国寿资产、恒生电子成立金融科技联合创新实验室

8月10日讯，国寿资产和恒生电子宣布成立资管行业首个金融科技联合创新实验室，就金融科技的创新展开联合探索、共同研究，更好地促进资管行业金融科技创新成果的实践落地。

国寿资产全称中国人寿资产管理有限公司，是由中国人寿保险（集团）公司和中国人寿保险股份有限公司共同出资设立的国内首批保险资产专业管理机构，是国内资本市场上最大的机构投资者、货币市场的重要参与者。

恒生电子是一家金融软件和网络服务供应商，1995年成立于杭州， 2003年在上海证券交易所主板上市（代码600570）。恒生电子以技术为核心竞争力，聚焦于财富资产管理领域，为证券、银行、基金、期货、信托、保险等金融机构提供整体的IT解决方案和服务，为个人投资者提供财富管理工具。

国寿资产作为老牌保险公司，创新业务及技术实力上无疑是其竞争的短板，而恒生电子作为全领域金融IT服务商，双方合作能够互相弥补其短板。

此前腾讯、阿里、平安三家共同合资成立的众安保险就是一次在金融科技的联合探索，当前市场条件下不同类型公司博取中长成为了业内新常态。

早在2018年11月，恒生电子就宣布启动了恒生金融科技创新实验室计划。通过该计划，恒生希望携手金融机构共同探索和研究金融科技，并推动创新业务的实验与落地，最终实现金融科技赋能金融，让金融变简单的目的。

时隔近两年，恒生电子携手国寿资产成立首个金融科技联合创新实验室，将促进双方在各自领域的进一步探索。

Ellevest：面向女性的数字化智能投顾平台 。

导读

创立于2014年的Ellevest是一家来自美国纽约的智能投顾公司，该公司主要面对女性客户群体，提供一系列更贴近女性需求的投资组合方案。Ellevest关注女性的财务生活需求及职业生命周期，运用大数据及人工智能算法等技术，设计ETF金融投资组合（包括债券、股票和替代方案等），为职业女性提供退休储蓄、子女教育金、置业基金等财务建议，帮助她们更轻松地管控与实现财务目标。Ellevest以其独特的公司定位及优质服务入选了福布斯2018年金融科技公司前50强，是LinkedIn“2019年最受欢迎50家创业公司”之一，被NerdWallet评为“2019最佳机器人投顾公司”之一。

Part 1 公司概述

1.1  公司简介

2014年创立于美国纽约的Ellevest是一个具有使命驱动的数字投资平台，旨在帮助女性客户通过低成本投资实现自己的财务目标。公司的创始人是位女性，作为“女性为女性打造的平台”，Ellevest的成立在美国投顾领域吸引了不少目光。这家性别色彩鲜明的金融服务公司，它的产品与文化都带着独特的属性。

从面向普通客户的数字投资策略，到面向私人财富客户的定制投资组合，Ellevest为各阶层的女性提供投资建议。在投资方面，女性与男性有着理念差异，她们更看重的是人生目标的实现，而非获取超额收益，因此也对投资风险更加厌恶。Ellevest将女性的职业生涯、风险偏好、平均寿命等因素纳入考量范围，为女性提供直观、全面、现实的投资计划，帮助她们更自信地掌握个人资产。平台的运转并非只是提供一个投资组合的标准套餐，而是站在实现客户各类财务目标的角度，根据女性风险厌恶的特点将财务目标的实现率锁定在高于同业的水平。Ellevest还为客户推荐“影响力”投资组合，通过该基金间接投资一些具有社会影响力的女性创始公司或可持续发展的公司。Ellevest被美国全国广播公司财经频道(CNBC)评为美国“50大颠覆者”之一，被LinkedIn评为“最受追捧的初创公司”之一，还被《企业家》杂志评为“100大杰出创意”之一。

据统计，2017年4月，Ellevest拥有雇员32人，个人客户3700位，管理总资产为2500万元。而截至2020年2月，Ellevest共有雇员111人，拥有个人客户43554位，管理资产也超过了5.53亿美元。其中，高净值客户93名，资产总额为2.17亿元，约占公司管理总资产的39%。三年不到的时间里，Ellevest的员工数扩大了三倍，客户群体数量增长了10倍，并吸引了高净值客户的加入，管理资产规模增长超过了22倍。Ellevest以快速增长的态势在美国投顾领域迅速发展着。

1.2  创始人简介

公司创始人兼首席执行官Sallie Krawcheck 

Ellevest的创始人是一位在华尔街历练多年具有丰富投资经验的优秀女性——Sallie Krawcheck。她以善于逆转落魄的大企业而扬名，有“华尔街女王（Queen of Wall Street）”之称，被机构投资者公认为排行第一的最佳分析师。1992年，在哥伦比亚大学取得工商管理硕士后，她进入投资管理公司Sanford C. Bernstein & Co担任高级研究分析师，并在4年后晋升为研究主管。任主管2年后，她被公司任命为首席执行官。此后，她以敏锐的市场观察力与优秀的领导力征服华尔街，先后担任过花旗银行CFO，花旗银行财富管理部门CEO及美林银行财富管理CEO。

2011年，她从美林银行辞职，开始思考为女性在金融投资领域谋求更大的权益。在投资顾问领域拥有资深经验的她认为，现在投顾行业主要针对的都是男性用户，而女性用户的投资行为和需求与男性有明显不同，她开始关注女性领域的金融特点与需求并创办了Ellevest。除了创立Ellevest，她也是拥有135万用户的全球职业女性网络——Ellevest Net的首席执行官，是Pax Ellevate全球女性领导基金的主席，同时著有畅销书《拥有它:职场女性的力量》。她被《福布斯》评为世界排名第七最有权势的女人，在Fast公司发布的“商业领域最具创造力的100人”中排名第九，被《企业家》杂志评为十大未来企业家之一，并登上了《名利场》杂志“2018年新贵榜单”。

1.3  融资情况

Ellevest独特的市场定位吸引了众多投资者的目光，受到了资本市场的关注。截至目前，Ellevest共进行了四轮融资，融资金额共计8660万美元。除了有Morningstar（晨星）、Ulu Ventures、PayPal等机构投资者，还有网球明星Venus Williams、Ariel投资总裁Mellody Hobson等个人投资者。Ellevest获得了女性投资者的大力支持，四轮融资中共有8位女性投资者参与。公司运用这些融资加速了公司规模的增长——包括投资系统技术、拓展产品类别及参与女性金融教育、慈善服务等。

表：Ellevest融资概况

数据来源：Crunchbase.com、index.co

Part 2 商业模式

2.1 市场定位：提供财富管理方案 助力女性发展

据Ellevest调查显示，目前美国金融投资领域86%的投资顾问是男性，平均年龄在50岁以上。她们认为，这些投资顾问在为投资者制定财务方案时一般都默认了以男性的工资特点、职业道路、投资偏好、平均寿命等为基础，提供“无性别差异化”的投资方案，不利于女性的财富增长。而社会调查显示，目前美国女性的财务需求旺盛，她们掌握了超过11万亿美元的财富，百万富翁中女性占比达到了45%。而在40岁以下的女性富裕人群中，有75%的女性都缺少专业的财务顾问；其余25%拥有财务顾问的女性中，仍有高达67%的人认为财务顾问未能充分理解她们的需求。美国女性富裕阶层如何更好地管理自身财富已成为亟待解决的课题。

Ellevest针对这一市场特点，为女性提供了轻松简单的理财方式。它运用线上注册、数据采集、目标制定等方式，结合大数据技术及智能机器人统计分析，迅速的为客户提供财务方案。同时，Ellevest还致力于推广女性事业发展，提供职业发展指导、财富知识教育等。并通过Pax Ellevate全球女性领导基金，为女性创业者提供资金支持。

2.2 产品序列：零起点低费率 差异化的个性服务

Ellevest针对不同投资金额的客户设置了Ellevest数字服务（Ellevest Digital）、Ellevest高级服务（Ellevest Premium）及私人财富管理服务（Private Wealth Management）三个序列，三者在服务年费、服务范围等项目上有所差异。除了服务年费，客户不必支付其他交易成本。但必须支付ETF费用，普通的核心投资组合平均费用为0.06%至0.16%，而“影响力”投资组合的平均费用为0.18%至0.25%。

表：Ellevest数字服务及高级服务

来源：Ellevest官网

表：Ellevest私人财富管理服务

来源：Ellevest官网

Ellevest高级服务及私人财富管理服务均提供了理财规划师及职业教练一对一的贴心指导，帮助客户提升薪资谈判技巧及理财能力。私人财富管理服务还为这部分高净值的客户配置专属财务顾问，帮助她们定制每一个阶段的计划。从长期计划入手，在职业、家庭、税收、现金流、债务、信用、投资、退休和保险九个方面全面管理客户的财富健康。同时，还为客户节省消费、医保、报税等方面的开支，提供信托管理、资产转移、慈善捐赠等方案，最大程度上满足客户全生命周期的财务需求。

2.3 投资模型：目标驱动 融合女性视角

以目标为导向，Ellevest投资模型以客户实际基础为考量点，制定贴合客户现实需求的投资方案。平台模型需要客户填写年龄、职业、收入水平、教育程度、婚姻状况、子女数量及经常账户余额等基本信息，同时提供想实现的财务目标，如置业、创业、子女教育金、退休金等。系统以这些因素为运算基础，整合了特定性别的薪资曲线和预期寿命数据，为客户的财务目标设定提供建议。由于很多女性对于自身财务目标的确定及所需金额没有很明确的概念，故Ellevest给出的最佳预测方案是基于客户的基本信息，后期客户可根据自身的喜好和需求进行调整。

表：Ellevest目标初始金额预测方法

来源：Ellevest投资指南

在客户确定财务目标后，Ellevest将根据客户的风险承受等级为其匹配合适的金融产品。基于资本市场历史数据，Ellevest构建了风险矩阵模型。对女性而言，相较短期收益，她们更看重个人财务目标的实现。Ellevest将女性的一些个人偏好加入财务计划，使得整体模型更加精准。例如，大多数投顾公司会向客户推荐财务指标实现概率为50%的投资组合，而Ellevest则利用科技手段将这一概率提升到70%。Ellevest采用的是负债驱动投资策略（Liability Driven Investing,LDI），该策略由均值方差优化模型（Mean-Variance Optimization,MVO）和盈余优化模型（Surplus Optimization）组成。值得一提的是，LDI是退休金计划里常用的策略，该策略基于目标金额分析当前负债及未来现金流支出的情况，以跟踪的方式优化投资路径，在既定收益的情况下最小化风险，以增加投资组合的实现概率。同时，公司使用Monte Carlo模型模拟目标结果，在数百个不同的经济场景中运行7个推荐投资组合和储蓄率，以确定一系列可能的结果，助以实现客户目标。当投资组合在偏离特定目标和范围的阈值时，会受到系统模型的监控和重新平衡，调整组合风险。

2.4 投资标的：涉及21个类别 特色“影响力”基金

在投资标的的选择上，Ellevest与知名研究评级公司Morningstar合作，运用机器算法筛选市场上合适的交易所交易基金（ETF）。这些ETF主要来自先锋基金、嘉信理财和其他公司，具有持有成本低、流动性高、税收效率和跟踪偏离度低等特点。与其他智能投顾公司相比，Ellevest关注更多类别的投资标的，投资组合具有较强的多样性以更好地分散组合风险。Ellevest关注21个类别的标的资产，包括美国大中小盘成长股、价值股及各类型债券。与部分投顾公司有所不同，Ellevest没有避开全球房地产信托基金，公司认为这些房地产信托基金及美国通货膨胀保值债券可以为投资组合提供通胀保护。虽然从历史上看，投资房地产信托基金的风险更高，但从长远来看，它们提供的通胀保护、多元化收益和潜在回报可能会超过这些风险。

图：Ellevest关注的资产类别（来源：Ellevest官网）

除了核心投资组合，Ellevest还为客户提供“影响力”投资组合。该投资组合投资于ETF及部分共同基金，致力于支持女性事业发展及环保慈善事业。所选的共同基金涉及女性及慈善主题，投资于女性领导及富有社会责任感的企业。这些企业提供社区福利服务，如儿童教育、表演艺术、养老机构等；或者在环保领域表现突出，具有可持续发展性。投资标的中有新兴市场指数基金、Access Community资本基金及Pax Ellevate全球女性领导基金等六种基金。其中，Pax Ellevate全球女性领导基金是Ellevest所有权子公司，投资于女性领导及人口种族多元化的公司，帮助事业女性提升职场领导力。

图：Ellevest“影响力”投资组合关注基金（来源：Ellevest官网）

Part 3 竞争与挑战

3.1 竞争优势：

（1）“零门槛、低收费”为所有女性提供财务建议

客户不需要承诺投资金额便可开始进行财务咨询。Ellevest平台为所有注册客户开放，用户仅需注册账户，便可通过表单信息填写进行财务方案咨询，Ellevest平台机器人将根据客户所填写的信息迅速给出财务建议。便捷的“零门槛”咨询服务吸引了众多没有投资经验的年轻女性。同时，Ellevest会持续关注客户动态，通过邮件关怀等方式分享近期资本市场新闻及女性理财建议等，进一步吸引这些注册用户进行注资投资。而用户仅需投资5万美元，便可获得Ellevest高级服务，获得一对一理财建议及职业指导。

（2）支持客户通过一个账户管理多个财务目标

Ellevest以客户的生命周期为测算维度，支持客户的多个财务目标。客户可以同时提出置业金、子女教育金、退休计划等多个财务目标，平台会依据客户现有年龄、收入等因素，将一系列财务目标进行现金流测算及折现，为客户提出一个综合方案。同时，Ellevest还提供现实的考量，用来权衡多个目标的关系。例如，客户今年购买一辆新车可能需推迟买房和退休的计划，或者更低的储蓄率和相对保守的投资会影响未来的大学学费计划等。客户仅需一个账户，便可跟踪、权衡、管理多个财务目标。

