【摘要】人工智能的時(shí)代已經(jīng)到來(lái)，通過(guò)量化分析、智能投資等方法，人工智能在股票投資中的作用越來(lái)越明顯。然而，就目前的市場(chǎng)表現(xiàn)來(lái)看，人工智能炒股并不能跑贏大盤(pán)，其中美國(guó)的人工智能基金AIEQ跑不贏基準(zhǔn)，選股能力不及基準(zhǔn)指數(shù)，同時(shí)擇時(shí)能力也并不顯著;中國(guó)的人工智能基金發(fā)展較為落后，績(jī)效優(yōu)勢(shì)也不明顯。因此人工智能仍然只是作為輔助手段來(lái)幫助人類(lèi)做股市投資。隨著人工智能技術(shù)對(duì)金融行業(yè)的不斷滲透，人工智能未來(lái)的發(fā)展將面對(duì)監(jiān)管、法律和倫理等多重問(wèn)題。

【關(guān)鍵詞】人工智能? 股票投資? 大數(shù)據(jù)? 量化投資

【中圖分類(lèi)號(hào)】F83? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)識(shí)碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2020.16.008

人工智能的時(shí)代已經(jīng)到來(lái)，有人把人工智能帶給社會(huì)的變革稱(chēng)作是第四次工業(yè)革命，該技術(shù)在各個(gè)方面影響著人類(lèi)的生活。人工智能對(duì)金融業(yè)的影響不容小覷，人工智能技術(shù)與金融學(xué)的碰撞產(chǎn)生了智能金融的概念，并引發(fā)了社會(huì)的廣泛關(guān)注。人工智能在股票投資的相關(guān)領(lǐng)域已經(jīng)有許多應(yīng)用，并幫助人類(lèi)解決了許多股票投資中的難題，提高了投資的效率、節(jié)約了投資的成本。與此同時(shí)，人工智能在股票投資中的應(yīng)用也帶來(lái)了許多問(wèn)題，并改變著整個(gè)資本市場(chǎng)的投資生態(tài)。本文將從人工智能帶給社會(huì)的變革開(kāi)始研究，進(jìn)而探析人工智能對(duì)股票投資帶來(lái)的改變，洞悉人工智能在股票投資中的應(yīng)用價(jià)值和未來(lái)發(fā)展?jié)摿Α?/p>

人工智能的發(fā)展

馬文·明斯基被認(rèn)為是人工智能之父，他在1956年將人工智能這一理念推向世人，他同時(shí)也是虛擬現(xiàn)實(shí)的最早倡導(dǎo)者。[1]人工智能可以被定義為能夠讓計(jì)算機(jī)系統(tǒng)模擬人類(lèi)行為的技術(shù)手段，并在云計(jì)算和區(qū)塊鏈等技術(shù)的共同協(xié)助下完成智能化任務(wù)。就最終目的而言，我們希望人工智能能夠比肩人類(lèi)智慧甚至超越人類(lèi)智慧，不過(guò)目前人工智能離這一目標(biāo)還有一定距離。

技術(shù)的進(jìn)步和云計(jì)算能力的提升都推動(dòng)著人工智能的發(fā)展。云計(jì)算的提升有助于提高圖像、語(yǔ)音等復(fù)雜數(shù)據(jù)的處理能力，從而徹底改變傳統(tǒng)的人機(jī)互動(dòng)模式。此外，大數(shù)據(jù)的完善對(duì)人工智能的發(fā)展也功不可沒(méi)，數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)質(zhì)量的改善都推動(dòng)了人工智能中機(jī)器學(xué)習(xí)的進(jìn)步，在任務(wù)處理能力和反應(yīng)速度上表現(xiàn)尤為明顯。[2]在過(guò)去的30年中，智能化技術(shù)深刻改變了我們社會(huì)的運(yùn)行規(guī)則和效率，可以概括為三次技術(shù)革命。第一次智能技術(shù)革命是硬件技術(shù)的進(jìn)步，IBM和英特爾公司在這次革命中起到了主導(dǎo)作用;第二次技術(shù)革命是以軟件的提升和發(fā)展為中心，微軟以其Windows操作系統(tǒng)引領(lǐng)這場(chǎng)革命的發(fā)展;第三次技術(shù)革命則是以蘋(píng)果公司的智能化手機(jī)iPhone為中心，開(kāi)創(chuàng)了智能化便攜式設(shè)備的發(fā)展道路;而今，我們正處于第四次技術(shù)革命的開(kāi)端，這場(chǎng)技術(shù)革命便是由人工智能技術(shù)的進(jìn)步帶來(lái)，相關(guān)應(yīng)用案例有人臉識(shí)別、自動(dòng)駕駛、語(yǔ)音識(shí)別。

