删除历史记录
　----
相关平台红包
15年期货老兵：我看好的五大领域，躺着赚钱的方法
作者：之家哥
摘要：网贷之家小编根据舆情频道的相关数据，精心整理的关于《15年期货老兵：我看好的五大领域，躺着赚钱的方法》的精选文章10篇，希望对您的投资理财能有帮助。
《15年期货老兵：我看好的五大领域，躺着赚钱的方法》 精选一PS：想做最人畜无害的砖家，致力于成为、养卡、玩卡的全书。我薅银行羊毛、写各种优惠内幕、钻赚钱的空子，但我知道，我是一个好公民。心哥卡社拉近你和金钱的距离，大心哥偶尔装装逼，不时开开车。心哥卡社银行给了我20万。关注来源：华尔街见闻（wallstreetcn）本文为11月11日上海砥俊中心总经理梁瑞安在2017年第三届操盘手大会上主题为“运用供需理论市和股市”的演讲，较实录有删节，小标题有编者所加。今天很荣幸和大家分享一下我这十几年来在上面的一些心得。坦率讲，这是我16年来首次在这么大的大会上讲我的理念，一直没进过，只参加过圆桌。交易是怎么回事？做得好没必要讲，做得不好没脸上来讲，所以一直没讲。1、心得就两个字“供需”，上都很灵我讲两个内容。过去十年，我一直在做供需的研究，为什么在过去十年？其实我前面四年是走了弯路的，在的四年，不断地摸索不同方法，我本科学的数学，我记得2002年用过自己很高深的数学理论搞了两年，钱还是赔光了。后来发现不对，还不如看技术分析，几十本技术分析的书又搞了一年，钱还是赔掉了。后来想基本面，东听听、西听听还是不行，基本走上绝路。2006年到上海拜师学艺，就两个字“供需”。供需用在上很灵，用在上也是非常有效的。这件事，我今天回过头看它是很简单的事情，简单的好像也没啥事可干，我说的是方法论上的东西。你摸到投资，摸出“简单”这两个字确实花了十年。我做的第四年大概知道，是怎么样才能赚钱，摸到第十年，突然发现怎么样可以赚大钱。我第十年到现在已经过了五年，效果还是非常好。因为我喜欢写微博，前几天我想什么叫“投资”“”这个事情也想了20年。我1997年上数学系看定义搞得蛮复杂的，然后资本操作了十几年也没定义出。今天我觉得投资是赚自己看得懂的钱，投机是对自己看不懂的下注。很多人比如我给他讲一个股票他就买了，三个月没挣钱就跑了。过一阵子这个50%，他会跟你说一回头就跑了，因为他没理解。如果你当初理解了，肯定可以拿走。投资许多人都在这里面摸索，像率也很低，可能大家都在摸索，有些人平均半年就牺牲掉了，有些人摸索5年、有些人摸索10年，可能还没摸对路。投资是理念端正，四处碰壁时要自己摸索出一条有效的道，理念要端正。我也是这么过来的，觉得这个理念挺好的。怎么赚大钱？要有大局观，不拘泥于小节，不拘泥于中小机会，不拘泥于某个市场，为了赚大钱不断地掐。我自己总结，也是一个北大的师兄跟我说的，他说你的交易风格我可以用几个字总结，他说“将军赶路，不追小兔”，我说这个很契合的，做十几年没想到这是我的风格，所以我把这几个字写大字挂在我办公室门口。还有一个例子也是很经典的，比如茅台，2012年开始反腐几年。为什么一瓶茅台能从两千二跌到2016年夏天的八百七。比如政务需求里面有百分之三十四是茅台消费，突然**不让喝酒反腐，变成零了。需求突变了，需求从D2移到D1价格一定是暴跌的。我们经历了2008年的，你就会发现需求突然下降一定暴跌。但有些人不信邪，终端产品降一半股价有可能跌60%、70%，你再死抗会很搞笑。我2015年为什么看到茅台的机会？很简单，他把需求已经压到零之后，供需平衡了，今天供需平衡，未来十年供需肯定不平衡，这是一个小案例。价格和需求关系也是很简单的，看***茅台两千多喝悠着点，能喝两瓶的喝一瓶省点。如果一瓶变成八百多，价格对需求有影响的。比如LV包三五万不太心动，双十一LV包六折可能排队去买，就是简单的道理。2、核心竞争力在于解读供需背后的东西我们有理念有方法论。平衡表这个方法是2005年叶总他们摸出来的。原来你看平衡表是没感觉的，后来大家知道，平衡表我们要知道未来半年、未来一年商品的供需平衡情况。还要读懂这个平衡表，很多人是读不懂的，我们以前自己摸索的时候，其它基本不看，我们只是在会议室看这个东西。所有数据都是我们自己在摆弄，最多用权威的第三方的数据，从来不用第三方这些咨询机构公司提供的。因为核心竞争力在于怎么解读供需背后的东西，哪些数据是假、哪些数据是真，包括哪些低估了还是蛮有讲究。我们把供需平衡每个分项，要把它精准地落实到月度数据，周度和日度数据里面，有了这些东西我们能把握到机会。一定要预判而不是人云亦云，一定要独立思考，对一个行情有一个预判，我们挣的钱都是原来想好的，不是走到哪儿算哪儿。开仓那天知道要中仓，而不是走着走着中仓了。把这个事情研究好很激动，一研究好根据资金要翻几倍，后来基本都能兑现。最后是要紧密跟踪，对原来很多假设要跟踪，这基本是我们用到的方法。2012年豆粕是我整个职业生涯属于起点，2012年之前的十年对投资特别对商品有一个误区。觉得应该在商品赚钱，其实这个思想是错的。在商品期货里面不应该稳定赚钱，而是应该赚暴利，我稳定了十年其实也是错了十年，每年赚三五十没什么意思。我2012年豁然开朗，2012年做豆粕之前也在北京，在青岛把相机摔了很不爽，没出去旅游。研究搞棉花怎么从600万到20亿。真的是花5天时间把所有东西读一遍，发现做期货是这样做。豆粕这个案例认识很多大佬，他们每天给我打电话，三千一可以做吧？他们问我什么目标？四千肯定可以，一直做多。两个月做了十倍，这都是我重仓做起步，后来每年打一两个品种，基本把钱花掉，杠杆都在十倍，少了都不痛快，三五倍都没感觉了，搞了三年搞了一百倍。这是铁矿石2014年的经典案例，其实我2012年做豆粕，过年就想今年做豆粕怎么回事？豆油跟着讲，我查平衡表豆油基本平衡不应该涨了，2013年肯定暴跌，2013年我开始谋划空植物油，把不活跃的菜油空到活跃了。很多不做这个东西，我说挺好，空到第一名也行。我跟空头第一名吃饭聊起这个事情。国内那时铁矿石没活跃，当时铁矿石不太活跃我控到前五名的仓位，后来崩掉了。有一次我在大会上讲，只参加过圆桌，我讲铁矿石也是千年等一回，你们二十年别想了，120美金20年别想，其实是很悲壮送别的价格，一定是这样的。因为中国人盖房子盖到头了才会有这种价格，崩下去别指望。到了2015年，其实2015年之前我还做了一把，2014年秋天做的，日全部清仓，为什么我能跑？是因为2008年被坑过一回，知道什么叫泡沫、什么叫逃跑。2014年9月为什么切入？也是跟一些大佬交流，有些人微博上说机会来了，我一看觉得有机会，跟一些朋友吃完饭我重仓，一路加到五千点，后来我跟一个朋友在香格里拉喝茶，然后拍照，五千多点拍照，我说这是顶，结果真被我说中了，在有泡沫的时候时刻要想着走。慢慢总结出来，我读研究生时演讲过讲买赚钱机器，逐年变多的上市公司，这个定义不太好，还是要长期稀缺的，我选一个公司一定自己问自己是不是长期稀缺，是的话才深入展开研究。3、有很多方法，我只认这个下面讲讲估值，股票估值有很多方法、角度，我只认这个。我把上市公司形容成会下金蛋的母鸡，这个公司未来三五十年产生自由现金流折回来就是今天的价值，和价值距离是你的边界，这个东西如果不深入人心是做不了。段永平说DCF模型是思维方式，我没有精算过，在我的办公室里面，固定电脑没有只有一个小笔记本带来带去，还有一个小计算机几年前买的三十块钱。我投资拿计算机按按，这有一个理念“等于买公司”，PK谁看得远。因为N是无限远的，其实整个看事情看得很短，比如新财富第一名到我们公司，二季度路演给我三季度，三季度要换一批股票，四季度又换另一批。像种地拔树苗一样，这季度种几棵树，下季度换掉怎么长成大树呢？他的策略变化太快了，不要太关心未来两三年业绩，比如2015年茅台没有业绩，我对它很兴奋，我想它未来一二十年是怎么样的，我觉得很兴奋它两千亿估值，十年前可能是两万亿。如果琢磨2015年业绩、2016年业绩不敢买，盯准这两年做不好，盯着一二十年可以做好，通过长期历史分析可以看到。很多分析师观点不对，他说过去五年毛怎么样，这不好使。只要新增产能出来，毛利率可能腰斩，我们做螺纹钢清楚，一吨挣一千多，假如市场化没有**控制，一千多利润可以达到一百，这是充分竞争没壁垒的东西。我们看问题想未来怎么样，要调研要跟上市公司高管聊这个行业的格局，而且要从竞争对手反过来聊这个公司。行业前三名要跑遍才知道，这个交易能不能做下去，能不能做三五年，十年二十年。我们对短期的输赢、短期格局不是很关心，而是关心十年后它是不是江湖老大，十年后想不出来不要做。4、中国崛起，五大讲讲中国的机会。中国机会也是大得不得了，这张图是我最喜欢的一张图，很多人看问题主要看得太多，我喜欢把它看长一点，比如中国GDP占世界，像200年之前中国是老大。然后在七八年改革开放之前的一百多年，是屈辱的一百年，加上建国之前的38年都是很混乱的，殖民地、多个政权在那里乱搞。咱们GDP走到今天世界什么占比，未来十年总量会超过美国，十年一转眼就过去了，但很多人没有意识到这点，中国在崛起，而且在崛起的前夜，现在真正开始突飞猛进的时候。股市里面机会多得是，茅台、腾讯能天天创新高吗？盯着GDP？所以角度有问题。股市在全球是领先的，一个经济要驱动有什么因素？第一稳定的政权，第二人力，第三资本。我们上世纪八十年代、九十年代没有钱引进外资，但是我们有人，我们城市化之前富余农村劳动力都进场，廉价劳动力加上外资能突飞猛进。十年前什么概念，2007年我们通过引进外资、引进技术已经学到很多东西，再走十年走到今天操作业已经成功了，发现我们很多行业已经世界第一了。我们家电世界第一、安防世界第一、互联网世界第一、也世界第一。应用是排前列排第一名的，日本是倒数的，我一年去日本几回有体会。中国十几亿人口，别说老龄化，我们消费刚刚喷发出来，所以机会就在眼前。这几个红字大家没看见的话，基本今年投资没多少了。未来三十年就是中国盛世的时候，这个时候我们要做什么？