文｜硅谷101
隨著華爾街的對沖基金之間競爭白熱化，基金經(jīng)理最關(guān)心的問題變成了“怎樣利用有限的資源獲得更大的回報”？
人工智能和機(jī)器學(xué)習(xí)的發(fā)展讓不少基金看到了產(chǎn)業(yè)變革的希望：
全球最大的對沖基金橋水，去年就宣布將推出一只完全利用機(jī)器學(xué)習(xí)進(jìn)行決策的基金，價值20億美元。
著名多因子量化基金AQR的創(chuàng)始人，克里夫·阿斯內(nèi)斯在一次采訪上表示，“AI即將取代我的工作?！?/p>
不過，也有知名投資人對AI如何影響華爾街基金持保留態(tài)度。
前段時間，中國量化基金幻方孵化出的DeepSeek在全球AI領(lǐng)域都掀起了軒然大波。這在金融界也引來不少好奇：如今的AI究竟給金融行業(yè)帶來了什么影響，AI炒股靠譜嗎？
帶著這些問題，硅谷101特約研究員Yiwen來到了華爾街，一起聊聊：
人工智能如何改變金融服務(wù)行業(yè)？不斷發(fā)展的技術(shù)即將取代什么樣的工作？被高度監(jiān)管、對錯誤零容忍的量化基金，對人工智能還存有懷疑態(tài)度嗎？人工智能究竟能不能幫我們選股票呢？
01 量子計算量化基金的歷史與分類
我們先回顧下對沖基金與技術(shù)發(fā)展密不可分的行業(yè)歷史，并解釋金融市場中的量化、多因子基金、多空策略等名詞。
聊到“投資”時，大部分人想到的是“基本面投資”。投資人需要深度了解一個公司的業(yè)務(wù)，和競爭對手的差距，宏觀事件對公司前景的影響等等?！肮缮瘛卑头铺鼐褪腔久嫱顿Y的代表。
Warren Buffett
美國投資家、企業(yè)家及慈善家：
“你不需要是90%企業(yè)的專家，也不需要是80%、70%或50%的專家，但你必須了解那些你投入資金的企業(yè)。如果這些企業(yè)只占整個市場的一小部分，這也沒關(guān)系?！?/p>
基本面投資人競爭的法寶是“信息差”。對沖基金會去分析公開信息，例如財報、媒體報道、見面會等信息。
公開信息誰都能拿到，而更一手的深度調(diào)查和研究，則是一些投資機(jī)構(gòu)的“信息差法寶”，比如此前的渾水（Muddy Waters）和興登堡（Hindenburg Research），都一度善于揭示上市公司造假和違規(guī)行為、通過做空來獲得收益。
有一個公式可以方便大家理解投資的理論基礎(chǔ)：
信息率（information ratio，簡寫為IR）是衡量超額風(fēng)險所帶來的超額收益；
信息系數(shù)（information coefficient，簡寫為IC）被用來評估模型或投資策略中的預(yù)測值與實(shí)際投資結(jié)果之間的相關(guān)性，也可以表示一個投資經(jīng)理或基金選股能力的好壞；
廣度（Breadth，簡寫為BR）是在同一時間做了多少個相互獨(dú)立的投資決策。
史方舟
量客投資合伙人：
基本面投資的一個特點(diǎn)是，通過深挖它的基本面邏輯去提高IC，盡管最終的持倉量不可能很高，但是投資人對每一個行業(yè)、行業(yè)中的每一個標(biāo)的都做了非常細(xì)致的盡調(diào)，所以他的IC是非常高的，并通過這種方式取得超過大盤指數(shù)的超額回報（Alpha）。這里還有一些自主決策（discretionary），因為投資人不得不去用一些主觀的判斷。在這一層面量化對他的幫助是很大的。
當(dāng)“拼信息差”成為越來越難的競爭手段的時候，“拼技術(shù)”反而成了大勢所趨。
隨著技術(shù)進(jìn)步，越來越多對沖基金開始采用所謂的“混合策略“，將基本面分析與量化技術(shù)相結(jié)合。基金試圖讓以數(shù)據(jù)驅(qū)動的模型與人類的判斷相結(jié)合，來建立更好的投資策略以及組合。
Chapter 1.1 什么是量化投資？
對沖基金的發(fā)展和技術(shù)的進(jìn)步是密不可分的。
19世紀(jì)末，通過對金融市場上百年來行為的觀察，人們發(fā)現(xiàn)交易的價格是有跡可循的。基于這樣的規(guī)律，繪制出了我們熟悉的“K線圖”，用來表示市場的每日行情，從而預(yù)測未來的價格走勢。這就是最早的“技術(shù)分析”。
