Article

Ping An of China Asset Management (Hong Kong) plans to introduce as many as four thematic and smart-beta exchange-traded funds (ETFs) this year, adding to the four launched in late 2018, according to CK Chai, its head of capital markets and chief investment officer.

The city’s ETF market has long been dominated by China- and Hong Kong-centric funds but the company would rather focus on thematic and smart-beta products to position its strategies as “systematic, quantitative and scientific” rather than create more broad-based plain vanilla products, Mr. Chai says.

The company, the international investment arm of China’s Ping An Insurance Group, listed four alternative ETFs on the Hong Kong Stock Exchange over the last two months, including the city’s first ETFs tracking artificial intelligence and robotics.

“We’re looking to use a low-cost, highly transparent, repeatable process to develop the strategies,” Mr. Chai says in an interview with Asia Asset Management. “We plan to launch two to four smart-beta and thematic products this year.”

According to Mr. Chai, smart-beta investing has become a “global phenomenon”, particularly as cost conscious institutional investors seek enhanced performance over their benchmarks.

Environmental, social and governance is one of the areas the company is looking into, especially with demand from foreign investors for Chinese green bonds, he says.

China is one of the largest green bond issuers in the world. It sold US$13 billion of new green bonds in the first half of 2018, 14% more than in the same period of 2017, according to figures from Climate Bonds Initiative, a London-based environmental advocacy organisation.

“Overall, the underlying themes of our new ETFs is very dependent on the market trend,” Mr. Chai says.

Selection of underlying indexes for funds is important for the company, which prefers to collaborate with index providers that specialise in, or are recognised in the areas tracked by its ETFs.

“For example, the China multi-factor and quality factor ETFs we launched last November were benchmarked against MSCI indexes. The products are well accepted by international investors as many know the A-share inclusion into MSCI emerging-market benchmarks last year,” Mr. Chai says.

“Overall, we aim to develop a comprehensive ETF product suite in order to accommodate investment demands from various clients…no matter whether they're looking for a low-cost pure beta product or seeking an alpha-generation solution,” he adds.

Mr. Chai says Ping An of China Asset Management (Hong Kong) is looking for more third-party clients, including retail investors, for its ETFs. Its insurance parent is currently the major investor in most of the funds.

The company made its debut in Hong Kong's ETF market in 2012 with the launch of three ETFs tracking the benchmark China CSI Index, one of which was delisted in 2016. It currently has six ETFs listed in the city.

Ping An Insurance Group had 6.85 trillion RMB (US$997 billion) of assets as of June 2018. The Hong Kong unit does not disclose its assets data.

November 1, 2018 Chi Kit Chai, Head:Capital Markets/CIO, Ping AN of China Asset Management Hong Kong, joined Bryan Curtis and Doug Krizner on Daybreak Asia, discussing deglobalization and the implications that has for markets, trade and reform in China.

Technology, Not Cheap Labor, Vital For Future Edge (Radio)

《香港經濟日報》 評論版 2018/11/01  

撰文 : 張龑 平安資產管理(香港)董事總經理

 

剛剛過去的「過山車」10月,全球市場隨美股大幅震盪,不少投資者開始認為趨勢扭轉,10年牛市終結,熊市已經來臨。

筆者認為,目前判斷市場「轉熊」或為時尚早。從宏觀因素來看,美國減稅效應和基建加碼利好並無改變,而且從特朗普大選獲勝以來,美股持續上漲還未出現過明顯回調。從年頭至今,美股整體趨勢走平,納斯達克指數甚至還有一定升幅,因此過去一個月來的波動,或許更應當理解為第一次較明顯的回調。

 

被動投資羊群效應 放大波動

另一個令大家感到震盪加劇的因素,來自於目前被動投資和量化投資已漸成為市場重要力量。升市中這種改變並不明顯,但跌市中被動和量化投資模式令「斬倉」行為具有很大的聯動性。這種「羊群效應」對市場波動有放大效應。再加上目前大部分機構投資者配置策略一致性較高,分散投資較少,例如一致看好科技企業,看空傳統製造業,看好發達市場,看空新興市場……這也加劇了「多米諾骨牌」效應。在未來幾個月中,我們還將頻繁地看到美股動輒單日波動兩、三個百分點以上。

我們必須意識到,經濟周期已經來到強弩之末,此階段市場不確定性上升,利空因素往往接連衝擊市場。盡管美國經濟的正面因素還未改變,但我們也需要留意幾個明顯的利空因素:

