巔峰對話：智能投顧VS經典投顧

2017年5月21日，「選擇與未來」2017央證資產峰會·深圳圓滿落幕。本次大會由央證資產智庫主辦，五礦經易期貨戰略合作，各大金融機構聯合支持，眾多行業意見領袖、資管大咖、私募精英和知名媒體人齊聚深圳大中華希爾頓酒店，共同探討了金融資產管理變革之路、創造投資智慧變革、量化對沖基金對於高凈值人群資產配置的重要意義等等，為廣大投資者提供不一樣的金融解讀視角，也為助推私募基金行業的健康發展提供了新思路。

下午大會圍繞「智能投顧VS經典投顧」主題展開了巔峰對話，對話由長江商學院副院長李海濤主持，京東金融證券事業部總經理李斌、實盈投資有限公司CEO凌山、上海量化投資管理中心執行合伙人毛羽，以及萬維資產投資總監、CFA費鵬出席。

以下為對話的精彩觀點：

主持人 李海濤

今天我們討論的議題是「智能投顧VS經典投顧」，但今天的智能投顧只是一個引子，相關的問題和觀點都可以暢所欲言，請四位嘉賓簡單介紹一下自己的觀點和理念。

李斌

說到智能投顧，它和我的結緣是很深的，我在耶魯讀PHD的時候，關注各種各樣的量化投資，在那時所謂的智能投顧在美國就已經出現了。智能投顧有兩個類別，一個是量化對沖基金演化出來的神一樣的演算法，業內叫他「上帝演算法」；

另一類是傳統的金融機構他們一開始服務自己投顧的系統越做越智能化，最後直接給終端的用戶使用了，這是最早智能投顧的演進過程。京東金融也是一樣，最重要還是去按照用戶自身的喜好給他們做核心的金融服務，我們認為金融服務要比演算法更難，金融服務是能夠帶領大家掙錢的方式。所以很多智能化在演變過程中就變成金融服務。真正把你的客戶服務好的智能化過程，這是我個人對智能投顧的簡單的理解。

毛羽

從2001年開始我們正式進入這個領域，開始在一家國企做資管，以當時的市場環境和條件，我們聯合起來做項目的模式早晚會被淘汰，所以2001年開始我們準備從數據中系統性地研發出一種新的管理模式。

離開國企資管以後，當時國內還沒有量化投資這個概念。我們從本土實踐的角度研究如何把不確定性的風險盡量降低，讓管理的資產盡量靠譜一點，波動率不要太大，因為國企資管的要求就是不能賠。後來我們慢慢從數據底層到估值系統、評級系統、輿情系統，到現在的智能投研，現在基本上我們的研究報告已經完全由機器來寫，投研做完了以後，現在做智能投顧。

我們做智能投顧的過程中遇到了一個很大的障礙，困擾了我們好幾年，就是在還不能完全說科技決定問題。剛才李教授在台上說，市場上有兩方，一方是生產者，一方是消費者，但在，只要涉及對C端的服務，還有涉及到牌照管理的問題，尤其是科技和金融這兩個領域，還有重要的一方面不得不考慮，就是監管者。去年我們解決了這個問題，我們做智能投顧，現在正在申請基金的牌照，這樣可以降低一些波動率。

我認為智能投顧肯定是一個大趨勢，它的研究深度和研究效率基本上可以解決現在金融行業中的一個特別大的痛點——成本高，從研究員到資管的經理，成本都特別高。投研到投顧，再到資管，用AI的方法，用演算法來解決，這絕對是一個方向，而且它可以變成一個系統，可追溯，可以用量化來評價。這條路是對的，但是任何一個智能投研系統也找不到有金鐘罩的公司，所以人和機器在未來相當長的時間裡是能夠和諧共處的，投資不像下圍棋，不能夠由勝負來決定，評價的標準也不是圍棋這麼簡單，可能機器今年跑贏了巴菲特，但是20年以後跑不贏巴菲特，可能機器管100億美元的時候跑贏了巴菲特，管4000億美元的時候跑不贏巴菲特，這是非常有趣的領域。但是提高效率是智能改變金融行業，從而給我們帶來的核心的變化，這是我的理解。

