智能投顾，终将星星之火可以燎原

　　智能投顾在欧美国家，正如火如荼的进行，而在我国，情况却并不明朗。那又为什么，这个被看好的智能投顾却突然失声了呢？

　　智慧金融，一直被认为是AI目前最被看好的落地领域，特别是智能投顾。

　　虽然在欧美国家，智能投顾正在如火如荼的进行，可是我国，情况似乎并不明朗。

　　作为银行系首家上线的智能投顾——摩羯智投，无论是体量，还是影响力上都榜上有名。虽其规模已超80亿，但其未设置风险评测机制，基本处于以销售为导向的阶段。

　　而宜信旗下的投米RA，最初上市时主打海外投资。去年6月推出人民币版本，其风险等级共9等，无论最高还是最低，反反复复就是8只基金，对大额用户而言，显然风险不能分散。

　　除了摩羯智投外，其他多家智能投顾们，少有向公众袒露其资产管理规模的，个中原因就值得玩味了。

　　为什么智能投顾这把火似乎还没有燎原之势？

　　瑞士银行设在美国的交易场2011年和2016年的对比

雾里看花还是蓄势待发？智能投顾之困局

　　我国的智能投顾，从万众期待到门可罗雀，主要有3点原因。

　　1.缺乏生长的土壤，智能投顾概念重于形式

　　Wealthfront是美国最知名的智能投顾公司之一，主要目标客户是：有充足的现金流，却没有时间精力和投资知识，来打理自己资产的年轻人。投资的准入门槛很低，设定为5000美元，10000美元以内不收取管理费（超过部分费用约为0.25%），交易程序也被大大简化，增长速率非常快，在2018年初就已经管理了100亿美元的资产。

　　而我国当前市场上，正常的智能投顾，均以公募基金为资产标的，通常其：认购、赎回、托管成本和管理费用综合达1%－2%，是国外智能投顾的2－8倍。

　　智能投顾的实现，基于对细分产品的量化，国外的智能投顾投资组合主要以ETF为主。

　　目前美国大概有1600只ETF，共2万多亿美元的市场。而中国仅有100多只ETF，大多数为股票，没有债券、大宗商品和针对不同的产业的ETF，不能做到分散投资，有效配置资产更无从谈起。

　　因此，现在很多所谓的智能投顾，只是投资经理根据自己掌握客户的投资偏好，做统计并推介投资方案，本质上，还是披着人工智能“马甲”的传统投顾业务。

　　同时，智能投顾涉及到：投资咨询、产品销售和资产管理三块业务，而国内这三块牌照是分别发放和监管的。

　　由于是纯线上的平台，监管难度非常大，监管层也处于观察阶段。因此现阶段，智能投顾依然处于，概念重于实质阶段。

　　未来将如何走，还有待进一发展。

　　2.大数据大而不“精”，深度学习黑箱迟迟难揭

　　人工智能发展起来的关键是——大量的数据，甚至可以说，人工智能发展80%归于数据的丰富，20%归于算法的提升。

　　在金融行业，数据极易标签化，这给人工智能在金融领域发展极大的利好。然而，从数据大上来说，智能投顾所获得的数据还不够多，这个不够多不是指数量上不够，而是指维度上的单一。

　　智能投顾，主要是基于用户画像和资产刻画提供精准服务。

　　用户画像，需要投资者交易行为数据的搜集和分析。而我国客户的投资行为习惯非常脆弱，客户是基于长期被动投资、指数投资还是主动投资，带来的结构，对智能投顾的挑战是截然不同的。因此客户的风险画像，有时候很难精准表述它的特征。

　　而资产画像，需要对金融产品，以及结合市场的数据的搜集和分析，国内目前在这块上略显薄弱。

　　国内拥有成体量的有价值的数据信息的公司很少（BATJ等寥寥几家）,而拥有优质数据资源的公司，组建了牢不可破的数据封闭体系，并不能很好的互通。再有就是数据整合模式不成熟，缺乏大的平台型数据公司，造成有价值的数据过于分散，接入成本高。

　　如果算法在智能投顾赋能中占比20%，那深度学习起了至少一半的作用。

　　据说深度学习领域所认可的人才分两种：

　　第一种是开宗立派的人物，比如：发明CNN(卷积神经网络)、DNN(深度神经网络)、RNN(循环神经网络)的宗师级人物。

　　第二种是真正能够把参数调好的人，这极其稀缺。比如：对于多层神经网络，是设置10层、5层还是7层效果最好？每层都有很多参数，应该输入多大的数据量，才会产生理想结果，这是一个经验值，甚至没有规律。比如：当你输入大量数据后，得出一个结论后，你没办法回溯怎么得出这个结论的，甚至你无法证明这是最优解。

　　所以深度学习最大的问题是黑箱。

　　在我国对金融与科技领域的高压监管下，你显然无法向监管机构，充分解释神经网络的运作原理。

　　3.背后的商业逻辑未变，即配置资产和金融服务的属性没变

　　传统投资顾问由专业人士担任，主要针对高净值人群。由于人力成本高，传统投资顾问的管理费普遍高于1%，且边际成本下降不明显。但基于计算机算法辅助的智能投顾，管理费普遍在0.25%－0.5%之间，边际成本随客户增多而下降，边际效应明显。

　　但是，相比于传统机构，智能投顾公司投入市场和运营的花费却很大。这是典型的互联网发展模式，先砸钱做用户量。

　　但是，这样就增大了获客成本。这就难免使投资者感到疑惑，估值这么高，你的核心竞争力呢？

　　慧牛也出现了类似的问题，其产品创新乏力，和投米、灵犀智投区别不大，均是基于风险评测得出投资组合。产品同质化严重不说，其基金数量极少，风险很大。同时，智能化程度不高，公司盈利率也并不理想。

