网络配图
陈晓表示，可将人工智能理解为原有多因子模型框架上的升级，是对传统方法是很好的补充。传统模型都是基于人的理论体系做出的判断。人工智能不需要人提取这些信号，只要给出原始数据，人工智能自己能够找出比较好的因子，这种非标准化的数据涵盖的信息更广。
赵健称，不同的市场适用不同的因子，人工智能系统可以辅助基金经理提高一些工作效率，信息的兼听更为完善，很多由人完成的工作变成机器完成，且不夹杂任何主观能动，同时错误率会非常低。“但机器选出来的东西肯定不是高收益零风险，这在投资的常规逻辑中是行不通的。”
数据量有待完善
作为一种新的投资工具，AI尚在探索阶段，有着各种优势的同时，也无法避免一些局限性。陈晓认为，人工智能用的数据特别多，需要注意有些数据有没有伪相关，警惕过度拟合。卞勇认为，AI首先需要完善的数据，海量的有效数据是AI能够发挥作用的基础。现有条件下，资产管理行业应用的数据在深度和广度上都还非常有限。汤诗语同样对信息量提出要求。“人工智能需要进一步提升信息的采集量，令数据库提升数个量级。同时，进一步完善自然语言处理技术。此外，还需要进一步理解 AI 生成的结果，并部署专业人员对可能的因果关系进行判断。”汤诗语称。
张自力则表示，人工智能在金融领域的应用更需要关注的是应用场景，将适当的方法与合适的场景结合，而不是盲目推动人工智能技术的开展。同时，金融领域是一个与风险共生的领域，风险控制是核心问题，而人工智能技术更多的依赖自学习，稳定性不足，并且解释能力较差，在面对监管合规要求方面还需要处理好这方面的问题。
声明：此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。
