智能投顾：一个文献综述

2018-04-28赖庆晟

时代金融 2018年9期

【摘要】本文通过对智能投顾的理论依据、技术条件及应用场景等相关研究文献进行梳理，提出未来智能投顾在如何构建系统集成的技术框架以及设计全套应用服务体系等方面，值得深入研究。

【关键词】智能投顾金融科技资产配置

一、引言

智能投顾，是运用一系列人工智能机器学习算法、投资组合优化等理论模型，并根据投资者的风险承受水平、收益目标以及偏好等要求，为用户提供智能化投资建议、资产配置及其它增值服务的在线投顾服务模式。智能投顾的理论依据，是基于以Markowitz均值-方差模型、Black-Litterman模型为代表的现代投资组合理论模型。随着大数据、云计算、人工智能等金融科技创新发展的推动下，智能投顾随之产生并已获得了较广泛的应用，未来前景看好。

二、智能投顾的理论依据：现代投资组合理论模型

智能投顾的理论依据，是基于以Markowitz均值-方差模型为代表的现代投资组合理论模型。Markowitz（1952）[15]提出均值-方差模型，使用期望收益和市场波动风险来构建投资组合，奠定量化资产配置的理论基础。Markowitz均值-方差模型的期望收益率用各种资产历史收益率分布下的均值来表示，而风险则使用方差来度量，以获取在一定程度的市场波动风险水平下的资产组合收益最大化，或者实现目标收益水平下的资产组合风险最小化。因为Markowitz均值-方差模型是以历史情形会重复出现作为假设前提条件，来通过历史收益率和市场波动方差来建立最优投资组合，各种资产收益率及方差可能会和历史数据不一样，所以有必要对Markowitz均值-方差模型的市场均衡配置权重做调整修正，从而优化投资组合获得更大收益。

针对Markowitz均值-方差模型在市场均衡配置权重存在缺陷，Black和Litterman（1992）[2]在基于历史数据的Markowitz均值-方差模型的基础上，利用贝叶斯方法，在模型中加入投资者主观观点，提出Black-Litterman模型，使得资产配置受到市场均衡权重和投资者主观预期两个方面的共同影响，修正了Markowitz均值-方差模型在市场均衡配置权重方面的局限。

针对Black-Litterman模型的主观观点仅表达了对资产的预期收益一种观点，而事实上投资者可能还有一些间接的观点，比如对GDP/CPI等宏观因子、PE/ROE等基本面因子等，同样这样因子也会影响资产价格波动，Wing Cheung（2009）[20]进一步提出Augmented Black-Litterman模型（Black-Litterman多因子扩展模型，简称ABL模型），将早期Black-Litterman模型的主观观点扩容到影响市场收益的因子层面，提高了该模型的适用范围。进一步说，Wing Cheung（2009）[20]的ABL模型与Black-Litterman模型不同之处是：在计算过程中，ABL模型不仅在预期收益率向量中加入了因子项，而且在协方差矩阵中也加入了因子项；使得将Black-Litterman模型中仅对n个资产收益率的预测，扩展至对n个资产收益率及f个因子收益率的预测。

三、智能投顾的技术条件：金融科技发展

金融科技（Fintech）是基于大数据、云计算、人工智能、区块链等先进技术，体现为金融+科技的融合与创新，主要的应用场景包括：支付结算、财富管理、信贷支持、商业保险等金融领域。金融科技的发展阶段主要有：第一，金融IT阶段：主要是指通过IT軟硬件的应用对办公业务进行电子化改造，从而提高金融效率。金融IT阶段以ATM、POS机为主要代表性产品。第二，互联网金融阶段：通过互联网或移动端的在线平台集聚用户，对资产端、资金端等终端相互联通，撮合金融业务与金融信息的共享。互联网金融阶段以互联网基金销售、移动支付为主要代表性业务。第三，金融科技阶段：通过大数据、云计算、人工智能、区块链等先进技术，解决传统金融的业务痛点，提升传统金融业务效率。金融科技阶段以大数据征信、智能投顾为主要代表性应用场景（巴曙松和白海峰，2016）[21]。

