10月18日，EquBot LLC、ETF Managers Groupl合作推出全球首只应用人工智能、机器学习进行投资的ETF——AI Powered Equity ETF.

AIEQ刚问世的时候表现十分优异，在10月18日之后的三个交易日里，这只AI选股的ETF斩获了0.83%的回报，同期标普500指数的涨幅为0.48%，纳斯达克综合指数则是下跌了0.42%。

不过随后该基金表现却不尽如人意，甚至出现和大盘指数表现大幅偏离的情况。例如10月25日和11月7日市场表现较弱，标普500指数两天的跌幅分别为0.47%和0.02%，纳斯达克综指跌幅分别为0.52%、0.27%，而AIEQ这两天的跌幅达到了1.11%和1.09%。

从走势上看，AIEQ的表现是在10月23日至11月7日的12个交易日和指数拉开距离的。在此期间，标普500指数和纳斯达克综指飘红，分别上涨了0.48%和1.90%，而该基金跌幅则高达5.85%。虽然后期AIEQ一路追赶，但迄今仍跑输大盘指数。

数据显示，从上市首日到11月18日，标普500指数从2562.87点上涨至2578.85点，涨幅为0.62%，而AIEQ价格却从25.18美元跌至24.72美元，跌幅达1.83%。

一个月过去了。

它并没有成为人类基金经理/分析员的终结者。

“人工智能替代人类”、“智能投顾让交易员集体下岗”的情况，并没有发生。

现在看来还是太过幼稚了。 为什么会产生这样的幻觉？

人工智能ETF探索之路长且阻

首只人工智能ETF的首月答卷表现平平，但却是人工智能照进投资领域的曙光，不用妄自菲薄，也不需要过份神话。

作为首只使用了人工智能和机器学习技术的ETF，这只产品一经上市，就获得了众多媒体的关注。

相比过去不广为公开的对冲基金平台，ETF具有的及时性、透明性、公开性让公众更能够更为迅速的了解该产品的运作情况和业绩表现。

实际上，除了国内媒体的躁动，美国本土反而视之坦然，并没有任何报道，一是因为产品仅仅7000万美元，规模不大；二是短期业绩波动不能说明任何问题，再则是人工智能的应用程度有几斤几两自有分寸。

该产品作为一只偏向中小盘股的价值基金，该产品的目标也是资本的长期增长以及控制产品波动风险，保持与大市相当。如此短的业绩表现并不能说明问题。

业绩的衡量需要考虑多项因素。人类主动管理的基金业绩，往往需要用长期业绩来衡量；对于传统的量化基金，也需要使用多项技术指标来衡量，包括波动率、最大回撤、夏普比率、信息比率等多项技术指标，而非单单盯着产品业绩。

从根本上来说，这只ETF还是一只主动管理的产品(海外存在主动管理ETF)，在目前发达市场主动产品普遍落后于指数产品的大环境下，单月落后指数基准并不足为奇；不同的是，该产品标榜使用了人工智能技术，而在这一名词成为市场热点后，不妨看看它的人工智能到底有多少创新，在多大程度上能够区别于业已成熟的量化基金。

人工智能创新点在哪里？

从产品的介绍来看，该模型会对美国股票进行每日排名，排名的依据是哪些股票可能从发生的经济指标和特定事件中获益，并以此排名选出30到70只在未来一年内最有可能上涨的个股。同时，该模型还能以公司未来上涨的可能性以及与持有的其他股票的相关性，自动给出公司的持有权重。

简而言之，这只ETF仍然是设计一套量化模型给股票打分，辅以另一套系统给股票权重。据了解，该基金使用源自其管理公司EquBot的专利量化模型，这种类似的量化模型设计往往是一只产品能够成功与否的关键，而量化模型是由该公司的人脑完成，而非由机器产生，这和一些量化基金并无二致。

