[現在很多的AI是用回溯歷史大數據的統計方法，需要大量的歷史數據才能對未來有非常局限的預測。然而，市場是瞬息萬變的，AI需要重新學習，來動態地預測未來。但這對當前大多數的AI基金而言，仍然無法實現]

“這只人工智能指數基金(AIEQ)一發行我就買了，可還沒等加倉，它就連續下跌，完全和美股大盤背道而馳，想想要跑出這種走勢也是挺難的。”國內某基金經理姚靈(化名)對第一財經記者表示。

姚靈所說的AIEQ就是10月18日上線的AIPoweredEquityETF，由舊金山EquBot公司推出，利用IBMWatson超級計算機進行大數據處理，對美股進行主動投資管理，也被認為是全球首只AIETF。其僅交易兩天，就輕松跑贏美股大盤。然而，神話也就此終結了。

AIEQ此后一路下跌，截至11月14日，AIEQ在近一個月內累跌3.27%，而同期標普500指數漲幅高達1.06%，這波牛市被投資者戲稱為“盲買都能賺”。那么，AIEQ怎么不智能了呢?

平安磐海資本首席風險官陸晨對第一財經記者表示：“現在大家對于AI的定義就存在偏差，認為AI基金就是基于對過去的分析，以固定的假設來預測固定的未來走勢，或是簡單地做量化交易，但真正的AI基金是：1)基于動態的假設來預測動態的未來;2)在獲得有限信息的情況下，就能比人更快、更精準地預測未來;3)進一步預測或量化行為金融。這些在中長期仍很難實現。更諷刺的是，最初AI的終極追求就是要讓冰冷的機器像人一樣有炙熱的感情，而AlphaGo之所以能戰勝人類圍棋頂尖高手，恰恰是因為它沒有情感和感覺，因此疲憊、后悔、遲疑對它而言都不存在。”

“表面財報數據背后隱藏的成分是機器無法識別的，主動管理人選股還需要走訪公司、接觸管理層、主觀判斷。”阿爾杰投資管理(AlgerInvestmentManagement)基金經理張韻則對記者表示。張韻此前主動管理的小盤股策略基金跑贏標普500指數近900個基點。

雖然AIEQ上市時間太短，我們對業績不宜進行主觀評判，但近年來全球上下對于AI的狂熱已近乎白熱化，“AI戰勝華爾街”的呼聲甚囂塵上。斯坦福大學終身教授、谷歌云首席科學家李飛飛的一句話則值得深思——“對比物理學的發展軌跡，AI還沒有達到牛頓力學的階段。”

智能投顧并非AI

首先要澄清的是，市面上不斷涌現的“智能投顧”(Robo-advisor)并不是AI，最多只能算是一個理財顧問。

“要說最基本、幼稚的AI智能投資，其實就是美林時鐘。”陸晨表示，美林時鐘是一個四象限的場景，每個象限按照經濟的增長衰退以及通貨膨脹的具體表現定義，在每個有確定定義的小房間(象限)中，投資者依照歷史的統計數據歸納出下勝算率最優的投資選擇。

而AI智能投資則更進一步，將每個象限或假設情景再分得更為細致，并得出更為有針對性貼切的解決方案，類似于我們在學微積分時求極限的概念，當我們把這個場景的維度無限縮小收斂于0時，就會到達終極理想化的AI智能投資的境界。

眼下，國內外不少機構將自己設計的智能投顧定義為樂AI。例如，用戶輸入“地震”，智能投顧便能迅速給出相應概念股。

然而，陸晨告訴記者，現在“很多的AI”是回溯歷史大數據的統計方法，統計的黑匣子胃口食量很大，要喂給它大量的歷史數據才能對未來有非常局限的預測。同時這個預測是很固定靜態的，根據這個預測再針對未來設定相應的解決方式，要面對未來的不確定性。然而，市場是瞬息萬變的，時間又不停息，當原有的固定起點變成了歷史，“從第一個起點，到新的起點，AI就是要對這一段新產生的信息數據重新學習，還要在動態的新起點的基礎上，來動態地預測未來，這里包括新起點周圍的氛圍和公理。這是AI的追求，但這對當前大多數的AI基金而言，仍然無法實現。

更重要的是，人性或行為金融在金融市場中扮演著重要作用，AI又如何能通過對過去人類行為的學習，來動態、量化地預測未來?

“在自然科學中，人作為獨立的觀測者研究發現科學現象;而在金融市場中，人作為觀察者和市場參與者的雙重身份出現，人和市場之間的關系正如著名投資家索羅斯(GorgeSoros)在他聞名遐邇的反身性理論里所闡述的，不確定性來源之一是人的思想情緒感覺認知的變化。”陸晨表示，要做到行為金融的AI難上加難，需要對金融市場長期的發展進行深度、長時間地學習。

回到根本，不得不問的是，機器它本身有沒有智能?多少人相信機器本身是有智能的?

“真正的智能，到2016年此刻為止，還都只能來自于人，人才有智能，機器只能轉移智能。所以能夠讓一個系統擁有智能的最重要的方式是如何去采集人的智能，如何去轉移人的智能，如何去提煉人的智能。”AI專家、因互聯CEO鮑捷博士在2016年時表示。

眼下，智能的來源是人，除了如何更好地采集人的智能，另一個問題在于如何降低人的成本、機器的成本和計算的成本。

針對這點，廣濟橋資本合伙人袁玉瑋近期就指出，如果真的要實現理想中的AI基金，那么“每年0.75%的管理費何以支付人工智能的技術預算?又如何愿意每天公開持倉信息?”

