掌声欢迎移步而来的客官！
今天二条，富二要接着基金经理于鹏的演讲，向客官讲解“不一般的主动选股基金怎么玩！”跟着富二家人工智能小能手——基金经理于鹏，听听他的最新研究和分享吧！
富国基金基金经理 于鹏
【以下内容根据基金经理于鹏在会议现场的演讲整理】
今天跟大家交流一下我们的想法，从基本面角度的想法以及下一步的发展。今天演讲的内容主要包括基本面和量化的区别共性、人工智能投资、人工智能选股等。
基本面和量化。刚才提到了巴菲特，这里还有一位是西蒙斯，西蒙斯是聚焦于量化的，巴菲特聚焦于价值投资，是不同的理念。不过，两位其实没有可比性，因为他俩的战场不一样。西蒙斯是基于全球各种市场期货产品的买卖，从而挖掘价格变化、走势来进行投资，当然收益已经说明一切了。
巴菲特注重价值，注重市场上价值因子。他们不具备可比性，一个是打篮球，一个是踢足球的。运作了这么长时间，西蒙斯接受采访的时候说了一句话，“某些情况下我们就是做机器学习的”。现在，机器学习的方法正运用到选股上。
接着说一下巴菲特，他有很多故事，我印象比较深的还是他对高盛的投资。
蓝色是价格的表现，红色是PE值。2007年8月份巴菲特买了高盛的可转债。他是未来可以以115的价格买入，但这还不足以体现出他对价值的理解。
从红色来看
2007年8月份高盛的估值非常便宜了。但是更看重的是可转债的10%的回报，这是额外的Alpha，那五年就是50%，这才是价值投资的精髓。还有一点，为什么那个时候印象特别深刻？
2007年8月份，我一直在纠结一件事情，我工作一年了，想跟老板提加工资，忽然老板宣布有很多小团队要裁员了。为什么这段投资印象深刻呢，就是在这种逆向的时候，大家选择了价值，选择了Alpha，选择了估值带来的超额收益。
后来的故事大家也了解了，第二条绿线，股票卖出去了，是135块，从股价上看两年来他从股票上获得了20%的回报，但是还有10%的回报，加起来就是40%—50%的回报。当然再看未来的故事，现在股价已经超过200块了，他稳定的持有，获得了长期的回报。2013年的时候把可转债卖了，之后他变成了高盛股票的持有者。
首先阐述一下基本面的优势。
大家可以看这个部分，我们怎么样把这些优势进行转化。首先是基本面信息处理相对比较强，富国基金有30多个研究员，每天都跟公司个股紧密联系，有时候我们也在想有些基本面的分析能不能用一些数据体现，或者是行业拐点，或者是管理层的变化。还有历史数据的依赖性，基本面分析不是很依赖。
另外，就是数据挖掘程度不那么强。整体下来，我们未来希望能够有一个什么样的产品？
我们的思路就是把基本面的信息和一些方法（机器学习、人工智能）结合起来。我们希望依赖人工智能，人工智能就是对特征的挖掘，其实现在都说人工智能应用方向很广，其实某个角度来讲就是两项任务，一是对特征的鉴别，二是对鉴别结果的决策。
我们市场是不是具备了这个特点？我们没有说语音的识别，也没有说图象的识别，我们针对是股票市场，我们市场是非常有特征的。
2013年-2016年我们市场什么特征最明显？
小市值。
最理想的组合是买市场上低估值的股票50个放在那，收益可以超过任何一个权益基金经理。具备这样特征的市场，我们借助人工智能的工具把这些特征展示出来。但是小市值特征不见了，不是马上消失的，是逐渐的过程，而我们的市场又有一些新的特征出现，例如大家关注的基本面、价值，高分红这些因子和特征。
我们想基于这样的工具，把这些特征挖掘出来，然后再结合个股，把二者结合起来，但是不能忽略基本面。我们希望最起码能够达到风险监控的要求，对个股进行判断。
我们把各自的优点拿出来，把基本面和人工智能进行结合。人工智能技术主要在这里强调机器学习，我们也是一点点积累。例如神经网络，例如SVM，例如强化学习。谈到机器学习或者是人工智能，从某个角度上来讲，对我来说又爱又恨，我的背景是计量经济学、时间序列模型，博士期间研究了很多模型，但是现在大家都不在意这个了。大家都说数据挖掘，数据处理能力大幅度提升，所以我们运用到股票当中，看效果如何。当然，一切还是依赖于基本面的分析，即使没有收益的增强，我们也要对风险加强控制。
举一个例子
蓝色的是我们做出来上证50中选股的组合，已经超过了2015年7月份的高点。其实某个角度上来讲，50股票当中选股票是非常难的，50就是银行、非银、房地产，再加上一些核心行业，比如石化这些，这些股票是有共性。
你想在这50个股票中选一些出来，战胜下面50的指数，是一件相当难的事情。我们在这里用机器学习的方法，刚才提到的那些模型，我们不断地尝试。关注的就是基本面的信息，例如估值水平、盈利增长、分红和盈利质量等，然后在50只股票当中选10-20只。
下面讲一下人工智能投资。阐述一下我们对人工智能投资和人工智能选股的理解。
人工智能投资很热，其实它是有改变的，特别是深度学习，最改变人工智能技术是深度学习，提高了整个识别的水平，获得了很好的业绩。但是真正地在投资领域当中，它的应用还不是非常广泛。
谷歌关于热词的搜索，图象、机器人、演讲、翻译，很少涉及到投资。国外的研究也是非常浅层，一些学者只是给大家一些指引性的。JP Morgan在2017年五月份的文章中提到了一些关于投资的应用，但具体应用中我们发现只涉及到了一些简单的机器学习，而且以综述为主，对我们来说应用性不是很强，所以我们在走自己的一条路，特别是集合国内市场上的特点。
最后是人工智能选股。
选股的难度在哪里？
大家都说机器学习多么强大，但是我们在看不同的问题，金融行业最重要的特点，就是规则不确定。阿尔法狗再强是在围棋里面的，围棋里面规则是确定的，而投资是有更复杂的问题，金融市场处理的是不完全的信息。
我们在做的是，一些选股框架特征的挖掘。举个例子，这是我们的想法，4月份的时候整个组合相对中证超额收益率最差，我们更追逐市场上的主题，比如说雄安，我们买涨，但是整个组合的变化不大。我们希望改进机器学习，我们借鉴了阿尔法狗中强化学习的技术，对李世石的时候，阿尔法狗用了16万局人的棋谱和3千万局自我对弈的棋局，之后对柯洁的时候又进化了，网络结构也增加到了40多层，虽然没有公布新版的架构，但我们估计算法已经从卷积网络往resnet残差网络上升级，把二者结合了起来。
我把好股票选出来，但是用另外的策略，希望尽量结合不同特点。去年有一款网红软件叫prisma，用了图象迁移的技术，我们也使用了类似的技术到选股过程当中，大家想要什么风格就可以要什么风格。例如，第一副是毕加索的画，最后一幅是日本的神奈川冲浪里，这四张画代表了四种截然不同的风格，我们希望选股能结合市场上的风格，进行转化，更贴近市场的变化。有基本面，有机器学习和深度学习，还有市场特征的捕捉，并用迁移学习技术将风格融合到组合中去，可能是300，可能是500。实测下来，风格更加贴近之后，整个组合的走势会更加贴近市场上的变化，更加关注市场上的风格变化。同时我们也将我们的技术和GAN方法结合，做出了上面四张画和人像的结合效果，最后结果和prisma软件差不多。
长按二维码获取富国基金微信号↓↓↓ 
