1.3
自动投资个性化

1.3.1 什么是自动证券投资

自动证券投资是逐步实现证券投资自动化的一类方法及技术，为了便于读者理解自动证券投资的相关概念，我们引入“自动驾驶”的相关概念及层次结构进行类比说明。

“自动驾驶”一般是指“自动驾驶汽车”，其目的在于通过人工智能、视觉计算、雷达监控和全球定位等方法及系统的协同合作，让计算机能够在没有任何人类主动操作的前提下自动、安全、高效地操作机动车辆。随着自动驾驶中自动化程度的逐步加深，整个自动驾驶体系可划分为Level-0—Level-5六个层次：无驾驶自动化人工驾驶支持、驾驶辅助、部分自动驾驶、有限自动驾驶、高度自动驾驶及完全自动驾驶，具体情况如图1-1所示。

“自动驾驶”的理念在于通过将计算机运算等技术方法替代传统人工驾驶过程中的步骤与环节，逐步提高机动车辆驾驶的自动化程度。“自动证券投资”的理念则与“自动驾驶”有共通之处，即采用机器学习等智能技术与方法逐步替代证券投资过程中的人工环节，从而实现证券投资的自动化与智能化。

1.3.2 自动证券投资的5L层次结构

类似于图1-1所示的自动驾驶层次结构，自动证券投资的层次结构分为五个层次，对自动证券投资进行五个层次划分的依据主要在于：投资者对于证券投资的自动化需求程度。随着层次的逐渐提高，证券投资的自动化程度也越来越高。

以下分别对自动证券投资各层次结构的内容加以介绍。

Level-1：信息量化。信息量化是整个自动证券投资体系的基础，这一部分的自动投资主要以金融市场各类信息的量化计算及整理分析为主。从金融市场环境中获取的海量异构信息无法直接应用于自动证券投资中，需要通过数据量化、图文分析、知识表达等方式对信息进行感知、整理分析、量化处理及概率计算。

Level-2：个性归纳。在人工智能体系中，决策=概率+效用。上一层是外部市场的概率计算，个性归纳就是效用的体现。个性归纳的另一种表达形式就是用户画像，通常可以基于投资者的历史投资行为，对投资者业绩进行归因，对投资偏好及投资需求进行挖掘与归纳，从而进一步构建投资者喜爱的投资策略，完成他所希望的投资。

Level-3：自动投资推荐。这一层次的自动投资能够主动根据量化得到的市场信息、投资者的个人偏好、投资历史进行针对性的分析并提出个性化建议，然后根据投资者随后的行为和市场变化不断提出新的建议，从而帮助投资者更方便、更省心地进行投资决策。无论投资者是否接受其建议，系统都会尽心地根据时间进展变化提出新的建议，某种意义上可视为一种“私人投资顾问”，而对于初学者而言，更像是“智能私教”。如果用自动驾驶来类比，相当于导航助驾系统。

Level-4：受控自动投资。自动投资根据投资者的宏观指令，解析细化为连续的具体投资操作，并自动执行，在遇到个别特殊情况下（如涉及高风险操作或敏感操作时），需请示投资者，等待投资者指令或者将投资操作行为的控制权移交给投资者。投资者只需在宏观上把握或控制投资进程，具体的操作由系统自动完成。如果用自动驾驶来类比，相当于智能代驾。

Level-5：完全自动投资。这一形式中智能体受最小程度的投资者控制干预，能够几乎完全自主地根据市场环境信息及投资者相关需求偏好生成相应的投资策略，进行完整的证券投资操作，并具备机器学习、自我进化的能力。

自动证券投资决策的实现依赖两个重要的组成因素：概率和效用。前者用以描绘市场投资获利的可能性、相关资讯信息的可信度等对市场投资的“信念”；后者则表达投资者在采取某一投资行为的前提下的投资获益期望。图1-2所示为自动证券投资5L层次结构，在图1-2所示的结构中，信息量化便是对市场概率的模型构建和量化计算，而个性归纳、自动投资推荐、受控自动投资及完全自动投资都在解答投资获益效用的问题。

1.3.3 SADI：一种自动投资智能体结构

前文中对自动证券投资的五层结构体系进行了介绍，要实现上述不同层次的功能通常可采用构建自动投资智能体的方法进行，为此本书提出了一种自动投资智能体结构—SADI，如图1-3所示，更简洁直观地帮助读者理解及实现不同层次的自动证券投资。

SADI结构分为四个组成部分：感知量化（Sensing）、任务执行（Acting）、评测归因（Diagnosing）和学习进化（Improving）。在前文所述的自动证券投资五层结构中，结构中的Level-1即信息量化构成了智能体的感知量化部分，为所有层次智能体所必需。结构中的Level-2至Level-5四层结构体现了自动证券投资的不同投资需求，对应着智能体所应执行的不同任务，故这四层结构的析取或者合取（其中一个或多个）构成了智能体的任务执行部分。拥有了感知量化与任务执行后，智能体具备了基本结构与功能，但要实现一个完整的智能体，还需要评测归因与学习进化两个部分。评测归因是智能体评价自身投资策略及投资回报优劣并寻求原因的途径，对于智能体而言这是其自身“智能”程度的一个重要体现，学习进化是智能体不断提高自身性能，获得更高投资收益，制定更加精准的投资策略的保障，通过评测归因与学习进化，智能体结构中形成了一个完善的反馈到提升的循环结构。

分别对应前面五层次自动投资各层结构的SADI称为SADI-5L智能体。例如，SADI-1L简单版相当于任务执行部分，不考虑Level-2至Level-5层的需求，只是对感知量化进行处理。在任务执行部分，分别采用Level-2至Level-5层任务的自动投资智能体，可以简称为SADI-2L型至SADI-5L型自动投资机器人。

SADI-5LMT是多类型（Multiple Types，简写为“MT”）的SADI-5L智能体，可被需求不同、看法不同及多空观念不同的多类投资用户采用。例如，SADI-2L价值投资型、SADI-2L趋势投资型、SADI-2L保本型、SADI-2L做多型、SADI-2L做空型等。

综上所述，自动投资个性化是从自动投资智能体的角度出发，根据用户的需求制定所需完成的任务，更适合掌握计算机算法设计和人工智能技术的读者。为此，本书将在第2章简单介绍对应Level-1层量化因子选股的方法，这相当于一种SADI-1L型机器人的简化版。在第7章则介绍一种相当于SADI-2L型自动投资机器人的设计和应用。在本书的应用篇中，主要介绍如何使用低层次自动投资系统和工具，而自动投资算法设计、系统实现以及更高层次的一些讨论将放到本书的算法篇介绍。