基金经理投资笔记｜“AI+HI”--对抗投资领域“熵增定律”的新模式

《基金经理投资笔记》一线投资人主笔，分享真知灼见

本文作者：王峥 浙商基金中央交易室总经理

全文2200字左右，阅读需要10分钟

过去不代表未来，投资策略失效似乎是投资人永远绕不过的坎。

由一众殿堂级大师创立的长期资本管理公司（LTCM），在1994-1997年资产净值增长了2.84倍，但随着1998年金融危机的爆发，资产净值在150多天里下跌了90％，最终走向了破产清算。

曾被誉为史上最伟大的基金经理的比尔米勒管理的价值信托基金（Legg Mason Value Trust）曾连续15年（1990-2005）跑赢标普500指数，甚至超越了彼得林奇的记录。但从2006-2007年开始跑输市场，并在2008年金融海啸中遭遇滑铁卢，当年净下跌55％，投资人大量撤资，米勒于2012年黯然辞职。

海外的这些著名案例至今让人唏嘘不已。

国内的案例也是历历在目：2012-2016年，业绩风光无限的小盘成长风格基金，从2017年开始大幅跑输市场，曾经让量化策略躺着赚钱的小市值、反转、低换手率等因子明显失效，定增、次新、壳资源、高送转等屡试不爽的投资策略纷纷崩塌，甚至长期获得稳健回报的商品量化趋势跟踪策略也从2017年开始步履蹒跚。

市场关于投资策略失效的研究、讨论和反思不可谓不充分。从金融学的角度解释投资策略失效，主要原因包括：策略被不断复制导致收益水平趋于平均化，市场环境或市场状态发生变化导致策略依托的核心变量发生改变，尾部风险爆发等。根据市场有效理论，当下能够获得超额收益的投资策略，必然会在未来的某个时刻开始失效，这是每一个投资人不得不面对的问题。

而宇宙中的万事万物总是相通的，在物理学中，同样有一条让人感到绝望的定律：熵增定律。

“熵”的概念是由德国人克劳修斯在1854年提出的，也被称为热力学第二定律，即“在封闭的系统内，分子的热运动总是从集中、有序的的状态趋向分散、混乱的无序状态，系统从有序向无序的自发过程中，熵总是增加。” 简言之，封闭系统内，无序化程度总趋向于增加。

从广义的角度理解，假如把我们把宇宙看成一个封闭系统，其无序程度将与日俱增，直到达到热动平衡状态，一片黑暗，没有任何生命存活，即“热寂”状态。从狭义的角度理解，一个苹果从新鲜到软化、发霉、最后腐烂就是内部分子无序化的过程，可以说物质的腐朽和毁灭，都符合熵增定律。从人类的社会学角度来看，政治制度的更替、国家的兴亡、商业的盛衰、集体和个体的成败，似乎也可以从“熵增”理论得到某种诠释。

如何对抗熵增效应？1977年诺贝尔化学奖获得者普利高津在1960年代提出的耗散结构理论被认为可以使系统内熵的产生最小化。耗散结构是指一个远离平衡态的开放系统，在不断与外界交换物质和能量的过程中，通过内部非线性动力学机理，自动从无序状态形成的有序结构状态。简单来说：开放的系统、远离平衡态和内部非线性相互作用是产生有序状态的三大关键因素。

　　耗散结构三大支柱

耗散结构理论或“反熵增思维”已经被借鉴到了社会科学当中，并且在企业管理和金融投资等领域出现了比较成功的应用。亚马逊的CEO贝索斯在1998年就提出了“反熵”，并使之成为亚马逊的重要理念之一，其通过进入云服务、物流等领域，提升公司的核心竞争力可以看作是反熵的过程。

而国内最成功的案例的是华为，任正非具备强烈的危机意识，在公司蓬勃发展的时候就开始为未来的危机做准备，从而将反熵思维和耗散结构理念融入了华为的管理模式，通过开放合作、重视研发、吸纳人才、艰苦奋斗，给华为带来了持续的活力，即使面对美国政府通过行政手段封锁和打压的极端情况，仍体现出了惊人的生存能力，给中国企业带来无限的鼓舞与启示。

上述反熵思维对投资提供了重要的启示，我们着力打造的“AI+HI”的投资模式，就包含了建立具备“耗散结构”的投资框架，从而提高策略的适应性、稳定性和可持续性。

第一、开放的系统，只有不断与外界进行能量和物质的交换才能获得“负熵”。一个有生命力的投资体系需要不断的进化。从人机结合的模式来说，首先给人类提出要求，人类需要不断的提供更新、更多、更高质量的数据、不断输入新的知识图谱和学习样本给机器，这些成为机器学习的“养料”，在此基础上进行7x24h 无间断的机器学习，使其智能水平不断提高和进化，从而输出具备更强适应性和有效性的投资策略。

