人工智能炒股能跑贏大盤嗎？

【摘要】人工智能的時代已經(jīng)到來，通過量化分析、智能投資等方法，人工智能在股票投資中的作用越來越明顯。然而，就目前的市場表現(xiàn)來看，人工智能炒股并不能跑贏大盤，其中美國的人工智能基金AIEQ跑不贏基準(zhǔn)，選股能力不及基準(zhǔn)指數(shù)，同時擇時能力也并不顯著;中國的人工智能基金發(fā)展較為落后，績效優(yōu)勢也不明顯。因此人工智能仍然只是作為輔助手段來幫助人類做股市投資。隨著人工智能技術(shù)對金融行業(yè)的不斷滲透，人工智能未來的發(fā)展將面對監(jiān)管、法律和倫理等多重問題。

【關(guān)鍵詞】人工智能? 股票投資? 大數(shù)據(jù)? 量化投資

【中圖分類號】F83? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標(biāo)識碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2020.16.008

人工智能的時代已經(jīng)到來，有人把人工智能帶給社會的變革稱作是第四次工業(yè)革命，該技術(shù)在各個方面影響著人類的生活。人工智能對金融業(yè)的影響不容小覷，人工智能技術(shù)與金融學(xué)的碰撞產(chǎn)生了智能金融的概念，并引發(fā)了社會的廣泛關(guān)注。人工智能在股票投資的相關(guān)領(lǐng)域已經(jīng)有許多應(yīng)用，并幫助人類解決了許多股票投資中的難題，提高了投資的效率、節(jié)約了投資的成本。與此同時，人工智能在股票投資中的應(yīng)用也帶來了許多問題，并改變著整個資本市場的投資生態(tài)。本文將從人工智能帶給社會的變革開始研究，進而探析人工智能對股票投資帶來的改變，洞悉人工智能在股票投資中的應(yīng)用價值和未來發(fā)展?jié)摿Α?/p>

人工智能的發(fā)展

馬文·明斯基被認(rèn)為是人工智能之父，他在1956年將人工智能這一理念推向世人，他同時也是虛擬現(xiàn)實的最早倡導(dǎo)者。[1]人工智能可以被定義為能夠讓計算機系統(tǒng)模擬人類行為的技術(shù)手段，并在云計算和區(qū)塊鏈等技術(shù)的共同協(xié)助下完成智能化任務(wù)。就最終目的而言，我們希望人工智能能夠比肩人類智慧甚至超越人類智慧，不過目前人工智能離這一目標(biāo)還有一定距離。

技術(shù)的進步和云計算能力的提升都推動著人工智能的發(fā)展。云計算的提升有助于提高圖像、語音等復(fù)雜數(shù)據(jù)的處理能力，從而徹底改變傳統(tǒng)的人機互動模式。此外，大數(shù)據(jù)的完善對人工智能的發(fā)展也功不可沒，數(shù)據(jù)存儲和數(shù)據(jù)質(zhì)量的改善都推動了人工智能中機器學(xué)習(xí)的進步，在任務(wù)處理能力和反應(yīng)速度上表現(xiàn)尤為明顯。[2]在過去的30年中，智能化技術(shù)深刻改變了我們社會的運行規(guī)則和效率，可以概括為三次技術(shù)革命。第一次智能技術(shù)革命是硬件技術(shù)的進步，IBM和英特爾公司在這次革命中起到了主導(dǎo)作用;第二次技術(shù)革命是以軟件的提升和發(fā)展為中心，微軟以其Windows操作系統(tǒng)引領(lǐng)這場革命的發(fā)展;第三次技術(shù)革命則是以蘋果公司的智能化手機iPhone為中心，開創(chuàng)了智能化便攜式設(shè)備的發(fā)展道路;而今，我們正處于第四次技術(shù)革命的開端，這場技術(shù)革命便是由人工智能技術(shù)的進步帶來，相關(guān)應(yīng)用案例有人臉識別、自動駕駛、語音識別。