（一）大数据技术发展

1.大数据特征。主要体现在海量数据、实时处理、数据种类及来源渠道多样化的3V特征（Laney Douglas，2001）[14]。

2.大数据价值链。Gustafson和Fink（2013）[10]提出大数据价值链有数据获取、数据存储、数据分析及数据应用等4个环节构成。

3.大数据分析工具。根据Varian（2014）[19]，Jun等（2015）[13]等学者的相关研究整理，大数据分析工具包括了以下六类：以Hadoop/MapReduce为代表的大数据分析平台、以HBase为代表的数据仓库、以Mahout为代表的数据挖掘、以HDFS为代表的文件系统、以Hive为代表的大数据搜索、以Sqoop为代表的数据聚合与传输。

4.大数据应用。Tirunllai和Tellis（2014）[18]使用35万份的用户评论数据，并通过LDA模型进行市场营销领域的战略品牌分析。Varian（2014）[19]使用2380个观察样本数据并运用HMDA数据树技术进行计量经济学方面的实证研究。Jun等（2015）[13]使用1989年～2006年的欧洲大数据技术专利数据，通过文本挖掘及社会网络分析技术进行评估分析。

（二）云计算技术发展

1.云计算内涵。云计算是一种并行的、分布式的系统，由可以调用的虚拟化资源池组成，服务提供商能够依据事先约定的服务层级协议（Service Level Agrement，SLA）动态地向用户提供相关服务（Buyya，2009）[6]。

2.云计算关键技术。云计算关键技术包括数据存储及管理技术（Ghemawat等，2003）[10]、数据分析及处理技术（Dean和Ghemawat，2008）[9]、云安全技术（Takabi等，2010）[17]等。

3.云计算服务模式。Iyer和Henderson（2010）[12]归纳云计算服务模式包括以下4种：面向所有个人及企业用户的公共云、面向某个特定企业获组织的私有云、面向某个特定团体的团体云、以及提供上述两种以上云服务的混合云。

（三）人工智能技术发展

1.人工智能特征。主要体现在，芯片是人工智能的“本体”，为其提供持续运作的计算能力；算法是人工智能的“大脑”，实现人类学习与思考等功能；数据是人工智能的“灵魂”，人工智能的实现离不开数据驱动（邢桂伟，2017）[34]。

2.人工智能算法。主要包括了决策树算法（Breiman等，1984）[4]、随机森林算法（Breiman，2001）[5]、SVM算法（Cortes等，1995）[7]、Boosting算法（Dieterich，2000）[8]、Baggin算法（Breiman，1996）[3]、关联规则算法（Agrawal等，1993）[1]、EM算法（Dempster，1997）[16]等。

3.人工智能在金融中的应用。人工智能+金融的化学反应，重构了金融服务生态（吕晶晶，2017）[27]。人工智能有助于提供标准化、智能化、模型化的金融服务，例如决策、预警，并且有助于防范系统性金融风险（程东亮，2016）[22]。人工智能在金融中的应用场景十分丰富，包括了金融预测、反欺诈、融资授信决策、智能投顾、语音识别、人像监控预警等（杨涛，2016）[31]。

四、智能投顾的应用性研究

在现代投资组合理论模型、金融科技等基础性研究成果的指引下，智能投顾的应用性研究成果逐渐增多，主要体现在：

（一）智能投顾的应用前景

智能投顾具有普遍乐观的应用前景。根据美国花旗银行于2015年9月发布的研究报告预计，未来机器人投顾的资产管理规模将出现指数级爆发增长，可达5万亿美元的资产规模。根据科尔尼资讯公司预测，未来5年机器人投顾的资产管理规模年增长率可达68%，逼近2.2万亿美元（徐慧中，2016）[30]。

同时，智能投顾为中国投资市场提供了新的机遇：一是能够满足国内不断增加的中产阶级理财需求；二是智能投顾有助于提高日渐走低的无风险收益率；三是股灾过后，国内投资市场急切需要能够分散资产风险的产品及服务（潘芳，2017）[28]。

岳磊（2017）[33]认为未来“智能投顾+养老金”模式的应用前景巨大，从养老金制度改革和未来发展方向来看，智能投顾的发展空间广阔。同时，智能投顾助推个人養老金账户透明化管理，从而实现低成本投资、长期投资。

