1.1
智能证券投资学的提出

1.1.1 为什么提出智能证券投资学

科学技术的发展和社会的进步促进了学科的发展和交叉融合。人工智能和证券投资的发展已经走到了这一步，交叉学科智能证券投资学应时而生。

近年来人工智能的发展日新月异，一个著名的例子是在2016年3月，人工智能机器人AlphaGo，以4:1的总比分战胜了围棋世界冠军、职业九段棋手李世石，随后在2017年又以3:0的总比分战胜了世界排名第一的围棋冠军柯洁。可以说在双人棋类博弈最难的围棋方面，人类已经无法与人工智能技术相匹敌。那么，人工智能还能做什么？它的未来发展的更高层次在哪里？

AlphaGo毕竟局限于一个简单游戏，从参与者数量、博弈规则及博弈信息三个维度来看：围棋博弈的参与者数量只有两方，而现实的真实世界参与者往往众多；围棋的博弈规则简单明确，且规则不随博弈的进行发生改变；而真实世界里规则往往更复杂，甚至在不断改变；在围棋博弈的过程中，所有的信息对于对弈双方而言是完全公开的、完备（完全）的，而在真实世界里，信息经常是不完备的！人们必须在有限的、不完备的信息里作出决策。由此可见，人工智能从简单游戏场景到更复杂、更高层次的发展，需要在以上三维向众人博弈、复杂规则、非完备信息的真实世界提出挑战，而证券投资正是满足上述三维高层次要求的一个应用领域。

我国证券市场已经发展到新的时代，根据中国证券登记结算有限责任公司（简称“中国结算”，CSDC）报告，截止到2018年8月8日，我国的上市公司一共有3649家，证券投资者达14124.65万人；到2021年1月，证券投资者达17986.92万人，股票发行数量，上海：1821，深圳：2374；债券发行数：4734。面对这样大的一个证券投资市场所带来的海量信息，无论是坚持传统金融理论的“学院派”还是信仰实战打拼的“草根派”都越来越难以适应，人们迫切期望着能够提高其工作效率的工具，证券投资发展对人工智能的需求和呼声越来越高。

两个不同学科的发展形成了这个很有潜力的交叉学科：智能证券投资学。

1.1.2 什么是智能证券投资学

顾名思义，智能证券投资学属于人工智能和证券投资的交叉学科。首先定义一下什么是智能。Russell等人总结了人工智能的定义可分为四种：类人思维、理性思维、类人行为、理性行为，由于第四种定义理性行为智能体比较容易评估，大家普遍接受第四种，理性行为系统为人工智能系统。由此可见，理性投资是智能证券投资学必不可缺的一个作用，国家管理层也更鼓励理性投资理念。

智能证券投资学的另一个作用就是要提高效率，回顾人类发展历程，人们总是通过开发各种提高效率的工具来推动社会的进步，工业化、电子信息化无不如此，例如，我们最早开发的智能拼音汉字输入法[2，3]，用户只需要输入拼音串，计算机就能根据拼音的上下文信息自动处理同音字，由此来提高工作效率。而智能证券投资学的提出，也是要让计算机多做事，自动处理能做的事。

第三个作用就是适应不同人的各种要求，因为证券投资若想成交，一定会有看多、看空的区别，当不同的偏好碰撞到一起的时候才会产生交易，这可以称为个性化要求。

综上所述，智能证券投资学就是要提高人理性投资效率，其目的在于让计算机多做事，把人从简单重复的劳动中解放出来，更有效率地从事更高层次的决策判断工作。

智能证券投资学的三个作用是：理性投资、自动化、个性化。

1.1.3 如何实现智能证券投资

智能证券投资学是研究提高人理性投资效率的学问，其要点有三：“人”“理性投资”“提高效率”，人的描述在于个性化，提高效率的有效方法是自动化。由此，实现智能证券投资可以从两个方向或者说两条路线展开研究。

一、个性投资自动化

发展思路是：从人的角度出发，研究个人理性投资逐步向自动化发展，先归纳出人的一种理性投资的科学方法，再将该方法自顶向下逐步分解细化为多个人工任务，然后开发出自动系统替代上述尽可能多的人工任务。这一方法要解决的关键问题包括但并不限于以下三点。

（一）构造一个类人证券投资模型和方法。首先要对个人或机构从事证券投资的操作、方法、策略等进行总结，形成一个完整体系的投资模型和方法。其要点是：理性投资、科学归纳及能适应更广大的用户。

（二）对上述模型和方法自顶向下逐步分解细化为多个具体任务。

（三）对（二）中的细化部分，将其中可由计算机替代处理的部分抽象出来，尽可能由计算机实现，从而自底向上逐步提高自动化程度。

该方法主要从人的投资理念出发，通过计算机逐步实现或替代尽可能多的人工任务来实现证券投资的智能化，提高人的工作效率。

二、自动投资个性化

发展思路是：从自动系统角度出发，研究自动化由易到难逐步发展来适应不同人的个性偏好，先实现最低层次简单任务的自动投资智能体，逐步由低向高发展完成更为复杂任务的智能体以满足不同人群的需求。这一方法需要解决的关键问题包括但并不限于以下三种。

（一）构建自动投资层次体系。由于不同人对自动投资的要求不同，自动投资的难度不同，自动投资体系应该由低向高、由易向难划分不同层次，以满足各类用户的需求。

（二）构建面向上述不同层次任务的自动投资智能体，其结构可以分为感知量化（Sensing）、任务执行（Acting）、评测归因（Diagnosing）、学习进化（Improving）四个部分，取这四个部分对应英文单词的首字母组合起来，简称为SADI结构。感知量化是对外部世界感知的信息进行量化计算；任务执行是根据量化计算的概率和不同层次个人需求偏好作出的决策进行相关操作以便完成任务；评测归因是对智能体操作的结果评测并分析原因；学习进化是根据上述三部分的进程逐步改进和完善智能体。

（三）由低向高、由易向难逐步完成以上层次的智能投资系统，鉴于众口难调的多用户博弈环境，自动投资智能体会逐步演化为各种个性化智能系统，其中机器学习会起到重要作用。

这两条路线都在向前发展，它们在前进中必然相碰，产生很多的共通之处，具有同一任务环境的智能体在两个研究方向上都会发挥作用。

以下对这两方面逐一作简单介绍。