“2018全球智能投資峰會”昨天結(jié)束，峰會由中國證券投資基金業(yè)協(xié)會金融科技專業(yè)委員會主辦，易方達基金、華夏基金、通聯(lián)數(shù)據(jù)、阿里云、新智元協(xié)辦，主要探討了大數(shù)據(jù)、AI等前沿技術(shù)在金融行業(yè)的應(yīng)用。中國萬向副董事長、通聯(lián)數(shù)據(jù)董事長肖風(fēng)，新智元創(chuàng)始人兼CEO楊靜女士等嘉賓做了重磅演講，本文為演講干貨集錦。

AI又一次試圖改變中國股市。

昨天，2018全球金融數(shù)據(jù)探索與發(fā)現(xiàn)大賽（FDDC）的決賽正式舉行，6支隊伍利用AI對上市公司進行營收預(yù)測和對上市公司公告進行信息抽取，探索了AI的模型算法如何改變資產(chǎn)管理的未來。

FDDC大賽是全球首場專注金融領(lǐng)域、深入投資實戰(zhàn)的技術(shù)大賽，也是“2018全球智能投資峰會”的最核心的看點之一。

“2018全球智能投資峰會”今年是第三屆舉辦，由中國證券投資基金業(yè)協(xié)會金融科技專業(yè)委員會主辦，易方達基金、華夏基金、通聯(lián)數(shù)據(jù)、阿里云、新智元協(xié)辦，主要探討了大數(shù)據(jù)、AI等前沿技術(shù)在金融行業(yè)的應(yīng)用。

在峰會上，基金業(yè)協(xié)會領(lǐng)導(dǎo)，中國證券投資基金業(yè)協(xié)會金融科技專業(yè)委員會主席、中國萬向副董事長、通聯(lián)數(shù)據(jù)董事長肖風(fēng)，新智元創(chuàng)始人兼CEO楊靜，微軟亞洲研究院副院長張益肇，百度北京大數(shù)據(jù)實驗室主任浣軍，通聯(lián)數(shù)據(jù)智能投研總監(jiān)盛元君等嘉賓做了精彩演講。

以下對嘉賓演講和決賽選手答辯做精華集錦。

AI影響投資管理行業(yè)還處于AlphaGo階段，下一階段是Alpha Zero

首先是肖風(fēng)《涌現(xiàn)論與智能投資》的演講。

中國證券投資基金業(yè)協(xié)會金融科技專業(yè)委員會主席、中國萬向副董事長、通聯(lián)數(shù)據(jù)董事長肖風(fēng)

什么是涌現(xiàn)論？

涌現(xiàn)論是一種研究方法，所謂的“涌現(xiàn)論”就是認為互聯(lián)網(wǎng)所帶來的復(fù)雜系統(tǒng)、復(fù)雜網(wǎng)絡(luò)，在一個開放系統(tǒng)的環(huán)境里面，參與者的互動會面臨很多隨機性的因素，這些隨機因素會決定事物的突變，因此這個系統(tǒng)被認為是非均衡的、不可測的。

涌現(xiàn)論對應(yīng)的是還原論，還原論的方法認為過去是能夠證明現(xiàn)在的，而且也是能夠預(yù)示未來的，并且任何事物都是有序地、結(jié)構(gòu)化地在運行，所以人們總是能夠還原它。

人們現(xiàn)在熟悉的投資管理的理論，大部分都還是基于還原論建立起來的。但是AI時代可能會讓人們在涌現(xiàn)論的方法之下，來重構(gòu)投資管理一整套的理論。

“所以AI必將在某一年，真正給我們資產(chǎn)管理行業(yè)帶來很大的顛覆。”

