2021年11月5日晚上，金融市场发展前沿系列讲座(四十八)期讲座在经济学院103教室顺利举行。本次讲座邀请智道智慧科技(深圳)有限公司董事长彭聪担任主讲嘉宾，他以“人工智能在资产管理领域的应用场景”为主题进行了演讲。华中科技大学经济学院金融学系张学功老师担任本场点评嘉宾。

当前，在资产管理领域，人工智能技术受到越来越多的关注，并且已经开始影响资产管理的诸多方面。一方面，初创型公司和科技公司积极依托大数据分析和人工智能技术上的优势涉足资产管理领域;另一方面，传统的金融机构也积极拥抱人工智能技术，争取在人工智能时代取得先机。从资产管理行业的细分领域来看，人工智能正在或者即将对资管机构的投资、研究、交易、风险管理、产品设计、营销等产生深远的影响。此次讲座，彭聪围绕人工智能在以上资管细分领域的应用场景发表演讲，并分享他在资产管理领域从业多年后的一些经验和看法。

讲座伊始，彭聪介绍了人工智能在资产管理领域的应用的背景。自1956年约翰·麦卡锡在美国达特矛斯大会上首先提出“人工智能”一词以来，人工智能经历了半个多世纪的发展。近年来，人类社会大数据能力不断积累，计算机算力不断提升，在2006年“深度学习理论”问世后，人工智能进入了新的高速发展阶段，各领域涌现出一批优秀的人工智能应用层案例。通过案例分析，彭聪进一步解释了人工智能强大和全面的能力如何使其在投资及资产配置领域成为引领行业变革的新技术手段。他指出，二十多年来，人工智能在资产管理领域的整体的热度和研究是逐年递增的，且发展趋势逐渐加快。

在介绍了人工智能及机器学习的关键技术后，彭聪重点分析了人工智能在资产管理细化领域的应用场景，包括量化投资、算法交易、风险管理、客户画像、智能投顾和债券投资。

关于人工智能与量化投资，彭聪介绍，目前量化型基金已成为了对冲基金的主流，包揽对冲基金排名前五，其中共七家将量化技术应用于对冲基金产品。另一方面，人工智能在对冲基金中参与度高，AI/ML方法在对冲基金中得到广泛应用。彭聪认为，人工智能逐渐在量化投资中得到广泛应用，是因为机器挖掘对比人工挖掘具有多样性、可继承、效率高和可扩展几点优势。比如，机器挖掘可以处理多种方程结遍历所有可能情况，找到各种局部最优解，使得因子具有多样性。相对与于传统的线性模型，通过机器学习算法的人工技能技术能够取得更高的超额收益，其中XGBoost与ANN表现尤其亮眼。

对于人工智能与交易，彭聪提到，目前高频交易占美国股市交易量的55%左右，占欧洲股市交易量的40%左右。类似地，高频交易在期货市场已增长到外汇期货交易量的80%左右，利率期货和国债期货交易量的三分之二。彭聪认为，我国算法交易尚处于萌芽状态，程序化交易在过去几年中悄然兴起，粗略来看可以将其分为两类，一类是通过交易所接口实现数据的实时传输，整个建模、计算、下单流程可以通过自行编写程序完成;另一类则需要借助于成熟的程序化交易平台，如金仕达、恒生、金字塔、交易开拓者、金钱豹等，以及各大券商的量化交易平台等。A股量化交易成交比例约占20%。

不仅如此，彭聪还进一步指出，人工智能在风险管理中有着有效的应用。在市场风险管理中，贝莱德(The Blackstone Group)的阿拉丁系统基于庞大的数据库进行风险因子的监测和压力测试，储存了大量的历史数据，模拟金融市场各种变化，检查客户资产可能的走势，并且能够定制化情景分析，分析各类资产的相关性，以及特定条件下资产之间的相互联动对市场的影响。信用风险管理风险体系需要依赖高维度的大数据进行深入分析，在这方面，深度学习算法与人类相比有着显著的优势，可以利用海量数据挖掘负责规律。人工智能技术可覆盖信贷全生命周期的各个关键业务环节，包括授信、欺诈识别、贷后管理等方面。

资产管理需要了解客户，目前了解客户的主要方法是问卷调查，但这种方法存在很多问题，如客户对自己不了解，不清楚自己的需求;客户对市场不了解，对收益和风险认识不够;客户对问卷不重视，可能粗略作答甚至随便填写。而人工智能的运用使公司能够多维度获取客户数据，精准识别每位投资人的投资风险偏好，并加以精算、分析及建模设置，从而满足客户需求的“私人定制”，进而实现客户资产配置服务方案的“千人千面千时”。

智能投顾是人工智能技术在资产管理领域应用最为广泛的场景之一，面世的产品也是最多的。国外智能投顾发展较早，目前已经为大量的大众客户提供服务。国内的智能投顾兴起于2014年，最初由互联网创业公司主导，通过与基金销售平台合作的模式向客户推荐基金组合。彭聪认为，智能投顾在我国的发展有得天独厚的优势，国内用户的投资理财需求庞大，以量化投资算法和现代资产组合理论为基础，结合客户风险偏好特征和理财目标，构建多元化的投资组合，提供智能、精准的投资建议。

