人工智能將加速重塑資產管理行業

肖冰

2018 是人工智能在國內全面落地的一年。人工智能對各個行業，尤其是數據量極為豐富的資產管理行業，正在產生日益深刻的影響。而去年9月，網上流傳的一則消息——國內資管行業的巨頭平安資產管理公司將 “大幅裁減主動式投資管理人員”，在業內引起軒然大波，后來平安資管對此作出的回應是：目前正根據平安集團的安排，加大科技投入，對策略和科技平臺升級，進行量化轉型，因此內部組織和管理有所調整。這則消息退潮之后，人工智能將對資產管理行業帶來何種影響？以及社會各界該如何做好應對？等等，成為一個極富研究價值的課題。

2019年對資產管理行業來說，一方面，既受到全球經濟、金融行業固有景氣周期循環的短期、常規影響;另一方面，更面臨本輪金融技術（Fintech），特別是人工智能的長期、甚至是顛覆性挑戰。兩方面的影響和挑戰疊加，挑戰嚴峻。未雨綢繆，不預則廢。本文嘗試分析人工智能對資產管理行業發展的影響。

一、減輕從業道德風險

資產管理行業存在和發展的前提有兩個，一個是基金管理人誠實信用;一個是基金管理人有能力持續賺錢。這兩者中，誠實信用排在第一位。究其原因，這個行業天然是資金的所有權和使用權分離，管理人的行為也不好監督。在學術上，這是典型的委托代理機制。在實踐中，管理人潛在的道德風險一直存在。在歷史上，美國和中國都出現過不少利益沖突、“老鼠倉”事件。

大數據是最近這一次人工智能成為“風口”的關鍵因素。使用大數據的匹配、相關方法，能夠比較容易找出關聯交易和資金往來線索。從根本上說，人工智能目前的行為目標或偏好比較單一，可能只有為客戶賺錢這個單一目標。人工智能對資產管理行業來說，雖然無法消除委托代理關系，但可以在一定程度上減輕道德風險。

二、財富管理將更加智能化

資產管理行業的發展，始終面臨不斷募集資金的問題。實踐表明，互聯網技術已經在一定程度上改變了傳統基金銷售方式。例如，冪律、長尾規律通過互聯網技術得以對貨幣市場基金進行了顛覆（余額寶）;第三方平臺（東方財富、螞蟻金服、京東金融）對傳統基金銷售渠道進行了挑戰。

另一方面，財富管理崗位中，其中操作標準化程度較高、對情感交互的要求較低的崗位可能被人工智能所取代，即未來資產里行業可能可以通過人工智能客服對大眾客群開展營銷服務，但中高凈值客群可能仍需要真人客戶經理為其提供服務。

三、改造主動投資

主動型投資者收取了這個行業的巨額管理費和業績提成。收的合不合理？應該收多少？目前也有爭議。從根本上看，投資決策的核心在于信息流，信息獲取是投資決策的前提。在理論上，信息是金融市場中最重要的資源。所以信息套利是筆大生意，參與者包括金融中介機構及數據供應商。

四、助推被動投資

近年來，被動投資迅速發展起來還有兩個原因。一個是管理規模。在主動投資策略中，規模是業績的敵人。去年，平安資管擬對投資管理方式進行轉型，其核心（被動投資）加衛星（主動投資）是超大型機構投資者的戰略選擇，智能量化是未來的方法選擇。對于不具有優勢的個人投資者、或者沒有特別優勢的機構投資者而言，指數投資是它們的最優選擇。在一定意義上，指數投資就是傳統投資方法和人工智能投資方法的試金石。但然，指數投資的業績也是人工智能業績的下限，不好的人工智能也面臨被淘汰。

五、改變博弈格局

資產管理行業發展的前提之一，是基金管理人有能力持續賺錢。持續賺錢其實很難，所以業界有“投資生存戰”的說法，即長期生存下來已非易事。股票市場是個生態系統，未來股票市場的博弈格局，在人工智能加入后，可能是人、人機互動、完全人工智能混雜的復雜博弈局面。人工智能通過不分晝夜地機器學習、自我學習、強化學習，只會越來越強大。

