【行業(yè)資訊】人工智能如何助力資產(chǎn)管理數(shù)字化轉(zhuǎn)型，專家來支招
正文共：7395字-9圖
預(yù)計(jì)閱讀時(shí)間：19分鐘
在由通聯(lián)數(shù)據(jù)主辦，中信建投證券、亞馬遜云科技協(xié)辦的『嗨~AI』資產(chǎn)管理數(shù)字化轉(zhuǎn)型峰會(huì)上，華泰柏瑞基金副總經(jīng)理田漢卿女士、亞馬遜云科技大中華區(qū)CTO劉亞霄、光大理財(cái)有限責(zé)任公司CTO張軼、麥肯錫全球資深董事合伙人曲向軍、東方馬拉松投資管理有限公司董事長鐘兆民、通聯(lián)數(shù)據(jù)首席內(nèi)容官、產(chǎn)品總監(jiān)馮欽遠(yuǎn)等對(duì)大數(shù)據(jù)和人工智能對(duì)資產(chǎn)管理行業(yè)的影響做了深入探討。
田漢卿：人工智能提升市場效能還有很大的空間
在投資策略上，怎么樣用人工智能實(shí)現(xiàn)投資目標(biāo)？對(duì)于量化投資而言，真正有力量的手段是怎樣的？人工智能開啟了投資管理行業(yè)新藍(lán)海，帶了怎樣的新機(jī)遇？
在田漢卿看來，人工智能早已深入我們的生活，但應(yīng)用在投資領(lǐng)域和應(yīng)用在自然科學(xué)大有不同，自然科學(xué)比如說人臉識(shí)別，能識(shí)別就識(shí)別，不能識(shí)別就不能識(shí)別，一定程度上，可以達(dá)到99.9%的正確率。但投資是博弈的結(jié)果，任何一方的市場參與都會(huì)影響市場定價(jià)，比如被動(dòng)投資如果不停的買股票就會(huì)影響到股票的定價(jià)，不停賣就會(huì)打壓，所以索羅斯定律在投資領(lǐng)域非常的重要。
2018年，受大環(huán)境影響，行業(yè)也有一些變化，比如賣方研究員評(píng)選幾乎停止，數(shù)據(jù)更新遲緩，當(dāng)時(shí)，華泰柏瑞的模型很大程度依賴賣方的人員預(yù)測，更新頻率下降會(huì)影響阿爾法，這讓田漢卿深深憂慮，萬一將來整個(gè)行業(yè)業(yè)務(wù)模式發(fā)生變化，應(yīng)該如何應(yīng)對(duì)？她認(rèn)為，長期的生存之道是隨著技術(shù)發(fā)展，數(shù)據(jù)的可控，公司能做自己的盈利預(yù)測。于是，他們搭建了公司內(nèi)部自然語言處理系統(tǒng)，在其中加入對(duì)投資的理解，擴(kuò)大數(shù)據(jù)庫，讓AI在投資的基礎(chǔ)上進(jìn)行學(xué)習(xí)。
這其中，涉及到知識(shí)圖譜的部分，需要借助外力。另一部分需要機(jī)器學(xué)習(xí)，要構(gòu)建內(nèi)在聯(lián)系，再通過人工進(jìn)行調(diào)整。目前，華泰柏瑞已經(jīng)實(shí)現(xiàn)了做個(gè)股層面和行業(yè)層面的基本面預(yù)測。目前來看，有了這套系統(tǒng)之后，可能比賣方提供的數(shù)據(jù)更快，這意味著超額數(shù)據(jù)越多，而且對(duì)投資市場也大有裨益。