（3）“自动平衡”的数字化投资模型

Ellevest采用目标驱动投资策略，运用Monte Carlo模型为客户筛选定制投资组合。与其他投顾平台不同的是，Ellevest认为控制投资组合风险比严格维持特定的资产配置更重要，故平台模型选择对投资组合的整体风险进行持续跟踪，而非紧锁投资组合的资产配置。当投资组合的整体风险偏离其资产配置时设定的投资目标与时间范围时，投资组合会被重新平衡。同时，如果客户的投资组合收益落后于预设的目标，Ellevest会督促客户做出适当的调整，比如将目标实现日期推后或者进行更大额更频繁的储蓄。

3.2 不足之处：

（1）储蓄利率较低难以吸引客户

Ellevest的投资方案会帮助客户建立一个金额为三个月税后工资的应急基金。平台不对该笔资金收取管理费，并帮客户把资金安全存放在联邦存款保险公司(FDIC)的银行账户中。但该账户只提供给客户0.01%的储蓄利率，远低于客户通过网上银行储蓄账户可赚取的利息。而其他智能投顾公司会为客户提供储蓄账户或现金管理账户，并支付2%以上的利息水平。

（2）没有提供税收损失回收（tax-loss harvesting）服务

与Betterment、Wealth front等其他智能投顾公司相比，Ellevest没有提供税收损失损失回收（tax-loss harvesting）服务。该服务自动提供节税功能，具体操作是自动卖出投资者亏损的资产，抵免一部分资本利得税，同时买入其他类似资产，从而达到合理节税和增加客户净收益的目的。而Ellevest采用的是一种“税收最小化方法”，尽力将任何可能产生税收的证券放入递延税款的退休账户，将低税收负担的投资放入应税账户，同时配置税收效率较高的市政债券，运用自动平衡方法最大化应税损失和最小化应税收益。虽然该方法在一定程度上为客户节省赋税，但对于应税账户余额较高的客户不是一个很好地选择。

（3）投资方案对年龄因素的考量过于乐观

Ellevest为客户制定投资方案时会将女性平均寿命更长的因素纳入考量。有研究表明，由于该因素的考量比重较大，Ellevest将一个积极的投资组合推荐给了60岁以上有20年财富积累的客户。同时，平台也将一个相似的投资组合推荐给了一位30多岁的潜在客户。也许需要鼓励女性积极承担投资组合增长的风险，但市场上大多数投资经验表明，60岁以上的客户更需关注其资本的保本属性。Ellevest对年龄因素在投资方案里的考虑也许过于乐观。

Part 4 未来发展

“为女性发展助力，帮助她们实现更好的财富人生。”Ellevest在女性领域所提供的金融服务吸引了公众的目光，也帮助众多女性拥有了适合自己的财务规划。越来越多的女性拥有独立自主的意识与需求，她们渴望通过专业的平台来帮助自己更好地掌控自由人生，且这个市场在不断的发展壮大中。由于Ellevest整体业绩表现稳定，且在管理费、起点金额、咨询服务等方面拥有一定的优越性，平台也吸引了不少男性客户的加入。Ellevest将在平台技术、产品服务等领域加大投资，为客户提供更优质的投资管理水平。同时，据美国经济分析局数据显示，今年美国4月份个人储蓄率达到了历史性的33%，是该部门1960年开始追踪数据以来的最高值。全球疫情使美国人民减少了消费增加了储蓄，也为如Ellevest的智能投顾公司提供了进一步帮助客户管理财富的机会。

Ellevst首席执行官Sallie Krawcheck表示，她们希望女性不仅能在财富上拥有更多的自由，也希望女性能在教育、职场等领域受到更好的待遇。2020年3月，Sallie Krawcheck受邀成为慈善基金Time’s up全球领导力委员会成员，该基金致力于为各类女性在职场上提供全方位的帮助，努力为女性创造一个安全、公平和有尊严的工作环境。Ellevest将在深耕金融投资领域的同时，进一步助力女性职业规划与事业发展，扩大公司影响力。

来源：36kr

低门槛智能投顾受年轻人追捧 帮你投一半用户是90后

基金投顾试点半年以来，在国内受到投资者尤其是年轻人的青睐。蚂蚁集团和全球第一公募基金Vanguard联合推出的帮你投，将以前高净值人群才能享受的服务带入寻常百姓家。支付宝平台数据显示，帮你投超过一半的用户是90后。

虽然经历全球市场剧烈波动及5月的债市暴跌，但推出3个月的帮你投还是交出第一份不错的成绩单：截至6月底，七成用户都赚了。其公司先锋领航投顾CEO张宇表示：“从帮你投上线当日就购买且持有至今的用户甚至100%都获得了正收益。”

7月2日，帮你投登上支付宝理财平台首页，并宣布服务升级，可实现千人千面调仓。据悉，近期帮你投用户就将陆续迎来首次调仓检测。

行业首推千人千面调仓

普通人的投资理财正在变得智能。目前市场上大部分FOF、基金组合只能同一时间针对所有客户一起进行调仓，而帮你投首推千人千面调仓，对每个持仓用户进行动态“体检”，再根据检测结果进行调仓，实现“私人订制”。

据张宇介绍，这是帮你投投研团队分析近13年的基金数据，结合收益率、波动率、交易成本等多方面模拟得出的调整。

除组合检测外，帮你投用户的持仓波动超过一定范围，也会触发调仓，以应对市场的剧烈变化。此外，这次升级还将丰富投资标的、新增主动权益类基金等。

年轻人更拥抱智能投顾

第一批帮你投用户是什么样的？数据显示，帮你投用户中一半为90后，一二线城市用户占比超过一半，近4成用户的职业为白领。张宇表示：“千禧一代的年轻人是移动互联网的原住民，他们习惯用余额宝，习惯在线理财，也更加拥抱智能投顾。”

和以往普通基金用户相比，帮你投用户的交易频次显著下降了4成多，这说明在有专业服务陪伴的情况下，用户长期持有基金的意愿更强烈。他们不止“沉得住气”，还愿意继续追投。3个月内，超3成的用户选择了追投，金额占到了总金额一半以上。

据张宇介绍，截至6月底，七成用户都赚了。但他同时也透露，部分亏损的用户主要是存在追涨杀跌的投资行为，还有一些用户买入后7天内就赎回，导致基金公司收取惩罚性赎回费用。

“在市场上涨时主动修改风险测试并加仓，增加成本的同时也增加了风险。市场下跌，又开始减仓甚至全部赎回。”张宇介绍，追涨杀跌是亏钱的主要原因。

“帮你投作为投顾服务，要真正做到陪伴用户。”张宇表示，帮你投每两天就会向用户推紧贴市场的投资笔记，每周还有日评、周报、直播等多种投教互动，跟进体验调研等，最终是希望用户对理财有正确的认知，不要短期追涨杀跌，而是结合自己的风险承受能力跟生活目标，立足长线，在理财上做时间的朋友。

目前，已有超6亿人上支付宝理财，使其成为大众理财首选平台。支付宝与超过300家银行、基金公司、保险公司、证券公司等金融机构合作，帮助人们从理财启蒙走向理财观的进阶。

来源：新浪财经

李俪：智能投顾中的信义义务

一、引言

2017年7月，国务院印发《新一代人工智能发展规划》要求发展智能金融，创新智能金融产品和服务，鼓励金融行业应用智能客服、智能监控等技术装备。智能投顾正是人工智能在金融领域的具象表达，公众投资者得以较低的资金门槛和费率获得传统投顾模式下仅面向高净值人群的资产管理服务。近十年，全球智能投顾行业风起云涌。美国智能投顾机构，以Wealthfront、Betterment为代表，资产管理规模呈现爆发式增长。截止2015年底，Wealthfront的资产管理规模约29亿美元，Betterment已超30亿美元。国内智能投顾行业起步于2014年，经过2016-2017年的快速扩张，智能投顾平台已超30余家。艾瑞咨询联合陆金所发布的《智能理财4.0：2019全球智能理财服务分级白皮书》也指出我国智能理财服务增长潜力巨大，预计2022年中国智能理财服务市场规模将达到7370.5亿元。传统投顾通过联系客户、了解其投资需求，向客户提供咨询乃至全权委托账户管理服务，智能投顾则运用了人工智能技术基于资产组合相关理论来搭建数据模型和后台算法，将咨询行为前置于算法程序以替代传统模式下的客户交互环节。尽管智能投顾没有颠覆投顾机构与投资者间的信义关系，却架空了传统投顾的信义义务规范，对现有法律体系提出了新挑战。既有研究对比了智能投顾在域外与本土语境下的业务模式分歧，即是否认为资产管理是投资顾问的应有之义；肯定智能投顾具有个性设计、风险分散、理性决策、平衡调整的功能优势；进一步探讨了投顾算法能否成为信义义务主体，无论实务还是理论都支持现阶段投顾算法尚不具备主体资格；提出扩充忠实、注意、信息披露等信义义务具体内容。但既有研究未能深入智能投顾的信义关系模型，信义义务的主体规则尚有不足，更鲜少本土视角的规则分析。本文遵循“信义关系——信义义务”进路，由传统投顾既有规则体系切入，搭建智能投顾信义关系模型，提出智能投顾在传统信义义务体系下的困境。为化解上述法律困境，本文尝试提出智能投顾信义义务的完善路径，厘定信义义务主体并着手细化具体信义义务要求。

二、智能投顾的界定与业务模式

目前，成熟的智能投顾产品已然能够依托智能算法与大数据技术分析海量的历史数据，熟练运用自然语言处理系统对特定事件进行快速实时的市场分析，呈现个性化的投资建议乃至于提供后续管理全权委托的账户。智能投顾的概念是暧昧乃至矛盾的，但法律界定与业务模式是厘清信义关系进而完善信义义务规则的逻辑起点。（一）智能投顾的法律界定“智能投顾”在各国法律中的含义有所差异。2017年美国证券交易委员会（SEC）在《智能投顾监管指南》中，将“智能投顾”定义为通过基于网络算法的程序、利用创新技术为用户提供全权委托的账户管理服务的注册投资顾问。此前，美国金融业管理局(FINRA)《数字化投资顾问报告》认为投资顾问的价值链包括：用户档案创建及用户分析、资产配置、投资组合选择、交易执行、投资组合再平衡、税收损失收割及投资组合分析等六项功能。能够支持前述六项功能的数字化投资工具被称为“智能投顾”。而国内尚无规范性文件对“智能投顾”作出界定，《关于规范金融机构资产管理业务的指导意见》（以下简称“资管新规”）第23条区分为金融机构运用人工智能技术开展投资顾问和资管业务两种情形。国际证监会（IOSCO）《金融科技调查报告》则认为智能投顾是“根据现代投资组合理论，向公众投资者提供投资金融服务的平台”，将其纳入“零售交易与投资平台”项下。智能投顾本质上属于投资顾问。我国智能投顾业务范围的模糊根源于中美两国投资顾问法律规定上的分歧。美国《1940年投资顾问法》第202条a款第11项定义投资顾问为“为了报酬，直接从事或者通过出版物、写作等方式从事，就证券的价值和证券投资、买卖的机会向他人提供建议活动的任何人，或者为了报酬，作为日常业务的一部分，发行或者发布涉及证券的分析、报告的任何人”。美国通过《1940年投资顾问法》创设了兼具投资顾问与资产管理服务的广义“投资顾问”概念，并建立起统一的金融牌照管理制度。我国尚未制定统一的《投资顾问法》，关于投顾业务的法律规定散见于各规范文件中。《证券投资顾问业务暂行规定》第2条规定，“证券投资顾问”是证券投资咨询业务的一种基本形式，指证券公司、证券投资咨询机构接受客户委托，按照约定，向客户提供涉及证券及证券相关产品的投资建议服务，辅助客户作出投资决策，并直接或者间接获取经济利益的经营活动。投资建议服务内容包括投资的品种选择、投资组合以及理财规划建议等。《证券、期货投资咨询管理暂行办法》第2条对“证券、期货投资咨询”的定义与上文相似，第24条禁止证券、期货投资咨询机构及其投资咨询人员代理投资人从事证券、期货买卖。《证券法》第161条禁止投资咨询机构及其从业人员代理委托人从事证券投资。对比而言，我国现有法律中的“投资顾问”是一个狭义概念，仅提供投资咨询。根据国际证监会组织（IOSCO）2016年统计，15个国家和地区中仅有香港和印尼的智能投顾业务主要限于基金销售。必须看到，智能算法作为一种技术手段，虽然可以用于投资咨询，在实务中却主要用于资产管理。实践中，各国也多倾向于将智能投顾认定为综合性业务。即使是实行狭义智能投顾概念的国家，服务商也往往通过取得多个牌照向投资者提供综合性业务。为缓解实践与理论之间的紧张，本文对“智能投顾”采广义观点。即智能投顾不限于纯粹辅助性的投资咨询，而是囊括主动性资产管理在内的多种业务捆绑形成的一站式综合理财服务。（二）智能投顾的业务模式参考市场上比较成熟的产品，智能投顾的业务全流程如下（见图一）：（1）客户画像绘制。智能投顾机构收集客户的个人信息、资产储备、投资预期和风险预防能力等情况，创建客户档案。（2）投资组合配置。智能投顾机构综合特定客户的画像和预设投资产品提供符合投预期的配置建议。（3）客户账户链接。一般而言，智能投顾机构接受投资者全权委托，对特定账户实施自动资产管理。由于我国禁止全权委托，这一环节在实务中往往略去或借助其他手段实现。比如，投米RA为规避上述禁令与第三方海外证券公司合作，由券商嘉维证券（Drive Wealth）自动代理理财，资金托管方和资金结算合作方是美国ETC公司。（4）交易执行。若智能投顾平台本身具有经纪商的牌照，如Betterment，由其本身执行；若智能投顾平台不持有经纪商牌照，如Wealthfront，则由第三方证券经纪公司执行交易指令。（5）投资组合再平衡。智能投顾平台须实时跟踪、持续监控，定期出具投资组合的业绩。获得全权委托的智能投顾机构还能根据用户需求和市场规律进行自动调仓。（6）其他服务，包括税收损失收割、绩效事后评价等。这些服务同样以投资者的全权委托账户为前提，税收损失收割是指卖出投资者亏损的资产，抵免一部分资本利得税同时买入其他类似资产。智能投顾还可以对资产管理绩效进行事后评价，如Schwab Intelligent Portfolios通过税收收割交易次数、组合调整次数、节税比率、跟踪误差四个指标评价投资建议得优劣。