　　智能投顾想要颠覆传统投顾，似乎还为时过早。

　　哈佛商学院教授克里斯坦森认为颠覆性分两种：

　　新市场颠覆——能够开辟一片新的市场；

　　低端颠覆性——能给现有产品，提供一个更简单、低价或更方便的替代品。

　　而智能投顾想要颠覆传统投顾，似乎还为时过早。

　　理想丰满现实骨感，智能投顾接下来该怎么破局？

　　虽然与人相比，机器不会疲劳，可以24*7小时工作，对数据拥有更强的记忆力和掌控力，但是，实践起来并不容易，是时候打破这一迷雾了。

　　1.优势互补，技术与流量的结合

　　上文提及的Betterment，辛苦10年积攒20万用户，资产管理规模100亿美元，在短短两年内，就被老牌资产管理机构Vanguard超越，Vanguard当前管理规模是830亿美元，已经是Betterment的8倍。

　　智能投顾的竞争优势是品牌，而品牌恰恰是老牌资产管理公司的强项。品牌弱，则获客成本高。高财力、高信任的用户，转化成本不是独立智能投顾所能接受的。

　　比如：中农工建这种大银行，很早就和BATJ等互联网金融企业合作。

　　这里合作的一大关键就是——技术能力。而一些缺乏技术能力的中小银行、城商行、农商行也显然有进军智能投顾的趋势。

　　他们一方面被大银行压的不行，但往往也在地方上有一定的获客优势；另一方面，他们也往往有锐意创新的需求在，但是碍于其薄弱的技术实力，往往很难推进类似的创新，这便可以与具有技术优势的智能投顾们优势互补。

　　银行天然对风险很敏感，切入点可以是低风险的定投，或者偏固收类的资产配置等。

　　总之，采取相互赋能的形式，最大程度的将蛋糕做大。

　　2.AI+HI，人工智能为主基金经理为辅

　　金融市场上的收益产生过程与方式千变万化，只有通过人脑的思考、理解与创新能力，才能够将其架构成应有的模型。而智能投顾只能在部分程度上完成这个任务，因为它没有创新与发展的能力。同时智能投顾侧重于“投”，缺乏“顾”。

　　因此现阶段，人的干预就显得十分重要。

　　智能投顾作为一种参考，最终投资建议必须经过人工检视、处理后才能提供用户使用。一般，用户与传统投资顾问有更多的互动，可以涉及用户——税收筹划、房地产投资、子女教育投资等更广泛的财富管理增值服务。

　　从用户的角度出发，顾比投甚至更重要。因为对于用户来说，“投”本身就是智能投顾的分内事。而做到“顾”，需要在投的过程中的适当的人文关怀，就算没有客套话，或者不做大跌时候的心理辅导，也应该给用户一个投资理念的正确引导。

　　想人之所想，这是获得用户信任的不二法门，有时候甚至比投得好（赚钱）还有效。

　　从行业发展情况来看，由于依托传统金融机构的平台资源和客户渠道，AI+HI的模式，是现阶段最为有效的方式之一。虽然未来的趋势，势必是资产配置，建议完全由机器人投顾的人工智能算法给出，但是技术的发展是有阶段性，先驱和炮灰往往只有一墙之隔。

　　3.提供数据分析，让用户自主选择

　　当前我国证券市场，仍然以散户为主，市场情绪波动巨大，很容易出现不理性的投资行为。

　　这种非理性行为，某种程度上助长了上市公司的有恃无恐。因为投资者的决策，并不是依托长期价值，而是通过小道消息、讲故事；通过金融学中公认的科学投资方法，如：组合投资、资产配置等概念，引导投资者理性配置自己的资产。

　　同时，智能投顾的主要目标人群势必是——年轻人和一大批新中产，这些互联网原住民，对智能投顾的接受度可能略高于一般群体，但对机器的信任值，也达不到轻易拿出自己口袋里的钱。

　　基于这种情况，企业方可以提供很多方便的投资工具或者分析工具。比如：基金的优选及诊断，同时配上一些诸如：数据回测工具，估值概率分位，因子强弱分析，MPT之类的分析工具。

　　一般来说，人对机器的容错度往往高于人对人的容错度。对用户进行市场教育的同时，给用户一定的自主选择，某种程度上增加了其对机器的容错度。长时间来看，有利于人们对智能投顾的接受。

　　而当企业采取这种方式，无论是TOC还是TOB，都会产生新的赢利点。

　　回到最开始的问题，我认为智能投顾处于蓄势待发阶段。虽然在我们国家既有智能+投，也有智能+顾问，既有机器主导，也有人机融合，不乏各种“挂羊头卖狗肉”的情况。但我认为这是变革转型期的常态，无论是：欧洲、美国，都会面临这种鱼龙混杂的现象。

　　相信伴随着AI技术的成熟和相关政策的落实，智能投顾必将颠覆现有的投顾模式。

　　（来源：智能相对论）

科大讯飞：人工智能的“国家队” 板凳能坐十年冷

　　近日，在第二十六届中国国际广播电视信息网络展览会上，科大讯飞消费者事业群副总裁、听见科技总经理王玮在接受新华网记者专访时表示，科大讯飞在感知智能方面的人工智能技术已经成功运用在了“智慧广电”领域。她称，在某些人工智能领域，中国已经和发达国家站上同一水平线，甚至从并跑跃身领跑。作为人工智能的“国家队”，科大讯飞将基于自身的人工智能技术，赋能广电产业，共建“智慧广电”。

　　AI赋能构建“智慧广电”

　　据王玮介绍，目前科大讯飞将感知智能方面的人工智能技术运用在了“智慧广电”。

　　具体包括：首先，语音识别技术，将语音中内容、说话人、语种等信息识别出来，相当于给机器装上了人工耳朵。其次，语音合成技术，将任意文字信息转化为自然流畅的语音，相当于给机器装上了人工嘴巴。第三，机器翻译，2014年以来，科大讯飞分别获得国际口语机器翻译评测大赛（IWSLT）第一名、NIST国际机器翻译评测大赛人工评价第一名。

　　王玮表示，科大讯飞将基于上述人工智能技术赋能广电，共建“智慧广电”。她以网络媒体为例，当前网络媒体更多地呈现出一种融合与跨界的形态。网络媒体中可能会有更多的短视频，这便产生了短视频声音自动化的需求，短视频人脸侦测的需求，互联网直播安全审核的需求等，乃至网络媒体后台产生大量的数据，也可催生新的产业模式。“人工智能技术可以在诸多方面提供媒体升级的解决方案”，她称。

