造就第283位讲者 蒋龙
通联数据首席科学家
一个多月前，全球股市遭遇了一次迅猛的下跌，道琼斯工业指数曾在一天内下跌超过一千个点。受美股影响，全球股市也开始下跌。上证指数在不到两周时间跌回了一年前的水平。很多投资者损失惨重。
大家都在问：这次下跌的元凶是什么？
有人提到了算法，甚至有人说这是史上第一次算法股灾。
这次下跌真的是由算法引起的吗？算法在这个过程中到底起了什么样的作用？
我想通过我今天的演讲，大家心里会对这个问题有自己的答案。
股神VS 数学家 谁的投资收益率更高？
投资的基础是预测。如果你预测一座城市的人口流入量会越来越多，同时这个城市的房产土地是受管控的，那么你就可以提前买入这个城市的房产，通过房价的上涨获利。
如果你了解一个公司的管理层，发现他们都很能干，而且非常勤劳，你预测这个公司的业绩会越来越好，那你就可以提前买入它的股票，从股票上涨的过程中获利。
要做到精准的预测并不容易。过去，这种高度智力活动只有人才能完成，但随着算法的长足发展，算法已经参与了部分投资工作，并在某些方面起了主导作用。
根据投资决策是由人还是机器做出，我们可以把投资分成两大类：
  • 一类叫主动投资
  • 一类叫量化投资
主动投资的决策主要是由人来主导完成的，它的代表人物巴菲特相信大家都非常熟悉。由于巴菲特的基金在过去几十年保持了25%以上的平均年化回报率，所以他被称为股神。
因为人的精力总是有限的，所以每个投资经理能够覆盖的标的数量非常少，通常能同时关注的股票大概在二十多支左右。但人的优势在于他会对所关注的每只股票进行全方位地分析，力争做出比较准确的预测。
主动投资的方式偏艺术，因为它是难以复制的。尽管巴菲特多次在公开场合去分享他的投资心得，但到目前为止，我们依然没有发现谁能复制巴菲特的神奇。
与之相对的量化投资就完全不一样。量化投资的代表人物是詹姆斯·西蒙斯，是一位数学家。他曾经管理的大奖章基金在过去三十年里创造了35%的年化回报率，超过了巴菲特。事实上这是一个费后的回报率，如果按照费前算，他的回报率应该是70%以上，远远超过了巴菲特。
由于量化投资借助了计算机的能力，所以可以同时覆盖非常多的股票，并且在瞬间完成计算，做出投资决策。只是受限于现在的算法还达不到人的智力水平，所以在单只股票的预测上稍逊于主动投资的基金经理。
量化投资是非常科学的。为什么这么说？因为它是可以复制的，就像科学实验一样，可以不断地重复、调整。
算法如何带来更丰厚的回报？
当我们要投资的时候，我们通常首先要做一个重大的决策，那就是要投资哪些品种，以及哪一个品种投大概多少比例。这就是资产配置的问题。
有研究表明，个人财富增长90%的贡献来自于有效的资产配置。风险平价是当下非常流行的资产配置方法。这种方法因为全球最大的对冲基金——桥水基金的成功而闻名。
风险平价的核心理论是选择合适的配置，使得组合中各个资产的风险贡献相等。怎么理解呢？比如说你的资产组合里面有一种资产叫房产，那么你想投30%的资金去买房产，那么最好是房产在整个组合里面的风险也是30%。
如果你发现房产在某一刻，风险达到了50%，那么你就有必要降低房产在组合当中的比例。
以前我们是没办法做到这些的，原因是我们说这个资产风险很高，越来越高，但到底有多高？其实是不知道的。
计算技术的发展让我们有机会利用数据，去精确地知道一个资产的风险以及这个资产和其他资产之间的相关性。这让我们可以把资产混在一起去对冲风险，得到更稳健的增值回报。
在Alpha Go被瞩目以前，其背后的算法原理，机器的强化学习技术就已被用在了算法交易里面。
股票交易和围棋有点类似。他们都是在一个互动的环境里面，你需要思考整个市场的参与者在想什么。你的决策和行为会对他人的决策、行为产生什么样的影响？
当你有一百万股的股票想卖出去，你肯定不指望一次性卖出，因为那样的话，卖出的股价会很不理想。你可以先卖一百股，以某个价格去试探，看市场的反馈，再根据这些反馈做第二轮的决策。
通过多次与股市的互动，强化学习技术可以让机器人摸清不同的市场参与者的风格、思考逻辑、心理和行为习惯，从而能够得到较为合理的投资序列。
大家都知道巴菲特是一个价值投资者。他总能准确地预估股票的合理价值，在股价被低估的时候买入，等到价格恢复到合理价值时再卖出。
现在越来越多的投资者开始尝试用人工智能的方法，对上市公司进行合理的估值。其参考的逻辑也是在模仿人的逻辑。
比如对一个航空公司进行估值。我们可以利用人均GDP增长的数据、铁路客运量的数据、机场建设情况的数据、航线情况的数据等等，用机器学习的方法来拟合一个模型，预测未来几个月、几年航空公司的上座率。再用同样的方法预测每个客人贡献的收入，最终合成对一个公司营收成本、利润的估计。