人工智能的發(fā)展水平主要分為三個階段：服務(wù)智能、認(rèn)知智能以及決策智能。服務(wù)智能主要是指人工智能代替人類做重復(fù)的勞動和繁重的任務(wù)，其主要采用有監(jiān)督學(xué)習(xí)的方式進行，生物識別和智能客服都是這方面的應(yīng)用實例。隨著大數(shù)據(jù)規(guī)模的擴大和算力的提升，人工智能可從服務(wù)智能提高到認(rèn)知智能。認(rèn)知智能在對事物的判斷中能夠達到與人類基本相似的程度，其主要采取有監(jiān)督學(xué)習(xí)的方式運行，這方面的應(yīng)用實例有自動駕駛和智能投顧。2016年，李世石與AlphaGo的圍棋之爭獲得廣泛關(guān)注，AlphaGo的獲勝是智能認(rèn)知發(fā)展的階段性成果。人工智能發(fā)展的最高級階段為決策智能，其以無監(jiān)督學(xué)習(xí)的方式運行，它可以預(yù)測人類無法想象或預(yù)知的事情。有許多人十分畏懼決策智能，因為他們擔(dān)心如果讓機器擁有決策智能，機器會控制甚至摧毀人類，但也有人認(rèn)為只有讓機器擁有決策智能才能在真正意義上實現(xiàn)人工智能。[3]

人工智能的早期意義是讓機器模仿人的行為，其目的在于能夠創(chuàng)造出與人類相似的機器。而近期新的思潮則認(rèn)為人類思維僅僅是一種解決問題的思路，人類智能并不一定要模仿人類的思維，而應(yīng)當(dāng)聯(lián)合不同的思維和模式來解決問題。機器學(xué)習(xí)是人工智能的核心，機器使用不同的算法來分析解碼數(shù)據(jù)，從中找出規(guī)律為事后的預(yù)測和決定提供服務(wù)。根據(jù)學(xué)習(xí)的特點，機器學(xué)習(xí)可以大致分為三種：有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)以及深度學(xué)習(xí)。有監(jiān)督學(xué)習(xí)是通過對有標(biāo)簽的數(shù)據(jù)樣本進行分析研究，對數(shù)據(jù)的輸出和輸入進行觀察從而找出其中的邏輯關(guān)系。無監(jiān)督學(xué)習(xí)的數(shù)據(jù)樣本是沒有標(biāo)記的，機器學(xué)習(xí)需要對大量的輸出和輸入的數(shù)據(jù)進行觀測，在龐雜的數(shù)據(jù)結(jié)構(gòu)中找出隱藏的內(nèi)在邏輯關(guān)系。此外，更高層次的機器學(xué)習(xí)方法是深度學(xué)習(xí)，深度學(xué)習(xí)是通過多層神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)，從而組合各層特征分析得出抽象的特征屬性或內(nèi)在邏輯。

如今，人們對人工智能一詞已經(jīng)耳熟能詳，其已經(jīng)成為各行各業(yè)爭相發(fā)展的核心技術(shù)手段。人工智能的出現(xiàn)為各行各業(yè)帶來了革命性的變化，正在顯著改善著整個世界的運行規(guī)則。不同企業(yè)將人工智能技術(shù)與企業(yè)相關(guān)業(yè)務(wù)融合，這不僅大幅提升了企業(yè)的運營效率，也在很大程度上降低了企業(yè)的運營成本，多種新的業(yè)態(tài)和產(chǎn)業(yè)模式如雨后春筍般不斷涌現(xiàn)。僅在2017年，全球人工智能產(chǎn)業(yè)就吸引超過150億美元的投融資額，建立近1400家初創(chuàng)企業(yè)。

人工智能給全世界帶來了新的機遇與挑戰(zhàn)，各國政府和企業(yè)都認(rèn)識到了人工智能的重要性，并在這一領(lǐng)域中展開了新的競爭。在人工智能發(fā)展的世界格局中，技術(shù)發(fā)展較早和較為成熟的是美國，美國擁有近700家人工智能初創(chuàng)企業(yè)，占到人工智能全球初創(chuàng)企業(yè)的近半成。在過去的8年中，以蘋果、亞馬遜、Facebook為代表的科技巨頭累計收購近百家人工智能初創(chuàng)企業(yè)，并結(jié)合美國豐富的高校資源，大力發(fā)展人工智能技術(shù)。美國在人工智能領(lǐng)域發(fā)表的論文數(shù)量為全球最多，并擁有近90萬人工智能研發(fā)人員。[4]

