不经意之间，让人失望了许久的中国股市又火起来了，近一个月以来，沪市从2400多点直逼3000点，一时间人心躁动，股票涨跌又成了街头巷尾茶余饭后热议的话题。
由于市场的不规范以及股民投资能力的限制，不少人在这波财富浪潮中，难免成为韭菜。即使专业的投资者，面对纷繁复杂的行业信息、股市信息，也难免有种无力感。
这种情况下，智能投研业务逐渐兴起。AI技术能否真正帮助投资进行股市分析和决策，甚至直接进行投资？本期周报我们一起了解一下智能投研这个领域。
一．前沿领域深度解析
行业纵览
1）智能投研是目前AI在证券投资领域的具体应用，这个概念经常与智能投顾、量化投资相混淆。三方面不尽相同，又有交叉点。
用AI等技术辅助进行股票、债券、基金等证券的投资，就是智能投研，投资标的目前以股票为主，主要服务B端投资客户。智能投顾主要是为C端用户提供资产配置方案，一般不会针对某项具体资产推出评估服务，而是在不同资产中确定投资比例，服务C端居多，配置的领域主要是基金，为客户提供股票领域投资建议与资产配置的智能投顾比较少。
量化投资是基于投资理念和投资理论、偏好，形成数量化的投资模型，计算可量化的投资机会，构建投资组合，并用计算机程序来完成交易。量化投资与AI并无必然联系，但AI出现后，其强大的数据处理能力可以帮助量化投资提高计算效率，可以认为，智能投研过程中，有AI支持的量化投资过程，但这不是智能投研的全部。另外，量化投资主要体现在交易环节，按照拟定的模型和程序完成交易，而智能投研主要体现在交易之前的投资研究和决策的过程。
2）投资研究过程中，突出的痛点是大量的信息无法被投资者获取，即使获取了也没办法进行全面、快速的分析从而得出结论，这使得投资领域的信息不对称比较严重。智能投研则是应用爬虫、NLP、知识图谱等技术，抓取、分析海量信息，构建关于宏观经济、具体行业、具体公司、历史表现、市场情绪等方面的知识体系，并形成一定的判断规则，来辅助投资者更加了解与投资有关的信息，形成选股模型、择时模型、风险预判模型等工具，进而得出更加科学化、理性化的投资结论。具体的技术应用包括量价数据分析、文本数据分析、知识图谱及推理、预测模拟与决策等。
3）在功能上，智能投研有低阶功能与高阶功能。低阶功能主要是在文本解析的基础上，提供投资信息查询、搜索、推荐等功能，如投资者关注柔性屏概念股，AI短时间内为用户提供与柔性屏相关的股票列表，甚至按与概念的关系强弱来排序。这些功能AI实现起来比较顺畅。此外还有财报信息的可视化、企业与行业信息的图谱等，也都比较容易实现，门槛也不高。目前很多投资机构都联合开发或者购买了这类服务。以太平洋保险投资部门与深圳智搜Giiso公司设计的智能投研平台方案为例，其智能投研平台主要是研报智能管理系统，实现研报的智能搜索、自动分类、摘要生成及研报写作。
高阶功能主要是在信息收集整合与分析的基础上，按照投资理论与投资理念，形成投资模型，包括选股、择时、风险预警等，预测大盘以及个股走势。这一类的智能投研业务在行业中属于正在探索的阶段，毕竟这类产品开发需要海量的数据以及良好的建模能力。
一些技术公司与投资领域的公司在这方面展开合作，2017年6月，华夏基金与微软亚研院曾就智能投资展开合作，研究方向包括通过模式识别预测市场走势、基于深度学习挖掘影响市场的重要因素、基于机器学习方法论进行行业轮动的研究、基于大数据构建金融图谱等。
百度金融与易方达基金在2018年初联合推出“易百智能量化策略灵活配置基金”，结合百度的搜索数据，构建因子库与机器学习策略组合，判断投资热点，构建量化选股模型。蚂蚁金服在赋能基金公司的解决方案中，也有类似的技术服务。基金大佬肖风创立的金融科技公司通联数据也提出了智能投研服务萝卜投研。
京东数字科技在今年2月推出了资管科技系统“JT²智管有方”，在智能投资板块，结合京东的数据，以及机器学习技术，形成智能研究体系、资产评价工具，为机构提供风险分析工具。以其中的指数研究产品为例，指数产品主要包括：覆盖12个一级行业、73个二级行业、143个三级行业国内线上销售情况的消费大数据指数；监测企业景气度的中小微企业地区发展指数等，辅助投资决策。
