趋势网(微博｜微信)讯：“狭义上的人工智能在过去五年中取得了突飞猛进的发展。但人工智能并不擅长的，或者说我们还远远没有实现的是‘一般智力’。我们认为，应该利用具体的人工智能技术去解决某个具体的问题”。

人工智能（AI）技术的发展正在深刻改变金融业的服务方式，在资管领域的突出表现就是智能投顾和智能投资，统称人工智能理财，即AI理财。

智能投顾（Robo-Advisor）又称机器人理财,最早出现在美国。主要是利用云计算、智能算法、机器学习等技术建立组合模型，以投资者的风险收益偏好作为优化目标，为投资提供客观合适的投资组合。

得益于国内智能手机的普及以及个人投资理财服务需求的提升，国内的智能平台近两年发展迅速。随着越来越多的银行、券商、基金等大机构的加入，行业开始呈现井喷式发展。目前，AI技术的应用正在向资管领域各个业务层面渗透。

有机构预计，未来智能投顾服务将逐渐成为金融机构财富管理业务的“标配”。

2017年，易观咨询发布的《人工智能理财市场专题分析》显示，人工智能金融的应用在全球范围内已被提升至新高度，到2020年，预计中国人工智能理财规模将达5.22万亿元。

波士顿咨询集团的预测则更乐观一些：2020年中国可投资资产规模约200万亿元左右，以智能投顾4％的渗透率测算，2020年中国智能投顾市场总规模约8万亿元左右。

2018年算是人工智能在金融业应用的普及年。AI理财势如破竹的增长不只为普罗大众提供更多的投资服务，也为各家金融机构带来了新的业务增长点。

但运用AI技术开展投资顾问、资管等业务，由于服务对象多为长尾客户，风险承受能力较低，如果投资者适当性管理、风险提示不到位，容易引发风险事件。

事实上，过去两年，由于“AI理财”概念的热潮，也引来了一批伪AI理财。他们打着AI理财的幌子，进行产品分拆、资金侵占等，甚至演变为非法集资，扰乱金融秩序。

日前正式下发的资管新规，首次将智能投顾纳入监管，明确要求只有持牌的金融机构可以运用人工智能技术开展投资顾问业务。这也意味着AI理财行业格局或将面临洗牌。

不过，资管新规明确规定，要求金融机构对资产管理产品实行净值化管理，要从根本上打破银行理财刚性兑付。从长远来看，这被认为是对AI理财行业的大利好。

“智能投顾的基本原理是，根据投资者的风险偏好进行大类资产配置，通过模型算法追求相同风险下的大概率收益。以前投资产品保本保收益，资管方本身就提供了保障，基本不需要专业的投顾提供资产配置的建议。在刚兑被逐渐打破的过程中，才能形成投顾的文化，智能投顾应该会迎来大发展。”品钛财富管理业务CEO郑毓栋在接受《财经》记者采访时称。

随着国内中产阶级的崛起、私人财富的积累，以及互联网时代成长起来的年轻一代逐渐成为投资者主力，越来越多的传统金融机构入场智能财富管理，这是必然的趋势。随着监管的完善，智能投顾行业的发展路径也愈加明朗，AI理财市场迎来大时代。

机构角逐

近日，招行老客户宋先生终于在客服人员的多次推荐下，点开了招行APP里的摩羯智投。映入眼帘的是一个颇具未来感的AI机器人：我是摩羯智投，欢迎来到智能理财时代。接下来须选择大致的投资期限和风险承受级别，系统就会自动为其推荐投资组合。

梅大高速路面塌方已致24人死亡 广州一女子商场跳楼砸中路人 东航一客机因机组矛盾应急滑梯放出 高速塌方 老人下跪“逼停”后方车辆 自称刷了30万的榜一大哥和女主播街头冲突

银行业智能投顾先行者招商银行，2016年底上线“摩羯智投”

经过一次简单的风险评估后，宋先生顺利完成了购买服务。“感觉还不错，这是大趋势。”宋先生告诉《财经》记者，自去年以来，他收到多次客服的推荐。而如今才尝试，是因为感觉AI已经很铺天盖地了，有必要了解一下。