中國政府和企業(yè)也高度重視人工智能技術(shù)的發(fā)展。2016年，中國人工智能產(chǎn)業(yè)的投資總額僅占全球投資總額的約10%，而到了2017年，這一比例就大幅提升至50%。從國家的頂層設(shè)計來看，人工智能技術(shù)的發(fā)展從2016年起便得到了高度重視，國務(wù)院和相關(guān)部委都發(fā)文明確要求重視發(fā)展人工智能技術(shù)，為人工智能發(fā)展作了結(jié)構(gòu)化的長遠(yuǎn)布局，并為相關(guān)行業(yè)提供有力的資金支持和法律保障。

人工智能在金融投資中的應(yīng)用路徑

人工智能影響著我們生活的方方面面，其中一個很重要的應(yīng)用領(lǐng)域便是金融投資。金融機構(gòu)和研究院紛紛涉足人工智能和金融投資的研究，并將兩者結(jié)合從而產(chǎn)生了智能金融的概念。從理論層面來看，金融學(xué)和人工智能在探索問題上有很多共通之處。兩門學(xué)科在探索問題中都在思考如何解決問題和做最終決策，在人工智能的研究中可以引入經(jīng)濟或者金融的理論，而在經(jīng)濟或者金融的研究中也可引入人工智能的理論。金融學(xué)的主要研究方法為計量經(jīng)濟學(xué)，計量經(jīng)濟學(xué)主要關(guān)注的問題為預(yù)測、總結(jié)和假設(shè)檢驗，并對預(yù)測結(jié)果的無偏性和一致性有一定的要求。人工智能的核心是機器學(xué)習(xí)，與計量經(jīng)濟學(xué)相比，機器學(xué)習(xí)更注重應(yīng)用性，它更關(guān)注對未來預(yù)測的結(jié)果，而對決策流程的因果關(guān)系并不十分關(guān)注，所采取的主要研究模型包括決策樹法（decision tree）、套索算法（Lasso algorithm）、嶺回歸法（ridge regression）、支持向量機法（support vector machine），等等。大數(shù)據(jù)的廣泛發(fā)展拉近了計量經(jīng)濟學(xué)和人工智能兩個學(xué)科之間的距離，縮小了兩者間的差異。在大數(shù)據(jù)擴充和發(fā)展的條件下，機器學(xué)習(xí)才能真正發(fā)揮其價值。計量經(jīng)濟學(xué)面對的首要難題就是數(shù)據(jù)量的不足，在大數(shù)據(jù)存儲和技術(shù)的發(fā)展下，先前制約計量經(jīng)濟學(xué)實證的小樣本數(shù)據(jù)得以擴充，從而能夠讓機器學(xué)習(xí)對數(shù)據(jù)進行深度探究。傳統(tǒng)的計量經(jīng)濟學(xué)模型在面對龐雜數(shù)據(jù)時往往束手無策，因為計量經(jīng)濟學(xué)無法有效找到關(guān)鍵的解釋和控制變量。而機器學(xué)習(xí)在這方面的優(yōu)勢十分明顯，機器學(xué)習(xí)能夠自動對龐雜的數(shù)據(jù)進行降維，其中比較常見的機器學(xué)習(xí)算法有Lasso、Booting和隨機森林等。人工智能可以彌補傳統(tǒng)的計量經(jīng)濟學(xué)算法對投資者行為研究的不足，還可以為研究投資者行為提供新的思路。在人工智能中，機器學(xué)習(xí)可以將投資者心理、投資氣氛等傳統(tǒng)的計量經(jīng)濟學(xué)難以量化的指標(biāo)納入分析范圍。[5]