以是否有全权委托账户为标志，上述流程被划分为智能投顾（投资咨询）和智能投顾（资产管理）。两者并非并列关系，而是递进关系，后者涵盖了前者的咨询功能。参考智能投顾的业务层次划分，智能投顾（投资咨询）是第二层，智能投顾（资产管理）则是第三层乃至第四层。深交所对券商、基金公司的调研指出，国内智能投顾机构尚在起步阶段，处于上述第二层次，离全流程智能化尚远。而且，国内相当一部分平台并非真正意义上的智能。

相较非智能化投顾，智能投顾有如下特征：

（1）智能投顾以大数据和人工技术为依托，利用内置金融逻辑的算法模型生成投资建议，理财方案清晰且方便操作。而非智能化投顾则往往依靠经验作出预测判断，对数据的处理通常是有限的搜集与简单的归类，且无法较好地分析数据之间的关联性。

（2）智能投顾重视投资者的不同需求，能够根据投资者的财富情况、风险偏好、投资目标等因素绘制用户画像并据此调整投资建议。而非智能化投顾提供服务虽有从投资者适当性角度进行区分，实质仍是基于粗糙分析的一般化建议。

三、传统投顾中的信义义务

美国证券交易委员会（SEC）在《智能投顾监管指南》中指出，智能投顾与传统投顾同样受到《1940年投资顾问法》中信义义务的约束。对传统投顾信义关系与信义义务的回溯看似冗余，实则是立足于智能投顾与传统投顾的共性，证成传统投顾的信义关系、抽取信义义务框架搭建智能投顾的信义义务体系。（一）信义义务的基础：信义关系信义关系起源于财产法中的信托制度。英国封建社会中，地产的直接所有者是国王。遗产继承人必须向国王交纳高额的税费，律师由此构思出信托制度。将地产合法转让给受托人，受托人“为另一人之用益而受托”名义下持有并依据与委托人的契约管理该地产。但在当时的英国，约定的义务不受法律保护。为保障受益人的权利，双层所有权理论应运而生，即受托人对财产享有“普通法上的所有权”，类似于他物权；受益人享有“衡平法上的所有权”，就是真正的所有权。由于外延模糊，信义关系逐渐泛化到具有信托关系类似特征的领域，比如委托代理关系等。合伙企业和公司制度形成后，合伙人、控股股东、公司董事和高级管理人员成为信义义务人。甚至有学者提出信义政治理论将信义义务扩张适用至公法领域。根据该理论，政治职务属于一种公共信托，行政人员在社会管理过程中对民众负有信义义务。信义义务已然成为超越行为法与组织法分野，辐射所有基于信赖关系形成的法律关系，涵盖私人领域与社会公共领域的规范体系。Tamar Frankel指出信义关系满足如下特征：（1）受托人替代委托人执行事务；（2）受托人籍委托行为获得前文所述的“普通法上的所有权”，该权利允许受托人对影响受益人利益的行为进行自由裁量；（3）委托人无法通过其他途径获得受托人滥用权利的救济。由此可见，信义关系本质上是当事人之间的一种不对等关系。委托人因其与受托人在专业知识、技能经验和信息搜集等关键资源上的不对等产生依赖，授权受托人代行受益人的权利。其中，受托人处于优势地位，而委托人处于劣势地位，因而受托人的道德风险频发，信义义务的创设正是为了填补双方地位上的优劣差异。传统英美法系中的信义义务包括忠实义务与注意义务。信义理论从二十世纪中期开始扩展到各类金融机构与投资者之间的法律关系。美国商品期货委员会（CFTC）在成立之初即大力引入信义义务解决期货从业者与客户之间的纠纷。传统金融消费关系与信义关系的基础特征相契合。信义义务在解决金融领域的代理机会主义行为等问题上具有针对性和灵活，对金融监管也能起到极大补足作用。在金融综合化和技术化趋势下，传统的忠实义务和注意义务演化成更高的职业信义义务施加于金融机构与金融从业人员，忠实、注意、信息披露、适当性等具体义务不断丰富信义义务的内涵。（二）传统投顾中的信义关系传统投顾机构与投资者间法律关系属性存在着一定程度上的割裂。（见表一）在传统投顾（投资咨询）模式下，投资顾问与投资者间表面是平等自愿的委托合同关系，但投资顾问的专业知识、信息和谈判等能力远优于投资者，投资者基于对投资顾问专业水平与职业道德的信赖而订立投顾合约。由于投顾合约的不完备性以及人的有限理性，投资者容易被动接受顾问行为的后果，两者之间构成信义关系。这一点国内外理论界及实务界几无争议。传统投顾（资产管理）模式下，投资者为委托人将资金托付投顾平台形成资金池，由投顾平台作出投资决策并负责管理资金池内的资金，投资者承受投顾平台的管理资产的损益，这些要素与信托性质完全吻合。由于我国禁止投资顾问全权代理的规定，国内传统投顾（资产管理）实质上被分割为投资咨询、资产管理两项服务。本文在不考虑上述禁止性规定的情况下，探讨国内传统投顾（资产管理）模式下投顾机构与投资者间法律关系的性质。考虑到我国金融分业格局下信托、资管业务的牌照制管理，“信托”更多作为组织类型存在而非业务类型。交易模式和法律构造上并无差别的资管业务仅因为金融机构类别差异而有“信托”与“委托”之分并不合理 。更何况，即便投顾机构与投资者间法律关系既不符合信托关系，委托关系在行为效果归属、合同当事人、受托人权限以及受托财产独立性等方面并不能达到传统投顾（资产管理）交易设计的预期。投顾机构与投资者间法律关系在具体类型上几乎无解，但无论是投资咨询还是资产管理本质上都是符合信义关系的特征的，可以整体定调为信义关系。综上，传统投顾机构与投资者之间的法律关系已然在信义关系的范畴内和谐统一。

值得注意的是，投资顾问往往兼有多重身份，利益冲突在所难免，其与投资者之间的信义关系更为复杂且脆弱。投资顾问作为公司员工，受到投顾机构的业绩指标和考核激励等影响；作为受托人，实施职务代理行为被职业道德所约束；作为理性人，受到实现自身利益最大化的驱动。比如，投资者利益与投顾机构经纪业务间存在利益冲突，投资顾问可能为获取高额佣金建议投资者增加交易量。即使投资者因此获得了更多的收益，由于投资顾问没有考虑到投资者的风险偏好和承受能力，存在利益冲突之嫌。又比如，投顾机构的自营或者承销业务可能有所影响，投资顾问可能倾向于正面评价，给以买入或持有评级。（三）传统投顾中的信义义务美国业界普遍认为投资顾问对投资者负有信义义务，兼有普通法与联邦制制定法法源。其中，普通法法源是法官依据代理法或信托法原则做出的判例，联邦制定法法源主要是《1940年投资顾问法》第206条以及相关释令。在SEC v. Captical Gains案中，美国联邦最高法院认为《1940年投资顾问法》第206条为投资顾问设置了信义义务，要求其“依善意行事”，向客户“完整、公平地披露重要信息”，注意“合理谨慎避免误导客户”。SEC在《1940年投资顾问法》释令No.3052和No.3060中指出，“根据投资顾问法设定的信义义务规则，投资顾问应当为投资者的最大利益服务；这就要求投资顾问必须将客户利益置于自己利益之前；投资顾问必须进行合理的调查，从而基于准确、完整的信息向客户给出投资建议。”我国投资顾问信义义务规则始见于证监会1997年《证券、期货投资咨询管理暂行办法》第四章证券、期货投资咨询业务管理，2010年《证券投资顾问业务暂行规定》进一步细化了相关条款。（见表二）

忠实义务是信义义务中最为核心与基础的内容，要求投资顾问仅得为特定投资者利益行事。在面对利益冲突时，未得到投资者同意或是未向投资者充分披露相关信息之前，优先投资者利益并不得损害其他投资者利益。投资顾问与投资者利益冲突主要表现为：自我交易、双方代理以及关联方交易。美国《1940年投资顾问法》第206条禁止投资顾问以本人身份与该顾问客户进行自我交易以及投资顾问同时担任其他客户和该顾问客户的经纪人进行的对盘交易。我国《证券投资顾问业务暂行规定》规定投资顾问不得为公司及关联方利益损害客户利益，不得为证券投资顾问人员及其利益相关者的利益损害客户利益，并不得为特定客户利益损害其他客户利益。一个典型的例子是SEC v. Captical Gains案，投资者向被告每月支付18美元以获取顾问建议。1960年3月至11月间，被告多次提前买入向投资者推荐的股票，套取股价上浮的利润。被告从未向投资者披露利益冲突，没有做到提供合理、公正的投资建议。为确保投资顾问的独立地位，《证券、期货投资咨询管理暂行办法》还禁止投资顾问与投资人约定分享投资收益、分担投资损失，为自己买卖股票及股票性质、功能的证券以及期货，或利用咨询服务与他人合谋操纵市场或者进行内幕交易。美国《1940年投资公司法》第80a-56节也限制了证券投资顾问可能从事的三种利益冲突行为：（1）投资顾问不得向投资公司出售、购买证券或者其他财产，除非满足特定条件；（2）投资顾问不得从投资公司获取贷款或者向投资公司贷款；（3）投资顾问不得与投资公司共同参加任何交易。
注意义务要求在执行投资决策时，投资顾问机构以与管理自己事务同等的谨慎、勤勉和技能履行其职责，注意义务包括但不限于：（1）提供符合客户最佳利益的投资建议。投资区别于一般商品交易具有高度专业性、技术性和市场风险性，为提供符合客户最佳利益的投资建议，投顾从业人员必须取得相应从业资格，落实各项业务规定，做好尽职调查并基于对客户投资目标的理解而提出相应的投资建议。2017年上海证券之星因业务违规被处罚，其中包括：未有效落实业务环节留痕管理要求以及个别无证券投资咨询执业资格的营销人员提供证券投资分析预测建议，违反了投资顾问的注意义务。证监会广东监管局《关于对上海证券之星综合研究有限公司广东分公司采取责令暂停新增客户措施的决定》指出，上海证券之星在2017年8月21日前未对客户的风险承受能力进行评估，且未依据客户特征及其投资目标向其提供匹配的适当建议。对于散户投资者来说，通常包括了解其投资画像，包括财务状况、投资经验与财务目标等等；对机构投资者来说，须了解其投资使命。（2）在投资顾问有责任选择经纪交易商执行客户交易的情况下，争取客户交易的最佳执行。最佳执行是指投资顾问应当考虑经纪服务的整体范围和质量，包括所提供研究的价值、执行能力、佣金率、财务责任和对投资顾问的回应等指标，使客户每笔交易中总的成本或者收益在当时的情况下最有利，仅提供账户全权委托管理服务的投资顾问负担此项义务。（3）投资顾问还应当定期和系统地评估特定客户交易的执行情况，持续监督防止潜在风险。

信息披露义务不同于普通法的反欺诈条款。反欺诈条款仅禁止错误和不实的披露，但不禁止完全不披露，除非证明一方故意阻止另一方获取重大信息。信义关系中投资顾问对投资者的信息披露标准，取决于特定事实的重大性以及特定客户对投资顾问的信任和依赖程度。信息披露义务与忠实义务内容存在些许重合，忠实义务仅要求充分、完整地披露潜在利益冲突相关的信息或资料，使得特定客户知情并同意；信息披露义务还要求如实披露对于投资建议全过程有实质意义的全部信息资料，比如投资建议本身的风险。两者之间的差异在传统投顾中表现并不明显，及至智能投顾兴起，信息披露义务才逐渐发展成为一项独立的义务。

