人工智能将加速重塑资产管理行业

肖冰

2018 是人工智能在国内全面落地的一年。人工智能对各个行业，尤其是数据量极为丰富的资产管理行业，正在产生日益深刻的影响。而去年9月，网上流传的一则消息——国内资管行业的巨头平安资产管理公司将 “大幅裁减主动式投资管理人员”，在业内引起轩然大波，后来平安资管对此作出的回应是：目前正根据平安集团的安排，加大科技投入，对策略和科技平台升级，进行量化转型，因此内部组织和管理有所调整。这则消息退潮之后，人工智能将对资产管理行业带来何种影响？以及社会各界该如何做好应对？等等，成为一个极富研究价值的课题。

2019年对资产管理行业来说，一方面，既受到全球经济、金融行业固有景气周期循环的短期、常规影响;另一方面，更面临本轮金融技术（Fintech），特别是人工智能的长期、甚至是颠覆性挑战。两方面的影响和挑战叠加，挑战严峻。未雨绸缪，不预则废。本文尝试分析人工智能对资产管理行业发展的影响。

一、减轻从业道德风险

资产管理行业存在和发展的前提有两个，一个是基金管理人诚实信用;一个是基金管理人有能力持续赚钱。这两者中，诚实信用排在第一位。究其原因，这个行业天然是资金的所有权和使用权分离，管理人的行为也不好监督。在学术上，这是典型的委托代理机制。在实践中，管理人潜在的道德风险一直存在。在历史上，美国和中国都出现过不少利益冲突、“老鼠仓”事件。

大数据是最近这一次人工智能成为“风口”的关键因素。使用大数据的匹配、相关方法，能够比较容易找出关联交易和资金往来线索。从根本上说，人工智能目前的行为目标或偏好比较单一，可能只有为客户赚钱这个单一目标。人工智能对资产管理行业来说，虽然无法消除委托代理关系，但可以在一定程度上减轻道德风险。

二、财富管理将更加智能化

资产管理行业的发展，始终面临不断募集资金的问题。实践表明，互联网技术已经在一定程度上改变了传统基金销售方式。例如，幂律、长尾规律通过互联网技术得以对货币市场基金进行了颠覆（余额宝）;第三方平台（东方财富、蚂蚁金服、京东金融）对传统基金销售渠道进行了挑战。

另一方面，财富管理岗位中，其中操作標准化程度较高、对情感交互的要求较低的岗位可能被人工智能所取代，即未来资产里行业可能可以通过人工智能客服对大众客群开展营销服务，但中高净值客群可能仍需要真人客户经理为其提供服务。

三、改造主动投资

主动型投资者收取了这个行业的巨额管理费和业绩提成。收的合不合理？应该收多少？目前也有争议。从根本上看，投资决策的核心在于信息流，信息获取是投资决策的前提。在理论上，信息是金融市场中最重要的资源。所以信息套利是笔大生意，参与者包括金融中介机构及数据供应商。

四、助推被动投资

近年来，被动投资迅速发展起来还有两个原因。一个是管理规模。在主动投资策略中，规模是业绩的敌人。去年，平安资管拟对投资管理方式进行转型，其核心（被动投资）加卫星（主动投资）是超大型机构投资者的战略选择，智能量化是未来的方法选择。对于不具有优势的个人投资者、或者没有特别优势的机构投资者而言，指数投资是它们的最优选择。在一定意义上，指数投资就是传统投资方法和人工智能投资方法的试金石。但然，指数投资的业绩也是人工智能业绩的下限，不好的人工智能也面临被淘汰。

五、改变博弈格局

资产管理行业发展的前提之一，是基金管理人有能力持续赚钱。持续赚钱其实很难，所以业界有“投资生存战”的说法，即长期生存下来已非易事。股票市场是个生态系统，未来股票市场的博弈格局，在人工智能加入后，可能是人、人机互动、完全人工智能混杂的复杂博弈局面。人工智能通过不分昼夜地机器学习、自我学习、强化学习，只会越来越强大。

