng)險(xiǎn)與收益權(quán)衡曲線，如果你想要在長(zhǎng)期獲得較高的平均回報(bào)，就必須忍受短期的波動(dòng)。如果你希望短期內(nèi)的穩(wěn)定性，就需要接受較低的平均回報(bào)。”

史方舟

量客投資合伙人：

多因子（smart beta）和基本面量化（fundamental quant）其實(shí)是一回事。它的核心思想是，law of investment（投資基本定律）里的IC（信息系數(shù)）不一定非常高，但是要看Breadth（廣度）能不能被提起來(lái)。

今天的基金雖然各有特色，但基本的邏輯都是基于金融學(xué)理論建立投資組合，尋找合適的“因子”，再通過(guò)現(xiàn)有的數(shù)據(jù)進(jìn)行假設(shè)檢驗(yàn)，最終建立投資模型。

所謂“因子”，可以理解為是一個(gè)影響股票漲跌的因素。我們將因子變成一個(gè)客觀的、可以量化的指標(biāo)，包括在投資組合里，就可以在建立“多空”組合的時(shí)候根據(jù)該指標(biāo)來(lái)判斷公司的好壞了。

比如，假設(shè)基本面分析認(rèn)為，因?yàn)榕猿袚?dān)風(fēng)險(xiǎn)的能力越高，所以一個(gè)公司內(nèi)的女性高管越多，股票就越會(huì)上漲。那么量化投資人就可以把董事會(huì)中女性董事的數(shù)量作為一個(gè)指標(biāo)，從高到低排序，多投那些排的高的公司。

史方舟

量客投資合伙人：

最基本的思想是，通過(guò)一個(gè)客觀的量化指標(biāo)建立多空組合，哪怕最終是純多投或者純空投，但是最基本是來(lái)自于多空的思想。所以它跟基本面一樣，非常在乎底層邏輯。

但單獨(dú)只用一個(gè)指標(biāo)判斷公司的營(yíng)收情況顯然不夠準(zhǔn)確，所以“多因子投資”就出現(xiàn)了。這類基金會(huì)基于多個(gè)因子或維度來(lái)建立投資組合，其中代表是AQR。

Chapter 1.2 多因子投資和AQR資本

AQR的創(chuàng)始人克里夫·阿斯內(nèi)斯（Clifford Asness）是著名經(jīng)濟(jì)學(xué)家，也是“有效市場(chǎng)理論”創(chuàng)始人尤金·法瑪（Eugene Fama）的學(xué)生。

1993年，Eugene Fama和Kenneth French創(chuàng)立了“三因子模型”，提出了三個(gè)會(huì)影響股票回報(bào)的因子：市場(chǎng)風(fēng)險(xiǎn)、市值、估值。

換句話說(shuō)，小盤(pán)股和價(jià)格低于內(nèi)在價(jià)值、不受歡迎的廉價(jià)股票更容易跑贏市場(chǎng)，在長(zhǎng)期獲得巨大收益。

而阿斯內(nèi)斯在研究中發(fā)現(xiàn)，除了這些因子外，動(dòng)量（momentum）也是影響收益的一個(gè)因子。動(dòng)量因子指的是，正在上漲的股票，短期內(nèi)會(huì)繼續(xù)有良好的表現(xiàn)，反之亦然。

帶著這樣的發(fā)現(xiàn)，阿斯內(nèi)斯成立了AQR，建立基于這些因子的投資模型。2000年，AQR通過(guò)對(duì)科技股泡沫的判斷一戰(zhàn)成名。

2000年8月，華爾街對(duì)那些“閃閃發(fā)光”的科技股趨之若鶩，科技股的泡沫也因此被炒的火熱，然而AQR卻反其道而行之，便宜的買入其他行業(yè)的股票。

當(dāng)時(shí)，華爾街大多不看好這個(gè)操作，因?yàn)锳QR的逆勢(shì)操作讓它賬面上損失慘重，管理的資產(chǎn)規(guī)模從10億美元一度縮水到4億美元。

即便如此，阿斯內(nèi)斯依然信心十足。他還發(fā)表了一篇名為《泡沫邏輯》的文章，直接駁斥了支持科技股高估值的觀點(diǎn)。他在文章中寫(xiě)道：“當(dāng)謬誤盛行時(shí)，總得有人站出來(lái)戳穿皇帝的新衣。”

最終，美國(guó)的科技股泡沫還是破裂了，那些高估值的科技股無(wú)一幸免，紛紛暴跌。

從2000年3月到2002年10月，納斯達(dá)克指數(shù)甚至狂跌了77.9%。就在許多華爾街投資者血本無(wú)歸之際，AQR卻在這場(chǎng)風(fēng)暴中大獲全勝，不僅填平了賬面虧損，還從最初的10億美元管理資產(chǎn)，暴漲到了2004年的120億美元。