从大企业的布局看，智能投研正在成为这些公司数据资源与数据能力变现的工具，为资产定价提供支持，自身则从数据与模型的输出中获取收益。
不过就效果来看，AI技术在提高收益率方面的效果还没得到充分体现。数据显示，“易百智能量化策略灵活配置基金”近一年跌幅为15%左右。就大盘来看，今日沪市指数在2990点附近，一年前的今天沪市指数为3273.75点，跌幅在9%左右。这只AI选股概念的基金并未跑赢大盘。当然，这跟基金经理的操作、选股理念等等都有关系，并不一定是技术的不足。
4）智能投研领域初步形成了赛道，已经有不少公司获得融资。企名片提供的数据显示，截止2018年11月，智能投研赛道融资事件达38起，融资金额为58亿人民币，投资阶段多集中在A轮及以前。有34家机构入场参与投资，包括阿里巴巴、蚂蚁金服、小米科技和京东数科，这四家公司分别投资了弘量研究、阿法金融、熵简科技和数库。
以下是融资金额比较多的智能投研创业公司。
目前创业公司的服务主要集中在数据的自动化提取与分析、构架金融知识图谱、提供金融信息的智能搜索等方向，为投资机构提供支持。
在国外，知名的智能投研主要包括Kensho等。这个公司已在2018年初被标准普尔以5.5亿美元的价格收购。Kensho在汇集数据、自动化语义分析方面有很多积累，其算法分析数百万的市场数据发现相关性和套利机会，用户提出疑问后，Kensho搜索各种事件，比如药物审批、经济报告、货币政策变化、政治事件等，并评估它们将会对金融资产产生的影响，给出答案。Kensho曾准确预测英国脱欧公投结果，并给出英镑短期内不会复苏的投资结论。
服务C端用户的话，智能投研很难收费，建立盈利模式比较困难。此前以服务C端为主的智能投顾业务，目前发展停滞，曾经出现过的明星产品如蓝海智投等，早已销声匿迹。而推出智能投顾业务的商业银行，如招商银行等，也不再在智能投顾上投入更多精力。所以现在的智能投研大多不针对C端，基本都是在服务B端，即机构投资者，从中收取服务费用。
行业解析
1）就目前来看，AI还无法替代人类进行证券投资。AI与智能投研的作用在于，可以帮助基金经理等投资者提升智力上限，使信息获取与处理、投资决策等更加准确，也可以克服人类在认知等方面的缺点与不足，以及克服情感波动对投资的影响。另外，情感分析、图像与视频识别等，扩展了对非结构化数据的处理能力，也使得人可以从更多数据源中提取有效信息。
2）AI技术在证券投资领域的作用，目前还未有实质性的突破。现在的主要能力是海量数据的收集和处理、分析，这是目前AI技术的强项，可以辅助投研过程，但考虑的数据维度往往有限，还不能做到全面整合分析可能影响股价的信息，进而得出投资结论。
因为强大的数据计算与处理能力，AI可以战胜顶级的围棋高手。但投资与围棋不同之处在于，围棋每一步骤怎么下，可能性是有限的，可以通过穷举来分析，而投资领域，影响股价表现的因素是极其繁杂的，很难通过穷举来实现，一只股票的涨跌，会受到宏观经济中多种数据的影响，会受到自身所在行业与相关行业的运营情况的影响，会受到公司本身运营中各个环节的影响，AI能力虽强，但至少现在还不能综合考虑所有因素。
在不同的阶段，上述所提到的各种因素，对股价的影响大小又是不断变化的，如市场疲弱之时，股东减持行为对股价负面影响很大，企业的股票增发行为对股价负面影响也很大，但在市场强劲之时，减持行为的负面影响会很弱，企业的股票增发行为反而会被解读为利好信息。这些方面，AI目前都还无能为力去学习。此外，即使很有经验和专业知识的人也无法预测黑天鹅事件，AI更是没有这样能力。
市场会受到情绪与投资者行为的影响，多方博弈非常复杂，建模非常困难。投资者的行为特征对股价影响很大，但人的行为是很难预测的，提取人投资过程中的特征，让机器去学习，目前来看很难实现。因此除非AI技术再次取得极大突破，否则AI很难替代人做投资决策中的核心环节。
二．最新学术研究成果
在这个栏目里，我们来了解一下近期国内外具有代表性和创新性的前沿技术研究成果。
1.中科院专家首次证实单碱基编辑存在严重脱靶
中国科学院神经科学研究所、上海脑科学与类脑研究中心杨辉研究组与中国科学院上海营养与健康研究所隶属的计算生物学研究所李亦学研究组等合作者，3月1日在国际权威学术期刊《科学》上发表论文，提出了一种新型脱靶检测技术。
