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，認(rèn)為目前人工智能在大資管的應(yīng)用目前還并未達到全程機器的程度，更像是一個從單一到復(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)的一個過程。未來，也不是簡簡單單的機器智能取代人類智能，而是人機協(xié)同，共同進化。
 
AI(人工智能)技術(shù)的突破本是計算機領(lǐng)域的一次革命，沒想到卻如風(fēng)暴般席卷各個領(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?？v觀科技與金融的融合，先后經(jīng)歷了三個階段：
 
第一階段是電子金融，如票據(jù)等金融業(yè)務(wù)以電子形式實現(xiàn)，提升了中后臺處理效率，金融服務(wù)的提供從孤立的“點”轉(zhuǎn)向經(jīng)由計算機存儲的有結(jié)構(gòu)、有組織的“線”。
 
第二階段是線上金融，通過互聯(lián)網(wǎng)技術(shù)與場景的結(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展，是由“線”及“面”的過程。
 
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”金融邁進了智能金融時代。這個階段，以AI(人工智能)為代表的新技術(shù)與金融服務(wù)深度融合，依托于無處不在的數(shù)據(jù)信息和不斷增強的計算模型，提前洞察并實時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，正改變著資本市場上的投資方法、投資策略等，從而進一步影響到原有的市場規(guī)律。
 
2017年，國務(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)險智能預(yù)警與防控系統(tǒng)。
 
在過去的兩年里，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)計算機教授加盟DE shaw;卡耐基梅隆大學(xué)計算機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“大資管時代”。但相對于借助人工智能技術(shù)定量分析信貸對象信用等級而言，“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)級提升。
 
智能投顧的冰與火
所謂“大資管”，從機構(gòu)和客戶的角度而言，可分為“資產(chǎn)管理”和“財富管理”。簡單來說，我們?nèi)粘Ｊ煜さ你y行理財、保險銷售、券商經(jīng)紀(jì)等領(lǐng)域?qū)儆?ldquo;財富管理”;銀行資管、保險資管、券商資管和公私募機構(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，隨著AI技術(shù)的不斷突破，國內(nèi)傳統(tǒng)金融機構(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，借助人工智能來滿足長尾客戶群體的“財富管理”需求。事實上，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。
 
智能投顧首先通過技術(shù)革新降低成本及門檻，實現(xiàn)服務(wù)從0到1的創(chuàng)造;隨后利用強烈的規(guī)模效應(yīng)，可將邊際成本幾乎降低至0，并實現(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)長尾用戶，成就普惠金融。
 
以中國為例，我國財富管理行業(yè)目前尚處在產(chǎn)品推銷的初級階段，銀行、券商、第三方理財機構(gòu)等均主要體現(xiàn)銷售屬性，收費在前端。這種商業(yè)模式不僅收入波動幅度大，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，財富管理后端收費的商業(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，更具有打通財富管理價值鏈的戰(zhàn)略意義。
 
然而，隨著國內(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)品僅通過輸入十幾個問題就決定用戶風(fēng)險收益需求的方式，也存在著一定片面性等。
 
因此，智能投顧未來的發(fā)展方向在功能上將要更加精細(xì)化，而投資體驗上也將更為游戲化。如：智能投顧可以通過認(rèn)知計算分析客戶的性格、風(fēng)險承受能力以及收益需求，并把這些需求拆分成多個目標(biāo)，在每個目標(biāo)中分別進行資產(chǎn)配置;還可以通過游戲化的方式，模擬不同的市場情況，幫助用戶更深刻地認(rèn)識風(fēng)險。
 
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效信息，人力模式無法進行系統(tǒng)化的“降噪”。投研知識和經(jīng)驗依附于個人能力，可投研人員的流動性常年居高不下，研究部門無法找到行之有效的方法進行知識沉淀，是管理者們一直頭疼的問題。以買方機構(gòu)為例，其投資研究和管理工作目前面臨著四大痛點：
 
一是投研效率低下。買方金融機構(gòu)每天通過郵件、微信群、QQ群等各種渠道接收到的信息多達數(shù)千甚至上萬條，研究員要花費大量的時間從中篩選出有價值的內(nèi)容，隨后再手動歸類整理出數(shù)據(jù)、圖表、觀點等可以用于模型研究或者報告撰寫的素材。
 
二是投研知識流失。由于研究工作主要在線下開展，大量的研究產(chǎn)出都以調(diào)研數(shù)據(jù)、研究模型、研究報告等形式分散存儲在研究員個人的電腦上，甚至存儲于個人記憶里。一旦研究員離職，投研知識就隨之流失。
 
三是績效評價失真。因為投研工作沒有在同一平臺進行系統(tǒng)化統(tǒng)計，機構(gòu)無法客觀評估每一個研究員的工作產(chǎn)量、研究質(zhì)量以及對投資工作的實際貢獻。在做內(nèi)部績效考核或是賣方研究員評價時，只能依靠投資經(jīng)理的主觀印象甚至個人關(guān)系來打分，導(dǎo)致無法甄別出真正幫公司賺到錢的研究員或者券商。這就無法給機構(gòu)未來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)險增大。隨著金融市場的逐步成熟，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)無法完全覆蓋所有的內(nèi)容，急需新的技術(shù)手段來提升監(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，智能投研或為買方機構(gòu)的這些痛點和難題提供了解決方案，具體體現(xiàn)在“軟”“硬”結(jié)合兩個方面。
 
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登記過戶系統(tǒng)、MBI高管駕駛倉、信評大腦、ABS綜合平臺，形成與銷售系統(tǒng)對接較為完善和標(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)字符識別)，知識圖譜和特色因子技術(shù)的應(yīng)用等。例如，OCR+NLP(自然語言處理)技術(shù)的智能研報讀取工具能夠替代人工進行金融信息收集與整合，大幅提升投研效率。再如，知識圖譜綜合運用語義理解、知識挖掘、知識整合與補全等技術(shù)，提煉出高精度知識，并組織成圖譜，進而基于知識圖譜進行理解、推理和計算，形成企業(yè)信用產(chǎn)品，來分析企業(yè)主體信用、輿情風(fēng)險、債項風(fēng)險、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)，若使用知識圖譜輔助對企業(yè)進行透視分析，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。
 
基于搜索因子、時空因子、估值因子等，可以對特色數(shù)據(jù)通過聚合處理和分析，能夠有效支持投資主體信用平級和投資項目進度評估房產(chǎn)走勢;利用衛(wèi)星云圖預(yù)測農(nóng)作物產(chǎn)量;根據(jù)手機、GPS產(chǎn)生的衛(wèi)星數(shù)據(jù)，刻畫個人活動、實時反映個體及整體的經(jīng)濟活動變化等。
 
隨著這些不斷的嘗試和智能投研技術(shù)的逐漸成熟，計算機從信息搜索到智能投資決策的自動跨越成為了可能。更進一步講，這種基于智能技術(shù)的資產(chǎn)投資決策推動了投資產(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。
本文來源：中國網(wǎng)