雷锋网AI金融评论按：3月25日，由开源社、TopGeek、汇智Tek联合主办的中国区块链和金融创新科技峰会（FTCon2017）在上海举行，通联数据首席科学家蒋龙分享了许多关于人工智能时代的智能投资服务的故事。据雷锋网AI金融评论了解，蒋龙毕业于北京大学，曾任微软亚洲研究院副研究员、阿里巴巴高级算法专家。
“对于给定的问题，技术工程师具备很强的技术能力解决，但是技术需要跟场景结合才能发挥更大的作用。所以，我今天讲的更多的是场景”，蒋龙说道，“我今天主要分享三个问题：投资科技是什么，它的内含是什么？以及具体的案例”。
以下是雷锋网(公众号：雷锋网)AI金融评论整理的演讲全文，对其进行了不改变文章原意的编辑。
大家可能都听说过FINTECH这个词，我今天想讲另外一个InvesTECH。
金融欲实现整个社会资源最有效配置。投资与资产管理相关，是金融的子行业，是券商、银行、投行、金融公司等做的事情。传统的方法是根据逻辑和经验分析，未来则要更多借助大数据和人工智能的帮助，来发现有价值的机会。
金融是把社会资源更好的配置，很多资源是优先的，比如先知道一些有价值的信息，你就能提前知道机会，别人就没有办法竞争了。信息的传递是非常重要的技术，投资的发展也是由科技所引领。
古代就有通过烽火台和信鸽传递信息。比如在战争中，如果你可以提前知道战争的结局，在市场上就可以获得很大的回报；70年代以前主要是通过电话来交易，管理人通过自己的经验进行判断；后来计算机出现了，对信息的处理和分析能力随之加快，开始出现了批量交易，即一次交易几百支股票。
随着科技的发展，我们发现未来是不可预测的，但是风险可以预测。渐渐地，对冲基金出现了，通过计算、严谨分析以及大量风险对冲，可以实现更稳健的受益。现在有更厉害的出现了，国外出现了机器人做宏观的对冲，所以说，科技一直引领着投资界的革命。
如今我们讲的投资科技有三个方面的基础，分别是：
云计算，提供计算的基石，未来的投资一定是通过负责复杂的运算进行的。
大数据，未来做投资决策的原料。后面我们可以看到很多实际的案例，主要关于：怎么样用互联网获取的公开的的大数据进行更及时的决策。
人工智能，从大数据中发现有价值的信息。人工智能可以帮助我们解决问题，作为加工和处理的手段，帮我们把最重要的信息提取出来。可以进行复杂的决策。
大数据产品的信息主要分为这几类：
物的信息——物联网，国际上就有一些监控农作物产出以预测农作物的收成，从而进行大规模投资的案例。如果通过实时监控气候、水分等，就能提前知道今年农产品的收成情况，接下来对相关产品就有投资优势。
人的信息——可穿戴设备，人和物体构成互动，人去了哪里，看了什么，想了什么，这呈现出了我们的社会。
环境的信息——低轨道卫星，低轨道卫星是在低空一万米进行检测，不仅能检测农产品的产区，还能检测港口停泊邮轮的数量、超市停车场停车量等，有了这样的数据，就能知道是不是符合预期，可以判断未来的收益情况。
投资界有一个公式非常有名，就像相对论在物理学里的价值一样。就是这个公式，这里提到证券资产的模式，主要是来自三方面，
第一是持有该资产未来可以带来的现金流折现，比如说持有股票。
第二个是市场情绪，也就是市场其他人对于该资产未来的看好看坏程度。
最后是套利成本，或者说是资金成本。买了证券后，就不能把这些钱去存银行或者投资低风险债券等。
比如说通过三个报表、现金流量、资产负债表的数据，就能够分析一个公司的盈利是不是可持续性，发展是否正常，财务结构是否健康，以预测未来的盈利情况。
投资是竞争非常激烈的行业，谁能领先一步做出有效的决策，谁就可能获得一个很高的回报。现在大家都在思考的是：如何能够超越现有的数据？往前看一点。按照中国现有的市场上，三个报表是每个季度发布一个，如果季度过了才进行预测的话，那已经晚了，所以要提前预测三大报表。比如说根据行业的某些信息，或一些金融事件来判断，在报表发布之前，就知道大概的受益。
投资科技目前最想实现的目标是科学投资。所谓的科学投资，就是基于合力的经济逻辑，严格的实证分析，构建投资模型，进行可重复的投资决策。
