然而，智能投顧只是數(shù)字智能技術(shù)與金融行業(yè)結(jié)合的部分產(chǎn)物。當(dāng)金融遇上AI，潛力并不止成為一個(gè)投資顧問。以下，本文將從信貸、金融咨詢、金融安全、投資機(jī)會(huì)、監(jiān)管合規(guī)、保險(xiǎn)、智能投顧7個(gè)領(lǐng)域入手，結(jié)合一些案例解讀人工智能是如何改變這些領(lǐng)域的，技術(shù)的具體應(yīng)用，未來發(fā)展前景以及中美兩國的對(duì)比差異。

 

　　智能信貸

 

　　信貸就是你去銀行借錢，銀行批不批給你，批給你多少錢。所以信貸的核心是對(duì)借錢人的準(zhǔn)確分類，即把有意愿還錢的人和沒有意愿還錢的人區(qū)分開，把有能力還錢的人和沒有能力還錢的人區(qū)分開，以及把能夠準(zhǔn)時(shí)還錢和不能夠準(zhǔn)時(shí)還錢的人區(qū)分開。

 

　　這只是一個(gè)大體借錢流程，而實(shí)際的信貸辦理流程是比較復(fù)雜的，用戶提交申請(qǐng)，機(jī)構(gòu)審批，審批通過再放款，然后是還款。人工智能可以參與每一個(gè)環(huán)節(jié)。就用戶提交申請(qǐng)來講，為了避免騙貸，放款機(jī)構(gòu)需要利用人工智能技術(shù)去識(shí)別哪些人可能是使用虛假資料騙貸，以避免經(jīng)濟(jì)損失的發(fā)生。

 

　　在實(shí)際過程中，可以通過活動(dòng)檢測(cè)，人臉識(shí)別，聲紋識(shí)別，指紋識(shí)別，還有光學(xué)識(shí)別等各種技術(shù)來驗(yàn)證，驗(yàn)證以下兩點(diǎn)：一是不是你本人在申請(qǐng)，有沒有人盜用了你的身份；第二，你申請(qǐng)身份是不是正確的，和你提交的材料是不是相符。所以身份的核實(shí)其實(shí)已經(jīng)用到了非常多的機(jī)器學(xué)習(xí)技術(shù)。

 

　　另外再舉個(gè)例子，P2P放貸機(jī)構(gòu)的關(guān)鍵就是要控制自己的壞賬率，其實(shí)很多P2P是通過三五千人的地推人員去找尋找能夠可靠放貸的人群。但實(shí)際上，當(dāng)我們真正應(yīng)用人工智能技術(shù)的時(shí)候，我們是可以實(shí)現(xiàn)大數(shù)據(jù)的智能審批。我們可以通過大數(shù)據(jù)識(shí)別這個(gè)人的還款意愿和能力以及是否能夠準(zhǔn)時(shí)還款，從而給他合適的審批，并且根據(jù)他的相應(yīng)經(jīng)濟(jì)能力，給他一個(gè)比較合適的貸款書。

 

　　而且這個(gè)信審模型可以隨著數(shù)據(jù)的反饋而不斷進(jìn)化，數(shù)據(jù)包括用戶是不是真的準(zhǔn)時(shí)還了，用戶是不是真的全額還了，從而迭代模型讓機(jī)器不停地去學(xué)習(xí)，提高機(jī)器的性能。

 

　　案例與要點(diǎn)對(duì)比

 

　　舉幾個(gè)例子，第一個(gè)是專門做個(gè)人信用評(píng)價(jià)的公司Credit Kama，可以為機(jī)構(gòu)后續(xù)授信和貸款等消費(fèi)提供風(fēng)控依據(jù)。假設(shè)我是一家P2P公司，我在向某人放貸前想要了解這個(gè)人的信用風(fēng)險(xiǎn)怎么樣，他會(huì)不會(huì)還我錢，那么我就可以向Credit Kama去咨詢這個(gè)人信用怎么樣。

 

　　第二個(gè)公司Lending Club是國內(nèi)所有P2P公司的鼻祖。其實(shí) Lending Club 很多業(yè)務(wù)是做機(jī)構(gòu)批發(fā)和機(jī)構(gòu)銷售，但是也有一個(gè)專門提供個(gè)人借貸的撮合平臺(tái)。作為個(gè)人可以上 Lending Club 網(wǎng)站去發(fā)布借錢信息，如果有人愿意借我，那么我就能借到這筆錢。Lending Club 還可以幫助實(shí)現(xiàn)利率個(gè)性化，當(dāng)我一開始去借的時(shí)候，利率可能比較高，但是我通過不斷的還款借錢再還款借錢這樣一個(gè)過程，Lending Club的信審模型會(huì)提高對(duì)我的信用評(píng)價(jià)，從而定制一個(gè)更符合我的實(shí)際狀況的貸款利率。這樣的話我可能一開始承受20%-30的貸款率，但是我的還款記錄良好，貸款利率會(huì)變成8%—9%。

