智能投顾平台的三种业务模式分析

     当我们说起智能投顾时，目前到底有哪些类型需要知道？

     纵观目前国内智能投顾概念的理财平台，从宣传上看基本都属于技术控，这个听上去玄而又玄的概念，正在被越来越多的互联网金融公司引入自己的发展战略。但从本质上讲，由于各平台在金融产品种类、金融产品配比、大数据运用等方面实力相差悬殊，所以并非所有的宣传都能真正落到实处。

     目前，平台用户进行投资的流程大致相同，基本步骤包括：风险测评、获得投资方案、连接账户、进行投资、更新方案、完成投资。但是，如果从业务模式上分析，基本可以将目前的智能投顾平台分为独立建议型、混合推荐型和一键理财型三种。

     1、独立建议型

     独立建议型的智能投顾平台和国外Wealthfront、Betterman等知名平台相似，通过调查问卷的方式，对用户的年龄、资产、投资期限和风险承受能力等方面进行分析后，经过计算，为用户提供满足其风险和收益要求的一系列不同配比的金融产品。这类智能投顾平台只为理财用户提供建议，并代销其他机构的金融产品，平台自身并不开发金融产品。平台推荐的金融产品大多数为货币基金、债权基金、股票基金和指数基金等，有些平台还配置有股票、期权、债券和黄金等。

     2、混合推荐型

     混合推荐型平台在业务中融入了平台自身特有的金融产品，即向用户推荐的投资组合中，部分金融产品是平台参与开发的。该类型平台仍然通过调查问卷的方式，对用户的年龄、资产、投资期限和风险承受能力等方面进行分析。与独立投资型平台不同的是，混合推荐型平台在经过大量计算后为投资者推荐的产品分为平台特有金融产品和其他机构金融产品两类。例如，一些混合推荐型平台会为用户配置一些平台参与开发的P2P网贷产品、票据理财产品、固收理财产品等。同时，平台还为用户配置其他机构的金融产品，来满足用户需求。

     3、一键理财型

     一键理财型智能投顾平台的用户不直接参与具体的金融产品配置方案的制定，用户只需要选择“智能投顾”这项业务，平台就会根据用户的需求和以往的行为数据自动配置产品。简单来说，这类智能投顾平台，简单明了的给用户“收益率”这个结果，采用机器人进行资产配置的过程，用户并不参与。比如，有的平台会根据用户行为分析用户资金的转出概率，给每个用户配置流动性需求不同的资产组合，并设置不同的现金保留比例，最后通过机器高效匹配来实现用户间的债权转让，从而保证没有资金池和较好的客户体验。

     在技术条件还不很成熟的情况下，目前所谓的智能投顾更多是针对不同客户类型的资产配置，还处在概念阶段。即便是在资产种类上，国内的平台机构主要将投资标的设定在公募基金、股票、P2P产品等少数投资品种。当然无论采用何种类型，随着中国的社会收入结构从“金字塔形”向“纺锤形”过渡，中等收入的个人和家庭占总人口比例在加速上升，加上中国庞大的人口基数，这意味着在不久的未来，具有中国特色的智能投顾将给新兴中产阶级带来全新的资产配置体验。（今融指南/未央网）

杨立功: 从量化角度看智能投顾

     简单来说，智能投顾是金融科技浪潮中的一个产品。金融科技本身其实是一个新概念，是随着现在的大数据、人工智能和移动计算等新兴技术与原有金融模式的结合和创新，演变/发展出的新东西。典型的产品包括如今已经改头换面的阿里巴巴虚拟信用卡，花旗银行计划以机器取代分行员工人力的智能银行，以及芝麻信用的大数据征信等，还包括今天要讲的主题——智能投顾。

     智能投顾是一个新兴的产品，它的出现和成熟有以下几个前提：

     1.金融在不断发展，投资不再偏向艺术，而成了一门科学。在科学领域，只要用正确的方法，就可以得到正确的结果。但在艺术领域，用同样的方式，不一定得到同样的结果。现在，金融投资理论基本上发展到了照搬方法就能得到与理论中相近结果的程度。

     2.金融市场的有效性和开放性正在增强，流动性更多，套利机会更少。不管散户手头有多少钱，光从产品来看，机构可以买到的产品，散户基本上也可以买到。反过来，纯粹靠信息不对称套利的机会也越来越少。

     3. 由于软件及互联网技术的进步，计算成本急剧降低，使得个人定制化服务成为可能。以前做智能投顾至少需要具备价值几千元、便携性低的电脑，而现在的智能投顾可以在低至几百元的手机上下载免费应用来完成。只要能用得起手机，就用得起智能投顾。另外一方面，因为所谓的“二八法则”，智能投顾运用同样的理论向投资者提供一个产品，这个产品或许不是最优的，但却可以满足投资者最基本的八成需求。

目前智能投顾领域的典型产品包括Wealthfront, Motif Investing, Betterment等。

在详述智能投顾产品之前，我下面先简单介绍几个刚才提到的典型金融科技产品：

     阿里巴巴虚拟信用卡——花呗

     其实就是阿里巴巴给用户一个临时的授信。尽管额度比较小，其他银行也不一定接受，但是可以作为一张虚拟信用卡供用户使用。花呗是基于阿里巴巴后面的大数据征信——芝麻信用对用户信用评分，决定给每个人多少信用额度，什么时候调，什么时候降。

     花旗银行的智能银行

     花旗业务的主流方向是用智能平板取代所有的柜员。我认为国内各个零售支行也会慢慢朝这个方向发展。不过国内的人工成本比较低，因此减少柜员的数量并非当务之急。

     大数据征信——芝麻信用

     利用大数据来对人的信用做出实时，多维的评估。目前不止阿里在用，有很多传统的银行业在购买阿里的数据做征信应用。

     二、智能投顾的市场定位

     下面介绍一下智能投顾产品的市场定位。一般来讲，资产管理、财富管理类行业的客户群分类如下：

     最有钱的是大的机构。它们的特点是并不追求最高的回报率，但一定需要长期稳定，而且资金量最大。它们可以雇专业的团队，运用最顶尖的技术进行研究，投资能力应该是最强的。

     其次是超高净值人群以及规模较小的机构。他们有追求资产增值的能力，想得到比大规模机构更高的回报。这类机构一般会合理分配它们的资产，它们的投资能力比较强，也可能有专业团队的帮助，但不一定是非常顶尖的团队，因此投资能力较强。

