除了会炒股抄底，人工智能在金融领域还有什么主要应用场景？ 炒股基金还有什么

人工智能对金融机构的影响正在与日剧增，它不仅改变了人们存款、投资和借贷的方式，甚至还能预防金融犯罪。助推这一波人工智能大潮的一大核心是机器学习算法，而金融行业也正在借助于算法的优化不断发展。

此前，全球最大的对冲基金公司之一英仕曼集团（Man Group）旗下的AHL Dimension 基金通过将机器学习算法用于自动贸易决策发现，在没有人为干预的情况下，该AI系统竟然自己学会了抄底。（后文会做详细介绍）

这一波操作让整个金融界为之震惊。

| 包括对冲基金在内，以下我们列举了人工智能在金融领域应用的三个主要场景：1.基于算法的金融交易

可以看到，借助机器学习，计算机已经可以完成诸如股票交易这样复杂而繁琐的任务。同时，在全球已经有不少对冲基金公司正在该领域不断探索，并取得了可与人类专家的判断相媲美的成果。

此前，旧金山的创业公司Sentient Technologies就开发了一种算法，通过获取数以百万计的数据点从而识别交易模式，预测趋势，制定成功的股票交易决策。在Sentient公司的平台上，运行着数以万亿计由大量在线公共数据创建的模拟交易程序。借助这些程序，该算法可以识别整合成功的交易模式，制定新的交易策略。同时，通过该算法，系统还可以在几分钟内完成传统方式中1800天的交易量，并在交易中不断实现自主优化。据该公司CEO安东万•布隆多（Antoine Blondeau）表示 ，其基金完全由人工智能操盘，整体思路就是做一些没有其他人也没有其他机器在做的事情。

Sentient的首席科学官巴贝克•霍加特（Babak Hodjat）表示 ，这套系统允许公司调整特定的风险设置，并且是在没有人工干预的情况下运行的。“它会自动生成一套策略 ，并给我们下指示。它还会告诉我们要在何时退出，何时减小风险敞口，诸如此类。”霍加特说。

而在应用方面，目前，除了英仕曼之外，国外还有很多成功案例。美国的Wealthfront和Betterment、英国的MoneyonToast、德国的FinanceScout24、法国的MarieQuantier等均成功将人工智能引入投资理财，目前智能顾问已掌握大量资产；第一个以人工智能驱动的基金Rebellion曾成功预测了2008年股市崩盘，并在2009年给希腊债券F评级，而当时惠誉的评级仍然为A，通过人工智能，Rebellion比官方降级提前一个月；掌管900亿美元的对冲基金Cerebellum，使用了人工智能技术，从2009年以来一直处于盈利状态。

2.反欺诈检测

随着电子商务的推广，网络诈骗愈发猖獗。然而，打击网络诈骗并非易事。过度拒绝交易从而预防网络犯罪会导致客户体验下降，可能造成大量客户的流失。2015年，Javelin Strategy市场调研机构发布的一项研究表明：网络零售商因错误拒绝合法交易造成的损失金额高达1180亿美元。在错误拒绝合法交易的案例中有三分之一的客户会放弃交易。此外，仅在美国地区，该类案例造成的经济损失是真正诈骗案件损失金额的13倍。

在这样的背景下，人工智能可以通过分析不同的数据点，利用机器学习算法检测人类分析师察觉不到的欺诈性交易。与此同时，还可提升实时审批的准确度，减少错误拒绝率。

如今，已经有很多机构开始借助人工智能预防诈骗。Mastercard（万事达卡）不久前推出的智能决策(DI)技术是个很好的例子。据了解，DI可以从持卡人的消费记录和习惯中采集模型，建立行为基准，从而对每笔新达成的交易进行比较和评估。相较于传统的多借助通用方法评估所有交易的犯罪预防技术，该技术的应用可谓是一项重大突破。

事实上，Mastercard并非第一家运用人工智能进行反欺诈检测的金融企业。有些公司采用的方法更为全面。例如，Sift Science从6000多家具备欺诈检测功能的网站中收集了大量数据，并通过多种渠道的设备追踪和数据分析，利用智能引擎关联了各种不同的数据点，包括网站上的付款信息和其他行为，建立优质用户行为模型，检测欺诈性交易。

3.智能客服

近年来，借助由自然语言处理（NLG）和机器学习算法驱动的智能客服为用户提供个性化对话体验开始变得越来越普及。

而智能客服在金融业的应用也是比较常见的，比如帮助用户理财。举个例子，当用户点击Facebook的聊天窗口时，就可以启动Plum聊天机器人，从而进行小额分期存款的操作。在注册时，用户只需要将Plum与其银行账户关联。之后，Plum的人工智能系统就会分析用户的收入水平和消费习惯，并在此基础上预测其能接受的存款金额。然后适时分期向用户的储蓄账户中存储小笔金额，并定期通知用户。

