編者按：本文來自東沙湖基金小鎮(zhèn)，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。
近日，螞蟻金服人工智能部專家袁峻峰受邀進行線上直播，就“數(shù)字化時代金融的機會”進行了詳細分析，分享如下：
大家好，我是袁峻峰，現(xiàn)任職螞蟻金服人工智能部，從事基于機器學習的內(nèi)部項目，本次我分享的主題是《數(shù)字化時代金融變革與機會》，僅代表個人觀點。
01 物理世界數(shù)字化
物理世界數(shù)字化是數(shù)字化金融的基本前提。當前疫情加速了生產(chǎn)、生活線上化的進程，這是大家的共識?？梢灶A見的是，在不遠的未來，在5G、物聯(lián)網(wǎng)、云計算更加成熟的時候，道路、汽車、機器的實時數(shù)據(jù)都會被收集到互聯(lián)網(wǎng)上，將會形成一個與物理世界平行的數(shù)字世界。
中國在這次數(shù)字化進程中是具有優(yōu)勢的，現(xiàn)在大規(guī)模開展新基建也恰逢其時。個人預期，數(shù)字化從中國來說，會比國外更早到來。
02 數(shù)據(jù)的價值
洞穴之喻是關(guān)于事實與數(shù)據(jù)之間關(guān)系最好的解讀。洞穴之喻是《理想國》里著名的比喻：設想在一個地穴中有一批囚徒，他們自小呆在那里，被鎖鏈束縛，不能轉(zhuǎn)頭，只能看面前洞壁上的影子；在他們后上方有一堆火，有一條橫貫洞穴的小道，沿小道筑有一堵矮墻；人們扛著各種器具走過墻后的小道，而火光則把透出墻的器具投影到囚徒面前的洞壁上，囚徒自然地認為影子是唯一真實的事物。
其實數(shù)據(jù)也是這樣，就像映在墻壁上的影像，這是人們用低維的數(shù)據(jù)描述高維的事實。但在數(shù)字化時代，我們有更多傳感器或者手段量化事實，所以我們就會感受更加真實的世界。這些更多維度的事實，更實時的數(shù)據(jù)，也可以幫助我們更加理解周圍的事物和自己，降低整個社會的不確定性。
我最近有一本新書《人工智能為金融投資帶來了什么？》，這本書里面就有一個觀點——數(shù)據(jù)天然具有外部性。數(shù)字化時代，數(shù)據(jù)外部性，才是降低經(jīng)濟、社會中不確定性，提升效率的根本原因之一。同一組數(shù)據(jù)，可以在不同的維度、場景，產(chǎn)生不同的價值，如果我們不斷挖掘、擴展使用的維度，那數(shù)據(jù)的價值就會不斷增加。
03 數(shù)字化時代的機器學習
《暗數(shù)據(jù)》這本書表明，數(shù)據(jù)里面，我們知道的信息是明知識，但還有很多不知道的暗知識，明知識就像冰山一角，更多的知識藏在下面。這些暗知識，因為大數(shù)據(jù)具有高維度、稀疏以及海量的特征，用傳統(tǒng)的統(tǒng)計方法很難進行分析，所以數(shù)據(jù)化時代離不開機器學習。
個人認為，隨著數(shù)字化往前走，人工智能的浪潮會有一些低谷，但不可能再離開機器學習。因為大量數(shù)據(jù)必須要有分布式存儲、云計算以及分布式機器學習平臺，以此支持它的數(shù)據(jù)分析，這樣數(shù)據(jù)的價值才有更好的體現(xiàn)。
對于工業(yè)界來說，在科學界會有各種研究方法，現(xiàn)在也有一個很重要的方向，就是在小數(shù)據(jù)集上的學習。我個人認為，在工業(yè)界還是“大力出奇跡”，這是不二法門，只有充分利用大規(guī)模數(shù)據(jù)、大規(guī)模計算，挖掘數(shù)據(jù)本身的信息，解決領(lǐng)域中的問題。
那么，怎么判斷是不是領(lǐng)域智能方案？主要是看，能不能有效利用機器挖掘我們無法認識的知識和信息，從而解決領(lǐng)域的問題?，F(xiàn)在新制造、新零售，數(shù)字化協(xié)同相對比較成熟，這也就是說，一旦機器能比人類更有效的挖掘數(shù)據(jù)信息，那這個領(lǐng)域現(xiàn)有流程和方案就會被重新定義。在各個領(lǐng)域，我們都是以這種標準，看是不是數(shù)字化時代的智能方案。
04 金融投資中的大數(shù)據(jù)
金融投資相關(guān)的大數(shù)據(jù)一般分為四類：一是新聞、社交媒體大數(shù)據(jù)；二是市場大數(shù)據(jù)；三是行業(yè)大數(shù)據(jù)；四是傳感器大數(shù)據(jù)。
我想討論一下大數(shù)據(jù)的分析方法——還原論。還原論認為，復雜的系統(tǒng)、事物、現(xiàn)象可以將其化解為各部分之組合加以理解和描述，高層的對象可以分解為底層、簡單的對象進行處理。
還原論是基于人的分析邏輯，但從大體來說，目前我們在金融投資里面的大數(shù)據(jù)都是還原論的方式。
05 金融投資中的機器學習
機器學習從方法論來說，它分為監(jiān)督學習和非監(jiān)督學習。監(jiān)督學習可以分為分類問題、回歸問題，像預測資產(chǎn)的價格就屬于回歸問題，預測漲跌或者其它的屬于分類問題，而配對交易，資產(chǎn)相關(guān)性，這些屬于非監(jiān)督學習。
