登录×
电子邮件/用户名
密码
记住我
金融科技

智能投顾的误区

王倩:人工智能模拟不出政治事件,整个资本市场的复杂程度无法被标准化,它更需要的是理解力与创新的能力。

【编者按】技术的迭代给金融创新带来了新机会,但前景向好的同时也伴随着种种隐忧,近年来,科技对金融的作用是否被高估?人工智能是否能为我们带来更智能更安全的金融服务?未来的金融投资真的能完全“智能化”吗?FT中文网近期组织“金融科技的未来”专题,编辑事宜,联系闫曼 man.yan@ftchinese.com

近几年来,人工智能在金融行业的应用越来越多地被人提起,在智能投顾这块,更是引得众多资金争相涌入。各种创业公司、银行、BAT等巨头陆续入局,而作为传统金融机构,证券公司也在智能投顾的大浪潮下进行了各种形式和战略上的尝试,进行了大量投入,智能化俨然成为券商一波热潮。2017年是券商掀起智能投顾热潮的一年,各大券商都在推智能投顾系统,那么,其功能到底如何?

智能投顾的核心方案建立在现代资产组合理论与资产定价等模型的基础上,通过优选的数学方法来进行计算,获得结果。

抛开来自数据领域的问题:例如数据本身质量、数据评估质量、数据的说服力、数据对模型的适应力等暂且不提,智能投顾的方案中的每个模块的说服力都需要进一步的探讨。在出现机器模拟之前,采用现代资产组合理论与资产定价模型来进行资产管理的投资人,通过人的思考能力来进行对模型的计算与矫正,这其中的人脑思考能力目前并未被架构或者是通过人工智能无法被模拟。在此类模型本身不完善的情况下,强行采用智能投顾,难免有所欠缺。

如果采用人工模拟做支持环节,配合上有专业理解力的投资人来进行调整,才不失为一个合理的方向。一方面,智能投顾能够矫正人工在工作中产生的误差;另一方面,在人工智能的基础上,有专业理解力的人员,能够对无法被标准化与自动化的领域进行人工的矫正。两者相配合,就能够达到互补的效果。那种认为非传统资管公司可借此进入资管市场的观点,笔者是不认同的。没有人脑对资管的理解力,完全依赖人工智能来完成资产管理的任务,是理解上的误区。

简单的说,建立在现代投资理论基础上的智能投顾只能被理解成众多资产管理策略的一种类型,无论是它采用何种维度去进行挑选与优化。组合建模借助均值-方差或者Black-Litterman优化方法来实现。就现代数学研究结果呈现,这些历史不太悠久的方法,仍旧有待实证与理论的考察。这些方法本身的说服力以及对其计算结果的价值评估仍旧在不断的验证中。它尝试采用更佳的计算方法,通过减少误差来进行优化,从而逼近更佳的结果。但是缺陷却伴随着整个计算模拟过程。我们更愿意将它理解为整个资产管理流程中的一个模块,它仍旧需要人工的调节与适应。

就现代资产管理理论主张,资产配置在资管过程中所发挥的效用要高于现代投资理论组合中所进行的组合再平衡过程。当前的智能投顾,将大部分的精力投入到组合再平衡过程,而实际上资产配置的成绩平平。一方面,出于当前算法的不足,资产配置过程没有被更好地模拟计算过来;另一方面,资产配置更需要的是人脑的理解和创新,这是人工智能在资管领域最大的缺陷。或者说,目前为止,流行在市场上的各种智能投顾的模型,还没有真正领会到。

读者评论

FT中文网欢迎读者发表评论,部分评论会被选进《读者有话说》栏目。我们保留编辑与出版的权利。
用户名
密码

相关文章

相关话题

FT中文网客户端
点击或扫描下载
FT中文网微信
扫描关注
FT中文网全球财经精粹,中英对照
设置字号×
最小
较小
默认
较大
最大
分享×