雷鋒網(公衆号：雷鋒網)3月13日報道，在日前于武漢舉辦的申萬宏源投資高峰論壇上，通聯資料王政就“投資科技與科學投資”做了主題演講。
王政，美國普林斯頓大學實體學博士，曾任巴克萊全球投資公司基金經理、博時基金股票投資部總經理、etf及量化投資總監等職，他擁有近20年資産管理、金融資訊平台研發和大資料研究經驗。
王政表示，投資科技是跨界的工作，需要把投資專業知識和邏輯與技術更好地結合起來，它需要具備幾個核心的要素：第一是一定要有專業的投資研究了解，隻有這樣了解的基礎上才能把技術用來解決投資中的問題。第二是需要有人工智能這樣的核心工具，幫助解決大資料時代中各種各樣的問題。
以下是王政演講内容，雷鋒網做了不改變原意的編輯：
今天我本來想用大的題目金融科技（fintech），這個東西太火了，但因為金融科技涉及面太廣，銀行、保險、支付等等，我今天主要是講投資科技與科學投資的關系。
為什麼叫投資科技（investech）呢，跟it有點差異性。投資科技的縮寫還是it，看起來沒有什麼差別，其實投資科技和it還是有本質差別的，it幫助我們解決工作上的一些問題，投資科技更多是跨界的工作，需要把投資專業知識和邏輯與技術更好結合起來。這裡面有幾個核心的要素需要具備：
第一是一定要有專業的投資研究了解，隻有這樣了解的基礎上才能把技術用來解決投資中的問題。
第二是需要有人工智能這樣的核心工具，幫助我們解決大資料時代中各種各樣的問題。
科技在投資領域的應用不是什麼新鮮的事情，早期我們用科技來提升資訊傳輸的速度，資訊對投資來講是非常重要的。随着計算機的發展，我們開始引入了計算機來傳遞資訊，也用計算機處理資訊、分析資訊。從70年代開始，投資管理在産品上有很多的創新，開始有指數基金，80年代有對沖基金，現在有智能投資和新的産品，随着科技發展應運而生，科技在幫我們引領産品的創新。
投資科技的核心基礎有三個技術非常重要，一是雲計算，二是大資料，還有最核心的人工智能。
雲計算幫助我們解決計算的能力和存儲路徑，在此能力基礎上我們才能夠采集更多的資訊，才能把更多的資訊存儲下來，才有我們現在講的大資料。
有了大資料之後，我們對用機器處理資料的需求越來越高，而且有這樣的樣本以後去學習的精确度會越來越提升。
大資料的産生歸納為三個次元：
第一個是關于物的資訊，我們記錄下各種裝置的位置。
第二個是關于人的資訊，每個人都有手機，這個手機有很多資訊，我們的位置，我們每天走了多少步，我們在什麼地方消費了，所有人的資訊都會被收集下來。
第三個是環境的資訊，低軌衛星的發展可以讓我們收集到更多環境的資訊，我們也和美國衛星采集公司合作，我們要看新疆光伏場地的資訊，不需要親自去了，用低軌衛星的照片就可以看到，每隔幾天掃描一次，可以幫助我們做更高層的研究。
大資料不僅僅是講資料多少的問題，更多是在資料的次元上擴充。
如果僅僅是行情資料，再高也就是一個類型的資料，如果我們有其他次元的資訊，對我們投資的幫助會更大。一般有兩類資訊，一類是和企業合作的專業資料，網際網路公司支付體系、營運商、商貿、物流、電力、大宗商品等企業存下來非常有價值的資料，以前沒有被我們所用，現在可以把這些資料用于投資，專業的資料需要通過合作引入到投資領域中，需要做一些脫敏。
公開資料，網上都可以看見，它的挑戰是什麼呢？需要技術把這些資料清洗幹淨處理好，為我們提供了多元度的資訊，同時及時性也提高了，可以通過高速的處理平台引入到我們的模型中。一個是廣度，一個是速度，為我們提供了更多的投資價值。