即使中間經(jīng)歷過(guò)多次動(dòng)蕩，AQR也在2018年時(shí)成為了全球第二大的對(duì)沖基金。

在2019年的一次采訪中，阿斯內(nèi)斯解釋了他最關(guān)注的四個(gè)因子：價(jià)值（Value）、動(dòng)量（Momentum）、收益率差（Carry）、防御（Defensive），或者說(shuō)質(zhì)量因子。

Clifford Asness

多因子量化基金AQR創(chuàng)始人：

價(jià)值策略（Value）：便宜的資產(chǎn)往往會(huì)戰(zhàn)勝昂貴的資產(chǎn)，如果你用某種基本面指標(biāo)來(lái)衡量?jī)r(jià)格，較低價(jià)格的資產(chǎn)往往會(huì)隨著時(shí)間推移表現(xiàn)更好。

動(dòng)量策略（Momentum）：最近表現(xiàn)強(qiáng)勁的資產(chǎn)往往會(huì)在短期內(nèi)繼續(xù)延續(xù)其趨勢(shì)，比隨機(jī)走勢(shì)更具持續(xù)性。

收益率差（Carry）策略：結(jié)合了前兩者，用來(lái)預(yù)測(cè)價(jià)格，同時(shí)強(qiáng)調(diào)“等待時(shí)也能賺錢(qián)”，比如通過(guò)持有高收益資產(chǎn)來(lái)賺取利差。

質(zhì)量（Defensive）策略：關(guān)注那些相較于其他證券風(fēng)險(xiǎn)更低、資產(chǎn)負(fù)債表更健康、盈利能力更強(qiáng)且收益更穩(wěn)定的資產(chǎn)。”

但也就在2009年，AQR迎來(lái)了殘酷的量化寒冬。

首先，AQR在當(dāng)時(shí)堅(jiān)持的多因子投資策略里，使用了一種“靜態(tài)權(quán)重”的的權(quán)重分配方式，也就是投資組合中每個(gè)因子的權(quán)重在構(gòu)建時(shí)就被確定，并不會(huì)隨著市場(chǎng)環(huán)境或因子表現(xiàn)動(dòng)態(tài)調(diào)整。

例如，如果一個(gè)多因子策略設(shè)定了動(dòng)量因子40%、價(jià)值因子30%、質(zhì)量因子30%的權(quán)重，那么無(wú)論市場(chǎng)情況如何，這些權(quán)重都不會(huì)改變。

AQR在決定這套權(quán)重的時(shí)候，往往會(huì)利用歷史數(shù)據(jù)進(jìn)行回測(cè)，這套風(fēng)格形成之后很難進(jìn)行改變。畢竟過(guò)去三四十年的數(shù)據(jù)中被證明可行的因子，怎么能因?yàn)橐荒瓯憩F(xiàn)不好就推翻重來(lái)呢？

但阿斯內(nèi)斯在自己的博客文章里提到，2020年的前六個(gè)星期里，價(jià)值投資遭遇了嚴(yán)重的滑鐵盧，代表這套靜態(tài)權(quán)重的因子分配方法在某些情況下是行不通的。

2020年底，AQR的人員經(jīng)歷了一次大的變動(dòng)，幾乎很多老員工都離開(kāi)了，而AQR也借此契機(jī)改變了自己的風(fēng)格，在原本的模型上增加了更多的靈活性。

之后，經(jīng)歷了兩年的低迷，今天的AQR重新回到了第一梯隊(duì)。而他們的新藍(lán)圖，和AI不無(wú)關(guān)系，這一點(diǎn)我們隨后會(huì)講到。

Chapter 1.3 多統(tǒng)計(jì)套利與文藝復(fù)興

雖然多因子投資里面使用了大量的數(shù)學(xué)模型，但本質(zhì)還是在講一套關(guān)于因子的故事。

而“統(tǒng)計(jì)套利”這一投資風(fēng)格卻完全拋棄了金融敘事，反而試圖在速度上打敗競(jìng)爭(zhēng)對(duì)手，這時(shí)才是算法和算力真正大顯身手的時(shí)候。

提到統(tǒng)計(jì)套利，就不得不談對(duì)沖基金界的傳奇人物：吉姆·西蒙斯（Jim Simons）。

2024年五月，這位數(shù)學(xué)家出身的投資人離世，享年86歲，這樣的一則新聞，也讓他創(chuàng)建的對(duì)沖基金“文藝復(fù)興”科技公司重新出現(xiàn)在了大眾視野。