     再接下来就是有一定的钱，也渴望更多的钱的高净值人群。他们一般不做大类资产配置。高净值人群的资产基本只涉及自己要用的东西，例如房子、车子，很少涉及商业地产、房地产开发及油田矿山等。这类人的投资能力比较一般，偏向于依靠自己的个人信息和经营企业的直觉来决定投资的方向和方式。

     最后是普通人群，也就是包括我在内的大多数。这类人没什么钱又想一夜发财，经常收到各种各样类似武林秘籍之类消息，但一般发不了财。这类人非常渴望资产增值，但是他们的投资能力和经验非常弱。

     不同客户群都有相应的投资服务提供商。对大规模的机构来说，投资服务提供商的选择最丰富，总的费用也最高，例如对冲基金或资产管理公司。超高净值人群也有比较好的选择，例如私人银行、对冲基金、投资顾问、信托等。高净值人群能选择的比较少，大多数的私人银行不接这种单，也负担不起对冲基金。只能选择银行几十万的信托、理财计划等，或是接触一些普通的投资顾问。普通人群只能选择银行存款，无门槛，有利息，但不能指望它带来高回报。比如中国现在的定存利息是3%，支付宝利息略高于3%。

     现在看来智能投顾的目标客户群就是高净值人群和普通人群，这两类人数最多，但是钱却不是最多。他们非常渴望赚钱，但是一般都赚不了，所以希望可以得到好的投资服务。刚才提到，好的投资顾问服务都很贵，轻易负担不起。因此智能投顾就运用人工智能及移动互联计算技术，把投资顾问的成本降下来，使每个人都可以以很低的价格接触到比较不错的服务。 

     三、智能投顾的常见模式

     （一）超市模式

     智能投顾常见的模式有大概有三种：第一种是利用大数据、人工智能和专家团队提供尽可能多投资策略的超市模式。投资者就像进入一间超市，里面有成百上千的产品，然后客户基于个人偏好进行选择。这种模式的代表产品包括Motif Investing和金贝塔。

     这种模式听起来很美好，但现实是，大多数情况下，散户之所以投资失败并不是因为买错了东西。例如最简单的买指数，任何人随机赌涨跌，总有一半的几率买对，长期来看，至少不会亏手续费以外的钱。投资失败的问题在于散户缺乏对自己风险偏好及投资风格的清晰认知，不是被吓跑，就是一变再变。

     超市模式无法解决这个问题，因为超市模式提供了太多的选择。客户今天看A好，明天看B好，后天看C好，就像逛超市一样，本来想买方便面，结果买了一大堆的洗衣液回来。

     （二）股票社交模式

     第二种是股票社交模式。互联网上有个很著名的网站叫Forex Factory。他的运作模式是牛人们把自身交易信号分享出来，大家可以跟着投，一起发财。在国内，股票社交模式的代表产品是牛股王和雪球。

     股票社交模式有什么问题呢？美国以前有一个线下版本的股票社交，stock investment club，就是一堆人在一起讨论股票的买卖，分享研究与交易思路，但人们逐渐发现，最后这些人都不再谈赚钱，而是谈起恋爱了。这种牛人、牛股模式的关键在于社交，而不在于投资、赚钱。牛人发一条45度的、一天翻几倍的收益曲线，目的是看下面有多少人点赞，而不是真的挣钱，这就是股票社交模式的问题所在。当然了，既然叫股票社交模式，关键不在于赚钱。用户得到的是学习的机会，和娱乐及社交。

     （三）医院模式

     最后一种模式，也是我本人觉得比较靠谱的模式，是以Betterment为代表的医院模式。基本就是像在传统意义里的医院里，医生按照病人的症状开药施诊，医生不需要让病人选择，也不太需要向病人解释。此处的医院模式中，用户说自己想赚钱，智能顾问就会问想赚多少钱、可以承受多大的风险。诊断过后，再提供一个对症的解决方案。

     这种模式的问题在于，如何确定这个医生值得信任？如何判断这个医生是不是庸医？现实生活中有各种职业资格考试和正规的监管体系，但网上的智能投资顾问说可以挣钱，能信任吗？能赚多少？这是一个比较尖锐的问题。

     四、智能投顾的量化分析

     （一）超市模式/股票社交模式

     下面给大家提供股票社交模式的一些数据。首先是Motif Investing。我统计了一下，在过去的一年里，大约有20%的官方投资策略不赚钱。尤其令人吃惊的是，一个用4个ETF做的策略，在这一年里亏了42%。

     或许大家认为自己不会这么傻，选择如此糟糕的策略。下面这是五项最热门的一年期投资策略，超过30%的用户选择了这些热门策略，而他们其中只有三个策略在过去一年里赚钱。我认为，作为一个散户是避不开热点的，对热点的关注是人的本性。

     股票社交类平台对投资没有设立任何门槛，100个人就有100个策略，而1万个策略中，只有5%的人赚钱，95%的人都在亏钱。历史数据表明，大多数Forex Factory的跟踪客户是不赚钱的。Motif Investing虽未提供详细数据，粗略估计也只有少数用户赚了钱。

     散户为什么赚不了钱呢？投资者欠缺的并不是投资选择，而是衡量策略和风险偏好的能力。这种欠缺造成的第一个后果是选策略时盲目追随高回报的热点，第二是缺少耐心，第三是抱有娱乐心理，哪个好看买哪个。当然，赚不了钱还有策略过度拟合的原因——股票社交类平台的散户提交的策略经常会出现这类问题。最后还存在一个资金风险管理的问题，而散户一般意识不到这一点。

