金融风控数字化革命爆发，人工智能注入新动能

危与机的攻防转换，成为今年金融行业震荡向上突破的主旋律。

疫情冲击了金融机构的传统展业方式，信用风险集中爆发，重线下靠人工的获客、风控、贷后管理模式败得一塌涂地。不过，危难之中的机遇也愈发清晰，金融机构对依托人工智能、云计算在内的科技化手段认识更深一步，弥补智能化运营短板成为金融行业的共识。

业内人士透露，春节后持牌消费金融公司等金融机构向数字化转型转变。其中，一个比较明显的趋势为贷中、贷后借助人工智能决策工具处理的业务占比大幅提升，部分消费金融公司智能机器人的工作量能占到九成。

从人工智能的落地情况来看，移动支付、消费金融是人工智能最先渗透的场景之一。人工智能的三驾核心马车为数据、算法、算力，数据是人工智能从实验室走到具体服务场景的基础，而移动支付和消费金融背后丰富的应用场景，恰好为人工智能落地提供了完备的生态土壤。

图片来源于网络

反之，金融科技领域的人工智能技术也为银行、消费金融公司、信托、保险等机构输出智能综合解决方案，优化企业的营销获客和风控流程。以萨摩耶数科为例，萨摩耶数科在人工智能领域研发的自动建模平台AUTOMAN 1.0，便可以通过模型、策略自动迭代更新，及时识别、掌控未知风险，让金融样本处理成为业务决策自动化的一环。

国务院于2017年出台《人工智能发展规划》，各地政府纷纷加大人工智能投入力度，人工智能已成为国家战略。当前，人工智能已在金融、汽车、物流等领域应用，产业各方的人工智能服务方案雏形已成，待技术更加成熟后，渗透率也会随之增加。

人工智能的目标是提升产业生产力，最大限度把一个企业从重复性的工作中解放出来。金融行业与人工智能深度融合，在降本增效的同时必然会重塑金融业，一场以智能+金融的新格局慢慢成型。

金融需要何种人工智能？

近三年来，金融科技行业风起云涌，形成了少量头部机构与众多中尾部机构并存的格局。无论是以蚂蚁集团、京东数科、360数科为代表的互联网系巨头，还是以萨摩耶数科为代表的行业领先的金融科技公司，均研发了大量的人工智能技术。

就金融机构的需求而言，在急需降低成本的市场环境中，很多机构迫切要用智能化的科技手段取代劳动密集的人工模式，将人力成本降下来。同时，为提升贷前、贷中、贷后的运营管理效率，金融机构也逐渐从粗放管理向精细化的管理方式转变。

拿风控来讲，传统金融机构一方面转型线上，缺少必要的人才、技术支撑；另一方面在面临信用风险较高的长尾客群时，缺乏用户全生命周期模型管理经验。在普惠金融趋势下，下沉客群又是金融机构受理的客群之一。

这就引申出到底什么样的人工智能与金融机构的需求匹配，或者说什么样的人工智能对于金融机构才真正有价值。

根据金融业务的实际情况，金融机构的需求逻辑主要集中在两三个方面，其一是必须合规；其二工具能够“即接即用”，减少对接成本和其他支持费用；其三工具能在短时间内让金融机构看到效果，并能为金融机构带来的价值覆盖技术服务费成本。

按照上述人工智能服务金融机构的价值导向，行业内确实有一批能为金融机构带来较大增益、推动风控运营智能化的工具。在这些人工智能解决方案中，萨摩耶数科旗下的自动建模平台——AUTOMAN 1.0可以称得上是一个典型的样本。

AUTOMAN 1.0是将人工智能应用在模型设计领域，使模型开发周期减少50%-70%，最短可在2周内完成样本建模任务，极大地缩短原始样本与经营决策的距离，实现整体降本增效。

在风控模型中，KS指标来评估模型的区分度一项核心指标，区分度越大，说明模型的风险排序能力越强。AUTOMAN 1.0在测试环境中，KS值区分度高出人工建模效果0.05个百分点。

具体到风控场景里，AUTOMAN的样本研判及处理、最优模型保存及部署、新样本预测、模型训练及调优四大功能，能通过便捷的方式直接接入金融机构的系统中，使得风控模型辨识风险的精准度更高。

值得一提的是，AUTOMAN虽然内置前沿流行算法，但用户没有知识背景也能熟练使用，这背后主要靠AUTOMAN的一键建模模式。该模式下，不需要合作机构写代码，按照说明放好样本就能训练出可部署调用的模型。另外，AUTOMAN还能自动安装所需环境依赖包，用户无需再自行设置环境。

模型调优方面，AUTOMAN内置自研究调参算法，帮助模型开发工程师使用集成工具包提升模型开发效率。 简单便捷并不意味着效果打折，AUTOMAN在效率与精度、标准化与通用性之中实现平衡，具备低成本、高精度、高效率地实现样本可视化的特点。

数据决定AI算法的精度，算法精度决定AI产品质量。萨摩耶数科从真实的金融场景入手，不断提升智能化模型的精确度，唯有精度高了才能帮助客户构建智能化的风控大脑。不只是萨摩耶数科，任何金融科技平台的人工智能解决方案都需遵循这一前提。

更新迭代是人工智能的灵魂

金融企业的人工智能需求仍存在很大增长空间，若想抢占市场份额，金融科技企业必须保持更新迭代的创新能力，时刻与金融机构的生产经营环境相适应。

目前，针对企业数字化转型推出的人工智能产品种类繁多，但在企业实施落地的过程中出现水土不服，更有甚者效率不升反降。企业应用人工智能出现负面效应，与人工智能供应商提供的产品有关，人工智能产品的实用性和特点不匹配企业的实际需求。

疫情叠加金融周期影响，传统金融机构的数字化转型紧迫性越来越强烈，尤其是在需要大量样本分析处理的风控环节。我国当前的消费金融市场相当一部分客群集中在优级、次优以下，而消费信贷产品又多以小额、分散、线上化为主，复杂的受理环境决定金融机构需要一个能不断迭代的智能风控解决方案。

针对AUTOMAN的迭代创新，萨摩耶数科人工智能团队负责人表示，目前 AUTOMAN1.5版本已经在内部测试中，而AUTOMAN2.0版本将新增回归模式。未来我们还将持续加大研发力度，持续推动人工智能在金融风控领域的应用。

另外，考虑到外部环境的波动及客群变化，后期萨摩耶数科考虑增加模型自迭代功能，实时应对外部风险的变化。同时，AUTOMAN平台将实时学习外部前沿算法及模型优化方法，加入更多插件。

人类对人工智能的想象及优化，其实早在18世纪就已开始。当时欧洲有一个堪称超越人类的Mechanical Turk（土耳其机器人），这个国际象棋游戏机器人的棋技卓尔不群，闻名欧洲与美洲，拿破仑和本杰明·富兰克林也不是其对手。机器人发明者去世后真相被揭开，这个机器人里其实藏着一个被雇来的国际象棋大师。

进入二十一世纪，亚马逊为了删除网站上重复的产品，研发了一个人机混合的Amazon Mechanical Turk（亚马逊土耳其机器人），该人工智能技术能让企业通过编程寻求遍布全球的廉价人力资源，去帮助企业做一些类似删除重复内容、音频转录等劳动密集型工作。

从土耳其机器人到亚马逊土耳其机器人，可以看出人是人工智能的核心，一切人工智能都需要经过人的指导进行反复算法训练，才能智能且高效地工作。这背后其实有一个很朴素的逻辑，人工智能的强大必须建立在人才队伍和科技投入上。

萨摩耶数科能持续更新样本模型自动化设计平台AUTOMAN ，也正是源于科研人才储备和大量的研发成本投入。萨摩耶数科创始人及核心团队来自华中科大、复旦大学等知名高校，博士、硕士学历者占比高，并且均深耕金融科技领域多年，具有丰富的科技创新实战和互联网风险管控经验。

研发技术投入方面，萨摩耶数科研发成本投入一直占公司总成本费用较高比重。除了AUTOMAN，萨摩耶数科自主研发的“猎户座”反欺诈模型、“Alpha-S”信贷审核机器人、DNA信用评分模型、“七剑”专有技术系列矩阵以及“欧拉”获客渠道监控等金融科技方案。

得益于扎实的科研投入，萨摩耶数科的金融科技解决方案得到大量金融机构的认可。截止2020年9月，萨摩耶数科已与包括商业银行、消金公司、信托公司和小贷款公司在内的近80家持牌金融机构达成合作，已累计为持牌金融机构输出了6000多万用户。

2017年，麦肯锡发布《人工智能：下一个数字前沿？》研究报告，报告采用大量企业经营的数据证实大规模采用人工智能技术将为企业带来丰厚回报，而那些未使用人工智能的传统企业正在被人工智能早期使用者远远甩在身后。

三年过去了，坚持以人工智能等金融科技手段驱动业务发展的金融机构，在融资、声誉、体量、抗周期风险能力上，保持一定的优势。传统金融机构数字化转型过程中，金融科技To B也迎来最硬核的风口。

疫情导致金融行业缺口出现，基于人工智能的智能风控科技底层应用会带领金融行业回补缺口，为金融行业的资产增长注入安全新动能，加强金融机构在展业中的风险抵御能力，实现业绩增长与资产质量齐升。

来源：艾瑞网

人工智能改变金融的五种方式

　GOI泛亚投资集团消息，GOI泛亚投资集团指出，人工智能(AI)、机器学习(ML)和深度神经网络(DNN)正在推翻金融行业的业务，应战传统价值。由人工智能驱动的系统能够变得更快、更高效、更牢靠。这些技术在金融范畴得到了越来越多的应用。那些承受采用这些技术可能带来的风险的人，常常会得到精简和更有消费力的操作的报答。

　　人工智能(AI)、机器学习(ML)和深度神经网络(DNN)正在推翻金融行业的业务，应战传统价值。

　　能够肯定的是，人工智能正在经过无数不同的应用悄然地影响着世界。人工智能技术曾经为许多日常活动提供了动力，从开车送我们上班到自动调理恒温器，而且常常是在我们不知情的状况下。依据Gartner的数据，40%的主要企业将在2020年施行人工智能处理计划，超越一半的企业将在2020年将现有的人工智能处理计划增加一倍。这一预测是在Covid-19大盛行迸发之前做出的，但即便思索到这一点，人工智能的增长仍将呈指数级增长。

　　在一些工业人工智能中，机器学习和深度神经网络则有着更多的应用。其中之一就是金融行业，在这个行业中，新技术曾经在推翻商业，应战着传统价值观。

　　当触及到咨询和支持时，像EC-MSP这样的IT公司就可以以最有效的方式来应用AI处理计划。这些都能够使企业可以应用这些技术的潜力并加强其流程。

　　风险管理

　　在风险管理中运用ML意味着能够在较短的时间内对大量数据停止强大的处置。构造化和非构造化的数据也能够经过认知计算来停止管理。否则，一切这些都意味着人类团队要花很长时间的工作。

　　Kensho是一家总部位于马萨诸塞州的公司，为主要的金融机构提供数据剖析和机器智能。他们的处理计划分离运用了云计算和自然言语处置(NLP)，可以以可了解的言语提供复杂的剖析处理计划。

　　狡诈预防

　　近年来，随着数字客户买卖的大幅增长，需求运用牢靠的狡诈检测模型来维护敏感数据。人工智能能够用来增强其基于规则的模型，并辅佐人类剖析师。这反过来也能够进步效率和精确性，并降低本钱。

　　人工智能也能够用来回忆消费历史和消费行为，这样它就能够突出不正常的状况，比方一张卡在短时间内在不同的全球地点被运用的状况。人工智能还可以从人类的纠正中学习，并基于应该强调的内容来应用决策。

