摘要：“AI+金融”加速滲透變革中的大資管行業(yè)，本文介紹了AI在智能投顧、智能投研、智能風(fēng)控領(lǐng)域里的現(xiàn)狀和痛點(diǎn)，認(rèn)為目前人工智能在大資管的應(yīng)用目前還并未達(dá)到全程機(jī)器的程度，更像是一個(gè)從單一到復(fù)雜，從既定程序到自我學(xué)習(xí)，從低準(zhǔn)確率到高精準(zhǔn)的一個(gè)過(guò)程。未來(lái)，也不是簡(jiǎn)簡(jiǎn)單單的機(jī)器智能取代人類智能，而是人機(jī)協(xié)同，共同進(jìn)化。
 
AI(人工智能)技術(shù)的突破本是計(jì)算機(jī)領(lǐng)域的一次革命，沒(méi)想到卻如風(fēng)暴般席卷各個(gè)領(lǐng)域，很多科學(xué)家和創(chuàng)業(yè)者以及金融從業(yè)人員們也正在嘗試著用“AI”為傳統(tǒng)的金融賦能。縱觀科技與金融的融合，先后經(jīng)歷了三個(gè)階段：
 
第一階段是電子金融，如票據(jù)等金融業(yè)務(wù)以電子形式實(shí)現(xiàn)，提升了中后臺(tái)處理效率，金融服務(wù)的提供從孤立的“點(diǎn)”轉(zhuǎn)向經(jīng)由計(jì)算機(jī)存儲(chǔ)的有結(jié)構(gòu)、有組織的“線”。
 
第二階段是線上金融，通過(guò)互聯(lián)網(wǎng)技術(shù)與場(chǎng)景的結(jié)合改變了用戶行為，創(chuàng)新了服務(wù)渠道，使金融在覆蓋面上得以擴(kuò)展，是由“線”及“面”的過(guò)程。
 
第三階段是近年在各方政策的大力支持下，科技與金融的融合從此前的“線、面”金融邁進(jìn)了智能金融時(shí)代。這個(gè)階段，以AI(人工智能)為代表的新技術(shù)與金融服務(wù)深度融合，依托于無(wú)處不在的數(shù)據(jù)信息和不斷增強(qiáng)的計(jì)算模型，提前洞察并實(shí)時(shí)滿足客戶各類金融需求，真正做到以客戶為中心，重塑金融價(jià)值鏈和金融生態(tài)，讓金融服務(wù)由“面”縱向延展，轉(zhuǎn)為“立體”。
 
不僅如此，“AI+金融”所具有的機(jī)器學(xué)習(xí)技術(shù)、數(shù)據(jù)閉環(huán)的生態(tài)合作、技術(shù)驅(qū)動(dòng)的商業(yè)創(chuàng)新和單客專享的產(chǎn)品服務(wù)等功能特征，正改變著資本市場(chǎng)上的投資方法、投資策略等，從而進(jìn)一步影響到原有的市場(chǎng)規(guī)律。
 
2017年，國(guó)務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，明確指出推動(dòng)人工智能與金融業(yè)融合創(chuàng)新，建立金融大數(shù)據(jù)系統(tǒng)，提升金融多媒體數(shù)據(jù)處理與理解能力;創(chuàng)新智能金融產(chǎn)品和服務(wù)，發(fā)展金融新業(yè)態(tài);鼓勵(lì)金融行業(yè)應(yīng)用智能客服、智能監(jiān)控等技術(shù)和裝備;并建立金融風(fēng)險(xiǎn)智能預(yù)警與防控系統(tǒng)。
 
在過(guò)去的兩年里，大量人工智能科學(xué)家也紛紛加入資管行業(yè)。如：NASA首席數(shù)據(jù)科學(xué)家加盟貝萊德;微軟首席人工智能學(xué)家鄧力加盟citadel;華盛頓大學(xué)計(jì)算機(jī)教授加盟DE shaw;卡耐基梅隆大學(xué)計(jì)算機(jī)系主任加盟摩根大通等，種種現(xiàn)象印證了“人工智能”已悄然走進(jìn)“大資管時(shí)代”。但相對(duì)于借助人工智能技術(shù)定量分析信貸對(duì)象信用等級(jí)而言，“大資管”所面臨的數(shù)據(jù)復(fù)雜程度及所需人工智能分析復(fù)雜程度呈指數(shù)級(jí)提升。
 
智能投顧的冰與火
所謂“大資管”，從機(jī)構(gòu)和客戶的角度而言，可分為“資產(chǎn)管理”和“財(cái)富管理”。簡(jiǎn)單來(lái)說(shuō)，我們?nèi)粘Ｊ煜さ你y行理財(cái)、保險(xiǎn)銷售、券商經(jīng)紀(jì)等領(lǐng)域?qū)儆?ldquo;財(cái)富管理”;銀行資管、保險(xiǎn)資管、券商資管和公私募機(jī)構(gòu)便是通常意義上的“資產(chǎn)管理”，即：更多的不是考慮如何挖掘分析客戶需求，而是做好“投資”或“資產(chǎn)配置”。
 