　　人工智能技术的产生，是否意味着传统媒体中台词制作、翻译等人工工种即将消失？

　　王玮认为并非如此，对于转型中的传统媒体而言，人工智能的价值主要体现在内容生产的高效化、精品化和内容传播的多样化和精准化。人工智能技术提升了内容生产过程中的信息获取和信息加工的速度，释放人力投入到更具创造力和创新性的事情上。

　　另外，人工智能改变了过去媒体单向传播、受众被动接收的方式，把“受众”变为“用户”，实现任何时候、任何地点、任何终端，为用户提供精准化内容、满足个性化需求成为必然要求。

　　科大讯飞是人工智能的“国家队”

　　人工智能的出现，能将传统媒体从业者从简单、重复性的工作中解放出来。不过，王玮认为，“AI+广电”的发展面临的最大难点是目前人工智能仍处于弱智能状态，大多数的应用场景还需要通过“人机耦合”的方式来完成，依然存在音频转写的准确度、语音播报的情感化、内容传播的精准度等问题，这些问题都需要数据的积累和模型的优化来不断完善提升。

　　展望“AI+广电”发展的未来，她表示，内容是媒体的核心产品，快速、精准和多渠道的内容生产和传播成为媒体行业竞争趋势。人工智能技术的迭代更新正不断推进媒体内容实现“人机对话”等交互创新，这将带来产品竞争的新风潮，音视频转写、新闻虚拟播报、机器写作、图像识别、智能推荐以及无人机、AR/VR等新的技术也将使传统媒体行业的内容生产和传播方式变得更为多样化。

　　放眼全球，当前人工智能的第三次浪潮已经到来，其广阔前景和深远意义日益凸显，在全球范围内引发了全新的产业浪潮。

　　去年，科技部正式设立了首家人工智能国家重点实验室——认知智能国家重点实验室，这一实验室交由科大讯飞承建。

　　王玮对此表示，“十多年来，科大讯飞一直在智能语音和人工智能的技术领域不断深挖和坚守，我们是凭着一种板凳能坐十年冷姿态和执着，一项一项实现技术的积累和突破”。

　　她称，在人工智能领域，国家的一些重大专项科大讯飞都会积极地参与，这么多年来，科大讯飞已经成为了人工智能的“国家队”。

　　她表示，在全球人工智能领域，目前中国和美国等发达国家已经基本上站在了同一条水平线上，甚至在一些领域，中国已经超越了美国，进入无人区，从原来的跟跑，到现在的并跑，甚至是在某些领域实现领跑。

（来源：新华网）

人工智能产业快速发展 2020年规模将破1600亿

　　记者22日从“2018中国IT市场年会”现场获悉，2017年中国人工智能核心产业规模超过700亿元，随着国家规划的出台，各地人工智能相关建设将逐步启动，预计到2020年，中国人工智能核心产业规模将超过1600亿元，增长率达到26.2%。

　　据工信部副部长辛国斌透露，2017年工信部共确定了202个智能制造综合标准化和新模式应用，97个智能制造试点示范项目，完成了25个智能制造标准立项。在示范项目的带领下，一大批企业积极推进智能化改造升级，服务型制造，共享经济等新模式日益普及，形成了许多新的增长点。

　　会上赛迪顾问隆重发布《2018十大风眼行业》和《2018十大风眼项目》。

　　报告认为，从产业投资回报率分析，智能安防、智能驾驶等领域的快速发展都将刺激计算机视觉分析类产品的需求，使得计算机视觉领域具备投资价值；而随着中国软件集成水平和人们生活水平的提高，提供教育、医疗、娱乐等专业化服务的服务机器人和智能无人设备具备投资价值。

　　从产业演进上看，科技巨头加速全球化并购，打造AI生态闭环。开源化浪潮将成为中国人工智能操作系统争夺主战场，而中国人工智能应用将在服务机器人领域迎来突破。对此，东软集团高级副总裁兼首席运营官陈锡民表示，“到了智能化时代，想把事情往前推进，首先需要做的事情就是要加快信息化技术和行业的深度融合，因为大家都知道做人工智能的基础首先是最基本的大数据，数据从哪来，数据所有权、使用权怎么能开放，只有这样人工智能的生态系统大家才都能运用。”

　　在业内专家看来，人工智能未来面临的挑战主要有三个方面。首先是如何更好协同在一起，形成良好的AI发展生态。其次是建立统一标准，规范大家的行为。最终还是要行业应用，行业深度融合，这是人工智能的终极目标。

　　“未来人工智能行业要标准化和简单化，把一些标准制定出来，这个行业会形成更大的突破。另外，人工智能发展过程中的法律法规制定问题，也是行业面临的挑战。拿无人汽车来说，自动驾驶这个环节，已经涉及法律法规。一旦法律法规跟上了，人工智能的落地也会更加快速。”金山云高级副总裁、合伙人梁守星坦言。

来源：新华网

Fintech如何为金融业“赋能”？

　　问：请用三个词概括Fintech。

　　答：首先第一是基础设施，基础设施决定了我们所谓的科技、AI、数据、智能的一个Foundation（基础）；第二，我觉得一定是数据化，本身金融是一个信息服务产业，它的数据化会是非常重要的一个环节；第三，我觉得是基于基础设施和数据的智能化。这三个应该是可以概括我们对于金融科技的理解。

　　问：Fintech如何为金融业赋能？

　　答：我相信金融科技给金融带来了一定的增量，进入了一些没有被覆盖的人群，为他们提供金融服务。但本质上而言，我觉得它必然要去抢夺传统金融机构的市场，即抢夺传统金融机构服务不到的市场、效率不到位的市场。所以我认为赋能的核心在于逼迫传统金融机构或者其他所有参与这个游戏的参与者提升效率。效率二字一定是在这个环节中间最为重要的，当金融机构的效率提升以后，才能提供更好的服务，将更好的产品带给消费者。

