2019年10月17-18日，由私募排排網(wǎng)主辦，華泰證券(601688,股吧)、華泰期貨、南方基金聯(lián)合主辦，香港東英投資管理有限公司協(xié)辦，深圳市私募基金協(xié)會和泉州海絲基金小鎮(zhèn)特別支持，上海交通大學(xué)上海高級金融學(xué)院學(xué)術(shù)支持的首屆中國國際對沖基金年會在深圳星河麗思卡爾頓酒店隆重開幕。

　　本屆年會以“開放互融，共啟對沖基金全球化新時代”為主題，匯集諸多國際知名對沖基金管理人與國內(nèi)優(yōu)秀對沖基金管理人，通過主題演講、圓桌對話等多樣形式搭建對話合作交流平臺，分享對沖基金投資經(jīng)驗與智慧，深度解讀國內(nèi)外對沖基金發(fā)展的最新趨勢，促進(jìn)對沖基金行業(yè)的創(chuàng)新發(fā)展。

　　天馬資產(chǎn)聯(lián)合創(chuàng)始人、執(zhí)行董事劉虹俊

　　在本次年會上，天馬資產(chǎn)聯(lián)合創(chuàng)始人、執(zhí)行董事劉虹俊先生給我們帶來以《人機(jī)結(jié)合：完成投資的快思慢想》為主題的精彩演講。

　　以下為演講全文：

　　謝謝大家。很高興能夠參加中國首屆對沖基金的研討會，今天我要講的題目是“人機(jī)結(jié)合，完成投資的快思慢想”。

　　介紹一下天馬的背景，我們做對沖基金已經(jīng)有20年，3年前決定把主動投資的思維方法結(jié)合機(jī)器學(xué)習(xí)，轉(zhuǎn)型成人和機(jī)器結(jié)合的投資邏輯。講到人工智能在投資中的應(yīng)用，顧名思義，一共涉及到3件事情：一是智能，也就是人腦的思維方法；二是人工，也就是AI或者是機(jī)器學(xué)習(xí)；三就是投資。

　　以前做主動投資的時候?qū)嶋H比較簡單，只需要考慮自己怎么投資就可以了。而現(xiàn)在如果用機(jī)器人(300024,股吧)來做，要對上述三件事情都有一定程度上的理解，所以這里面的關(guān)鍵因素是對人的思維方法的認(rèn)知，以及對投資本身的認(rèn)知，用機(jī)器學(xué)習(xí)完美演繹，才是AI投資成功的關(guān)鍵。

　　下面第一部分分享包括人腦的認(rèn)識，機(jī)器學(xué)習(xí)的認(rèn)識和投資的認(rèn)識和應(yīng)用。第二部分對過去三年多來的摸索中的體會和問題，以及今后研究方向上的一些思考。

　　第一個認(rèn)知是對人腦的思維方法的認(rèn)知。實際上在目前的科學(xué)中，人類對人腦的認(rèn)知仍然非常少，對人怎么思考也不是特別了解。按照諾貝爾獎獲得者康納曼的人類思維系統(tǒng)的理論，簡單介紹一下：

　　第一是快思之系統(tǒng)1。是依賴直覺，見多識廣，能迅速對眼前的情況做出反應(yīng)。但是這個系統(tǒng)也容易以偏概全，任由對風(fēng)險損失的規(guī)避和樂觀偏見誘導(dǎo)出錯誤的決定。人類大概有95%的思維是系統(tǒng)1。系統(tǒng)1常常給系統(tǒng)2提出建議。

　　第二是慢想之系統(tǒng)2。依賴邏輯，處理問題比較慢，但是對系統(tǒng)比較復(fù)雜的問題可以做出全面的評估和解決。雖然這個系統(tǒng)比較不容易出錯，但是需要花的腦力比較多。人腦是非常懶惰的器官，只要是一思考問題多了，就頭痛、懶惰、不想思考。因此就會做出走捷徑的決定而出錯，這個思維在主動思維中大概占5%左右。

