ChatGPT爆火，但AI能干掉基金经理吗？

2月1日，以色列总统艾萨克·赫尔佐格（Isaac Herzog）发表了部分由人工智能撰写的演讲，成为首位公开使用ChatGPT的世界领导人。

作为2023年开年以来最热的技术事件，语言机器人ChatGPT正在技术界掀起一场“革命”。它不仅可以像真正的人类一样，交流聊天，甚至还能写视频脚本、邮件、文案、翻译、代码等任务。 

但是，如果你要求它生成一个能跑赢市场的投资组合，它却只能提供一些样板信息，更不能访问实时的股票数据。 

然而，2017年推出的AI Powered Equity ETF（AIEQ）则可以提供实时访问股票数据的功能。该基金由ETF Managers Group与金融科技公司Equbot合作发行，依靠IBM的Watson超级计算机来平衡其投资组合。如今，这支人工智慧动力股票主动型ETF基金在今年已经上涨了十几个百分点，跑赢了大盘。 

但是AIEQ遇到了和ChatGPT同样的问题。当人们讨论ChatGPT所带来的职业“替代”是好还是坏的时候，教授们和专家们同样也在质疑AIEQ最终能否替代人，成为量化基金的最终赢家？ 

在本文，《家办新智点》将揭示AIEQ是如何被创立起来的，以及它的运行原理，并试图探讨AIEQ的未来和发展趋势 。 

跑赢了大盘的AIEQ基金

据晨星公司（Morningstar）数据显示，截至2023年1月27日，AIEQ指数今年以来上涨了13.5%。与此同时，作为全市场基金并提供基准的Vanguard Total Stock Market ETF (VTI)同期上涨6.7%，基本上是主动管理型基金AIEQ表现的一半。

AIEQ是一支与VTI截然不同的基金。AIEQ集中投资于美国股市，投资组合中只有114种证券，而VTI拥有近4000种证券。当然，作为积极管理型基金，AIEQ的费用为0.75%，比VTI最低的0.03%要高。

在这两支基金的前十大持股中，都包括摩根大通(JPMorgan)和联合健康(UnitedHealth Group)。（扫码加入知识星球，可以获得AIEQ全部持股资产信息）

Equbot CIO兼联合创始人Chris Natividad表示，AIEQ可以超越标准的市场数据，从推特和财报电话会议中挑选信息，“该基金最好的日子还在后面” 。

另外，这两支基金的风险敞口似乎也非常不同。据ETF.com网站上的MSCI数据，作为一个投资广泛的市场化基金，VTI几乎没有重大因子敞口。但AIEQ的因子敞口为1.09，加上低波动因子的敞口为-0.74。

和同行相比，AIEQ的业绩表现（截至2023年2月3日）

年度总回报率与同行相比（截至2023年2月3日）

与同行相比的定期总回报（截至2023年2月3日） 

回顾两支基金的长期表现，在过去三年的时间里，AIEQ的年化回报率为4.8%，VTI为9.1%。而在过去的五年时间里，AIEQ的回报率为5.5%，VTI为8.6%。

然而，2023年AIEQ已经开了个好头。考虑到它使用了机器学习，该基金可能在选股方面会变得越来越好。

AIEQ是如何诞生的？

那是2016年。故事起源于英特尔的工程总监、富达投资的副总裁和苹果的投资组合经理，三人共同走进商学院课堂时……

Chida Khatua、Art Amador和Chris Natividad三人坐在加州大学伯克利分校的办公桌前，正筹划着如何让自己的人生履历上能有一家成功的创业公司。

此前，他们日复一日地重复听着客座讲师，讲述他们是如何管理对冲基金的。尽管这些讲师在各自领域里都有丰富的经验和知识，但他们的专长似乎仅限于此。

很快，一个想法就涌入了他们的脑海。如果将人工智能与所有的行业知识整合在一起，比人类能更快、更广泛地捕捉到数据，并将其转化为投资见解，那会怎样？

于是，他们开始启动了这项创业计划。2017年，三位联合创始人首次推出AIEQ，号称是“全球首支”完全由AI管理的ETF股票基金。它始于一个大约10人的团队，三位联合创始人以及7名印度开发人员。