　　狡诈管理的一切用例对AI算法都有不同的请求，而且每个用例对它们的运用也都略有不同。事务监视需求更快的响应时间、错误率和精度，还有培训数据的可用性和质量。

　　Shape security是一家为美国银行提供狡诈检测效劳的公司，主要处置凭证填充、信誉申请狡诈、礼品卡跟踪和信息提取。该组织运用的ML模型经过了数十亿次恳求的锻炼，因而他们可以辨别真正的客户和机器人。

图片来源：网络

　　个性化银行

　　在银行业，由人工智能驱动的智能聊天机器人可以为客户提供全面的处理计划，并减少呼叫中心的工作量。语音控制的虚拟助手也越来越受欢送，这些助手通常是由亚马逊的Alexa提供支持的，并具有自学功用。它们可以检查余额、账户活动并布置付款，而且它们的功用每天都在增加。

　　许多银行如今都有提供个性化理财倡议和协助完成理财目的的应用程序。这些人工智能驱动的系统能够记载收入、日常支出和支出行为，然后提供财务方案和倡议。手机银行应用程序还能够提示用户支付账单，竞争买卖，以及更便当地与银行停止互动。

　　Abe AI是一个虚拟的金融助手，能够集成到各种通讯形式中，比方亚马逊Alexa，Google Home， Facebook以及SMS。它所提供的效劳包括恳求支持、会话式银行业务和财务管理。

图片来源：网络

　　量化买卖

　　量化、算法或高频买卖，以及数据驱动的投资，最近不断在全球股市扩张。投资公司正在依托计算和数据科学来精确预测市场的将来形式。

　　人工智能的优势在于可以从过去的数据中察看形式，并预测它们在将来能否可能重演。当数据中呈现某些异常时，比方金融危机，人工智能就能够研讨数据并发现可能的触发要素，然后为将来做好准备。人工智能还可以为特定的投资者个性化投资，协助他们做出决策。

　　信贷决策

　　在许多范畴，人工智能正在被有效地用于更好地为决策过程提供信息。其中一个范畴就是信贷，AI能够以较低的本钱快速提供对潜在借款人的精确评价。与传统的信誉评分系统相比，人工智能的信誉评分可能要复杂得多。它们能够协助肯定哪些申请者更有可能违约，以及哪些申请者没有任何牢靠的信誉记载。

　　由人工智能驱动的模型还具有客观和无成见的优势，这可能是人类停止决策的一个要素。对很多人来说，具有良好的信誉是至关重要的，无论是购置大宗商品、找工作还是租房。

　　ZestFinance等公司采用了人工智能支持的承销处理计划，使企业可以评价信誉历史程度较低的客户。这提供了透明的方式来思索那些本来被以为是高风险的群体。

　　由人工智能驱动的系统能够变得更快、更高效、更牢靠。这些技术在金融范畴得到了越来越多的应用，也更普遍地被金融公司所采用了。那些承受采用这些技术可能带来的风险的人，常常会得到精简和更有消费力的操作的报答。人工智能对金融世界有着宏大的潜力，商业首领们需求用正确的数据来做出最明智的决议。

来源：市场信息报

智能投顾：监管分析与前景展望

2017年10月18日，EquBot LLC与ETF Managers Group共同推出了全球第一支应用人工智能进行投资的交易所交易基金（Exchange Traded Funds, 以下简称：ETF）：AI Powered Equity ETF（AIEQ.US）。这支ETF利用人工智能全天24小时工作，通过分析上市股票的企业公告、季度财报和新闻等进行选股，最终发掘大热的股票获取回报。人工智能技术与金融交易的结合创新再一次吸引了人们的眼球。其实，利用人工智能辅助金融交易早已不是新鲜事，近年来随着大数据的累积和计算力的提升，人工智能算法风云再起，新的算法层出不穷，“智能投顾”作为其代表应用之一已掀起金融行业的巨大浪潮，吸引各大金融机构纷纷涉足。然而，在智能投顾工具和平台如雨后春笋般涌现的同时，各金融科技（FinTech）平台亦需注意智能投顾在我国金融监管体系下面临的合规风险。就在11月17日，央行联合证监会、银监会、保监会以及外管局出台的《关于规范金融机构资产管理业务的指导意见（征求意见稿）》（以下简称：《征求意见稿》）及时地为智能投顾的合规操作提供了一个更为明确、详细的指导方向。

图片来源：网络

一、什么是智能投顾？

智能投顾是智能投资顾问（Robo-Advisor）的简称，按照艾媒咨询发布的《2017年中国智能投顾市场专题研究报告》的定义，智能投顾是指根据现代资产组合理论，结合投资者的个人财务状况、风险偏好和理财目标，利用云计算、智能算法、机器学习等技术，获得最优的理财配置方案，为投资者提供最佳投资组合（一般包括股票、债、期货、大宗商品以及不动产等）。

美国证监会（SEC）在2017年2月发布的《智能投顾监管指南》（Guidance Update: Robo-Advisers，以下简称：《监管指南》）中，将智能投顾定义为“基于网络算法的程序、运用现代科技为客户提供全权委托的账户管理服务的注册投资顾问”。

虽然在我国，尚未有法律法规明确定义“智能投顾”，但是在现有法律法规中仍可以寻找到与“智能投顾”相近或相关的概念，值得借鉴。例如证监会于2012年发布的《关于加强对利用“荐股软件”从事证券投资咨询业务监管的暂行规定》（以下简称：《荐股软件暂行规定》）中，对“荐股软件”的定义最接近“智能投顾”的概念：指提供涉及具体证券投资品种的投资分析意见，或者预测具体证券投资品种的价格走势、提供具体证券投资品种选择建议、提供具体证券投资品种的买卖时机建议、提供其他证券投资分析、预测或者建议的具有证券投资咨询服务功能的软件产品、软件工具或者终端设备。

目前，市场上存在的智能投顾平台如果按照其算法的个性化程度、对客户需求的满足程度以及金融产品交易的自动化程度，可以被划分为以下三个层次：

第一个层次的智能投顾是通过人工智能对金融数据进行分析，提供一般意义上的投资建议，不会因人而异，属于通用型智能投顾；第二个层次，智能投顾则会按照每一个投资人的资金情况、偏好、风险承受能力，给出个性化的投资建议，但不进行交易，具体的交易行为由投资人完成，属于个性化智能投顾；第三个层次，是在前两个层次的基础上，由智能投顾平台代理投资人完成投资行为，甚至在未得到投资人指示的情况下自动进行交易，这一层次的智能投顾可以被认定为智能化自动交易。

简言之，智能投顾就是人工智能与金融投资顾问的结合体。这一结合创新，以提高财富配置效率和降低服务成本为目的，满足投资者迫切希望通过更有效的资产管理获得更多收益的需求。

二、智能投顾的发展现状

1. 智能投顾的境外发展现状

美国作为智能投顾的发源地之一，目前已成为了智能投顾行业发展的领头羊，其成熟的业务发展模式和监管政策为其他国家提供了一个良好的参考框架。

2017年10月的数据显示，全球资产管理规模前10位的智能投顾公司中美国占有8席，其中影响力较大的包括：Wealthfront, Betterment, The Vanguard Group, Charles Schwab Corporation, Personal Capital。美国智能投顾的发展较为完善，已经覆盖了从通用型投顾到智能化自动交易三个层次。以Wealthfront为例，其主要经营操作流程如下：

在代理投资的过程中，Wealthfront还通过税收优化策略降低投资人的成本。截至2017年8月30日，Wealthfront公司的用户已经遍布世界各地，其资产管理规模也已经超过75亿美元。

另一家智能投顾平台Betterment与之类似，其经营模式为先对用户的年龄、投资目标、投资期限进行详细调查，随后为用户提供优化的投资组合服务，用户可以自行选择平台推荐的投资计划，并在平台上直接进行投资交易，之后再由Betterment平台对账户资产进行智能化管理。Betterment平台账户可以与用户的银行账号绑定，管理时可以从其活期账户中自动扣款。2017年7月，Betterment宣布资产管理规模超过100亿美元。

其他美国智能投顾平台也同样采取先调查和评价客户投资偏好以及风险承受意愿，再代理客户进行投资管理的模式。平台间细微的差异集中于管理费收取的方式、投资顾问服务的来源（例如全权由人工智能和算法提供服务还是可以人工介入）以及平台自身是否发行理财产品等。

2. 智能投顾在国内的发展现状

我国的智能投顾起源于2015年，市场起步较晚，大多数企业仍处于早期发展阶段。但经过短短两年，智能投顾的市场热潮呈现扩大趋势。目前我国市场上的智能投顾平台按照业务模式和运营主体的差异，可划分为以下四类：

（1）第三方财富管理机构以海外ETF 作为全球配置投资组合的模式，如弥财、蓝海财富等；

（2）作为券商服务升级转型的一个方向，证券公司研发的智能投顾平台，如海通证券、广发证券、长江证券、平安证券等；

（3） 银行和基金代销机构以公募基金作为智能投顾主要原料，进行基金组合资产配置模式，如盈米财富、摩羯智投等；

（4）声称做智能投顾的平台，实则把基金、非标资产等各类理财产品合起来做一个资金池的经营模式。这一模式存在较大法律法规风险，有被取缔的风险。

根据上文所述的智能投顾的三个层次分类标准，目前我国的部分智能投顾平台的发展水平仍处在第一或第二层次。而努力向第三层次发展的平台也面临着一些金融监管体系下法律合规的风险，亟待完善的行业合规指导以应对。

三、智能投顾在我国面临的合规风险

虽然尚未存在一部专门规范智能投顾的法律法规，但是在我国现行金融监管体系下，现有的法律法规对智能投顾领域具有规范意义的主要包括：《证券法》、《证券投资基金法》、《证券公司监督管理条例》、《期货交易管理条例》、《证券、期货投资咨询管理暂行办法》、《证券投资顾问业务暂行规定》、《关于加强对利用“荐股软件”从事证券投资咨询业务监管的规定》、《证券期货投资者适当性管理》、《证券公司客户资产管理业务管理办法》和《关于规范金融机构资产管理业务的指导意见（征求意见稿）》等。通过对相关法规政策的梳理，我们可以从以下几个层面来思考智能投顾的合规风险：

图片来源：网络

1. 从业资质牌照与市场准入门槛

根据《荐股软件暂行规定》，向投资者销售或者提供“荐股软件”，并直接或者间接获取经济利益的，属于从事证券投资咨询业务，应当经中国证监会许可，取得证券投资咨询业务资格。未取得证券投资咨询业务资格，任何机构和个人不得利用“荐股软件”从事证券投资咨询业务；《证券投资顾问业务暂行规定》中也明确了相同的内容：要求提供投资顾问咨询服务的机构要向所在地的证监局申请“投资咨询机构从事证券服务业的审批”，并且向客户提供证券投资顾问服务的人员应具有证券投资咨询职业资格，在中国证券业协会注册登记，方可经营此项业务。不仅如此，就在11月17日发布的《征求意见稿》也明确规定金融机构运用人工智能技术，采用机器人投资顾问开展资产管理业务应当经金融监督管理部门许可，取得相应的投资顾问资质，直接指向了智能投顾。可见，开展智能投顾业务，证券投资顾问的牌照不可或缺。

另外，由于智能投顾平台不仅提供投资意见，也会代理客户进行资产配置，那么平台也须按照《证券公司客户资产管理业务管理办法》，向证监会申请客户资产管理业务资格。平台如果想要从事公开募集基金的销售，则必须取得基金销售的许可。智能投顾平台在其平台上设置购买某公司基金的链接，点击链接后即进入该基金公司的网站，这在业界被称为“第三方引流”模式，这一模式存在较大合规风险 。如智投平台并未取得销售基金牌照，却与被接入公司联合提供销售服务，则很有可能受到证监会的查处。2017年4月，山西证监局就点名批评了部分智能投顾平台的该行为。新政《征求意见稿》更是明确划出了智能投顾的红线：资产管理业务作为金融业务，属于特许经营行业，必须纳入金融监管。非金融机构不得发行、销售资产管理产品，国家另有规定的除外。