     （二）医院模式

     医院模式的策略需要一定的弹性，所以只能选择流动性比较好的策略。投资顾问可能接触到无数的客户，但顾问的策略是有限的，所以必须把客户都集中在几个有限的策略上。但是顾问又不能保证每个策略上的客户是否会超过市场容量，所以会尽量把容量扩大。扩大容量最简单的方法就是使用流动性比较好，标的也比较大的ETF。

     医院模式平台的代表Betterment就使用同样一批ETF，通过调节组合管理的风险偏好来适应每个客户，也就是调整风险和收益。大多数医院模式下的智能投顾平台都采取了类似的方式，但这种方式存在一个同质化倾向的问题。尽管具体的模型、参数上有一些细微的差别，但大的框架都是一样的。

     医院模式的策略只有几种，专家团队的研究表明引用这些策略确实可以赚钱，但是投资时间偏长、投资收益有限——5%～10%的投资收益，期限一般在几年。但我个人觉得这个结果是正常的，这是市场定价的问题。作为散户，只愿意付出很少的费用，就不可能获得费用为2%到20%的对冲基金产品所提供的投资服务。

     五、智能投顾的一些问题

     就算有着智能投顾平台强大的人工智能、庞大的数据和厉害的专家团队，我们如何说服投资者接受只有5%到10%的收益？散户也想发财，如果收益率低、平台界面不够新潮、不解释测试风险偏好的意义，散户会对平台缺乏信任。从中国的实践经验来说，网红远比比专业人士更容易成功推荐投资策略。一个漂亮的网红推荐的股票，会比我这样的专业人士推荐的股票受到的关注还要多。

     再就是投资者心理的问题：牛市时，投资者会对仅5%的回报率很不满意；而熊市时，投资者会觉得被所有人欺骗，温柔一点的就删软件，暴力一点的就砸电脑，甚至围攻营业部、地方政府和证监会。如何让投资者相信医院模式确实可以帮他治病？这需要长时间的投资者教育。

     另外中国投资环境也存在着问题——中国经历了很长一段无风险、高利率时代，早些时候大概能达到10%甚至更高的无风险收益。那时候获得这样的收益是很平常的，所以大家都觉得你在我承担风险的情况下应该有更高的收益。但现在很难获得这个收益，而大家已经逐步的接受了以前模式，也接受了这个想法了。

     最后总结几点：

     智能投顾前景广阔，但国内目前尚未形成潮流；

     超市模式用户赚钱不易，但专业度较好，同时交易费用较为低廉；

     股票社交模式很难赚钱，但娱乐性较好，容易结识好友及人生伴侣；

     医院模式几乎都可以赚钱，但透明度差，用户识别产品教难，适合长期投资。

     以上是我的演讲，谢谢大家！

     10月29日，2016北京大学全球金融论坛暨北京大学金融校友联合会年会在北京大学汇丰商学院召开。某外资投行量化投资主管杨立功受邀在分论坛发表题为《从量化角度看智能投顾》的演讲，本文根据演讲实录整理而成。

     编辑:袁媛 , 绳晓春, 郭倩

马太效应失效？智能投顾对国内证券市场的影响

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

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

     智能投顾与量化交易、传统证券投资服务的渊源

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

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

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

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

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

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

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

     智能投顾对证券市场的影响 

     智能投顾对于国内证券市场发展的影响主要体现在两大方面： 

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

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

     发展智能投顾需要注意的问题

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

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

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

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

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

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

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

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

     结语

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

巴曙松：金融科技公司的探索与思考

　　截至2016年6月，全球共有超过1362家Fintech(FinancialTechnology，金融科技)公司，融资总额超过497亿美元。埃森哲资料显示，全球金融科技产业投资在2015年增长75%至223亿美元。大陆Fintech行业增长445%，接近20亿美元。大陆央行也表示将考虑应用电子货币并着手开始研发相应技术。

　　金融工具的变革是金融体系变革的必要条件，我们有理由相信，金融创新能够推动产业发展。Fintech基于大资料、云计算、人工智慧、区块链等最新IT技术，改变传统金融的资讯采集来源、风险定价模型、投资决策过程、信用中介角色等，大幅提升传统金融的效率和解决痛点，全面应用于支付清算、借贷融资、财富管理、零售银行、保险、交易结算等6大金融领域，实现金融+科技的高度融合，代表技术如大资料徵信、智慧投顾、供应链金融等。

　　许多研究通过风投融资额来判断Fintech在全球的发展现状。从地域来看，Fintech的发展以北美为主导，欧洲与亚洲紧随其后，3大洲几乎占据所有的市场。在过去5年间，3大洲Fintech的发展速度从2014年开始暴增，2015年持续增长，2015年北美、欧洲、亚洲地区风投驱动下的融资额分别为77亿、14.8亿、45亿美元，较上年同期增长75%、33.33%、309.09%。

　　从业务类型发展来看，行业内Fintech公司大部分以支付和借贷为主要业务，根据H2Ventures公司与毕马威(KPMG)发布的《2015年金融科技100强》资料，主营业务为借贷或支付的公司占据69%。从CBINSIGHTS网站上获得国外估值前10家Fintech独角兽公司的主要业务资料也可看出，估值排名前10的公司中，以贷款或支付为主要业务者占80%。

　　由于人们对支付和借贷有基础的需求，再加上网络借贷和移动支付相较传统金融的便利程度，笔者认为，Fintech涉及的6大金融领域中，支付清算及借贷融资可能成为Fintech初创公司打开市场、积累客户的途径之一。

　　从金融功能的角度看，金融的核心是跨时间、跨空间的价值交换。基于大资料和云计算基础，在时间和空间上加速推动Fintech发展的两大核心技术，一是区块链，二是人工智慧。

