从刷脸支付到无人超市，从智慧医疗到无人驾驶……人工智能正以不可思议的发展速度席卷全球，刷新着人们的认知，重塑着各行各业的生态格局。其中，金融行业无疑是极具价值又充满挑战性的人工智能应用场景，受到人工智能的深刻影响

迎接人工智能时代，优秀的金融投资机构必然大力发展人工智能系统。合理运用人工智能技术，将给金融领域注入新活力、带来新机遇——这是行业从业者的共识。

破除金融与人工智能的壁垒

人工智能需要高深的数理知识和开发经验来支撑，这是金融从业者所不具备的，因此急需搭建起连接金融与人工智能领域的“桥梁”

虽然前景光明，但在现实层面，人工智能在量化投资领域的应用，仍存在一些难度和挑战。其中，最大的难度来自于金融和人工智能两个领域的认知壁垒。人工智能背后需要高深的数理知识和大量项目开发经验来支撑，这是金融从业者所不具备的。同样，对于人工智能开发工程师来说，金融也是一门需要具备专业知识才能深入理解的复杂领域。

这种壁垒造成了很多金融机构尽管对人工智能技术有着迫切需求，但往往只能采用第三方解决方案。因此，迫切需要一座桥梁，能够连接起金融与人工智能两个领域，破除认知壁垒，推进行业的深度融合。在这种背景下，墨宽投资公司应运而生。

墨宽投资是一家致力于将前沿人工智能技术运用在金融投资领域的公司，希望成为金融和人工智能技术结合的先驱者。其创始人黄文坚凭借在金融投资和人工智能领域的丰富从业经验敏锐发现，金融行业包含了大量可以运用人工智能技术的场景和机遇。由此，他选择成立墨宽投资，探索两者结合带来的各种可能性，促进金融领域的发展。

黄文坚告诉经济日报记者，在投资的运作模式上，他们会根据以往经验，将某些金融投资行业的金融问题量化，转化为具体的技术问题，然后提供给人工智能专家们解决。给出的人工智能解决方案在评估和改造后，将被运用到最初的实际问题中，实现相应价值。通过这一方式，金融和人工智能两个领域的人才可以专注在各自擅长的领域，并经由墨宽投资帮助他们将优秀的人工智能成果运用到有价值的金融场景中去。“对于一些有实际投资想法并想运用人工智能技术但自身无法实现的机构，我们也会提供帮助，发现和解决真正有价值的金融问题。”黄文坚表示。

构建量化投资的投资模型

通过数量化方式投资，即用量化手段来评估收益风险而作出更理性的投资决策，前景可期

目前，世界上众多出色的金融投资机构已开始将人工智能运用到产品和服务中。国内也已经有不少券商、金融机构开始尝试人工智能在金融领域的应用，如光大证券推出的“智能魔方”、中信银行推出的“信智投”等。不过，这些产品属于智能投顾或智能交易等范畴，重点在于用更多维度的数据了解客户，用更精准的推荐引擎推荐投资组合、理财产品、风险提示等。而墨宽投资搭建起的人工智能量化投资平台更倾向于构建量化投资的投资模型。

黄文坚介绍，量化投资是通过数量化方式来进行的投资。它以获取稳定收益为目的，是用量化手段来评估收益风险而作出更理性的投资决策。量化投资基于高度量化的数据，每个用于决策的特征都拥有精准描述，比如数值或是分级。其中，投资的决策大多是基于概率，每个交易的进场、出场点、交易时机，都有大量数据支撑，使得每个操作都有迹可循。同时，量化投资还基于数学模型。这个具有严密数据指导的模型基于一些特定的投资想法而建立，并运用数学方式描述自身在市场的运作方式。基于此，量化投资者可以进行分析，作出交易决策。“墨宽人工智能量化投资平台是一个量化投资的众包平台，它通过举行建模比赛来收集数据科学家的建模结果，借助人工智能技术，最终构建出面向各类资产的可靠投资模型。”黄文坚说。