費鵬

在兩天前我們剛剛上線了智慧財富管理平台，這個平台是由兩家很有名的機構花了兩年的時間醞釀出來的。一個是國土科技，是國內比較有名的做量化投資的私募；一個是中行信託，是一家有央企背景的管理公司。兩家很有實力的機構花了那麼長的時間，精心打造這個平台，肯定對這個平台的前景有很好的信心。

這個平台更多是實現了什麼呢？首先它可以在線上做資產配置，我們的客戶在上面就可以進行交易，具有靈活性和便捷性，並且是低成本；第二是個性化，這個平台不是簡單的FOF式的，而是每個人在平台上有自主組合的自由，決策過程可以有我們專家的投資策劃和策略的指導，但完全是自主選擇的權利；最後是這個平台可以充分發揮數字化和互聯網的優勢，比如金融社交，大家以前在線下的溝通現在可以在線上進行，不光是進行像微信式的聊天，而且可以進行投資方面的學習和借鑒。

我們把它稱之為一種智能投顧，但是我對智能投顧的理解更多地體現在它是一個時代的產物，叫什麼不重要，關鍵是現在大數據分析、人工智慧發展以及量化在投資領域的成功已經提供了土壤，同時我們的客戶通過對互聯網的使用已經沒有心理障礙，現在這個行業更關注的是如何達到更加高效、低成本、快捷同時又很好的用戶滿意度，達到了就是一個很成功的模式。

凌山

美國的股票市場已經有200年的歷史，非常成熟，所以他們會有一些規律和比較完善的套利空間。國內1991年才開始，26年的股票市場，我們的規則還在不斷完善。完善以後，量化交易肯定有一個相對穩定的收益。但是現在量化交易也可以簡單地戰勝股民，因為本來就不在一個量級，量化交易是真的在用專業的電腦做數據的統計，在風控上做得特別好。

人工智慧應該是比傳統的金融更加有優勢的，因為這一代的互聯網已經領先於世界了，微信、支付寶已經是現象級的產品，AI的智能投顧甚至比美國和全球做得更好或者是一樣，這個真的可以關注，以後可能是下一個阿里巴巴現象級的風口。

主持人 李海濤

每一個公司都在做不同的智能投顧，各位能不能從你們公司的角度，談談怎麼把人工智慧用到投資策略上去，說說未來的方向，跟傳統機構的競爭優勢。

李斌

智能投顧是兩個大的方向。第一是人工智慧演算法對於量化的一系列提高和創新。2017年，國內有2-3家在這個領域的不同的應用基金走得非常漂亮。第一類的應用，是在傳統的多因子模型下，在對因子的權重篩選過程中，做人工智慧神經網路的預測跟運算，這在2016年和2017年的市場中得到了一定的驗證。

第二類是它非常動態快速地預測第二天的A股市場，50，300，500的漲跌的概率，通過之前的價、量以及一系列輿情的指數，通過人工智慧演算法，做概率性的預測，從而交易這樣的股指期貨產品。智能投顧在實體中已經有對沖基金開始應用了，這在未來的市場是一個整體趨勢，尤其是2016年和2017年的第一季度，對沖基金都不太好做的時候的一個亮點。

第二是智能投顧能夠解決用戶金融服務的問題，不但是簡單的基金的篩選，更主要的是智能化地去應對客戶的所有需求。尤其是從2C迅速地過渡到2B，去接入整個銀行的體系中，在銀行B2C的分佈體系中，我們非常強調自己的金融科技服務，而這種金融科技服務背後就是大數據在這個領域的應用，一個是徵信，一個是精準的用戶畫像和精準的營銷推送，還有選股以及判斷市場的走勢。

