人与机器：财富管理的下一个前沿

机器人交易员每 3 美元管理约 1 美元。 它们无处不在。 您可能拥有一些被视为机器人或量化基金的指数基金。 它们很便宜，并且可以进入最近看似不可阻挡的股票市场。 但最后，泡沫可能正在破裂（至少对于量化基金而言）。 各地的量化基金都在倒闭（例如，Columbia Threadneedle、Neuberger Berman）。 跟随趋势的量化基金出现了 13 年来最严重的资金外流。 那么这些量化基金到底是什么？ 它们为什么会出现？ 这种下降是宽客普遍存在问题的信号还是仅仅是暂时的重置？

软件对投资决策的影响越来越大

广泛的金融领域，由于其获得资本的途径，长期以来一直是倾向于在其他行业之前接受技术创新的行业。 因此，当软件技术在 20 世纪到来，算法程序出现时，金融部门将不可避免地率先利用这一潜力。 Vanguard 的创始人 John Bogle 在 1970 年代推出了世界上第一支指数基金，部署了软件来跟踪一篮子股票，从而允许基金根据其基础基准的任何变化进行自动重新分配。

使用软件自动化交易的优势是深远的，主要在于它对降低运营成本的影响。 指数基金不必支付人力资源，否则这些人力资源会被用来做出选择和分配决策。 指数基金的出现是向大众市场开放个人财务管理世界的重要事件，否则这种服务的定价将被排除在外。

快进到今天，自动化（量化）基金在过去十年中稳步上升，在美国证券交易所的机构交易中占据最高份额。

ETF：指数基金具有选择性

技术的进一步发展导致在 1980 年代末引入量化交易所交易基金 (ETF)。 这些仪器部署了软件程序，以根据某些因素做出动态的股票选择决策。 例如，可以对算法进行编程，以在市账率低于 1.0 时买入股票，然后在市账率高于 1.5 时卖出相同的股票。 如这个粗略的示例所示，该软件已被编程为根据基本面分析做出系统的投资决策，否则这些决策将由人类经理完成。

自从第一只 ETF 出现以来的 30 年里，由于人工智能领域的快速创新，自动交易的复杂性已经发展到越来越高的阶段。 在算法软件的背景下，人工智能的使用意味着交易程序可以自行学习并提高其有效性。 因此，假设我们在上面的 ETF 示例中使用的软件部署了一个人工智能模块。 现在，它可能能够持续分析股票表现数据，从而使其随后得出洞见，更有利可图的策略是仅在市账率低于 1.25 时买入股票，并在市账率升至 1.8 时卖出。 然后，该软件将开始根据这种学习做出决策，而无需人工干预。

截至 2019 年，ETF 和指数基金共同管理的美国股票数量超过了人工管理的资产管理公司。 在 31 万亿美元的美国股市价值中，量化基金现在拥有 35.1% 的市值，而人工管理基金的这一比例为 24.3%。 这是一个重大转变——但它为什么重要？

投资管理中的量化与人类

量化专家

量化基金在哪些方面优于人类同行？ 最切实的方法是通过量化基金提供的低管理费用，这是人工管理的主动基金无法比拟的。 成本效率是我们看到 Vanguard（指数基金的发明者）在过去几十年中不断攀升，濒临成为全球最大资产管理公司的原因之一。 费用在基金中是必不可少的，因为随着时间的推移，它们会成为投资者的重大成本负担，而且在衡量业绩的背景下，费用越高，业绩就必须超过基准以证明其合理性。 尤其是对冲基金，可以让投资者承担高达 20% 的费用，但它们在过去十年中表现不佳。

量化基金的另一个优势在于它们能够通过实时分析大量数据来获得洞察力。 正如著名基金经理 Ray Dalio 所指出的，这可能不一定是未来事件的优势：

“如果有人发现了你发现的东西，它不仅一文不值，而且被过度打折，而且会产生损失。 不能保证以前奏效的策略会再次奏效，”他说。 不采用人类逻辑的机器学习策略“如果不伴随着深刻的理解，最终注定会失败”。

量化基金也可以比人类经理更快地做出投资决策。 因此，他们可以更快地下订单，并更有效地利用窄价差带来的收益。 由于他们的中性偏见和消除胖手指错误的风险，他们在实施交易策略方面可能比人类经理更有效。

量化缺点

量化基金的缺点是什么？ 不利的一面是，随着人工智能使用的增加，不同的量化基金可能不可避免地开始一致地做出相同的决定，这可能会给金融市场带来传染问题。 人力驱动基金管理的一个关键优势是能够检测市场的特殊特征并根据定性数据做出决策。 量化基金不能吮吸拇指，因此，在市场压力期间可能会加剧波动。