肖風(fēng)認為，AI影響投資管理行業(yè)可以分成兩個階段，借用人機圍棋大賽來比喻，就是從AlphaGo到Alpha Zero的階段。

AlphaGo階段，AI起到的作用有三點：

幫助人們進行海量數(shù)據(jù)的處理和另類數(shù)據(jù)的獲取以及另類數(shù)據(jù)的分析；

利用知識圖譜、自然語言理解、智能搜索等等工具，提升人們的能力；

輔助分析員和基金經(jīng)理，將人的能力的加強。

第二個階段是AlphaZero。這一階段AI注重強化學(xué)習(xí)、深度學(xué)習(xí)、遷移學(xué)習(xí)，從宏觀經(jīng)濟、基本面、市場情緒、交易指標(biāo)四個方面，解構(gòu)并重構(gòu)整個市場，以“預(yù)測性”和“決策性”表達機器的觀點。

肖風(fēng)認為，AlphaZero階段是未來五年到十年會出現(xiàn)的一個新的階段。

而AI未來可能對投資管理行業(yè)帶來的影響有三個層次：行業(yè)變革、商業(yè)變革和整個資本市場。

以行業(yè)變革為例，如果將來智能投資技術(shù)成熟，有一天人們會看到智能投資可能會取代被動投資，在AI等技術(shù)的幫助之下，行業(yè)重歸主動投資。

未來已經(jīng)到來。

在過去的兩年時間里面，大量的人工智能科學(xué)家都加入到了金融行業(yè)，這批名單包括NASA首席數(shù)據(jù)科學(xué)家加盟貝萊德，微軟首席人工智能學(xué)家鄧力加盟citadel，華盛頓大學(xué)計算機教授Pedro Domingos加盟DE shaw，卡耐基梅隆大學(xué)計算機系主任Manuela Veloso加盟摩根大通。

這一名單還會加長。

AI摩爾定律造就偉大公司，產(chǎn)業(yè)生態(tài)投資將成王道

經(jīng)濟是技術(shù)的反映，AI底層技術(shù)將深刻改變商業(yè)和投資格局。

OpenAI今年5月發(fā)布的“AI與計算”的分析報告顯示：自2012年以來，在最大的AI訓(xùn)練運行中所使用的計算力呈指數(shù)增長，每3.5個月增長一倍，相比之下，摩爾定律的翻倍時間是18個月。自2012年以來，AI算力指標(biāo)已經(jīng)增長了30萬倍以上。

新智元創(chuàng)始人兼CEO楊靜在演講中指出，由于半導(dǎo)體設(shè)備廠艾斯摩爾（ASML）確認1.5納米制程的發(fā)展性，這使得支撐摩爾定律延續(xù)至2030年，AI的摩爾定律有著硬件支撐基礎(chǔ)，因此還會有持續(xù)增長的潛力。

新智元創(chuàng)始人兼CEO楊靜女士

另外，我們當(dāng)前處于量子計算爆發(fā)前夜，量子計算可能在數(shù)十年內(nèi)將成主流，目前，百度、阿里、騰訊、華為都在布局量子計算業(yè)務(wù)。未來社會將進入從移動互聯(lián)網(wǎng)走向超級云計算和萬物智聯(lián)網(wǎng)的階段，這將為總體算力提供上億倍的增長速度，也是支撐AI摩爾定律的強大動力。

AI摩爾定律反映到企業(yè)上，行走在AI摩爾定律下的企業(yè)與行走在摩爾定律下的企業(yè)有著截然不同的表現(xiàn)。

不到1萬名員工的英偉達三年前的股價徘徊在20美元左右，如今已經(jīng)漲到249美元，三年翻了十倍，它崛起的背后是龐大的AI算力需求。而老牌芯片廠商英特爾擁有近10萬名員工，人均產(chǎn)能卻低于英偉達。