毛羽

智能投資最後呈現給大家的結果是智能化的過程，往前推要有策略，再往前推要有數據，再往前推要有原始數據。國內金融數據服務與國外相比有很大的不同，數據清晰和比對費了我們很大的力氣，而且是在最早沒有人可以參照，沒有同行可以交流的情況下，完全是自己琢磨的。數據錯誤是十年以前的問題，數據端出現以後，我們就會發現數據端不夠用了，除了市場交易數據，還有行業數據，基本面數據，以及輿情數據。

數據之後就是策略，最早是交易性策略，選時系統的策略，最後慢慢做到相對價值的策略，再做到時間驅動的策略，再做到對沖的策略。開始時我們做策略要七個小時，後來慢慢優化，換設備，改進到現在大概是三分鐘可以做一個策略，15年的回測。策略做完以後，最容易應用的，比較現實的還是發產品，做資管，因為環境的原因，不做到低波動率的絕對的收益策略，在銀行也很難發，變現又手限，那是因為期貨市場受限。

要轉到C端市場，牌照問題太重要了，現在做到頭部的牌照很難，大家都在做基金代銷的牌照，代銷的市場又開始熱起來了。實際上代銷現在基本上沒幾家公司賺錢，新三板也好，主板也好，主板的利潤大幅度下降，新三板的公司一年虧幾千萬。所以到底能夠在什麼地方，把全民的投資市場服務起來，我們能不能切入底端機構服務，這些盈利模式能不能構成一個智能投資領域，這個行業健康發展的正向現金流的來源，可能都需要我們花一點時間，付出一些代價再去摸索的。

費鵬

我們提出的口號是AI+HI，認為人工智慧和基金經理的經驗是並重的。我們覺得人工智慧現在在其他領域取得成功，但在投資這個領域還處在應用階段，從跨界知識和技術在金融投資領域的跨界歷史進程來看，現在是到了人工智慧被應用的階段。

從服務類來說，也是基於大數據的積累過程，就像對消費者進行人臉畫像，投資領域也一樣，會通過人臉畫像對投資者的風險偏好有更準確的認識，可以比他答出來的問卷更加準確地得出來他的特性。

凌山

有一個巴菲特賭局，五年只買MMSP500就贏了對沖基金，而且現在就算贏了，是否傳統的價值投資還是領先呢？巴菲特有他非常可靠的可以量化的因子，他選股要低於15倍的市盈率以下之類等等，而且他非常注重負利，就是價值投資。我也是他的冬粉，但是我是做量化交易起家的，我覺得以後是我們的時代，這個拐點也會來臨，因為我們自己做的基金，雖然有一定的體量，但是每個人有20%的增長，這還是要基於我們的研究團隊分析數據和信息，而且巴菲特也買蘋果股票了，他也開始應用科技了，這是一個潮流，AI是一個不可逆的現象，但是拐點什麼時候到？

如果我們的運算速度還可以持續摩爾定律，一直在加快，我們每年看到的蘋果CPU都是可以增長一倍以上的運算速度的，很快一個手機就可以運算全球所有人的思維，這一天會來臨，這一天會發生，智能投顧絕對會是一個比現在的房地產、互聯網更重要的課題，這個拐點是有機會實現的，在我們這一代當中。

主持人 李海濤

現場很多人都是做私募，做量化投資的，研究院對私募基金有很多的評估，從年初到現在，量化投資受到很多的挑戰，市場有80%散戶，我們有一些多因子模型，但是市場在變化，投資大背景在變化。我希望各位從AI在策略上的應用，技術平台在策略上的應用，大數據的應用方面為量化投資在未來的發展模式做出一些預判。

費鵬

美國的對沖基金一直是發展最快的，在這個領域的發展現在慢慢地停留在美國2005-2006年左右的時期，美國經歷了很多資產荒的過程，第一次在90年代，1994-1996年，量化對沖的方式進入第一次的資產化，發生了非常快速的管理規模的上升。我們做了大量的併購，做了新型的對沖基金，去彌補團隊的模式，去進行大的迅速的增長。

