2018年，人們談到AI(人工智能)的次數比以往任何年份都多。
馬化騰說，移動互聯網的上半場已接近尾聲，下半場將往產業互聯方向發展。
李宏彥說得更直接：移動互聯網時代早就結束了，現在已經進入人工智能時代。
馬雲則用行動說話，將全球第一家“人工智能酒店”開在了自家大本營杭州。
總所周知，金融市場波動具有高度複雜性，以及市場交易者整體情緒化的特點 ，所以目前業內對於人工智能現在和未來能夠在金融投資領域所能夠發揮的作用，以及能夠勝任的角色，仍然有不小的爭議。
當前人工智能在金融投資領域鑄造的“七種武器”，也就是七大主流玩法，事實上已經在很大程度上證明了：在金融投資方面，人工智能即便還不能說是“無所不能”，目前也足以稱得上是“神通廣大”。
投研信息整理分析
金融投資的分析決策，第一步往往就是投研信息的分析整理。投研信息的分析整理是一個駁雜，繁瑣的工程。而人工智能在這一方面，能夠從多個信息維度對海量財經信息數據，逐個建立信息圖譜以及語義理解庫，完成信息的蒐集、梳理和基礎關聯，比人力快太多了。
要從海量數據中提取數據並建立知識圖譜進而最終進行展示，一般而言需要通過數據獲取、數據清洗、數據分析、建立關聯、推導統計等多個步驟。
目前，以國內通聯數據等為代表的人工智能投研平臺，已經以智能化的工具，大幅提升了使用者的投研效率。
研究報告撰寫
投資銀行和資管機構的投行業務與證券研究業務，都會涉及大量的固定格式的報告撰寫工作。
而人工智能通過自然語言處理（NLP）中的兩種關鍵技術：自然語言理解（NLU）和自然語言生成（NLG），再加上計算機對海量異構數據的分析處理，即可生產出券商分析研報、上市招股書、企業年報、公司公告等。而分析師還可以通過校對與二次人工編輯，加入有價值的觀點與結論，進一步提升人工智能研究報告的精準度。
交易訂單執行
長期以來一直以全球頂級投行、在金融市場呼風喚雨、投資水平強大等形象示人的高盛，最近幾年正在迎來一次前所未有的華麗蛻變和堅定轉型。從“公司600名交易員變成僅剩2名”，再到“公司員工總數的三分之一即約9000人是計算機工程師”，再到一名“程序猿”=四名“交易猿”，目前高盛正在向自動化和人工智能化的戰略方向上大步向前。
而在此之中最受業內關注的無疑就是，2000年頂峰時期，高盛在紐約總部的美國現金股票交易櫃檯僱傭了多達600名交易員，為投行金主的大額訂單進行股票買賣操作。但時至如今，這裡只剩下兩名股票交易員“留守空房”！
在200名計算機工程師的技術支持下，自動化交易程序已經接管了高盛集團紐約總部大多數日常交易工作。具備機器學習能力的複雜算法交易，已經可以取代那些經驗豐富、交易技巧高超的資深人類交易員。
量化交易輔助
量化交易從很早開始就運用機器進行輔助工作，投資者編寫簡單函數，設計一些指標，觀察數據分佈，而這些僅僅把機器當做一個運算器來使用。而隨著近年來機器學習的崛起，數據可以快速海量地進行分析、擬合、預測，人工智能與量化交易的聯繫也變得更加緊密。
早在2013年，全球最大的對沖基金橋水就啟動了一個新的人工智能團隊，由曾經供職IBM並開發了認知計算系統Watson的David Ferrucci領導。該團隊通過設計交易算法、歷史數據和統計概率預測未來。值得注意的是，該程序將隨著市場變化而變化，不斷適應新的信息，而不是遵循靜態指令。
市場行情預測
由於金融市場的高度複雜性，雖然世界上還沒有一個具備全方位投資能力的人工智能機器人，但是結合了機器學習、神經網絡等人工智能技術的量化交易，已經能夠把經驗性的市場行情預測研判能力賦予機器，同時在最大程度上將人的情緒因素降到最低。
以一個普通的市場技術面模型的投資機器人為例，其完全能夠綜合各種技術指標和歷史數據回測，做出一個準確率較高的多空預測。而在市場行情的智能預測方面，國內類似蘿蔔投研小A等人工智能投資機器人，已經在實際市場運行中展現出了較好的準確度。
人工智能選股
2017年10月18日，全球首隻使用人工智能選股的AI Powered Equity ETF（AIEQ）在紐交所推出。而在2018年10月18日AIEQ滿一週歲時，其表現令人深刻。
不僅跑贏了大盤，同時還完虐經驗豐富的基金經理們。在這一年中AIEQ年化收益率達11.81%，不僅跑贏了標普500指數和羅素2000指數，還擊敗了87%的主動型基金經理。
公開信息顯示，作為ETF Managers Trust的旗下的基金之一，AIEQ的投資策略是基於EquBot公司開發的量化模型生成，並由IBM Watson超級計算機提供技術支持。
智能投顧
傳統投資顧問的主要工作，就是幫助投資者進行符合其風險偏好特徵、適應某一特定時期市場表現的投資組合管理。而智能投資顧問（robot advisor），則能夠以更強大的計算機模型運用人工智能的技術進行用戶畫像，以人工智能算法為每一位客戶提供量身定製資產管理方案。相對於傳統投資顧問，智能投顧的方案，往往會更為科學和客觀。
目前，國內多家銀行、券商已經在智能投顧業務方面展開探索。通聯數據為招商銀行、長江證券等機構提供的智能投顧服務，能提供全面和精準的用戶分析報告，讓不同用戶都可以獲取所需，大幅提高了用戶活躍度和產品購買率。
從以上人工智能在金融投資領域的七大主流應用來看，人工智能目前幾乎覆蓋了投資信息蒐集整理、基本面研究、技術面分析、擇時、選股、量化輔助、行情研判 等金融投資的方方面面。而實際上，人工智能目前在檢測金融交易犯罪、監測金融機構業務合規等方面，也同樣已經有深度使用。
總體而言，在金融投資領域，人工智能對人的替代和對人的超越，已經不再是一個需要爭論的“是非題”，而只是一個關於如何讓其進行更好發揮的“應用題”。在人工智能技術持續高速發展的今天，金融投資領域的“Alpha Go”，已經不遠。
閱讀更多 商優數據 的文章