　　人類生存的延續(xù)，主要是靠系統(tǒng)思維1。如果一個人對某一件事情不能做出比較快速的反應(yīng)，這個人的基因慢慢可能就不存在了。比如說一輛火車開過來，我們站在鐵軌中，明顯知道結(jié)果是什么。但是日前報道有網(wǎng)紅拿著相機(jī)，人和火車一起拍自拍，這種無法運(yùn)用系統(tǒng)1的DNA就從人類的延續(xù)中給刪除掉了。系統(tǒng)2是人類發(fā)展進(jìn)步的思考方法。

　　我們來看兩個投資相關(guān)的問題。第一個問題：（見PPT）這兩個K線圖中，哪個上升曲線比較明顯，哪個下降趨勢比較明顯？

　　這位女士回答是A。您的系統(tǒng)1工作得很好，因為你一看到線，馬上就得出了這個結(jié)論。我們問一下美女主持人的選擇，主持人說沒有意見。我們分析一下她的思考問題的過程，她一開始似乎是欲說A，但她的系統(tǒng)1馬上又發(fā)出一個建議信號給系統(tǒng)2，系統(tǒng)1如果遇到困難，往往會求助于系統(tǒng)2。所以她要說出答案的一剎那，系統(tǒng)1說“系統(tǒng)2，你來判斷一下”，系統(tǒng)2一看下面的備注，此問題來自于Muller Layer實驗室，看起來比較復(fù)雜，我得查一下google，但兩秒鐘必須要回答。所以系統(tǒng)2就說：無法按時回答。系統(tǒng)1中有一個規(guī)避風(fēng)險的功能，那就干脆不回答了，所以美女主持人就會說沒意見了，這可能是人的思維過程。人腦的思維方法在2歲的時候就已經(jīng)存在。長期的研究，人類思考問題的能力，從2歲到50歲，思維的方法并沒有提高很多，而一些基本的常識可以增加。

　　第二個問題，就比較復(fù)雜了，直觀根本就看不出來了。這里有兩個心理實驗，有兩個決策要完成，在第一個決策的AB中要選一個事情。A是可以得到240元，B是有25%的幾率得到1000元，但是有75%的幾率得到0元；第二個決策，C是會馬上損失750元，D是75%的幾率損失1000元，25%的幾率損失0元。讓你在決策一、二中各選一個。

　　有人愿意嘗試嗎？實驗證明73%的人會選擇A和D，3%的人選擇B和C。如果自己再算一下的話，選擇A和D的是25%的可能性獲得240元，75%的可能性是損失760元；選擇B和C，25%獲得250人，75%損失750元，顯然是B和C比較好。但是人一般很快的就啟動了系統(tǒng)1，因為人厭惡風(fēng)險，先把240元拿到再說。

　　人的思維在有壓力的情況下，是非常容易出錯的，并且出錯還是繼續(xù)進(jìn)行下去的。為什么要舉這兩個案例？所以我們需要把一些看似簡單但容易出錯的事情，在沒有壓力的情況下，利用系統(tǒng)2把這些事情都慢慢固化下來，讓其用某一個算法去學(xué)習(xí)，使得它在有壓力、很疲倦的情況下，可以快速給出比較正確的答案。而人則慢慢的想一些邏輯上應(yīng)該怎么區(qū)分的事，什么讓機(jī)器人做，什么讓人發(fā)揮優(yōu)勢。這是為什么要首先認(rèn)知人腦，是要做機(jī)器人投資的一個很重要的因素。

　　下面講講機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)可以分為監(jiān)督式學(xué)習(xí)和非監(jiān)督式學(xué)習(xí)，Supervised learning就是把一些數(shù)據(jù)，用某一個任務(wù)的特定的理解以及反應(yīng)，通過一個機(jī)器學(xué)習(xí)，也就是中間的矩陣，給出一個命令。因為對這個事情已經(jīng)有了認(rèn)知，就可以對他給出一個答案，比如說你認(rèn)臉，這個人是誰，那個人不是誰，讓他有足夠的學(xué)習(xí)機(jī)會，最后得出一個結(jié)論，以后99.5%可以認(rèn)出這個人，是沒有問題的。