自1988年創(chuàng)立以來(lái)，文藝復(fù)興始終是一家相對(duì)低調(diào)的基金。無(wú)論是西蒙斯本人，還是那些簽了30頁(yè)保密協(xié)議的員工，都對(duì)這家公司賺錢(qián)的秘密諱莫如深。但這并不影響外界震驚于他旗下基金的表現(xiàn)。

文藝復(fù)興的第一支基金產(chǎn)品“大獎(jiǎng)?wù)禄稹保?4年間獲得了40%的年凈回報(bào)率，扣除服務(wù)費(fèi)之前甚至達(dá)到了驚人的66%。也就是說(shuō)，在該基金的整個(gè)運(yùn)行周期內(nèi)，他帶給了文藝復(fù)興公司600億美元的利潤(rùn)。

迄今為止，大獎(jiǎng)?wù)禄鹗亲畛晒Φ膯我煌顿Y工具，西蒙斯所依靠的，就是統(tǒng)計(jì)套利。

他依賴于復(fù)雜的數(shù)學(xué)模型和大量的計(jì)算，在看似雜亂無(wú)章的金融市場(chǎng)里尋找規(guī)律，通過(guò)機(jī)器創(chuàng)造財(cái)富。因此，西蒙斯被他的傳記作者稱為“征服市場(chǎng)的人”。

統(tǒng)計(jì)套利有三大法寶：技術(shù)分析、時(shí)間序列分析和機(jī)器學(xué)習(xí)。

我們之前已經(jīng)提到了技術(shù)分析。

時(shí)間序列分析指的是，一種通過(guò)分析歷史數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)價(jià)格變動(dòng)的交易策略。在這種分析里，最重要的是確保穩(wěn)定性。因?yàn)榻y(tǒng)計(jì)套利的核心，就是歷史會(huì)不斷重復(fù)。

史方舟

量客投資合伙人：

機(jī)器學(xué)習(xí)是第三大法寶的原因在于，統(tǒng)計(jì)套利對(duì)底層邏輯的追究是比較淡的，所以更能接受一些黑箱，特別是對(duì)端到端的機(jī)器學(xué)習(xí)的使用比較活躍。

機(jī)器學(xué)習(xí)的數(shù)據(jù)當(dāng)然是越多越好，文藝復(fù)興前聯(lián)席總裁羅伯特·默瑟就說(shuō)過(guò)，沒(méi)有哪種數(shù)據(jù)會(huì)比擁有更多數(shù)據(jù)更好（There’s no data like more data）。這也解釋了統(tǒng)計(jì)套利與前兩種投資風(fēng)格不同的地方，也因此統(tǒng)計(jì)套利派系的調(diào)倉(cāng)頻率更高，達(dá)到了平均三天一次。

Chapter 1.4高頻交易

高頻交易（High-Frequency Trading），是通過(guò)大量的數(shù)據(jù)和復(fù)雜的算法，同時(shí)依賴計(jì)算機(jī)算法和超高速數(shù)據(jù)傳輸，通過(guò)大量的交易操作在極短的時(shí)間內(nèi)獲利，將短期的市場(chǎng)變化利用到了極致。

因此這種“量化交易”的手段比起“投資”，更多屬于“交易”的范疇。

高頻交易主要核心特點(diǎn)是交易速度極快，通常涉及每秒數(shù)千甚至數(shù)百萬(wàn)次交易。

這樣的策略并不復(fù)雜，主要就是靠拼那幾毫秒的速度優(yōu)勢(shì)。Citadel Securities、DeepSeek背后的幻方，曾經(jīng)都使用了這種策略。

在高頻交易風(fēng)頭正盛的時(shí)候，這些基金甚至不惜花重金鋪設(shè)一條從紐約到倫敦的海下光纖電纜，只為了將交易速度提升零點(diǎn)零幾秒，在競(jìng)爭(zhēng)對(duì)手之前搶占先機(jī)。

如今大部分高頻交易，仍然拼的是不同基金的硬件和算法能力，不過(guò)很多基金也意識(shí)到，只強(qiáng)調(diào)速度的高頻交易黃金期已經(jīng)過(guò)去了。

彭博社評(píng)論員Aaron Brown在2020年就寫(xiě)道：大量量化交易基金現(xiàn)在也開(kāi)始用起了傳統(tǒng)對(duì)沖基金的投資方法，在流動(dòng)性不是那么強(qiáng)的市場(chǎng)里尋找被低估的機(jī)會(huì)，未來(lái)的基金構(gòu)成也只會(huì)更加復(fù)雜。

