“最好的人工智能是人腦和大數據技術的融合，人工智能不是要取代人，而是要完善人，我們的定增人工智能模型是傳統人腦投資和人工智能投資的組合策略，通過建立一個有效的因子組合參與定增選股，并由人來確定定增的參與時點和報價。”談及天弘基金最新推出的定增人工智能模型，天弘基金智能投資部總經理助理劉碩凌如是說。
天弘基金率先
推出定增人工智能模型
2016年是定增大年，在各類投資品都缺乏明顯賺錢效應時，公募定增基金卻發展得如火如荼，公募定增基金不僅業績亮眼，而且在募集規模上也體現了強大的“吸金”能力。
天弘基金《2016年定增市場年度藍皮書》數據顯示，截至11月30日，2016年定增市場規模達1.37萬億元，已經超過去年全年1.36萬億元的規模，2016全年有望突破1.5萬億元。
為搶占大數據在定增領域的制高點，天弘基金在業內率先研發了針對定增市場的人工智能模型——定增“智樹”模型，幫助投資者在充滿不確定性的定增市場更好地尋找相對確定性超額收益的定增項目。
談及在定增領域布局大數據的原因，劉碩凌稱，一是因為定增項目有鎖定期，傳統的大數據面臨擇時問題，而定增是時間階段清晰、無需擇時的項目；二是定增投資者大多很專業，對大數據也有更為深刻的理解；三是定增市場未來將蓬勃發展，大數據策略可以助力和完善投資。
劉碩凌介紹，天弘基金定增“智樹”模型通過將定增投資的特點與人工智能技術有機結合，用人工智能的技術嘗試解決在實際投資中遇到的問題。這個模型應用了人工智能算法和策略因子，對定增項目進行基本面重要因子的篩選和策略評價，并運用量化投資策略模式生成模型，兼顧投資的實用性和模型本身的高性能。
據劉碩凌透露，該模型選擇了2016年6月之前的定增市場數據作為樣本，按照“訓練-優化-回測”的方式進行模型建立和優化，最終根據“智樹”模型的結果模擬組合的收益率比全市場模擬組合的收益有著20個百分點以上的提升。
在劉碩凌看來，大數據策略的核心有二：一是模型由誰來管理；二是管理人是怎樣的投資理念。
劉碩凌解釋，在定增項目中，會剔除掉市場上普遍使用的折價率、大盤點位等共同指標，找出這些大因子外的其他因子，如公司財務狀況、高管任職時間等變量，找出非核心變量對收益模型的增益作用，這樣除了折價收益、市場溢價收益外，就可以提取其他因子影響下的超額收益。
定增大數據是
人腦和大數據的結合
產品是大數據模型最主要的生命力，策略的有效性仍需要產品來體現。
據劉碩凌透露，未來天弘基金的大數據服務主要會運用到策略產品、FOF或智能投顧產品上。同樣，定增大數據模型也將在公司的智能投資實驗室測試，預測基本面數據，模擬產品走勢等，待運作成熟，定增大數據模型也會應用到公募產品上，為投資者提供更好的投資體驗。
在劉碩凌看來，現在大數據已經滲透到投資的各領域，有的用大數據來看基本面，有的來擇時，有的做資產配置，有的用來精選個股，大數據在投資中的應用場景幾乎是全領域的。
談及天弘基金在大數據領域的優勢，劉碩凌表示，數據本身是大數據開發的硬通貨，而海量的數據正是天弘基金的長項所在，天弘基金已經在數據應用和運營上取得了很大的先發優勢。
劉碩凌分析，一是余額寶大數據是世界金融產品中大數據積累最豐厚的，天弘基金在大數據來源、規模、存儲、云計算和應用上都有很好的儲備；二是天弘基金是擁有互聯網基因的基金公司，對科技和技術人員重視的文化是大數據發展的土壤；三是在傳統架構上，天弘基金強調數據集群化服務，數據的應用彈性強，如在“雙十一”、“春節”等貨幣基金申贖頻繁的時點，天弘基金會擴充服務器應對數據申贖對產品的沖擊等。
“大數據不能被神化，它也存在自身的局限性。”劉碩凌坦言，“比如，大數據在行業分析上更具優勢，在行業研究層面大數據已經可以利用商品經營數據變化預測市場景氣度的拐點，但在精選個股方面優勢并不大。”
劉碩凌舉例，運用大數據預測企業的基本面EPS是非常靈敏的，天弘基金采購的數據做行業預測，如根據電影票房數據來預測電影企業的業績，可以提前兩周得到業績數據，而且數據與后來企業公布的數據非常接近，有利于輔助基本面研究。然而，大數據在個股投資上尚難把握，原因是個股更受投資者情緒的影響，與基本面不相干的因素過多。
劉碩凌解釋稱，大數據在把握基本面EPS數據上是統計學，可以精準預測；但在把握投資者情緒上就變成了組織行為學，人類情緒的變化指標目前還無法精確運用實驗量化和演繹。因此，把復雜巨量數據的線性、非線性計算和歸納工作都交給機器，可以避免人的心態、情緒因素影響，有效沉淀、完善業務模型，而人的精力可以解放出來聚焦于更為高級的演繹和推理工作，避開了機器對外部感知的不足，將兩者取長補短以達到最佳效果。
“最好的大數據是人腦和大數據技術的融合，我們的定增人工智能模型也是傳統人腦投資和人工智能投資的組合策略，大數據不會自成一派，而是讓投資‘如虎添翼’�！眲⒋T凌稱。
最好的人工智能是人腦和大數據技術的融合，人工智能不是要取代人，而是要完善人。
大數據在行業分析上更具優勢，在行業研究層面大數據已經可以利用商品經營數據變化預測市場景氣度的拐點，但在精選個股方面優勢并不大。