 

　　第三個(gè)公司Capital One，主要是為美國幾十萬家中小企業(yè)提供多樣化、個(gè)性化的金融服務(wù)。美國中小企業(yè)是很多的，中小企業(yè)是整個(gè)美國經(jīng)濟(jì)的支柱，而這些中小企業(yè)有非常多的金融服務(wù)需求。有一個(gè)典型的案例就是，企業(yè)可能需要短期融資，全信息化的 Capital One為中小企業(yè)服務(wù)時(shí)要求它們開放一部分內(nèi)部數(shù)據(jù)給它，這樣的話才能為中小企業(yè)提供更好的服務(wù)——個(gè)性化利率。這背后有一個(gè)很有意思的故事，Capital One 擁有美國眾多小企業(yè)的內(nèi)部數(shù)據(jù)，而它的相關(guān)員工可以看到這些數(shù)據(jù)。曾經(jīng)有兩個(gè)中國員工利用這些內(nèi)幕數(shù)據(jù)做了一個(gè)模型來預(yù)測(cè)其中上市公司的營收狀況，他們能在公司公布財(cái)報(bào)季報(bào)之前預(yù)測(cè)公司股票的漲跌，然后他們就購買大量的期權(quán)來炒。炒了還沒幾個(gè)月就賺了1900萬美元（如果我數(shù)字沒記錯(cuò)的話），最后被美國證監(jiān)會(huì)抓。不過這至少說明了一點(diǎn)：這些數(shù)據(jù)是真實(shí)有效的。

 

　　在國內(nèi)信貸行業(yè)做得很好的公司是螞蟻金服，螞蟻金服直接相關(guān)的業(yè)務(wù)是互聯(lián)網(wǎng)小貸和征信。螞蟻小貸它背靠支付寶和阿里，擁有非常多的數(shù)據(jù)，這是它不可比擬的優(yōu)勢(shì)。

 

　　中美在AI信貸的實(shí)踐對(duì)比

 

　　第一是中美兩國都有的問題，數(shù)據(jù)來源有限。我們希望獲取個(gè)人盡可能多的信息，比如吃一頓飯用多少錢，若是金額很高總不至于是還不起錢；

 

　　第二是中國有數(shù)據(jù)互通障礙，比起平時(shí)生活中的數(shù)據(jù)比如房產(chǎn)、儲(chǔ)蓄，更直接的數(shù)據(jù)是借貸數(shù)據(jù)。但是問題是這些數(shù)據(jù)歸央媽自有，不可能提供給國內(nèi)公司。而美國的數(shù)據(jù)很多是共享的，比如說美國三大評(píng)級(jí)公司之間有約定可以互相共享任何一家評(píng)級(jí)公司收集到的數(shù)據(jù)，但在國內(nèi)是沒有這種數(shù)據(jù)互通的渠道，短期也是不可能的，你能想象支付寶把它的數(shù)據(jù)分享給騰訊，微信把微信消費(fèi)數(shù)據(jù)分享給阿里嗎？不過我們還是很盼望這天的到來，因?yàn)檫@樣我們才可以享受到更加個(gè)性化的低利率。

 

　　第三是中國缺乏一個(gè)完整的信用評(píng)價(jià)體系。如果你在美國欠了醫(yī)院錢不還，醫(yī)院可以申報(bào)記錄到你的信用記錄中去。而在國內(nèi)其實(shí)沒有這么完善，不過國內(nèi)已經(jīng)開始做這個(gè)事情，比如火車購票已經(jīng)加入了類似“失信人系統(tǒng)”的東西。

 

　　最后一點(diǎn)，國內(nèi)信用記錄的覆蓋人群是有限的，你必須在國家指定的銀行中有過貸款行為才會(huì)有信用記錄，而作為剛畢業(yè)的大學(xué)生他可能還沒有來得及買房買車，他的消費(fèi)記錄很有限……這整個(gè)來說是有問題的。

 

　　未來可能發(fā)展

 

　　在美國信貸公司，無論模型多么復(fù)雜，F(xiàn)ICO分?jǐn)?shù)依然是決定貸款利率非常重要的組成部分，單因素比重很大；

 

　　可以提高模型對(duì)非結(jié)構(gòu)化數(shù)據(jù)的分析，例如社交網(wǎng)絡(luò)上的數(shù)據(jù)。

 

　　隨著時(shí)間發(fā)展和數(shù)據(jù)積累，借貸會(huì)在幾個(gè)方面做得更好：利率和授信額度的個(gè)性化；從被動(dòng)接受貸款請(qǐng)求，到AI預(yù)判需求，主動(dòng)提供個(gè)人貸款和企業(yè)融資服務(wù)