在量化投資領(lǐng)域，她認(rèn)為，像這樣用大的統(tǒng)計(jì)概率起作用的領(lǐng)域，必須要結(jié)合數(shù)據(jù)、人工智能，必須增加信息收集來源。比如另類數(shù)據(jù)，包括電商數(shù)據(jù)、衛(wèi)星數(shù)據(jù)、信用卡數(shù)據(jù)、公共數(shù)據(jù)等。這些年，隨著計(jì)算技術(shù)和數(shù)據(jù)技術(shù)的發(fā)展，儲(chǔ)存數(shù)據(jù)發(fā)生了翻天覆地的變化，所以在這方面有很大的空間。比如過去更多是依賴于人進(jìn)行搜索，所有持倉的上市公司，交易的上市公司，人都要搜索有沒有超預(yù)期的消息，但人搜的覆蓋度很低。但是現(xiàn)在自然語言處理可以瞬間覆蓋所有的樣本、所有的上市公司。同時(shí)，在投資過程當(dāng)中，可見近幾年數(shù)據(jù)演化非常快。所以從今年開始，華泰柏瑞會(huì)進(jìn)一步擴(kuò)展到其他的另類數(shù)據(jù)，用另類數(shù)據(jù)幫助公司在個(gè)股和行業(yè)上進(jìn)行基本面研究。
談到未來，田漢卿說，如果拓展數(shù)字化投資或者量化投資、智能化投資，必須增加基本面信息的緯度。因?yàn)殚L期影響的因素更多，所以必須盡可能捕捉到所有的基本面信息，應(yīng)用到投資里，拓展模型。她認(rèn)為，目前用大數(shù)據(jù)和人工智能提升市場效能還有很大的空間，未來會(huì)更加顛覆，長期可展望的是人工智能直接承擔(dān)資源配置的功能，資本市場可以退居二位。所以這是真正的藍(lán)海，對(duì)于資本市場有價(jià)值，對(duì)于投資是真正有價(jià)值，可以深度挖掘的，而這個(gè)挖掘也將隨著技術(shù)進(jìn)步進(jìn)一步增加。
劉亞霄：AI只是提升效率的工具，人類無需擔(dān)心飯碗
作為已經(jīng)研究AI二十幾年的“老人”，亞馬遜云科技CTO劉亞霄開門見山：AI并不是目標(biāo)，它只是一個(gè)工具。他回憶當(dāng)年用386系統(tǒng)搭神經(jīng)元網(wǎng)絡(luò)，而現(xiàn)在任何手機(jī)都要快好幾千幾萬倍。但核心問題并沒有解決，從20年前到現(xiàn)在，主要突破都是在算法、傳感器、算力上的突破，理論上并沒有太大突破。所以，在可以預(yù)知的未來，在數(shù)學(xué)上沒有大突破之前，大家不用擔(dān)心AI搶自己的飯碗。他笑言，AI現(xiàn)在基本上是一個(gè)智障的階段。無論自動(dòng)駕駛還是宇宙飛船。但是，AI確實(shí)能夠通過工程化的解決方案，通過創(chuàng)新，提高我們的工作效率，使我們對(duì)數(shù)據(jù)的把控得到更好的應(yīng)用。
以AI在亞馬遜備貨方面的應(yīng)用舉例，我們做了很多數(shù)據(jù)儲(chǔ)備，也用了很多云上的東西，最后形成了亞馬遜以預(yù)測為基礎(chǔ)的體系。這個(gè)體系達(dá)到了超過99%的庫存是自動(dòng)化采購，也就是說亞馬遜賣的東西99%的東西是通過預(yù)測，系統(tǒng)告訴你應(yīng)該買多少作為備貨。
傳統(tǒng)的科技，數(shù)據(jù)和應(yīng)用計(jì)算是聯(lián)系在一起的，云科技的計(jì)算力和它的存儲(chǔ)量已經(jīng)大到超乎想象，所以我們提出了一種新的對(duì)于數(shù)據(jù)資產(chǎn)盤活以及數(shù)據(jù)管理的觀點(diǎn)——把計(jì)算力挪到數(shù)據(jù)里。也就是先有業(yè)務(wù)，業(yè)務(wù)帶來了數(shù)據(jù)，這些數(shù)據(jù)需要從業(yè)務(wù)里獨(dú)立出來，然后大家把不同業(yè)務(wù)的數(shù)據(jù)放在一起，來看能不能產(chǎn)生新的業(yè)務(wù)，也就是解決方案。比如亞馬遜的小機(jī)器人，已經(jīng)完美替代人工，進(jìn)行倉庫中的備貨、揀貨，人只需要完成最后的打包工作。