CFA持证人观点 | 数据科学真的会从这几个方面改变投资从业者的工作

想象一下：你是一家活跃的股票基金的投资组合经理。 一天早上你醒来时发现，罢工延误了你所投资的航空公司的航班。

现在你需要评估此事件对公司基本价值的影响并作出投资组合决策——你可以对冲、出售、买入或者什么都不做。评估这类事件时，你至少需要做好三步：1. 衡量损失的严重程度；2. 评估其持久性；3. 比较股票更新的基本价值与当前市场价格。

除了对航空公司的业务有深入的了解之外，你还需要一个强大的公司业务模式和一些“处理”时间来重新计算公司的新估值。

虽然市场价格因新闻而瞬间发生变化，但在新闻事件发生之后，随着市场参与者争相下注，对于合理价格的探索仍在继续……

现在想象同样的场景，但有一些变化：

同样是罢工延误了你所投资的航空公司的航班。但在新闻发布前几个小时，你就收到了可能发生劳工罢工的预警。 你电脑上的投资界面弹出了警报，同时推送了一系列分析工具，帮助你在充分了解相关信息的基础上，随时随地做出基本投资决策。

你的界面采用人工智能（AI）是一套自学习自校正算法。从卫星图像到社交媒体网络以及经济、政治和金融数据库，AI算法从数据源中提取数据，向你提供投资组合的相关信息。他们将信号与噪音区分开来，随着新信息的涌入，实时更新你投资组合的内在价值和风险指标。》》更多金融方面问题点我咨询

在你的界面中，你可以看到受罢工影响的航空公司航线，以及由此导致的每日预计的美元损失，甚至是罢工持续一天、三天或一周可能对股价造成的影响。你可以深入了解数据来自何处以及如何分析数据。在任何时候，你都可以通过更改模型的输入模式来修正你自己的观点或选择不同的分析方法。

在界面底部，你有一个可用投资操作菜单，每个操作选项都会提示你该操作对投资组合回报和风险的潜在影响。

你需要做的，就只是了解参与罢工人员可能面临的困境，并重新校准罢工持续到某一特定日期的可能性。然后，再回答几个问题：工会的要求是什么？他们会获得什么机会？工会究竟可以解决什么实际问题？

不过据我所知，这样的界面现在还并不存在，但这也绝对不是天方夜谭。要打造这样的智能界面并不容易。我是一位拥有十年基础投资经验的金融专业人士。但是在进行了一段时间的数据科学研究后，我深信大数据会给我们的行业带来深刻的变化。

虽然理性的基本投资原则可能还将持续存在，但投资研究的未来将受到数据科学和目前尚不存在的动态模型的影响。我认为这是金融演变的一个自然步骤，除了投资技巧之外，还需要对数据科学有充分的了解。

基于此，我们提出并回答了以下这个重要的问题：

为什么数据科学将成为投资领域的特征长期存在？ 因为它至少在三个方面表现优于人类：

1.无偏差分析性思维

使用机器做出投资决策可以最大限度地减少人为错误和认知偏差。投资专业人士可能会使用多种技术来识别并最小化误差，但我们无法消除它们。很多偏差已经成为了神经系统的一部分，深深嵌入了我们的大脑。

与人类相反，人工智能的算法没有自我意识。他们敏捷，并且可以快速吸收新信息并进行修正， 任何数据都可以用来产生洞察力。人工智能可以从环境变化中学习和发展，与保质期有限的静态定量模型不同，以人工智能为基础的系统是一直“活着”的。

2.处理能力

在信息处理方面，人类远远不及电脑。电脑能够全面碾压人类。IBM的深蓝超级计算机早在1997年击败国际象棋大师加里·卡斯帕罗夫（Garry Kasparov），而谷歌的AlphaGo AI也在2017年打败了世界顶级的围棋选手。

这一优势不仅仅体现在分析思维里。机器在更加微妙的联想性思考上也早已击败人类，而这种能力长期以来一直被认为是人类所专有的。2011年，IBM的沃森以绝对优势击败了智力竞赛节目《危险边缘》（Jeopardy！）的知识问答竞赛的冠军。我在那一刻重新定义了我对分析思考的观念，无论是人工智能还是人类智能。

像Siri和Alexa这样的机器现在就已经能够理解人类的语言，并且可以学习、处理和分析人类创造的所有知识体系。如果这种趋势继续下去，那么机器就能够以最少的人力投入进行智能投资和资源分配决策。

3. 执行投资决策

投资决策过程有五个步骤：1. 数据收集； 2. 数据处理； 3. 投资分析； 4. 投资决策； 5. 绩效评估。

其中有三个可以通过代码执行。然而第三步——投资分析，仍然需要人力投入来评估，例如战略需要、竞争局面、政府政策和董事会独立性等因素。

实际上，给定一个数据源后，任何可以分解为逻辑步骤的任务都可以转化为代码并实现自动化。像桥水这样的对冲基金已经开始使用人工智能来优化他们的投资决策流程。但任何由于法律或组织工作限制等原因无法收集并汇总到数据库中的重要投资数据都需要人工分析。比如，与投资组合公司管理层的访谈过程中，非言语线索发挥着重要的作用。

从纯粹的经济学角度来看，员工的价值体现在他于最基本工作内容上做出的贡献。可替代员工的软件成本只是企业花在新员工身上投入的一小部分。这种威胁对于大学毕业生来说更加明显，因为他们入职初期的主要工作是收集，组织和分析数据。

未来的投资组合经理也很可能需要熟练地掌握广泛的数据收集和数据分析技能，并知道如何将其投资理念转化为机器可读代码。在投资组合公司仍需要人工来参与决策时，投资组合管理也需要对人类行为进行很好的理解。

未来全新的投资方式

未来的投资专业人士不会再通过财务报表获取信息，他们会从分析和预测人类行为的影响中获取重要信息，会建立一套具有高度分析性、灵活性的以人工智能投资框架为基础的分析工具。

在这种情况下，我不能排除黑盒子投资法。人工智能的系统可能给出我们无法理解的投资建议。虽然我们将针对极端波动采取一些基本的保障措施，但我们的投资决策将由AI的预测能力决定，而不是靠我们对其决策过程的掌控来决定。在这个世界上，投资专业人士将更多地充当投资者利益的监护人，通过定义投资目标、优化决策算法、并培训AI来完成大部分分析工作。

从技术进步的速度来看，这样一天可能比想象中来得更早。值得庆幸的是，数据科学领域将需要具有行业经验的财务专家来撰写投资专业历史的新篇章。但更重要的问题是：你准备好了吗？