2
| 本文作者： 陳伊莉 | 編輯：溫曉樺 | 2017-02-27 23:00 | 專(zhuān)題：雷峰網(wǎng)公開(kāi)課 |
雷鋒網(wǎng)2月27日?qǐng)?bào)道，創(chuàng)新源于跨界融合。如今，人工智能已經(jīng)不是科技公司創(chuàng)新創(chuàng)業(yè)的專(zhuān)屬武器。隨著時(shí)代和社會(huì)科技基礎(chǔ)的進(jìn)步，AI已經(jīng)以雷霆萬(wàn)鈞之勢(shì)從學(xué)術(shù)界潛入產(chǎn)業(yè)界的每一個(gè)角落，成為了傳統(tǒng)行業(yè)變革求新、提高效益的利器。而在可高度量化的金融投資領(lǐng)域，AI的介入誕生了新的產(chǎn)品——智能投顧。
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(wèn)。那么，對(duì)比從古到今，國(guó)內(nèi)到國(guó)外，不同的金融投資發(fā)展階段，AI都起到了怎樣的作用？當(dāng)下AI在金融投資領(lǐng)域應(yīng)用都有哪些優(yōu)勢(shì)與不足？未來(lái)金融投資領(lǐng)域的各個(gè)分支方向可能會(huì)發(fā)展為什么模樣？
本次雷鋒網(wǎng)AI金融評(píng)論欄目（公號(hào)：aijinrongpinglun）公開(kāi)課AI金融專(zhuān)場(chǎng)之第二期，我們邀請(qǐng)到了財(cái)鯨智能投顧聯(lián)合創(chuàng)始人王蓁博士分享見(jiàn)解。對(duì)于每一個(gè)細(xì)分領(lǐng)域的應(yīng)用實(shí)踐，王博士都從“案例與要點(diǎn)對(duì)比”、“中美對(duì)比”以及“未來(lái)發(fā)展模樣預(yù)測(cè)”三個(gè)層面展開(kāi)講述。
嘉賓簡(jiǎn)介：
王蓁博士是北京財(cái)鯨信息技術(shù)有限公司聯(lián)合創(chuàng)始人，美國(guó)康奈爾大學(xué)博士、清華大學(xué)學(xué)士；特許金融分析師（CFA），金融風(fēng)險(xiǎn)管理師（FRM），持有美國(guó)資產(chǎn)管理咨詢(xún)個(gè)人牌照；他曾就職于美國(guó)紐約華爾街的彭博總部，從事多資產(chǎn)投資組合的量化建模和投資。王蓁博士曾應(yīng)邀在中國(guó)科學(xué)院經(jīng)濟(jì)學(xué)院MBA班教授量化金融投資專(zhuān)題課，曾在清華大學(xué)、五道口金融學(xué)院、對(duì)外經(jīng)貿(mào)大學(xué)等發(fā)表量化金融講座，熟悉美國(guó)金融市場(chǎng)和監(jiān)管法律，擅長(zhǎng)大數(shù)據(jù)統(tǒng)計(jì)研究和各類(lèi)人工智能方法。
以下是本次公開(kāi)課實(shí)錄，雷鋒網(wǎng)做了不改變?cè)獾木庉嫞?/strong>
很高興今天能和大家一起聊一聊人工智能在金融投資領(lǐng)域方面的應(yīng)用。近來(lái)金融科技這個(gè)詞非?；馃?，也是雨后春筍般出現(xiàn)了很多非常優(yōu)秀的創(chuàng)業(yè)公司，其中也不乏獨(dú)角獸公司。
我簡(jiǎn)單的把金融科技分成了五大類(lèi)：借貸、財(cái)富管理、個(gè)人投資、支付和保險(xiǎn)，待會(huì)會(huì)具體到每一個(gè)細(xì)分領(lǐng)域分析。人工智能是怎么對(duì)這些領(lǐng)域產(chǎn)生影響的呢？在我看來(lái)，人工智能的本質(zhì)是一個(gè)分類(lèi)器，尤其是機(jī)器學(xué)習(xí)，所以AI可以對(duì)人群對(duì)事物進(jìn)行非常好的分類(lèi)判斷。任何對(duì)概率有需求、需要進(jìn)行分類(lèi)判斷的事情都可以用到AI、機(jī)器學(xué)習(xí)來(lái)解決。
這里我先稍微說(shuō)明一下，因?yàn)槲沂亲鼋y(tǒng)計(jì)出身的，所以機(jī)器學(xué)習(xí)和人工智能這兩個(gè)詞對(duì)我來(lái)講是比較統(tǒng)一的，我是不會(huì)做任何區(qū)分，我說(shuō)機(jī)器學(xué)習(xí)就是人工智能的意思。反之亦然。
言歸正傳，人工智能技術(shù)在金融投資領(lǐng)域的應(yīng)用是全流程的：
前端用于服務(wù)客戶(hù)，在中臺(tái)支持授信（申請(qǐng)貸款能否獲批，獲批金額是多少）、各類(lèi)金融交易和金融分析中的決策；
后臺(tái)用于風(fēng)險(xiǎn)防控和監(jiān)督。
而人工智能的深度應(yīng)用最終會(huì)改變金融現(xiàn)有格局，使得整個(gè)金融服務(wù)領(lǐng)域從前到后，從銀行、保險(xiǎn)、理財(cái)、借貸、投資到日常生活的方方面面的金融需求都更加個(gè)性與智能化。
我準(zhǔn)備從信貸、金融咨詢(xún)、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，簡(jiǎn)單地說(shuō)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(lái)發(fā)展前景以及中美兩國(guó)的對(duì)比差異。最后我會(huì)重點(diǎn)介紹一下智能投顧，這也是我正努力研究的一件事，希望能給大家?guī)?lái)參考和啟發(fā)。