在获得从业资质方面，传统金融公司因牌照齐全，故不涉及合规风险。但是其他新兴的互联网科技类公司和第三方智能投顾公司都因缺少必要牌照而存在合规性风险。近年来，证监会已基本停发证券投资咨询新牌照，全行业牌照数量已从2004年的108张下降到2016年的84张[1]，“合规困难”成为这些公司面临的新问题。当然，智能投顾平台也并非只能“冒进”或“毫无作为”，落实资金银行第三方存管，寻求具有相应资质牌照的平台合作也是智能投顾可以考虑的解决方案。

2. 全权委托业务模式与《证券法》第171条的冲突

2011年起施行的《证券投资顾问业务暂行规定》规定投资顾问业务的服务行为仅限于提供投资建议和辅助决策，不包括接受全权委托管理，证券投资顾问必须告知投资人自己不能代其决策。《证券法》第171条同样规定投资咨询机构不得代理委托人从事证券投资，不得买卖本咨询机构提供服务的上市公司股票。因此，证券公司虽然可以开展投资经纪、投资咨询和代理资产管理的业务，但是必须严格明确业务之间的界限，无法进行业务组合。

由于在开展投资咨询业务过程中，证券投资咨询公司不能为投资者提供从事账户管理中证券买卖操作服务。这也就意味着，在我国，智能投顾无法进入到智能化自动交易的第三个层次。目前这一规定的确制约了智能投顾做类似美国的Wealthfront, Betterment等平台的业务，但这并不表明智能投顾仅止步于咨询业务。对于既取得投资咨询业务牌照也取得资管业务牌照的平台来说，虽然不能进行自动化交易，但是在给出投资意见后，再次联系客户，由客户同意再行委托其进行资产管理的操作仍是具有合规空间的。

3. 开展资管业务的一般性规定

对于金融监管者来说，牌照要求只是有效监管的第一步，更重要的是加强资产管理业务进行中与进行后的监管。《征求意见稿》就明确了金融机构在日常销售经营过程中，必须遵循投资者适当性要求，履行披露义务和风险隔离义务，以及严防资金池问题等。这些普适性监管红线也是智能投顾平台必须遵守的行为准则。

4. 对投顾算法的规范

《征求意见稿》另一大对智能投顾的合规要求就是对于投顾算法的规定：金融机构委托外部机构开发智能投顾算法，应当要求开发机构根据不同产品投资策略研发对应的智能投顾算法，避免算法同质化；因算法同质化、编程设计错误、对数据利用深度不够等智能投顾算法模型缺陷或者系统异常等问题，导致羊群效应、影响金融市场稳定运行的，金融机构应当采取人工干预措施，强制调整或者终止智能投顾业务。

这是监管层面首次如此详细地对智能投顾的算法本身作出明确规定，显然，这也将是未来我国金融监管体系对智能投顾算法进行管理的重要依据。

四、智能投顾监管的前景展望

在我国，智能投顾起步较晚，目前对于智能投顾的合规要求也仍待监管层面的指导。但我们的目光不应仅限于我国的合规环境。了解国外的监管环境，不仅对于我国智能投顾的业务发展具有借鉴意义，而且更有助于预测国内监管机构未来的政策走向。以下仅从美国对于智能投顾的监管的几个层面入手，简要分析境外对于智能投顾的监管角度，以资借鉴。

2017年2月美国证监会（SEC）投资管理部发布的《网络自动咨询服务（也即智能投顾）合规监管指南》,依托于美国《1940年投资顾问法》（The Investment Advisors Act of 1940）, 将智能投顾纳入到对投资顾问的监管体系中，但又对智能投顾作出了额外的详细规定：

1. 准入的特殊性

美国证监会《监管指南》规定，智能投顾的主体须为注册投资顾问，即按照《1940年投资顾问法》向证监会提交ADV表完成注册的投资顾问。这一规定把《1940年投资顾问法》203(b)下获得注册豁免权的顾问[2]排除在了可能获得智能投顾准入资格的名单之外。由203(b)取得豁免的投资顾问受众范围小，业务领域也单一，而智能投顾由于依托互联网，受众范围广，业务领域大，显然不应当与203(b)下的投资顾问取得同样的豁免权，因此美国证监会对智能投顾主体资格的范围加以限制是恰当的。这与其在《监管指南》中对表达出的对智能投顾的谨慎态度是一致的。

在准入制度上，我国目前尚未规定任何证券投资咨询业务的准入资质的豁免，因此，不存在类似于美国对智能投顾准入要求的特殊性规定。《征求意见稿》中仅对取得开展投资顾问资质提出了要求，并未区分智能投顾获取牌照的标准与传统投顾获取牌照的标准。但美国证监会的谨慎态度提醒了我们，智能投顾依靠互联网和人工智能技术给出投资建议，相较于传统的投资顾问服务的分析过程更快、更有效率，使得服务跨地域性与客户群体复杂性更强，但同时也增加了监管的难度。因此，在对智能投顾颁发准入牌照这一方面，我国将来如果参照美国模式，那么就会对准入资质的要求做一些更改，既将智能投顾牌照的取得归入证券投资咨询业务牌照取得的范围内，又对其设置一些特殊的准入要求。

2. 全权委托的业务模式

如前文介绍，在美国的智能投顾公司通过与用户签订全权委托协议，为用户提供全权委托的账户管理服务，即未经用户同意，智能投顾公司即可对客户的资产进行交易。投资顾问与资产管理的受托人在这一规定下其实已经融为一体，使得智能投顾更为有效地实现了客户的资产配置。想要达到智能化自动交易的第三层次，全权委托的业务模式是无法绕开的一环。

然而在我国，这一模式目前在《证券法》171条的监管下仍无法实现。目前，已有不少学界和业界相关人士认识到全权委托模式是金融市场发展的必然规律，更有利于保护投资者的权益，进而呼吁金融监管部门着手对这一障碍进行扫除，委托国务院向立法机构提议删除《证券法》171条第1款之规定，确立全权委托服务的合法性[3]。2015年3月，中国证券业协会也发布了《账户管理业务规则（意见稿）》，建议持照的投资咨询机构可以代理客户进行账户投资或交易管理，这也体现了整个金融行业对促进我国投资顾问领域乃至资产管理领域的变革的希望。

但整体来看，我国立法机构和监管部门对于金融行业的发展尚持保守态度，将来是否会放开束缚借鉴美国的全权委托模式，仍不明朗。

3. 有效的合规程序

在美国证监会《监管指南》中还提及的一点是我国现行规管制度中鲜少提及的内部合规制度。《1940年投资顾问法》要求每个注册的投资顾问主体都应当建立一个内部合规的体系，以防范其违反忠实义务和实际责任的风险。为了遵守以上规定，《监管指南》要求每个智能投顾公司都必须任命至少一位具备投资顾问知识的专职的合规人员来负责内部合规管理的章程以及程序的制定和实施。

虽然我国金融监管层面尚未对是否需要建立公司内部合规体系作出规定，但各大智能投顾平台的确应对合规风险予以重视，通过专业人士的有效意见，加强内部的合规风险审查，甚至着手建立内部合规体系。如果我国的监管领域将来参考美国等监管完善的国家的做法，那么其对智投公司内部合规的要求一定会愈加严格和详尽。

结语

目前我国对智能投顾的规管环境还于尚不明朗，但从现有的法律法规规章中仍然有迹可循。对于无论是已经在这一领域有所成就，还是着手准备进入这一行业的各个智投平台来说，合规性风险不容轻视，建议获取专业意见的帮助后再实施相关业务。

对于整个行业来说，虽然部分规定限制了智能投顾向更先进的资产配置模式发展，但我国行政部门对于智能投顾的还是持认可、鼓励的态度的。国务院2017年7月发布的《新一代人工智能发展规划》就提出要推动人工智能与各行业的融合创新，其中点名指出金融行业，要求建立金融大数据系统，鼓励金融业应用智能客服、智能监控等技术和装备。可期待的是，未来一定会有更为详细、明确并且有利于提高资本市场生产效率的文件陆续出台，更进一步地完善我国的金融监管体系，在借鉴国外先进经验的同时，结合我国金融行业的实际发展现状，促进智能投顾这一金融与科技领域结合的创新产业不断发展。

来源：未央网

中国式智能投顾：规制路径与方案选择

一、智能投顾的概念、模式及问题

（一）智能投顾的概念及运作模式

在我国金融服务市场的语境中，理论上被称为“智能投顾”的服务包括两种类型：一种是投资建议型智能投顾，即运用人工智能对市场状况和客户个人情况进行分析，根据客户的个人特质和偏好，提供个性化的投资建议，但不代客户执行交易；另一种是全权委托型智能投顾，即在提供第一种类型服务的基础上，根据客户的全权委托，为客户提供交易代执行和资产再平衡等服务。但目前在我国，由于人工智能程序的水平较低，且可选择的投资组合标的资产有限，真正能达到上述第一种服务要求的智能投顾公司并不多。而由于我国法律上的既有限制，能够提供第二种服务的智能投顾公司则完全没有。应该说，过去法律上并未给智能投顾提供合理的制度支持，导致很多希望经营智能投顾业务的公司难以找到合适的法律政策出口。此外，甚至还有一些伪智能投顾平台打着金融科技的旗号推荐自己的理财产品。这些伪智能投顾平台并没有真正运用人工智能，实际上就是欺诈金融消费者。如果这些平台不具备基金销售业务资格，甚至还会涉嫌违规销售基金。中国证监会网站投资者保护栏目曾发布题为《智能投顾销售基金涉嫌违规，证监会严查》的投资者警示文章。文章指出，现实中市场上存在一种智能投顾销售基金模式，一些以智能投顾为名的理财公司在从事基金销售活动，但并未取得基金销售业务资格。

在世界范围内，对智能投顾的典型定义来自美国证券交易委员会针对智能投顾的监管指南。根据该指南，智能投顾（robo-advisers），是指运用创新技术，通过在线算法程序为客户提供全权委托的资产管理服务的投资工具。具体而言，希望利用智能投顾的客户需要将个人信息和其他数据输入到一个交互式的数字平台，例如网站或移动应用程序。基于这些信息，智能投顾为客户生成一个投资组合，并为客户提供后续的账户管理服务。此外，与智能投顾相关的一个上位概念是数字化投资咨询工具（digital investment advice tools）。美国金融业监管局关于数字投资顾问的报告从这一上位概念入手，对有关智能投顾的要素进行了分解。根据该报告，数字化投资咨询工具这一概念，是指在管理投资者的投资组合中支持包括客户画像、资产配置、投资组合选择、交易执行、投资组合再平衡、税务规划和投资组合分析在内的一个或多个核心活动的投资咨询工具。其中，包含前六项活动（从客户分析到税务规划）的面向客户的工具，通常就被称为智能投顾。通过该报告的界定，我们基本上可以了解智能投顾的构成要素和运作模式。上述七步中，第一步至第六步构成一个最为完整的智能投顾流程，其中第六步的税收规划功能主要是针对美国市场的一项增值服务，前五步则是一般的智能投顾共同的特征。而第七步的投资组合分析是为客户提供的较专业的分析工具，可大致理解为“投资复盘”功能。因此，典型的智能投顾应当包含客户画像、资产配置、投资组合选择、交易执行、投资组合再平衡等功能。不管从其定义还是从功能要素都可以看出，典型的智能投顾就是国内所谓的全权委托型智能投顾。

在具体的操作流程上，一个典型的智能投顾首先需要通过在线调查问卷的方式收集与客户理财目标、投资范围、收入和其他资产信息、风险承受能力等方面相关的信息，来完成对客户的画像。然后基于对客户的画像，运用人工智能算法给出投资组合建议。对于该建议，客户可以事先给出一定的限制条件。在智能投顾提出建议后，客户也可以选择采纳或不采纳。如不采纳，可以要求智能投顾给出新的投资组合建议。在客户确认投资组合方案后，由智能投顾根据其全权委托来执行交易。此外，客户全权委托的范围还包括，在初步的投资组合建立后，允许智能投顾根据市场及客户个人情况的变化，重新对投资组合进行再平衡。投资组合再平衡的目的在于使修正后的投资组合能够与最新的市场及客户情况相匹配。此外，客户也可以根据自身的情况和偏好，随时要求智能投顾对投资组合进行再调整。

