雷鋒網3月13日報導， 在日前於武漢舉辦的申萬宏源投資高峰論壇上， 通聯資料王政就“投資科技與科學投資”做了主題演講。
王政，
王政表示， 投資科技是跨界的工作， 需要把投資專業知識和邏輯與技術更好地結合起來， 它需要具備幾個核心的要素：第一是一定要有專業的投資研究理解， 只有這樣理解的基礎上才能把技術用來解決投資中的問題。 第二是需要有人工智慧這樣的核心工具， 説明解決大資料時代中各種各樣的問題。
以下是王政演講內容， 雷鋒網做了不改變原意的編輯：
今天我本來想用大的題目金融科技（FinTech）， 這個東西太火了， 但因為金融科技涉及面太廣，
什麼是投資科技（InvesTech）？
為什麼叫投資科技（InvesTech）呢， 跟IT有點差異性。 投資科技的縮寫還是IT， 看起來沒有什麼區別， 其實投資科技和IT還是有本質區別的， IT幫助我們解決工作上的一些問題， 投資科技更多是跨界的工作， 需要把投資專業知識和邏輯與技術更好結合起來。 這裡面有幾個核心的要素需要具備：
第一是一定要有專業的投資研究理解， 只有這樣理解的基礎上才能把技術用來解決投資中的問題。
第二是需要有人工智慧這樣的核心工具， 説明我們解決大資料時代中各種各樣的問題。
科技在投資領域的應用不是什麼新鮮的事情， 早期我們用科技來提升資訊傳輸的速度，
投資科技的核心基礎有三個技術非常重要， 一是雲計算， 二是大資料， 還有最核心的人工智慧。
雲計算説明我們解決計算的能力和存儲路徑， 在此能力基礎上我們才能夠採集更多的資訊， 才能把更多的資訊存儲下來， 才有我們現在講的大資料。
有了大資料之後， 我們對用機器處理資料的需求越來越高， 而且有這樣的樣本以後去學習的精確度會越來越提升。
大資料的產生歸納為三個維度：
第一個是關於物的資訊， 我們記錄下各種設備的位置。
第二個是關於人的資訊， 每個人都有手機， 這個手機有很多資訊， 我們的位置， 我們每天走了多少步， 我們在什麼地方消費了， 所有人的資訊都會被收集下來。
第三個是環境的資訊， 低軌衛星的發展可以讓我們收集到更多環境的資訊， 我們也和美國衛星採集公司合作， 我們要看新疆光伏場地的資訊， 不需要親自去了， 用低軌衛星的照片就可以看到， 每隔幾天掃描一次， 可以説明我們做更高層的研究。
大資料不僅僅是講資料多少的問題， 更多是在資料的維度上擴展。
如果僅僅是行情資料，
公開資料， 網上都可以看見， 它的挑戰是什麼呢？需要技術把這些資料清洗乾淨處理好， 為我們提供了多維度的資訊， 同時及時性也提高了， 可以通過高速的處理平臺引入到我們的模型中。 一個是廣度， 一個是速度， 為我們提供了更多的投資價值。
投資科技最核心的技術是人工智慧， 不僅僅是技術的升級，更多是改變我們服務的模式。有了人工智慧，我們可以做很多場景化的服務，精准行銷可以知道某個點需要什麼東西，做研究和投資也是一樣的，機器可以幫助你識別一些感興趣的東西。服務的模式也會跟以前不一樣，有了人工智慧以後，我們做智慧投顧，完全是場景化、個性化的服務。
投資科技比較大的應用領域，投資科技比較大的應用領域，是智慧投研和智慧投顧，幫助大家提升效率，把基本面和量化結合來做研究，用於資產管理行業。
投資科技如何幫我們做科學投資？
很多年前記得有一門課，最核心的一點就是從藝術到科學，所有模型都是用科學的方式來做，所以招了很多學理工科的做研究員。目的就是基於一定的投資邏輯構建出模型，能夠實證分析，不僅樣本有效，而且樣本外也可以有用。用非常嚴格的流程和方法來做投資，這就是早期量化投資在做科學投資很核心的點。我們做指數投資，其實就是科學投資的方法，只是用了組合投資的概念。現在發展到新的階段，有點像組合的組合了。
隨著技術的發展，量化投資的引入進入了工業時代的階段，我們會找一個團隊，有研究員，有做資料的，有做基金管理的，一個團體在科學的流程下完成投資管理任務。這個階段有點像工業時代的流水線，整個效率大幅度提升，重複性比主動投資強很多。
