如果你让一个全权投资基金经理画一个维恩图，表示数字化与全权投资的集合符号，许多人不会将集合表示为重叠。此外，他们认为，投资世界是一分为二的，自由裁量经理人独立于量化指标。我认为，这两种类型的经理不仅会趋于一致，而且量化经理还会对自由裁量经理构成生存威胁，或者《吃豆人》式的游戏会消耗自由裁量经理。

在本文中，我们将展示“老派”基金经理是如何被量化基金经理围攻的，具体方法是列举自由支配型投资者告诉我他们不受数字化影响的十大理由，并逐一反驳它们。

1 -你不知道黑匣子会做什么

自由裁量型投资者会说，一个人无法知道一个黑盒，即一个系统模型会做什么。此外，他们认为它可以像众所周知的横行霸道的机器人一样，就像电影《2001太空漫游》中的HAL一样。我的观点恰恰相反。最佳自主学习投资策略(ALIS)管理器是基于数学模型、统计数据的系统策略，并具有人工编码的规则和风险指南。这与理解自由裁量型投资者的行为及其原因没有什么不同。五年前，我遇到的第一只ALIS基金是基于价值投资创始人本杰明·格雷厄姆(Benjamin Graham)和戴维·多德(David Dodd)创建的模型。此外，我还会提出，还有什么比自由支配投资者的大脑更大的黑匣子呢?我们如何知道一个人会遵守规则，不会偏离、犯错误或失去理智?

2 - AI不能也不会再买了

一些自由支配的投资者认为，如果这一理论仍然成立，人类就有能力买入更多的股票，尽管从我在索罗斯基金管理公司(Soros Fund Management)担任投资组合经理的经历来看，我知道这往往说起来容易做起来难。不管怎样，最优秀的经理人都会这么做，尽管从行为投资的角度来看，他们的内在联系让这变得很困难。然而，如果一个人有一个系统的投资计划，这可能是自动的，而不是随意的。我听到的另一个评论是，该基金的条款不允许这样做，投资者将在底部赎回。该基金的条款可以是你需要的任何东西，而且应该与投资策略保持一致。如果该策略能够遭受重大损失，那么期限应该足够长，流动性应该错开，这样投资者就不能在应该买进更多的时候抄底。激励措施，即费用，甚至可以在结构上让投资者在基金下降时更多地投资。可以想象，甚至可以采用资本催缴结构，在证券最具吸引力的时候，有效地“迫使”投资者买入更多的股票。ALIS基金的结构应与可自由支配基金的投资理念相一致。

3 -系统策略不了解新产品发布和相关的消费者情绪

我听说有人说，系统策略无法了解新产品的发布情况。好吧，他们可以，也确实做到了。系统经理使用自然语言编程(NLP)来“了解”新产品的发布以及他们的工作情况。人们还可以系统地从新产品发布时监测消费者情绪。自由支配的投资者可能会浏览一些网站，就像我在管理对冲基金投资组合时那样。然而，一个系统化的经理可以在成千上万(或更多)的网站上检查情绪，并将其聚合在一起，以非常快速地获得更准确的解读。

4 -电脑不能读报纸

当我管理投资组合时，我阅读了主要报纸和大量的行业出版物。除了大量的树木被挖空，这是耗时的，往往是乏味的。一个系统的策略可以有效地“阅读”大量的论文，用NLP毫不费力地快速地交换碎片，而不会感到疲劳。

5 -人工智能无法判断公司管理质量

自由裁量型投资者经常告诉我们，一个系统无法像自由裁量型经理人那样定性地判断管理层。我认为一个系统化的管理者能做得更好。如何判断管理质量?用历史回报作为股东的代理如何?好吧，这很简单:一个系统的程序可以很容易地观察数千只股票，它们的c级管理层，把首席执行官作为自变量，然后看看在他们的支持下，作为因变量的股东的回报是多少。当我管理可自由支配的投资组合时，我们是非系统地这样做的，即注意哪些管理团队为股东创造了超额回报，然后投资于他们随后去的公司，当我们进行看跌投资时，情况则相反。与其像我的前合伙人、富有远见的杰弗里•塔兰特(Jeffrey Tarrant)所说的那样“信口开海”地进行投资，还不如将其系统化，使投资更具统计性和一致性;至少“从大脑中射击”，即使是人工的。