图片来源：网络

（二）智能投顾规制的主要问题

就投资建议型智能投顾的法律规制问题，业界和学界基本已经达成共识，即纳入投资咨询（投资顾问）业务的监管框架即可。然而，国内学界有观点认为，智能投顾的业务范围应当仅限于纯粹的投资咨询业务，不能开放智能投顾平台从事全权委托业务。而目前我国智能投顾财富管理功能弱化的原因就在于全权委托业务的缺乏。笔者认为，不管从其概念还是从实践需求来看，智能投顾最重要和最具特色的功能就是基于算法的自动交易和投资组合再平衡的账户管理功能。投资建议型智能投顾虽然也运用人工智能，但只用在投资决策分析中，仍然属于在客户要求下提供一次性的咨询建议的范畴。客户无法将自己从交易执行和对自己账户资产的持续监控中解放出来，并未真正实现理财全流程的自动化。只有允许全权委托型智能投顾，客户才能享受基于人工智能的全流程理财和账户管理服务，而此种服务的前提就在于客户对智能投顾的全权委托。因此，这种观点显然是不恰当的。不管从理论上还是从实践来看，规制智能投顾的争议都主要集中于全权委托型智能投顾。有观点认为应将其纳入投资顾问的监管框架，并对我国法律制度进行相应的改造。还有观点则认为应将其纳入资产管理的监管框架，并将其法律关系界定为我国传统上的信托型资管模式。笔者认为，处理全权委托型智能投顾的规制问题，不仅需要对域外有关全权委托业务的规制经验进行考察，还需要具备从实践需求出发的对智能投顾规制逻辑的深刻理解。

二、全权委托型智能投顾的规制路径

在金融科技创新领域，法律制度的生命力在于对金融服务创新实践的承认、共识和规范化，而非以既有的制度来格式化市场和实践对新型交易模式的需求，这是我们讨论智能投顾的规制问题时应当坚持的逻辑基础。从这一逻辑出发，对于智能投顾的规制问题应当能够形成一些基本看法，作为建立智能投顾监管框架的理论基础，以及对相关法律法规解释的指导。

（一）全权委托型智能投顾规制的可选路径

有一种思维惯性，即全权委托必然属于资产管理业务，这其实是戴着国内制度路径依赖的有色镜片来看世界的结果。这种观念，尤其是以狭义资产管理定性全权委托型智能投顾服务，不仅有失偏颇，而且不利于对智能投顾真正的制度需求的理解。要获得对规制智能投顾的可选路径的全面认识，需要以更宽广的视野对全权委托业务规制路径的域外经验进行深入的考察。在比较法上，对于全权委托服务的规制主要有两种路径：一种是将其纳入资产管理业务；另一种是将其纳入投资顾问业务。

1. 将全权委托纳入资产管理业务的域外经验

在比较法上，将全权委托纳入资产管理业务的代表是日本和韩国。日本在过去的《投资顾问业法》中，同时规定了进行投资咨询的投资顾问和进行全权委托投资的投资顾问，但是，对前者实行注册制，对后者实行审批制。新制定的《金融商品交易法》吸收《投资顾问业法》后，将全权委托投资业与投资信托委托业等一起归为投资运用业，将全权委托投资业以外的投资顾问业（投资咨询业）、投资顾问与客户之间的中介业务归为投资咨询与代理业，二者均实行注册制。投资运用业与投资咨询与代理业在财务规制和兼业的范围上均存在差异，对前者的规制较为严格，对后者的规制则相对宽松。在韩国，根据《资本市场法》，投资咨询业仅指针对金融投资商品的价值或者关于金融投资商品的投资判断提供咨询服务的营业。而全权委托投资业是与投资咨询业并列的业务，是指通过投资者的委托授权，获得对金融投资商品进行投资判断的全部或者部分权利，以及根据不同的投资者需求，取得、处分或者以其他的方法运用金融投资商品的营业。可见，在现行的日本《金融商品交易法》和韩国《资本市场法》的框架下，投资咨询业并不包含全权委托投资业，全权委托投资实际上被划归为资产管理业务。

2. 将全权委托纳入投资顾问业务的域外经验

在比较法上，将全权委托纳入投资顾问业务的代表是美国。在美国，当投资顾问接受客户全权委托管理客户的投资账户时，其仍然属于从事投资顾问业务。美国证券交易委员会在其监管指南中也指出，智能投顾是典型的注册投资顾问，并且可以适用3a-4规则。该规则主要是针对向客户提供全权委托投资咨询服务的方案，提供投资公司定义的安全港规定。也就是说，向客户提供的全权委托投资咨询服务下的方案，如果符合该规则的要求，就不被视为投资公司。

具体而言，以投资顾问业务规范智能投顾，要求智能投顾提供的全权委托投资咨询服务方案达到五方面的要求：（1）该方案中每个客户的账户都以客户的财务状况和投资目标为基础进行管理，且与客户对账户管理提出的合理限制条件相一致。（2）在开设账户之时，从客户处取得与客户财务状况和投资目标相关的信息，并赋予客户对账户管理提出合理限制条件的机会；至少每年与客户联系一次，以确定客户的财务状况或投资计划是否出现变化，以及客户是否希望对账户管理提出合理限制条件或对现有限制条件进行合理修改；至少每季度以书面形式通知客户一次，告知客户在其财务状况或投资计划出现变化，或其希望对账户管理提出合理限制条件或对现有限制条件进行合理修改时联系平台；熟悉客户账户及其管理的人员合理而有效地为客户提供咨询。（3）每个客户都有能力对客户账户的管理提出合理的限制条件，包括指定不应购买或如果账户已持有时应当卖出的特定证券或证券种类（但并不要求客户有能力要求为账户购买特定证券或证券种类）。（4）至少每季度向每个客户提供一份陈述，陈述要包含对前段期限中客户账户的所有活动情况的说明，包括代表账户利益进行的所有交易、客户的所有出资和撤资、向账户收取的所有费用和开支以及在该期限的开始和结束时账户的价值。（5）对于账户中的所有证券和基金，每个客户都如同在方案外持有证券和基金一样，保留相同程度上的如下权利：撤回证券或现金；投票，或授权其他人投票；及时收到每次证券交易的书面确认或其他通知，以及法律要求的向证券持有人提供的所有其他文件；在客户账户中，以证券持有人身份直接起诉证券发行人，且不存在加入介入方案运营的人员或方案的其他客户以作为启动起诉程序前置条件的义务。可见，在该规则下，所谓全权委托投资咨询服务方案的实质，就是在狭义的投资咨询服务上又附加了全权委托的账户管理服务。

在美国，投资公司是资产管理业务的主要形式。因此，通过以上特征，全权委托账户管理就与投资公司区分开来，并被视为典型的投资顾问：首先，全权委托账户管理是以客户个人的财务状况和投资目标为基础的，不仅开设账户时需要从客户处取得客户的个人信息，而且在管理的全过程需要持续监控客户个人情况的变化；而投资公司则是向所有的投资者提供统一的投资方案，投资者个人情况并不构成投资决策的依据。其次，在全权委托账户管理方案中，客户自始至终具有向账户管理人提出合理限制条件的权利，也就是说，客户保留有对账户投资策略和投资方案的干预权和最终决定权；而投资公司本身享有投资的最终决定权，投资者无权影响投资公司的投资决定。再次，在全权委托账户管理方案中，客户实际上是直接持有账户中的证券和基金，并就这些证券和基金享有直接的权利；而投资公司的投资者已将资金所有权转移给投资公司，并持有投资公司发行的代表投资份额的证券，但其对投资公司所持有的证券和基金不享有任何直接权利。正因为如此，即使投资顾问经常基于投资顾问合同成为某个投资公司事实上的管理人，但其本身经营的仍然是投资顾问业务，并不因其管理人身份而被认为是经营资产管理业务。

图片来源：网络

3. 全权委托型智能投顾规制的两条可选路径

笔者认为，就全权委托型智能投顾的规制路径而言，不管是将其纳入投资顾问业务，还是纳入资产管理业务进行规制，都是可选项。从美国的经验来看，全权委托并不必然是资产管理业务，也可以是典型的投资顾问业务。国内通常认为，美国智能投顾平台能够以全权委托的方式经营，是因为美国的投资顾问牌照包含了资产管理业务。这种理解其实并不准确，因为在美国，全权委托账户管理服务本身就被认为是典型的投资顾问业务，而非资产管理业务。实际上，全权委托账户管理方案正是智能投顾所普遍采用的经营方式，而且如下文将要说到的，对此种规范方案的深入认识，对于我们理解智能投顾在制度方面的真正需求有很大帮助。因此，当我们在进行制度建构时，并不是只有资产管理这一种选择，只不过在建立智能投顾的监管框架时，需要根据本国的制度环境来选择合适的规制路径。

（二）投资顾问监管框架下的高层级立法要求

资产管理业务支持全权委托，这一般都是没有问题的。若想要在投资顾问业务中采用全权委托的运作方式，则需要资本市场高层级立法的支持。但是，我国对全权委托型智能投顾规制路径的选择事实上受到了现行法律制度的制约，主要体现在以下几方面：

一是我国现行法律事实上禁止在投资顾问业务中的全权委托。以自动交易与投资组合再平衡为内容的账户管理服务的一个重要前提，就是客户对智能投顾的全权委托。然而，我国《证券法》第161条第1款第1项规定，投资咨询机构及其从业人员在从事证券服务业务时不得代理委托人从事证券投资。该款禁止了投资顾问接受客户委托从事证券投资，那么投资顾问在客户的全权委托下从事证券投资自然也在禁止之列。此外，《证券、期货投资咨询管理暂行办法》第24条规定，证券、期货投资咨询机构及其投资咨询人员，不得代理投资人从事证券、期货买卖的活动。《证券投资顾问业务暂行规定》第12条规定，证券公司、证券投资咨询机构向客户提供证券投资顾问服务，应当告知客户投资决策由客户做出，投资风险由客户承担，证券投资顾问不得代客户做出投资决策。可见，目前我国不管是在法律层面还是在监管机构规则层面，都禁止在投资顾问业务中进行全权委托。

二是低层级的立法或行业规则无法突破《证券法》及相关法规的限制。2015年，中国证券业协会曾经发布过一个《账户管理业务规则（征求意见稿）》，意图为投资顾问从事账户管理业务提供制度支撑，其中第2条对账户管理业务进行了界定：“本规则所称账户管理业务，是指取得证券投资咨询业务资格并符合本规则条件的机构接受客户委托，就证券、基金、期货及相关金融产品的投资或交易做出价值分析或投资判断，代理客户执行账户投资或交易管理。法律法规另有禁止性规定的，从其规定。”业界和学界不少人都认为，如果该业务规则能够正式施行，那么就能够为投资顾问从事全权委托型智能投顾业务扫除法律障碍。然而，作为证券行业自律组织制定的业务规则，当与《证券法》和证监会规则冲突时必然是无效的，而且该条本身就有“法律法规另有禁止性规定的，从其规定”的表述。因此，即使该业务规则正式施行，也改变不了投资顾问从事全权委托业务违反《证券法》及相关法规的命运。