第一年，该基金管理着60万-7000万美元的资产。从那时起，该公司的团队人数增加了两倍。

该基金现在使用8万个模型来分析大约6000家美国公司。它管理着约1.5亿美元的资产，仅占美国1596支ETF基金管理资产（总规模约5.2万亿美元）的一小部分。

在AIEQ首次亮相后的几年里，先是跑输美国市场，然后追平美国市场，最终在2020年超过美国市场。当时它跑赢标普500指数至少7个百分点。

关于AIEQ

这支由IBM Watson多项技术（例如Watson Discovery中的自然语言理解 (NLU)和用于偏差检测和减少的Watson Studio）提供支持的人工智能ETF基金，相当于一个由1000名研究分析师、交易员和量化分析师组成的团队，且能昼夜不停地工作。

我们打个比方，这就像成千上万的研究分析师夜以继日地工作，同时使用数十种不同的语言进行操作——他们同时知道彼此知道什么。

它是：

第一个充分利用人工智能作为选股方法的主动管理型ETF；

分析新闻、社交媒体、行业和分析师报告，拥有美国6000多家公司的财务报表、技术、宏观、市场数据等数百万个数据点；

利用IBM Watson的强大功能进行机器学习、情感和自然语言处理；

这种选股方法以前只适用于对冲基金和专业交易公司，现在可以在ETF中，作为预先解决方案使用；

自动化数据驱动的投资流程，能消除人为的偏见和错误；

不断建立在金融知识基础上的人工智能和机器学习能力，推动投资系统的价值不断增值。

截至2023年2月3日，AIEQ持有的资产规模约为1.2亿美元。

其中，ETF Managers Group是该基金的投资顾问，Equbot担任该基金的副顾问。该基金由 ETFMG Financial分销。

ETF Managers Group和 ETFMG Financial是Exchange Traded Managers Group（统称为“ETFMG”）的全资子公司，且ETFMG不隶属于Equbot。

AIEQ基本信息 

在投资标的上，AIEQ寻求长期资本增值，并以相对于更广泛的美国股市的最大风险调整回报为目标。

它应用人工智能技术为6000多家美国公司建立预测模型。每家公司都有四种底层深度学习模型：金融、新闻和信息、管理和宏观模型。

如下图所示，这四种模型中的每一种都有许多潜在的信号。这些模型确定了未来12个月内，大约30到200家最具升值潜力的公司。

AIEQ的月度业绩和季度业绩（截至2022年12月31日） 

AIEQ是如何工作的？

第一，AIEQ从结构化数据中学习，这是金融界一直使用的传统数据，例如收入、增长、研发支出和市场走势。但它也从非结构化数据中获取洞察力，包括来自新闻文章、博客、企业创新公告和社交媒体的信息。

这些模型已经根据5到30年的历史数据进行了训练，但更重视最近的数据。

另外，这些模型是根据成本函数进行训练的，这意味着对于每个历史数据点（比如2001年的新闻文章），该模型都会预测预期回报。此外，它还有不同的信任评分。

例如，它经过训练，可以以不同于博客文章的方式来衡量《纽约时报》的文章。EquBot将所有这些数据输入到知识图表中，然后AIEQ可以将其用作培训工具。

总之，AIEQ旨在监控博客和社交媒体等非传统数据源，而不仅仅是标准化格式的财务报表。

无论是市场价格下跌，还是美国财政部长或埃隆·马斯克在社交媒体上发布的关于此事的帖子，都是AIEQ可检测的数据点。

就像全球图景或美国市场图景中的一个像素，当AIEQ可访问的数据点越多时，图像分辨率就越高。投资者此时可以根据图像的粒度，做出更好的决策。

第二，虽然该系统对股票的分析，依赖于8万个模型，但其中有三种模型具有巨大的影响力。

（1）首先一个模型是财务模型。它主要使用收益和支出数据，绘制出一家公司不同时期的财务状况。

它会描述公司的整体财务健康状况。传统上，财务报告中出现的交易统计数据是由量化分析师来确定的。但即使是最新的财务数据也不足以完全展示股票的当前价值。为了将股票置于更广泛的背景下，AIEQ最依赖Watson的NLU功能。

譬如，该平台在FDA.gov上发现了3000多项与COVID-19治疗、检测和疫苗有关的临床试验。在浏览这些报告和行业报告时，一些与COVID-19疫苗有关的名字就出现了：Moderna、辉瑞、强生。