首先,中美之間的貿易摩擦仍在惡化。11月底外界聚焦的G20習特會,未必在短時間取得突破,甚至有傳雙方可能避談貿易問題。如果摩擦今年底未有緩和,明年1月1日起中國2,000億美元的輸美產品關稅稅率,將可能從10%進一步提高到25%,對於兩國經濟和市場都會帶來相當大的衝擊。

 

貿戰未緩和 儲局續加息

第二,由於股市下跌,外界開始期待美聯儲放緩加息步伐,但這種期待極大可能落空。在美國,股市升跌絕非美聯儲政策指標,美聯儲關注的僅是就業率和通脹率。當前就業人數比例持續增長,通脹也已經回升到2%以上,顯示經濟有過熱風險,繼續加息存在合理性。而且,歐洲央行今年底即將停止購買資產計劃,預期明年底前步入加息周期。可以說,緊縮將是明年全球大型央行的主流取向。

第三、陸續披露的美國企業三季度財報,顯示企業增長不如前兩季度強勁。當然平心而論,美國企業尤其科技企業大多運營良好,然而要追上市場無限膨脹的估值依然困難。隨着外界的期待不斷上升,企業表現終將有難符預期的一天,這也正是市場回調修正的時刻。

最後,正在逼近的中期選舉,顯示出美國國內民意兩極分化。當前美國的中間派或許是過去幾十年來最少的,非左即右的態勢進一步強化。從目前的各方參選情況觀察,民主黨在眾議院優勢明顯,而共和黨預期將在接下來的兩年繼續把持參議院,如此短期內的勢力更迭將令政策主張走向極端,並由於另一方將激烈反抗,政策持續性極短,為市場帶來更大不確定性。

政治不確定性因素顯著加大,今天已成為影響全球市場的普遍趨勢。在歐洲,今年意大利大選出現了首個民粹主義政黨,瑞典大選極右翼瑞典民主黨成為第三大政黨;在南美洲,巴西右翼人士博爾索納羅勝出總統大選,都凸顯全球民粹主義抬頭趨勢。市場人士在作出投資決策時,需要更多地將各地政治事件對市場的影響納入評估。

 

持固收類資產 應對市場震盪

當然,周期之末也蘊藏着新的機遇。剛剛過去的三季度末,新興市場盡管波動,卻持續迎來更多資金流入,其中中國成為一個明顯動力。

值得關注的還有另一個亞洲大國日本,首相安倍晉三在8年來首度訪華,其間提出中日「化競爭為協調」、「推進自由公平貿易」等主張。在中美貿易陷入膠着之際,如果日本抓住機遇,企業在中國市場的機會將大大增加。我們也觀察到日經225指數在今年9月來到了過去27年來的高位,投資者不妨密切關注是否迎來突破。

在不確定性高的市場波動中,防範風險是資產配置的關鍵,筆者建議投資者在持有黃金等傳統避險策略之外,也應考慮平衡股票和收益率不斷上升的固收類資產,例如10年期美債無風險收益率已高達3.2%。同時,盡可能多持有與市場相關性較低或流動性強的資產,以備市場突然反轉之時可迅速應對。

《香港经济日报》評論版 2018/09/28

撰文 : 鄭達成 平安資產管理(香港)執行總經理

金融危機滿十年,在美國帶動下全球已逐步走出金融危機後的量化寬鬆時代,進入加息周期。昨日美聯儲宣布了本輪加息周期中第8次加息,盡管市場逐步消化利率上升的預期,但我們還是不得不承認,整體加息的步伐相對快速。

嚴監管遏泡沫 惟滯脹或重臨

從2010年出台的巴塞爾協議III開始,全球金融業的風險管理要求愈來愈嚴厲,同期宣布的多德——弗蘭克法案,令監管機構的職能顯著擴大,不但加強對衍生品和場外市場的約束,也進一步加強了對銀行資本金和業務的監管,以控制經營風險;2014年發布的IFRS9財務報告準則,對金融機構的資本要求也進一步嚴格。

可以說,當前全球金融業已經處在「嚴監管」環境下,類似本世紀初的泡沫化風險並不容易再現。然而,我們可能有需要留意另一種風險,那就是未來經濟增長潛力可能不足,睽違數十年的「滯脹」有機會重臨。