四、智能投顾对传统信义义务的挑战

信义理论在智能投顾业务中的扩张一方面印证了信义义务的自身张力和适应性品格，另一方面是公平原则对投资者、投顾平台和算法应用研发者之间权利义务分配的矫正，背后是对金融发展与社会公平之间关系的省思。长期以来，金融发展理论陷于效率与安全的窠臼，逐渐显现出左支右绌。金融公平理念在实践需与理论深化中迎来勃兴，金融可以且应当维护和实现公平成为共识。智能投顾对传统信义义务的挑战是依托智能算法、大数据技术获得极大发展的工具理性倒逼固有的价值理性的结果；而智能投顾信义义务体系的完善则是价值理性获得相应提升进而引导工具理性的产物。（一）智能投顾的信义关系模型不同于传统投顾，智能投顾的信义关系模型涉及到投顾算法主体地位认定、义务承担次序与范围。传统投顾模式下仅投顾机构与投资者间形成单一线性的信义关系；而智能投顾模式下由于算法程序设计者与金融逻辑架构者的介入，信义关系体系呈现多维化和立体化。投顾算法的主体地位是人工智能的发展无法回避的争点，更是检视智能投顾信义关系的前提。学界主流认为人工智能的发展分为三个阶段：（1）弱人工智能阶段。在此阶段，人工智能主要为单个人工方面事务的机器人，其运行原理根据预设的算法对大数据进行分析和处理。（2）强人工智能阶段。该阶段的人工智能主要为人类级别的人工智能，可以进行所有人类能进行的思维活动，包括但不限于学习理解、抽象思维、总结经验、解决问题等。（3）超人工智能阶段。该阶段的人工智能几乎在所有领域都能超越人类大脑。从法律主体地位角度审视，大陆法系认为独立的法律人格需要符合社会存在与法律确认这两个必要条件，即需要独立自主地做出意思表示并得到法律明确确认，而行为能力则要求满足法律人格的条件的基础上拥有现实自主的财产。尽管学界对人工智能的主体价值争论不休，现阶段的智能投顾仍属于弱人工智能，不具有人的理性诉求、表达能力、自我认知能力以及情感、意念的产生与输出机制，也没有独立财产。根据奥康剃刀原理（“如无必要，勿增实体”），现阶段的智能投顾止步于法律客体地位，不能获得法律人格与行为能力。美国《统一电子交易法》将其统称为“Electronic Agent”，当合同当事人采用电子代理人进行交易时，应当由合同当事人承担交易结果和责任。司法实践也不支持智能投顾的主体地位。在Micheal D. GREEN v. MORNINGSTAR，INC.案中，原告是接受智能投顾服务的投资者，认为被告所经营的智能投顾在运营中有建议投资者选择昂贵的投资项目倾向，即投资者遭受了被告公司的不公平对待。在该案件中，应诉主体就是智能投顾平台的运营者。不同于传统投顾的人工支持度高，智能投顾将咨询行为变成一个人机混合的过程，既有背后设计者与运营者的设计和介入，也有台前依托算法程序的决策。参考既有研究，本文对智能投顾的法律关系进行梳理。（参见图二）传统投顾关系中信义义务人仅是自然人或者法人，而智能投顾法律关系中新增了设计研发者的第三方，在应用研发阶段即将关于投资者和市场的基本假设、重要参数、资产配置逻辑和盈利目标的设定置于算法模块。厘清三者之间的基本法律关系有助于界定信义义务的主体、内容与边界。

智能投顾平台与特定投资者之间的关系信义义务根源于智能投顾平台与特定投资者间的事实上不对等的信义关系，而非两者间的投顾合约。智能投顾平台与特定投资者之间的关系没有因为算法的应用而发生实质性变化。值得注意的是，传统投顾门槛至少都在百万以上，所针对的受众往往是高净值人群；而智能投顾通过算法配置投资建议极大降低了人工成本，资产组合多样但所针对的受众资产净值门槛大幅降低。也即资管新规所称的“不特定社会公众”，《证券、期货投资者适当性管理措施》称为“普通投资者”。比如建行“龙智投”投资门槛低至2000元，提供36种投资组合，而招行“摩羯智投”起投金额为2万元，其提供30种投资组合供选择。低净值投资者的信息获取和专业能力较高净值投资者更差。高净值投资者与提供顾问服务的金融机构间已然不对等，低净值投资者差距尤甚。无论是投顾算法深度学习的过程不可监测和结果不可预知，抑或全流程智能投顾链条的复杂化所导致的信息不对称，都进一步加深了投资者对投资顾问的依赖。去人工化的业务模式导致，因此，智能投顾在低净值投资者适当性匹配、风险警示以及信息告知等方面须施加更为严苛的信义义务。

2.算法应用研发者与智能投顾平台之间的关系由于算法应用研发对专业技术和资金实力的要求，目前的智能投顾平台所依托的算法金融应用主要是由金融机构服务者外包于第三方机构设计研发而成的，仅有少部分智能投顾平台是自行研发并投入使用的。算法应用研发者与智能投顾平台之间形成承揽合同法律关系。算法应用研发者包括算法程序设计者与金融逻辑架构者。其中，金融逻辑架构者依据Markowitz均值—方差模型、Black-Litter-man模型、Augmented Black-Litterman模型等现代投资组合模型，以及资本定价模型（CAPM）、套利定价模型（APT）等理论建立投资组合、实现风险分散。算法程序设计者按照智能投顾平台的要求研发设计出符合其金融业务要求的智能算法应用，并根据社会发展和实践变化对该算法应用进行维护和更新，以保证和维护算法的有效性。因此，算法应用将智能投顾平台与应用研发者长期紧密地关联起来，应用研发者长期牵涉于算法应用法律关系之中。这意味着与传统模式下投资者仅与投顾平台形成信义关系，现阶段智能投顾模式下投资者信义关系的另一方是投顾平台与算法应用的络合体。

3.算法应用研发者与特定投资者之间的关系如前所述，大部分智能投顾服务都涉及算法应用研发的第三方。智能算法在智能投顾中的主导地位不成比例地强化了算法应用研发者的地位。既有文献未能明确特定投资者与应用研发第三方之间的法律关系，参考产品缺陷侵权责任，特定投资者在接受智能投顾服务时因算法缺陷受到损害，算法应用研发者应当承担损害赔偿责任。侵权法律关系属于从法律关系、保护性法律关系，本文旨在探求主法律关系、调整性法律关系。  算法应用研发者与特定投资者符信义关系特征。算法应用研发者与特定投资者虽没有基础契约关系，但是算法应用开发者实质上替代了特定投资者选定算法，对特定投资者权益享有自由裁量权且投资者难以救济损害，算法应用开发者与特定投资者间构成信义关系。信义关系路径旨在穿透金融科技的面纱、弥补侵权法路径对算法黑箱的规制缺漏。在侵权法的现有框架下，无论是过失责任还是严格责任，可预见性都是损害责任的基本依据。而算法语境下的可预见性除潜在受害者群体的可预见损害外，还包括对算法结果的预期。从机器学习模式的角度来看，只有处于监督学习状态的算法才符合可预期性，其余情况下算法的结果是不可预测的，因而算法应用研发者的直接责任只能适用于前者。算法运行的不透明性和技术壁垒使得算法缺陷的发现与认定十分困难，侵权路径不足对算法应用研发者形成有效规制。（二）智能投顾的信义义务困境智能投顾同时为大量投资者提供并执行投资策略，相较传统投顾提高了效率、降低了成本，避免了投资人情绪影响和道德风险。但智能算法与大数据技术的应用也使得投顾服务链条被拉长、更多交易主体参与其中，算法黑箱与暴政、金融产品的多层嵌套造成了利益冲突更为隐蔽和复杂。投顾平台、算法应用研发者与投资者在信息不对称的基础上更添技术不对称，加剧了不平衡状态。1.信义义务主体模糊根据上述智能投顾信义关系模型可知，智能投顾平台与算法应用开发者均与投资者间形成信义关系，然而投顾平台与算法应用开发者的义务承担范围与次序仍有待明确。首先是信义义务在智能投顾平台与算法应用开发者间的分配。毋庸置疑的是智能投顾造成特定投资者损害，无论责任如何划分，都没有免除智能投顾平台责任的理由。以产品缺陷责任为例，销售者对消费者负有质量担保义务，消费者就产品缺陷既可以向销售者也可向生产者索赔，由销售者承担直接责任、生产者承担最终责任。将投顾平台、算法应用研发者与投资者之间关系模型与产品缺陷责任中的销售者、生产者和消费者相类比，投顾平台与算法应用开发者间是承揽关系，生产者与销售者之间是买卖合同关系，投顾平台对程序开发的主导远胜于销售者对生产者的控制，又由于算法深度学习过程与结果的不可控，算法应用开发者的控制力低于生产者。销售者就生产者的产品对消费者负有质量担保义务，智能投顾平台就投顾算法是否对投资者负有同样义务？值得注意的是，两类关系模型虽有相似之处，智能投顾法律问题的解决依赖信义关系模型以及由此衍生的信义义务，不能完全适用侵权法路径。然而，目前尚无规范性文件对应用开发者的信义义务作出具体规定。资管新规第23条规定了智能投顾平台的信义义务，也不涉及算法应用开发者的信义义务。其次是算法应用开发者之间信义义务的具体划分。算法应用开发者分为金融逻辑架构者和算法程序设计者两类。前者设定投资者和市场特征的基本假设、重要参数、资产配置逻辑和盈利目标等算法应用等核心模块；而后者根据前述模型设计设计算法程序。考虑到算法金融的信息不对称与技术不对称，两类群体角色极易发生混同从而使义务划分更为复杂。

2.算法异化风险算法基于重复模式的假设，通过对过去数据进行智能化分析给出对策，影响乃至构建受众认知。社会学家William Isaac Thomas指出，如果人们把某种情境定义为真实的，那么这种情境就会造成真实的影响。算法在某种程度上决定了我们可以看见什么、我们以为什么是真实，从而改变我们的行为模式、交往方式、商业模式乃至社会秩序的生成。大数据基础上的智能算法逐渐成为调配社会资源的新兴法则，从而呈现出权力属性。 投顾算法既是智能投顾的核心，也是算法权力的外在表征之一。投资者只要选定智能投顾服务，就必须接受背后预设的智能算法。算法通过各种金融模型和假设，将数据输入转化为咨询价值链每个步骤。这一过程如果没有伦理守则注入，算法毫不遮掩地服务于设计者植入其中地目的，算法应用研发者在设定算法时掺杂利益倾向，生成的投资组合将偏离投资预期、损害投资者利益。尽管现阶段弱人工智能的算法并无自主意识，实质上却在实施暴政。典型的例子是算法歧视，投顾算法以个人数据为基础对特定投资者的支付意愿进行建模与预测，平台可能会根据用户画像，就同一产品面向不同层级的投资者制定不同的价格，或对优质资源进行选择性分配。即便对智能算法注入伦理守则，也不意味着我们可以高枕无忧。只有监督学习状态下的智能算法才在设计者的掌控之下。对于无监督学习与强化学习状态下的算法是不可控的。因为后者不遵循数据输入、特征提取、特征选择、逻辑推理、预测的过程，而是由计算机直接从事物的原始特征出发，自动学习和生成高级的认知结果。投顾算法基于何种假设，存在何种内生限制、数据输入与输出之间逻辑是否成立等都陷于不可知、不可控境地而形成算法黑箱。FINRA在《数字化投资顾问报告》中强调算法监督与治理，投顾平台有义务评估数字投资咨询工具，出具异常报告识别工具输出偏离预期值的情况，并向监管机构提供触发这种报告的参数。在算法决策异常时，赋予金融专业人员酌处权，并由投顾平台审查与工具输出不一致的金融专业人士的建议。尽管如此，我国智能投顾信义义务相关规则改进空间颇大，下文将有所回应。

3.投资者拟合失范算法统治时代下，个体面临全方位的深度观察，身份、行为、偏好等特征被提取和量化成可供处理、分析和利用的数据。数据取代个体成为社会层面流动的基本要素。投顾算法拟合投资者也体现了这一转变。资管新规要求投资者严格遵守投资者适当性的一般规定，即在“了解产品”与“了解客户”的基础上加强投资者适当性管理，向投资者销售与其风险识别和风险承担能力相适应的资产管理产品，禁止欺诈或者误导投资者购买与其风险承担能力不匹配的资管产品。投顾平台通过绘制投资者画像来“了解客户”，分为初始画像与持续画像。不同投顾平台的数据获取初始画像的路径不同，但大部分智能平台投资顾问都是通过用户注册和问卷调查收集投资者数据。智能投顾的风险测评问卷问题十分有限，信息查证手段薄弱，无法全面涵盖投资者的客观财务状况。以工行、中行、建行和招行旗下智能投顾产品为例，工行与建行均采取后台大数据匹配投资者风险偏好，建行还对投资者消费习惯进行标签匹配。中行通过10道题的回答问卷匹配五级风险偏好，招行提供了十级风险偏好供投资者手动选择。工行和建行都没有披露其参考分析依据，比如是否参考投资者的年龄、工资收入、交易消费情况等数据。而中行和招行对投资者风险偏好的分析则存在比较大的不确定性，比如中行的在线调查问卷可以反复填写，无法保证投资者正确理解并填写问卷。招行令客户自己选择风险偏好，而投资者自行选择风险偏好往往可能高估自身的风险承受能力。在持续画像阶段，智能投顾面临同样的信息问题。相比人工投资顾问建立持续性评估制度，现有智能投顾的实际表现更多的为静态保持，而非动态追踪，未能很好地根据投资者客观情况的变化定期调整各类资产的权重。关于“了解产品”，资管新规还规定投顾平台应当依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，避免算法同质化加剧投资行为的顺周期性。智能投顾改变了传统资管产品发行产品募集资金的思路，智能投顾不发行产品而是基于投资者账户内资产的投资组合管理。最终投顾建议由多个算法协作呈现，如果其中一个算法设计不合理或者编程不正确，均可能导致偏差超出合理范围进而造成投资者的财产损失。智能投顾投资者适当性要求由“了解产品”转向“了解算法”。在算法应用研发者提供算法的情况下，不仅算法应用开发者了解算法模型，投顾平台也有义务穿透承揽关系对于算法建立掌控。以理财魔方APP为例，其智能算法的投资思路如下：（1）找到合适的品种做组合投资。组合的目标在于为特定风险偏好的投资者定制特定风险的产品。组合核心是风险对冲与互补。（2）筛选出更优质稳定的基金。从直观的业绩表现、投资行为、基金经理的投资逻辑与投资理念。（3）事中对风险进行调整。（4）对极端下跌进行风险控制。然而，理财魔方APP没有对智能算法拟合投资策略更为细致的说明。除此之外，国内多个智能投顾产品网站，比如摩羯智投、投米RA等也并未说明其投顾算法路径。

4.信息披露不足义务主体向投资者就如下内容进行信息披露：其一，基于忠实义务，要求充分、完整地披露潜在利益冲突相关信息，使特定客户知情并同意；其二，基于信息披露义务，要求如实披露投资建议生成全过程有实质意义的信息。SEC在《智能投顾监管指南》中即要求智能投顾平台披露商业行为和利益冲突两类信息。  信息披露不足一方面掩盖智能投顾与投资者的利益冲突，埋下智能投顾的信义危机的种子；另一方面，低净值投资者于专业能力上本身弱于投顾平台，陷于信息不对称更难对投顾平台以及算法应用开发者起到有效监督。资管新第23条明确投顾平台应当严格遵守资管产品信息披露一般性规定，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，但对于应该披露什么、如何披露却没有进一步规定。资管新规还规定投顾平台向金融监督管理部门报备人工智能模型的主要参数以及资产配置的主要逻辑，充分提示算法的固有缺陷与使用风险，也未提及投顾平台有义务向投资者披露上述信息。国内智能投顾产品多不披露利益冲突以及商业行为信息。本文检索摩羯智投、投米RA等多个智能投顾产品网站都未对外披露算法函数、算法假设条件、算法源代码、利益冲突等关键信息，遑论披露的信息披露的充分性、准确性、完整性以及易读性。