“摩爾定律造就英特爾，AI摩爾定律造就英偉達?！睏铎o指出。

在AI生態(tài)構(gòu)建中，云的能力很重要，全球排名前5的科技公司，如亞馬遜、谷歌、微軟等，都要轉(zhuǎn)型成AI云公司。

谷歌云：39億美元巨額投資AI，建立龐大AI生態(tài)圈。

軟硬件+開源框架定制體系→聚攬?zhí)煜掠⒉拧茉忑嫶蟮?a target="_blank">開發(fā)者社區(qū)生態(tài)圈。

亞馬遜云（AWS）：構(gòu)建AI云生態(tài)閉環(huán)。

AWS是全球公共云市場的領(lǐng)導(dǎo)者，憑借其可擴展性和全面的平臺服務(wù)，AWS是開發(fā)和部署云和AI應(yīng)用最領(lǐng)先的云環(huán)境之一。采取開發(fā)者&企業(yè)客戶兩者并重的策略，目前占據(jù)市場第一份額。

微軟AI云：主打企業(yè)客戶市場，多種AI服務(wù)組合。

微軟在商業(yè)環(huán)境中擁有大量客戶，也有豐富的云+AI服務(wù)組合，讓微軟成為AI云市場的佼佼者。尤其是在企業(yè)客戶市場，微軟堅持使用Windows，Office 365或Dynamics 365等產(chǎn)品扎根全球生態(tài)市場。

具備大量數(shù)據(jù)，這些數(shù)據(jù)流可以用于訓(xùn)練機器學(xué)習(xí)算法和構(gòu)建神經(jīng)網(wǎng)絡(luò)。

以后人類會進入什么樣的階段呢？楊靜認為未來會從移動互聯(lián)網(wǎng)的階段走向超級云計算和萬物智聯(lián)網(wǎng)的階段。在這樣的背景下，2018年做AI投資最核心的是要從散戶投機到產(chǎn)業(yè)生態(tài)投資，擁有軟件、硬件、核心技術(shù)、生態(tài)系統(tǒng)的公司可成為“富可敵國”的投資巨頭。

目前，從BAT、華為，到谷歌、微軟，都在圍繞著深度學(xué)習(xí)AI云的軟硬件系統(tǒng)，打造未來的開發(fā)者生態(tài)體系，也是合作的生態(tài)。以華為為例，華為的安卓綠色聯(lián)盟就有50萬的開發(fā)者，華為每一臺手機更新到新版，需要1.2億行代碼，其中華為做一半，谷歌做一半。

具體到AI對金融領(lǐng)域的影響，楊靜認為，未來人工智能在保險、證券等領(lǐng)域還有大量場景可以挖掘，例如信用評估和智能賠付等等。

AutoDL用深度學(xué)習(xí)來設(shè)計深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，幫中小企業(yè)降低AI使用成本

AI在逐步改變著金融業(yè)，但是企業(yè)應(yīng)用AI也面臨著不少問題，最主要的問題就是成本。

以ImageNet挑戰(zhàn)為例，隨著時間的推移，人們在ImageNet上的錯誤率越來越低，這背后的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)也越來越復(fù)雜，對設(shè)計師的要求也越來越高。

對于一個初創(chuàng)企業(yè)來說，很難找到世界頂級的算法工程師來幫助設(shè)計網(wǎng)絡(luò)，并且現(xiàn)在GPU集群也越來越貴，如果想打造一支強大的算法團隊，企業(yè)需要一個強大的工程團隊，需要有硬件、軟件支持。

小企業(yè)如何擁有自主設(shè)計神經(jīng)學(xué)習(xí)網(wǎng)絡(luò)的能力？

浣軍教授今年年初加入百度任大數(shù)據(jù)實驗室主任，重點研究基于大數(shù)據(jù)的基礎(chǔ)算法和機器學(xué)習(xí)、數(shù)據(jù)挖掘、知識發(fā)現(xiàn)等技術(shù)。在百度，浣軍教授主要負責(zé)百度AutoDL的研發(fā)。

百度北京大數(shù)據(jù)實驗室主任浣軍

AutoDL的目標(biāo)是用深度學(xué)習(xí)來設(shè)計深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，從而達到深度學(xué)習(xí)網(wǎng)絡(luò)設(shè)計定制化、自動化、便捷化。AutoDL包含了3個方向：