這是因?yàn)閬嗰R遜所有的貨品一開始都是由機(jī)器人去報(bào)告，然后進(jìn)行數(shù)據(jù)集成。他們將系統(tǒng)數(shù)據(jù)放在云端，機(jī)器人直接訪問數(shù)據(jù)，獲取貨品信息，而不是說機(jī)器人是一個(gè)系統(tǒng)，它的數(shù)據(jù)需要每天從云端導(dǎo)下來再去處理。在未來，我們希望用數(shù)字化幫助企業(yè)在產(chǎn)業(yè)鏈上的成本結(jié)構(gòu)得到優(yōu)化，價(jià)值鏈得到進(jìn)一步規(guī)整，使跨境電商業(yè)務(wù)跑得更好。
我們不強(qiáng)調(diào)把大家現(xiàn)有的金融業(yè)務(wù)搬到云上，而是希望幫大家找到在互聯(lián)網(wǎng)上可以做金融業(yè)務(wù)的接口，然后形成數(shù)據(jù)分割的混合云，也就是數(shù)據(jù)化的企業(yè)數(shù)字架構(gòu)，比如放在云上可以擴(kuò)大生意、可以符合監(jiān)管的流程要求，最終發(fā)揮數(shù)據(jù)創(chuàng)造價(jià)值的理念。
張軼：未來已來，投資人需要改變思維模式，充分利用大數(shù)據(jù)和人工智能
時(shí)代在飛速發(fā)展，技術(shù)的發(fā)展永遠(yuǎn)不會(huì)以我們的意志為轉(zhuǎn)移，投資行業(yè)也同樣，張軼認(rèn)為，大數(shù)據(jù)和人工智能已經(jīng)改變了傳統(tǒng)的投資模式，資管行業(yè)從業(yè)者必須改變思維定式，擁抱新技術(shù)。作為美國人工智能協(xié)會(huì)會(huì)員，光大理財(cái)有限責(zé)任公司CTO，張軼以阿爾法的來源改變舉例，最早的時(shí)候投資都是阿爾法，如今阿爾法所處的領(lǐng)域越來越少，但事實(shí)上阿爾法帶來的超額越來越多，阿爾法的投入遠(yuǎn)高于貝塔，這些基本事實(shí)的描述，帶來的邏輯是怎么去尋找阿爾法？數(shù)據(jù)來源和以前相比增大很多，新的東西被容納在傳統(tǒng)的數(shù)據(jù)里，我們做投研的時(shí)候是不是可以用相對(duì)而言系統(tǒng)化的方法，基于數(shù)據(jù)進(jìn)行。
具體來說，首先有一些原始數(shù)據(jù)做驗(yàn)證模型加入洞見構(gòu)建組合，完成之后把組合執(zhí)行的效果回到假設(shè)來看，整個(gè)系統(tǒng)的閉環(huán)不斷持續(xù)糾正，所謂的系統(tǒng)化投資并不會(huì)帶來更大的阿爾法，但是會(huì)更穩(wěn)定，因?yàn)橛蠵DC循環(huán)幫助我們提升投資的質(zhì)量。
龐大的數(shù)據(jù)庫首先來自數(shù)據(jù)收集。其次對(duì)背后的原因提出假設(shè)進(jìn)行分析預(yù)估評(píng)測，而和我們現(xiàn)在做的地方不一樣的是，模型生成不是來自于我們的洞見，而是來源于我們對(duì)數(shù)據(jù)的分析，沒有任何先入為主的概念，而是通過對(duì)數(shù)據(jù)的分析來生成所需要的模型，構(gòu)建組合。聽起來這只是一點(diǎn)點(diǎn)邏輯的改變，但是這一點(diǎn)點(diǎn)改變挑戰(zhàn)的是我們已經(jīng)延續(xù)運(yùn)用20年、30年，兩代人被培養(yǎng)出來的方法，這是非常具有挑戰(zhàn)性的。