首先我們看看人工智能在信貸中的作用。信貸是什么，信貸就是你去銀行借錢(qián)，銀行批不批給你，批給你多少錢(qián)。所以信貸的核心是對(duì)借錢(qián)人的準(zhǔn)確分類(lèi)。什么意思呢？我們要把有意愿還錢(qián)的人和沒(méi)有意愿還錢(qián)的人區(qū)分開(kāi)，把有能力還錢(qián)的人和沒(méi)有能力還錢(qián)的人區(qū)分開(kāi)，以及把能夠準(zhǔn)時(shí)還錢(qián)和不能夠準(zhǔn)時(shí)還錢(qián)的人區(qū)分開(kāi)。
這只是一個(gè)大體借錢(qián)流程，而實(shí)際的信貸辦理流程是比較復(fù)雜的（復(fù)雜流程圖見(jiàn)上），用戶(hù)提交申請(qǐng)，機(jī)構(gòu)審批，審批通過(guò)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(hù)提交申請(qǐng)來(lái)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(guò)程中，可以通過(guò)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(lái)驗(yàn)證，驗(yàn)證以下兩點(diǎn)：一是不是你本人在申請(qǐng)，有沒(méi)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，我們可以再舉個(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(guò)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(guò)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(shū)。
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(hù)是不是真的準(zhǔn)時(shí)還了，用戶(hù)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。
舉幾個(gè)例子，第一個(gè)是專(zhuān)門(mén)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(qián)，那么我就可以向Credit Kama去咨詢(xún)這個(gè)人信用怎么樣。
第二個(gè)公司Lending Club是國(guó)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(xiāo)售，但是也有一個(gè)專(zhuān)門(mén)提供個(gè)人借貸的撮合平臺(tái)。我作為個(gè)人可以上 Lending Club 網(wǎng)站去發(fā)布借錢(qián)信息，如果有人愿意借我，那么我就能借到這筆錢(qián)。Lending Club 還可以幫助實(shí)現(xiàn)利率個(gè)性化，當(dāng)我一開(kāi)始去借的時(shí)候，利率可能比較高，但是我通過(guò)不斷的還款借錢(qián)再還款借錢(qián)這樣一個(gè)過(guò)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(huà)我可能一開(kāi)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%。在遼寧科大也有這樣一套完整的人工智能技術(shù)，能夠?qū)γ恳粋€(gè)借款人作出評(píng)價(jià)，從而讓借款人獲得最適合他的貸款利率。
第三個(gè)公司Capital One，主要是為美國(guó)幾十萬(wàn)家中小企業(yè)提供多樣化、個(gè)性化的金融服務(wù)。美國(guó)中小企業(yè)是很多的，中小企業(yè)是整個(gè)美國(guó)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(kāi)放一部分內(nèi)部數(shù)據(jù)給它，這樣的話(huà)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(guó)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(guó)員工利用這些內(nèi)幕數(shù)據(jù)做了一個(gè)模型來(lái)預(yù)測(cè)其中上市公司的營(yíng)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(gòu)買(mǎi)大量的期權(quán)來(lái)炒。炒了還沒(méi)幾個(gè)月就賺了1900萬(wàn)美元（如果我數(shù)字沒(méi)記錯(cuò)的話(huà)），最后被美國(guó)證監(jiān)會(huì)抓。不過(guò)這至少說(shuō)明了一點(diǎn)：這些數(shù)據(jù)是真實(shí)有效的。
在國(guó)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)。
第一是中美兩國(guó)都有的問(wèn)題，數(shù)據(jù)來(lái)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(qián)，若是金額很高總不至于是還不起錢(qián)；