不过黄文坚也坦言，量化投资目前仍以机构投资使用为主，个人投资者不能直接享受该技术带来的红利。由于个人投资者经验较少，传统金融投资渠道又具有很多限制，这使得相应投资变得有风险、有难度。虽然运用大数据、人工智能等技术做量化投资被证明是一种有效的、风险可控、收益可观的投资方法，但它对技术和专业知识要求太高，普通投资者无法做到。伴随着机构投资水平不断进步和智能化，可以预见，个人投资者的投资难度将会不断变高，最终市场将被机构所主导。

上述情况显然不符合普惠金融的目标。对此，墨宽人工智能量化投资平台的出现为普通投资者提供了广阔视野——让他们可以看到领先的金融公司在解决什么问题，以及开展人工智能技术的进度和情况，从而改变自身策略，适应市场；同时，也有机会直接使用由人工智能专家开发的顶尖人工智能投资策略，帮助找到更好更优质的资产或是进行更高效的资产配置。

借助机器学习分析金融市场

通过机器学习的方法获得金融市场投资可靠预测，指导投资行为，进而探索出金融与人工智能合作共赢的稳定模式

在人工智能领域，举办算法比赛是一个快速常见找到问题解决方案的形式。自大数据、人工智能在全球范围快速崛起以来，涌现出许多数据算法比赛平台。其中，最著名的是2010年创立的卡歌网（Kaggle），是主要为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台，也是数据算法专家脱颖而出的重要渠道。据了解，该平台已经吸引了80多万名专业人士的关注。2017年3月，谷歌宣布收购Kaggle，或许正是看到了Kaggle背后的巨大资源。

在我国，阿里巴巴、百度等大型互联网公司也举办过大量数据算法比赛，希望通过吸引优秀数据算法人才形成优秀的人工智能解决方案，并运用到实际中去。但是具体到金融投资领域，由于门槛更高、问题更复杂，目前国内并没有类似的大型人工智能金融投资算法比赛，因此很难得到有价值的人工智能方案。为解决这个问题，墨宽人工智能量化投资平台借助机器学习手段，打造出一个人工智能系统来分析金融市场。

黄文坚告诉记者，“机器学习是通过一系列算法，挖掘出历史数据中我们关心的规律的技术手段，并期望这些挖掘出的规律能帮助我们正确预测未来数据”。在金融领域，从业者们其实也做着同样的工作。以计划长期持有某只股票为例，分析师们一般会关注公司的基本面信息、财务状况和发展规划等因素，从而对公司的未来运营状况作出预测，决定是否投资。如果将公司的信息量化成各种数据因子，将预测目标改为公司的未来发展趋势、风险情况，整个问题就可以通过机器学习方法解决，获得可靠的预测，并指导投资行为。

据墨宽投资算法总监张麟介绍，“我们参考专业的数据科学竞赛模式，创建了自身比赛模式。通过平台在网上抓取新闻、报道、交易等数据，抽象成一个投资问题，或是与金融机构合作，依据他们的实际问题抽象成数据算法赛题，由参赛者（数据算法专家）基于数据构建模型”。

张麟表示，平台会提供比赛的题目、数据和评价体系以及赛前赛后支持。具体来说，数据会分为训练和测试集合两部分：训练集合会完整的给到每位参赛者，包含特征和比赛目标数据；测试集合只将特征数据提供给参赛者。参赛选手下载训练数据后，依据题目内容，运用人工智能算法构建模型，挖掘数据中特征和目标的潜在关系，并根据模型产出在测试集合上对目标的预测结果。平台会基于参赛选手提交的预测结果打分，用于评估模型优劣。每场比赛结束后，优秀策略模型将会被平台收录，打造成人工智能量化投资系统，被实际投入到市场中使用。最后，平台会拿出一部分投资收益回馈给模型开发者。

可以预见，随着金融投资与人工智能融合的不断加深，将有更多跨界合作的机会出现，最终探索出金融与人工智能合作共赢的稳定模式。“我们希望未来充分整合数据科学家、投资人、资产，实现众包量化金融的理想，让每一个投资者都能参与进来，共享金融科技发展成果。”黄文坚说。