模块|微软亚洲研究院副院长刘铁岩：让智能投资摆脱「纸上谈兵」

AI+投资其实并不新鲜，但为什么不少模型和算法的表现都不尽如人意？
在微软亚洲研究院副院长刘铁岩看来，原因之一是动态变化的股市里，人们往往很难确定各种投资因子到底在哪个时段更加有效，如果机器能识别出当时的市场是否“正常”，学透不同的历史规律，那无疑会给投资策略带来更有效的决策依据。
创办时间超过二十年的微软亚洲研究院被誉为“AI黄埔军校”，AI+投资也正是这家科研机构长期关注的领域之一。近日，在通联数据主办的全球资产管理数字化转型峰会上，副院长刘铁岩就以《共同探索智能投资研究的新边界》为主题进行了分享。
刘铁岩从高频数据、市场状态、交易成本等多个角度出发，详细介绍了他们对于智能化投资的研究，并讨论了金融投资的实战和研究之间存在的巨大鸿沟：算法有时只在论文的小型数据上有效果，研究者不清楚金融场景特有的实现细节，缺乏领域知识，缺乏稳定公开的数据源等等。
以下是刘铁岩的演讲内容，雷锋网AI金融评论做了不改变原意的整理和编辑：
今天跟大家探讨一下我们在智能投资研究方面的心得体会。
微软亚洲研究院是微软在海外最大的基础和应用型研究机构，在过去20年间，我们在计算机领域，全球最顶级的会议和期刊上发表了大量学术成果，被MIT技术评论誉为全球最火的计算机实验室。中国各大高校的学界精英、各大高科技企业的领军人物，很多都是微软亚洲研究院培养的院友。
虽然我来自这样一个基础科研机构，但和金融也不是毫无关系。2017年微软亚洲研究院成立了创新汇，它的目标是和中国各行各业领军企业一起探索智能化、数字化转型。正是借助创新汇的平台，我有幸和金融界的朋友探讨智能化投资话题，也激起了我本人的兴趣。

文章插图

所以在过去的一段时间里，我们针对智能投资做了一系列的研究工作，这也正是今天想要和大家分享的内容。
作为一名学者，我关心的并不是股市的风云变换、大盘的涨跌起伏，相反更关注的是投资背后的科学规律，希望从表象能抽取出行之有效的技术框架，能够服务更多的金融机构和行业。
我们虽然关注的是金融投资方面的研究，但是也不完全是纸上谈兵，过去4年中我们研发了一系列金融投资场景下的技术，也和合作伙伴一起进行了AI技术的实盘测试。
这张图展示的是其中一个AI模型在过去一年的表现，对标的是中证500，与指数相比大概有超过30%的超额收益。
不过，今天和大家分享的并不是这个模型，而是从更广泛的角度探讨AI对于资管、投资行业有什么样的启示。

文章插图

在过去几年间，我们开发了一套自顶向下、比较完善的智能投资技术框架，包含：
数据智能：从海量的数据当中挖掘有效的α因子；
智能预测：针对市场动态性自适应地训练高效的人工智能模型；
智能策略：基于AI的风险分析和投资组合构建，
智能交易：用AI技术辅助自动化订单执行。
不过，这里我想强调的是，所有这些技术都只是一种工具和服务，是用来辅助人类投资者的，只有HI（human intelligence，人类智能）+AI，才能实现混合智能，做出最好的投资决策。

文章插图

如何从海量的高频数据中挖掘有效的投资因子？在金融投资中，当进行日频、周频、月频投资时，很少利用高频交易数据。那些关心高频数据的人，很多是为了实现日内的算法交易。这里其实有一个很有意思的问题：在做中低频投资时，高频交易数据到底有没有用？