雷锋网(公众号：雷锋网)3月13日报道，在日前于武汉举办的申万宏源投资高峰论坛上，通联数据王政就“投资科技与科学投资”做了主题演讲。
王政，美国普林斯顿大学物理学博士，曾任巴克莱全球投资公司基金经理、博时基金股票投资部总经理、ETF及量化投资总监等职，他拥有近20年资产管理、金融信息平台研发和大数据研究经验。
王政表示，投资科技是跨界的工作，需要把投资专业知识和逻辑与技术更好地结合起来，它需要具备几个核心的要素：第一是一定要有专业的投资研究理解，只有这样理解的基础上才能把技术用来解决投资中的问题。第二是需要有人工智能这样的核心工具，帮助解决大数据时代中各种各样的问题。
以下是王政演讲内容，雷锋网做了不改变原意的编辑：
今天我本来想用大的题目金融科技（FinTech），这个东西太火了，但因为金融科技涉及面太广，银行、保险、支付等等，我今天主要是讲投资科技与科学投资的关系。
什么是投资科技（InvesTech）？
为什么叫投资科技（InvesTech）呢，跟IT有点差异性。投资科技的缩写还是IT，看起来没有什么区别，其实投资科技和IT还是有本质区别的，IT帮助我们解决工作上的一些问题，投资科技更多是跨界的工作，需要把投资专业知识和逻辑与技术更好结合起来。这里面有几个核心的要素需要具备：
- 第一是一定要有专业的投资研究理解，只有这样理解的基础上才能把技术用来解决投资中的问题。
- 第二是需要有人工智能这样的核心工具，帮助我们解决大数据时代中各种各样的问题。
科技在投资领域的应用不是什么新鲜的事情，早期我们用科技来提升信息传输的速度，信息对投资来讲是非常重要的。随着计算机的发展，我们开始引入了计算机来传递信息，也用计算机处理信息、分析信息。从70年代开始，投资管理在产品上有很多的创新，开始有指数基金，80年代有对冲基金，现在有智能投资和新的产品，随着科技发展应运而生，科技在帮我们引领产品的创新。
投资科技的核心基础有三个技术非常重要，一是云计算，二是大数据，还有最核心的人工智能。
云计算帮助我们解决计算的能力和存储路径，在此能力基础上我们才能够采集更多的信息，才能把更多的信息存储下来，才有我们现在讲的大数据。
有了大数据之后，我们对用机器处理数据的需求越来越高，而且有这样的样本以后去学习的精确度会越来越提升。
大数据的产生归纳为三个维度：
- 第一个是关于物的信息，我们记录下各种设备的位置。
- 第二个是关于人的信息，每个人都有手机，这个手机有很多信息，我们的位置，我们每天走了多少步，我们在什么地方消费了，所有人的信息都会被收集下来。
- 第三个是环境的信息，低轨卫星的发展可以让我们收集到更多环境的信息，我们也和美国卫星采集公司合作，我们要看新疆光伏场地的信息，不需要亲自去了，用低轨卫星的照片就可以看到，每隔几天扫描一次，可以帮助我们做更高层的研究。
大数据不仅仅是讲数据多少的问题，更多是在数据的维度上扩展。
如果仅仅是行情数据，再高也就是一个类型的数据，如果我们有其他维度的信息，对我们投资的帮助会更大。一般有两类信息，一类是和企业合作的专业数据，互联网公司支付体系、运营商、商贸、物流、电力、大宗商品等企业存下来非常有价值的数据，以前没有被我们所用，现在可以把这些数据用于投资，专业的数据需要通过合作引入到投资领域中，需要做一些脱敏。
公开数据，网上都可以看见，它的挑战是什么呢？需要技术把这些数据清洗干净处理好，为我们提供了多维度的信息，同时及时性也提高了，可以通过高速的处理平台引入到我们的模型中。一个是广度，一个是速度，为我们提供了更多的投资价值。
投资科技最核心的技术是人工智能，不仅仅是技术的升级，更多是改变我们服务的模式。有了人工智能，我们可以做很多场景化的服务，精准营销可以知道某个点需要什么东西，做研究和投资也是一样的，机器可以帮助你识别一些感兴趣的东西。服务的模式也会跟以前不一样，有了人工智能以后，我们做智能投顾，完全是场景化、个性化的服务。
投资科技比较大的应用领域，投资科技比较大的应用领域，是智能投研和智能投顾，帮助大家提升效率，把基本面和量化结合来做研究，用于资产管理行业。
投资科技如何帮我们做科学投资？
很多年前记得有一门课，最核心的一点就是从艺术到科学，所有模型都是用科学的方式来做，所以招了很多学理工科的做研究员。目的就是基于一定的投资逻辑构建出模型，能够实证分析，不仅样本有效，而且样本外也可以有用。用非常严格的流程和方法来做投资，这就是早期量化投资在做科学投资很核心的点。我们做指数投资，其实就是科学投资的方法，只是用了组合投资的概念。现在发展到新的阶段，有点像组合的组合了。
随着技术的发展，量化投资的引入进入了工业时代的阶段，我们会找一个团队，有研究员，有做数据的，有做基金管理的，一个团体在科学的流程下完成投资管理任务。这个阶段有点像工业时代的流水线，整个效率大幅度提升，重复性比主动投资强很多。
现在随着数据的增加，数据化程度提升，我们已经进入了信息时代。信息时代数据这么多，存储到各种各样的资源上，如果想继续用量化的方式一个个来构建，这个工作是非常大的，在座各位积累到那个程度需要很多的精力和时间。逐渐的，我们开始要借助技术，教机器去归纳和总结，机器没有人这样的创造性思维，但可以做很多以前人所思考的东西，智能投资机器的概念越来越流行。