目前，招商银行摩羯智投已经上线一年多，用户数达15万，规模突破100亿元。

招商银行算是银行业智能投顾的先行者，其在2016年底上线“摩羯智投”。几乎同时，浦发银行基于手机银行8.0版本，推出面向客户自助使用的线上资产配置服务平台——“财智机器人”。随后，中信银行、广发银行、兴业银行等多家股份制银行纷纷入局。

进入2018年，工行、中行两大国有银行也正式加入方兴未艾的“智能投顾”市场。

为何大行此时纷纷加入市场角逐？“近年来，随着国内金融科技和人工智能技术的突飞猛进和迭代更新，再加上全民理财意识兴起带来的市场快速成长，智能投顾在银行、基金、证券和第三方财富管理机构中的应用逐步迈入实务阶段，开始真正为更多客户提供需求适配的资产配置建议和资产组合推荐服务。”中国银行财富管理与私人银行部总经理刘敏在发布会上说。

某大型国有银行副行长表示，银行在这个时候推出智能投顾，一方面是从市场和客户的需求出发，对银行财富管理业务的完善和提升，另一方面是对银行科技发展战略的积极响应和具体落实。

相比人工投资顾问，智能投顾服务的使用门槛更低。“当前，门槛就是竞争力。”中行副行长刘强曾在发布会上直言。据了解，中行“中银慧投”的投资门槛为1万元。浦发银行“财智机器人”升级后降低了客户投顾服务的准入门槛，前月日均金融资产达到1000元即可体验专属的智能投顾服务。

某大行客户经理向《财经》记者表示，正常情况下，在银行手机渠道购买基金的手续费是有折扣的，如果通过他所在银行智能投顾产品购买基金，优惠的活动可达折上折，手续费节省了很多。不过，打折仅是在推广期内，实行正常费率后，费用肯定低于其他渠道。

早于摩羯智投半年，广发证券推出智能投顾产品——贝塔牛，这也是国内首家推出智能投顾的大型券商。其主要功能包括“I股票”和“I配置”，是一款融合了股票投资机器人和大类资产配置机器人的产品。不仅关注中小投资者的股票投资现状，更将智能投顾领域延伸到基金产品配置中。

截至目前，“贝塔牛”已拥有30万活跃用户，且以月均5万用户的速度高速增长；策略组合累计数近60万个，月增加9.5万个。

此后，东吴证券的“东吴秀财”、中泰证券的中泰智投等都陆续参与到了这场智能大浪潮之中。

今年初，华夏基金旗下子公司华夏财富正式发布“华夏查理智投”APP，通过客户画像和场景定位精准挖掘客户实际需求。同时，借助算法和模型匹配相关配置方案，希望以低成本提供个性化的智能投顾服务，满足每个投资者不同人生阶段、不同风险收益偏好的需求。

华夏财富总经理张晖告诉《财经》记者，查理智投与市场上现有智投最大的区别是从生活场景入手。目前查理智投1.0版本包含养老智投系列、教育智投系列、增利智投系列。共有九个投资策略组合，单个投资组合的投资门槛为500元。

4月18日，中欧基金推出“水滴智投”，旨在通过AI技术为投资者提供一揽子基金组合配置、调仓及后续服务。截至目前，不少基金公司都纷纷宣称布局智能投顾。

而近年来，BAT等互联网巨头在智能投顾方面的布局已颇具规模。比如蚂蚁金服下面的蚂蚁财富。

“今年以来，大的金融机构基本都动起来了。一旦大金融机构苏醒，其带来的体量和带动的行业发展速度是相当惊人的。”郑毓栋告诉《财经》记者，从国外经验看，AI理财行业也是类似的发展路径。先是互联网创业企业小范围尝试创新，然后传统巨头的进入带动行业发展。

格局生变

业内普遍认为，传统金融机构在获客方面拥有先天优势。这是很多早期开创行业的创业企业不可比拟的。理财魔方如今的资产管理规模超10亿元，这在初创公司中算是佼佼者。

在这种现实压力下，很多智能投顾创业公司已经由2C转向2B。PINTEC旗下智能投顾子公司——璇玑智投便是代表。目前，璇玑已经为民生证券等多家主流金融机构设计了智能投顾系统。

