2016年3月9日，谷歌的人工智能AlphaGo战胜传奇围棋选手李世石的消息登上各家媒体头条，激起人们对人工智能的广泛关注，也让不少人开始好奇，人工智能除了会下围棋，在其他领域是否也有广泛应用？

其实人工智能的应用领域早已非常广泛，包括金融领域、医疗行业和建筑工程等等，本文介绍人工智能在基金业中的应用，希望能够让大家对人工智能有更深的认识。

一、人工智能的概念

1956年，J.McCarthy、M.Minsky、N.Lochester和C.Shannon共同邀请IBM公司的T.More和A.Samuel、MIT的O.Selfridge和R.Solomonif以及RAND公司和Carnagie工科大学的A.Newell和H.A.Simon等人参加夏季学术讨论会，历时两个月，第一次正式提出人工智能这一术语。

至今为止，人工智能的研究发展已经超过60年，在此期间，人工智能发生过三次较大的改变。第一次是用机器代替人进行计算，最具代表的成果就是专家系统；第二次是人工智能机器可以与外界进行交流，在交流过程中判断外界的变化，对其中的不确定性进行分析，通过计算进行逻辑思维工作，使得人工智能机器能够从事思维分析方面的工作；第三次是随着大数据技术的发展，人工智能通过对大量的、没有规律的数据进行自动化的智能分析处理，完成一系列的工作程序，进而实现一连串的自动化操作。

对于人工智能，美国斯坦福大学的尼尔逊教授给出的定义是：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”美国麻省理工学院的温斯顿教授则认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”虽然在表达方式上有所不同，但所反映的基本思想和基本内容是一致的，即人工智能是研究如何模拟人类智能活动，以延伸人们智能的科学。

二、人工智能在基金业的应用

人工智能的细分领域较多，应用在基金业的细分领域主要包括机器学习、自然语言识别、知识图谱等等。

机器学习

在传统的投研中，分析员需要对公司财务数据、市场交易数据进行分析，根据个人的经验来判断各个指标之间的关系，根据关系建立合适的模型，最后利用回归分析等传统计量方法来检验模型，如果模型合适，就可以利用模型对未来的走势进行预测。传统投研面临的弊端在于模型的好坏取决于分析师对数据的敏感程度，且模型确定之后需要不断进行修改。

机器学习进行投研分析具有两方面比较明显的优势。一方面机器学习的数据学习速度比较快，能够快速地找出各个数据之间的关系，提供合适的模型；另一方面机器学习的使用能够对新数据实时分析，不断修正原有的模型，这整个过程都是由计算机完成，不需要在其中再投入人力。

自然语言处理

有研究发现新闻，政策，社交网络上的内容会对市场的走势产生较大的影响，但是以往分析师在分析影响的时候，需要花费较多的时间去搜集该方面的资料，通过建立合适的模型进行推演分析，才能做出投资决策。

自然语言处理能够将提出的问题转化成机器可以识别的信息，通过扫描信息库以及互联网中的各类信息，比如经济报告、货币政策变更、政治事件以及这些事件对资产的影响等大量资料，迅速为问题找到答案，给出是否投资的结论。

知识图谱

知识图谱是根据专家设计的规则与不同种类的实体连接所组成的关系网络，从“关系”的角度去分析问题的能力。在金融领域，实体指的是金融机构、投资人或企业等等，关系是指各个企业之间的关系，比如两个企业之间是合作或者竞争的关系，通过知识图谱的方式把这些实体和之间的关系表示出来，能够进行更为深入的知识推理，有效预防黑天鹅事件，提高分析的准确性。

案例：RebellionResearch

RebellionResearch成立于2005年，是一家资产管理公司。公司的人工智能系统通过自我学习全球53个国家股票、债券、外汇和大宗商品的交易数据，评估各种资产组合的未来收益和潜在风险，帮助客户合理配置资产。公司的人工智能系统基于贝叶斯算法，对宏观、行业和公司三个层面的数据进行分析，且模型能够自动将历史数据和最新数据进行整合，使模型能够自动预测市场走势。

公司在2007年推出的第一个人工智能投资基金，基于贝叶斯机器学习，结合预测算法，对历史的金融和贸易数据进行分析之后，成功地预测2008年的股市崩盘，并在2009年9月给希腊债券F评级，当时惠誉的评级仍然为A，Rebellion比官方提前一个月给希腊债券降级。

三、人工智能对基金业的影响

改变销售渠道

传统的基金销售渠道主要是通过基金公司直销和第三方机构代销的方式，之后随着互联网金融的普及，保险的销售渠道转为官网直销或者专业的第三方代销网站，但是无论哪一种方式，在后台还是需要基金销售人员提供服务。随着人工智能在基金中的使用，智能机器人会代替人销售基金，通过智能算法，帮助用户制定更适合的基金组合，并为用户提供风险评估、风险防范和管理、资产组合再平衡等增值服务。

提高效率

一方面，人工智能的计算速度较快，无论是在构建投资模型方面还是对实时的新闻进行分析，都具有较大的优势，能大幅提高基金经理的工作效率。另一方面，基于人工智能的虚拟服务，相比于传统的人工服务，拥有丰富的知识库，能够根据用户提供的情况，快速的提供解决方案。此外，智能服务能够同时服务多个用户，成倍地提高虚拟服务效率。

表1虚拟服务和传统服务对比

虚拟服务传统服务客户沟通并行服务人数大于100并行服务人数小于4响应速度：毫秒级别响应速度：分钟级别大于1000条的知识库知识储备因人而异语言标准，态度统一语言态度因人而定数据反馈数据处理快，可以快速反馈人工再次处理数据，数据反馈慢降低风险

人工智能应用到基金业中能够有效地降低风险。一方面通过机器学习对大量新闻和历史交易数据进行学习之后，可以得出特定新闻给市场带来的风险，就能对网上的实时新闻进行分析，得出风险发生的趋势，从而能够有效地对风险采取预防措施，降低风险带来的损失。另一方面，人工智能严格按照投资策略进行交易，只有满足特定的条件时，人工智能才会执行相关操作，操作及时准确，可以有效降低人工操作风险。

提供个性化服务

传统的基金公司都是基于既往历史数据，根据基金经理的判断，构建出符合一类人需求的资产组合，但是机器学习技术的发展，能够更好地了解每个投资者的需求，根据每个投资者特定的需求为其配置最合适的资产组合，通过这种方式构建的基金，无疑更加符合投资者的需求。