日线级K线，学习规模超过1000万条；1分钟级K线，学习规模超过15亿条；逐步盘口数据，学习规模超过250亿条；5秒内评估新闻、信息对股票的情绪性影响程度……人工智能正强势入局资管行业的核心投研领域，人脑与电脑的比拼战已经打响。

　　天马资产董事长康晓阳通晓投资要义，以价值投资为本，早已在A股投资圈功成名就。殊不知，康晓阳还是一位具有远见卓识的领航人，三年前就大刀阔斧组建AI投资开发团队，完善机器学习。和香港子公司天马香港一道，康晓阳还同步在A股、美股、港股和日股进行实盘测试和实盘交易。

　　据悉，2019年年中，康晓阳带着四位特训机器人再闯股市，推出以低波动、适当收益为目标的全AI产品，天马资产A股产品、天马香港港股产品中交付AI管理的资金达到15亿元人民币。

　　康晓阳表示，在选股方面，天马资产保留了研究团队，实现了人和量化基本面数据策略共同维护股票池的模式。而在择时交易和风控执行方面，已完全交由机器人执行交易订单，人工交易员不再参与。

　　打上经验的烙印

　　将数据因子升级至投资特征值

　　数据是量化投资的根本，一切投资策略都建立在数据基础之上。康晓阳说：“包括上市公司营业收入增长率、股价K线和市场均值等在内的数据，形成了一个庞大的原始数据库，是机器学习的起点。”

　　一般来说，普通量化投资通过多种途径获取金融数据，同样有一套系统全面的基础数据库，进而分析市场情绪、公司基本面等情况。与此不同的是，天马资产在收集因子入库时，已经将投资经验表现在数据中，升级为投资特征值。这意味着，在基础数据库中，该公司优化了数据信息，提高了数据的有效性。

　　关于特征值，康晓阳作了一个形象的比喻，好比让机器学习人物审美，把人物照片切分成小块，因子是额头高度、鼻梁长度、下颏长度、肤色均匀度等信息。“在此基础上，给因子增加一套统计规律，升级为特征值之后，就加入了人的理解和判断。我们用‘三庭’经验作为审美判断，即从发际线至眉骨、从眉骨至鼻底、从鼻底至下颏的三个线段的比值，理想状况是1:1:1，达到美的标准。通过‘三庭’特征值信息寻找规律，远比因子数据更能体现审美。”

　　“就股票而言，以个股ROE因子为例，可以体现出很多信息。”康晓阳表示，如果用特征值来审视，将个股ROE加入人的经验判断，会进行横向和纵向的对比，比如个股ROE连续八个季度的变化、比较同行业其他公司的变动情况等。“经过比较之后，如果个股ROE显示出增长，但其他同类公司增长更快，我们对其特征值仍会打上负面数值。”

　　在康晓阳看来，在机器学习算法原理公开的背景下，特征值的设计能力才是机器学习效果差异的源头。“基于人的经验和逻辑加工出来的特征值，一定程度上可以提高机器学习的效率。同时由于逻辑的存在，可以对机器学习结果进行更好的检查，降低量化投资中过度拟合以及黑箱效应等问题。”

　　量化分析之王、全球量化投资顶尖的对冲基金D.E.Shaw（德邵集团）也同样认为，决定机器学习成功与否的重要因素，就是所使用的特征值。

　　“四大金刚”机器人构建不同投资组合

　　据介绍，“四大金刚”是四个不同交易择时策略的机器人，其核心原理是在交易胜率、赔率两个基础结果评价上进行机器学习的设计。根据康晓阳的设计，四个机器人通过判断个股特征值给予相应分数，根据四个机器人不同的权重设置，构建了不同产品的投资组合。四个机器人按照不同的功能，被分别命名为机器人Forest、机器人Bridge、机器人Mountain和机器人March。

　　对于机器人Forest而言，设计的目标是追求最高的交易胜率。康晓阳解释道，就是根据人的经验给机器人挑选特征值。比如，强势股缩量回调后买入是一种常见的交易行为，也是交易胜率比较高的技术形态特征。