簡而言之，人工智能是金融投資分析的有效輔助手段。在金融分析中，人工智能技術(shù)與計量經(jīng)濟學(xué)等數(shù)理知識相融合，這解決了金融分析中面對大量數(shù)據(jù)無從下手的難題。應(yīng)用人工智能技術(shù)，金融學(xué)分析可以更為有效地建立分析模型，探索和協(xié)助分析市場行情。與此同時，人工智能手段也在促進大數(shù)據(jù)的積累，人工智能可以迅速和準(zhǔn)確地將文字、語音和圖像等非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變?yōu)榭梢源鎯头治龅慕Y(jié)構(gòu)化數(shù)據(jù)。

海內(nèi)外各大金融機構(gòu)都非常重視人工智能，并將智能化的金融產(chǎn)品和服務(wù)應(yīng)用在股票投資中。目前與股票投資有關(guān)的人工智能服務(wù)主要有智能量化、智能投顧、智能數(shù)據(jù)服務(wù)、智能風(fēng)控、智能研報等。[6]

人工智能在海外股市的應(yīng)用探析

憑借人工智能的技術(shù)優(yōu)勢和資本市場的相對成熟，海外金融機構(gòu)率先發(fā)展和利用人工智能在股票市場中進行相關(guān)投資。在全球范圍內(nèi)，頂尖的投行和金融機構(gòu)使用人工智能技術(shù)投資的范圍和領(lǐng)域不斷擴大，投資收益和影響不斷增強，這其中比較有代表性的國際金融機構(gòu)有高盛、摩根大通。高盛與Kensho公司合作，大力發(fā)展人工智能行情系統(tǒng)，并通過該系統(tǒng)對投資市場和投資行為進行智能化控制。2008年，在高盛紐約的總部中，大約有3000名投資交易員，隨著人工智能系統(tǒng)投入使用，現(xiàn)在交易員人數(shù)已經(jīng)降至個位數(shù)。與高盛類似，摩根大通也極為重視人工智能在投資中的應(yīng)用。摩根大通累計共聘用4萬名人工智能開發(fā)人員來開發(fā)智能金融系統(tǒng)，累計投資總額超過90億美元，約占總投資金額的1/3。與國外領(lǐng)先投行相比，國內(nèi)金融機構(gòu)在人工智能方面的發(fā)展略顯不足，并缺乏自主研發(fā)能力。

人工智能在股票投資中的核心是智能量化投資：[7]量化投資的概念雖然在很早之前就已出現(xiàn)，但近些年的技術(shù)發(fā)展才使得量化投資真正實現(xiàn)智能化。量化投資依托于海量數(shù)據(jù)而生，海量數(shù)據(jù)的來源廣泛，包括但不限于資本市場變化情況、上市公司調(diào)研報告、公司財務(wù)數(shù)據(jù)、金融市場政策文件、新聞資訊等。支持量化投資的主要技術(shù)有機器學(xué)習(xí)、自然語言處理和知識圖譜（見表1）。量化投資的主要途徑有兩種，一種是對財務(wù)信息、交易數(shù)據(jù)進行分類匯總進而建立分析模型，利用傳統(tǒng)的機器學(xué)習(xí)回歸算法分析建立交易策略;另外一種是建立專家系統(tǒng)，模擬專家的投資決策行為，通過深度學(xué)習(xí)建立相應(yīng)的投資決策方法。量化投資的基本流程分為四個部分，分別是策略識別、策略回測、執(zhí)行系統(tǒng)和風(fēng)險控制。其交易策略主要有量化選股、量化擇時、期貨套利、算法交易、期權(quán)套利等。此外，量化投資還采用事件驅(qū)動、行業(yè)輪動、多空策略和市場中性等手段?？梢?，量化投資具有紀(jì)律性、系統(tǒng)性、套利性、概率性等特征。

人工智能在A股市場的應(yīng)用情況和問題

目前，智能量化投資已經(jīng)大規(guī)模應(yīng)用于國內(nèi)各個金融機構(gòu)，尤其在證券投資、期貨投資、基金投資中的應(yīng)用較為突出。在西方發(fā)達國家的資本市場中，量化交易已經(jīng)占到了交易總量的近70%，而我國資本市場這一比例僅為30%，可見我國人工智能在這方面的應(yīng)用還有很大發(fā)展空間。截至2018年底，我國公募基金采用量化投資的規(guī)模約為1100億，私募基金的量化投資總規(guī)模約為2.3萬億。此外，國內(nèi)出現(xiàn)了多家以人工智能為主要手段的量化投資服務(wù)公司，比較著名的有科大訊飛、智語良投、EAGO等，這些公司依據(jù)客戶風(fēng)險偏好推出了多種智能量化投資策略。

