（原标题：解密人工智能基金的投资奥秘！为啥全球首只AI基金首战失利后，大佬还在持续下注）
全球首只人工智能基金的业绩失利，凸显了投资界对于AI投资（人工智能投资）观点的两极分化：乐观者预期它终将横扫市场，取代大多数基金经理的工作；而悲观者则把它看作“神话故事”“永远不会成功的永动机”。
首只AI基金铩羽
12月14日早晨，全球首只人工智能ETF基金AIEQ报收于25.69美元。上市近两个月，该基金的表现差强人意，落后美股标普500指数2.5个百分点。
AIEQ上市以来与标普500ETF的走势比较（蓝色为AIEQ净值曲线）
作为第一个宣称使用人工智能的基金，AIEQ的业绩出乎行业预期。
它一度惊艳，上市的前三个交易日，AIEQ斩获了0.8%的收益率。媒体报道频频使用“超过基准指数100倍”的评语，并随之激发了一片“人工智能何时取代基金经理”的报道和讨论。
但这只是昙花一现。
此后该基金的业绩迅速滑落。从10月中旬到11月中旬，该基金净值一度下跌逾4%。更糟糕的是，同期美股标普500指数稳步上涨，两者相比，AIEQ完败。
“无论是波动率控制，还是短期基金业绩表现，AIEQ都是越做越差，难言让人满意。”一家量化投资机构的投资总监如是说。
由于公开信息的缺乏，AIEQ近期表现低迷的原因尚难判断。一些投资人士认为，从净值看，AIEQ的选股结果偏激进，进攻性很强，但世道不顺时净值回撤也很凶。
也有人认为，或许基金管理人自己也未必能完全了解清楚其中的原因。人工智能投资有所谓的“黑箱问题”，由于算法复杂，“投资模型的投资过程经常缺乏可解释性”。
公开资料显示，AIEQ全称为AI Powered Equity ETF，是由旧金山的一家创业公司发起，并和一家ETF基金公司合作设立的上市型交易基金。
该基金号称运用人工智能来进行股票选择，“追求以同等的风险波动水平，提供超出美国股市基准指数的投资结果。”该基金通常投资40-70只股票。
AI投资难在何处？
同样是利用计算机系统进行投资，量化投资技术在十多年前已经进入实战，但是AI投资目前还在研究尝试中，原因在哪里？
君耀投资的总经理沈贤能认为，这是因为应用于投资的人工智能必须要具备包括“感知、认知、推理、学习和执行”等智能化特征，但要达到这样的目标并不容易。
“具体来说，人工智能在投资中的应用要跨越两大步。其一是应用海量的市场数据对模型进行训练，逐步形成有胜率的算法模型。其二是把算法模型应用于具体场景，比如在资本市场中进行实战投资。”沈贤能说。
但这两者的完成都是有相当难度的。
击败无数围棋冠军的“AlphaGo”非常出名，但它实际上在数据计算上也是“讨了巧”。用几个专家模型来评估棋局形式和剔除“臭棋”，这大大削减了数据搜索的广度和深度。
否则如果用“穷举法”来处理数据。那么一盘围棋棋局的运算量要达到3的361次方，这大概比宇宙间所有原子的数量还要多。
但对投资市场而言，市场数据的规模远胜于围棋，市场价格影响的因素也远多于围棋，要构建准确判断投资胜率的专家模型无法一蹴而就。目前人工智能进入投资实战，条件还不具备。
沈贤能认为，人工智能在投资中的应用最终取决于三个行业驱动力：数据量、运算力和算法模型。只有这三个方面都突破了，AI投资才能真正应用到市场中去。这也是当下量化机构们正着重发力的方面。
海内外机构蜂拥而入
但即便如此，早在AIEQ问世前，海内外投资机构就已经争先恐后地布局人工智能投。从研发到交易、从战略合作到组织架构，大型资产管理公司铆足劲要争抢AI投资的高地。
海外最大的指数化基金公司之一贝莱德今年3月末对外宣布调整公司架构，裁撤包括7名投资经理在内的100名主动型基金部门员工，并调整300亿美元资产的管理体系，部分资产安排量化基金接管。其公司CEO在对外公告中称，传统的股票投资方法正被技术和数据科学的巨大进步所改变。
此外，诸如SAC、Two Sigma、Citadel、DE Shaw等知名对冲基金机构，也先后有尝试在投资中应用人工智能算法、或是设置专门研发团队进行AI研究的消息传出。
国内最大的两家基金公司华夏基金和天弘基金也于今年先后宣布了在人工智能方面的战略型研发计划和组织架构安排。其他机构也积极跟上。
但另一方面，业界对于AI投资的应用前景、研发方向及资管公司架构调整的原因也一直有争论和猜测。
有机构认为，海外对冲基金目前的一些“尝试”只能看做是量化投资的衍生范畴，其至多应用了一些人工智能的算法技术，距离真正的“AI投资”还有很远的距离。
高毅资产的投资总监邓晓峰在一次演讲中也提及：“人工智能现在还处于很早期的阶段，他还是一个专家系统，无法解决没有明确规则的问题。”这个观点代表了相当多数投资经理和学者的看法。
AI投资的现实选择
AI投资完全进入实战仍有距离，那么它的技术应用短期就毫无机会了么？
垒土投资的沈天瑞认为，把AI技术分步骤地应用于投资领域，目前较具现实性。分步走有助于回避当前人工智能的关键障碍，即所谓的“黑箱”问题。
“分步走”重点考虑突破三个方面。
其一是从投资中重复性的工作环节入手帮助提高效率，着重在采集清洗数据、分析处理非结构化扩展数据（例如社交、电商信息等）、处理提炼公司和行业数据、调研数据、舆情监控等领域。这些环节中运用的技术是目前比较成熟的。
其二是尝试进行研究端的简单判断，比如通过对海量卫星照片的扫描，分析某些产业的繁荣状况、储备情况等，尝试进行信息挖掘等。
其三是在交易执行端，通过执行一些算法也能达到部分的人工智能技术的应用。这样在数据端、研究端、执行端分别执行局部的人工智能技术，仍然能够为投资提供很好的支持。
德克萨斯大学教授尼尔逊曾总结，人工智能是关于怎样表示知识、怎样获得知识并使用知识的科学。以深不可测的市场知识，加上了同样深不可测的人工智能做工具，前景究竟如何，尚须时间给出答案。
制作：刘宇泽 │ 图编：比由
本文来源：上海证券报·中国证券网
责任编辑：
席文超_NF5495