 

　　AI在金融資訊中的應(yīng)用

 

　　人工智能在金融資訊當(dāng)中的作用，第一個(gè)典型應(yīng)用是金融客服。人工智能技術(shù)引入專家系統(tǒng)，將80%用戶的常見問題進(jìn)行學(xué)習(xí)，只需要很少的客服人員就可以通過人工智能識(shí)別客戶的問題，提供相應(yīng)的候選解答和金融知識(shí)，極大提高效率。另一個(gè)是應(yīng)用于金融研究：搜索引擎基于知識(shí)圖譜上已有的數(shù)據(jù)關(guān)聯(lián)，實(shí)現(xiàn)聯(lián)想和屬性查找，從而減少信息中的噪聲，呈現(xiàn)更準(zhǔn)確和更有價(jià)值的信息。

 

　　案例與要點(diǎn)對(duì)比

 

　　一個(gè)例子是Bloomberg，該公司使用人工智能技術(shù)或者機(jī)器學(xué)習(xí)的技術(shù)能夠智能地分析用戶的問答。它有一個(gè)類似于QQ的窗口，你可以問出你的問題，如果AI非常確定（95%）能回答你的問題，它會(huì)自動(dòng)作答。它的模式類似于微軟小冰或者是siri，但是金融的問題比較復(fù)雜，若這個(gè)機(jī)器判斷自己的回答只有70%的正確性，它會(huì)給客服直接呈現(xiàn)出用戶的問題的可能答案（ABC……），客服只需要做很快速的判斷哪個(gè)是正確的答案，選擇后點(diǎn)擊就可以直接發(fā)送過去了。這樣縮短勒服務(wù)流程并且提高了效率，可能從前的服務(wù)平均時(shí)間是40分鐘，那么可以縮短只需要4分鐘，甚至更短的時(shí)間。

 

　　另外一個(gè)例子是叫Kensho，號(hào)稱是金融領(lǐng)域的Google，能夠自動(dòng)抓取相關(guān)財(cái)經(jīng)新聞，并進(jìn)行結(jié)果匯總，極大提高金融研究的效率。比如行業(yè)分析師他可能花了3天分析東西，其中兩天半都是在搜集相關(guān)的數(shù)據(jù)，最后的半天在進(jìn)行匯總和分析。Kensho就可以幫你節(jié)約前兩天半的時(shí)間。你可以輸入一個(gè)具體的詢問，比如說你可能想知道蘋果手機(jī)發(fā)布會(huì)前三周的某一周亞馬遜的股價(jià)會(huì)怎么變化。你可以問它這樣一句話，它會(huì)自己抓取相關(guān)的新聞和相關(guān)的數(shù)據(jù)，然后計(jì)算并告訴你一個(gè)結(jié)果。

 

　　國內(nèi)就是萬得資訊，萬得號(hào)稱是國內(nèi)的Bloomberg，提供比較全面的國內(nèi)市場(chǎng)數(shù)據(jù)，尤其是很多需要大量人力敲門才能獲取的數(shù)據(jù)。國內(nèi)數(shù)據(jù)他們是翹楚，但是就是一個(gè)典型的數(shù)據(jù)終端，它并沒有做進(jìn)一步的加工分析。

 

　　中美的對(duì)比

 

　　中美之間的差距還是非常明顯的。前面美國的兩個(gè)例子其實(shí)已經(jīng)實(shí)現(xiàn)了很多機(jī)器學(xué)習(xí)方面的智能應(yīng)用，而國內(nèi)的萬得只是一個(gè)數(shù)據(jù)終端。不過另外一個(gè)換個(gè)角度來講，就是我們還有很大進(jìn)步空間嘛。

 

　　未來可能發(fā)展

 

　　未來會(huì)有更多數(shù)據(jù)的積累，更加完善的系統(tǒng)，從而實(shí)現(xiàn)更精準(zhǔn)的查找，更智能的自動(dòng)分析，更及時(shí)地響應(yīng)用戶的需求。

 

　　結(jié)合智能投顧，推薦投資方案。如：提問“原油價(jià)格暴漲”，從新聞OPEC會(huì)議減產(chǎn)，到能源價(jià)格到其他行業(yè)的傳導(dǎo)，到對(duì)市場(chǎng)的可能影響，到對(duì)這些可能的影響結(jié)果使用。歷史數(shù)據(jù)進(jìn)行回測(cè)，再進(jìn)一步篩選出相關(guān)的投資標(biāo)的，評(píng)價(jià)投資價(jià)值，最后給出推薦投資方案。

 