人工智能的發(fā)展水平主要分為三個(gè)階段：服務(wù)智能、認(rèn)知智能以及決策智能。服務(wù)智能主要是指人工智能代替人類(lèi)做重復(fù)的勞動(dòng)和繁重的任務(wù)，其主要采用有監(jiān)督學(xué)習(xí)的方式進(jìn)行，生物識(shí)別和智能客服都是這方面的應(yīng)用實(shí)例。隨著大數(shù)據(jù)規(guī)模的擴(kuò)大和算力的提升，人工智能可從服務(wù)智能提高到認(rèn)知智能。認(rèn)知智能在對(duì)事物的判斷中能夠達(dá)到與人類(lèi)基本相似的程度，其主要采取有監(jiān)督學(xué)習(xí)的方式運(yùn)行，這方面的應(yīng)用實(shí)例有自動(dòng)駕駛和智能投顧。2016年，李世石與AlphaGo的圍棋之爭(zhēng)獲得廣泛關(guān)注，AlphaGo的獲勝是智能認(rèn)知發(fā)展的階段性成果。人工智能發(fā)展的最高級(jí)階段為決策智能，其以無(wú)監(jiān)督學(xué)習(xí)的方式運(yùn)行，它可以預(yù)測(cè)人類(lèi)無(wú)法想象或預(yù)知的事情。有許多人十分畏懼決策智能，因?yàn)樗麄儞?dān)心如果讓機(jī)器擁有決策智能，機(jī)器會(huì)控制甚至摧毀人類(lèi)，但也有人認(rèn)為只有讓機(jī)器擁有決策智能才能在真正意義上實(shí)現(xiàn)人工智能。[3]

人工智能的早期意義是讓機(jī)器模仿人的行為，其目的在于能夠創(chuàng)造出與人類(lèi)相似的機(jī)器。而近期新的思潮則認(rèn)為人類(lèi)思維僅僅是一種解決問(wèn)題的思路，人類(lèi)智能并不一定要模仿人類(lèi)的思維，而應(yīng)當(dāng)聯(lián)合不同的思維和模式來(lái)解決問(wèn)題。機(jī)器學(xué)習(xí)是人工智能的核心，機(jī)器使用不同的算法來(lái)分析解碼數(shù)據(jù)，從中找出規(guī)律為事后的預(yù)測(cè)和決定提供服務(wù)。根據(jù)學(xué)習(xí)的特點(diǎn)，機(jī)器學(xué)習(xí)可以大致分為三種：有監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)以及深度學(xué)習(xí)。有監(jiān)督學(xué)習(xí)是通過(guò)對(duì)有標(biāo)簽的數(shù)據(jù)樣本進(jìn)行分析研究，對(duì)數(shù)據(jù)的輸出和輸入進(jìn)行觀察從而找出其中的邏輯關(guān)系。無(wú)監(jiān)督學(xué)習(xí)的數(shù)據(jù)樣本是沒(méi)有標(biāo)記的，機(jī)器學(xué)習(xí)需要對(duì)大量的輸出和輸入的數(shù)據(jù)進(jìn)行觀測(cè)，在龐雜的數(shù)據(jù)結(jié)構(gòu)中找出隱藏的內(nèi)在邏輯關(guān)系。此外，更高層次的機(jī)器學(xué)習(xí)方法是深度學(xué)習(xí)，深度學(xué)習(xí)是通過(guò)多層神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，從而組合各層特征分析得出抽象的特征屬性或內(nèi)在邏輯。

如今，人們對(duì)人工智能一詞已經(jīng)耳熟能詳，其已經(jīng)成為各行各業(yè)爭(zhēng)相發(fā)展的核心技術(shù)手段。人工智能的出現(xiàn)為各行各業(yè)帶來(lái)了革命性的變化，正在顯著改善著整個(gè)世界的運(yùn)行規(guī)則。不同企業(yè)將人工智能技術(shù)與企業(yè)相關(guān)業(yè)務(wù)融合，這不僅大幅提升了企業(yè)的運(yùn)營(yíng)效率，也在很大程度上降低了企業(yè)的運(yùn)營(yíng)成本，多種新的業(yè)態(tài)和產(chǎn)業(yè)模式如雨后春筍般不斷涌現(xiàn)。僅在2017年，全球人工智能產(chǎn)業(yè)就吸引超過(guò)150億美元的投融資額，建立近1400家初創(chuàng)企業(yè)。

人工智能給全世界帶來(lái)了新的機(jī)遇與挑戰(zhàn)，各國(guó)政府和企業(yè)都認(rèn)識(shí)到了人工智能的重要性，并在這一領(lǐng)域中展開(kāi)了新的競(jìng)爭(zhēng)。在人工智能發(fā)展的世界格局中，技術(shù)發(fā)展較早和較為成熟的是美國(guó)，美國(guó)擁有近700家人工智能初創(chuàng)企業(yè)，占到人工智能全球初創(chuàng)企業(yè)的近半成。在過(guò)去的8年中，以蘋(píng)果、亞馬遜、Facebook為代表的科技巨頭累計(jì)收購(gòu)近百家人工智能初創(chuàng)企業(yè)，并結(jié)合美國(guó)豐富的高校資源，大力發(fā)展人工智能技術(shù)。美國(guó)在人工智能領(lǐng)域發(fā)表的論文數(shù)量為全球最多，并擁有近90萬(wàn)人工智能研發(fā)人員。[4]