眾所周知,傳統上加息周期會對企業的資本支出增長,乃至整體投資市場產生抑制。盡管美國特朗普政府為了刺激經濟和投資,已經推出了大規模減稅政策,但當前的嚴厲監管和快速加息的舉動,都與減稅的目標背道而馳,將弱化減稅效應,中長綫全球經濟放緩的風險則在上升。假如經濟增長果真出現下滑,利率又持續上升,美國有可能將全球帶入進退兩難的「滯脹」的狀態。

面對利率上升,增長前景存疑,甚至可能走入滯脹的經濟,怎樣是安全的投資策略?傳統上,投資市場相信加息周期利好銀行業,因為銀行的利差上升,盈利會隨之增長。然而,由於今天的銀行體系監管及會計準則遠比過往嚴謹,借貸行為更加保守和低風險,這方面對銀行業盈利的貢獻事實上並不太多。

一帶一路國家 投資帶動消費

從投資類別來看,加息時期甚至在滯脹風險下,都不妨更多考慮固定收益類投資。債券類投資在市場波動中相對抗跌,發行人定期向債券持有人支付固定的金額作為利息,為投資者帶可預測的「固定」收益。基準利率的上升,則令固定收益資產的回報水漲船高。只要發債體相關國家或企業具有明確的還款能力,收益將是相對可靠的。

從區域上看,與其關注經濟增速很可能走向放緩的歐美發達國家,倒不如關注部分經濟較穩健的新興國家。在美元升值下,固然有小量新興國家出現滙率大幅波動,但更多新興國家由於貨幣便宜,在全球市場競爭中其實獲得價格優勢,有利他們的外貿表現。例如中國消費者可能逐漸發現菲律賓、印尼等地商品開始變得便宜,從而更多購買這些地區產品,這就有利於這些國家的外貿企業。

在這類新興國家中,大家又不妨對「一帶一路」沿綫國家加多一份關注。由於一帶一路的建設涉及大量公路、橋樑、鐵路、水利等基建設施的資本投資,令這些國家居民獲得穩定工資收入,在中長期會帶動內需消費,並對這些國家的經濟形成長遠的支持。

吼固定收益投資 美元債較安全

與此同時,由於在加息周期中美元持續走強,投資需警惕滙率風險,因此投資應盡可能選擇在滙率方面風險較低的資產,例如美元資產。以固定收益類投資為例,標的方面大可以放眼全球不同的國家和企業,但選擇美元債,肯定是相對風險較低的。

金融危機十年後的今天,全球正走到另一個十字路口。假如未來經濟真的出現風險,政策是否還有足夠的調整空間?這應當引起監管者的思考。對於普通投資者而言,則需要開始走出「經濟復甦」的思維定式,衡量可能出現的風險,調整投資部署。

September 7, 2018 — 9:14 AM HKT

Steve Zhang, Managing Director, Global Head of Hedge Funds, Ping An Asset Management Hong Kong, joined Bryan Curtis and Stephen Engle on Daybreak Asia to discuss potential next moves over tariffs on Chinese goods, starting by saying a lot of the likely impact is already priced into markets. He moves onto emerging markets and the strong U.S. dollar.

China Has a Number of Cards it Can Play on Trade (Radio)

《香港經濟日報》 評論版 2018/08/18 
撰文:    張龑 平安資產管理(香港)董事總經理

美國牧師被捕的外交衝突,令特朗普決定對土耳其的鋼鋁加倍徵稅,引發土耳其里拉暴跌,拖累全球市場過去幾天大幅波動。對於海外投資而言,這是應當清盤新興市場的號角,還是超跌買入的良機呢?要解答這問題,我們先要了解土耳其問題的根源,可歸結為兩個「依賴」。

土國對外雙「依賴」 見底尚早

一方面,近年看起來經濟增長強勁的土耳其,一直高度依賴外債(主要為美元債)。另一方面,盡管同為「新興市場」,土耳其與中國或我們熟悉的東南亞國家截然不同的是,它缺乏全球市場上的「產品」,國內消費極其依賴進口。這兩個「依賴」導致土耳其長期陷於政府財政赤字及經常帳赤字的困境,即俗稱「雙赤字」。由於過度依賴外部美元債務來支撑經濟發展,一旦遇到強勢美元,就容易觸發外部債務違約。