资管新规明确规定，只有持牌的金融机构可以运用人工智能技术开展投资顾问业务。一定程度上，更是加剧了这种转型的压力。行业格局面临巨变。

“我理解监管的初衷当然希望持牌金融机构做这类业务。让金融的归金融，技术的归技术。”一家不愿具名的互联网智能投顾业务负责人告诉《财经》记者。

“创业公司做to C的智能投顾太难。大型机构在to C方面的优势明显，包括用户数据、用户信任度等方面。”国内较早开展to C业务的智能投顾北京资配易公司，去年3月已经开始转型toB业务，现改名为北京艾真融技术有限公司，其创始人张家林告诉《财经》记者。

而初创平台转型走toB的道路也不容易。大型的银行倾向于自己开发技术，而中小型银行又不舍得在技术上有太高的投入。其实，国外智能投顾的鼻祖Betterment也是从to C服务变成to B+C。

目前银行、券商、基金等金融机构的财富管理业务都面临转型的瓶颈。

“随着刚性兑付的打破，银行表外业务不得不开始压缩，过去长拆短等银行理财的固有模式被颠覆，现在银行理财的日子越发难过。智能投顾则提供了一个很好的方式。”一家向银行输出智能投顾系统的负责人告诉《财经》记者。

这对银行的前端理财销售来说，并非易事。过去，银行理财经理出于销售业绩考虑，喜欢推荐佣金高的理财产品，而智能投顾则要求，更多从客户需求出发，这可能会让很多前台理财销售经理丢掉饭碗。

券商也在从纯经纪型业务向财富管理业务转型。随着交易佣金率和交易量下降，券商零售业务佣金的竞争将非常惨烈。而且这一趋势会继续延续。智能投顾解决了券商两个痛点，一是服务成本，二是服务半径。

而基金一直面临着销售盈利与服务客户的悖论困境：基金赚钱的时候，基民往往不赚钱。

“我们主要的销售模式和投资基金的获利模式存在冲突。”做了十年基金销售工作的广发基金副总肖雯毅然决定离职，于2016年创办了智能投顾平台盈米财富，致力再造公募基金的销售。

“客户要的不是单只产品，而是解决方案。”在肖雯看来，公募基金是最适合用组合做解决方案的工具，如果单只产品提供给客户，实际上是把最困难的择时决策交给了最不专业的普通投资人，那么在市场的波动和人性的驱使下，必然会导致追涨杀跌。

“未来90％的基金销售都可能通过智能投顾完成。”一位基金公司销售高管预言。

在这三类金融机构中，银行的转型更迫切一些，也更有优势。因为银行有庞大的客户群体，客户忠诚度也比较高，而且还掌握了客户的交易结算。一旦真正发力，势不可挡。

相较而言，券商的客户更有风险意识，不需要太多的风险教育工作。券商推智能投顾服务顺理成章。而基金公司推智能投顾的优缺点都比较突出，优点在于固有的投资能力。缺点在于平台本身不够中立，面临是否需要选择别家产品的权衡。

华夏财富总经理张晖介绍，目前查理智投的配置范围都是限定在华夏基金现有的基金里面。将来会视发展状况，择机考虑是否会拓展到其他基金公司。

目前银行的智能投顾多是利用AI技术，筛选生成公募基金组合的产品。将银行此前依靠线下理财人员提供的专业服务进行标准化、线上化、智能化。

按照智能化程度划分，商业银行多处于在线投资组合管理阶段，距离全智能模式尚有一定差距。其资产配置与技术方面的实力，还不足以完全独立地完成用户属性刻画。

“目前很多商业银行的智能投顾只是个大FOF，而且普遍收益不高。”某第三方财富机构负责人直言。

“人工智能的领先程度取决于算法的先进性和大数据丰富程度。券商未来竞争中，关键在于是否有行业优秀的分析师不断优化算法，是否有丰富的投资理财数据不断‘喂养’人工智能。”广发证券认为。

总体而言，金融机构和BAT在金融投顾上各有所长，而后者的优势在于庞大的数据基础。

AI投资潮起

相较智能投顾，AI技术在投资、投研领域的应用要更早一些。

“AI本身更像一个工具。投资选股，就像在海滩上找螃蟹，我翻100个石头找到螃蟹的概率应该大概是10个和20个的概率。但是，如果有一天有一个人告诉你，他能够一秒钟之内把海滩上的石头翻一遍、把螃蟹一洗而空，我的第一反应是，我一定要掌握一项这样的武器或者工具。”华夏基金投资总监阳琨这样认为。

