智能金融變魔術的6個步驟

01-29

文|鮑捷，發佈於2016年6月18日

現階段的Fintech主要分為互聯網金融和智能金融兩塊。其中互聯網金融以IT和FA形式為主，它解決的是「如何讓交易方在平台上發生交易機會」的問題。目前國內已經存在大量互聯網公司。而另一塊，智能金融，也就是用AI來做金融，在國內則有待發展。文因是從去年開始做智能金融方面的事情的。

過去一年我們接觸了許多金融界的人士，從風險投資到孵化器，從券商到私募，從銀行到交易所，涉及許多領域。我們發現，金融面臨的問題主要集中在「價值判斷」和「風險評估」兩個大問題上。以前，傳統做金融的方法是憑藉經驗和人脈來做價值判斷。那麼機器能不能變魔術，替代人做出價值判斷和風險評估呢？比如說告訴機器一些因素，然後它自動告訴你這件事成不成。其實市場上也有很多這樣的探索者，但是最後我們發現，短期內這是無法實現的。

現在流行兩個概念，互聯網券商和機器人投資顧問。互聯網券商就是把原來人做的工作，分擔給機器做一部分。然而現在所謂的互聯網券商，只是把一些業務放到了互聯網平台上，其實這不是真正的互聯網券商。而對於機器人投資顧問，金融圈則大部分持懷疑態度——從在物理世界獲取信息到作出價值判斷，這裡面有許多鏈條，可否用機器生成，其中的一些工作可否用機器承載。

讓機器人變魔術，需要經過六個步驟，從物理世界走到魔術。

第一步是把物理世界的信息變成機器能夠處理的數據，比如說我們訂閱的中國證券報、信息報。

第二步是從「臟數據」到「乾淨數據」。新三板的材料中有很多掃描件，這就屬於是臟數據。大量的公告是不規範的PDF，機器無法處理。還有一些財務數據，用不規範的表格表現，這也屬於是臟數據。目前我們在把臟數據變成乾淨數據這個環節做得還不錯。Wind、Choice、Bloomberg就屬於是在乾淨數據的層面。

第三步是從乾淨數據走到實體數據。乾淨數據的處理中國做得很好，但再往上走就做得不好了。像CBInsights、Mattermark、DataFox都屬於實體層面。

第四步是從實體數據到圖譜數據。在實體背後做推理，發現他們的隱藏關係，也就形成了知識圖譜。美國的技術已經發展到了圖譜的層面。比如做的最好的Palantir能讓人按照自己的邏輯來進行投資。比如Kensho，嘗試用機器去回答一些問題。

第五步則走到了業務邏輯上。我們需要表達一種業務邏輯的時候，卻發現沒有工具來幫助表達。比如我們從Wind中導出數據的時候，每次都是按照一種特殊的方式，一個特定的excel模版，最後按照一定的方法變成投資報告書，這也是一種邏輯。在數據填充上，機器就可以做一部分人的工作。人的洞察（insights）是機器所不能替代的。但是我相信二八定則也同樣適用於這裡，人的洞察是不可替代的，但不是多數時間在做洞察。

第六步，變魔術還是要依靠人來變。

討論片段

鮑捷問：怎麼看待機器人投資顧問？

王叢（文因互聯CKO）：如果要是真做出來就自己去賺錢去了。其實現在的技術達不到這個程度，像Kensho被高盛收購之後也聽不到什麼動靜了。我們目前能做的就是給投資人一些幫助，對公司進行立足於技術的輔助，不做強邏輯的推理，比如說把上下游的信息列出來，然後讓投資人自己去做判斷。

鮑捷：用搜索主要做什麼？

蔡策（函數資本合伙人）：主要用來看股東。再比如說我想查可以做積分管理的企業，在傳統的工具里無法搜索，但在文因就可以看。用文因搜積分管理的企業，搜出16家，有11家是對的，這已經很有價值了。否則在傳統工具里，我要肉眼去從3000家企業里搜。把基礎做好就可以。三板市場很窮，直接收費很難，但語義化搜索的切入點很好。而二級市場主要靠資金博弈，價值分析的工具難有大用。