人工智能技术近年来发展迅速，特别是当“大数据”的结合以后，面对互联网海量信息，计算机软件能在极短时间内完成处理和匹配，越发显示出“智能”的效果。以前看似不可能的创造性工作现在也可以借助人工智能完成。

　　美联社从去年起使用WordSmith软件生产内容，平均每月能写1000篇稿件，主要是财经新闻。美国某创业公司推出一款服装设计师可使用的软件，通分析近期流行的服装式样，并对其中的时尚元素进行提取、拼接，设计出一款新的服装式样。甚至在以复杂多变的金融领域，这样的案例也不少，例如：第一个以人工智能驱动的基金 Rebellion 预测了 2008 年的股市崩盘，并在2009年9月，提前惠誉评级一个月给了希腊债券F评级，而当时惠誉的评级仍然为A。Virtu Financial LLC 公司通过高频程序化交易，在 1238 个交易日中，仅有一个交易日出现了亏损。对冲基金 Cerebellum 也使用了人工智能技术，结果从 2009 年以来，没有一个月是亏损的。

　　在国内，各家拥有大数据和人工智能技术的互联网巨头都已涉足互联网金融大数据基金领域，比如百度和广发基金合作的百发100，蚂蚁金服和博时基金合作的淘金100等。就在刚刚，腾讯自选股宣布“自选股大数据策略组合”在腾讯财经频道与腾讯自选股APP发布。该组合融合腾讯自选股数千万用户的选股智慧，通过分析市场情绪把握市场机遇筛选潜在投资价值股票。同时，嘉实基金凭借16年选股经验，为该组合提供策略指导。截至10月23日，该组合今年以来涨幅达到118%，同期沪深300指数仅上涨1.06%，中证500指数上涨34.11%，中证800指数上涨9.29%，上证综指上涨5.50%。据了解，基于该组合选股策略而设计的基金产品也正在准备中，并将在不久的将来由嘉实基金、腾讯自选股及微众银行联合推出。如此优异的成绩，大数据和人工智能给传统金融到底带来了哪些变化？

　　非传统大数据的价值

　　计算机参与投资管理，源于资产管理越来越需要对大量非传统数据的分析。现在，传统金融数据作为交易信号的价值已经被充分挖掘，且因为各家管理机构的专业能力趋于一致而难以在中长期的投资管理中形成业绩差别。

　　因此，非传统数据的采集和应用就变得日益重要。在华尔街，通过港口集装箱图像的卫星照片做市场判断，或从从媒体报道中获得经济发展的线索的分析方法由来已久。

　　在国内，大数据手段和自然语言处理技术，使得分析社交网络上对个股的关注度等非结构化的数据成为可能。

　　这意味着非传统数据正逐渐取代传统金融数据成为真正有效的交易信号。通过分析整体用户行为与股票价格表现之间的关联性构建大数据模型，精选大概率具有超额收益的个股，将数千万用户的选股行为作为交易信号，以把握未来的市场热点获得超额收益。

　　人工智能分析的优势

　　这样海量的数据分析，显然是人力无法完成的，因而必须通过机器运算，分析师的工作将被取代。而随之而来的，是交易策略生产过程将发生巨大变革。传统的投资策略生产过程，主要依据传统金融数据，通过确定的分析模型求解最优的资产配置方案和交易方案。而机器分析的数据源大量来自于非传统数据，并没有所谓确定所的分析模型，因而更偏好对随机事件进行反应。

　　通俗来说，大数据分析只关注相关性而不注重因果，当机器分析到两件事情大概率上先后发生，则认为两件事存在关联，因而将先发生的事件作为后发生事件的先兆。具体到投资上，大数据分析并不关心两件事先后发生的具体原因和传导机制，而只将先发生事件视作后发生事件的交易信号。这使得投资决策的效率空前提高，并产生许多无法通过经验和理论推导出来的新认知，继续成为新的投资策略持续生产的源泉。

　　难道有一天，基金经理这样的金饭碗也会被计算机所替代吗？

　　大数据和人工智能相对于人力的优势显而易见，但现实是，这也是人工智能的劣势。由于只关注相关性而不注重因果，机器分析无法将“巧合”这一小概率事件从投资决策中排除掉。但随着时间延长，再小概率的“巧合”也必然会发生，至少在可见的未来里，机器的智能对此无能为力。而一些毫无征兆的突发事件，由于机器从未分析过此类事件的影响，同样无法做出反应。至于像“光大乌龙指”等因系统缺陷导致的问题，也证明了人工智能并不是在任何时候都可靠。

　　在自选股大数据组合的构建中，嘉实基金也需要将股民的选股行为数据进行修正，结合价值、成长、流动性等传统金融数据指标，剔除基本面和流动性较差的股票。这也是该组合表现突出的关键原因。

　　因此，我们可以说，人工智能入侵资产管理领域的趋势正在发生并有逐渐加速的迹象，但在可见的未来里，人工智能完全取代基金经理的并非不可能。不过，资产管理行业将因为人工智能技术水平的不断提高而发生巨变，则需要这一行业中的每一个人都做好准备。