后來，在計算機(jī)技術(shù)日益成熟以后，交易員們也把技術(shù)分析寫成了程序，在對沖基金內(nèi)被廣泛使用。
如果說技術(shù)分析是在看個股，那么金融學(xué)理論的發(fā)展則讓投資人學(xué)會了看股票的組合。
早在50年代，經(jīng)濟(jì)學(xué)家馬科維茨提出了：用數(shù)學(xué)模型去解釋投資者如何利用分散投資來優(yōu)化投資組合，也就是后來獲得諾貝爾經(jīng)濟(jì)學(xué)獎的投資組合理論。
Harry Markowitz
美國經(jīng)濟(jì)學(xué)家：
現(xiàn)代投資組合理論為投資者提供了一個風(fēng)險與收益權(quán)衡曲線，如果你想要在長期獲得較高的平均回報，就必須忍受短期的波動。如果你希望短期內(nèi)的穩(wěn)定性，就需要接受較低的平均回報。”
史方舟
量客投資合伙人：
多因子（smart beta）和基本面量化（fundamental quant）其實(shí)是一回事。它的核心思想是，law of investment（投資基本定律）里的IC（信息系數(shù)）不一定非常高，但是要看Breadth（廣度）能不能被提起來。
今天的基金雖然各有特色，但基本的邏輯都是基于金融學(xué)理論建立投資組合，尋找合適的“因子”，再通過現(xiàn)有的數(shù)據(jù)進(jìn)行假設(shè)檢驗，最終建立投資模型。
所謂“因子”，可以理解為是一個影響股票漲跌的因素。我們將因子變成一個客觀的、可以量化的指標(biāo)，包括在投資組合里，就可以在建立“多空”組合的時候根據(jù)該指標(biāo)來判斷公司的好壞了。
比如，假設(shè)基本面分析認(rèn)為，因為女性承擔(dān)風(fēng)險的能力越高，所以一個公司內(nèi)的女性高管越多，股票就越會上漲。那么量化投資人就可以把董事會中女性董事的數(shù)量作為一個指標(biāo)，從高到低排序，多投那些排的高的公司。
史方舟
量客投資合伙人：
最基本的思想是，通過一個客觀的量化指標(biāo)建立多空組合，哪怕最終是純多投或者純空投，但是最基本是來自于多空的思想。所以它跟基本面一樣，非常在乎底層邏輯。
但單獨(dú)只用一個指標(biāo)判斷公司的營收情況顯然不夠準(zhǔn)確，所以“多因子投資”就出現(xiàn)了。這類基金會基于多個因子或維度來建立投資組合，其中代表是AQR。
Chapter 1.2 多因子投資和AQR資本
AQR的創(chuàng)始人克里夫·阿斯內(nèi)斯（Clifford Asness）是著名經(jīng)濟(jì)學(xué)家，也是“有效市場理論”創(chuàng)始人尤金·法瑪（Eugene Fama）的學(xué)生。
1993年，Eugene Fama和Kenneth French創(chuàng)立了“三因子模型”，提出了三個會影響股票回報的因子：市場風(fēng)險、市值、估值。
換句話說，小盤股和價格低于內(nèi)在價值、不受歡迎的廉價股票更容易跑贏市場，在長期獲得巨大收益。
而阿斯內(nèi)斯在研究中發(fā)現(xiàn)，除了這些因子外，動量（momentum）也是影響收益的一個因子。動量因子指的是，正在上漲的股票，短期內(nèi)會繼續(xù)有良好的表現(xiàn)，反之亦然。
帶著這樣的發(fā)現(xiàn)，阿斯內(nèi)斯成立了AQR，建立基于這些因子的投資模型。2000年，AQR通過對科技股泡沫的判斷一戰(zhàn)成名。
2000年8月，華爾街對那些“閃閃發(fā)光”的科技股趨之若鶩，科技股的泡沫也因此被炒的火熱，然而AQR卻反其道而行之，便宜的買入其他行業(yè)的股票。
當(dāng)時，華爾街大多不看好這個操作，因為AQR的逆勢操作讓它賬面上損失慘重，管理的資產(chǎn)規(guī)模從10億美元一度縮水到4億美元。
即便如此，阿斯內(nèi)斯依然信心十足。他還發(fā)表了一篇名為《泡沫邏輯》的文章，直接駁斥了支持科技股高估值的觀點(diǎn)。他在文章中寫道：“當(dāng)謬誤盛行時，總得有人站出來戳穿皇帝的新衣。”
最終，美國的科技股泡沫還是破裂了，那些高估值的科技股無一幸免，紛紛暴跌。