去年6月，华夏基金与微软亚洲研究院就“AI+投资”开展战略合作。阳琨表示，AI的投资能够帮助我们提升智力上限，未来一段时间机器人辅助投资将很快体现出竞争力。

例如加息这类对市场影响重大，历史上多次发生的事件，AI程序可以根据历史轨迹迅速在多个市场进行投资，而最资深的投资经理也很难做到这一点。

华夏基金总经理汤晓东此前在接受《财经》记者采访时表示，他们不仅要挖掘“AI+”带来的投资机会，也在探索将人工智能全方位应用到投资、销售、客服等过程当中。

在自动投资方面，汤晓东表示，“机器有深度学习能力，且没有人性贪婪和恐惧的弱点，也不会受情绪化的影响，不仅可以自己探索交易策略，从过去失败的教训和成功的经验中自主学习，还可以通过历史数据学习不同投资者的交易模型，在相互博弈中找到最优交易策略。”

2017年3月，贝莱德集团（BlackRock Inc）宣布，对其主动型基金业务进行重组，裁掉近40个主动型基金部门的员工岗位，其中包括7名投资组合经理，转而用人工智能的机器人代替。其公司CEO在对外公告中称，传统的股票投资方法正被技术和数据科学的巨大进步所改变。

贝莱德的做法代表了华尔街的趋势，越来越多资产管理公司拥抱人工智能。

2017年5月，微软人工智能首席科学家邓力从微软离职后，就加入了全球最大的多策略对冲基金之一Citadel担任“首席人工智能官”（Chief Artificial-Intelligence Officer）。桥水基金（BridgewaterAssociates）“未来之书”人工智能项目负责人大卫·费鲁奇，曾是IBM人工智能系统Watson的开发团队负责人。

此外，诸如Man Group、Two Sigma、Citadel、DE Shaw等知名对冲基金机构，也早已尝试在投资中应用人工智能算法、或是组建起了自己的人工智能团队。

在主动交易式微的当下，传统对冲基金饱受业绩下滑的困扰。然而，一家依赖大数据和人工智能的量化对冲基金Two Sigma却异军突起，以520亿美元的管理规模，超过德邵基金DE Shaw（450亿美元）、文艺复兴基金Renaissance（略高于500亿美元），一举成为全球最大的量化对冲基金。

Two Sigma Advisers CEO Nobel近日在接受《财经》记者专访时表示，Two Sigma称自己为技术公司，有三分之二的员工从事研发、工程和科技工作。“我们招募的员工比起传统的投资经理或华尔街公司有很大的不同。”

此前，Two Sigma的创始人大卫·西格尔（David Siegel）曾预言，人类投资经理再也无法击败电脑的时代终将到来。

AI技术在投资领域的应用蔚然成风。Nobel认为，目前市场有很多炒作的成分。“狭义上的人工智能在过去五年中取得了突飞猛进的发展。但人工智能并不擅长的，或者说我们还远远没有实现的是‘一般智力’。我们认为，应该利用具体的人工智能技术去解决某个具体的问题。”

有悲观的机构人士认为，AI在投资领域的应用还处在非常初级的阶段。目前对冲基金的一些“尝试”只是量化投资的衍生，多了一些人工智能的算法技术，距离真正的“AI投资”还有很远的距离。“被动化投资不能简化成智能投资”。

“投资市场的影响因素是复杂的，AI技术无法从单一维度上去控制。投资更像是一种艺术，目前还没看到有机器人能够打败巴菲特，更别提大规模复制。”张晖认为。

现实与瓶颈

“智能投顾在银行领域的应用还没有完全成熟,有待时间检验。”某银行私人银行部总经理坦言。主要有两方面原因:一是客户的认可和接受。任何新生事物都有一个逐渐被接受的过程，客户能不能真的放心把钱交给一台机器或者一套系统来管理，这个需要意识的转变和观念的培育。

