提起基金经理，大家的印象可能每天“盯盘”，在涨涨跌跌中发现投资机会。

提起AI投资，也许你会想机器人会直接提示买哪支股票，那事实真的如此吗？

01 作为基金经理，需要每天盯盘吗？

其实很多人对基金经理固有的印象就是每天坐在电脑前，盯着好几个电脑屏幕看盘，其实大多时间并不是这样的。相对于每日涨跌，基金经理更关心一个更为长期的趋势。

股价每日的涨跌会受到方方面面因素的影响，比如突发的事件，个人流动性的需求等等。而从长期来看，股票的价格大致会回到与基本面和合理的估值匹配的区间。所以在当下，基金经理会按照既定的方向和标准，去寻找那些更为合适的长期投资机会。

与其他基金经理不同的是，查晓磊博士每日最重要的事情是：“自我学习”和“训练机器人学习”。

作为智能权益投资部的负责人，他需要不断的自我学习，让自己紧跟行业变动，市场变动，及时了解资本市场变动，做出合适的决策。

另一方面，查晓磊博士需要作为机器人的“教练”，帮助这些机器人进化。这些机器人像一个个“能思考”、“会学习”的学员，它们需要学习的“科目”不一样，有的学习大类资产配置、有的学习行业研究、有的仅仅去钻研一只股票，还有的学习识别市场情绪等等。

它们学习的阶段也不一样，有的上线了好几年，是个成熟的“机器人了”，有的刚刚开始输入信息，还是个“小学生”。在这个过程中，研究员们也会充当各个行业机器人的“教练”，让机器人按照他们的“思路”去学习。

02 AI机器人会代替人类吗？

就当前来看，AI机器人很难代替人类，因为AI机器人本身不创造智慧，需要学习人类智慧。但是机器人也有其优于人类的地方，例如海量数据处理。AI机器人与人类之间是各取所长，相互合作的关系。

人类在逻辑推演方面是有优势的，小样本的数据识别处理效率是高于机器的，例如教一个孩子认识哪个是小猫，哪个是小狗，一般教他2-3遍基本可以认识了。但同样的教会一个机器人识别小猫还是小狗，它需要通过无数次的计算、识别和确认。

但是这个样本数据变大后，人类就无法快速记忆分析并得出结论，正如很多金融公式一般，用机器分析的效率要远远大于人类。

另外，机器人还能在大量数据中，分析出其中的隐藏关系。曾经有人利用AI分析大型商超的商品之间联系，发现同一订单中买尿不湿和买啤酒经常一起出现。从而改变货架摆设，卖尿不湿旁边放着促销的啤酒，从而带动销售。而这个隐藏的逻辑，是从海量数据分析中发现的。

所以在实际运用中，AI（人工智能）和HI（人类智慧）需要各取所长，互相配合，从而实现1+1>2的效果。

03 当前机器人可以提前识别市场情绪吗？

市场情绪对投资非常重要，情绪好的时候，风险偏好比较高，市场有可能会连续上涨。但情绪的度量，是一个相对困难的问题，它受到众多因素影响，是一个不容易量化的指标。当然换手率可以一定程度上反映市场情绪，换手率越高，市场情绪越高，但它是一个偏向同步甚至说是一个相对滞后的指标。

由于技术进步，当下可以利用AI进行文本分析，分析社交媒体、社区、论坛的语言表达，从而判断市场中乐观的情绪多，还是悲观的情绪多，还是投资者比较淡定。例如，最近发帖的人都在抱怨：股票又跌了！跌的好惨！又吃面了！此外，还可以分析社群“表情包”，跟帖评论，从而解读出投资者情绪随着时间的一个变化。

这样一来，可以在分析的过程中，提前感知市场的一个情绪变动，进而做出投资决策。

04 听机器人的？还是听研究员的？

我们内部是很鼓励研究员去挑战AI机器人的。当AI机器人提示一个投资信号时，研究员觉得不对的时候，我们是鼓励研究员大胆提出来的。人提出一些有别于机器算法的逻辑，对于机器人来说，其实是一件好事，人提出后是有一套方案的，这样一来可以帮助机器人进行进化，变得更“聪明了。

就像你告诉一个小孩子，这不是小猫而是小狗，因为它的耳朵不一样等等，这样几轮下来，机器会变得更“智能”。这个过程同时也会激励研究员，思考一些“常规之外的东西”,而这对投资至关重要。这样一来，AI机器人和研究员共同进步。

在对研究员考核的时候，不仅考核其作为“分析师”的能力，包括分析未来的发展空间，推荐一些优质的股票等，还要考核作为“教练”的能力，在日常中，鼓励研究员将自身的研究思路输入到机器人的“脑子”里，需要研究员去拆解推荐的股票背后的“逻辑”是什么？研究一类公司会涉及到哪些数据？数据是如何映射到基本面？进而从基本面如何映射到股价变化?这其中的“传递链条”，是需要研究员讲清楚讲明白的，而不仅仅是一个最终的结果，推荐哪支股票。推荐股票是对研究员最基本的要求，拆解逻辑链条是最重要的，难度也更高一些。

如果整个投资传导的链条拆解的比较清楚，对于未来投资大有裨益。能够将偶然的投资机会，变成未来可以重复利用的经验。投资更讲求长期，投资经验的可追溯，能够在相同机会出现的时候，实现经验的“复制”，从而更好的把握投资机会。

回到研究员训练的机器人，他们的风格差异其实不明显，但是行业差异还是挺大的。基于行业本身的巨大差异，训练出来的机器人，在识别数据，逻辑推导时，“脑回路”是不一样的。例如周期股的研究员训练出来的机器人和消费股研究员训练出来的就不一样，买卖逻辑不一样，观测的数据也不一样，最终机器人具有哪些“特长”，和研究员有关，更与行业本身有关系。

风险提示

风险提示：本材料不构成任何投资建议，投资者在投资前请参阅本公司在中国证监会指定信息披露媒体发布的正式公告和有关信息。投资人应当认真阅读《基金合同》、《招募说明书》等基金法律文件，了解基金的风险收益特征，并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应。人工智能投资存在固有缺陷，投资者应当充分了解基金运用人工智能投资的风险收益特征。本材料不构成投资建议，基金有风险，投资需谨慎。本产品由浙商基金发行与管理，销售机构不承担产品的投资、兑付和风险管理责任。