從2000年3月到2002年10月，納斯達(dá)克指數(shù)甚至狂跌了77.9%。就在許多華爾街投資者血本無歸之際，AQR卻在這場風(fēng)暴中大獲全勝，不僅填平了賬面虧損，還從最初的10億美元管理資產(chǎn)，暴漲到了2004年的120億美元。
即使中間經(jīng)歷過多次動蕩，AQR也在2018年時成為了全球第二大的對沖基金。
在2019年的一次采訪中，阿斯內(nèi)斯解釋了他最關(guān)注的四個因子：價值（Value）、動量（Momentum）、收益率差（Carry）、防御（Defensive），或者說質(zhì)量因子。
Clifford Asness
多因子量化基金AQR創(chuàng)始人：
價值策略（Value）：便宜的資產(chǎn)往往會戰(zhàn)勝昂貴的資產(chǎn)，如果你用某種基本面指標(biāo)來衡量價格，較低價格的資產(chǎn)往往會隨著時間推移表現(xiàn)更好。
動量策略（Momentum）：最近表現(xiàn)強(qiáng)勁的資產(chǎn)往往會在短期內(nèi)繼續(xù)延續(xù)其趨勢，比隨機(jī)走勢更具持續(xù)性。
收益率差（Carry）策略：結(jié)合了前兩者，用來預(yù)測價格，同時強(qiáng)調(diào)“等待時也能賺錢”，比如通過持有高收益資產(chǎn)來賺取利差。
質(zhì)量（Defensive）策略：關(guān)注那些相較于其他證券風(fēng)險更低、資產(chǎn)負(fù)債表更健康、盈利能力更強(qiáng)且收益更穩(wěn)定的資產(chǎn)?！?/p>
但也就在2009年，AQR迎來了殘酷的量化寒冬。
首先，AQR在當(dāng)時堅持的多因子投資策略里，使用了一種“靜態(tài)權(quán)重”的的權(quán)重分配方式，也就是投資組合中每個因子的權(quán)重在構(gòu)建時就被確定，并不會隨著市場環(huán)境或因子表現(xiàn)動態(tài)調(diào)整。
例如，如果一個多因子策略設(shè)定了動量因子40%、價值因子30%、質(zhì)量因子30%的權(quán)重，那么無論市場情況如何，這些權(quán)重都不會改變。
AQR在決定這套權(quán)重的時候，往往會利用歷史數(shù)據(jù)進(jìn)行回測，這套風(fēng)格形成之后很難進(jìn)行改變。畢竟過去三四十年的數(shù)據(jù)中被證明可行的因子，怎么能因為一年表現(xiàn)不好就推翻重來呢？
但阿斯內(nèi)斯在自己的博客文章里提到，2020年的前六個星期里，價值投資遭遇了嚴(yán)重的滑鐵盧，代表這套靜態(tài)權(quán)重的因子分配方法在某些情況下是行不通的。
2020年底，AQR的人員經(jīng)歷了一次大的變動，幾乎很多老員工都離開了，而AQR也借此契機(jī)改變了自己的風(fēng)格，在原本的模型上增加了更多的靈活性。
之后，經(jīng)歷了兩年的低迷，今天的AQR重新回到了第一梯隊。而他們的新藍(lán)圖，和AI不無關(guān)系，這一點(diǎn)我們隨后會講到。
Chapter 1.3 多統(tǒng)計套利與文藝復(fù)興
雖然多因子投資里面使用了大量的數(shù)學(xué)模型，但本質(zhì)還是在講一套關(guān)于因子的故事。
而“統(tǒng)計套利”這一投資風(fēng)格卻完全拋棄了金融敘事，反而試圖在速度上打敗競爭對手，這時才是算法和算力真正大顯身手的時候。
提到統(tǒng)計套利，就不得不談對沖基金界的傳奇人物：吉姆·西蒙斯（Jim Simons）。
2024年五月，這位數(shù)學(xué)家出身的投資人離世，享年86歲，這樣的一則新聞，也讓他創(chuàng)建的對沖基金“文藝復(fù)興”科技公司重新出現(xiàn)在了大眾視野。
自1988年創(chuàng)立以來，文藝復(fù)興始終是一家相對低調(diào)的基金。無論是西蒙斯本人，還是那些簽了30頁保密協(xié)議的員工，都對這家公司賺錢的秘密諱莫如深。但這并不影響外界震驚于他旗下基金的表現(xiàn)。
文藝復(fù)興的第一支基金產(chǎn)品“大獎?wù)禄稹保?4年間獲得了40%的年凈回報率，扣除服務(wù)費(fèi)之前甚至達(dá)到了驚人的66%。也就是說，在該基金的整個運(yùn)行周期內(nèi)，他帶給了文藝復(fù)興公司600億美元的利潤。
