权威、深度、实用的财经资讯都在这里
这些年来，金融领域的数据智能，已经越来越普及，离普通投资者也越来越近。
7月9日，在世界人工智能大会“数据智能，链接未来”的主题分论坛上，数库科技、九坤投资、嘉实基金等公司纷纷就“数智时代”的投资实践与行业展望发表了演讲。记者给大家整理了大会嘉宾演讲的精华，快来一睹为快。
数智时代的量化投资
《孟子》中曾提及：虽有智慧，不如乘势；虽有镃基，不如待时。数据智能化的浪潮已经奔腾而来，资管行业自然也被裹挟其中。提早备战、顺势而为，或是应对良招，许多公私募基金公司也正是这么做的，比较典型的领域是量化投资。
九坤投资创始人兼总经理王琛认为，量化投资之所以能盈利，是因为金融市场的弱有效性，以及“历史的有条件重复”。实际上，在人工智能崛起之前，量化领域已经有了较快的发展。在进入数字化时代之后，量化投资在数据、算法、执行方面都受到了冲击。
九坤投资创始人兼总经理王琛
比如数据收集方面，过去都是结构化、标准化的数据，而新时代到来后，AI技术显然增强了信息提取的效率。再如执行方面，王琛认为，从全球视角来看，量化投资决策的智能化演进可分为三个阶段，这种进阶速度也相当之快：
首先是机器听从人的指挥或简单信号高速执行交易订单的1.0时代；其次是研究人员研究统计模型并生成代码，再由机器提取并执行策略的2.0时代；再然后是，经过数据清洗、数据关联后，推导、建模都建立在智能化基础上，并通过深度学习归纳知识图谱、生成交易策略的3.0时代，这也是深度智能化的时代。如今，全球量化投资决策已经处于“机器学习+深度理解”的状态。
图片来自九坤投资
王琛表示，中国的量化投资从2017年的“量价数据+人工挖掘”，到2018年至2019年的“量价数据+AI算法挖掘”，再到2020年的“大数据+AI算法挖掘”，进化速度飞快，量化私募的管理规模也随之快速增长。
“很多同行都觉得量化是个很内卷的行业，因为技术变化太快了，很容易掉队。”王琛说。
从行业角度来看，王琛认为，目前量化投资的大数据智能化还面临着三大挑战。
其一，多模态化挑战，因为模态化的数据需要多模态的算法来解决，且需要覆盖更多的股票数量。其二，数据质量挑战，包括数据源本身的错误或噪音；数据提取、更新的异常；数据在时间序列要求。其三，处理速度的挑战，包括低延时+海量数据+7x24，以及AI算力支持。
当然，还有一些更大的挑战，王琛举例，如模型有效性、市场反身性与金融市场高噪音的叠加。另外，不同时间市场风格和结构的变化也是未来需要面对的问题，如今年一季度时核心资产表现的“大变脸”等等。
基本面投研数智化升级
传统投研的痛点在哪里？
嘉实基金Data Lab兼研究部副总监李罗丹给出了一个调研数据：65%的分析师提到数据分散、系统分散、投研转化难；90%的管理层提到知识沉淀没有抓手。
嘉实基金Data Lab兼研究部副总监李罗丹
在李罗丹看来，传统投研系统确实有其局限性，它更多地是一个信息系统，用以实现流程化的工作。而他希望未来能实现的，是可以打通投前和投后，通过科技去赋能人类投研系统。
李罗丹有三大愿景，其一，希望科技赋能个体，实现人机协同的投研模式。其二，以系统串联信息，实现跨投研团队的知识协同。其三、以新一代基础设施构建投研产业互联网。
他举了一些嘉实基金的案例，比如AI利率趋势预测、信用风险分析等。
嘉实基金：AI利率趋势预测
嘉实基金：永泰能源的担保网络
“我们团队把自己定位为伴随投研成长的机械师，试图通过数字化、智能化的工作，将冷兵器时代的战士，变成一个机械化全副武装的战士。”李罗丹说，希望未来的投研数智化能以数据中台为内核、以人机协同为路径，全面应用NLP(感知认知)、ML（机器学习）、图数据等技术，并系统性地提升主动投资中的机会与风险捕捉能力。
数据智能驱动产融数字化转型
在数字化新工业革命时代，数据已成为核心生产要素。
数库科技创始人兼总裁沈鑫认为，在传统投研时代，由于场景单一、数据维度极少，且数据逻辑组装及分析主要由专业人士的人脑来完成，数据孤岛并不是问题。但是，在如今数据驱动决策的时代，数据驱动决策的场景早已不局限在金融投研领域，而是开始向银行、政务、大企业、中小企业等各维度产融决策场景覆盖。
“在这些决策场景中，数据服务需求发生了质变，数据范围及维度剧增，因此破除数据孤岛，实现数据融合成为实现高质量应用的基础。”沈鑫说。
如何实现全景的产业画像和企业画像呢？沈鑫表示，数库通过过往十余年的经验发现，有三大壁垒需要攻克，即 “量”、“准”、“智”。
首先是数据量产的“量”。数库用制造业思维思考，充分利用人工智能技术，将这些前沿科技融入到结构化数据的生产流程中，并实现无缝的人机结合，让高度标准化、结构化数据的自动化量产成为可能，从而形成了数据“冶炼”工厂的概念。
其次是“准”，面对海量资讯，需要精准地提取出决策精华信息，这要求 “手脑并用”。须知，自然语言技术只是工具，配合工具的知识体系才是实现精准提取的关键，“手脑并用”才能真正做到举一反三。
最后就是“智”，即只有打破数据孤岛，实现链接后才能产生智慧。这样“量”、“准”、“智”的结合，才可以打造出基于产业逻辑的全量数据引擎。
编辑：黄淑慧