中國(guó)政府和企業(yè)也高度重視人工智能技術(shù)的發(fā)展。2016年，中國(guó)人工智能產(chǎn)業(yè)的投資總額僅占全球投資總額的約10%，而到了2017年，這一比例就大幅提升至50%。從國(guó)家的頂層設(shè)計(jì)來(lái)看，人工智能技術(shù)的發(fā)展從2016年起便得到了高度重視，國(guó)務(wù)院和相關(guān)部委都發(fā)文明確要求重視發(fā)展人工智能技術(shù)，為人工智能發(fā)展作了結(jié)構(gòu)化的長(zhǎng)遠(yuǎn)布局，并為相關(guān)行業(yè)提供有力的資金支持和法律保障。

人工智能在金融投資中的應(yīng)用路徑

人工智能影響著我們生活的方方面面，其中一個(gè)很重要的應(yīng)用領(lǐng)域便是金融投資。金融機(jī)構(gòu)和研究院紛紛涉足人工智能和金融投資的研究，并將兩者結(jié)合從而產(chǎn)生了智能金融的概念。從理論層面來(lái)看，金融學(xué)和人工智能在探索問(wèn)題上有很多共通之處。兩門(mén)學(xué)科在探索問(wèn)題中都在思考如何解決問(wèn)題和做最終決策，在人工智能的研究中可以引入經(jīng)濟(jì)或者金融的理論，而在經(jīng)濟(jì)或者金融的研究中也可引入人工智能的理論。金融學(xué)的主要研究方法為計(jì)量經(jīng)濟(jì)學(xué)，計(jì)量經(jīng)濟(jì)學(xué)主要關(guān)注的問(wèn)題為預(yù)測(cè)、總結(jié)和假設(shè)檢驗(yàn)，并對(duì)預(yù)測(cè)結(jié)果的無(wú)偏性和一致性有一定的要求。人工智能的核心是機(jī)器學(xué)習(xí)，與計(jì)量經(jīng)濟(jì)學(xué)相比，機(jī)器學(xué)習(xí)更注重應(yīng)用性，它更關(guān)注對(duì)未來(lái)預(yù)測(cè)的結(jié)果，而對(duì)決策流程的因果關(guān)系并不十分關(guān)注，所采取的主要研究模型包括決策樹(shù)法（decision tree）、套索算法（Lasso algorithm）、嶺回歸法（ridge regression）、支持向量機(jī)法（support vector machine），等等。大數(shù)據(jù)的廣泛發(fā)展拉近了計(jì)量經(jīng)濟(jì)學(xué)和人工智能兩個(gè)學(xué)科之間的距離，縮小了兩者間的差異。在大數(shù)據(jù)擴(kuò)充和發(fā)展的條件下，機(jī)器學(xué)習(xí)才能真正發(fā)揮其價(jià)值。計(jì)量經(jīng)濟(jì)學(xué)面對(duì)的首要難題就是數(shù)據(jù)量的不足，在大數(shù)據(jù)存儲(chǔ)和技術(shù)的發(fā)展下，先前制約計(jì)量經(jīng)濟(jì)學(xué)實(shí)證的小樣本數(shù)據(jù)得以擴(kuò)充，從而能夠讓機(jī)器學(xué)習(xí)對(duì)數(shù)據(jù)進(jìn)行深度探究。傳統(tǒng)的計(jì)量經(jīng)濟(jì)學(xué)模型在面對(duì)龐雜數(shù)據(jù)時(shí)往往束手無(wú)策，因?yàn)橛?jì)量經(jīng)濟(jì)學(xué)無(wú)法有效找到關(guān)鍵的解釋和控制變量。而機(jī)器學(xué)習(xí)在這方面的優(yōu)勢(shì)十分明顯，機(jī)器學(xué)習(xí)能夠自動(dòng)對(duì)龐雜的數(shù)據(jù)進(jìn)行降維，其中比較常見(jiàn)的機(jī)器學(xué)習(xí)算法有Lasso、Booting和隨機(jī)森林等。人工智能可以彌補(bǔ)傳統(tǒng)的計(jì)量經(jīng)濟(jì)學(xué)算法對(duì)投資者行為研究的不足，還可以為研究投資者行為提供新的思路。在人工智能中，機(jī)器學(xué)習(xí)可以將投資者心理、投資氣氛等傳統(tǒng)的計(jì)量經(jīng)濟(jì)學(xué)難以量化的指標(biāo)納入分析范圍。[5]