量化基金如何衡量自己？

量化交易的系统性客观性引发了一个问题，即量化基金如何创造差异化。 量化基金如何获得超越竞争对手的竞争优势？ 人类管理者通过展示对基本原理的更好理解或通过卓越的直觉来赢得他们的优势，这两个因素都是通过多年的学习发展起来的，并通过底线阿尔法客观地证明了这一点。

人工智能驱动的基金的前提是实时分析大量数据，然后得出洞察力和随后的投资决策。 这在排名标准中引入了新变量，例如哪个基金具有最快的计算能力，或 PB 级的数据访问。 明星编码员可能会取代明星交易员，因为基金通过拥有由数据科学家在后台编写的卓越机器学习规则获得竞争优势。

极品飞车

高频交易 (HFT) 算法基金寻求通过更快的交易获得竞争优势，这导致他们中的一些人创建了自己的私有光纤或微波网络以连接到证券交易所。 该理论认为，铺设最完美、直线的电缆将为向交易所发送订单带来最高的潜在效率，与使用公用事业的竞争对手相比，让业主处于优势地位。

只需几毫秒就可以衡量拥有私有光纤网络所获得的优势。 但是这几毫秒可能会给在一个交易时段内执行数千个订单的高频交易公司带来数百万或数十亿美元的利润差异。 在他的书Flash Boys中，作者迈克尔刘易斯详细描述了一些交易员在多大程度上实现了芝加哥和纽约证券交易所之间建立的私人光纤线路的边际收益。 纽约纳斯达克交易所的执行时间是全球主要证券交易所中最快的，这表明明智的交易者希望通过成为第一个排队者来获得任何优势，这意味着高风险。

然而，专用光纤网络的建设成本很高。 它们需要大量的初始投资，并且可能受到山脉等物理障碍的阻碍。 然而，微波网络服务于相同的目的，但由于其基于空中的传输，具有更高的速度和更少的地理障碍的优势。 在一些市场中，高频交易商已经为争取拥有最优化的微波网络而划清界限。

一些高频交易者甚至尝试过托管，即把他们的交易软件放置在他们交易的证券交易所内的系统中。 在某些方面，这是为获得交易所订单而进行的时间争夺战的最终游戏。 许多证券交易所现在提供托管服务，为交易者提供空间以使其系统更接近交易所系统而收取费用。 但从长远来看，这些托管服务的合法性可能会受到挑战，从而引发类似于网络中立性辩论的伦理问题。 股票市场本质上是做市商或市场，将买卖双方毫无偏见地聚集在一起。 一个分层的有益访问系统打破了这种关系，这是一个令人担忧的困境。

即使 HFT 试图用所有可能的优势武装自己，也不能保证它会一直有效。 Knight Capital 的案例将永远提醒我们这一点。 Knight 是首批上市的高频交易公司之一，但在 2012 年，其算法软件出现故障，仅一小时内就发生了 70 亿美元的错误交易。 纠正这些错误交易使公司损失了近 50 亿美元，最终导致基金不得不清算和关闭。

机器人顾问会成为人工智能在金融领域的革命性应用吗？

这也将我们带到了个人财富管理的问题上。 在社会层面上，这可能是最值得关注的领域，因为进入股票基金的大部分投资是个人公民的集合资本投资（例如养老金）。

机器人顾问是软件驱动的投资顾问，根据算法指导客户。 在过去的十年中，它们逐渐受到重视。 将人类决策从财务建议中剔除既有希望也有危险。 一方面，有机会向广大人群介绍财务规划和投资组合构建的制度概念。 然而，另一方面，智能投顾的一些决策支柱是相当武断的（即随着年龄的增长拥有更多的债券）并且——虽然在教科书意义上是“正确的”——可能没有考虑到投资者的个人情况。 人工智能的使用将进一步增强机器人顾问的能力，因为他们开始根据自己的学习来改进分配决策。

这是对人力财富经理敲响的警钟吗？ 它是否会显着改变银行和其他提供财富管理服务的金融机构的财富管理方式？ 在金钱和投资方面，将一切交给软件和技术是一种肯定很少有人愿意承担的风险。 归根结底，软件，即使它有人工智能组件，也需要规则才能运行。 而这些规则只能由人类制定。 机器人顾问可以使财富管理流程更快、更高效。 不过，也许这场战斗中真正的赢家将是设法利用人类和机器协同工作的优势的机构。