在當(dāng)下的美國(guó)市場(chǎng)里還有一個(gè)問(wèn)題，就是寡頭企業(yè)的出現(xiàn)。

采訪嘉賓告訴我們，在美國(guó)，券商下單之后（比如說(shuō)散戶們愛(ài)用的Robinhood），很多交易訂單都到了Citadel Securities的手上，而它也占了高頻交易市場(chǎng)份額的41.5%。

Citadel進(jìn)行的交易越多，拿到的市場(chǎng)信息也就越多，這讓高頻交易之間的競(jìng)爭(zhēng)變得更加困難。

總體而言，對(duì)沖基金的四個(gè)派系是：持倉(cāng)從少到多、定性到定量、穩(wěn)定到不穩(wěn)定、低頻到高頻的逐級(jí)轉(zhuǎn)變，這之中也代表著一個(gè)重要邏輯的變化：價(jià)值。

史方舟

量客投資合伙人：

很多量化的短期策略，核心是提供了短期市場(chǎng)的流動(dòng)性。因?yàn)樗姆磻?yīng)比一個(gè)人更快，所以就有空間做到更大的可競(jìng)爭(zhēng)性。它賺的錢(qián)來(lái)自于交易信息的差距和交易行為的差距，而不是因?yàn)閯?chuàng)造了直接的價(jià)值。

02 AI來(lái)到華爾街

如今的人工智能如何賦能量化策略？ 盡管統(tǒng)計(jì)套利和高頻交易天然和機(jī)器學(xué)習(xí)密切相關(guān)，但最先對(duì)生成式AI產(chǎn)生興趣的，卻是看起來(lái)和AI關(guān)系最遠(yuǎn)的基本面分析。

Chapter 2.1 數(shù)據(jù)難題

生成式AI的一大吸引力是：能解決金融業(yè)長(zhǎng)期面對(duì)的數(shù)據(jù)難題。

基本面分析需要處理大量和公司有關(guān)的公開(kāi)信息，比如財(cái)報(bào)、證監(jiān)會(huì)報(bào)告、媒體報(bào)道、高層演說(shuō)等。這些信息往往是以非結(jié)構(gòu)化的文字形式存在的，處理起來(lái)十分復(fù)雜。而統(tǒng)計(jì)套利和高頻交易中只需要處理代表價(jià)格的數(shù)字，難度反而下降了很多。

采訪嘉賓告訴我們，其實(shí)早在2016年，基本面分析就開(kāi)始關(guān)注人工智能和深度學(xué)習(xí)了。

基本面分析最重要的就是打出信息差。傳統(tǒng)上來(lái)說(shuō)，這些信息要么是來(lái)自公開(kāi)財(cái)報(bào)的信息，要么是分析師通過(guò)盡調(diào)去挖掘的非公開(kāi)信息。但隨著監(jiān)管的不斷完善，公司要披露的信息越來(lái)越多，基本面分析的基金競(jìng)爭(zhēng)也就越來(lái)越難打了。

Dr Miquel Noguer i Alonso

AI金融研究院創(chuàng)始人、前UBS瑞士執(zhí)行董事：

我們并沒(méi)有（能夠）利用所有的非結(jié)構(gòu)化數(shù)據(jù)，一方面是因?yàn)槿狈ο鄳?yīng)的工具，另一方面即使面對(duì)結(jié)構(gòu)化數(shù)據(jù)，我們也沒(méi)有足夠的勇氣去充分利用它。

2016年是一個(gè)覺(jué)醒的時(shí)刻，因?yàn)槲覀円庾R(shí)到市場(chǎng)上其實(shí)存在大量數(shù)據(jù)，而這些數(shù)據(jù)可以被用來(lái)分析股票。

但就在十年前，金融業(yè)發(fā)現(xiàn)了所謂的“替代數(shù)據(jù)”（alternative data），替代數(shù)據(jù)是指那些非常規(guī)、但能推動(dòng)股價(jià)漲跌的數(shù)據(jù)，比如信用卡交易記錄、社交媒體、電商平臺(tái)的買家評(píng)價(jià)，甚至衛(wèi)星圖像等。

Dr. Richard Peterson

MarketPsych CEO：

舉個(gè)例子，通過(guò)查看手機(jī)定位數(shù)據(jù)可以實(shí)時(shí)了解人們的動(dòng)向、知道他們進(jìn)入了哪些商店。又或者通過(guò)衛(wèi)星數(shù)據(jù)監(jiān)測(cè)節(jié)假日期間商場(chǎng)停車場(chǎng)的容量，如果看到停車場(chǎng)爆滿，我們就可以推測(cè)這家零售商的銷售狀況可能不錯(cuò)。

但在有了大量數(shù)據(jù)后，金融業(yè)又面臨了一個(gè)新的問(wèn)題：沒(méi)有合適的工具去處理這些數(shù)據(jù)，因?yàn)檫@些數(shù)據(jù)太過(guò)于復(fù)雜了。