此外，智能客服Cleo还可以跟踪多个账户的收入与支出，像私人会计师一样和客户交流，回答客户的问题，同时还可以提供理财指导，帮助用户做未来的资金规划和管理。今年年末，美国银行计划推出智能客服Erica（取银行名字的谐音）。Erica可以在银行手机客户端与客户进行语音和文字互动，从而帮助客户快速做出更明智的决定。例如，无需打开应用界面（UI）即可命令Erica汇钱给朋友或付款。智能客服的AI引擎还可分析管理客户的个人财务，如根据客户收入和支出模型，提供建议，实现储蓄目标。

| 重点聊聊英仕曼集团会自己抄底的AI系统

在对人工智能技术的应用中，英仕曼是个非常好的例子，这里我们重点介绍一下。

英仕曼集团作为全球最大的对冲基金公司之一，资产高达960亿美元。其旗下的AHL Dimension 基金从2014年就开始将机器学习算法用于自动贸易决策，并且获得了巨大收益。

据了解，英仕曼的工程师为机器学习算法设置了边界参数，包括敞口资本、资产类别以及交易成本。通过这些参数为算法提供数据，从而发现那些容易被人类分析师忽略的模式和联系。机器学习算法在新数据与历史模式进行不间断比对，推测将会发生的变化。目前，英仕曼已经将该模型用于加快贸易决策，从而实现对未来几周的形势作出合理预测。

 

2015年8月，当全球金融市场由于对中国经济的担忧引发了突然大量的抛售时。英仕曼的AI系统在此前就看空市场，并迅速从下跌中获利。而在美国股市下跌约3%后，该系统又发现了买入机会，重新回到市场。就在那一年，人工智能为英仕曼集团规模最大的一只基金AHL Dimension Programme贡献了大约一半的利润。

去年11月和12月，当世界仍在努力消化川普当选美国总统的消息时，英仕曼的人工智能却迅速进入市场，并从随后的反弹中获利。

“没有人告诉它去怎么抄底和获利，它自己学会了如何观察以前的模式。”AHL Dimension的基金经理尼克.格兰杰(Nick Granger)说。

自2014年初以来，英仕曼管理的资产总额已经飙升了77%。而AHL Dimension基金的规模也已经扩大到当时的5倍。

AHL Dimension基金首席科学家、牛津实验室的负责人莱德福德（Anthony Ledford）表示，英仕曼集团的AI工程师们用奖励和惩罚来引导机器，从技术角度来说，这会用到深度学习和强化学习。而通过深度学习，他们用历史信息构成的数据集，来训练算法发现预测模式、规律。比如说，当算法从股票和期货的价格数据中发现相似点时，就会受到“激励”。通过强化学习，算法会在运行过程中，根据某种行为的成败来重新校准。另外，研究者也会在算法中设置惩罚机制，来阻止AI的某些行为，比如说不让AI去创建人类已经用过的交易策略。

因此，在莱德福德看来，只靠一群极客敲代码还不能构建出能用的AI，问题的关键在于数据。如果说处理能力是人工智能的引擎，信息就是它的燃料。它能让工程师们教给算法在没有人为干预的情况下适应和学习各种技能。

据说在英仕曼的办公室里，每周都会有一群销售来来往往，推销着各种各样的数据集。金融数据通常毫无组织，就像一幅被摇散了的拼图，对于计算机来说非常难以理解，但却是非常关键的。

| 尚需解决的问题

金融业或许是人工智能最好应用的行业，但同时，也是人工智能应用所面临的最具挑战的行业。虽然机器学习已经在金融领域得到了广泛应用，然而还有不少问题还需要解决。

首先，如何借助人工智能有效操作复杂交易还有待讨论，因为这会受到一些难以预测的意外因素的影响。训练计算机如何搞清楚债券市场的运行规律，不同于教它认猫。市场的运行方式神秘莫测，新闻事件、经济、政治、监管、自然灾害和人类的判断等等都会对其产生影响。对于英仕曼而言，在人工智能投入使用后，AHL基金的收益三年中增长了15%，这个成绩虽然高于行业平均近一倍，但仍然尚未达到S&P 500（标准普尔500指数）。

 

▲对冲基金、AI策略基金、和标普500近四年的业绩

图片来源：Bloomberg

此外，很多人，尤其是传统交易者，仍然认为人工智能算法不够透明。随着人工智能算法所含数据和精密度的增加，创建者已经难以轻易解释其运作原理。因此，当算法决策失误，损害用户利益时，问题就变得非常棘手。为避免失误，英仕曼研发了一种供人类分析师执行算法决策前进行检查的分析工具。

同时，过度使用大数据也促使对冲基金走进法律的灰色地带。多年来，计算机代码一直是交易大厅的标准工具。在某些事情发生时告诉计算机应该做什么，是量化基金的基础，这些基金长期以来一直使用统计分析来寻找优势。人工智能在此基础上更进一步，它能够根据其接收到的信息进行调整。而在英仕曼，通过设定敞口上限、资产类别、波动率、交易成本等参数，合规和风险控制规则根植于系统的基因中，防止它在快速盈利的过程中偏离轨道或违反法律。

| 总结

虽然，我们现在还不清楚有多少像英仕曼这样的对冲基金公司正在使用AI来提升业绩，以及有多少机构取得了成功。但如谷歌前执行总裁、现Alphabet执行董事长Eric Schmidt此前所说，五十年后，所有交易决策都将依赖于计算机对数据和市场信号的解析。

无论这样的预测能否实现，毫无疑问的是，AI正在改变金融市场的运作方式，以及交易者未来进行资金管理的方式，并且还将给金融领域带来