ai创业风口怎么抓？专访TwoSigmaCEO

在美国市场上兴起的量化投资趋势在过去15年中扩展到了全球的多个市场。Two Sigma今天在全球40多个市场开展交易，涵盖期货、外汇、期权以及各种衍生品。

Two Sigma公司由著名量化投资人大卫·肖恩（D.E. Shaw）的徒弟约翰·欧文德克（John Overdeck）和大卫·西格尔（David Siegel）于2001年创立。西格尔曾说，“人类投资经理再也无法击败电脑的时代终将到来。”

现在，Two Sigma称自己为技术公司，目前公司大概有1400名员工，有三分之二的员工从事研发、工程和科技工作。“我们招募的员工比起传统的投资经理或华尔街公司有很大的不同。”

AI技术在投资领域的应用蔚然成风。Nobel认为，当前市场有很多炒作的成分。“狭义上的人工智能在过去五年中取得了突飞猛进的发展。但人工智能并不擅长的，或者说我们还远远没有实现的是‘一般智力’。我们认为，应该利用具体的人工智能技术去解决某个具体的问题。”

对于中国市场Two Sigma同样关注已久。“这是一个巨大的市场，拥有庞大的投资人群、海量的数据。我们从2005年就开始在中国进行交易了。随着市场向外资开放，我们也在观察加入这个市场的机会。”Nobel表示。

数据导向

《财经》：Two Sigma近年来发展迅速，亦取得不俗的成绩。能否从您的角度谈谈公司迅速发展的原因是什么？

Nobel：Two Sigma成立于2001年，两位创始人有一个非常简单但很重要的愿景，那就是科技可以改变世界的任何一个行业，尤其是与信息相关的行业。事实上，每个行业都因计算机能力和数据爆炸的迅猛发展而改头换面，金融与投资管理没有理由不受到影响。但在这一领域，实际的进展一直非常缓慢。

当他们计划成立Two Sigma的时候，美国股票市场正在发生着巨大的变化，比如十进制报价，市场电子化、全球化等。计算机能力的井喷式增长也助推了信息时代的发展。因此他们希望创立一家与众不同的公司，也就是一家以数据为导向的技术公司。

如今我们称自己为技术公司，有三分之二的员工从事研发、工程和科技工作，所以我们招募的员工比起传统的投资经理或华尔街公司有很大的不同。我们很幸运，以上我们在美国市场上兴起的种种趋势扩展到了全球的多个市场。今天我们在全球40多个市场开展交易，涵盖期货、外汇、期权以及各种衍生品。

我们的目标是成为一家顶级的阿尔法提供商（α，指股票相对指数的超额收益）。系统性的方法和自律能力的原则帮助我们满足客户需求。公司会从多个层面关注阿尔法的生成。阿尔法非常稀缺，这也意味着我们策略根据当时的研究成果所能有效管理的资产规模是有上限的 我们的自律能力使我们不愿管理太多的资本。

《财经》：在投资策略与投资风格上，Two Sigma与传统的量化对冲基金有什么不同？

Nobel：当今社会信息正在井喷式地增长，让一个人吸收全部信息几乎是不可能的。同时相较于50年前，每条信息在相同的时间内的价值已经不如以往。你需要收集海量的微小的信息，需要科学的计算能力来理解所有这些信息。当你汇总足够多的多元信息时，你的决策将更加明智。所以我们的理念就是投资要立足信息时代，从信息中获取洞见。

如果能够开发一套全面的方法去审视人所看到的一切，不仅仅是新闻，还包括基础信息、报告、事件，甚至券商的情绪，那么你的工作就具有创造性了。我们有成百上千个模型，每一个都像一个分析师。我们采用的方法与传统意义的投资经理非常相似，只不过我们不需要人来做这些工作，只需将这些分析方法编入算法即可。

今天，技术已经非常先进。你可以应用多种人工智能技术和统计方法来获取海量数据，不带有任何偏见。我们会提出假设，然后对假设进行测试，并且以一种非常客观的、以数据导向的方法进行学习。我们的投资策略是从360度视角来全面地预测市场价格。你可以采用一种非常客观的数学方法，建立一个多元的投资组合，让风险管理参与到投资的每一个环节，我们会利用技术将基金经理计算的很多函数自动化、系统化。

我们搭建了一个平台体系，来开发权益市场策略和宏观策略产品。从多个层面关注alpha的生成。Alpha非常稀缺。这也意味着我们策略中的能力是有限的，而在限制自身能力方面我们也是非常自律的，因为我们不想管理太多的资本。那如果这样要达到业绩指标就比较困难。

《财经》：能否简单介绍一下你们的模型算法？这是你们的核心竞争力？

Nobel：目前，Two Sigma拥有大概1400名员工，其中有三分之二的人专门从事模型的研发。他们围绕四种类型的信息开发交易算法：技术信息，例如股票成交量；基于事件的信息，例如信贷机构的行动、公司并购等；基本面数据，例如公司的财务报表；经纪人的第一手调查，以衡量市场情绪。

