关于智能投顾的技术和业态浅析

在国内“互联网金融”名声不像以前那么好听了的时候，一个新的名词“FinTech（金融科技）”开始悄然火起来。有人把“金融科技”当做“互联网金融”的原版、升级版或海外版，其实都不尽然。“互联网金融”的落脚点是“金融”，而“金融科技”的落脚点是“科技”；“互联网金融”的出发点是业务上的“颠覆”或“补充”，而“金融科技”的落脚点是技术上的“加持”。在“金融科技”领域，有一个概念最近很博眼球，就是“智能投顾”。狭义的智能投顾是使用人工智能等先进技术代替客户进行财富管理、按收益的一定比例提取回报的业务形式。广义的智能投顾也包括了使用人工智能技术进行市场数据及基本面分析并向顾客推送分析结果（即“智能投研”）和使用人工智能技术进行与客户的自然语言互动（即“智能客服”）。后两者之所以被戴上“智能投顾”的帽子，一是它们的确可以成为投资服务当中的环节；二是它们的确具有越来越智能化乃至与智能投顾的业务连成一体的发展趋势。

投顾机器人的“难、准、快”

　　我们先从狭义的“智能投顾”说起。狭义的“智能投顾”，也叫“投顾机器人”。目前使用人工智能技术用于代客理财，主要有三个“卖点”。

　　第一个卖点是“难”，即从海量的原始金融产品的大量组合中筛选可用的组合与择时策略。这背后又有两种模式：基于高性能集群的大数据分析，以及基于众包的组合与择时策略搜索。前者需要一定规模的计算基础设施和算法方面的针对性优化，后者需要足够的客户粘性。从机理看，这类算法的搜索空间巨大，模拟盘投资效果满意的理想策略分布稀疏，如若只能找到少量符合要求的策略，势必造成策略的同质化分布。

　　第二个卖点是“准”，即为已有的理财产品进行精确画像、为客户本身的投资偏好和风险偏好进行精确画像，在此基础上方便将理财产品与客户偏好进行匹配。这本质上是一种基于特征的推荐。从人工智能角度看，所谓“精确画像”的基础是知识表示模型的确立。目前可用的知识表示模型主要有两种，一是元组模型，即用若干特征维度的笛卡尔积来表示的“关系式数据”；一是对象模型，即用若干层次加标签来表示的“类XML半结构化数据”。在表达能力方面，“类XML半结构化数据”远胜于“关系式数据”；但在分析处理手段方面，适用于“关系式数据”的分析处理手段远比适用于“类XML半结构化数据”来得丰富。目前业界仍以使用“关系式数据”为主流，但在适用于“类XML半结构化数据”的算法方面如能出奇制胜，对未来发展也将起到引领用。“精确画像”的另一个基础是数据来源。我们看到，客户的行为数据、社交数据正在成为为客户精确画像的重要数据来源，这里面涉及到的隐私保护问题堪忧。

　　第三个卖点是“快”，即操作的及时性。代客理财，最终目标是将策略有效落地，因此落地的一系列基础设施必然会走专业化道路，交易通道、订单生成、仓位与期限配置管理等都会选择专业化的产品或服务。不管最终的金融服务是什么，“客户首先从智能投顾聚集”会成为金融服务市场的一个值得注意的动向。智能投顾系统正在成为金融服务市场的一类重要的隐含前置入口。

　　从上面的分析中我们也看到，狭义智能投顾的核心技术，从人工智能领域本身看并不是原创性的，更多地是把人工智能技术用于行情、舆情、产品、客户等各类大数据产生以“难、准、快”为卖点的新的服务价值。算法过于同质化，必然会限制这个市场的发展。同时，狭义智能投顾也具有角色上的游动性：进，可以杀入量化对冲领域，退，可以混迹于广义智能投顾如智能投研、智能客服之中。在现实中，是进是退，则完全取决于监管方面对狭义智能投顾采取什么监管政策。

广义的智能投顾：智能投研+智能客服

　　下面谈一谈广义的智能投顾，即包含了智能投研和智能客服在内的范围更广的业务形态。

　　智能投研专注于对信息特别是基本面信息的采集和分析。这一领域的技术发展，经历了基于热词、基于情感倾向和基于领域知识图谱三个发展阶段。基于热词的基本面分析，从后验看确实在一些局部做到了先知先觉，但是事前很难知道是哪些局部，所以实用性并不强。自从学术界发现了Twitter上的舆情统计指标与大盘的高度相关性，基于情感倾向的智能投研技术开始逐步向实用环节有所渗透，但专业投资团队对这种技术并不满意，因为大多数情况下，情感倾向的指向性并不精准，而无情感倾向的事实陈述（比如天气状况）却可能经过产业链的传播，在意想不到的落脚点（比如期货）产生对投资判断的关键影响。所以，对智能投研技术的实用化来说，自然语言处理和产业链、作用链的知识图谱建模是最关键的技术。

