智能投顾在财富管理中的应用及现存问题分析

傅凌燕

摘要：智能投顾在国内开始初步应用，文章对智能投顾在财富管理中应用的现存问题进行分析，认为目前资产端的产品局限于某一类比较单一;客户端的人情人性最难把控;相关技术在前沿应用，在监管大环境下逐步发展完善。并提出智能投顾+专业经验的结合，为普惠金融贡献力量，培育竞争性的提供智能投顾技术的科技公司等发展展望。

关键词：智能投顾;大数据;循环神经网络;区块链

2018年11月在长春一家中国银行内，某位大妈因等待办理业务的时间太长，对业务员办事效率不满，与机器人理论的视频在网上热传。笑翻全场的起因是大妈的一本正经，机器人奶声奶气的回应，一唱一和。随着人工智能技术的日益强大，各种智能机器人应运而生。银行大厅的服务机器人是智能语音技术的应用，更像是大堂经理。那么为客户挑选产品、配置资产的顾问领域，情况如何呢？

一、智能投顾的定义

智能投顾又被称为机器人投顾，是指利用大数据分析、量化金融模型以及智能化算法，并结合投资者的风险承受水平、财务状况、预期收益目标以及投资风格偏好等要求，提供多元化、自动化、个性化的资产配置建议，并对组合实现跟踪和自动调整。姜海燕、吴长风（2016）认为智能投顾服务中的第二个层次即给出个性化的投资建议，到第三个层次即为服务对象提供交易服务，才是通常所理解的智能投顾。

二、智能投顾的发展现状

全球首个智能投顾产品由Wealthfront设计，致力于为客户提供传统理财行业同等质量但进入门槛更低、费用更加低廉的理财咨询服务。此外，全球知名的智能投顾平台还包括Betterment、Personal Capital等。

国内2016年招商银行率先推出“摩羯智投”，广发证券推出“贝塔牛”，随后银行、券商、基金、保险、BATJ等互联网巨头纷纷入局，形成了创业公司、传统金融以及互联网金融“三足鼎立”的局面。2018年《互联网周刊》对智能投顾平台进行排名，排行榜详见表1。

三、在财富管理中的应用及现存问题分析

智能投顾的应用需要通过技术研发、提供机器语言和算法，在财富管理领域连接起产品端（即资产端）和C端（即客户端），目前在应用中存在以下问题。

（一）资产端的产品局限于某一类并较单一

美国的智能投顾市场经历了线下投顾（人工投顾）、线上投顾（互联网理财）、机器投顾（量化投资）、智能投顾这一线性有序发展的历程。而我国的投顾市场因金融科技的力量太强大，发展是跳跃性的。资产端还没适应这种变化，导致产品数量还不足，资产质量还不佳。

可纳入智能投顾产品端的产品，前提是要标准化，目前可供配置的主要为证券和基金。相比美国拥有的庞大ETF市场，中国被动型基金的占比还较低。根据申银万国研究数据显示，中国的指数基金在全球规模中占比不到2%。但被动型基金已经逐渐得到市场的重视。截至2018年二季度末，中国524只指数基金的资产规模超过4856亿，仅二季度就成立了22只指数基金。

2018年9月下发的《商业银行理财业务监督管理办法》明确非保本理财产品为真正意义上的资管产品，公募理财可以通过公募证券投资基金、投资股票。未来，当几十万亿的固收类理财产品成为可配置资产时，智能投顾不至沦落为“巧妇难为无米之炊”。

（二）客户端的人情人性最难把控

智能投顾的终极目标是模仿人类大脑的运作，它可以克服人性中随市场涨跌而引起的情绪波动，但最大的劣势在于缺乏人情味。特别是中国的财富客户有心理依赖，传统财富顾问满足了他们沟通交流的欲望。相对比国外投资者投资理念更成熟（艾佳宁、孟克，2018），而在中国智能投顾更难获客。

众所周知机器学习需要数据，需要时间。以典型的循环神经网络训练损失计算图为例（详见图1）。将x值的输入序列映射到输出值o的对应序列，损失L衡量每个o与相应的训练目标y的距离，h是隐藏层。隐藏到隐藏的循环连接由权重矩阵W参数化以及隐藏到输出的连接权重矩阵V参数化。理论上，循环神经网络是万能的，RNN经过若干时间步后读取输出，但隐藏单元之间存在循环网络的训练代价也很大。训练不充分的应用就容易陷入死循环，前文中的案例其实就是银行服务机器人陷入已有程序的循环中，不能有效解决问题。