　　问：新金融中哪些领域会得到资本的关注？

　　答：我们理解的新金融的三大投资方向，第一，是为金融机构带来流量、或是带来客户的导流环节，这里面有巨大的机会；第二，基于这个基础上的风险定价，在风险定价的环节中有很多机会，这个生态中所有的金融机构都围绕着风险定价做的是一样的事情；第三，是之前讲到过的基础设施，我觉得所有的金融机构在今天要谈到所谓的Fintech或者未来的AI，一定是基于有足够的基础设施来支撑，如果我们连数据都没有——举个例子，在保险中间如果没有过去的历史数据和对这个行业的深度理解和判断，是没法做保险的保单的，计算师也没有办法做这个事情，所以我觉得基础设施也非常重要。

　　问：金融科技下一步会引领金融业哪个方面发生颠覆性的突破？

　　答：人力成本是整个金融机构中非常大的成本，未来的AI或其他技术类型的发展，所有的目的一定是减少人力成本。比如，通过AI技术查定损的照片，找到定损照片里的规律来降低核保的成本等等这一系列事情，所以（颠覆性的突破）一定是在减少人力成本、提升效率这件事情上。

来源：未央网

总理支持，智能投顾行业发展将迎黄金期

     李总理在今年的政府工作报告中对2018年政府工作提出如下建议:“做大做强新兴产业集群,实施大数据发展行动,加强新一代人工智能研发应用。发展智能产业,拓展智能生活。运用新技术、新业态、新模式,大力改造提升传统产业。”事实上,这是继2017年首次写入之后,人工智能第二次被写入政府工作报告,在政府所确定的新产业中,人工智能地位之高可见一斑。

　　在金融行业,智能投顾可谓是一匹“黑马”,自2015年开始,随着国内金融市场的日益成熟,普惠金融的深度普及,以及国内大数据、云计算的异军突起,借鉴成熟市场经验,国内金融科技公司开始尝啖智能投顾。

　　2016年,以招商银行、广发证券为代表的银行、券商等金融机构开始入局智能投顾。2017年是智能投顾快速发展的一年。银行、券商、BATJ等互联网巨头纷纷入局,甚至公募基金、保险资金也纷纷进入此领域,这一年年底,五大行纷纷涉足,显示了智能投顾行业已经形成了科技类创业公司、传统金融机构以及互联网金融“三足鼎立”的局面。

　　各路研究机构预测,随着国内中产阶级的继续崛起,个人投资者的日趋成熟,2018年智能投顾的市场容量将会出现几何倍数的增加。权威在线统计数据门户Statista统计的数据显示,2017年中国智能投顾管理的资产超过288亿美元,其中年增长率高达87.3%,预计到2022年,智能投顾管理的资产总额将超过6600亿美元。

　　相对于传统投顾,智能投顾的优势非常明显。一是投资门槛低,智能投顾平台对台对于投资金额的要求较低,部分平台甚至没有最低金额限制,且在收费上要远低于传统投顾,使得大量中等收入群体也可以享受到便捷的专业理财服务;二是风险控制严,除了用户风险测评,大数据系统更可根据用的的投资习惯不断自主学习,为客户推荐更加合适的产品以及最优的资产配置方案; 三是操盘客观,智能投顾摈弃了传统理财顾问出于自身利益对客户施加的影响,以及投资者人性方面的弱点,并且尽可能减少其在决策时受周边事物影响而造成的情绪波动,从而保证了投资的客观性。

　　目前市场上已经诞生了不少致力于智能投顾市场发展的科技类公司,上海量加科技就是其中一例,量加独有的白盒量化,拥有全国智能投顾App端唯一一家提供白盒可视化的回测量化选股工具。通过网络牛人的平台,汇聚民间高手,所有用户都可以订阅牛人产生的所有投顾服务,如组合、观点和策略等等。量加更通过其强大的技术能力,整合多方资讯并分析整理,挖掘出更加科学的投资方案。

　　“‘量加’将专属于券商机构的大数据量化投资模型和最前沿的互联网技术相结合,使得量化投资普惠化,即使最普通的投资者也可享用,符合其品牌初衷——让每位普通投资者可以享受技术带来的便利,完善大家的投资方式。” 量加创始人及CEO朱思文向记者表示。 

来源：全景网

智能金融方兴未艾 监管机制亟待完善

　　金融作为人工智能落地的最佳场景之一，正迅速升级到智能金融时代。各类金融机构不断加码支付、信贷、客户服务、数字化等领域的布局，借助金融科技实现产品和服务的升级和延展。然而，今年2月的美股闪崩一度让全球资本市场蒙上阴影，市场关于“第一次算法股灾”的探讨和争议更是甚嚣尘上。业内人士认为，如何有效应对金融科技对市场造成的影响势必成为全球金融监管的重要课题。

　　智能金融的“ABCD”

　　金融科技正在以迅猛的势头重塑金融产业生态，“无科技不金融”成为行业共识。金融科技人士表示，以金融科技应用发展为代表，金融机构利用大数据、云计算、人工智能和区块链等前沿技术进行业务革新，将传统的银行、证券、保险业务进行分解，提供更加精准高效的金融服务。

　　有预测称，数字化转型程度落后于市场平均水平的金融机构，未来增长价值比率平均是-11%，而数字化领先的金融机构的比率则可达20%以上。

　　百度金融、埃森哲最新发布的《与AI共进，智胜未来——智能金融联合报告》（简称“《报告》”）认为，人工智能通过“数据+算力+算法+场景”深入到金融领域的决策，并推动智能金融发展，智能金融以ABCD为代表、即人工智能（AI）、区块链（Blockchain）、云计算（Cloud Computing）和大数据（Big Data）四项技术。

　　《报告》显示，当前国内的智能金融主要有三种合作模式：创设、共建、赋能。创设即互联网企业和传统金融机构联合设立子公司，比如百度联手中信银行设立百信银行；中国联通携手招商银行设立招联金融。共建即科技公司与金融公司共同构建竞争能力，当前农行、建行、工行、中行等分别与百度、阿里、京东、腾讯等几大巨头“联姻”。赋能即科技公司开放三种能力及客户服务金融机构。

　　百度金融金融科技事业部总经理石立权称：“以百度金融大脑为例，未来将以一体机的方式赋能给更多合作伙伴，不仅可以支持多方数据加工整合，而且可以将机器学习模型融合，支撑分析预测与精准营销和控制风险，通过更加便捷的软件为合作伙伴提供软硬一体的综合解决方案。百度金融科技也将身份识别和大数据风控的单项能力开放给更多合作伙伴。”