現在隨著資料的增加，資料化程度提升，我們已經進入了資訊時代。資訊時代資料這麼多，存儲到各種各樣的資源上，如果想繼續用量化的方式一個個來構建，這個工作是非常大的，在座各位積累到那個程度需要很多的精力和時間。逐漸的，我們開始要借助技術，教機器去歸納和總結，機器沒有人這樣的創造性思維，但可以做很多以前人所思考的東西，智慧投資機器的概念越來越流行。
概括來講，第一個階段不需要任何設備輔助可以做投資，第二個階段可以教機器技能，就按照你交代它的事情去做。到現在，更多是想辦法教機器去學習，逐漸説明我們提取我們所需要的知識和關係。
資訊處理上，每一個研究員會面臨著讀很多的公告，公告作為資訊的主要來源，每個研究員，無論是基本面還是量化的都會關注。每個公告來了都是一百頁甚至更長，怎麼樣把公告的資訊快速讀取，這是很有考驗的，但是機器可以説明我們做文本處理，提取非常有價值的資訊。
第二，所有資訊來了以後有很多關聯關係，人去建立這樣的關係是可以的，但是精力不夠，機器就可以很快建立這樣的關聯關係，以及用模型幫你建立起關聯關係的強度。
第三是主題發現，我們經常做主題，怎麼樣從大量資訊挖掘出新的亮點和主題，我們無法從這麼多東西總結出特定的主題來，這些主題又和哪些公司有關係，這是我們很關注的，怎麼樣匹配出這些公司來，這是文本方面。
第四，情緒分析，一篇文本資訊的情緒怎麼樣測算，一段語言的情緒怎麼樣測算，都是可以通過電腦來測算。
傳統金融機構如何向科學投資轉型
在這裡對科學投資的一點點個人理解和大家分享。
第一個是在理念上要有所改變。
我們要從傳統的量化投資向智慧投資方向改變，不能簡單靠傳統研究各種各樣的模型，這個模型可能有價值，但隨著資料的增加，這樣的工作會非常漫長。
以前的量化投資找市場共性工作流程，發展到研究某個行業、研究個股的模型，從共性到個性進行有規律的總結，每個股票也有規律。以前的模型資料比較好，IC比較高，但隨著資料越來越多，資料資訊準確度越來越低。要從高IC到低IC，要接受IC比較低的信號，我們要通過很多的信號來選取IC。
此外是從單點到全域的轉變。原來我們看的都是定義指標，抽取每個股票單點資訊，儘管組合起來，但還是不夠全面，我們要從公司全貌來看。有些資訊可能還需要我們做非結構化到結構化的過程，我們希望把公司更全面的去看特徵。
最後是從固定範本到動態學習，原來一個模型可能是做好一直在運行，需要花很長時間修改範本，未來學習機器説明我們動態學習和提升。
第二，資料的維度上要改變思考。
首先，以前的資料都是特定的資料專而精，現在要朝著全樣本的角度發展，這樣會更加科學更加合理。
其次，以前的資料都是定時發生，現在要從定時發生的資料到即時發生，在我們的模型中去反映出來、體現出來，要求有動態反映即時資訊的能力。
再次，我們要接受低密度資訊的趨勢，以後很多很多的資訊密度會越來越低，以前是高含金量的礦石，現在是低含金量的礦石，怎麼樣從裡面篩取真正有價值的資訊，這需要投資科技説明我們解決。
第三，要關注對平臺的重視。
現在所有做量化的，還是傾向於自己建量化研究系統，但隨著資料的增加，計算能力需求加大，所有的都是自己建，這種可能性越來越低。未來一定要共用外部資源，幫助你做很多事情，包括計算資源、存儲資源、資料資源，甚至你的信號都可以應用外面的信號，説明你提升研究能力。
第二個是我們要接受公有雲的服務，以前什麼東西都是自己建設，用100個機器幫你建模型不太現實，公有雲發展越來越成熟，也越來越安全。
第三個是從全方位到專業化，我們現在做投資什麼都要自己弄，其實把很多精力花在不應該的地方，每個人應該專注於核心能力，業務上哪塊最強就應該集中精力。互聯網時代最大的變化就是能夠快速共用很多資源，所以要從全方位什麼都幹到專注到某點共用外部資源。
最後是從產品發行的模式向場景化服務的模式轉換。傳統基金管理投資還是發個產品去賣去銷售，未來投資者更關注這個時候需要什麼，你就給我提供什麼服務。就像現在賣保險，不是像以前給你一個單子去填，你在哪裡買了機票，就來個延誤險，這個場景就要提供服務，而且是特定的服務。半個小時要登機了，敢不敢賣這個保險。阿裡巴巴的小額貸款，能夠即時給你貸款，就是因為有信用評估的能力，可以根據你的需要動態給你貸款。我們做投資，未來也是逐漸朝著這個方向發展。