第二是中國(guó)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(wèn)題是這些數(shù)據(jù)歸央媽自有，不可能提供給國(guó)內(nèi)公司。而美國(guó)的數(shù)據(jù)很多是共享的，比如說(shuō)美國(guó)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(guó)內(nèi)是沒(méi)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(guò)我們還是很盼望這天的到來(lái)，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(guó)缺乏一個(gè)完整的信用評(píng)價(jià)體系。如果你在美國(guó)欠了醫(yī)院錢(qián)不還，醫(yī)院可以申報(bào)記錄到你的信用記錄中去。而在國(guó)內(nèi)其實(shí)沒(méi)有這么完善，不過(guò)國(guó)內(nèi)已經(jīng)開(kāi)始做這個(gè)事情，比如火車(chē)購(gòu)票已經(jīng)加入了類(lèi)似“失信人系統(tǒng)”的東西。
最后一點(diǎn)，國(guó)內(nèi)信用記錄的覆蓋人群是有限的，你必須在國(guó)家指定的銀行中有過(guò)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(méi)有來(lái)得及買(mǎi)房買(mǎi)車(chē)，他的消費(fèi)記錄很有限……這整個(gè)來(lái)說(shuō)是有問(wèn)題的。
在美國(guó)信貸公司，無(wú)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)
再說(shuō)一下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(zhuān)家系統(tǒng)，將80%用戶(hù)的常見(jiàn)問(wèn)題進(jìn)行學(xué)習(xí)，只需要很少的客服人員就可以通過(guò)人工智能識(shí)別客戶(hù)的問(wèn)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(hù)的問(wèn)答。它有一個(gè)類(lèi)似于QQ的窗口，你可以問(wèn)出你的問(wèn)題，如果AI非常確定（95%）能回答你的問(wèn)題，它會(huì)自動(dòng)作答。它的模式類(lèi)似于微軟小冰或者是siri，但是金融的問(wèn)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(hù)的問(wèn)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(guò)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(chēng)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(xún)問(wèn)，比如說(shuō)你可能想知道蘋(píng)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(wèn)它這樣一句話(huà)，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(guó)內(nèi)就是萬(wàn)得資訊，萬(wàn)得號(hào)稱(chēng)是國(guó)內(nèi)的Bloomberg，提供比較全面的國(guó)內(nèi)市場(chǎng)數(shù)據(jù)，尤其是很多需要大量人力敲門(mén)才能獲取的數(shù)據(jù)。國(guó)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(méi)有做進(jìn)一步的加工分析。
中美之間的差距還是非常明顯的。前面美國(guó)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(guó)內(nèi)的萬(wàn)得只是一個(gè)數(shù)據(jù)終端。不過(guò)另外一個(gè)換個(gè)角度來(lái)講，就是我們還有很大進(jìn)步空間嘛。
未來(lái)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(hù)的需求。
結(jié)合智能投顧，推薦投資方案
如：提問(wèn)“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(shū)數(shù)據(jù)庫(kù)，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(mǎi)賣(mài)和快遞外賣(mài)的功能。國(guó)內(nèi)這方面做得還是相對(duì)比較有限，所以說(shuō)進(jìn)步空間也很大。
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(lái)識(shí)別和判斷每一筆支付交易，對(duì)其分類(lèi)和標(biāo)記；人工智可以識(shí)別出的支付欺詐，并且收集客戶(hù)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(shuō)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(lái)判斷到底是真的消費(fèi)記錄還是一個(gè)欺詐的消費(fèi)。
