人工智能将彻底把人从交易中解脱顺水鱼财经

文/特约记者 沈秋莎

他，三年内在斯坦福大学拿下一个博士、三个硕士，完成了普通人眼中不可能完成的任务。他，在PIMCO担任投资经理，所在的5人小组，共同掌管了200亿美元的资金。他，29岁登上' target='_blank' >福布斯榜，2016年初被评为30位30岁以下在金融领域改变游戏规则、改变世界的年轻人之一，也是入选30人中唯一的中国人。

在工作五年之后，他走上了创业之路。雄心勃勃的他将人工智能和大' 数据应用到金融领域，欲开启金融大数据时代。他，就是Abundy的创始人邹昊。

创业如马拉松

邹昊出生在四川，在无锡完成了小学和初中的学业，并在上海读高中，后又赴清华读大学。抑或是受到知识分子家庭影响，邹昊的学业历来顺风顺水，他在大三时，顺利从清华转校至斯坦福，并在那里读完了本科。他在斯坦福看到形形色色的“老学生”，读博数年甚至十年却迟迟不能毕业。这对他触动颇大，让他决定在读本科时就对学业做了详尽的规划。

2008年，他被电子工程专业的硕博连读项目录取，并拿到了全额奖学金。与此同时，他还见缝插针地利用时间，在3年里完成了经济学硕士和MBA学位。也就是因为这个炙手可热的MBA学位，让他在博士二年级时失去了全额奖学金，并背上了沉重的贷款。原来，邹昊被MBA专业录取后，其属性便自动归入了' 商学院名下，MBA通常是不发放奖学金的，而这一学院属性的变化，也让他失去了电子工程系的全奖，经济陷入了窘境。好在导师为他提供了助研的工作，但微薄的收入并不足以维持所有的学费和生活费。为了化解经济压力，他也只能以最快的速度完成学业，参加工作。邹昊对记者说，他毕业时候背了一身的债务，当时一心想着早日毕业，自食其力，偿还贷款。塞翁失马，焉知非福，经济上的压力也促使他在3年内拿下了3个硕士，1个博士，完成了常人眼中几乎不可能完成的任务。

2011年博士毕业后，邹昊顺利进入PIMCO担任投资经理，很快便还清了助学贷款。谈及创业动力，邹昊说，斯坦福大学素有创业传统，毕业后先入职大公司，积累一点经验，拿到绿卡在' 美国站稳脚跟后，再行创业自是水到' target='_blank' >渠成。

与传统印象中的“书虫”不同，邹昊热爱体育运动，空闲时会玩轮滑和滑板。早年在清华时，就跑过马拉松全程。他说，创建公司就像跑马拉松一样，路遥知马力。他希望公司能够取得成功，带动产业发展，填补空白。

当记者问及，对现在年轻人有什么建议时，他说，永远不要放弃自己的理想。一些看起来遥不可及的事物，尝试一下，努力过了，就会离目标更近。

邹昊的 Abundy目前尚处于起步阶段，采用扁平化的管理模式（Flat），雇员不到10人，意在改变大公司人浮于事的局面，遵循以一当十的精英化管理。目前公司的客户以中美两国为主。整个团队的背景非常国际化，并在硅谷和旧' target='_blank' >金山都设有办公室。

融资对每个初创公司来说都尤为重要。邹昊向记者表示，他尽量用自己的积蓄来保持公司的运转，当然他的导师' target='_blank' >约翰·西菲（John cioffi）博士，数字用户线路之父(digital subscriber line)兼天使投资人也向其公司注入了资金。真格基金的创始人' target='_blank' >徐小平，IDG及创新工厂的合伙人等也陆续向他递来了“绣球”，愿意投入初期资本。因此，即便是初创阶段，Abundy并不差钱。邹昊表示，公司采用阶段化融资，不希望一次性注入太多资金，走稳每一步，避免过快扩张。