盡管由於貨幣危機剛剛爆發,市場難免情緒化,但在兩個難以改變的「依賴」下,土耳其一日不能改善與美國的關係,情況一日難有起色。

從官方的態度來看,土耳其既不會大幅提高利率,也不願求助於IMF(International Monetary Fund,國際貨幣基金組織),反而與其他海灣國家關係緊張的卡塔爾成為日漸緊密的政治經濟夥伴,卡塔爾還承諾增加投資150億美元支持土耳其經濟。目前看來,美國與土耳其的關係短期內難有明顯好轉,因此談「見底」或為時尚早。

高估影響 部分經濟體被誤殺

在土耳其貨幣危機拖累下,全球新興市場波動尤為劇烈。如果問題並未「見底」,未來是不是會蔓延到其他國家乃至整個新興市場呢?筆者認為同樣可以用上述兩個「依賴」來衡量。

新興市場國家中,的確存在一群與土耳其類型相似,依賴外債,同時又依賴進口,缺乏產出的「雙赤字」國家。例如在兩年前才剛剛宣布走出最新一次債務違約的阿根廷,既存在兩個「依賴」,還有過去半個世紀頻頻債務違約的「黑歷史」,很難不讓投資者聞風而逃。

我們也看到,有相當數量的新興國家都不同程度面臨着經常帳戶赤字(例如南非和墨西哥)、財政赤字(例如巴西和南非)、外債佔比過高(例如多明尼加和烏克蘭)的問題。

但與此同時,也有不少在市場情緒中被「誤殺」的對象。例如新興市場中的厄瓜多爾,財政政策貼近市場需求,嚴格控制外債規模,而且與IMF關係良好。另外,成長展望穩健、償債能力良好的經常帳戶盈餘經濟體,如韓國和台灣,在美元升值時引發大規模債務違約的風險也較低。這些新興經濟體擁有核心競爭力,在市場回暖時有望迅速反彈,目前的低點則很可能潛藏投資的機遇。

避險跨資產配置 減低相關性

在情緒化的交易中,發達國家市場也受到了不同程度的「誤殺」。例如被爆出持有不少土耳其相關頭寸的西班牙BBVA銀行、法國巴黎銀行等,拖累本國市場大幅下跌,然而從他們事實上對土耳其的借貸情況來看,市場有可能高估了負面影響,同樣的情況也發現在歐元波動上。

盡管市場波動中的確存在「誤殺」,但火中取栗的抄底行為,顯然僅僅是少數勇敢者的遊戲。對於普羅大眾而言,「避險」才應該是目前海外投資的主要關注點。

需要注意的是,在這次大幅波動中,部分傳統避險資產如黃金、日圓等表現並不理想。主要原因在於美元極為強勢,以美元計價的黃金難免走弱,同時龐大又資產類別多元的美國市場,有能力吸納金額巨大的回流美元,投資者往往不需要另作打算。

與過去幾次全球經濟危機情況不同的是,美國目前不但經濟表現一枝獨秀,而且甚至已經跳出全球其他國家所在的寬鬆周期,率先進入了加息周期。這進一步加速全球流動性緊縮的速度,凸顯美元的極度強勢。

此外,稅收減免和基建紅利提振美國整體經濟,許多美國企業二季度業績紛紛超預期。美國市場繼續受到全球資金的追捧。然而,從防禦風險角度考慮,筆者認為最理想的配置方法並不是毫無限制地加倉美元資產,而是採用跨資產、多策略的配置,令不同資產的相關性盡可能低。

美加息流動性退潮 問題續現

例如,受益於美國增長的不見得都是美國股票,不少歐洲跨國公司在美國擁有龐大市場。如歐美最終放下爭端加強貿易合作、免關稅協定談判順利,出口佔比大的歐洲企業在美元強勁的市場環境中也同樣會享受到利好。此外,土耳其的動盪對中國企業影響非常微弱,也可考慮在低位適當配置擁有市場競爭力以及穩定現金流的中國企業債券。

盡管單看土耳其貨幣危機本身,或許不會顯著擴大,然而正如每個人身上都存在缺點,每個經濟體也都隱藏着不少自身的問題。我們需要保持警惕,隨着美國加息周期明確,全球流動性「大退潮」中,未知的新問題還將持續一一浮現。

 