　　監(jiān)督式學(xué)習(xí)在投資中的應(yīng)用，大概可以分為Classification和Regression。前者在投資過程中是非常重要的，前者也可以是非監(jiān)督式的學(xué)習(xí)，也可以是監(jiān)督式的學(xué)習(xí)，比如說把市場分成上升的趨勢，波動的趨勢，或者是下降的趨勢。也可以對市場說，今后兩三天的市場，可以做一個預(yù)測，漲跌是多少。這里有兩個大家經(jīng)常會聽到詞：一個是大數(shù)據(jù)，一個是數(shù)據(jù)形成的多因子。似乎很容易聽到一個復(fù)雜的機(jī)器人模型是運(yùn)用了大數(shù)據(jù)、運(yùn)用了復(fù)雜的計算方法，最后就得到萬能的圣杯。那事實上是不是這樣？答案基本上是否定的，因為大數(shù)據(jù)這件事情千萬得注意，因為最怕的是學(xué)到不相關(guān)的事情，因為數(shù)據(jù)不相干，噪音越多。比如說要做一個預(yù)測，結(jié)果把很多不相干的數(shù)據(jù)都放在一起，一定要找出一個關(guān)系來，最后也可以找到某種形式上的關(guān)系，但只要邊界條件有變化，預(yù)測馬上就失效了。

　　就目前機(jī)器學(xué)習(xí)的條件相較幾年前已經(jīng)成熟很多了。 一是大量的相關(guān)數(shù)據(jù)取得要比以前容易得多；二是演算方法大家都可以很容易拿到，Google就提供了很多的演算方法。計算的成本也越來越低，很多開放式的原代碼。所以人類實現(xiàn)機(jī)器學(xué)習(xí)這件事情，手上的工具越來越豐富。

　　那么會不會因為可得到的元素都在了，機(jī)器學(xué)習(xí)馬上就要把人類都替代了呢？我覺得遠(yuǎn)遠(yuǎn)沒有，甚至還離得非常遠(yuǎn)。這是因為機(jī)器學(xué)習(xí)本身并不會把任務(wù)邏輯化，分類，人類的專業(yè)知識（domain knowledge）仍然起著重要的指導(dǎo)作用。我們的工作就是制定出很多具有獨立功能的模型，成為機(jī)器人制造中的零部件。而人可以用自己的投資目的、邏輯將零部件整合成為機(jī)器人策略。 而這些能夠完成某些特定任務(wù)的元素，在投資邏輯和目的中組合成各種不同的策略。

　　這里提了股票投資的三要素：擇股，擇時和風(fēng)險控制。不管機(jī)器人如何復(fù)雜或者簡單，都不能逃避這些基本的投資要素。而在這三個元素下面可以分不同的類別，例如擇股中可以有成長股，價值股；擇時中可以有抄底，趨勢，追高的策略；風(fēng)險偏好可以有高有低等等。 按投資的專業(yè)知識來分類，讓機(jī)器人學(xué)習(xí)完成每一個功能，而人類利用其投資的邏輯來進(jìn)行組合管理，制造出很多不同的投資經(jīng)理。未來很多投資策略固化的基金經(jīng)理，可能慢慢就被機(jī)器人代替了。

　　總結(jié)一下上面所講的人腦的思維方法，機(jī)器學(xué)習(xí)和投資邏輯，把這三個事情綜合在一起，才是比較確切的一條道路，而不是形成一個黑箱，或者是全部捏在一起，覺得有一個上帝的圣杯在那，拿了這個圣杯就永遠(yuǎn)勝利了。機(jī)器可以讓特有的目標(biāo)、功能，制成模型之后，不間斷地、快速地執(zhí)行你的計劃，而避免人當(dāng)時做反應(yīng)。因為人在這部分是容易出錯的。

　　避免了復(fù)雜的事務(wù)，人就可以著力做具有哲學(xué)的、邏輯的，自我認(rèn)知的、關(guān)于洞察力以及開拓新維度的復(fù)雜和具有開拓性的工作。這樣經(jīng)理人就不用早上九點半開盤，一直到三點盯著看盤，用了95%的腦力，累了之后就沒時間再想別的事情了。如果這件事拿掉之后，就可以慢慢地做開拓性的工作了。

