2017年12月，彭博社發文稱，人工智能將占領華爾街99%的投資機構。機器學習技術憑借其在通過數據生成洞見方面的非凡能力，有望參與99%的投資活動，華爾街的首席執行官們表示。這是人工智能（AI）與沃倫·巴菲特（Warren Buffett）之間的對決。

元盛資產管理（Winton）是一家位于英國倫敦的對沖基金公司，該公司使用人工智能來檢驗沃倫·巴菲特的古老交易原則：大型收購通常會損害買方股東的利益。研究人員收集并分析了近9,000筆在美國發生的交易的數據，這些數據可回溯至20世紀60年代。

那么結果如何呢？元盛表示巴菲特的論點站不住腳，大型收購并不一定會摧毀價值?！八煞乐刮覀兏鶕e誤信號交易，從而避免因此可能導致的金錢損失，”在這家管理規模達300億美元的對沖基金公司領導數據科學家團隊的丹尼爾·米切爾（Daniel Mitchell）說道。巴菲特并未回應發送給助理的評論請求。

人工智能在經歷過去數十年的虛假繁榮后，逐漸在投資領域的未來占據了一席之地。Two Sigma和高盛（Goldman Sachs Group Inc.）等資產管理巨頭及Schonfeld Strategic Advisors等小型資產管理公司采用人工智能作為戰略基石或研究工具。

從這一點來看，人工智能可以走多遠呢？

英仕曼集團（Man Group Plc）首席執行官盧克·埃利斯（Luke Ellis）認為緩慢的接替過程正在到來。這家管理規模達1035億美元的英國倫敦基金公司已經使用機器學習技術將大約130億美元投資于多個對沖基金。機器學習技術會在十年內滲透到英仕曼業務活動的方方面面，從執行交易到幫助公司的全權/單位信托部門挑選證券，埃利斯在一次訪談中說道。

“如果計算能力和數據生成以目前的速率保持增長，那么機器學習技術將在25年內參與到99%的投資管理活動中去，”埃利斯說道，“它會在我們的生活中無處不在。我不認為機器學習技術是我們所有事業的答案。它只是能夠讓我們更好地完成我們在做的許多事情而已?！?/p>

人員“傷亡”可能會十分慘重：咨詢機構Opimas在一項針對金融公司的調查中估計，到2025年，世界范圍內資產管理領域的300,000萬個工作崗位中的90,000個工作崗位會因人工智能而消失，其中包括基金經理、分析師和后勤辦公室員工。英仕曼集團和元盛等量化基金先鋒已經在其人工智能變革中領先一步。幾乎其他所有公司都需要克服令人生畏的阻礙。

人工智能最近的壯舉都是經過數十年的醞釀而成就的：打敗圍棋冠軍、為無人駕駛汽車導航以及為投資者賺錢。

表 人工智能發展時間線

1950年：艾倫·圖靈（Alan Turing）開發出用于識別機器智能的圖靈測試

1956年：約翰·麥卡錫（John McCarthy）在達特矛斯會議上提出“人工智能”這一概念

1957年：發明感知器（Perceptron）算法，該算法經過訓練可用于分類圖像

1964年：計算機的自然語言理解程度足以解答代數應用題

1968年：斯坦利·庫布里克（Stanley Kubrick）在其科幻小說《2001：太空漫游》（2001: A Space Odyssey）中塑造了智能計算機哈爾（HAL 9000）這個角色

1979年：自動駕駛汽車斯坦福推車（Stanford Cart）能夠在滿是障礙物的房間中繞開所有障礙物前行

1982年：詹姆斯·西蒙斯（James Simons）創辦量化投資公司文藝復興科技（Renaissance Technologies）

1988年：戴維·肖（David Shaw）創辦D.E. Shaw公司，這家公司是對沖基金公司中的人工智能早期采用者

20世紀90年代：機器學習領域在人工智能方面取得進步、基于案例的推理、數據挖掘、虛擬現實

20世紀90年代：網絡爬蟲、其他基于人工智能的信息程序成為互聯網支柱

1997年：IBM的超級計算機深藍（Deep Blue）打敗國際象棋冠軍加里·卡斯帕羅夫（Garry Kasparov）

1999年：索尼推出電子寵物狗AIBO，它能夠理解100種語音命令、學習及成長

2005年：塞巴斯蒂安·史朗（Sebastian Thrun）率領的斯坦福團隊贏得美國國防高級研究計劃局（DARPA）的132英里無人駕駛汽車競賽

2011年：IBM能夠回答問題的人工智能系統沃森（Watson）在綜藝節目《危機邊緣》（Jeopardy）的測驗中勝出

2012年：谷歌的自動駕駛汽車在美國內華達州獲得許可

2014年：英仕曼集團開始使用機器學習算法來管理客戶資產

2016年：Alphabet旗下公司DeepMind推出的阿爾法圍棋（AlphaGo）計算機程序打敗圍棋世界冠軍

2017年：AlphaGo Zero與自我對戰，以100:0的成績打敗AlphaGo

2017年：Facebook完全轉為使用神經網絡，每天的翻譯量達到45億次

2017年：由IBM的超級計算機沃森提供支持的首個人工智能ETF股票基金開始交易

2017年：部署機器學習技術的美國對沖基金公司Two Sigma的資產管理規模超過500億美元

根據英仕曼集團的預測，到21世紀40年代，人工智能可能會參與99%的投資管理活動。

因為鮮有能夠制定可獲利策略的科學家，導致部分投資者選擇不參與其中。技術和數據的高額成本也對已經因資金流向被動型基金而壓力倍增的公司造成了沉重負擔。但機器學習技術在發現人力所及范圍以外投資機遇方面的非凡能力賦予了這項技術令人無法忽略的誘惑力?，F在，各家公司都在使用人工智能技術來準備大量社交媒體和智能手機數據、比分析師更快地預測公司收益和銷售額、通過文檔解讀高管情緒以及制定完整策略。

