每一位AI投資經理都希望能制造一個完全自動化的投資交易系統，實現可以躺著賺錢的夢想。AlphaGo在圍棋領域碾壓式勝利更加劇了對這一夢想的憧憬，遺憾的是，目前為止還沒有一臺這樣的機器被制造出來。

人工智能在各個領域的應用方興未艾，在投資領域尤其是二級市場的應用更是吸引人們的興趣，面對人工智能投資的興起，有人認為人工智能時代來了，在投資領域最后會完全取代人；有人則嗤之以鼻，認為這不過是噱頭。那么如何正確看待人工智能在投資領域的應用呢？其實圍棋和二級市場有很大的差別，總結而言，圍棋是一個有邊界的相對固定的市場，而二級市場是一個無邊界的動態的市場。

首先，人機下棋本身沒意義，機器是人用來提高效率的工具，人機下棋好比人和飛機比賽長跑。對于機器而言，豐富和可靠的數據是讓電腦程序做出更優的投資決策的前提之一，通過海量的數據進行測試和分析，摸索出一定的規律，編寫成代碼，讓機器忠實執行。AlphaGo之所以能碾壓圍棋界并不是因為它技術有多好，而是在于它龐大的服務器資源和運算效率，可以綜合世界所有的棋譜，所有圍棋的打法，所有圍棋界人物的下棋方式，通過計算來下棋。而在投資領域，盡管有歷史數據，但是其中有很多噪音，部分上市公司還可能在財務數據上作假，導致其數據可靠性遠不如棋譜。

其次，機器要想發揮主導作用，規則必須是透明和穩定的，比如圍棋，雖然不同國家和地區會有細微的差別，但總體上是穩定的，尤其是在同一局對弈中，規則不會變化。而投資領域則不同，無論是監管政策還是經濟環境、外部環境都會發生很大的變化，比如2016年-2018年，無論監管上并購重組趨嚴，還是經濟環境上一輪經濟周期的復蘇，還是外部環境方面北上資金的流入，市場生態發生很大的變化，而在歷史數據上表現優秀的交易程序很難適合這種新變化。

最后，人工智能投資決策過度依賴于歷史數據，而人類的主動決策優勢則更加顯著。圍棋對弈領域不會發生大的不可預測的風險事件，而在投資領域，這種事情時有發生。對于這些事件，以前沒有發生過，沒有歷史數據進行學習，機器就會束手無策，而人則可以進行系統的分析。當面對罕見風險事件，人類的決策優勢更加顯著。

總結而言，在規則透明穩定，歷史數據豐富可靠，無大型風險事件發生的領域，機器不受主觀情緒、偏見的影響，在實時信息的接收、分析、決策的環節中，其時效性、準確性、一致性均要高于人類，相對更有優勢；而在缺乏歷史數據，規則不透明，風險事件時常發生的領域，人的決策會更有優勢。因此，在投資領域，單一機器和人都無法占據絕對優勢，未來不該是人與機器對立的局面，而是強強聯合。

目前來看，人工智能已經應用于研究、投資決策、交易執行等各個方面。

研究方面，通過人工智能閱讀研究報告和公司報表，可以大大提升研究效率。例如最近正在出的上市公司2018年年報和2019年一季報，如果每一家公司都認真看報表然后總結，人工覆蓋面非常有限，而如果用機器去讀這種非結構化的文本數據，則可以快速總結要點，提取需要的核心內容，輔助研究員解讀報表。

投資決策上，人工智能技術目前主要從信息處理和知識學習兩方面應用于投資決策：一方面依靠人工智能的信息處理能力，通過人工智能方法高效地獲取和處理非結構化數據，主要包括微信數據，搜索數據，淘寶、京東交易數據等；另一方面依靠人工智能的知識學習能力，通過人工智能方法進行資產的收益預測和資產的交易。

交易層面，人工智能構建的交易策略更擅長從復雜的歷史數據中尋找規律、學習知識，將更廣泛、更復雜的因素納入走勢預測的分析中，用來指導未來的交易決策；此外，程序化交易能夠顯著提高投資策略的執行效率、降低沖擊成本，并且在一定程度上提高投資組合的收益。人工智能時代的自動交易包含了自動化和智能化，更強調從市場數據中學習，通過對大量歷史數據的學習，構建預測模型，優化交易算法，獲得最佳的交易表現。

總之，機器和人在投資領域各有優勢，機器不會取代人，人也離不開機器，人機結合或許會取得更大的突破。