人工智能在A股投資中的應(yīng)用解決了國內(nèi)分析師無法解決的一些難題，也提高了投資的有效性。A股市場充滿著各種各樣的信息，資產(chǎn)價格的變動取決于對各種信息的反應(yīng)，傳統(tǒng)的金融分析依靠于分析師的判斷，但分析師需要對海量信息進行搜集、篩選、分析，人工智能炒股可以很大程度上幫助分析師快速解決投資問題、迅速有效地做出投資決策。

人工智能很大程度上解決了A股投資中信息抓取和分析的難題。隨著A股市場的發(fā)展變化和信息化速度提高，我們正在經(jīng)歷一個數(shù)據(jù)爆棚的年代。公司年報、公告、社會新聞、網(wǎng)絡(luò)資料無時無刻不在更新，另外社交媒體如微博、微信和各種論壇里的消息也都對資本市場產(chǎn)生著影響。隨著互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展，這些非結(jié)構(gòu)化數(shù)據(jù)在未來還會呈指數(shù)級增長。分析師在面對海量數(shù)據(jù)時可謂捉襟見肘，尤其在短時間內(nèi)分析大量數(shù)據(jù)可謂不可能完成的任務(wù)。即使擁有大量時間，分析師對數(shù)據(jù)的搜集和整理也將消耗大量人力和時間成本。人工智能在自然語言方面的技術(shù)突破很大程度上解決了人類分析師對信息獲取、采掘和分析的難度。用自然語言技術(shù)將非結(jié)構(gòu)化的數(shù)據(jù)轉(zhuǎn)化為可以存儲分析的結(jié)構(gòu)化數(shù)據(jù)之后，機器學(xué)習(xí)算法會將處理后的數(shù)據(jù)加以分析判斷從而做出投資決策。分析師能夠取得的信息和數(shù)據(jù)是有限的，更多是集中于所熟知的領(lǐng)域或范圍內(nèi)，而人工智能的數(shù)據(jù)挖掘則可以擴展范圍和廣度，從而更加深入全面地了解行業(yè)和市場的狀況。[8]

人工智能可以用復(fù)雜的機器學(xué)習(xí)、知識圖譜等技術(shù)手段較為快速和準(zhǔn)確地判斷和預(yù)測市場行情，這在很大程度上減少了A股分析員在投資中的誤判和迷茫。先進的機器學(xué)習(xí)算法和知識圖譜等技術(shù)可以對海量數(shù)據(jù)加以分析，從政策面、基本面、技術(shù)面等多維度提升分析準(zhǔn)確率。人工智能的發(fā)展使得股票預(yù)測從之前的單一模型和單一維度向多模型和多維度發(fā)展，模型的復(fù)雜程度也顯著提升。此外，由于機器能夠24小時不間斷運作，人工智能通過模型對風(fēng)險的預(yù)測和監(jiān)控會更加及時有效。資本市場往往會遭遇“黑天鵝”事件的沖擊，在短時間內(nèi)就會造成系統(tǒng)性的危機，智能量化系統(tǒng)可以自動執(zhí)行操作指令做出及時響應(yīng)，從而能夠有效避免投資損失。[9]