一個(gè)創(chuàng)業(yè)公司叫Stripe，類(lèi)似支付寶，使用AI來(lái)識(shí)別和判斷每一筆支付交易，對(duì)其分類(lèi)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(guó)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(kāi)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(guò)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(shuō)做80%的識(shí)別率，這是非常了不得的。
國(guó)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(lái)說(shuō)，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。
在身份驗(yàn)證方面，國(guó)內(nèi)優(yōu)秀企業(yè)已不輸甚至領(lǐng)先于美國(guó)。原因有兩點(diǎn)，一是得益于中國(guó)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(guó)這個(gè)事情很難做，因?yàn)槟阋坏┰庥霰I刷或者有問(wèn)題的話(huà)，美國(guó)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(guó)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(guó)特色的原因，這兩個(gè)原因?qū)τ?span style="line-height: 1.8;">金融安全機(jī)器學(xué)習(xí)來(lái)說(shuō)是一個(gè)好事。
但在支付安全方面，美國(guó)比國(guó)內(nèi)做得好，這主要源于美國(guó)在支付安全方面的持續(xù)投入。一旦出現(xiàn)問(wèn)題了，它要全額賠付。所以說(shuō)不得不花很多的錢(qián)去做這個(gè)事情來(lái)降低自己的損失。國(guó)內(nèi)是沒(méi)有這個(gè)動(dòng)力。
接下來(lái)我想說(shuō)一下人工智能在監(jiān)管合規(guī)當(dāng)中的應(yīng)用，其中一個(gè)典型是反洗錢(qián)。反洗錢(qián)是好事，也是壞事。好事就是遏制貪官污吏洗白，洗錢(qián)的成本大概是17%到20%+。那么反洗錢(qián)的壞處是什么呢？反洗錢(qián)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(guó)沒(méi)有反洗錢(qián)的相應(yīng)機(jī)制，一旦反洗錢(qián)的機(jī)制像美國(guó)那樣設(shè)立起來(lái)，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(qián)嫌疑的資金交易。說(shuō)到底還是一個(gè)分類(lèi)問(wèn)題，所以說(shuō)反洗錢(qián)是非常適合機(jī)器學(xué)習(xí)的，今天是用人工通過(guò)一些固定規(guī)則把它抓出來(lái)，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(guò)輸送大量的信息，它就可以自動(dòng)抓到。未來(lái)，AI在監(jiān)管合規(guī)方面有很大的發(fā)展可能。
在美國(guó)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(lèi)分析，包括金融的反洗錢(qián)、軍事等各種實(shí)際的應(yīng)用；他的客戶(hù)包括了美國(guó)的中情局FBI。Palantir已被證實(shí)的功績(jī)包括，幫助美國(guó)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(méi)有被官方證實(shí)的，但是大家一直在說(shuō)的功績(jī)就是，本拉登藏身地點(diǎn)是Palantir協(xié)助美國(guó)軍方找到的。
國(guó)內(nèi)的反洗錢(qián)這一塊剛剛起步。國(guó)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。
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(méi)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(lái)識(shí)別車(chē)的保險(xiǎn)。我只需要對(duì)著我的汽車(chē)車(chē)牌拍照片，上傳這張照片，它就可以自動(dòng)識(shí)別你的車(chē)的相關(guān)所有信息，它可以收集你以前出沒(méi)出過(guò)車(chē)禍，有沒(méi)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(guó)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(lái)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(wèn)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(lái)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(lái)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(shuō)，這在倫理上可能會(huì)出現(xiàn)問(wèn)題。
