为什么数据科学将成为投资领域的特征长期存在？ 因为它至少在三个方面表现优于人类：

1.无偏差分析性思维

使用机器做出投资决策可以最大限度地减少人为错误和认知偏差。投资专业人士可能会使用多种技术来识别并最小化误差，但我们无法消除它们。很多偏差已经成为了神经系统的一部分，深深嵌入了我们的大脑。

与人类相反，人工智能的算法没有自我意识。他们敏捷，并且可以快速吸收新信息并进行修正， 任何数据都可以用来产生洞察力。人工智能可以从环境变化中学习和发展，与保质期有限的静态定量模型不同，以人工智能为基础的系统是一直“活着”的。

2.处理能力

在信息处理方面，人类远远不及电脑。电脑能够全面碾压人类。IBM的深蓝超级计算机早在1997年击败国际象棋大师加里·卡斯帕罗夫（Garry Kasparov），而谷歌的AlphaGo AI也在2017年打败了世界顶级的围棋选手。

这一优势不仅仅体现在分析思维里。机器在更加微妙的联想性思考上也早已击败人类，而这种能力长期以来一直被认为是人类所专有的。2011年，IBM的沃森以绝对优势击败了智力竞赛节目《危险边缘》（Jeopardy！）的知识问答竞赛的冠军。我在那一刻重新定义了我对分析思考的观念，无论是人工智能还是人类智能。

像Siri和Alexa这样的机器现在就已经能够理解人类的语言，并且可以学习、处理和分析人类创造的所有知识体系。如果这种趋势继续下去，那么机器就能够以最少的人力投入进行智能投资和资源分配决策。

3. 执行投资决策

投资决策过程有五个步骤：1. 数据收集； 2. 数据处理； 3. 投资分析； 4. 投资决策； 5. 绩效评估。？

其中有三个可以通过代码执行。然而第三步——投资分析，仍然需要人力投入来评估，例如战略需要、竞争局面、政府政策和董事会独立性等因素。？

实际上，给定一个数据源后，任何可以分解为逻辑步骤的任务都可以转化为代码并实现自动化。像桥水这样的对冲基金已经开始使用人工智能来优化他们的投资决策流程。但任何由于法律或组织工作限制等原因无法收集并汇总到数据库中的重要投资数据都需要人工分析。比如，与投资组合公司管理层的访谈过程中，非言语线索发挥着重要的作用。

从纯粹的经济学角度来看，员工的价值体现在他于最基本工作内容上做出的贡献。可替代员工的软件成本只是企业花在新员工身上投入的一小部分。这种威胁对于大学毕业生来说更加明显，因为他们入职初期的主要工作是收集，组织和分析数据。

未来的投资组合经理也很可能需要熟练地掌握广泛的数据收集和数据分析技能，并知道如何将其投资理念转化为机器可读代码。在投资组合公司仍需要人工来参与决策时，投资组合管理也需要对人类行为进行很好的理解。

未来全新的投资方式

未来的投资专业人士不会再通过财务报表获取信息，他们会从分析和预测人类行为的影响中获取重要信息，会建立一套具有高度分析性、灵活性的以人工智能投资框架为基础的分析工具。

在这种情况下，我不能排除黑盒子投资法。人工智能的系统可能给出我们无法理解的投资建议。虽然我们将针对极端波动采取一些基本的保障措施，但我们的投资决策将由AI的预测能力决定，而不是靠我们对其决策过程的掌控来决定。在这个世界上，投资专业人士将更多地充当投资者利益的监护人，通过定义投资目标、优化决策算法、并培训AI来完成大部分分析工作。

从技术进步的速度来看，这样一天可能比想象中来得更早。值得庆幸的是，数据科学领域将需要具有行业经验的财务专家来撰写投资专业历史的新篇章。但更重要的问题是：你准备好了吗？