此外，中国的资本市场与发达国家市场相比发展时间还较短、成熟度不够、市场波动性较高。因此客观来讲，当前的国内市场不能算是完全的有效市场，这不是人工智能技术能辨识和解决的问题。

同时，国内市场投资产品ETF数量较少，以主动管理为主，想更好地让产品与市场匹配，就需要对每只产品做好风格检验。比如，有的基金产品名称就是大盘类型的，但实际投资标的却是中小盘的，这种情况就增加了对投资标的分析难度。当然，随着市场的发展成熟，会逐步得到解决。

在肖雯看来，海外的智能投顾解决的是效率问题，降低成本。中国的智能投顾首先是“投顾”，其次才是“智能投顾”。智能投顾的前提是买方投顾，只有先把投顾业务做好了，把投顾的数字化、自动化、闭环化做好了，自然就发展成了智能投顾。对智能投顾而言，顾大于投，大于智能。

“中国连基本的投顾体系都没有，智能投顾就更遥远了。”肖雯有些悲观。

“买方投顾”最重要的商业模式，是其收入来自于客户，或者来自于客户的AUM（资产管理规模）的增加，而不是来自于手续费的增加。买方投顾是要给客户提供个性化的并且可交易、可跟踪、可评价的资产配置解决方案。在固收时代，赢者通吃，但是在浮动收益时代，投顾的价值就会显现出来。

“中国智能投顾业务无法简单模仿美国同行，是因为中美两国之间的金融产品有很大差异性，在配置原则和配置算法上也会有很大不同，需要摸索自己的路。”华创资本管理合伙人吴海燕告诉《财经》记者。

中国智能投顾行业风起云涌，但智能投顾能够达到什么样的理想模式，业界仍在不断探索。

“真正的智能投顾应该是通过AI判断出每个用户的风险偏好和理财需求,为其定制出完全个性化的投资配置组合和管理方案。简言之，做到千人千面才是关键。”理财魔方创始人马永谙认为。

“目前很难对真正的智能达成共识，也很难验证。这取决于用户需求到决策的完成度。只能说，达到同一决策下，谁的边际成本低、速度快，谁的智能化水平就更高。”懒财网CTO李子拓告诉《财经》记者。

智能投顾主要是基于用户画像和资产刻画提供精准服务。前提是需要投资者交易行为数据的搜集和分析。KYC（即充分了解你的客户）已成了众多海外金融机构的共识。这在中国并非易事。目前大多数智能投顾平台所获得的数据有限，数据的维度比较单一。因此客户的风险画像有时候很难精准。

“国内拥有成体量有价值的数据信息的公司很少，数据被BATJ等少数几家垄断，其组建了牢不可破的数据封闭体系。”一家长期与BAT合作的基金公司市场负责人对此感触颇深。

国信证券副总裁廖亚滨认为，智能投顾依赖数据、专家、技术等三个方面的有效结合，其瓶颈在于，其一是资料和数据是否具备高质量，其二是专家的知识和经验能否代表专业性。若这两方面支撑不足，实际效果都会大打折扣。

“人工智能对资管行业的塑造绝非一蹴而就。AI在投资中的应用最终核心取决于三个要素：数据量、运算力和算法模型。尤其是数据量。只有三方面都提高了，AI投资才能真正大规模应用。”李子拓认为。

监管分水岭

此次资管新规从前瞻性角度，区分金融机构运用人工智能技术开展投资顾问和资管业务两种情形，分别进行了规范。

一方面，非金融机构不得借助智能投资顾问超范围经营或变相开展资管业务。只有持牌的金融机构可以运用人工智能技术开展投资顾问业务。

值得注意的是，此次新规并没有对智能投顾的概念进行明确定义。

而现实情况是，截至目前，证监会尚没有下发任何一家智能投顾的牌照。据《财经》记者了解，证监会正在酝酿对此前的《证券投资顾问管理办法》做修订，预计很快会出相关的细则。

另一方面，金融机构运用人工智能技术开展资管业务，应当报备模型主要参数及资产配置主要逻辑，明晰交易流程，强化留痕管理，避免算法同质化，因算法模型缺陷或信息系统异常引发羊群效应时，应当强制人工介入。