目前，我國人工智能技術(shù)發(fā)展還不完善，因此在投資決策中仍然會出現(xiàn)一些錯誤。人工智能的基礎(chǔ)是大數(shù)據(jù)，然而人工智能系統(tǒng)在搜集、篩選和整理數(shù)據(jù)的過程中就可能出現(xiàn)疏漏，進而導(dǎo)致數(shù)據(jù)的偏差。數(shù)據(jù)的偏差最終會導(dǎo)致結(jié)果的偏差，這使得預(yù)測和判斷無效。人工智能在做決斷時需要多個步驟的協(xié)同，然而，銜接好每個步驟并保證完全無誤是一項艱巨的任務(wù)，現(xiàn)有的技術(shù)手段無法完全保證人工智能在無人監(jiān)控的條件下能夠獨自連接所有任務(wù)。金融分析研究和金融投資決策是兩項相對獨立的任務(wù)，人工智能在金融分析中的典型應(yīng)用是智能投顧，在金融投資決策的典型應(yīng)用是智能化交易。人工智能在兩項任務(wù)中都表現(xiàn)得十分出色，但是目前技術(shù)水平無法保證人工智能可以毫無差錯地鏈接兩項技術(shù)。人工智能的一些程序化算法和機器學(xué)習(xí)是人類無法理解的，所以人類無法實時監(jiān)控人工智能，保證其不犯錯。在一些極端案例中，人工智能一旦犯錯帶來的損失會十分驚人，此前法國興業(yè)銀行一名員工就因程序化交易不當(dāng)給公司造成了30多億歐元的損失。[10]

如果市場大范圍采用人工智能進行投資，此前人工智能的制勝策略屆時可能也會失效。人工智能炒股能夠跑贏大盤的關(guān)鍵點在于擁有超越一般人類的智能化技術(shù)和量化模型，但是當(dāng)所有市場參與者都改用人工智能做股票投資的時候，這種人工智能超越人類的制勝優(yōu)勢也就隨即消失了。投資方如果希望再次獲得市場中的超額收益就必須不斷改進和完善掌握的人工智能技術(shù)，但是技術(shù)的發(fā)展是有瓶頸的，即使擁有大量資金也未必能夠在短時間內(nèi)研發(fā)出大幅優(yōu)于競爭者的人工智能技術(shù)。[11]

人工智能在A股投資中遇到的另一項難題是法律制度和政府監(jiān)管的問題。人工智能技術(shù)發(fā)展很快，監(jiān)管機構(gòu)的人員需要與時俱進跟上技術(shù)發(fā)展，從而能夠理解人工智能在投資中的應(yīng)用并制定相應(yīng)法規(guī)體系。人工智能技術(shù)在投資中還可能與道德倫理、隱私保護等原則產(chǎn)生一定程度的沖突。人工智能在決策中到底是要考慮整個金融體系的健康發(fā)展，還是只考慮個別投資方的利益最大化，取得的收益應(yīng)當(dāng)盡量惠及整個社會還是只利于少數(shù)投資人，這都是需要思考的道德倫理問題。此外，人工智能的分析要以大數(shù)據(jù)為基礎(chǔ)，數(shù)據(jù)的豐富可能會與公司信息保護和個人隱私等原則相沖突，監(jiān)管機構(gòu)如何平衡這兩者也是一項難題。雖然我們看到現(xiàn)行的法律和原則鼓勵信息披露，但是我們也不應(yīng)忽視一些公司由于信息披露和核心情報泄露所導(dǎo)致的損失。[12]

人工智能在股市投資中的績效評估

全球首支以人工智能為手段的ETF基金已于2017年底在紐交所上市，它的全名是AI Powered Equity ETF （代碼：AIEQ）。依托大數(shù)據(jù)的支撐，AIEQ主要采用IBM公司提供的人工智能技術(shù)手段來分析判斷美股投資機遇。AIEQ是一支全天候運作的基金，無時無刻不在追蹤市場變化，利用量化手段分析數(shù)以萬計的信息包括公司年報、新聞、論壇等，從而，在6000余支美國股票中找尋投資機會。AIEQ通過自我學(xué)習(xí)能夠不斷完善量化交易策略和算法分析手段。