三是投资咨询业务牌照停发导致大量互联网金融公司和第三方机构合规不能。要以投资顾问路径规制智能投顾，意味着相关公司从事的是投资顾问业务，就需要取得相应的行政许可。《证券法》第160条规定，从事证券投资咨询服务业务，应当经国务院证券监督管理机构核准；未经核准，不得为证券的交易及相关活动提供服务。而《证券、期货投资咨询管理暂行办法》第3条第1款规定，从事证券、期货投资咨询业务，必须依照本办法的规定，取得中国证监会的业务许可。未经中国证监会许可，任何机构和个人均不得从事证券、期货投资咨询业务。在我国，涉及智能投顾业务的主体主要包括传统金融公司、互联网金融公司和第三方机构，其中传统金融公司牌照齐全，但后两类主体中只有少数具备投资咨询业务的牌照。然而，由于证监会已经基本停发第三方投资咨询业务牌照，市场上此类牌照的存量越来越少，已从2004年的108张下降到2019年的84张。在无法获得牌照的情况下，大量智能投顾公司将面临非法经营投资咨询业务的风险，遑论在投资咨询业务中以全权委托模式运营智能投顾。

目前我国相关法律法规禁止在投资顾问业务中进行全权委托，因此，在我国若想以投资顾问模式规制智能投顾，就需要对《证券法》等法律法规进行修改，以配合此种监管框架的建立。但如果只是在低层级立法中对智能投顾进行规范，那么对规制路径的选择就会受到高层级法律规范的制约。

（三）资产管理监管框架下的规范方案选择

如果选择将全权委托纳入资产管理业务，就必须采用全权委托账户管理的规范方案，而不能采用一般的信托型资产管理规范方案，即需要对资产管理的运作和监管框架进行相应的调整。如果以“穿透式监管”为名，大而化之地判断全权委托属于资产管理业务，并要求以通常的信托模式进行运作，实际上是以不恰当的法律规则来格式化金融市场的实践需求。穿透式监管要求对本质上相同的事物适用相同的法律规范。然而，如果未能认清智能投顾的全权委托账户管理方案与信托型资产管理方案的区别，将特殊的、创新的经营模式强行定性为一般的、已有的经营模式，就会导致削足适履的效果。

全权委托账户管理的运行逻辑，实际上是由智能投顾直接对每个客户的账户进行管理和操作。就账户产生的投资交易行为而言，法律关系是委托代理，这区别于一般资产管理的信托关系。比如在美国，智能投顾的服务对象主要就是个人投资者，管理的账户类别包括个人一般账( Individual )、退休账户( Retirement Accounts )、连接账户( Rollovers )、信托账户( Trust )、传统联合账户( Traditional Joint )、有限责任公司应税账户( LLC Taxable Accounts )，其中可连接账户包括传统个人退休金账户( Traditional IRA )、罗斯退休金账户( Roth IRA )、应税投资账户( Taxable Investment Accounts )、401( k )账户、简化的雇员养老金退休账户( SEP-IRA )。智能投顾能够获得3a-4规则对注册为投资公司的豁免，正是因为其服务的每个投资账户都是在真正意义上分开的，而非像投资公司那样将客户资产集中起来管理。在全权委托账户管理中，每个客户仍然都是账户的直接持有者，并对账户中持有的证券和基金等资产享有直接的权利；客户不仅对初始投资方案有选择权，在后续账户投资过程中也随时可以介入，享有要求改变投资方案的权利。而在信托型资产管理中，客户资金转移并形成独立的信托财产后，其对信托财产所投资的资产不享有任何直接权利，管理人根据信托目的独立行使投资决策权，客户对管理人的投资决定无权干涉。

人工智能运用于全权委托账户管理和信托型资产管理的另一个重要区别，就是前者属于面向客户的投顾（买方投顾），而后者属于面向机构的投顾（卖方投顾）。欧洲银行业管理局、欧洲证券和市场管理局、欧洲保险和企业年金管理局在其联合发布的文件中指出，当运用智能投顾时，客户是通过对自动化程序的直接使用来取代人工介入，因此，智能投顾是一种面向客户的工具( consumer-facing tools )。而与之相对应的是面向投资顾问的工具( advisor-facing tools )，比如人类投资顾问在提供咨询过程中运用的信息技术工具。美国金融业监管局在其关于数字投资顾问的报告中也指出，支持包含客户画像、资产配置、投资组合选择、交易执行、投资组合再平衡、税务规划等活动的面向客户的投资咨询工具，才能称之为智能投顾。而面向机构的卖方投顾，并不属于个人账户理财服务的范畴，因而不属于我们通常所说的智能投顾。

买方投顾和卖方投顾在法律上的重大区别在于其承担信义义务的对象。在买方投顾的情形下，智能投顾直接服务于个人投资者，向其承担信义义务，根据个人投资者的财务状况和投资目标提供投资组合方案和再平衡服务。而在卖方投顾的情形下，智能投顾实际上是服务于资产管理公司，向资产管理公司承担信义义务，以公司对资产管理产品的设想来提供投资方案，而不会考虑购买产品的投资者的具体情况和个人要求，甚至有可能由于资产管理公司产品销售或刚兑的要求，而设计符合其利益但不符合投资者利益的智能投顾程序。比如将人工智能程序设定为，如果该公司某只资产管理产品的收益率不达预期，则在该产品兑付期前，让该公司管理的收益较好的其他产品与这只产品进行内部交易，从而互相调节收益到预期收益的水平。由于此种投顾并非面向客户的投顾，不对客户承担信义义务，因此，其投资逻辑事实上会损害客户的利益，且客户对此种投顾的决策过程没有任何干预权。可见，两种投顾在其运作方式和法律关系上都存在着根本性的差异。将全权委托业务纳入资产管理监管框架，必须对全权委托账户管理和信托型资产管理进行区分，也必须对买方投顾和卖方投顾进行区分。

图片来源：网络

三、《资管新规》框架下智能投顾规范方案的缺陷与完善

（一）《资管新规》前官方对智能投顾法律性质的认识

一般认为，在针对智能投顾的专门监管规定出台以前，与之最近似的是2013年中国证监会发布的《关于加强对利用“荐股软件”从事证券投资咨询业务监管的暂行规定》，其中第2条规定，向投资者销售或者提供“荐股软件”，并直接或者间接获取经济利益的，属于从事证券投资咨询业务，应当经中国证监会许可，取得证券投资咨询业务资格。未取得证券投资咨询业务资格，任何机构和个人不得利用“荐股软件”从事证券投资咨询业务。从该条规定的内容来看，如果将智能投顾视为“荐股软件”，那么经营智能投顾就属于从事证券投资咨询业务，并且需要取得证券投资咨询业务资格。不过，“荐股软件”最多只能对应仅提供投资建议的智能投顾，且“荐股软件”不一定使用人工智能和算法来给出投资建议。因为根据该规定对“荐股软件”的界定，如果通过人力分析得出投资建议，并通过软件传递给客户的，也属于“荐股软件”的范畴。而智能投顾中的投资建议或其他类似概念，如数字化建议( digital advise )等，均以运用人工智能算法和自动化运行为要素。

2016年，中国证监会网站投资者保护栏目发布了题为《警惕“智能投顾”非法投资咨询陷阱》的投资者教育文章。该文章指出，“智能投顾”是当前互联网金融领域出现的新名词，其实质是网络虚拟人工智能产品，它基于客户自身的理财需求、资产状况、风险承受能力、风险偏好等因素，运用现代投资组合理论，通过算法搭建数据模型，利用人工智能技术和网络平台提供理财顾问服务。涉及证券期货的“智能投顾”属于证券投资咨询业务，需要取得经中国证监会许可的“经营证券期货业务许可证”，未经证监会许可擅自开展证券期货“智能投顾”业务属于非法证券期货活动。这是官方首次对智能投顾的法律性质进行表态，并将智能投顾定性为投资咨询业务。但是，该文章中所指称的智能投顾，似乎也只涉及智能投顾的投资建议功能，而未涉及全权委托功能。当然，由于我国《证券法》等相关法律法规的限制，当时我国事实上也不存在全权委托型的智能投顾。

（二）《资管新规》中有关智能投顾的规定及缺陷

《资管新规》中有关智能投顾的规定从征求意见稿到正式发布稿经历了一个很大的变化。2017年11月发布的“《资管新规》征求意见稿”第22条第1款规定：“金融机构运用人工智能技术、采用机器人投资顾问开展资产管理业务应当经金融监督管理部门许可，取得相应的投资顾问资质，充分披露信息，报备智能投顾模型的主要参数以及资产配置的主要逻辑。”从条文的整体内容来看，征求意见稿将金融机构开展的智能投顾业务定性为资产管理，但却要求取得投资顾问资质，在规制逻辑上是矛盾的。从第1款的文字细节来看，“运用人工智能技术、采用机器人投资顾问开展资产管理业务”的表述说明，监管机关在起草该条文的时候是以普通的资产管理产品作为规范的基本模型的，只不过这种资产管理产品在资产配置上运用了人工智能来代替自然人投资经理进行决策。而该条第3款中“金融机构……应当要求开发机构根据不同产品投资策略研发对应的智能投顾算法”和第4款中“金融机构……不得借助智能投顾夸大宣传资产管理产品或者误导投资者”的表述，则强有力地佐证了这一点。在此种规范模式中，智能投顾只是资产管理产品所运用的技术，并不直接服务于客户，在性质上是卖方投顾，而非买方投顾。此外，第1款中“取得相应的投资顾问资质”的表述则说明，该条文在征求意见稿阶段试图直接借鉴典型的美国式智能投顾的规制逻辑，但是忽视了我国投资顾问业难以涵盖全权委托业务的现实。综上可见，该条文在征求意见稿阶段的规制逻辑是完全混乱的。

相对于征求意见稿而言，2018年4月发布的《资管新规》正式稿第23条有一定进步，但该条的规制逻辑也不清晰，甚至是令人费解的。一方面，该条第1款规定：“运用人工智能技术开展投资顾问业务应当取得投资顾问资质，非金融机构不得借助智能投顾超范围经营或者变相开展资产管理业务。”似乎是想要区分投资建议型智能投顾和全权委托型智能投顾，以分别规范。但另一方面，该条第2款又存在“金融机构运用人工智能技术开展资产管理业务……”“不得借助人工智能业务夸大宣传资产管理产品或者误导投资者”的表述，第3款也存在“金融机构应当根据不同产品投资策略研发对应的人工智能算法或者程序化交易”的表述。一般而言，只有普通的信托型资产管理业务才存在“资产管理产品”概念，而在全权委托型智能投顾所依托的全权委托账户管理方案中，由于理财账户仍然是客户直接持有，是不会将不具有财产独立性的理财账户视为“产品”的，而且该条规定被置于《关于规范金融机构资产管理业务的指导意见》中，整个指导意见的内容都是围绕着金融机构的资产管理产品而展开的。所以，不由得让人认为，该条只是区分了投资建议型智能投顾和运用人工智能进行资产配置的资产管理产品，后者即所谓的卖方投顾。如果按此种方式理解，该条在对全权委托型智能投顾的规制方面是存在空白的。但是，该条第2款又存在“金融机构应当……为投资者单独设立智能管理账户”“严格监控智能管理账户”的表述，对此，如果将智能管理账户解释为全权委托账户管理方案中的账户，那么与前述信托型资产管理方案是矛盾的；如果将智能管理账户解释为信托型资产管理产品的管理账户，由于此种账户财产具有独立性，则认购资产管理产品的投资者是不应该持有管理账户的；如果将该账户解释为投资者持有资产管理产品的账户，即通过该账户持有其认购的运用人工智能的资产管理产品，那么还是说明该条文事实上没有真正对全权委托型智能投顾进行规定。

（三）《资管新规》框架下智能投顾规范方案的完善

从上述分析可以看出，《资管新规》中有关智能投顾的规制逻辑是混乱不清的，会导致金融机构及监管机关在实际适用中的无所适从，还会导致最重要的全权委托型智能投顾依然缺乏法律依据，且存在监管空白。笔者认为，在《资管新规》框架下，有两种途径可以对智能投顾的规范方案进行完善。