美國(guó)剛剛起步，但中美都是最最早期階段。
車(chē)險(xiǎn)等其他事物性保險(xiǎn)，未來(lái)會(huì)自動(dòng)出具最優(yōu)方案；比如說(shuō)你的車(chē)險(xiǎn)到底貴不貴，可以通過(guò)識(shí)別很多信息，現(xiàn)在只是給你做了車(chē)險(xiǎn)的報(bào)價(jià)，但是未來(lái)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(chē)的人，那么就會(huì)把你的汽車(chē)保費(fèi)提高），搜集你其他相關(guān)的數(shù)據(jù)，來(lái)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(wèn)題，而不是一個(gè)技術(shù)問(wèn)題。
傳統(tǒng)的投資盡調(diào)工作全部由人工來(lái)完成，每個(gè)盡調(diào)人員通過(guò)閱讀大量的資料信息，沉淀并過(guò)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(chóng)抓取信息、利用自然語(yǔ)言分析引擎進(jìn)行分詞、數(shù)據(jù)降維(合并同類(lèi)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。
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(lái)每年均是盈利。
J&J宣布以300億美元收購(gòu)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(gòu)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(gòu)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(guó)內(nèi)例子是用人工智能去做高頻量化基金。
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(lèi)少，衍生物等。美國(guó)有豐富的衍生物，而中國(guó)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(guó)內(nèi)市場(chǎng)準(zhǔn)入門(mén)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(wú)法參與，只有極少數(shù)“特殊資質(zhì)”國(guó)有機(jī)構(gòu)才可以。
風(fēng)險(xiǎn)集中，外匯管制。例如國(guó)內(nèi)投資者只能囿于國(guó)內(nèi)投資，美國(guó)和日本可以把資產(chǎn)完全分散到海外了分散到全球。美國(guó)和日本分別有20%~25%的可投資金投資在本國(guó)境外，而中國(guó)大概有1%，由中國(guó)國(guó)家主權(quán)基金比如說(shuō)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(guó)的政策整個(gè)大環(huán)境變化可能會(huì)比較快。萬(wàn)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。
雖然中美有很大的差距，但是實(shí)事求是來(lái)說(shuō)，中國(guó)股票市場(chǎng)大概花了二十年的時(shí)間大概走完了美國(guó)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)。
最后我想說(shuō)一下人工智能在智能投顧當(dāng)中的應(yīng)用。傳統(tǒng)的理財(cái)由用戶(hù)自主選擇，無(wú)論是基金、債券、信托均基于用戶(hù)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(hù)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(cāng)推薦。對(duì)用戶(hù)而言，選擇了專(zhuān)家系統(tǒng)來(lái)作為理財(cái)顧問(wèn)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(hù)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(xiàn)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(guò)機(jī)器人投顧讓投資更簡(jiǎn)單、便捷和穩(wěn)健。不過(guò)，機(jī)器人投顧不可能保證100%賺錢(qián)，只能盡量做到幫散戶(hù)控制好風(fēng)險(xiǎn)，盡量提升用戶(hù)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。