投优质上市公司抓龙头。为什么龙头都被人哄抢？星期五这种行情有点乱，哄抢，外资几年前已经在进入中国的股市，目前已经抢到一万亿，国家队才管四万亿，他已经抢到一万亿未来还在抢。如果很多散户没开户很可怜，被别人抢掉了。消费不得了，消费占GDP也是起来的，基建投资我都不感兴趣，一定压住消费。消费吃、喝、玩、乐，抓住吃，有白酒、牛奶，我抓白酒，肯定抓茅台，抓最高端的。茅台为什么好？中国人一年要喝掉一千万吨白酒，我只有不到三万吨是茅台，你们抢吧，千分之三。第二个是制造业升级。因为我们消费升级了，消费升级有很多证据，比如日常生活家里冰箱原来是一开门现在双开门，底下抽屉原来一个变两个，叫消费升级。以前大家买轿车，这几年消费最火的SUV都在升级。咱们现在还注重体验，以前随便买个东西行了，现在要洗茶再喝杯茶。第三个是太阳能行业，未来十年新能源。天然气石油已经走到穷途末路了，未来是新能源。比如风电、太阳能，最阳光的就是太阳能，我们通过二十多年摸索，马上就能实现，估错不到三五年，估准三年上来，需求能爆发。现在我们的补贴都是冰山一角，在喷发前夜一点量已经不得了，三五年之后一定会暴涨。煤炭连研究都不要研究了。医药，老龄化，中国劳动力拐点出现第七年了，再过几年老龄化慢慢出现，医药的东西消费慢慢起来，未来三十年也是值得投的。医药消费不是喷发而是逐步上升，吃药不能抓太多。还有科技，大家很清楚全球股市市值前十、二十慢慢有中国公司了，科技偷懒买腾讯就行了，腾讯一千亿投子公司，把未来有潜力的都抓住了，买腾讯相当于买科技指数，这是最简单、最安全、最稳妥躺着可以赚钱的。好公司也是很简单，如果咱们不懂就抓个龙头，只要确定未来一二十年这个龙头还是龙头，别这个龙头过三五年变成老二、老三我们押错了，希望买进去未来一二十年是龙头，财务报表找基因，要跟管理层调研，现场看细节，落实我们的想法是不是好公司。好价格，这个蛮有意思的，一百多茅台涨到六百多了，危转机。一百五能买吗？三百八能买吗？每个人观点不一样。这个东西一百一买结果涨到一千一眼睛绿掉了，这个事情每个人看法不一样，这是关于价格。不是像所谓安全边际，一块钱东西五毛钱买，哪有那么好的机会？好公司要落实，研判公司发展阶段、真实增速、替代风险，如果原来买诺基亚可能也崩溃了，后来被苹果手机替代了。好公司标准是商业模式，商业模式怎么算？我一直想这个公司最好是赚钱机器又有好的商业模式。就比如茅台和伊利什么差别？伊利销售团队一万多人，茅台销售团队不到一千人，我当然喜欢不要吹牛能卖出去，海天酱油也是一万多人卖的酱油，茅台几百人，有一个好的品牌销售就少。好价格我自己是这样想的，可以采取的方式。这是我们这两三年经典的案例，我2015年秋天想明白了，当时估值2000亿附近。它库存里面它的酒大概五年出来，库存就值2000亿，百年产能白送，可能值一两万，当时市场给它严重错。难道市场傻瓜？其实市场就是傻瓜，市场三五年都是傻瓜，千万不要觉得你看见的东西都是真的。前几年你看见茅台二百是真的吗？不是真的，一两千是真的，那杆秤在你的心里不在盘里。我从来不看盘，我一天交易十分钟，剩下都在开会看K线背后的东西。期货和股票的差异。都用在供需，期货供需比较便捷周期短，容量小，这个市场是暴利的，股票成功率比较高，股票成功率10%，50%，它可以增长。研究商品和上市公司有什么差别？供需是一样的，行业供需分析，多了竞争优势和管理能力，竞争优势需要上门调研慢慢品的。怎么配置这两个市场？期货还是图暴利，图暴利的东西配少一点大概配10%以内。做复利一辈子的东西配得多一点八九十配在里面。我的演讲就到这。谢谢大家！声明：本文仅代表作者个人观点，不构成投资意见，并不代表本平台立场。文中的论述和观点，敬请读者注意判断。关于版权：若文章涉及版权问题，敬请原作者联系我们。【电话：021-；微信：hjwh123】钞票不是万能的，有时候还需要信用卡。心哥卡社，带你。《15年期货老兵：我看好的五大领域，躺着赚钱的方法》 精选二在本届贵阳上，阿里巴巴董事长马云发表了《数据创造价值 创新驱动未来》的主题演讲。马云认为未来三十年是最佳的超车时代，是重新定义变革时代，因为让预判和计划都成为了可能。未来，数据将成为主要能源，如果离开数据，任何组织的创新都基本上是空壳。马云列举了新零售、教育、科技等各行各业将被数据重新定义的情况，并指出面对和大数据结合带来的巨大改变，人类不应该恐惧，或是一味追求机器模仿人类，而是应该充分发挥自己的优势，顺势而变。（完）以下为演讲实录：我觉得刚才的对话还是很不错，因为首先觉得这样的讨论应该是在硅谷，怎么跑到贵州来讨论，其实这本身就是一个巨大的变化。我觉得可能四五年以前大家在贵州讨论最多的是我们该怎么样抓住机会，能够更加的后工业化，怎么样能够讨论挖更多的煤，开更多的工厂。但是短短四年还不到的时间，我们看到整个贵州大数据产业迅猛发展，这确实让人震撼。刚才我自己坐在下面在想，其实我们以前对贵州了解最多就是茅台酒，我对茅台酒很热爱，也很关心，一直在讲凭什么茅台酒那么好，很多人跟我讲了很多道理，其中，最神秘我觉得最不靠谱的一种说法就是空中22平方公里有一种神秘的菌在飞来飞去，我是不太相信的。其实茅台酒就是地处偏远山区产了很多粮食，但是由于东西运不出来，当地农民找到一种很好的酿酒方法，时间放得越长这个酒越好。但是在这样的地方，这么偏远的农村，能够谈论大数据，能够创造大数据，能够对未来进行思考，我觉得这是贵州一种弯道超车的战略思考。其实大家知道，贵州这个地方在我看来是先天不足，交通也不行，基础设施也不行，说到人才，这个地方我听说只要有点才华的人都跑出去了。但是现在不一样，全世界的顶尖IT在DT时代最优秀人都跑到这里，而现在把先天不足变成了先天优势，对未来整个数据时代的把握是让人觉得非常振奋，不是震惊。2016年，贵州在电商网购的增速是全国第一，网上销售增速全国第二，2016年，贵州上云的中小企业增长达到55%，增速也是全国第二。一个非常落后贫困的地区能够把握住新的机会冲起来，我相信，十年以前你跟任何人讲贵州有可能发展大数据，谁都不相信。但是今天，我觉得这里就正在发生这样的奇迹。我在想，如果贵州可以，你为什么不可以？如果贵州这样的人才资源都可以，你为什么不可以？我今天主要讲一个观点，我们人类在进入重新定义很多事情的世界。贵州现在做的事情，我觉得每个城市都可以做，贵州人现在在做的事情，每个人都有机会在做。大数据时代，人人有机会。但是我们对做的事情的定义要进行重新定义。什么是重新定义？我觉得，我们绝大部分的人是生活在昨天，以昨天的思考来判断明天或者至少在解决今天的问题，重新定义是很少一部分人生活在明天或者后天，而且绝大部分生活在明天和后天的人有很多人是空想主义。如何能够把生活在昨天和后天的人结合在一起，我们对很多问题将会重新定义。未来的三十年会把很多今天看来很可能的事情变成了不可能，会把很多不可能的事情变成了可能。我想先讲一些比较哲学方面的问题，也跟大家思考。去年我提了一个观点，我说由于大数据时代的出现，我们对计划经济和市场经济将进行重新定义，我们在过去的五六十年，大家认为市场经济要比计划经济好很多。但我个人觉得，未来三十年，市场经济和计划经济将会被重新定义。我这个观点在国内得到了很多的***家一致批判，大家觉得我是胡说八道。这里我自己先告诉大家，我指的计划经济不是那时候苏联的计划经济，也不是中国刚开始的计划经济。计划经济和市场经济最大的差异是，市场经济有一只无形的手，我想问大家，如果这只无形的手你愿意摸到，你愿意做计划吗？在大数据时代，特别是万物互联的时代，人类获得数据的能力远远超过大家想象，人类取得对数据进行重新处理以及处理的速度的能力也远远超过大家，不管是AI也好，MI也好，我们对世界的认识将会提升到一个新的高度。所以，我想说明的一个问题，由于大数据让市场变得更加聪明。由于大数据，让计划和预判成为了可能。两个简单的例子，以前的渔民出去下海捞鱼，由于对气象不把握，只能靠老船长的经验来做，所以有没有暴风雨纯粹凭经验，所以经验主义成为了第一步。但是气象台出来，气象就是数据。我们能够准确的预判下午2点45分有暴风雨，这些出来以后，使得捕鱼的计划性就有可能出现。当然，反馈气象台第一波人就是那些老船长。第二步，我们今天在讲以前没有X光、没有CT机的时候，我们只能号脉，但是有X、CT就去照，其实X光、CT都是数据。加入这个世界万物互联，所有数据都会有的时候，我们对很多昨天困境的认识要进行重新定义。我去年讲了一句话，我讲五个新，未来三十年，这五个新将会深刻影响中国乃至世界的经济、社会、**方方面面，新零售，新制造、新技术、新能源、新，这五个新很多人批判，其实这五个新是重新定义这五个事。新零售就是必须重新定义零售。大家都知道，零售以前是当做销售的渠道，未来零售我看成是一种服务，以前零售是卖货，未来零售是做服务，未来零售是计算要做的，所有物流也好，产品流也好，经营流也好，服务流，必须合在一起。20世纪如果是工业制造的能力，那么21世纪是服务的能力。所以，新零售是我们必须对零售重新定义，原来卖货，未来卖服务。新制造更是重新定义。我在很多地方讲了很多遍，15年以前我说电子商务会冲击零售行业，大家并没有想回事，这两年大家都骂电子商务冲击了传统零售，其实我觉得不是电子商务冲击了传统零售，而是你的保守，思想活在昨天希望留住昨天的思想冲击了今天的模式。下一波巨大的冲击在未来十年以内，制造业会遭遇前所未有的冲击。因为新制造将重新定义原来所谓流水线、标准化、规模化、集装箱、低成本，将会彻底会被改变，所以定制化将会越来越多，IOT、大数据，这个行业出来，大数据对传统制造业的冲击远远超过电子商务对零售行业的冲击，请各制造业要高度重视。我说，以前的二十年我们把人变成了机器，未来20年，我们会把机器变成人。机器会越来越聪明，机器会越来越自我学习，这对传统制造业的打击是非常大的，早做准备。好消息是，还有十年时间。坏消息是，大家都一样。