根据我们的实践，目前在很多的行业里，人工智能估值已经比一半以上的人工分析师更准确。
算法真的无辜？
尽管股票市场已经有几百年历史，无数人都想破解股价的形成机制之谜，从中获利。但是时至今日，我们能预测到的股票变化还非常少。就像诺贝尔经济学奖罗伯特·席勒所说，我们应当牢记股市定价并未形成一门完美的科学。
股票价格波动背后的因素非常多，这些因素之间的关系也是纷纭复杂。
就拿这次美股下跌来说。连续几个月的上涨让部分人的心理产生了动荡，觉得最好是落袋为安；美国经济数据的公布让大家发现经济增长非常强劲，但是通货膨胀又开始抬头，大家开始担忧加息的脚步会越来越近；同时，美国国债收益率突破了短期的高点，让大家担心会再分流股市的资金。
这些因素都是促使那一天股票下跌的原因，算法并不是一个真正的驱动力。
但是算法真的跟这一切没有关系吗？
以前由人来主导股票投资的时候，对同一个信息有不同的分析方式，会花不同的时间。有的人根据直觉一分钟就做出决策；有的人会引用更多的数据综合分析，可能几天之后才会做出决策。所以一个事件对股市的影响是缓慢体现的，可能要几天，甚至几周才能完成这个调整。
但是现在越来越多的决策由机器做出，机器基本上是在几秒之内就能完成决策。再加上现在的算法还处在比较初级的阶段，也很同质，所以当美国国债收益率突破前期高点时，类似的模型会做出同一个指令，那就是卖出股票。结果就是让股市可能在短期内大跌。
更不幸的是，当股市初步下跌的时候，根据风险平价理论，我们应该在这个时候降低股票资产的仓位。大家再次做出同样的决策，于是开始了第二波抛售股票。
这一波比之前一波更厉害，造成滚雪球效应。股票越跌，大家越要降低仓位，到后面无法控制。
这是我们观察到美股第一波下跌其实并不大，但是第二波来得非常迅猛的原因。
所以说，算法还有很多地方值得去优化。这也是这一次在美股下跌中大家批评算法的原因。
量化投资带来一个更完美的世界
随着大数据和人工智能技术的发展，量化投资迎来了新的机遇。
物联网让我们对客观世界的变化观察得更加细微、及时。社交媒体让我们有机会从文字上观察到每个人大脑里在想什么。
去年4月份的时候，美国国家基金中心几位经济学家发表了一篇文章，说中国的GDP增长可能比统计局公布的数字还要高。他们认为：
官方并没有更好的经验去准确统计第三产业的价值，而中国第三产业正蓬勃发展。
这几位经济学家采用了卫星图像来分析中国城市夜晚灯光的亮度变化。他们之前用同样的方法，分析了东南亚国家在1998年金融风暴之后经济恢复的速度与灯光强度变化的关系，发现这是一个很好的指标，于是就用来分析中国。最后得出了这个非常震惊的结论。
除了卫星图像这些数据外，社交媒体数据早就被对冲基金用来预测股票的价值。通过社交媒体，可以了解股票持有者的观点。
当我们有了越来越及时的数据，我们发现自己被淹没在数据的海洋里。凭借人脑，我们已经很难从里面发现规律，更不用说预测和做出决策。这个时候，我们就需要算法的帮助，尤其是像机器学习这样的技术。
JP.摩根在去年上半年发布了一篇报告，里面谈到了量化的未来。其中重点讲到了机器学习对于量化投资的提升作用。
以前做量化投资，我们通常会用多因子模型。如果一个因子增长了一个单位，股价就应该增长。这是一个线性关系。
但实际上，现实生活中很多的因素之间绝不是线性的关系。拿美股对中国A股的影响来看，如果美股是简单的微调，A股可能完全不为之所动。但如果美股是大涨或者大跌，那么通常第二天，A股的开盘会有同向的波动。所以这不是一个线性变化，只有当你的变化超过一个阈值之后，你的影响才会体现。
机器学习可以帮助我们把传统的线性方法更改为非线性的，从而能够更准确地预测市场的变化。
随着数据的增加、算法的成熟，我们有更好的技术去发现数据中的规律，去预测未来。我们有理由相信，算法在投资中的应用会更加的广泛和深入。
算法将让投资更高效。当社会整体的投资效率提升，会为我们带来更多的财富。
有了计算机和机器人的帮助，我们投资将变得更简单。我们不用像以前一样，每天阅读几百篇的新闻，同时盯着几个屏幕看不同资产的价格变化，也不用天天担心自己的投资组合会面临哪些风险。这一切都会有机器人帮我们完成。
而以前只有富人才有可能享受的专业投资顾问服务，也很有可能被普通人享有，技术的进步让投资更公平。
在更高效、更简单和更公平的投资时代，我们有理由相信算法给我们带来的是一个更完美的世界。

今日互动话题：
主动投资VS量化投资，你站哪一边？
编辑丨汉岚
校对丨其奇
相关推荐阅读
点击图片查看完整内容

2月股市风暴真正的肇因是谁？

千金散尽还复来，达利欧的投资秘诀是什么？

这是个没有隐私的时代，只有这个办法可以终结它
戳原文，获取更多演讲视频！
继续阅读
阅读原文