近年來(lái)，隨著AI技術(shù)的不斷突破，國(guó)內(nèi)傳統(tǒng)金融機(jī)構(gòu)和互聯(lián)網(wǎng)巨頭相繼布局智能金融領(lǐng)域，各大銀行也紛紛推出了智能投顧。如招商銀行的摩羯智投，借助人工智能來(lái)滿足長(zhǎng)尾客戶群體的“財(cái)富管理”需求。事實(shí)上，智能投顧并未改變傳統(tǒng)投顧行業(yè)內(nèi)部的服務(wù)鏈結(jié)構(gòu)，而是以技術(shù)代替人工，彌補(bǔ)傳統(tǒng)投顧現(xiàn)存缺陷，成就低成本、高效率、多資產(chǎn)、理性化四大主要優(yōu)勢(shì)。
 
智能投顧首先通過(guò)技術(shù)革新降低成本及門檻，實(shí)現(xiàn)服務(wù)從0到1的創(chuàng)造;隨后利用強(qiáng)烈的規(guī)模效應(yīng)，可將邊際成本幾乎降低至0，并實(shí)現(xiàn)從1到100的大規(guī)模復(fù)制，因此智能投顧的出現(xiàn)有望降低成本，提高服務(wù)科學(xué)性，服務(wù)長(zhǎng)尾用戶，成就普惠金融。
 
以中國(guó)為例，我國(guó)財(cái)富管理行業(yè)目前尚處在產(chǎn)品推銷的初級(jí)階段，銀行、券商、第三方理財(cái)機(jī)構(gòu)等均主要體現(xiàn)銷售屬性，收費(fèi)在前端。這種商業(yè)模式不僅收入波動(dòng)幅度大，而且與客戶保值增值的利益訴求不一致，甚至有所沖突。相比而言，財(cái)富管理后端收費(fèi)的商業(yè)模型更加穩(wěn)定合理，而這種在前后兩端都可拓展的盈利模式，更具有打通財(cái)富管理價(jià)值鏈的戰(zhàn)略意義。
 
然而，隨著國(guó)內(nèi)智能投顧公司的不斷增多，該領(lǐng)域的發(fā)展瓶頸也逐漸顯現(xiàn)。如：算法大多基于MPT，同質(zhì)化較為嚴(yán)重;用戶對(duì)于智能投顧的可信度仍存有疑慮，并不放心把大量資產(chǎn)交由機(jī)器打理，從而影響智能投顧規(guī)模;而且目前的智能投顧產(chǎn)品僅通過(guò)輸入十幾個(gè)問(wèn)題就決定用戶風(fēng)險(xiǎn)收益需求的方式，也存在著一定片面性等。
 
因此，智能投顧未來(lái)的發(fā)展方向在功能上將要更加精細(xì)化，而投資體驗(yàn)上也將更為游戲化。如：智能投顧可以通過(guò)認(rèn)知計(jì)算分析客戶的性格、風(fēng)險(xiǎn)承受能力以及收益需求，并把這些需求拆分成多個(gè)目標(biāo)，在每個(gè)目標(biāo)中分別進(jìn)行資產(chǎn)配置;還可以通過(guò)游戲化的方式，模擬不同的市場(chǎng)情況，幫助用戶更深刻地認(rèn)識(shí)風(fēng)險(xiǎn)。
 
智能投研助力投資決策
在投研領(lǐng)域，傳統(tǒng)的投研需要處理大量的無(wú)效信息，人力模式無(wú)法進(jìn)行系統(tǒng)化的“降噪”。投研知識(shí)和經(jīng)驗(yàn)依附于個(gè)人能力，可投研人員的流動(dòng)性常年居高不下，研究部門無(wú)法找到行之有效的方法進(jìn)行知識(shí)沉淀，是管理者們一直頭疼的問(wèn)題。以買方機(jī)構(gòu)為例，其投資研究和管理工作目前面臨著四大痛點(diǎn)：
 
一是投研效率低下。買方金融機(jī)構(gòu)每天通過(guò)郵件、微信群、QQ群等各種渠道接收到的信息多達(dá)數(shù)千甚至上萬(wàn)條，研究員要花費(fèi)大量的時(shí)間從中篩選出有價(jià)值的內(nèi)容，隨后再手動(dòng)歸類整理出數(shù)據(jù)、圖表、觀點(diǎn)等可以用于模型研究或者報(bào)告撰寫的素材。
 
二是投研知識(shí)流失。由于研究工作主要在線下開(kāi)展，大量的研究產(chǎn)出都以調(diào)研數(shù)據(jù)、研究模型、研究報(bào)告等形式分散存儲(chǔ)在研究員個(gè)人的電腦上，甚至存儲(chǔ)于個(gè)人記憶里。一旦研究員離職，投研知識(shí)就隨之流失。
 