一种途径是：第一，修改《证券法》第161条第1款第1项、《证券、期货投资咨询管理暂行办法》第24条和《证券投资顾问业务暂行规定》第12条，将投资顾问（投资咨询）的业务范围从单纯的投资建议拓展至包括全权委托账户管理业务。第二，以2015年中国证券业协会《账户管理业务规则（征求意见稿）》为基础，公布正式版的《账户管理业务规则》，为投资顾问从事账户管理业务提供规范化依据。第三，恢复向合规的第三方机构发放投资咨询业务牌照。第四，将《资管新规》第23条第1款解释为针对投资建议型智能投顾的规定，将第2、3款以下解释为针对卖方投顾的规定，另增加第4款作为针对买方投顾，即全权委托型智能投顾的规定。

另一种途径是：第一，将《资管新规》中“资产管理业务”的内涵拓展至包括全权委托账户管理业务，将第23条第1款解释为针对投资建议型智能投顾的规定，将第2、3款解释为针对全权委托型智能投顾的规定。第二，将第2款中的“智能管理账户”解释为由投资者直接持有的、全权委托账户管理方案中的账户，同时调整第2款的文字表述，使之与全权委托账户管理方案相协调。第三，将第2款中“金融机构运用人工智能技术开展资产管理业务应当严格遵守本意见有关投资者适当性、投资范围、信息披露、风险隔离等一般性规定”的内容，解释为《资管新规》中对全权委托型智能投顾和一般的信托型资产管理产品在监管要求上的区分，即全权委托型智能投顾需要遵守的只有明确列举出来的这四个方面的基本规则，而《资管新规》中的其他规则，特别是信托型资产管理产品运营的相关规则，则不需要遵守。第四，另行制定有关卖方投顾的规定。

上述两种途径，第一种对应的是投资顾问监管框架下的智能投顾规范方案，第二种对应的是资产管理监管框架下的智能投顾规范方案，两种方案都是符合智能投顾的实践发展需求的。现有法律框架是对过去做法的承认，但是金融科技创新必然会带来与以往不同的做法，需要法律进行调适，否则必定会扼杀实践对金融创新真正的需求。不管是以狭义的投资咨询业务范围来限制全权委托型智能投顾的发展，还是要求以一般的信托型资产管理方案规制全权委托型智能投顾，都属于以不恰当的制度来格式化市场实践发展的需求。对金融科技创新进行规范需要立法者和监管者保持与时俱进的态度，真正理解市场上新事物的运行逻辑，以适当的规制路径和规范方案促进其健康、有序发展。

来源：腾讯网

金融赋能 聚焦AI 硬科技风暴将至

9月16日，2020西安全球硬科技创新大会正式启幕。

西安全球硬科技创新大会走进第四个年头，透析整个大会的主题和活动设计，可以看出两大变化。

一个变化是，这个由政府主导推动，科技界和产业界积极参与的硬科技盛会，将开启第四维度——金融维度。上海证券交易所加盟大会指导单位，陕西省地方金融监管局参与主办。

另一变化是，作为西安硬科技的支柱产业，人工智能被高强度聚焦。“AI科学家论坛”十大议题，从chiplet产业联盟、下一代人工智能芯片到智慧出行、智慧能源、智慧城市，体现了西安作为国家新一代人工智能创新发展试验区，对人工智能产业未来的高度关切和向未来路径的主动规划。

两大变化正是对习总书记总书记来陕考察重要讲话“围绕产业链部署创新链、围绕创新链布局产业链”清晰有力的贯彻落实。

图片来源：网络

为硬科技产业补上金融领域短板

陕西中天火箭技术股份有限公司近日首发上市通过，将登陆深交所中小板交易，成为今年以来西安上市的第4家“硬科技”企业。去年7月科创板开市，铂力特、西部超导首批登陆科创板，西安成为唯一拥有两家科创板上市公司的中西部城市。随后三达膜紧跟其后，加上今年新上的瑞联新材，目前陕西有4家科创板上市企业。

西安频频握手资本市场，显现出西安在大力发展硬科技产业过程中对金融资源和金融工具的强烈渴求。对西安来说，要重点加快优化金融发展环境。优化金融发展环境，就是优化西安科技企业的发展环境和西安产业发展环境。”

今年的硬科技大会上，一大看点是“上海证券交易所西北基地揭牌”。上海证券交易所副总经理刘逖9月9日在创投峰会上透露，继2014年在西安设立了第一个资本市场培育基地之后，上交所将与陕西共建资本市场服务西北基地，并在下一阶段在西安设立科创板企业培育中心。这是继8月26日新三板西北基地落户西安之后，对硬科技企业的又一重大利好。

硬科技大会期间，上海证券交易所还将主办“2020中国硬科技科创板上市创新发展论坛”，邀请科创板上市企业高层、上市公司代表、硬科技企业高管，以及券商、律师、会计师、投资机构从业人士，围绕加快硬科技企业上市，展望2020年硬科技企业在资本市场新环境、新机会、新挑战。

为硬科技产业做强人工智能长板

如果说金融是西安在发展硬科技产业当中迫切需要补上的短板，而作为新一轮科技革命和产业变革的核心驱动力，人工智能就是西安锐意做强的长板。

今年1月23日，西安获批建设国家新一代人工智能创新发展试验区，成为中国西部首批人工智能先行先试区域。

西安高新区是人工智能企业落户西安的主要承载地，聚集了100余家人工智能企业，包括9家领军企业；拥有双创平台110个，其中国家级众创空间18家，人工智能类占比40%，吸引人工智能上下游产业链企业100余家。除了专注于基础研究的交叉信息核心技术研究院之外，还有专注于商业应用的科大讯飞，中兴、比亚迪智能终端生产基地已正式投产，以及众多智能制造企业为人工智能产业发展提供了技术应用场景。

图片来源：网络

根据《西安高新区人工智能试验区核心区建设方案》，到2022年，西安高新区将初步建成新一代人工智能创新发展试验区核心区，核心产业规模将达到100亿元，带动相关产业1000亿元，并在技术创新体系、深度融合应用、产业发展生态等方面取得突破。

今年的硬科技大会将突出呈现西安在人工智能领域的布局和努力。由西安交叉核心院担纲的“下一代AI芯片产业发布暨 chiplet产业联盟成立圆桌论坛”尤其值得关注。

chiplet技术被看成是摩尔定律逼近极限之际未来芯片的重要基础技术。以chiplet模式集成的芯片会是一个“超级”异构系统，可以为AI计算带来更多的灵活性和新的机会。 Chiplet产业联盟启动，旨在联合AI产业相关的学术界、产业界等各方重要力量，共同制定全球chiplet互联标准、共建 chiplet 开放平台，实现缩短芯片设计周期，降低芯片设计成本，以此服务“创新驱动”等国家重大战略需求，扩大西安与“一带一路”AI 产业的交流合作，解决我国高质量发展进程中面临的技术难题。

会议期间还将发布“启明920”人工智能加速芯片，而此时距交叉核心院芯片中心研发的第一款AI芯片“启明910”的发布还不到1年时间。 如果说“启明910”实现了交叉核心院无人驾驶AI芯片从0到1的突破，“启明920”将更高效地支持更复杂的网络，有望在人工智能驾驶领域有更突出的表现。

全球顶尖AI+硬科技线上马拉松将邀请八位全球AI+硬科技领域顶尖科学家，以马拉松接力形式，线上分享各领域前沿技术。其中，国际人工智能协会(AAAI)院士，香港科技大学新明工程学院讲席教授杨强关于“AI与人的新三定律”的主题演讲尤其值得期待。(刘晓斌)

来源：央广网

实践与展望：AI如何为金融业创造价值

在当下的中国金融业，人工智能技术正被寄予厚望：工农中建四大行在最近的年报中均多次提及人工智能战略，并开始在业务场景中推广人工智能应用。这表明，随着人工智能各项技术应用逐步成熟，“智慧金融”时代即将到来。

本报告由爱分析与马上消费金融联合发布，通过人工智能技术在金融领域的真实应用案例，剖析技术对金融业务的价值创造，并指出下一步“智慧金融”产业链的演进方向。

图片来源：网络

本报告重点关注四项人工智能技术在金融领域的应用：计算机视觉、语音识别、自然语言处理、知识图谱。核心观点包括：

• 人工智能技术对金融业价值链每一环节产生影响，体现在三个层面：自动化、智能化、创新化。目前，计算机视觉和语音识别技术在金融业务中已经得到普遍应用，业务自动化水平得到突破；NLP和知识图谱则在逐步落地中，使得智能化创新逐渐增加。

• 现阶段，人工智能技术创造的价值主要体现在：为金融机构降低运营成本和风险成本。短期内，人工智能应用仍将以这两点价值为核心；长期来看，技术应用将有助于新业务获取与客户满意度增加。

• 为发掘智慧金融价值，持牌金融机构需要尽早布局人工智能技术。两项新趋势已经出现：第一，人工智能在金融领域的应用正从产品向综合解决方案发展；第二，领先的持牌金融机构以自身场景应用为基础，对外进行技术输出赋能。

• 未来，新的人工智能技术和算法将不断走向成熟，推动行业迈向智慧金融新时代。这里我们以两项热门领域——联邦学习和可解释的人工智能（XAI）为例，展望人工智能技术在金融领域的潜在价值。

来源：未央网

VBOXAI基金会营运总TONY WELLS谈人工智能对金融

8月17日消息 今天上午VBOXAI基金会营运总裁、人工智能专家Tony wells先生进行了有关人工智能的主题演讲，题目是《人工智能对金融业的影响》。在演讲中，Tony wells分析了人工智能对于整个人类的影响，并表示人工智能的发展对于人类的人性是一场极大的考验。面对考验，人类应该善用机器，且互相关爱。

Tony wells先生认为一家真正的AI公司，不仅在技术层面跟AI是紧密结合的，它的文化也必须是AI化的。这就意味着公司的发展必须遵循AI伦理的四个原则：第一，AI的最高原则是安全可控。第二，AI的创新愿景是促进人类更加平等的获得技术能力。第三，AI存在的价值是要教人学习，让人成长，而不是取代人、超越人。第四，AI的终极理想是为人类带来更多的自由和可能。

以下是演讲全文，来自于Quora专栏：

首先也要澄清一些AI方面的误解，AI并不是有感知的机器，并不是我们要担心机器突然醒来憎恨人类，这些AI，并不一定都是深度学习的。大数据，也是我们经常见到的词，但是很多时候AI并不是和这些概念相关。另外，它并不是万能药，并不是所有的问题可以用人工智能来做，很多问题我们不能理解，我们应该怎么做、怎么理解怎么做、怎么解决，但是AI的进程，在未来我们非常乐观，来帮助我们解决。比如在英国、欧洲，有很多的银行现在都在设计人工智能的APP。目前也做了很多研究，AI怎么对人们提供服务，已经发展了很多，但依然还有很长的路，AI可以继续发展，为人们提供更好的服务。

从金融方面的经典方式，没有模型经典方式的机器来做。你在电脑里面收集一些已知来源的数据，比如个人的信用卡交易结果，他们是否归还了信用卡欠款?还是违约了?我们把这些信息收集之后，创建一个预测的分类器。对于新的用户来说，收集他们的数据，预测他们是否会违约，以及基于他们过往的交易，决定给他们多少额度。这也是基于电脑的决策树、深度神经网等技术来实行。一旦建立了分类器，客户有新的事件你就可以来应用了。

相比人类的专家来说，我们认为AI非常有价值，可以以非常低的成本做出预测，这是一个典型的、深度学习的架构。在座的各位可能对公司分析来说，都会知道一些基本内容。微软，你想对它的股票进行分析，你看它的基本面、看它的交易、市场、相关风险等等，你要预测他们的财务结果。利用AI，对于个人也可以进行分析。非常重要的就是多少人可以被模型使用。我们可以对每个人进行分析，收集他们生命周期的静态变量，Vbox目前已经连续四年通过从各大最活跃的交易市场及交易所收集大数据(包括华尔街，纳斯达克，香港交易所在内的全球股票交易所开始，更甚至收据了天气预报，因为天灾如台风一直以来都验证了将会影响股票市场价值和这些参数和变量，来帮助我们进行预测。

