老實說，客戶可能并不在意投資經理其使用的那些花哨的人工智能工具。客戶只關心四件事：風險調整收益、持續的超額收益（α）、及時的回復、建議和個性化服務，以及自己是否越來越富有。

為此，投資管理公司可以使用人工智能來管理風險，從另類數據中獲取投資洞察，進行自動化分析并開展客戶報告。

首先，讓我們來看看目前和未來AI在投資管理中的應用，接著探討投資經理如何識別高價值的AI應用機會，并與AI初創公司共同制定解決方案。

人工智能在投資管理中的應用

人工智能可用于支持前臺和后臺工作，包括投資分析、風險管理和報告生成等管理任務。人工智能可以為投資管理公司增值的三個領域：

風險管理：使用機器學習管理投資和投資組合風險。

投資洞察：用機器學習和計算機視覺分析另類數據，預測零售店業績、商品供應和一般經濟活動情況。

分析和報告：使用自然語言處理（NLP）為客戶提供定制的報告，并為分析師匯總財報電話會議和年度報告。

將人工智能應用于這些領域會大有好處。經過改進的風險管理和數據洞察會帶來更好的投資結果，使用人工智能進行自動化分析并生成報告可以節省分析人員的時間和金錢，為客戶提供定制的按需報告增添個性化服務的元素，增加了客戶信任度，提高了客戶滿意度。

利用機器學習管理投資風險

貝萊德是一家領先的投資管理公司，它為投資經理提供的操作系統Aladdin，可以更精確地管理投資組合的風險敞口。

Aladdin聲稱系統內置有機器學習工具來監控和降低投資組合風險，現已吸引包括貝萊德在內的200多家機構使用。系統其每天可以自動監測2000多個投資風險因素（如利率、匯率），并模擬不同經濟情景下的投資組合績效。

使用Aladdin系統的投資管理公司可以提高其人力投資組合經理的技能。人類經驗與人工智能處理能力的結合，可以比二者單獨構建、測試和重新平衡投資組合更加高效。

用人工智能分析另類數據，獲取投資洞察

大家都會分析來自美國證券交易委員會（SEC）發布的文件、新聞、彭博社資訊等傳統投資數據，分析師想要從這些傳統數據中找到其他人都忽略的投資洞察，可能性很低。

投資經理們越來越多地通過分析另類數據來獲取投資洞察，包括衛星圖像和手機地理位置數據。

利用衛星圖像預測零售店銷售額

零售店停車場的衛星圖像可以作為零售銷售和同店銷售增長的早期預測。上圖顯示了塔吉特百貨公司旁邊停車場的衛星視圖。有權訪問這些數據的投資分析師可以精準地計算出汽車數量，并追蹤停車場的交通狀況。

假設停車場車位占用率和商店收入之間存在很強的正相關關系，投資者可以在塔吉特（Target）或沃爾瑪（Walmart）等零售商披露季度財務報表前下注，這可能是一個強大的α數據來源。

從人工智能的角度來看，這是如何實現的？是計算機視覺和神經網絡的結合，能夠識別并統計衛星圖像中停放的汽車數量。

利用手機地理位置數據預測經濟活動

當我們從新冠肺炎疫情中逐漸走出來時，投資者們都在問經濟活動復蘇的速度會有多快——這些活動不僅是在股市，而且是在人們生活的街頭巷尾。我們或許可以通過分析人群移動和人們手機中的地理位置（GPS）數據得到部分答案。

左圖為佛羅里達海灘手機移動追蹤圖，右圖為美國手機移動追蹤圖。| 圖源：CNN

在新冠疫情最嚴重的時候，CNN報道了兩家科技公司，X-Mode和Tectonix是如何在2020年3月追蹤到佛羅里達海灘春假游客的手機定位數據的。這兩家公司能夠追蹤到這些手機（及其持有者）離開海灘后的去向。一張定位地圖顯示了這些人在美國各地的住處。

當世界各地彼此開放時，匿名地理定位數據可以追蹤購物區、旅游區和經濟中心的人類活動。在官方數據公布之前，這些數據可以作為經濟活動的早期信號。例如，可用于洞察用于分析酒店業投資。機器學習技術可以根據過去的運動模式預測人群的移動方向。

用自然語言處理的自動分析和報告

1. 自動化投資分析

往日（幾年前），分析師們會花大量時間仔細研究年報、行業新聞和財報會議電話，來了解一家公司的經營狀況。

如今，人工智能的分支——自然語言處理（NLP）能夠“閱讀”這些報告、文章和通話記錄，可以從年度報告中提取洞察并總結重點。情緒分析工具可以分析財報會議電話記錄，從而確定管理層對公司前景的積極或消極程度。

Alpha-Sense等人工智能初創公司為機構投資者提供了這些工具。類似的NLP工具也可以應用到新聞和社交媒體數據分析中，處理人類分析師無法企及的海量數據。對分析師來說，好消息是，他們現在可以不受約束，專注更多增值分析和α數據生成分析。

2. 定制的客戶報告和按需信息

自然語言生成（NLG）是一種與NLP相關的技術，可以從底層數據自動生成文本內容。投資經理可以使用這項技術定期自動生成客戶報告，甚至可以按需為客戶提供市場洞察服務。