國(guó)情不同，美國(guó)沒(méi)有動(dòng)力更進(jìn)一步，但中國(guó)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(shū)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(gòu)買(mǎi)沒(méi)有任何區(qū)別。也就是說(shuō)，定投是一個(gè)無(wú)效的東西。
而更好的、更適合中國(guó)市場(chǎng)的智能投顧是指什么：
多類(lèi)資產(chǎn)，甚至是跨大類(lèi)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(wèn)：個(gè)性化風(fēng)險(xiǎn)，智能配置，主動(dòng)式投后管理和調(diào)倉(cāng)。
多樣性的投資手段：美國(guó)永遠(yuǎn)全倉(cāng)，我們可以滿(mǎn)倉(cāng)，半倉(cāng)，空倉(cāng)和部分市場(chǎng)的對(duì)沖。
美國(guó)的智能投顧實(shí)際上有政策催化，美國(guó)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(zhuān)門(mén)的401K賬戶(hù)，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(guó)債和公開(kāi)市場(chǎng)票據(jù)等等。美國(guó)政府給予一定的稅收優(yōu)惠，也鼓勵(lì)人們存錢(qián)（主要原因是美國(guó)的人均儲(chǔ)蓄率是-2%），但一個(gè)問(wèn)題就是你必須在退休后才能取出來(lái)錢(qián)，提前取出來(lái)的話(huà)要受到額外10%的懲罰，所以一般人是不會(huì)取出來(lái)的。事實(shí)確實(shí)證明過(guò)去100年美國(guó)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(guó)的國(guó)情。
中國(guó)是不行的，為什么呢？中國(guó)沒(méi)有這種強(qiáng)制養(yǎng)老金，而且中國(guó)的社保實(shí)際上虧空的，中國(guó)最大的龐氏騙局之一就是社保。有很多思想覺(jué)悟不行的人不交社保，這樣龐氏騙局是沒(méi)有能力維持下去的，人人都要都有當(dāng)韭菜的覺(jué)悟。情況不一樣，所以對(duì)智能投顧的性能要求不一樣，美國(guó)的智能投顧就可以非常簡(jiǎn)單。而中國(guó)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(lèi)資產(chǎn)、跨大類(lèi)資產(chǎn)方面，因?yàn)槊绹?guó)的特殊情況，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(guó)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(qián)一分沒(méi)有增加，同時(shí)因?yàn)橥ㄘ浥蛎洠績(jī)r(jià)上漲，你的錢(qián)可能縮水到原來(lái)的1/4。所以說(shuō)這個(gè)是我們要跨大類(lèi)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(guó)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(guó)的韭菜是不可能投資30年的。所以在中國(guó)就要考慮到給用戶(hù)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(wèn)題，因?yàn)殚L(zhǎng)期來(lái)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(shuō)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(cāng)增加了極大的難度。
還有一個(gè)差異就是美國(guó)永遠(yuǎn)都是百分之百全倉(cāng)殺入，這如果在中國(guó)那不就是瘋子嗎？所以我們希望能夠做到控制倉(cāng)位，可以滿(mǎn)倉(cāng)，半倉(cāng)，空倉(cāng)和部分市場(chǎng)的對(duì)沖。
財(cái)鯨深海智能系統(tǒng)，大體的流程就是從大類(lèi)資產(chǎn)配置到篩選出來(lái)相應(yīng)比較優(yōu)質(zhì)的公募基金，公募基金篩選出來(lái)之后，把這個(gè)公募基金進(jìn)行性?xún)r(jià)比最優(yōu)的匹配。然后其中用到了很多自然語(yǔ)言處理、迭代神經(jīng)網(wǎng)絡(luò)，改進(jìn)遺傳算法，本質(zhì)上我們用到了大量的無(wú)監(jiān)督學(xué)習(xí)技術(shù)，會(huì)有一個(gè)真正交易后的實(shí)時(shí)監(jiān)測(cè)、調(diào)倉(cāng)。
經(jīng)典的馬克維茨理論或者現(xiàn)代資產(chǎn)組合理論在中國(guó)市場(chǎng)上應(yīng)該是不可行的，存在明顯缺陷，而機(jī)器學(xué)習(xí)輔助之下模型可得到一定優(yōu)化：