　　金融百科全書數(shù)據(jù)庫，全方面覆蓋金融領(lǐng)域從市場(chǎng)、研究、交易、社交、生活、甚至是二手買賣和快遞外賣的功能。國內(nèi)這方面做得還是相對(duì)比較有限，所以說進(jìn)步空間也很大。

 

　　金融安全

 

　　人工智能在安全當(dāng)中的應(yīng)用與前兩項(xiàng)是一脈相承的。使用AI來識(shí)別和判斷每一筆支付交易，對(duì)其分類和標(biāo)記；人工智可以識(shí)別出的支付欺詐，并且收集客戶反饋不斷迭代改進(jìn)更加精確。金融安全舉個(gè)例子比如說刷信用卡，信用卡有可能會(huì)被盜刷。那么人工智能就可以用來判斷到底是真的消費(fèi)記錄還是一個(gè)欺詐的消費(fèi)。

 

　　案例與要點(diǎn)對(duì)比

 

　　一個(gè)創(chuàng)業(yè)公司叫Stripe，類似支付寶，使用AI來識(shí)別和判斷每一筆支付交易，對(duì)其分類和標(biāo)記，對(duì)人工智能識(shí)別出的支付欺詐（比如盜刷信用卡）。并且不斷的學(xué)習(xí)，能夠達(dá)到很高的準(zhǔn)確度。

 

　　而國內(nèi)這方面就是支付寶，支付寶有一個(gè)證件校驗(yàn)，花唄與微貸業(yè)務(wù)使用機(jī)器學(xué)習(xí)把虛假交易率降低了近10倍。OCR系統(tǒng)是為了支付寶的證件審核開發(fā)的，它使證件校核時(shí)間從1天縮小到1秒，同時(shí)提升了30％的通過率。以前是靠人識(shí)別，可能會(huì)誤判，比如人識(shí)別是50%的識(shí)別率，那么機(jī)器他現(xiàn)在比如說做80%的識(shí)別率，這是非常了不得的。

 

　　國內(nèi)還有一家做照片比對(duì)的face++，我強(qiáng)調(diào)一下他們是做照片的比對(duì)。相對(duì)于照片識(shí)別來說，比對(duì)是一件比較容易的事情，最起碼現(xiàn)在是這樣。人工智能在照片比對(duì)方面比人更優(yōu)秀，能夠有更好的識(shí)別率，或者準(zhǔn)確率。比對(duì)原理就是抽取兩張照片其中的特征，每個(gè)照片各有一套特征，然后進(jìn)行兩套特征的比對(duì)，然后算出其中的相符概率。一個(gè)簡(jiǎn)單的例子，最強(qiáng)大腦里的曠世神人水哥都戰(zhàn)勝不了人工智能小度。

 

　　中美對(duì)比

 

　　在身份驗(yàn)證方面，國內(nèi)優(yōu)秀企業(yè)已不輸甚至領(lǐng)先于美國。原因有兩點(diǎn)，一是得益于中國龐大的人口，消費(fèi)數(shù)據(jù)大，測(cè)試的樣本數(shù)多，收到反饋數(shù)越多；二其實(shí)是對(duì)個(gè)人隱私保護(hù)的匱乏，在美國這個(gè)事情很難做，因?yàn)槟阋坏┰庥霰I刷或者有問題的話，美國的信用卡公司或者是銀行是要給你全額賠付的，個(gè)人是不用承擔(dān)任何責(zé)任，而國內(nèi)不是這樣，很多時(shí)候只能自認(rèn)倒霉。以上兩點(diǎn)是非常具有中國特色的原因，這兩個(gè)原因?qū)τ诮鹑诎踩珯C(jī)器學(xué)習(xí)來說是一個(gè)好事。

 

　　但在支付安全方面，美國比國內(nèi)做得好，這主要源于美國在支付安全方面的持續(xù)投入。一旦出現(xiàn)問題了，它要全額賠付。所以說不得不花很多的錢去做這個(gè)事情來降低自己的損失。國內(nèi)是沒有這個(gè)動(dòng)力。

 

　　AI在監(jiān)管合規(guī)中的應(yīng)用

 

　　接下來是人工智能在監(jiān)管合規(guī)當(dāng)中的應(yīng)用，其中一個(gè)典型是反洗錢。反洗錢是好事，也是壞事。好事就是遏制貪官污吏洗白，洗錢的成本大概是17%到20%+。那么反洗錢的壞處是什么呢？反洗錢的壞處就是快捷的手機(jī)支付可能不再如此方便快捷。

 

