孙彬希望利用机器对海量数据的处理能力和深度学习能力，去对历史上各种经济的数据、市场的数据甚至政策文本的数据进行复盘，帮助我们去归纳、总结市场当中特有的运行机制和几率，给我们的投资提供更多的客观数据和决策的依据。

人工智能在量化投资当中的应用渗透率也非常高。其中一个就是最近最热的一个话题，智能投顾。智能投顾希望用尽量低的成本、尽量标准化的流程、用最专业的投资工具，为海量用户提供差异化的投资顾问服务。

想实现千人千面的组合，首先要对人的需求做刻画，运用每个人身上的互联网节点，对每个投资者的目标进行刻画，描绘投资者的不同投资策略目标，依靠大量、离散的数据信息确定每个客户差异化的投资策略目标。

不同的投资策略目标完成后，需要给予用户一个资产配置的建议。每个人组合的大类资产配置比例以及资产内部的风格配置比例都是不一样的。人类需要给予机器一个恰当的模型，并输入模型所依赖的资产变量。然后，机器根据输入变量，以及每个用户差异化的投资策略目标，刻画每个用户资金的差异化资产配置比例。

资产配置比例形成后，需要通过底层资产的选择，完成资产配置的目的，为客户构建组合。在这个过程中，我们需要确定底层产品的分类和交易规则，告诉机器根据资产配置模型，我们分哪几个类型，以及交易规则是什么样的。机器再基于模型分量规则，对海量基金进行分析、排序，并在任何一个时点，形成可购买的最优组合推荐给客户。

此外，孙彬还介绍了人工智能将如何与资产配置模型做一个有效的、有机的结合。美林投资时钟是管理资产配置理论当中非常传统也是非常有效的理论。但因为各个不同的经济体，或者经济体不同的发展阶段，它在实践的应用中也经常出现一些失效的地方。

如果我们能用机器去对历史上各国，尤其是发达经济体的发展路径、经济数据、政策数据、市场数据进行复盘，也许我们可以找到一些经济增长趋势和经济增长变革当中对资产价格映射的影响，从而帮助我们更好地去捕捉变化的到来。

最后关于估值，一般认为，资产价格会提前对整个基本面的变化发生一些波动，我们需要观察、考虑，当基本面真正发生变化的时候，资产的价格是不是适应这种变化。因此我们有一个估值的指标做衡量，估值正好反映了投资者对未来的预期，所以我们也希望从机器对历史的大数据分析中，寻找资产之间、资产风格类别之间、以及经济基本面和估值之间的勾结关系和映射关系，帮助我们反映估值、资产的价格是否已经反映了投资基本面的变化。

如果我们能充分地利用好人工智能的发展，人工智能可以给主动管理的投资者提供更多的认知经济本质、认知市场本质、认知现实、甚至认知人性的更好的工具。这些工具将可以很大程度帮我们提高投资决策的胜率，帮助我们在未来的投资中获得更多的超额收益。

我们还为大家准备了长达两个小时的完整视频，建议先马后看！

你也许还想看：

感谢你关注“微软研究院AI头条”，我们期待你的留言和投稿，共建交流平台。来稿请寄：[email protected]。微软小冰进驻微软研究院微信啦！快去主页和她聊聊天吧。