傳統(tǒng)模型結(jié)果不穩(wěn)定，其數(shù)據(jù)利用其實(shí)是很有限的，并且對(duì)市場(chǎng)顯得非常緩慢，而且對(duì)風(fēng)險(xiǎn)沒(méi)有什么抵抗力。具體來(lái)說(shuō)，MVO優(yōu)化模型假設(shè)所有輸入都是100%確定，而資產(chǎn)預(yù)期收益等特性存在廣泛不確定性，資產(chǎn)數(shù)據(jù)輕微擾動(dòng)變化，會(huì)得到完全不同的配置結(jié)果。
MPT投資周期過(guò)長(zhǎng): 一般適用于較長(zhǎng)投資周期（如美國(guó)養(yǎng)老投資），但國(guó)人投資周期普遍較短。
投資風(fēng)格單一，缺乏現(xiàn)金和非標(biāo)資產(chǎn)管理，傳統(tǒng)馬克維茨模型無(wú)法對(duì)現(xiàn)金進(jìn)行有效管理，且不包含非標(biāo)資產(chǎn)。傳統(tǒng)馬克維茨理論，其實(shí)不能管現(xiàn)金，它必須全倉(cāng)殺入。為什么呢？因?yàn)樗鼰o(wú)法加入其他的資產(chǎn)，就是不同于被動(dòng)投資的其他類(lèi)資產(chǎn)；它也無(wú)法加入很多主動(dòng)型的基金，它更無(wú)法加入非標(biāo)準(zhǔn)的投資，你更不要提把我的房子、車(chē)子、p2p加進(jìn)去了，而且它只能全倉(cāng)做多。
數(shù)據(jù)維度利用有限，僅使用歷史數(shù)據(jù)，但歷史不代表未來(lái)表現(xiàn)。
市場(chǎng)響應(yīng)緩慢，常見(jiàn)資產(chǎn)模型缺乏監(jiān)控模塊，無(wú)法對(duì)市場(chǎng)進(jìn)行實(shí)時(shí)評(píng)估和響應(yīng)。
風(fēng)險(xiǎn)抵抗能力有限，無(wú)對(duì)沖方案。
而采用機(jī)器學(xué)習(xí)技術(shù)之下，使用穩(wěn)定的一階統(tǒng)計(jì)量配置資產(chǎn)，使用二階統(tǒng)計(jì)量，融合機(jī)構(gòu)調(diào)研成果，監(jiān)控預(yù)測(cè)市場(chǎng)變化。
這塊澄清一下——我們做不到在市場(chǎng)崩盤(pán)前提前預(yù)知，但是我們可以盡量做到市場(chǎng)崩盤(pán)后，或者剛剛開(kāi)始崩盤(pán)的時(shí)候，立刻撤出來(lái)。
看一些有意思的結(jié)果吧。左邊表格是我們做的統(tǒng)計(jì)，結(jié)果是國(guó)內(nèi)公募基金的投資風(fēng)格實(shí)際上和申報(bào)的不服。我們國(guó)家有的申報(bào)的公募基金，比如這5種，總的比例是百分之百，然后把這5種簡(jiǎn)單分成3類(lèi)，第一類(lèi)是實(shí)際上是股票型的基金，第二類(lèi)實(shí)際是債券型基金，第三類(lèi)是實(shí)際是貨幣基金的。我們可以看到，號(hào)稱(chēng)自己是貨幣基金的基金，真的全部都是貨幣基金；但是號(hào)稱(chēng)自己是債券基金的，可以看到，每4個(gè)號(hào)稱(chēng)自己是債券基金的基金，實(shí)際上都有一個(gè)投資是股市，都是掛羊頭賣(mài)狗肉。甚至，我們?cè)趯?shí)際研究中發(fā)現(xiàn)有的公募基金，自己號(hào)稱(chēng)是做醫(yī)藥板塊，但80%的倉(cāng)位是軍工。
這種現(xiàn)象在國(guó)內(nèi)也屬于中國(guó)特色，那這就造成了很大的問(wèn)題。如果直接用這些基金的申報(bào)風(fēng)格去做資產(chǎn)配置，那么得到的一定是錯(cuò)誤的結(jié)果。每4個(gè)債券型基金，就有一個(gè)債券型基金，實(shí)際上投資是股市。我投資了一個(gè)債券，一個(gè)股，我是不是分散了？實(shí)際上投資兩個(gè)股票，比如2015年大跌的時(shí)候，那你就虧了。
基于貝葉斯概率圖論的多因子模型，確保資產(chǎn)分布穩(wěn)定
現(xiàn)在可以進(jìn)行資產(chǎn)配置了，真正做模型其實(shí)有很多前提假設(shè)，無(wú)論是它的凈值還是因子，我們需要去檢驗(yàn)這些假設(shè)是否符合。
舉個(gè)例子，左邊這幅黑白圖，我們可以看到每一個(gè)因子的分布都是奇形怪狀的，實(shí)際上奇形怪狀是不符合我們的假設(shè)的，所以說(shuō)我們需要去修正關(guān)鍵詞去做模擬。于是我們用機(jī)器學(xué)習(xí)技術(shù)去學(xué)習(xí)每個(gè)用戶(hù)他實(shí)際的分布，糾正這種假設(shè)，然后再動(dòng)態(tài)模擬出他是什么樣子，就是右邊這幅紅的圖。之所以右邊一行一列，看起來(lái)像梳子一樣，那是因?yàn)槠渲杏幸粋€(gè)因子變量，它的取值是離散型的。
現(xiàn)在終于可以進(jìn)行計(jì)算了。這個(gè)圖比較復(fù)雜，藍(lán)色代表著它的權(quán)重低，紅色代表的權(quán)重高。左邊的紅黃是用來(lái)配置資產(chǎn)，右邊的這個(gè)藍(lán)紅是用來(lái)監(jiān)控市場(chǎng)，從而實(shí)現(xiàn)及時(shí)調(diào)倉(cāng)和市場(chǎng)，大概要算很久，其實(shí)是若干個(gè)分類(lèi)，中間的白線(xiàn)是整個(gè)上證基金指數(shù)的走勢(shì)。從2015年初到2016年一個(gè)走勢(shì)是大起大落，像底下的債券型就是用機(jī)器學(xué)習(xí)出來(lái)的結(jié)果。
