[现在很多的AI是用回溯历史大数据的统计方法，需要大量的历史数据才能对未来有非常局限的预测。然而，市场是瞬息万变的，AI需要重新学习，来动态地预测未来。但这对当前大多数的AI基金而言，仍然无法实现]

“这只人工智能指数基金(AIEQ)一发行我就买了，可还没等加仓，它就连续下跌，完全和美股大盘背道而驰，想想要跑出这种走势也是挺难的。”国内某基金经理姚灵(化名)对第一财经记者表示。

姚灵所说的AIEQ就是10月18日上线的AIPoweredEquityETF，由旧金山EquBot公司推出，利用IBMWatson超级计算机进行大数据处理，对美股进行主动投资管理，也被认为是全球首只AIETF。其仅交易两天，就轻松跑赢美股大盘。然而，神话也就此终结了。

AIEQ此后一路下跌，截至11月14日，AIEQ在近一个月内累跌3.27%，而同期标普500指数涨幅高达1.06%，这波牛市被投资者戏称为“盲买都能赚”。那么，AIEQ怎么不智能了呢?

平安磐海资本首席风险官陆晨对第一财经记者表示：“现在大家对于AI的定义就存在偏差，认为AI基金就是基于对过去的分析，以固定的假设来预测固定的未来走势，或是简单地做量化交易，但真正的AI基金是：1)基于动态的假设来预测动态的未来;2)在获得有限信息的情况下，就能比人更快、更精准地预测未来;3)进一步预测或量化行为金融。这些在中长期仍很难实现。更讽刺的是，最初AI的终极追求就是要让冰冷的机器像人一样有炙热的感情，而AlphaGo之所以能战胜人类围棋顶尖高手，恰恰是因为它没有情感和感觉，因此疲惫、后悔、迟疑对它而言都不存在。”

“表面财报数据背后隐藏的成分是机器无法识别的，主动管理人选股还需要走访公司、接触管理层、主观判断。”阿尔杰投资管理(AlgerInvestmentManagement)基金经理张韵则对记者表示。张韵此前主动管理的小盘股策略基金跑赢标普500指数近900个基点。

虽然AIEQ上市时间太短，我们对业绩不宜进行主观评判，但近年来全球上下对于AI的狂热已近乎白热化，“AI战胜华尔街”的呼声甚嚣尘上。斯坦福大学终身教授、谷歌云首席科学家李飞飞的一句话则值得深思——“对比物理学的发展轨迹，AI还没有达到牛顿力学的阶段。”

智能投顾并非AI

首先要澄清的是，市面上不断涌现的“智能投顾”(Robo-advisor)并不是AI，最多只能算是一个理财顾问。

“要说最基本、幼稚的AI智能投资，其实就是美林时钟。”陆晨表示，美林时钟是一个四象限的场景，每个象限按照经济的增长衰退以及通货膨胀的具体表现定义，在每个有确定定义的小房间(象限)中，投资者依照历史的统计数据归纳出下胜算率最优的投资选择。

而AI智能投资则更进一步，将每个象限或假设情景再分得更为细致，并得出更为有针对性贴切的解决方案，类似于我们在学微积分时求极限的概念，当我们把这个场景的维度无限缩小收敛于0时，就会到达终极理想化的AI智能投资的境界。

眼下，国内外不少机构将自己设计的智能投顾定义为乐AI。例如，用户输入“地震”，智能投顾便能迅速给出相应概念股。

然而，陆晨告诉记者，现在“很多的AI”是回溯历史大数据的统计方法，统计的黑匣子胃口食量很大，要喂给它大量的历史数据才能对未来有非常局限的预测。同时这个预测是很固定静态的，根据这个预测再针对未来设定相应的解决方式，要面对未来的不确定性。然而，市场是瞬息万变的，时间又不停息，当原有的固定起点变成了历史，“从第一个起点，到新的起点，AI就是要对这一段新产生的信息数据重新学习，还要在动态的新起点的基础上，来动态地预测未来，这里包括新起点周围的氛围和公理。这是AI的追求，但这对当前大多数的AI基金而言，仍然无法实现。

更重要的是，人性或行为金融在金融市场中扮演着重要作用，AI又如何能通过对过去人类行为的学习，来动态、量化地预测未来?

“在自然科学中，人作为独立的观测者研究发现科学现象;而在金融市场中，人作为观察者和市场参与者的双重身份出现，人和市场之间的关系正如著名投资家索罗斯(GorgeSoros)在他闻名遐迩的反身性理论里所阐述的，不确定性来源之一是人的思想情绪感觉认知的变化。”陆晨表示，要做到行为金融的AI难上加难，需要对金融市场长期的发展进行深度、长时间地学习。

回到根本，不得不问的是，机器它本身有没有智能?多少人相信机器本身是有智能的?

“真正的智能，到2016年此刻为止，还都只能来自于人，人才有智能，机器只能转移智能。所以能够让一个系统拥有智能的最重要的方式是如何去采集人的智能，如何去转移人的智能，如何去提炼人的智能。”AI专家、因互联CEO鲍捷博士在2016年时表示。

眼下，智能的来源是人，除了如何更好地采集人的智能，另一个问题在于如何降低人的成本、机器的成本和计算的成本。

针对这点，广济桥资本合伙人袁玉玮近期就指出，如果真的要实现理想中的AI基金，那么“每年0.75%的管理费何以支付人工智能的技术预算?又如何愿意每天公开持仓信息?”

