老实说，客户可能并不关心投资经理使用的所有花哨的人工智能工具。客户只关心四件事：风险调整后的回报、一致的超额回报（α）、及时的回复、建议和个性化服务，以及他们是否变得更富有。为此，投资管理公司可以使用人工智能来管理风险、从替代数据中获得投资见解、自动分析和进行客户报告。首先，让我们看看当前和未来的人工智能在投资管理中的应用，然后探讨投资经理如何识别高价值的人工智能应用机会，并与人工智能初创公司合作开发解决方案。人工智能在投资管理中的应用人工智能可用于支持前台和后台工作，包括投资分析、风险管理和报告生成等管理任务。人工智能可以在三个领域为投资管理公司增加价值：风险管理：使用机器学习来管理投资和投资组合风险。InvestmentInsights：使用机器学习和计算机视觉分析替代数据以预测零售店业绩、商品可用性和一般经济活动。分析和报告：使用自然语言处理(NLP)为客户提供定制报告，并为分析师汇总收益电话和年度报告。将人工智能应用到这些领域可能会大有裨益。改进的风险管理和数据洞察力将带来更好的投资结果，使用人工智能自动分析和生成报告可以节省分析师的时间和金钱，为客户提供定制的按需报告以添加个性化服务的元素，增加客户信任并改善客户满意。使用机器学习管理投资风险来源：unsplash领先的投资管理公司贝莱德提供投资经理操作系统Aladdin，以更精确地管理投资组合风险敞口。阿拉丁声称，该系统内置了机器学习工具来监控和降低投资组合风险，目前已经吸引了包括贝莱德在内的200多家机构。系统每天可自动监测2000多种投资风险因素（如利率、汇率），模拟不同经济情景下的投资组合表现。使用阿拉丁系统的投资管理公司可以提高他们的人力投资组合经理的技能。人类经验和人工智能处理能力的结合比单独构建、测试和重新平衡投资组合更有效。使用人工智能分析另类数据以获得投资见解。大家会分析美国证券交易委员会（SEC）发布的文件、新闻、彭博资讯等传统投资数据。分析师希望从这些传统数据中找到其他人忽略的投资。见仁见智，几率很小。投资经理越来越多地分析替代数据以获取投资见解，包括卫星图像和手机地理定位数据。使用卫星图像预测零售店销售额来源：Quartz零售店停车场的卫星图像可用作零售额和同店销售额增长的早期预测。上图显示了Target百货公司旁边停车场的卫星视图。有权访问此数据的投资分析师可以准确地计算汽车数量并跟踪停车场的交通情况。假设停车场占用率与商店收入之间存在很强的正相关关系，投资者可以在Target或沃尔玛等零售商发布季度财务业绩之前下注，这可能是一个强劲的业绩。阿尔法数据源。从AI的角度来看，这是如何工作的？计算机视觉和神经网络的结合能够识别和计算卫星图像中停放的汽车。使用手机位置数据预测经济活动随着我们从COVID-19大流行中走出来，投资者正在询问经济活动将以多快的速度恢复——不仅在股市，而且在人们的生活大街小巷。通过分析人们手机中的人群移动和地理定位(GPS)数据，我们可能会得到部分答案。左图是佛罗里达海滩手机追踪图，右图是美国手机追踪图。来源：CNN在新冠疫情最严重的时候，CNN报道了X-Mode和Tectonix两家科技公司如何追踪2020年3月佛罗里达海滩春假游客的手机位置数据。这两家公司能够追踪到哪里手机（和它们的主人）在离开海滩后就消失了。位置图显示了这些人在美国的居住地。当世界各地相互开放时，匿名地理定位数据可以追踪购物区、旅游区和经济中心的人类活动。该数据可以作为官方数据发布之前经济活动的早期信号。例如，洞察力可用于分析酒店业的投资。机器学习技术可以根据过去的移动模式预测人群将移动到哪里。使用自然语言处理的自动分析和报告1.自动投资分析在过去（几??年前），分析师会花费大量时间仔细研究年度报告、行业新闻和收益电话会议，以了解一家公司的表现.如今，人工智能的一个分支自然语言处理(NLP)能够“阅读”这些报告、文章和通话记录，从年度报告中提取见解并总结要点。情绪分析工具可以分析收益电话会议记录，以确定管理层对公司前景的积极或消极程度。Alpha-Sense等人工智能初创公司为机构投资者提供了这些工具。类似的NLP工具也可以应用于新闻和社交媒体数据的分析，处理人类分析师无法企及的海量数据。对分析师来说，好消息是他们现在可以自由地专注于更具附加值的分析和alpha数据生成分析。2.定制客户报告和点播信息自然语言生成（NLG）是一种与NLP相关的技术，可以从底层数据中自动生成文本内容。