　　区块链自诞生的那天就创造了一种数位货币，可借助区块链“点对点”进行支付和价值转移，无需携带;区块链还可解决因中介交换价值而产生的资讯不对称问题。人工智慧正在提升价值跨时间使用的能力，它包含快速吸收资讯、将资讯转化为知识、预测未来、在确定规则下优化博弈策略的能力。

　　Fintech核心技术将获得广泛的应用场景及延伸，人工智慧可应用于智慧投顾、量化投资、信用卡还款等;区块链可应用于电子货币、互助保障平台、登记、明确产权等领域。

　　关于大陆Fintech的探索和前景，笔者有以下思考。

　　其一，Fintech是技术带动的金融创新，它与传统金融并不是相互竞争的关系，而是以技术为纽带，让传统金融行业摒弃低效、高成本的环节，从而形成良性生态圈回圈。传统金融机构能否成功转型或是金融科技公司能否具备行业竞争力，取决于其是否能够研发出核心技术，且与金融环境相结合，使金融服务更高效。

　　其二，Fintech行业能否健康发展，与监管模式的创新息息相关。西方国家无论初创公司或者大型金融机构均在政府的监管要求下不断进行创新和探索。反观大陆，“行业自律先行─政府监管跟上”的监管发展路径也许在某种程度上有利于促进创新，不会将金融创新错杀在摇篮中，但探索监管的创新模式也需要和行业发展齐头并进，清晰的监管体系或许能够让行业创新保持可持续发展。

     文/巴曙松    来源：中国台湾《中国时报》

Fintech成中英经济财金论坛话题焦点 陈生强代表中国企业说了什么

     第八次中英经济财金对话于英国伦敦当地时间11月10日-11日召开。此次中英双方在贸易、投资和金融多项领域展开了创新合作。11月11日上午，中国互联网金融协会牵头组织了金融科技论坛，邀请了中国优秀的金融科技企业代表出席，与英国国际贸易部、英国金融科技企业、国际先进咨询机构等一起深入探讨全球金融科技的发展。其中，京东金融作为国内领先金融科技企业出席了本次论坛，与蚂蚁金服、陆金所等国内金融科技标杆企业，以及英国投资贸易总署相关负责人，AlgoDynamix、Currency Cloud等英国金融科技企业共同讨论中英金融科技要怎样投资未来，这样强大的阵容与对行业的深度洞察，成为了论坛上的焦点。

      京东金融集团CEO陈生强在参加本次中英经济财金对话——中英金融科技合作论坛时表示，京东金融秉持开放心态与全球视野，愿意与英国以及全球的金融科技公司、技术公司加强交流、投资与合作。利用京东金融的数据、场景与用户优势帮助全球科技公司落地中国，也愿意将京东金融的风控能力、技术能力向外输出。陈生强透露，京东金融今后三年每年在技术领域的投入总额将超过100%的增长，这也是京东金融的最大投入。

       数据驱动金融 未来技术领域投资年增速超100%

       中英金融科技论坛中，中英双方代表围绕投资未来的话题进行了讨论，成为全场的焦点。

在谈及未来创新时，陈生强表示，我们认为未来金融的主要驱动力是数据，数据是金融行业的最大公约数，正如芯片是物联网行业的最大公约数。

       目前中英两国最具创新性的行业主要在三个方面，一个是基于数据风控技术下的信贷，另一个是机器智能化投顾，第三个方面是支付。

       举例来说，京东金融在个人信贷领域搭建了完全以数据驱动的风控体系，现在给超过2亿人做了信用评估，应用了超过一万个变量，同时使用了人工智能的技术。这个风控体系包括四大数据模型：风险控制模型、量化运营模型、用户洞察模型、数据征信模型。基于这套体系，效率相对于传统模型提高了十倍以上，同时可实现不同个体的差异化风险定价。

       京东金融今后三年每年在技术领域的投入将超过100%的增长，这也是京东金融最大的投入。

       打造开放生态与全球合作

       首先京东金融打造是一个开放的生态。京东金融会开放自己所有的能力出来，为广大的金融机构、非金融机构提供服务，致力于提供菜单式的、嵌入式的基础设施服务。

       我们也始终具备全球性视野去打造开放生态。京东金融拥有大量的场景与数据，在中国有领先的金融科技市场经验与用户能力，能够帮助英国金融科技公司快速在中国落地。

       其次在技术方面，京东金融也有意向与英国同行合作，或者投资英国的金融科技公司。同时，京东金融可以输出技术给英国以及全球金融科技公司、科技技术公司。我们能够将这种风控能力和系统搭建能力实现对外部核心企业的输出，让更多的企业也能享受到金融科技的便利。

       不断迭代数据技术能力

       京东金融认为，金融科技公司应该定义成：遵从金融本质，以数据为基础，以技术为手段，为金融行业服务，从而帮助金融行业提升效率、降低成本。

       金融科技的内涵应该包括以下几个方面，一是以数据和技术为驱动，第二是能提升行业效率，降低行业成本，第三是要做传统金融不能做或做起来成本很高的业务，四是致力于能力输出，服务金融机构和非金融机构。所以，京东金融做底层基础设施建设，希望通过技术服务并优化整个金融市场。

       在这样的定位下，京东金融认为金融科技企业要以数据为基础，以技术为手段，不断增强数据技术实力。所以我们的核心竞争力在于数据技术能力的不断迭代提升。尤其在数据方面，加强数据的合法采集能力，这个也是全行业面临的挑战。

       目前，中国国内包括全世界范围内也已经涌现出很多优质的前沿科技型企业，这些企业的创新和突破能力有着极大的潜力，京东金融愿意开放并不断迭代自己的数据技术能力，与全球进行交流学习、投资合作，为行业、为社会创造更大价值。

