人工智能的应用使得投资组合管理变得更有效率，也帮助投资经理进行更深入的决策。利用大数据（如纽约第五大道人流量或油轮投下的阴影的卫星图像）处理海量信息，摒弃“噪音”，抓住“信号”进行买卖。机器学习与自然语言处理相结合，对会议记录进行挖掘，从而识别其中的特殊字眼，也能让投资经理了解首席执行官们在电话会议中表现的是否乐观。利用深度学习能在极度动荡的市场中发现转向信号，也能让模型迅速进行自动调整去捕捉这些信号。以上这些都是传统的建模方法做不到。而随着人工智能算法自身的发展，LSTM，强化学习，和对抗式网络等早前少用于金融行业的算法也开始在投资组合管理领域崭露头角。本文整理近期学术界对这些算法在投资组合管理领域应用的论文，对其技术和应用方法作简单介绍。
作者 | 言青佳、田辰
一、投资组合管理市场现状简述
来自于中国报告网的数据显示截止至2018年底中国资产管理行业总规模约124.03万亿元。预计2020年，我国高净值人群与一般家庭的可投资资产总额将分别达到97万亿元与102万亿元，也就是说每年有1.5万亿的增量。截止2019年7月中旬，券商集合资产管理规模净值18,746.08亿元。投资组合管理作为资产管理的一个子集，由于依赖历史性数据和投资组合管理模型理论，开始将目光投向人工智能，以期在收益上获得优势。
二、投资组合管理中的人工智能技术
LSTM（Long Short-TermMemory）：一种时间递归神经网络，论文首次发表于1997年。由于独特的设计结构，LSTM适合于处理和预测时间序列中间隔和延迟非常长的重要事件。
LRP（Layer-wiseRelevance Propagation) ：是识别重要像素的一个方法。在神经网络中计算相关性，并将相关性逐层向后传播。
贝叶斯优化（bayesian optimization）：基于模型的超参数优化器，应用于机器学习超参数调整，该方法可以在测试集上实现更好的性能，同时比随机搜索需要更少的迭代。
隐性马尔可夫模型（Hidden Markov Model）：一种统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析。
强化学习(reinforcement learning) ：机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。
GAN(Generative AdversarialNetwork) ：非监督式学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。生成对抗网络由一个生成网络与一个判别网络组成。
三、人工智能在投资组合管理中的应用分布
四、人工智能技术在投资组合管理领域的技术应用
1.股票中期收益率预测：XinyiLi等人提出一个新的神经网络结构Mid-LSTM来预测股票中期走势。在对标普500 股票的测试中显示该模型实现了2-4%预测准确率的提高以及在投资组合中实现120.16%年收益率和 2.99平均夏普比率。
2.动态资产配置: Fons等人在Feature Saliency HMM (FSHMM) 算法的基础上提出了新的smartbeta资产配置系统。在MSCI指数合成的实际资产上评估显示该FeatureSaliency交易系统比使用所有特征的HMM构建的投资组合表现更好。
3.利用强化学习算法进行投资组合优化:Jiang等人提出类似DDPG的解决方法。利用包括投资组合成分资产的最高价、最低价和收盘价在内的一系列特征作为连续状态，用一个使用Deep Neural Network (DNN) 近似的策略函数来训练强化学习模型中的agent。
4.交易策略构建：Adriano Koshiyama等人使用条件生成式对抗网络来进行交易策略的微调和加总。包括1）条件生成式对抗网络算法对时间序列数据建模的模型训练和选择；2）解释每个样本如何被用于策略的微调；3）生成的新样本如何被用于ensemble建模。
五、人工智能在投资组合管理中应用的局限性
解释性的局限：人工智能算法，尤其是机器学习/深度学习对如何利用变量达到预测结果缺乏解释性。使用被称为黑盒子的算法对金融市场作判断和决策，很难确定这些决定的负责人。
据来源可靠性和隐私考虑：人工智能算法需要大量的数据，因此数据来源是否可靠，又是是否得到了相应的安全保护，这都是使用人工智能方法在二级市场量化投资实际应用的需要考察的问题，牵制着从算法研究向落地应用的转变。
六、人工智能在投资组合管理中应用的发展趋势
评估和预测人类行为：如今机器只能简单地回顾历史，研究特定事件的历史交易信息。而下一步，机器学习将能纠正人类行为，从而打造竞争优势。
衍生品交易策略：假如衍生品的底层资产没有很好的流动性，传统方法的定价会有很大误差。使用机器学习的办法往往可以得到更准确的结果。人工智能算因此在这个应用领域能施展拳脚。
* 本文为 「智周 」系列报告 「核心版 」，相应 「深度版 」的推出计划将在后续公布，敬请大家关注。 针对「人工智能技术在投资组合管理中的应用」这一主题，有哪些方向或主题，你希望在报告深度版中读到详细的阐述与分析，欢迎留言，这将成为我们制作报告深度版的重要参考。
关于「智周」系列报告
机器之心「智周」人工智能技术应用报告系列 重点关注现有人工智能技术应用较成熟且应用潜力较大的正在进行智慧升级的传统行业及场景，逐行业、逐场景为产业用户高效而不失深度地呈现不同人工智能技术的产业落地现状、企业案例、技术应用趋势等。 「智周」人工智能技术应用报告系列包含核心版及深度版两个版本：
核心版浓缩精华分析内容至2页内，覆盖重要数据、分析结论及案例简述，以供使用者高效系统地了解人工智能技术在自身所关注产业内的潜在机会。
深度版在核心版的基础上，包含详尽的行业或场景痛点分析、技术解读、落地案例详解及资料附录等，以供有深度研究需求的使用者进行深入探究。