根據2019年《紐約時報》的一篇報道，彭博社一直在使用自動報道來撰寫多達三分之一的新聞報道。這篇報道指出，彭博社并非個例，對沖基金也在用自動報告來為客戶提供市場信息。投資經理可以自動生成報告以降低成本并節省內部時間。更重要的是，向客戶提供及時的報告和增值洞察將提高客戶滿意度和公司聲譽。

標識高價值人工智能用例并部署人工智能解決方案

投資管理公司將從人工智能中獲益匪淺。為此，企業必須考慮以下幾點：

人工智能用例標識：我們可以利用人工智能處理哪些最具回報價值的商機？我們可以使用哪些人工智能技術？

人工智能優先化：如何根據用例和時間范圍劃分人工智能項目的優先等級？

數據獲取：我們需要什么類型的數據？在哪里獲取？

人工智能供應商合作伙伴關系：我們如何與人工智能初創公司合作，共同制定針對我們獨特需求的人工智能解決方案？

1. 用例標識

標識人工智能用例源于獲得人工智能意識。高級投資管理人員了解自身行業和客戶需求，但可能還需要清楚人工智能的功能。這種基本的人工智能意識將有助于管理人員將人工智能如何幫助公司及其客戶的內容概念化。

人工智能意識和教育的渠道可為在線課程、企業培訓、人工智能顧問或與公司關系密切的人工智能供應商。當一個值得信任的顧問或人工智能供應商與員工一起標識用例時最為有效。通過與公司的管理層和業內專家合作，人工智能供應商和顧問可以為公司最具回報價值的商機標識人工智能用例，無論是風險管理、另類數據洞察還是自動化分析。

利用人工智能供應商和顧問進行用例標識的另一個好處是，他們可以闡述（也可能提供）部署解決方案所需的人工智能方法和工具。

2. 人工智能優先化

由于時間和資源有限，公司不能一次推出多個人工智能解決方案。最好先淘汰那些“速贏”項目，即那些能迅速產生可測量影響的小項目。例如，一家投資管理公司獲得并部署了一個智能機器人流程自動化（RPA）工具，該工具使用人工智能來自動化管理日常工作流程。

在人工智能學習曲線上取得進展之后，企業可以轉向他們確定的更高價值的人工智能用例。所以把人工智能計劃分成短期/中期/長期項目是有意義的。通過這種方式，成本得到控制，利益得到疊加，并且人工智能計劃隨著時間的推移不斷得到驗證。

3. 數據獲取

投資管理公司人工智能項目的大部分數據都是內部數據。但是，其仍然存在統一數據源和數據清理的問題，這也是極其重要的，其他數據來自彭博社和路透社等金融數據供應商。

另類數據，如上面提到的衛星圖像和匿名地理位置數據，來自專門的另類數據供應商。在審核這些供應商時，公司必須：

確保供應商不使用重要的非公開信息。因為這可能使投資經理面臨內幕交易指控的風險。

確保可以輕松地將供應商數據集整合到你的AI模型中。

檢查供應商數據是否僅使用機器學習進行了標記，或者是否有人執行二次檢查以提高標記準確性。

考慮數據供應商明年是否仍將繼續經營（畢竟競爭激烈）。

人工智能供應商合作伙伴關系

構建人工智能絕非易事。只有最有能力的投資經理才能負擔得起使用內部人工智能團隊，進行一切內部構建。雖然企業應該把眼光放長遠一些（更大的知識效應、數據安全、知識產權保護），但許多企業仍然需要先達到成熟的人工智能水平。

從長遠來看，僅僅出去買一堆人工智能工具是行不通的。現成的人工智能產品可能無法滿足公司的業務需求，并且可能無法很好地與公司的數據整合。

更穩健的策略是與值得信賴的人工智能初創公司和供應商合作，共同制定人工智能解決方案。供應商可以與公司員工（終端用戶）和公司技術和數據團隊合作，開發一套能夠在彼此和公司數據間都能很好地協同工作的人工智能工具。

這種戰略合作伙伴關系有助于確保人工智能解決方案的制定能夠持續進行。作為合作伙伴，供應商將長期了解公司的業務目標，并可以隨著目標的變化升級公司的人工智能工具。

想要找到高質量的人工智能初創公司和供應商是不容易的。潛在的初創企業或供應商應具備：

由機器學習開發人員、產品經理、軟件工程師、數據專家和業務專家組成的多元化團隊。

深入了解公司所在行業。

具有部署跨職能和價值鏈的人工智能工具的跟蹤記錄。

大規模部署人工智能（AI）可以改善企業的所有主要職能，從而獲得持續的競爭優勢和可觀的投資效益。規模很重要。公司投資人工智能不是為了看起來高大上，而是為了改善業務成效和解決問題。因此，人工智能解決方案必須相應地擴展。

合作伙伴關系將有助于公司擴大人工智能計劃，與有能力的人工智能初創公司和供應商合作，可以縮短學習和發展曲線，加快進程。最后，每個公司的人工智能歷程都是獨一無二的。標識高價值的用例，制定一個計劃，挑選公司合作伙伴，建立可以持續下去的事情，AI會為你創建更大的價值。
責編AJX