對(duì)于基金經(jīng)理來(lái)說(shuō)，閱讀、消化和總結(jié)大量的非結(jié)構(gòu)化數(shù)據(jù)會(huì)消耗大量精力；在買方看來(lái)，賣方報(bào)告里還可能包含對(duì)做決定沒(méi)有必要的細(xì)節(jié)。

而ChatGPT誕生后，人們發(fā)現(xiàn)生成式AI最擅長(zhǎng)處理非結(jié)構(gòu)化數(shù)據(jù)的，這對(duì)處理復(fù)雜的金融數(shù)據(jù)來(lái)說(shuō)提供了非常大的幫助。

武軍辰

Menos AI CEO、聯(lián)合創(chuàng)始人：

AI agent（智能體）可以幫我們的基本面經(jīng)理（fundamental managers）、投資經(jīng)理（pm）、股票研究員（stock analysts）去處理大量的賣方研究（sell side research）和股票研究（stock research），把這些信息從非結(jié)構(gòu)化（unstructured）變成變成一個(gè)可以查詢的結(jié)構(gòu)化數(shù)據(jù)（structure data）。

在需要閱讀和總結(jié)大量數(shù)據(jù)，并根據(jù)需求寫(xiě)一些基本的、可重復(fù)性高的代碼時(shí)，AI就像一名勤勤懇懇的實(shí)習(xí)生，可以迅速完成這些工作。

采訪嘉賓還告訴我們，AI的另一個(gè)應(yīng)用場(chǎng)景就是幫助基金經(jīng)理去清理和歸納原始數(shù)據(jù)，讓經(jīng)理可以花更多的時(shí)間和精力在分析這些數(shù)據(jù)上。

巴利亞斯尼資產(chǎn)管理公司的首席經(jīng)濟(jì)學(xué)家Chris Pulman就告訴彭博社，曾經(jīng)需要他花兩天時(shí)間準(zhǔn)備的中央銀行會(huì)議的預(yù)覽報(bào)告，現(xiàn)在只要花30分鐘，因?yàn)锳I已經(jīng)幫他完成了整理各路經(jīng)濟(jì)學(xué)家看法、生成圖表等一系列的研究工作。他表示，人工智能比他一開(kāi)始想的更有用。

Chapter 2.2 工具即服務(wù)

除了處理數(shù)據(jù)以外，AI還給金融業(yè)帶來(lái)了另一種效率提升。

武軍辰

Menos AI CEO、聯(lián)合創(chuàng)始人：

GenAI（生成式AI）到底真正帶來(lái)的革命性東西，用一句話概括為：工具即服務(wù)。

金融業(yè)是一個(gè)被高度監(jiān)管的行業(yè)，尤其在2008年的金融危機(jī)之后，美國(guó)政府通過(guò)了《多德·弗蘭克（Dodd-Frank）法案》，向?qū)_基金提出了更多的披露義務(wù)。這也導(dǎo)致對(duì)沖基金行業(yè)需要聘請(qǐng)專人去分析投資組合的風(fēng)險(xiǎn)，完成合規(guī)申報(bào)等內(nèi)容。

而進(jìn)行這些分析則需要大量專業(yè)化的軟件，同時(shí)每一個(gè)軟件都要配備一個(gè)分析師，但在AI時(shí)代，這些軟件都能以AI agent的形式存在，提供一站式服務(wù)。

武軍辰

Menos AI CEO、聯(lián)合創(chuàng)始人：

現(xiàn)在很多工具開(kāi)始變得更智能了，比如你可以直接把一個(gè)投資組合交給風(fēng)險(xiǎn)分析（risk analysis）的工具（tool）或者軟件（software）。

所謂“工具即服務(wù)”是，過(guò)去可能風(fēng)控團(tuán)隊(duì)需要十個(gè)人，現(xiàn)在兩個(gè)人就夠了，因?yàn)楹芏嗟倪^(guò)程都可以被自動(dòng)化。這些工具拿到數(shù)據(jù)后可以自動(dòng)生成風(fēng)險(xiǎn)報(bào)告，人們甚至可以跟它進(jìn)行問(wèn)答交互。我覺(jué)得未來(lái)這個(gè)會(huì)有很大的作用。

