关键词：微信公众号"京北互联网金融"
11月9日，特朗普当选美国第45任总统，全球最大的对冲基金之一Lansdowne Partners急需评估此事对他们所持有的航空公司和银行等金融资产价格波动的影响。
如果是Kensho来回答这个问题，2分钟不到就能提供相关公司股价波动的预测区间值。
这家位于美国马萨诸塞州的金融科技初创公司Kensho获得了高盛公司（Goldman Sachs）1500万美元的投资，它的投资商还有Google和CNBC等行业大鳄。
其中，高盛公司已经在内部部署Kensho取代部分金融分析师的工作。
那么，Kensho究竟是什么？它将对金融市场产生哪些影响？
Kensho究竟是何方神圣？
Kensho是一个界面类似于Google搜索引擎的金融量化分析软件。Kensho用户在搜索框中输入一个自然语言风格的问题，比如“台风对建筑行业股票价格影响是怎样的”，Kensho会立即通过扫描庞大的数据库、对几万个变量进行分析，从而给用户一个比较精准的回答。这个过程类似于Apple 的Siri、亚马逊的Echo和谷歌的Google Now。用户不再需要专业的金融工程知识，也不需要设置复杂的参数和配置算法，就可以得到类似于金融分析师分析的结果。此外，Kensho的用户体验非常好，不懂金融的小白用户拿一个Pad或者手机输入一个问题，就可以获得答案。
Kensho能够找到影响资产波动的关联事件。用户在Kensho搜索框中输入股票的代码，能够知道当天的哪些事情能够对该股票波动产生影响。例如，输入亚马逊，Kensho就会呈现一个亚马逊股票走势图，从中可以看到究竟是哪些具体的事件影响了股价波动的某个百分比，比如亚马逊AWS拿下了中情局4年云计算设施的6亿美元合同对股价有拉升。此外，Kensho还会展现相关事件对股价波动影响的P-Value（即显著性影响指数）。
Kensho能够找到事件可能会影响的资产。在Kensho中输入事件或者监管机构的Key Word，比如输入日本中央银行，Kensho就会将日本中央银行行长发表的讲话以及发布的政策抓取出来，作为输入分析的具体变量，再结合用户在UI界面上输入的时间段和变量选择，给出会受到这些变量影响的资产列表，以及价格波动方向和百分比。Kensho会自动从成千上万份报告中抓取数据，以及数据的上下文，形成对受影响标的资产范围的判断。
Kensho通过机器学习预测模型预测资产价格波动区间。Kensho在纳斯达克的金融云FinCloud上构建数据分析平台，接入9万个标准数据源，包括以下比较重要的数据库：Earning Releases收入报告、联邦贸易委员会发布的Economic Reports、股票价格波动、股票价格的移动平均值Moving Averages、公司新产品发布、FDA批准的新药目录、股票价格触发器、货币政策变动、政治事件等。Kensho基于的数据源是传统金融分析师能够覆盖数据的4倍，而且对数据的钻研程度更深。具体来说，Kensho首先根据数据库中某个资产价格的变动历史，提取出影响该资产价格的所有可能变量，通过特征选择算法，选择出和当期资产价格波动较为相关的变量，再通过机器扫描所有和这些变量相关的数据源，将变量值输入到历史数据训练的机器学习模型中，从而得出资产价格的波动区间，以及变量的影响因子P-Value。其中，特征选择算法根据问题和变量范围的不同，可以采用完全式搜索、启发式搜索等算法。
Kensho对金融市场影响几何？
Kensho将削弱金融市场的信息不对称性、加大机构获利难度。找到影响资产的事件、事件影响的资产、资产价格的波动幅度，Kensho可以把以前华尔街专业分析师小范围独享的资产波动预测提供给普通人，使更多人获得市场波动的奥秘，原本机构通过信息优势进行短期快炒获利的难度加大。此外，值得注意的是，Kensho获得的信息是传统证券分析师的4倍多，分析速度是证券分析师的180倍，Kensho将使得非金融机构公司和普通人也能对金融资产进行专业化的配置调整，专业金融机构的获利优势将被削弱。
Kensho将让信息对金融市场的传导影响更快速，金融市场更容易受信息影响。互联网公司掌握着PB级产品、公司大数据、数以亿计的用户行为数据，他们可以基于这些数据开发舆情因子、信用预警模型、资产价格风控模型，金融机构可以根据这些面向金融市场量化的、已经分析好的互联网数据因子，快速分析对资产价格波动的影响，并采取资产配置策略进行应对，比如美国东海岸飓风将造成快消公司股票上扬5%，机构就可以加仓快消公司股票进行获利。
如果结合人工智能，Kensho将能够实现量化分析的全流程自动化。Kensho只是模拟分析师分析数据的过程，并不能理解变量之间的相关性，以及事件和资产之间更深层次的因果逻辑，这些还是要靠金融分析师根据行业的深度理解来进行判断。所以，Kensho目前还只能是金融分析师数据集成和数据分析的辅助手段，只有当人工智能、神经网络真正的和Kensho的机器学习模型相结合，可以让Kensho识别和理解待选择变量的语义、变量之间的影响因子的时候，才能真正做到量化分析的全自动化。这时，机器将自动化筛选输入到预测模型的变量和特征，并对比资产价格预测以及事后资产价格的实际波动，反向调整优化预测模型的参数和变量选择算法。
总之，Kensho是一个量化分析虚拟助手，覆盖4倍于传统分析师能够获得的数据源，基于机器学习预测模型和实时计算技术，在数分钟内自动化完成事件对资产价格影响的预测，获得传统分析师花费几个小时分析的结果，百倍加速量化分析过程。未来，如果Kensho能够更进一步，将人工智能引入，作为特征自动提取、变量含义理解的手段，并构建知识库和知识图谱，也许真的能够做到自动根据事件和信息，自动化地触发生成对资产价格的量化分析，真正成为投资者的量化分析机器人，那时，也许高盛、摩根斯坦利等公司50%以上的金融分析师可能就要失业了。
· 小北 说 ·
随着数据量的快速增长，在一些行业里机器人在速度和数据整合准确度上的表现，可能已经超过金融分析师。但不用慌，未来那些依赖金融数据分析的传统分析师可能会逐渐被机器人所取代，这将推动金融分析师专注于更多增值服务，比如，1）基于他们的行业知识提供对企业和行业的长期看法；2）对产品和管理的实地调研是无法从金融数据单一解读中得出的；3）将基本面发展改变转化为可付诸行动的投资思路。