他们发现，设计良好的crispr/cas9并没有明显的脱靶效应。同时，他们在世界上首次证实一直以来被认为更加安全的单碱基编辑技术有可能导致大量无法预测的脱靶，存在严重的安全风险。
此研究显著提高了基因编辑技术脱靶检测的敏感性，能够发现之前的脱靶检测手段无法发现的完全随机的脱靶位点，为基因编辑工具的安全性评估带来了突破性的新工具，有望成为新的行业检测标准。
杨辉课题组与合作者建立了一种被命名为“goti”的脱靶检测技术。他们在小鼠受精卵分裂到两个细胞的时候，编辑了其中一个，并在dna上标记了红色荧光蛋白，这些标记也会携带在子代细胞里。在小鼠胚胎发育到14.5天时，利用流式细胞分选技术，分选出被编辑过的细胞和没有被编辑过的细胞，再进行全基因组测序比较两组差异。
借助于goti系统，研究人员先检测了crispr/cas9系统。结果发现，设计良好的crispr/cas9并没有明显的脱靶效应，这个结果结束了之前对于crispr/cas9脱靶率的争议。
研究人员发现，以be3为代表的单碱基编辑脱靶率非常高，比自然突变高出了20倍之多。be3因为不产生dna双链断裂，一直以来被认为更安全，也从未发现过明显的脱靶问题。然而，这次研究发现，be3存在非常严重的脱靶，而且大多出现在传统脱靶预测认为不太可能出现脱靶的位点，部分脱靶位点甚至出现在了抑癌基因上，因此be3有着很大的安全隐患，目前不适合作为临床技术。
观点：脱靶有可能会给手术对象带来极大危险，所以搞清楚基因脱靶率非常重要。这次中国专家的成果非常重要，因为缺少令人都信服的脱靶检测技术，脱靶问题被广泛讨论，基因编辑也徘徊不前，这样的研究成果可能会带来帮助。
2.MIT新芯片帮自动驾驶汽车穿越浓雾
据机器之心报道，麻省理工学院的研究人员近日开发出了一种利用频率为亚太赫兹的波进行物体检测的芯片，它可以与基于光的图像传感器相结合，帮助无人驾驶汽车穿过浓雾。
亚太赫兹波的波长在电磁波谱上介于微波和红外辐射之间，它可以很容易地穿过雾和尘云被探测到，而用于自动驾驶汽车的基于红外的激光雷达成像系统则很难在这种情况下被探测到。为了探测物体，亚太赫兹成像系统通过发射器发送初始信号；然后接收器会测量反弹的亚太赫兹波的吸收和反射情况。该系统会向重建物体图像的处理器发送一个信号。
然而，将亚太赫兹传感器应用于无人驾驶汽车是具有挑战性的。敏感、准确的物体识别需要从接收端到处理器的强输出基带信号。由产生这种信号的离散元件组成的传统系统体积庞大、成本高昂。目前也有更小的片上传感器阵列，但它们产生的信号较为微弱。
MIT研究人员介绍了一种片上二维亚太赫兹波接收阵列，这种阵列的灵敏度要高几个数量级，意味着在存在大量信号噪声的情况下，它可以更好地捕捉和解释亚太赫兹波。
为了达到这一目标，他们实现了一种被称为外差探测器的独立的信号混合像素方案，它通常很难被密集地集成到芯片中。研究人员大幅缩小了外差式探测器的尺寸，从而使许多探测器可以被嵌入到芯片中。解决这一问题的诀窍在于创建一个紧凑的多用途组件，该组件可以同时降低混合输入信号、同步像素阵列，并生成强输出基带信号。
研究人员构建了一个将 32-像素阵列集成在 1.2 平方毫米的设备上的原型系统。这些像素大约比当今最好的片上亚太赫兹阵列传感器灵敏 4300 倍。随着进一步的发展，这种芯片有可能被用于无人驾驶汽车和自动机器人。
论文的联合作者、学院微系统技术实验室太赫兹集成电研究组负责人、电机工程与计算机科学副教授 Ruonan Han 表示，这项工作的一个很大动机是为自动驾驶车辆和无人机提供更好的电子眼。当环境恶劣时，我们的低成本片上亚太赫兹传感器将对激光雷达起到补充作用。
观点：不能适应复杂气候环境是自动驾驶汽车发展面临的一大难题。能够让自动驾驶汽车在浓雾天气安全行驶，需要在光学、传感器、芯片、算法等方面，取得突破。此次MIT的芯片是其系列研究的一部分，此前MIT)的研究团队还开发了一套基于LIDAR的深度感知系统，使就算物体隐藏在人类肉眼难以望穿的浓雾背后，系统也能测定物体的距离和形状。
评论