大数据抢占先机

Abundy的名字源于英文单词“Abundant”，意为富饶的，充裕的。邹昊对记者说，他的公司主要依靠人工智能，开发大数据，提高数据分析的速度，从而提升整个' 金融行业的效率。因此，他希望公司的业务也能够“实至名归”地为专业机构和个人投资者提供充裕的数据支持。

邹昊说，在人工智能时代到来前，基金公司大多为效率问题所扰。一个' 股票 分析师，一人最多同时盯10个公司股票 ，还要对其财报，以往' 业绩做大量研究，费心费力。市场上的股票 繁多，如果每一只股票 都要潜心研究再做抉择，恐跟不上市场变化，比如，钢铁业萎靡，煤炭产量过剩，制造业表现如何？这样一个问题，分析师需要通过对数据进行统计，然后推算。几周后才会出结果，冗长的计算过程，往往会令投资者错失“先机”，因此，基金公司不得不雇用大量分析师处理数据。

随着金融科技的发展，“先机”对于市场的重要性日益凸显。高频交易和量化交易都是抢占市场先机的集中体现，而这些交易都离不开大数据的支持，其意义更在于预知性。通过数据处理，可以提前预知一些宏观经济的问题，比如，一、二、三线城市的' 房地产是否过热，数据处理的结果能帮助投资机构和地方政府的宏观政策制定者提前调整布局，或发布应对政策，而不是等到房产过热后，再忙不迭地进行“去库存”。

大数据的另一个意想不到的优点是“节流”。每个分析师的年薪，动辄几十万美元，高手百万年薪也屡见不鲜，是一笔庞大的人事开销。人工智能的大数据软件，在网上抓取数据，自动分类，并将相关行业数据归类。原来需要几周完成的分析报告，依靠这类大数据处理，几分钟便有了结果，既节省了人力成本，又提高了投资效率。同时，软件还会对风险做出深入分析，列举需要对冲的风险项目，颇具借鉴意义。目前，一些中国投资机构仍旧凭小道消息、直觉进行操盘，其判断误差极大。通过大量数据分析后，人工智能可检测出市场的欺诈信息，比如，公司估值过高或企业财务作假等。这些在复杂的计算后，便会原形毕露，从而为投资机构挽回不必要的损失。据悉，此类软件平台专门面向基金公司、'私募股权投资（PE）和大型企业的投资部门。

在人工智能普及前，金融从业人员将其发现的规律写入程序中，计算机则根据程序自行交易。若该程序赚钱，说明发现该规律的人并不多，但时过境迁，当越来越多的人发现该规律，同样的程序，在投入交易后，会越挣越少。市场趋于更高效后，基金经理不得不去发掘新的规律，写出新的程序来投入交易。这类交易程序虽然由计算机完成，但人在这过程中仍然扮演了至关重要的角色。 但当AlphaGo取得成功后，让金融科技从业者看到了新的曙光，人工智能几乎彻底地将人从交易中解脱出来。计算机可通过庞大的数据，自行分析规律，发掘规律。这也将人工智能推向了一个新高度。

AlphaGo的原理是计算机通过深度学习（Deep leaning）海量数据，不断地计算，分析走棋规律，并不间断生成海量棋谱的过程，相较于人脑，计算机不知疲倦，计算和处理数据的能力也远超人脑，这也解释了为什么AlphaGo能击败世界最顶尖围棋选手李世石。这场特殊的比赛也被升级到了“电脑能够超越人脑”的高度。赛后，李世石说：“这只是我个人输了，并不是全人类。”诚然，AlphaGo 的程式已相当惊人，但若李世石下出AlphaGo计算以外的变化，程式即可会出现混乱，甚至是故障，毕竟，人工智能也非“万能解药”。

把问题放到股票 市场，计算机通过成千上万的证券和经济数据，自我发掘规律。当然也有计算机无法识别的假规律，基金经理还需要人为把关，将资源进行再次优化分配，去其糟粕，取其精华。

与此同时，过度拟合(Overfitting) 也是人工智能面临的另一个技术瓶颈，尽管计算机可以不知疲倦地进行计算，分析规律，但若数据样本有限、更新过快或样本参数过于复杂，就会出现偏差。计算机程序只能对当前的数据库进行分析，找出规律，一旦投入实战交易，遇到超出其演练的数据样本或新数据时，其表现往往会低于预期。