簡(jiǎn)而言之，人工智能是金融投資分析的有效輔助手段。在金融分析中，人工智能技術(shù)與計(jì)量經(jīng)濟(jì)學(xué)等數(shù)理知識(shí)相融合，這解決了金融分析中面對(duì)大量數(shù)據(jù)無(wú)從下手的難題。應(yīng)用人工智能技術(shù)，金融學(xué)分析可以更為有效地建立分析模型，探索和協(xié)助分析市場(chǎng)行情。與此同時(shí)，人工智能手段也在促進(jìn)大數(shù)據(jù)的積累，人工智能可以迅速和準(zhǔn)確地將文字、語(yǔ)音和圖像等非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變?yōu)榭梢源鎯?chǔ)和分析的結(jié)構(gòu)化數(shù)據(jù)。

海內(nèi)外各大金融機(jī)構(gòu)都非常重視人工智能，并將智能化的金融產(chǎn)品和服務(wù)應(yīng)用在股票投資中。目前與股票投資有關(guān)的人工智能服務(wù)主要有智能量化、智能投顧、智能數(shù)據(jù)服務(wù)、智能風(fēng)控、智能研報(bào)等。[6]

人工智能在海外股市的應(yīng)用探析

憑借人工智能的技術(shù)優(yōu)勢(shì)和資本市場(chǎng)的相對(duì)成熟，海外金融機(jī)構(gòu)率先發(fā)展和利用人工智能在股票市場(chǎng)中進(jìn)行相關(guān)投資。在全球范圍內(nèi)，頂尖的投行和金融機(jī)構(gòu)使用人工智能技術(shù)投資的范圍和領(lǐng)域不斷擴(kuò)大，投資收益和影響不斷增強(qiáng)，這其中比較有代表性的國(guó)際金融機(jī)構(gòu)有高盛、摩根大通。高盛與Kensho公司合作，大力發(fā)展人工智能行情系統(tǒng)，并通過(guò)該系統(tǒng)對(duì)投資市場(chǎng)和投資行為進(jìn)行智能化控制。2008年，在高盛紐約的總部中，大約有3000名投資交易員，隨著人工智能系統(tǒng)投入使用，現(xiàn)在交易員人數(shù)已經(jīng)降至個(gè)位數(shù)。與高盛類(lèi)似，摩根大通也極為重視人工智能在投資中的應(yīng)用。摩根大通累計(jì)共聘用4萬(wàn)名人工智能開(kāi)發(fā)人員來(lái)開(kāi)發(fā)智能金融系統(tǒng)，累計(jì)投資總額超過(guò)90億美元，約占總投資金額的1/3。與國(guó)外領(lǐng)先投行相比，國(guó)內(nèi)金融機(jī)構(gòu)在人工智能方面的發(fā)展略顯不足，并缺乏自主研發(fā)能力。

人工智能在股票投資中的核心是智能量化投資：[7]量化投資的概念雖然在很早之前就已出現(xiàn)，但近些年的技術(shù)發(fā)展才使得量化投資真正實(shí)現(xiàn)智能化。量化投資依托于海量數(shù)據(jù)而生，海量數(shù)據(jù)的來(lái)源廣泛，包括但不限于資本市場(chǎng)變化情況、上市公司調(diào)研報(bào)告、公司財(cái)務(wù)數(shù)據(jù)、金融市場(chǎng)政策文件、新聞資訊等。支持量化投資的主要技術(shù)有機(jī)器學(xué)習(xí)、自然語(yǔ)言處理和知識(shí)圖譜（見(jiàn)表1）。量化投資的主要途徑有兩種，一種是對(duì)財(cái)務(wù)信息、交易數(shù)據(jù)進(jìn)行分類(lèi)匯總進(jìn)而建立分析模型，利用傳統(tǒng)的機(jī)器學(xué)習(xí)回歸算法分析建立交易策略;另外一種是建立專(zhuān)家系統(tǒng)，模擬專(zhuān)家的投資決策行為，通過(guò)深度學(xué)習(xí)建立相應(yīng)的投資決策方法。量化投資的基本流程分為四個(gè)部分，分別是策略識(shí)別、策略回測(cè)、執(zhí)行系統(tǒng)和風(fēng)險(xiǎn)控制。其交易策略主要有量化選股、量化擇時(shí)、期貨套利、算法交易、期權(quán)套利等。此外，量化投資還采用事件驅(qū)動(dòng)、行業(yè)輪動(dòng)、多空策略和市場(chǎng)中性等手段?？梢?jiàn)，量化投資具有紀(jì)律性、系統(tǒng)性、套利性、概率性等特征。

人工智能在A股市場(chǎng)的應(yīng)用情況和問(wèn)題

目前，智能量化投資已經(jīng)大規(guī)模應(yīng)用于國(guó)內(nèi)各個(gè)金融機(jī)構(gòu)，尤其在證券投資、期貨投資、基金投資中的應(yīng)用較為突出。在西方發(fā)達(dá)國(guó)家的資本市場(chǎng)中，量化交易已經(jīng)占到了交易總量的近70%，而我國(guó)資本市場(chǎng)這一比例僅為30%，可見(jiàn)我國(guó)人工智能在這方面的應(yīng)用還有很大發(fā)展空間。截至2018年底，我國(guó)公募基金采用量化投資的規(guī)模約為1100億，私募基金的量化投資總規(guī)模約為2.3萬(wàn)億。此外，國(guó)內(nèi)出現(xiàn)了多家以人工智能為主要手段的量化投資服務(wù)公司，比較著名的有科大訊飛、智語(yǔ)良投、EAGO等，這些公司依據(jù)客戶(hù)風(fēng)險(xiǎn)偏好推出了多種智能量化投資策略。

