量化投资将改变低效的投资交易行为

现如今股票、外汇、证券等金融市场的可投资产品正随着社会的壮大和企业的进步变得复杂，可选择的投资产品数量越来越多，为了在数量多且复杂的投资项目中选中有发展潜力的产品，以计算机强大计算能力为基础建立的量化投资就出现了。此外以量化投资为中心发展起来的还有程序化交易、算法交易、高频交易、智能交易,特别是入金外汇金融盛行，很多的朋友都在以不同的方式方法来接触外汇EA以及程序化交易。 什么是量化投资？

量化投资是将人们总结出的投资思想，利用现代统计学、数学的方法，形成若干可运算测量的数学模型，并借助现代计算机技术在海量历史数据中对模型进行验证，以寻找到能够带来超额收益的多种“大概率”模型，然后再纪律严明地按照这些策略所构建的数量化模型运算结果来指导投资。 量化投资是在怎样的市场环境中建立的? 首先，不论股市还是汇市，其价格归根结底是由市场参与者的情绪、国家的经济情况和市场交易行为共同决定的，价格的形成是所有参与者共同作用的结果，其中包含很多理性和非理性因素。其次，人们对股市或者其他事物的认知过程，是有规律可循的。这种规律的存在，为数量化模型建立提供了可行性的依据。而实现量化投资的必要条件就是将这些规律形成数学模型，并以历史统计为支撑来从中挖掘出大概率的策略模型，来对将要发生的行为进行预测。

量化投资为市场带来哪些变化?

以量化投资为基础建立的交易系统即是程序化交易，量化投资的特点是能够将交易行为模型化、流程化、程序化，这些也是程序化交易系统的特点。 数据模型是量化投资的灵魂，而模型来源于历史数据，并经过历史数据验证，以成功概率数据作为支撑，具有可操作性。 将交易流程化，流程是量化投资的命脉。一套纪律严格的交易系统，需要完善的管理流程来保证从输入到产出的一体性，从模型挖掘、模型测试、模型开发、模型应用模拟、模型实战、模型反馈六个环节去管理整个流程。 将交易行为系统化，交易系统是量化投资的骨骼。量化投资，需要一套强大的分析计算平台，用于管理量化投资的整个流程；同时还需要一个分析团队对交易系统转化成代码、测试、复盘，最后需要计算机来处理大量的交易信息。将人工交易行为转化成模型，应用于特定的行情，根据模型进行投资决策，排除人为主观因素的干扰是量化投资最大的特点。

中国投资市场需要量化投资?

中国的人口基数决定了每个行业领域的人数都比国外市场要多要复杂，包括外汇投资、股票等行业，数据显示，但截止2009年6月，中国定量投资规模总量约187亿，在全部基金管理规模中占比尚不到1%。而在美国定量投资约占全部主动股票投资的30%，可见中国投资者更相信低效率的手动交易结果。量化投资在中国尚处在起步阶段，还有非常大的发展空间，为了跟上世界的步伐，量化投资在中国市场发展并逐渐成为主要交易手段是不可避免的趋势。

文章来源：搜狐财经

什么是量化交易天堂还是地狱？

量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。在国外的期货交易市场，程序化渐渐地成为主流，国内则刚刚起步。今天我们就来分析一下它的优势和劣势。

量化交易到底有何种魅力?

所谓量化交易，是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，减少投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

量化模型=计算机技术+量化分析师制定策略

在股票市场上，量化交易早不是什么新闻，量化从业人士张威告诉人民创投(ID：renminct)，在国外七成的交易都是通过计算机决策的，在国内这个数字也接近五成。

过去的股票市场都是靠交易员手动敲键盘来操作的，难免一失手成千古恨，这种行为被戏称为“胖手指”，相比之下，量化交易则如同点石成金的“仙人指”。量化里最美的童话就是“旱涝保收”，牛市也好，熊市也罢，都能大赚特赚。

传统股市量化中最耀眼的明星莫过于詹姆斯西蒙斯，其一手缔造的大奖章基金自1988成立至2009年西蒙斯退休的这21年间，年平均收益率达到了惊人的46%，即使是2007年次贷危机席卷美国，量化基金遭遇滑铁卢的时代，大奖章基金依然获得了骄人的73%的回报率。

