随着人工智能和大数据技术的不断发展和应用，投资管理业务模式和投资流程也正在发生变化。在做出投资分析和决策时，除了传统的财务数据，现在也可以考虑如何使用自然语言处理技术（NLP）对财报电话会的内容进行分析，推断情绪，发现更多有助于做出投资决策的信号。

更加丰富的数据源、更多可利用的工具，一方面可以优化投资流程，但同时也增加了复杂性。

更重要的是，作为负责任的投资人，在推动人工智能应用到投资决策的过程中，如何守护基本的道德准绳，如诚实、公平、忠诚和尊重他人，也是需要考量的重要问题。

算法本身并不具备这些能力，需要使用人工智能技术的投资团队在进行流程设计时，特别关注这些要素。

针对于这一问题， CFA Institute发布了最新研究《投资管理中的道德与人工智能——专业人士操作框架》（Ethics and Artificial Intelligence in Investment Management：A Framework for Professionals）。

报告分析了在投资过程中使用人工智能和大数据所衍生的一系列问题，并提出投资专业人士在使用人工智能技术过程中需要考虑的各种因素。报告将基本道德原则与《CFA Institute道德操守和专业行为准则》中的规定相结合，提供了一个“道德决策框架”, 帮助投资专业人士更好地与人工智能专业团队合作，建立负责任的人工智能系统，完成投资目标。

扫码获取完整版报告：

投资管理中的人工智能：

应用及挑战

一般来说，人工智能在投资管理中的应用主要包括如下几个方面：

1）

使用自然语言处理（NLP）技术、计算机视觉和语音识别技术来有效地处理文本、图像和音频数据；

2）

使用机器学习（ML）技术提高投资过程中使用的算法的有效性；

3）

处理大数据的人工智能技术，包括另类和非结构化数据，以获得投资洞察。这些工具的主要用例包括投资组合管理、风险管理、交易、智能投顾，以及销售和营销、客户服务、合规和网络安全等领域。

2022 CFA Institute Investor Trust Study报告显示，机构投资者在使用人工智能和／或大数据技术时，需要应对多种风险，为组织治理造成挑战。因此需要一个“道德框架“，用来指导人工智能技术的构建和应用。

投资管理中的人工智能：

道德原则和决策框架

总的来说，投资专业团队在设计、开发和应用人工智能技术时，需要关注如下原则：

数据的完整性

需要检查和清理数据，以便它们适合在人工智能程序中运行，并在数据获取和使用中，遵守相关数据隐私保护法律法规。同时，也需要理解数据的局限性，包括其中所包含的“偏见”。把决策权从人转给机器并不能消除偏见，因为虽然数据集表面看起来“客观”，但在设计数据收集流程或建模的过程中，“偏见”可能已经形成。

情境1：

信用风险评估是有可能会出现“数据偏见”的一种情况。程序员可能会使用有限的数据，将客户或潜在客户分类，这些数据可能无法充分代表某些群体的真实情况。

情境2：

使用NLP进行基本面分析也可能会导致“偏见”。这里的数据可能包括从社交媒体收集到的另类数据和非结构化数据，但一些数据收集程序在过滤某些语言的时候，可能不是很有效。

准确性

人工智能系统需要产出准确可靠的结果、稳健且可推广。

透明度和可解释性

人工智能模型应该易于理解，以便公司员工可以适当地向客户和主管解读和解释。可解释性对于利益相关方理解和信任人工智能应用程序的运作至关重要。

问责制

建立人工监督、治理和问责机制，以确保人工智能程序能产出正确、合适的结果，并进行风险管理。问责制还包括对人工智能程序的收益、成本和风险的持续评估。

基于这些原则，报告为投资专业人士设计了一份“道德决策框架”，包含数据收集、建模及后续优化等过程中所需要明确的具体问题，以满足上述道德标准。

扫码获取报告及完整版道德决策框架：