　　我們這里引用咱們對沖基金的鼻祖Paul Tudor Jones關(guān)于機(jī)器人的一句話：No man is better than a machine；and no machine is better than a man with a machine。人是做不過機(jī)器的; 但是沒有一個機(jī)器做得過人加上機(jī)器。

　　下面我們來討論一些我們經(jīng)常碰到的問題。 AI的崛起是否會把投資變得簡單或者是均一化？ 我們的結(jié)論是否定的。原因是：經(jīng)過三年的探索，我們發(fā)現(xiàn)，用機(jī)器代替人做投資，比人本身做投資要難得多得多。因為首先機(jī)器人投資要對人腦的思維方法和機(jī)器學(xué)習(xí)有一定的認(rèn)知；對自己的投資邏輯細(xì)化和數(shù)量化，分清哪些具體的工作要交給機(jī)器人，而什么工作是不能交給機(jī)器人的？第二件事情，你要對機(jī)器學(xué)習(xí)有非常深入的了解；第三個事情，要把你的投資邏輯梳理翻譯成機(jī)器能夠理解執(zhí)行的流程。所以關(guān)于第一個問題，回答是不會的，投資反而更難。

　　第二個問題，機(jī)器人投資是不是會均一化？也不會。我用音樂的7個音符來舉例，7個音符是很簡單的，為什么最后音樂不計其數(shù)？原因是寫歌的節(jié)奏、曲風(fēng)都不同，投資是遠(yuǎn)遠(yuǎn)超過音樂的，所以應(yīng)該是不會的。

　　人類在投資界的工作是不是會被取代？我覺得很大一部分的工作量可能會被取代掉，但是人類工作的價值在某些部分會大幅度的上升。我也是年紀(jì)比較大的，也希望跟大家共勉，如果這三年不轉(zhuǎn)變，等最后發(fā)現(xiàn)不行的時候，就很痛苦了。

　　目前機(jī)器學(xué)習(xí)的上限是什么？Bengio教授對深度學(xué)習(xí)，在無人駕駛和人臉識別，以及實時語言翻譯做出巨大貢獻(xiàn)，今年獲得計算機(jī)圖靈獎。他獲獎之后講了一段話，很值得和大家分享，他說：

　　除非深度學(xué)習(xí)能夠超越模式識別，并了解因果關(guān)系的更多信息，否則它將無法實現(xiàn)全部的解密，也不會對真正的AI革命帶來什么貢獻(xiàn)。換言之，深度學(xué)習(xí)需要開始知道事情發(fā)生的因果。

　　我們在做量化模型或者AI模型時，可以長期回測，模擬回報非常好。做了一段時間也很不錯，過了一段就不行，再過了一段時間就一塌糊涂了。主要的問題在哪里？就是在訓(xùn)練過程中，找到了某些因子的相關(guān)性，但并沒有找到比較確定的因果關(guān)系。所以在邊界條件發(fā)生變化之后，因子的相關(guān)性就會減弱。隨著不同的市場環(huán)境演變，就失效了。

　　假如說要做一個自動駕駛的一小段智能化模型：對一輛高速行駛的汽車，預(yù)測它停下來需要的距離。相關(guān)的因子有哪些？先要知道初始速度，顯然速度很快，停下來的距離肯定就比較遠(yuǎn)；汽車有沒有剎車，剎車的力度大不大，這也肯定有關(guān)系；有的時候不剎車也會停下來，是因為有坡度。剎得太猛，還會打滑，輪胎的胎紋不夠了也容易剎不住，車有沒有ABS，輪紋深淺，阻力等因素加上去。把這些相關(guān)的因素，所有的數(shù)據(jù)都采集齊了，放入不同機(jī)器學(xué)習(xí)，最后做了一個非常復(fù)雜的模型。 也能夠在一定的程度上做出預(yù)測。但是邊界條件一旦變化，例如地上有水，有雪，地表面狀況不一致，其預(yù)測正確性就會降低。其實初中學(xué)的運(yùn)動學(xué)里早就告訴我們了，負(fù)加速度是物體會減速停止的原因，并且已經(jīng)有公式直接計算出汽車停下來所需要的距離，而不需要復(fù)雜的機(jī)器學(xué)習(xí)模型。人的眼睛可以看出位移，也就是距離，但對加速度是無法直接感知的。