量化投资中常用的策略，包括阿尔法策略，CTA策略和套利策略。阿尔法策略通过选股组合，挖掘超越市场整体表现的投资机会;CTA策略通过追随趋势，追涨杀跌;套利策略利用市场价格差异，空手套白狼。每个量化投资策略都是个黑盒子，它们是量化公司的量化投资的核心竞争力，其他外部人无法知道其中的秘密。

旱涝保收，坐收渔利，这样的“黑科技”让币圈的投资者也分外眼红。一家量化交易企业的创始人这样描述自己转行数字货币量化交易的经历：“两年前，炒币的朋友经常24小时看行情，搞得精神疲惫，问我如何在数字货币领域实现量化、程序化交易。他们提供了一个比较简单初级的模型，希望我在它的基础上扩展改造，增加风险管理模块。”

现在大大小小的数字货币量化交易团队采用的量化策略与传统外汇市场、期货市场用来做套利的策略虽然大体相似，可也玩出了新的花样，搬砖就是一个典型。搬砖学名“配对交易”，是指同类型股票或同股异地股票根据价值分析以及股价相对比例相互置换的一种套利方法，由于政策原因，同股异地搬砖并不常见，但在数字货币市场，大大小小的交易所数不胜数，不同交易所之间的价格也常有差异，利用价格差低买高卖，就成为数字货币量化中最简单粗暴的盈利方式。

量化交易的优势

1. 严格的纪律性

量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的化，我会打开量化交易系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、资金上、买卖时机上的综合评价情况，而且这个评价是非常全面的,比普通投资者拍脑袋或者简单看某一个指标买卖更具有说服力。

2. 完备的系统性

完备的系统性具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型;其次是多角度，量化交易的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度;再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。

3. 妥善运用套利的思想

量化交易正是在找估值洼地，通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。定性投资大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票;与定性投资不同，量化交易大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。

4. 靠概率取胜

这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。

量化交易的风险性

首先是一二级市场“级差”风险，其次是交易员操作风险，最后是系统软件的风险。

一二级市场的“级差”是整个套利交易的核心。在现有规则下，ETF套利模式分为两种：一种是通过购买一揽子票，按照兑换比例在一级市场换得相应的ETF份额，然后在二级市场上将ETF卖出;另一种则与前者相反，是在二级市场上购买ETF份额，通过兑换比例换得相应数量的股票，然后在二级市场卖出股票。交易的顺序视股票价格、兑换比例、ETF份额交易价格的变动而决定。

由于股价的变动，ETF套利级差转瞬即逝，因此纷繁复杂的计算过程，目前业内由计算机完成，交易员通过设定计算程序并按照结果决定策略，又或者完全自动让系统在出现套利空间时自动交易，后者便称之为程序化交易。

又因为套利的空间非常小，通常只有万分之几，因此套利交易为了获取适中的收益，参与的资金量都比较大。如果交易员把握不当顺序做反，则投资将出现亏损，这便是级差风险。而为了控制这样的人为风险，券商一般提倡自动化交易，方向由计算机把握，交易员输入交易数量即可。

第二种风险是交易员操作失误，比如光大这次的乌龙指事件，有可能是交易员在输入数量的时候出现了失误。这同时也牵扯到第三种风险，系统软件风险，每个交易员在系统中都有相应的交易权限，包括数量、金额。光大本次涉及的金额坊间一度传闻为70亿元，而数量如此巨大的金额是如何绕过系统权限完成交易的?这个问题的暴露，也导致业内质疑光大风控并未做足。

这个平台犹如币圈的一个缩影，每一个人都心惊胆战地伏在荷官的膝下，聆听骰子撞击的声音，殊不知荷官才是他们中的头号玩家。“职业投资者都知道有庄家”，张威直言。多数的量化平台可能会推出更复杂的止损策略和更出色的套利机制，但除非平台拥有足够雄厚的资本成为游戏的庄家，否则就只有被收割的命运。

量化作为工具，或许无可厚非，但许多数字货币基金以“量化”为名，公开募集资金，行走在法律的边缘。中国人民大学教授赵锡军认为，金融行业和其他行业不同，参与金融活动，动用的是别人的钱，发生风险，别人会有损失，因此政府需要更加严格地监管。