在今天這個(gè)時(shí)代，比較推崇的是數(shù)據(jù)到角色，在投資流程當(dāng)中以數(shù)據(jù)為核心，更多需要溝通協(xié)調(diào)。最外側(cè)數(shù)據(jù)清洗工程化的管理這樣藍(lán)領(lǐng)的工作構(gòu)建了基石，代表了一個(gè)機(jī)構(gòu)如何認(rèn)知數(shù)據(jù)和認(rèn)知市場，這需要默默無聞和強(qiáng)大的團(tuán)隊(duì)，對(duì)整個(gè)公司的投研生產(chǎn)產(chǎn)生支持，而這方面在傳統(tǒng)的資產(chǎn)管理公司里是不存在的，通聯(lián)數(shù)據(jù)做了很多這樣的事情。
對(duì)數(shù)據(jù)清洗本身代表對(duì)市場價(jià)格的認(rèn)知，我們怎樣重新評(píng)估習(xí)以為常的數(shù)據(jù)模型，這些模型能帶給我們什么東西？可視化是最低成本建模的東西。舉個(gè)例子，交易的活躍度不用復(fù)雜的報(bào)表，一張圖就可以看到。再比如過去以前考慮券怎么做，今天已經(jīng)完全可以基于數(shù)據(jù)分析，比如用情感分析引擎，年報(bào)公布之后60個(gè)交易日之后跑出來就可以，它沒有具體細(xì)致的研究，用數(shù)據(jù)分析的方式去跑60個(gè)交易日的組合，這個(gè)組合是動(dòng)態(tài)的，調(diào)整是自動(dòng)化的。而對(duì)未來的門檻模擬，人工智能已經(jīng)遠(yuǎn)遠(yuǎn)超過人類。比如構(gòu)建過3.2萬券組合，算的話大概20分鐘，用新方法是3.76毫秒，對(duì)于投資經(jīng)理來講，要在這個(gè)組合里面增加減少改變權(quán)重，它其實(shí)是實(shí)時(shí)變化的，我們投資經(jīng)理最后的邏輯是放一個(gè)券進(jìn)去，或者改一下占比，看對(duì)組合構(gòu)建的影響，我再?zèng)Q定是不是把虛指令變成實(shí)指令，可視化后，凈值漲了什么也不用干，如果是跌了1秒撤回。這種方式改變了投資團(tuán)隊(duì)的行為模式，帶來了更快的反應(yīng)，更快的質(zhì)量修正。
所以，在今天這個(gè)時(shí)代，從業(yè)者要改變思路，充分利用人工智能，讓它和人類攜手，提升效率。當(dāng)然，所有的方法都是要以人為本及幫助投資研究團(tuán)隊(duì)，促使資產(chǎn)管理機(jī)構(gòu)，讓公司為投資者服務(wù)，為員工服務(wù)，只有這樣整個(gè)行業(yè)才能更長遠(yuǎn)的發(fā)展，才能真正起到為投資人服務(wù)獲取利益的結(jié)果。
曲向軍：資管公司可通過四方面落地?cái)?shù)字化戰(zhàn)略
數(shù)字化戰(zhàn)略要緊密結(jié)合業(yè)務(wù)戰(zhàn)略。資管企業(yè)應(yīng)高屋建瓴，從頂層設(shè)計(jì)著手。為此，我們提出了“3+1”資管科技數(shù)字化轉(zhuǎn)型藍(lán)圖，包括：實(shí)現(xiàn)現(xiàn)有業(yè)務(wù)數(shù)字化、自動(dòng)化和智能化，從而實(shí)現(xiàn)資管價(jià)值鏈端到端賦能；建設(shè)全新商業(yè)模式，包括數(shù)字化產(chǎn)品創(chuàng)新、對(duì)外科技輸出、生態(tài)圈戰(zhàn)略等；推動(dòng)金融科技開放創(chuàng)新，布局科技生態(tài)。