另外，可以通过更少的数据，做出更精准的预测。还有就是数据的错误率、失落率也会比较低。也有劣势，基于模型的方法的，第一个是它的成本非常高，因为你要有建模的专家和实际数据当中要做很多的实验，但这是一劳永逸的。也就是说，每个股票的交易历史，每期彩票的开奖和售卖行为，每个非常小的成交记录等等的事件通过AI学习建立模型，每次预测也同时累计了更多的机器学习数据，VBOXAI建立一个模型就可以一劳永逸，再用COSMOS AI(COSMOS-Centralized Operation System Managament of Syncronized集中式操作系统共识管理)进行分析。

转换一下话题，讲一下Oracle和Oracle算法特点

它的基本原理是将单条交易Hash,再将两条交易的Hash组合后在进行Hash，经过几次同样的过程后形成一个根Hash,存于区块头中。这样，任何树上任何一笔交易被更改，都会造成根的不同。做数据的承兑时，采用同样的方式，将文件Hash以默克尔树的形式组织，最后将根Hash写入以太坊的一个可以提供80字节空间的OP_Return这个区域中。相当于将数据承兑于一笔不可篡改的交易中，从而完成了承兑的过程。这个过程我们称为锚定。

通过这些AI的程序，人们会增加个人的数字助理，大家都有助理。通过手机也可以帮助你提供很多的建议。你的个人助理，可以帮你自动发起金融交易，预定酒店、买机票，确保你的孩子在学校好好学习等等，这些都会自动化来进行，也包括了金融交易的自动进行。银行的客户可能并不是真实的人，而是数字助手，触发某个事件之后就会进行金融交易。

另外一个很大的变化，就是交易系统。我们知道在美国的交易所，大多数的交易都是电脑软件进行的，现在会越来越多的进行电脑软件自主交易。另外讲一下交易系统，我们有算法。有些时候比较简单，就是套利的。还有越来越复杂的，比如单个股票基础面的分析、能够自动阅读这些新闻，从彭博、SEC等接口进行股票的交易。其中我们见到的一个很大的问题，这些系统只是从字面上来收集信息。推特被认可劫持了，所以一个推特信息说“特朗普感染病毒了”，机器得到这个信息，也不判断，直接就卖掉这些股票了，低于2分钟的时间，超过2万亿的股票被卖掉。如果是人做交易，他们会进行验证，会打电话给华盛顿的朋友。经过20分钟，市场又自动的恢复了之前的交易状态，这些都非常重要。机器可能只是机械化的收到信息，有些信息可能是故意造假的，机器自动读取，对系统会造成很大的扰乱、对客户造成很大的损失。从监管来说，也造成了挑战。

比如亚马逊网站，一本普通的生物学的书差不多40美元。有一个出售1800万，另外一个是2300万，这是因为有两个机器人，他们觉得这本书非常复杂，所以他们不断的把这本书的价格提升，一直提升到非常高。如果你有自动财务顾问，他们可能觉得这本书比较合理，它就会买，这会对你的账户造成很大的损失。大事件，2到3分钟，使整个的市值损失1万亿，这也是程序化不理解市场而造成的失误，非常快速进行交易，对于市场造成了很大的问题。2020年美国爆发疫情的时候，200个股票的市场下滑更快，0.1秒的时间，有些股票跌了20%，这对很多人来说发展太快了，0.1秒，当你把权利给到机器，他们不理解他们在做什么，这对你造成的损失是无法估量的。从长期来说，我们认为AI系统在很长的时间里面的发展，最终会比人类决策优化。

现在，我们在做AI的时候，所有的因素都要考虑进去。不管是控制，还是研究，我们现在创造了一些系统，它可以帮助我们把某些事物进行优化。对于这个领域的定义，并不是非常精确的，它是一个错误的定义。我们所需要的AI是什么?这样的AI系统，我们希望它能够执行我们的命令，而且它产生的结果，一定是我们比较满意的。比如这个国王，当时有这样一个想优化的目标，但是优化之后的结果并不是他最初想要的，这是我们需要避免的现象。我们怎么样才可以避免?这里有三个想法：

1、机器人只有一个任务、目标，就是把人类的幸福指数最大化。

2、机器人并不知道这里面的含义是什么，因为并不确定，人类什么才是开心的事情，真正让我们开心的事情是什么?

3、机器人是通过观察人们的行为来进行学习的，人们喜欢什么、不喜欢什么，会通过我们的行为展示出来。

读经济学会知道有一个“博弈论”，如果我们有这样的一个博弈，如果人类知道这样的目标，机器人先把这个目标进行优化，但是机器人并不知道本来的目标是什么。如果有不匹配，是否会产生问题?

总结一下，我刚才讲了很多AI在金融领域的影响，最基本的，现在已经存在了40到50年，它可以帮助我们进行数据的整合、分析、预测，还有一些顾问方面的服务。另外，我们如果可以更好的理解人类，才可以帮助我们得到更好的结果。市场上我们看到一些交易的策略，现在越来越有效了，可以帮助我们改进市场上的效率。因此，我们要非常了解，怎么才可以更好的把这些机器人在我们的控制当中，不能失控。有一个谚语“煤矿里的金丝雀”，煤矿中的金丝雀可以帮我们预测未来可能出现的问题。煤炭当中没有氧气了，金丝雀就会立马检测到，我们需要把它当做我们风险检测的工具，我们要很好的管理AI存在的风险，而且是高速管理和控制。随着AI的进步和推进，AI的系统怎么样控制、怎么样了解人们的价值，以及AI的价值，怎么把两者的价值结合起来，将是我们未来要探讨的很重要的议题，感谢各位的聆听。

1、本文任何信息内容，仅供参考，只对您投资决策时起到辅助作用。

2、点掌财经不对您投资获利或投资损失承担责任，所有投资决策及其后果均由您自行负责。

3、股市有风险，入市需谨慎。

来源：经济导报网

智能金融落地掀热潮 新兴金融机构开启人工智能应用3.0新阶段

近几年来，基于深度学习算法的成功应用和大数据所打下的坚实基础，人工智能技术发展突飞猛进。

一个新技术的诞生势必会带来行业的革命。而对于人工智能技术而言，想判断其可以在哪个行业最先引起革命性的变革，除了要看这个行业对自动化、智能化的内在需求以外，主要还看这个行业内的数据积累、数据流传、数据存储和数据更新是不是达到了深度学习算法对大数据的要求。

放眼望去各个垂直领域，金融行业也是目前人工智能落地最成功的行业之一。

图片来源：网络

金融领域海量数据奠定行业发展基础

底层基础决定上层建筑。

由于行业属性的原因，银行、保险、证券等传统金融行业从一开始就积累了大规模数据，并基于这些大数据开展了自动化系统建设。在这过程中，金融机构们都极度重视数据自身的规范化、数据采集的自动化、数据存储的集中化、数据共享的平台化。

以银行为例，国内大中型银行早在20世纪90年代，就开始规划、设计、建造和部署银行内部的大数据处理流程，经过20多年的建设，目前银行基本上都可以毫不费力地为智能应用提供坚实的数据基础。

2017年以来，国际主要银行纷纷通过设立人工智能项目等方式，加快人工智能在银行业务的创新和应用。如美银美林在2017年2月建立了线上智能投顾平台，同年8月推出了基于机器学习和人工智能的应收账款管理服务系统解决方案，10月推出了建立在API和人工智能基础上的智能分析、预测工具，主要面向现金管理客户；富国银行2017年4月推出人工智能Facebook客服。

柜台服务、智能风控 人工智能垂直应用纷纷落地

一是量化交易与智能投顾：一方面人工智能技术可以对金融行业里的各项投资业务，包括股权投资、债权投资、外汇投资、贵金属投资等，利用量化算法进行建模，并直接利用自动化的算法参与实际交易，获取最高回报。另一方面，人工智能的算法也为银行、保险公司、证券公司以及它们的客户提供投资策略方面的自动化建议，引导它们合理配置资产，最大限度规避金融市场风险，最大限度提供金融资本的收益率。

二是智能风控：银行、保险等金融机构对于业务开展中存在的信用风险、市场风险、运营风险等几个主要的风险类型历来高度重视。而相关风险的防控体系需要依赖高纬度的大量数据进行深入的分析。在这方面，基于深度学习的现代人工智能算法与人类分析员或传统机器学习的算法相比，有着先天的优势，可以对更为复杂的风险规律进行建模和计算。

三是智能客服和智能柜台服务。银行、保险、证券等行业为确保客户服务质量，一般都会建立大规模的呼叫中心或客服中心，雇用大量的客服人员，利用电话、网站、聊天工具等，解答问题。随着支持语音识别、自然语言理解和知识检索的人工客服技术逐渐成熟，金融行业的客服中心会慢慢引入机器人客服专员，由人工智能算法代替工作人员，并最终建立全智能化的客服中心。

图片来源：网络

在银行服务的前台，应用人工智能可以向广大长尾客户提供更加人性化、智能化和专业化的服务，降低银行成本，提升用户服务和营销体验；中台方面，应用人工智能技术可以为金融分析交易和银行授信提供专业决策支持。智能机器使用超声红外自动避障、雷达智能导航、语音智能识别、语义解析、视觉识别、人脸识别等技术手段，可完成基本行为、感知、交云功能，通过机器人智能和后台进程支持，实现厅堂迎宾、业务咨询、业务办理、分流引导、产品营销等多个功能。

四是安防与客户身份认证。银行各个办公地点可以利用新一代的人脸识别技术，对过往人员进行身份甄别，确认没有坏人进入敏感或者保密区域。

五是精准营销。人工智能可以为银行的潜在客户进行精准的画像，根据潜在客户曾经的购买行为、个人特征、社交习惯等，将潜在客户分为若干种类别，并为每一种类别的潜在客户匹配最合适他们的金融产品。

促进效率提升 应用产品花样百出

而以上场景目前都早已在国内的金融行业中广泛应用，开发出诸多代表性产品。

较为代表性的是招商银行2016年底推出的“摩羯智投”，就是国内银行在智能投顾领域的经典应用。“摩羯智投”将投资者风险等级划分为十级，按照投资周期分为低于1年、1年~3年和3年及以上，风险等级越高、投资周期越长，预期投资收益率越高，之后根据客户收益要求构建投资组合，由客户自主进行决策、“一键购买”并享受后续专业服务。

与传统的人工投顾比较，智能投顾兼具投资服务门槛低、智能化和分散化等优势。而后，智能投顾的运用在金融行业中不断成熟及发展。

2017年9月份，广发银行推出了“广发智投”, 客户可以结合智能基金配置建议，选择公私募基金。2018年6月，光大银行推出了“光云智投”, 拥有更为智能的市场分析系统， 能够准确跟踪市场热点与舆情风险，为客户提供一站式全球资产配置……

而近两年来银行的智能柜台机应用更是加速发展。目前国内银行基本上都可以通过智能柜台机自助办理所有的柜台业务，大大提高服务效率。如中国银行的智能柜台机，传统柜台办理同样的开卡业务用时大约为10分钟~15分钟， 而智能柜台机只需要5分钟~10分钟。常见的流水打印业务传统柜台约需10分钟~30分钟， 智能柜台则只需2分钟。兴业银行推出的智能柜台经过迭代升级，目前已升级到了4.0版，服务效率比传统柜面高58.2%。

新兴机构脱颖而出 跻身“国家队”

与此同时，政府也高度重视人工智能的发展应用。国务院先是于2017年7月出台《人工智能发展规划》, 党十九大又进一步强调发展人工智能。

在政策的助推一下，人工智能技术在国内的发展迎来了前所未有的发展机遇。应用场景不断扩大，落地机构也从传统金融机构逐渐到新兴金融机构，比如消费金融机构。

今年1月，工信部发布“新一代人工智能产业创新重点任务的入围揭榜单位和项目名单”。凭借“基于情感光谱与多语境感知的智能文本与语音客服机器人平台”项目，马上消费金融从“中国新一代人工智能产业创新重点任务”榜单中脱颖而出，成功跻身新一代人工智能产业创新的“国家队”。

