天使投资者更依赖直觉？靠算法做早期投资能获得更好的回报吗-技术圈

大数据文摘出品

来源：hbr

编译：在赤道的熊猫

随着人工智能的发展，许多大型风险投资基金开始选择用AI来支持他们的投资决定。Google Ventures的前执行合伙人比尔·马里斯曾说过，“当你可以访问世界上最大的数据集时……仅仅靠直觉来做投资是愚蠢的。”

但是大多数初创投资者其实仍然无法适应Google风格，并且仍然使用老式的沟通、直觉等投资方式。例如，天使投资人在很大程度上依靠直觉来进行投资。但是随着科技的进步和机器学习构建强有力算法成本的降低，这些投资者将需要决定是否依靠人工智能。

相比后期投资的理性和数据化思维方式，早期投资其实更加有“人味儿”！那么在做出早期的投资决策时，AI能否胜过人类的判断？天使投资者应如何使用它呢？

为了回答这些问题，圣加仑大学数据科学中心的研究人员构建了一种投资算法并将其表现与255个天使投资者的回报进行了比较。

利用最先进的机器学习技术，他们用最大的欧洲天使网络之一的623笔交易中选择创业出最有前途的投资机会来对算法进行训练。该算法使用了当时天使投资人使用的相同数据，其中包括推销材料，社交媒体资料，网站等。

他们使用这些数据来预测初创公司的生存前景-而不是投资者通常喜欢的估值之类的衡量标准-因为它使研究者能够用更大，更可靠的数据集来训练算法。

在测试中，研究者使用了这种预测模型来模拟投资，并将天使投资者的投资组合的收益与算法所产生的收益进行比较。研究团队进一步研究了经验不同的天使投资者（投资少于10个的新手与投资至少10个投资的专业投资者）相对于算法的公平性。样本中的专业天使投资人平均进行的投资约为新手的两倍（12.2：5.2），每家初创公司的投资额则翻了一番（10,530欧元：4,548欧元）。

预测结果令人震惊，该结果为如何以及何时来发挥算法投资工具最大作用提供了重要的见解。研究表明，新手投资者很容易被该算法打败：由于投资经验有限，他们在决策中表现出更高的认知偏差；但是经验丰富的投资者的表现要好得多。因此，研究揭示了偏见如何影响人类投资者的决策和算法如何帮助我们做出更好和更公平的投资回报。

算法与天使

已有文献证明认知偏差（与理性行为的系统性偏离）会导致较差的投资业绩。研究团队评估了五种偏差：1）本地化偏差，它是天使投资人对与自己地理位置接近的投资的趋势；2）厌恶损失，这意味着天使投资者对潜在损失比对潜在收益有更敏感的倾向；3）过度自信，当投资者“过度承诺”并在一家初创公司上花费比往常更多的钱时；4）性别偏见；5）种族偏见。数据显示，所有天使投资人都有过度自信的偏差：其中的91％至少出现过一次。这是影响投资回报的最频繁，最强烈的偏差。

由于认知偏差会导致投资者做出不合理的投资决策，因此投资算法优于人类平均水平也就不足为奇了。

该算法的平均内部收益率（IRR）为7.26％，但255位天使投资人（平均而言）产生的内部收益率为2.56％。换句话说，该算法比人类平均水平提高了了184％以上。

但是，不是所有投资者都同等的容易受到偏差的影响。例如，投资组合中加低非理性行为迹象的天使投资者的表现要明显优于非理性投资者：偏差较低的新手平均收益为3.51％，而偏差较高的新手的平均收益损失为-20.52％。

基于对这个结果的兴趣，研究组调查了是否该算法也会战胜有经验的投资者。他们发现经验丰富的天使投资者所表现出的认知偏差要少得多，因此他们明显可以获得更好的投资回报。这个由经验丰富的天使投资人组成的精英群体的内部收益率平均为22.75％。但是，仅凭经验并不能解决问题：拥有丰富经验但也表现出较高认知偏差的投资者平均只能实现2.87％的内部收益率。因此结果表明，只有在早期投资决策时有效地抑制其认知偏差的经验丰富的投资者可以表现的优于机器学习算法。

研究发现还有其他可能会使算法具有优势的因素。在风险投资中获得更高的投资组合收益有两个方面–保护下行空间和增加上行空间。风险投资的中心论点和主要焦点一直是寻找统计异常值（即“独角兽”）；然而，研究给出了重新思考天使投资中这一中心投资假设的理由。通过预测生存概率，该算法能够选出比255个天使投资者中的绝大多数选择的更好的投资组合。因此，数据表明，从更大的角度来看，避免不良投资可能比尝试实现本垒打更为重要。鉴于有限的资金，天使投资人仅投资有限数量的风险投资。因此，必须对每笔投资都格外小心。因此，相比于大海捞针，问一问“这是一家生存率很高的可行企业吗？”，对获得更高的投资组合回报可能更有价值。