      本文来源于环球网

读秒：为什么fintech能比银行快这么多？

   “用户线上输入信息后，10秒内就能得到授信结果，”智能信贷服务商读秒CEO周静介绍道。 

    互联网信贷平台大多宣传“5分钟”或“当天”审批。而传统银行信贷审批程序更复杂，需要经过触客申请、预审、材料递交、录入、运营、终审等，整个流程动辄2周。 

    技术是fintech的绝密黑箱，为什么fintech能够比银行效率快这么多？ 
    其实整个流程很简明清晰。以用户A为例，A通过前端页面提交身份信息、信用卡、手机号等简单数据，便开始进入了10秒的过程。 

    首先， A从前端提供的信息将进入读秒数据湖中。 
    读秒数据湖有来自40多个数据源的数据，加上A提供的数据，将组成一个与A相关的数据集合。这个阶段，“数据集合A”将通过一些简单“规则”对数据进行初步清洗和筛选。 
    为了提升清洗效率，这些“规则”不是复杂模型，通常会设置的非常简单，比如年龄必须大于20岁，芝麻分高于600分等要求，在这些规则下，读秒迅速剔除了无还款能力的学生以及信用过低的人群。只有通过基本规则的申请人，才会进入下一步数据处理模型。 
   “大数据风控的壁垒不在于数据的数量，”周静说，读秒的40多个数据源中很多都是大家都在使用的数据，比如芝麻信用、运营商数据等，对数据的精细管理和挖掘才是大数据风控的难点和壁垒。 
    数据处理模型是第三个环节，也是大数据风控技术中所谓的黑箱环节。其中包含多种模型，比如反欺诈模型、盈利模型、用户行为模型等。读秒提取100个主要变量，进行交叉验证，形成500多个主要维度去建模分析，读秒通过数据挖掘、特征提取、机器学习等技术对这些数据进行数据筛选、提取、处理，形成相应的评分。 

    举例来说，用户填写的“收入水平”为变量A，“工作地点”为变量B，申请时IP地址的“所处区域”为变量C。 
    从A+B的维度来看，倘若用户填写的A月收入有数万元，B却显示在某个偏远山区的修车厂工作，我们或许应该怀疑用户隐瞒收入。 
    若从B+C的维度来看，倘若B变量显示用户工作地点在北京，C却显示申请时IP地址在云南，或者频繁更换IP地址去申请，我们或许应该考虑金融欺诈的风险。 
    若结合A+B+C的维度来看，若B变量显示客户在北京国贸工作，A变量显示月入10000元，IP地址、申请地点都在北京，通过三个变量数据的交叉验证，可以初步推断申请人是常住北京的中等收入白领。 
    数据的使用决定了风控水平的高低，大数据风控的意义也在此体现。倘若再在以上，增加更多变量，用更多维度去看数据的重叠和交叉，更加能验证出数据的可靠性。 
    最后，基于用户信用行为，各项模型会综合做出评分，根据评分高低，每个客户得到不同的授信结果（可贷金额、期限、利率）。  
   “速度、体验、风控需要得到平衡。”周静说，在很多情况下，一味强调强风控会导致需求数据过多，授信速度不够快，用户需要提交更多资料，用户体验也难以提高，“这些相互掣肘的因素必须不断磨合优化，达到最佳的收益与风险比。” 
    据零壹财经发布的《消费金融技术驱动洞察报告》统计，自读秒2015年6月成立起，业务量迅速增长，从成立初期每日处理几十笔申请，至今每日处理3万多笔申请，授信时间仍保持在10秒以内，这在行业内实属罕见。据统计，截止2016年8月，读秒已经覆盖全国269个城市，申请用户超过340万人次，目前每月申请用户约70万人次。 
    读秒介绍：读秒成立于2015年，是PINTEC智能金融服务集团旗下的“智能信贷服务商”。可在10秒内，实现纯线上、无抵押、无担保的借贷服务。读秒的三种业务模式分别是：个人版读秒、企业版读秒、POWERED BY DUMIAO（读秒驱动）。目前已与十多家企业达成合作，涵盖金融、医疗、电商、旅游、生活服务等领域，合作伙伴包括安盛、康德乐、乐视、去哪儿、携程、58同城等。

Fintech这么火，可我们为什么这么挑？

    金融之家11月22日讯：金融的本质是什么?是资源的优化配置。科技和互联网的本质是什么?是提高效率、连接万物。过去的5年，是金融科技的1.0时代。现在，我们正步入2.0时代。

    1.0时代的关键词是“连接”(Connectivity)，用互联网的方式连接资金、资产、人群，实现金融领域资源的对接，降低准入门槛，扩大服务人群。在线支付、P2P网贷、金融超市、理财平台、股权众筹等类型的创业都属于此。

    而现在，我们进入2.0时代，Fintech的关键词转变为“定价”(Pricing)：在1.0时代耕耘起来的土地上“深耕细作”，通过先进的技术手段，运用高效的大数据挖掘，对资产进行科学定价，真正实现金融资源的最优化配置。线上消费信贷、征信与风险管理、智能投顾、金融大数据服务等均在此范畴。

    有人说，过去是“互联网金融”，现在是“金融科技”，在我们看来，仅仅是反映了同一个生态体系在不同时期的进化阶段。

    2015年全球风投对各类Fintech初创公司总投资额为138亿美元，共计投资653个项目，在中国这一数字为27亿美元，覆盖100多个项目。然而，即便市场如此火热，我们对Fintech的投资却仍然精挑细选。

    为什么?因为我们不只看当下，我们看长期规律，我们看商业模式的高增长性和可持续性。我们相信互联网的一些基本定律在金融这个特殊的生态环境里依然适用。

    资金端是个慢生意

    常常有人问，资金端的生意有没有价值，值不值得做?我们认为“It depends, but in most cases NO”。

    无论做什么生意，本质还是在“买卖”。做电商，是买卖商品；做O2O，是买卖服务;而做金融，是买卖资金。

    那么问题就来了：买卖资金和商品有什么区别?买卖资金和服务有什么区别?买卖商品，用户把商品用完就结束了。买卖服务，用户把服务体验完就结束了。可是买卖资金，用户和卖方的关系是在完成交易后才刚刚开始，整个“反馈周期”非常长。用户把钱投出去，那颗心要悬在那里一直等到钱收回来才落地。也就是说，资金买卖获得一个用户并且留下一个用户的成本相比其他生意都要高很多。