近日，全国信标委人工智能分委会成立大会暨第一次全体会议在京召开。会上，首届人工智能国家标准化组织——全国信息技术标准化技术委员会人工智能分技术委员会（SAC/TC28/SC 42）正式成立。马上消费金融与腾讯、阿里云、华为等共同当选首批单位委员。

图片来源：网络

这些背后自然离不开强大的技术支撑。据马上消费金融相关负责人透露，光是其科技累计投入10亿+，科研人员1000+，占员工比重6成，荣获国家高新技术企业认定，也是重庆第一家获得国家高新技术企业认定的金融机构。与此同时，马上消费金融还自主研发了800余套涵盖消费金融全业务流程、全生命周期的核心技术系统，累计提交专利申请220余件。

在其申请的220余件专利中,主要来自于“ABCD”（AI人工智能、Blockchain区块链、Cloud Computing云计算、Big Data大数据）四大领域。其中,大数据技术专利占比超过三成,高达32.81%。紧随其后的是，智能语音技术、推荐/风控技术、身份识别技术、信息交互技术等四大类专利申请数量占比均超过一成以上。

足以窥见其实力。

技术优势 促进传统金融机构转型升级

因此可以看到的是，不少譬如马上消费金融这样的新兴金融机构，凭借着自身的技术优势，甚至有反超传统金融机构的势头，转而进行技术输出。

在“2019第三届新华网金融论坛”上，度小满金融战略合作部总经理朱白帆便提出，“金融是人工智能最现实的落地场景之一。”他透露，度小满金融自独立运营以来，依托于百度的优势和技术实力，正在积极推动智能金融的落地并发展迅速。在信贷业务上，度小满金融已经与多家金融机构达成合作。在金融科技领域，依托于百度的技术基因，度小满金融AI技术应用在智能获客、大数据风控、智能客服等多个领域，并将这些AI能力全面开放，与多家金融机构达成合作。

近日，马上消费金融也联合光大信托共同开展金融科技在信托行业的融合应用试点项目，并取得了创新成果。据介绍，光大信托在面向客户销售产品的双录环节，将采用马上消费金融自主研发的“AI智慧双录”系统提供技术服务支撑。凭借双方在金融科技自主研发能力和信托业务多场景展业能力的自发优势，共同推进信托行业的数字化、智能化、标准化的运营管理模式转型升级。

如果说人工智能技术在国内落地是1.0阶段，被传统金融机构广泛应用是2.0阶段的话，以马上消费金融等新兴金融机构为代表则正式拉开了3.0阶段的序章，也开启了人工智能技术在国内应用新的未来。

未来，他们还会给金融行业带来哪些变革，值得我们拭目以待。

来源：手机凤凰网

风控升维提速，人工智能成最大引擎

危与机的攻防转换，成为今年金融行业震荡向上突破的主旋律。

疫情冲击了金融机构的传统展业方式，信用风险集中爆发，重线下靠人工的获客、风控、贷后管理模式败得一塌涂地。不过，危难之中的机遇也愈发清晰，金融机构对依托人工智能、云计算在内的科技化手段认识更深一步，弥补智能化运营短板成为金融行业的共识。

业内人士透露，春节后持牌消费金融公司等金融机构向数字化转型转变。其中，一个比较明显的趋势为贷中、贷后借助人工智能决策工具处理的业务占比大幅提升，部分消费金融公司智能机器人的工作量能占到九成。

从人工智能的落地情况来看，移动支付、消费金融是人工智能最先渗透的场景之一。人工智能的三驾核心马车为数据、算法、算力，数据是人工智能从实验室走到具体服务场景的基础，而移动支付和消费金融背后丰富的应用场景，恰好为人工智能落地提供了完备的生态土壤。

图片来源于网络

反之，金融科技领域的人工智能技术也为银行、消费金融公司、信托、保险等机构输出智能综合解决方案，优化企业的营销获客和风控流程。以萨摩耶数科为例，萨摩耶数科在人工智能领域研发的自动建模平台AUTOMAN 1.0，便可以通过模型、策略自动迭代更新，及时识别、掌控未知风险，让金融样本处理成为业务决策自动化的一环。

国务院于2017年出台《人工智能发展规划》，各地政府纷纷加大人工智能投入力度，人工智能已成为国家战略。当前，人工智能已在金融、汽车、物流等领域应用，产业各方的人工智能服务方案雏形已成，待技术更加成熟后，渗透率也会随之增加。

人工智能的目标是提升产业生产力，最大限度把一个企业从重复性的工作中解放出来。金融行业与人工智能深度融合，在降本增效的同时必然会重塑金融业，一场以智能+金融的新格局慢慢成型。

金融需要何种人工智能？

近三年来，金融科技行业风起云涌，形成了少量头部机构与众多中尾部机构并存的格局。无论是以蚂蚁集团、京东数科、360数科为代表的互联网系巨头，还是以萨摩耶数科为代表的行业领先的金融科技公司，均研发了大量的人工智能技术。

就金融机构的需求而言，在急需降低成本的市场环境中，很多机构迫切要用智能化的科技手段取代劳动密集的人工模式，将人力成本降下来。同时，为提升贷前、贷中、贷后的运营管理效率，金融机构也逐渐从粗放管理向精细化的管理方式转变。

拿风控来讲，传统金融机构一方面转型线上，缺少必要的人才、技术支撑；另一方面在面临信用风险较高的长尾客群时，缺乏用户全生命周期模型管理经验。在普惠金融趋势下，下沉客群又是金融机构受理的客群之一。

这就引申出到底什么样的人工智能与金融机构的需求匹配，或者说什么样的人工智能对于金融机构才真正有价值。

根据金融业务的实际情况，金融机构的需求逻辑主要集中在两三个方面，其一是必须合规；其二工具能够“即接即用”，减少对接成本和其他支持费用；其三工具能在短时间内让金融机构看到效果，并能为金融机构带来的价值覆盖技术服务费成本。

图片来源：网络

按照上述人工智能服务金融机构的价值导向，行业内确实有一批能为金融机构带来较大增益、推动风控运营智能化的工具。在这些人工智能解决方案中，萨摩耶数科旗下的自动建模平台——AUTOMAN 1.0可以称得上是一个典型的样本。

AUTOMAN 1.0是将人工智能应用在模型设计领域，使模型开发周期减少50%-70%，最短可在2周内完成样本建模任务，极大地缩短原始样本与经营决策的距离，实现整体降本增效。

在风控模型中，KS指标来评估模型的区分度一项核心指标，区分度越大，说明模型的风险排序能力越强。AUTOMAN 1.0在测试环境中，KS值区分度高出人工建模效果0.05个百分点。

具体到风控场景里，AUTOMAN的样本研判及处理、最优模型保存及部署、新样本预测、模型训练及调优四大功能，能通过便捷的方式直接接入金融机构的系统中，使得风控模型辨识风险的精准度更高。

值得一提的是，AUTOMAN虽然内置前沿流行算法，但用户没有知识背景也能熟练使用，这背后主要靠AUTOMAN的一键建模模式。该模式下，不需要合作机构写代码，按照说明放好样本就能训练出可部署调用的模型。另外，AUTOMAN还能自动安装所需环境依赖包，用户无需再自行设置环境。

模型调优方面，AUTOMAN内置自研究调参算法，帮助模型开发工程师使用集成工具包提升模型开发效率。 简单便捷并不意味着效果打折，AUTOMAN在效率与精度、标准化与通用性之中实现平衡，具备低成本、高精度、高效率地实现样本可视化的特点。

数据决定AI算法的精度，算法精度决定AI产品质量。萨摩耶数科从真实的金融场景入手，不断提升智能化模型的精确度，唯有精度高了才能帮助客户构建智能化的风控大脑。不只是萨摩耶数科，任何金融科技平台的人工智能解决方案都需遵循这一前提。

更新迭代是人工智能的灵魂

金融企业的人工智能需求仍存在很大增长空间，若想抢占市场份额，金融科技企业必须保持更新迭代的创新能力，时刻与金融机构的生产经营环境相适应。

目前，针对企业数字化转型推出的人工智能产品种类繁多，但在企业实施落地的过程中出现水土不服，更有甚者效率不升反降。企业应用人工智能出现负面效应，与人工智能供应商提供的产品有关，人工智能产品的实用性和特点不匹配企业的实际需求。

疫情叠加金融周期影响，传统金融机构的数字化转型紧迫性越来越强烈，尤其是在需要大量样本分析处理的风控环节。我国当前的消费金融市场相当一部分客群集中在优级、次优以下，而消费信贷产品又多以小额、分散、线上化为主，复杂的受理环境决定金融机构需要一个能不断迭代的智能风控解决方案。

针对AUTOMAN的迭代创新，萨摩耶数科人工智能团队负责人表示，目前 AUTOMAN1.5版本已经在内部测试中，而AUTOMAN2.0版本将新增回归模式。未来我们还将持续加大研发力度，持续推动人工智能在金融风控领域的应用。

另外，考虑到外部环境的波动及客群变化，后期萨摩耶数科考虑增加模型自迭代功能，实时应对外部风险的变化。同时，AUTOMAN平台将实时学习外部前沿算法及模型优化方法，加入更多插件。

图片来源：网络

人类对人工智能的想象及优化，其实早在18世纪就已开始。当时欧洲有一个堪称超越人类的Mechanical Turk（土耳其机器人），这个国际象棋游戏机器人的棋技卓尔不群，闻名欧洲与美洲，拿破仑和本杰明·富兰克林也不是其对手。机器人发明者去世后真相被揭开，这个机器人里其实藏着一个被雇来的国际象棋大师。

进入二十一世纪，亚马逊为了删除网站上重复的产品，研发了一个人机混合的Amazon Mechanical Turk（亚马逊土耳其机器人），该人工智能技术能让企业通过编程寻求遍布全球的廉价人力资源，去帮助企业做一些类似删除重复内容、音频转录等劳动密集型工作。

从土耳其机器人到亚马逊土耳其机器人，可以看出人是人工智能的核心，一切人工智能都需要经过人的指导进行反复算法训练，才能智能且高效地工作。这背后其实有一个很朴素的逻辑，人工智能的强大必须建立在人才队伍和科技投入上。

萨摩耶数科能持续更新样本模型自动化设计平台AUTOMAN ，也正是源于科研人才储备和大量的研发成本投入。萨摩耶数科创始人及核心团队来自华中科大、复旦大学等知名高校，博士、硕士学历者占比高，并且均深耕金融科技领域多年，具有丰富的科技创新实战和互联网风险管控经验。

研发技术投入方面，萨摩耶数科研发成本投入一直占公司总成本费用较高比重。除了AUTOMAN，萨摩耶数科自主研发的“猎户座”反欺诈模型、“Alpha-S”信贷审核机器人、DNA信用评分模型、“七剑”专有技术系列矩阵以及“欧拉”获客渠道监控等金融科技方案。

得益于扎实的科研投入，萨摩耶数科的金融科技解决方案得到大量金融机构的认可。截止2020年9月，萨摩耶数科已与包括商业银行、消金公司、信托公司和小贷款公司在内的近80家持牌金融机构达成合作，已累计为持牌金融机构输出了6000多万用户。

2017年，麦肯锡发布《人工智能：下一个数字前沿？》研究报告，报告采用大量企业经营的数据证实大规模采用人工智能技术将为企业带来丰厚回报，而那些未使用人工智能的传统企业正在被人工智能早期使用者远远甩在身后。

三年过去了，坚持以人工智能等金融科技手段驱动业务发展的金融机构，在融资、声誉、体量、抗周期风险能力上，保持一定的优势。传统金融机构数字化转型过程中，金融科技To B也迎来最硬核的风口。

疫情导致金融行业缺口出现，基于人工智能的智能风控科技底层应用会带领金融行业回补缺口，为金融行业的资产增长注入安全新动能，加强金融机构在展业中的风险抵御能力，实现业绩增长与资产质量齐升。

来源：镭射财经