9月23日，由《博鳌观察》主办的2016博鳌观察金融创新峰会在京召开。图为博时基金常务副总经理王德英。新浪财经讯 9月23日，由《博鳌观察》主办的2016博鳌观察金融创新峰会在京召开。博时基金常务副总经理王德英参与主题论坛讨论。
以下为部分发言实录：
王德英：人工智能在很多地方用，有时候用的有点儿烂，只要是计算机处理的都叫智能化、智能楼宇系统，是不是真的智能，我觉得给人工智能一个相对准确的含义，我自己想了一下，比如说只要是规则能够确定的逻辑，有先后准确逻辑关系的处理，我们认为不是人工智能。人工智能是解决了一些结果不确定性的问题，我个人认为才是人工智能。比如说智能楼宇，现在很多楼宇拿着卡你一刷轧机，它就告诉你到哪里去等电梯，这算不上人工智能，我觉得这个规则是事先定好的，所以谈不上智能。
在金融系统里面，很多难的也是不确定性的东西，确定性的东西比如说股票交易，一些业务的处理，包括银行的存取款，但金融里面难的比如说在征信里面，对个人信用的一个判断，这有很大的不确定性，我们说可以引用各种模型，人工智能来帮助进行判断和决策，同样，比如说在投资领域，我们要选择股票，在某个时点你需要加仓还是减仓，这有很大的不确定性，这时候如果能有一些计算机技术辅助的话，我认为这是在投资领域的人工智能，当然最高端的比如现在最流行的是机器学习、神经元学习，我觉得真正落到实地，倒不是那么前沿的技术，而是对我们金融里面不确定性的东西提高原来判断的准确性，我觉得都是人工智能成功的应用。
我举一个投资方面的例子，比如说选股票是最难的，炒股最难的就是股票的选择，原来的资产管理公司或者投资经理通过上市公司的调研，通过数学模型，来决定这个股票能不能买卖，但是现在也有在这个领域所谓的量化投资已经应用得比较广泛了，量化投资最开始在美国兴起的，最近一些年量化投资、量化选股开始进入中国市场，刚进入中国的市场，美国的模型不适用于中国市场，所以这个模型进来之后，最近四五年量化技术在证券投资方面得到了非常大的提升，从结果上来看，通过这种量化来选股的准确性大幅提高，有一个指标，选股战胜大盘的概率大大提高，或者超越大盘的比例大幅提高，其实它做起来更细的来说是这样的，在量化的里面，可能有几十个因子，把这些因子进行长期的回复来判断它的有效性，最后通过多因子模型设计出来，它就可以通过大量数据的计算，可以推算出每个股票可投资的大概分子值，这就可以作为股票选择的一个依据，它的基本原理是这样，这个基本原理现在越来越成熟。
我举这个例子也是说明在资产管理行业运用人工智能，这是比较典型的应用。从发展阶段来说，我认为还是进入一个比较成熟的阶段，当然后面还会不断的发展，因为市场还在不断的发展，你要战胜别人，你的模型还要不断的更新，你的业务逻辑、你的人工智能要不断的提升不断的完善，才能保持永久的生命力。
主持人：接下来我想问德英总和郑总，现在有一个词非常流行叫智能投顾，中国目前所做的智能投顾和美国比的话，它的区别是什么，我们能从中学到什么东西，第二人工智能接下来的发展会不会使人的整个投资理念以及资产管理行业发生一些改变，比如说人工智能会不会取代人类，人工智能会不会跟人之间有一个非常强烈的分工？
王德英：智能投顾或者机器人投顾是从国外过来的，但是出发点都是通过智能投顾提高客户的收益风险比，提高收益跟预期的一致性或者确定性，这个结果都是一样的，因为智能投顾，前面叫智能投顾，后面对接的就是多资产、多策略投资方案的一个配置，你的资产要在股票、债券、房地产、黄金等等如何均衡的配置，并且如何在合适的时间在不同的资产之间进行变换，这样做的目的就是提高收益风险比，比如说在风险可控的情况下，收益尽量的稳定，比如说最近包括银行包括很多智能投顾，基本上以决定收益为目标，通过多资产多策略的模型，或者是这样的一个方式，使得客户不管在什么样的市场环境下，他能取得相对稳定的收益，这主要解决两个问题，一个是解决单类资产业绩的不稳定性，确实不同资产收益是轮动的，你靠单一资产不一定能取得一个长期稳定的收益，这是它在资产之间进行轮动的必要性。