當特斯拉股價在Q3財報公布后逆市大漲時，不少投資者吃了一驚。大家沒有猜到特斯拉可以實現(xiàn)盈利。

不過，在華爾街某個角落的辦公室里，一些基金經(jīng)理卻并不感到意外。他們早就預判出特斯拉產(chǎn)量會大增，并且提前做了投資布局，而他們所使用的方法，卻與以往華爾街的判斷方法完全不同。

他們靠的是手機信號。

特斯拉 CEO 馬斯克一直強調(diào)自己的公司在加班加點生產(chǎn)，但特斯拉的工廠向來十分封閉，外界并無法確認這一信息。于是，一家叫做 Thasos Group 的金融科技公司想出一個辦法，他們在一張電子地圖上圍著特斯拉在東灣弗雷蒙特的工廠周圍畫了一個數(shù)碼地理圍欄，然后將GPS數(shù)據(jù)顯示來自這個圈里的手機信號數(shù)據(jù)都單獨圈了出來。

對這些數(shù)據(jù)的分析讓他們發(fā)現(xiàn)，今年6月到10月，特斯拉工廠的加班情況增長了30%。

Thasos 將這些數(shù)據(jù)和發(fā)現(xiàn)賣給華爾街的對沖基金們，他們據(jù)此加倉特斯拉，當特斯拉在財報后股價大漲10%時，這些金主只需要躺著數(shù)錢就行了。

數(shù)據(jù)就是金錢

人們都說數(shù)據(jù)對于未來人類社會，就是新的石油，它能驅(qū)動一切。而對于華爾街來說則更加直接，數(shù)據(jù)就是金錢。

金融行業(yè)，大家都在從大量的信息中尋找有價值的信息來構(gòu)建自己的模型，如果可以比別人更快更準地做出判斷，那么你就贏了。而互聯(lián)網(wǎng)科技的發(fā)展，讓越來越多以前無法收集的信息變成了可以分析的數(shù)據(jù)，同時，機器學習等人工智能技術(shù)，又讓分析數(shù)據(jù)，從這些雜亂無章的信息中找到規(guī)律的能力變得無比強大。

不只是人們的手機數(shù)據(jù)，華爾街的金融機構(gòu)們早已經(jīng)開始嘗試用AI分析社交網(wǎng)絡數(shù)據(jù)、用自然語義處理的技術(shù)分析那些枯燥的財報，甚至從電話會議里各個上市公司高管的語氣來判斷公司的前景。

曾在微軟擔任人工智能首席科學家的鄧力，在2017年就離開科技圈加入了美國知名的對沖基金Citadel。鄧力是人工智能，尤其是自然語言理解與語音識別技術(shù)的專家。他在 2009 年同 Geoffrey Hinton 教授一起，首次將深度神經(jīng)網(wǎng)絡應用到大規(guī)模語言識別中，引領(lǐng)了潮流。

“我現(xiàn)在就是把以前在自然語義等方面的研究，應用到金融方面?！惫栊侨嗽贏I Frontiers 大會上見到鄧力。他帶領(lǐng)的團隊正在嘗試使用自然語義處理等技術(shù)，把那些對與投資決策很重要的非結(jié)構(gòu)化數(shù)據(jù)變成可以放入投資交易模型的量化數(shù)據(jù)，從而提高投資表現(xiàn)，提高回報率。

除了像 Thasos 公司和鄧力的團隊這樣，在拓展數(shù)據(jù)來源上做各種新的嘗試，華爾街的金融機構(gòu)還在廣泛地引入機器學習等技術(shù)用于數(shù)據(jù)分析。而機器得出的結(jié)論往往被認為比那些投資大師還要靠譜。

今年早些時候，一家位于倫敦的對沖基金 Winton，就分析了過去半個世紀的9000多次美國大公司并購數(shù)據(jù)，并且證明了巴菲特的說法是錯誤的。

巴菲特曾經(jīng)表示，大型的收購會破壞公司的價值，但Winton的機器學習算法并不這么認為，他們的分析得出的結(jié)論正好相反。

所以，巴菲特的直覺，和強大的AI模型，你會相信哪一個呢？

AI 專家吃香 金融從業(yè)者失業(yè)？

越來越多的金融機構(gòu)在擁抱AI。這些機構(gòu)的日常運作就變成了這樣：

有經(jīng)驗的交易員和基金經(jīng)理們選擇出他們認為最重要的影響力因子，然后通過各種先進的數(shù)據(jù)收集方式得到這些因子對應的數(shù)據(jù)。之后，用機器學習模型來訓練和提高這些因子的準確性，從而能得到更準確的預判。

訓練之后，這些模型會由同樣是由機器運行的自動化交易系統(tǒng)里，對他們所持倉的股票作出買賣判斷。

如果這些模型對所投資的公司的某些數(shù)據(jù)的賭注“賭對了”，也就是比上市公司公開這些數(shù)據(jù)更早的判斷對了這些數(shù)據(jù)的變化，那么他們就會賺錢。

而很顯然，這里面更需要懂的機器學習等AI技術(shù)的人員，而傳統(tǒng)的分析師等崗位注定受到?jīng)_擊。

咨詢公司 Opimas 的一份報告就指出，由于人工智能的發(fā)展，金融業(yè)現(xiàn)存的30萬基金經(jīng)理，分析師，后臺員工等崗位，到2025年將減少9萬個。與此同時，AI 專家們開始受到華爾街熱捧，技術(shù)大牛們開始從硅谷流向華爾街。

“我從微軟加入Citadel，從一個科學家，變成了一個掌管著300億美元的對沖基金的高管。我都挺驚訝?！编嚵φf?！笆聦嵤?，我對金融一點都不懂?！?/p>

這些財大氣粗的華爾街巨頭并不需要他們的金融知識。鄧力在和招聘他的人聊了半天，并且自己又研究了一下對沖基金的基本運行方式后，得出一個簡單粗暴的結(jié)論：“他們就是希望我來幫忙找出垃圾嘛?！?

他口中的垃圾就是那些對投資并無參考意義的噪音，而鄧力的用詞與華爾街完全不同，給人滿滿的“硅谷入侵華爾街”的畫面感。

鄧力在2017年離開微軟，加盟Citadel后擔任“首席人工智能官”，這也是單獨為他新設(shè)立的職位。他透露，今年 Citadel 允許他在西雅圖設(shè)立了辦公室，專門“挖角”科技公司的人才?！爱斎唬也粫谖④??！彼_玩笑的說。

“我招人跟他們金融部門完全不同，這些候選人一點金融知識都不需要懂，我看重的是技術(shù)，是AI 和數(shù)據(jù)分析的能力。他只需要對金融有一點感覺，就完美了?！?

類似的，摩根大通最近請來了卡內(nèi)基梅隆大學機器學習系主任曼努埃拉·維羅索，來領(lǐng)導他們的人工智能研究實驗室。華盛頓大學計算機系的知名教授佩德羅·多明戈斯，加入了華爾街對沖基金DE Shaw，負責他們新成立的機器學習部門。

同時，花費在AI上的投入也不斷增長。據(jù)彭博的一份數(shù)據(jù)，華爾街的金融機構(gòu)如今在這些AI大牛身上的投入，一年可能就要達到100萬美元。

這也自然擠占了雇傭傳統(tǒng)的分析師，投資經(jīng)理的預算。這些曾經(jīng)意氣風發(fā)的投資經(jīng)理們，也許需要從現(xiàn)在開始學習編程，才能保住飯碗了。