新金融，不是钱等待钱，所有金融机构最担心是钱不能到需要的人手上。过去金融是二八理论，只要服务20%大客户就能够得到80%的利润，未来是八二理论，必须扶持80%的中小企业、年轻人和需要钱的人，获得20%的利润。金融机构的日子会越来越难过。其实，金融本身是做个信用体系，在没有信用体系下，中国很多金融体系机构我今天看来跟一两百年前的当铺没有什么差异的。两百多年前要东西把东西当给他，拿一笔钱去进行经营，今天我们基本上很多企业到银行去贷款是要把资产抵押，我觉得这两百年来，跟当铺没有什么区别。只是把名字改为银行或者规模做得大一点而已。但是未来新金融必须建立信用体系，必须建立各种各样以数据为基础的信用体系，所以这方面希望大家高度重视。第四个是新技术，昨天我们认为是强大的技术很有可能今天并不重要。在座很多人觉得很郁闷，很多人都还没有搞清楚IT是什么，现在我们进入了DT时代。我也告诉大家，昨天IT越强的企业，今天越痛苦。你去想一下，过去所谓八大IT公司，哪一家公司今天不在折腾，不在痛苦之中？因为这是一个新的时代的道理。我们必须去思考，不是弯道超车，而是换道超车，必须在另外一道上竞争。弯道超车概率赢的几率很低。原来是PC为主，现在是在移动端为主。我经常开玩笑说，晚上醒过来摸的不是老婆，摸的是手机。因为人已经取代了人很多功能，实际上手机是AI、MI的最早的应用。所以，手机通电话的功能已经由原来100%变成了20%，还有80%是跟通电话没有关系。设想，如果我们的汽车装上了操作系统，加上数据，世界会变成什么样？设想，电灯泡、电视机、电冰箱全部装上操作系统，全部进行数据集成以后，世界会变成怎么样？以前的电器是插上了电以后就听你话，未来电器不仅要通电，更要通数据，由于机器收到的数据，机器比人变得越来越聪明。按照昨天聪明的标准来讲，机器一定会聪明。所以我们对“聪明”二字也要重新进行定义。然后就是新能源。第一次工业革命能源是煤，诞生商业模式是工厂。第二次工业革命诞生主要能源是石油，诞生的行为是公司。这一切皆是创新，数据将成为主要的能源，如果离开了数据，任何组织的创新都基本上是空壳。如果没有数据，如果不对未来进行准备，我觉得灾难会是非常之大的。一开始我在想，贵州这样的地区，一个人要有理想，一个地区一个城市，一个国家，必须要有理想，有理想以后，坚持才有可能。所以，对未来把控我觉得大家要去思考这些问题。未来三十年是最佳的超车时代，是重新定义变革时代。我觉得我们对未来三十年看法过程中要避免几个误区。我们必须要有自己独特的思考，对未来的把握，走自己的路，能够发挥自己的优势。我想，这是我们今天要去看。我们做事情要避免一种，中国人常常讲我要争一口气，争气干嘛？我们认为这样做不是因为争口气，是这样做是对的，这样做才有未来，我们永远希望超越对手，很多人超越对手之后又是一片迷茫，我们要超越的把握的未来，超越的是解决未来的问题，那你永远会有机会赢。如果你超越对手，因为对手是超不光的，今天超了，明天还是会来。所以MI、AI的讨论，我觉得我们今天讨论很有意思，我们的定义没有定义清楚很正常，定义清楚了才不正常。一百年以后我们一定会为今天的大胆、今天的幼稚、今天的天真而感到有意思，那时候一百多年前还这么讨论。一百年前讨论电的时候认为电就是电灯泡，哪会想到有电冰箱、电视机、电饭煲，哪会想到电会无处所在。所以，我们今天不要把人类看得太大。尤其在前段时间，我跟一些美国的专家学习之后，我是大吃一惊，我们现在很多外科医生进入人脑，让机器刻意模仿人，我们人对自己人脑的了解还不到5%。我觉得机器必须要有自己独特的思考，机器必须要做人类做不到的事情。这两天比较热闹的柯洁下围棋，我觉得人类是最有意思的动物，好象Alpha Go和人类下围棋之前，人绝大部分认为机器肯定会被人搞死掉，打输了之后，所有人认为，机器一定会把人搞死掉。我并不以为然，尤其中国很多公司，别再去搞Alpha Go这样的东西了，没有多大意义，你们可以做的事情实在太多了。按下围棋本来是多有乐趣的事情，下围棋本来是就在等对方下一步错棋我赢一把，结果对方这机器从来不会下错其，算得又理性又客观，算得比你快，你想三步，它三百步都想好了，还永远不错棋，这有什么意思，把我们最快乐的东西剥夺掉，还侮辱我们一把。我们诞生石油之后我们一定要搞清楚，我们一定跑不过火车、飞机，从人类第一次发明计算机之后，我们就会预感，原来定义这些东西将会重新定义。我们一定搞不过机器传统计算、储存、理性、持久度上胜过它。所以我在想，这就是人类一定要去思考，我觉得不要让机器去学习人类，我们要想机器必须要有机器方式方法，机器独特的思考，能够整合人类，能够整合动物，甚至整合各种各样的，让机器有自己思考去弥补做人类做不到的东西。汽车如果按照人类去走是两条腿走路，那永远跑不快。所以，人类要呈现自己局限性，呈现局限也是一种智慧。所以我觉得，没有必要去跟机器再叫板谁更聪明，我们一直希望人是最聪明，未来机器人一定不是像今天的机器人，就像外星人长得跟我一定不一样的道理是一样的。外星是外星生物，不是外星人，如果把自己锁定在这儿，那麻烦越来越多。第一个误区，美国人这么干，所以我们也必须这么干。我们最早是苏联这么干，我们就这么干。后来是美国这么干我们就这么干。美国杂志上有这样的资讯，所以我们必须要这样干。我们永远在重复着一种永远在追赶从未被超越的装，我们不断的追赶，不断的说必须，我们好不容易做了一件事情，我们填补了国内在这方面空白，为什么不让别人填补我们的空白？所以，以前我们讲中国有市场，但中国没有技术，中国没有资金。今天中国有技术，有资金，我们今天也有市场，为什么我们不可以用自己的思考重新定义一下未来，超越任何一个国家、超越任何一家公司都没有多大意义，超越未来、追赶未来，为别人、为世界、为未来创造独特的价值才是真正的意义。所以今天很多中国企业讲我要为国争光去拿诺贝尔奖，把诺贝尔奖当成荣誉，诺贝尔奖是一种担当，是你对世界创造独特价值影响和改变世界。所以我希望大家去思考，我们到今天这个时代，人人有机会。假设贵州不是走自己大数据对未来的把控，假设今天的贵州也跟着广州后面，跟着上海后面，跟在浙江上面，我难以想象贵州在五十年以内能够赶得上。在人类知识急剧爆发情况下，人类过去两千年来，知识发生了翻天覆地的变化，眼睛看到月亮，人争取走到火星上，但是人类对于智慧我认为两千年来几乎没有进步过。无论孔子、道子，儒家、佛家这些思想，今天看来比我们还是聪明。知识是可以学来的，但是智慧是一种体验。所以，我们人类和机器竞争是体验的竞争，这对我们今天最大调整是教育体制改革，如果我们继续以前教学方法，对我们的孩子进行记、背、算这些东西，不让孩子去体验，不让他们去学会琴棋书画，我可以保证三十年后孩子们找不到工作，因为他没有办法竞争过机器时代，过去一百年是知识的时代、科技的时代，未来一百年是体验的时代、是服务的时代，机器将会取代过去两百年来很多知识和技术。所以未来要求各国各地区各个家庭高度关注未来孩子的教育。所以，机器一定会有自己的思考，机器一定有自己的方法。所以这方面希望大家记住，人类不应该害怕机器，但是人类应该由机器来解决人类的问题，我们要让机器去做哪些我们人类做不到的事情。 另外一个，人类历史上变化永远超过我们想象。我是22年以前做互联网，1994年年底，我从美国西雅图看见互联网以后，我觉得这玩意儿不错，可能将来会搞大，但没想到会搞得那么大，这是超越了我们的想象，就像阿里巴巴一样，1999年做阿里巴巴的时候，我们永远没有想过阿里巴巴今天会变成这样一个东西。所以我想，今天我们对未来得畅想应该更加务实去思考，有更加开放的心态。当有电的时候，唯一的就是电灯泡，今天电已经变成了这样。所以我想，如果把下围棋当做是微量的机器智能，我觉得真是错了，下围棋远远不如当时的电灯泡，电灯泡当时影响力比今天围棋不知道大多少。我自己觉得，人类任何一次革命是五十年，过去二十年我们称之为互联网技术二十年，未来的三十年称之为互联网时代的三十年。任何一次技术的应用，都会带来巨大的社会进步，但是任何一次技术的应用都会带来社会巨大的冲击。包括商人也一样，未来的商人全部是在互联网上，80%企业都会在互联网上进行，80%产品都在网上卖。所以，未来三十年既是一个，也是一个坏时代。好时代是，我们人类永远总生活在一个平稳的时代。但另一方面，我们希望一个变革的时代，今天人类在进入一个变革的时代，不是危言耸听。技术革命给人类带来的好处大家都已经享受很多，但是技术革命对人类社会带一带来的冲击不知道在座有多少人思考过。第一次技术革命带来的冲击是第一次世界大战，第二次技术革命带来冲击是第二次世界大战，这是第三次技术革命，如果人类不能找到一个共同团结起来的对付，贫困、就业、环境保额我个人认为这是第三次技术革命带来的冲击，我觉得中国全面的脱贫，小康社会就是必须用大数据、互联网技术能够让贫穷消灭，我觉得这个世界是很难消灭穷人的，我们是可以消灭贫困的。但未来的就业挑战也会超越大家的想象，社会价值观导向，每一次技术革命对未来的应用三十年都是社会动荡的三十年，如果把握不当，将会造成巨大的伤害。讲到就业，我个人这么决定，大家都担心，就业未来二三十年冲击之大超过大家想象，昨天我们认为最好的白领工作将会没有，昨天我们机器设备投入的大量的流水线作业将会被个性化所取代，所以绝大部分的人会生活在恐慌和对未来没有把握之中。但是要记住，每一次技术革命都创造了更多的就业机会，工业革命蒸汽机起来的时候，所有农民最讨厌就是蒸汽机，但是蒸汽机最后带来了巨大的就业。第二次工业革命，火车、汽车这些出来之后，多少马车夫恨之入骨，结果带来了铁路工人的岗位。原来码头工人最讨厌的火车进来，但是火车进来后在中国就创造了200万铁路就业。所以我自己觉得，越来越多就业会诞生出来。但是可怕的是，未来三十年是去就业的速度和增长新就业速度来比的话，失去速度会更快，增加的速度要到三十年以后才会形成，而且这个三十年以后也必须得今天的教育体系、教育课程、教育设置进行重新定义和思考。