天弘基金智能投资部总经理助理刘硕凌:定增人工智能模型将让定增投资“如虎添翼”

中国基金报记者 李树超

     “最好的人工智能是人脑和大数据技术的融合,人工智能不是要取代人,而是要完善人,我们的定增人工智能模型是传统人脑投资和人工智能投资的组合策略,通过建立一个有效的因子组合,进而对定增股票选股,最后由人来确定定增的参与时点和报价。”谈及天弘基金最新推出的定增人工智能模型,天弘基金智能投资部总经理助理硕凌如是说。

       天弘基金率先推出定增人工智能模型

       2016年是定增大年,在各类投资品都缺乏明显赚钱效应时,公募定增基金却发展的如火如荼,不仅定增公募基金业绩亮眼,而且在募集规模上也体现了强大的吸金能力。

       天弘基金发布的《2016年定增市场年度蓝皮书》数据显示,截至11月30日,2016年定增市场规模达1.37万亿元,已经超过去年全年1.36万亿元的规模,2016全年有望突破1.5万亿元。

       为了抢占大数据在定增领域的制高点,天弘基金在业内率先研发了针对定增市场的人工智能模型——定增“智树”模型,帮助投资者在不确定性的定增市场更好地寻找相对确定性超额收益的定增项目。

       谈及在定增领域布局大数据的原因,刘硕凌称,一是因为定增项目有锁定期,传统的大数据面临择时问题,而定增是时间阶段清晰、无需择时的项目;二是定增投资者大多很专业,对大数据也有更为深刻的理解;三是定增市场未来将蓬勃发展,大数据策略可以助力和完善投资。

       刘硕凌介绍,天弘基金定增“智树”模型通过将定增投资的特点与人工智能技术有机结合,用人工智能的技术尝试解决在实际投资中遇到的问题。这个模型应用了人工智能算法和策略因子,对定增项目进行基本面重要因子的筛选和策略评价,并运用量化投资策略模式生成模型,兼顾投资的实用性和模型本身的高性能。

       据刘硕凌透露,该模型选择了2016年6月之前的定增市场数据作为样本,按照“训练-优化-回测”的方式进行模型建立和优化,最终根据“智树”模型的结果模拟组合的收益率比全市场模拟组合的收益有着20个百分点以上的提升。

       这部分超额收益是如何获取的呢?

       在刘硕凌看来,大数据策略的核心有二:一是模型由谁来管理;二是管理人是怎样的投资理念。

       刘硕凌解释到,在定增项目中,我们会剔除掉市场上普遍使用的折价率、大盘点位等共同指标,找出这些大因子外的其他因子,如公司财务状况、高管任职时间等变量,找出非核心变量对收益模型的增益作用,这样除了折价收益、市场溢价收益外,就可以提取其他因子影响下的超额收益。

       定增大数据是人脑和大数据的结合

       产品是大数据模型最主要的生命力,策略的有效性仍需要产品来体现。

       据刘硕凌透露,未来天弘基金的大数据服务主要会运用到策略产品、FOF或智能投顾产品上。同样,定增大数据模型也将在公司的智能投资实验室测试,预测基本面数据,模拟产品走势等,待运作成熟,定增大数据模型也会应用到公募产品上,为投资者提供更好的投资体验。 

       在刘硕凌看来,现在大数据已经渗透到投资的各领域,有的用大数据来看基本面,有的来择时,有的做资产配置,有的用来精选个股,大数据在投资中的应用场景几乎是全领域的。

       谈及天弘基金在大数据领域的优势,刘硕凌表示,数据本身是大数据开发的硬通货,而海量的数据正是天弘基金的长项所在,天弘基金已经在数据应用和运营上取得了很大的先发优势。

       刘硕凌分析,一是余额宝大数据是世界金融产品中大数据积累最丰厚的,天弘基金在大数据来源、规模、存储、云计算和应用上都有很好的储备;二是天弘基金是拥有互联网基因的基金公司,对科技和技术人员重视的文化是大数据发展的土壤;三是在传统架构上,天弘基金强调数据集群化服务,数据的应用弹性强,如在双十一、春节等货币基金申赎频繁的时点,天弘基金会扩充服务器应对数据申赎对产品的冲击等。

     “大数据不能被神化,它也存在自身的局限性,”刘硕凌坦言,“比如,大数据在行业分析上更具优势,在行业研究层面大数据已经可以利用商品经营数据变化预测市场景气度的拐点,但在精选个股方面优势并不大。”

       刘硕凌举例,运用大数据预测企业的基本面EPS是非常灵敏的,我们采购的数据做行业预测,如根据电影票房数据来预测电影企业的业绩,可以提前两周得到业绩数据,而且数据与后来企业公布的数据非常接近,有利于辅助基本面的研究。然而,大数据在个股投资上尚难把握,原因是个股更受投资者情绪的影响,与基本面不相干的因素过多。

     “大数据在把握基本面EPS数据上是统计学,可以精准预测;但在把握投资者情绪上就变成了组织行为学,人类情绪的变化指标目前还无法精确运用实验量化和演绎。因此,把复杂的巨量数据的线性,非线性计算和归纳工作都交给机器,可以避免了人的心态、情绪因素影响,有效沉淀、完善业务模型,而人的精力可以解放出来聚焦于更为高级的演绎和推理工作,避开了机器对外部感知的不足,将两者取长补短以达到最佳效果。所以,我们认为最好的大数据是人脑和大数据技术的融合,我们的定增人工智能模型也是传统人脑投资和人工智能投资的组合策略,大数据不会自成一派,而是让投资‘如虎添翼’。”刘硕凌称。


该观点仅供参考,不构成投资建议,据此操作,风险自担

news-rt-img2.png
1508292618808994.png