迄今為止，大獎?wù)禄鹗亲畛晒Φ膯我煌顿Y工具，西蒙斯所依靠的，就是統(tǒng)計套利。
他依賴于復(fù)雜的數(shù)學(xué)模型和大量的計算，在看似雜亂無章的金融市場里尋找規(guī)律，通過機(jī)器創(chuàng)造財富。因此，西蒙斯被他的傳記作者稱為“征服市場的人”。
統(tǒng)計套利有三大法寶：技術(shù)分析、時間序列分析和機(jī)器學(xué)習(xí)。
我們之前已經(jīng)提到了技術(shù)分析。
時間序列分析指的是，一種通過分析歷史數(shù)據(jù)來預(yù)測未來價格變動的交易策略。在這種分析里，最重要的是確保穩(wěn)定性。因為統(tǒng)計套利的核心，就是歷史會不斷重復(fù)。
史方舟
量客投資合伙人：
機(jī)器學(xué)習(xí)是第三大法寶的原因在于，統(tǒng)計套利對底層邏輯的追究是比較淡的，所以更能接受一些黑箱，特別是對端到端的機(jī)器學(xué)習(xí)的使用比較活躍。
機(jī)器學(xué)習(xí)的數(shù)據(jù)當(dāng)然是越多越好，文藝復(fù)興前聯(lián)席總裁羅伯特·默瑟就說過，沒有哪種數(shù)據(jù)會比擁有更多數(shù)據(jù)更好（There’s no data like more data）。這也解釋了統(tǒng)計套利與前兩種投資風(fēng)格不同的地方，也因此統(tǒng)計套利派系的調(diào)倉頻率更高，達(dá)到了平均三天一次。
Chapter 1.4高頻交易
高頻交易（High-Frequency Trading），是通過大量的數(shù)據(jù)和復(fù)雜的算法，同時依賴計算機(jī)算法和超高速數(shù)據(jù)傳輸，通過大量的交易操作在極短的時間內(nèi)獲利，將短期的市場變化利用到了極致。
因此這種“量化交易”的手段比起“投資”，更多屬于“交易”的范疇。
高頻交易主要核心特點(diǎn)是交易速度極快，通常涉及每秒數(shù)千甚至數(shù)百萬次交易。
這樣的策略并不復(fù)雜，主要就是靠拼那幾毫秒的速度優(yōu)勢。Citadel Securities、DeepSeek背后的幻方，曾經(jīng)都使用了這種策略。
在高頻交易風(fēng)頭正盛的時候，這些基金甚至不惜花重金鋪設(shè)一條從紐約到倫敦的海下光纖電纜，只為了將交易速度提升零點(diǎn)零幾秒，在競爭對手之前搶占先機(jī)。
如今大部分高頻交易，仍然拼的是不同基金的硬件和算法能力，不過很多基金也意識到，只強(qiáng)調(diào)速度的高頻交易黃金期已經(jīng)過去了。
彭博社評論員Aaron Brown在2020年就寫道：大量量化交易基金現(xiàn)在也開始用起了傳統(tǒng)對沖基金的投資方法，在流動性不是那么強(qiáng)的市場里尋找被低估的機(jī)會，未來的基金構(gòu)成也只會更加復(fù)雜。
在當(dāng)下的美國市場里還有一個問題，就是寡頭企業(yè)的出現(xiàn)。
采訪嘉賓告訴我們，在美國，券商下單之后（比如說散戶們愛用的Robinhood），很多交易訂單都到了Citadel Securities的手上，而它也占了高頻交易市場份額的41.5%。
Citadel進(jìn)行的交易越多，拿到的市場信息也就越多，這讓高頻交易之間的競爭變得更加困難。
總體而言，對沖基金的四個派系是：持倉從少到多、定性到定量、穩(wěn)定到不穩(wěn)定、低頻到高頻的逐級轉(zhuǎn)變，這之中也代表著一個重要邏輯的變化：價值。
史方舟
量客投資合伙人：
很多量化的短期策略，核心是提供了短期市場的流動性。因為它的反應(yīng)比一個人更快，所以就有空間做到更大的可競爭性。它賺的錢來自于交易信息的差距和交易行為的差距，而不是因為創(chuàng)造了直接的價值。
02 AI來到華爾街
如今的人工智能如何賦能量化策略？ 盡管統(tǒng)計套利和高頻交易天然和機(jī)器學(xué)習(xí)密切相關(guān)，但最先對生成式AI產(chǎn)生興趣的，卻是看起來和AI關(guān)系最遠(yuǎn)的基本面分析。