所以，今天所谓的一技之长可能明天变成无计可施，今天大家数据分析师特别抢手，我告诉你，十年以后根本没有数据分析师这个职业，全是机器做。所以这一点希望大家要想清楚。大家说，这样下去，我们工作怎么办？二三十年内，你肯定能看到一天工作不会超过4个小时，一个礼拜最多工作3天到4天。大家说不可能。你爷爷的爷爷一天工作16小时，在地里面觉得很忙，你现在一天工作8小时，一个礼拜还有2天休息，你觉得很忙。我告诉你，你一天工作4小时，你觉得比8小时还要忙。所以以后的世界很大的变化就是原来我们这些人一辈子最多只能去30个地方，但是未来十年以后一辈子可能去300个地方，你可能就在汽车里、火车上、飞机上，那时候汽车、火车和飞机就像今天的手机，是重新定义了，今天的移动电话根本不是电话，未来 的汽车不是汽车，未来得火车不是汽车，因为这些机器全部离不开数据，有了数据之后，人类社会就真的发生了巨大变化。所以我希望大家所有人记住，在展望未来好时代的时候要做好不好的准备，并且谁能够解决这些不好的问题，谁就能够成为巨大成功的企业或者个人。什么是机会？机会一种是看到别人没有看到的好的机会，第二种是看到别人没有看到的灾难，并且你把灾难消灭掉，机会就来了，机会一定是在别人抱怨之中，一定是在别人恐慌，如果能把它解决掉。未来三十年，这是一个好时代，这是一个动荡的时代，但是这是一个令人兴奋的是，未来这个时代是每个人都可以像贵州一样可以跨越，正能量的说是我改变自己，我不能改变自己，我改变我的孩子。因为没有人可以阻碍大数据时代，没有人可以阻碍互联网，就像没有人在一百年前可以拔掉电一样。今天有人在讲要反全球化，没有人可以反全球化，年轻人就是全球化的，因为世界是移动的。当然，我们要坚决杜绝各种各样的我比较担心的所谓红旗法案。大家记住，在一八六几年的时候，英国最早发明了汽车，这个汽车出来的时候，首先上门砸汽车的是马车夫，马车夫认为，汽车出现消灭了我们的就业，我们一定要抗争到底，最后强迫**出了机动车法令，后来称之为红旗法案，每一辆里面必须有个人，有一个人必须在前面五十米拿红旗招展，汽车的要求永远不能超过马车，如果汽车速度超过马车，汽车将吊销运营牌子，以此来限制汽车，保护整个非机动车也就是马车工人利益。结果三十年以内德国超上了，法国超长了，美国把握这个技术，迅速把自己变成了一个车轮上的国家。由于汽车，又变成石油能源的起来。但是我们今天想出红旗法案的人还是很多，或者是不自觉出红旗法案的人还是很多。所以，在于出任何法案的时候要想明白，遏制人类本性中恶的东西，倡导开放面对未来，这是我觉得我们今天这个社会巨大的机会。在贵州我们看到了跨越，看到了换道超车的机会，在贵阳这样一个我认为不说二流三流，我们可能是四流到五流的一个省份今天能够站在未来探讨问题。我觉得，如果贵州可以，你为什么不可以，如果贵阳今天可以感大数据，可以进行思考，我觉得这是我们共同的未来，活在未来，没办法活在昨天，更没有办法把昨天留住，这是我想跟大家分享的一些观点和看法，谢谢大家。转载自：互联网 版权属原作者 若有侵权请联系删除 renwendai.com信于人，博于文，稳于贷《15年期货老兵：我看好的五大领域，躺着赚钱的方法》 精选三5月26日，阿里巴巴集团董事局**马云在贵阳数博会上发表了《数据创造价值 创新驱动未来》的主题演讲。在演讲中，马云再次强调了信用体系对于金融行业的重要性。“在没有信用体系下，中国很多金融体系机构我今天看来跟一两百年前的当铺没有什么差异的。”马云称。马云认为，过去的金融实行的是二八理论，把服务的重心放在了20%的大客户身上，而新金融则不然，未来会是八二理论，必须扶持80%的中小企业和年轻人，获得20%的利润。在此前的2017中国绿公司年会上。马云表示，社会首先要打造一个真正的扎实靠得住的信用体系。只有建立这个信用体系，所谓的P2P才可能出现。马云指出，新金融是要求金融体系创造出一个普惠且公平的环境，目标是“让一个老太太和工商银行董事长享有相同的权利”。以下为演讲实录：我觉得刚才的对话还是很不错，因为首先觉得这样的讨论应该是在硅谷，怎么跑到贵州来讨论，其实这本身就是一个巨大的变化。我觉得可能四五年以前大家在贵州讨论最多的是我们该怎么样抓住机会，能够更加的后工业化，怎么样能够讨论挖更多的煤，开更多的工厂。但是短短四年还不到的时间，我们看到整个贵州大数据产业迅猛发展，这确实让人震撼。刚才我自己坐在下面在想，其实我们以前对贵州了解最多就是茅台酒，我对茅台酒很热爱，也很关心，一直在讲凭什么茅台酒那么好，很多人跟我讲了很多道理，其中，最神秘我觉得最不靠谱的一种说法就是，空中22平方公里有一种神秘的菌在飞来飞去，我是不太相信的。其实茅台酒就是地处偏远山区产了很多粮食，但是由于东西运不出来，当地农民找到一种很好的酿酒方法，时间放得越长这个酒越好。但是在这样的地方，这么偏远的农村，能够谈论大数据，能够创造大数据，能够对未来进行思考，我觉得这是贵州一种弯道超车的战略思考。其实大家知道，贵州这个地方在我看来是先天不足，交通也不行，基础设施也不行，说到人才，这个地方我听说只要有点才华的人都跑出去了。但是现在不一样，全世界的顶尖IT在DT时代最优秀人都跑到这里，而现在把先天不足变成了先天优势，对未来整个数据时代的把握是让人觉得非常振奋，不是震惊。2016年，贵州在电商网购的增速是全国第一，网上销售增速全国第二，2016年，贵州上云的中小企业增长达到55%，增速也是全国第二。一个非常落后贫困的地区能够把握住新的机会冲起来，我相信，十年以前你跟任何人讲贵州有可能发展大数据，谁都不相信。但是今天，我觉得这里就正在发生这样的奇迹。我在想，如果贵州可以，你为什么不可以？如果贵州这样的人才资源都可以，你为什么不可以？我今天主要讲一个观点，我们人类在进入重新定义很多事情的世界。贵州现在做的事情，我觉得每个城市都可以做，贵州人现在在做的事情，每个人都有机会在做。大数据时代，人人有机会。但是我们对做的事情的定义要进行重新定义。什么是重新定义？我觉得，我们绝大部分的人是生活在昨天，以昨天的思考来判断明天或者至少在解决今天的问题，重新定义是很少一部分人生活在明天或者后天，而且绝大部分生活在明天和后天的人有很多人是空想主义。如何能够把生活在昨天和后天的人结合在一起，我们对很多问题将会重新定义。未来的三十年会把很多今天看来很可能的事情变成了不可能，会把很多不可能的事情变成了可能。我想先讲一些比较哲学方面的问题，也跟大家思考。去年我提了一个观点，我说由于大数据时代的出现，我们对计划经济和市场经济将进行重新定义，我们在过去的五六十年，大家认为市场经济要比计划经济好很多。但我个人觉得，未来三十年，市场经济和计划经济将会被重新定义。我这个观点在国内得到了很多的***家一致批判，大家觉得我是胡说八道。这里我自己先告诉大家，我指的计划经济不是那时候苏联的计划经济，也不是中国刚开始的计划经济。计划经济和市场经济最大的差异是，市场经济有一只无形的手，我想问大家，如果这只无形的手你愿意摸到，你愿意做计划吗？在大数据时代，特别是万物互联的时代，人类获得数据的能力远远超过大家想象，人类取得对数据进行重新处理以及处理的速度的能力也远远超过大家，不管是AI也好，MI也好，我们对世界的认识将会提升到一个新的高度。所以，我想说明的一个问题，由于大数据让市场变得更加聪明。由于大数据，让计划和预判成为了可能。两个简单的例子，以前的渔民出去下海捞鱼，由于对气象不把握，只能靠老船长的经验来做，所以有没有暴风雨纯粹凭经验，所以经验主义成为了第一步。但是气象台出来，气象就是数据。我们能够准确的预判下午2点45分有暴风雨，这些出来以后，使得捕鱼的计划性就有可能出现。当然，反馈气象台第一波人就是那些老船长。第二步，我们今天在讲以前没有X光、没有CT机的时候，我们只能号脉，但是有X光、CT就去照，其实X光、CT都是数据。加入这个世界万物互联，所有数据都会有的时候，我们对很多昨天困境的认识要进行重新定义。我去年讲了一句话，我讲五个新，未来三十年，这五个新将会深刻影响中国乃至世界的经济、社会、**方方面面，新零售、新制造、新技术、新能源、新金融，这五个新很多人批判，其实这五个新是重新定义这五个事。新零售就是必须重新定义零售。大家都知道，零售以前是当作销售的渠道，未来零售我看成是一种服务，以前零售是卖货，未来零售是做服务，未来零售是计算要做的，所有物流也好，产品流也好，经营流也好，服务流，必须合在一起。20世纪如果是工业制造的能力，那么21世纪是服务的能力。所以，新零售是我们必须对零售重新定义，原来卖货，未来卖服务。新制造更是重新定义。我在很多地方讲了很多遍，15年以前我说电子商务会冲击零售行业，大家并没有想怎么回事，这两年大家都骂电子商务冲击了传统零售，其实我觉得不是电子商务冲击了传统零售，而是你保守，思想活在昨天，希望留住昨天的思想冲击了今天的模式。下一波巨大的冲击在未来十年以内，制造业会遭遇前所未有的冲击。因为新制造将重新定义原来所谓流水线、标准化、规模化、集装箱、低成本，将会彻底会被改变，所以定制化将会越来越多，IOT、大数据，这个行业出来，大数据对传统制造业的冲击远远超过电子商务对零售行业的冲击，请各制造业要高度重视。我说，以前的20年我们把人变成了机器，未来20年，我们会把机器变成人。机器会越来越聪明，机器会越来越自我学习，这对传统制造业的打击是非常大的，早做准备。好消息是，还有十年时间。坏消息是，大家都一样。新金融，不是钱等待钱，所有金融机构最担心是钱不能到需要的人手上。过去金融是二八理论，只要服务20%大客户就能够得到80%的利润，未来是八二理论，必须扶持80%的中小企业、年轻人和需要钱的人，获得20%的利润。金融机构的日子会越来越难过。其实，金融本身是做个信用体系，在没有信用体系下，中国很多金融体系机构我今天看来跟一两百年前的当铺没有什么差异的。