這就是科學投資的理解，一個是理念，一個是資料，一個是平臺。
總結
最後的小結，投資科技給我們帶來的幫助無外乎三個方面，
一是説明我們做資訊處理。
第二個幫助我們構建機器學習。
第三個可以共用知識和研究。
從科學投資來講未來有三個階段，大家可能可以預見：
第一個是提升工作效率，怎麼樣做到專業搜索，讓你快速獲取想要的資訊。現在的資訊不是不夠，而是太多，這麼多的資訊裡面怎麼樣獲取精准需要的資訊，這就需要我們有專業垂直領域的搜索幫助我們解決問題。我們需要借助機器幫我們處理資訊。
第二個是幫助我們構建知識圖譜和模型，真的讓資料驅動我們投資，這是具有挑戰的。一旦用資料驅動投資，構建這樣機器的時候，那就是智慧投資的階段了。
最後我們有個願景，機器人基金經理，由機器人説明我們完成投資全流程。
據雷鋒網此前報導，通聯資料（DataYes）是萬向集團投資成立的一家金融資訊和投資管理服務公司，該公司希望通過大資料、雲計算、機器學習等資訊技術，為資產管理人提供新的金融資訊和投資研究資料分析服務。該公司旗下的蘿蔔投研，作為基本面研究平臺，主要研究怎麼樣把基本面和量化分析框架結合起來。此外，也有線上量化研究平臺，兩年前也研究了智慧投顧，主要在於分析用戶行為，匹配更加個性化的服務，而不是在市場上做短配置。
不僅僅是技術的升級，更多是改變我們服務的模式。有了人工智慧，我們可以做很多場景化的服務，精准行銷可以知道某個點需要什麼東西，做研究和投資也是一樣的，機器可以幫助你識別一些感興趣的東西。服務的模式也會跟以前不一樣，有了人工智慧以後，我們做智慧投顧，完全是場景化、個性化的服務。投資科技比較大的應用領域，投資科技比較大的應用領域，是智慧投研和智慧投顧，幫助大家提升效率，把基本面和量化結合來做研究，用於資產管理行業。
投資科技如何幫我們做科學投資？
很多年前記得有一門課，最核心的一點就是從藝術到科學，所有模型都是用科學的方式來做，所以招了很多學理工科的做研究員。目的就是基於一定的投資邏輯構建出模型，能夠實證分析，不僅樣本有效，而且樣本外也可以有用。用非常嚴格的流程和方法來做投資，這就是早期量化投資在做科學投資很核心的點。我們做指數投資，其實就是科學投資的方法，只是用了組合投資的概念。現在發展到新的階段，有點像組合的組合了。
隨著技術的發展，量化投資的引入進入了工業時代的階段，我們會找一個團隊，有研究員，有做資料的，有做基金管理的，一個團體在科學的流程下完成投資管理任務。這個階段有點像工業時代的流水線，整個效率大幅度提升，重複性比主動投資強很多。
現在隨著資料的增加，資料化程度提升，我們已經進入了資訊時代。資訊時代資料這麼多，存儲到各種各樣的資源上，如果想繼續用量化的方式一個個來構建，這個工作是非常大的，在座各位積累到那個程度需要很多的精力和時間。逐漸的，我們開始要借助技術，教機器去歸納和總結，機器沒有人這樣的創造性思維，但可以做很多以前人所思考的東西，智慧投資機器的概念越來越流行。
概括來講，第一個階段不需要任何設備輔助可以做投資，第二個階段可以教機器技能，就按照你交代它的事情去做。到現在，更多是想辦法教機器去學習，逐漸説明我們提取我們所需要的知識和關係。
資訊處理上，每一個研究員會面臨著讀很多的公告，公告作為資訊的主要來源，每個研究員，無論是基本面還是量化的都會關注。每個公告來了都是一百頁甚至更長，怎麼樣把公告的資訊快速讀取，這是很有考驗的，但是機器可以説明我們做文本處理，提取非常有價值的資訊。
第二，所有資訊來了以後有很多關聯關係，人去建立這樣的關係是可以的，但是精力不夠，機器就可以很快建立這樣的關聯關係，以及用模型幫你建立起關聯關係的強度。
第三是主題發現，我們經常做主題，怎麼樣從大量資訊挖掘出新的亮點和主題，我們無法從這麼多東西總結出特定的主題來，這些主題又和哪些公司有關係，這是我們很關注的，怎麼樣匹配出這些公司來，這是文本方面。
第四，情緒分析，一篇文本資訊的情緒怎麼樣測算，一段語言的情緒怎麼樣測算，都是可以通過電腦來測算。
傳統金融機構如何向科學投資轉型
