老实说，客户可能并不在意投资经理其使用的那些花哨的人工智能工具。客户只关心四件事：风险调整收益、持续的超额收益(α)、及时的回复、建议和个性化服务，以及自己是否越来越富有。
为此，投资管理公司可以使用人工智能来管理风险，从另类数据中获取投资洞察，进行自动化分析并开展客户报告。
首先，让我们来看看目前和未来AI在投资管理中的应用，接着探讨投资经理如何识别高价值的AI应用机会，并与AI初创公司共同制定解决方案。
人工智能在投资管理中的应用
人工智能可用于支持前台和后台工作，包括投资分析、风险管理和报告生成等管理任务。人工智能可以为投资管理公司增值的三个领域：
- 风险管理：使用机器学习管理投资和投资组合风险。
- 投资洞察：用机器学习和计算机视觉分析另类数据，预测零售店业绩、商品供应和一般经济活动情况。
- 分析和报告：使用自然语言处理(NLP)为客户提供定制的报告，并为分析师汇总财报电话会议和年度报告。
将人工智能应用于这些领域会大有好处。经过改进的风险管理和数据洞察会带来更好的投资结果，使用人工智能进行自动化分析并生成报告可以节省分析人员的时间和金钱，为客户提供定制的按需报告增添个性化服务的元素，增加了客户信任度，提高了客户满意度。
利用机器学习管理投资风险
图源：unsplash
贝莱德是一家领先的投资管理公司，它为投资经理提供的操作系统Aladdin，可以更精确地管理投资组合的风险敞口。
Aladdin声称系统内置有机器学习工具来监控和降低投资组合风险，现已吸引包括贝莱德在内的200多家机构使用。系统其每天可以自动监测2000多个投资风险因素(如利率、汇率)，并模拟不同经济情景下的投资组合绩效。
使用Aladdin系统的投资管理公司可以提高其人力投资组合经理的技能。人类经验与人工智能处理能力的结合，可以比二者单独构建、测试和重新平衡投资组合更加高效。
用人工智能分析另类数据，获取投资洞察
大家都会分析来自美国证券交易委员会(SEC)发布的文件、新闻、彭博社资讯等传统投资数据，分析师想要从这些传统数据中找到其他人都忽略的投资洞察，可能性很低。
投资经理们越来越多地通过分析另类数据来获取投资洞察，包括卫星图像和手机地理位置数据。
利用卫星图像预测零售店销售额
图源：Quartz
零售店停车场的卫星图像可以作为零售销售和同店销售增长的早期预测。上图显示了塔吉特百货公司旁边停车场的卫星视图。有权访问这些数据的投资分析师可以精准地计算出汽车数量，并追踪停车场的交通状况。
假设停车场车位占用率和商店收入之间存在很强的正相关关系，投资者可以在塔吉特(Target)或沃尔玛(Walmart)等零售商披露季度财务报表前下注，这可能是一个强大的α数据来源。
从人工智能的角度来看，这是如何实现的?是计算机视觉和神经网络的结合，能够识别并统计卫星图像中停放的汽车数量。
利用手机地理位置数据预测经济活动
当我们从新冠肺炎疫情中逐渐走出来时，投资者们都在问经济活动复苏的速度会有多快——这些活动不仅是在股市，而且是在人们生活的街头巷尾。我们或许可以通过分析人群移动和人们手机中的地理位置(GPS)数据得到部分答案。
左图为佛罗里达海滩手机移动追踪图，右图为美国手机移动追踪图。| 图源：CNN
在新冠疫情最严重的时候，CNN报道了两家科技公司，X-Mode和Tectonix是如何在2020年3月追踪到佛罗里达海滩春假游客的手机定位数据的。这两家公司能够追踪到这些手机(及其持有者)离开海滩后的去向。一张定位地图显示了这些人在美国各地的住处。
当世界各地彼此开放时，匿名地理定位数据可以追踪购物区、旅游区和经济中心的人类活动。在官方数据公布之前，这些数据可以作为经济活动的早期信号。例如，可用于洞察用于分析酒店业投资。机器学习技术可以根据过去的运动模式预测人群的移动方向。
用自然语言处理的自动分析和报告
1. 自动化投资分析
往日(几年前)，分析师们会花大量时间仔细研究年报、行业新闻和财报会议电话，来了解一家公司的经营状况。
如今，人工智能的分支——自然语言处理(NLP)能够“阅读”这些报告、文章和通话记录，可以从年度报告中提取洞察并总结重点。情绪分析工具可以分析财报会议电话记录，从而确定管理层对公司前景的积极或消极程度。
Alpha-Sense等人工智能初创公司为机构投资者提供了这些工具。类似的NLP工具也可以应用到新闻和社交媒体数据分析中，处理人类分析师无法企及的海量数据。对分析师来说，好消息是，他们现在可以不受约束，专注更多增值分析和α数据生成分析。
2. 定制的客户报告和按需信息
自然语言生成(NLG)是一种与NLP相关的技术，可以从底层数据自动生成文本内容。投资经理可以使用这项技术定期自动生成客户报告，甚至可以按需为客户提供市场洞察服务。
根据2019年《纽约时报》的一篇报道，彭博社一直在使用自动报道来撰写多达三分之一的新闻报道。这篇报道指出，彭博社并非个例，对冲基金也在用自动报告来为客户提供市场信息。投资经理可以自动生成报告以降低成本并节省内部时间。更重要的是，向客户提供及时的报告和增值洞察将提高客户满意度和公司声誉。
标识高价值人工智能用例并部署人工智能解决方案
投资管理公司将从人工智能中获益匪浅。为此，企业必须考虑以下几点：
- 人工智能用例标识：我们可以利用人工智能处理哪些最具回报价值的商机?我们可以使用哪些人工智能技术?