AIEQ剛剛出現(xiàn)時，很多投資經(jīng)理和分析員都十分擔(dān)心自己的工作受到威脅，懼怕AIEQ的市場表現(xiàn)會超過人類管理的基金。然而，一年多過去了，AIEQ并未如預(yù)期般表現(xiàn)出色，利用彭博終端提供的數(shù)據(jù)，表2給出了其與基準(zhǔn)指數(shù)標(biāo)普500總回報指數(shù)在不同時間區(qū)間的漲跌幅，從整個時間樣本區(qū)間來看，AIEQ的累計漲幅為13.47%，不及基準(zhǔn)指數(shù)17.09%的漲幅，特別是在美股大幅下跌的第2個子區(qū)間，AIEQ的跌幅明顯超過基準(zhǔn)指數(shù)，不過在美股上漲的第1和第3個子區(qū)間里，AIEQ的漲幅都略勝基準(zhǔn)指數(shù)。

為了進一步衡量AIEQ相對于基準(zhǔn)指數(shù)來說是否具有選股和擇時能力，我們采用計量模型Rpt-rft=α+β（rmt-rft）+γ（rmt-rft）Dt+εt來評估，其中Rpt、rft和rmt分別為第t日AIEQ、短期國債和基準(zhǔn)指數(shù)在第t日的收益率，Dt為虛擬變量，當(dāng)rmt>rft 時為1，否則為0。在該模型中，AIEQ的選股能力和擇時能力分別由α和γ來衡量。表3給出了模型的估計結(jié)果，其中α和γ的t統(tǒng)計量用來檢驗其估計值是否顯著大于0，即AIEQ的選股能力和擇時能力是否明顯;而β的t統(tǒng)計量檢驗的是其估計值是否大于1，即AIEQ的風(fēng)險是否顯著高于市場基準(zhǔn)。

表3中結(jié)果顯示，AIEQ沒有選股能力，全樣本下風(fēng)險調(diào)整后的年化收益為-7.58%，在第2和第3個子區(qū)間內(nèi)的風(fēng)險調(diào)整后的年化收益更低，分別為-38.77%和-10.44%，同時對應(yīng)的t統(tǒng)計量顯示，AIEQ在這2個區(qū)間內(nèi)的選股能力明顯不及基準(zhǔn)。AIEQ的擇時能力也不明顯，全樣本下?lián)駮r能力γ的估計值雖然為正，但對于的t統(tǒng)計量并沒有達到一般的顯著性水平，AIEQ僅在第3個子區(qū)間表現(xiàn)出一定的擇時能力。另外，全樣本下市場風(fēng)險β的t統(tǒng)計量顯示，AIEQ的市場風(fēng)險明顯高于基準(zhǔn)。

AIEQ雖然沒有跑贏大盤，但整體表現(xiàn)不算太差。在近2000只美國ETF投資基金中，AIEQ的排名大約在200～300的區(qū)間中，排名相對位居前列。若與個股比較的話，AIEQ的上漲幅度高于同期2/3的美股。

國內(nèi)首支利用人工智能炒股的股票型公募基金浙商智能行業(yè)優(yōu)選混合A于近日獲批，由于該基金近期還在進行備案和籌備等相關(guān)工作，后續(xù)市場表現(xiàn)仍有待觀察。不過國內(nèi)公募基金中有部分采用人工智能機器算法作為輔助分析手段的大數(shù)據(jù)基金已經(jīng)運行數(shù)年。利用Wind提供的數(shù)據(jù)，表4給出了大數(shù)據(jù)基金的相關(guān)信息及收益表現(xiàn)，其中超額收益為基金復(fù)權(quán)凈值漲跌幅與基準(zhǔn)指數(shù)收益率之差，我們統(tǒng)計的是各個基金自贖回日之后至2018年8月27日的年化日均超額收益，并給出了t統(tǒng)計量來檢驗基金收益率是否顯著高于基準(zhǔn)指數(shù)收益率。表中t統(tǒng)計量的絕對值大都在2以內(nèi)，表明大數(shù)據(jù)基金收益率與基準(zhǔn)指數(shù)收益率的差異并不明顯，僅南方大數(shù)據(jù)300A的收益明顯高于基準(zhǔn)。

