07 AI带来的普惠曙光（第4/6页）

美国有专门的第三方机构，能把投资者所有的账户汇集到一起，只要用户点击授权，智能投顾公司就能获取用户的所有账户流水等信息。比如，智能投顾公司Pefin，可以为投资者做到全账户集合管理，将投资者所有的在线金融账户汇集到Pefin平台，包括储蓄账户、银行消费账户、信用卡账户，月供、贷款和投资账户等，Pefin在几分钟之内就能利用分析模型，建立起投资者当前财务状况的知识图谱。

在中国是没有这样的账户汇集机构的。要尽量生成投资者的完整画像，除了让用户自己去填写问卷，还需要大数据基础上的机器学习画像能力。

最大的挑战还在于投资者教育，在一个以散户为主体的投资市场，怎么让投资者相信，你把钱交给机器，它会进行专业的资产配置，给你提供良好的财富管理服务。而且，在传统投资教育还未完成的情况下，进行智能投顾的教育，难度可想而知。百度智能投顾团队的袁月以“跳级”形容这一状况，“小学还没毕业，就要上初中。”

机器学习的“黑箱”也加大了教育的难度。一般传统投资顾问，做出投资交易后会向客户解释决策逻辑，但是目前还很难解释机器顾问的“想法”。

为了克服这一“缺陷”，很多智能投顾公司还是会强调其投资逻辑背后的专业人员因素。比如招商银行的摩羯智投，会突出其对市场上多家基金公司及其基金经理的相关情况掌握更全面，将其作为重要的投资模型因子。Hedgeable专门开辟了投资顾问板块，允许注册投资顾问、财务顾问、认证财务规划师、注册会计师、律师、保险代理人和其他财务价值链上的重要角色使用Hedgeable平台为他们的客户服务。

当然，国内智能投顾行业的发展，还取决于未来监管政策的逐渐明朗。智能投顾行业如果因牌照所限，不能向个人投资者的证券投资账户直接提供投顾服务，那么在未来相当长的时期内，其最佳出路只能是向机构输出技术能力，这可能意味着机构投资者跟大众投资者的实力对比将进一步拉大。

智能投顾服务目前还不可能真正做到普惠众生，只能在高净值人群之外，服务限定规模的中产阶层人群，或者作为投资机构的技术输出方存在。这是由资本市场的零和规则决定的。即一个人赚钱的同时另一个人必定亏钱。当机器通过算法和程序发现了一个更好的策略，理性的做法就是遵循华尔街的规则“闷声发财”，如果这一策略被广泛服务于大众，收益率必然大大降低，甚而最终失效。这是智能投顾在普惠与高收益之间的悖论。

再以Wealthfront为例，其首席投资官就是《漫步华尔街》的作者Burton Malkiel（伯顿·麦基尔），而这本书倡导的被动投资哲学认为，既然长期战胜不了市场，那就干脆投资市场。Wealthfront就遵循这样的哲学，选择跟踪指数的被动型投资工具ETF作为投资对象，以期获得长期、稳定的收益。但作为一个公开策略，这也决定了它不可能获得超额回报。

从实际情况看，Wealthfront、Betterment等智能投顾公司，管理的财富也就是30亿~50亿美元的规模，跟一些传统的、超大的资产管理公司，比如贝莱德动辄数万亿美元的资产管理规模相去甚远。

本节开头提到的Kensho，最终还是难逃被华尔街投行大佬高盛（1500万美元融资）、谷歌风投、恩颐投资（1000万美元融资）等公司收编的命运。其宝贵的数据处理技术，最终对普通人关闭，被限定在了华尔街神秘的小圈子里，其投资领域的平权革命戛然而止。

一些全球超级的资产管理公司如Charles Schwab（嘉信）、Fidelity（富达）、Vanguard（先锋投资）以及国际大投行如高盛、JP摩根、瑞银也都在通过投资并购或自建平台的方式进入智能投顾领域。

投资牌桌上的大玩家，正在金融领域的智能革命到来前纷纷醒来。未来，能与之竞合的，恐怕也只有人工智能技术实力雄厚，又掌握海量数据的科技巨头了。

数据挖掘：智能投资的钥匙

2016年11月，美国总统大选激战正酣。与此同时，投资市场另一场大战也正在上演。

瑞信的分析师们观察到，管理资产规模约3300亿美元，量化兼具多空策略的CTA（期货投资）基金正逐渐转向空头，针对美股的空仓仓位飙升到近期的最高水平。而另一方面，管理资产规模超过2150亿美元的多空股票基金，针对美股的多仓仓位则创下9个月来的新高。

对峙双方大部分的投资交易都是在计算机的帮助下，通过算法和模型来进行的。于是媒体将其定义为“机器人大战”。

由于量化投资的大部分交易是由计算机完成，也使用各种模型和算法，很多人将其理解为人工智能对投资市场的干预。但实际上，量化投资只是利用计算机强大的计算能力寻找市场上的无风险套利机会（Arbitrage），只能算交易策略范畴，大多与人工智能并无关系。

而真正的智能投资依然是基于数据驱动的。无论算法怎么迭代，怎么有创意，也不论逻辑关系设计得多巧妙，有了金融算法模型，还必须有大量的符合模型需求的经济、社会、特定行业变化等多维度的数据集，来验证算法模型的可行性和精准度。

可见，一个开放性的大数据环境对智能投资，或者金融信息分析都至关重要。因为从物理世界中获取数字化数据的成本极高，很多公司又没有自己的大数据资源，智能投资分析与决策就无从谈起。

百度、谷歌拥有的搜索数据、地图数据等庞大、多维、立体的大数据资源，有别于传统金融体系的数据，为互联网视角下金融数据特征的挖掘提供了丰厚的资源。加上领先的人工智能技术，给了搜索引擎类公司切入金融投资领域最佳的禀赋资源。

有了资源，也就有了“挖矿者”。搜索大数据中的炼金过程一般是这样的：通常，确定数据源后，依托成熟的大数据技术可对全网数据进行高速整合，提升数据运转效率，同时保持网络数据信息的完整性，进而运用先进的机器学习、人工智能、大数据分析等技术，对海量数据进行分析处理，挖掘金融资产的个性化特征。

例如，百度日均产生跟股票名称或股票代码直接关联的搜索量约2000万次，一只股票的搜索量和其股价走势往往呈现高度的正相关性，平均相关性达0.7以上，搜索量作为量价的补充信息，代表了某只股票被投资者关注的程度，辅助以舆情因子的判断，可以被当作潜在买家/卖家的能量积蓄，用来判断何时入场，什么时候又该进行风险规避。