金融作为人工智能落地的最佳场景之一，正迅速升级到智能金融时代。各类金融机构不断加码支付、信贷、客户服务、数字化等领域的布局，借助金融科技实现产品和服务的升级和延展。然而，今年2月的美股闪崩一度让全球资本市场蒙上阴影，市场关于“第一次算法股灾”的探讨和争议更是甚嚣尘上。业内人士认为，如何有效应对金融科技对市场造成的影响势必成为全球金融监管的重要课题。

　　智能金融的“ABCD”

　　金融科技正在以迅猛的势头重塑金融产业生态，“无科技不金融”成为行业共识。金融科技人士表示，以金融科技应用发展为代表，金融机构利用大数据、云计算、人工智能和区块链等前沿技术进行业务革新，将传统的银行、证券、保险业务进行分解，提供更加精准高效的金融服务。

　　有预测称，数字化转型程度落后于市场平均水平的金融机构，未来增长价值比率平均是-11%，而数字化领先的金融机构的比率则可达20%以上。

　　百度金融、埃森哲最新发布的《与AI共进，智胜未来——智能金融联合报告》（简称“《报告》”）认为，人工智能通过“数据+算力+算法+场景”深入到金融领域的决策，并推动智能金融发展，智能金融以ABCD为代表、即人工智能（AI）、区块链（Blockchain）、云计算（Cloud Computing）和大数据（Big Data）四项技术。

　　《报告》显示，当前国内的智能金融主要有三种合作模式：创设、共建、赋能。创设即互联网企业和传统金融机构联合设立子公司，比如百度联手中信银行设立百信银行；中国联通携手招商银行设立招联金融。共建即科技公司与金融公司共同构建竞争能力，当前农行、建行、工行、中行等分别与百度、阿里、京东、腾讯等几大巨头“联姻”。赋能即科技公司开放三种能力及客户服务金融机构。

　　百度金融金融科技事业部总经理石立权称：“以百度金融大脑为例，未来将以一体机的方式赋能给更多合作伙伴，不仅可以支持多方数据加工整合，而且可以将机器学习模型融合，支撑分析预测与精准营销和控制风险，通过更加便捷的软件为合作伙伴提供软硬一体的综合解决方案。百度金融科技也将身份识别和大数据风控的单项能力开放给更多合作伙伴。”

　　“在金融既有的价值链条上，智能金融正促成四方面的重构。”埃森哲大中华区金融事业部董事总经理陈文辉指出，一是重构用户连接和服务的价值链；二是重构风险评估及管理体系；三是重构服务的边界；四是重构基础设施的建设标准和运行逻辑。

　　智能投顾迎黄金时代

　　智能投顾作为智能金融的重要部分，以其低门槛、高效率、低道德风险的显著竞争优势有效覆盖长尾市场、在国外市场逐渐成为大众投资主流。在中国，智能投顾发展正迈向“黄金时代”。根据瑞信数据，预计2016-2021年全球中产阶级新增2亿人。国内新中等收入群体的崛起进一步放大理财需求缺口。据Statista测算，未来5年国内智能投顾资产管理规模及覆盖人数的年复合增长率均超过100%。

　　2015年开始，国内个别金融机构打出智能投顾的概念。进入2017年，机构布局智能投顾迎来一波小高潮。东吴证券、广发证券、中泰证券等纷纷入局，除此之外，国内多家银行也在智能投顾上进行了实践。比如，招商银行的摩羯智投、兴业银行的兴业智投、光大银行的光云智投、中信银行的“信智投”等。

　　在江苏银行零售业务部总经理助理刘静看来，银行智能投顾设计伊始的目的在于优化销售方式。银行智能投顾系统主要投的是基金产品，在主观上可以减少理财经理的业绩压力，但是智能投顾目前更适合有一定经验与投资能力的人。

　　“从大类资产配置的角度来说，券商的智能投顾产品与银行的并没有本质的区别。”南京证券研究所所长周旭表示：“券商的优势在于权益类投资，券商客户更看重收益，所以券商的智能投顾产品需要多策略、高收益。相较于开放基金有着较大的年波动率，券商的智能投顾产品策略延性更佳。”