概括来讲，第一个阶段不需要任何设备辅助可以做投资，第二个阶段可以教机器技能，就按照你交代它的事情去做。到现在，更多是想办法教机器去学习，逐渐帮助我们提取我们所需要的知识和关系。
信息处理上，每一个研究员会面临着读很多的公告，公告作为信息的主要来源，每个研究员，无论是基本面还是量化的都会关注。每个公告来了都是一百页甚至更长，怎么样把公告的信息快速读取，这是很有考验的，但是机器可以帮助我们做文本处理，提取非常有价值的信息。
第二，所有信息来了以后有很多关联关系，人去建立这样的关系是可以的，但是精力不够，机器就可以很快建立这样的关联关系，以及用模型帮你建立起关联关系的强度。
第三是主题发现，我们经常做主题，怎么样从大量信息挖掘出新的亮点和主题，我们无法从这么多东西总结出特定的主题来，这些主题又和哪些公司有关系，这是我们很关注的，怎么样匹配出这些公司来，这是文本方面。
第四，情绪分析，一篇文本信息的情绪怎么样测算，一段语言的情绪怎么样测算，都是可以通过计算机来测算。
传统金融机构如何向科学投资转型
在这里对科学投资的一点点个人理解和大家分享。
- 第一个是在理念上要有所改变。
我们要从传统的量化投资向智能投资方向改变，不能简单靠传统研究各种各样的模型，这个模型可能有价值，但随着数据的增加，这样的工作会非常漫长。
以前的量化投资找市场共性工作流程，发展到研究某个行业、研究个股的模型，从共性到个性进行有规律的总结，每个股票也有规律。以前的模型数据比较好，IC比较高，但随着数据越来越多，数据信息准确度越来越低。要从高IC到低IC，要接受IC比较低的信号，我们要通过很多的信号来选取IC。
此外是从单点到全局的转变。原来我们看的都是定义指标，抽取每个股票单点信息，尽管组合起来，但还是不够全面，我们要从公司全貌来看。有些信息可能还需要我们做非结构化到结构化的过程，我们希望把公司更全面的去看特征。
最后是从固定模板到动态学习，原来一个模型可能是做好一直在运行，需要花很长时间修改模板，未来学习机器帮助我们动态学习和提升。
- 第二，数据的维度上要改变思考。
首先，以前的数据都是特定的数据专而精，现在要朝着全样本的角度发展，这样会更加科学更加合理。
其次，以前的数据都是定时发生，现在要从定时发生的数据到实时发生，在我们的模型中去反映出来、体现出来，要求有动态反映实时信息的能力。
再次，我们要接受低密度信息的趋势，以后很多很多的信息密度会越来越低，以前是高含金量的矿石，现在是低含金量的矿石，怎么样从里面筛取真正有价值的信息，这需要投资科技帮助我们解决。
- 第三，要关注对平台的重视。
现在所有做量化的，还是倾向于自己建量化研究系统，但随着数据的增加，计算能力需求加大，所有的都是自己建，这种可能性越来越低。未来一定要共享外部资源，帮助你做很多事情，包括计算资源、存储资源、数据资源，甚至你的信号都可以应用外面的信号，帮助你提升研究能力。
第二个是我们要接受公有云的服务，以前什么东西都是自己建设，用100个机器帮你建模型不太现实，公有云发展越来越成熟，也越来越安全。
第三个是从全方位到专业化，我们现在做投资什么都要自己弄，其实把很多精力花在不应该的地方，每个人应该专注于核心能力，业务上哪块最强就应该集中精力。互联网时代最大的变化就是能够快速共享很多资源，所以要从全方位什么都干到专注到某点共享外部资源。
最后是从产品发行的模式向场景化服务的模式转换。传统基金管理投资还是发个产品去卖去销售，未来投资者更关注这个时候需要什么，你就给我提供什么服务。就像现在卖保险，不是像以前给你一个单子去填，你在哪里买了机票，就来个延误险，这个场景就要提供服务，而且是特定的服务。半个小时要登机了，敢不敢卖这个保险。阿里巴巴的小额贷款，能够实时给你贷款，就是因为有信用评估的能力，可以根据你的需要动态给你贷款。我们做投资，未来也是逐渐朝着这个方向发展。
这就是科学投资的理解，一个是理念，一个是数据，一个是平台。
总结
最后的小结，投资科技给我们带来的帮助无外乎三个方面，
- 一是帮助我们做信息处理。
- 第二个帮助我们构建机器学习。
- 第三个可以共享知识和研究。
从科学投资来讲未来有三个阶段，大家可能可以预见：
- 第一个是提升工作效率，怎么样做到专业搜索，让你快速获取想要的信息。现在的信息不是不够，而是太多，这么多的信息里面怎么样获取精准需要的信息，这就需要我们有专业垂直领域的搜索帮助我们解决问题。我们需要借助机器帮我们处理信息。
- 第二个是帮助我们构建知识图谱和模型，真的让数据驱动我们投资，这是具有挑战的。一旦用数据驱动投资，构建这样机器的时候，那就是智能投资的阶段了。
- 最后我们有个愿景，机器人基金经理，由机器人帮助我们完成投资全流程。
据雷锋网此前报道，通联数据（DataYes）是万向集团投资成立的一家金融资讯和投资管理服务公司，该公司希望通过大数据、云计算、机器学习等信息技术，为资产管理人提供新的金融资讯和投资研究数据分析服务。该公司旗下的萝卜投研，作为基本面研究平台，主要研究怎么样把基本面和量化分析框架结合起来。此外，也有在线量化研究平台，两年前也研究了智能投顾，主要在于分析用户行为，匹配更加个性化的服务，而不是在市场上做短配置。
本文作者：温晓桦
本文转自雷锋网禁止二次转载，原文链接