香港經濟日報 投資理財周刊 2018/11/19

撰文:鍾淑芬 平安資產管理(香港)執行總經理

在美國帶動下,全球進入加息週期,2008年以來的經濟週期來到尾聲。在近十年的牛市之中,基準指數持續上揚,統計顯示多數主動管理基金經理回報率並不能跑贏基準,顯著產生Alpha(指高於基準的回報),令越來越多投資者青睞具有高透明度、低費率的ETF等被動追蹤指數工具。

然而,當經濟週期再走到轉折點,市場投資趨勢將再度變化。美國道瓊斯指數今年以來持續波動,在剛剛過去的十月就跌去半成,香港恒生指數也在去年底觸及高位後,在波動中跌去超過一成。在經濟週期尾聲,市場波動上升,藍籌股的收益則在下滑,基準指數表現逐漸不再如過往理想。

在這樣的市場中,主動管理成本高昂,回報難言,被動投資方式則難以抵禦波動的風險,而介於兩類管理方式之間的智能啤打(Smart Beta)策略開始在全球市場得到更多的關注。

“智能啤打”的投資方法,是篩選出對投資風險回報影響較大的“因子”,並以此投資策略來調整指數的市值加權比重的產品。與完全的被動投資相比,智能啤打能夠圍繞因子篩選標的,有效提升風險調整回報。當然,影響投資風險和回報的因素非常多,但它們並非全都“有效”, 智能啤打最常用的包括以“高息率”、“低波動”等因子來篩選股票。除此之外,還有價值、動量、規模、質量等。

例如價值因子,是指相對價格較低的股票表現往往好於相對價格較高的股票,常用的價格指標包括市賬率,市盈率及現金流等。動量因子,則是指近期表現相對較強的股票,很可能將實現超額收益,而過去表現良好股票往往會繼續表現優異,其指標一般是對照3個月,6個月,12個月的相對回報和歷史Alpha等。不同的因子的有效性也不同,可把握市場不同時期的機會。

從策略上來看,智能啤打近似主動管理,由基金管理人去選擇他認為有效的投資策略。但是在實際操作中卻是被動管理,通過量化方式在明確規則下由機器執行,也因此擁有高透明度和低費率,可以說結合了主動、被動管理優勢。

根據晨星資料,截至2018年9月30日全球共有1,521款智能啤打ETF,管理資產總額約為9千億美元。其中美國ETF市場佔有率超過兩成,並占全球智能啤打ETF的管理資產總額的88%。從2009年全球金融危機後,智能啤打型ETF管理的資產規模年均增長30%,可謂相當快速。

該策略目前在亞太地區佔比偏低,截至2018年9月,僅佔市場份額5.2%。在香港,主導ETF市場的仍然是追蹤指數回報的傳統型ETF,根據我們粗略統計,現有約10多隻智能啤打ETF在香港上市,晨星數據顯示,截至2018年9月,智能啤打 ETF僅占香港ETF市場總資產規模的4.2%。 。

全球經濟週期性改變的市場影響已經顯現。隨著2017年底以來香港市場波動性持續走高,我們觀察到智能啤打策略下管理的資產短期内陡然急增超過一倍。投資者若考慮為其投資組合增加防守性,并把握波動中隱現的投資機會,可以更多留意智能啤打策略下的產品。

FT中文網 2018年8月22日

撰文:王澤基   中國平安保險海外(控股)有限公司董事總經理

全球資產管理行業從未停息的“價格戰”近來接近頂峰——第四大資管巨頭富達基金(Fidelity)8月初宣佈在美國推出兩隻“零收費”指數型基金產品,除了零管理費之外,這兩檔基金還“零門檻”,沒有最低投資額度要求。兩檔基金甚至直接被命名為“Fidelity ZERO Total Market Index Fund” 和“Fidelity ZERO International Index Fund”,大寫的“ZERO”引人注目。

在證券投資領域,摩根大通近日也宣佈推出”免傭金”的數字投資應用,為所有客戶提供至少一年的免費股票和ETF交易。不但免費,摩根大通還將附贈複雜的投資組合構建工具,以及摩根大通的股票研究。

事實上,資產管理和各類金融投資服務走向“免費”只是市場心理上的臨界點,在過去的幾年中,被動投資的股票型公募基金和ETF的管理費,早就已經降低到只具有象徵意義了。例如全球最大ETF公司先鋒集團(Vanguard)旗下的Total Stock Market ETF管理費僅0.04%,即一百萬美金投資一整年管理費只是區區四百元,嘉信理財(Schwab)旗下的Total Stock Market Index更只收三百元。分析人士都已預期,近期富達的競爭對手們必將紛紛推出“免費”產品,而可能僅在短短幾年中,全球絕大部分被動投資產品都將進入“免費”集團。