在對(duì)沖基金里，前臺(tái)通常是對(duì)沖基金的盈利來(lái)源，主要負(fù)責(zé)投資決策和與客戶的互動(dòng)；

中臺(tái)主要負(fù)責(zé)風(fēng)險(xiǎn)管理、合規(guī)性和確保交易與基金的整體戰(zhàn)略和監(jiān)管要求相符；

后臺(tái)負(fù)責(zé)對(duì)沖基金的行政、運(yùn)營(yíng)和支持工作，包括提交法律和合規(guī)報(bào)道。

AI也許就可以替代中臺(tái)和后臺(tái)的重復(fù)性工作，特別是節(jié)省重復(fù)性高的分析的時(shí)間。

Dr Miquel Noguer i Alonso

AI金融研究院創(chuàng)始人、前UBS瑞士執(zhí)行董事：

除了寫(xiě)作外，AI同樣適用于數(shù)學(xué)和編程，這恰恰也是量化分析師每天都在做的事情。所以，即使是最保守的量化分析師也會(huì)想，"我能不能用這個(gè)工具來(lái)為我新開(kāi)發(fā)的算法生成文檔，并生成代碼呢？" 答案是肯定的，這將極大地節(jié)省時(shí)間。

Chapter 2.3 尋找超額回報(bào)Alpha

不過(guò)，關(guān)于AI是否能實(shí)現(xiàn)“實(shí)習(xí)生”到“分析師”的飛躍、為對(duì)沖基金找到超額回報(bào)（alpha），對(duì)沖基金的看法則沒(méi)有那么樂(lè)觀。

Ken Griffin

CITADEL(城堡投資公司)CEO：

“我認(rèn)為有些人幻想著LLM（大語(yǔ)言模型）會(huì)告訴他們?cè)撡I哪些股票，但這只是幻想而已。”

也有對(duì)沖基金在嘗試通過(guò)AI建立投資策略，比如前面提到的AQR正在進(jìn)行的新嘗試。阿斯內(nèi)斯在多次采訪中提到，AQR正在使用大語(yǔ)言模型從文字?jǐn)?shù)據(jù)中挖掘新的交易信號(hào)，并讓現(xiàn)存的交易信號(hào)變得更準(zhǔn)確、更有用。

交易信號(hào)是指能夠?yàn)橥顿Y者提供決策參考的信息或指標(biāo)。例如，文字信息中往往蘊(yùn)含著豐富的情緒表達(dá)：在財(cái)報(bào)會(huì)議中，高層對(duì)公司經(jīng)營(yíng)狀況的表述可能展現(xiàn)出正面、負(fù)面或中立的態(tài)度。

而在美聯(lián)儲(chǔ)的發(fā)布會(huì)中，其對(duì)當(dāng)下經(jīng)濟(jì)的看法可能表現(xiàn)為鷹派或鴿派，這些態(tài)度實(shí)際上就是一種交易信號(hào)。

在生成式AI出現(xiàn)之前，投資者通常需要多次閱讀這些信息，才能總結(jié)出相應(yīng)的情緒態(tài)度。

英偉達(dá)的量化分析師Ioana Boier就解釋了她正在研究的工具，基于情緒識(shí)別找到交易信號(hào)。

Ioana Boier

英偉達(dá)量化分析師：

你可以跟蹤這種情緒隨時(shí)間的變化：如果它維持在中性水平，你可能不會(huì)采取任何行動(dòng)，但如果情緒極端正面或極端負(fù)面，你就可以將其視為一個(gè)信號(hào)。這正是策略可以發(fā)揮作用的地方，你可以采用類似的閾值設(shè)定（thresholding）方法來(lái)進(jìn)行決策。

看中這個(gè)風(fēng)口的數(shù)據(jù)和服務(wù)提供商也不在少數(shù)：專注于替代數(shù)據(jù)的Acuity Trading最近推出了完全由AI驅(qū)動(dòng)的交易信號(hào)生成服務(wù)，主要聚焦在外匯和加密貨幣市場(chǎng)。

前面我們說(shuō)的都是基金經(jīng)理們?nèi)绾卫蒙墒紸I處理文字信息的能力，除此之外，量化基金也在挖掘機(jī)器學(xué)習(xí)處理復(fù)雜的數(shù)字、建立統(tǒng)計(jì)模型方面的作用。

Chapter 2.4 統(tǒng)計(jì)模型中的AI

像AQR這樣的多因子基金，通常會(huì)有以下投資流程：

通常來(lái)說(shuō)，多因子基金會(huì)通過(guò)統(tǒng)計(jì)模型，來(lái)確定哪些因子能夠預(yù)測(cè)股票的表現(xiàn)，將得到的因子結(jié)合起來(lái)，再推測(cè)出一個(gè)最優(yōu)的投資組合，并根據(jù)這個(gè)最優(yōu)組合調(diào)整基金中現(xiàn)存的投資組合，盡可能達(dá)到更優(yōu)。