第二是解决个人投资的非理性问题，拿基金来说，其实股票也一样，80%炒股票的人是亏钱的，其实基金也一样，因为投资者大部分都是类似于去年4500点冲进去的，然后套了好几年，终于解套了出来了，很多是这样的，另外就是投资者的相对投资的短期化，不是从一个长期投资的角度来配置的，所以这些方面造成了投资者实际的收益跟他预期差异非常大，投顾或者叫智能投顾要解决的就是这个问题，通过模型或者配置方法提高收益的稳定性，智能投顾背后最核心的是两层，第一层是资产配置模型，资产轮动模型，它解决不同资产之间配置的问题，第二层，你已经确定了某个资产之后，在资产类别里面你选了具体的一个资产标的的模型，比如说你已经决定了30%投资股票类型的，具体你选哪一个股票或者选哪一个股票基金，还是差异非常大的，这里面也需要一个模型，选股选基金都是非常困难的，你需要对它有一个长期或者准确的判断。
从这两层来说，我觉得中美之间的差异就能看得出来，比如说在第一层资产配置或者资产轮动模型方面，中国市场可用的配置工具比美国市场显著要少一些，比如说我们在一些另类投资，比如说股票债券可能都有，但是一些大宗商品，还有一些房地产的类似产品还是比较少的，你如果想配置的品种现在只能去特定的市场，而且流动性不一定很好，还有一些比如说汇率对冲的品种，汇率的投资可能普通人也没有这样的一个工具可以选。
具体投资标的的选择上，其实中国跟美国的市场也非常不一样，很多人说我不配股票，我已经选了多少配股票市场，我可以选指数基因，比如沪深300指数基金，我就配整个市场，就指数基金来说，中美市场也不一样，比如说美国市场指数基金长期业绩能够打败大部分的主动的进行盈利，但是在中国这个是倒过来的，所以这也是不同的点，当然这是更深层次的由资本市场的特点决定的，这样如果你选具体投资标的的时候，你也不能完全照搬美国的方法模型，尽管大家基本的理念是一样的，方法论是一致的，但是在一些具体的模型或者是方法论的落地方面还是有比较大的差异，这是第一个大的问题。
第二个大的问题就是人工智能或者智能投顾跟自然人比较起来，其实人工智能或者大数据就是根据历史数据长期的一个跟踪分析，或者是一个模型的处理，它最大的好处能提高投资的确定性，人工相比来说，人工投资可能非常好，也可能非常坏，但是大数据或者人工智能能把你投资的下限给提高，它的平均水平会提高，有效的人工智能模型我觉得从投资收益来看，它应该能够打败大部分的自然人，但是它可能战胜不了最优秀的自然人，我觉得这是一个基本概念。证券市场投资不光是一门科学，有时候也是一门艺术，它有多种因素，有定量的也有定性的分析，不是那么简单的公式算得出来的，所以你说完全能够用逻辑推出最佳的方案，这是非常难的。我说的结论其实从过去几年中国资本市场一些量化投资的结果，也可以看得出来，我举一个大数据的例子，我们利用蚂蚁金服上电商五千多个类目商品的销售数据来预测未来上市公司经营情况的变化，把这个作为我们判断这个上市公司可投资的依据，比如某一个行业交易金额上升，交易量扩大，我就有合理的理由认为这个行业或这个公司未来的经营情况会好转，最终会体现在二级市场的估价上，它的基本逻辑是这样的，我们采用了它大量的数据，不光交易量的数据，还有一些价格的数据，有的产品比如对价格更敏感，有的对供求关系更敏感，像供求关系、价格数据在上市公司的年报里面我们是看不到的，但是通过大数据我们就可以获取更多维的数据，更实时的数据，我们通过这样一些大数据的模型，采用量化模型来进行投资，从过去的时间来看，它大概排在所有股票投资的前20%到30%，如果你能够稳定的站在投资的前五十，前30%，其实长期投资收益还是可观的，我觉得这是大数据对投资方面的价值。
进入【新浪财经股吧】讨论
责任编辑：张彦如
金融业创新层出不穷，行业发展面临挑战与机遇。银行频道官方公众号“金融e观察”(微信号：sinaeguancha)，将为您提供客观及时的新闻精粹，分享独家、深度、专业的评论点睛。
