一、發展迅速：AI基金歷程回顧

今年以來，隨着ChatGPT的橫空出世，“AIGC”（Artificial Intelligence Generate Content）再次引發人們的熱烈討論。通過機器學習的生成式AI，除了應用於搜索引擎，還能有哪些應用場景呢？前段時間，普林斯頓大學大四學生Edward Tian利用機器學習寫出了GPT-Zero的程序，用來檢測ChatGPT生成的內容，可謂“魔高一尺，道高一丈。”而AI在金融行業的應用其實已有些年頭。早在2017年，華爾街便推出了金融界的“ChatGPT”——AIEQ（Artificial Intelligence Powered Equity）ETF，該基金的工作原理是利用人工智能和機器學習，全年日夜不間斷工作，對全美數千只掛牌股票進行持續不斷地分析，包括但不限於企業公告文件、季度財報、新聞以及社群文章等。然後從當前經濟形勢、未來趨勢出發，在深度分析後再挑選出包含70支股票的投資組合。股票選好後，由基金經理團隊進行再權衡。根據最新披露，AIEQ重倉的股票主要是亞馬遜、谷歌、蘋果、Livongo Health、微軟和Teladoc Health。通過下圖收益率分析，我們發現AIEQ累計收益率在20%左右，雖不及納斯達克同期漲幅，但也在近三千只美國股票ETF和混合ETF中，排名第328位，战勝了超過80%的同行。在第一支AI基金橫空出世以後，AI熱在華爾街持續不斷，據研究公司Morningstar的報告，截至2020年，美國股市中由人工智能管理的股權資產已達到4.3萬億美元，首次超過人類管理的資產。而目前國內由人工智能管理的基金數量較少，規模也比較小，但這兩年也如雨後春筍般快速發展起來，今年6月1日，止於至善投資便宣布將由AI機器人“賽博坦”獨立管理一只基金。那么，對於由AI管理的基金，你會买嗎？

（AIEQ的走勢圖，圖源：東方財富網）

二、比人強：AI基金收益率遠超人類

大家會不會選擇AI管理的基金，很大程度取決於它的收益率。對此，美國和芬蘭教授做了一項研究，檢驗了四種不同類型的對衝基金的業績表現情況，類型分布從純AI到純人工。作者發現，純AI主導的對衝基金在控制市場風險的因素後回報率最高，達到了每個月0.79個基點，遠高於純人類管理的對衝基金，人類管理的僅有每個月0.23個基點。那么，AI管理的基金爲何能夠战勝人類呢？我認爲有以下幾個方面的原因：

一方面，機器比人更接近理性人的假設。在傳統金融學中，我們假定人是理性人——具有風險規避、信息全面、決策迅速等特點。但在現實中，由於信息不對稱以及存在知識盲區，加上人的不完全理性，我們很難做到掌握全部信息並迅速做出理性決策，但機器可以更加全面地收集信息，並根據歷史經驗進行迅速地決策，避免人的情感缺陷帶來的不理智決策。因此，機器會比人更加理性和全面，獲得更高的超額收益。

另一方面，隨着技術進步和訓練量的提升，AI會更加智能和精准。ChatGPT的出現並不是一蹦而就的，我們目前接觸到的ChatGPT是第三代或者第四代，早在前幾年便有了ChatGPT，只不過當時技術的局限和樣本量的有限，並不能做到今天這樣的准確和快速。由此可見，隨着算法的完善和樣本量的增多，由AI主管的基金也會有更高的收益率和更科學的決策。

（研究論文的界面）

三、“算法共識”：AI基金的缺陷

目前AI管理的基金發展迅猛，但也不意味着它沒有缺點。“算法共識”便是想和大家討論的一個缺陷。

算法共識指的是不同的AI基金雖然在算法細節、參數設定上會有不同，但在整體機器學習的方法、信息識別和決策上基本類似，這會導致不同的機器之間做出一致的決策，即便決策是不理性、不科學的。第一種可能的錯誤就是信息識別的出錯，機器會通過檢測百度等搜索引擎的關鍵詞熱度，選取與熱度高的關鍵詞相似的股票進行購买。如2016年特朗普當選美國總統當天，由於他被網友戲稱爲“川普”，“川普”一詞的熱度迅速攀升，當天股票市場上帶有“川”字股票均迎來大漲，背後也是因爲程序化交易對於信息識別的有誤導致的不理性決策。再者，AI量化機構也會出現蜂擁而上追漲熱門股票，導致股票價格的異常波動的情況。前面有提到，由於機器的決策算法大同小異，都會考慮股票熱度、換手率等一樣的因素，從而導致不同機器做出一樣的決策，一致的決策導致股票價格波動增大，造成AI量化基金面臨更大的虧損風險。

總的來看，AI管理的基金正走上發展的快車道，但也面臨着不少的問題。那么你是怎樣看待這類基金的呢？又是否會選擇購买呢？歡迎大家在評論區留言討論！

本文作者可以追加內容哦 !