人與機器：財富管理的下一個前沿

機器人交易員每 3 美元管理約 1 美元。 它們無處不在。 您可能擁有一些被視為機器人或量化基金的指數基金。 它們很便宜，並且可以進入最近看似不可阻擋的股票市場。 但最後，泡沫可能正在破裂（至少對於量化基金而言）。 各地的量化基金都在倒閉（例如，Columbia Threadneedle、Neuberger Berman）。 跟隨趨勢的量化基金出現了 13 年來最嚴重的資金外流。 那麼這些量化基金到底是什麼？ 它們為什麼會出現？ 這種下降是寬客普遍存在問題的信號還是僅僅是暫時的重置？

軟件對投資決策的影響越來越大

廣泛的金融領域，由於其獲得資本的途徑，長期以來一直是傾向於在其他行業之前接受技術創新的行業。 因此，當軟件技術在 20 世紀到來，算法程序出現時，金融部門將不可避免地率先利用這一潛力。 Vanguard 的創始人 John Bogle 在 1970 年代推出了世界上第一支指數基金，部署了軟件來跟踪一籃子股票，從而允許基金根據其基礎基準的任何變化進行自動重新分配。

使用軟件自動化交易的優勢是深遠的，主要在於它對降低運營成本的影響。 指數基金不必支付人力資源，否則這些人力資源會被用來做出選擇和分配決策。 指數基金的出現是向大眾市場開放個人財務管理世界的重要事件，否則這種服務的定價將被排除在外。

快進到今天，自動化（量化）基金在過去十年中穩步上升，在美國證券交易所的機構交易中佔據最高份額。

ETF：指數基金具有選擇性

技術的進一步發展導致在 1980 年代末引入量化交易所交易基金 (ETF)。 這些儀器部署了軟件程序，以根據某些因素做出動態的股票選擇決策。 例如，可以對算法進行編程，以在市賬率低於 1.0 時買入股票，然後在市賬率高於 1.5 時賣出相同的股票。 如這個粗略的示例所示，該軟件已被編程為根據基本面分析做出系統的投資決策，否則這些決策將由人類經理完成。

自從第一隻 ETF 出現以來的 30 年裡，由於人工智能領域的快速創新，自動交易的複雜性已經發展到越來越高的階段。 在算法軟件的背景下，人工智能的使用意味著交易程序可以自行學習並提高其有效性。 因此，假設我們在上面的 ETF 示例中使用的軟件部署了一個人工智能模塊。 現在，它可能能夠持續分析股票表現數據，從而使其隨後得出洞見，更有利可圖的策略是僅在市賬率低於 1.25 時買入股票，並在市賬率升至 1.8 時賣出。 然後，該軟件將開始根據這種學習做出決策，而無需人工干預。

截至 2019 年，ETF 和指數基金共同管理的美國股票數量超過了人工管理的資產管理公司。 在 31 萬億美元的美國股市價值中，量化基金現在擁有 35.1% 的市值，而人工管理基金的這一比例為 24.3%。 這是一個重大轉變——但它為什麼重要？

投資管理中的量化與人類

量化專家

量化基金在哪些方面優於人類同行？ 最切實的方法是通過量化基金提供的低管理費用，這是人工管理的主動基金無法比擬的。 成本效率是我們看到 Vanguard（指數基金的發明者）在過去幾十年中不斷攀升，瀕臨成為全球最大資產管理公司的原因之一。 費用在基金中是必不可少的，因為隨著時間的推移，它們會成為投資者的重大成本負擔，而且在衡量業績的背景下，費用越高，業績就必須超過基準以證明其合理性。 尤其是對沖基金，可以讓投資者承擔高達 20% 的費用，但它們在過去十年中表現不佳。

量化基金的另一個優勢在於它們能夠通過實時分析大量數據來獲得洞察力。 正如著名基金經理 Ray Dalio 所指出的，這可能不一定是未來事件的優勢：

“如果有人發現了你發現的東西，它不僅一文不值，而且被過度打折，而且會產生損失。 不能保證以前奏效的策略會再次奏效，”他說。 不採用人類邏輯的機器學習策略“如果不伴隨著深刻的理解，最終注定會失敗”。

量化基金也可以比人類經理更快地做出投資決策。 因此，他們可以更快地下訂單，並更有效地利用窄價差帶來的收益。 由於他們的中性偏見和消除胖手指錯誤的風險，他們在實施交易策略方面可能比人類經理更有效。

量化缺點

量化基金的缺點是什麼？ 不利的一面是，隨著人工智能使用的增加，不同的量化基金可能不可避免地開始一致地做出相同的決定，這可能會給金融市場帶來傳染問題。 人力驅動基金管理的一個關鍵優勢是能夠檢測市場的特殊特徵並根據定性數據做出決策。 量化基金不能吮吸拇指，因此，在市場壓力期間可能會加劇波動。