经济学里有一个有趣的故事，叫孟加拉黄油。加州理工学院博士David J. Leinweber在1995年的时候发表过一份研究论文，显示孟加拉的黄油产出、美国的奶酪产出以及孟加拉和美国的绵羊总数量是高度相关的。大家觉得没有逻辑，但又没有办法反驳。后来博士自己就发现了，这个三者高度相关很正常，因为他研究了大概几百万条经济数据，在这些数据中，只看涨跌，有可能几个变量恰好高度相关，这种概率是存在的，当你从大量的无序数据当中寻找这些变量，总能找到的。
科学投资是希望投资从艺术转为科学，目前，我们认为巴菲特是艺术投资的大师，但艺术是普通人轻易不能学来的。
我们接下来讲具体的案例，到底大数据、人工智能怎么样发现投资机会的？
首先讲大数据对于投资应用的案例，这里提到的案例公司是华谊兄弟。我们要解决这样一个问题：华谊兄弟是不是值得买？
我们有这家公司目前市场行情、公司状况、当前发布的最新财务报表以及相关公司的行业状况数据。这是传统研究所依赖的数据，但有大数据之后，投资就产生了变化。
我们发现华谊兄弟收入来源，70%来自影视。研究华谊兄弟具体拍摄状况，包括今天拍了哪部电影，导演、编剧是谁等，就可以了解其收入情况，并研究其历史的上映过的电影票房情况，包括其在百度上的搜索指数，豆瓣上的评分的情况，这样，我们就可以做一个票房预测模型。用这个模型，我们就可以在电影上映之前，对票房进行预测，并结合业务情况，评估该公司接下来的收入情况。
万科是一个地产公司，公司最值钱的是土地和正在开发的楼盘。我们有万科的基本状况数据，包括其土地在哪个城市，土地周边的环境等。查阅历史数据，我们知道了万科所建立的楼盘情况，包括每个楼盘的名字和地点，我们能知道每个楼盘增值到少。有了这些之后，我们可以判断要开发的这块地的真实价值到底是怎样的。房地产的数据来自于搜房、链家等，我们可以用这些大数据构建起一个地产公司分析平台。
除了直接公司分析主营业务大数据之外，也可以根据公司之间的关系分析价值。这里面的结点是公司，之间的关系是任职关系，或持股关系。比如某公司发布一个新闻，说要和另一家公司合资成立一个新公司，这两家公司之间就建立了关系。上市公司的变动会公开发布的，全国工商总局有所有企业的情况，基于这些，我们就可以画出图谱，进行关系构建，包括投资关系、持股关系等。
基于这个图谱，就可以知道一家公司金融投资的详细目的，比如发现投资人是谁？是不是存在同业竞争？所谓同业竞争是指，一个老板下面有两家公司做同样业务，而且两个都是上市公司，这样对中小投资者是不利的，所以解决同业竞争对上市公司是利好的。比如上市公司会不断并购，我们基于其过去的历史和现在的资产情况，可以猜测其下一步并购的情况。
那智能技术是怎么帮助投资研究的？
一、知识图谱
上市公司的公告是研究上市公司最重要的来源，因为上市公司有严格的信息要求，所有重大信息必须公告发布，不能通过其它的渠道，如果交易信息被提前泄漏出来，也就构成了内部交易，而这是违法的。严格来讲，所有的信息都会同一时间在公告上发布，但公告的信息有很多，并且公告都以PDF的形式发出来的，每天上市公司公告很多，高峰期可能是四五千份，如果要四五千看完了再做选择，肯定是晚了。那怎么样利用智能技术提高投资效率呢？
首先把PDF解析成有价值的结构化信息，首先要做的是公告的分类，包括是什么类型的公告，如果是高管增减持股公告的话，那这个高管曾经做过什么等，这些关系信息要提取出来。之后计算机做初步的识别，在每天大量的公告里面，识别那些值得关注的重要的公告。
我们翻阅公告的时候，我们要看的不仅是一个资讯，要看历史的股价增持，过去的高管情况，过去的增减情况等，这些信息联合起来才可以做决策。现在，有了自动分析和解析功能，就可以把所有相关信息展示出来，大大提升公告决策投资的效率。
新闻面临同样的问题，每天有大量的新闻，怎么样从海量的新闻里面发现有价值的信息，提升投资效率呢？这就涉及到信息的组织、检索。