在這裡對科學投資的一點點個人理解和大家分享。
第一個是在理念上要有所改變。
我們要從傳統的量化投資向智慧投資方向改變，不能簡單靠傳統研究各種各樣的模型，這個模型可能有價值，但隨著資料的增加，這樣的工作會非常漫長。
以前的量化投資找市場共性工作流程，發展到研究某個行業、研究個股的模型，從共性到個性進行有規律的總結，每個股票也有規律。以前的模型資料比較好，IC比較高，但隨著資料越來越多，資料資訊準確度越來越低。要從高IC到低IC，要接受IC比較低的信號，我們要通過很多的信號來選取IC。
此外是從單點到全域的轉變。原來我們看的都是定義指標，抽取每個股票單點資訊，儘管組合起來，但還是不夠全面，我們要從公司全貌來看。有些資訊可能還需要我們做非結構化到結構化的過程，我們希望把公司更全面的去看特徵。
最後是從固定範本到動態學習，原來一個模型可能是做好一直在運行，需要花很長時間修改範本，未來學習機器説明我們動態學習和提升。
第二，資料的維度上要改變思考。
首先，以前的資料都是特定的資料專而精，現在要朝著全樣本的角度發展，這樣會更加科學更加合理。
其次，以前的資料都是定時發生，現在要從定時發生的資料到即時發生，在我們的模型中去反映出來、體現出來，要求有動態反映即時資訊的能力。
再次，我們要接受低密度資訊的趨勢，以後很多很多的資訊密度會越來越低，以前是高含金量的礦石，現在是低含金量的礦石，怎麼樣從裡面篩取真正有價值的資訊，這需要投資科技説明我們解決。
第三，要關注對平臺的重視。
現在所有做量化的，還是傾向於自己建量化研究系統，但隨著資料的增加，計算能力需求加大，所有的都是自己建，這種可能性越來越低。未來一定要共用外部資源，幫助你做很多事情，包括計算資源、存儲資源、資料資源，甚至你的信號都可以應用外面的信號，説明你提升研究能力。
第二個是我們要接受公有雲的服務，以前什麼東西都是自己建設，用100個機器幫你建模型不太現實，公有雲發展越來越成熟，也越來越安全。
第三個是從全方位到專業化，我們現在做投資什麼都要自己弄，其實把很多精力花在不應該的地方，每個人應該專注於核心能力，業務上哪塊最強就應該集中精力。互聯網時代最大的變化就是能夠快速共用很多資源，所以要從全方位什麼都幹到專注到某點共用外部資源。
最後是從產品發行的模式向場景化服務的模式轉換。傳統基金管理投資還是發個產品去賣去銷售，未來投資者更關注這個時候需要什麼，你就給我提供什麼服務。就像現在賣保險，不是像以前給你一個單子去填，你在哪裡買了機票，就來個延誤險，這個場景就要提供服務，而且是特定的服務。半個小時要登機了，敢不敢賣這個保險。阿裡巴巴的小額貸款，能夠即時給你貸款，就是因為有信用評估的能力，可以根據你的需要動態給你貸款。我們做投資，未來也是逐漸朝著這個方向發展。
這就是科學投資的理解，一個是理念，一個是資料，一個是平臺。
總結
最後的小結，投資科技給我們帶來的幫助無外乎三個方面，
一是説明我們做資訊處理。
第二個幫助我們構建機器學習。
第三個可以共用知識和研究。
從科學投資來講未來有三個階段，大家可能可以預見：
第一個是提升工作效率，怎麼樣做到專業搜索，讓你快速獲取想要的資訊。現在的資訊不是不夠，而是太多，這麼多的資訊裡面怎麼樣獲取精准需要的資訊，這就需要我們有專業垂直領域的搜索幫助我們解決問題。我們需要借助機器幫我們處理資訊。
第二個是幫助我們構建知識圖譜和模型，真的讓資料驅動我們投資，這是具有挑戰的。一旦用資料驅動投資，構建這樣機器的時候，那就是智慧投資的階段了。
最後我們有個願景，機器人基金經理，由機器人説明我們完成投資全流程。
據雷鋒網此前報導，通聯資料（DataYes）是萬向集團投資成立的一家金融資訊和投資管理服務公司，該公司希望通過大資料、雲計算、機器學習等資訊技術，為資產管理人提供新的金融資訊和投資研究資料分析服務。該公司旗下的蘿蔔投研，作為基本面研究平臺，主要研究怎麼樣把基本面和量化分析框架結合起來。此外，也有線上量化研究平臺，兩年前也研究了智慧投顧，主要在於分析用戶行為，匹配更加個性化的服務，而不是在市場上做短配置。