调研 | 刘馥亮  李喆  吴永哲

撰写 | 吴永哲

Kavout成立于2015年，是一家总部位于美国西雅图的金融科技公司，通过将大数据、人工智能算法引入投资领域，为金融机构和高净值人群提供基于AI的量化基金、技术服务和资产管理产品。

当时，市场对于用AI改造投资的反应一直很弱，也存在很多质疑声。直到2016年，诸如AlphaGo、无人驾驶的出现，导致整个市场对AI的关注度猛增，市场拐点开始到来。

美国是Kavout拓展客户的第一站。公司首次公开露面是在2016年9月，当时Kavout参加了在美国圣地亚哥举行的金融科技大会比赛（FinCon）并拿了创业组的第一名。今年初，美国一家大型对冲基金成为首位客户后，在半年多时间里已发展多家对冲基金和证券机构客户，客户总资产管理规模超过100亿美元。

公司产品线不断扩充。目前针对投资三大问题：选股、择时和资产配置，Kavout分别开发了三款产品：机器人分析师Kai、智能K线大师和智能投顾。

首先针对选股问题，机器人分析师Kai是一款基于市场公开信息，预测股票价格中长期趋势的人工智能模型，主要客户是对冲基金。

Kai通过深度学习技术增强数据的表达能力，为模型纳入更多诸如新闻、社交媒体等非结构化数据，然后再从所有的数据集合里去寻找最有效的α信号。收费方式按年费从五万到十万美元不等。

在国内市场，Kavout没有选择同美国市场一样的“卖数据服务”的商业模式，而是成立自己的私募基金，目前管理几千万元人民币。

智能K线大师，是一款自动识别各类标准化资产价格形态的择时工具，比如股票、外汇、期货等。传统择时的选择主要靠人去判断，而智能k线大师是通过算法去自动扫描，找出符合某类走势的K线形态。扫描、识别、匹配所有过程实时更新，最高可达分钟级别。

最后是资产配置，Kavout的组合优化便是基于现代投资组合理论，运用机器学习模型，最终优化出一条更好的有效边界（Efficient Frontier）。

Kavout创始人吕晴表示，财富管理机构、智能投顾、银行理财、券商资管等金融公司将会是潜在的目标客户。Kavout负责后端算法模型的输出，提供客户更有竞争力的组合。从目前资产配置的品类选择上，国内主要是公募基金FOF，国外主要是ETF组合。

除这三款产品外，Kavout还开发了一个金融量化云平台，目前只对内部量化分析师和少量机构客户开放。通过将上述产品API和数据上传云平台，未来Kavout可以更便捷地为客户提供定制化的服务。

除了股票，Kavout将陆续推出针对金融衍生品的人工智能模型，拓宽资产品类。海外市场也将是公司下一步的战略目标。除美国和中国市场外，Kavout接下来将会进入欧洲、日本等市场。

近期，爱分析专访Kavout创始人兼CEO吕晴Alex，就国内金融科技行业的发展趋势和Kavout的战略发展进行交流，摘选部分内容分享如下。

吕晴，毕业于清华大学，哥伦比亚大学商学院MBA。曾担任大智慧CTO，百度商业平台技术总监，盛大集团副总裁；曾在美国微软和Google分别担任首席程序经理，资深工程师。

AI投资的市场拐点已来，深度学习增强数据表达能力

爱分析：人工智能应用金融行业有哪些关键要素？

吕晴：第一是数据。首先需要不断扩大数据源，除了传统结构化的金融类数据外，还有大量非结构化数据，比如新闻、社交媒体等。然后再从所有的数据集合里去寻找最有效的α信号。

第二个算力。与公开的算法不同，算力指的是应用算法的能力，即解决实际问题的能力。机器学习不类似于物理、数学这样的科学，算力包含很多经验和实践性的东西，包括对行业、应用场景的理解等。