- 人工智能优先化：如何根据用例和时间范围划分人工智能项目的优先等级?
- 数据获取：我们需要什么类型的数据?在哪里获取?
- 人工智能供应商合作伙伴关系：我们如何与人工智能初创公司合作，共同制定针对我们独特需求的人工智能解决方案?
图源：unsplash
1. 用例标识
标识人工智能用例源于获得人工智能意识。高级投资管理人员了解自身行业和客户需求，但可能还需要清楚人工智能的功能。这种基本的人工智能意识将有助于管理人员将人工智能如何帮助公司及其客户的内容概念化。
人工智能意识和教育的渠道可为在线课程、企业培训、人工智能顾问或与公司关系密切的人工智能供应商。当一个值得信任的顾问或人工智能供应商与员工一起标识用例时最为有效。通过与公司的管理层和业内专家合作，人工智能供应商和顾问可以为公司最具回报价值的商机标识人工智能用例，无论是风险管理、另类数据洞察还是自动化分析。
利用人工智能供应商和顾问进行用例标识的另一个好处是，他们可以阐述(也可能提供)部署解决方案所需的人工智能方法和工具。
2. 人工智能优先化
由于时间和资源有限，公司不能一次推出多个人工智能解决方案。最好先淘汰那些“速赢”项目，即那些能迅速产生可测量影响的小项目。例如，一家投资管理公司获得并部署了一个智能机器人流程自动化(RPA)工具，该工具使用人工智能来自动化管理日常工作流程。
在人工智能学习曲线上取得进展之后，企业可以转向他们确定的更高价值的人工智能用例。所以把人工智能计划分成短期/中期/长期项目是有意义的。通过这种方式，成本得到控制，利益得到叠加，并且人工智能计划随着时间的推移不断得到验证。
3. 数据获取
投资管理公司人工智能项目的大部分数据都是内部数据。但是，其仍然存在统一数据源和数据清理的问题，这也是极其重要的，其他数据来自彭博社和路透社等金融数据供应商。
另类数据，如上面提到的卫星图像和匿名地理位置数据，来自专门的另类数据供应商。在审核这些供应商时，公司必须：
- 确保供应商不使用重要的非公开信息。因为这可能使投资经理面临内幕交易指控的风险。
- 确保可以轻松地将供应商数据集整合到你的AI模型中。
- 检查供应商数据是否仅使用机器学习进行了标记，或者是否有人执行二次检查以提高标记准确性。
- 考虑数据供应商明年是否仍将继续经营(毕竟竞争激烈)。
人工智能供应商合作伙伴关系
构建人工智能绝非易事。只有最有能力的投资经理才能负担得起使用内部人工智能团队，进行一切内部构建。虽然企业应该把眼光放长远一些(更大的知识效应、数据安全、知识产权保护)，但许多企业仍然需要先达到成熟的人工智能水平。
从长远来看，仅仅出去买一堆人工智能工具是行不通的。现成的人工智能产品可能无法满足公司的业务需求，并且可能无法很好地与公司的数据整合。
更稳健的策略是与值得信赖的人工智能初创公司和供应商合作，共同制定人工智能解决方案。供应商可以与公司员工(终端用户)和公司技术和数据团队合作，开发一套能够在彼此和公司数据间都能很好地协同工作的人工智能工具。
这种战略合作伙伴关系有助于确保人工智能解决方案的制定能够持续进行。作为合作伙伴，供应商将长期了解公司的业务目标，并可以随着目标的变化升级公司的人工智能工具。
图源：unsplash
想要找到高质量的人工智能初创公司和供应商是不容易的。潜在的初创企业或供应商应具备：
- 由机器学习开发人员、产品经理、软件工程师、数据专家和业务专家组成的多元化团队。
- 深入了解公司所在行业。
- 具有部署跨职能和价值链的人工智能工具的跟踪记录。
大规模部署人工智能(AI)可以改善企业的所有主要职能，从而获得持续的竞争优势和可观的投资效益。规模很重要。公司投资人工智能不是为了看起来高大上，而是为了改善业务成效和解决问题。因此，人工智能解决方案必须相应地扩展。
合作伙伴关系将有助于公司扩大人工智能计划，与有能力的人工智能初创公司和供应商合作，可以缩短学习和发展曲线，加快进程。最后，每个公司的人工智能历程都是独一无二的。标识高价值的用例，制定一个计划，挑选公司合作伙伴，建立可以持续下去的事情，AI会为你创建更大的价值。