    其次，在金融这个行业里，永远都会有“制度套利”、“牌照套利”、“品牌套利”，而所有这些都不是对创业公司有利的，因为时间是创业公司的敌人。把流量做到累死，可能还抵不上一个银行支行的吸储规模(资金成本另当别论)。银行之外还有保险公司、社保基金、信托、资产管理公司。归根到底，资金这个市场“做批发的也能做零售，可是做零售的却做不了批发”。传统金融机构在资金生意方面要进入互联网领域就是“降维打击”，游刃有余。

    从市场现实来看，也是如此。从2012年开始，国内P2P网贷出现了爆发式增长，相关网站达数千家之多。然而，经过一大波P2P网贷平台的坏账曝光、公司倒闭、老板跑路等，使“被教育”用户对各类P2P借贷甚至互联网理财投资更加谨慎。现在市场上同质化产品越来越多，流量成本也越来越贵，对于Fintech创业者而言，如何让用户“信任”互联网平台，如何保持低成本获客和高用户留存，如何保证盈利增长，是个难题。

    另外，资金端的生意盈利空间其实非常有限，毛利通常都不会超过资产规模的1%。只有将规模做到非常大，才有可能晋级独角兽。支付宝、理财通这类平台是在其它互联网业务发展成功之后的“衍生品”，不独立，不具备可比性。

    “投资策略”不是商业模式

    放眼全球，几乎很难找到持续性年化收益超过10%的资产。即便过去几年国内一些理财平台收益率超过10%，也只是短期现象，而非长期所能维持。在与部分金融创业者交流时，他们会认为其目前所使用的投资策略表现很好很赚钱，但我们想说的是，单一策略即便现在表现良好，也不足以支撑起整个平台今后业务的持续性发展。

    如果真的对某一个策略非常有信心，最好去融一个基金自己来做，没有必要去做一个互联网平台。世界上投资最牛的人最终都去开了对冲基金(“2/20”)、或者就管自己的钱(“0/100”)，没有人会真正愿意把好的投资机会放到互联网上来。

    智能投顾水土不服

    以Wealthfront、Betterment为代表的智能投顾项目在中美两地可谓激起千层浪。然而，对于国内创业者而言，智能投顾市场看似美好无限，可能也只是镜花水月。

    抛开资质要求和技术实现问题不说，单就市场情况和用户认知就决定了相同模式下巨大的地域差异。美国金融体系已成熟，数据的积累全面且持久，投资型产品可涵盖全球资本市场众多品类，能真正帮助用户进行量化分析与分散投资，平衡市场风险。而在中国，投资的品类主要为固收类、债权类和股权类投资，数据并不完善，市场也不成熟，创业公司大多会选择ETF及主动型管理基金进行资产配置。

    其次，对于个人投资者而言，美国并不存在刚性兑付，即便是进行债券投资也很可能亏本。用户选择智能投顾产品的目的主要是节省时间精力，分散资产投资风险，而且可以避税(资本利得税)。但在国内，绝大多数用户更偏爱主动型投资，习惯有刚性兑付保底，希望能搏得高收益，这就注定了智能投顾业务在中国不容易获客。

    跨境投资“坑”太多

    跨境理财投资虽能帮用户实现海外分散投资，对冲国内风险，但在高收益上却无法保证。而对创业公司本身而言，一端需要在流量成本逐渐增高的情况下不断获客，另一端又需要花较大的精力和较高的资金成本在全球寻找高收益性的资产标的。除了需要较强的技术随时分析市场行情打磨产品外，还需要较长时间对用户进行市场教育，时间成本太高。这条路注定会走的艰难。

    除了业务本身，跨境投资的外部环境也并非理想，会受到监管及政策的很多限制。比如首先遇到的门槛就是“外汇问题”。创业公司如果直接提供人民币换汇业务投资海外市场政策风险太大，而如果要求用户直接使用外币，则资金出口通道的搭建需要保证合法与稳定，无论个人还是机构的资金规模也都会受到制约。因此，这个领域的“天花板”可能不是市场本身的需求空间，而是外汇管制的批文。

    网络信贷是“自我革命”

    近两年，依托于互联网的小额信贷业务如雨后春笋般出现，既有背靠不同渠道的金融分期(电商、农业、教育)，也有面向不同人群的小额信贷或消费信贷(白领、蓝领、大学生)。对创业公司而言，除了要对接和保障较低成本的资金供给，建立可靠的风控模型，严控违约率，还需要依托(或自建)渠道以促进“销售”。

    但无论是自建地推销售团队，还是依托别的平台站点，都摆脱不了被渠道“驱动”的事实。很多做分期的公司都是如此。一旦渠道成本攀升，或渠道维护出现问题，都将严重影响公司的业务发展。我把此类业务称之为“self-destruction”，意味着平台发展越快，业务规模发展越大，则那个领域里的套利空间越小，越难保证持续性高收益。

典型的例子是校园分期市场，短短三年时间，利率水平从过百降到不足20个点，套利空间完全蒸发殆尽。而这样一种天生就“self- destruction”的模式就注定了持续转移阵地、“打一枪就换个地”的命运。

    什么模式将胜出?

    说了这么多“批判”的话，那么我们到底看好什么样的business?