三是績(jī)效評(píng)價(jià)失真。因?yàn)橥堆泄ぷ鳑](méi)有在同一平臺(tái)進(jìn)行系統(tǒng)化統(tǒng)計(jì)，機(jī)構(gòu)無(wú)法客觀評(píng)估每一個(gè)研究員的工作產(chǎn)量、研究質(zhì)量以及對(duì)投資工作的實(shí)際貢獻(xiàn)。在做內(nèi)部績(jī)效考核或是賣方研究員評(píng)價(jià)時(shí)，只能依靠投資經(jīng)理的主觀印象甚至個(gè)人關(guān)系來(lái)打分，導(dǎo)致無(wú)法甄別出真正幫公司賺到錢的研究員或者券商。這就無(wú)法給機(jī)構(gòu)未來(lái)的投研支出提供明確的指導(dǎo)，甚至導(dǎo)致劣幣驅(qū)逐良幣。
 
四是合規(guī)風(fēng)險(xiǎn)增大。隨著金融市場(chǎng)的逐步成熟，金融監(jiān)管日益趨嚴(yán)，但由于信息爆炸和信息傳播渠道的增多，合規(guī)稽核部門僅憑人力已經(jīng)無(wú)法完全覆蓋所有的內(nèi)容，急需新的技術(shù)手段來(lái)提升監(jiān)察效率和覆蓋率。
 
伴隨著大數(shù)據(jù)和人工智能技術(shù)的成熟，智能投研或?yàn)橘I方機(jī)構(gòu)的這些痛點(diǎn)和難題提供了解決方案，具體體現(xiàn)在“軟”“硬”結(jié)合兩個(gè)方面。
 
其中，“硬”指系統(tǒng)服務(wù)的科技化，例如Orbit EAM提供的企業(yè)資產(chǎn)管理系統(tǒng)，百度已基本建成包括AMS資產(chǎn)管理系統(tǒng)、TA登記過(guò)戶系統(tǒng)、MBI高管駕駛倉(cāng)、信評(píng)大腦、ABS綜合平臺(tái)，形成與銷售系統(tǒng)對(duì)接較為完善和標(biāo)準(zhǔn)的資管系統(tǒng)體系。
 
“軟”是指建立在持續(xù)的大數(shù)據(jù)、AI技術(shù)服務(wù)及受托資產(chǎn)管理能力上的“軟”能力，目前尚處于試水期，如目前正在探索的OCR(光學(xué)字符識(shí)別)，知識(shí)圖譜和特色因子技術(shù)的應(yīng)用等。例如，OCR+NLP(自然語(yǔ)言處理)技術(shù)的智能研報(bào)讀取工具能夠替代人工進(jìn)行金融信息收集與整合，大幅提升投研效率。再如，知識(shí)圖譜綜合運(yùn)用語(yǔ)義理解、知識(shí)挖掘、知識(shí)整合與補(bǔ)全等技術(shù)，提煉出高精度知識(shí)，并組織成圖譜，進(jìn)而基于知識(shí)圖譜進(jìn)行理解、推理和計(jì)算，形成企業(yè)信用產(chǎn)品，來(lái)分析企業(yè)主體信用、輿情風(fēng)險(xiǎn)、債項(xiàng)風(fēng)險(xiǎn)、固定資產(chǎn)狀況等。
 
以2017年某視金融涉嫌關(guān)聯(lián)交易為例，交易抵押資產(chǎn)可能全部都是某視旗下各種關(guān)聯(lián)業(yè)務(wù)資產(chǎn)，若使用知識(shí)圖譜輔助對(duì)企業(yè)進(jìn)行透視分析，便可以清楚發(fā)現(xiàn)這些資產(chǎn)與某視的關(guān)聯(lián)關(guān)系，從而規(guī)避投資風(fēng)險(xiǎn)。
 
基于搜索因子、時(shí)空因子、估值因子等，可以對(duì)特色數(shù)據(jù)通過(guò)聚合處理和分析，能夠有效支持投資主體信用平級(jí)和投資項(xiàng)目進(jìn)度評(píng)估房產(chǎn)走勢(shì);利用衛(wèi)星云圖預(yù)測(cè)農(nóng)作物產(chǎn)量;根據(jù)手機(jī)、GPS產(chǎn)生的衛(wèi)星數(shù)據(jù)，刻畫個(gè)人活動(dòng)、實(shí)時(shí)反映個(gè)體及整體的經(jīng)濟(jì)活動(dòng)變化等。
 
隨著這些不斷的嘗試和智能投研技術(shù)的逐漸成熟，計(jì)算機(jī)從信息搜索到智能投資決策的自動(dòng)跨越成為了可能。更進(jìn)一步講，這種基于智能技術(shù)的資產(chǎn)投資決策推動(dòng)了投資產(chǎn)品的創(chuàng)新，AI ETF就是這類投資產(chǎn)品創(chuàng)新的典型成果。
本文來(lái)源：中國(guó)網(wǎng)