人工智能在A股投資中的應(yīng)用解決了國(guó)內(nèi)分析師無(wú)法解決的一些難題，也提高了投資的有效性。A股市場(chǎng)充滿(mǎn)著各種各樣的信息，資產(chǎn)價(jià)格的變動(dòng)取決于對(duì)各種信息的反應(yīng)，傳統(tǒng)的金融分析依靠于分析師的判斷，但分析師需要對(duì)海量信息進(jìn)行搜集、篩選、分析，人工智能炒股可以很大程度上幫助分析師快速解決投資問(wèn)題、迅速有效地做出投資決策。

人工智能很大程度上解決了A股投資中信息抓取和分析的難題。隨著A股市場(chǎng)的發(fā)展變化和信息化速度提高，我們正在經(jīng)歷一個(gè)數(shù)據(jù)爆棚的年代。公司年報(bào)、公告、社會(huì)新聞、網(wǎng)絡(luò)資料無(wú)時(shí)無(wú)刻不在更新，另外社交媒體如微博、微信和各種論壇里的消息也都對(duì)資本市場(chǎng)產(chǎn)生著影響。隨著互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展，這些非結(jié)構(gòu)化數(shù)據(jù)在未來(lái)還會(huì)呈指數(shù)級(jí)增長(zhǎng)。分析師在面對(duì)海量數(shù)據(jù)時(shí)可謂捉襟見(jiàn)肘，尤其在短時(shí)間內(nèi)分析大量數(shù)據(jù)可謂不可能完成的任務(wù)。即使擁有大量時(shí)間，分析師對(duì)數(shù)據(jù)的搜集和整理也將消耗大量人力和時(shí)間成本。人工智能在自然語(yǔ)言方面的技術(shù)突破很大程度上解決了人類(lèi)分析師對(duì)信息獲取、采掘和分析的難度。用自然語(yǔ)言技術(shù)將非結(jié)構(gòu)化的數(shù)據(jù)轉(zhuǎn)化為可以存儲(chǔ)分析的結(jié)構(gòu)化數(shù)據(jù)之后，機(jī)器學(xué)習(xí)算法會(huì)將處理后的數(shù)據(jù)加以分析判斷從而做出投資決策。分析師能夠取得的信息和數(shù)據(jù)是有限的，更多是集中于所熟知的領(lǐng)域或范圍內(nèi)，而人工智能的數(shù)據(jù)挖掘則可以擴(kuò)展范圍和廣度，從而更加深入全面地了解行業(yè)和市場(chǎng)的狀況。[8]

人工智能可以用復(fù)雜的機(jī)器學(xué)習(xí)、知識(shí)圖譜等技術(shù)手段較為快速和準(zhǔn)確地判斷和預(yù)測(cè)市場(chǎng)行情，這在很大程度上減少了A股分析員在投資中的誤判和迷茫。先進(jìn)的機(jī)器學(xué)習(xí)算法和知識(shí)圖譜等技術(shù)可以對(duì)海量數(shù)據(jù)加以分析，從政策面、基本面、技術(shù)面等多維度提升分析準(zhǔn)確率。人工智能的發(fā)展使得股票預(yù)測(cè)從之前的單一模型和單一維度向多模型和多維度發(fā)展，模型的復(fù)雜程度也顯著提升。此外，由于機(jī)器能夠24小時(shí)不間斷運(yùn)作，人工智能通過(guò)模型對(duì)風(fēng)險(xiǎn)的預(yù)測(cè)和監(jiān)控會(huì)更加及時(shí)有效。資本市場(chǎng)往往會(huì)遭遇“黑天鵝”事件的沖擊，在短時(shí)間內(nèi)就會(huì)造成系統(tǒng)性的危機(jī)，智能量化系統(tǒng)可以自動(dòng)執(zhí)行操作指令做出及時(shí)響應(yīng)，從而能夠有效避免投資損失。[9]