量化交易一念天堂，一念地狱。小编在这里希望广大投资者切莫游走在法律的边缘，以身试法，否则等待你的将是法律的制裁。

文章来源：聚富财经

DAFEX达菲金小雅科普：什么是智能投顾？

“智能投顾”源自美国，目前发展最成熟的地区也是美国。2010年智能投顾公司Betterment在纽约成立，壹年后Wealthfront公司在硅谷成立，智能投顾正式诞生。从2013年开始，两家公司的资产管理规模呈现了惊人的增长，到2015年底，Wealthfront拥有了约29亿美元的资产管理规模，而Betterment则超过了30亿美元。自此，华尔街掀起一股智能投顾的热潮。

图片来源：网络

所谓“智能投顾”，原名为”Robo-Advisor”。根据Investopedia的定义，Robo-Advisor是指：提供自动化，并主要以算法驱动的财务规划服务的数字化平台。典型的Robo-Ad-visor通过在线调查收集客户的财务状况和未来理财目标等信息，然后使用数据提供建议与支持客户投资。

和传统投顾相比，智能投顾最大的特征有三：

一、门槛低

二、费用低

三、高效率。

主要面对需要投顾服务，却又不具备聘任私人投资顾问的中产阶层提供服务。依据其他先进地区的案例，中产阶层也是主要接受智能投顾服务的对象。

但需要注意的是，智能投顾并不代表不会亏钱。“智能（自动化）主要是体现在投资人与实现交易过程的自动化，而不是有什麽保证赚钱的投资策略或工具。在一个投资理财的过程中，能体现智能的环节有三个：

一、投前：运用智能技术提供自动化投资风险倾向分析、导入场景化需求、投资人理财目标分析等。

二、投中：实现自动化分仓交易、交易路径的最大效率或最小成本算法、以及比对市场动态所衍生的交易策略等等。

三、投后：自动化帐户净值跟进、自动调仓提示、智能客服、与其他可预先设定场景的服务规划等等。

但是，市场上很多号称提供智能投顾服务的机构，投资人要怎么选择跟判断哪个是真正的智能投顾呢？这边也提出一些原则给大家参考：

一、智能投顾必须具备可以量化的算法逻辑，而且可被复现、被追踪、被验证。

二、智能投顾必须藉由标准化金融产品实现，因为只有标准化的金融产品具备可公评的净值，也才能真正实现理财目标的跟进与监测。

主持智能投顾的团队必须兼具金融专业与技术实力，特别是对正统金融行业的经验与深度理解，否则很容易走偏正道，危害投资人的利益。

来源：金色财经

如何选股

如何选股？

股民的必修课

        选股，是每个股民必修课。他们怀揣着一天一个板的梦想入市，却总被现实无情打脸。每天忙于股票买卖，却对自己买卖的公司知之甚少，到头来亏损比比皆是......说到底还是掌握的知识太少了，听到别人说什么好，就买什么，根本没有自己的判断和行之有效的选股方法~

常见的选股方法

        那么该如何选股呢？决定股价长期表现核心因素是价值，主要由公司业绩、其所处的行业和市场价值决定。股价短期的表现取决于市场资金、板块强弱和交易情绪。因此选股也有三大经典流派：价值派，机构派，技术流。价值投资一般选择股价与其价值相比被市场低估、业绩持续增长，所处行业持续向好的个股进行长期持有。机构派主要通过追踪主力资金如基金、社保、QFII、知名游资营业部等的持仓动向来发现他们看好正在持仓的股票，跟随操作。技术流则是通过对技术指标、成交量、K线图等进行分析找出股价上升前的各种形态：底部转折、横盘突破、持续走高形态...,以期把握股价的上升波段。

        但对初入市场的交易者来讲，他们最常做的就是“消息性”选股：只是因为听到某某消息某某新闻某某人说这只股票好，不假思索，大举杀入，往往这类股票短期波动巨大，致使他们追涨杀跌，是股民赔钱的头号杀手。

找到自己的选股风格

        无论价值选股、机构选股还是技术选股，投资者要结合自己的风险承受能力和交易习惯选择适合自己的选股方法，而这些选股方法可以单独使用，也可以相互组合使用，来提高交易胜率~接下来这三类选股方法常用选股原理和选股因子设置，我们在后面的各期“智投小贴士”中会详细介绍，请大家注意关注哦！

量化交易的风险与特点

　　量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。

　　量化交易起源于上世纪七十年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场，程序化逐渐成为主流。有数据显示，国外成熟市场期货程序化交易已占据总交易量的70%-80%，而国内则刚刚起步。手工交易中交易者的情绪波动等弊端越来越成为盈利的障碍，而程序化交易天然而成的精准性、100%执行率则为它的盈利带来了优势。