量化基金如何衡量自己？

量化交易的系統性客觀性引發了一個問題，即量化基金如何創造差異化。 量化基金如何獲得超越競爭對手的競爭優勢？ 人類管理者通過展示對基本原理的更好理解或通過卓越的直覺來贏得他們的優勢，這兩個因素都是通過多年的學習發展起來的，並通過底線阿爾法客觀地證明了這一點。

人工智能驅動的基金的前提是實時分析大量數據，然後得出洞察力和隨後的投資決策。 這在排名標準中引入了新變量，例如哪個基金具有最快的計算能力，或 PB 級的數據訪問。 明星編碼員可能會取代明星交易員，因為基金通過擁有由數據科學家在後台編寫的卓越機器學習規則獲得競爭優勢。

極品飛車

高頻交易 (HFT) 算法基金尋求通過更快的交易獲得競爭優勢，這導致他們中的一些人創建了自己的私有光纖或微波網絡以連接到證券交易所。 該理論認為，鋪設最完美、直線的電纜將為向交易所發送訂單帶來最高的潛在效率，與使用公用事業的競爭對手相比，讓業主處於優勢地位。

只需幾毫秒就可以衡量擁有私有光纖網絡所獲得的優勢。 但是這幾毫秒可能會給在一個交易時段內執行數千個訂單的高頻交易公司帶來數百萬或數十億美元的利潤差異。 在他的書Flash Boys中，作者邁克爾劉易斯詳細描述了一些交易員在多大程度上實現了芝加哥和紐約證券交易所之間建立的私人光纖線路的邊際收益。 紐約納斯達克交易所的執行時間是全球主要證券交易所中最快的，這表明明智的交易者希望通過成為第一個獲得任何優勢來獲得高風險。

然而，專用光纖網絡的建設成本很高。 它們需要大量的初始投資，並且可能受到山脈等物理障礙的阻礙。 然而，微波網絡服務於相同的目的，但由於其基於空中的傳輸，具有更高的速度和更少的地理障礙的優勢。 在一些市場中，高頻交易商已經為爭取擁有最優化的微波網絡而劃清界限。

一些高頻交易者甚至嘗試過託管，即把他們的交易軟件放置在他們交易的證券交易所內的系統中。 在某些方面，這是為獲得交易所訂單而進行的時間爭奪戰的最終遊戲。 許多證券交易所現在提供託管服務，為交易者提供空間以使其係統更接近交易所繫統而收取費用。 但從長遠來看，這些託管服務的合法性可能會受到挑戰，從而引發類似於網絡中立性辯論的倫理問題。 股票市場本質上是做市商或市場，將買賣雙方毫無偏見地聚集在一起。 一個分層的有益訪問系統打破了這種關係，這是一個令人擔憂的困境。

即使 HFT 試圖用所有可能的優勢武裝自己，也不能保證它會一直有效。 Knight Capital 的案例將永遠提醒我們這一點。 Knight 是首批上市的高頻交易公司之一，但在 2012 年，其算法軟件出現故障，僅一小時內就發生了 70 億美元的錯誤交易。 糾正這些錯誤交易使公司損失了近 50 億美元，最終導致基金不得不清算和關閉。

機器人顧問會成為人工智能在金融領域的革命性應用嗎？

這也將我們帶到了個人財富管理的問題上。 在社會層面上，這可能是最值得關注的領域，因為進入股票基金的大部分投資是個人公民的集合資本投資（例如養老金）。

機器人顧問是軟件驅動的投資顧問，根據算法指導客戶。 在過去的十年中，它們逐漸受到重視。 將人類決策從財務建議中剔除既有希望也有危險。 一方面，有機會向廣大人群介紹財務規劃和投資組合構建的製度概念。 然而，另一方面，智能投顧的一些決策支柱是相當武斷的（即隨著年齡的增長擁有更多的債券）並且——雖然在教科書意義上是“正確的”——可能沒有考慮到投資者的個人情況。 人工智能的使用將進一步增強機器人顧問的能力，因為他們開始根據自己的學習來改進分配決策。

這是對人力財富經理敲響的警鐘嗎？ 它是否會顯著改變銀行和其他提供財富管理服務的金融機構的財富管理方式？ 在金錢和投資方面，將一切交給軟件和技術是一種肯定很少有人願意承擔的風險。 歸根結底，軟件，即使它有人工智能組件，也需要規則才能運行。 而這些規則只能由人類製定。 機器人顧問可以使財富管理流程更快、更高效。 不過，也許這場戰鬥中真正的贏家將是設法利用人類和機器協同工作的優勢的機構。