Chapter 2.1 數(shù)據(jù)難題
生成式AI的一大吸引力是：能解決金融業(yè)長期面對的數(shù)據(jù)難題。
基本面分析需要處理大量和公司有關(guān)的公開信息，比如財報、證監(jiān)會報告、媒體報道、高層演說等。這些信息往往是以非結(jié)構(gòu)化的文字形式存在的，處理起來十分復(fù)雜。而統(tǒng)計套利和高頻交易中只需要處理代表價格的數(shù)字，難度反而下降了很多。
采訪嘉賓告訴我們，其實(shí)早在2016年，基本面分析就開始關(guān)注人工智能和深度學(xué)習(xí)了。
基本面分析最重要的就是打出信息差。傳統(tǒng)上來說，這些信息要么是來自公開財報的信息，要么是分析師通過盡調(diào)去挖掘的非公開信息。但隨著監(jiān)管的不斷完善，公司要披露的信息越來越多，基本面分析的基金競爭也就越來越難打了。
Dr Miquel Noguer i Alonso
AI金融研究院創(chuàng)始人、前UBS瑞士執(zhí)行董事：
我們并沒有（能夠）利用所有的非結(jié)構(gòu)化數(shù)據(jù)，一方面是因為缺乏相應(yīng)的工具，另一方面即使面對結(jié)構(gòu)化數(shù)據(jù)，我們也沒有足夠的勇氣去充分利用它。
2016年是一個覺醒的時刻，因為我們意識到市場上其實(shí)存在大量數(shù)據(jù)，而這些數(shù)據(jù)可以被用來分析股票。
但就在十年前，金融業(yè)發(fā)現(xiàn)了所謂的“替代數(shù)據(jù)”（alternative data），替代數(shù)據(jù)是指那些非常規(guī)、但能推動股價漲跌的數(shù)據(jù)，比如信用卡交易記錄、社交媒體、電商平臺的買家評價，甚至衛(wèi)星圖像等。
Dr. Richard Peterson
MarketPsych CEO：
舉個例子，通過查看手機(jī)定位數(shù)據(jù)可以實(shí)時了解人們的動向、知道他們進(jìn)入了哪些商店。又或者通過衛(wèi)星數(shù)據(jù)監(jiān)測節(jié)假日期間商場停車場的容量，如果看到停車場爆滿，我們就可以推測這家零售商的銷售狀況可能不錯。
但在有了大量數(shù)據(jù)后，金融業(yè)又面臨了一個新的問題：沒有合適的工具去處理這些數(shù)據(jù)，因為這些數(shù)據(jù)太過于復(fù)雜了。
對于基金經(jīng)理來說，閱讀、消化和總結(jié)大量的非結(jié)構(gòu)化數(shù)據(jù)會消耗大量精力；在買方看來，賣方報告里還可能包含對做決定沒有必要的細(xì)節(jié)。
而ChatGPT誕生后，人們發(fā)現(xiàn)生成式AI最擅長處理非結(jié)構(gòu)化數(shù)據(jù)的，這對處理復(fù)雜的金融數(shù)據(jù)來說提供了非常大的幫助。
武軍辰
Menos AI CEO、聯(lián)合創(chuàng)始人：
AI agent（智能體）可以幫我們的基本面經(jīng)理（fundamental managers）、投資經(jīng)理（pm）、股票研究員（stock analysts）去處理大量的賣方研究（sell side research）和股票研究（stock research），把這些信息從非結(jié)構(gòu)化（unstructured）變成變成一個可以查詢的結(jié)構(gòu)化數(shù)據(jù)（structure data）。
在需要閱讀和總結(jié)大量數(shù)據(jù)，并根據(jù)需求寫一些基本的、可重復(fù)性高的代碼時，AI就像一名勤勤懇懇的實(shí)習(xí)生，可以迅速完成這些工作。
采訪嘉賓還告訴我們，AI的另一個應(yīng)用場景就是幫助基金經(jīng)理去清理和歸納原始數(shù)據(jù)，讓經(jīng)理可以花更多的時間和精力在分析這些數(shù)據(jù)上。
巴利亞斯尼資產(chǎn)管理公司的首席經(jīng)濟(jì)學(xué)家Chris Pulman就告訴彭博社，曾經(jīng)需要他花兩天時間準(zhǔn)備的中央銀行會議的預(yù)覽報告，現(xiàn)在只要花30分鐘，因為AI已經(jīng)幫他完成了整理各路經(jīng)濟(jì)學(xué)家看法、生成圖表等一系列的研究工作。他表示，人工智能比他一開始想的更有用。