更好也意味着更公平吗？

已经存在了大量的关于算法是否受到其创建者的偏见的讨论。在案例中，培训数据中的结果不是由人类直接分类的（例如，与招聘算法相比，招聘算法人为的决定谁过去是优秀人才）。这个算法使用数百家企业的实际生存和绩效数据来训练。基于高度的客观性，他们发现与普通投资者相比，这个算法的投资组合选择受传统的投资偏差（例如，厌恶损失或过度自信）的影响较小。但这并不意味着它没有偏差，该算法确实倾向于选择白人企业家，而不是有色企业家，并且倾向于投资具有男性创始人的创业公司。

考虑到这个特定的结果，可以说，当前有关有偏见的算法作出有偏见的预测的争论过于简单，并且遗漏了过高的期望这一根本问题。机器学习模型通常进行训练来区分不同的决策选择，例如好的或不好的早期投资。默认情况下，AI本身不是非理性的或有偏见的；它只是推断存在于研究者提供给他学习的现实世界数据中的模式并利用这些模式来区分潜在的决策选择。

因此，人工智能可能能够应对投资经验不足的个人投资者决策过程中的缺陷，例如，它可以帮助纠正过高估计其评估给定投资风险能力的投资者。但是将AI用作解决社会不平等现象的方法更具挑战性。尽管在这个案例中，所有数据源都是客观的而且没有人为判断，并且该算法未获得种族和性别数据的支持，但它仍然存在决策偏见。但是该算法本身并没有做出有偏见的决策；它再现了训练数据中固有的社会不平等。例如，该算法基于其预测的最重要因素之一是该初创企业已获得的事先资金。最近的研究表明，女性在筹资过程中处于不利地位而且最终筹集的投资少，可能导致她们的创业公司不那么成功。换句话说，AI只是将女性和非白人创始人的企业在投资早期消亡的未来歧视的恶性循环的社会机制预测了出来。

重要的一点是，结果表明，有意识地消除种族和性别决策的偏见不仅可以提高公平性，而且可以提高早期投资决策的绩效。例如，有经验的投资非白人创始人的投资者在系统上胜过算法。因此，这些经验丰富的投资者做出了成功的投资决策，而没有破坏算法结果的隐式歧视模式。通常，研究者要在资源分配的公平性和效率之间权衡取舍。这种折衷也明显的体现在算法决策中。永远不能期望AI拥有内置的解决方案来自动解决人类提供给它的数据中固有的社会问题。

一种混合方法

这项研究也强调了在早期投资中使用AI的优势。

它可以处理大量数据，纠正单个投资偏差，并且平均而言，它的性能优于人类作出的判断。与此同时，最成功的人 — 那些能够纠正认知偏差的经验丰富的投资者 - 在效率和公平性方面均优于算法。

当然，直觉和算法决策并不是单选题。管理者和投资者应该考虑算法对未来潜在结果的预测，而不是算法作出的决策。根据预测的使用方式，它们基于可能会（或可能不会）导致改进决策和行动的人为判断。因此，在复杂且不确定的决策环境中，核心的问题不是是否应该替代人工决策，而是如何结合人工和人工智能的优势来增强决策能力—一种被称为混合智能的想法。

循环中的人工智能。研究表明算法可以帮助新手投资者做出早期投资决策。在算法的帮助下开始天使投资可以使新手投资者避免决策警告，使他们在投资生涯的早期获得更高的回报，从而鼓励他们继续投资。不断投资的天使投资者会为生态系统提供重要资源，从而带来就业机会并推进创新。因此可以看到投资算法的巨大潜力，它可以训练新手投资者来做出类似专家的决策，从而提高财务回报。

循环中的人类智能。对于那些已经学会管理认知偏差的更有经验的天使投资者，这项研究的发现表明，他们的直觉仍应被视为早期投资的黄金标准。因此，算法应该不仅使用再现社会偏见的“客观”的过去绩效数据进行训练，还应使用这些决策者的决策和行动进行训练。因此，与此同时，研究结果还显示，用有经验的投资者来训练投资算法来制定更好，更公平的投资决策的潜力。

最后，尽管人工智能快速的进入金融市场，一流的早期投资仍由经验丰富的天使投资者主导。建立可以取代最有经验的天使投资者做出投资决定的投资算法的关键不仅在于消除人为偏见，而且还在于模仿专家的直觉，以寻找最有前途的投资机会。