此外，為了支撐三大數(shù)字化戰(zhàn)略支柱落地，資管機(jī)構(gòu)還需構(gòu)筑起一套“5+1”六大數(shù)字化能力，包括IT基礎(chǔ)設(shè)施和科技治理體系升級(jí)、大數(shù)據(jù)規(guī)模化應(yīng)用能力支撐、以及科技和數(shù)據(jù)組織人才建設(shè)。
未來10年，金融科技在中國資管行業(yè)將迎來巨大發(fā)展。原因有三：一、行業(yè)自身發(fā)展需要。中國保險(xiǎn)、銀行、券商業(yè)與全球差距相對(duì)較小，而資管行業(yè)與全球差距巨大。中國最大的資產(chǎn)管理公司，其規(guī)模和利潤與全球頂級(jí)資產(chǎn)公司存在幾十倍的差距。二、科技服務(wù)能力不足。目前，相比其它細(xì)分金融行業(yè)，市場上服務(wù)于資管行業(yè)的科技公司能力相對(duì)不足。三、很多資管公司仍存在大量手工作業(yè)。急需通過自動(dòng)化、線上化提升效率，另外有很多環(huán)節(jié)需要數(shù)字化創(chuàng)新，比如智能投研、智能投顧。
中國資管市場蘊(yùn)藏著巨大潛力，目前市場規(guī)模將近120萬億元人民幣，未來5年有望突破200萬億。要抓住未來發(fā)展機(jī)遇，資管公司應(yīng)該建立八大核心能力，其中機(jī)構(gòu)化、工業(yè)化的投研能力和數(shù)字化應(yīng)用能力是重點(diǎn)。具體而言，資管公司可通過四方面落地?cái)?shù)字化戰(zhàn)略：
一、推進(jìn)現(xiàn)有業(yè)務(wù)自動(dòng)化、線上化、智能化。首先要實(shí)現(xiàn)現(xiàn)有業(yè)務(wù)的完全線上化，這是最基礎(chǔ)的目標(biāo)，包括投研、運(yùn)營服務(wù)端，在運(yùn)行過程中實(shí)現(xiàn)智能化。
二、打造數(shù)字化商業(yè)模式和產(chǎn)品創(chuàng)新。如何通過數(shù)字化推動(dòng)商業(yè)模式轉(zhuǎn)變？包括打造新產(chǎn)品（比如ETF，Smart Beta以及量化投資產(chǎn)品等）以及和新產(chǎn)品有關(guān)的數(shù)字化能力。
三、搭建科技平臺(tái)和開放生態(tài)。資產(chǎn)管理公司不僅要利用自有科技團(tuán)隊(duì)，還應(yīng)善于借力外部科技公司，共同研究、創(chuàng)新。
四、打造一套涵蓋科技、數(shù)據(jù)、人才的基礎(chǔ)能力。包括打造雙速IT和科技治理體系、構(gòu)建大數(shù)據(jù)分析平臺(tái)，以及推動(dòng)組織敏捷化轉(zhuǎn)型。
除了提升自身科技能力之外，資產(chǎn)管理公司還可以參考三種模式，借力外部科技公司的力量，打造開放生態(tài)：第一、建立創(chuàng)新實(shí)驗(yàn)室，這個(gè)實(shí)驗(yàn)室不只是做實(shí)驗(yàn)，一定要推出數(shù)字化產(chǎn)品，當(dāng)然實(shí)驗(yàn)室也不是小部門，而是一個(gè)混合團(tuán)隊(duì)；第二、打造科技加速器。這種模式適合風(fēng)險(xiǎn)承受能力和財(cái)務(wù)資源投入意愿略低，但又希望深入?yún)⑴c的資管公司。第三、作為有限合伙人參與傳統(tǒng)的風(fēng)投基金。這種模式適合自身投入有限、希望借助專業(yè)機(jī)構(gòu)風(fēng)險(xiǎn)投資能力的資管公司。