    我们一如既往地偏爱有网络效应(Network Effect)的模式，出行如此，外卖如此，电商如此，Fintech亦如此。而在Fintech领域中有显著网络效应的一是支付，二是数据。基于移动互联网的支付领域目前已被微信支付和支付宝占据了半壁江山，对创业公司而言已不存在大的结构性机会。而基于大数据分析的Fintech业务，则还有机会尚待挖掘。

    现在国内可获得的数据源越来越多，计算机技术尤其是深度学习的突破式发展也使大数据处理和模型训练更为高效和精准，因此基于数据的金融服务，比如征信与风险管理、反欺诈、金融搜索引擎、金融大数据众包服务、AI与Fintech相结合的Chatbot服务等都有机会出现市场领导者。

    这里需要着重说明的是，如果用AI的方式做金融大数据服务，数据的产生、供给、流动如果能形成正向循环，则正循环本身就具有网络效应，能够让创业公司业务“越滚越大”，形成壁垒。

    目前国内提供金融大数据服务的公司如集奥、百融、同盾都做的不错，但真正能把AI在金融领域用的好的公司还不多(金融领域用人脸识别技术只是做反欺诈辅助，并没有触动金融核心)。在国外，有一些公司把大数据和AI应用在金融领域，做的挺有意思，比如 Premise、Kasisto、 Kensho等，值得参考。

    最后一点：不要忽略经济周期

    相比于前几年，现在的创业与投资可谓处于经济周期的“下行”阶段。虽然整个市场遭遇“寒冬”，但请不要忽视与经济周期相伴而生的机会。

    因为每次经济周期的变化都会催生金融资产的重新配置，会将资源导向某个特定领域，而在这些特定领域，就会有大的市场机会或“风口”出现。比如现在中国的不良资产市场，或者人民币国际化所带来的利好。当然，这样的市场机会必须是能够维持较长时期的结构性机会，否则对创业公司来说所拥有的发展时间和空间都远远不够。

    此外，长期性结构性的大机会，除了源自经济周期的更迭，也会产生于新技术平台的迭代。上一个平台性的机会是智能手机，下一个是什么，现在没有定论，还需要观察。

    Fintech创业前(钱)景美好，但真正做起来并不容易，看起来风光无限的公司，也有可能暗潮涌动，甚至很快遭遇滑铁卢。当然，越难啃的骨头，越期待强者的征服。我们希望与更多Fintech创业者交流，共同探讨Fintech领域的机会与挑战。

10万美金交给“机器人”打理，“智能投顾”概念在中国萌芽

     如果机器人和股神巴菲特一起做投资竞赛，谁会获胜？在投资界，这个问题越来越受到关注，它引申出一个前沿新事物——智能投顾，又叫“机器人理财”。在8月28日由宜信公司发起的2016“硅谷对话北京”人工智能与机器人投顾高峰论坛上，资深业内人士解答了中产阶层关心的热点问题：未来10万美金资产交给机器人打理，靠谱吗？经济之声记者丁玲娜报道。 

     眼下，智能投顾在美国华尔街刮起了一阵旋风，尽管目前在投资界占比不到1%，但业内预计它可以达到年均28%的复合增长率，2020年，经济产值将达到2.2万亿美元规模。智能投顾究竟是什么？已经在尝试并推广这项业务的宜信公司CEO唐宁做了通俗易懂的解释。

     唐宁：拿出手机，实时的做出自己的风险测评，知道自己的风险偏好、风险接受度，机器人投顾基于风险测评的结果，推荐一个合适于您风险承受度，合适于您的理财目标的一个资产组合，您去选择接受。之后机器人投顾24小时乘以7天的帮助您监控，如果有重大事件发生，就不定期做调整。

     简单来说，就是如果你有10万美金，不再是给人打理，而是交给机器人，在全球知名的管理大师拉姆·查兰看来，支撑这种投资方式的核心是计算机技术、海量数据，这代表着未来世界发展的趋势。

     拉姆·查兰：人工智能可以有这样精深的算法，与此同时可以分析海量数据，而且海量数据当中找到一些不为人所洞察的规律和机会，这些做在一起，形成很好的组合。

     IDG资本合伙人高梅介绍，机器人理财，可以节省人力成本，多种工具组合可以分散风险，国内的年轻人接受度比较高。

     高梅：我觉得智能投顾收费特别低，加上风险的分散，很受年轻人的欢迎，给投资者带来很多选择，所以在中国特别有发展的空间，中国人很愿意接受新事物，中国人有77%愿意用智能投顾给他们提供金融投资的建议。

     不过，Totum公司大中华区首席代表黄志超说，跟美国市场相比，智能投顾在中国的发展，还要积极解决几个难题，包括：中国投资者改变追求短期高收益的投资理念，拓展多元化的资产类别等等。

     黄志超：智能顾问还是做资产的配置，长期投资分散化为主，中国的投资者还不具备这样一个投资的理念，追求短期、高收益。另外一方面是资产的类别比美国少，这也是一个问题。当然中国还存在一个问题就是很多数据也是不全面的，很多行为上的数据、信用上的数据都没有美国那么全面，智能投顾还是要挖掘很多客户的数据，这些问题我们要积极去解决。

     来源：央广网

监管政策渐明 人工智能投顾撬动资管万亿市场空间

     以大数据为基础，越来越多的服务商以及科技企业，开始尝试开发能够完全消除人类参与投资管理价值链的人工智能系统。

     随着大数据以及人工智能技术的发展，自2012年以来，以美国Wealthfront、motify、Betterman为代表的机器人投顾（RoboAdvisor）、人工智能投顾（AI Advisor）迅速发展，据有关报告预测到2025年前后，将会有高达2.2万亿美元的资产管理由人工智能投顾管理。

　 2014年以来，在国内以资配易等为代表的人工智能投顾公司也迅速发展起来。围棋人工智能AlphaGo以悬殊的4:1战胜李世石之后，全世界范围内掀起了对人工智能投资的极大热情，可以预见将会有更多、更好、更强的人工智能运用到资产管理行业。作为一种全新的业务形态，如何拟定发展政策、如何监管这些创新的投顾工具，就成为一个业界十分关注的话题。