六、智能投顾信义义务体系的完善

当代信义义务的具体内容来自于实践，而非精密完备的理论建构。智能投顾作为金融与科技的融合产品的代表，未来必将极大程度地取代传统投顾。我国智能投顾已然走出野蛮生长的原始阶段，亟待信义义务立法规范维护投资者利益。
（一）信义义务的完善路径由于智能投顾没有改变咨询业务的本质，智能投顾的信义义务体系往往是在智能投顾业务的一般性规定的基础上另行制定特别规则。这一路径参考了美国经验，美国证券交易委员会在《智能投顾监管指南》指出智能投顾遵守《1940年投资顾问法》的一般性规定，另有《智能投顾监管指南》就如何处理智能投顾的特殊性给出了建议。我国证监会在《关于政协十三届全国委员会第一次会议第3961号（政治法律类416号）提案答复的函》中也指出证券智能投顾可以沿用原有投顾业务框架，同时为防范可能的具体风险进行特别规范。我国投顾业务缺少统一的投资顾问高阶立法。1997年国务院证券委员会颁布《证券、期货投资咨询管理暂行办法》；2010年中国证券监督管理委员会颁布《证券投资顾问业务暂行规定》；2018年中国人民银行、中国银行保险监督管理委员会、中国证券监督管理委员会、国家外汇管理局等机构颁布资管新规。上述规范性文件都属于部门规章。《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》对投顾业务作出一般规定，资管新规第23条结束了我国智能投顾信义义务规范层面的失语状态。（见表三）资管新规对信义义务的规定涉及忠实义务、注意义务和信息披露义务且多是粗略的原则性规定，信义义务主体仅限于智能投顾平台而未考虑算法应用研发者，在具体义务上又缺乏明确的操作标准。目前为止，智能投顾的信义义务在立法层面上还存在相当空白，有待完善。

信义义务主体的明确明确信义义务主体是重构信义义务的首要步骤。首先，智能投顾平台对特定投资者负有直接首要的信义义务，范围是投顾服务全过程。与之相对的算法应用开发者信义义务的范围仅限于自身。投顾平台与投资者、算法应用开发者均直接接触，无论从现实可行角度还是从经济成本维度而言，投顾平台都承担较之于算法应用开发者更重的信义义务现实可行。再者，既有研究认同算法应用研发者中的金融逻辑架构师应当被视为受托人承担信义义务，范围止于算法金融逻辑。因为金融逻辑架构者的专业判断和对不同分级投资者偏好的资产比例的设置会直接影响到软件给出的投资建议，将架构师纳入到信义义务的规制主体是合理的。更有甚者，以金融机构为主体的智能投顾平台本身提供了金融逻辑架构。此时，智能投顾平台作为平台经营者与金融逻辑架构师的身份发生混同。而算法程序设计者的信义义务观点则众说纷纭，有研究认为算法程序设计者所做的工作更多是将架构者的设想和要求变为能够自行运算的算法，这一过程中立且没有偏向性。然而算法运行无法排除技术人员自身过失，算法本身也可能掺杂利益倾向，须对算法程序设计者施加忠实、注意等义务，更何况，基于算法运行的专业性与复杂性，算法程序设计者负有披露义务。因而将算法程序设计者置于金融逻辑架构师相同的法律地位比较合适。（三）信义义务内容的更新投顾算法智能化导致法律规则日益技术化，呈现出以工具理性取代价值理性的趋势，犹如乘坐无人驾驶汽车被引向不可知的未来，而这个未来很可能是万劫不复的深渊。智能投顾迫切需要价值理性注入。FINRA在《数字化投资顾问报告》中指出投资顾问的监督和治理集中于两个向度：（1）驱动智能投顾的算法；（2）客户投资组合的构建，包括投资组合中的潜在利益冲突。本文围绕上述两点，在投顾行业信义义务的一般性规定的基础上着重从忠实义务、注意义务、信息披露义务更新具体规则。

1.忠实义务：程序合规要求与利益冲突披露要求关于投顾业务的程序合规，美国《1940年投资顾问法》第206(4)-7条集中于书面政策与程序适用，我国《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》仅限于业务留痕要求，资管新规进一步要求明晰交易流程、强化账户监管，本文认为智能投顾还需要考虑其他环节和问题。程序合规涉及智能投顾全流程，包括算法代码的开发、测试和实际性能的监测，预防、监测和应对网络安全威胁，客户账户和咨询系统保护等等，重点放在算法监测上。智能投顾的程序合规应至少包含以下内容：（1）设置算法监测程序。根据美国金融业监管局的观察，有些投顾平台内设投资政策委员会对第三方算法应用开发者作尽职调查或对监督自主研发算法的实施与开发，并评估后续智能算法的应用情况。理论而言，任何算法在投入运营之前应当经过合规人员和技术人员测试是否符合运行要求。事实上，《数字化投资顾问报告》指出仅有一部分投顾平台禁止注册投资顾问使用未经测试审查的算法，相当数量的投顾平台允许注册投资顾问使用未经测试审查的算法。具体测试程序分为初步测试与进一步测试。初步测试用于评估稳定条件下的算法，包括预设前提、数据输入与测试输出。进一步测试侧重评估算法模型是否随着市场波动、地缘政治危机等条件变化而保证稳定适当地输出投资策略，对异常值设置触发异常报告的参数。（2）组建合规部门。设置合规管理人员对经营管理和执业情况进行审查监督，出具书面合规审查意见，并配合监管机关的检查和调查，跟踪和评估监管意见和监管要求的落实情况。尤其强调对算法应用开发者以及第三方金融机构潜在利益冲突的审查。编制上述情况的合规报告，以年度为单位向监管机关报送合规报告。参考《证券公司和证券投资基金管理公司合规管理办法》，合规部门中具备一定年限的证券、金融、法律、会计、信息技术等有关领域工作经历的合规管理人员数量不得低于公司总部人数一定比例。（3）遵守业务留痕要求。对账户信息、交易记录、算法算法检测、更新、终止等重要信息作记录留存，如存储能力有限的可作一定期限内的留存要求。智能投顾以智能算法取代传统人工，虽然消除了投资顾问个人与客户之间的利益冲突，却将这一矛盾转移到了算法应用开发者以及投顾平台与客户之间。投顾平台及算法应用研发者有义务向投资者全面公正地披露涉及利益冲突的材料与事实，避免对投资者可能产生的误导。投顾平台应当披露与算法应用研发者之间的关系，尤其是智能算法是否偏向某些金融产品。如果智能算法偏向某些金融产品，智能投顾平台与算法应用开发者都负有解释义务。存在与第三方金融机构的合作的情况也应当披露相应关系，重点在于可能影响算法功效及金融产品优先推荐的合作交易关系。在投顾平台独立提供一站式服务的情况下，更需要对销售自营产品和他营产品的比例及优先推荐情况加以说明。利益冲突披露应力求准确、全面和具体，并以投资者易于获取与理解的方式作出。具体披露规则参考下文的信息披露义务，此处不赘。

2.注意义务：投资者适当性原则与强制人工干预机制为“了解客户”，美国金融业监管局要求投顾平台在开设账户后合理理解客户的基本事实。金融监管局定义了投顾平台需要收集必要的最低的客户投资概况。客户投资概况包括但不限于客户的年龄，其他投资、财务状况和需求，税务状况，投资目标，投资经验，投资时间范围，流动性范围，风险承受能力等等。参考SEC《智能投顾监管指南》的要求，运营商在设计风险测评问卷时应当着重考虑：问卷是否涵盖充分的计算指标，是否清晰易于理解，以及是否具有纠错功能。系统调查问卷依赖于一组离散问题来拟合客户画像，应当考虑以下因素：（1）通过这些问题能否获得足够的信息，以便智能投顾能根据客户的财务状况和投资目标，确保其最初的建议和正在作出的投资建议适合于该客户。（2）设定不一致问答措施，保证投资者对问题的回答，当出现前后不一致或者内部矛盾情形时，提醒用户并建议其重新答题。（3）建立定期回访制度，保证信息程序性更新与跟进。避免智能投顾软件对投资者的资产情况和投资需求不更新而始终依据初始数据作出建议的情况。为“了解算法”，投顾平台须理解产品内嵌算法，以下标准有助于判断算法输出是否满足适当性义务：（1）该智能算法如何理解上述客户投资概况因素；（2）智能算法是否建立了一个合理基础确定特定因素是不必要的；（3）智能算法如何处理对客户档案的不一致问答；（4）投资策略适合客户的标准、假设和限制是什么；（5）算法是否偏爱某种特定金融产品及其背后逻辑；（6）投资策略在特定领域的集中程度，比如特定证券类别、行业部门等。基于算法的有限理性，智能投顾有必要建立强制人工介入机制。资管新规第23条规定因算法同质化、编程设计错误、对数据利用深度不够等人工智能算法模型缺陷或者系统异常导致羊群效应、影响金融市场稳定运行的，金融机构应当及时采取人工措施强制调整或者终止人工智能业务。算法存在失控风险，但从传统投顾到智能投顾无论从业务模式还是服务质量都应当更为完善。强制人工介入机制应当由具有投顾从业从业资格的投资顾问进行。特殊情况下以人力取代算法明确了人是投顾的尺度而非工具，同时弥补了智能投顾人际交互的缺失。对于过大投资风险与大额高风险交易智能算法应当设定参数进行识别对接强制人工介入机制。澳大利亚G255法案要求数字技术和算法的金融技术人员进行后台监控，确保投资者权益在可控范围内被保障。目前为止包括摩羯智投、投米RA在内的投顾平台也未查到有关强制人工介入机制的信息，有待后续关注和进一步研究。

3.信息披露义务：商业行为信息披露要求在利益冲突的信息之外，智能投顾的其他商业行为信息被纳入信息披露义务的范围，包括业务模式、业务范围、相关风险、算法模型的主要参数、资产配置逻辑及其内生限制以及投顾平台与第三方金融机构对个人账户的管理权限等等。这些信息必须以客户理解的方式呈现出来，遵守充分披露、准确披露以及持续性披露三大原则，尤其是对于关键信息。美国证券委员会关于智能投顾的行为指引更新提供了如下衡量标准：（1）关键信息是否在注册环节之前完成，以便客户在参与并通过智能投顾进行任何投资之前就知晓投资决策所需信息；（2）关键信息是否特别突出。例如，通过设计类似弹出框一样的东西来显示。智能投顾与客户的互动较少，一般仅仅通过邮件、网站等电子媒介方式向客户进行披露。在客户需要了解更多时，可以考虑对某些披露附有交互式文本或通过其他方式向客户提供更多的细节。在信息披露的形式上，我国可以借鉴美国证券委员会关于智能投顾的投资者公告，美国投资者适用地址为Innvestor.gov的投资顾问公开披露（IAPD)数据库查询到任何提供投资建议的个人或者公司的背景，包括注册或执业状态和曾受纪律处分的记录。美国证券委员会还建议投资者定期浏览智能投顾的网站，关注其是否有更新信息。上文提及国内多数投顾平台的网站和APP更新频率不高，网站内容多是营销宣传，纵有分析文章也往往是转载于其他网站，少涉平台本身信息披露，对于算法模型、具体参数、第三方合作金融机构等关键内容表述含糊甚至根本不披露。我国智能投顾实现全面、准确的信息披露还有很长一段路要走。

六、结语

Facebook创始人Mark Elliot Zuckerberg指出：“我们正进入算法而非法律统治人的时代。”其中，算法所表征的是高度繁荣的工具理性，与投顾行业“传统投顾—在线投顾—智能投顾”的迭代升级路径相契合。而法律所预示的是价值理性，人类社会的价值理性并不是停滞不前的，而是随着工具实践一同发展的。正如信义关系的泛化背后是社会主导关系从身份到契约再到信义关系的非线性演进。智能投顾的信义义务体系的构建正是两条线路的交叉点。换言之，Zuckerberg的预言至少在可见的将来不成立，以智能算法为代表的工具理性在某个时间段可能超出价值理性，但其终究将回归价值理性的尺度。本文回应智能投顾对传统信义义务的挑战、试图完善现有规范，旨在使价值理性的脚步不被金融创新落下太远。

来源：上海市法学会

低门槛智能投顾受年轻人追捧 帮你投一半用户是90后

基金投顾试点半年以来，在国内受到投资者尤其是年轻人的青睐。蚂蚁集团和全球第一公募基金Vanguard联合推出的帮你投，将以前高净值人群才能享受的服务带入寻常百姓家。支付宝平台数据显示，帮你投超过一半的用户是90后。

　　虽然经历全球市场剧烈波动及5月的债市暴跌，但推出3个月的帮你投还是交出第一份不错的成绩单：截至6月底，七成用户都赚了。其公司先锋领航投顾CEO张宇表示：“从帮你投上线当日就购买且持有至今的用户甚至100%都获得了正收益。”

　　7月2日，帮你投登上支付宝理财平台首页，并宣布服务升级，可实现千人千面调仓。据悉，近期帮你投用户就将陆续迎来首次调仓检测。

　　行业首推千人千面调仓

　　普通人的投资理财正在变得智能。目前市场上大部分FOF、基金组合只能同一时间针对所有客户一起进行调仓，而帮你投首推千人千面调仓，对每个持仓用户进行动态“体检”，再根据检测结果进行调仓，实现“私人订制”。