　　1. 严格的纪律性

　　量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的化，我会打开量化交易系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、资金上、买卖时机上的综合评价情况，而且这个评价是非常全面的,比普通投资者拍脑袋或者简单看某一个指标买卖更具有说服力。

　　2. 完备的系统性

　　完备的系统性具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；其次是多角度，量化交易的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。

　　3. 妥善运用套利的思想

　　量化交易正是在找估值洼地，通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。定性投资大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票；与定性投资不同，量化交易大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。

　　4. 靠概率取胜

　　这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。

       量化交易的风险性首先是一二级市场“级差”风险，其次是交易员操作风险，最后是系统软件的风险。

　　一二级市场的“级差”是整个套利交易的核心。在现有规则下，ETF套利模式分为两种：一种是通过购买一揽子股票，按照兑换比例在一级市场换得相应的ETF份额，然后在二级市场上将ETF卖出；另一种则与前者相反，是在二级市场上购买ETF份额，通过兑换比例换得相应数量的股票，然后在二级市场卖出股票。交易的顺序视股票价格、兑换比例、ETF份额交易价格的变动而决定。

　　由于股价的变动，ETF套利级差转瞬即逝，因此纷繁复杂的计算过程，目前业内由计算机完成，交易员通过设定计算程序并按照结果决定策略，又或者完全自动让系统在出现套利空间时自动交易，后者便称之为程序化交易。

　　又因为套利的空间非常小，通常只有万分之几，因此套利交易为了获取适中的收益，参与的资金量都比较大。如果交易员把握不当顺序做反，则投资将出现亏损，这便是级差风险。而为了控制这样的人为风险，券商一般提倡自动化交易，方向由计算机把握，交易员输入交易数量即可。

　　第二种风险是交易员操作失误，比如光大这次的乌龙指事件，有可能是交易员在输入数量的时候出现了失误。这同时也牵扯到第三种风险，系统软件风险，每个交易员在系统中都有相应的交易权限，包括数量、金额。光大本次涉及的金额坊间一度传闻为70亿元，而数量如此巨大的金额是如何绕过系统权限完成交易的?这个问题的暴露，也导致业内质疑光大风控并未做足。

文章来源：MBA智库

已审量化投资迎来新机遇，遴选投资管理人要看这几点……

经济观察网 记者 周一帆 “现在没有什么不能被量化。”这是北京指南针科技发展股份有限公司总经理陈宽余11月22日在第一创业量化服务发布会上，半开玩笑般说出的第一句话。

虽然听着夸张，但这句话的表述其实也并非天方夜谭。九泰基金量化投资部副总监张鹏程认为，随着市场机构投资者占比的提升、融券做空机制的不断完善、金融工具的丰富等，量化投资将迎来历史性的发展机遇。

来源：网络

当天，第一创业（002797.SZ）于深圳召开量化服务发布会，并在会上正式推出旗下FIRST量化服务体系，旨在联通各方资源培育量化生态圈。

对此，第一创业副总裁朱剑锋在会上表示，随着量化投资复杂程度的不断提升，如何借助科技的力量，顺应数字时代的变化，化主观为客观、变模糊为精确，利用量化交易优势提高投资的收益风险比，是行业需要破题的重点。

个人机构双体系

“伴随着我国资本市场期货、期权等衍生品工具不断丰富，相关政策、制度的持续完善，量化投资发展迅速，并凭借强大的数据处理能力、非人工的理性投资技术特点和稳健的投资回报等诸多优势，量化投资在市场上已经备受青睐。”朱剑锋称。

数据统计显示，2019年1-7月共发行量化策略产品850只，同比增长达23.73%。

前海开源基金首席经济学家杨德龙在会上指出，白马股价值投资可以与量化投资有机结合，为投资者赢得更丰厚的收益。

来源：网络

其理由在于，我国已经从过去的高出口、高投资经济发展模式，转变成了依靠消费和科技的经济发展模式；另一方面，国内GDP也在从高速发展转向高质量发展，货币政策保持稳健中性，杜绝“大水漫灌”。

在杨德龙看来，国内A股即将迎来“黄金十年”，“随着我国经济进入中速高质量阶段，市场出现寡头垄断格局，行业龙头或迎来长久高质量增长；2019年为新经济周期起点，且市场估值处于底部；楼市投资预期回报率下降，财富或向A股市场转移。”他表示。