　　“在金融既有的价值链条上，智能金融正促成四方面的重构。”埃森哲大中华区金融事业部董事总经理陈文辉指出，一是重构用户连接和服务的价值链；二是重构风险评估及管理体系；三是重构服务的边界；四是重构基础设施的建设标准和运行逻辑。

　　智能投顾迎黄金时代

　　智能投顾作为智能金融的重要部分，以其低门槛、高效率、低道德风险的显著竞争优势有效覆盖长尾市场、在国外市场逐渐成为大众投资主流。在中国，智能投顾发展正迈向“黄金时代”。根据瑞信数据，预计2016-2021年全球中产阶级新增2亿人。国内新中等收入群体的崛起进一步放大理财需求缺口。据Statista测算，未来5年国内智能投顾资产管理规模及覆盖人数的年复合增长率均超过100%。

　　2015年开始，国内个别金融机构打出智能投顾的概念。进入2017年，机构布局智能投顾迎来一波小高潮。东吴证券、广发证券、中泰证券等纷纷入局，除此之外，国内多家银行也在智能投顾上进行了实践。比如，招商银行的摩羯智投、兴业银行的兴业智投、光大银行的光云智投、中信银行的“信智投”等。

　　在江苏银行零售业务部总经理助理刘静看来，银行智能投顾设计伊始的目的在于优化销售方式。银行智能投顾系统主要投的是基金产品，在主观上可以减少理财经理的业绩压力，但是智能投顾目前更适合有一定经验与投资能力的人。

　　“从大类资产配置的角度来说，券商的智能投顾产品与银行的并没有本质的区别。”南京证券研究所所长周旭表示：“券商的优势在于权益类投资，券商客户更看重收益，所以券商的智能投顾产品需要多策略、高收益。相较于开放基金有着较大的年波动率，券商的智能投顾产品策略延性更佳。”

　　清华大学金融科技中心智能投顾负责人林常乐认为，从技术角度而言，做好智能投顾服务，需要利用大数据对投资者的风险偏好做好了解和细分，对大数据采集、处理和分析到位，才能对用户的个性化风险偏好和场景化的理财需求有更深刻的认识，智能投顾才能更加有效地落地。

　　真融宝董事长吴雅楠坦言，智能投顾在我国的发展环境当中，仍需要克服证券投资工具不足和投资环境有待成熟等短板。现实情况是，成立于2016年12月的摩羯智投据申购规模已经突破100亿元，但相较于招行5.4万亿元的个人客户金融总资产管理规模来说，100亿元的规模占比尚小。

　　“算法股灾”应可避免

　　阳光之下，阴影犹存。在智能金融走向“黄金时代”之时，美国股市在2018年2月2日和5日连续暴跌，并带动全球股市剧烈调整。

　　一时之间，对于历史上“第一次算法股灾”的讨论和争议四起。据报道，交易员们表示当股市下行时，程序化交易加剧了市场的恐慌。

　　在瑞信亚太区私人银行董事总经理兼大中华区副主席陶冬看来，股市调整，其实有迹可循。真正将股市推下悬崖的，是15分钟内近700亿美元的成交量，令一场正常调整变成夺门而逃，进而演变成全球范围内的股灾。他说：“当市场调整出现某种接近算法程序中预设大手减持所设定的场景的时候，沽空盘就会蜂拥而出，而这又触发其他算法程序抛售，市场形成向下的自我循环。资金在跌市中夺路而逃、自相践踏，在历史上发生过不少次，甚至有几次比这次股灾更为惨烈，但是这次调整的机械色彩最浓厚，速度也更快。”

　　资深投资人士对记者表示，美国的智能投顾在标的选择上以稳定的、跟随市场发展脚步的资产为主，一旦波动较大，将造成频繁调仓，从而影响投资组合模型的有效性。因此，美国的智能投顾标的多为交易型开放式指数基金（ETF）。目前我国投顾产品主要标的为优选基金与权益类产品。

　　周旭对中国证券报记者表示，程序化交易最大的劣势在于股市下跌时由于自动集中抛售所造成的拥挤交易，从而加剧市场恐慌。为了控制这种行为，亟待监管机制的跟进和完善。他表示：“正常交易时，很难出现同时抛售。然而在极端时一旦出现集中抛售，便会出现问题。”

　　南京大学商学院茅宁教授认为，程序化交易“股灾”出现的另一个根源在于趋同性。由于编写交易算法的技术人员出身类似，其所编写的机器算法与逻辑都存在高度趋同性，所以在发生交易时，同质化的程序便带来了拥挤交易。他说：“如果趋同，必然失控。监管层需要从源头抓起，监管交易公司本身的算法，并加强市场从业者的准入资格与素质，确保各公司交易程序之间的差异性。”

　　毕马威管理咨询总监毛茅认为，当前通过大数据进行机器算法开展金融投资业务，所带来的潜在风险应可避免。而避免风险首先需要提高各机构获取数据的差异性，当前各家机构都是找固定的少数数据服务公司合作。在应用场景方面，也没有做到更细分。在此背景下，机器算出的数据趋同性一定会很高。针对同样的数据，再采取类似的处理手段，则出问题的时间点集中度就可能非常高。他说：“金融机构应当对自身的经营状况和风险管控形成更高的标准，满足监管要求的基础之上，根据客户特征、行业特征制订一系列风控手段，尤其是要形成差异化优势。还需注意的是，大数据并非小数据，真正的大数据包含了人的投资偏好、企业的纳税信息等，数据源头不可能相同，算出结果也不会完全一样。另外，市场规律不可忽视，即使模型再精准，也不能颠覆市场规律。”

来源：中国证券报

智能投顾在个人养老金管理中的应用

　　智能投顾是指运用人工智能和大数据技术，根据个人投资者的风险偏好和现代投资组合理论，为个人投资者提供个性化、多元化、智能化的在线财富管理服务。在美国，智能投顾开始在养老金投资管理中得到了应用，并具有费率低廉、高效便捷等特点。笔者认为，虽然智能投顾在国内刚刚兴起，并且有着多重发展障碍，但是智能投顾未来将在个人养老金投资管理中得到广泛应用。