区分量化和AI

除了智能投顾，还有不少认为量化交易就是AI，答案当然是否定的。虽然全球多家顶级量化对冲基金都在开发基于AI的交易，但残酷的现实纷纷否定了目前AI能够跑赢的可能性。

例如，全球最大的资产管理公司贝莱德(BlackRock)进军AI，但相关部门却刷新了历史亏损。

再回到量化交易本身，量化交易是指从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。

关键点又回到了“固化”二字。不同于量化交易，真正理想中AI如上文所述，是对动态片段进行不断学习，来改良对未来的判断。

其实，金融危机后，全球宏观环境风云突变，不少对冲基金并不能“智能”地顺应变化。“QE把市场基本面打乱了，美股牛市持续九年，传统‘多空策略’很难推进。”长年从事对冲基金研究的诺亚研究部主管、香港大学教授夏春对第一财经记者表示。

即使是行业大佬也难免失手，低利率环境、英国脱欧和美国大选等风险事件都令人防不胜防。此外，今年部分量化对冲基金在中国A股的“惨烈”表现也佐证了量化绝不是AI。

由于中国市场上较多的量化策略基金是通过大小盘因子、成长价值因子来赚取超额收益。量化投资大的逻辑是用历史数据预测未来，从现在往前推5~6年，A股市场对超额收益最有效的解释因子是市值，小市值股票相对于大市值股票整体会具有更高的超额收益。

因此，很多量化基金2016年配置较多小市值股票，取得良好业绩。但是今年以上证50为代表的蓝筹股上涨超过10%，中证500、创业板却收益告负，这是今年以来大多数量化基金业绩一般的主要原因之一。

那么为什么这些量化基金在出现亏损后，不及时“智能”地转换策略?

陆晨告诉记者，“量化的原则就是严格贯彻其策略，而且如果身在当时，你如何能判断大小盘市值因子会持续失效呢?如果真正的AI能被运用在量化基金中，应该是通过对于市场动态、情绪、监管变化等进行分析，在较短的时间内得出未来市值因子仍会继续失效的结果。但事实上现在的AI是做不到的。”

华尔街难被AI取代

更令人感兴趣的问题就是——近两年被反复炒作的“AI战胜华尔街”概念究竟可不可信。

近期不乏报道称，2000年顶峰时期，高盛在纽约总部的美国现金股票交易柜台就雇用了600名交易员，替投行金主的大额订单进行股票买卖操作。但时至如今，这里只剩下两名股票交易员。此外，高盛目前三分之一的员工是计算机工程师，约有9000人，并自称“科技公司”。

“国内各类炒作金融科技或AI的文章只说对了一半，AI取代的是那些‘傻瓜交易员’，即执行下单的交易员(executiontrader)，比如投资经理打电话告诉这些交易员在某个时间买一万手微软等。但从事自营交易的‘聪明交易员’或基金经理绝对不会被现阶段的AI取代。”陆晨表示。他曾供职于美国银行信用衍生品部门，负责当时红极一时的信用衍生品资产证券化(ABS)、信用违约互换(CDS)、担保债务凭证(CDO)等产品的研发和交易，更早前供职于贝尔斯登、德意志银行、荷兰银行等。

其实，国外所说的卖方交易员，包括场内交易员、执行交易员、做市商以及卖方销售，他们的确可能因科技的崛起而失业，但自营交易员或者买方的主动型基金管理人才则难以被机器复制。

专注于主动选股(小盘成长股策略)的张韵也对记者表示，尽管金融科技风行，量化交易或被动型ETF大行其道，但我们应该要承认主动管理的价值。

“对于选股，我完全不相信历史性的数据，尤其是历史市盈率(PE)，公司每时每刻在变，特别是我侧重中小型公司，十年前和十年后几乎可以说是两家公司了，即使是苹果这样的大型科技公司，也要看未来的营收和现金流等等。如果AI基金对公司不了解，只根据历史PE来评估公司股价公允程度，怎么可能跑赢市场呢?”

张韵表示，尤其是美国公司，美国GDP增速比不上新兴市场，也只有具备创新性的公司才能创造超额业绩，因为未来的愿景才是股价的驱动力，而不是根据历史数据来预测未来。

此外，她也提及，主动型基金管理还需要关注低概率但可能造成致命打击的极端事件，但机器人只能按过去的数据来测算概率，即过去没有发生的，对它而言未来也不会发生。

其实，AI概念的走红，与近年来迅猛发展的被动投资(主要表现为ETF指数基金)紧密相关。

2009年以来，美国股市出现一个巨大的变化：大量资金从传统的主动管理基金撤离，进入了费率更低的指数基金，而指数基金规模的爆发式增长，也成了这个美国历史第二长牛市的最大受益者。例如贝莱德、Vanguard等美国前几大资产管理公司都推出了这种指数基金产品。他们的核心是科技，不是金融，有一些也引入了AI的概念。

然而，去年以来，也有越来越多的机构警告称，由于ETF的投资标的往往非常雷同、集中，在流动性逐渐收紧的未来，市场下行风险的释放或将触发ETF造成的金融市场流动性危机，届时ETF和智能投顾的泡沫将会被同时戳破。

橡树资本(OaktreeCapital)联席董事长霍华德·马克斯(HowardMarks)近期就对第一财经记者表示，随着更多资金流向被动管理投资，投资者应该好好想想，到底是谁在分析被投企业，谁在决定被动基金的资产配置。