　　智能投研虽然与处于更核心地位的量化对冲领域也可以通过所谓“机器可读新闻”有直接的服务对接，但与狭义的智能投顾之间的服务对接，还是来得更为自然和顺畅。所以，可以说智能投研是狭义的智能投顾在资讯处理能力方面的一种自然延伸。有了智能投研作为“耳目”，智能投顾提出的决策建议或代客理财的操作，会更加符合市场的客观规律，也会有更高的技术含量和专业化壁垒。

　　智能客服是真正全方位接触客户的系统。传统的客服基于声讯电话，一边听语音指令一边在在菜单间跳来跳去的糟糕用户体验，不仅使很多客户不胜其烦，也使服务机构错失了获取用户更多有价值数据的大好机会，这是对于入口资源的极大浪费。目前流行的基于对话机器人的智能客服，只能做到单轮次、面向固定知识库的问答。面向动态知识库的多轮次问答，涉及场景建模、语境建模、用户建模技术上还有待突破。

　　应该说，场景建模、语境建模、用户建模做好了，与动态知识库的衔接做好了，智能客服的作用就不会仅限于传统意义上的“客服”了。在核心业务层面与客户的交互，将会带给客户更多的价值，也会从与客户的对话中获取更宝贵的知识。这些知识即可用于给客户画像以及以此为基础的个性化服务，也可用于客户身份鉴别的补充和增强，还可以对客户进行金融知识、风险管理知识的教育培训，一举多得。

　　由此可见，包含智能投研和智能客服在内的广义的智能投顾，实际上意味着把智能投顾的各个环节都用人工智能和大数据武装起来，形成全方位的服务链条，形成人格化的虚拟服务主体，使平台更了解客户、更了解市场，从而提供更加优质的服务。但是，相应的人工智能技术并未到位，用金融领域的需求推动人工智能的发展，还有很多工作要做。人工智能新技术的引入，也会引发一些关键性的业态变革，科技和数据在投顾机构中的引领作用将会加大，智能投研的冲击会改变投研行业的工作方式、工作节奏和服务形态，智能客服的新进展将创造与客户互动、进行客户建模的崭新入口。这一领域的进一步发展还会撬动广义智能投顾业务与量化对冲业务及传统资讯服务业务对接的新方式，潜力巨大。对人工智能、大数据人才的需求也将更上一个台阶。

监管配套需到位

　　无论是狭义的智能投顾还是广义的智能投顾，都离不开配套的监管措施。对包含人工智能高技术的金融服务，正确理解技术的辅助性作用和人的决定性作用，是制定正确监管政策的关键。这里，我们提出几个注意事项，供监管政策制定者参考。

　　第一，我们要切实认识到，随着技术的发展，信息的快速流动、决策过程对信息的高度依赖以及决策过程中相当成分的计算和推理工作已经可以自动化，是一个技术上的现实。面对这个现实，强行隔断这个分析信息和产生决策两个阶段，让本来已经自动连接的过程回到手工连接状态是不明智的。产生决策的快慢这种技术要素，不作为是否属于智能投顾范畴的判断依据。客户信任机器还是信任人并不重要，通过策略平台代客下单，收取与收益成比例的手续费的人是否具有相应的资质才是问题的根本，这样的人才是监管的对象和承担法律责任的主体。

　　第二，随着服务各环节的全面整合，反映客户不同侧面隐私的数据在智能投顾平台上呈现高度集成的趋势。如何管理好平台的信息安全，关系到大批客户的隐私安全，智能投顾平台的经营方负有不可推卸的责任和义务。客户的隐私安全应该成为智能投顾监管的重点。

　　第三，同样的智能投顾技术，服务的客户群体可能是跨界的。他们当中有的人可能既不是传统意义上的资本市场投资者，也不是传统意义上的银行客户。针对同一个客户，智能投顾所配置的资产也可能是跨界的，甚至有可能涉及具有一定保值性的贵重商品乃至民间数字货币。赋予哪个监管主体以如此跨界的监管权力，采用什么样的监管架构，值得深入研究。

（文章来源：《金融电子化》杂志）

扫码即可手机
阅读转发此文