一位人工智能分析师的30年选股收益远超人类投资者
研究人员的发现如此惊人，以至于他们开始怀疑是否哪里出了错。“我们在一年前就得出了这个结果。” 斯坦福商学院会计学教授Ed deHaan说，“而在过去的12个月里，我们都在逐字逐句检查数据和模型，试图找出我们到底哪里搞错了。”
deHaan和他的同事，斯坦福商学院会计学助理教授Suzie Noh、博士生Chanseok Lee以及波士顿学院的Miao Liu，一起创建了一个“人工智能分析师”，目的是研究一个仅使用公开信息的人工智能机器人是否能比共同基金经理表现得更好。他们对自己不断得出的数据持怀疑态度，但始终找不到分析中的任何问题。
“这太惊人了。” deHaan说。自1990年至2020年间，基金经理每个季度平均能创造280万美元的超额收益（即调整基准后的收益）。而当研究人员让人工智能分析师重新调整这些人类经理的投资组合时，人工智能每季度能在原有回报上额外创造出1710万美元的收益。简而言之，deHaan说：“在30年的时间里，人工智能的表现超过了93%的基金经理，平均超出600%。”
当deHaan去年向师生展示他们的研究结果时，有位同事问道：“你为什么不直接去开一家对冲基金？”
寻找被错过的机会
虽然研究人员花了一年时间构建模型，但人工智能分析师只用了几个小时，最多几天的训练时间，就掌握了选股技巧。研究人员首先输入了1980年到1990年的市场数据，让人工智能将170个变量与未来的股票表现进行关联分析。这些变量中有一些很直观，比如国债利率和信用评级；也有一些比较复杂，比如对公司财报电话会议和监管文件的情绪分析，模拟基金经理如何解读企业信息。唯一的标准是，这些变量必须全部来自于基金经理也能轻易获取的公开数据源。通过这一过程，人工智能分析师构建出了一套预测模型，以便使投资回报最大化。
接着，研究人员向人工智能提供了约3300只1990年至2020年间由人类主动管理的美国多元化股票型共同基金的投资组合数据。人工智能根据自己的模型，每季度尝试微调这些投资组合，以期提高实际回报。“人工智能不能随意买自己想买的股票。” deHaan解释说，“它只能在投资组合的边缘进行选择性调整，而且仅依赖公开信息。”
“如果每个投资者都使用这个工具，那么它的优势就会大大减弱。”
— Suzie Noh
每个季度，人工智能会在保持基金原有风险水平和持股数量的基础上重新平衡持仓。调整后的投资组合在当季结束后会被重置为原始持仓，人工智能再接着处理下一季度。
在决策过程中，人工智能遵循了一套基本流程。它根据趋势将可投资资产分成十组，按照预期表现从高到低排序。然后，人工智能尽可能用预期表现更好的资产替换掉潜在表现较差的资产；如果某个持仓特别糟糕，AI会直接卖掉该资产，并将资金投入指数基金。
遵循这一策略，人工智能每季度会调整其一半左右的投资组合，最终在30年的市场模拟中实现了六倍于原始回报的增长。
如此惊人的结果，部分原因在于这项实验本质上是“穿越回过去”，让一支团队独享人工智能分析师这个优势。但这并不意味着人工智能分析师在如今的市场环境中还能复制其成功，尤其是越来越多的投资者开始使用类似工具的情况下。“如果每位投资者都在用这个工具，那它的大部分优势就会消失。” Noh表示。
新一代“量化分析师”
deHaan及其团队还发现，某种意义上说，人工智能分析师并没有做出什么特别“神奇”的决策。在研究的初期，包括研究人员自己在内的很多人都以为人工智能会依赖一组高度复杂的变量来制定投资决策。实际上，它大多使用的是简单变量，比如公司规模和股票的交易额。但它运用了复杂的人工智能技术，从这些简单数据中挖掘出了最大程度的预测价值。
从学术角度来看，这正是研究者最初想要理解的问题：当投资者未能充分利用公开信息时，到底会错失多少利润？在人工智能出现之前，任何一家投资公司只要雇佣足够多的量化分析师，就可以完成这项工作。但从庞大的公开信息中榨取额外收益的代价非常高昂，因此多数公司干脆选择忽略。
“信息处理存在摩擦成本。” deHaan说，“即便数据本身是免费的，要真正‘知道’它们的意义，仍然非常昂贵。” 他和同事们认为，这是第一项在现实条件下量化这种“信息成本”的研究。
人工智能分析师出人意料的成功也引发了关于人工智能与投资者之间关系的新讨论。在一个测试中，研究人员允许人工智能在几乎没有限制的情况下自行构建并管理投资组合，结果它的表现与调整人类组合时几乎一样出色。
这对专业投资者意味着什么，还不确定。但其表现暗示，投资公司以后很可能会将数据收集的繁琐工作自动化。“这和我们在其他行业看到的人工智能趋势是一样的。” deHaan说，“技术的进步对人类的角色提出了严峻的挑战，尤其是当连这些‘复杂却非重复性’的任务也开始被自动化的时候。”
不过，这并不意味着基金很快就会把全部投资组合交给人工智能交易员。“虽然这只是我的猜测，但我认为总会需要一些聪明的人类，来引导人工智能的流程，并从宏观上构思那些尚未被人工智能想到的策略。” deHaan说。