6 -他们无法判断公司管理层是否在搪塞

在这之前，我要说的是，我们还没有到那个地步，无可否认，在这个例子中有很多假设，但是，在我看来，我们很快就会到那个地步。通过监督学习和现成的网络摄像头，现在可以从面部识别视频中估计心率。这可以应用的一个例子是首席执行官在视频广播中报告公司收益。理论上，ALIS经理可以使用基于图像的预测心率来确定首席执行官是否在搪塞。这可能会影响该基金对首席执行官声明真实性的看法，并导致对该公司的买入、卖出或持有建议。人们不仅可以分析当前的形象，还可以将其与同一个人之前的形象进行比较，以获得更高的准确性，并确定说话人诚实的重复模式。我们还没到那一步，但这只是时间问题。

机器没有比较公司或行业的视角

尽管有这样的断言，基于格雷厄姆和多德工作的ALIS基金使用的神经网络正是这样做的。由于大量的结构化财务数据，创纪录的低处理和存储成本，管理者不仅将公司与他们之前的业绩和竞争对手，以及其他行业的公司进行比较。许多非强制性投资者太年轻，不记得Nifty 50，巧合的是，现在已经是近50年前的事了。一只ALIS基金可能会得出结论，认为苹果仍是一只价值型股票，因为它类似于“Nifty 50”热潮时期的伊士曼柯达(Eastman Kodak)，也可能是泡沫破裂前的样子。如今很少有活跃的分析师能够在那个时期进行交易，并记得那只股票以及其他数百只股票的表现。

8 -不知道什么指标对出色表现是重要的

当我在索罗斯基金管理公司管理投资组合时，我们只能看这么多数据点。一些损益表指标，一些资产负债表指标，等等。我们可能认为我们知道哪些指标在决定一家公司的价值方面是重要的。然而，我知道另一只格雷厄姆和多德式的ALIS基金，它关注每家公司的10,000个数据点，并通过机器学习将其提炼为250个最重要的指标。再一次地，随着处理和存储成本、数据、数据科学和机器学习的创纪录低的融合，这对ALIS经理来说很容易。

9 -不能理解在10Q或10K中什么是重要的

我记得在90年代末和21世纪初打印和阅读q和k，包括安然(Enron)和阿德尔菲亚(philadelphia)。一个人阅读和理解它们需要一些时间，尤其是《安然》，对于那些不记得的人来说，它有数百页。对于一台使用NLP的计算机来说，这可以在很短的时间内完成，并且可以跨越数千种证券。自由裁量型投资者可能会说，计算机不会发现危险信号。相反，系统很容易接收到与诉讼、准备金以及这些数字的增减相关的新术语。语气的变化也可以被察觉。机器现在被广泛应用于“阅读”10Q和10k，以至于公司管理层开始调整和改变措辞，以便机器“阅读”他们的语言不那么消极，甚至是积极。例如，“责任”、“诉讼”和其他一些词现在正在被提取或取代，取而代之的是更委婉的术语。这是一个经典的例子，说明了市场的迭代和进化本质，也说明了为什么即使是系统化的管理者也必须一直在进化，以免遭受与自由裁量型管理者同样的命运。

一个专家团队是无法复制的

自由支配型投资者会断言，系统性基金无法复制由分析师、交易员、风险经理和投资组合经理组成的团队。一个做多廉价股票、做空昂贵股票的自由裁量投资者正是利用决策树和贝叶斯技术做到了这一点。两个博士——其中一个在我任教的哥伦比亚广播公司(CBS)学习——为一个ALIS基金编程，让它拥有虚拟分析师、交易员和投资组合经理。虚拟分析师有他们寻找的指标。虚拟交易员扮演风险经理的角色，如果达到某些参数，即股票与目标的距离在x%以内，或者公司正在报告收益，而街头意见过于片面，他们就可以向虚拟分析师出售股票。虚拟投资组合经理会像真人投资组合经理一样优化头寸规模和投资组合构建。正如我们在之前的论文中所写的，这些都是以前由人类担任的角色，通常是mba，现在被博士、程序员和开发人员所取代。

最后，我想提出两点建设性的看法。

一个:关注市场中效率最低、流动性最差的领域，比如新兴市场和非交易所交易证券，这些市场目前还不适合采用这些系统技术。例如，亚洲市场，各种信贷市场，精选商品。流动性更差的市场可能都没有那么广泛传播和可用的公共数据，这反过来又减少了将其系统化的“唾手可得的果实”。

两个:拥抱数字化。如果自由裁量管理人员无法在效率更低或流动性更差的市场中竞争，那么他们必须学习数据科学和/或编码，或者雇佣那些学习数据科学和/或编码的人。全权委托管理公司至少应该开始将另类数据整合到投资流程中。