对于人工智能在债券投资方面的应用，彭聪首先为大家介绍了模型逻辑，即以大数据为基础，运用机器学习和金融工程模型，判断中国债券市场利率变动方向，进而对各久期的利率债进行择时投资。他指出，债券部分的业务也是公司现在最重要的一部分，主要是通过对利率上下行走势的判断，对利率债的投资进行决策。具体方法为将数据进行清洗、处理后完成数据标准化工作，挖掘出债券的因子形成因子库，运用机器学习建立利率变动方向预测模型以及量化流动性筛选模型，然后进行样本内/外的模型验证，最后结合银行的合规、收益风险特征等制定策略方案。

在讲座的最后，彭聪分析了人工智能在资产管理领域应用的三个成功之处。首先，人工智能是客观的、高效的，能够识别人类无法识别的高维数据的关系，不依赖理论知识以及严格的假设。其次，人工智能可以利用非结构数据，如文本、图片，并且与传统的统计技术不同，人工智能模型可通过新的数据自我学习、调整，不需要手动调整参数以及重构模型。人工智能的最强之处就是不需要理论知识仅仅依赖数据也可以指导实践，但这也许是它最大的弱点，它仅仅产生一个结果，过程无法被捕获，当数据质量很差且过程特别复杂、无法监控的时候，就会出现风险。

华中科技大学经济学院金融学系张学功老师对讲座进行点评。他首先感谢彭聪先生带来的精彩演讲，并结合自己讲授的金融风险管理、量化投资和证券投资学三门课程，指出我院金融系课程设置中涉及的算法交易、金融数学、数据清洗等内容。这些课程使学生不仅有了分析结构化数据的能力，还应掌握着分析非结构化数据的能力。

在互动环节，彭聪先生从专业的视角详细认真地解答了同学们提出的问题(具体参见“提问环节”)。

提问环节：

问题一：您提到人工智能应用于量化交易能够提升公司的流动性，但是这也同时增加了市场的波动性，那么如果某一天交易量放大，则可能对整个市场造成较大的影响。请问您认为对于这种情况，未来会有怎样的监管或限制措施呢?

答：现在市场上确实有着这样很大的一个呼声，就是对量化交易进行限制，特别是最近股市的一些大幅波动，让大家反应比较大。我认为看待监管问题不能一刀切，有些量化交易的方法反而是减小波动的。但是因为量化交易的信息不对称，比如其通过高频交易赚钱，这种会让我们的普通投资者很反感。从风险控制的角度来讲，不管是主动交易还是量化交易，其实都是需要有风险控制的，所以说市场波动(如大幅下跌)，也不一定是量化交易的错，因此我认为不能简单地对量化交易产生一个误解。

监管会大概率会采取一刀切的手段。第一是限制交易频率，因为从监管来讲，监管方很难区分谁是量化，谁是主观，因此只能限制交易的频率;第二是对券商进行窗口指导，比如不让量化机构的交易算法跟券商直连，也不允许券商买你的系统，这样就没有办法做到这种完全程序化的交易了。其实不要过度去解读量化投资对市场的影响，我个人认为未来量化交易还是会在中国不断崛起。

问题二：人工智能改变了传统的主动投资的一些方法，正如您刚才所说，很多人认为量化投资是韭菜收割机，那么请问您认为在资本市场上不具备优势的个人投资者应该如何获取收益呢?

答：个人投资者在市场上极其不具备信息优势，所以我建议大多数的个人投资者尽量去买产品，而不是自己做交易。比如在主观管理这一块，如果个人去做，也只能做价值投资，做不到资产管理，因为公司和机构每年会购买和清洗、处理大量的数据，并且有团队做算法和研究，个人是很难这样去做。如果是个人自己做，我认为最好是从上往下选股，在某一个你认为是中国经济未来的行业赛道中，挑选到比较好的股票，然后分享中国经济的成长红利。

问题三：请问如果未来想要从事量化，我们学生在校应该培养怎样的能力呢?

答：首先，我觉得华中科技大学的学生已经具备了学历的敲门砖。至于技术，人工智能算法是行业里面比较新的一个方向，所以现在比较需要会算法的求职者，数据可以买，但算法是核心，目前很缺人，所以希望在学校里面能够多做一些这方面的尝试。

金融市场发展前沿系列讲座是由张培刚发展经济学研究基金会、湖北省银行业协会和华中科技大学经济学院、武汉工商学院联合组织的一项大型学术公益活动，邀请国内外一流的金融理论研究和实务专才，讲授和介绍国内外当前金融市场发展的最新趋势、热点领域和重大理论前沿发展，进一步加深社会对金领域前沿发展的了解和对现代金融运行机制和规律的认识。

彭聪，伦敦大学、卡迪夫大学金融学双硕士学位，2014年创立智道智科，现任智道智科董事长、深圳数据经济研究院主任，曾任泰康资产首席风险官，平安证券资管执行总经理等高级管理岗位。彭先生拥有20年全球资产管理、量化投资管理、投资风控与绩效评估经验，包括泰康1.3万亿资产管理经验。彭先生还负责保监会偿付能力二代风险量化模型，作为主要贡献人员完成了模型计算及数据验证工作。此外，彭先生全面制定泰康集团风险管理战略,对流动性风险、信用风险、市场风险、合规风险、法律风险、操作风险进行识别、计量、监控并制定应急方案。带领团队搭建全行业领先的风险管理和绩效评估系统RPS。成功引入GIPS认证,帮助泰康集团成为国内首家经过GIPS认证的保险企业。