投資科技最核心的技術是人工智能，不僅僅是技術的更新，更多是改變我們服務的模式。有了人工智能，我們可以做很多場景化的服務，精準營銷可以知道某個點需要什麼東西，做研究和投資也是一樣的，機器可以幫助你識别一些感興趣的東西。服務的模式也會跟以前不一樣，有了人工智能以後，我們做智能投顧，完全是場景化、個性化的服務。
投資科技比較大的應用領域，投資科技比較大的應用領域，是智能投研和智能投顧，幫助大家提升效率，把基本面和量化結合來做研究，用于資産管理行業。
很多年前記得有一門課，最核心的一點就是從藝術到科學，所有模型都是用科學的方式來做，是以招了很多學理工科的做研究員。目的就是基于一定的投資邏輯建構出模型，能夠實證分析，不僅樣本有效，而且樣本外也可以有用。用非常嚴格的流程和方法來做投資，這就是早期量化投資在做科學投資很核心的點。我們做指數投資，其實就是科學投資的方法，隻是用了組合投資的概念。現在發展到新的階段，有點像組合的組合了。
随着技術的發展，量化投資的引入進入了工業時代的階段，我們會找一個團隊，有研究員，有做資料的，有做基金管理的，一個團體在科學的流程下完成投資管理任務。這個階段有點像工業時代的流水線，整個效率大幅度提升，重複性比主動投資強很多。
現在随着資料的增加，資料化程度提升，我們已經進入了資訊時代。資訊時代資料這麼多，存儲到各種各樣的資源上，如果想繼續用量化的方式一個個來建構，這個工作是非常大的，在座各位積累到那個程度需要很多的精力和時間。逐漸的，我們開始要借助技術，教機器去歸納和總結，機器沒有人這樣的創造性思維，但可以做很多以前人所思考的東西，智能投資機器的概念越來越流行。
概括來講，第一個階段不需要任何裝置輔助可以做投資，第二個階段可以教機器技能，就按照你交代它的事情去做。到現在，更多是想辦法教機器去學習，逐漸幫助我們提取我們所需要的知識和關系。
資訊處理上，每一個研究員會面臨着讀很多的公告，公告作為資訊的主要來源，每個研究員，無論是基本面還是量化的都會關注。每個公告來了都是一百頁甚至更長，怎麼樣把公告的資訊快速讀取，這是很有考驗的，但是機器可以幫助我們做文本處理，提取非常有價值的資訊。
第二，所有資訊來了以後有很多關聯關系，人去建立這樣的關系是可以的，但是精力不夠，機器就可以很快建立這樣的關聯關系，以及用模型幫你建立起關聯關系的強度。
第三是主題發現，我們經常做主題，怎麼樣從大量資訊挖掘出新的亮點和主題，我們無法從這麼多東西總結出特定的主題來，這些主題又和哪些公司有關系，這是我們很關注的，怎麼樣比對出這些公司來，這是文本方面。
第四，情緒分析，一篇文本資訊的情緒怎麼樣測算，一段語言的情緒怎麼樣測算，都是可以通過計算機來測算。
在這裡對科學投資的一點點個人了解和大家分享。
第一個是在理念上要有所改變。
我們要從傳統的量化投資向智能投資方向改變，不能簡單靠傳統研究各種各樣的模型，這個模型可能有價值，但随着資料的增加，這樣的工作會非常漫長。
以前的量化投資找市場共性工作流程，發展到研究某個行業、研究個股的模型，從共性到個性進行有規律的總結，每個股票也有規律。以前的模型資料比較好，ic比較高，但随着資料越來越多，資料資訊準确度越來越低。要從高ic到低ic，要接受ic比較低的信号，我們要通過很多的信号來選取ic。