“这是非常前瞻性的要求，这条要求，目前国内大部分智能投顾达不到。”张家林告诉《财经》记者，但具体应该如何报备，还有待监管层出台相应的细则。

监管规定如此严厉主要出于对AI理财可能带来的潜在风险的担忧。

去年6月，银监会信托监督管理部主任邓智毅在陆家嘴论坛上，着重提到了智能投顾很可能强化羊群效应和市场共振，增强风险波动和顺周期性。

邓智毅称，金融机构运用智能化系统为客户提供程序标准化资产管理建议的同时，如果采用相似的风险指标和交易策略，那么很可能在市场上导致更多的统买统卖，重涨重跌，这种现象同频共振，也是一个系统性的风险。

此次资管新规，央行在答记者问中明确指出，运用人工智能技术开展投资顾问、资管等业务，如果投资者适当性管理、风险提示不到位，容易引发不稳定事件。而且，算法同质化可能引发顺周期高频交易，加剧市场波动，算法的“黑箱属性”还可能使其成为规避监管的工具。

“当资管类产品调仓不需要用户同意的时候，所有的用户都享受的是同一服务，因此算法同质化会导致市场的过度集中行为，会对市场造成巨大的冲击。”张家林认为，而这其实对智能投顾的技术输出方提出了更高的要求。

在张家林看来，如果没有核心技术，不懂用户，用的是市场上公开的算法，做不到千人千面、千时千面，一旦算法趋同，很容易给市场带来冲击。没有真正地帮客户做到智能财富管理。

在刚兑被逐渐打破的过程中，过去不合理存在的固定收益被打破，理财市场回归到风险和收益匹配的经营环境。AI理财才会迎来真正的发展机会。

“在刚兑没有被打破之前，专业是不值钱的，投顾也没有必要，更别说智能投顾。”肖雯认为。

“AI技术正在渗透资产管理的方方面面，未来人工智能与金融只会结合得更加紧密。我们非常看好AI理财的未来。”吴海燕表示。

专访Two Sigma CEO Nobel：当前AI投资有太多的炒作

狭义上的人工智能在过去五年中取得了突飞猛进的发展。但人工智能并不擅长的，或者说我们还远远没有实现的是‘一般智力’。我们认为，应该利用具体的人工智能技术去解决某个具体的问题。

在主动交易式微的当下，传统对冲基金饱受业绩下滑的困扰。然而，一家依赖大数据和人工智能的量化对冲基金却异军突起，它就是Two Sigma Advisers。截至目前，Two Sigma的资金管理规模突破520亿美元大关，一举成为全球最大的量化对冲基金。

“其实，我们不想管理太多的资本。”

Two Sigma CEO Nobel近日在接受《财经》记者采访时表示。公司的定位就是成为一家顶级的阿尔法提供商，公司会从多个层面关注阿尔法（α，指股票相对指数的超额收益）的生成。“系统性的方法和能力自律的原则帮助我们实现稳定的、突出的回报。我们策略中的能力是有限的。”

在美国市场上兴起的量化投资趋势在过去15年中扩展到了全球的多个市场。Two Sigma今天在全球40多个市场开展交易，涵盖期货、外汇、期权以及各种衍生品。

Two Sigma公司由著名量化投资人大卫·肖恩（D.E. Shaw）的徒弟约翰·欧文德克（John Overdeck）和大卫·西格尔（David Siegel）于2001年创立。西格尔曾说，“人类投资经理再也无法击败电脑的时代终将到来。”

现在，Two Sigma称自己为技术公司，目前公司大概有1400名员工，有三分之二的员工从事研发、工程和科技工作。“我们招募的员工比起传统的投资经理或华尔街公司有很大的不同。”

AI技术在投资领域的应用蔚然成风。Nobel认为，当前市场有很多炒作的成分。“狭义上的人工智能在过去五年中取得了突飞猛进的发展。但人工智能并不擅长的，或者说我们还远远没有实现的是‘一般智力’。我们认为，应该利用具体的人工智能技术去解决某个具体的问题。”

对于中国市场Two Sigma同样关注已久。“这是一个巨大的市场，拥有庞大的投资人群、海量的数据。我们从2005年就开始在中国进行交易了。随着市场向外资开放，我们也在观察加入这个市场的机会。”Nobel表示。

