智能投顾是量化投资的智能升级版本，其核心包括深度学习以及自然语言处理技术等智能算法，这些算法具有模式识别、预测以及实时迭代优化等特征。在一定程度上，智能投顾可以解决证券市场上信息不对称的问题，提升价格发现的效率，并具备优化市场资源配置的能力。显然，智能投顾将重塑证券市场的生态体系，若是合理规划，它将对国内直接融资市场的发展与社会融资占比的提升起到积极的作用，值得社会各界思索与探讨。 

     以证券市场为例，股票的走势受到宏观经济走势、市场情绪、以及产业环境和标的公司的商业模式的影响，总体上以大势为重，市场情绪为辅，相对而言，经济周期对于个股的影响是更大的。然而，判断宏观经济形势对于专家来说都是一个巨大的难题，因为许多细微的、零散的信息都会对宏观经济产生影响。而深度学习在分析宏观经济走势方面具有绝对的优势，因为宏观经济走势与个股的关系一般为多维度、非线性、弱相关模型，深度学习基于多层网络提取特征值、自动降维以及自我学习优化的算法，刚好能够较好的拟合动态演化的宏观经济走势，这是一般的量化分析无法相提并论的。并且，基于大数据的深度学习，在学习结果上更为稳定，适合于作为股票投资的决策依据。对于市场情绪学习方面，基于语言理解而非关键词的自然语言处理技术，能够以每秒3000页的速度处理互联网、特别是社交网络上的文本信息并形成缩短的文本摘要，突破了人类处理信息的生理局限以及基于经验学习的认知局限，这项技术对于投资者来说也是极具价值的。因此，“人工智能”和“投顾”的结合是历史发展的必然。并且，金融企业出于生产效率以及利润的追求，智能投顾很有可能是量化交易必然的发展方向。 

     智能投顾与量化交易、传统证券投资服务的渊源

     从定义上看，狭义的智能投顾是一种创新在线证券投资管理或信息服务，通过在线服务形式对投资者的财务现状、风险偏好、理财等目标进行人群建模，并且也通过算法对宏观经济形势、产业情报、市场情绪走势以及标的公司的发展状况综合判断，经过一系列的算法匹对后，对投资者进行的证券投资的管理或信息服务。广义的智能投顾则是一种创新的财富管理服务，以人工智能技术为基础的一种新的财富管理组合方式，该方式的创新体现在：为消费者提供财富管理领域的新性能；新的财富管理生产模式或商业模式；或是以技术优势开辟的新的市场。

     相对于传统的量化交易，基于深度学习的建模，让机器去学习海量的互联网大数据，从而发现这些数据中的弱相关、非线性关系，并挖掘出这些弱相关数据中所反应的本质问题，由于深度学习所训练出的结果比量化交易所使用的大盘数据以及小范围的舆情信息更稳定以及更宏观，并且，具有快速试错以及迭代优化等特性。

     从量化交易的发展历程来看，大致可分为四个阶段（见图1）：证券交易的发展初始阶段是由自然人在进行交易；量化交易1.0是由计算机辅助自然人做相关决策，并由自然人进行交易；量化交易2.0是由机器／计算机自动执行相关交易；而所谓的智能投顾是量化交易的3.0进阶版本，机器能够进行高频的自动化交易，并且自动化交易所依据的算法是基于对全部外部投资环境的，不断的自我优化的动态演变的算法。

     可见，相对于传统的证券投资顾问，智能投顾的客户定位更为广阔，包括了机构和个人投资者，并且机构的范围也囊括了投资银行、商业银行、基金公司以及资管公司等；而对应服务的个人投资者泛指中产阶级或以上的自然人，传统的证券投资一般都是以服务高净值人员为主；从服务的形式来看，智能投顾一般都以虚拟客服为主，人工服务为辅；传统的证券投资服务一般是以一对一、面对面的个性化顾问服务的形式。总体来说，智能投顾的运营成本相对较低、服务效率更高，可以覆盖更大范围以及不同类型的服务对象，颠覆现有的证券投顾的商业模式，并且对其替代的可能性较高。

     解决证券市场症结让市场回归理性国内证券市场的问题 国内的资本市场是改革开放的产物，自成立以来，经历了无数的风风雨雨，市场规模从小到大，监管体系从无体系到逐渐地明朗。总体来说，国内的资本市场目前依然处于快速发展阶段，面临着种种问题，也导致了证券资本市场的直接融资功能并没有最大化地发挥出来。 

     其中，最明显的问题就是资本市场的参与主体结构不均衡，这也是证券市场处于初级发展阶段的客观规律。从美、欧、日等发达国家的证券发展史来看，在证券市场的发展初期，参与主体都是以个人为主，而如今，普遍来说是以机构占主导地位。比如：当前，在美、英两国，保险资金、共同基金以及养老基金等都持有了该国家股市中较大部分的股份；日本是法人机构之间相互持股，所以，机构也是占据了主导地位。在中国，据《上海证券交易所统计年鉴2015卷》统计显示，散户（即个人投资者）占交易额的比例为85.19%，而机构仅为11.60%。并且，据2014年的相关统计数据显示，在投资者的学历分布中，78.64%为本科以下学历，大部分中小投资者是通过“刻苦铭心”的实践经验来增进其证券投资以及风险管理相关知识，导致了国内的证券市场以投机以及短期投资为主，非理性地频繁交易的特征，导致了证券的市场价格波动性增大。 