智能化組合監(jiān)控及調(diào)倉(cāng)
縱坐標(biāo)是風(fēng)險(xiǎn)等級(jí)，橫坐標(biāo)是時(shí)間點(diǎn)。每一個(gè)點(diǎn)代表了這個(gè)風(fēng)險(xiǎn)等級(jí)下的一個(gè)調(diào)倉(cāng)動(dòng)作，點(diǎn)的大小代表調(diào)倉(cāng)比例大小。不同的風(fēng)險(xiǎn)等級(jí)機(jī)器會(huì)做出不同的判斷。其中風(fēng)險(xiǎn)等級(jí)最低的1幾乎不需要調(diào)倉(cāng)，就算調(diào)倉(cāng)，幅度都很小。因?yàn)轱L(fēng)險(xiǎn)已經(jīng)最小，你沒(méi)有必要去調(diào)整。
但是當(dāng)風(fēng)險(xiǎn)的提高時(shí)，調(diào)倉(cāng)頻率在增加，就是每一個(gè)橫行的點(diǎn)的密度在增加，同時(shí)點(diǎn)的大小可能也在增加，調(diào)倉(cāng)的頻率和幅度都在增加。
很有意思的結(jié)論是，把10和8相比的話(huà)，10的調(diào)倉(cāng)頻率反而要小于8，而且調(diào)倉(cāng)幅度要小。我們后來(lái)看實(shí)際的數(shù)據(jù)，風(fēng)險(xiǎn)為8的時(shí)候，其實(shí)一般會(huì)配7到9只公募基金，10的時(shí)候可能只會(huì)配5到7只公募基金。這是因?yàn)楫?dāng)風(fēng)險(xiǎn)達(dá)到最高的時(shí)候，我們的機(jī)器就認(rèn)為最好的方式就是賭，干脆聚焦在一些少量的選擇上。
智能投顧是行業(yè)大勢(shì)，十年前中國(guó)式無(wú)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(mén)檻問(wèn)題，你不需要有1000萬(wàn)2000萬(wàn)去私行，而你只需要可能20萬(wàn)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(guó)內(nèi)發(fā)展到全球，這是所有國(guó)家的發(fā)展路線(xiàn)。
過(guò)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(wèn)題），然后到券商讓大家炒，等大家炒虧的人多起來(lái)的時(shí)候，就會(huì)有人不想炒股想買(mǎi)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。
在國(guó)內(nèi)的問(wèn)題，這些也是B端機(jī)構(gòu)落地的考慮：
專(zhuān)業(yè)性非常高，門(mén)檻在里面，做好很不容易。
B端機(jī)構(gòu)要意識(shí)到中美國(guó)情不同導(dǎo)致的智能投顧不同：美國(guó)養(yǎng)老金制度哺育了美國(guó)的智能投顧，而中國(guó)不同，投資周期不同；此外美國(guó)儲(chǔ)蓄率低，定投有效，中國(guó)長(zhǎng)期定投無(wú)效。
中國(guó)投資者教育比較落后，中長(zhǎng)期投資在中國(guó)沒(méi)有市場(chǎng)，很多人追漲殺跌，注重短期收益。
信任感問(wèn)題，面對(duì)面的個(gè)人理財(cái)顧問(wèn)取信度會(huì)比較高，而機(jī)器沒(méi)有這種先天優(yōu)勢(shì)。
合格理財(cái)顧問(wèn)的培養(yǎng)比較困難，中國(guó)國(guó)內(nèi)的理財(cái)顧問(wèn)大多數(shù)都是銷(xiāo)售，如果在私人銀行培養(yǎng)一位合格的理財(cái)顧問(wèn)可能需要5到7年，這在國(guó)內(nèi)幾乎是沒(méi)有的。
如何獲得投資者財(cái)務(wù)狀況全貌，包括房產(chǎn)、車(chē)、儲(chǔ)蓄、信用賬戶(hù)等。
意識(shí)到智能投顧的當(dāng)前的局限性。
Kensho 創(chuàng)始人 Daniel Nadler 說(shuō)過(guò)一句話(huà)：“我們正在以破壞大量相對(duì)高薪工作為代價(jià)來(lái)創(chuàng)造極少數(shù)的更高薪工作?！睉?yīng)用人工智能對(duì)各行各業(yè)的影響已經(jīng)開(kāi)始顯現(xiàn)。其中，對(duì)金融的影響只是其替代人類(lèi)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(lái)說(shuō)，缺乏席卷用戶(hù)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(lái)人工智能的下一個(gè)春天。
以下是公開(kāi)課視頻：
相關(guān)文章：
第四范式胡時(shí)偉：如何以產(chǎn)品化最快實(shí)現(xiàn)AI商業(yè)價(jià)值？| 硬創(chuàng)公開(kāi)課預(yù)告
數(shù)據(jù)驅(qū)動(dòng)人工智能的實(shí)踐 | 硬創(chuàng)公開(kāi)課預(yù)告
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
專(zhuān)題