卢晓明（2017）[26]指出智能投顾的重要贡献在于，通过金融科技扩大了金融服务范围，减少了金融服务成本，使得大量中产阶级“长尾”用户可以享受低成本高品质的金融理财服务。

（二）智能投顾的应用场景

冯永昌、孙冬萌（2017）[23]智能投顾可以应用于智能资讯场景、智能分析场景、智能配置场景、智能投资场景及智能陪伴场景等5种应用场景。其中，智能资讯场景：通过数据展示、智能标注、智能推荐等数字化形式，提供智能化资讯应用场景。智能分析场景：通过对用户投资行为的大数据分析，提供个性化分析建议。智能配置场景：依据投资者的风险承受能力、风险偏好及目标收益等情况，提供个性化的金融资产配置建议。智能交易场景：是指在智能分析及智能配置的基础上，由系统自动完成交易的一种模式。智能陪伴场景：通过大数据分析，洞察投资者偏好及需求，采取伴随投资者左右的方式，即时回答投资者提出的各类问题。

（三）智能投顾的应用风险

智能投顾的应用风险主要包括：第一，技术风险：例如遭遇病毒感染、黑客破坏、网络崩溃、交易延迟等技术风险（巴曙松和白海峰，2016）[21]。第二，市场风险：中小投资者偏好短线操作，注重金融工具带来的短期收益；然而智能投顾体现的是长期收益，这与中小投资者的投资偏好相矛盾（李晴，2017）[24]。第三，信用风险：由于p2p乱象产生一批互联网圈钱企业，使得中国大多数投资者对于互联网理财缺乏信任（乔智迪，2017）[29]。第四，操作风险：由于采用人工智能代理交易，造成证券投资账户的实际控制人发生变化，使得如何认定证券投资账户的实际控制人存在操作困难（徐慧中，2016）[30]；第五，合规风险：一是投资咨询机构提供智能投顾服务的合法性；二是提供智能投顾服务主体的合法性；三是智能投顾的业务发展受到了外汇管制约束；四是智能投顾基金违规（于文菊，2017）[32]。

针对智能投顾的应用风险防范，许亚岚（2016）[35]指出发展好智能投顾的关键在于，向客户提供的有效投资策略，既是个性化、智能化，又能同时符合的规范化监管要求。

（四）智能投顾的应用效果评估

在智能投顾的应用效果评估方面，六道道（2017）[25]运用奇点指数组合管理系统，使用最近6个月的数据对弥财、钱景、摩羯智投、理财魔方等主流智能投顾的投资组合业绩进行实证分析，结果表明优秀的智能投顾可以通过量化投资的方法，将投资风险分散化，实现年化6%～8%的理财产品组合收益，要高于大多数银行理财产品4%左右的预期收益率。

五、主要结论与展望

智能投顾的技术理论和应用实践方面都取得可喜的研究进展，主要体现在以下三个方面：第一、以Markowitz均值-方差理论为基础模型的现代投资组合理论（MPT），构成智能投顾的理论基础。第二、大数据、云计算、人工智能等金融科技的创新发展，为智能投顾提供了良好的技术条件。第三、智能投顾获得了较广泛的应用，未来前景看好。

然而，就目前的文献来看，至少还有以下两方面值得我们进一步开展研究。一方面，在理论研究内容上，忽略了对智能投顾模型框架的总体设计，尤其是缺乏对智能投顾全面技术理论框架和技术实现路径的探讨。另一方面，在应用实践上，表现为应用深度研究不足：目前更多地把智能投顾仅仅作为一种理财工具或平台使用；而忽略了对智能投顾一整套服务体系的设计，以及智能投顾服务人员团队配套机制的研究。

參考文献

[1]Agrawal R，Imidinski T，Swami A.Mining association rules between sets of items in large databases[A].Proc of ACM SIGMOD Conf on Management of Data[C].Washington，1993.pp207-216.

[2]Black F，Litterman R.Global portfolio optimization[J].Financial Analysts Journal.1992.

[3]Breiman，L.，Baging Predictors[J].Machine Learning，1996，24（2）：123-140.

[4]Breiman L.，Friedman，J.，Olshen，R.，and Stone，C.Clasification and Regression Tres[M].Wadsworth，1984.