     再者，证券市场的信息不公开以及失真的问题，造成了机构与个人投资者、标的公司与个人投资者的信息分布不均衡的问题。这里的内在原因一方面是由于证券市场的监管漏洞，比如惩罚机制过于轻判，具体来说，就是没有上市公司的退市机制等，加大了某些不良机构或标的公司混淆视听、扰乱市场的动机。另一方面源自两大原因，其一，是由于机构所掌握的信息源多于个人投资者，机构的资本力量使得其具有掌握最新信息以及最强科技，并且机构的规模优势使得购置这些信息或者技术的增量受益大于增量成本，进一步驱动了机构发现并且利用信息或技术的动力；其二，机构的组织学习能力或信息处理能力远远高于个人投资者，机构具备更强的创造新知识的能力，并且这些知识将会以商业秘密的形式留存与机构内部。综上所述，对于证券市场的走势判断能力，机构比个人投资者更强。 

     智能投顾对证券市场的影响 

     智能投顾对于国内证券市场发展的影响主要体现在两大方面： 

     一是智能投顾作为信息渠道，将个人投资者和机构投资者的信息不对称的现象打破，使得个人投资者处理信息的能力，无论是信息的广度或是挖掘信息的深度来说都有所提升，有助于个人投资者做出更为理智的投资决策。但是，个人投资者所掌握的经由智能投顾产生的信息是否能够有效的转化为投资策略是有待考量的，很有可能，小型的个人投资者受限于自身的专业知识架构不能设计自身的投资策略，最后还是被机构投资者抢占了市场先机。而大散户会有效的利用这些信息与基金公司斗智斗勇。未来，个人投资者会呈两极分化的发展态势，大散户会逐渐的机构化，而小散户会被激烈的证券市场交易驱逐出局。慢慢地，证券市场会逐渐地机构化，市场的主体结构发生重大变化，也使得证券市场回归理性的价值投资的思潮。虽然如此，由于价格的判断有很大原因的主观因素，市场的投机机会还会存在。 

     二是智能投顾具有去中介的特性，有颠覆原有的带有中介性质的理财服务的可能性。理由是因为这些带有中介性质的服务人员受到提成激励机制的驱动，他们的服务不是为客户提供个性化的资产配置服务，而是向客户兜售现有市场的理财产品为主。并且，由于利益驱动，会出现恶意隐瞒、欺诈等损坏个人投资者利益的情形。而智能投顾是基于机器学习的虚拟机器人，相关的信息分析与产品推荐是基于客观现实的，不受人类的欲望或情感因素的干扰，服务的稳定性以及个性化服务的体验更为优良，适应了当前市场需求，对原有理财服务的颠覆是指日可待的。 

     发展智能投顾需要注意的问题

     智能投顾属于财富管理领域的颠覆式创新，它必然会在逐步演化传统财富管理市场的路径中面临着由于创新所导致的风险。 

     其一，由于对颠覆式技术的领悟者往往是掌握资源的人，并且资源掌控方往往是掌握最先进生产力的人，这就导致了资源分布的不公平性加重。 

     众所周知，人工智能具有较高的技术门槛，是多门学科交叉汇合的结晶，在缺乏相关知识的背景下，普通人对人工智能技术的理解会出现偏差。要么认为该技术神乎其神，要么认为其本是一场骗局，在此情景下，由于证券投资机构占有人脉以及资源的优势，他们会比散户提前掌握人工智能的技术优势，并将其运用至证券投资的各个业务模块，快速地将科技转化至生产力。也就是说，机构发现以及获取市场机会的能力会进一步增强。因此，这必将导致机构与散户间的信息不对称问题更加的严重。在智能投顾时代，若散户的投资行为不变，那么机构套利的机会将增多，小散户被“割韭菜”的机率会加大，如果没有多方利益相关者的协商与合作，很有可能演化成社会事件。 

     其二，风险来自于对智能投顾这种新兴商业模式的监管问题，主要总结为以下几点： 

     一是对于智能投顾的监管程度问题。过重监管会将创新扼杀于摇篮之中，不利于国内中产阶级的资产配置，对多层次资本市场的发展形成一定的负面影响；过于宽松的监管，激励市场上出现“偷换概念”、“旧酒换新瓶”的商业现象，例如：一些P2P企业乔装成智能投顾公司规避对于P2P的严苛监管。 

     二是监管滞后的问题，就知情人士消息，一部分中小型机构已经采纳了人工智能技术做为辅助投资决策辅助的工具，显然的，这类企业的投资获利能力会相对增强，对市场具有一定的影响力。目前，相关监管尚未要求此类企业对是否采用人工智能技术进行公示，这对以散户为主要构成的国内证券市场有负面影响。 

     三是对于虚拟机器人的监管难的问题。具体的说，当虚拟机器人执行了导致重大投资失利的决策，责任归属应是自然人、企业还是机器人的问题，应引起相关监管机构的重视。 

     四是某些神经网络的算法，从输入到输出是一个“黑箱”过程。也就是说，人工智能专家知道算法所输出的正确结果的概率是多少，但是，尚未有人明白算法内部是如何进行计算或如何逻辑演绎导致了结果产生。也就是说，没人能够预测深度学习算法在什么情况下会失效以及为何失效。很有可能，受人工智能技术辅助的基金经理并不知道算法的交易决策的依据是什么，这对相关监管的稽查造成了障碍。 

     结语

     财富管理企业出于利润或生产效率的追求，正在默默地加快运用人工智能技术的速度。很快的，市场出于对于竞争的本能反应，会有更多的金融企业加入这个行列，也加速了智能投顾企业对于传统资产管理行业的颠覆式创新的速度。有理由相信，智能投顾将会加快证券市场机构化进程，促进国内直接融资市场的发展，为中国经济的结构化转型助力。