两百多年前要把东西当给他，拿一笔钱去进行经营，今天我们基本上很多企业到银行去贷款是要把资产抵押，我觉得这两百年来，跟当铺没有什么区别。只是把名字改为银行或者规模做得大一点而已。但是未来新金融必须建立信用体系，必须建立各种各样以数据为基础的信用体系，所以这方面希望大家高度重视。第四个是新技术，昨天我们认为是强大的技术很有可能今天并不重要。在座很多人觉得很郁闷，很多人都还没有搞清楚IT是什么，现在我们进入了DT时代。我也告诉大家，昨天IT越强的企业，今天越痛苦。你去想一下，过去所谓八大IT公司，哪一家公司今天不在折腾，不在痛苦之中？因为这是一个新的时代的道理。我们必须去思考，不是弯道超车，而是换道超车，必须在另外一道上竞争。弯道超车概率赢的几率很低。原来是PC为主，现在是在移动端为主。我经常开玩笑说，晚上醒过来摸的不是老婆，摸的是手机。因为它已经取代了人很多功能，实际上手机是AI、MI的最早的应用。所以，手机通电话的功能已经由原来100%变成了20%，还有80%是跟通电话没有关系。设想，如果我们的汽车装上了操作系统，加上数据，世界会变成什么样？设想，电灯泡、电视机、电冰箱全部装上操作系统，全部进行数据集成以后，世界会变成怎么样？以前的电器是插上了电以后就听你话，未来电器不仅要通电，更要通数据，由于机器收到的数据，机器比人变得越来越聪明。按照昨天聪明的标准来讲，机器一定会聪明。所以我们对“聪明”二字也要重新进行定义。然后就是新能源。第一次工业革命能源是煤，诞生商业模式是工厂。第二次工业革命诞生主要能源是石油，诞生的行为是公司。这一切皆是创新，数据将成为主要的能源，如果离开了数据，任何组织的创新都基本上是空壳。如果没有数据，如果不对未来进行准备，我觉得灾难会是非常之大的。一开始我在想，贵州这样的地区，一个人要有理想，一个地区一个城市，一个国家，必须要有理想，有理想以后，坚持才有可能。所以，对未来把控我觉得大家要去思考这些问题。未来三十年是最佳的超车时代，是重新定义变革时代。我觉得我们对未来三十年看法过程中要避免几个误区。我们必须要有自己独特的思考，对未来的把握，走自己的路，能够发挥自己的优势。我想，这是我们今天要去看。我们做事情要避免一种，中国人常常讲我要争一口气，争气干嘛？我们认为这样做不是因为争口气，是这样做是对的，这样做才有未来，我们永远希望超越对手，很多人超越对手之后又是一片迷茫，我们要超越的把握的未来，超越的是解决未来的问题，那你永远会有机会赢。如果你超越对手，因为对手是超不光的，今天超了，明天还是会来。所以MI、AI的讨论，我觉得我们今天讨论很有意思，我们的定义没有定义清楚很正常，定义清楚了才不正常。一百年以后我们一定会为今天的大胆、今天的幼稚、今天的天真而感到有意思，那时候一百多年前还这么讨论。一百年前讨论电的时候认为电就是电灯泡，哪会想到有电冰箱、电视机、电饭煲，哪会想到电会无处所在。所以，我们今天不要把人类看得太大。尤其在前段时间，我跟一些美国的专家学习之后，我是大吃一惊，我们现在很多外科医生进入人脑，让机器刻意模仿人，我们人对自己人脑的了解还不到5%。我觉得机器必须要有自己独特的思考，机器必须要做人类做不到的事情。这两天比较热闹的柯洁下围棋，我觉得人类是最有意思的动物，好像AlphaGo和人类下围棋之前，人绝大部分认为机器肯定会被人搞死掉，打输了之后，所有人认为，机器一定会把人搞死掉。我并不以为然，尤其中国很多公司，别再去搞AlphaGo这样的东西了，没有多大意义，你们可以做的事情实在太多了。下围棋本来是多有乐趣的事情，下围棋本来是就在等对方下一步错棋我赢一把，结果对方这机器从来不会下错棋，算得又理性又客观，算得比你快，你想三步，它三百步都想好了，还永远不错棋，这有什么意思，把我们最快乐的东西剥夺掉，还侮辱我们一把。我们诞生石油之后我们一定要搞清楚，我们一定跑不过火车、飞机，从人类第一次发明计算机之后，我们就会预感，原来定义这些东西将会重新定义。我们一定搞不过机器传统计算、储存、理性、持久度上胜过它。所以我在想，这就是人类一定要去思考，我觉得不要让机器去学习人类，我们要想机器必须要有机器方式方法，机器独特的思考，能够整合人类，能够整合动物，甚至整合各种各样的，让机器有自己思考去弥补做人类做不到的东西。汽车如果按照人类去走是两条腿走路，那永远跑不快。所以，人类要呈现自己局限性，呈现局限也是一种智慧。所以我觉得，没有必要去跟机器再叫板谁更聪明，我们一直希望人是最聪明，未来机器人一定不是像今天的机器人，就像外星人长得跟我一定不一样的道理是一样的。外星是外星生物，不是外星人，如果把自己锁定在这儿，那麻烦越来越多。第一个误区，美国人这么干，所以我们也必须这么干。我们最早是苏联这么干，我们就这么干。后来是美国这么干我们就这么干。美国杂志上有这样的资讯，所以我们必须要这样干。我们永远在重复着一种永远在追赶从未被超越的装，我们不断的追赶，不断的说必须，我们好不容易做了一件事情，我们填补了国内在这方面空白，为什么不让别人填补我们的空白？所以，以前我们讲中国有市场，但中国没有技术，中国没有资金。今天中国有技术，有资金，我们今天也有市场，为什么我们不可以用自己的思考重新定义一下未来，超越任何一个国家、超越任何一家公司都没有多大意义，超越未来、追赶未来，为别人、为世界、为未来创造独特的价值才是真正的意义。所以今天很多中国企业讲我要为国争光去拿诺贝尔奖，把诺贝尔奖当成荣誉，诺贝尔奖是一种担当，是你对世界创造独特价值影响和改变世界。所以我希望大家去思考，我们到今天这个时代，人人有机会。假设贵州不是走自己大数据对未来的把控，假设今天的贵州也跟着广州后面，跟着上海后面，跟在浙江上面，我难以想象贵州在五十年以内能够赶得上。在人类知识急剧爆发情况下，人类过去两千年来，知识发生了翻天覆地的变化，眼睛看到月亮，人争取走到火星上，但是人类对于智慧我认为两千年来几乎没有进步过。无论孔子、道子，儒家、佛家这些思想，今天看来比我们还是聪明。知识是可以学来的，但是智慧是一种体验。所以，我们人类和机器竞争是体验的竞争，这对我们今天最大调整是教育体制改革，如果我们继续以前教学方法，对我们的孩子进行记、背、算这些东西，不让孩子去体验，不让他们去学会琴棋书画，我可以保证三十年后孩子们找不到工作，因为他没有办法竞争过机器时代，过去一百年是知识的时代、科技的时代，未来一百年是体验的时代、是服务的时代，机器将会取代过去两百年来很多知识和技术。所以未来要求各国各地区各个家庭高度关注未来孩子的教育。所以，机器一定会有自己的思考，机器一定有自己的方法。所以这方面希望大家记住，人类不应该害怕机器，但是人类应该由机器来解决人类的问题，我们要让机器去做哪些我们人类做不到的事情。 另外一个，人类历史上变化永远超过我们想象。我是22年以前做互联网，1994年年底，我从美国西雅图看见互联网以后，我觉得这玩意儿不错，可能将来会搞大，但没想到会搞得那么大，这是超越了我们的想象，就像阿里巴巴一样，1999年做阿里巴巴的时候，我们永远没有想过阿里巴巴今天会变成这样一个东西。所以我想，今天我们对未来得畅想应该更加务实去思考，有更加开放的心态。当有电的时候，唯一的就是电灯泡，今天电已经变成了这样。所以我想，如果把下围棋当作微量的机器智能，我觉得真是错了，下围棋远远不如当时的电灯泡，电灯泡当时影响力比今天围棋不知道大多少。我自己觉得，人类任何一次革命是五十年，过去二十年我们称之为互联网技术二十年，未来的三十年称之为互联网时代的三十年。任何一次技术的应用，都会带来巨大的社会进步，但是任何一次技术的应用都会带来社会巨大的冲击。包括商人也一样，未来的商人全部是在互联网上，80%企业都会在互联网上进行，80%产品都在网上卖。所以，未来三十年既是一个好时代，也是一个坏时代。好时代是，我们人类永远生活在一个平稳的时代。但另一方面，我们希望一个变革的时代，今天人类在进入一个变革的时代，不是危言耸听。技术革命给人类带来的好处大家都已经享受很多，但是技术革命对人类社会带一带来的冲击不知道在座有多少人思考过。第一次技术革命带来的冲击是第一次世界大战，第二次技术革命带来冲击是第二次世界大战，这是第三次技术革命，如果人类不能找到一个共同团结起来的对付，贫困、就业、环境保额我个人认为这是第三次技术革命带来的冲击，我觉得中国全面的脱贫，小康社会就是必须用大数据、互联网技术能够让贫穷消灭，我觉得这个世界是很难消灭穷人的，我们是可以消灭贫困的。但未来的就业挑战也会超越大家的想象，社会价值观导向。每一次技术革命对未来的应用三十年都是社会动荡的三十年，如果把握不当，将会造成巨大的伤害。讲到就业，我个人这么决定，大家都担心，就业未来二三十年冲击之大超过大家想象，昨天我们认为最好的白领工作将会没有，昨天我们机器设备投入的大量的流水线作业将会被个性化所取代，所以绝大部分的人会生活在恐慌和对未来没有把握之中。但是要记住，每一次技术革命都创造了更多的就业机会，工业革命蒸汽机起来的时候，所有农民最讨厌就是蒸汽机，但是蒸汽机最后带来了巨大的就业。第二次工业革命，火车、汽车这些出来之后，多少马车夫恨之入骨，结果带来了铁路工人的岗位。原来码头工人最讨厌的火车进来，但是火车进来后在中国就创造了200万铁路就业。所以我自己觉得，越来越多就业会诞生出来。但是可怕的是，未来三十年是去就业的速度和增长新就业速度来比的话，失去速度会更快，增加的速度要到三十年以后才会形成，而且这个三十年以后也必须得今天的教育体系、教育课程、教育设置进行重新定义和思考。所以，今天所谓的一技之长可能明天变成无计可施，今天大家数据分析师特别抢手，我告诉你，十年以后根本没有数据分析师这个职业，全是机器做。所以这一点希望大家要想清楚。大家说，这样下去，我们工作怎么办？二三十年内，你肯定能看到一天工作不会超过4个小时，一个礼拜最多工作3天到4天。大家说不可能。你爷爷的爷爷一天工作16小时，在地里面觉得很忙，你现在一天工作8小时，一个礼拜还有2天休息，你觉得很忙。