此时，不得不人为介入，对程序进行修正。众所周知，金融市场复杂多变，深度学习得来的模型在多变的市场中有效性很短，稳定性欠佳。随着市场的调整和变化，其有效性转瞬即逝。市场里鲜有一成不变的套利规律，当更多的人发现了同一个套利规律后，该规律便成为公开的秘密，也就不那么赚钱了。因此，在瞬息万变的市场不断涌现新数据时，为保持稳定性，人工智能系统不得不一次次地吸纳新数据，进行新的深度学习，以维护其有效性。当然，这也对硬件设备和计算机资源要求极高，深度学习的过程势必对计算机资源造成巨大的消耗，从侧面增加了金融机构的运行成本，这也是目前许多基金公司仍偏向于使用人工开发的规律进行交易的原因。如何解决过度拟合(Overfitting) 问题，让人工智能变得稳定有效，也成为包括Abundy在内诸多金融科技公司的挑战。

考虑到计算机的种种局限性，人工智能通过大数据的分析能力未必能与顶尖的分析师媲美，但当金融数据趋于完备，邹昊期望人工智能可以至少达到中等分析师的水平。通过计算机对数据的快速分析处理，再结合市场规律和分析师的经验，人工智能能更快速、有效地制定金融策略。届时，只有一些顶尖的团队和机构才能打败金融科技（Fintech），那些人云亦云者，在高科技面前，只能甘拜下风。他进一步举例说明，这就好比Google的无人驾驶汽车，无人驾驶技术的目标并不是超越赛车手' target='_blank' >舒马赫，但只要拥有普通' 大众的驾车技术，便足矣。

重建金融业格局

自上世纪90年代末期起，随着科技金融的迅速崛起，美国乃至全球的传统金融行业受到严重冲击。首当其冲的是网上金融转账和商品交易，美国Paypal、Stripe、Square等支付平台的横空出世，使得一部分人改变了银行转账、' 信用卡支付的传统消费习惯，原有的金融业务逐渐被分流。金融科技乘胜追击，以其便捷、相对低廉的手续费等优势，受到消费者青睐，其实力不容小觑。

接着，' 互联网基金产品也逐渐在市场上崭露头角，美国的Barclays Global Investors等企业的 ETF产品对传统银行发行的共同基金和理财产品盈利模式构成威胁。而在中国，余额宝的风靡还一度影响了传统银行储蓄贷款利差的利润。如何守住消费者那颗“见异思迁”的心将成为这些银行面临的新课题。

人工智能等高端金融科技近两年的飞速发展，更使一些原本捧着金饭碗的传统金融行业从业者逐渐褪去昔日的光芒。邹昊对记者说，为降低人力成本，许多机构已开始采用人工智能、大数据为基础的自动化资产管理软件和平台。

量化金融交易的重点，是分析以往的金融数据，摸出市场规律，并将市场参与者的理性行为量化成金融模型，以此挖掘市场的非理性行为进行套利。随着' 信息技术的发展，金融市场透明度日益提高，信息的传播速度更快，范围更广，因此，非理性现象的存续时间也越来越短，发掘的难度也随之提高。未来的量化交易将越发地依赖于对大数据的分析处理和低延迟性的交易执行（low latency trading），这也是大多数对冲基金未来的发展方向。

邹昊向记者表示，金融危机与' 全球股市大幅震荡，使得全球金融企业更重视风险的控制，这也侧面增加了量化' 投资策略分析的需求。在挤压传统金融行业的同时，为自动化的运用和人工智能技术带来了新的发展机遇。运用人工智能和大数据技术提升大型金融机构的投资分析能力和风险管理效率将成为金融科技未来的发展趋势。美国对' 互联网金融严苛的监管，也为金融科技的发展提供了良好的环境，使其能专注于科技研发，提高金融运作效率，对整个行业发展具有颠覆性的意义。