不過,如果以為“免費運動”僅限於被動投資產品,或許太過短視了。我們必須知道,“免費”的本質並不是被動的投資策略,而是機器正在取代人成為投資的操作者——不眠不休、不吃不喝,投資策略可以零成本無限複製的機器,是“不收費”能夠實現的基礎。隨著人工智慧投資能力的迅速提升,基於人工智慧的主動投資,也遲早將取代人腦為主的主動投資。

我們可以看看當今全球資產管理行業,僅僅擁有三十年發展歷史的量化投資已經毫無疑問成為主流。這是因為過去三十年來世界上最大的改變就是“資訊爆炸”——信息量越來越大,獲取越來越容易,成本越來越低,同時電腦處理和分析資訊的能力越來越快。與機器相比,人腦在大量資訊的分析處理上顯然沒有優勢。

事實上,資產管理的免費時代,其本質就是人工智慧的時代。從當前領先的資管公司的業務模式來看,機器早已經成為實際交易的操作者,而越來越少的人力主要投入在程式的編寫、開發,對機器輸入投資經驗和規則上。全球第一大資管公司貝萊德(BlackRock)的首席運營官(COO)Rob Goldstein,掌管集團在全球超過6萬億美元的投資,但一輩子從未親手發出任何一個交易指令。

貝萊德近期在中國發行首只A股私募產品,管理費率為0.75%,業績報酬計提比例10%。雖然這兩個數字看起來還說不上“免費”,但是要知道,內地市場同類私募產品的管理費普遍達到1-2%,業績報酬則普遍計提20%。

如果主動和被動產品都有“零費率”的一天,那麼問題就來了:一直被認為是“暴利行業”的資產管理公司,以後要靠什麼盈利?

富達基金披露的資訊中,盈利的方式包括證券借貸,部分類似國內俗稱的“融資融券”。但如果以不靠產品本身賺錢為前提,目前資管業界發展得更迅速業務,則是基於投資收益和風險的各方面分析,協助投資者規劃其投資的 “解決方案”型業務。例如貝萊德拳頭產品“阿拉丁”(Aladdin)系統,能夠為投資者的資產組合度身定做,類比不同的市場情況,例如在某些自然災害、政治動盪、政策變動下,其投資組合的風險和收益變化。該系統功能之強大,目前已經被全球數萬機構投資者使用。

所以,貝萊德、富達這些今天正在較勁的巨頭們,是否也將書寫未來資管免費時代的商業模式呢?

我卻覺得,答案有可能並非如此。正如顛覆膠捲行業並非行業巨頭富士膠捲,而是蘋果手機,顛覆零售行業的並非該行業巨頭沃爾瑪,而是亞馬遜、阿裡巴巴等互聯網企業。根據熊彼特(Schumpeter)的創造性破壞理論(Creative Destruction),現有的巨頭終將消亡,取而代之的,往往是業務模式全然不同的新王者。

 

FT中文網 2018年7月24日

撰文:王澤基   中國平安保險海外(控股)有限公司董事總經理

 

自從阿爾法狗(Alpha Go)在圍棋“終極人機大戰”完勝棋王柯潔,OPEN AI的人工智慧又在DOTA遊戲中打敗人類業餘高手團隊,並宣佈即將挑戰職業選手競逐4千萬美金公開賽獎金之後,關於“金融阿爾法狗”也將面世,並且橫掃人類投資高手的說法就不絕於耳。

然而一個普遍的疑問是,與圍棋和電競不同,金融投資是一個受宏觀環境、市場波動、突發事件等等眾多不可控因素影響的複雜決策,人工智慧也能像真人一樣完成如此複雜的決策?它們最終會擊敗頂尖的人類基金經理和投資專家嗎?

 

人工智慧是在模擬人腦嗎?