　　清华大学金融科技中心智能投顾负责人林常乐认为，从技术角度而言，做好智能投顾服务，需要利用大数据对投资者的风险偏好做好了解和细分，对大数据采集、处理和分析到位，才能对用户的个性化风险偏好和场景化的理财需求有更深刻的认识，智能投顾才能更加有效地落地。

　　真融宝董事长吴雅楠坦言，智能投顾在我国的发展环境当中，仍需要克服证券投资工具不足和投资环境有待成熟等短板。现实情况是，成立于2016年12月的摩羯智投据申购规模已经突破100亿元，但相较于招行5.4万亿元的个人客户金融总资产管理规模来说，100亿元的规模占比尚小。

　　“算法股灾”应可避免

　　阳光之下，阴影犹存。在智能金融走向“黄金时代”之时，美国股市在2018年2月2日和5日连续暴跌，并带动全球股市剧烈调整。

　　一时之间，对于历史上“第一次算法股灾”的讨论和争议四起。据报道，交易员们表示当股市下行时，程序化交易加剧了市场的恐慌。

　　在瑞信亚太区私人银行董事总经理兼大中华区副主席陶冬看来，股市调整，其实有迹可循。真正将股市推下悬崖的，是15分钟内近700亿美元的成交量，令一场正常调整变成夺门而逃，进而演变成全球范围内的股灾。他说：“当市场调整出现某种接近算法程序中预设大手减持所设定的场景的时候，沽空盘就会蜂拥而出，而这又触发其他算法程序抛售，市场形成向下的自我循环。资金在跌市中夺路而逃、自相践踏，在历史上发生过不少次，甚至有几次比这次股灾更为惨烈，但是这次调整的机械色彩最浓厚，速度也更快。”

　　资深投资人士对记者表示，美国的智能投顾在标的选择上以稳定的、跟随市场发展脚步的资产为主，一旦波动较大，将造成频繁调仓，从而影响投资组合模型的有效性。因此，美国的智能投顾标的多为交易型开放式指数基金（ETF）。目前我国投顾产品主要标的为优选基金与权益类产品。

　　周旭对中国证券报记者表示，程序化交易最大的劣势在于股市下跌时由于自动集中抛售所造成的拥挤交易，从而加剧市场恐慌。为了控制这种行为，亟待监管机制的跟进和完善。他表示：“正常交易时，很难出现同时抛售。然而在极端时一旦出现集中抛售，便会出现问题。”

　　南京大学商学院茅宁教授认为，程序化交易“股灾”出现的另一个根源在于趋同性。由于编写交易算法的技术人员出身类似，其所编写的机器算法与逻辑都存在高度趋同性，所以在发生交易时，同质化的程序便带来了拥挤交易。他说：“如果趋同，必然失控。监管层需要从源头抓起，监管交易公司本身的算法，并加强市场从业者的准入资格与素质，确保各公司交易程序之间的差异性。”

　　毕马威管理咨询总监毛茅认为，当前通过大数据进行机器算法开展金融投资业务，所带来的潜在风险应可避免。而避免风险首先需要提高各机构获取数据的差异性，当前各家机构都是找固定的少数数据服务公司合作。在应用场景方面，也没有做到更细分。在此背景下，机器算出的数据趋同性一定会很高。针对同样的数据，再采取类似的处理手段，则出问题的时间点集中度就可能非常高。他说：“金融机构应当对自身的经营状况和风险管控形成更高的标准，满足监管要求的基础之上，根据客户特征、行业特征制订一系列风控手段，尤其是要形成差异化优势。还需注意的是，大数据并非小数据，真正的大数据包含了人的投资偏好、企业的纳税信息等，数据源头不可能相同，算出结果也不会完全一样。另外，市场规律不可忽视，即使模型再精准，也不能颠覆市场规律。”

来源：中国证券报