从去年开始，美联社便开始使用 WordSmith 软件进行内容生产，平均每月能完成 1000 篇稿件的写作。
随着人工智能技术和大数据近两年的发展，计算机软件对海量互联网信息的处理和匹配越来越精确，并且整个过程也愈发智能和高效。
即便是在复杂多变的金融领域，这样的案例也为数不少。
2008 年，第一个以人工智能驱动的基金 Rebellion 预测了当年的股市崩盘；时隔一年， Rebellion 又比惠誉评级提前一个月给了希腊债券 F 评级，而当时惠誉的评级仍然为 A。
就像 Google 当年给搜索领域带来的冲击那样，位于美国马萨诸塞州的公司 Kensho 就通过程序化分析的方式来预测标普 500 指数每周走低的情况。你只需在简单的文本框里输入问题就能获得靠谱的商业投资建议。
正如 Kensho 的 CEO Daniel Nadler 所言，他们想要将今日市场的一些专业知识交到大众手中，而此前仅仅只有一些顶尖级的对冲基金和银行使用这些专业知识来利用短期的市场无效赚取大量利润。
金融数据分析技术的成熟，也催生了「自动化投资服务」这一模式也在美国兴起。
2011 年成立的 Wealthfront 已经帮助一大批硅谷科技公司解决他们的投资需求，累计掌控的资产超过了 26 亿美金。
在美国，越来越多的年轻人选择让智能平台帮他们打理资产，其中很大一部分原因要归结于互联网平台的便捷和低价。
除此之外，大数据和人工智能究竟给传统金融带来了哪些变化呢？照此发展，基金经理这样的金饭碗也会被计算机所替代吗？
机器分析如何减少投资亏损？
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。
于是，在投资管理中，非传统的机器分析手段被越来越多的引入，而在一些实际的案例中，基于大数据和人工智能的投资分析也将原本人工分析带来的亏损降到了最低。
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。
而在国内，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」，以及近日腾讯自选股和嘉实基金合作发布的 「腾讯自选股大数据策略组合」。
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。
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。
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。
基金经理会丢掉饭碗吗？
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。
在腾讯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。
腾讯自选股大数据策略组合的统计显示，虽然市场经历了两次暴跌，截至 10 月 23 日，该组合今年以来涨幅仍有 118%。
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。
对此，嘉实基金副总经理李松林认为：
「（机器分析）短期内还不至于让基金经理丢饭碗。但应用大数据分析已经开始分担一部分基金经理的工作。比如替代传统行业调研，利用信息技术扩大调研范围，降低人为因素影响。」
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。
本文作者：佚名
来源：51CTO