目前，我國(guó)人工智能技術(shù)發(fā)展還不完善，因此在投資決策中仍然會(huì)出現(xiàn)一些錯(cuò)誤。人工智能的基礎(chǔ)是大數(shù)據(jù)，然而人工智能系統(tǒng)在搜集、篩選和整理數(shù)據(jù)的過(guò)程中就可能出現(xiàn)疏漏，進(jìn)而導(dǎo)致數(shù)據(jù)的偏差。數(shù)據(jù)的偏差最終會(huì)導(dǎo)致結(jié)果的偏差，這使得預(yù)測(cè)和判斷無(wú)效。人工智能在做決斷時(shí)需要多個(gè)步驟的協(xié)同，然而，銜接好每個(gè)步驟并保證完全無(wú)誤是一項(xiàng)艱巨的任務(wù)，現(xiàn)有的技術(shù)手段無(wú)法完全保證人工智能在無(wú)人監(jiān)控的條件下能夠獨(dú)自連接所有任務(wù)。金融分析研究和金融投資決策是兩項(xiàng)相對(duì)獨(dú)立的任務(wù)，人工智能在金融分析中的典型應(yīng)用是智能投顧，在金融投資決策的典型應(yīng)用是智能化交易。人工智能在兩項(xiàng)任務(wù)中都表現(xiàn)得十分出色，但是目前技術(shù)水平無(wú)法保證人工智能可以毫無(wú)差錯(cuò)地鏈接兩項(xiàng)技術(shù)。人工智能的一些程序化算法和機(jī)器學(xué)習(xí)是人類(lèi)無(wú)法理解的，所以人類(lèi)無(wú)法實(shí)時(shí)監(jiān)控人工智能，保證其不犯錯(cuò)。在一些極端案例中，人工智能一旦犯錯(cuò)帶來(lái)的損失會(huì)十分驚人，此前法國(guó)興業(yè)銀行一名員工就因程序化交易不當(dāng)給公司造成了30多億歐元的損失。[10]

如果市場(chǎng)大范圍采用人工智能進(jìn)行投資，此前人工智能的制勝策略屆時(shí)可能也會(huì)失效。人工智能炒股能夠跑贏大盤(pán)的關(guān)鍵點(diǎn)在于擁有超越一般人類(lèi)的智能化技術(shù)和量化模型，但是當(dāng)所有市場(chǎng)參與者都改用人工智能做股票投資的時(shí)候，這種人工智能超越人類(lèi)的制勝優(yōu)勢(shì)也就隨即消失了。投資方如果希望再次獲得市場(chǎng)中的超額收益就必須不斷改進(jìn)和完善掌握的人工智能技術(shù)，但是技術(shù)的發(fā)展是有瓶頸的，即使擁有大量資金也未必能夠在短時(shí)間內(nèi)研發(fā)出大幅優(yōu)于競(jìng)爭(zhēng)者的人工智能技術(shù)。[11]

人工智能在A股投資中遇到的另一項(xiàng)難題是法律制度和政府監(jiān)管的問(wèn)題。人工智能技術(shù)發(fā)展很快，監(jiān)管機(jī)構(gòu)的人員需要與時(shí)俱進(jìn)跟上技術(shù)發(fā)展，從而能夠理解人工智能在投資中的應(yīng)用并制定相應(yīng)法規(guī)體系。人工智能技術(shù)在投資中還可能與道德倫理、隱私保護(hù)等原則產(chǎn)生一定程度的沖突。人工智能在決策中到底是要考慮整個(gè)金融體系的健康發(fā)展，還是只考慮個(gè)別投資方的利益最大化，取得的收益應(yīng)當(dāng)盡量惠及整個(gè)社會(huì)還是只利于少數(shù)投資人，這都是需要思考的道德倫理問(wèn)題。此外，人工智能的分析要以大數(shù)據(jù)為基礎(chǔ)，數(shù)據(jù)的豐富可能會(huì)與公司信息保護(hù)和個(gè)人隱私等原則相沖突，監(jiān)管機(jī)構(gòu)如何平衡這兩者也是一項(xiàng)難題。雖然我們看到現(xiàn)行的法律和原則鼓勵(lì)信息披露，但是我們也不應(yīng)忽視一些公司由于信息披露和核心情報(bào)泄露所導(dǎo)致的損失。[12]

人工智能在股市投資中的績(jī)效評(píng)估

全球首支以人工智能為手段的ETF基金已于2017年底在紐交所上市，它的全名是AI Powered Equity ETF （代碼：AIEQ）。依托大數(shù)據(jù)的支撐，AIEQ主要采用IBM公司提供的人工智能技術(shù)手段來(lái)分析判斷美股投資機(jī)遇。AIEQ是一支全天候運(yùn)作的基金，無(wú)時(shí)無(wú)刻不在追蹤市場(chǎng)變化，利用量化手段分析數(shù)以萬(wàn)計(jì)的信息包括公司年報(bào)、新聞、論壇等，從而，在6000余支美國(guó)股票中找尋投資機(jī)會(huì)。AIEQ通過(guò)自我學(xué)習(xí)能夠不斷完善量化交易策略和算法分析手段。