　　這個例子給我們的啟示是，復(fù)雜的大數(shù)據(jù)，多因子模型可能找到一些現(xiàn)象學(xué)層面上的關(guān)系，但往往掩蓋了事物之間的物理意義和因果關(guān)系。就目前的機(jī)器學(xué)習(xí)，仍然不能完全把一個事情抽象成因果關(guān)系。真正有因果關(guān)系往往是簡單因素，和簡單的模型。因此人應(yīng)該更重視對因果關(guān)系的思考，或者如何在還沒有辦法找到真正因果關(guān)系時，找到近似的因素， 使得模型相對簡單，有物理意義，和對邊界條件有相對高的穩(wěn)定性。 另外我們要多關(guān)注深度學(xué)習(xí)關(guān)于因果關(guān)系A(chǔ)lgorithm的進(jìn)展。

　　最后一個問題是如何利用機(jī)器自我演進(jìn)學(xué)習(xí)能力？認(rèn)知神經(jīng)學(xué)（Cognitive Neuroscience）大量實驗證明，能正確梳理出因果關(guān)系是人類智力的根本性優(yōu)勢。將原始數(shù)據(jù)讓機(jī)器做自主深度學(xué)習(xí)，非監(jiān)督學(xué)習(xí)，強(qiáng)化學(xué)習(xí)等，加工得到另類數(shù)據(jù)，增加數(shù)據(jù)的維度，由人來做進(jìn)一步對比，理解整理出有邏輯，物理意義的關(guān)系，然后返回到所謂的監(jiān)督學(xué)習(xí)，形成一種人機(jī)交互的學(xué)習(xí)過程。例如AlphaGo1 和2，監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)總體思路，Alpha GO2。

　　在投資領(lǐng)域，把已有的原始數(shù)據(jù)K線圖，可以看月線、日線、分鐘線，其實就是看一件事情，并沒有增加你的維度，只不過是觀察的窗口不一樣而已，沒有改變維度；如果你將K線圖的時間序列，用傅里葉變換轉(zhuǎn)化成頻率序列，那就是一個新的維度，并且也可能有新的物理意義。比如說一包白糖和一包白粉放在一起，從顏色維度眼睛是無法分辨出來的， 從氣味維度也許可能定性地區(qū)分，但是只要放到質(zhì)量儀里面，從物體質(zhì)量密度馬上就知道哪一包是糖哪一包是白粉，并且還知道其純度，這就是在不同的維度上研究一個物質(zhì) 。又例如剛才舉的汽車要剎車的例子，負(fù)加速度在數(shù)學(xué)上是距離對時間的二級導(dǎo)數(shù)，這和觀察距離不是一個物理量，所以就增加了一個新維度。

　　最后我從天馬董事長康曉陽先生的朋友圈選了五句話，與我們今天的主題以及我們做的事情很一致：

　　一、投資是一生的修行，十年學(xué)會選股，二十年學(xué)會擇時，三十年才明白什么是風(fēng)控。

　　二、投資的基本邏輯是懷疑，而不是信任。這就是系統(tǒng)1。

　　三、獨立思考才是知識分子以及投資者的核心品質(zhì)和技能；

　　四、學(xué)習(xí)別人的優(yōu)點不是產(chǎn)品創(chuàng)新，真正的創(chuàng)新必須是革命性的；在不同的維度，不同的層面上要慢慢思考，鼓勵系統(tǒng)化的思維方式。

　　五、投資是一道接著一道的選擇題，既然有選擇，就一定有標(biāo)準(zhǔn)，既然有標(biāo)準(zhǔn)，就一定有底線。既然有底線，就一定有不愿為之事，不管這種不愿是基于道德和良心，或者是開心與否，有底線的人生，才是健康的人生。

　　前面4點演講中都有詳細(xì)敘述。而最后一點，機(jī)器學(xué)習(xí)要模擬人的道德和良知，幸福感，可能還需要很長時間才能實現(xiàn)，謝謝大家！