我告诉你，你一天工作4小时，你觉得比8小时还要忙。所以以后的世界很大的变化就是原来我们这些人一辈子最多只能去30个地方，但是未来十年以后一辈子可能去300个地方，你可能就在汽车里、火车上、飞机上，那时候汽车、火车和飞机就像今天的手机，是重新定义了，今天的移动电话根本不是电话，未来的汽车不是汽车，未来得火车不是汽车，因为这些机器全部离不开数据，有了数据之后，人类社会就真的发生了巨大变化。所以我希望大家所有人记住，在展望未来好时代的时候要做好不好的准备，并且谁能够解决这些不好的问题，谁就能够成为巨大成功的企业或者个人。什么是机会？机会一种是看到别人没有看到的好的机会，第二种是看到别人没有看到的灾难，并且你把灾难消灭掉，机会就来了，机会一定是在别人抱怨之中，一定是在别人恐慌，如果能把它解决掉。未来三十年，这是一个好时代，这是一个动荡的时代，但是这是一个令人兴奋的是，未来这个时代是每个人都可以像贵州一样可以跨越，正能量的说是我改变自己，我不能改变自己，我改变我的孩子。因为没有人可以阻碍大数据时代，没有人可以阻碍互联网，就像没有人在一百年前可以拔掉电一样。今天有人在讲要反全球化，没有人可以反全球化，年轻人就是全球化的，因为世界是移动的。当然，我们要坚决杜绝各种各样的我比较担心的所谓红旗法案。大家记住，在一八六几年的时候，英国最早发明了汽车，这个汽车出来的时候，首先上门砸汽车的是马车夫，马车夫认为，汽车出现消灭了我们的就业，我们一定要抗争到底，最后强迫**出了机动车法令，后来称之为红旗法案，每一辆里面必须有个人，有一个人必须在前面五十米拿红旗招展，汽车的要求永远不能超过马车，如果汽车速度超过马车，汽车将吊销运营牌子，以此来限制汽车，保护整个非机动车也就是马车工人利益。结果三十年以内德国超上了，法国超上了，美国把握这个技术，迅速把自己变成了一个车轮上的国家。由于汽车，又变成石油能源的起来。但是我们今天想出红旗法案的人还是很多，或者是不自觉出红旗法案的人还是很多。所以，在于出任何法案的时候要想明白，遏制人类本性中恶的东西，倡导开放面对未来，这是我觉得我们今天这个社会巨大的机会。在贵州我们看到了跨越，看到了换道超车的机会，在贵阳这样一个我认为不说二流三流，我们可能是四流到五流的一个省份今天能够站在未来探讨问题。我觉得，如果贵州可以，你为什么不可以，如果贵阳今天可以做好大数据，可以进行思考，我觉得这是我们共同的未来，活在未来，没办法活在昨天，更没有办法把昨天留住，这是我想跟大家分享的一些观点和看法，谢谢大家。来源：声明：本文仅代表作者本人观点，本公众号对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考。本文版权归原作者所有，我们尊重原作者的知识成果。部分文章推送时未能联系到原作者，若涉及版权问题，敬请原作者联系我们，我们会立即处理。欢迎建议、意见、合作、投稿至 。新沃集团，是一家以综合性金融服务为核心的产业集团公司。注册资本5，下设金融、投资、实业三大业务板块和八家全资平台公司，控股新沃等多家金融机构，同时参股数十家企业。包括金融以及大健康、大消费、TMT等多个实业领域。截至目前，新沃集团规模已超过300亿元。《15年期货老兵：我看好的五大领域，躺着赚钱的方法》 精选四原标题：分论坛二圆桌论坛二：人工智能在资产管理中的应用消息 日，由新湖携手中国绝对收益投资管理协会共同主办的“申城论剑·第九届衍生品（国际）论坛暨中国绝对收益投资管理协会第七届年会”在上海召开。和讯期货全程直播。圆桌交流主题：人工智能在资产管理中的应用圆桌主持：洪 榕/大智慧所所长、中国绝对收益投资管理协会副会长交流议题：1.人工智能在资产管理方面的应用现状2.举例谈谈人工智能在资产管理方面的实际应用3.人工智能应用在资产管理上应注意哪些问题4.人工智能在资产管理方面的应用方向与前景5.在资产管理上，未来人工智能是否有可能完全取代人的判断与决策?讨论嘉宾1.涂志勇/北京大学汇丰商学院副教授，博士生导师2.王红欣/深圳道朴资本管理有限公司董事长3.刘宁晖/宇速投资CEO4.杨 健/耀之基金总监5.李 勇/汉青经济与金融高级研究院量化中心主任6.蒋 龙/通联数据首席科学家以下为文字实录：洪榕：其实上半场该讲的都讲了，那些没有用的都讲过了，剩下我们只谈一些有用的，有用的指的是在座各位认为有用的，最后我建议就这样，既然我们都在谈人工智能的未来，资产管理的未来，最后就讲两件事情，第一如果大家选择的时候，在人工智能方面应用什么样的公司我们可以选。第二，人工智能的股票大家认为比较好，讲一个，我们会研究，发现这样就叫人工智能，这个就叫厉害。前面那个我们就认为这样的资产管理公司骑上了快马的资产管理公司是我们将来要去公司，这个适用。我们就从这个角度讲。从凃先生这里开始。凃志勇：人工智能量化投资这个概念非常的火，我自己也做过研究，做量化投资。随着我的研究的深入我的观点可能和嘉宾的观点出现分岔。我感觉人工智能从长期来走一定会让投资利用趋于平行利润，要获得超额利润还是要搞。这是我的观点。王红欣：我自己做量化做了20多年了，本科是北大数学系的，前一段有人发给我一个讲课的内容，说清华大学有一个人工智能的培训班，我看了内容有很多内容我很熟悉，一些理论20年前、10年前不叫人工智能，只是说量化投资的不同的方法，因为早期计算能力有限，数据有限，所以好多量化分析统计是线性回归，其他的复杂的方法虽然学术界有，但实际应用过程中用得比较少，我说方法叫人工智能其实好多也是在学术界做了好多年的。第二，这个东西能不能挣钱。我持一个怀疑加开放的态度，为什么讲怀疑？十几年前我们在美国做过很多研究，发现最后很难赚钱。当时十几年前数据有限，好多方法，包括计算机程序速度可能不够。所以现在数据多了，计算机的速度快了，是不是有可能有一些新的突破，我觉得是有可能，从理论上讲，我们要学习，要持开放态度。但是如果说就事论事从两个方面分析，在高频领域我认为人工智能有用武之地，因为人工智能好多基本面逻辑不是很多，数据很大，越进入高频领域数据越多，在相对短的时间内环境相对稳定。这种情况下我认为用一些人工智能，的方法是可以的。但是在中长期的投资，有些基本面逻辑的投资领域我认为人工智能的一些方法是有问题的。是有局限的，为什么呢？因为我们做量化需要大数据、大样本。但是你如果说你按天、按月计算，一年没多少大样本，用10年、20年样本确实大了，但是社会环境、经济环境、市场环境已经变了。这种情况下同样的统计方法也会有问题。所以你模型越复杂，参数越多，自由度越多，数据挖掘的成分越大，黑盒子未来可复制和应用的可能性越小。从方法论上讲这是我的一个观察。我也同意凃教授的理论，超额收益大家用同样的理论这个行业不可能有超额收益，能做可能是少数人有过人的学识，像文艺复兴一样，美国也没有几个文艺复兴。我觉得投资还是、投资基本面、投资上市公司。我们要用工具让我们的投资更严谨、更科学、更全面。但是最终还是机器和人的结合，我对人工智能和机器学习持开放的态度，我不愿意花更多的精力在这个领域上面。洪榕：这样下去麻烦了，两位专家的意思是这个意思，这个东西一旦发展下去像枪炮发明慢慢地变成常规武器，常规武器没有用了，一定要有人发明核武器，但是核武器又不让用，最后发现还是各干各的，拿把刀就上街了，是这个意思吗？娄永琪：我有点同王总的观点，我觉得人工智能这两年兴起特别快，随着不同行业的人工智能的一些应用的成功的案例。包括之前提到的一些海外的基金，包括国内的做人工智能大数据的产品，到目前为止效果还有待验证。这是一个基本观察。我觉得这块发展绝对是不容忽视的，包括公司内部也都非常热烈的，近期会做一些这方面的研讨。把人工智能领域很多的方法，可能有一些确实像王总讲的，把以前的一些基本的统计分析，一些经济计量的东西混到里边也叫人工智能，其实以前都有。但是也有一些东西是以前可能没有的，我有一个感觉是现在的交易体系里面对这一块的重点的加大确实是比以前来讲有了一个很大的质的提高。所以我们现在包括新的看到的一些加入行业的研究人员，他们的知识背景结构当中跟我当年比起来确实在这方面有很大的一个提高。所以我感觉跟他们在一块觉得这块的知识需要更新换代，所以我们每周都会做一个人工智能方面的专题探讨，上一周他们讲的RNSTM，蒋龙是专家，他告诉我是科大讯飞背后的核心技术。我觉得这块东西不管怎么样是特别蓬勃发展的，非常有活力这么一个领域。但是回到刚才说的这个东西能不能在实际投资当中玩得转，在多大程度上能够帮助我们决策？另外一个观察近些年来我感觉在投资领域还有一个趋势是说拿而言，无非你的投入跟产出两边要能够做一个比较好的权衡。现在我觉得人工智能至少在两点上能够帮助我们做到这一点，具体说，如果我给定一个最小的投入，我能够得到一个最好的结果，如果从这个角度来说因为人工智能毕竟它的成本比较低，整个程式一旦写上去可以进行无脑的操作，这样一来把以前一些只有复杂的机构投资人或者是做的一些东西，他们能够做的事情，人工智能是大众化、普及化的手段，我自己的感觉是这样的。现在海外流行的那几家无非是可以把先进的新的快速地零售化，这是我的一个感觉。包括就像一些对冲基金这个趋势，现在有一些对冲基金把产品慢慢做得像公募化，把费率往下降，把以前复杂的策略通过简单的包装用一个相对经济的方式推向市场。包括像现在很流行的聪明数据这种产品也是类似的一个意思，以前可能是大家分类比较粗，所有的东西只要能挣钱都是收益，后来把它分成α和β，发现α里面不都是α，很多α大家都已经耳熟能详了，把它抽出来叫聪明数据，这个聪明数据越分析细以后这些东西慢慢都变成商品化了，一旦大家都知道了也无所谓了，拿出来就可以卖了。各种各样的聪明数据产品也就应运而生。我觉得人工智能这一块，了解了一下现在包括海外的人工智能产品，比方说一些公司在卖的产品，无非是把的做一个大类的优化配置，差不多就是人工智能目前的产品，在目前的阶段，我感觉目前大概就是这么一个现状。