投资经理可以利用这项技术定期自动生成客户报告，甚至可以按需向客户提供市场洞察。根据《纽约时报》2019年的一份报告，彭博社一直在使用自动化报道来撰写多达三分之一的新闻报道。报道指出，彭博并不孤单，对冲基金也在使用自动化报告向客户提供市场信息。投资经理可以自动生成报告以降低成本并节省内部时间。更重要的是，及时向客户提供报告和增值见解将提高客户满意度和公司声誉。识别高价值的AI用例并部署AI解决方案投资管理公司将从AI中受益匪浅。为此，组织必须考虑以下事项：AI用例识别：我们可以利用AI解决的最有价值的商机是什么？我们可以使用哪些人工智能技术？AI优先级排序：如何按用例和时间范围分工智能项目的优先级排序？数据采集??：我们需要什么类型的数据？我们从哪里得到它？AI供应商合作伙伴关系：我们如何与AI初创公司合作，共同创建满足我们独特需求的AI解决方案？资料来源：unsplash1。用例识别识别AI用例源于获得AI意识。高级投资经理了解他们的行业和客户需求，但可能还需要了解人工智能的能力。这种基本的AI意识将帮助管理人员概念化AI如何帮助公司及其客户。AI意识和教育的渠道可以是在线课程、企业培训、AI顾问或与公司关系密切的AI供应商。当受信任的顾问或AI供应商与员工合作确定用例时，它是最有效的。通过与公司的管理层和行业专家合作，AI供应商和顾问可以确定AI用例，为公司带来最有价值的商业机会，无论是风险管理、替代数据洞察力还是自动化分析。使用AI供应商和顾问进行用例识别的另一个好处是，他们可以阐明（并可能提供）部署解决方案所需的AI方法和工具。2.AI优先排序由于时间和资源有限，企业无法一次推出多个AI解决方案。最好首先淘汰“速赢”——具有快速、可衡量影响的小项目。例如，一家投资管理公司收购并部署了一种智能机器人流程自动化(RPA)工具，该工具使用人工智能来自动化日常工作流程。在AI学习曲线上取得进展后，企业可以转向他们确定的更高价值的AI用例。因此，将AI计划分成短期/中期/长期项目是有意义的。通过这种方式，可以控制成本，积累收益，并且随着时间的推移不断验证AI计划。3.数据获取投资管理公司的人工智能项目的大部分数据都是内部的。但是，仍然存在统一数据源和数据清洗的问题，这也是极其重要的。其他数据来自彭博社和路透社等金融数据提供商。替代数据，例如上面提到的卫星图像和匿名地理定位数据，来自专门的替代数据供应商。在审核这些供应商时，公司必须：确保供应商不使用重要的非公开信息。因为这可能会使投资经理面临内幕交易指控的风险。确保您可以轻松地将供应商数据集整合到您的AI模型中。检查供应商数据是否仅使用机器学习进行标记，或者是否有人进行了二次检查以提高标记准确性。考虑明年数据提供商是否还在营业（毕竟竞争很激烈）。AI供应商合作伙伴关系构建AI并非易事。只有最有能力的投资经理才能负担得起使用内部AI团队来完成内部构建的所有工作。虽然企业应该放眼长远（更大的知识效应、数据安全、知识产权保护），但许多企业仍然需要首先达到成熟的AI水平。从长远来看，只是出去买一堆人工智能工具是行不通的。现成的人工智能产品可能无法满足公司的业务需求，也可能无法与公司的数据很好地融合。更稳健的策略是与值得信赖的AI初创公司和供应商合作，共同创建AI解决方案。供应商可以与公司员工（最终用户）以及公司技术和数据团队合作，开发一套AI工具，这些工具可以很好地相互配合并与公司数据配合使用。这种战略伙伴关系有助于确保人工智能解决方案的开发能够继续进行。作为合作伙伴，供应商将对公司的业务目标有一个长远的看法，并可以随着这些目标的变化升级公司的人工智能工具。来源：unsplash要找到优质的人工智能初创公司和供应商并不容易。潜在的初创公司或供应商应该拥有：由机器学习开发人员、产品经理、软件工程师、数据科学家和业务专家组成的多元化团队。对公司所在行业有深入的了解。跨职能和价值链部署人工智能工具的记录。大规模部署人工智能(AI)可以改善企业的所有主要功能，从而带来持续的竞争优势和可观的投资回报。大小事项。公司投资人工智能不是为了看起来花哨，而是为了改善业务成果和解决问题。因此，AI解决方案必须相应地扩展。合作伙伴关系将帮助公司扩展他们的AI计划，与有能力的AI初创公司和供应商合作可以缩短学习和开发曲线并加快进程。最后，每家公司的人工智能之旅都是独一无二的。识别高价值用例，制定计划，挑选企业合作伙伴，打造经久不衰的东西，人工智能将为你创造更大的价值。