　　我們現(xiàn)在之所以有這么方便快捷的微信支付和支付寶，本質(zhì)上就是我國沒有反洗錢的相應(yīng)機(jī)制，一旦反洗錢的機(jī)制像美國那樣設(shè)立起來，就不會(huì)那么快捷了。它跟篩選垃圾郵件很像，需要判斷這是不是一筆有洗錢嫌疑的資金交易。說到底還是一個(gè)分類問題，所以說反洗錢是非常適合機(jī)器學(xué)習(xí)的，今天是用人工通過一些固定規(guī)則把它抓出來，但是這個(gè)規(guī)則也許本身是可變的。用機(jī)器學(xué)習(xí)，通過輸送大量的信息，它就可以自動(dòng)抓到。未來，AI在監(jiān)管合規(guī)方面有很大的發(fā)展可能。

 

　　案例與要點(diǎn)對(duì)比

 

　　在美國有個(gè)非常有意思的公司，叫Palantir。Palantir是一家大數(shù)據(jù)公司，就是做各種分類分析，包括金融的反洗錢、軍事等各種實(shí)際的應(yīng)用；他的客戶包括了美國的中情局FBI。Palantir已被證實(shí)的功績(jī)包括，幫助美國證券投資者保護(hù)公司（SIPC）發(fā)現(xiàn)了納斯達(dá)克前主席麥道夫（Bernie Madoff）的龐氏騙局（Ponzi Scheme）。還有另外一個(gè)沒有被官方證實(shí)的，但是大家一直在說的功績(jī)就是，本拉登藏身地點(diǎn)是Palantir協(xié)助美國軍方找到的。

 

　　中美對(duì)比

 

　　國內(nèi)的反洗錢這一塊剛剛起步。國內(nèi)監(jiān)管目前基本靠人，差距明顯。部分原因可歸結(jié)于體制因素，缺乏動(dòng)力。

 

　　個(gè)性化保險(xiǎn)

 

　　第五部分是人工智能在保險(xiǎn)當(dāng)中的應(yīng)用——個(gè)性化保費(fèi)，但據(jù)我所知，現(xiàn)在還沒有這種商業(yè)化的個(gè)性化保險(xiǎn)公司。

 

　　案例要點(diǎn)對(duì)比

 

　　有一家公司叫Insurify，它是做人工智能來識(shí)別車的保險(xiǎn)。我只需要對(duì)著我的汽車車牌拍照片，上傳這張照片，它就可以自動(dòng)識(shí)別你的車的相關(guān)所有信息，它可以收集你以前出沒出過車禍，有沒有違章記錄。然后你現(xiàn)在的這個(gè)保險(xiǎn)信息是什么樣的，并且它連通了82家相應(yīng)的保險(xiǎn)提供商，他會(huì)作為保險(xiǎn)的代理人幫你去設(shè)計(jì)個(gè)性化保險(xiǎn)。根據(jù)你的駕駛記錄或者根據(jù)年齡。

 

　　還有一家美國公司叫23andme.com，你只需要花99美元，根據(jù)遺傳信息檢測(cè)，可以提供低廉的（99美元）的個(gè)人未來健康預(yù)期的可能風(fēng)險(xiǎn)和可能會(huì)得的高風(fēng)險(xiǎn)的疾病，這個(gè)理論上是可以結(jié)合到個(gè)性化保費(fèi)中，雖然倫理上是一個(gè)問題。保險(xiǎn)是對(duì)于投保人的真實(shí)情況不十分清楚，用一個(gè)大量的一個(gè)樣本，然后來平攤風(fēng)險(xiǎn)，而當(dāng)保險(xiǎn)公司結(jié)合這種遺傳信息，能夠比較精準(zhǔn)的識(shí)別，如果知道投保人未來可能要得唐氏綜合癥，就會(huì)有一個(gè)歧視區(qū)分的保費(fèi)，所以說，這在倫理上可能會(huì)出現(xiàn)問題。

 

　　中美對(duì)比

 

　　美國剛剛起步，但中美都是最最早期階段。

 

　　未來行業(yè)發(fā)展

 

　　車險(xiǎn)等其他事物性保險(xiǎn)，未來會(huì)自動(dòng)出具最優(yōu)方案；比如說你的車險(xiǎn)到底貴不貴，可以通過識(shí)別很多信息，現(xiàn)在只是給你做了車險(xiǎn)的報(bào)價(jià)，但是未來可以更精確化報(bào)價(jià)，這是怎么做到呢？根據(jù)你的年齡、你的平常的習(xí)慣（或許你是一個(gè)喜歡飆摩托車的人，那么就會(huì)把你的汽車保費(fèi)提高），搜集你其他相關(guān)的數(shù)據(jù)，來做更個(gè)性化的保費(fèi)。

 

　　然而具體到疾病險(xiǎn)，其實(shí)主要是倫理和法律問題，而不是一個(gè)技術(shù)問題。

 

　　自動(dòng)/輔助交易/投資機(jī)會(huì)識(shí)別

 