Chapter 2.2 工具即服務(wù)
除了處理數(shù)據(jù)以外，AI還給金融業(yè)帶來了另一種效率提升。
武軍辰
Menos AI CEO、聯(lián)合創(chuàng)始人：
GenAI（生成式AI）到底真正帶來的革命性東西，用一句話概括為：工具即服務(wù)。
金融業(yè)是一個被高度監(jiān)管的行業(yè)，尤其在2008年的金融危機(jī)之后，美國政府通過了《多德·弗蘭克（Dodd-Frank）法案》，向?qū)_基金提出了更多的披露義務(wù)。這也導(dǎo)致對沖基金行業(yè)需要聘請專人去分析投資組合的風(fēng)險，完成合規(guī)申報等內(nèi)容。
而進(jìn)行這些分析則需要大量專業(yè)化的軟件，同時每一個軟件都要配備一個分析師，但在AI時代，這些軟件都能以AI agent的形式存在，提供一站式服務(wù)。
武軍辰
Menos AI CEO、聯(lián)合創(chuàng)始人：
現(xiàn)在很多工具開始變得更智能了，比如你可以直接把一個投資組合交給風(fēng)險分析（risk analysis）的工具（tool）或者軟件（software）。
所謂“工具即服務(wù)”是，過去可能風(fēng)控團(tuán)隊需要十個人，現(xiàn)在兩個人就夠了，因為很多的過程都可以被自動化。這些工具拿到數(shù)據(jù)后可以自動生成風(fēng)險報告，人們甚至可以跟它進(jìn)行問答交互。我覺得未來這個會有很大的作用。
在對沖基金里，前臺通常是對沖基金的盈利來源，主要負(fù)責(zé)投資決策和與客戶的互動；
中臺主要負(fù)責(zé)風(fēng)險管理、合規(guī)性和確保交易與基金的整體戰(zhàn)略和監(jiān)管要求相符；
后臺負(fù)責(zé)對沖基金的行政、運(yùn)營和支持工作，包括提交法律和合規(guī)報道。
AI也許就可以替代中臺和后臺的重復(fù)性工作，特別是節(jié)省重復(fù)性高的分析的時間。
Dr Miquel Noguer i Alonso
AI金融研究院創(chuàng)始人、前UBS瑞士執(zhí)行董事：
除了寫作外，AI同樣適用于數(shù)學(xué)和編程，這恰恰也是量化分析師每天都在做的事情。所以，即使是最保守的量化分析師也會想，"我能不能用這個工具來為我新開發(fā)的算法生成文檔，并生成代碼呢？" 答案是肯定的，這將極大地節(jié)省時間。
Chapter 2.3 尋找超額回報Alpha
不過，關(guān)于AI是否能實(shí)現(xiàn)“實(shí)習(xí)生”到“分析師”的飛躍、為對沖基金找到超額回報（alpha），對沖基金的看法則沒有那么樂觀。
Ken Griffin
CITADEL(城堡投資公司)CEO：
“我認(rèn)為有些人幻想著LLM（大語言模型）會告訴他們該買哪些股票，但這只是幻想而已?！?/p>
也有對沖基金在嘗試通過AI建立投資策略，比如前面提到的AQR正在進(jìn)行的新嘗試。阿斯內(nèi)斯在多次采訪中提到，AQR正在使用大語言模型從文字?jǐn)?shù)據(jù)中挖掘新的交易信號，并讓現(xiàn)存的交易信號變得更準(zhǔn)確、更有用。
交易信號是指能夠為投資者提供決策參考的信息或指標(biāo)。例如，文字信息中往往蘊(yùn)含著豐富的情緒表達(dá)：在財報會議中，高層對公司經(jīng)營狀況的表述可能展現(xiàn)出正面、負(fù)面或中立的態(tài)度。
而在美聯(lián)儲的發(fā)布會中，其對當(dāng)下經(jīng)濟(jì)的看法可能表現(xiàn)為鷹派或鴿派，這些態(tài)度實(shí)際上就是一種交易信號。
在生成式AI出現(xiàn)之前，投資者通常需要多次閱讀這些信息，才能總結(jié)出相應(yīng)的情緒態(tài)度。
英偉達(dá)的量化分析師Ioana Boier就解釋了她正在研究的工具，基于情緒識別找到交易信號。
Ioana Boier
英偉達(dá)量化分析師：