表5進一步給出了對大數(shù)據(jù)基金自贖回日之后至2018年8月27日區(qū)間的選股與擇時能力的評估。博時淘金大數(shù)據(jù)100A、南方大數(shù)據(jù)300A、博時銀智大數(shù)據(jù)100A、天弘云端生活優(yōu)選這4只基金選股能力α的t統(tǒng)計量大于2，表明他們的選股能力顯著優(yōu)于基準(zhǔn)，風(fēng)險調(diào)整后的年化收益率分別為25.4%、6.49%、11.3%、22.5%。其他大數(shù)據(jù)基金的選股能力與基準(zhǔn)相當(dāng)，并沒有任何一支基金的選股能力明顯不及基準(zhǔn)。

而在擇時能力方面，則沒有任何一支基金具有明顯的擇時能力，甚至還有4只基金的擇時能力顯著為負(fù)，分別是博時淘金大數(shù)據(jù)100A、博時銀智大數(shù)據(jù)100A、天弘云端生活優(yōu)選、泰達宏利同順大數(shù)據(jù)A。其中前3只基金是有顯著的選股能力的，但由于他們的擇時能力顯著為負(fù)，導(dǎo)致基金收益與基準(zhǔn)指數(shù)相差不大。

人工智能炒股能跑贏大盤嗎？這是一個值得深思又極富爭議的問題。有人樂觀地認(rèn)為在不久的將來人工智能可以取代人類做股票投資，并且可以持續(xù)跑贏大盤獲得正向收益。不過就目前的技術(shù)手段和現(xiàn)實情境來看，人工智能完全取代人類做投資決策并持續(xù)跑贏大盤還是不大可能。

即使未來技術(shù)發(fā)展成熟，人類或許也不會完全放權(quán)給人工智能做投資決策。作為萬物之靈的人類總有著能夠掌控萬物的欲望，人類更愿意接受人工智能作為輔助投資的工具而不是用它完全替代人類做投資。人類一方面希望隨著技術(shù)的成熟人工智能能夠最終取代人類做股票投資并持續(xù)跑贏大盤;另一方面又在畏懼這一變化給整個資本市場甚至世界帶來的影響。未來是難以預(yù)測的，但可以肯定的是人工智能應(yīng)用于股票投資的潮流不會改變，我們唯一能夠做的就是去擁抱這一變革，順應(yīng)這一歷史潮流。

（本文系國家自然科學(xué)基金項目“資金流、交易者異質(zhì)性與股市波動”的階段性研究成果，項目編號：71373225）

注釋

[1]埃森哲、百度金融：《與AI共進，智勝未來：智能金融聯(lián)合會報告》，2018年，第36～37頁。

[2]羅蘭貝格研究院：《2019年關(guān)于人工智能的十大議題》，2019年，第4～5頁。

[3]李振、周東岱、王勇：《“人工智能+”視域下的教育知識圖譜：內(nèi)涵、技術(shù)框架與應(yīng)用研究》，《遠(yuǎn)程教育雜志》，2019年第4期。

[4]王哲：《AI100榜單折射人工智能發(fā)展新態(tài)勢》，《中國工業(yè)和信息化》，2019年第7期。

[5]陳永偉：《人工智能與經(jīng)濟學(xué)：近期文獻的一個綜述》，《東北財經(jīng)大學(xué)學(xué)報》，2018年第3期，第6～7頁。

[6]何誠穎：《智能金融變革》，北京：中國財經(jīng)出版社，2018年。

[7]張英健、王昕宇、樊曉芳：《機器學(xué)習(xí)算法已成量化投資跑贏市場的新推手》，《智周報告核心版》，2019年7月29日。

[8]李文哲：《人工智能正在改變證券行業(yè)》，《中國戰(zhàn)略新興產(chǎn)業(yè)》，2019年第19期，第45～49頁。

[9]胡蝶：《人工智能在金融領(lǐng)域的應(yīng)用研究》，《金融縱橫》，2018年第9期，第47～48頁。

[10]楊東：《監(jiān)管科技：金融科技的監(jiān)管挑戰(zhàn)與維度建構(gòu)》，《中國社會科學(xué)》，2018年第5期，第69～90頁。

[11]Matteo B. et al.， "Artificial Intelligence in the Real World"， The Economist， 2016， pp. 10-12.

[12]https：//ai100.stanford.edu/.

責(zé) 編/周于琬