知识的共同体:重新定义投研系统(1)

投资,你是要人工智能还是智能增强?是否真的有全能的投资人或者全能投资机器?当我们说人机协作的时候,我们在说什么?本文将给你一个全新的视角来想象投资中人与机器的知识共同体。

人工智能增强术

机器人VS鼠标

很多年前,在麻省理工学院,先后拿过图灵奖的两位大牛有过这样一段争论:

A:我们要给机器赋予智慧,让他们有自我意识!
B:你要给机器做那么多好事?那你打算给人类做点什么呢?

A是人工智能之父明斯基,他喜欢将人类看做有血肉的机器,他的框架理论成为认知心理学、人工智能入门基础,B则是恩格尔巴特。1962年,当时还籍籍无名的恩格尔发表宏文:《人类智力的增强:一种概念框架》,他提出不同于明斯基的另一条增强人类智力的道路——不要尝试发明自动打字的机器,而是尝试发明鼠标。也就是说与其去发明聪明的、昂贵的、功能一体化的智能机器人,不如发明一些笨笨的、廉价的、功能单一的人类智慧服务单件。

另外提一句,恩格尔巴特就是鼠标的发明人,他身体力行地为增强人类智力,提供了可行的框架理论和产品成果。

金融领域的智能增强

金融领域是这个世界上最为复杂、高度多变、信息密集的行业之一,在人工智能被鼓吹的甚为喧嚣的今天,许多AI技术者都想要切入这一块服务,于是Fintech市场涌现了诸多的玩家们。技术首先关心的是信息和数据,让我们来简单罗列下金融领域的信息有哪些分类:

image

从图中我们发现,在领域知识这一块儿,机器对信息和数据的要求极为严苛,绝大部分的信息是只有人可感知可理解,所以那些妄想取代人类的“自动投资机器人”、“机器人投顾”等产品水分有多大就不言而喻了。也因此我们看到的现在市面上比较成功的Fintech公司都是选择在某一个层面来为金融做智能增强 。如金融投资领域的问答助手Siri——Kensho;投资者的“google”搜索引擎——Alphasense;基于社交网络的舆情分析公司——Dataminr等等。

人机协同

人与机器在智能的比较优势上有着明显差异,在信息处理速度、工作记忆、执行功能方面,不知疲倦的人工智能秒杀人类,而人类的内隐记忆、情绪模块、反省心智等则是人工智能无法拥有的。拿投研来说,人和机器的分工可能是这样的: 人可以深度调查获得大量非公开、非文字化信息;可以感知公司成员精神面貌状态获得一些直觉上的判断。 而机器则更偏向做一些耐心,精准,庞杂工作,相较于人它能提供的价值在于:

  • 海量性问题:人读完10MB数据、1万份公告消耗的时间
  • 时效性问题:超强的计算能力,快速反应。
  • 复杂性问题:因果关联错综复杂的东西,人脑的计算能力更容易出现失误。
  • 繁琐性问题:复制粘贴、制表实习生可以做,但有时候也做不到!
  • 信息洞察问题:信息海洋淹没,大部分数据的洞察我们感知不到。

在整个金融投研领域来说,人机之间必然是协同互助的,而非某一方成为全能神的概念,无论是“全能的投资人”还是“全能的AI投资机器”。我们需要人工智能打造为人类投资智慧服务的一个个组件。
image (1)

知识的共同体

投资的逻辑、模型、经验

2010年,美国人Peter Navarro曾写了一本畅销书《如果巴西下雨就买星巴克股票》。Peter Navarro 认为,“逻辑”是投资之王,在书中他举了一个例子,为什么巴西下雨要买星巴克股票?逻辑是:巴西下雨>>咖啡豆丰收>>咖啡豆价格下跌>>星巴克成本降低>>星巴克利润增加>>股价上扬。
无论是普通散户还是专业的投资人,技术分析、行业洞鉴、价值投资都是要借助于“逻辑判断”,且这种逻辑的形成需要不断的验证和完善,否则同样是巴西下雨,却会得出截然不同的结论。不过这种“逻辑判断”并不是机器能洞察到的,它存在于人的脑海里,通过思维的逻辑推理来产生,这种过程机器无法自主做到,但是却能利用另外一种方法参与到这种过程中。

我们来看一款美国的叫做Trigger的产品,他以一种IFTTT 的方式来帮人们进行证券投资。用户在软件里可以自己制作不同的“Trigger”(触发),触发的结果可以是一个简单的通知提醒,也可以是买入或卖出股票或股指期货的交易行为。

  • 简单的 Trigger:在苹果股价跌至一年内低位时买入苹果;微软财报将在 15 分钟后开始时弹出警报;
  • 进阶的 Trigger:当雅虎传出新的收购消息时,买入阿里巴巴;
  • 高阶的 Trigger:当美国失业率高于 5% 时卖出 VXX(一种交易基金),当美元通胀增长率超过 2% 时,买入或卖出 XLE。

image (2)

注:ifttt是“if this then that”的缩写,ifttt旨在帮助人们利用各网站的开放API,通过流程将各种信息串联起来,然后再集中把你要的信息呈现给你。解决了信息的冗杂,收取或关注重要信息的问题。

投资的逻辑的产生只能存在于人的脑海里,但是机器强大的计算能力、永不疲倦的运行能力,却是将人洞见逻辑转化为投资动作的一个快速连接器和信息补充器。我们给机器准备的企业实体、人物图谱、基金实体、财务模型、产品模型、物流,地域,政策模型、生产模型、海量的信息数据,而人要做的就是形成逻辑,将其中一些因果关联起来,从而得到决策信息。人无法消化海量信息,而机器无法思考,但它们紧密相连,就成了知识的共同体。

试想如果我们有了这样一款基于人工智能增强的“知识共同体”终端,而你是一位投资人。你的一条投资逻辑是:当某款新游戏的下载量出现高速增长,且在社交网络以及媒体中出现的频次也暴增的时候,找出这款游戏的母公司,如果为上市公司,提醒或者通知我买进。那么在今年Pokemon Go大卖之时,你就不会错过任天堂股票的投资机会。

文因的投研系统

文因互联想要做的投研系统是承载你的知识和逻辑的记忆体。它是你耐心安静的秘书,它是你永不疲倦的助手,它是你精准的硅基大脑。它不再是像传统金融终端那样冰冷疏离,它和你一起学习前行在投资道路上。

真正的经验与知识总是存在于个人的头脑里,而大脑的记忆无法简单的共享。传统的分析方式需要研究者具有大量的专业知识及丰富的行业经验,这就使得研究结果和方法论总是掌握在少部分人的手里。而通过信息降噪和简化操作,可以让普通人都去尝试去发现和关联实体之间的因果关系,梳理投资逻辑,将一些消耗大量时间精力做的数据采集和分析工作转移给机器,从而得到效率的提升。此外利用人工智能技术,系统本身也再不断的进行“学习”,在海量数据和用户的一些逻辑形成的交互记录,主动去尝试发现因果和逻辑关系。

我们研发中的投研系统由三部分组成:底层是数据检索工具,其次是研究分析工具,最后是知识管理工具。我们帮助投资者进行投资记忆和知识的存储和利用,从而更好的服务投资研究与决策。

这是关于文因投研系统系列文章的第一篇,敬请关注后续文章。

 

基于对产品知识产权的保密工作,详细的产品细节描述不再文中展开,如果有对投研系统感兴趣的投资人可通过微信公众号后台联系我们。

发表评论