谷歌“AlphaGo”戰勝了國際圍棋大師李世石，成為人工智能發展成果的里程碑，而如今在資產管理行業，類似于“AlphaGo”式的基金產品也正在醞釀成型。

　　                             大數據技術投股 類AI存在諸多優勢

　　3月14日，由銀華基金管理發行的一只運用大數據 量化投資策略的主動型產品——銀華大數據基金就具有類人工智能的量化策略協助基金經理進行投資交易的特征。

　　事實上，運用大數據技術進行投資運作的基金產品并不鮮見，但該模式更多應用于指數型基金，而據銀華大數據擬任基金經理張凱介紹，此次發行的大數據基金是一款主動型基金，其在擇時、選股、風控等方面具有獨特優勢。

　　在業內人士看來，隨著人工智能和大數據技術應用的不斷成熟，大數據類基金在常規狀態下“跑贏人腦”將成為大概率事件，而銀華基金將大數據技術與主動投資管理相結合，更是一種基金產品中的有益嘗試。

　　多維數據源的擇時、選股

　　在銀華大數據基金背后，是豐富的證券數據源。據筆者了解，其數據源來自于宏觀經濟數據、賣方分析師報告、行情數據、上市公司新聞公告等多個維度。

　　“大數據包含了宏觀還有行業景氣度的數據最慢更新的頻率是季度，最快更新的頻率是周。”

　　此外，涉及A股市場行為及情緒的數據，如高頻交易數據、投資者活躍度、股指期貨等數據也將被納入其中。

　　“像股指期貨的行情數據，從里面也可以看到很多的規律，比如去年6月份之前，股指期貨基本上是大幅度升水的，但是6月之后基本上到大幅度貼水的狀態，這些數據就能很好地表征現在市場整體的牛熊的狀態。”張凱說。

　　“還有其他的數據，比如財經新聞報道的數據，公司的公告，財報的數據，還有一些賣方分析師推薦股票，發布報告的數據，這些數據加在一塊，我們就認為它是證券的大數據，數據量足夠大，而且維度足夠多。”張凱指出。

　　那么，這些數據源在具體的投資決策時會如何應用呢？據張凱介紹，

　　從“大數據”到“投資”，是通過基于數據的投資策略來實現的。投資策略的核心邏輯來自長期投資實踐中積累的經驗，我們用證券大數據對邏輯的有效性進行驗證，并找到能反映投資邏輯的具體指標，進而構建出投資策略。

　　銀華大數據基金有兩大類擇時策略：第一類是基于宏觀及行業基本面數據，包括各項宏觀經濟類數據，如貨幣供應量、流動性、PMI、經濟同步指標、通脹等；第二類是基于市場行為及情緒數據，通過基金倉位、期指持倉及升水率、股票賬戶活躍度、分析師情緒等。

　　張凱表示，該只基金詳細的選股策略分為四種：股票關注熱度策略、分析師薦股策略、財務多因子策略和公告事件驅動策略。

　　在張凱看來，在不同的市場環境和風格下，策略短期的表現可能會各有不同，多數據源對應多策略的機制可以彌補單一策略短期的失效并形成業績互補，保證整體投資業績的持續性和增強。此外，基于不同數據來源的策略相關性較低，更分散化的投資能夠降低組合的整體風險。

　　類AI存在諸多優勢

　　銀華大數據基金亦被認為存在諸多特殊優勢。

　　在張凱看來，大數據投資具備四大優勢：一是股票覆蓋面更廣，利用大數據可以覆蓋A股市場的所有股票；二是信息處理能力強，大數據投資能夠分析基本面和非基本面的海量數據；三是投資策略更為多樣化，大數據投資能夠解決傳統投資策略單一化和同質化的問題；四是避免人為主觀性，大數據投資策略完全以數據為本，更為客觀公正。

　　此外，銀華基金量化投資部的團隊化作業也是該產品的優勢體現之一。

　　“除了我個人之外，整個量化投資團隊都在為這個產品做貢獻，策略研發，交易風控，IT系統等多個小組的協作的，使得整個基金產品的投資管理流程變得更科學更高效，對基金業績的穩定性有很大的助益。”張凱表示。

　　而在基金分析師看來，與谷歌“AlphaGo”戰勝人腦類似，人工智能與量化投資策略的結合也逐漸在資產管理行業中扮演愈發重要的角色，而其針對多重變量的觀測、反應和決斷能力也將在一定程度上超越“人腦”，在對投資決策的輔助上，它的準確性和高效性可能更具優勢。