你可以跟蹤這種情緒隨時間的變化：如果它維持在中性水平，你可能不會采取任何行動，但如果情緒極端正面或極端負(fù)面，你就可以將其視為一個信號。這正是策略可以發(fā)揮作用的地方，你可以采用類似的閾值設(shè)定（thresholding）方法來進(jìn)行決策。
看中這個風(fēng)口的數(shù)據(jù)和服務(wù)提供商也不在少數(shù)：專注于替代數(shù)據(jù)的Acuity Trading最近推出了完全由AI驅(qū)動的交易信號生成服務(wù)，主要聚焦在外匯和加密貨幣市場。
前面我們說的都是基金經(jīng)理們?nèi)绾卫蒙墒紸I處理文字信息的能力，除此之外，量化基金也在挖掘機(jī)器學(xué)習(xí)處理復(fù)雜的數(shù)字、建立統(tǒng)計模型方面的作用。
Chapter 2.4 統(tǒng)計模型中的AI
像AQR這樣的多因子基金，通常會有以下投資流程：
通常來說，多因子基金會通過統(tǒng)計模型，來確定哪些因子能夠預(yù)測股票的表現(xiàn)，將得到的因子結(jié)合起來，再推測出一個最優(yōu)的投資組合，并根據(jù)這個最優(yōu)組合調(diào)整基金中現(xiàn)存的投資組合，盡可能達(dá)到更優(yōu)。
但如何將多個因子結(jié)合在一起、確定每個因子在投資組合里所占的權(quán)重，卻是完全不同的過程。
2019年底，阿斯內(nèi)斯就是因為一意孤行，提高了“價值”因子在AQR的投資組合里所占的比例，導(dǎo)致AQR在疫情期間損失慘重。但是這次，阿斯內(nèi)斯卻覺得，有可能通過AI來挑選合適的投資組合。
AQR的機(jī)器學(xué)習(xí)部門主管Bryan Kelly認(rèn)為，由于大語言模型在訓(xùn)練中使用了大量數(shù)據(jù)，存在大量預(yù)測變量，因此能更好地識別因子和股票變化之間的非線性關(guān)系。
傳統(tǒng)的統(tǒng)計模型都是回歸分析，往往只能分析一個因變量和一個自變量之間的線性關(guān)系。但由于大模型本身十分復(fù)雜，反而能給到因子更為準(zhǔn)確的權(quán)重。
在AQR自己的試驗中，大模型將投資回報提升了50-100%。Bryan Kelly也將這種情況稱之為“復(fù)雜性的價值”（virtue of complexity）。
Clifford Asness
多因子量化基金AQR創(chuàng)始人：
長期以來我們一直在討論不要過度擬合。量化投資的一個風(fēng)險在于，你可能在數(shù)據(jù)中看到一些隨機(jī)的模式并誤以為可以交易它們，而一種應(yīng)對這種風(fēng)險的方法，就是將數(shù)據(jù)與理論和常識相結(jié)合。
但AI在某種程度上讓我們偏離了傳統(tǒng)的方法，這讓我感到有些不適，因為你一定程度上把決策權(quán)交給了機(jī)器。
我們的采訪嘉賓認(rèn)為，盡管近幾年來AQR和量化基金對AI的接受程度高了很多，它們也不會完全使用大模型進(jìn)行投資決策，因為這和阿斯內(nèi)斯多年來堅持的風(fēng)格不符。
史方舟
量客投資合伙人：
我覺得這是和基因有關(guān)系的，我認(rèn)為AQR今天也不可能接受，把端對端黑箱模型的結(jié)果直接作為投資的決策，因為它的投資風(fēng)格決定是要在經(jīng)濟(jì)學(xué)和金融學(xué)上具有可解釋性。
目前，學(xué)界和業(yè)界都推出了不少研究分析人工智能在量化金融上的應(yīng)用，比如大模型如何生成時間序列。采訪嘉賓認(rèn)為目前大熱的AI agent，將會在未來有很多應(yīng)用場景：
時間序列agent：可以決定使用哪些模型（例如 Transformers、長短期記憶網(wǎng)絡(luò)）來進(jìn)行股票的時間序列預(yù)測。
基本面agent：可以分析公司的財務(wù)報表、商業(yè)計劃和其他定性信息，以評估公司的狀況。
ESG agent：可以評估公司的治理、社會影響和環(huán)境因素。
合規(guī)agent：可以做出投資決策前檢查公司高管的犯罪記錄等事項。
必須承認(rèn)的是，很多人工智能的應(yīng)用都還處在早期，幾乎沒有量化基金完全使用大模型去替代人類分析師以及基金經(jīng)理的決策。