　　据张宇介绍，这是帮你投投研团队分析近13年的基金数据，结合收益率、波动率、交易成本等多方面模拟得出的调整。

　　除组合检测外，帮你投用户的持仓波动超过一定范围，也会触发调仓，以应对市场的剧烈变化。此外，这次升级还将丰富投资标的、新增主动权益类基金等。

　　年轻人更拥抱智能投顾

　　第一批帮你投用户是什么样的？数据显示，帮你投用户中一半为90后，一二线城市用户占比超过一半，近4成用户的职业为白领。张宇表示：“千禧一代的年轻人是移动互联网的原住民，他们习惯用余额宝，习惯在线理财，也更加拥抱智能投顾。”

　　和以往普通基金用户相比，帮你投用户的交易频次显著下降了4成多，这说明在有专业服务陪伴的情况下，用户长期持有基金的意愿更强烈。他们不止“沉得住气”，还愿意继续追投。3个月内，超3成的用户选择了追投，金额占到了总金额一半以上。

　　据张宇介绍，截至6月底，七成用户都赚了。但他同时也透露，部分亏损的用户主要是存在追涨杀跌的投资行为，还有一些用户买入后7天内就赎回，导致基金公司收取惩罚性赎回费用。

　　“在市场上涨时主动修改风险测试并加仓，增加成本的同时也增加了风险。市场下跌，又开始减仓甚至全部赎回。”张宇介绍，追涨杀跌是亏钱的主要原因。

　　“帮你投作为投顾服务，要真正做到陪伴用户。”张宇表示，帮你投每两天就会向用户推紧贴市场的投资笔记，每周还有日评、周报、直播等多种投教互动，跟进体验调研等，最终是希望用户对理财有正确的认知，不要短期追涨杀跌，而是结合自己的风险承受能力跟生活目标，立足长线，在理财上做时间的朋友。

　　目前，已有超6亿人上支付宝理财，使其成为大众理财首选平台。支付宝与超过300家银行、基金公司、保险公司、证券公司等金融机构合作，帮助人们从理财启蒙走向理财观的进阶。

来源：中金在线

2020，金融云爆发之年

云服务之于中国，就像铁路之于19世纪美国的意义，它们扮演着“新基建”的角色，也是新一轮产业互联网竞争的焦点。而新冠疫情，在加速金融数字化进程的同时，也助推了金融云全面爆发。

1848年5月12日，一个名叫萨姆·布兰纳的人来到圣弗兰西斯科城，把手中的瓶子四处向人们展示，大喊着：“金子，金子！这是美洲河里的金子！”

不久之后，加利福尼亚发现黄金的事情，传遍美国，紧接着全世界都沸腾了。成千上万的淘金者蜂拥而至，一个个新城镇拔地而起，掀起了美国西进运动的高潮。

美国铁路系统由此迎来大跃进，贯穿东西部的大动脉很快形成。在此过程中，美国的钢铁、煤炭、机器制造与食品加工等产业发展起来，铁路建设所需的巨额资金需求还刺激了美国资本市场的形成。

很大程度上，淘金热的大赢家并非淘金者，而是铁路公司。就像前些年的互联网金融热潮，数不清的创业者们结局凄凉，成为科技巨头称霸新世界的铺路石。

铁路之于19世纪美国的意义，正如云服务之于今天的中国，它们都扮演着“新基建”的角色，也是新一轮产业互联网竞争的焦点。

而新冠疫情，在加速金融数字化进程的同时，也助推了金融云的全面爆发。

超级大单

本月早些时候，中华保险集团与阿里巴巴集团签署全面合作协议，阿里云将为中华保险集团旗下中华财险构建新一代全分布式保险核心系统，项目总金额接近7亿元，是国内金融云领域迄今为止的第一大单。

阿里云为中华财险提供的整体方案包含“飞天”云计算操作系统、分布式中间件体系SOFAStack、分布式数据库平台OceanBase、金融数据智能平台、金融核心套件bPaaS、保险专家服务、mPaaS移动开发平台等。

此前在5月18日，腾讯云与中国银联就“银联云”建设项目正式签约。据银联早前公示的信息，“银联云”项目金额达到3.86亿。

基于腾讯云TCE，银联云将被打造成一朵具备全栈云计算能力的行业生态云，支撑银联自有业务的云化升级，并面向银联合作伙伴输出金融科技能力，包括多地多中心金融云架构、上百项从IaaS到PaaS的云产品能力等。

这两个超级大单的出现，标志着国内金融云市场迎来爆发期，也再次印证了金融机构的数字化转型进入深水区。

IDC报告显示，阿里云位居中国金融云市场第一，累计服务上万家金融客户，覆盖60%保险企业，50%证券公司，以及数百家银行。

至于腾讯云，同样服务了超万家金融领域客户，包括150多家银行、数十家保险及证券公司、70%的持牌消费金融公司和80%的新筹保险公司。

疫情的发生，无疑加速了爆发期的来临。

2月1日，央行、银保监会等联合发布《关于进一步强化金融支持防控新型冠状病毒感染肺炎疫情的通知》，要求金融机构加强全国范围特别是疫情严重地区的线上服务，引导企业和居民通过互联网、手机APP等线上方式办理金融业务。

2月15日，银保监会再次下发《关于进一步做好疫情防控金融服务的通知》，要求提高线上金融服务效率：各银行保险机构要积极推广线上业务，强化网络银行、手机银行、小程序等电子渠道服务管理和保障，优化丰富“非接触式服务”渠道，提供安全便捷的“在家”金融服务。

3月17日，国常会指出：要对“互联网+”、平台经济等加大支持力度，发展数字经济新业态，催生新岗位新职业。依托工业互联网促进传统产业加快上线上云。

5月2日，银保监会印发《关于推进财产保险业务线上化发展的指导意见》，要求到2022年，车险、农险、意外险、短期健康险、家财险等业务领域线上化率达到80%以上，并且鼓励具备条件的财险公司探索保险服务全流程线上化。

对金融机构而言，在数字化这条路上，再没有犹豫和观望的时间了。要想不被淘汰，必须加快脚步奋力求变。

上云，就是至关重要的一步。

不止于云

Canalys数据显示，一季度全球云计算支出增长34%，达310亿美元，创历史新高。

实际上，今天我们所说的云，早就超越了云计算本身，演变为数字化时代的基础设施。

云计算这一概念由Google首席执行官埃里克·施密特（Eric Schmidt）于2006年8月正式提出。一般而言，云服务主要包括：基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。

金融云，是指利用云计算的技术优势，将金融业的数据、客户、流程、服务及价值通过数据中心、客户端等技术手段分散到云，以提高效率、改善体验并降低成本。

2013年11月，阿里巴巴率先推出金融云服务，为金融机构提供IT资源及互联网运维服务，并提供支付宝的标准接口和沙箱环境。

一直到2016年，腾讯与百度先后宣布开放金融云；2017年末，京东推出金融云。至此，BATJ全部杀进了金融云服务市场。

在政策层面，2015年7月，国务院发布《国务院关于积极推进“互联网+”行动的指导意见》，提出“探索推进互联网金融云服务平台建设”，鼓励探索利用云服务平台开展金融核心业务，促进移动金融在公共服务等领域的规模应用。

根据原银监会2016年7月发布的《中国银行业信息科技“十三五”发展规划监管指导意见(征求意见稿)》，到“十三五”末期，银行业面向互联网场景的重要信息系统全部迁移至云计算架构平台，其他系统迁移比例不低于60%。

2018年8月，央行发布了《云计算技术金融应用规范技术架构》、《云计算技术金融应用规范安全技术要求》、《云计算技术金融应用规范容灾》三项金融行业标准。

过去几年里，伴随着金融科技to B服务的兴起，金融云的概念和内涵不断延伸，成为金融数字化的核心环节。

5月13日，市场研究机构IDC发布《中国金融云市场（2019下半年）跟踪》报告指出，2019年全年，中国金融云市场规模达到33.4亿美元，同比增长49.6%。

其中，2019下半年，金融云基础设施市场规模达到13.7亿美元，其中，公有云基础设施部分，阿里巴巴、腾讯、百度、华为和中国电信占据85.1%的市场份额；私有云基础设施部分，华为、浪潮、新华三、戴尔和联想占据78.2%的市场份额。

同期，金融云解决方案市场规模达到5.8亿美元，阿里巴巴、中科软、腾讯、百度、华为、京东数科、宇信科技、文思海辉、南天信息和融信云位居市场前十，共同占据59.3%的市场份额。

IDC报告指出，自2019年8月央行发布首个金融科技发展规划以来，监管规则体系不断完善，试点范围不断扩大，彻底扫除金融机构对云计算及相关技术应用的顾虑。

无论从业务体量还是战略地位的角度，金融云是所有云服务厂商必争之地。

AT大战

云之战，是继移动支付之后，阿里与腾讯的又一次史诗级的较量。

起步更早的阿里云，已经在云市场取得了领先优势。阿里财报显示，2020年一季度，阿里云业务收入17.25亿美元，同比增长58%；2020财年（2019Q2-2020Q1），阿里云业务收入56.51亿美元，同比增长62%。

根据Gartner及Canalys的数据统计，2019年阿里云在亚太市场份额为28%，接近亚马逊与微软的总和，其中以46.4%的市场份额位居中国第一。

相形之下，去年去年，腾讯云营收超170亿元，虽然与阿里云差距依然明显，但是并非遥不可及。过去三年，腾讯云市场份额排名从全球18位跃升至全球第5位。

对阿里而言，to B服务一直是强项，也是阿里数字经济体的命脉，阿里云输不起。于腾讯来说，从消费互联网转向产业互联网，云服务这一仗非赢不可。

因此，这亦是互联网下半场——产业互联网时代的关键一战。

为巩固竞争优势，4月20日，阿里云宣布，未来3年将投入2000亿元，用于云操作系统、服务器、芯片、网络等重大核心技术研发攻坚和面向未来的数据中心建设。阿里云的数据中心和服务器规模将扩大到现在的3倍，有望成为全球最大的云基础设施之一。

阿里还启动了组织架构上的调整。去年末，原蚂蚁金服的金融科技开放业务板块和原阿里云的金融云业务部，正式合并为新金融事业部。今年6月8日，蚂蚁将自研数据库产品OceanBase独立进行公司化运作，成立由蚂蚁100%控股的数据库公司北京奥星贝斯科技，并由蚂蚁集团CEO胡晓明担任董事长。

作为后发者，腾讯同样表现出了破釜沉舟的决心。5月26日，腾讯云与智慧产业事业群总裁汤道生对外宣布，腾讯未来五年将投入5000亿，用于新基建的进一步布局。这5000亿元将会被投入到云计算、人工智能、区块链、服务器、大型数据中心等重点领域。

这场战役的结果，会像移动支付那样以两极格局结束吗？想必这是腾讯乐于见到的结果，却是阿里难以承受之重。

在太平洋对岸，美国的科技巨头也围绕云服务展开了激烈争夺。

一季度，亚马逊、微软、谷歌云业务收入同比分别增长32.78%、27.28%和52.16%；同期，亚马逊、微软、谷歌一季度资本开支同比分别增长99.49%、46.86%和29.47%，主要投向支撑云业务发展的基础设施。

来源：36Kr

四大行金融科技20年：从大集中，到全面数字化

如果把银行过去的信息化、进行中的数字化和智能化喻为一盘棋，“数据”始终是这盘棋的“势”所在。

匆匆那年

如今，谈及银行转型，必谈数字化。

仿佛银行已成为时代的恐龙。

其实在不远的十年前，中国银行业的信息化水平在世界金融界、在国内各行各业堪称翘楚。

即使今天，仍有可圈可点之处。

至今很多大行老科技人提到那段时光，眼中依然闪耀光芒。

追溯这份荣光，还需上溯十年，那是世纪之交的千禧年。

千禧年的元旦，天安门广场人潮涌动，周边交通中断。同样的沸腾也发生在深圳，一家名叫腾讯的小公司员工集体出门吃饭，结果被迎接千禧年的人潮堵在路上，动弹不得。

马化腾不在其中，那夜因“千年虫”，马作为唯一客服竟然成功安抚了OICQ所有用户。

元旦前夕，刘强东在北京九头鸟大酒店开年会，台下一桌十人，全公司两桌搞定。刘提出新年目标，明年聘个库管，搬到一个大点的写字间。1999年，他在刚开业的海龙大厦有个不到4平米的柜台，主营业务刻光盘，附赠傻瓜式多媒体系统。

同年杭州湖畔花园，马云对他的18罗汉说，我们要建世界上最大的电子商务公司，然后说“现在你们每人留一点吃饭的钱，将剩下的钱全部拿出来”。

千禧年后的第一年，2001年百度推出服务用户的独立搜索引擎，腾讯QQ突破500万用户大关，两年后2003年阿里淘宝才诞生。日后的BAT并未意识到，彼时的用户，意味着来日的流量、场景和生态。

那一年，经过98年的财政注资、99年的不良剥离，四大国有商业银行的新一轮改革悄然拉开大幕。

有些伏笔埋了许多年。

千禧年前4个月，中国工商银行于1999年9月1日正式启动数据集中工程，命名为“9991工程”，开中国大型商业银行大集中先河。

自1905年，中国历史上第一家国家银行——户部银行（中国银行前身）成立，在近百年的时间里，银行靠一把算盘一支笔、一本账簿一双手，记载了一代代的兴与衰，计算了一家家的盈与亏，清点了一笔笔的进与出。“点钞不用手、记账不用笔、利息自动算、传票自己走”成为一代代银行人梦寐以求的理想。