金融投資一直是數(shù)據(jù)應用非常成熟的行業(yè)。像彭博、路透，它們都有很成熟的金融數(shù)據(jù)體系，在數(shù)據(jù)集上已經(jīng)基于人們長久的經(jīng)驗或者經(jīng)濟學原理，做了很系統(tǒng)化的管理，這屬于大數(shù)據(jù)集上的應用。還有圖像識別，比如衛(wèi)星圖像監(jiān)控礦山、石油、庫存等，這些都屬于機器學習在特定環(huán)境的應用。
我們剛剛說，改變整個領(lǐng)域的方案肯定是要改變整個領(lǐng)域流程，那是不是它其實是端到端？大家可能都聽過，機器學習方案非常強調(diào)端到端的優(yōu)化。比如金融投資，從原始的數(shù)據(jù)加工、在線機器學習模型得到投資信號，再用模型強化學習，進行策略優(yōu)化以及風控，直接進行交易等。
但我不太認同端到端的投資方式，把機器學習只當成一種工具或者模型。究其根本，是要在投資領(lǐng)域有效界定問題，并且找到相關(guān)數(shù)據(jù)，然后用合適的算法或者機器學習、數(shù)據(jù)模型解問題，這不是端到端的問題。另外，機器學習還在做同層問題的優(yōu)化，并不存在用低維度的數(shù)據(jù)直接學習高維度。在投資里，假如數(shù)據(jù)是微觀的，投資標的是宏觀的，那這種端到端的預測必然不會有特別好的效果。
06 金融投資機構(gòu)的智能化之路
投資流程智能化，在領(lǐng)域智能化是一個大方向。把大數(shù)據(jù)、機器學習嵌到投資流程當中，使用大數(shù)據(jù)處理，做特別問題的優(yōu)化以及預測，可以預見這在環(huán)節(jié)里的比重會越來越大，而且機器學習算法不停進步，處理成本會更低。一個環(huán)節(jié)成本更低的時候，各個環(huán)節(jié)的價格就會被重估，會重新劃分職責，也會重新設計環(huán)節(jié)及職責崗位。
通常對金融機構(gòu)來說，選擇外部的云計算供應商是比較合適的，因為自建大數(shù)據(jù)和機器學習平臺成本非常高。但為什么一些To C頂級機構(gòu)還是會自己做呢？因為決策要嵌入到各個環(huán)節(jié)，如果是用開源或者云計算，它很難進行定制，所以一些大機構(gòu)還是會選擇自己做這個事。
但自己做就涉及到大數(shù)據(jù)團隊和機器學習團隊的招聘和建設。金融機構(gòu)希望有自己的團隊，但又希望馬上創(chuàng)造價值，這就會有各種矛盾。目前，機器學習還是一個輔助投資，各個公司有各個公司的方案，需要各個團隊，包括投資的前臺、中臺、后臺以及IT團隊、大數(shù)據(jù)處理，相互融合將機器學習應用到風控、投資策略。
個人認為，如果未來市場都是取決于誰擁有最強的機器、最多的數(shù)據(jù)、最厲害的算法，那這也違背了市場機制，因為市場是一個資產(chǎn)配置或者意圖選擇。
07 智能助理
智能助理，也是領(lǐng)域智能化的重要方向。人的決策系統(tǒng)是不可能隨著數(shù)字化增長就馬上進化的，這就必然存在鴻溝，智能助理是有效彌補鴻溝的方式，可以幫你處理海量數(shù)據(jù)。
大部分機構(gòu)投資者如果使用一個智能助理，可以幫助他有效的進行信息篩選，減少判斷。智能助理之所以厲害，就在于能處理信息，并且進行決策。對交易員、分析師、風控來說，有智能助理進行輔助處理，都是需要的。
專家自動化以及增強性服務是領(lǐng)域智能助理的重要方向，有助于提升效率。在未來，更加精細化的決策，只能依靠于機器輔助完成。因為任何一個人都是有限的認知能力及有限的理想，在數(shù)字化時代，這個鴻溝是必然存在的。
08 數(shù)字化時代金融變革
數(shù)字化能改善金融資產(chǎn)的定價，在投資里使用大數(shù)據(jù)投資和機器學習是重要的方向。
我覺得，在數(shù)字化時代，金融市場上的旋律，價格不再是唯一的信號，它不是由價格小提琴獨奏，可能會演變?yōu)榻豁憳返难葑?，價格可能是小提琴首席等，但別的信息也會發(fā)揮作用，比如，基于統(tǒng)計的市場流程部分將被算法代替。
基于數(shù)據(jù)和科技金融的資產(chǎn)證券化業(yè)務模式，主要體現(xiàn)在基礎數(shù)據(jù)科技運營、風險定價，這部分用了大數(shù)據(jù)和機器學習的方法，但流程還是資產(chǎn)證券化，只是某些重要環(huán)節(jié)引入了大數(shù)據(jù)和機器學習。
關(guān)于數(shù)字貨幣，一個觀點是交易即清算，實時劃撥，對金融原有流程都會產(chǎn)生巨大的變化。另外，區(qū)塊鏈里面有智能合約，在雙方條件滿足的時候，自動觸發(fā)交易達成，錢自動劃撥，交易可以構(gòu)建新的市場。
09 小結(jié)
我覺得，變革既然不可避免，那對個人來說，肯定只能以更加積極的態(tài)度擁抱變化。中國處在一個金融開放、疊加數(shù)字化金融的過程中，誰都不知道會有什么樣的變革，但變革是必然的，大家還是要了解一些技術(shù)，比如非對稱加密、點對點等，否則很難理解數(shù)字貨幣和物理世界數(shù)字化帶來的巨大潛在變化。