　　傳統(tǒng)的投資盡調(diào)工作全部由人工來完成，每個(gè)盡調(diào)人員通過閱讀大量的資料信息，沉淀并過濾出相應(yīng)的關(guān)鍵信息形成投資調(diào)研報(bào)告。

 

　　應(yīng)用人工智能的技術(shù)可以將投資盡調(diào)的網(wǎng)絡(luò)爬蟲抓取信息、利用自然語言分析引擎進(jìn)行分詞、數(shù)據(jù)降維(合并同類項(xiàng))&提取詞之間的相關(guān)性、構(gòu)建知識(shí)圖譜、提取出有價(jià)值的信息、分析判斷文章正向/負(fù)向、進(jìn)行趨勢(shì)分析、提供分析報(bào)告等工作整合在一起，提高盡調(diào)工作的效率與準(zhǔn)確性。

 

　　案例與要點(diǎn)對(duì)比

 

　　日本三菱UFJ摩根士丹利證券資深股票策略師發(fā)明預(yù)測(cè)日本股市走向的機(jī)器，四年測(cè)試模型正確率為68%。

 

　　09年成立的對(duì)沖基金Cerebellum旗下管理著資產(chǎn)為900億美元，一直使用AI進(jìn)行輔助交易預(yù)測(cè)，并且自2009年以來每年均是盈利。

 

　　J&J宣布以300億美元收購瑞士醫(yī)藥公司Actelion，以J&J在海外存放的現(xiàn)金支付，三大基金在收購前幾個(gè)月多次發(fā)現(xiàn)強(qiáng)生高管出入瑞士機(jī)場(chǎng)，便猜測(cè)是要收購那家公司于是賭了一把，在消息公布前分別入貨，大賺一筆。

 

　　然后國內(nèi)例子是用人工智能去做高頻量化基金。

 

　　中美對(duì)比

 

　　在這個(gè)領(lǐng)域，中美對(duì)比相差很遠(yuǎn)，主要原因有五點(diǎn)：

 

　　可投資產(chǎn)種類少，衍生物等。美國有豐富的衍生物，而中國其實(shí)大家就炒炒個(gè)股，可能還有漲跌停板的限制。

 

　　可投機(jī)會(huì)/投資方式少，很難對(duì)沖。

 

　　可投市場(chǎng)少，國內(nèi)市場(chǎng)準(zhǔn)入門檻高，有的好市場(chǎng)普通投資者，甚至私募和大多數(shù)公募基金都無法參與，只有極少數(shù)“特殊資質(zhì)”國有機(jī)構(gòu)才可以。

 

　　風(fēng)險(xiǎn)集中，外匯管制。例如國內(nèi)投資者只能囿于國內(nèi)投資，美國和日本可以把資產(chǎn)完全分散到海外了分散到全球。美國和日本分別有20%~25%的可投資金投資在本國境外，而中國大概有1%，由中國國家主權(quán)基金比如說工行代表著我們這些韭菜投出去的。

 

　　政策變化快，模型壽命短。就是我們所有的機(jī)器學(xué)習(xí)模型，其實(shí)本質(zhì)上都是要對(duì)數(shù)據(jù)進(jìn)行判斷，它需要在一定特定的環(huán)境下進(jìn)行，而中國的政策整個(gè)大環(huán)境變化可能會(huì)比較快。萬一一行三會(huì)合并了，那是不是政策又會(huì)出現(xiàn)新的政策呢？那會(huì)導(dǎo)致我們的模型失效，所以我們不停地要迭代模型。

 

　　未來行業(yè)發(fā)展

 

　　雖然中美有很大的差距，但是實(shí)事求是來說，中國股票市場(chǎng)大概花了二十年的時(shí)間大概走完了美國大概多于一百年的時(shí)間，我們的效率還是很高的。

 

　　我們現(xiàn)在大踏步的后腿，實(shí)質(zhì)上是大踏步的前進(jìn)。

 

　　AI在智能投顧中的應(yīng)用

 

　　傳統(tǒng)的理財(cái)由用戶自主選擇，無論是基金、債券、信托均基于用戶自己的風(fēng)險(xiǎn)偏好水平以及自己判斷，理財(cái)效果因人而宜；引入人工智能后，系統(tǒng)可以評(píng)測(cè)用戶的風(fēng)險(xiǎn)偏好，推薦相應(yīng)資產(chǎn)組合，一鍵下單完成交易；后期不斷檢測(cè)資產(chǎn)表現(xiàn)情況，必要時(shí)進(jìn)行風(fēng)險(xiǎn)提示以及調(diào)倉推薦。對(duì)用戶而言，選擇了專家系統(tǒng)來作為理財(cái)顧問可以很好地控制理財(cái)風(fēng)險(xiǎn)，保證資金收益，一鍵式的操作也非常有利于用戶體驗(yàn)。這也是目前所謂的“智能投顧”或者“量化投資”的模式。

