又有一個巧合，我現(xiàn)在的愛人當(dāng)時是我的同學(xué)，她在海外時是學(xué)金融，我為了追求她就去她班上幫她蹭課，光蹭課沒誠意得幫她寫作業(yè)。幫她寫作業(yè)時發(fā)現(xiàn)金融理論里這一系列理論都非常原始，用excel拖拉拽的方法非常落后，我想能不能用人工智能技術(shù)預(yù)測呢？當(dāng)時做了一個嘗試用神經(jīng)網(wǎng)絡(luò)預(yù)測美股的市場，當(dāng)時把1970年的數(shù)據(jù)30年的數(shù)據(jù)放進(jìn)去，嘗試預(yù)測周度的成功率，當(dāng)時周度成功率達(dá)到60%左右，后來一直從事這方面的嘗試，到今天差不多十年時間。現(xiàn)在天弘基金做的新的嘗試又在哪些領(lǐng)域有新的發(fā)現(xiàn)呢后面也跟大家分享一下。
首先人工智能自己本身有三大件，硬件算法和大數(shù)據(jù)，天弘基金做的是什么？我們不是一家硬件公司，也不是算法公司，更多做的是金融的大數(shù)據(jù)或者金融的樣本。我之所以加入天弘基金我非常認(rèn)可天弘基金在阿里巴巴整個文化下面有非常開放包容的心態(tài)，我們能夠拿到很多數(shù)據(jù)。很多人知道天弘基金是因?yàn)橛囝~寶，余額寶管理15000億資產(chǎn)有3億用戶，平均每5個中國人當(dāng)中有一個是我們的用戶。在這樣一個龐大用戶群體下我們有很多數(shù)據(jù)，在這樣數(shù)據(jù)的基礎(chǔ)下可以做很多的AI的研究和嘗試，比如對宏觀的經(jīng)濟(jì)預(yù)測對產(chǎn)業(yè)的預(yù)測，不是僅僅停留在以前理論層面上，而可以通過數(shù)據(jù)來進(jìn)行一些探索。
下面這幅圖是股票投資研究體系的流程，一家基金公司如果選出一支好的股票是怎么選的。這個圖我一直在思考，到底有多少環(huán)節(jié)能夠被AI所替代，換句話說有多少環(huán)節(jié)必須需要人來處理，這個我現(xiàn)在沒有明確的答案，也是我一直思考的話題。
就我自身來看有很多環(huán)節(jié)，不低于50%以上的工作崗位在AI的時代可能需要重新定義和升級。如果不在AI的時代中進(jìn)步很可能在AI時代下被淘汰。傳統(tǒng)金融掙的錢一個是牌照、一個是信息不對稱，專業(yè)的人知道，但散戶不知道，互聯(lián)網(wǎng)時代、大數(shù)據(jù)時代把信息不對稱已經(jīng)極大地降低了，很多人可以通過社交媒體了解公司的情況，不是非得依賴這樣的金融機(jī)構(gòu)。金融機(jī)構(gòu)在信息時代的優(yōu)勢到底在哪兒？
作為天弘基金一家專業(yè)的金融機(jī)構(gòu)，尤其是在阿里巴巴旗下一個非常重要的金融板塊，天弘基金一直倡導(dǎo)的價值觀也是創(chuàng)新和嘗試。非常有幸，我加入時是一個技術(shù)人員，一直在用技術(shù)做余額寶和相關(guān)數(shù)據(jù)的挖掘。但是在2015年時有機(jī)會給我30分鐘在公司500人面前的演講，當(dāng)時我們董事長支付寶董事長井賢棟也在場，我說明年會有一場非常重要的事件AlphaGo，我預(yù)測AlphaGo可能會贏得世界冠軍，當(dāng)時已經(jīng)在歐洲贏了樊輝，我們2015年時開始計(jì)劃。2015年時我們嘗試用AI替代初級信用分析師，金融行業(yè)有信用分析師讀新聞、公司相關(guān)信息，這些信息讀完之后要進(jìn)行分析和加工，這些工作對我看來用人來說，尤其公司招的很多人是北大、清華以前考試都是高考狀元，讓他們做這些工作有資源上的浪費(fèi)。后來我們嘗試了一些應(yīng)用，可以公開說的應(yīng)用是鷹眼，這個已經(jīng)拿到專利，也是對外公開。
這個專利是公募基金第一塊國家信用裝置，是信用評估方法的裝置。鷹眼評估算法是怎么做的？當(dāng)時找信用分析師一塊讀新聞，讀了10萬條新聞，拿其中八萬條新聞放到鷹眼算法里。先做分詞再分類，分正面、中立、負(fù)面，拿剩下兩萬條讓AI評價一下，剩下2萬條自己知道答案，8萬條當(dāng)時在時花了很多時間、很多資源，樣本收集整理花了三個多月的時間，剩下兩萬條新聞AI看5分鐘就看完了。如果它5分鐘看完和人看完的結(jié)果一樣，我們就沒必要看了。
第一版算法沒有經(jīng)過任何優(yōu)化時，準(zhǔn)確覆蓋率在85%左右，當(dāng)時我們非常驚訝，原來這個套路這么深，模式這么明顯。所以后來就嘗試?yán)^續(xù)提升算法，到今天做了兩年的提升，除了SBM當(dāng)時第一版入門的算法，嘗試了十余種算法，升級了機(jī)器，利用阿里云的優(yōu)勢。
現(xiàn)在這個算法提升到96.7%的水平，絕大多數(shù)的新聞現(xiàn)在在外面新聞不用自己在網(wǎng)上看，基本看鷹眼看完之后的二次信息。
簡單說看新聞這件事情到底對金融有什么影響，這后面是數(shù)據(jù)。從2015年開始開發(fā)到2016年一整年，難得是一整年的實(shí)際數(shù)據(jù)，2016年時開始有信用債違約，也就是說有公司不還錢，以前把錢借給公司肯定要還錢，2016年國企、央企開始不還款了。2016年一共有79家企業(yè)不還款或說違約，鷹眼算法把發(fā)債4000家公司做了排名，從最容易違約到最安全的，排名之后前1%認(rèn)為是黑名單，10%是灰名單。這79家公司80%都在會名單里，從這個結(jié)果也可以看得出來，在互聯(lián)網(wǎng)上通過這些新聞分詞、語義、ALP包括情緒識別，已經(jīng)可以勝任信用分析師，而且是非常高級信用分析師團(tuán)隊(duì)的能力。