我说的东西跟大家都讲的要非常超越人脑很高大上的东西有点不一样，我可能看得没有那么高。但我觉得目前人工智能说实话在产品层面确实没有走到那么极致，包括现在国内很多的银行或者三方大家也都是借着人工智能的概念推出各种各样的智投，增强产品，我觉得目前这个阶段是一个很好的时点，很多都在介入，大家在这个基础上可上可下，可以做很多事情。一方面从这个概念可以给这个行业带来的目前的一个现象的理解。同时，我觉得纯粹从一个纯技术的角度，这一块的一个新技术对我们的投资领域的冲击确实是非常的让人有期待的。同时，也是充满挑战的。我觉得听前一个论坛他们讲到的，包括我们的海外友人提到的这个想法也是让人非常有启发，基本上是人机结合的一个概念。人你要做交易，不断地做交易，你只要不断地做交易你总有对总有错，他是说我如果能够从风险的角度把一些可能出错的，人的生物方面表现不是特别好的情况下的交易过滤掉，从下行一下，最后的总的表现要超越正常的表现。这样的话，人其实最终还是要来做这个决策，因为实际上现在大家讲大数据。我觉得其实真正难做的可能是小数据，什么意思？包括前一轮有嘉宾提到的看管理层躲过一个风险，少踩一个坑的例子，稍纵即逝的观察让你能够躲避风险，人工智能能够把这个学会，这个可能是一个人的本领，这个是一个小数据，怎么样在小数据里面决胜。你说你大数据的优势怎么样跟人的小数据这种特点结合互补，我觉得这是一个很值得想的问题。再举个例子，整个金融，如果人说AlphaGo它围棋能够在大概短短的十年中，整个由一个大家都不敢想象的情况一下子能够变成一个把人类彻底踩在脚下的状态，我觉得这个跟投资领域可能也确实是有些差异，毕竟这个市场可能还是一个更加博弈的市场。而且它的一个动态的变化各方面可能不像一个棋盘是事先设定好的游戏规则。现在很多人说下一周招商证券要开会了，逢会必跌，一听是很幼稚的想法，但是如果大家讲行为金融的话，首先这个是公开有效的信息，大家开始关注招商要开会了，大家知道往年开会有什么样的情况，基于这种情况你再考虑下周是不是因为这个事件的发生我要对我的操作做一个应对。我觉得这个东西从人工智能来讲也完全是可以解决的。如果是通过各种各样的方面是不太难解决的问题。但是我觉得投资毕竟是一个不断更新的过程，包括前面演讲嘉宾在PPT里面提到的很多东西，我感觉自己要有很多东西要学，不然有点跟不上。但是最终市场的力量是不同的参与方都在博弈，有，有投机，有套保的，人群的差异性存在给到我们每一个交易者有这么一个机会。我觉得人工智能作为一个手段肯定是要为我所用，如果我们能够把它用得更好一定是能够创造额外的收益。李勇：谢谢洪总的介绍，稍稍澄清一点，我是大学教授，我不是李总，我是中国人民大学海归体制学院的教授。我们中国人民大学是*****见长的学校，后来学校引进海归，我们把海归老师放在一个学院，成立了一个高级经济金融研究院，当时的院长也是普林斯顿的教授。我当时从海外回来搞量化投资，来到了学术界，当了学院金融系的首任系主任。我回国之后，我一直想，我们新的金融学院和人大传统的金融学院有什么区别，和商学院金融系有什么区别，想来想去，结合本人的研究方向，我想到了量化投资，于是我在国内办了第一个金融量化硕士班，每年大概培养大概90名左右研究生，我自己本人一个人就培养了100个硕士博士了，应该说我是老师中培养研究生的大户。对于金融学教育，我这个问题我真是思考了很多。我想做教授第一要务应该是想培养什么样的学生，这些学生将来能干什么。我相信老师是最大的VC，学生好了老师不就牛了吗？为什么厉以宁教授这么牛，他学术不错，更重要的是他培养了李**。今天我们讨论的是人工智能在的应用。但是我觉得我们定位低了，我们都是在讨论人工智能在投资中的应用。但是在整个资产管理行业中，有几百万的从业人员，又有多少是的？我想做投资的1%也许都不到。因而，我们仅仅谈人工智能在投资领域应用的话，那就太狭窄了。人工智能应用到投资这个领域其实很特殊，上半场的嘉宾有共识，我的想法跟第一场嘉宾他们一致，投资完成由人工智能替代，可能性很小。量化投资是模型，人工智能也是模型，然而投资不仅是历史预测，而且也用未来解释现在，这个是AI做不了的。我举个例子，我们做如果把房地产纳入进来，从现在看这个组合一定是超配房地产的，为什么？房地产整个资产几乎没有回撤，风险波动率很小，很高，你想你用模型会得出什么结果？仅仅从历史数据看，一定是超配房地产，从现在看，有问题吧？因而，在这个方面，人工智能能打败人吗？再举个例子，在牛市当中，如果用均值方差模型，一定是超配的。为什么做出了很多问题，大家认为FOF就是基金分散，没有，最终会出事。用一个模型得出基金配置就叫FOF，就叫量化，我想不是这样的。投资我们不光要用历史数据，而且还要用主观判断。我身边有很多人工智能的教授找我合作，搞个预测，能不能挣一把钱，大家对钱是有共识的。我说我在面对机器学习不很看好，特别是中国市场。我在中国人民大学，我一直思考我到底培养什么样的学生，我培养的学生能干什么？ 当面对人工智能的迅猛发展，我是大学教授，我想我是不用怕的。但是，如果我是一个券商的员，如果我是做投行业务的，如果我是银行的经理，你觉得我能睡得着吗？但是，在整个资产管理行业的从业人员人中，这样的从业人员占大多数。我这个学院以前是学术见长的学院，前几年大量的学生都去做行业研究员。但是，我后来发现，就业形势不乐观，于是我办了量化投资专业硕士，我请了很多业界导师。我已经意识到这些问题，培养那么多行业研究员还有什么价值？仅仅会做一个基本的数学统计分析，写一个行业报告，这样的研究员有价值吗？研究所还需要多少这样的人？现在，机器人5分钟就能写出来一份研究报告给你，新数据来了1秒钟之内，就能更新出一份新报告给你，但是你要写一个晚上，机器最多5分钟帮你搞定了。所以，行业研究员，没有形成自己的研究体系，只会简单的数据统计分析，画出几个图，就搞一篇研究报告，迟早被AI淘汰。再比如，你是银行的，在这方面的服务你一定能比AI效果好吗？所以我想，人工智能替代人类这个话题，替代这个词也不一定完全叫替代，很多时候是解放。从人类历史角度看，你看人类简史，人之所以为人因为我们有思想，机器就没有思想，我们把繁重的简单的重复的劳动给机器，我们留下的是思想，思想这个东西没有了我们就要出问题了。只要有极聪明的人存在，建立了思想，我们就不怕。刚刚国外的嘉宾讲，我们的大脑层级很高，但是你要记住大部分的人脑不是产生思想的，这些人就是被AI替代的人。AI替代资产管理行业从业人员的逻辑是什么呢？凡是你从事的资产管行业业务是简单的、重复性的累人的劳动，我想很可能要出问题，就要被机器替代。银行有大量的从业人员，银行还真需要那么多人吗？以前建行的张行长说银行是弱势群体，大家都笑，现在还笑得出来吗？所以，金融系培养的人才也要完成转型，你必须让金融系的学生要懂得技术，同时要有理念，有思想。我打个不恰当的比方，比如培养我们家闺女，第一，我抓数学，数学是训练思维，第二，我们家女儿9岁开始学编程，她现在批评她老爹已经不用说话了，直接写一个程序给我输出结果就可以了。未来的孩子，数据处理的能力必须得有。 第三，语言，语言是表达能力。这个就是量化的思想，未来的信息社会就是这么几个东西，但是你也可以灌输他一个理念。这个理念是什么了？我经常教育我们家闺女，这个世界上所有男人不可靠，只有一个男人可靠，那就是你爹，这个就是理念，没有给出量化依据，就是主观判断的过程。因此，资产管理行业发展放在大的格局上看，投资从业人员仅仅是从业人员极少的一部分。投资只适合那些最聪明最勤奋的孩子干，我培养那么多硕士、博士，我都是看着他们怎么成长的，都是中国最优秀的一批人，但最终做投资也不过只有几个能做得好。因此，我们谈人工智能替代投资，这个格局就小了。但是，对于资产管理行业其他从业人员，就要小心了，那才是大比例的从业人员。如果大量的资产管理从业人员没有终身学习，不培养以及提高自己的大脑，未来你一定活得不太好。中国发展实在是太快了，我真的是感受特别深，像我们老师招人一样，第一年说是香港的优秀博士，第二年是欧美的优秀博士，第三年就是北美的常青藤的博士了。中国跟国外比有一定的差距，但是我们中国人很勤奋。我们在人工智能领域一定会发展得非常快。一个机器背后不是一个人，是几千个最聪明的工程师智慧的结晶。谈人工智能的替代性，不要老是集中在投资方面的替代性，投资的从业人员仅仅是极小的一部分。 无疑，人工智能对其他方面资产管理从业人员，替代性才是很大的，我觉得对资产管理行业而言很多人将来可能活得都不好，比如说银行柜台从业人员、券商行业研究员、、规划师、等等资产管理行业相关从业人员都很危险。这就决定了，我们谈人工智能的替代性，格局就要大一点，我相信人工智能对资产管理行业会有一个巨大的变化，但是对投资子行业相对来说，是影响最小的。你有幸生在中国，因为中国是世界上最有创造力的国家。中国人的活力、创新精神都很强。但是，从金融市场角度来说，我们相较于美国而言，不太成熟，这样给了我们一段保护时间，使得我们能够在人工智能起来之前，我们能成长起来。为什么？因为，人工智能能够打败人类，是因为在既定规则下，才可以。如果规则变了，就不好说了。我们的金融市场，是一个目前还不太成熟的金融市场，规则是经常变的。比如说，我们前一个星期要熔断，第二个星期就不熔了，再好的机器也适应不了这样的政策规则频繁改变。因此，我始终认为人工智能在投资领域的影响没那么巨大。中国金融市场走向成熟还需要一段时间，所以，主观投资还有一些机会。我相信随着金融市场逐渐规范，市场有效性变得越来越强，我们人的作用会越来越小。我经常跟我的学生讲，人民大学在金融技术这块要加强。我们人民大学传统的货币金融学科很牛，但是我们不能放弃对科技的理解。就算是金融专业，我们对科技的理解，特别是人工智能对金融的革新也需要非常关注。因此，我办了量化专业金融专业硕士项目，主要招收数学、物理、统计、计算机，这些专业的本科学生，然后硕士在人大完成金融专业培养。