1993年银行网点开始普遍使用单机记账。

1995年，部分银行开始尝试联行报单、银行汇票签发的微机处理，重要凭证也进入微机管理。随后，各家银行逐步实现会计电算化。2000年前后，随着省域数据集中、全国数据集中工程的推进，银行计算机运用由储蓄、会计等柜面业务和后台核算业务扩展到信贷统计、资金调拨、客户数据库、信贷台账，再发展到办公自动化、决策支持等经营管理的方方面面，本地存款异地取、资金瞬间到账、跨国使用银行卡、本外币在账户间自由转换等不再是天方夜谭。

至此，中国银行业彻底从算盘时代走向了键盘时代。进入键盘时代后，第一个成效是数据，第一个痛点也是数据。

如果把银行过去的信息化、进行中的数字化和智能化喻为一盘棋，“数据”始终是这盘棋的“势”所在。数据集中，不仅是为银行提供了最为重要的生产要素，更是为银行经营管理和各项业务创新发展提供了平台，从根本上推动了银行变革发展。

善弈者谋势。

工行先行后，农行、中行、建行的数据大集中也拉开帷幕。虽然资源禀赋不同、技术路线不同、个中心酸不同，但是毫无疑问，千禧年后那场中国金融业波澜壮阔的大集中，铸就了今日各行数字化转型的底气。

如今，再踏转型路，往事尽云烟。

往事并不如烟

前传

各行数据大集中前有一“前传”，名为核心系统。

银行“核心系统”并不为普通人所熟知。核心系统是商业银行管理客户信息、处理客户账户及核心总账、提供基础存贷款、支付服务的系统，如同人的心脏。

商业银行核心系统的建设发展，是我国整体经济金融环境变化、金融业改革发展以及信息技术进步革新，三者共同驱动的结果。

1995年到2000年，是我国股份制银行和地方性银行大发展之际。这些银行建立之初，各路人才聚集，不乏有着大型国有银行科技工作经验之士，他们有了从零起步、跨越发展的舞台，直接提出了建设综合业务系统的目标。

而对于大型国有银行，服务不能降级，人员需要培训，数据需要迁移，不能不考虑历史和现实的因素，因此通过吸取了国外大型银行发展经验，更加细分了银行的应用系统，提出了核心银行系统的概念。

1986年，工行引进SAFEII系统，并以之为基础，构建了工行第一代核心银行系统，主要聚焦储蓄和对公业务。1997年，工行拉开第二代核心CB2000建设序幕，至2000年工行核心银行系统一期工程全面研发完成。

工行先行后，国内多家银行吹响了核心系统建设和大集中的号角。受限于当时计算机设备和网络传输的发展水平，大多以部分集中或省分行为主的省域集中尝试推进。1997年，中国农业银行启动第一代核心业务系统（ABIS）建设，经过两年多的鏖战，1999年3月，ABIS系统在宁夏投产成功后推广到农行全辖。2000年，中国银行实现五大区域系统集中，建设银行核心业务系统DCC上线。

纵观20世纪90年代中后期到千禧年后十年，如同今日的数字化，核心系统建设与升级换代，是各家银行共同的追求。背后深层次的因素是，随着加入WTO的日益临近，中国银行业必须在短时间内缩短与国际先进银行的差距，构筑信息化为内涵的竞争力成为关键性的抉择。

核心系统与数据大集中很难说是先有鸡，还是先有蛋。在核心系统建设同时，很多银行有识之士发现，仅仅是软件版本统一但不集中数据，对外难以提供跨地域的服务能力，对内则难以把控银行整体经营状况。

因此，唯有数据集中与核心系统一起扇动，才能为中国银行业插上翱翔九天的翅膀。

从集中，一路走来

1999年9月1日，工行启动 “9991工程”。

公开数据显示，这项工程最终把工行40多个中心、几万个机构合并到北京和上海两大中心，建立起全行统一的电子化体系。到工程完成，两大数据中心承载了工行全国全部37家分行以及总行票据营业部和牡丹卡中心、408个地区行、27，630个营业网点核心业务的处理，存储、处理4.8亿个账户，1.2万台ATM、6万台POS，日均处理交易超过9，000万笔，年均300亿笔，高峰日交易量超过1.2亿笔，存储处理的账户网点数达到世界领先水平。

工行大集中成功并非一日之功。1994年，工行开发了全国电子汇兑系统；1999年，工行正式投产运行资金清算汇划系统，实现汇划与清算实时，开创了异地结算业务全新的处理模式。

工行大集中的另一成效是，以“9991工程”打下的牢固根基为依托，工行2014年率先成功完成了“两地三中心”工程。2018年，工行全面实现新一代主机双活2.0架构下同城切换。这一看似“技术”的成效，实际是“业务”成效，业务连续性既是银行科技的生命线，更已成为数字化时代银行风控的重要范畴。

2019年，工行发布ECOS工程。E是Enterprise-level，代表“企业级”。C是Customer-centred，代表“以客户为中心”。O是Open，代表“开放融合”。S是Smart，代表“智慧智能”。

从1998年开始，中国农业银行开始启动省域数据集中工程，将全行近200个中心的核心业务数据集中到了36个省域数据中心，实现了所辖全部有效网点的集中联网，统一了全行业务应用。

2006年底，农行将全行37家分行的数据集中到北京数据运行中心。2007年初，农行将数据运行由北京切换到上海。与此同时，农业银行实施经营转型和县域蓝海战略，开创新的市场空间。在此背景下，2008年底，农行做出了建设新一代核心业务系统建设的决定。2015年10月，历时六年，农行新一代核心业务系统(Blue Ocean Engineering，BoEing)完成整个核心系统的切换和投产。

2020年，农业银行提出信息科技 “iABC”战略，代表“智慧（intelligent）的农业银行（ABC）、我（i）的农业银行（ABC）、融合（integrated）的农业银行（ABC）、科技助力（impetus）的农业银行（ABC）”。“iABC”战略将通过“七大技术、五大支柱、六大中台、两大保障”具体推进。

2011年10月中行IT蓝图完成全面推广，实现了经营模式和管理理念由“以账户为中心”向“以客户为中心”的转变，完成了境内全辖数据逻辑集中和应用版本高度统一，构建了安全可靠的“两地三中心”基础设施架构和7×24小时的运维体系。

2012至2018年，中行完成海外信息系统整合转型工程建设，在国内同业中率先构筑起7×24不间断、全球一体化运维的领先优势。

2018年，中行宣布数字化发展之路将围绕“1234”展开：以一个“数字化”为主轴，搭建企业级业务与服务两大架构，打造云计算、大数据、人工智能三大平台，聚焦业务创新发展、业务科技融合、技术能力建设、科技体制机制转型四大领域。

2005年，历时三年的建行数据集中工程（DCC）宣告完成。建行DCC表明，建行的科技应用模式已经从过去的分散开发转变为集中管理模式。

2011年至2017年，建行举全行之力历时6年，完成了新一代项目建设。其突出价值在于，基于业务流程全行共享的理念，构建了覆盖全行，以产品、流程、数据、用户体验四大模型为核心的企业级业务架构。同时，承接企业级业务架构模型，坚持组件化、平台化、松耦合、面向服务的原则，构建应用、数据、技术、安全四大IT基础架构。

2018年，建行发布“TOP+”金融科技战略规划。T为科技驱动，以技术和数据为双要素双轮驱动。O是能力开放。P代表平台生态，+是培育鼓励创新和支持创新的文化。

备注：上述工农中建大集中成果与数据全部来自公开资料

最深的敬意

数据大集中，是整个中国银行业“十五”期间的重大事件。

至“十五”末，各银行基本都实现了“数据大集中”。集中后，工农中建四大行的客户数、账户数、日交易量位列银行业前列，当然在数据集中的同时，也集中了风险，这是后话了。

回望数据大集中，工程之外，有几个点依然值得今天的银行数字化追忆。

一是主动变革。近年来的数字化转型多多少少还有几分外部倒逼的味道。20年前的中国银行业大集中，却是一场技术、管理和经营三位一体的主动式变革。大集中的历史告诉我们，数字化转型要做到主动变革，关键是三不要：不要在墨守成规的文化理念上搞数字化；不要在固守传统的体制机制上搞数字化；不要在封闭的技术体系上搞数字化。

二是技术路线。无论电子化、信息化、数字化，技术路线是决定IT建设方向的大问题。技术路线选择外部受制于当时的技术发展趋势、外部技术产品服务供给，内部要符合自身实际、投入预算和队伍能力。同时，制定一个正确的技术路线固然重要，但是更重要的是在长达数年的工程建设中一以贯之、久久为功。今天的银行数字化转型也面临过公有云、私有云的困惑，还将啃下自主可控的硬骨头，在这些抉择中，技术路线的选择更显珍贵。

三是队伍文化。科技和医学类似，本质上是实践性学科。再牛的医学院毕业，没有经历足够数量的临床，成不了名医，真正的科技人才也一定是在实践中才得以成长。大集中培养了一批银行应用、系统、数据库等专业人士，这些人有些留在大行“传帮带”，有些走向其他银行和后来的互联网公司。从更宏大的格局看，大集中培育出的人才，是银行对后来中国数字经济的一份贡献。有队伍必有文化，攻坚协同的文化，科技以人为本的文化，依托数据经营管理的文化……全面萌芽于大集中。

毫不夸张的说，这场变革是中国金融史上浓墨重彩的一笔，是世界科技史上石破惊天的工程。

集中的过程中，凝聚了一代银行科技人的智慧、汗水和青春，他们攻克了诸多性能、网络、算法难关，填补了诸多计算机金融应用的空白。

他们和最初的“思想者”、“谋势者”以及决策者们，顺应了时代，也超越了时代，值得我们送上最深的敬意。

善弈者谋势

2017年前后开始，四大行纷纷将数字化定位为核心或首要战略，依旧善弈者谋势。

势之所向，其锋称王。

2020年是“十三五”收官之年，也是“十四五”（2021-2025）擘画蓝图之年。突如其来的新冠黑天鹅疫情，给银行业带来史无前例的困难和挑战。

本次疫情再次证明并凸显了金融科技的极端重要性，也对金融行业数字化转型注入了新内涵、带来了新启示。

站在这样的历史节点，回味20年前的大集中，展望“十四五”的银行数字化发展，总有鉴往知来的感慨。

在“十四五”诸多影响因素中，笔者认为对银行数字化转型最大的两个宏观影响因素是：

一是我国大概率2022年前后跨入“高收入国家”门槛，同时伴随互联网成长起来的“Z世代”全面进入社会，老龄化现象愈加严重，由此带来银行客户结构、客户需求的全新变化。

二是2025年中国数字经济规模或将达到60万亿元，作为全球最大的数字经济体之一的特征将愈加明显，由此带来的银行经营范式的全新变化。

谋篇布局之际，纵观各行战略，其实共性已显，不同的是资源摆布和轻重缓急而已。

在不确定性的时代，战略往往不是目标，而是选择。提炼各行未来数字化转型发展的最大公约数，可以概括为“三化”、“三心”、“三新”。

“三化”的战略内涵

首先，通过数字化着力实现物理银行的“数字化孪生”。随后，基于智能化开展经营管理，低成本、实时性地洞察和服务于海量客户的个性化需求。同时通过开放化主动出击，紧密耦合场景生态伙伴，嵌入到客户的各种生产生活场景中，更敏捷地捕捉需求、获取数据、鉴别风险、提供服务。

数字化、智能化、开放化实际上构成了未来银行的经营范式。数字化提供核心资产，使银行无缝感知、全面理解客户；智能化为生产动力，使银行洞悉需求、创造服务；开放化为组织形态，使银行具备无处不在的触角，随时、随地、随心而在。

“三心”的战略核心

普惠为初心。任凭时代变迁，国有银行服务实体的初心不变。长期以来，诸多因素导致普惠金融的服务对象小微、低收入人群等，长期被排斥在正规融资体系之外。要将数字化作为破解普惠的关键一招，通过技术与金融服务的深度融合，充分释放大型银行的科技、信息与平台优势，助力解决普惠中的信息不对称、成本高、风险大等关键问题。

风控为核心。银行本质上“贩卖”的是风险。本次新冠疫情启示唯有借助金融科技手段，综合运用大数据、人工智能、区块链等多项技术，提升科技应用产品间的协同性，打造实时智能的“全面风险管理”，才能提升对“黑天鹅”、“灰犀牛”的企业级风险应对能力。

创新为恒心。在充满不确定性和技术日新月异的时代，创新是基业长青的根本所在。对于商业银行，既要有用于解决特定问题的技术创新，更为重要的是，要组合运用现有技术实现商业模式创新，特别是从把握金融跨时空转移的基本功能，着力为客户解决时间、空间、物质稀缺性问题，探索未来银行的无限可能。

“三新”战略支柱

新基建。一方面是柔性的新基建，包括各行投入大量资源的企业级架构、中台架构，为去全行系统性、普遍性问题提供高度共享复用的解决方案；大力发展开放银行，借助API、SDK等手段，构建开放、合作、共赢的金融服务生态体系。另一方面是硬核的新基建，包括构建以云计算、分布式计算为基础的新一代机房基础设施，以及推进国产化的“壮怀激烈”；实现IPV6规模部署，奠定万物互联时代的网络基础；持续完善人工智能、大数据、区块链等基础新技术平台，提供企业级新技术输出服务。

新体验。以客户为中心成为唯一的第一选择，纷纷致力于将传统商业银行的品牌美誉度和信用优势转化为极致客户体验。一方面围绕客户全旅程推动敏捷、快速、端到端的数字化改造。另一方面通过数字化经营，有效盘活和深耕存量客户，实现对用户有目的的组织管理和针对性营销，增加用户粘性、贡献和忠诚度，并通过系统性获取用户反馈，沉淀出一整盘真正属于银行自己的数字资产，不断改进提升。

新赛道。顺应国家战略，把握技术发展趋势，洞悉经济金融环境，在一些新赛道开启新竞争。比如，此次疫情培养了企业线上业务办理习惯，需要以对私思路开启对公数字化新蓝海，突破银行账户属性，视企业为用户，全面运用金融科技的力量，对公司金融既有的底层架构、服务流程、产品体系进行深层次重塑和优化。再比如，这轮全民抗疫也是一场高强度、沉浸式用户习惯培养活动，是对5G时代、物联网时代社会经济生活新形态的集中酝酿。经此一“疫”，全社会步入深度在线模式。此次疫情加快了零售银行通过线上化渠道满足客户多样化金融需求的进程。随着5G高速传输、万物互联时代的来临，以及人工智能的迅猛发展，零售金融既要在全面场景化过程中迈入实时、敏捷、智能的新境界，同时也驱动零售银行在线上渠道营销运营以及线上线下协同方面迈上新台阶。比如，把握国家发行数字货币的历史契机，挖掘更多的场景蓝海......

