AI智能投顧，第一性原理與kensho

關於kensho，已經有過比較長時間的思考。

初見kensho，是源於信息收集的偶然，而後怦然心動，相見恨晚，世間還有如此好的東西？但在此之後，只聽傳言被高盛招安，世人皆未見其真正面目。

kensho者，何許人也。

（看不清楚吧，我也看不清楚，網上就沒有清楚的）

號稱可以處理世間大多數財經事件，並以問答的方式給出答案。最好的宣傳莫過於如下：

• 1，當蘋果發布新的iphone產品時，它的哪家供應商的股價會上揚？
• 2，當颶風襲擊fulorida，哪家水泥股股價上揚幅度最大？

（就是這位大神，挺年輕的啊，加一個google的程序員合伙人）

這還得了？！對比alphago只能下下棋，這簡直就是印炒機。然而看創始人採訪記錄說，kensho定位是要取代分析師，創始人原意大概是說投顧這事，之前很多人做了，之後也會有很多人做，我就不摻和了。這不符合邏輯啊，無論是從牛頓力學，還是相對論，還是量子力學都不符合，只有一種可能，臣妾她做不到啊。

好了，退一步講，就算可以部分取代分析師，這也是個不得了的劃時代的進步啊。複製到中國應該是很多從業者的想法，我還真各種收集了一番，好多人要麼要做A股的alphago，很多是AI的從業者，程序員，還是金融資深人士，都摩拳擦掌，躍躍欲試。但問題是，沒有一家做出哪怕一點點樣子，一點點也好啊。

問題出在哪裡？

幾個問題：

• 1，kensho真的有用嗎？
• 2，它的數據來源是什麼？
• 3，它的分析邏輯是什麼？
• 4，A股為何沒有出現？

無奈本人不是金融科班出身，也沒有豐富金融從業經歷，也沒有做過分析師。那如何分析。好在想到「元思考」，「第一性原理」，這是個神器。

元思考，就是回到事物本質，嚴格按邏輯推理。

1，kensho如果沒有用，那高盛就是傻。作為老牌投資銀行，一個投資決策不太可能太過失誤，所以反推kensho至少有一定的作用，或者說可以替代一部分分析工作。

2，數據來源。金融結構化數據，包括財務基本面，交易數據，其實是很標準的，國外是bloomberg，國內比如萬得，要獲得這些數據門檻並不高。財經事件的話，那百度或google就是最好的，當然百度不會在這個垂直領域投入太多。大家都提到了NLP(自然語言處理)，但更多指kensho的前台交互，就是可以像siri一樣，直接問金融問題。這個其實不是系統的關鍵，對於專業從業人員，操作複雜一點無所謂，關鍵還得真的分析出有價值的信息。

整理一下上面的分析，就是數據大家都有。自然語言前沿的技術也差不多，關鍵是kensho團隊創始之初，也沒覺得它的技術團隊有多強。如果說他的技術合伙人的背景，那就是google的搜索技術，可以採集全網的財經資訊，公告等，分析出事件，熱點。這裡乍一聽有道理，但其實真的去財經網站一看，全是無聊的信息，人工就全消化了，也沒有什麼新的認知。更有可能，可以用機器去「消化」各種公告，官方稿件，就業報告等。這裡就需要建立「知識圖譜」了。圖譜才能理解語義，進行推理。

3.分析邏輯。其實分析師怎麼干，機器就應該怎麼干。現在就是「多少人工，就有多少智能」的「人工智障」時代。所以要理解kensho的價值，先理解分析師的工作思維，他們工作中的痛點，以及他們工作的價值。就是kensho的價值。

4.為何沒有中國版？這個也是作者最想探討的。

有人說，那是中文自然語言處理門檻高，客觀講，在現在計算技術的條件下，也就是多一個分詞而已，分好詞了，其實差不多，至少不構成致命傷。

如下兩點可能的原因：

1，分析師的價值。美股市場，機構投資者居多，價值投資居多，都依靠分析師及類似的邏輯在操作，是一個投資市場。A股散戶居多，還處於各種劃線，圖表，聽消息，跟風的階段，分析師報告，一是很多人看不懂，二是看懂了也真沒用。市場的邏輯，不符合分析的邏輯。這就導致分析的價值有限，進而kensho中國版的價值有限。

2，對於智能投顧的理解。A股市場大家一講智能投顧，就是抓漲停，抓黑馬。殊不知，這和永動機，鍊金術有何區別，可望而不可及啊。

kensho的價值，在於從紛雜的信息中，高效獲得認知。至於投資，還是仁者見仁的藝術，至少目前還是。

關於作者：魏佳斌，互聯網產品/技術總監，北京大學光華管理學院（MBA）,特許金融分析師（CFA）。深度關注互聯網發展趨勢，AI金融量化。致力於使用最新的人工智慧技術去理解經濟、金融，實現信息增值。

掃描下方二維碼，關註：AI量化實驗室（ailabx），了解AI量化最前沿技術、資訊。