　　解决美国养老金管理的痛点

　　智能投顾依托大数据分析、量化金融模型和智能化算法，结合投资者的风险承受水平、财务状况、预期收益目标和投资风险偏好等多种因素，提供个性化的智能理财服务。在美国，作为新型科技化金融工具，智能投顾改变着传统财富管理行业，并且快速崛起，2015年底管理资产规模达到1000亿美元。

　　智能投顾的出现，解决了个人传统养老金投资管理中的痛点。

　　首先，智能投顾管理费低廉、收费标准清晰。美国纯智能投顾公司Wealthfront的管理费加交易费仅为0.26%左右，远低于传统投资顾问1%以上的收费标准。

　　其次，智能投顾解决方案，具有低投资门槛，服务于所有理财群体，解决工薪阶层养老金管理需求，提供基础流动性评估、财务规划、账户分析及资产配置策略等服务。

　　最后，智能投顾通过科技创新，解决个人投资选择的非理性偏见困境，通过大数据和人工智能分析个人投资风险偏好，结合长期投资目标进行个性化资产配置。同时，智能投顾提供投资组合自动再平衡策略，控制投资风险和减少不理性交易，坚守长期投资目标，实现养老金的保值增值。另外，智能投顾为美国个人投资者提供税收亏损收割计划，通过合理的延期纳税策略，提高养老金计划投资的税后收益。

　　建议

　　技术发展为养老金管理的发展和创新提供了无限可能，但路漫漫其修远兮，真正实现应用还有很长的路要走。笔者提出如下建议：

　　第一，养老金管理机构应提前储备智能投顾方面的技术能力、专业人才和团队。智能投顾的核心是算法，依托于大数据、人工智能、量化金融模型，目前还处于初级阶段。智能投顾的发展需要长期的技术积累和专业人才，前期投入必不可少。

　　第二，及早进行产品研发和布局，为智能投顾积累丰富投资标的。养老金管理机构应结合养老金投资管理和智能投顾的特点，加强符合养老金投资需求的产品研究和开发，加快ETF产品的布局，为智能化养老金投资提供优质的底层资产。

　　第三，推动智能投顾立法。从业务性质上看，智能投顾仍属于证券投资顾问业务，受《证券投资顾问业务暂行规定》等相关法规的监管，目前尚未有智能投顾平台获得牌照。明确智能投顾的适用范围、监管规则，建立行业标准，才有利于智能投顾的发展。

　　第四，加快养老金制度顶层设计，完善个人投资选择权制度。针对第二支柱，需要继续扩大投资范围，放宽投资比例限制，明确提供个人投资选择权的权力。针对第三支柱，推动个人养老金账户制度的设计，尽早开展税收递延型个人养老账户的试点。

来源：中国劳动保障报

人工智能将祛除虚火 实现价值回归

　　每10.9小时就会诞生一家人工智能企业，当下的人工智能若要用一个字来形容，那就是：“火”！不过，这股火究竟是真火还是虚火？在近日举行的投资家网·2017中国股权投资年度峰会人工智能分会场上，业内人士坦言，人工智能确实存在泡沫，很多企业价值被高估。不过，经过了2017年的火爆之后，业内预计，2018年将是人工智能价值回归的一年。这一年，人工智能企业会积极寻找合适的应用场景，探寻商业化落地。

　　火爆过后回归理性 泡沫将被逐渐挤出

　　“几乎所有人都意识到了，人工智能能够改变人类的方方面面。不过人工智能确实存在泡沫，与能够落地形成可预见的产业收入相比，人工智能企业的估值普遍过高。”世纪互联副总裁沈寓实认为，2018年，人工智能行业的估值会变得更加理性。2018年，不管是做了几年的人工智能公司，如果能够找到落地的机会，其估值会被继续支撑下去，否则不然。也就是说，2018年，人工智能行业的泡沫会逐渐被挤出。

　　目前政府基金已经介入人工智能市场。沈寓实表示，政府基金对防控风险要求更高，这是泡沫会被压缩的一个因素。

　　那么，这是否意味着，人工智能会在2018年降温呢？

　　对此，银河水滴CEO杨璠表示：“人工智能创业还不到冷的时候。”她预计，2018年人工智能还将持续呈上升趋势。因为，人工智能创业的门槛一定会越来越低，这是符合事物发展的客观规律的。未来会有越来越多的应用层面的项目出现，他们会以更低的成本进入市场，而且人工智能的用户也会慢慢从政府机构拓展到商业机构，甚至是中小商户。“人工智能在各个领域的应用会越来越广泛。不过在其未来发展过程中，一些原来不太现实的期望值会慢慢降低，同时有新的思想被激发出来。”

　　与杨璠观点类似，柔宇科技联合创始人樊俊超表示，2018年整个人工智能行业会继续向上发展，同时一些所谓的伪命题会被去除掉，行业会向更加健康的方向发展。

　　“2017年可以看到很多名词、说法，都被贴上了人工智能标签。比如大数据、智能驾驶、云识别、云计算等，这其中，有些属于人工智能范畴，有些根本不属于真正意义上的人工智能范畴。2018年我认为整个人工智能行业会回归理性，去除掉一些所谓的伪命题，把不属于人工智能范畴的泡沫剔除出去。”樊俊超表示。

　　网医智捷创始人兼CEO刘健分析认为，2018年是人工智能价值回归的一年。因为当风口投资的额度快速拉升之后，市场一定会产生一种调整。在这一调整过程中，人工智能一定会回归价值。“对于人工智能企业来说，其商业模式是什么，能否满足用户需求，是否可以解决用户问题，这是最主要的。”

　　商业化应用节点来临 盈利模式探索成要务

　　“人工智能现在最普遍的问题是没有商业模式。”刘健表示，包括很多融资过亿的企业目前都没有探索出成功的商业模式，即使是已经实现盈利的，其赢利点也不在人工智能本身，而是在人工智能介入的其他业务上。