另外一点让其人工智能的名头更为坚实的是使用了IBM的机器学习系统——Waston。公司号称，该系统使用了IBM的强大算力处理上百万计的未结构化的数据。据了解，该人工智能会分析公司管理层、公司举措和市场反应之间敏感性、每天处理的上市公司的报告就超过了100万份。此外，该系统还包括了新闻报道，社交媒体的讯号、以及传统的技术分析、价值分析等各项指标。

从这段介绍中可以发现，区别于传统量化基金的特点，是该基金采用了“未结构化”的数据，这意味着需要能够将这些传统上难以被机器理解的数据进行处理，在这点上获得的信息优势无疑是非常依赖人工智能。

目前，人工智能发展的几个最快速领域就包括了一些传统意义上难以用机器处理领域，如人脸识别为代表的图像识别、人声识别等将语音识别技术、跨语种的实时智能翻译，这意味着可以将以往难以处理的声音、图像、外语等转化被机器更容易理解的内容；同时，随着越来越多的非传统数据涌现在网络(如社交媒体上的情绪信号等)以及机器海量处理信息能力的增强，这都给能够掌握先进技术的投资者更多的优势。

这种优势体现在，人工智能获取的非传统信息，优于传统人工获取的内容，从而可以提供更多的维度，如在股票筛选上，可以考虑多个筛选条件，而且可以给每个筛选条件赋予权重。

从这个意义上看，AIEQ确实应用了不少人工智能手段，如应用大数据和机器算法，他可以每天实时覆盖6000多只美国股票，而每天它处理的公司业绩报表和公司的公告达到百万级别；同时它还能覆盖新闻和社交媒体的信号，这都是非人工智能时代难以完成的任务。同时，它还应用了“机器学习”的方法，这使得它能够在处理这些任务时更加智能，能够在处理这些任务时逐步进化，更加快速智能的完成所需要的数据处理任务。

股票市场仍不是人工智能所擅长

不能忘记的是，股票市场是一个非完全信息博弈，这和人工智能大获全胜的围棋领域截然不同。人工智能在围棋上突飞猛进被称作为完全信息博弈的巅峰，是因为围棋的规则和对手的信息都是一目了解的；而股票市场的复杂度以及无序性决定了难以将其完全用算法去囊括。

而且，人工智能“屠杀”围棋高手，所应用到的技术如搜索算法、机器学习和神经网络等并没有取得革命突破，更多是依赖算力和算法的改进，对过往20多年的已有技术和算法的完美整合，这意味着非完全信息的博弈仍然是人工智能尚未能克服的难关。

从这个角度回头来看，人工智能在AIEQ这一产品上的应用更像是“术”的进化，而最终决定产品是否赚钱的还是依赖量化模型的设计，而这还是由人脑完成的，正如不少量化人士所言，“有多少人工、就有多少智能”。而且，量化模型如果过于复杂，涉及到的指标太多，尤其是大量非传统数据的涌现，反而可能出现“顾头不顾腚”的情况，产品的回测、模型的更迭都会受到影响。

这一产品如果业绩表现超出预期，应当说是人类智慧和人工智能的双重胜利；如果业绩最后证实不过如此，也只能说明人工智能的应用还需要进一步探索。

另一方面，将人工智能应用的投资并非新鲜事。早在10年前，电脑产生的交易清单就导致了高盛的旗舰量化基金破产。一些量化对冲基金认为，机器习不过是众多观察市场异动统计方法中的一种，所谓的人工智能并不稀奇。而最为致命的是，一个模型如果被证实有效而又流行起来的话，会快就会导致这一模型失效。

即使在模型构建上有所进步，即在量化策略上有所演进，让机器更多的参与到策略的制定中，人工智能还面临着两大问题：一是模型预测过于精确(过拟合)以至于短期难以实现；另一则就是人工智能的决策并不透明，普通人难以理解机器的操作逻辑。实际上，从目前人工智能深度参与投资的所有公开信息中，并无百发百中的成功者。