“投資本身是人和人的博弈，技術（人工智能／機器學習）本質上不能改變這個零和博弈的性質。”
量邦科技董事長馮永昌在評價AI給投資界帶來的影響時，頗為樂觀平靜。他認為技術更多的改變在于量化投資的輸入方，其對方法論的改變隻是錦上添花。
對于AI強勢介入金融圈，财經媒體和金融圈卻毫不掩飾緊張的氛圍：《全球首支人工智能ETF誕生！》《全球首支選股阿爾法狗打敗基金經理》，這樣的新聞标題正在占據不少财經媒體的頭條，也讓無數基金經理和金融從業者恐慌；相關創業領域也熱鬧非凡，量化投資相關的創業公司層出不窮，一大批科學家和高智商人才正投身這一領域。
對于這條吸引了大批高智商人才的AI應用賽道，馮永昌認為，在國内，量化投資最重要的不是技術，而是牌照。“所有的創新都是牌照公司的創新，牌照公司以外的創新在中國是沒有任何生存權利的。”
但是馮永昌也并不否認，AI的介入讓整個量化投資的戰争更新了。
他非常看好近期出現的阿爾法元的潛力，“其意味着AI可以從規則出發，可以建構自己的知識塊。之前做算法需要專家資源來建構算法的特征，現在如果技術可以從非監督學習開始建構監督學習的樣本的話，這個潛力是很巨大的。”
技術進步對于量化投資的改變是否真的如此徹底？相關從業者要如何在大趨勢下武裝自己？相關創業者該注意哪些趨勢？11月2日，在清華x-lab人工智能研習社的第三次課程之前，大資料文摘和這位在量化投資領域浸潤多年的專家聊了聊量化投資和技術給其帶來的改變。
圖：馮永昌在清華大學作了題為《量化投資方法論架構和智能投顧初步》的演講（劉涵攝）
以下為訪談實錄，在不改變原意的前提下有删改：
大資料文摘：最近的技術進步（例如自然語言處理）如何改變量化投資？您是否看好其潛力？
馮永昌：量化投資包涵兩個方面，一個是輸入，所謂資訊或者資料，另一個是加工處理資訊的方法論。技術進步對第一個環節的促進很大，通過新的資料采集方式，或者對傳統資料資訊的深加工和強化處理，對量化投資的資訊輸入開闊了新的天地，之前隻有财務資料交易資料，現在網際網路資料、輿情資料，這些方面的改變是深遠的；但是在方法論層面上，對量化投資某些技術環節有促進，但是對根本方法論的改變，還沒有到一個爆發期。
哪些叫做根本方法論的改變呢？2010年有個新聞，有個基金是基于twitter的資料來分析對美國股市的看法，最後基金以失敗告終，不是因為twitter資料不對或者技術不好，而是因為量化投資首先是投資，它有自己本身蘊含的交易規則和投資邏輯在（專家知識），新技術和新資訊是增量價值。比如選股來說，我們之前就存在很多選股因子，增加的因子隻是增加了選股比率等，不能抛開之前的因子，隻依賴網際網路這一種資訊，量化投資有很多子行業，每一個方法隻在解決一個具體的問題，其業務邏輯是基于這個具體問題的自然邏輯形成的，所有深度學習技術隻能提高預測的精度和效率，而不會推翻之前的問題。是以我覺得對方法論的改變是錦上添花的。
但是最近阿爾法元的出現，意味着從規則出發，可以建構自己的知識塊，之前做算法需要專家資源來建構算法的特征，現在如果技術可以從非監督學習開始建構監督學習的樣本的話，這個潛力是很巨大的。雖然投資比下圍棋複雜，因為規則是多對多，但是從阿爾法元開始，技術進步會改變量化投資行業，因為量化投資本身就是一個用技術改變投資的産物，并不奇怪。
大資料文摘：您如何看待這種最近媒體上經常出現的AI選ETF的新聞？這會是大趨勢麼？
馮永昌：我自己沒有考證過這個新聞的真實性，但是我覺得真假不重要，重要的是背後的邏輯到底是什麼。