　　2018年，在业内人士看来，人工智能已经到了真正商业化应用的时间节点。探索真正清晰的商业模式、盈利点会是人工智能行业的第一要务。

　　在落地应用场景中，安防和智能制造行业被认为是落地最快的，而且目前已经有部分企业实现了盈利。

　　“安防和智能制造行业是人工智能应用的第一梯队，其市场部署最大，商业模式也最清晰。”天亿资本合伙人张宾认为，人工智能应用的第二梯队是医疗和教育，市场空间很大，但是在中国市场环境下推进非常慢；第三梯队是金融。人工智能在金融业有着无限想象力。不过中国是实施金融监管的国家，金融行业实施人工智能化是要接受严格监管的，目前智慧金融还没有形成气候，尚无一款智能头部的产品跑出相应的业绩。

　　“这三个方向都是非常明朗的人工智能应用场景，目前也到了探索人工智能商业化应用的时间节点，不过人工智能能否在2018年实现真正的商业化落地，还不能妄下定论。”对于人工智能的落地预期，有业内人士如此表示。

　　在张宾看来，对于人工智能来讲，要实现大规模落地应用，一年的时间可能太少。他表示，安防、手机终端、智能制造等落地最快的应用场景中，安防、手机终端未来会有很多新的内容出现，智能制造在2018年也会进入发展的关键时期。而金融行业，虽然搭上人工智能将开启10万亿元市场，可是要实现真正的商业化应用可能还要花3-5年的时间。

　　“人工智能的发展离不开法律层面的支持。”在樊俊超看来，人工智能在某些领域的商业化落地，还需要政策的推动。比如，深圳一家创业公司成立两年，主要做快递机器人，样品非常不错，但是因为机器人上天桥、过马路时会涉及到一些具体事项，如果没有政策的支持就无法推行。

　　据了解，2017年国家和各省市已经密集出台了一系列AI相关政策，达30多条，其中，仅国家层面的政策就有10条，2017年7月，国务院更是专门印发了《新一代人工智能发展规划》，从国家层面对人工智能产业进行了顶层设计。不过，在人工智能应用层面，政策支持的力度还需要进一步加大。樊俊超预计，2018年国家会在人工智能应用方面出台非常明确的政策。

来源：中国产业经济信息网

智能投顾来了，机器人理财靠不靠谱

　　中国经济在过去10年经历的高速发展为中国私人财富总量的迅速扩张奠定了坚实基础。截至2016年底，中国私人财富规模约165万亿元人民币，已成为仅次于美国的世界第二大私人财富市场。随着国民财富的不断提高，我国的财富管理市场迎来黄金发展期。

　　智能投顾（Robo-Advisor）这一风靡华尔街的创新性金融科技，开始迅速进入主流金融机构的视野，券商、传统银行等纷纷试水。比如，美国金融数据分析服务提供商Kensho，其系统可以在2分钟内解释下述问题：当三级飓风袭击佛罗里达时，哪只水泥股的涨幅会最大？苹果发布新iPhone，哪家供应商股价上涨幅度更大？

　　然而在2018年2月6日，随着标普500指数下挫4.1%，美国两家大型机器人顾问公司Wealthfront Inc.和Betterment LLC的网站崩溃了，成为金融市场人工智能顾问遭遇的一大挫折。

　　究竟什么是智能投顾？它到底能否将传统金融业推向新的高度？

　　金融机构爆发式入局智能投顾

　　智能投顾又称机器人理财，可以理解为是利用人工智能的优势，结合投资人的风险水平、期望收益以及市场动态，通过算法和模型完成以往人工提供的理财顾问服务。海外智能投顾公司如Bettermen、Wealthfront、Personal Capital、FutureAdvisor等经过几年发展，已经得到市场的认可。

　　近两年，国内智能投顾呈现爆发式增长。2016年，以招商银行、广发证券为代表的银行和券商等金融机构开始入局智能投顾。比如，长江证券推出“iVatarGO”，光大证券上线“智投魔方”，广发证券发布“贝塔牛”等。还有工行上线智能投顾“AI投”、招行推出“摩羯智投”、浦发银行推出“财智机器人”、广发银行上线“广发智投”、兴业银行推出“兴业智投”等。

　　到2017年，又有更多券商上线了智能投顾应用。华泰证券发布了涨乐财富通APP，提出“让专业世界更简单”的投资理念；中泰齐富通APP提出要打造智能投资生态圈+全程O2O(线上到线下)服务；银河证券发布智能交易APP新版本，新增智能客服功能。

　　与此同时，保险系资金也开始发力智能投顾。2017年6月，安邦保险集团旗下综合金融平台安邦金融宣布，与璇玑展开战略合作，联合开发数字化金融服务“安邦金融&璇玑智能投顾平台”，在金融安全和人工智能等领域展开深入合作。

　　从理财领域的发展路径来看，2017年7月，易观咨询发布的《人工智能理财市场报告》指出：中国AI应用处于早期，更加关注对用户的理解，重点为提升客户在理财方面的认知能力，建立更健康的投资理念等投资者教育工作。

　　老话“钱生钱”也就是我们现在常说的投资理财。30年前，中国的老百姓还没有理财的概念，有了闲钱，首选是自己存入银行。

　　即便是成功的智能投顾，背后也离不开人工支持

　　一边是金融机构的争相布局，另一边是对智能投顾当下进展的质疑之声：它究竟是推动传统金融业走向新的高度动力，抑或仅仅只是一个概念？

　　从政策层面看，2017年11月17日，中国人民银行、银监会、证监会、保监会、外汇局等部门联合起草了《关于规范金融机构资产管理业务的指导意见（征求意见稿）》，对金融机构智能投顾的从业资质作了规定，还规定了金融机构提供智能投顾服务的“勤勉尽责”要领，指明了金融机构防范及处置智能投顾风险的思路。

　　“很多券商、投行和商业银行都在开发自己的智能投顾，都希望能给客户提供更好的体验，我们也在全力以赴。”中金财富管理部负责人、董事总经理吴波在接受《中国经济周刊》记者采访时表示，中金公司等近20家顶级投资机构参投了商汤科技，后者在人脸识别等人工智能方面非常先进，未来会在智能投顾方面做一些探讨。