武軍辰
Menos AI CEO、聯(lián)合創(chuàng)始人：
我們認(rèn)為AI最多叫輔助決策者（decision assistant），還是需要人做決策。我很認(rèn)可一種說法：AI短期之內(nèi)是不會代替人的，尤其不會代替人去決策，但是會用AI的人會代替掉不用AI的人，因為有很多工作可以用AI自動化掉（automated），讓人更高效。
最后，在大模型盛行的時代，對沖基金如何在工具相同的情況下提升競爭力，也是一個問題。
史方舟
量客投資合伙人：
如果你是投資人，現(xiàn)在有一家基金有非常專業(yè)的人工智能團(tuán)隊：它的策略端對端，從最原始（raw）的數(shù)據(jù)直接給你最終的投資決策，然后表現(xiàn)很好，這個時候你愿意投嗎？
當(dāng)基金的競爭優(yōu)勢只限于人員專業(yè)、表現(xiàn)好時，其實(shí)把自己放在了非常尷尬的狀態(tài)，因為我（投資者）永遠(yuǎn)可以找到另外一組很專業(yè)的AI專家，并且滾動（rolling）3個月或者6個月表現(xiàn)比你（這家基金）好，那這家基金如何去建立和客戶之間的黏性呢？
Dr Miquel Noguer i Alonso
AI金融研究院創(chuàng)始人、前UBS瑞士執(zhí)行董事：
這是一個競爭性的游戲。如果你的能力不如你的競爭對手，即使你使用了一些工具，也未必能創(chuàng)造主動收益（Alpha）。也許它用的工具更好、掌握的數(shù)據(jù)更多、質(zhì)量更高，或者他找到了更合理的數(shù)據(jù)組合，到了AI時代情況依然如此。但話說回來，如果你不去投資，不去嘗試，那你肯定會落后，在投資決策的速度上，你會遠(yuǎn)遠(yuǎn)慢于你的競爭對手。
03 AI未來的華爾街征程
無論傳統(tǒng)的資產(chǎn)管理者和投資人再如何抵抗，AI正在走進(jìn)華爾街，也正在改變基金管理人們的投資方式。
當(dāng)2023年ChatGPT剛火爆全球時，芒格老與巴菲特在伯克希爾哈撒韋年會被問到AI時，非常嗤之以鼻。一年之后，當(dāng)巴菲特再被問到AI的問題時，他的回答依然很含糊，表示自己對AI毫無所知。
而作為巴菲特的接班人，Greg Abel給出的回答是這樣的：
Greg Abel
伯克希爾·哈撒韋公司董事會副主席：
當(dāng)前我們更應(yīng)該關(guān)注我們?nèi)绾螌?shí)現(xiàn)效率的提升和安全保障，特別是在危險的領(lǐng)域和流程中。我們還處在（變革的）開局階段。
顯然，巴菲特不在乎AI的發(fā)展，是因為他對可口可樂等零售業(yè)、保險業(yè)和石油公司的理解已經(jīng)超乎常人、“信息差”的壁壘已經(jīng)足夠高。
但如果作為巴菲特接班人的Greg Abel如果也完全不在乎AI，就會像視頻下面的留言所說，“Greg關(guān)于人工智能的回答，令我作為伯克希爾哈撒韋股東而感到擔(dān)憂……”
華爾街上的對沖基金們的現(xiàn)狀其實(shí)不容樂觀。美股大盤很強(qiáng)勢，但基金們越來越難跑贏S&P指數(shù)了；基本面和宏觀策略也越來越難做，這么多年來，我們也沒有看到第二個巴菲特出現(xiàn)。
如今在華爾街上，“能跑贏大盤”就已經(jīng)是讓人伸出大拇指的好業(yè)績了，所以對沖基金們也在拼命地想更有效的策略以拉開優(yōu)勢。
一位嘉賓稱，據(jù)他所知，現(xiàn)在沒有哪個華爾街上的大型對沖基金不在投入大模型的。
正如前文所提，應(yīng)用AI的潛力在金融這樣高度依賴數(shù)據(jù)、包含大量重復(fù)性工作，又要求速度的行業(yè)，應(yīng)該是很大的。
但另一方面，這些試驗仍然處在早期。我們看到很多的AI選股、AI策略依然不靠譜，AI依然無法代替人類交易員和投資人來做最終的決策，現(xiàn)在還是一名努力的華爾街實(shí)習(xí)生的角色。
但隨著AI大模型的能力發(fā)展與應(yīng)用的成熟，“使用AI的能力”是否會代替?zhèn)鹘y(tǒng)的“基本面信息差”，成為對沖基金們的新競爭優(yōu)勢決定因素呢？我們拭目以待。