AutoDL Design: 自動設(shè)計全新的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)

AutoDL Transfer； 遷移原有的網(wǎng)絡(luò)至新的應(yīng)用

AutoDL Adaptation： 針對不同的端，例如手機， 將網(wǎng)絡(luò)結(jié)構(gòu)進行優(yōu)化

目前，AutoDL設(shè)計的網(wǎng)絡(luò)在公共測試集 CIFAR 10超過絕大多數(shù)人類專家設(shè)計的網(wǎng)絡(luò)效果；與百度EasyDL團隊合作，通過網(wǎng)絡(luò)優(yōu)化+遷移學(xué)習(xí)，在所有測試的樣例中均可以提升效果，分類正確率絕對值提高5%～10%；AutoDL設(shè)計優(yōu)化的網(wǎng)絡(luò)在手機端等資源有限環(huán)境下的部署，模型參數(shù)下降6～10倍， 預(yù)測時間減少3～6倍， 模型準(zhǔn)確率幾乎不變。

AI解決投研三大痛點，聯(lián)邦遷移學(xué)習(xí)解決AI數(shù)據(jù)困境

通聯(lián)數(shù)據(jù)智能投研總監(jiān)盛元君在演講中提到，AI等技術(shù)的出現(xiàn)驅(qū)動眾多機構(gòu)利用Fintech重構(gòu)業(yè)務(wù)模式，人工智能在某些問題上的效率速度上優(yōu)于人工。

通聯(lián)數(shù)據(jù)智能投研總監(jiān)盛元君

總體而言，人工智能時代技術(shù)發(fā)展解決投研三大痛點：決策過程與邏輯統(tǒng)一、提高信息收集和處理的效率、系統(tǒng)化應(yīng)用提高管理能力。

要實現(xiàn)智能投資研究能力體系的構(gòu)建，不是單純的數(shù)據(jù)整理就可以實現(xiàn)，通聯(lián)數(shù)據(jù)通過數(shù)據(jù)整合-技術(shù)處理-金融投研深度模型化-投研應(yīng)用-協(xié)同應(yīng)用等五個方面，逐步實現(xiàn)投研服務(wù)能力體系的搭建。

微軟亞洲研究院副院長張益肇講到了用AI助力數(shù)字化轉(zhuǎn)型，提供精準(zhǔn)金融服務(wù)。

微軟亞洲研究院副院長張益肇

數(shù)字化轉(zhuǎn)型有四個大方向，更好地與客戶互動、激勵員工、運作優(yōu)化、轉(zhuǎn)型產(chǎn)品。比如說，金融行業(yè)已經(jīng)有越來越多的公司用AI幫忙分析股票或與客戶互動。

以客戶互動為例，微軟智能云能夠分析人的表情，然后判斷人類的情緒。小冰是強調(diào)跟用戶情感聯(lián)系的機器人，因此小冰這種情感聯(lián)系機器人的對話在與客戶互動中感知客戶情感。

張益肇透露了一組數(shù)據(jù)：小冰跟用戶的對話逐漸的增加，跟用戶的對話多到23個來回，一般的數(shù)字助理通常一兩個來回就結(jié)束了。

美國世紀投資首席投資官Vinod Chandrashekaran認為，投資管理領(lǐng)域正在經(jīng)歷一個代際轉(zhuǎn)變，主要變現(xiàn)在Alpha變得越來越難以提取，但好的一面是，數(shù)據(jù)和技術(shù)也在迅速發(fā)展，大數(shù)據(jù)越來越多地用于搜索Alpha，技術(shù)也成為了一個Alpha的引擎。

美國世紀投資首席投資官Vinod Chandrashekaran

不過，在技術(shù)的大發(fā)展之下，未來投資管理將繼續(xù)風(fēng)格趨同，傳統(tǒng)的管理者將尋求利用技術(shù)提高效率，量化基金經(jīng)理將越來越需要獲取非傳統(tǒng)的數(shù)據(jù)來源，以保持其投資優(yōu)勢。