總之，結(jié)合中國資管機(jī)構(gòu)數(shù)字化探索的現(xiàn)狀，我們建議，資管公司需要制定與業(yè)務(wù)戰(zhàn)略高度一體化的數(shù)字化戰(zhàn)略，建立起科技與業(yè)務(wù)高度融合的科技治理體系；實(shí)施用例驅(qū)動(dòng)的大數(shù)據(jù)平臺(tái)建設(shè)，特別是大數(shù)據(jù)賦能智能投研，打造金融科技開放創(chuàng)新生態(tài)平臺(tái)；加強(qiáng)科技和數(shù)據(jù)人才儲(chǔ)備，力爭大數(shù)據(jù)和科技人數(shù)達(dá)到總員工數(shù)的20%-25%。
鐘兆民：人工智能也好、數(shù)字化也罷，要像微信這樣，買菜的阿姨都能用
中國有一個(gè)和君咨詢，他們對(duì)律師事務(wù)所有一個(gè)報(bào)告，他說哪個(gè)律師事務(wù)所對(duì)IT的投入最多，說明主要的合伙人是做事業(yè)的人。因?yàn)镮T投入是慢慢積累的過程。最理想的協(xié)同是什么？像我這種不懂技術(shù)，但是需求是很明確的，所以我把我們投資經(jīng)理的需求發(fā)給了通聯(lián)數(shù)據(jù)。超級(jí)小白與超級(jí)大牛之間要無縫對(duì)接，這也是人和人互動(dòng)的過程。
科技的方案是需求，技術(shù)是手段，而不是目的，技術(shù)不能吃不能喝。所以，對(duì)應(yīng)著的是最復(fù)雜最先進(jìn)的支持系統(tǒng)，這是后臺(tái)，后臺(tái)一定要做到用戶的無縫對(duì)接。人工智能也好、數(shù)字化也罷，要像微信這樣，買菜的阿姨都能用。因?yàn)楣擅褚呀?jīng)有1.8億了，手機(jī)上網(wǎng)，信息已經(jīng)無窮了。人工智能的功能性上一定要更接地氣。
我對(duì)王政博士特別尊重，他們的使命是人工智能讓投資更高效，我覺得這件事不光有商業(yè)價(jià)值，而且有社會(huì)價(jià)值，因?yàn)樘岣吡诵省Ｎ覀冇昧撕芏嗟墓ぞ撸绻梢詭臀沂∫幻腌姡蔷捅容^值錢，時(shí)間和效率是無價(jià)的。時(shí)間和效率，關(guān)系到的不只是一個(gè)基金經(jīng)理，而是基金經(jīng)理背后的萬千基民們，這是社會(huì)性的。
從需求出發(fā)，我們資產(chǎn)管理者有兩方面的需求：我們的系統(tǒng)現(xiàn)在還很孤立，我們要統(tǒng)一起來。每個(gè)人的知識(shí)都是有局限性的，我需要了解更多與我所投的股票或基金相關(guān)的事，但我需要排除噪音，高價(jià)值的信息。
形式方面，閱讀的重要性排序，盡量圖標(biāo)可視化，如果生動(dòng)的話就更好了，可以寓教于樂。最后我作為用戶，希望這樣的智能系統(tǒng)邏輯底層是嚴(yán)密的，要開放，還要個(gè)性化。我現(xiàn)在認(rèn)為重要的信息，比如我們現(xiàn)在管100億，下次管500億，重要的標(biāo)簽是在變化的，是動(dòng)態(tài)的。要進(jìn)化，還要有學(xué)習(xí)互動(dòng)能力，這是我真實(shí)的需求。
最后就是我們已經(jīng)開始的人工智能、大數(shù)據(jù)、科技類的公司，與投資管理公司深度融合反饋，更加智能地學(xué)習(xí)。所以我覺得，投資基金這個(gè)行業(yè)，包括我接觸了很多銀行高管，他說從全球金融史來看，金融行業(yè)和科技結(jié)合得更緊，金融機(jī)構(gòu)有資金，又愿意投在科技上，所以我們可以倒過來相互賦能。
我覺得投資基金的未來有人工智能的輔助，效率的提升，時(shí)間的節(jié)省，都是指日可待的事。
馮欽遠(yuǎn)：HI+AI投研分析方法的基本原理及實(shí)例
