12月14日早晨，全球首只人工智能ETF基金AIEQ報收于25.62美元。上市近兩個月，該基金的表現(xiàn)落后美股標普500指數(shù)2.5個百分點。
從初上市時萬眾矚目，到如今少人關注，從上市之初收益率大幅超越基準，到此后持續(xù)落后，體現(xiàn)在AIEQ身上的巨大落差，似乎象征了業(yè)界對于AI（人工智能）投資的兩極化觀點——樂觀者預期它終將立于投資市場之巔，并取代大部分投資經(jīng)理的崗位；悲觀者則把它看作“神話故事”、“永遠不會成功的永動機”。
這個爭議，還在升溫，還將持續(xù)。
首只產(chǎn)品“鎩羽”
作為第一個宣稱使用人工智能的基金，AIEQ的業(yè)績波動之大，出乎行業(yè)預期。
上市初期，它一度驚艷。上市之初的3個交易日，AIEQ斬獲了0.8%的收益率。這被外界認為是非常優(yōu)秀的開局，媒體報道頻頻使用“超過基準指數(shù)100倍”的評語，并隨之激發(fā)了一片“人工智能何時取代基金經(jīng)理”的報道和討論。
但這只是曇花一現(xiàn)。
隨之而來的是該基金業(yè)績迅速滑落，從10月中到11月中，該基金凈值一度最低下跌到略高于24元，單月跌幅逾4%。更加糟糕的是，同期該基金的比較對象——標普500指數(shù)穩(wěn)步上漲，且業(yè)績優(yōu)勢保持至今。
“無論是波動率控制，還是短期基金業(yè)績表現(xiàn)，AIEQ都是越做越差，難言讓人滿意。”一家國內(nèi)量化投資機構的投資總監(jiān)如是說。
由于公開信息缺乏，AIEQ表現(xiàn)低迷的原因尚難準確判斷。一些量化投資機構認為，從業(yè)績表現(xiàn)看，AIEQ的選股偏激進，進攻性很強，但是凈值回撤也很兇。
但也有人認為，或許管理人自己也未必能完全了解清楚其中的原因。人工智能投資有所謂的“黑箱問題”，投資模型依賴復雜算法支撐的深度機器學習，這導致“投資模型的投資過程經(jīng)常缺乏可解釋性”。
公開資料顯示，AIEQ（全稱為AI Powered Equity ETF，人工智能驅動的股票ETF），是由舊金山的一家創(chuàng)業(yè)公司發(fā)起，并和一家ETF基金公司合作設立的上市型交易基金。
該基金號稱運用人工智能來進行股票選擇，“追求以同等的風險波動水平，提供超出美國股市基準指數(shù)的投資結果。”該基金日常監(jiān)控數(shù)以千計的美國上市公司，但通常只投資40至70只股票。這個組合分散水平和日常的主動型股票基金相近。
在爭議聲中發(fā)展
在AIEQ上市前，海內(nèi)外投資機構爭先恐后布局人工智能投資的競賽已經(jīng)展開。從研發(fā)到交易、從戰(zhàn)略合作到組織架構調(diào)整，大型機構拉開架勢卯足勁要爭搶AI投資的高地。
海外最大的指數(shù)化基金公司之一貝萊德今年3月末對外宣布調(diào)整公司架構，裁撤包括7名投資經(jīng)理在內(nèi)的100名主動型基金部門員工，并調(diào)整300億美元資產(chǎn)的管理體系，其中有近60億美元將由量化基金接管。其公司CEO在文中稱，傳統(tǒng)的股票投資方法正被技術和數(shù)據(jù)科學的巨大進步所改變。這是該公司作出調(diào)整的重要原因。
此外，諸如SAC、Two Sigma、Citadel、DE Shaw等知名對沖基金機構，也先后有嘗試在投資中應用人工智能算法，或是設置專門研發(fā)團隊進行AI研究的消息傳出。
國內(nèi)最大的兩家基金公司華夏基金和天弘基金，也于今年先后宣布了在人工智能方面的戰(zhàn)略型研發(fā)計劃和組織架構安排。包括嘉實基金、國金基金等機構也積極跟上，陸續(xù)有在這方面探索研究的信息傳出。
但另一方面，業(yè)界對于AI投資的應用前景、研發(fā)方向及資管公司架構調(diào)整的原因也一直有爭論和猜測。
有機構認為，海外對沖基金目前的一些“嘗試”只能看作是量化投資的衍生范疇，其至多應用了一些人工智能的算法技術，距離真正的“AI投資”還有很遠的距離。
也有分析人士認為，海外一些資管機構調(diào)整架構、裁撤主動型基金經(jīng)理的主要動力是削減成本，呼應指數(shù)基金的發(fā)展態(tài)勢。而對外宣布研發(fā)計劃，則或許帶有一定的宣傳推廣考慮。
高毅資產(chǎn)的投資總監(jiān)鄧曉峰在一次演講中也提及：“人工智能投資現(xiàn)在還處于很早期的階段，還是一個專家系統(tǒng)，無法解決沒有明確規(guī)則的問題。”這個觀點代表了相當多數(shù)投資經(jīng)理和學者的看法。