胜天半子

从蒸汽时代到电气时代，人类用了100年。从电气时代到信息时代，用了60年。最近，从3G到4G普及只用了4年。

佛利德曼在《世界是平的》中说，技术平台每隔5至7年就要发生一次颠覆性改变，但很多人却需要用10至15年才能适应。

瞬息万变的变局，飞速传递的变量，裹挟前行的我们，共同构成当下的变局。

变局之下，宏观唯有接受，微观才能有所作为。

2019年，《BANK 4.0》红遍金融圈，封皮上赫然标识“金融常在，银行不在”。

的确，金融常在。那么银行呢？

根植于近三十年的信息化成果，得益于二十年前的大集中，中国银行业在变局中始终默默努力。

但是长路漫漫，总有艰难困苦，才能玉汝于成。

比如，面对各类互联网公司不断蚕食银行业的传统市场空间，场景生态已成为银行数字化转型的题中必有之义，但是围绕场景如何进行研发、营销、管理、服务，如何变革组织架构、运营管理、风险管控等，已成为银行业当前最大的焦虑。

各大银行往往在场景建设上投入大量资源，但依托场景获得的用户流量，能否创造可持续的收益有待观察。同时，银行传统的客户维护以产品营销为出发点，对客户全旅程体验缺乏精细化深刻研究，导致在客户场景服务上缺乏整体把握，客户场景金融服务能否持续有待观察。此外，传统的体制机制依然惯性制约着新金融发展，传统商业银行始终面临着场景金融和传统金融的取舍难题。

在可预见的将来，银行仍将是中国最重要的金融供给者。因为一个国家的金融体系运转，往往是惯性存在。美英两国的金融体系长期以资本市场为主导，中国、日本、德国则长期以银行为主导。在某个国家，不同金融市场之间固然可以协调发展，但彻底转变金融体系的主导模式和惯性存在则难上加难。在未来相当长一段时间内，银行仍将是中国金融供给的主体。

中国银行业的发展方向，最终取决于中国经济增长的逻辑。当前，实现经济转型升级和高质量发展的关键在于创新，特别是科技创新。创新的关键在于优化体制机制，优化体制机制的关键在于变革与改革的力量。

进化论中说，存活下来的不是最强大的生物，而是适应变化的生物。

的确，当前传统商业银行一些固有的产品和服务模式，已不适应经济发展的新要求，只有那些能够主动适应创新型经济发展要求的银行，能够快速转变经营模式、优化金融服务供给的银行，能够把握时代机遇和变局机遇的银行，才有可能在新的一轮竞争中脱颖而出。

来源：36kr

智能投顾与量化投资，傻傻分不清楚？一文说明白

量化投资：数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式；Robo Advisory（RA，智能投顾）在国外的实践中，是指以大类资产配置为理论基础，通过以ETF为核心的公募基金作为底层资产，运用计算机技术与人工智能等创新科技来进行投资。

量化投资本质是投资，用量化的方式更理性做投资决策；目的更偏收益，希望用机器来战胜市场，追求“相对alpha”；技术分析、无风险套利为常见的交易手法。

智能投顾主语是顾问，了解客户，智能推荐合适的的标的组合，比如投资期限，收益要求，风险偏好，追求“绝对beta”。

量化投资可以量化一切传统投资手法，比如技术分析，基本面分析，另类信息等。移动平均线之金叉和死叉，成交量缩量则分歧少，自动追涨，MACD，KDJ，海龟、羊驼策略等，各大量化平台入门课程里都有，有没有用，仁者见仁，其实存在即合理，但单独用肯定没用。你知道什么时候用，成功的概率是多少，倒是有一点用。

基本面可以判断PE市盈率、市现率、市净率、三因子模型等，通过公司基本面来进行投资决策，另类信息像舆情因子，投资者情绪等，不一而足，可量化可计算的都可以。

说到这，你可能看明白了，量化投资并不包含智能投顾。量化投资是一种投资手法，而智能投顾是一个投资体系。在智能投顾的战术资产配置里，可以使用量化的手法来增强战术资产的收益与配置。

智能投顾是一个基于大类资产配置的投资体系，严格讲，它不是一个交易手法。粗略可分为战略资产配置和战术资产配置。战略资产配置周期长，一般三到五年甚至更长。它的基础假设：大类资产风险，收益长期收敛于均值，所以只需关心长期风险，收益，并以此为基础确定比例。

有研究表明，大类资产配置决定组合90%以上的波动。——很多理财书和大V搞错了这个结论，他们说决定组合90%的收益。这个结论显然是错的，如果90%的收益大类资产配置就搞定了，那不就直接结束了，那10%还折腾啥。大类资产配置目标是获得市场平均收益，但这是绝对收益，我们说的“绝对beta”。——量化投资追求“相对alpha”——就是战胜指数，指数跌10个点，量化跌5个点，你认为自己赢了。智能投顾更追求绝对回报，比如市场涨20个点，我能涨15个点也很高兴；但市场跌50个点，投顾要控制自己跌幅控制在15%以内。

大类资产的战略资产配置，有几个重要的步骤：

1，期限，收益，风险偏好；

2，大类资产收益，风险，相关性分析，可以通过历史数据或者美林时钟分阶段加权；

3，分配比例并定期再平衡，常用的模型：马科维茨约值方差模型，Black-Litterman，风险平价模型。

任何经济环境下都赚钱，追求绝对Beta不过如此，所以叫“全天候策略”。

来源：七年实现财富自由

从展望未来30年的货币形态来看当前Defi的机会（下）

上面我们聊了MakerDao，接下来我们来看Compound，乍一看Compound的商业模式，并不如Maker。Maker可以获取整个利息收入（稳定费），而Compound作为活期借贷市场，只能收取利息的一小部分（15%）作为收入。同时Compound被复制的可能性要比Maker大很多，创建一种新的稳定币，需要各种使用场景的配合，先发项目的优势容易被积累。而作为活期借贷市场，新项目借鉴下代码，再加上提供初始的流动性，比较容易利用利差的优势吸引用户，从而产生同质化竞争。

长期来看，如果商业模式不进化，这个市场可能很难被垄断，也是说即便15%的利息收入的空间也有可能被进一步挤压。

不过Defi借贷领域让我真正兴奋的反而是Compound。Maker虽然有各种优点，但比较难以接触真正的大众市场。Compound上的借贷方，需要质押数字货币，和Maker的用户群画像应该比较接近。

但Compound上的存款方，完全可以是需要更高收益的大众。利用USDC等稳定币与美元互换较为便利的特性，完全有可能创造一个美元余额宝的市场。在余额宝之前，货币市场基金已经存在了很长时间，但这个明显优于银行活期的产品，仍然与大众无缘，直到余额宝让它席卷大众。

如今类似的情况，美国美元的活期利率远低于1%，最好的货币市场基金收益大约在1.4%，如果Defi能提供3-4%的活期利率，美元余额宝的故事完全可能再次上演。当大众需求得到真正的满足，才是区块链真正起飞之时。

从另一个方面来看，Compound创建的资金池，天然的与智能合约产生了完美结合。传统金融想要做同样的资金池，不仅需要强大的品牌信任，还要付出大量的流程和监管成本，毕竟人来管理的资金池是罪恶的源泉。再考虑到实时清算的自动化，可以想像传统金融机构实现的臃肿低效高成本。对比Compound的简洁，无需信任，由智能合约来管理资金池，可以说这是目前为止我看到的智能合约最有说服力的Use Case。每当我的投资人，问我区块链有什么是传统金融做不了的，这往往是最好而且他们最容易能听懂的例子。

然而靠数字货币的抵押借贷到底能支撑多大的市场，随着存款资金量的增大3-4%的利率能坚持多久，这些更本质的问题也在困扰着作为投资人的我们。对这些问题，我们只有一些观察和思考。

我们看到一个至少10亿美金的Cefi市场，抵押借贷的用户在用大约10%的年利率进行借款。

由于质押物缺乏大众的接受度，更高的借款利息往往是必须的，可以参照一些用稀有宝石/收藏做抵押的信托借贷产品

全球市场的利率本来就不相同，比如中国的借贷成本高，而日本的借贷成本很低。区块链能否利用其跨域国界和币种的特性，来拉平全球的利率呢？

Defi合约，进一步缩减了中介的存在，是否极大降低了跨国界跨币种的交易成本呢？

期待创业者们能给出更好的答案，说到去中介，拉平世界，降低成本，提升效率，这是不是和互联网创业在本质上很像？

谈了两个借贷项目，下一个我们来聊聊Uniswap。相比其他去中心化交易所（DEX），我对Uniswap是情有独钟的。根据之前十几年的互联网投资经验，颠覆者必定拥有不一样的体验。大量长的和中心化交易所一样的DEX，相比中心化交易所，在各种交易指标（性能，深度等等）上落后一大截，正在做着契而不舍的追赶，然而真正的所谓亮点不过是资产的非托管，这些在我看来很难成为颠覆者。

而Uniswap的成功，让我想起了早期互联网创业。极简的团队，在相当长的开发过程中模式受到大量质疑，居然也没什么竞争者。产品诞生于创始人的执着和对用户需求的敏感，上线后发展超乎预期，市场才开始关注原来DEX还可以这么做的。

吸引我的另一个点是，外汇交换类似的币币交易体验，应该要比买卖股票类似的体验，更容易被大众所接受。这个Kyber做的最早，但Uniswap更进一步，用算法自动做市取代了人工做市商。看起来只要中心化交易所提供着充足的流动性，套利者可以很好的将实际价格反映到Uniswap中。最后Uniswap做市商提供的流动性池，和上面说到的Compound的资金池类似，在我看来是应用智能合约的最佳场景之一。

Uniswap目前存在的问题一个是交易滑点过高，特别是对大额交易来说，这限制了使用场景和对价格敏感的用户人群。另一个是币价波动过大的话，可能使做市商获得的交易费不足以覆盖被套利的损失而出现亏损。滑点问题，我看Uniswap V2还有一些类似的项目（如Curve）都提出了各自的方案，更改现有的价格曲线在波动不太大的情况下大幅降低现有的滑点。而做市商被套利的问题，可以让做市商自己也成为套利者来一定程度规避。做市商各自的算法和规则，可能会让不同的做市商之间出现盈利分层。

这里顺带说下Curve，稳定币之间的互换，我们认为是刚需。现有中心化交易所也不好解决，0.1%-0.2%的交易手续费，对都有美元支撑的大额稳定币互换（比如USDC和PAX）来说，成本还是太高了。而且大额的交易价格也很难稳定在1:1。实际上各类稳定币的流通和使用场景各不相同，在Defi里存贷的利率也有差异，Curve这样的应用有着相当的市场。

有人会担心Uniswap的商业模式，如果用户获取了便利的体验，做市商又能依靠提供流动性成本很低的获取交易费，那么作为平台的Uniswap的价值获取并不会是难题。

最后想谈谈智能合约钱包（如Argent）。传统钱包对区块链的各种概念没有进行用户体验上的包装，对大众用户来说门槛太高。先不说一大堆不能复制不能截屏的助记词，不知道大家是否有遇到过，小白用户想向你转账ERC20 token（如USDT）被提示ETH不足时困惑的神情，如果没有直接放弃的话，一般是以下三连问：ETH是啥？为什么转账USDT要收ETH，手续费不能收USDT吗？哪里去获得小额的ETH作为手续费？然后？一般就没有然后了。

钱包做为大众进入区块链世界的门户，其重要性是不言而喻的。而传统钱包为熟悉区块链的人群开发，对普通用户不够友好，用户转化成本太高。随着智能合约钱包的出现，让我看到了大众进入的可能性。

打开Argent，直观的感觉是更像一个银行app，没有助记词，私钥可以通过朋友或者邮箱/手机确认“恢复”。可以方便的接入Defi进行“理财”和“借贷”（而不是打开compound的网址），甚至贴心的帮你计算好获得了多少利息，像不像余额宝？

结合之前谈到的美元余额宝的机会，和USDC/PAX与美元互换的便利性，进一步把Token包装成数字美元，而弱化背后的稳定币都是有可能的。对用户来说，这就是个可以获取更高活期利息的美元余额宝，用户不用管你背后用的是USDC还是PAX，使用的平台是Compound还是Cefi，我存进来美元，到时候利息加本金取走也是美元就好了。

把这个思路再延伸一步，是否有可能利用数字货币，产生一个全球虚拟账户的概念。以某种法币或稳定币计价，在数字货币的世界里进行投资，理财和借贷。当用户在不同国家使用时，能即时兑换成当地货币，进行消费和转账，绕开现行的SWIFT和Visa/Master体系，本身具有巨大价值的潜力。

总的来说，如今的区块链看上去好像只有金融应用落地。首先金融是个足够大足够传统的领域，基于互联网的Fin Tech要么转变成了大数据公司，要么由于资金池的人为管理问题陷入泥潭，互联网连接一切的特性，被国家和货币的边界所打断，从本质来讲并没有特别成功的改造金融领域。期待新的创业者，期待区块链技术，能实现金融领域的全新改造。

而区块链的现状其实有点像08-09年的移动互联网，app store里充斥着各种成功的小游戏，然而游戏只是今后十年移动互联爆发的起点，我想金融对于区块链来说也是这样。

来源：亿欧