專訪Two Sigma Advisers CEO Nobel：當前AI投資有太多的炒作新金融
《財經》記者 陸玲 秦嘉敏/文 王東/編輯
在主動交易式微的當下，傳統對沖基金飽受業績下滑的困擾。然而，一家依賴大數據和人工智能的量化對沖基金卻異軍突起，它就是Two Sigma Advisers。截至目前，Two Sigma的資金管理規模突破520億美元大關，一舉成為全球最大的量化對沖基金。
“其實，我們不想管理太多的資本。”
Two Sigma CEO Nobel近日在接受《財經》記者采訪時表示。公司的定位就是成為一家頂級的阿爾法提供商，公司會從多個層面關注阿爾法（α，指股票相對指數的超額收益）的生成。“系統性的方法和能力自律的原則幫助我們實現穩定的、突出的回報。我們策略中的能力是有限的。”
在美國市場上興起的量化投資趨勢在過去15年中擴展到了全球的多個市場。Two Sigma今天在全球40多個市場開展交易，涵蓋期貨、外匯、期權以及各種衍生品。
Two Sigma公司由著名量化投資人大衛·肖恩（D.E. Shaw）的徒弟約翰·歐文德克（John Overdeck）和大衛·西格爾（David Siegel）于2001年創立。西格爾曾說，“人類投資經理再也無法擊敗電腦的時代終將到來。”
現在，Two Sigma稱自己為技術公司，目前公司大概有1400名員工，有三分之二的員工從事研發、工程和科技工作。“我們招募的員工比起傳統的投資經理或華爾街公司有很大的不同。”
AI技術在投資領域的應用蔚然成風。Nobel認為，當前市場有很多炒作的成分。“狹義上的人工智能在過去五年中取得了突飛猛進的發展。但人工智能并不擅長的，或者說我們還遠遠沒有實現的是‘一般智力’。我們認為，應該利用具體的人工智能技術去解決某個具體的問題。”
對于中國市場Two Sigma同樣關注已久。“這是一個巨大的市場，擁有龐大的投資人群、海量的數據。我們從2005年就開始在中國進行交易了。隨著市場向外資開放，我們也在觀察加入這個市場的機會。”Nobel表示。
數據導向
《財經》：Two Sigma近年來發展迅速，亦取得不俗的成績。能否從您的角度談談公司迅速發展的原因是什么？
Nobel：Two Sigma成立于2001年，兩位創始人有一個非常簡單但很重要的愿景，那就是科技可以改變世界的任何一個行業，尤其是與信息相關的行業。事實上，每個行業都因計算機能力和數據爆炸的迅猛發展而改頭換面，金融與投資管理沒有理由不受到影響。但在這一領域，實際的進展一直非常緩慢。
當他們計劃成立Two Sigma的時候，美國股票市場正在發生著巨大的變化，比如十進制報價，市場電子化、全球化等。計算機能力的井噴式增長也助推了信息時代的發展。因此他們希望創立一家與眾不同的公司，也就是一家以數據為導向的技術公司。
如今我們稱自己為技術公司，有三分之二的員工從事研發、工程和科技工作，所以我們招募的員工比起傳統的投資經理或華爾街公司有很大的不同。我們很幸運，以上我們在美國市場上興起的種種趨勢擴展到了全球的多個市場。今天我們在全球40多個市場開展交易，涵蓋期貨、外匯、期權以及各種衍生品。
我們的目標是成為一家頂級的阿爾法提供商（α，指股票相對指數的超額收益）。系統性的方法和自律能力的原則幫助我們滿足客戶需求。公司會從多個層面關注阿爾法的生成。阿爾法非常稀缺，這也意味著我們策略根據當時的研究成果所能有效管理的資產規模是有上限的,我們的自律能力使我們不愿管理太多的資本。
《財經》：在投資策略與投資風格上，Two Sigma與傳統的量化對沖基金有什么不同？
Nobel：當今社會信息正在井噴式地增長，讓一個人吸收全部信息幾乎是不可能的。同時相較于50年前，每條信息在相同的時間內的價值已經不如以往。你需要收集海量的微小的信息，需要科學的計算能力來理解所有這些信息。當你匯總足夠多的多元信息時，你的決策將更加明智。所以我們的理念就是投資要立足信息時代，從信息中獲取洞見。
如果能夠開發一套全面的方法去審視人所看到的一切，不僅僅是新聞，還包括基礎信息、報告、事件，甚至券商的情緒，那么你的工作就具有創造性了。我們有成百上千個模型，每一個都像一個分析師。我們采用的方法與傳統意義的投資經理非常相似，只不過我們不需要人來做這些工作，只需將這些分析方法編入算法即可。
今天，技術已經非常先進。你可以應用多種人工智能技術和統計方法來獲取海量數據，不帶有任何偏見。我們會提出假設，然后對假設進行測試，并且以一種非常客觀的、以數據導向的方法進行學習。我們的投資策略是從360度視角來全面地預測市場價格。你可以采用一種非常客觀的數學方法，建立一個多元的投資組合，讓風險管理參與到投資的每一個環節，我們會利用技術將基金經理計算的很多函數自動化、系統化。
我們搭建了一個平臺體系，來開發權益市場策略和宏觀策略產品。從多個層面關注alpha的生成。Alpha非常稀缺。這也意味著我們策略中的能力是有限的，而在限制自身能力方面我們也是非常自律的，因為我們不想管理太多的資本。那如果這樣要達到業績指標就比較困難。
《財經》：能否簡單介紹一下你們的模型算法？這是你們的核心競爭力？