“全力布局量化服务体系，正是在如今的大环境下做出的决定。”朱剑锋表示。

为针对机构客户及个人客户，FIRST量化服务分别开发了机构FIRST和宽客汇两个不同的体系。其中，机构FIRST体系除了具备传统量化交易系统的特点之外，还从个性化定制与生态圈构建方面入手，在拓展量化领域边界的同时向细分需求领域及宏观生态方面发展；除了有硬件和底层架构方面的性能，还包含了量化社群搭建以及独有的资金端定制化对接等特色。

而财富客户“宽客汇”体系则从量化工具平台服务、量化策略功能服务和量化线上顾问服务三个方面为个人量化投资者提供服务，将量化交易成功的从机构客户推向个人客户，解决个人客户交易痛点，让个人专业客户交易更加科学化，效率化，提升其在市场的博弈与存活能力。

遴选管理人看四点

朱剑锋强调，打造量化生态圈的前提条件在于，快速的交易工具为量化投资者提供武器，快速的行情服务为量化投资者提供弹药，快速的服务响应为量化投资者提供支持保障。

“具体来讲，要能够为量化投资者提供智能化的交易架构、交易实现和策略诊断并为量化投资者提供可靠的应用平台、数据服务和底层架构。”朱剑锋如是说。“与此同时，特有的销售管理和独特的组织结构相结合为量化客户提供量身定制的服务。当然，这些都离不开内部团队与外部伙伴紧密协作，全方位的团队合作。”

来源：网络

在实现量化方面，陈宽余提出了实践三步法：“首先是工程模块化；其次是给每个模块建立标准；最后是建立动态反馈机制，快速反馈、纠偏和迭代。”同时，他还强调，目前金融不断开放，量化投资面临重大机遇，在量化投资的过程中既要敢于创新，又要注意合法合规要求。

在这一背景下，量化投资管理人的遴选成为了一个不得不考量的问题。

对此，淳臻投资总经理刘辉认为，量化投资管理人要有良好的公司治理结构和清晰明确高效的组织架构，注重创新，能够跟上投资策略类型进化的脚步，以及具自身特色和优势，边界清晰的量化策略和良好的策略迭代能力。

“除此之外，有竞争力且稳定的核心投研团队，以及重视风险管理，重视客户利益，具有稳定性和持续性的产品业绩也很重要。”刘辉补充。

“打造契合不同客群需求的多样化的量化交易平台是财富客户量化服务的第一步；深耕客户需求，挖掘优质策略，将量化策略模块化，为客户提供量化策略功能服务是更高层次的目标。未来，建设高质量的量化投顾团队，为财富客户提供有价值的量化顾问服务，将成为财富客户量化服务重点布局方向。”与会专家总结指出。

来源：新浪财经

同盾科技蒋韬：人工智能将对金融业态发展发挥变革作用

日前，由人民网主办的“2020科技创新企业前沿峰会暨首届人民网科技创新企业优秀案例发布”活动在京举行。本届活动紧扣科技发展脉搏，聚焦新基建展开交流。经过专家点评与推荐，同盾科技入选了人民网2020科技创新前沿企业优秀案例，同盾科技创始人蒋韬认为，随着金融业务线上化、场景化，人工智能在金融行业的应用会变得越来越广泛和深入，也会对金融业态的发展起到巨大的变革作用。

图片来源：网络

据悉，结合人工智能、云计算、大数据等创新技术，同盾推出了“智能分析即服务”，即AaaS(Analysis as a Service)。区别传统的IaaS(基础设施即服务)、PaaS(平台即服务)和SaaS(软件即服务)，AaaS可以根据金融机构的业务需求，在包括营销、风险控制、投资和运营等多种细分金融场景中提供基于智能算法模型的分析服务，为金融机构赋能，助力金融机构提升其核心竞争力。

人民网点评，同盾打造的“智能分析即服务”平台综合运用了分布式计算、实时计算、数据挖掘、机器学习建模、知识图谱等多种先进的计算机技术，对数据接入、存储、传输，任务调度，模型开发、运行、输出等多个层面进行封装和整合，提供了端到端的智能分析解决方案，客户只需通过API接口提供入参，即可在毫秒级别得到经过智能模型运算分析后的输出结果。

