来源：《巴伦周刊》（barronschina）
文|安德鲁·威尔士（Andrew Welsch）
编辑|曹妍
人类会“爱上”一只股票，但机器不会，它们只是在寻找可重复的模式。
人工智能领域专家、Voya（VOYA）投资管理公司机器智能部门联席主管加雷斯·谢泼德（Gareth Shepherd）对人工智能的潜力感到兴奋，认为这项技术的新用途正爆发出强大增长势头。不过，这并不意味着他将人类丢进历史的“垃圾箱”，距离（人工智能取代人类人类）还有很远。
“人类加上机器，可以打败最优秀的个体或是机器。” 加雷斯·谢泼德表示。
谢泼德帮助监督和实施资产经理对人工智能的使用。Voya利用技术协助投资组合经理识别和调整跨越多个资产类别的策略。“我们认为这.NETflix/Blockbuster突变时刻——那些不采用（人工智能）工具公司将被采用工具的企业击败。”谢泼德说。
Voya的“半人半人工智能”投资方法似乎正在取得成果。Voya数据显示，Opportunistic U.S． Equity Strategy自2020年8月1日启动，截至6月30日年化回报率达到21.2%。相比之下，标普500指数的年化回报率为12.9%。截至3月31日，Voya基金管理的资产规模为340万美元，而由机器智能策略管理的资产总额约为10亿美元。
谢泼德在澳大利亚新南威尔士大学（University of New South Wales）获得博士学位，毕业后与他人共同创立了伦敦投资管理公司G Squared Capital。2020年，Voya购买了该公司的技术并聘请其创始人（谢泼德）。
《巴伦周刊》与谢泼德讨论了人工智能对投资组合管理意味着什么、人工智能技术的常见误解，以及为何人工智能是与人类一起工作而非取代人类。
人们对人工智能有哪些误解？
缩略词越小，被误用的情况就越严重。人们应该是指将机器应用于需要智能的任务——要么是高级分析，要么是模式识别。作为机器，它不是通过人类硬编码来完成工作的，而是直接分析数据，然后按照规则运行。
我们并不一定认为机器完成这些任务比人类更加出色；它只会犯更少的错误——即使IBM深蓝（Deep Blue）在1997年击败了国际象棋大师加里·卡斯帕罗夫（Gary Kasparov），他也打趣说，机器没有赢，而是他输了。
人类可能会为一只股票着迷。但是机器不会“坠入爱河”，它们只是寻找可重复模式。
那么，人工智能如何改变投资组合管理呢？
人工智能的使用方式并不完全是我们经常讨论的模型。这套人工智能的突破，将使几乎每个白领职业都拥有自己的数字助理，将其比喻成“副驾驶”不错。
回想一下20世纪50年代的航空公司。过去，飞机驾驶舱需要五六个人（操作）；现在，飞行管理系统已经剥离了那些（人为操作）职能，而飞行更加安全。但如果出了什么差错——比如飞机起飞并撞到了一群鸟——那么你会希望“萨利机长”在驾驶舱内。
这对于投资组合管理意味着什么？
投资组合经理希望迅速产生创意，这将是人工智能的潜在用途。他们可能希望根据危险信号评估其投资组合的风险。比如“我错过了什么？”也许我喜欢SVB（现已倒闭的硅谷银行母公司），但人工智能提供了超出我正常视野的观点分析，现在我会想：“好吧，让我们进行更深入的审查。”
Voya建立了一个生态——囊括20多个虚拟分析师——如果你是拥有5到6个人类分析师的投资组合经理，那么现在你可以使用一群虚拟助理。你仍然可以做出决定，但我们提供了一个更好、更快、更强大的系统。
可以举例解释下吗？
有趣的是它现在的框架，因为如果人工智能做得更好的话，那么为什么还要使用人类？实际上，这种情况基于大数据才能适用。人工智能（利用大数据集）完成（人类无法达成的）非常复杂的事情。例如，我不可能在某一天通过医疗资格测试，第二天又通过律师资格考试。
但在金融领域，我们没有大数据，充其量只是中小数据集。而对于小数据集，你需要以非常不同的方式处理它，而且不能仅发布一堆人工智能工具。至少，你需要传输数据并且为其附加大量价值。这意味着，投资组合经理的专业知识非常重要。
我们所做的就是将这些知识编入数据库，不是将花哨的人工智能插入原始数据，而是手动将数据整理成有意义的公司特征——基金经理们买股票吗？自由现金流是多少？与同行相比，其市盈率如何？
机器可以学习预测未来表现优异的模式。但你能看到，人类在管理数据方面扮演着非常重要的角色。为了充分发挥人机结合的价值，你需要有人在（机器模式）循环中观察投资组合，并做出最后决定。因此，你最终会得到一个被人类人为终止的过程。