Vasant Dhar于20年前在美國理財公司SCT Capital Management成立了Adaptive Quant Trading計劃，這項計劃是首批使用機器學習技術的對沖基金之一，管理規模達3.5億美元。他說道：“機器將會完成更多發現投資機遇這類苦差事。它們可以生成假設，然后進行測試，最后告訴人類，‘這很有趣，值得深入挖掘?！S著機器帶來更多價值，它會改變人類工作的性質。”

由于貝萊德公司（BlackRock Inc.）和領航投資集團（Vanguard Group）一路吞噬各種資金并且其管理規模可能達到20萬億美元，人工智能策略還需要全力應對此類被動型投資公司發起的攻勢。指數基金和Smart Beta基金的套利能力可能會讓人工智能在挑選價值型股票或成長型股票方面的優勢無法顯現。但機器學習技術表明，在未被發現的市場中，其表現優于被動型波動和利用模式，可以稱得上是Smart Beta高級版本。

投資者們受夠了全權信托公司數年來乏善可陳的表現，因而對此十分買賬。量化基金（其中許多基金使用人工智能技術）的管理規模自2010年以來飆升了86%，達到9,400億美元。美國對沖基金研究公司Hedge Fund Research表示，基本面對沖基金在2016年遭遇了830億美元的資金外流，而量化基金則吸入了130億美元資金。這一趨勢一直持續到2017年9月。

盡管人工智能在數據方面擁有非凡的能力，但其局限性也十分明顯。人工智能缺乏想象力，或者說缺乏人類在面臨事件沒有按之前許多次那樣發生的情況下預計事件的能力（從政治方面到宏觀經濟方面）。如果說對沖基金經理約翰·保爾森（John Paulson）能夠預見次貸危機即將到來，人工智能則會對此毫無頭緒，因為它沒有足夠的相關歷史數據來進行對比并形成看法。

“機器沒有預測危機的依據，因為每個危機都是獨一無二的，”同時身為紐約大學數據科學和商業分析專業教授的Dhar表示。“人類擅長對危機等事件進行推理，并且有時能夠預測危機，但我們經常會出錯?？纯催^去幾年關于利率的預測就知道了?！辈还苁菍κ清e，基金經理及其市場觀點都將在人工智能時代發揮重要作用。基本面分析師則會面臨更大的威脅。

公司有時每年會向能夠利用大數據且經驗豐富的機器學習專家支付近100萬美元的薪酬。這就讓留給研究公司基本面的分析師的資金大幅減少。他們可能需要學習編碼才能保住自己的崗位。

“隨著主動型基金管理公司因收入下降而被迫在工程師身上花費更多金錢，這些公司還會被迫縮減人類基金分析師方面的支出來保護利潤，”Martin Taylor說道。他在2016年面對來自量化基金的競爭時關閉了自己的全權對沖基金Nevsky Capital?！斑@對于人類而言非常糟糕?！?/p>

美國量化基金公司Acadian Asset Management的資產在過去五年內飆升了79%，達到930億美元。這家公司提供了角色在未來會如何變化的線索。

基金經理對于經濟走勢的直覺是Acadian的中短期策略和其他策略的基礎。數量分析專家隨后會部署機器學習算法來調整和改進20個最具影響力的因素，這些因素能夠推動就這些經濟主題做出更好的預測，其中包括現金流以及欺詐等特別事件。這些因素隨后會被插入在數月或數個季度內持有10,000個不同股票的頭寸的自動化系統中。

Acadian的基金經理和分析師都是知識廣博的人士：他們全都對統計學擁有全面了解，并且幾乎每個人都會編寫代碼并擁有市場經驗，量化基金全球宏觀研究總監Ryan Stever表示說道。

這家總部位于美國波斯頓的公司正在對人工智能和大數據進行投資，以期更好地預測對于公司績效而言十分關鍵的指標，例如銷售額。如果Acadian能夠在銷售數據公開發布前就押對寶，那么這家公司必將獲得優勢。“你可以使用機器學習技術來更早、更快且更準確地獲得指標，”股票選擇研究總監Wes Chan表示。“如果能夠奏效，那么意義十分巨大?！?/p>

一些公司甚至擁有更大的野心，那就是掌握深度學習技術。這項更加智能的人工智能技術為谷歌的搜索服務和特斯拉的自動駕駛汽車提供支持。深度學習機器可自由模仿大腦中多層神經元的活動，所需的人類指令較少。它們不需要被告知應該去發現什么就能做出決策。

“你會發現，神經網絡將成為對所有交易類型而言更好的預測者和更好的工具，”幫助奠定現代人工智能系統基礎并同時身為對沖基金顧問的于爾根·施密德胡伯（Juergen Schmidhuber）說道?！霸S多交易將通過自主學習算法執行，另外還會有少量擁有較高權限的人員偶爾加入人類決策。這會是近未來出現的場景?！?/p>

人工智能的未來最終將取決于其賺錢的能力。目前的全自動化人工智能策略組擁有表現一般的開端。它們比范圍更廣泛的對沖基金行業擁有更優秀的表現，但卻無法勝過股票市場。一項Eureka對沖指數表明，截至2016年，13個使用人工智能的基金在六年間實現了10.6%年均增長，并在2017年10月增長了8.5%。

這對于守舊派選股人而言同樣適用，只要他們能夠讓投資者的資產增值，他們就不會丟掉自己的工作。人工智能可能動搖了巴菲特的其中一個支柱。但伯克希爾公司在2011年到2016年間的年均投資回報率達到12.5%，這就表明機器尚未擊敗這位傳奇的投資大師。