在信息爆炸的時(shí)代，資管行業(yè)在享受信息紅利的同時(shí)，也面臨著如何低成本獲取信息、高效處理信息以及如何將信息知識(shí)化、模型化的難題。隨著人工智能快速發(fā)展，機(jī)器算力指數(shù)級(jí)提升，將人類經(jīng)驗(yàn)、邏輯判斷與機(jī)器學(xué)習(xí)、智能判斷相融合，打造人機(jī)結(jié)合的智能投資范式成為一種全新可能。
Datayes!蘿卜投資面向智能時(shí)代，將底層金融大數(shù)據(jù)、海量特色數(shù)據(jù)進(jìn)行技術(shù)處理，打造了貫穿市場監(jiān)控、投資研究、組合管理、風(fēng)險(xiǎn)管理等投資全場景的下一代智能資管平臺(tái)。在Datayes!蘿卜投資通過AI賦能資產(chǎn)管理數(shù)字化轉(zhuǎn)型的實(shí)踐中，高頻且極具特色的場景包括：智能投研、智能組合與風(fēng)險(xiǎn)管理、智能FOF、機(jī)器人分析師等。
智能投研
以智能投研為例，在研究階段，Datayes!蘿卜投資通過人機(jī)結(jié)合的投資研究框架，和用戶一起形成對(duì)于各種研究對(duì)象智能研究判斷的能力，包括對(duì)于宏觀的判斷，不同行業(yè)的判斷，公司基本面的判斷，資產(chǎn)價(jià)值的判斷。在形成這樣一套投研體系之后，進(jìn)一步為用戶提供千人千面的實(shí)時(shí)預(yù)警和監(jiān)控服務(wù)。
具體來看，我們已經(jīng)完成對(duì)A股2000家以上公司的覆蓋，在對(duì)2020年26個(gè)行業(yè)800家上市公司的營收預(yù)測中，AI相對(duì)單純HI分析師一致預(yù)期的勝率達(dá)到83%。同時(shí)，預(yù)測精度（誤差5.7%）也遠(yuǎn)高于分析師一致預(yù)期（8.8%）。
除了個(gè)股盈利預(yù)測，我們在行業(yè)景氣預(yù)測方面也進(jìn)行了深入的探索。行業(yè)景氣度預(yù)測框架已覆蓋各級(jí)行業(yè)60多個(gè)，過去兩個(gè)季度對(duì)申萬一級(jí)行業(yè)的樣本外預(yù)測勝率達(dá)87%。它可以幫助我們更好地挖掘行業(yè)主要矛盾，實(shí)時(shí)預(yù)測行業(yè)景氣，更加準(zhǔn)確、及時(shí)地修正投資者對(duì)行業(yè)周期的判斷，特別是在預(yù)判拐點(diǎn)上，更好地指導(dǎo)投資。
智能組合與風(fēng)險(xiǎn)管理
我們希望和客戶共同打造工業(yè)化的資產(chǎn)管理體系。一方面提高原先需大量手工操作的運(yùn)營環(huán)節(jié)的自動(dòng)化程度，另一方面將基金經(jīng)理有用的投資經(jīng)驗(yàn)，內(nèi)化為組織的投資流程和投資規(guī)范，從而形成嚴(yán)密、科學(xué)的資產(chǎn)管理體系。
工業(yè)化的資產(chǎn)管理需要精密的解構(gòu)。在底層分析緯度上，Datayes!蘿卜投資基于組合真實(shí)持倉，提供覆蓋全產(chǎn)品/策略的豐富的績效分析維度；在風(fēng)險(xiǎn)管理上，則能夠幫助客戶打造穿透式全流程風(fēng)險(xiǎn)管理，包括主動(dòng)風(fēng)險(xiǎn)分析與被動(dòng)風(fēng)險(xiǎn)提醒，提供基于風(fēng)險(xiǎn)模型的全方位事前、事中、事后風(fēng)險(xiǎn)分析，不遺漏任何潛在風(fēng)險(xiǎn)。
智能FOF