Nobel：目前，Two Sigma擁有大概1400名員工，其中有三分之二的人專門從事模型的研發。他們圍繞四種類型的信息開發交易算法：技術信息，例如股票成交量；基于事件的信息，例如信貸機構的行動、公司并購等；基本面數據，例如公司的財務報表；經紀人的第一手調查，以衡量市場情緒。
Alpha capture是其中的一個案例。這個最“年輕”的模型也已經有11歲了，它的核心策略就是傾聽券商的聲音。“我們沒有傳統意義上的投資組合經理或分析員，于是專門開發了一項技術，目前2000多個券商的金融專業人員進行了安裝，每天從世界各地上千個金融專業銷售人員那里獲得投資建議，從中我們可以了解到市場情緒以及銷售端有價值的信息。”Nobel介紹。
我們有很多數據集，這只是我們的其中一個專利，是我們自己創建的系統。同時，我們還有其他的數據集。在過去的17年，我們從自己的交易活動中學到了很多，這使得我們的交易做得更好。
我們有成百上千個模型，每一個都像一個分析師。我們采用的方法與傳統意義的投資經理非常相似，只不過我們不需要人來做這些工作，只需將這些分析方法編入算法即可。我們沒有投資組合經理，但有程序優化員來建立投資組合，并進行風險的實時管控。
合理借助人工智能
《財經》：在控制風險和尋求超額收益方面有哪些思路？
Nobel：通過一種縝密的方式來構建非常多元化的平衡的投資組合，規避部分風險，考慮交易成本和流動性，建立一個非常平衡、穩定的投資組合，在組合中充分考慮風控。而對傳統的自主基金投資管理來講，它們是不同的運作模式。
比如一個分析師有一個想法，也許有一個很好的想法，做了很長時間的調研，做了一個投資產品，并將它匯報給經理，經理想要把這個產品加入到投資組合中。這時，可能風險經理看了后指出，石油領域風險太大，或者某個領域風險太大。隨后，投資組合經理又說，那好吧，我們進行一下調整。而在一個系統性的方法中，風險管理流程與投資組合的建立幾乎保持同步。
《財經》：越來越多的投資機構開始擁抱人工智能。如何看待未來AI在投資領域的應用？
Nobel：當前市場有很多炒作的成分。人工智能現在是個流行話題。我們的創始人之一就是人工智能背景出身，我們始終有這樣的思維模式。十年前或許這個話題還無人問津。而現在風靡起來，每個人都在談論人工智能。比如你去買一個洗衣機，廠家會說這是一個智能洗衣機，但其實并非如此。我們應該謹慎一些。
狹義上的人工智能在過去五年中取得了突飛猛進的發展。由于在計算能力、數據可獲得性方面所取得的突破，狹義上的人工智能取得了巨大的進步。今天，手機的語音識別已經成為了一個可靠的功能。自然語言處理系統變得越來越精確。機器視覺已成為現實。五年前專家無法解決的問題現在都能解決了，比如自動駕駛。
但人工智能并不擅長的，或者說我們還遠遠沒有實現的是“通用智力”。也就是說，在變換運用場景之下依然可以自行調整，這個是普通人甚至是兒童都可以做到的，今天人工智能還沒有為此做好準備。因而我認為，應該利用具體的人工智能技術去解決某個具體的問題，并且要讓人對背景進行分析，這是非常重要的。
《財經》：對于一家對沖基金來說，人們會覺得1400名員工的規模非常龐大。Two Sigma如何看待投資中技術和人力的關系？
Nobel：我們在數據、技術和人力資本方面都進行了投資。我們相信成功來源于這三個方面的結合，這才能讓我們制定出科學的投資策略。有人認為，未來進入人工智能時代，就不需要人了。事實并非如此。
如果你不加思考地利用機器學習來處理數據，是很危險的。你可能會生成非常可疑的模式，或者預測出一些站不住腳的因果關系。人的重要性就在于，可以了解投資背景，設置相應的限制。在非正常環境中的風險管控方面，人類的角色是至關重要的，需要人的適時干預，降低風險，掌控全局，如同機艙中的駕駛員一樣。
對于對沖基金來講，人們會覺得雇傭1400人太多了。但是如果你轉念一想，我們也是一家科技公司。1400個人里面大概有三分之二都是研發人員，其中大概有600人都是跟工程相關的，主要是軟件工程師。人才的競爭來自技術公司和很多行業，大家都會爭搶科學家、工程師或量化分析師。但我們并沒有與華爾街的公司搶奪人才。我們是在與所有具有科學運營理念的公司爭奪人才。
《財經》：近期中國政府推出了一系列超預期的金融對外開放政策。對于中國市場Two Sigma有怎樣的規劃？
Nobel：我對中國的監管機構和政府在對外開放以及邀請國外的公司方面所表現出來的承諾、行動及其速度印象深刻。這非常鼓舞人心。
這是一個巨大的市場，也是世界上第二大市場，我們投資中國的公司很多年了。
這個市場有眾多的人才，擁有龐大的投資人群。隨著金融市場向外資開放，如果我們加入到這個市場中，我們就有巨大的機會來利用我們的專業知識以及我們在本地的能力。
1.砍柴網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；2.砍柴網的原創文章，請轉載時務必注明文章作者和"來源：砍柴網"，不尊重原創的行為砍柴網或將追究責任；3.作者投稿可能會經砍柴網編輯修改或補充。
京公網安備 11010502032797號