张莹大数据人工智能为资产管理行业带来的机遇

　　随着互联网基础设施的完善、数据信息的积累、理论算法的优化和计算能力的提升，人工智能也迈向深度应用、跨领域融合、迅速发展的新阶段，推动了金融业在内的经济社会各行各业快速实现智能化和数字化。人工智能与大数据在金融领域的融合发展、广泛应用，不仅为建立现代化经济体系打下了基础，加速了新时代金融业的升级和转型，还为资产管理行业带来了机遇和改变。张莹身为香港大学硕士，已经有着超过八年资产管理的工作经验，她认为人工智能与大数据在赋能智慧金融的同时，为资产管理行业也带来了很多的机遇和改变，她简要地谈及了一下几点。
　　大数据、人工智能有助于挖掘阿尔法
　　在量化投资领域，大数据为我们带来了不同维度的数据库，比如另类数据，包括电商数据、卫星数据、信用卡数据、公共数据、气象数据等等。张莹表示，在传统基本面分析的框架下，更广阔的数据库有助于资产管理行业进一步挖掘阿尔法。人工智能可以帮助研究员们快速地获取及分析这些海量数据，缩短投研时间，提升投研效率。
　　大数据、人工智能有助于发现交易机会
　　在传统的资产管理公司，一般都是买方研究员和交易员收集信息，了解市场动态。张莹提及现在通过运用大数据和人工智能，资产管理方可以更快更准确地了解到不同市场的观点。比如通过散户论坛及舆情的大数据，自然语言处理可以量化反馈散户的情绪；通过人工智能收集卖方的研究报告及自然语言处理，可以了解到卖方研究员对于特定市场的观点；通过直接导出各家卖方销售发送的市场评论进行自然语言处理，可以第一时间了解到市场动态。大数据和人工智能在资产管理研究领域的运用，可以快速准确地帮助资产管理方了解到市场上的各类人群对于市场的不同观点，有助于发现交易机会及把握适当的获利止损交易窗口。
　　人工智能、机器学习有助于优化自动交易
　　现如今很多量化资产管理公司都实现了自动化交易。张莹表示大部分量化策略自动交易存在的问题在于当市场发生转换时如何调整。仍然有许多量化资产管理公司在市场发生转换时需要手动调整参数。人工智能的引进可以通过机器学习来捕捉市场的变化从而自动优化参数。现今由于一些量化资产管理公司参数调整人工化，当市场发生极端情况时，传统的量化交易策略很难及时发现并停止自动交易，从而造成损失。人工智能的引进可以在市场发生极端情况时，及时停止自动化交易。
　　大数据、人工智能在资产管理中的挑战
　　最后关于大数据、人工智能在资产管理中的挑战，张莹也表达了自己的看法。张莹表示大数据和人工智能目前还处于发展阶段，特别是我国还只是刚刚起步。大部分资产管理公司目前只是利用大数据及技术来优化投研过程提升投研效率。部分量化资产管理公司用其实现了自动交易，但我们离人工智能交易的路还很遥远。资本市场是一个博弈的市场，对于资产管理公司而言，如何做好利用大数据及人工智能提升公司的投研效率是目前的关键。