这使得它可以及早预见与COVID-19相关的趋势，从而使该基金可以围绕多个医疗公司进行投资布局。

AIEQ的资产配置情况 

此外，它还有一种用170多个项目（如创新排名）来判断企业当前质量的模型。

最后，还有一个所谓的“臭名昭著”的模型，即，使用IBM Watson的自然语言处理工具来提取元数据，并分析每天超过100万条内容的情绪。

EquBot会使用内部工具和IBM Watson的Open Scale工具来监控每个模型的 10个指标。

这些指标可以帮助标记偏差或“模型漂移”，并通过各种决策树跟踪每个模型的判断调用。如果客户询问决策背后的“原因”，EquBot可以为他们提供决策背后的数据点。

在近30人的团队中，有两人负责全职观察那些潜在的与偏见相关的指标。而每个模型的个人负责人，则负责每天检查一次是否有任何危险信号。

（2）可查询到那些经常被人们检索的关键词

（3）Watson使AIEQ能够进行情绪分析，并提供有关治疗的额外背景信息（例如给定治疗是否通过了临床试验）和数据源的可信度。

譬如，来源是否可以追溯到多个其他市场变动实例？是否有其他专家的声音认同这个来源？这些来源有多少声望或读者？所有这些关系数据点都有助于描绘尽可能详细的画面。

（3）将新闻数据考虑在内后，AIEQ还能通过查看行业领导力数据、环境、社会和治理得分以及公司领导团队的历史绩效数据，对公司管理团队进行评分。

除此之外，该基金还会考虑外部因素。譬如，公司所在行业和所在国的整体财务状况，以及全球和本地经济在经济周期中的当前位置。

AIEQ暂时还干不掉基金经理

佐治亚理工学院助理教授Daniel Weagley认为，随着时间的推移，投资者对量化、算法基金越来越满意。人工智能运营的基金似乎是资产管理发展的下一步。

但从长期来看，他不认为人工智能基金的平均表现会超过指数基金。特别是随着越来越多的基金进入市场，它们会竞争赢人工智能模型所识别的任何阿尔法。

确实，AIEQ也遇到了一些障碍。

譬如，它对于科技和医疗保健的押注，拖累了其2021年第二季度的业绩。2023年1月中旬，随着科技股的抛售，导致该基金今年迄今下跌了12%。

具体来说，AIEQ可能出现的投资风险包括：

AIEQ投资组合所持有的权益证券可能会出现突然、不可预测的价值下跌或长期价值下跌。

这可能是由于影响证券市场的因素或影响特定发行人、行业或本基金投资的部门的因素（例如政治、市场和经济发展）以及影响特定发行人的事件而发生的。

AIEQ采用积极管理，可能无法根据Equbot模型来识别投资机会的成功或失败，帮助其管理和实现投资目标。基金持有量也可能会发生变化。

另外，投资组合经理可能会积极频繁地交易基金投资组合中的证券或其他工具，以执行其投资策略。高投资组合周转率会增加交易成本，这可能会增加基金的开支。

且基金顾问使用的一些模型，本质上是预测性的。使用预测模型具有固有的风险。

当模型和数据被证明不正确或不完整时，依赖其做出的任何决定都会使基金面临潜在的、风险。

例如，通过依赖模型和数据，顾问可能会被诱使以过高的价格购买某些投资，以过低的价格出售某些其他投资，或者完全错失有利机会。

同样，任何基于错误模型和数据的对冲都可能被证明是不成功的。

为此，该团队计划于2023年推出一个公共工具，将展示基金背后的基础数据和可解释性。

该新平台主要是为资产和财富管理公司设计的，供其进行试验，以及衡量客户对基金不同方面的兴趣。但由于任何人都可以查看，它也可能使外部审计成为可能。

Chida Khatua

“该平台正在开发中；我们正在努力尽快将其用于资产管理公司，用于财富管理，”AIEQ的联合创始人Chida Khatua表示，“从那里，我们还可以了解我们的客户到底对什么感兴趣，并随之调整我们的产品阵容。”

本文来自微信公众号 “家办新智点”（ID：foinsight），作者：foinsight，36氪经授权发布。