同时，我个人的学术研究也转向机器学习和量化的研究。其实，我当时这个办项目的时候我也很紧张，如果办不好，我得负责任，耽误了学生发展。现在有了三届的学生，培养出来的学生就业，是非常好的，说明当时我坚持这个方向还是对的。时间关系我不讲太多了。但是，需要强调一点，人工智能建立在数据的基础上的，如果数据有问题，再好的人工智能技术，输出结果也会有问题，这个问题留给通联数据的蒋龙谈谈。谢谢大家。李勇：我不能代表人大，我是人大的异类。非要推荐一支时间产品，我觉得你是信则永生，信心比重要，做量化这个行业就要对量化有信心，不要折腾，买一家量化投资的基金我看差不多了，非要我推荐，我觉得（创金），我还是比较推荐的。李勇：我对京东方一点不懂，为什么要谈呢？因为京东方最重要的逻辑是京东，如果你认可京东，京东最重要的创始人是刘强东，人大社会学毕业的，我看好京东方，这也是一种逻辑。开玩笑。李勇：人工智能与投资，且行且珍惜。洪榕：上一场的圆桌对我们的影响比较大，因为上一场的圆桌的题目跟我们下一场不一样，它讲的是量化投资和人工智能的关系，我们比它大多了，我们叫资产管理，各位专家，我们扩大看对资产管理这个行业，这个领域整个体系来讲我们容易陷到里面人工智能做出来的模型跟我们过去有什么不一样，过去我们一直在做，计算机对数据的处理是天然的优势。我们可以大胆地说，我们将，巴非特都建议大家被动投资，被动投资肯定要被人工智能干掉。这个可以确认。我们延伸下去人工智能究竟对我们有什么样的帮助，甚至会不会有颠覆性的帮助。我们从这些角度对整个资产管理行业，因为资产管理这个行业在西方是非常成熟的行业，在中国毕竟刚刚开始，我们可不可以借助于技术的进步或者是人工智能的来一个弯道超车，这样利用人工智能的方式甚至能够突破我们由于监管方面很多的东西，因为只有技术的进步突破才能绕过去。我希望我们这个小组大家讲一些胆子大一点的，哪怕不会实现的，但是会让我们的脑洞打开的都是。洪榕：李教授讲得非常好，我建议你学生再招一个生物专业的。刚才有提到，我们完全把上半场的局面给打开了，我们讲到未来各位孩子学什么？三个专业，第一计算机，因为跟数学相关。第二，哲学。还要学艺术。把这三个学好了你就是站在人工智能上面的外国友人讲的头比它高的人，否则全部是比人工智能头低的人。这三个专业大家不要跑掉。这个很重要。蒋龙通联的首席科学家，我认为通联的胆子非常大，他们冲进了一个非常成熟的行业，但是他们看得比较远，已经有几年了，所以他们做的很多东西都是一些借助于科技、技术对我们过去做的一些事情进行颠覆性的工作，具体让我们蒋龙说一下，你究竟想怎么来颠覆我们这个行业？蒋龙：谢谢洪总的介绍。洪总一开始出了一个题让大家每人推荐一个资产管理公司，前面几位都没有推荐，我也不打算推荐，我进入资产管理3年，我一直活跃在人工智能行业，我大学做一些机器学习、让机器学习写对联、在阿里巴巴用机器学习算法让订单匹配。虽然不能，但是说一些跟之前的嘉宾不一样的角度看人工智能对资产管理的影响。刚才有一个问题讨论很激烈，人工智能之后会不会取代，或者说会不会超越人让我们没有什么可做的。首先想问一个问题，什么是智能，人的智能是哪里产生的？如果我们认为人是上帝造的，智能是上帝赋予的，除非上帝想给机器赋予只能，要不超不过人。我们认为人的智能是进化来的，大脑的结构不断变化，发现有一个生物适应环境，把我们看到的、想到连接起来，这个生物很厉害，有足够聪明的方案实现所谓的智能。从我们研究人工智能的角度来讲目前，比较严谨的说法说我们没有发现任何的本质上障碍让机器具有这种能力。客观讲现在人工智能水平非常落后，AlphaGo战胜了所有的人类高手，但是人工智能整体水平而言相当于三四岁的小孩。前段时间有一位教授做了一个很普及的教育，我们人工智能整体而言水平不如一只乌鸦，有典故，日本大家拍到了一段视频，非常有意思，讲了一只乌鸦发现了一个坚果，咬不动，它看到了车，它把坚果扔到地上，车开过去碾碎了，它很高兴。但是车来车往，它去吃很危险。它就观察，她发现有一个东西一会儿红一会儿绿，它发现一个结论，它叼了很多的坚果让车碾，等到红灯的时候它走过去吃。但是人工智能没有达到这种程度。我们说现在的人工智能有两个能力，一个是感知能力，在图像识别、语音识别因为得到了长足的发展，在这个领域可能达到人的水平。但是认知领域还是零。第二，在特定的领域，下期，搜索，精准营销，你怎么样把很多的商品挑出来给到人。百度做过实验，把机器学习的系统还原成原来的系统，收入低了90%，这说明机器超过人了，这是在垂直的领域，有非常的数据，有明显的规则。里面的复杂性是相对来说可控的，这种情况下机器表现很好。在通用的人工智能领域，我们可能跟五六十年代没有太大的差距。这种情况下要说机器超越人尤其在我觉得还是为时尚早，机器可以做分析、记忆、推理，但是它要做到理解这些逻辑，它看到高管的反应觉得公司不太好，我觉得机器可以做到，但是相当远。机器在模型里面在构造一些虚拟结点。我们想解决另外一个问题怎么样让机器看到一条数据就能学会一条规则，我们很多时候学习东西都是一条规则，有个词我不会，说这个词是这个意思，知识网络就可以建立起来。机器不具备这样的能力。我们目前没有看到本质上的障碍影响机器往这方面发展，只是时间的问题。机器像三四岁的小孩但是它可以做很多事情，资产管理是很大的领域。我有一个女儿4岁多，我经常让她帮我做事情，但在资产管理这个行业目前我们看到的有什么样的情况呢？第一个，在投资研究领域大家都知道，过去是基于传统数据做研究分析，未来大数据给我们提供了很多可能。比如说卫星图片数据，我们能看得出车的移动灯光的亮度变化，宏观经济的情况。还有很多的***家研究过，用零售企业外面停车场的卫星图片识别车的数量，大概预测客流量获得稳定的α，在美国市场不错。这里有一个技术，你看了图片之后怎么去识别里面车的数量，不可能人一个个数，有大量的图片，这个是需要一个图像识别技术，机器学习和人工智能可以解决。每天有大量的咨询出现在网上，论坛、社交媒体上面，怎么样监控大量的信息，我们可能不能百分之百理解信息，但是把信息做一点关联，是关于哪个上市公司的，80%，我们都可以抓到很好的α，对另类数据应用上机器学习是很好的数据让我们有能力探索开放大数据。其他一个领域比如说在需要非常快的反应，可能不需要考虑太多因素的情况下像高频交易、算法交易机器展现了优势，类似于AlphaGo强化学习的模型在算法交易里面做得不错了。每一次下一个单，根据市场反映，盘口的变化，下单成交情况不断地跟策略调整价格和数量，经过多轮学习可以做到比普通的策略交易成本下降27%到35%的效果。另外从广义的资产管理行业上来讲是非常重要的方面，涉及到一方面有些开放大数据，负面情绪出来，信息出来能观察到对你是有帮助的。另外，风控需要大量关联数据分析，不同人，企业之间控股关系，朋友关系等等，如果你能把关系网分析，也许能发现线索，在贷款里面用共贷的情况。但是对人把100万结点展现出来发现无能为力。机器有很强的能力，你只要告诉它一些曾经的欺诈或者是风险的例子，它从里面发现的模式可以从海量数据找关系，非常快。另外扩大一点拿资产管理的很多职业来说，比如说有客服，营销人员等等，这些人员做的事情很多可以在AI的帮助下大幅提升效率。2天前我在北京参加百度世界大会有金融峰会，提到了，未来已来，里面讲到很多是信贷，我觉得很多适用于资产管理行业。比如说怎么样做智能营销，帮谁管理，怎么样找到这个人。怎么样回答用户的问题，智能客服能不能建立？这两点AI做得不错，有80%的问题可以由机器回答，20%的问题是很难解决。AI智能在三四岁水平，但是在资产管理很多方面我们已经看到希望了。当时AlphaGo和李世石比赛完有一个段子，AlphaGo曾经输过李世石一盘，他自己训练了自己100万盘棋，从此再没有人能战胜AlphaGo。指数级的膨胀我们无法想象，真正到了那一天世界会有很大的变化，基金经理岗位存不存在就不一定了，所以我们不用讨论是不是会替代这个岗位了。洪榕：刚才讲到乌鸦，我记得读小学的时候就学过乌鸦喝水，乌鸦太聪明了，比人工智能都聪敏。你再说一句，你们公司在人工智能方面做了哪些具体工作，让我们理解一下，人工智能工作该怎么开展？蒋龙：我们做的工作是三个方面：第一，研，怎么样用人工智能技术提升投资研究效率。第一步提供基础特色数据分析，关系数据分析，把各种企业关系，以图谱的方式让你可以查找，发现一些网络，发现关系亲密的人从时间序列上发现一个公司并购的路径，自动发现。还有像图像的分析，我们也分析，跟一个公司合作拿他很多从高空拍摄的图片，自动分析项目的进展，对房屋研究员讲，基建研究员关注的项目现在怎么样了。以前要实地考察，现在通过卫星图片能够看到了，甚至AI通过图片对比发现进展不太顺利。另外像资讯的数据做了很多分析，会根据用户自己的阅读习惯把你关注的数据从海量的资讯里面找出来，整理，归类，把关键信息放在那里给你参考，可以**提升效率。第二，在量化投资方面，其实量化研究之前有很多常见的模型像多因子模型是基于线性回归回归本身是机器学习的分支，机器学习能够提供的额外东西是两个：一个是对非线性函数的研究，过去大家都倾向于用经济逻辑找到直接相关的因素，尽可能保持因素线性独立，固定模型，效果最好。现实生活中有很多数据不是线性相关的，但是非线性方面其实在***里面大家研究不多，但在机器学习领域有非常多专家研究了各种各样的非线性函数有什么样的性质，适用什么样的领域。这样的方法对于量化投资非常有作用。另外一个我觉得有贡献的是对于过拟合的控制，可以说机器学习在研究两个问题。第一个问题是怎么样从大量数据利用学习出规律。第二，怎么样避免不要学得太多，不要过拟合。大家都担心过拟合，这是怎么去控制过拟合，我所观察到的量化投资里面大家研究不太多，不是关注的核心点，关注***逻辑怎么翻译成程序语言。机器学习领域这是非常重要的方面，有很多人专门研究学习能力的控制，怎么研究这个模型的