AI投資難在何處？
同樣是利用計算機系統(tǒng)進行投資，量化投資的技術在十多年前就已經(jīng)進入實戰(zhàn)，但是AI投資似乎目前還在爭議中，這其中原因在哪里？
量化機構君耀投資的總經(jīng)理沈賢能認為，應用于投資的人工智能必須要具備包括“感知、認知、推理、學習和執(zhí)行”等智能化特征，但要建立一個真正如“人工”一般“智能”的投資并不容易。
“具體來說，人工智能在投資中的應用要跨越兩大步。其一是應用海量的市場數(shù)據(jù)對模型進行訓練，逐步形成有勝率的算法模型。其二是把算法模型應用于具體場景，比如在資本市場中進行實戰(zhàn)投資。”沈賢能說，但這兩者都是有相當難度的。
他舉了人工智能軟件“AlphaGo”在圍棋領域的處理方式的例子。如果僅僅用“窮舉法”來處理數(shù)據(jù)，那么，圍棋的運算量將達到3的361次方，這大概比宇宙間所有原子的數(shù)量還要多。
因此，AlphaGo的安排是，通過建立一個專家模型（落子預測器）來去掉“臭棋”步驟，降低數(shù)據(jù)搜索廣度，再建立另一個專家模型（棋盤價值評估器）來降低數(shù)據(jù)處理深度，使得程序的運行具有現(xiàn)實性。
但在投資市場，市場數(shù)據(jù)的規(guī)模遠勝于圍棋。同時，面對復雜多變的市場價格影響因素，要構建準確判斷投資勝率的專家模型也無法一蹴而就。至于進入實戰(zhàn)，從AIEQ的情況看，短期內(nèi)似乎條件還不具備。
沈賢能認為，人工智能在投資中的應用最終取決于三個行業(yè)驅動力：數(shù)據(jù)量、運算力和算法模型。只有這三個方面都突破了，AI投資才能真正應用到市場中去。這也是當下，量化機構們正著重發(fā)力的方面。
還有投資經(jīng)理認為，人工智能領域涌現(xiàn)的多種算法，使得計算機在解決很多復雜問題上有了巨大的突破，諸如面部識別、語音識別等技術都已經(jīng)相對成熟。但即便如此，上述算法支撐的機器學習能否真正刻畫并掌握投資市場運行的“奧秘”，依然是未知數(shù)。尤其是，或許市場運行根本就沒有長期有效的規(guī)律和方法存在。
分步走——AI投資的現(xiàn)實選擇
那么，在AI投資進入實戰(zhàn)仍有距離時，AI投資技術的應用就毫無機會了么？
部分機構認為，AI投資可以嘗試分步驟地應用于投資領域。
壘土投資的沈天瑞認為，人工智能要完全勝任投資，目前最需要克服的問題，是人工智能在深度學習市場數(shù)據(jù)時陷入所謂的“黑箱”問題。比如，海量數(shù)據(jù)訓練時可能產(chǎn)生超多的特征維度；模型預測結果不正確時很難進行診斷；可能存在過度擬合的傾向；金融數(shù)據(jù)中含有大量噪音，若將機器算法簡單應用于不規(guī)律、非客觀的數(shù)據(jù)效果堪憂等等。
他認為，把AI技術分步驟的應用于投資領域，目前較具現(xiàn)實性。
比如，首先從投資中重復性的工作環(huán)節(jié)入手幫助提高效率，著重在采集清洗數(shù)據(jù)、分析處理非結構化擴展數(shù)據(jù)（例如社交、電商信息等）、處理提煉公司和行業(yè)數(shù)據(jù)、調(diào)研數(shù)據(jù)、輿情監(jiān)控等領域。這些環(huán)節(jié)中運用的技術是目前比較成熟的諸如知識圖譜、自然語言處理、聚類等標準化工具。
再往后，在具備足夠數(shù)據(jù)的基礎上，可以嘗試進行研究端的簡單判斷，比如通過對海量衛(wèi)星照片的掃描，分析某些產(chǎn)業(yè)的繁榮狀況、儲備情況等，嘗試進行信息挖掘。這中間可能涉及利用貝葉斯網(wǎng)絡技術進行事件推測、用神經(jīng)網(wǎng)絡技術處理時間序列數(shù)據(jù)、用聚類技術進行模式識別等。
而在交易執(zhí)行端，通過執(zhí)行一些算法也能達到部分人工智能技術的應用。這樣在數(shù)據(jù)端、研究端、執(zhí)行端分別執(zhí)行局部的人工智能技術，仍然能夠為投資提供很好的支持。而這也是不少海內(nèi)外資管機構正在著力突破的環(huán)節(jié)。
德克薩斯大學教授尼爾遜曾總結，人工智能是關于怎樣表示知識、怎樣獲得知識并使用知識的科學。在深不可測的市場知識面前，人類如果加上了同樣深不可測的人工智能做工具，前景究竟如何，尚需時間給出答案。
責任編輯：吳昊