區分量化和AI

除了智能投顧，還有不少認為量化交易就是AI，答案當然是否定的。雖然全球多家頂級量化對沖基金都在開發基于AI的交易，但殘酷的現實紛紛否定了目前AI能夠跑贏的可能性。

例如，全球最大的資產管理公司貝萊德(BlackRock)進軍AI，但相關部門卻刷新了歷史虧損。

再回到量化交易本身，量化交易是指從龐大的歷史數據中海選能帶來超額收益的多種“大概率”事件以制定策略，用數量模型驗證及固化這些規律和策略，然后嚴格執行已固化的策略來指導投資，以求獲得可以持續的、穩定且高于平均收益的超額回報。量化交易有著嚴格的紀律性，這樣做可以克服人性的弱點，如貪婪、恐懼、僥幸心理，也可以克服認知偏差。

關鍵點又回到了“固化”二字。不同于量化交易，真正理想中AI如上文所述，是對動態片段進行不斷學習，來改良對未來的判斷。

其實，金融危機后，全球宏觀環境風云突變，不少對沖基金并不能“智能”地順應變化。“QE把市場基本面打亂了，美股牛市持續九年，傳統‘多空策略’很難推進。”長年從事對沖基金研究的諾亞研究部主管、香港大學教授夏春對第一財經記者表示。

即使是行業大佬也難免失手，低利率環境、英國脫歐和美國大選等風險事件都令人防不勝防。此外，今年部分量化對沖基金在中國A股的“慘烈”表現也佐證了量化絕不是AI。

由于中國市場上較多的量化策略基金是通過大小盤因子、成長價值因子來賺取超額收益。量化投資大的邏輯是用歷史數據預測未來，從現在往前推5~6年，A股市場對超額收益最有效的解釋因子是市值，小市值股票相對于大市值股票整體會具有更高的超額收益。

因此，很多量化基金2016年配置較多小市值股票，取得良好業績。但是今年以上證50為代表的藍籌股上漲超過10%，中證500、創業板卻收益告負，這是今年以來大多數量化基金業績一般的主要原因之一。

那么為什么這些量化基金在出現虧損后，不及時“智能”地轉換策略?

陸晨告訴記者，“量化的原則就是嚴格貫徹其策略，而且如果身在當時，你如何能判斷大小盤市值因子會持續失效呢?如果真正的AI能被運用在量化基金中，應該是通過對于市場動態、情緒、監管變化等進行分析，在較短的時間內得出未來市值因子仍會繼續失效的結果。但事實上現在的AI是做不到的。”

華爾街難被AI取代

更令人感興趣的問題就是——近兩年被反復炒作的“AI戰勝華爾街”概念究竟可不可信。

近期不乏報道稱，2000年頂峰時期，高盛在紐約總部的美國現金股票交易柜臺就雇用了600名交易員，替投行金主的大額訂單進行股票買賣操作。但時至如今，這里只剩下兩名股票交易員。此外，高盛目前三分之一的員工是計算機工程師，約有9000人，并自稱“科技公司”。

“國內各類炒作金融科技或AI的文章只說對了一半，AI取代的是那些‘傻瓜交易員’，即執行下單的交易員(executiontrader)，比如投資經理打電話告訴這些交易員在某個時間買一萬手微軟等。但從事自營交易的‘聰明交易員’或基金經理絕對不會被現階段的AI取代。”陸晨表示。他曾供職于美國銀行信用衍生品部門，負責當時紅極一時的信用衍生品資產證券化(ABS)、信用違約互換(CDS)、擔保債務憑證(CDO)等產品的研發和交易，更早前供職于貝爾斯登、德意志銀行、荷蘭銀行等。

其實，國外所說的賣方交易員，包括場內交易員、執行交易員、做市商以及賣方銷售，他們的確可能因科技的崛起而失業，但自營交易員或者買方的主動型基金管理人才則難以被機器復制。

專注于主動選股(小盤成長股策略)的張韻也對記者表示，盡管金融科技風行，量化交易或被動型ETF大行其道，但我們應該要承認主動管理的價值。

“對于選股，我完全不相信歷史性的數據，尤其是歷史市盈率(PE)，公司每時每刻在變，特別是我側重中小型公司，十年前和十年后幾乎可以說是兩家公司了，即使是蘋果這樣的大型科技公司，也要看未來的營收和現金流等等。如果AI基金對公司不了解，只根據歷史PE來評估公司股價公允程度，怎么可能跑贏市場呢?”

張韻表示，尤其是美國公司，美國GDP增速比不上新興市場，也只有具備創新性的公司才能創造超額業績，因為未來的愿景才是股價的驅動力，而不是根據歷史數據來預測未來。

此外，她也提及，主動型基金管理還需要關注低概率但可能造成致命打擊的極端事件，但機器人只能按過去的數據來測算概率，即過去沒有發生的，對它而言未來也不會發生。

其實，AI概念的走紅，與近年來迅猛發展的被動投資(主要表現為ETF指數基金)緊密相關。

2009年以來，美國股市出現一個巨大的變化：大量資金從傳統的主動管理基金撤離，進入了費率更低的指數基金，而指數基金規模的爆發式增長，也成了這個美國歷史第二長牛市的最大受益者。例如貝萊德、Vanguard等美國前幾大資產管理公司都推出了這種指數基金產品。他們的核心是科技，不是金融，有一些也引入了AI的概念。

然而，去年以來，也有越來越多的機構警告稱，由于ETF的投資標的往往非常雷同、集中，在流動性逐漸收緊的未來，市場下行風險的釋放或將觸發ETF造成的金融市場流動性危機，屆時ETF和智能投顧的泡沫將會被同時戳破。

橡樹資本(OaktreeCapital)聯席董事長霍華德·馬克斯(HowardMarks)近期就對第一財經記者表示，隨著更多資金流向被動管理投資，投資者應該好好想想，到底是誰在分析被投企業，誰在決定被動基金的資產配置。