第二、远离平衡态是出现有序结构的必要条件，开放系统会在外界的作用下离开平衡态，只有这样才能形成有序结构，正所谓“流水不腐”。把这种思维结合到投资策略层面至少有三个维度：

1、就像上面提到的，通过人和机器的不断学习，持续对策略进行升级和进化；

2、目前的人机交互中，人类的干预仍必不可少，人类需要走出舒适区不断反思和对策略进行压力测试。我们经常会在策略表现不好的时候反思和查找原因，却忽略了在策略表现好的时候进行反思同样重要，只有深入了解投资策略的逻辑基础和特性，才能在市场状态发生变化的时候做出正确的应对；

3、制定风控机制，防范尾部风险的同时辅助人类克服决策过程中的弱点。

第三、非线性相互作用是指组成系统的子系统之间存在着相互作用，如果这些相互作用是非线性的，就会涌现出新的性质。这种相互作用方式在人机互动模式下也可以体现在三个维度：

1、机器学习处理大数据的方式是非线性的，这是与人类和传统量化模型有明显区别的，有可能会产生出新的，人类思维方式难以获得的超额收益；

2、在一个策略内构建多个子策略，每个子策略专注在某个特定领域，而子策略之间具备较低的相关性，这样可以在实现对策略精细化管理的同时，加强策略的稳定性和持续性；浙商基金的智能投资团队开发了超过300个机器人全面覆盖宏观、行业及个股领域，不断选择夏普率最高的一揽子子策略进行组合，在分散化的同时最大限度保证了组合的收益性和稳定性；

3、人和机器间的交互，人类先向机器输入知识和智慧，机器通过学习后辅助人类增强认知深度，人类又会产生新的灵感，形成螺旋上升的正反馈机制。

AI+HI模式下的耗散结构

【了解作者】

王峥：浙商基金中央交易室总经理、投资决策委员会委员。英国曼彻斯特大学财会与金融专业硕士，12年证券从业经验。历任华宝兴业基金海外投资部投资助理，交易部交易员、高级交易员、交易主管，上海国富投资管理有限公司交易主管。

【专家点评】

金融界智能研发团队：资本是逐利的，不能简单的以纯理性的热力学定律来进行套用，但是能够给我们带来很多启示，从更多的角度去解释市场行为，例如，遗传算法、CAS 复杂适应系统、深度学习的GAN对抗网络等，金融界智能研发团队在自适应系统如何应用到金融市场上也多有尝试，已经实践证明过是可行的。

然而，从量化投资策略的角度来看，我们最怕的不是策略失效，因为我们可以通过仓位控制和大类资产配置对投资组合的风险进行把控，我们最怕的是我们不知道构建的复杂模型到底是什么原因为我们带来了收益或风险？有时候复杂的模型会有意外惊喜，同时也会因为参数繁多导致过拟合，随时带来意外惊吓，我们宁可希望投资模型对我们自己是简单透明的，经得起金融理论常识的推敲，我们才放心使用到具体的实盘投资中，即便模型短期失效，我们也知道原因所在，复杂的自适应模型很难规避参数过拟合问题，样本灾难也是一个统计学上最难解决的问题之一，我们认为所有投资策略一定要经得起金融理论的推敲才能具有持久的生命力。

金融界智能研发团队也一直在持续关注海外知名的人工智能系统在投资领域的应用前沿，例如，两年前发布的 AI Powered Equity ETF，就是使用世界顶级的IBM Watson超级计算机做引擎，堪称世界顶级人工智能系统，然后实盘结果显示，收益波动率逐年趋近于标普500指数，发行至今两年时间30天滚动波动率与标普500指数高度相关，收益表现目前跑输标普500指数，几乎丧失了配置的价值，这表明，复杂的模型系统短期可能会有意外惊喜，但是长期来看将会被资本逐利的复杂行为训练成“稳定”的系统，但是超额收益将大打折扣，这也是参数训练过度的结果。

我们坚持认为，未来是人＋科技的智能投顾时代，金融界独家研发的智能投顾产品，灵犀智投，背后的全球资产配置引擎，核心逻辑以成熟的大类资产配置理论为基础，辅以简明清晰的投资逻辑，用可解释的机器学习算法进行目标优化，每个季度会进行策略复盘与算法测试方案的制定，上线近三年时间，目前主体策略算法细节的测试工程进行过上万次，但是主体策略算法模型仅做过两次大的升级迭代，实盘业绩表现稳居业内领先位置，体现出我们在全球资产配置投研逻辑上的稳健性和严谨性，我们也致力于为广大投资者带来更加持久的投资回报。