图片来源：网络

另外，在2020科技创新企业前沿峰会上，同盾科技还发布《知识联邦白皮书》与《知识联邦数据安全交换(FLEX)白皮书》。同盾科技合伙人、人工智能研究院院长李晓林教授表示，即将到来的AI 3.0，会有很多知识、很多感觉，能够自主学习、知识发现、推理、自主分析决策，而凭借“数据可用不可见，知识共创可共享”的优势，知识联邦或许将成为AI 3.0时代的重要基石。

据介绍，同盾人工智能研究院在《知识联邦白皮书》中对知识联邦的背景、定义、平台、挑战、场景应用以及未来发展前景进行了全方位、全景式剖析，并对AI 3.0时代进行展望。同时，为了保障联邦生态构建过程可知、数据安全交换等核心问题，同盾在《知识联邦数据安全交换(FLEX)白皮书》中打造了一套标准化的联邦协议——联邦数据安全交换(Federated Learning EXchange，FLEX)协议，约定联邦过程中参与方之间数据交换顺序，以及在交换前后采用的数据加解密方法，填补了这一技术领域的空白。

李晓林教授指出，AI 3.0时代即将到来，业界对打破数据孤岛，实现“数据可用不可见”的需求越发强烈。与此同时，数据资产化，资产知识化的趋势越发明显。数据已经被列为一种新型生产要素，与土地、劳动力、资本、技术等传统要素并列，人们对数据安全越发重视；近年来，数据安全相关法律法规也越来越完善。作为新型生产力的人工智能，迫切呼唤新型生产关系的支撑。

图片来源：网络

这些都要求人工智能领域相关机构，改变应用数据的既有模式。同盾人工智能研究院提出的“知识联邦”理论框架，顺应行业发展趋势，通过将数据转化成信息、模型、认知和知识，利用先进的密码学技术，满足数据不可见，打破数据孤岛，再通过安全的数据交换协议以联邦的方式来利用数据。知识联邦生态有望成为新型生产关系来支撑人工智能新型生产力，充分支撑数据新型生产资料通过在时空上的安全流通、转换、交易来实现价值，最终助力人工智能3.0的突破。

本次峰会上还发布了多份行业科技前沿报告，包括：中国工业互联网研究院的《工业互联网促进企业数字化转型》、同盾科技人工智能研究院的《知识联邦白皮书》与《知识联邦数据安全交换(FLEX)白皮书》等。

来源：中国经营网

正研究智能投顾，探索智能投顾在中国的

“基金业协会一直非常重视金融科技，专门成立了金融科技的专业委员会。”中国证券投资基金业协会(以下简称基金业协会)副会长钟蓉萨表示，协会每年举办智能投资的峰会，在热闹背后也看到了大家的焦虑，金融科技如何落地、对现有业态有何影响、风险是什么、怎样监管等都是困扰行业的问题。

12月10日，在2018年第一财经金融科技峰会上，钟蓉萨发表了题为《深入研究，聚焦应用，培育金融科技发展的良好生态》主旨演讲。她表示，目前基金业协会正在研究智能投顾在国外的发展希望能吸取一些先进经验。 “长期以来由于缺乏专业的投资顾问等原因，投资者"追涨杀跌"，产生了基金赚钱、投资者不赚钱的现象，这已经成为制约基金行业的重要问题。“钟蓉萨说，近年来，基金销售机构和互联网平台纷纷推出了智能投顾业务，一方面让投资者可以很方便得到投顾服务，但另外一方面，一些机构把“智能投顾”当成噱头，甚至出现了损害投资者利益的情况。

为了探索智能投顾业务在中国如何发展，基金业协会组织行业的力量翻译了包括国际证监会组织（IOSCO）、欧盟、澳大利等十个国家十八篇智能投顾方面的法规和报告，同时也分析了智能投顾的相关问题。

经过研究发现，目前智能投顾还在发展的初级阶段。“我们看到目前智能投顾还没有一个明确的法律定义，叫法很多，除了机器人投顾之外，IOSCO用的是"自动化投资顾问工具"，美国证监会的叫法是"自动化投资顾问"，欧盟也称其为"自动化金融投顾工具"。”钟蓉萨表示，虽然使用名字不一样，但是各国对智能投顾业务本质理解是一致的：即直接面向投资者采集信息，运用算法分析投资者信息并且给出建议。“智能”这个词带有理解、学习、辨别的含义，是在程序算法之上通过机器学习等技术的应用，进一步提升投资顾问业务的“智能”化，从国外的智能投顾业务发展来看目前整体处在自动化投顾阶段，还没有完全到智能化的阶段。