數(shù)據(jù)對金融乃至AI的發(fā)展至關(guān)重要。國際人工智能聯(lián)合會（IJCAI）理事會主席楊強教授認為，大數(shù)據(jù)驅(qū)動下的AI，面臨兩大困境：一是隱私、安全和監(jiān)管困境，另一個是小數(shù)據(jù)、弱監(jiān)督困境。

國際人工智能聯(lián)合會（IJCAI）理事會主席楊強教授

針對第一個困境，楊強教授提出聯(lián)邦學(xué)習(xí)（Federated Learning），聯(lián)邦學(xué)習(xí)是在保護數(shù)據(jù)隱私、滿足合規(guī)要求的情況下出現(xiàn)的機器學(xué)習(xí)趨勢，主要目的是在數(shù)據(jù)不共享的前提下，利用雙方的數(shù)據(jù)實現(xiàn)模型增長。

針對第二個困境，楊強教授認為遷移學(xué)習(xí)是解決的方法。以斯坦福大學(xué)為聯(lián)合國做的在衛(wèi)星地圖中標(biāo)記非洲大陸貧困地區(qū)為例，在過去，做法是派人去現(xiàn)場進行經(jīng)濟調(diào)查，斯坦福大學(xué)用到了遷移學(xué)習(xí)的方法來解決問題。

研究人員先對白天的衛(wèi)星圖片進行語義級別的分割，標(biāo)出橋梁、建筑物等，接著以夜間燈光明亮度表示地區(qū)的經(jīng)濟發(fā)達程度，第三步是根據(jù)勾畫出來的地區(qū)做一個拓展，最后在識別貧富程度上達到和現(xiàn)場調(diào)查人員相近的準(zhǔn)確率。

全球首場金融領(lǐng)域AI大賽終極對決，10支隊伍瓜分百萬獎金

“2018全球智能投資峰會”上重磅的環(huán)節(jié)還包括2018全球金融數(shù)據(jù)探索與發(fā)現(xiàn)大賽（FDDC）決賽。

FDDC是全球首場專注金融領(lǐng)域、深入投資實戰(zhàn)的技術(shù)大賽，由中國證券投資基金業(yè)協(xié)會（以下簡稱“基金業(yè)協(xié)會”）金融科技專業(yè)委員會主辦，易方達基金、華夏基金、通聯(lián)數(shù)據(jù)、阿里云共同承辦，旨在挖掘更多頂尖算法人才將全球先進的大數(shù)據(jù)、云計算、人工智能等科學(xué)技術(shù)應(yīng)用到金融行業(yè)和資產(chǎn)管理行業(yè)，提升行業(yè)對科技的應(yīng)用和實踐能力，打造科技創(chuàng)新服務(wù)資產(chǎn)管理行業(yè)的新生態(tài)。

本次大賽包含兩大極具代表性的賽題：上市公司營收預(yù)測和上市公司公告信息抽取，大賽共吸引全球4231支隊伍、共計4804名選手參與，參賽人員多來自北京大學(xué)、浙江大學(xué)、上海交通大學(xué)、斯坦福大學(xué)、MIT、牛津大學(xué)等眾多海內(nèi)外知名院校。

經(jīng)過初賽和復(fù)賽兩輪評比，每個賽題分別選拔出五支隊伍進入決賽，并分別評選出前三名給予獎金鼓勵，獲獎團隊還可獲得全球頂尖金融及科技公司高管的直聘機會。

歷時3個多月，4231支隊伍經(jīng)過線上初賽和復(fù)賽，共有10支隊伍進入決賽，于8月29日在北京進行現(xiàn)場答辯，8月30日，兩道賽題的前三名共6個團隊參加了終極對決。