互联网的发展经历了几个阶段，第一阶段是把信息放出去，所有的信息像图书目录一样组织起来，大家可以找到；但当信息太多的时候，组织也没有用，搜索就比较重要了；当信息进一步扩展，人们甚至不知道世界上有哪些信息时，搜索就不管用了，因为你都不知道世界上有什么，这时，推荐就变得很重要，它能根据你的描述知道给你推荐什么东西。
投资现在处于第一个阶段，正往第二个阶段走，目前比较原始的。
首先是分类，要知道这个新闻谈的是什么内容，关于哪个行业，什么产品。
它是什么来源？是某个部门发的，或者是某一个小的消息源
这些基本信息提出来后，再利用信息降噪方法，提炼重要的信息，剔除冗余信息。
有了这些信息后，机器就可以自动化判断这个企业值多少钱。这个过程，有两个很重要的研究方法，一个是基本面，另一个是量化。现在又出现一个新的名词叫量本投资。基本面是基于逻辑分析，比如上市公司的业务是什么，收入来自哪里，支出哪些方面。之后，根据市场状况分析政策和新闻，预测上市公司接下来会怎么变？
到目前为止，量化走的是广度，投资机会很多，但胜率会低一点，将基本面与量化结合，会形成新的量本投资机会。
我们以航空公司来看，航空公司的利润总额，可以拆解成客运和货运，客运又可以分多种，所有的数据都可以这样拆。之后，预测各部分数据的变化，就可以知道利润总额是多少。
我们曾经做过一个案例，预测东方航空的月收入，每个月都会公布这个预测。我们用2016年以前所有的数据训练，最终公布与预测数据之间，一开始相差比较大，后来控制平均误差是10%左右。10%什么概念呢？中级研究员的预测误差是10%左右。
公司在不同的项目收入多少，利润率多少，这是已知的。机器人也可以做类似的事情，虽然说现在机器人还不能达到研究员的程度，但是研究员覆盖的地方有限，有些太冷门，关注者很少，在这些地方机器人就可以帮忙。
前一段时间，我参加了一个北大金融论坛，那次论坛上参与的金融方面领导表示，希望把新三板搞得更活一点，现在新三板非常的不活跃，原因是不知道该投什么。这个时候机器预测就很重要了，虽然预测结果没有人那么准，但至少可以作为一个参考。有了这样的决策，进入新三板的人才多，才可以把新三板搞活。
前两年大数据挺火的，百度搞了一个百度百发，基于他们掌握的大数据来预测之后的发展形势。2015年，我们也开始这样的尝试，用了宏观、中观、微观三个层次分析，之后机器人来发现目前市场上有投资潜力的行业，每周一开盘前会公布到官方网站上。按开盘的价格估计，目前的计算要领先很多。
我认为，机器人分析很快会发展起来，国外就有很多机器人做投资。具体怎么做没有公开，但是我们知道的是，它们可以做这样的事情。大家可能在各个券商APP上看到过机器人发布的投资。
投资科技不仅包括怎么做研究，还包括怎么做好服务，怎么样利用大数据和人工智能技术提升服务质量。
作为投资服务商，首先要了解用户。加入通联之前，我在阿里负责精准营销，建立用户画像。用户画像很重要的，因为我们之后了解用户之后，才能精准投放广告。
比如，要用户偏好投资的标的是什么，用户画像是非常重要的。很多用户没有时间看投一些比较稳健的项目；针对于市场上的散户，怎么样从数据的角度分析进行预测，找到卖点，去挖掘他们的投资潜力。基于用户的历史数据，我们能分析出很多细化人群，有了这样的用户画像，就可以提供非常个性化的服务，包括个性化炒股建议，理财建议等。
2009年，美国就出现了这样的公司，基于用户的特点，提供个性化的理财投资建议。长期来讲，财富增长的90%来自于良好的资产配置，如果你要做长期投资的话，只要做好资产配置就好了。之前资产配置需要专业人员的服务。在美国，50万美元以下的投资很难享受服务。但现在人工智能解决了50万美元以下的投资。
相关文章：
在智能投顾领域，国内传统金融机构是怎样开疆拓土的？
零售金融一骑绝尘的招商银行，智能投顾如何领先于同业？
作为业内首家，招商银行如何玩转智能投顾服务？
智能投顾公司为何饱受千禧一代的青睐？
本文作者：张利 本文转自雷锋网禁止二次转载， 原文链接 相关资源：七夕情人节表白HTML源码(两款)
