一、从围棋谈起

围棋是一项极具算法复杂度的游戏，其棋盘为19乘19。一局围棋的算法复杂度约为2^361。所谓围棋选手的棋力高低，通常由其能够计算的步数决定。比如同为九段选手，A选手的棋力为20步，B选手的棋力为15步，那么我们就说A选手的棋力比B选手高。

计算机在计算方面与生俱来就有着超越人的潜力，比如超算之王“天河一号”的计算能力达千万亿次。那么基于计算机强大的计算能力，结合神经网络、代价函数、训练方法带来的深度学习能力，人工智能就诞生了。

2016年3月，Google公司开发的人工智能组件AlphaGo以4：1的成绩战胜著名围棋选手李世石；几个月后，改进版Master又以网络对战的形式与多名世界顶级九段选手较量，战绩锁定在60：0。

与此同时，人工智能在投资领域的应用也如火如荼的展开，比如招商银行、浦发银行均在2016年末推出了智能投顾业务，我行也即将在2017年一季度择机推出智能投顾业务。我们总结了人工智能在投资领域的应用，对智能投顾业务的发展路径进行了展望，并分析了其对银行财富管理业务的影响。

二、智能投顾概述

智能投顾的基础是符合投资学的基本原理和现代投资组合理论，主要包括大类资产配置、动态决策树、风险分散和风险预警矩阵、大数据分析、效用函数优化等；特色的一面主要可归纳为以下三个方面：

一是多维度组合式分析逻辑。分析逻辑包括宏观层面（宏观经济）、中观层面（股市、债市、期货市场的市场指数）和微观层面（具体标的的分析），同时结合了行业分析和量化分析方法。

二是双向收益风险优化。收益风险的优化逻辑同时基于历史和未来，即既分析资产的历史表现，也对资产的未来走势进行预判，两者辩证统一进行资产配置。

三是基于路径依赖的个性化配置。投资人的需求表现为两种形式，一是显性需求，二是隐形需求。根据有限理性理论，投资人的显性需求总是不完备的，并不总是反映投资人的真实需求；而通过数据分析获取的投资习惯，往往能反映投资人的真实需求。通过对银行客户的历史财富管理行为进行分析，可以更准确的把握投资人的隐性需求。通过建立路径依赖函数能够同时把握投资人的显性和隐形需求。

三、资产配置策略

智能投顾的资产配置策略主要结合宏观经济方法、行业分析法、量化分析法，结合相关资产库和数据库，投资于股票、债券、期货、现金类资产等标的。

投资策略主要可分为三大类（宏观经济、投资标的、价值策略），7种一级策略（分别是宏观策略、股票策略、债券策略、期货策略、行业策略、事件驱动、相对价值、组合基金），而又可以大体细分为15种二级策略。

(一)        宏观策略

宏观策略主要是指根据全球政治事件以及人民银行、统计局等单位发布的宏观经济数据以及行业指数来判断资本市场走势。

政治领域，比如英国脱欧导致了欧元走弱，特朗普上台加剧了美元加息预期和贸易逆全球化的可能。

经济领域，比如在上行阶段，股票和大宗商品相对债券和现金类资产具有超额收益；滞胀阶段，债券和现金类资产相对股票具有超额收益；衰退阶段，债券相对股票和大宗商品具有超额收益。

宏观策略对各类资产配置比例具有指导性意义，但对具体资产配置并无实质贡献。

(二)        股票策略

股票策略即是投资于股票的策略，按照持仓又可以分为多头策略、多空策略、市场中性策略。多头策略即只持有股票多头的策略；多空策略即在持有股票多头的同时，持有股票空头；市场中性策略为特殊的股票多空策略，是指同时构建多头和空头头寸以对冲市场风险，使得在任何市场环境下均能获得稳定收益的策略。

(三)        债券策略

债券策略即投资于债券的策略，分为被动策略和主动策略。

被动投资策略认为市场是有效的，债券的市场价格体现其期望收益，并不追求超额收益。常用的被动投资策略有购买持有策略和免疫策略。购买持有策略是指投资者在买入债券后较长时间的持有债券，而不是频繁交易以谋求区间投资收益。免疫策略是指构造一个债券组合，使得债券价格对市场利率变化产生免疫性。