比賽結(jié)果是：

賽題一（上市公司營收預(yù)測）

第一名：Alassea lome團隊

第二名：Quant_duet團隊

第三名：智能金融團隊

大賽評委之一，香港科技大學(xué)副教授、惠理投資中心副主任尤海峰點評：

尤海峰

智能金融團隊根據(jù)財務(wù)報表相互關(guān)聯(lián)的特點，創(chuàng)造性的把GPDT和DNN兩種算法結(jié)合起來，先用GPDT的算法自動的構(gòu)造組合特征，在此基礎(chǔ)上結(jié)合DNN深度學(xué)習(xí)的方法進行預(yù)測，取得了很好的效果。

FDDC大賽上市公司營收預(yù)測賽題第三名智能金融團隊

Quant duet團隊首先把財務(wù)數(shù)據(jù)進行了拆分，把歷史的營收和其他的財務(wù)數(shù)據(jù)給分割出來，剔除了歷史營收的財務(wù)數(shù)據(jù)，構(gòu)建了多因子的預(yù)測模型，然后又把單獨拿出來的歷史營收數(shù)據(jù)和市場數(shù)據(jù)相結(jié)合，用一個全連接網(wǎng)絡(luò)深度學(xué)習(xí)的模型做預(yù)測，最后把兩個預(yù)測模型給整合起來。

FDDC大賽上市公司營收預(yù)測賽題第二名Quant duet團隊

這種數(shù)據(jù)拆分其實是提高了兩個模型的獨立性，從而在整合的時候、融合的時候能夠達到分散錯誤的效果。

Alassea Lome團隊展現(xiàn)了機器學(xué)習(xí)算法和領(lǐng)域知識很好結(jié)合起來的能力。首先他們對數(shù)據(jù)做了很好的理解、很好的處理和去噪音各種各樣的處理，然后根據(jù)他們對不同類型的公司理解，在特征選擇上和算法選擇上都進行了個性化的處理，從而達到很好的預(yù)測效果。

FDDC大賽上市公司營收預(yù)測賽題第一名Alassea Lome團隊

回到賽題上來講，公司營收反映了公司的指標(biāo)和公司管理層的行為，如果我們能夠再更深的層面上，把金融科技、機器學(xué)習(xí)算法和相關(guān)的經(jīng)濟與會計的原理進行更深層次的融合的話，能夠有更好的結(jié)果。

目前不管是從業(yè)界也好，還是學(xué)術(shù)界也好，還是處于比較早期的階段。隨著行業(yè)知識圖譜的建立，我們會在融合方面可能會做得更好，并取得更大的進展

賽題二（上市公司公告信息抽?。?/p>

第一名：GOGOGO團隊

第二名：Heisenberg團隊

第三名：Miyabi團隊

最具創(chuàng)意極客獎：東風(fēng)又綠江南岸團隊，智能ABC團隊；

最具潛力極客獎：KingofWind團隊，ASD123團隊；

通聯(lián)數(shù)據(jù)CEO王政點評上市公司公告信息抽取賽題復(fù)賽前三團隊：

王政

Miyabi團隊用表格和分類的方法來抽取，能夠快速抽取結(jié)果；分類的方法能判斷哪些可以抽取。

FDDC大賽上市公司公告信息抽取賽題第三名Miyabi團隊

Heisenberg團隊有兩個亮點：1、有實用價值的系統(tǒng)架構(gòu)，能很快用到工業(yè)界。2、在實體識別的方法比傳統(tǒng)的有很大提升。

FDDC大賽上市公司公告信息抽取賽題第二名Heisenberg團隊

GOGOGO團隊把不同公告的問題找到了一些共性的知識結(jié)構(gòu)，能快速把復(fù)雜問題降維。另外，通過章節(jié)的識別提升效率。

FDDC大賽上市公司公告信息抽取賽題第一名GOGOGO團隊

王政表示，通過這次FDDC大賽，信息抽取得到了新的發(fā)展，但是以后問題會越來越難、越來越多，會有更多的文本、語音、圖像等信息需要處理，期待更多算法專家加入金融行業(yè)，推動金融科技發(fā)展。