AIEQ剛剛出現(xiàn)時(shí)，很多投資經(jīng)理和分析員都十分擔(dān)心自己的工作受到威脅，懼怕AIEQ的市場(chǎng)表現(xiàn)會(huì)超過(guò)人類(lèi)管理的基金。然而，一年多過(guò)去了，AIEQ并未如預(yù)期般表現(xiàn)出色，利用彭博終端提供的數(shù)據(jù)，表2給出了其與基準(zhǔn)指數(shù)標(biāo)普500總回報(bào)指數(shù)在不同時(shí)間區(qū)間的漲跌幅，從整個(gè)時(shí)間樣本區(qū)間來(lái)看，AIEQ的累計(jì)漲幅為13.47%，不及基準(zhǔn)指數(shù)17.09%的漲幅，特別是在美股大幅下跌的第2個(gè)子區(qū)間，AIEQ的跌幅明顯超過(guò)基準(zhǔn)指數(shù)，不過(guò)在美股上漲的第1和第3個(gè)子區(qū)間里，AIEQ的漲幅都略勝基準(zhǔn)指數(shù)。

為了進(jìn)一步衡量AIEQ相對(duì)于基準(zhǔn)指數(shù)來(lái)說(shuō)是否具有選股和擇時(shí)能力，我們采用計(jì)量模型Rpt-rft=α+β（rmt-rft）+γ（rmt-rft）Dt+εt來(lái)評(píng)估，其中Rpt、rft和rmt分別為第t日AIEQ、短期國(guó)債和基準(zhǔn)指數(shù)在第t日的收益率，Dt為虛擬變量，當(dāng)rmt>rft 時(shí)為1，否則為0。在該模型中，AIEQ的選股能力和擇時(shí)能力分別由α和γ來(lái)衡量。表3給出了模型的估計(jì)結(jié)果，其中α和γ的t統(tǒng)計(jì)量用來(lái)檢驗(yàn)其估計(jì)值是否顯著大于0，即AIEQ的選股能力和擇時(shí)能力是否明顯;而β的t統(tǒng)計(jì)量檢驗(yàn)的是其估計(jì)值是否大于1，即AIEQ的風(fēng)險(xiǎn)是否顯著高于市場(chǎng)基準(zhǔn)。

表3中結(jié)果顯示，AIEQ沒(méi)有選股能力，全樣本下風(fēng)險(xiǎn)調(diào)整后的年化收益為-7.58%，在第2和第3個(gè)子區(qū)間內(nèi)的風(fēng)險(xiǎn)調(diào)整后的年化收益更低，分別為-38.77%和-10.44%，同時(shí)對(duì)應(yīng)的t統(tǒng)計(jì)量顯示，AIEQ在這2個(gè)區(qū)間內(nèi)的選股能力明顯不及基準(zhǔn)。AIEQ的擇時(shí)能力也不明顯，全樣本下?lián)駮r(shí)能力γ的估計(jì)值雖然為正，但對(duì)于的t統(tǒng)計(jì)量并沒(méi)有達(dá)到一般的顯著性水平，AIEQ僅在第3個(gè)子區(qū)間表現(xiàn)出一定的擇時(shí)能力。另外，全樣本下市場(chǎng)風(fēng)險(xiǎn)β的t統(tǒng)計(jì)量顯示，AIEQ的市場(chǎng)風(fēng)險(xiǎn)明顯高于基準(zhǔn)。

AIEQ雖然沒(méi)有跑贏大盤(pán)，但整體表現(xiàn)不算太差。在近2000只美國(guó)ETF投資基金中，AIEQ的排名大約在200～300的區(qū)間中，排名相對(duì)位居前列。若與個(gè)股比較的話，AIEQ的上漲幅度高于同期2/3的美股。

國(guó)內(nèi)首支利用人工智能炒股的股票型公募基金浙商智能行業(yè)優(yōu)選混合A于近日獲批，由于該基金近期還在進(jìn)行備案和籌備等相關(guān)工作，后續(xù)市場(chǎng)表現(xiàn)仍有待觀察。不過(guò)國(guó)內(nèi)公募基金中有部分采用人工智能機(jī)器算法作為輔助分析手段的大數(shù)據(jù)基金已經(jīng)運(yùn)行數(shù)年。利用Wind提供的數(shù)據(jù)，表4給出了大數(shù)據(jù)基金的相關(guān)信息及收益表現(xiàn)，其中超額收益為基金復(fù)權(quán)凈值漲跌幅與基準(zhǔn)指數(shù)收益率之差，我們統(tǒng)計(jì)的是各個(gè)基金自贖回日之后至2018年8月27日的年化日均超額收益，并給出了t統(tǒng)計(jì)量來(lái)檢驗(yàn)基金收益率是否顯著高于基準(zhǔn)指數(shù)收益率。表中t統(tǒng)計(jì)量的絕對(duì)值大都在2以?xún)?nèi)，表明大數(shù)據(jù)基金收益率與基準(zhǔn)指數(shù)收益率的差異并不明顯，僅南方大數(shù)據(jù)300A的收益明顯高于基準(zhǔn)。