主动投资策略的目的不仅是保值，而是利用债券投资获取超额收益。主动投资策略的基本假设是：1、市场利率的变化趋势是可预测的，从而可以利用债券价格随市场利率变化的规律牟利；2、市场并不是充分有效的，存在价格被低估的投资标的。

(四)        期货策略

期货策略是指投资于期货、期权市场，可以分为趋势策略和套利策略。

趋势策略是指通过模型判断市场趋势，根据多空进行大宗商品配置；趋势策略在上涨或下跌单边市场均能获利。但如果是震荡市场，趋势策略可能会因为不停的止损而出现回撤。

套利策略是在买入一种期货合约的同时卖出另一种不同的期货合约，套利者同时成为一种期货合约的多头，又成为一种期货合约的空头。

(五)        行业策略

行业分析是证券市场最基本的分析工具。行业策略主要包括两方面的内容：1、对行业前景进行展望。2、对特定行业的公司进行基本面分析，从而寻找出具有相对价值的投资标的。

(六)        事件驱动

事件驱动是通过预判可能造成资产价格异常波动的事件，从而获取超额收益。事件驱动一般是中短线投资策略，主要是把握事件明朗化前做多或做空，事件明朗化后做空或做多。比如保监会关于保险资金投资规范文件的出台可能导致与险资有关的一些股票出现价格波动。

(七)        相对价值

相对价值策略利用相关联资产之间的定价差异来获利。也就是当判断一种资产的价值被高估，而另一种资产的价值被低估的时候，通过买入价值低估的资产，卖出价格高估的资产，直至平仓，从而获取价差收益。比如分级套利利用场内外市场的价差进行基金的组合分拆套利。

四、风险预警

智能投顾因为采取了多重资产配置，其风险预警也采取风险预警矩阵形式。

一、对于每一个资产标的，衡量其均衡收益下的风险系数。主要包括标准差、下行方差、最大回撤、修复期、β系数、风险价值、偏度、峰度等风险指标。

二、对于资产组合和不同的配置策略，衡量其相关性。

三、根据对单一资产的净值分析和策略内生驱动力的评估，构建多策略组合获得更高的收益风险比。

四、将单个资产标的策略和相关系数进行参数化配置，进行矩阵运算，形成动态的风险预警机制。

当风险预警矩阵达到临界值时，需要对用户资产配置进行动态调整。

五、对财富管理业务的影响

智能投顾将极大的提升用户投资理财的便利性和科学性，有助于消除投资顾问差异对客户带来的影响。同时可以降低运营成本，提升银行作为财富管理平台的价值。

同时，智能投顾业务与传统投顾业务是促进和互补的关系。这主要体现在以下三个方面：

一、智能投顾有助于提高财富管理的平均水平。财富管理是一个注重专业性和经验的行业，投资顾问的能力往往参差不齐。智能投顾是在总结投资经验的基础上发展起来的一项服务，其投资水平能够向中高端投资顾问看齐。

二、智能投顾能够将投资顾问从低端服务中解放出来，专心服务于高净值客户。智能投顾在应用初期，其客户群体主要是银行的一般理财客户，也即理财客户中的长尾部分。通过自助服务，普通客户对投资顾问的依赖程度将大大降低，使得投资顾问有更多的时间来思考如何服务高端客户。

三、智能投顾可以和投资顾问形成良好的互动关系和业务协同。在应用初期，一部分投资人对智能投顾业务抱有怀疑态度是正常的。此时就需要投资顾问和客户的沟通和解释。

六、监管定位

智能投顾本质上属于投资顾问业务。智能投顾将大数据、人工智能等技术引入投资顾问领域，辅助客户作出投资决策，但没有改变投资顾问业务的本质，应当受到相关法律法规的约束。

这里面最直接的问题是，智能投顾归属于机器人，而相关法律法规主要是对自然人的资质和操作规程进行了约束。那么将来有关部门也可能会在相关法律法规中对智能投顾业务进行相应的规范。

再一个问题是，传统的对投资人风险层级的划分主要是对投资人可配置的单只基金产品进行了限定。而智能投顾提供的是资产组合，那么当单只基金产品的风险等级超过客户风险层级，而投资组合风险较低时，其地位该如何界定，也是亟待监管的问题。

总体来讲，尽管存在监管待完善的情况，智能投顾仍是科技金融创新型产品，对探索财富类业务创新和资产管理的经营方式转变具有重大意义。

（原文于2017年刊载于《当代金融家》）

来源：正树铭斋