人工智能的應用使得投資組合管理變得更有效率，也幫助投資經理進行更深入的決策。利用大數據（如紐約第五大道人流量或油輪投下的陰影的衛星圖像）處理海量信息，摒棄“噪音”，抓住“信號”進行買賣。機器學習與自然語言處理相結合，對會議記錄進行挖掘，從而識別其中的特殊字眼，也能讓投資經理了解首席執行官們在電話會議中表現的是否樂觀。利用深度學習能在極度動蕩的市場中發現轉向信號，也能讓模型迅速進行自動調整去捕捉這些信號。以上這些都是傳統的建模方法做不到。而隨著人工智能算法自身的發展，LSTM，強化學習，和對抗式網絡等早前少用于金融行業的算法也開始在投資組合管理領域嶄露頭角。本文整理近期學術界對這些算法在投資組合管理領域應用的論文，對其技術和應用方法作簡單介紹。

作者 | 言青佳、田辰

一、投資組合管理市場現狀簡述

來自于中國報告網的數據顯示截止至2018年底中國資產管理行業總規模約124.03萬億元。預計2020年，我國高凈值人群與一般家庭的可投資資產總額將分別達到97萬億元與102萬億元，也就是說每年有1.5萬億的增量。截止2019年7月中旬，券商集合資產管理規模凈值18,746.08億元。投資組合管理作為資產管理的一個子集，由于依賴歷史性數據和投資組合管理模型理論，開始將目光投向人工智能，以期在收益上獲得優勢。

二、投資組合管理中的人工智能技術

LSTM（Long Short-TermMemory）：一種時間遞歸神經網絡，論文首次發表于1997年。由于獨特的設計結構，LSTM適合于處理和預測時間序列中間隔和延遲非常長的重要事件。

LRP（Layer-wiseRelevance Propagation) ：是識別重要像素的一個方法。在神經網絡中計算相關性，并將相關性逐層向后傳播。

貝葉斯優化（bayesian optimization）：基于模型的超參數優化器，應用于機器學習超參數調整，該方法可以在測試集上實現更好的性能，同時比隨機搜索需要更少的迭代。

隱性馬爾可夫模型（Hidden Markov Model）：一種統計模型，它用來描述一個含有隱含未知參數的馬爾可夫過程。其難點是從可觀察的參數中確定該過程的隱含參數。然后利用這些參數來作進一步的分析。

強化學習(reinforcement learning) ：機器學習中的一個領域，強調如何基于環境而行動，以取得最大化的預期利益。其靈感來源于心理學中的行為主義理論，即有機體如何在環境給予的獎勵或懲罰的刺激下，逐步形成對刺激的預期，產生能獲得最大利益的習慣性行為。

GAN(Generative AdversarialNetwork) ：非監督式學習的一種方法，通過讓兩個神經網絡相互博弈的方式進行學習。生成對抗網絡由一個生成網絡與一個判別網絡組成。

三、人工智能在投資組合管理中的應用分布

四、人工智能技術在投資組合管理領域的技術應用

1.股票中期收益率預測：XinyiLi等人提出一個新的神經網絡結構Mid-LSTM來預測股票中期走勢。在對標普500 股票的測試中顯示該模型實現了2-4%預測準確率的提高以及在投資組合中實現120.16%年收益率和 2.99平均夏普比率。

2.動態資產配置: Fons等人在Feature Saliency HMM (FSHMM) 算法的基礎上提出了新的smartbeta資產配置系統。在MSCI指數合成的實際資產上評估顯示該FeatureSaliency交易系統比使用所有特征的HMM構建的投資組合表現更好。

3.利用強化學習算法進行投資組合優化:Jiang等人提出類似DDPG的解決方法。利用包括投資組合成分資產的最高價、最低價和收盤價在內的一系列特征作為連續狀態，用一個使用Deep Neural Network (DNN) 近似的策略函數來訓練強化學習模型中的agent。

4.交易策略構建：Adriano Koshiyama等人使用條件生成式對抗網絡來進行交易策略的微調和加總。包括1）條件生成式對抗網絡算法對時間序列數據建模的模型訓練和選擇；2）解釋每個樣本如何被用于策略的微調；3）生成的新樣本如何被用于ensemble建模。

五、人工智能在投資組合管理中應用的局限性

解釋性的局限：人工智能算法，尤其是機器學習/深度學習對如何利用變量達到預測結果缺乏解釋性。使用被稱為黑盒子的算法對金融市場作判斷和決策，很難確定這些決定的負責人。

據來源可靠性和隱私考慮：人工智能算法需要大量的數據，因此數據來源是否可靠，又是是否得到了相應的安全保護，這都是使用人工智能方法在二級市場量化投資實際應用的需要考察的問題，牽制著從算法研究向落地應用的轉變。

六、人工智能在投資組合管理中應用的發展趨勢

評估和預測人類行為：如今機器只能簡單地回顧歷史，研究特定事件的歷史交易信息。而下一步，機器學習將能糾正人類行為，從而打造競爭優勢。

衍生品交易策略：假如衍生品的底層資產沒有很好的流動性，傳統方法的定價會有很大誤差。使用機器學習的辦法往往可以得到更準確的結果。人工智能算因此在這個應用領域能施展拳腳。

* 本文為 「智周 」系列報告 「核心版 」，相應 「深度版 」的推出計劃將在后續公布，敬請大家關注。 針對「人工智能技術在投資組合管理中的應用」這一主題，有哪些方向或主題，你希望在報告深度版中讀到詳細的闡述與分析，歡迎留言，這將成為我們制作報告深度版的重要參考。

關于「智周」系列報告

機器之心「智周」人工智能技術應用報告系列 重點關注現有人工智能技術應用較成熟且應用潛力較大的正在進行智慧升級的傳統行業及場景，逐行業、逐場景為產業用戶高效而不失深度地呈現不同人工智能技術的產業落地現狀、企業案例、技術應用趨勢等。 「智周」人工智能技術應用報告系列包含核心版及深度版兩個版本：

核心版濃縮精華分析內容至2頁內，覆蓋重要數據、分析結論及案例簡述，以供使用者高效系統地了解人工智能技術在自身所關注產業內的潛在機會。

深度版在核心版的基礎上，包含詳盡的行業或場景痛點分析、技術解讀、落地案例詳解及資料附錄等，以供有深度研究需求的使用者進行深入探究。