[5]Breiman L.Random forests[J].Machine Learning，2001，45（1）：5-32.

[6]Buyya R，Yeo C S，Venugopal S.Market-oriented cloud computing：Vision，hype，and reality for delivering it services as computing utilities[C]∥Procedings of the 2009 9th IEEE/ACM International Symposium on Cluster Computing and the Grid.2009.

[7]Cortes，C.，Vapnik，V.M.Suport Vector Networks[J].Machine Learning，1995，20：273-297.

[8]Dieterich，T.G.An Experimental Comparison of Three Methods for Constructing Ensembles of Decision Trees：Baging，Bosting，and Randomization[J].Machine Leanring，2000，40：139-157.

[9]Dean J，Ghemawat S.MapReduce：simplified data processing on large clusters[J].Communications of the ACM，2008，51（1）：107-113.

[10]Ghemawat S，Gobioff H，Leung S.The Google file system[C]/ / SOSP 03 Proceedings of the nineteenth ACM symposium on Operating systems principles.NewYork，USA：ACM，2003：29-43.

[11]Gustafson T，Fink D.Winning within the data value chain [J].Strategy & Innovation Newsletter， 2013，11（2）： 7-13.

[12]Iyer B and Henderson J C.Preparing for the future：Understanding the seven capabilities of cloud computing[J].MIS Quarterly Executive，2010，9（2）：117-131.

[13]JUN S，PARK S，JANG D.A technology valuation model using quantitative patent analysis：a case study of technology transfer in big data marketing [J].Emerging Markets Finance & Trade，2015，51：963 -974.

[14]Laney Douglas.3D data management：Controlling data volume，velocity and variety[J].META Group Research Note，2001.

[15]Markowitz H.M.Portfolio Selection[J].Journal of Finance，1952（7）.

[16]P.Dempster，N.M.Laird Aand D.B.Rubin.Maximun Likelihood From Incomplete Data Via the EM Algorlthm[J].RoyalStat.Soc.1997，39（1）：1-38.

[17]Takabi H，Joshi J B D，Ahn G.Security and Privacy Challenges in Cloud Computing Environments[J].IEEE Computer Society，2010，8（6）：24 -31.

[18]Tirunllai S，TELLIS G J.Mining marketing meaning from online chatter：strategic brand analysis of big data using latent dirichlet allocation [J].Journal of Marketing Research，2014（8）：463-479.

[19]Varian H.R.Big data：new tricks for econometrics[J].Journal of Economic Perspectives，2014，28（2）：3-28.

[20]Wing Cheung.Transparent Augmented Black-Litterman Allocation：Simple and Unified Framework for Strategy Combination，Factor Mimicking，Hedging，and Stock-Specific Alphas[J].Social Science Electronic Publishing.2009.

[21]巴曙松，白海峰.金融科技的发展历程与核心技术应用场景探索[J].清华金融评论，2016，（11）.

[22]程东亮.人工智能在金融领域应用现状及安全风险探析[J].金融科技时代，2016（9）.

[23]冯永昌，孙冬萌.智能投顾行业机遇与挑战并存（上）[J].金融科技时代，2017（6）.

[24]李晴.智能投顾的风险分析及法律规制路径[J].南方金融，2017（4）.

[25]六道道.奇点指数2016热门智能投顾产品测评报告[OL].http：//leopatra.baijia.baidu.com/article/745903， 2017年1月6日.

[26]卢晓明.智能投顾：“混沌”中看未来[J].金融博览（财富），2017（2）.

[27]吕晶晶.人工智能，重构金融服务生态[J].金融博览（财富），2017（2）.

[28]潘芳.智能投顾：金融与科技的时代融合[J].中国金融电脑，2017（6）.

[29]乔智迪.对智能投顾在中国发展困境的反思——以理财魔方为例[J].金融经济，2017（14）.

[30]徐慧中.我国智能投顾的监管难点及对策[J].金融发展研究，2016（7）.

[31]杨涛.对人工智能在金融领域应用的思考[J].国际金融，2016（12）.

[32]于文菊.我国智能投顾的发展现状及其法律监管[J].海南金融，2017（6）.