Alpha capture是其中的一个案例。这个最“年轻”的模型也已经有11岁了，它的核心策略就是倾听券商的声音。“我们没有传统意义上的投资组合经理或分析员，于是专门开发了一项技术，目前2000多个券商的金融专业人员进行了安装，每天从世界各地上千个金融专业销售人员那里获得投资建议，从中我们可以了解到市场情绪以及销售端有价值的信息。”Nobel介绍。

我们有很多数据集，这只是我们的其中一个专利，是我们自己创建的系统。同时，我们还有其他的数据集。在过去的17年，我们从自己的交易活动中学到了很多，这使得我们的交易做得更好。

我们有成百上千个模型，每一个都像一个分析师。我们采用的方法与传统意义的投资经理非常相似，只不过我们不需要人来做这些工作，只需将这些分析方法编入算法即可。我们没有投资组合经理，但有程序优化员来建立投资组合，并进行风险的实时管控。

合理借助人工智能

《财经》：在控制风险和寻求超额收益方面有哪些思路？

Nobel：通过一种缜密的方式来构建非常多元化的平衡的投资组合，规避部分风险，考虑交易成本和流动性，建立一个非常平衡、稳定的投资组合，在组合中充分考虑风控。而对传统的自主基金投资管理来讲，它们是不同的运作模式。

比如一个分析师有一个想法，也许有一个很好的想法，做了很长时间的调研，做了一个投资产品，并将它汇报给经理，经理想要把这个产品加入到投资组合中。这时，可能风险经理看了后指出，石油领域风险太大，或者某个领域风险太大。随后，投资组合经理又说，那好吧，我们进行一下调整。而在一个系统性的方法中，风险管理流程与投资组合的建立几乎保持同步。

《财经》：越来越多的投资机构开始拥抱人工智能。如何看待未来AI在投资领域的应用？

Nobel：当前市场有很多炒作的成分。人工智能现在是个流行话题。我们的创始人之一就是人工智能背景出身，我们始终有这样的思维模式。十年前或许这个话题还无人问津。而现在风靡起来，每个人都在谈论人工智能。比如你去买一个洗衣机，厂家会说这是一个智能洗衣机，但其实并非如此。我们应该谨慎一些。

狭义上的人工智能在过去五年中取得了突飞猛进的发展。由于在计算能力、数据可获得性方面所取得的突破，狭义上的人工智能取得了巨大的进步。今天，手机的语音识别已经成为了一个可靠的功能。自然语言处理系统变得越来越精确。机器视觉已成为现实。五年前专家无法解决的问题现在都能解决了，比如自动驾驶。

但人工智能并不擅长的，或者说我们还远远没有实现的是“通用智力”。也就是说，在变换运用场景之下依然可以自行调整，这个是普通人甚至是儿童都可以做到的，今天人工智能还没有为此做好准备。因而我认为，应该利用具体的人工智能技术去解决某个具体的问题，并且要让人对背景进行分析，这是非常重要的。

《财经》：对于一家对冲基金来说，人们会觉得1400名员工的规模非常庞大。Two Sigma如何看待投资中技术和人力的关系？

Nobel：我们在数据、技术和人力资本方面都进行了投资。我们相信成功来源于这三个方面的结合，这才能让我们制定出科学的投资策略。有人认为，未来进入人工智能时代，就不需要人了。事实并非如此。

如果你不加思考地利用机器学习来处理数据，是很危险的。你可能会生成非常可疑的模式，或者预测出一些站不住脚的因果关系。人的重要性就在于，可以了解投资背景，设置相应的限制。在非正常环境中的风险管控方面，人类的角色是至关重要的，需要人的适时干预，降低风险，掌控全局，如同机舱中的驾驶员一样。

对于对冲基金来讲，人们会觉得雇佣1400人太多了。但是如果你转念一想，我们也是一家科技公司。1400个人里面大概有三分之二都是研发人员，其中大概有600人都是跟工程相关的，主要是软件工程师。人才的竞争来自技术公司和很多行业，大家都会争抢科学家、工程师或量化分析师。但我们并没有与华尔街的公司抢夺人才。我们是在与所有具有科学运营理念的公司争夺人才。

《财经》：近期中国政府推出了一系列超预期的金融对外开放政策。对于中国市场Two Sigma有怎样的规划？

Nobel：我对中国的监管机构和政府在对外开放以及邀请国外的公司方面所表现出来的承诺、行动及其速度印象深刻。这非常鼓舞人心。

这是一个巨大的市场，也是世界上第二大市场，我们投资中国的公司很多年了。

这个市场有众多的人才，拥有庞大的投资人群。随着金融市场向外资开放，如果我们加入到这个市场中，我们就有巨大的机会来利用我们的专业知识以及我们在本地的能力。

（本文首刊于2018年5月14日出版的《财经》杂志）