(一)智能投顾平台与传统金融机构既同台竞技,又相互融合
一方面,传统金融机构具有人才、产品和销售渠道的优势,纷纷布局智能投顾行业,为机构和个人投资者提供更有针对性的服务。2015年以来,高盛、先锋基金、嘉信理财、贝莱德、富达基金、德意志银行等金融巨头已经开始通过收购或创立自家产品的方式进行探索,招商银行、平安银行等也纷纷试水。金融机构的品牌效应、研发优势、产品资源,使得智能投顾能够提供给投资者更便利、高效的服务。另一方面,互联网巨头凭借强大的客户流量导入和基于大数据的用户行为分析优势,纷纷进军资产管理行业。国内的科技巨头如百度,腾讯和阿里均在探索将智能投顾引入到资产管理服务中。同时,包括Wealthfront等在内的独立在线理财平台,也会受到来自用户资源、营销成本、产品接入等多个方面的压力和挑战,寻求合作伙伴、优化产品服务可能是这类公司的突破口。
(二)大数据、自然语言处理和知识图谱技术推动投研效率提高
大数据是指信息量规模巨大到在撷取、管理、处理、整理等方面大大超出了传统数据库软件工具能力范围的数据集合。传统投研所涉猎的数据,大都是易于结构化的数据,例如市场量价数据、上市公司财务基本面数据,同时还有小部分非结构化数据,但形式相对标准,例如上市公司公告、券商研究报告等等。但是随着现在互联网和物联网的蓬勃发展,信息载体日益丰富,搜索数据、新闻文本数据、网络社交数据、购物和消费数据等非结构化且零碎的数据在快速积累,并蕴含了巨大的信息含量和尚未挖掘的投资价值。自然语言处理和知识图谱技术在提取这些非结构化内容的内在信息上,有着得天独厚的优势,通过算法分析公司财报、宏观数据、网络舆情、支付消费等在内的各类海量数据,预测上市公司收入、基于突发事件给予投资指导、提供股票策略等。知识图谱更提供了从包括企业的上下游、合作竞争对手、子母公司、高管任职、行业逻辑等“关系”的角度去分析问题的能力。以Kensho平台为例,该系统结合自然语言搜索,图形化用户界面和云计算,将发生事件关联金融市场,提供研究辅助,及时反映市场动态,具备高效的分析能力,直观的用户体验和强大的学习能力。广发基金、南方基金、浙商基金等公募基金机构也与互联网公司或支付平台合作,推出了一些大数据基金产品。
(三)人工智能技术推动投资决策智能化
在资产配置领域,通过对市场特征挖掘,辅以择时维度和量化模型,通过机器学习挖掘热点,自动化准确判断大类资产相关关系,提取大类资产配置指标。建立舆情和高频信息监控平台,运用自然语言处理技术分析,将非结构化数据结构化处理,通过物流、消费、信贷、新闻舆情数据提供对宏观经济形势的实时跟踪。
在信用风险定价领域,可以构建基于大数据的信用分析系统。该系统可以综合运用包括物流和人流等在内时空数据,对中观层面行业、区域的景气度进行分析,以及通过高频时空数据变动监控企业的经营状况,从而辅助相关个券和债权类信用资产定价。建立舆情分析平台,缩短信用债风险预警时间。此外,基于大数据的分析平台也可以运用于资产支持证券和消费金融风险管理。
对权益投资领域的应用而言,人工智能算法提供了新的分析工具。例如自然语言处理算法,可以随着其分析过的文章数量的增加,越来越准确的提取出其中符合要求的有价值的信息,并给出对投资决策有帮助的分析建议。人工智能领域所提供的种种非线性模型算法,包括决策树、神经网络、随机森林等可以提升传统量化投资模型的复杂度及分析性能,更加敏锐地捕捉到之前线性多因子模型所未曾发现的市场机会。