智能投顾会取代人类吗？

来源：FT中文网 作者：王倩

近几年来，人工智能在金融行业的应用越来越多地被人提起，在智能投顾这块，更是引得众多资金争相涌入。各种创业公司、银行、BAT等巨头陆续入局，而作为传统金融机构，证券公司也在智能投顾的大浪潮下进行了各种形式和战略上的尝试，进行了大量投入，智能化俨然成为券商一波热潮。2017年是券商掀起智能投顾热潮的一年，各大券商都在推智能投顾系统，那么，其功能到底如何？

智能投顾的核心方案建立在现代资产组合理论与资产定价等模型的基础上，通过优选的数学方法来进行计算，获得结果。

抛开来自数据领域的问题：例如数据本身质量、数据评估质量、数据的说服力、数据对模型的适应力等暂且不提，智能投顾的方案中的每个模块的说服力都需要进一步的探讨。在出现机器模拟之前，采用现代资产组合理论与资产定价模型来进行资产管理的投资人，通过人的思考能力来进行对模型的计算与矫正，这其中的人脑思考能力目前并未被架构或者是通过人工智能无法被模拟。在此类模型本身不完善的情况下，强行采用智能投顾，难免有所欠缺。

如果采用人工模拟做支持环节，配合上有专业理解力的投资人来进行调整，才不失为一个合理的方向。一方面，智能投顾能够矫正人工在工作中产生的误差；另一方面，在人工智能的基础上，有专业理解力的人员，能够对无法被标准化与自动化的领域进行人工的矫正。两者相配合，就能够达到互补的效果。那种认为非传统资管公司可借此进入资管市场的观点，笔者是不认同的。没有人脑对资管的理解力，完全依赖人工智能来完成资产管理的任务，是理解上的误区。

简单的说，建立在现代投资理论基础上的智能投顾只能被理解成众多资产管理策略的一种类型，无论是它采用何种维度去进行挑选与优化。组合建模借助均值-方差或者Black-Litterman优化方法来实现。就现代数学研究结果呈现，这些历史不太悠久的方法，仍旧有待实证与理论的考察。这些方法本身的说服力以及对其计算结果的价值评估仍旧在不断的验证中。它尝试采用更佳的计算方法，通过减少误差来进行优化，从而逼近更佳的结果。但是缺陷却伴随着整个计算模拟过程。我们更愿意将它理解为整个资产管理流程中的一个模块，它仍旧需要人工的调节与适应。

就现代资产管理理论主张，资产配置在资管过程中所发挥的效用要高于现代投资理论组合中所进行的组合再平衡过程。当前的智能投顾，将大部分的精力投入到组合再平衡过程，而实际上资产配置的成绩平平。一方面，出于当前算法的不足，资产配置过程没有被更好地模拟计算过来；另一方面，资产配置更需要的是人脑的理解和创新，这是人工智能在资管领域最大的缺陷。或者说，目前为止，流行在市场上的各种智能投顾的模型，还没有真正领会到。

有人认为，智能投顾中的智能算法实现了实时分析和调整，这是一大优点，但我的观点正好相反，实时分析和调整更应是智能投顾的局限性：理解力不足。在资产管理策略中，当一个事件发生时，人们需要从整体全局判断，究竟这个事件的发生会对整个资产组合的策略变化产生什么样的影响。某些事件的分析判断需要建立在多维度的理解模型上，它的复杂程度是机器所不能够理解也无法模拟的。这就像人工智能模拟不出政治事件一样。人脑的理解与创新能力是不可替代与复制的。

下面从风险控制的角度来讨论为什么智能投顾无法独立完成风控的任务。我们从资产管理领域挑出一个风险控制的案例来解释，人工智能在分析风险数据、解释风险数据的时候，无法完全模拟人脑的思维。在为资产管理进行风控时，通常我们为金融头寸与组合设立风险阈值，而这个阈值在一定程度上区别于自然科学中的数据区间（它有明确的公理做指导）。资产管理风控领域的阈值，更多的可以被理解成数据的某种逼近特征，它不是一个简单的是或者不是的问题。假设我们设置一只基金的风险敞口阈值为80%，实际上获得的风险值为79%和81%。通过机器计算，会自动将81%摘除。而人脑能够理解，遇到这个79%和81%应当如何正确诠释，它需要一个整体基金的适应过程，这只能通过人脑在以往经验与综合理解周边金融市场的基础上，才能够做出正确的处置决策。机器无法模拟这个思考过程。此外，外部金融环境随时变化，整个资产管理也需要整体宏观进行配合，人工智能达不到这个要求，因为机器代替不了人脑。

正如我们前面提及的，人工智能模拟不出政治事件，整个资本市场的复杂程度无法被标准化，它更需要的是理解力与创新的能力。从哲学意义上讲：自然科学存在明确的是与非，人文科学则不是这样，金融市场离不开人的思考，人脑的多维思考能力是机器所驾驭不了的。

智能投顾如果能够科学合理的同人为资产管理相结合，扮演一个支持人脑思维判断的角色，才是正理所在。所谓完全采用智能投顾来代替人为的资产管理，是一个误区。