　 2016年3月15日，美国金融业监管局（下称FINRA）发布了一份名为《Reporton Digital Investment Advice》的报告（下简“DIA报告”）。虽然这份报告不是正式的法规，但其明显具有前瞻性指引的作用。作为首个对包括人工智能投顾监管方面的官方文件，研究和分析它的意义就十分重要，对于促进我国人工智能投顾的发展具有非常好的借鉴意义。

　 数字化投顾工具的功能

　 首先，FINRA的报告用“Digital Investment Advice”而不是用“Artificial Intellgence Investment Advice”或其他带有“robos”的概念，体现其本身是从监管层面视角来考察的立场，明确了其监管的对象和目标。作为监管层，没有办法也没有必要对服务商提供的人工智能艾真体的“智能”进行明确的度量，因此，FINRA从外部来看，无论这些服务商采取什么样的方式实现“智能”，它的输出在FINRA看来都具有统一的表现形式，即Digital Investment Advice（数字化投资建议）。

　 FINRA确定了其监管的一些理念：不关心服务商的人工智能是如何做的，而主要关心它向用户提供了什么，即它的输出。与此同时，FINRA也无法区分一些“在线投顾”的数字化投资建议到底是纯机器产生的，还是有人类参与的。因此，采用这样的概念，也涵盖了提供“在线投顾”服务的各种“人＋机器”混合投顾业务。

　 其次，FINRA的这份报告使用了一个非常新和重要的概念：Digital Investment Advice Tools（数字化投顾工具）。FINRA指出了“数字化投顾工具”应该可以支持一项或多项下列投资管理价值链的功能：客户分析、大类资产配置、投资组合选择、交易执行、投资组合再平衡、税收规划以及投资组合分析。这些“数字化投顾工具”可被分为两种：一种为金融从业者使用，也就是“面向金融从业人员”；另一种为客户使用，即“面向客户”。

　 FINRA的执行副总裁Dan Sibears关于这个概念进行了比较直接的说明：FINRA是从功能的角度来监管新型的投顾工具的。使用这个概念，突出了其“过程监管”的视角，来审查新技术在投资管理价值链上的各个环节的功能以及影响。

　 笔者认为，这一方面增加了政策的包容性，兼顾很多已存在、正在发展的和创新的投顾工具类型和商业模式；另一方面采用“技术中性”的立场，即不对行业采用哪种技术做偏好性指引，给业界采用包括人工智能等各种新技术在投资管理方面的应用提供了更宽的政策空间。

　 虽然业界比较期待FINRA对新出现的“robo advisor”或其他“智能投顾”进行正式的定义，但在这份报告中，FINRA显然一方面注意到这种关切，但另一方面，也非常审慎地采用了一种描述的方式而非官方定义来回应：能够支持前六项功能的面向客户的“数字化投顾工具”（即从客户分析至税收规划）通常被称为robo advisor。

　 FINRA认识到科技在金融创新领域扮演着核心角色。鉴于目前大量证券公司引入了人工智能来帮助创建并管理投资组合，FINRA对目前市场的一些“数字化投顾工具”进行了审查，以评定这些发展对于行业、客户的影响。这份DIA报告的依据是FINRA与提供或使用“数字化投顾工具”的金融服务企业、供应商、国外证券监管机构的谈话以及管理经验。报告中提及的金融服务企业包括券商及投资顾问公司。虽然在报告中提出的规章只适用于券商，但所讨论的有效措施适用于在FINRA注册的所有企业。

　 2015年至今，以大数据为基础的深度学习和运用，让“人工智能”再次取得突破性进展。越来越多的服务商以及科技企业，开始尝试开发能够完全消除人类参与投资管理价值链的人工智能系统。目前包括国外的Bridgewater、Wealthfront，国内的资配易都已经实现了这样的系统开发和商业化运营。由于金融市场本身具有的不确定属性、复杂性以及投资管理业务的特点，在这样的任务环境下工作的“robo advisor”的智能水平的要求就越来越高。

　 为了区别于公众对“汽车装配生产线上工作的机器人”的认知，在围棋人工智能Alphago以4:1战胜李世石事件后，采用“人工智能＋云计算”系统结构的服务商，更愿意使用“人工智能投顾”而非“robo advisor”来描述自己提供的“数字化投顾工具”与之前的robo advisor的这种差异。

　 对投资者的建议

　 FINRA认为合理的投资建议依赖于对于投资者个体的特殊需求与信息的了解基础上。投资者应估计服务商是否收集了详细的信息并提出足够的问题来了解他们的需求、风险承受能力以及这些特点是否体现在他们收到的建议中。若投资者认为相关信息并没有被考虑在内，他应在决定进行投资前向服务商提出该问题。

　 投资者应了解他们收到的关于资产配置与建立投资组合的建议与“数字化投顾工具”所使用的算法和潜在假设。可能的话，投资者应熟悉这些投资方法及核心假设，以了解关于证券及资产配置的建议是如何产生的。

　 由于投资者收到的投资建议可能包含某些利益冲突，投资者应评估这些利益冲突是否对投顾建议的客观性造成危害。“数字化投顾工具”并不一定消除利益冲突。

　 投资者应了解他们得到的服务和相应的费用。对此，投资者应查问所提供服务相关的各项费用，包括如共同基金管理费等第三方收取的费用。

　 FINRA也认为，在今后的资产管理领域，“数字化投顾工具”会发挥越来越大的作用。它提醒服务商，无论采用什么算法、模型以及技术提高其“数字化投顾工具”的能力时，要时刻把投资者保护作为其首要目标。对于“数字化投顾工具”服务，服务商需要建立并维持投资者保护机制。FINRA认为这个机制的核心因素，一是了解客户需求；其次应使用由合理方法支持的工具；第三就是了解这些工具的局限。FINRA在报告中对这些重要、关键问题所列出的有效措施将帮助“数字化投顾工具”服务商的发展，也是推进投资者保护的有效途径。

    文 | 北京资配易投资顾问有限公司董事长 张家林