首先，ETF已經限定了它是指數基金，指數基金是不會擇時的，一般它的股票倉位在95%以上，那麼人工智能機器學習能應用的領域無非就是選股，那我們要比較的就是它要跟蹤的那個标的，如果是說我跟蹤的是比如說國内有這樣的，我跟蹤滬深300，那我應該是和滬深300比，如果說我跟蹤的是中證500這種中小盤子的，那我比較的标的就不應該是跟滬深300來比這個相對業績，我應該是跟中證500來比。是以說這種基金一般有一個自己的所謂的業績基準，需要知道它跟蹤哪個。
其次，所謂的人工智能、機器學習無非就是說構造ETF的時候我用什麼樣的因子來構造，或者說我們用機器學習的方式去預測下一個周期裡頭，哪個因子表現好。從這個角度來說，本質上它就是一個多因素的股票型量化基金。
人工智能改變人們的生活，這肯定是個大趨勢，這就和技術改變人們的生活一樣，是人類曆史的一個規律。但具體到投資領域，它隻是提高了這個研究的效率和投資，提高決策效率，減少人為失誤。因為投資本身就是人和人博弈，它本質上不能改變這個博弈的性質。它不像在其他領域，比如造電視機，從一台到一萬台，提升了人類的福祉。在二級交易市場裡，雖然說經濟發展和上市公司财務上面的盈利帶來的額外的收益，但本質上二級市場的價格買賣還是一個零和遊戲。是以說不會說因為機器人又改變什麼，因為高盛有機器人，然後摩根也會用，是以它是零和遊戲，隻不過是說這個戰争會更加進階。
大資料文摘：量化投資目前也是AI技術落地的重要賽道，國内外同樣領域有哪些主要公司／技術？
馮永昌：國外金融是混業經營，商業銀行和投資銀行是同一家公司，而國内是分業經營。國内開發中國家新興加轉軌的特征決定了我們國家的金融需要更強的管制。
是以在國内，量化投資最重要的不是技術是牌照。所有的創新都是牌照公司的創新，牌照公司以外的創新在中國是沒有任何生存權利的。或者是說你本身能夠依附一個很成熟的商業模式，一開始可能還是很緊密的合作，做一種增值服務，這個也有價值的，純技術的創業會非常尴尬。
量化投資在國内主要還是牌照公司在用。證券公司有自己研究量化投資的金融工程組、研究所、金融組，基金公司有量化投資部、金融工程部或者是指數投資部；民間創新的話，私募基金的技術應用是比較前沿的。
另外還有不少軟體公司，他們做各種各樣的平台。其實這種平台十幾年前就有，但是當時可能是本地軟體，從本地軟體到量化平台，然後從量化平台到一些比較新的資料的供給，還有一些社群。類似的公司有100多家，每家的側重點可能不太一樣，但是本質來說獨立發展還是挺難的，因為這不是一個技術導向的一個行業邏輯，因為你沒有牌照就沒法拓客，就沒法形成盈利模式。
圖：現場聽衆提問（劉涵攝）
大資料文摘：您曾經說過，中國量化投資和美國相比，如今的氛圍絲毫不落美國，人才的實踐經驗和智商也不差，但是差距在于人才的教育背景和技術。那麼量化交易人才需要怎樣的背景？應該如何培養？金融知識和技術知識哪個更重要？
馮永昌：國内最大的問題是，以前做投資行業裡頭的理科學生比較少，這種高技術背景的人比較少；後來新出來的這些比較厲害的理工科人才，了解投資有一個成長的過程。那麼現在随着各大高校對學科教育的加強，以及各種自媒體、學校的社團把資訊的寬度拓廣之後，資訊的互動速度在加快，個人的成長幅度也在加快。
如果是一個學生将來想要進入量化投資領域，金融背景或者技術背景其實都可以，主要的差別是base在哪個端。如果是想往底層做政策設計和研究，那麼建議先學技術，再同時去補充金融的背景知識；如果是想偏産品、設計、銷售、公司管理，那麼先從金融方面了解更廣闊的知識，然後再去學技術，這樣比較好但是如果是說你要是做交易本身，那麼我覺得技術跟金融背景都可以，更重要的是盡早受職業交易的訓練，有交易的這種感覺和盤感，這又是另一個變量。
原文釋出時間為：2017-11-4
本文作者：文摘菌