数据导向

《财经》：Two Sigma近年来发展迅速，亦取得不俗的成绩。能否从您的角度谈谈公司迅速发展的原因是什么？

Nobel：Two Sigma成立于2001年，两位创始人有一个非常简单但很重要的愿景，那就是科技可以改变世界的任何一个行业，尤其是与信息相关的行业。事实上，每个行业都因计算机能力和数据爆 炸的迅猛发展而改头换面，金融与投资管理没有理由不受到影响。但在这一领域，实际的进展一直非常缓慢。

当他们计划成立Two Sigma的时候，美国股票市场正在发生着巨大的变化，比如十进制报价，市场电子化、全球化等。计算机能力的井喷式增长也助推了信息时代的发展。因此他们希望创立一家与众不同的公司，也就是一家以数据为导向的技术公司。

如今我们称自己为技术公司，有三分之二的员工从事研发、工程和科技工作，所以我们招募的员工比起传统的投资经理或华尔街公司有很大的不同。我们很幸运，以上我们在美国市场上兴起的种种趋势扩展到了全球的多个市场。今天我们在全球40多个市场开展交易，涵盖期货、外汇、期权以及各种衍生品。

我们的目标是成为一家顶级的阿尔法提供商（α，指股票相对指数的超额收益）。系统性的方法和自律能力的原则帮助我们满足客户需求。公司会从多个层面关注阿尔法的生成。阿尔法非常稀缺，这也意味着我们策略根据当时的研究成果所能有效管理的资产规模是有上限的,我们的自律能力使我们不愿管理太多的资本。

《财经》：在投资策略与投资风格上，Two Sigma与传统的量化对冲基金有什么不同？

Nobel：当今社会信息正在井喷式地增长，让一个人吸收全部信息几乎是不可能的。同时相较于50年前，每条信息在相同的时间内的价值已经不如以往。你需要收集海量的微小的信息，需要科学的计算能力来理解所有这些信息。当你汇总足够多的多元信息时，你的决策将更加明智。所以我们的理念就是投资要立足信息时代，从信息中获取洞见。

如果能够开发一套全面的方法去审视人所看到的一切，不仅仅是 新闻 ，还包括基础信息、报告、事件，甚至券商的情绪，那么你的工作就具有创造性了。我们有成百上千个模型，每一个都像一个分析师。我们采用的方法与传统意义的投资经理非常相似，只不过我们不需要人来做这些工作，只需将这些分析方法编入算法即可。

今天，技术已经非常先进。你可以应用多种人工智能技术和统计方法来获取海量数据，不带有任何偏见。我们会提出假设，然后对假设进行测试，并且以一种非常客观的、以数据导向的方法进行学习。我们的投资策略是从360度视角来全面地预测市场价格。你可以采用一种非常客观的数学方法，建立一个多元的投资组合，让风险管理参与到投资的每一个环节，我们会利用技术将基金经理计算的很多函数自动化、系统化。

我们搭建了一个平台体系，来开发权益市场策略和宏观策略产品。从多个层面关注alpha的生成。Alpha非常稀缺。这也意味着我们策略中的能力是有限的，而在限制自身能力方面我们也是非常自律的，因为我们不想管理太多的资本。那如果这样要达到业绩指标就比较困难。

《财经》：能否简单介绍一下你们的模型算法？这是你们的核心竞争力？

Nobel：目前，Two Sigma拥有大概1400名员工，其中有三分之二的人专门从事模型的研发。他们围绕四种类型的信息开发交易算法：技术信息，例如股票成交量；基于事件的信息，例如信贷机构的行动、公司并购等；基本面数据，例如公司的财务报表；经纪人的第一手调查，以衡量市场情绪。

Alpha capture是其中的一个案例。这个最“年轻”的模型也已经有11岁了，它的核心策略就是倾听券商的声音。“我们没有传统意义上的投资组合经理或分析员，于是专门开发了一项技术，目前2000多个券商的金融专业人员进行了安装，每天从世界各地上千个金融专业销售人员那里获得投资建议，从中我们可以了解到市场情绪以及销售端有价值的信息。”Nobel介绍。

我们有很多数据集，这只是我们的其中一个专利，是我们自己创建的系统。同时，我们还有其他的数据集。在过去的17年，我们从自己的交易活动中学到了很多，这使得我们的交易做得更好。