但如何將多個(gè)因子結(jié)合在一起、確定每個(gè)因子在投資組合里所占的權(quán)重，卻是完全不同的過(guò)程。

2019年底，阿斯內(nèi)斯就是因?yàn)橐灰夤滦校岣吡恕皟r(jià)值”因子在AQR的投資組合里所占的比例，導(dǎo)致AQR在疫情期間損失慘重。但是這次，阿斯內(nèi)斯卻覺(jué)得，有可能通過(guò)AI來(lái)挑選合適的投資組合。

AQR的機(jī)器學(xué)習(xí)部門(mén)主管Bryan Kelly認(rèn)為，由于大語(yǔ)言模型在訓(xùn)練中使用了大量數(shù)據(jù)，存在大量預(yù)測(cè)變量，因此能更好地識(shí)別因子和股票變化之間的非線性關(guān)系。

傳統(tǒng)的統(tǒng)計(jì)模型都是回歸分析，往往只能分析一個(gè)因變量和一個(gè)自變量之間的線性關(guān)系。但由于大模型本身十分復(fù)雜，反而能給到因子更為準(zhǔn)確的權(quán)重。

在AQR自己的試驗(yàn)中，大模型將投資回報(bào)提升了50-100%。Bryan Kelly也將這種情況稱之為“復(fù)雜性的價(jià)值”（virtue of complexity）。

Clifford Asness

多因子量化基金AQR創(chuàng)始人：

長(zhǎng)期以來(lái)我們一直在討論不要過(guò)度擬合。量化投資的一個(gè)風(fēng)險(xiǎn)在于，你可能在數(shù)據(jù)中看到一些隨機(jī)的模式并誤以為可以交易它們，而一種應(yīng)對(duì)這種風(fēng)險(xiǎn)的方法，就是將數(shù)據(jù)與理論和常識(shí)相結(jié)合。

但AI在某種程度上讓我們偏離了傳統(tǒng)的方法，這讓我感到有些不適，因?yàn)槟阋欢ǔ潭壬习褯Q策權(quán)交給了機(jī)器。

我們的采訪嘉賓認(rèn)為，盡管近幾年來(lái)AQR和量化基金對(duì)AI的接受程度高了很多，它們也不會(huì)完全使用大模型進(jìn)行投資決策，因?yàn)檫@和阿斯內(nèi)斯多年來(lái)堅(jiān)持的風(fēng)格不符。

史方舟

量客投資合伙人：

我覺(jué)得這是和基因有關(guān)系的，我認(rèn)為AQR今天也不可能接受，把端對(duì)端黑箱模型的結(jié)果直接作為投資的決策，因?yàn)樗耐顿Y風(fēng)格決定是要在經(jīng)濟(jì)學(xué)和金融學(xué)上具有可解釋性。

目前，學(xué)界和業(yè)界都推出了不少研究分析人工智能在量化金融上的應(yīng)用，比如大模型如何生成時(shí)間序列。采訪嘉賓認(rèn)為目前大熱的AI agent，將會(huì)在未來(lái)有很多應(yīng)用場(chǎng)景：

時(shí)間序列agent：可以決定使用哪些模型（例如 Transformers、長(zhǎng)短期記憶網(wǎng)絡(luò)）來(lái)進(jìn)行股票的時(shí)間序列預(yù)測(cè)。

基本面agent：可以分析公司的財(cái)務(wù)報(bào)表、商業(yè)計(jì)劃和其他定性信息，以評(píng)估公司的狀況。

ESG agent：可以評(píng)估公司的治理、社會(huì)影響和環(huán)境因素。

合規(guī)agent：可以做出投資決策前檢查公司高管的犯罪記錄等事項(xiàng)。

必須承認(rèn)的是，很多人工智能的應(yīng)用都還處在早期，幾乎沒(méi)有量化基金完全使用大模型去替代人類分析師以及基金經(jīng)理的決策。

武軍辰

Menos AI CEO、聯(lián)合創(chuàng)始人：

我們認(rèn)為AI最多叫輔助決策者（decision assistant），還是需要人做決策。我很認(rèn)可一種說(shuō)法：AI短期之內(nèi)是不會(huì)代替人的，尤其不會(huì)代替人去決策，但是會(huì)用AI的人會(huì)代替掉不用AI的人，因?yàn)橛泻芏喙ぷ骺梢杂肁I自動(dòng)化掉（automated），讓人更高效。

最后，在大模型盛行的時(shí)代，對(duì)沖基金如何在工具相同的情況下提升競(jìng)爭(zhēng)力，也是一個(gè)問(wèn)題。

史方舟

量客投資合伙人：

如果你是投資人，現(xiàn)在有一家基金有非常專業(yè)的人工智能團(tuán)隊(duì)：它的策略端對(duì)端，從最原始（raw）的數(shù)據(jù)直接給你最終的投資決策，然后表現(xiàn)很好，這個(gè)時(shí)候你愿意投嗎？