机器学习需要花时间训练，需要有更多的客户信任机器，愿意加入智能投顾的C端。信任机器的基础是智能投顾有效，而智投给出的投资建议是否有效，需要时间的检验。但随着时间的变化，人性是会变的。目前智能投顾可以完全胜任信息收集和处理等初级工作，给出的投资建议，客户和理财经理可作为参考。而由其独立做决策还是一个概念，在较长的时间内将保持AI+人工经验的状态。

（三）智能投顾技术前沿应用，逐步发展

正如当年互联网金融是科技助推，智能投顾的初创公司，从业界发展趋势来看，也多以技术为主导，依附流量端口做C端客户拓展。传统金融机构有客户优势，试水智能投顾，主要依靠自身的科技力量。摩羯智投平台通过自定义的一系列选择，系统给出推荐的基金（详见图2），但用户无法知道机器计算过程。

也有些机构在财富管理的局部领域进行智投尝试，比如浙商银行在P2P平台小微钱铺上增加智能投标功能，客户选择收益、期限、投资金额后，当推出匹配的产品，并且绑定的卡上有余额时，即能自动投资。无论摩羯智投还是其它智能投顧的尝试，或许只是运用了一点点人工智能的技术，仅实现了组合的创新，但确实便利了客户的投资。

智能投顾最大的优势在于费用低，但目前的成本却很高。据报道AlphaGo有1920个CPU、280个GPU，下一场围棋仅电费就高达3000美元。所以撇开研发智能投顾技术的成本，维持后台机器运行的成本都是高昂的。只有批量化，智能投顾才能产生规模效益。技术前沿应用重点在优化能领先于市场的算法。

（四）监管大环境下的博弈，且行且完善

智能投顾的发展离不开现行监管大环境，其边界的模糊性与我国金融分业监管、“全权委托账户”服务与现行规定存在矛盾（李晴，2017），还有信息保护问题等。針对智能投顾趋同的程序化交易带来的系统性风险，张家林（2018）提出通过发展分类账户来避免量化交易和程序化交易过程中可能存在的协同交易风险，并建议适度发展“沙盘机制”，发展基于区块链、RegAPI、AI技术的新型监管模式和监管服务，最后发展高级形式的“沙盘机制”以及金融风洞技术。

四、发展展望

（一）智能投顾+专业经验的结合

智能投顾作为一项新兴技术的应用，在发展初期，概念先行，有一点点创新就投产应用，体验消费，抢占市场。智能投顾不是取代人，而是做人脑实现不了的工作。未来应该是智能投顾+专业经验的结合，建立金融科技与人的闭环（刘晓春，2018）。

（二）为普惠金融贡献力量

如果说余额宝实现了平民理财，那么智能投顾将践行普惠金融的要旨，让资产配置普及大众。理财产品于2014年在中国兴起后，规模与日俱增，但财富管理业务因投顾人数有限，仅服务部分中高端客户。同时中国财富管理业务点差收入的收费模式，与佣金式相比，不利于传统投顾的扩张。而智能投顾支持大批量的不同个体定制化的投顾方案，打破财富管理业界一个客户经理服务150个客户的限制。同时低端客户也可以免费或低费用享有投资顾问的服务。

（三）培育竞争性的提供智能投顾技术的科技公司

培育提供智投服务的科技公司，一旦技术成熟，这种第三方公司的产品会在经营财富管理业务的机构渗透。后台系统可以放在云服务平台上，结合区块链技术对数据加密。那时可能智能投顾本身差异并不大，区别在于资产和服务的不同。

总之，智能投顾不是为科技而科技，创新而创新，而是为增加人民群众的财富收入，提高人民群众的生活质量而服务。

参考文献：

[1]贲圣林，张瑞东，等.互联网金融理论与实务[M].清华大学出版社，2017.

[2]亿欧智库.智能投顾的现实，重视AI但远未委以重任[EB/OL].https：//www.iyiou.com/intelligence/insight42031，2017-04-11.

[3]不二.2018智能投顾平台排行榜[J].互联网周刊，2018（08）.

[4]李劲松，刘勇.智能投顾开启财富管理新时代[M].机械工业出版社，2018.

[5]赵申剑，黎彧君，符天凡，李凯.Lan Goodfellow，Yoshua Bengio，Aaron Courville.深度学习[M].人民邮电出版社，2017.

[6]张家林.监管科技（RegTech）发展及应用研究——以智能投顾监管为例[J].金融监管研究，2018（06）.