我们将这种方法称为“协作阿尔法（collaborative alpha）”。机器正在提升自我价值，投资组合经理同样如此。我们最终处于这样一个位置： 人类加机器，比任何单独一个部分都做得更好。
金融领域没有足够的大数据是什么意思？
如果你以一家标普500指数成分股公司为例，总共会有大约一万个关于该公司的数据点。但这不是类似于五千亿个参数的数据集。因此，我们采用的途径是神经符号（neurosymbolic）——人工智能的一个类别。神经元意味着你正在使用神经网络——即模式识别——而符号意味着输入人类知识。
LLM（大型语言模型，例如ChatGPT）的有趣之处在于，假设它有98%的工作可以做得比人更好，但人带来的最后2%比98%更重要，这是很大一部分价值。因此，即使有了大数据，人类技能对于及时工程也极其重要——你仍需要一名人类，因为不确定LLM能否能完成最后的2%工作。
可以说，我有些惊讶没有足够的“谷物”给到“磨坊”。
稍微重新定义一下，并不只是LLM的问题，而是任何形式人工智能都受到少量数据的限制。数据并没有包含你想知道的全部内容。
无论你如何理解，不是全部答案都在数据之中。这就限制了人工智能提供所有答案的能力。例如，ChatGPT可以访问整个网络，触及很多数据。在投资管理中，每个公司可能有一万个数据点，但远未达到数十亿（数据点），极大限制了人工智能的能力。
我们的观点是——这就是我们要发挥作用的地方——人类和机器的角色仍然存在。我们的愿景是，将人类能力与人工智能结合。如果你能弄清如何整合两者，那就是未来所在。
你们如何使用人工智能？
首先，我们用它来识别表现优异的公司，以及可能存在问题的公司的危险信号；其次，通过人工智能，我们可以实现自动化并快速跟踪报告和绩效，这就是使用LLM的地方；此外，我们应用人工智能分析公司报表，并为特定客户定制投资策略，例如大型养老金计划或是具有特定授权的主权财富基金。
在Voya智能机器团队，我们通过两种方式使用上面提到的技术：第一，我们仅使用（人工智能）工具运行自己的系统策略，这样做能够产生一种更加机会主义的投资策略。当市场出现机会时，这种策略具有独特优势。
第二，我们将信号和人工智能融入人类投资组合经理的工作流程中，让他们保留决策权的同时，也能够获得决策信息。随着时间的推移，这一方式将产生更为广泛的影响。
因此，Voya正在尝试两件不同的事情，它们是通往“投资天堂”的不同路径——一种可以更快地、动态地抢先于人类；另一种则是帮助现有投资组合经理看得更远。
Voya团队规模有多大？
我们的核心团队有五人。然后我们被嵌入到共30人的更大规模团队中，包括量化研究人员和其他人。除此之外，我们还有26名虚拟分析师（人工智能机器人），它们致力于寻找优质股票；以及45名虚拟交易者，它们不执行交易，但帮助（人类）把握时机。我们有一个用来营销演示的组织结构图，它显示出由人类和人工智能组成的庞大阵容，
你看好人类，为什么？
我看好高技能人才。这不是一个预测，而是事实。例如，好的记者如果学会使用这些工具，就会成为更好的记者。他们保留了自己的独特见解和人文情趣。投资管理也是如此，给我一个出色的对冲基金选股人，再添加一个机器来帮助他们。人类加上机器，能够打败最好的个体或机器。
我看好人类，因为我们只是刚开始了解智慧的复杂程度。LLM可以运用五千亿参数产出惊人的结果，但是人类用少得多的参数就能做同样的事情。
近期，人工智能的发展有什么令你感到惊讶的吗？
那就是人工智能浪潮冲击我们的速度有多快。我认为（惊讶）很大程度源自我们没有意识到所有一切是如何组合的。在很长一段时间（技术）没有发生太多革新后，新的解决方案犹如“寒武纪”式的爆发。
你是如何从博士工作转型到资产管理的？
我的博士学位不是金融领域，而是将专家系统技术应用于流行病学，这有点像“文字沙拉”（一连串无意义的字符单词组成）。但是专家系统是一种早期的人工智能技术，也是一种模式识别的工具。我试图鉴别受损数据的模式。
后来，我结束了在保险业的工作，在那里见识到资产管理，并希望在该领域应用我的分析工具。资产管理最终吸引了我，以至我去奥马哈会见了查理·芒格（Charlie Munger）和沃伦·巴菲特（Warren Buffett），我真的对资产管理领域的智力挑战感兴趣。
谢谢你，加雷斯。
（本文内容仅供参考，不构成任何形式的投资和金融建议；市场有风险，投资须谨慎。）
转自：财经杂志
京公网安备 11010802035086号