六、挑戰組織結構

傳統主流機構投資者的內部組織結構，按部門分，一般有研究部、股票投資部、量化投資部、交易部、監察部;按職位分，有宏觀研究員、行業研究員、基金經理、數量分析師、交易員、督察員。如果是在軟件定義的社會，或者說是算法（algorithm）定義的時代。如果數據是新的石油，信息是生命體的血液。那么，組織結構中的管理問題、投資流程問題，可能就變成了如何管理數據和信息？如何管理算法和軟件？如何進行算法外包？如何激勵開源代碼共享？那么，傳統的部分劃分、職位劃分，是否適應信息流的新的、甚至是革命性的變化？并且，在企業邊界的問題上，新型的企業也給出了不同的答案。例如。頂尖的對沖基金AQR的創始人，是Fama（2013年諾獎得主）指導的1994年畢業的博士生，倡導開放式研究，在一定程度上，就是開源代碼共享，這重新定義了企業的邊界、企業的協作。

七、轉型科技公司

一直以來，投資管理行業的競爭就是武裝到牙齒的技術“軍備競賽”。近年來，全球頂尖的對沖基金站在智能研究和實踐的前沿。文藝復興科技公司、Two Sigma等公司組建了自己的人工智能團隊。2012年，著名的對沖基金公司橋水基金挖走了IBM的“沃森（Watson）”人工智能開發小組的領軍人物David Ferrucci。2017年，對沖基金巨頭Citadel聘用了微軟的首席人工智能科學家鄧力。2018年，NASA（美國國家航空航天局）首席數據科學家加盟貝萊德（BlackRock）2018年，華盛頓大學計算機科學與工程學教授，《The Master Algorithm》作者 Pedro Domingos加入DE Shaw。2018 年，卡內基梅隆大學計算機系主任 Manuela Veloso 加盟摩根大通。

八、人才需求變化

近來，一些主流傳統公司，例如行業巨頭富達基金提拔有技術背景出身的Steve Neff擔任資產管理部門負責人，可能也多少說明了趨勢潮流。在未來，計算機、統計、數學等人才可能是搶手貨。背后的原因其實是傳統的信息流、投資流程受到挑戰。但我們必須特別指出，傳統的投資方法也不是一無是處，直覺和經驗也不是全無道理。例如老練的投資者在基本面投資中使用的認知、邏輯和經驗長期有效。因為人工智能并不能判斷行業發展趨勢、企業發展戰略、企業家精神、企業文化。而這些“虛”的、定性的東西，恰恰是判斷偉大企業的關鍵。

九、帶來潛在風險

資管行業的從業人員如果同時應用人工智能技術，可能會出現金融市場穩定性風險。例如，如果以機器學習為基礎的交易者勝過其他交易者，可能導致更多的交易者采用類似的機器學習策略，放大市場震蕩。機器學習交易策略中的可預測模式也可能存在被犯罪分子用來操縱市場價格的風險。從技術角度說，機器和機器智能帶來的風險，也非同小可。例如，1987年一天之內指數下跌超過20%，以及2010年的閃崩，都有機器程序交易產生連鎖反應的原因，每個下單指令生成為4.6毫秒，對監管和交易所都提出了挑戰。

此外，金融市場體系存在互相聯動的特點，如果資管行業的眾多機構在某一關鍵部分依賴于相同數據或算法，那么當這些數據或算法出現問題時，問題可能會從單個節點向整個市場擴散。因此，集體采用人工智能工具可能會帶來關聯性風險。

十、人機博弈合作

未來已來，只是還不明顯。人工智能在資產管理行業發展的多個方面，都可以進行改造，都可以推動行業的變遷。但是人工智能也不是無所不能的，至少在目前可以預見的長期內，人工智能并不能完全取代人。例如，在傳統的投資決策框架中，人工智能在數據獲取、信息處理和交易執行三個方面具有絕對優勢，但在理解歷史知識、經驗規則和博弈策略中并不具優勢;人工智能在把握短期情緒和非方向判斷方面具有絕對優勢，但在長期基本面理解和方向判斷方面不具優勢。所以，一個可能的格局是，人腦、電腦博弈合作。

總的來說，人工智能對資產管理行業發展的影響深刻長遠。但人們對人工智能或多或少依然存在大量誤解，甚至是恐懼，也都正常。上面的看法可能對，也可能不對。我們也面臨“用目前習慣的框架去分析未來問題”的尷尬，這也都正常，對真實世界的認知就是在不斷試錯和批判中前進的，所以，歡迎各方專業人士不吝賜教。（作者單位：深圳市前海宜濤資產管理公司）