在智能FOF領(lǐng)域，實(shí)務(wù)中投資者面臨的挑戰(zhàn)包括：如何給產(chǎn)品打標(biāo)簽、如何評(píng)價(jià)和選擇子基金、如何識(shí)別子基金的產(chǎn)品收益來源與風(fēng)格特征、如何科學(xué)高效配置資產(chǎn)等。Datayes!蘿卜投資通過大數(shù)據(jù)支撐資產(chǎn)配置研究，充分利用人工智能的數(shù)據(jù)挖掘、深度模型、風(fēng)險(xiǎn)模型等技術(shù)，對(duì)FOF業(yè)務(wù)進(jìn)行全流程支持。
在產(chǎn)品標(biāo)簽上，精細(xì)刻畫基金產(chǎn)品投資風(fēng)格，準(zhǔn)確實(shí)現(xiàn)基金分類，協(xié)助用戶在基金投前篩選目標(biāo)產(chǎn)品。基于9大類58個(gè)特色指標(biāo)、多層級(jí)評(píng)分體系，為基金研究提供新思路。針對(duì)不同類別資產(chǎn)特性，Datayes!蘿卜投資通過大類資產(chǎn)、子類資產(chǎn)、行業(yè)配置、風(fēng)格配置、Brinson、Campisi等歸因分析揭示產(chǎn)品收益來源與風(fēng)格特征。在資產(chǎn)配置上，Datayes!蘿卜投資基于經(jīng)典組合管理理論和中國市場的投資實(shí)踐，結(jié)合多種前沿資產(chǎn)配置模型，實(shí)現(xiàn)FOF組合的一站式科學(xué)構(gòu)建。
機(jī)器人分析師
我們知道，分析師這個(gè)群體工作非常繁重，工作強(qiáng)度很大。我們一直在思考，如何用AI替分析師完成一些重復(fù)性、基礎(chǔ)性的案頭工作。Datayes!蘿卜投資以海量金融數(shù)據(jù)為機(jī)器分析提供支撐，通過機(jī)器學(xué)習(xí)算法和智能點(diǎn)評(píng)分析產(chǎn)出研究成果，顯著提升了研究數(shù)據(jù)轉(zhuǎn)化為研究成果的效率。
我們認(rèn)識(shí)到，要實(shí)現(xiàn)從數(shù)據(jù)到報(bào)告極致智能的一站式體驗(yàn)，背后需要提供幾種能力。首先要有豐富的信息，在這方面我們做了大量的努力，目前已經(jīng)生產(chǎn)和持續(xù)提供特色數(shù)據(jù)300萬條，海外精品數(shù)據(jù)超過500萬條。其次，我們在業(yè)內(nèi)首創(chuàng)垂直金融搜索引擎，幫助客戶精準(zhǔn)、快速地檢索數(shù)據(jù)、解構(gòu)文檔、研報(bào)、圖表等非結(jié)構(gòu)化信息。有了這些能力之后，再疊加自然語言技術(shù)與數(shù)據(jù)監(jiān)控能力，就能夠?qū)崿F(xiàn)智能點(diǎn)評(píng)和圖表數(shù)據(jù)自動(dòng)更新，讓機(jī)器人持續(xù)地進(jìn)行高質(zhì)量的內(nèi)容輸出。
我們深信，技術(shù)的發(fā)展和產(chǎn)業(yè)的演進(jìn)是不以個(gè)人意志為轉(zhuǎn)移的。像在諸多其他領(lǐng)域一樣，人工智能的快速發(fā)展必將帶來資產(chǎn)管理領(lǐng)域人類智慧的顯著增強(qiáng)。基于強(qiáng)大的數(shù)據(jù)處理能力、科學(xué)的投研體系和前沿的人工智能技術(shù)，通聯(lián)數(shù)據(jù)將全力賦能國內(nèi)外資產(chǎn)管理者，持續(xù)推動(dòng)行業(yè)數(shù)字化轉(zhuǎn)型。