 

　　實(shí)質(zhì)上，智能投顧是把私人銀行的后臺(tái)服務(wù)線上化，讓大家可以低成本使用。而智能投顧公司，其實(shí)是搞算法或數(shù)學(xué)模型的公司。機(jī)器人背后是復(fù)雜的數(shù)學(xué)模型，通過機(jī)器人投顧讓投資更簡(jiǎn)單、便捷和穩(wěn)健。不過，機(jī)器人投顧不可能保證100%賺錢，只能盡量做到幫散戶控制好風(fēng)險(xiǎn)，盡量提升用戶長(zhǎng)期盈利的概率。

 

　　這里再教大家如何評(píng)價(jià)一個(gè)智能投顧公司靠不靠譜，那就是要看真正做策略的人，如果這個(gè)人統(tǒng)計(jì)、建模、研究能力不夠強(qiáng)，大家就要小心了。

 

　　中美對(duì)比

 

　　國情不同，美國沒有動(dòng)力更進(jìn)一步，但中國需要更先進(jìn)更好的智能投顧。要提一下的是定投。一般教科書會(huì)告訴你，定投3個(gè)月、半年的效益，但要是看一個(gè)5年的周期，你就會(huì)發(fā)現(xiàn)，定投和平均購買沒有任何區(qū)別。也就是說，定投是一個(gè)無效的東西。

 

　　而更好的、更適合中國市場(chǎng)的智能投顧是指什么：

 

　　多類資產(chǎn)，甚至是跨大類資產(chǎn)。

 

　　主動(dòng)+被動(dòng)式投資：alpha + smart beta + market beta。

 

　　多種投資周期：長(zhǎng)短結(jié)合和選擇。

 

　　個(gè)性化的投資顧問：個(gè)性化風(fēng)險(xiǎn)，智能配置，主動(dòng)式投后管理和調(diào)倉。

 

　　多樣性的投資手段：美國永遠(yuǎn)全倉，我們可以滿倉，半倉，空倉和部分市場(chǎng)的對(duì)沖。

 

　　美國的智能投顧實(shí)際上有政策催化，美國有一個(gè)養(yǎng)老金入市制度，例如“401K計(jì)劃”，企業(yè)為員工設(shè)立專門的401K賬戶，同時(shí)企業(yè)向員工提供數(shù)種不同的證券組合投資計(jì)劃，如股票、共同基金、國債和公開市場(chǎng)票據(jù)等等。美國政府給予一定的稅收優(yōu)惠，也鼓勵(lì)人們存錢（主要原因是美國的人均儲(chǔ)蓄率是-2%），但一個(gè)問題就是你必須在退休后才能取出來錢，提前取出來的話要受到額外10%的懲罰，所以一般人是不會(huì)取出來的。事實(shí)確實(shí)證明過去100年美國股市一直保持上漲。普通人其實(shí)就可以放進(jìn)去，不需要操心太多事情，但這是美國的國情。

 

　　中國是不行的，為什么呢？中國沒有這種強(qiáng)制養(yǎng)老金，而且中國的社保實(shí)際上虧空的，中國最大的龐氏騙局之一就是社保。有很多思想覺悟不行的人不交社保，這樣龐氏騙局是沒有能力維持下去的，人人都要都有當(dāng)韭菜的覺悟。情況不一樣，所以對(duì)智能投顧的性能要求不一樣，美國的智能投顧就可以非常簡(jiǎn)單。而中國的投顧就因?yàn)橐蟊容^苛刻，它需要有更先進(jìn)的技術(shù)。

 

　　在多類資產(chǎn)、跨大類資產(chǎn)方面，因?yàn)槊绹奶厥馇闆r，他們只需要配置被動(dòng)的ETF，被動(dòng)的隨著市場(chǎng)往上走就好了。但在中國市場(chǎng)，你要是敢這么配，被動(dòng)式的你10年后面對(duì)的結(jié)果就是錢一分沒有增加，同時(shí)因?yàn)橥ㄘ浥蛎洠績(jī)r(jià)上漲，你的錢可能縮水到原來的1/4。所以說這個(gè)是我們要跨大類進(jìn)行配置的原因。

 

　　這方面第二點(diǎn)是主動(dòng)加被動(dòng)，我們不但需要有一個(gè)市場(chǎng)的貝塔，我們還需要一個(gè)行業(yè)或者細(xì)分的貝塔，或者叫聰明的貝塔。還要盡量在這兩個(gè)基礎(chǔ)上能夠做到更好，能夠在此基礎(chǔ)上加一個(gè)阿爾法。

 