表5進(jìn)一步給出了對(duì)大數(shù)據(jù)基金自贖回日之后至2018年8月27日區(qū)間的選股與擇時(shí)能力的評(píng)估。博時(shí)淘金大數(shù)據(jù)100A、南方大數(shù)據(jù)300A、博時(shí)銀智大數(shù)據(jù)100A、天弘云端生活優(yōu)選這4只基金選股能力α的t統(tǒng)計(jì)量大于2，表明他們的選股能力顯著優(yōu)于基準(zhǔn)，風(fēng)險(xiǎn)調(diào)整后的年化收益率分別為25.4%、6.49%、11.3%、22.5%。其他大數(shù)據(jù)基金的選股能力與基準(zhǔn)相當(dāng)，并沒(méi)有任何一支基金的選股能力明顯不及基準(zhǔn)。

而在擇時(shí)能力方面，則沒(méi)有任何一支基金具有明顯的擇時(shí)能力，甚至還有4只基金的擇時(shí)能力顯著為負(fù)，分別是博時(shí)淘金大數(shù)據(jù)100A、博時(shí)銀智大數(shù)據(jù)100A、天弘云端生活優(yōu)選、泰達(dá)宏利同順大數(shù)據(jù)A。其中前3只基金是有顯著的選股能力的，但由于他們的擇時(shí)能力顯著為負(fù)，導(dǎo)致基金收益與基準(zhǔn)指數(shù)相差不大。

人工智能炒股能跑贏大盤(pán)嗎？這是一個(gè)值得深思又極富爭(zhēng)議的問(wèn)題。有人樂(lè)觀地認(rèn)為在不久的將來(lái)人工智能可以取代人類(lèi)做股票投資，并且可以持續(xù)跑贏大盤(pán)獲得正向收益。不過(guò)就目前的技術(shù)手段和現(xiàn)實(shí)情境來(lái)看，人工智能完全取代人類(lèi)做投資決策并持續(xù)跑贏大盤(pán)還是不大可能。

即使未來(lái)技術(shù)發(fā)展成熟，人類(lèi)或許也不會(huì)完全放權(quán)給人工智能做投資決策。作為萬(wàn)物之靈的人類(lèi)總有著能夠掌控萬(wàn)物的欲望，人類(lèi)更愿意接受人工智能作為輔助投資的工具而不是用它完全替代人類(lèi)做投資。人類(lèi)一方面希望隨著技術(shù)的成熟人工智能能夠最終取代人類(lèi)做股票投資并持續(xù)跑贏大盤(pán);另一方面又在畏懼這一變化給整個(gè)資本市場(chǎng)甚至世界帶來(lái)的影響。未來(lái)是難以預(yù)測(cè)的，但可以肯定的是人工智能應(yīng)用于股票投資的潮流不會(huì)改變，我們唯一能夠做的就是去擁抱這一變革，順應(yīng)這一歷史潮流。

（本文系國(guó)家自然科學(xué)基金項(xiàng)目“資金流、交易者異質(zhì)性與股市波動(dòng)”的階段性研究成果，項(xiàng)目編號(hào)：71373225）

注釋

[1]埃森哲、百度金融：《與AI共進(jìn)，智勝未來(lái)：智能金融聯(lián)合會(huì)報(bào)告》，2018年，第36～37頁(yè)。

[2]羅蘭貝格研究院：《2019年關(guān)于人工智能的十大議題》，2019年，第4～5頁(yè)。

[3]李振、周東岱、王勇：《“人工智能+”視域下的教育知識(shí)圖譜：內(nèi)涵、技術(shù)框架與應(yīng)用研究》，《遠(yuǎn)程教育雜志》，2019年第4期。

[4]王哲：《AI100榜單折射人工智能發(fā)展新態(tài)勢(shì)》，《中國(guó)工業(yè)和信息化》，2019年第7期。

[5]陳永偉：《人工智能與經(jīng)濟(jì)學(xué)：近期文獻(xiàn)的一個(gè)綜述》，《東北財(cái)經(jīng)大學(xué)學(xué)報(bào)》，2018年第3期，第6～7頁(yè)。

[6]何誠(chéng)穎：《智能金融變革》，北京：中國(guó)財(cái)經(jīng)出版社，2018年。

[7]張英健、王昕宇、樊曉芳：《機(jī)器學(xué)習(xí)算法已成量化投資跑贏市場(chǎng)的新推手》，《智周報(bào)告核心版》，2019年7月29日。

[8]李文哲：《人工智能正在改變證券行業(yè)》，《中國(guó)戰(zhàn)略新興產(chǎn)業(yè)》，2019年第19期，第45～49頁(yè)。

[9]胡蝶：《人工智能在金融領(lǐng)域的應(yīng)用研究》，《金融縱橫》，2018年第9期，第47～48頁(yè)。

[10]楊東：《監(jiān)管科技：金融科技的監(jiān)管挑戰(zhàn)與維度建構(gòu)》，《中國(guó)社會(huì)科學(xué)》，2018年第5期，第69～90頁(yè)。

[11]Matteo B. et al.， "Artificial Intelligence in the Real World"， The Economist， 2016， pp. 10-12.

[12]https：//ai100.stanford.edu/.

責(zé) 編/周于琬