　　吴波坦言：“目前为止，全世界的FinTech也还没有特别完美的解决方案，我也不知道自己能否做出来，正在积极地努力。”中金财富服务中心首席投资官、董事总经理邱劲向《中国经济周刊》记者直言：“到目前为止，国内外没有一个投资策略是完全依赖数据、量化引擎的。我们也有所谓的智能投顾体系，但这绝非纯粹基于大数据，而是要我们的研究团队、投资顾问团队来投资支持。”

　　他表示，部分在海外比较成功的产品，仍有许多投资顾问在背后支持。截至目前，没有产品是只依赖数据的成功案例。投资与其他以大数据为基础的服务差别非常大，并非市场的每次投资波动都是简单的历史重复。要利用人工智能做投资，需要很多历史数据，再进行机器学习。

　　1996年的股民们，去交易大厅看大屏幕上股价滚动，那里就是人间悲喜剧场。涨的时候会有人鼓掌喝彩，几个买了同一只股票的散户还会在快速拉升的时候有节奏地喊号子。跌的时候大厅里一片愁云惨雾，一个个靠在座椅上发呆不说话。

　　智能投顾为何在2017年股市中节节败退？

　　另一方面，智能投顾在股票市场能发挥什么作用呢？

　　证券市场专业而深奥，既要从政策面分析宏观新闻，又要从基本面分析公司价值，还要从K线图研判趋势。

　　2018年1月15日，哈工大社会计算与信息检索研究中心（HIT-SCIR）称，即日起开始推出“智能荐股”公众号，将通过对股市信息的智能分析，每日推荐若干只国内A股市场的股票，并给出每日收益情况以及一段时间内的累计收益情况总结。

　　据其官方介绍，这一智能荐股服务，是基于HIT-SCIR开展的事件驱动的股票分析与预测技术，通过对国内A股市场的新闻事件信息和股票量价数据进行抽取与表示学习，利用深度学习模型完全自动化地给出股票未来走势的预测，进而推荐若干只潜力股。

　　不过，到1月28日，这项服务在进行仅两周之后就被暂停。HIT-SCIR称，他们将根据用户的反馈改进股票预测算法和服务模式。后续，会在取得更高更稳定的预测指标的前提下，择机以其他形式为用户提供智能投顾服务。

　　《中国经济周刊》记者观察到，在这一公众号运行的两周里，第一周（1月16日—19日）中，16日—18日这3天所推荐股票都跑赢了上证指数、深证成指和沪深300，1月19日跑输三大指数，这4天的累计收益率为2.97%，也跑赢三大指数；第二周（1月22日—26日），除了1月26日所推荐股票跑赢三大指数外，其余4天都表现一般，这5天的累计收益率为0.66%，而同期的三大指数累计收益率分别为2.38%、2.36%和2.63%。

　　除了HIT-SCIR“智能荐股”的短暂服务，早前在网络间更广泛流传着一则AlphaGo也被A股打败的段子，“研发AlphaGo的AlphaBeta旗下的DeepMind团队发表论文，公开其研发的人工智能交易系统AlphaStock已经在中国A股市场潜伏交易36个月，在经过不断地自我学习自我进化后，最终净值亏损呈现不断扩大的趋势，且净值波动区间和换手率也呈现飙升趋势。该团队最终决定暂停该领域的研究，将重新审视研究框架。”

　　如果未来人工智能能更好地发挥作用，那是否意味着人人都能从股市中赚钱呢？

　　点掌财经执行总裁顾远洋对《中国经济周刊》记者分析说：“目前的智能投顾原理并不难，大部分都是基于历史数据因子组合回测而来。AlphaGo和国内部分早先做量化模型的机器人都在2017年遇到了一个历史特有的问题，就是炒股逻辑结构变换。2017年是价值投资元年，白马股一飞冲天，也是在中国A股历史上从来不曾见过的事情，而历史数据方面这块几乎是空白。所以，这也是为什么人工智能会在2017年股市中节节败退的主要原因。”

　　顾远洋认为，当市场越趋于成熟化，数据越完备的时候，这才是真正人工智能产品发力的时机。现在全行业都在摸索阶段，通过一段时间实操之后，会有更多的升级版智能投顾产品。

　　此外，也有一些机构人士非常看好，如北京资配易投资顾问有限公司董事长张家林认为，在证券投资领域，投资者每天必做的功课就是根据当前市场信息作出决策，因此，利用人工智能作为辅助，甚至替代人脑作出交易决策，必将成为人工智能技术同证券投资的融会点，未来将通过人工智能技术彻底改变现有的证券投资模式。

　　当老牌投行变成了“科技公司”

　　在蚂蚁金服财富事业群AI项目总监余鹏博士看来，人工智能早已不是科技公司的专属，金融领域都在追赶这一潮流。老牌顶级投行高盛和摩根大通不但宣布自己是一家科技公司，更花重金布局以人工智能为代表新科技。普华永道、摩根大通等机构甚至有了“机器学习主管”这一职位。而从2019年开始，特许金融分析师（CFA）考试这一金融行业的“黄金标准”也将引入人工智能的专业知识。

　　那么人人都有自己的理财顾问，这事究竟靠不靠谱？

　　在余鹏看来，这取决于三方面因素，即用户洞察能力、智能化匹配引擎以及市场洞察能力。

　　“蚂蚁金服目前已经可以通过大数据勾勒出更清晰客观的用户画像，并通过大量样本的积累和推荐算法，完成千人千面的匹配推送。至于市场洞察能力，越来越多金融合作伙伴的加入让其不断完善成为可能。和很多领域的人工智能一样，三大基础结合最终以机器人形态呈现。”余鹏解释道。

　　比如，余鹏介绍，在理财平台蚂蚁财富上，有着“财富社区一号女神”称号的机器人安娜，正在回答理财社区用户各种刁钻奇怪的提问，结合过往“学习”的金融知识、经济报告、货币政策、社会事件等，她推演出变化趋势及概率，反馈给理财用户建议。

　　据悉，安娜平均每天回答网友1000多个问题，获得的满意度高达93%，是社区里不折不扣的第一大V。可以看到，机器人理财顾问正在让金融这个专业性强，甚至有点儿枯燥的行当，变得通俗、有趣，也走进了更多人的日常生活。

来源：中国经济周刊