要解答這個疑問,首先我們需要瞭解人工智慧到底是如何去“學習”下棋、電競和其他技能的。

今天外界對人工智慧最大的誤解,恐怕就是認為人工智慧是對人腦的“模擬”,然而人工智慧的工作和學習機制,事實上與人腦完全不同。當前被稱為“人工智慧”的,至少包括以下三種體系。

人工智慧的起步,在於人類最簡單的一種思考能力:推斷邏輯。邏輯學自古希臘開始對此已經深有研究,並且提出一系列明確簡單的推斷原則。以此為基礎,人工智慧的起步從具體“演算法”開始,也就是讓電腦遵循邏輯推理的命題和原則來完成任務。例如,向電腦輸入某個知識體系,並且設定推理的演算法,電腦就可以成為一套“專家系統”,通過自動推理來解答人們提出的問題,近年流行的人工智慧醫療診斷,就是這樣的“專家系統”。

隨後興起的一個人工智慧體系叫做“搜索系統”,大家在日常生活中對其接觸更多,例如尋求迷宮的解法,以及在地圖上尋找最短路徑,今天許多家庭都使用的“掃地機器人”也是這一系統的運用,用以找到清潔全家地板的最優化路線。

然而真實的世界總是千變萬化,邏輯遠遠無法涵蓋。今天真正讓世界震驚,能夠擊敗人類圍棋冠軍和電競高手的人工智慧早已突破“邏輯”的範疇,它們誕生於第三套系統:通過統計學方法,用大量的資料統計和分析來作出最優的決策。可以說,統計學方法帶來了當前真正強大的人工智慧,我們稱之為“機器學習”。

還是從阿爾法狗說起,由於真正的圍棋招數可能性遠超於宇宙原子的數量,不可能通過邏輯來窮盡所有招數,因此在阿爾法狗以前,人工智慧用邏輯推論方法來解決圍棋,耗費多年而毫無寸進。此時,統計學為人工智慧帶來了一個重要的啟示:我們可以通過對一小部分的策略的抽樣研究,歸納出有效的策略。這正如要知道一個國家的經濟發展,並不需要知道每一個人在做什麼,而只需要抽樣調查來研究是一樣的。

簡而言之,Alpha Go和Open AI用來打敗人類的能力,源自它們龐大而高速的統計能力,通過統計學抽樣去模擬圍棋手或遊戲玩家每一步每一招的可能性,從而找到致勝的招數,而並不是它們真的“學會”模擬人類大腦來思考。

 

人工智慧是怎樣自己“學習”的

人工智慧今天的強大,並不意味著他們開始“接近“人腦”,剛好相反,他們的優勢在於能夠完成人腦根本無法處理的大量統計。以下圍棋為例,每多一個決策,就增加了一個新的維度,需要計算的可能性也就呈指數級增加,所以在人工智慧研究的早期,機器要通過如此大量的統計去“學習”也是困難的。

早期機器學習中,由於資料量過於龐大難以處理,人類採取了提示一些“捷徑”的方法。其中最主要的方式叫做“監督學習”,也就是機器在人類提供經驗的“監督”下去統計分析資料。俗話說“依樣畫葫蘆”,這就比如一個新員工來到公司,老闆就教了他一套自己工作的方法,讓他有樣學樣去做,就是“監督學習”。此前版本的Alpha Go也是通過學習從古到今的大量棋譜資料來學習圍棋,並先後打敗了人類頂尖高手李世石和柯潔。

然而,經驗畢竟是有限的,而且需要大量人力和時間去總結和標籤。真實世界的大多數決策畢竟不像圍棋,擁有數千年的經驗積累和現成棋譜。那麼,機器是否能夠具備自己去挖掘經驗的能力呢?

由此,機器學習又進入了“無監督學習”領域,即讓機器徹底去自己摸索,人類不給予任何總結的經驗,不對任何資料進行標籤。當前人工智慧中的自然語言處理,讓人工智慧通過大量的語言輸入去理解語言中詞語關係的內在規律,就是“無監督學習”的一種應用。更常見的應用則是在網上購物的“推薦商品”中,機器通過分析大量的過往資料,“學習”去推薦買家最有可能感興趣的商品。

第三種模式則叫做“強化學習”,既非完全的監督,也非完全的無監督。

還是用企業新員工來打比方,這一次老闆並不具體告員工工作怎麼做,但是到了年底發出或多或少的獎金,會讓這個員工自己去總結自己工作做得好或不好。當然,獎金的多少有很多不同的可能性,是員工對客戶服務態度好?還是工作特別勤奮?又或是拍老闆馬屁拍的好?在真實的人生中,這種分析當然是困難的。然而理論上,如果這個職員持續做這一份工作一百萬年時間,那麼他會無限逼近“獎金的真相”。