　　美國的養(yǎng)老金計(jì)劃是一個(gè)非常長(zhǎng)期投資，可能是10、20、30年的長(zhǎng)期投資，但中國的韭菜是不可能投資30年的。所以在中國就要考慮到給用戶三種選擇：短周期的選擇、中周期的選擇和長(zhǎng)周期的選擇。這其實(shí)是一個(gè)很難解決的問題，因?yàn)殚L(zhǎng)期來看收益會(huì)比較穩(wěn)定，長(zhǎng)期會(huì)熨平波動(dòng)，而短期波動(dòng)會(huì)比較大，所以說越短越難做。

 

　　另外智能投顧還都需要個(gè)性化，風(fēng)險(xiǎn)個(gè)性化、投資周期個(gè)性化，這也為投資之后的管理和調(diào)倉增加了極大的難度。

 

　　還有一個(gè)差異就是美國永遠(yuǎn)都是百分之百全倉殺入，這如果在中國那不就是瘋子嗎？所以希望能夠做到控制倉位，可以滿倉，半倉，空倉和部分市場(chǎng)的對(duì)沖。

 

　　行業(yè)發(fā)展

 

　　智能投顧是行業(yè)大勢(shì)，十年前中國式無財(cái)可管，中產(chǎn)階級(jí)的興起，現(xiàn)在財(cái)富管理是剛需；而智能投顧解決了門檻問題，你不需要有1000萬2000萬去私行，而你只需要可能20萬就可以做一個(gè)智能頭部的一個(gè)完整的一個(gè)理財(cái)。

 

　　區(qū)域發(fā)展階段肯定是從國內(nèi)發(fā)展到全球，這是所有國家的發(fā)展路線。

 

　　過程發(fā)展階段：通道-> 券商-> 產(chǎn)品 -> 財(cái)富管理（智能投顧）。從一個(gè)通道（因?yàn)樯婕暗酵鈪R管制的問題），然后到券商讓大家炒，等大家炒虧的人多起來的時(shí)候，就會(huì)有人不想炒股想買好產(chǎn)品，再到產(chǎn)品出現(xiàn)資產(chǎn)荒，資產(chǎn)荒之后才能實(shí)現(xiàn)一個(gè)真正的財(cái)富管理。

 

　　行業(yè)發(fā)展需要解決的問題

 

　　在國內(nèi)的問題，這些也是B端機(jī)構(gòu)落地的考慮：

 

　　專業(yè)性非常高，門檻在里面，做好很不容易。

 

　　B端機(jī)構(gòu)要意識(shí)到中美國情不同導(dǎo)致的智能投顧不同：美國養(yǎng)老金制度哺育了美國的智能投顧，而中國不同，投資周期不同；此外美國儲(chǔ)蓄率低，定投有效，中國長(zhǎng)期定投無效。

 

　　中國投資者教育比較落后，中長(zhǎng)期投資在中國沒有市場(chǎng)，很多人追漲殺跌，注重短期收益。

 

　　信任感問題，面對(duì)面的個(gè)人理財(cái)顧問取信度會(huì)比較高，而機(jī)器沒有這種先天優(yōu)勢(shì)。

 

　　合格理財(cái)顧問的培養(yǎng)比較困難，中國國內(nèi)的理財(cái)顧問大多數(shù)都是銷售，如果在私人銀行培養(yǎng)一位合格的理財(cái)顧問可能需要5到7年，這在國內(nèi)幾乎是沒有的。

 

　　如何獲得投資者財(cái)務(wù)狀況全貌，包括房產(chǎn)、車、儲(chǔ)蓄、信用賬戶等。

 

　　意識(shí)到智能投顧的當(dāng)前的局限性。

 

　　總結(jié)

 

　　Kensho 創(chuàng)始人 Daniel Nadler 說過一句話：“我們正在以破壞大量相對(duì)高薪工作為代價(jià)來創(chuàng)造極少數(shù)的更高薪工作。”應(yīng)用人工智能對(duì)各行各業(yè)的影響已經(jīng)開始顯現(xiàn)。其中，對(duì)金融的影響只是其替代人類腦力勞動(dòng)的一個(gè)代表：從替代簡(jiǎn)單重復(fù)性腦力勞動(dòng)，比如大量手動(dòng)交易執(zhí)行到自動(dòng)化交易執(zhí)行；到信息收集和初步分析，比如數(shù)據(jù)統(tǒng)計(jì)，智能金融客服；再到各種投資預(yù)判和決策，比如上面提到的智能投顧。

 

　　目前我們的科技還停留在弱人工智能階段。從技術(shù)角度看，人工智能的各個(gè)細(xì)分領(lǐng)域尚面臨著各自的技術(shù)桎梏；從市場(chǎng)應(yīng)用來說，缺乏席卷用戶的現(xiàn)象級(jí)產(chǎn)品。而當(dāng)我們突破這個(gè)瓶頸的時(shí)候，我們就會(huì)迎來人工智能的下一個(gè)春天。