第二次出現在2005-2006年，我們針對所有的大數據，非傳統的金融數據，非傳統的價量包括公司財務宏觀等等一系列的指標。除此之外，廣義大數據開始在2005-2006年真正進入了美國所有對沖基金的視野。

第三次，在2011-2012年，雖然經濟危機在2011年開始復甦，但是細分美國的對沖基金，2011-2012年是有待商榷的一段時間。那一段時間出現了一個新的公司，它是一個平台化地公開所有的底層數據以及系統，給廣大的投資愛好者使用的公司，它唯一的目的是即使有了大數據，五年的時間裡美國會發展得非常快，但由於信息技術的發展，這些數據也可以被廣泛應用的。未來人的腦力勞動是無可取代的，是最重要的，而且我們需要的是多元化的腦力，所以我們做了這樣的平台體系。

這個路徑是從傳統的金融量化投資，到大數據，到策略思想的眾包，也許到未來的人工智慧的。現在一系列的頂級海外對沖基金和國內的頂級基金都是我們的戰略合作客戶，所以我們致力於新的大數據人工智慧方向。

毛羽

我個人的體會是，傳統的金融領域對投資很多時候是重於理論的，比如價值投資的理論在實踐中的應用，還有很多是AI出來以後，發展積累到一定的程度，要靠實踐推翻這個理論，重新建立一個新的理論。

此外，我們必須依賴數據，但是我們絕對不能迷信數據，更不能去相信所謂大數據的概念，最重要的還是對於數據的提煉所誕生的策略的結果，策略到底是來源於理論，還是來源於實踐？我的個人體會也比較深刻，我們花了很多的精力想獲得很多的數據，後來發現獲得以後沒什麼用。

A股的市場每天交易量有數千億，最大的電商平台現在可能最好的時候也只有不到一千億或者是一千億左右，如果比數據的大小，比數據的真實有效性，誰能比過A股市場，但是還是有一些數據有用，比如說輿情數據，但是不像傳統思維上的那樣發揮作用，而且有一個突變點。輿情到了一定程度會具有反向作用。最終我們做出來成果都不是通過大數據去做的，都是要把大數據變成中數據，中數據最後變成小數據，最後只有少量的數據采能夠支持你的單向策略，比如說分級的數據驅動用的因子會有很多嗎？依賴大數據嗎？其實依賴的不是大數據，是小數據。

我們要讓行業有一種健康的業態，大家互相地交流，也希望這個行業在將來能夠做到普惠，其實是做不到普惠的，因為所有的東西都是有容量的，有限度的，不可能讓所有人受惠，這是我的理解。

費鵬

剛才李總講的今年以來的量化比較難做，如果放到每個月來看的話，也不是每個月都不好做，也就其中兩三個月會回撤得大一點，如果放到海外市場這是很正常的現象，海外市場比這挑戰多得多，收益波動大得多。之前國內市場收益太穩了，一旦開始有些波動，投資人就有些受不了。我們要考慮的是把產品做得更好，收益爭取更穩定。

從策略角度來說，真正有神秘武器的少，確實是應該做得更細一點，還要具有別人沒有的數據，這可能是能分出一些勝負高下的。另外國內的投資者從產品導向型向資產配置性轉變，因為單一的產品，單一的策略必然會波動，但是如果把不同種類的產品放在一起，把波動率放在一起，這樣會安心很多，會熬過一些對某些產品不利的階段。

凌山

我非常同意毛總說的數據，從大數據變成中數據，再變小數據，其實最後就幾個數據幾個因子，我們有一個策略是從一百多個數據中最後找三個係數低於0.05的來做。資產交易和量化市場比這複雜得多，所以國內要慢慢開展，而國外相對成熟，我覺得沒有什麼捷徑，要慢慢把數據做好，把基礎做好，而且要更新因子。