此外是從單點到全局的轉變。原來我們看的都是定義名額，抽取每個股票單點資訊，盡管組合起來，但還是不夠全面，我們要從公司全貌來看。有些資訊可能還需要我們做非結構化到結構化的過程，我們希望把公司更全面的去看特征。
最後是從固定模闆到動态學習，原來一個模型可能是做好一直在運作，需要花很長時間修改模闆，未來學習機器幫助我們動态學習和提升。
第二，資料的次元上要改變思考。
首先，以前的資料都是特定的資料專而精，現在要朝着全樣本的角度發展，這樣會更加科學更加合理。
其次，以前的資料都是定時發生，現在要從定時發生的資料到實時發生，在我們的模型中去反映出來、展現出來，要求有動态反映實時資訊的能力。
再次，我們要接受低密度資訊的趨勢，以後很多很多的資訊密度會越來越低，以前是高含金量的礦石，現在是低含金量的礦石，怎麼樣從裡面篩取真正有價值的資訊，這需要投資科技幫助我們解決。
第三，要關注對平台的重視。
現在所有做量化的，還是傾向于自己建量化研究系統，但随着資料的增加，計算能力需求加大，所有的都是自己建，這種可能性越來越低。未來一定要共享外部資源，幫助你做很多事情，包括計算資源、存儲資源、資料資源，甚至你的信号都可以應用外面的信号，幫助你提升研究能力。
第二個是我們要接受公有雲的服務，以前什麼東西都是自己建設，用100個機器幫你模組化型不太現實，公有雲發展越來越成熟，也越來越安全。
第三個是從全方位到專業化，我們現在做投資什麼都要自己弄，其實把很多精力花在不應該的地方，每個人應該專注于核心能力，業務上哪塊最強就應該集中精力。網際網路時代最大的變化就是能夠快速共享很多資源，是以要從全方位什麼都幹到專注到某點共享外部資源。
最後是從産品發行的模式向場景化服務的模式轉換。傳統基金管理投資還是發個産品去賣去銷售，未來投資者更關注這個時候需要什麼，你就給我提供什麼服務。就像現在賣保險，不是像以前給你一個單子去填，你在哪裡買了機票，就來個延誤險，這個場景就要提供服務，而且是特定的服務。半個小時要登機了，敢不敢賣這個保險。阿裡巴巴的小額貸款，能夠實時給你貸款，就是因為有信用評估的能力，可以根據你的需要動态給你貸款。我們做投資，未來也是逐漸朝着這個方向發展。
這就是科學投資的了解，一個是理念，一個是資料，一個是平台。
最後的小結，投資科技給我們帶來的幫助無外乎三個方面，
一是幫助我們做資訊處理。
第二個幫助我們建構機器學習。
第三個可以共享知識和研究。
從科學投資來講未來有三個階段，大家可能可以預見：
第一個是提升工作效率，怎麼樣做到專業搜尋，讓你快速擷取想要的資訊。現在的資訊不是不夠，而是太多，這麼多的資訊裡面怎麼樣擷取精準需要的資訊，這就需要我們有專業垂直領域的搜尋幫助我們解決問題。我們需要借助機器幫我們處理資訊。
第二個是幫助我們建構知識圖譜和模型，真的讓資料驅動我們投資，這是具有挑戰的。一旦用資料驅動投資，建構這樣機器的時候，那就是智能投資的階段了。
最後我們有個願景，機器人基金經理，由機器人幫助我們完成投資全流程。
據雷鋒網此前報道，通聯資料（datayes）是萬向集團投資成立的一家金融資訊和投資管理服務公司，該公司希望通過大資料、雲計算、機器學習等資訊技術，為資産管理人提供新的金融資訊和投資研究資料分析服務。該公司旗下的蘿蔔投研，作為基本面研究平台，主要研究怎麼樣把基本面和量化分析架構結合起來。此外，也有線上量化研究平台，兩年前也研究了智能投顧，主要在于分析使用者行為，比對更加個性化的服務，而不是在市場上做短配置。
本文作者：溫曉桦