當(dāng)基金的競(jìng)爭(zhēng)優(yōu)勢(shì)只限于人員專業(yè)、表現(xiàn)好時(shí)，其實(shí)把自己放在了非常尷尬的狀態(tài)，因?yàn)槲遥ㄍ顿Y者）永遠(yuǎn)可以找到另外一組很專業(yè)的AI專家，并且滾動(dòng)（rolling）3個(gè)月或者6個(gè)月表現(xiàn)比你（這家基金）好，那這家基金如何去建立和客戶之間的黏性呢？

Dr Miquel Noguer i Alonso

AI金融研究院創(chuàng)始人、前UBS瑞士執(zhí)行董事：

這是一個(gè)競(jìng)爭(zhēng)性的游戲。如果你的能力不如你的競(jìng)爭(zhēng)對(duì)手，即使你使用了一些工具，也未必能創(chuàng)造主動(dòng)收益（Alpha）。也許它用的工具更好、掌握的數(shù)據(jù)更多、質(zhì)量更高，或者他找到了更合理的數(shù)據(jù)組合，到了AI時(shí)代情況依然如此。但話說(shuō)回來(lái)，如果你不去投資，不去嘗試，那你肯定會(huì)落后，在投資決策的速度上，你會(huì)遠(yuǎn)遠(yuǎn)慢于你的競(jìng)爭(zhēng)對(duì)手。

03 AI未來(lái)的華爾街征程

無(wú)論傳統(tǒng)的資產(chǎn)管理者和投資人再如何抵抗，AI正在走進(jìn)華爾街，也正在改變基金管理人們的投資方式。

當(dāng)2023年ChatGPT剛火爆全球時(shí)，芒格老與巴菲特在伯克希爾哈撒韋年會(huì)被問(wèn)到AI時(shí)，非常嗤之以鼻。一年之后，當(dāng)巴菲特再被問(wèn)到AI的問(wèn)題時(shí)，他的回答依然很含糊，表示自己對(duì)AI毫無(wú)所知。

而作為巴菲特的接班人，Greg Abel給出的回答是這樣的：

Greg Abel

伯克希爾·哈撒韋公司董事會(huì)副主席：

當(dāng)前我們更應(yīng)該關(guān)注我們?nèi)绾螌?shí)現(xiàn)效率的提升和安全保障，特別是在危險(xiǎn)的領(lǐng)域和流程中。我們還處在（變革的）開(kāi)局階段。

顯然，巴菲特不在乎AI的發(fā)展，是因?yàn)樗麑?duì)可口可樂(lè)等零售業(yè)、保險(xiǎn)業(yè)和石油公司的理解已經(jīng)超乎常人、“信息差”的壁壘已經(jīng)足夠高。

但如果作為巴菲特接班人的Greg Abel如果也完全不在乎AI，就會(huì)像視頻下面的留言所說(shuō)，“Greg關(guān)于人工智能的回答，令我作為伯克希爾哈撒韋股東而感到擔(dān)憂……”

華爾街上的對(duì)沖基金們的現(xiàn)狀其實(shí)不容樂(lè)觀。美股大盤(pán)很強(qiáng)勢(shì)，但基金們?cè)絹?lái)越難跑贏S&P指數(shù)了；基本面和宏觀策略也越來(lái)越難做，這么多年來(lái)，我們也沒(méi)有看到第二個(gè)巴菲特出現(xiàn)。

如今在華爾街上，“能跑贏大盤(pán)”就已經(jīng)是讓人伸出大拇指的好業(yè)績(jī)了，所以對(duì)沖基金們也在拼命地想更有效的策略以拉開(kāi)優(yōu)勢(shì)。

一位嘉賓稱，據(jù)他所知，現(xiàn)在沒(méi)有哪個(gè)華爾街上的大型對(duì)沖基金不在投入大模型的。

正如前文所提，應(yīng)用AI的潛力在金融這樣高度依賴數(shù)據(jù)、包含大量重復(fù)性工作，又要求速度的行業(yè)，應(yīng)該是很大的。

但另一方面，這些試驗(yàn)仍然處在早期。我們看到很多的AI選股、AI策略依然不靠譜，AI依然無(wú)法代替人類交易員和投資人來(lái)做最終的決策，現(xiàn)在還是一名努力的華爾街實(shí)習(xí)生的角色。

但隨著AI大模型的能力發(fā)展與應(yīng)用的成熟，“使用AI的能力”是否會(huì)代替?zhèn)鹘y(tǒng)的“基本面信息差”，成為對(duì)沖基金們的新競(jìng)爭(zhēng)優(yōu)勢(shì)決定因素呢？我們拭目以待。