经过研究，我们也发现一些潜在的风险点：“对于投资者而言，一是由于缺乏人工辅助，投资者可能提供了错误信息，所以机器算出来的信息也不准确。此外，还存在很多投资者很难理解算法，难以判断投资建议的匹配程度，投资者的信息也存在被用作他用的可能性。另外一方面，投资者也可能做出不适当的决策，工具使用的便捷性使投资者忽略较为重要的信息，草草做出不适当的投资决策。”钟蓉萨说，还有黑客的入侵，也可能会使算法被修改，造成投资损失。

钟蓉萨还指出，智能投问工具广泛使用之后，如果算法相似，会带来投资策略同质化。“对于金融机构而言，同质化带来的问题首先是存在设计缺陷的投顾工具容易做出不适当投顾决策,引发投诉，互联网时代下传播更快、波及面更广。” 钟蓉萨称，其次，责任的划分，技术应用在促进金融应用去中介化的同时呈现碎片化的趋势，多个金融公司为智能投顾工具提供支持，每一个公司只负责其中一两个环节运营，这也会增加金融机构运营的复杂性，当纠纷发生的时候难以确定责任主体，从而加剧运营风险。

谈及智能投顾的监管，钟蓉萨表示，除了一部分国家出台监管之外，多数国家的监管部门还是依靠现有法律的制度进行监管，但是她认为，未来可以通过参考其他国家的监管，探索智能投顾业务在中国的监管方法。

“欧美主要的监管当局认为智能投顾应该符合投顾的法律法规要求，从事智能投顾业务的金融机构应当取得投资顾问的业务资质，从事投顾的人员依托于取得投资顾问资格的机构取得投顾人员的资格。”她介绍称，新加坡、澳大利亚采取“监管沙盒”的方式，即在可控测试范围内对金融新产品、新服务进行虚拟或真实的测试。2017年美国证监会发布了关于智能投顾的指引，也可以为我们国家金融机构提升合规内控水平提供参考。

文章来源：第一财经

智能投顾的优点和普及

　　智能投顾，又称机器人投顾，就是投资人可以直接把钱交给专业机器人来打理。机器人结合投资者的财务状况、风险偏好、理财目标等，通过已搭建的数据模型和后台算法为投资者提供相关理财建议。

　　智能投顾，作为一种新兴投资模式，在美国市场快速崛起，出现了以威尔斯弗兰特为首的一批“独角兽”互联网金融公司。通过技术的方式，把传统投资顾问所做的事情（个人资产分析，风险偏好分析，资产配置，组合推荐）等服务变成互联网直接可用的服务。

　　智能投顾领域的竞争将主要集中在两方面：

　　一是策略的针对性和有效性；

　　二是需要具备互联网运营特色的完整的运营体系，包括IT技术、基础性的工具化产品，以及客户服务体系和具备互联网运营特色的营销体系。

　　也就是说，只有好的产品，加上好的策略和技术，才能产出好的符合投资目标的绩效。

　　智能投顾的优点：

　　1、客观性。机器人会根据后台数据进行分析，不会为了业绩去误导客户操作。相对人工来说，更客观。

　　2、非常注重风险。智能投顾的原理是现代组合理论，它的一个基本原则就是高收益、高风险。国外智能投顾第一步就是鉴别投资者的风险承受能力，绝不会推荐老年人买P2P理财。

　　3、执行力。机器人根据固定的设置，达到止盈或者止损，一定会叫你卖出或买入。这样有效克服了人性的弱点，我们知道，往往亏损都是因为太贪婪。

　　4、服务面广，成本低。网络可以低成本服务最广大的人群，这就是互联网的特点。

      智能投顾的普及条件

　　一、是要吸收互联网金融的精神实质，简单透明、便捷、高交互，广开源、可试错，并接受市场的检验和客户的选择；

　　二、是做好组合投资理念的普及，把产品直接推送给客户，让客户感受到产品价值；

　　三是、增加社交化的运营思路，提升客户服务质量，让客户和客户之间，以及管理机构和客户之间互动起来，最终形成在互联网和移动互联网平台上，用户广泛参与、分享互动，以客户体验体现产品价值的目的。

来源：MBA智库