最后一个是场景应用。如何将数据、算力结合到合适的场景去应用也是关键。

爱分析：目前深度学习对于投资最大的贡献是什么？

吕晴：深度学习最关键的一个突破是，增强了模型从数据中学习的能力。

机器学习要做的第一件事情是特征工程，即选取什么样的信号。传统主要靠人去实验和筛选特征，现在有了神经网络的深度学习，前期的数据特征加工可以交给模型去学习，减少了对人工标注数据和特征抽取的依赖性，模型处理数据噪音的能力变得更强，另外它可以自学习数据的一些特征，然后很好地表达出来。

数据多多益善，但离不开算法应用和场景结合能力

爱分析：目前主要采购哪些数据？

吕晴：我们会揽括各类数据，也会通过技术手段，譬如爬虫去采集大量的非结构化数据，比如新闻、博客、社交媒体、股吧等。我们聚焦在二级市场，与很多有数据的公司本身没有竞争关系，所以我们也在寻求与大量的第三方有数据的公司来合作，看看如何把他们的数据应用在投资上。

爱分析：现在有一些做APP统计分析的公司把数据卖给对冲基金。对于对冲基金来说，这类数据对投资会有价值吗？

吕晴：数据都有价值，多多益善。但是拓展数据源只是第一步，在获取数据之后，还需要算法的应用能力和场景结合的能力。一些对冲基金买了很多数据，但最终得不到有效的α信号，主要是后面两个能力不足。

爱分析：目前产品主要在哪些方面进行迭代？

吕晴：目前公司主要聚焦在8月底发布的量化投资产品上，虽然最近4个月组合的回报远胜大盘，但是由于时间还不够长，在模型测试和模拟阶段，我们考虑了各种不同的市场情况，保持持续稳定的盈利能力仍然会是一个大的挑战，我们会持续迭代算法模型，同时会增加一些全新的数据源。

提供对冲基金股票和基金评级，市场是检验策略的唯一标准

爱分析：分析个股时，结构化和非结构化数据的权重比例是多少？

吕晴：在不同市场周期，不同阶段，权重比例会不一样。金融市场每天都在变化，黑天鹅事件随时可能发生，所以我们会持续监控和优化模型，根据市场动态变化来调整，才能不断捕捉市场投资机会。

爱分析：这种调整是机器全自动完成吗？

吕晴：不是。所谓全自动的机器学习，其实或多或少后面有人的参与和引导。人类自己的智能也是通过启发式学习和教育来不断提升，今天的算法仍然大量需要依赖人来设计和开发。

在二级市场，策略的好坏，拿到市场上跑一段时间即可见分晓。关键不在于机器或者人参与多少，而是最终实现策略是否能够获取足够好的投资收益。当然，随着算法不断迭代学习，人会从具体繁琐细节中解脱出来，更多在架构、设计、规则层面来指导算法如何迭代。

爱分析：Kavout会给对冲基金直接配头寸吗？

吕晴：不会，除非是我们自己或者与机构合作发行的基金。大多数情况下，Kavout提供给对冲基金的是股票和基金的评级。

爱分析：国外还有哪些公司在做类似Kai这种通过AI算法模型去选股的业务？

吕晴：大的对冲基金，包括桥水基金，Two Sigma、Citadel等。创业公司做得也有，但不多，更多创业公司主要聚焦在提供分析工具、量化平台，比如国内各量化分析平台借鉴比较多的Quantopian。

根据客户需求提供不同的风险收益组合

爱分析：在给金融机构提供组合优化时，Kavout是从整个大类资产去挑选还是从单类资产的具体标的去分析？

吕晴：都会看。不同大类资产之间的关联性是不同的。针对具体某一类资产标的，Kavout会基于它的价格、新闻，包括一些基本面信息，通过机器学习模型给他评分。最后根据客户所提供的风险、最大回撤等因素去做组合优化。