六、挑战组织结构

传统主流机构投资者的内部组织结构，按部门分，一般有研究部、股票投资部、量化投资部、交易部、监察部;按职位分，有宏观研究员、行业研究员、基金经理、数量分析师、交易员、督察员。如果是在软件定义的社会，或者说是算法（algorithm）定义的时代。如果数据是新的石油，信息是生命体的血液。那么，组织结构中的管理问题、投资流程问题，可能就变成了如何管理数据和信息？如何管理算法和软件？如何进行算法外包？如何激励开源代码共享？那么，传统的部分划分、职位划分，是否适应信息流的新的、甚至是革命性的变化？并且，在企业边界的问题上，新型的企业也给出了不同的答案。例如。顶尖的对冲基金AQR的创始人，是Fama（2013年诺奖得主）指导的1994年毕业的博士生，倡导开放式研究，在一定程度上，就是开源代码共享，这重新定义了企业的边界、企业的协作。

七、转型科技公司

一直以来，投资管理行业的竞争就是武装到牙齿的技术“军备竞赛”。近年来，全球顶尖的对冲基金站在智能研究和实践的前沿。文艺复兴科技公司、Two Sigma等公司组建了自己的人工智能团队。2012年，著名的对冲基金公司桥水基金挖走了IBM的“沃森（Watson）”人工智能开发小组的领军人物David Ferrucci。2017年，对冲基金巨头Citadel聘用了微软的首席人工智能科学家邓力。2018年，NASA（美国国家航空航天局）首席数据科学家加盟贝莱德（BlackRock）2018年，华盛顿大学计算机科学与工程学教授，《The Master Algorithm》作者 Pedro Domingos加入DE Shaw。2018 年，卡内基梅隆大学计算机系主任 Manuela Veloso 加盟摩根大通。

八、人才需求变化

近來，一些主流传统公司，例如行业巨头富达基金提拔有技术背景出身的Steve Neff担任资产管理部门负责人，可能也多少说明了趋势潮流。在未来，计算机、统计、数学等人才可能是抢手货。背后的原因其实是传统的信息流、投资流程受到挑战。但我们必须特别指出，传统的投资方法也不是一无是处，直觉和经验也不是全无道理。例如老练的投资者在基本面投资中使用的认知、逻辑和经验长期有效。因为人工智能并不能判断行业发展趋势、企业发展战略、企业家精神、企业文化。而这些“虚”的、定性的东西，恰恰是判断伟大企业的关键。

九、带来潜在风险

资管行业的从业人员如果同时应用人工智能技术，可能会出现金融市场稳定性风险。例如，如果以机器学习为基础的交易者胜过其他交易者，可能导致更多的交易者采用类似的机器学习策略，放大市场震荡。机器学习交易策略中的可预测模式也可能存在被犯罪分子用来操纵市场价格的风险。从技术角度说，机器和机器智能带来的风险，也非同小可。例如，1987年一天之内指数下跌超过20%，以及2010年的闪崩，都有机器程序交易产生连锁反应的原因，每个下单指令生成为4.6毫秒，对监管和交易所都提出了挑战。

此外，金融市场体系存在互相联动的特点，如果资管行业的众多机构在某一关键部分依赖于相同数据或算法，那么当这些数据或算法出现问题时，问题可能会从单个节点向整个市场扩散。因此，集体采用人工智能工具可能会带来关联性风险。

十、人机博弈合作

未来已来，只是还不明显。人工智能在资产管理行业发展的多个方面，都可以进行改造，都可以推动行业的变迁。但是人工智能也不是无所不能的，至少在目前可以预见的长期内，人工智能并不能完全取代人。例如，在传统的投资决策框架中，人工智能在数据获取、信息处理和交易执行三个方面具有绝对优势，但在理解历史知识、经验规则和博弈策略中并不具优势;人工智能在把握短期情绪和非方向判断方面具有绝对优势，但在长期基本面理解和方向判断方面不具优势。所以，一个可能的格局是，人脑、电脑博弈合作。

总的来说，人工智能对资产管理行业发展的影响深刻长远。但人们对人工智能或多或少依然存在大量误解，甚至是恐惧，也都正常。上面的看法可能对，也可能不对。我们也面临“用目前习惯的框架去分析未来问题”的尴尬，这也都正常，对真实世界的认知就是在不断试错和批判中前进的，所以，欢迎各方专业人士不吝赐教。（作者单位：深圳市前海宜涛资产管理公司）