我们有成百上千个模型，每一个都像一个分析师。我们采用的方法与传统意义的投资经理非常相似，只不过我们不需要人来做这些工作，只需将这些分析方法编入算法即可。我们没有投资组合经理，但有程序优化员来建立投资组合，并进行风险的实时管控。

合理借助人工智能

《财经》：在控制风险和寻求超额收益方面有哪些思路？

Nobel：通过一种缜密的方式来构建非常多元化的平衡的投资组合，规避部分风险，考虑交易成本和流动性，建立一个非常平衡、稳定的投资组合，在组合中充分考虑风控。而对传统的自主基金投资管理来讲，它们是不同的运作模式。

比如一个分析师有一个想法，也许有一个很好的想法，做了很长时间的调研，做了一个投资产品，并将它汇报给经理，经理想要把这个产品加入到投资组合中。这时，可能风险经理看了后指出，石油领域风险太大，或者某个领域风险太大。随后，投资组合经理又说，那好吧，我们进行一下调整。而在一个系统性的方法中，风险管理流程与投资组合的建立几乎保持同步。

《财经》：越来越多的投资机构开始拥抱人工智能。如何看待未来AI在投资领域的应用？

Nobel：当前市场有很多炒作的成分。人工智能现在是个流行话题。我们的创始人之一就是人工智能背景出身，我们始终有这样的思维模式。十年前或许这个话题还无人问津。而现在风靡起来，每个人都在谈论人工智能。比如你去买一个洗衣机，厂家会说这是一个智能洗衣机，但其实并非如此。我们应该谨慎一些。

狭义上的人工智能在过去五年中取得了突飞猛进的发展。由于在计算能力、数据可获得性方面所取得的突破，狭义上的人工智能取得了巨大的进步。今天，手机的语音识别已经成为了一个可靠的功能。自然语言处理系统变得越来越精确。机器视觉已成为现实。五年前专家无法解决的问题现在都能解决了，比如自动驾驶。

但人工智能并不擅长的，或者说我们还远远没有实现的是“通用智力”。也就是说，在变换运用场景之下依然可以自行调整，这个是普通人甚至是儿童都可以做到的，今天人工智能还没有为此做好准备。因而我认为，应该利用具体的人工智能技术去解决某个具体的问题，并且要让人对背景进行分析，这是非常重要的。

《财经》：对于一家对冲基金来说，人们会觉得1400名员工的规模非常庞大。Two Sigma如何看待投资中技术和人力的关系？

Nobel：我们在数据、技术和人力资本方面都进行了投资。我们相信成功来源于这三个方面的结合，这才能让我们制定出科学的投资策略。有人认为，未来进入人工智能时代，就不需要人了。事实并非如此。

如果你不加思考地利用机器学习来处理数据，是很危险的。你可能会生成非常可疑的模式，或者预测出一些站不住脚的因果关系。人的重要性就在于，可以了解投资背景，设置相应的限制。在非正常环境中的风险管控方面，人类的角色是至关重要的，需要人的适时干预，降低风险，掌控全局，如同机舱中的驾驶员一样。

对于对冲基金来讲，人们会觉得雇佣1400人太多了。但是如果你转念一想，我们也是一家科技公司。1400个人里面大概有三分之二都是研发人员，其中大概有600人都是跟工程相关的，主要是软件工程师。人才的竞争来自技术公司和很多行业，大家都会争抢科学家、工程师或量化分析师。但我们并没有与华尔街的公司抢夺人才。我们是在与所有具有科学运营理念的公司争夺人才。

《财经》：近期中国政府推出了一系列超预期的金融对外开放政策。对于中国市场Two Sigma有怎样的规划？

Nobel：我对中国的监管机构和政府在对外开放以及邀请国外的公司方面所表现出来的承诺、行动及其速度印象深刻。这非常鼓舞人心。

这是一个巨大的市场，也是世界上第二大市场，我们投资中国的公司很多年了。

这个市场有众多的人才，拥有庞大的投资人群。随着金融市场向外资开放，如果我们加入到这个市场中，我们就有巨大的机会来利用我们的专业知识以及我们在本地的能力。（本文《财经》杂志首刊，2018.5.14出版）