　　康晓阳表示，在实际设置中，将强势股的形态特征值转换为机器人Forest可以读取数据，再结合其他市场类特征值进行综合判断。总体而言，机器学习根据特征值和结果寻找规律，摸索出一些特定的投资范式，形成对交易胜率的预测。“在投资策略上，我们选择预测交易胜率高的标的交易，构建投资组合。”

　　就机器人Bridge、机器人Mountain而言，康晓阳表示，在技术上对趋势交易系统进行设计，选择了部分与趋势交易相关程度高的特征值给机器学习，其学习目标是追求最佳的盈亏比，比如盈利股票的平均涨幅、亏损股票的平均涨幅等。

　　康晓阳表示，就测试、实盘结果来看，由于原始的趋势交易信号胜率不足40%，最终反映在盈利上不够理想，因此从两个方向用机器学习进行了改进。“Bridge在选股方面进行了强化，优中选优，通过选股来优化赔率。而Mountain增加了信号过滤逻辑，通过信号回避了风险收益比不高的交易。经过改造后的机器人，在2018年2月到11月期间，Mountain几乎空仓，没有触发交易。”

　　还有一个机器人March，则采取反趋势交易系统策略。据康晓阳分析，在A股市场做多为主的背景下，机器人寻找左侧交易机会，即个股下跌后的上涨机会。“在提供所需特征值和大量左侧交易结果进行学习之后，March形成了反趋势交易的预测能力。”

　　康晓阳直言，在一定意义上，可以把四个策略机器人理解为特点鲜明、一致性强的投资经理。从未来的商业模式来看，天马资产可以开发出类似于MOM、FOF产品，根据产品设计的投资收益、波动要求，匹配不同的机器人组合。“一方面可以更好地应对市场环境，平滑收益、降低回撤。另一方面，产品投资策略的容量也将更大，做更加个性化的开发优化，提供定制化的产品。”

　　采取“人+机器”模式

　　追求长期稳定的投资收益

　　在谈到公司理念时，康晓阳表示，通过“人+机器”的模式，追求经过风险调整后的长期、稳定回报。“采用机器学习这一投资工具，核心是更有效率地体现我们的投资逻辑。”

　　结合20余年的投资经验，康晓阳认为投资需要做好选股、择时和风控，并提升三个环节的有效性。“基于个股基本面决定选股，根据市场决定交易时机进行择时，这两个环节共同创造投资的Alpha（阿尔法）。而对于控制净值的回撤和波动，则通过风险评估预测决定仓位高低。”

　　在康晓阳看来，要在投资三大环节的执行过程中，发挥人的创造性和逻辑能力，以及机器（AI）学习、实盘交易习得的执行力和效率，实现优势互补。

　　在选股方面，康晓阳表示，该公司传统优势是对必需消费品、医药以及消费电子科技板块的覆盖，在延续优势的基础上，目前已将基本面数据库延伸至沪深300股票池的全行业覆盖。

　　康晓阳认为，从目前市场环境来看，研究员应该更关注股票池的风险排除。“在商业模式、盈利质量等维度排除可能的风险，进而精选个股，寻求在市场上涨阶段涨幅相对更大的个股，以及在市场下跌阶段跌幅相对较小的个股。”

　　对于择时交易，康晓阳表示，不再是人为的研判大势，而是制定大类资产的配比，仓位配置上采取高度分散的组合投资。“以10亿规模的产品为例，如果是单一策略机器人管理产品，可以设计为50只股票的持仓上限，每只股票2000万元。但是，就我们的机器人产品来说，如果以120只个股作为基础股票池，其中只有5只股票的预测值满足买入要求，那么仓位规模则是1亿元。相比传统主动管理，AI产品的仓位变动区间会比较大。”

　　据悉，天马资产建立了“人+机器”的风险控制体系，并采取了三大技术手段。其中，交易过程控制包括最大持仓、期限管理、动态止盈止损等，事件跟踪技术包括黑名单、红名单、舆情实时监控、舆情语义识别等，环境动态监控技术包括市场环境识别、波动率跟踪分析、激进和保守策略切换等。

　　整体来看，康晓阳表示，一旦产品净值出现较大回撤而触发风控，AI交易会从选股、择时、风控三个方面进行相应的调整。譬如提高对基础池股票入池的量化评分要求，降低单个标的持仓，切换保守策略，增加风险收益比要求更高的机器人类型持仓比例等。