当AlphaGo在备受瞩目的围棋“人机大战”中拿下与李世石的首番棋时，陈慕(化名)刚刚从会议室出来。在校期间，陈慕的专业方向是人工智能及数据挖掘，目前他在国内一家有名的公募基金量化投资部任基金经理。

　　“人工智能最早开始于美国，之后是日本，一般是在特定的应用领域，比如德州扑克、围棋。”陈慕告诉《第一财经日报》记者，“也可以是炒股，通常做法是把套路固化后，每用一个套路就算一下概率，每次都做大概率的事。放在量化上，就是收益率能排到前20%，而且能稳定在前20%。”

　　业内人士认为，所谓量化选股，即利用数量化方法选择股票组合、以计算机程序发出交易指令。

　　综合来看，国内34只量化基金今年以来的成绩比一般的基金表现更为稳定，在回避非系统性风险、获取确定性收益方面等更胜一筹。事实上，量化投资正是在市场暴跌的时候火起来的，但并没有非常突出的表现。

　　陈慕表示，相比人工智能选股，基金经理更有主观能动性、更灵活，当一个新主题或新的逻辑出来时，能够马上跟上。

　　人工智能如何炒股

　　人工智能在证券投资领域的兴起始于2007年。彼时，第一个纯人工智能的投资基金在美国纽约诞生，此后人工智能在证券投研领域的发展步入快车道;今年1月的最后一周，中国香港的对冲基金公司Aidyia已将所有的股票交易托付给了人工智能。

　　“正常情况下，我每天的工作流程是早上起床后看一下(机器)生成的股票清单，再看看组合管理系统里每个策略配了多少权重，这些策略加起来的仓位又是多少，然后根据机器所给出的信号(卖出或买入)的各类数据(包括融资融券、投资者入场情况等)，判断机器给出的信号有没有明显的错误。”陈慕告诉记者，如果当天需要交易，他就会生成交易指令，再下单到交易系统，交易系统就会开始自动运作。

　　事实上，在证券投资领域，人工智能早已经不是什么新鲜事，像陈慕那样的量化对冲基金经理遍布于北京金融街、上海陆家嘴。

　　一般来说，公募基金或大型私募的量化投资部由两部分组成，一部分是投研团队，另一部分是IT团队，投研团队提出需求，IT团队做出算法交易的模块，解决基金经理们的需求。

　　在传统的投研中，基金经理及研究员们对财务、交易、市场等数据进行建模，分析其显著特征，利用回归分析等传统机器学习算法作出交易策略，到了人工智能阶段，这些工作便交给了计算机。

　　“比如，传统基金经理有10亿元要买20只股票，也就是一只股票5000万元。如果买，可能把这些股票打到涨停板;同样，卖出去的话就可能把股票打到跌停板。”陈慕告诉本报记者，这样就会降低收益，但通过算法交易的模块，每年可以节约至少3%的成本，也就是增加了3个点的回报。

　　北京一家专注于量化对冲私募的有关人士告诉本报记者，他们IT系统的构架师团队，由原汤森路透全球交易所数据推送的架构师、原花旗银行中国技术团队的VP(总经理)，以及国内其他一些架构师组成。他们的工作是做出数据和部分研发，之后在政策允许时打通交易接口。

　　目前，一些私募基金已开始将量化对冲的三个子领域融入日常交易策略中，尝试获取收益，它们包括机器学习、自然语言处理与知识图谱。例如，作为全球最大的对冲基金，桥水联合(Bridgewater Asspcoates)使用的是一种基于历史数据与统计概率的交易算法，让系统能够自主学习市场变化并适应新的信息。

　　有基金业人士告诉本报记者，目前主流的交易系统包括恒生、金证等，但由于使用成本过高，只有公募基金或大型私募基金公司才会用，“差不多几十个人来才能用得上这个系统，而且这些系统并没有研发功能，基本上是交易和风控。”

　　《第一财经日报》记者了解到，目前已有互联网金融公司试图研发一套适用于中小对冲基金公司的“一条龙”交易系统，功能涵盖数据分析、投研、风控和交易等。

　　谁的选股能力更强

　　AlphaGo大胜李世石，引发全世界关注。投射到投研领域，则是以人工智能量化选股和人类基金经理之间的对决。

　　先来看一组数据。截至3月14日，今年市场上的34只量化基金跌幅超过20%的有10只，占所有量化基金的比例是29.4%，收益为正的比例是8.82%，没有一只基金的跌幅超过创业板。同期，在基金经理管理的1434只混合型基金中，跌幅超过20%的有39.26%，跌幅超过创业板指数的基金占到14.57%。

　　显然，人工智能选股在规避市场波动下的非理性选择、回避非系统性风险、获取确定性收益方面等更胜一筹，波动率、最大回撤等指标也更低，表现更稳定。

　　“量化投资是在市场暴跌的时候火起来的，人们突然发现这个时候还有一类基金能有稳定收益，但其实并没有非常突出的表现。”上述北京量化对冲私募人士说。

　　显然，机器虽然动作比人快，但思维还是没人快。

　　“比如供给侧改革概念，市场热点一出现，基金经理就开始以这个为主线干起来了，但机器没那么快，这是人的优势。另外机器只能做到一个阶段做一个策略，比如供给侧改革机器人只能想到煤炭、钢铁、有色里的股票，但对基金经理来说，他就还能同时做价值投资或动量反转等策略。”陈慕表示。

　　因此，深圳一位券商系公募的基金经理告诉本报记者，目前在量化投资中几乎90%都是机器人在操作，剩下的10%是基金经理的决策部分。

　　“有时(基金经理要做的)是增加或减少策略，不一样的风格适应的策略也不一样。例如现在全在炒创业板，每个礼拜都有大额收益，那就有必要增加这个策略的因子(比如增加仓位数据)。”该基金经理进一步表示。

　　高频交易窥探

　　说到量化投资，不得不提到高频交易。

　　高频交易受到关注源自去年爆出的“伊世顿案”。“一秒最多下单31手”、“通过高频程序化交易非法获利20多亿元”……伊世顿的疯狂敛财手法使得程序化交易、高频交易等专业名词进入到普通投资者的视野。

　　程序化交易是指利用计算机的程序进行交易，把编写程序语言和下单的接口对接，国外把它叫作“programming trading”。

　　“通俗地说，程序化交易并不是机器人点键盘，而是把程序编入到程序语言中，再与下单的程序接口对接。”一位“奔私”的原公募量化基金经理表示，高频交易实际上是交易的一种方式，要做到“高频”就必须借助计算机。

　　而高频的程序化交易与“幌骗”的策略结合起来，便形成了“伊世顿案”中所使用的操作手法，违反了相关法律和规定。

　　“高频交易的‘掠夺者’赚的是比他速度慢的人的钱，按照这种模式一层层下来，归根结底赚的就是普通投资者的钱，这种做法在很多国家都是被禁止的。”上述“奔私”的基金经理表示。

　　事实上，本报记者还了解到，此前已出现通过程序化交易使价格在极短时间内上涨的假象，诱骗其他投资者去追，自己再撤单从中套利的行为。显然，这个过程人为地增加了市场的波动，这也被认为是“幌骗”交易的典型做法。

　　2010年5月6日，道琼斯工业平均指数瞬间暴泻近千点，美股市值蒸发近万亿美元。造成这一“闪电崩盘”的正是名叫纳温德·辛格·萨劳的高频交易员导演的“幌骗交易”。