当然我们也会采用现代投资组合理论的一些框架来做组合优化，但是传统的马尔科维茨模型、Black-Litterman模型，理论丰满，现实骨感。我们更多地对模型做进一步修正，独立研发设计自有算法，从收益、风险达到综合最优。最近几年Kavout的实验结果都大幅优于市面上基于现代投资组合理论的算法。

爱分析：Kavout会直接提供组合优化的策略给客户吗？

吕晴：我们的组合优化可以基于客户的一个资产池，或者基金、股票池，按照自有组合优化算法，定期给出按客户定义目前最优的组合，包括投资标的，头寸大小，评估指标等。

爱分析：未来会拓展去做2C智能投顾业务吗？

吕晴：Kavout不会直接2C。智能投顾主要是大类资产配置，类似美国的Betterment、WealthFront，他们给C端用户提供的是自动化的多资产配置，大多数这些智能投顾公司都是基于第三方的基金产品来做配置。

目前中国的二级市场，正在经历从散户到机构主导的发展过程。在这个过程中，我们当然也会给一些B2C财富管理机构、银行、证券等金融机构提供智能投顾服务。Kavout的优势是具备设计基金产品的能力，给客户提供不同风险收益需求的投资产品。

爱分析：Kavout给国内客户提供的是什么基金产品？

吕晴：与美国市场不同，国内二级市场的场内基金产品不太多。我们与国内客户交流下来，大多数只做基于场外基金的FOF，或者是公募FOF产品，这个模式未来肯定会碰到很多障碍。相比较美国，国内目前的场外基金收费过高。从长期来说，不利于市场的健康发展。

还有，公募FOF对客户的两层叠加收费、国内很多基金经理的风格漂移、一些FOF产品本身投资理论似是而非，都很难保证客户的收益。

在投资组合领域，大家最关心的就是有效边界（Efficient Frontier）这条线，Kavout本身具备量化基金产品的设计能力，面对不同的客户要求时，我们可以基于不同的资产和量化策略，找到这条线上对应的风险收益组合提供给客户。

全球资产配置，重点发力国内市场

爱分析：未来金融智能量化云平台会对外开放吗？

吕晴：目前这个平台是内部使用为主，公司自己的分析师和量化策略研究都是用这个平台。应客户要求，现在也有几家对冲基金机构客户在试用，借用Kavout的平台去研发自己的智能投资模型。平台预计3-6个月后将对更多机构开放。

另外，中国客户的诉求很多是需要定制化的，Kavout 自身的主营业务还是量化基金和投资产品，如果有第三方渠道来合作推广这个平台业务，我们会考虑把这块产品开放给外部合作。

爱分析：后续平台会接通交易环节吗？

吕晴：未来会形成交易闭环。国内我们在跟湘财证券、大智慧等洽谈合作，借助他们的交易系统把闭环接上，这样便于我们的分析师更快速地迭代和测试量化投资策略的有效性。

爱分析：对外输出产品和做投资这两块业务，未来会怎么考虑？

吕晴：我们在考虑把这两部分拆分成两家独立的公司，我们已经在杭州基金小镇启动注册了一家私募基金，未来的量化基金和资产管理业务会放到这家新公司。

爱分析：国内和国外市场的战略有什么不同？

吕晴：首先，国内二级市场的机构化进程正在加速，这是一个快速发展的市场，Kavout在国内会和金融机构合作发行私募基金，提供更多更好的投资产品。在国外市场我们主要做数据服务和解决方案。

其次，一些工具性的产品和服务，比如智能K线大师、金融云平台等，国内国外两个市场都会继续开展。

接下来我们会重点发力国内市场，与一些持牌的金融机构合作，比如资管公司、基金、银行、证券、信托、保险等，还包括一些交易平台。Kavout可以根据他们的需求提供基于AI的定制化服务，也可以使用我们现有的技术和服务，整合双方各自的优势，推动国内金融产业升级。