這種通過回饋來修改行動的模型,我們稱之為策略-評估(Actor-Critic)模型,隨著策略(Actor)所做的決策被評估(Critic)所修正,決策的品質一點一點逐步地改善,機器開始自己去學習,並找到獨特的學習方法。人活不了一百萬年,當然也就算不了一百萬年。但是機器隨著計算速度——即所謂“算力”的迅速提高,卻有望解決這個看起來荒謬的難題。2016年的電腦已經比2007年速度快一萬倍,今天普通工業級電腦已經可以展開深度強化學習,而且算力的提高速度還在持續加快。

2017年10月,Alpha Go進化為Alpha Go Zero,兩者最主要區別就是後者在沒有任何棋譜資料和人類經驗輸入的前提下學習圍棋,每一步都由機器自己隨機嘗試,通過最後勝敗的統計分析來判斷每一步是“好棋”還是“臭棋”。算力強大的Alpha Go Zero僅僅用了三天,就從一張白紙成長為以100比0完勝舊版Alpha Go(即擊敗柯潔的版本)的頂級高手。最妙的是,至今人類也不知道Alpha Go Zero自己摸索開發出的演算法是怎樣。

同樣是2017年,發明家馬斯克旗下Open AI的人工智慧玩家在電競遊戲DOTA這種存在各種陌生環境,需要團體協作的遊戲中,連續打敗頂尖業餘人類玩家組合的隊伍。在此之前,人工智慧僅僅經歷數周的自我訓練和對戰,遊戲技巧的進步一日千里。這也代表著人工智慧“深度學習”的能力,已經從圍棋這種相對單純的“分割空間”走向更為複雜的“連續空間”,開始處理更複雜環境中的決策。

 

人工智慧會下棋就會投資?

 

相信大家已經看出,人工智慧的深度強化學習的範疇,已經跟真實環境中的要求越來越接近。可以說,基於深度強化學習的“金融Alpha Go Zero”誕生只是時間問題。目前,我們正在努力研發中的人工智慧投資模型,與上文中圍棋或電競遊戲的方法非常相似:

在環境因素中,Alpha Go Zero分析的是對手和自己的行動,金融Alpha Go Zero分析的則是資本市場和宏觀經濟的各種資訊。在回報方面,Alpha Go Zero分析獲勝的概率,金融Alpha Go Zero分析的回報則是投資收益,或是是否達到投資目標。在行動範圍方面,圍棋Alpha Go Zero分析的是棋盤上沒有被落子的位置,金融Alpha Go Zero分析的則是設計者規定的投資範圍和標的。

在學習的過程中,圍棋Alpha Go Zero評估潛在落子位置的價值,評估自己的落子位置策略和先後,金融Alpha Go Zero則評估各類資產的投資價值,評估每個可投資資產應當被依照什麼比重來配置。

這樣自我學習投資的“金融Alpha Go Zero”,學習的方法和能力可能超越大多數人的想像。這是因為機器所學習的,是投資的“能力”而非僅是“技巧”。

與過去各類量化投資模型相比,這一進步的巨大意義首先在於,設計者不需要再對每類資產單獨設計模型,不用提取“因數”或設立標籤,大大減少了人力成本,而模型學習投資也不限於資產類別,可以自動靈活應變。由於不用提供標籤和經驗,設計者可以建立各種不同的目標,例如成本、風險、最大回撤,流動性變現等等,各種投資中需要考慮的因素和目標如何去平衡?這個問題交給了機器自己。

此外,過往的量化投資演算法往往本身就是基於歷史資料和經驗編寫,很難再用同一堆資料去測試出它真實的投資能力。然而人工智慧的強化學習則可以採取用一類資產的歷史資料進行學習,再用另一類資產的資料進行測試,或者是用中國股市的資料進行學習,用印度股市的資料來測試,更能夠測試出人工智慧的真實能力。

這樣的人工智慧聽起來或許神乎其神,但事實上,它符合我們生活中最簡單的判斷方式——要知道一個孩子是不是好學生,最好的方法是交給他新的學習任務,看他是不是能很快攻克。要知道一個新人是不是好員工,最好的方法是交給他從未做過的工作,看他是否能做好。人工智慧是不是能自學成才,變成真正的投資專家,也有待給予它們全新挑戰才能驗證出來。

 

Footer

© Ping An of China Asset Mangement (Hong Kong) Company Ltd. All Rights Reserved