目前人工智慧在金融行業屬於什麼水平？

有感於最近看到的報道，連各大銀行都坐不住了

感謝邀請，也感謝對智能金融感興趣。

不過我今天的回答可能不會像您期待的那樣精彩，因為大部分的路都是艱難而枯燥的，精彩往往不是常態。下面我簡單談談智能金融目前的現狀。（ 內 容 比 較 枯 燥 哈 ）

今年3月，摩根大通開發出一款金融合同解析軟體COIN，用幾秒的計算代替之前律師和貸款人員每年花費36萬個小時才能完成的工作；4月，管理著近5萬億美金財富的黑石集團傳出消息將裁員400人，或用AI代替；5月中旬，微軟AI首席科學家鄧力結束了在微軟長達17年的職業生涯，轉戰資管行業智能金融，任知名對沖基金公司Citadel 首席人工智慧官....

在大數據概念熱炒過後，人工智慧（AI，Artificial Intelligence）正式成為資產管理行業爭相追趕的發展方向，全球資管行業颳起了AI風，各大金融機構均開始布局智能金融行業。不過和很多金融市場的舶來品一樣，AI在中國資管行業的探索也不接避免地出現了一些「走偏」的矛頭，被「大材小用」。

對此，《財新周刊》對鉑諾智能投研團隊負責人李浩做了一次專訪，問答整理如下：

《財新周刊》：目前用於資產管理領域的AI演算法有哪些？

鉑諾：資產管理領域應用AI可以把它分成三個子概念：智能投顧、智能投研、智能投資。每一類的功能偏向有所不同，涉及的AI演算法也會不盡相同。

1）智能投顧

典型功能包括：客戶偏好分析、市場分析提醒、智能配置組合、交易執行、組合優化等。

典型AI演算法包括：知識圖譜、機器學習、智能語言處理技術、圖像識別等。

這方面有代表性的應該是美國的Wealthfront和Personal Capital兩家公司。國內做得出彩的目前看來沒有。鉑諾希望作為一個先行者，在客戶偏好和市場提醒這兩項功能上著重發力，打造一個前端的智能顧問，幫助客戶更好的了解自己和了解市場。

2）智能投研

典型功能包括：股票市場信息的深度挖掘分析、投資策略的量化與回測等。

這些功能的過程本質：數據獲取、特徵提取、數據轉換、模型訓練、模型選擇、模型預測。

典型AI演算法包括：監督學習演算法：(1)回歸演算法：決策樹、隨機森林等; (2)分類演算法：二次判別分析、K最近鄰演算法等; (3) 降維演算法：偏最小二乘法等。

無監督學習演算法：(1) 聚類演算法：K均值、分層等; (2) 降維演算法：主成分分析、獨立成分分析等。

3）智能投資

典型功能包括：量化交易，智能風控

典型AI演算法包括：在線過程分析（OLAP）、聚類、濾波、神經網路、預測模型等。

這部分同樣是外國的企業走得比較靠前，07年開始Rebellion research就開始採用貝葉斯網路演算法進行智能投資相關的工作了。

國內的跟進速度也比較快，鉑諾這幾年也一直致力於搭建自己的智能風控平台。

《財新周刊》：投資、銷售、客服，您認為AI在其中哪個環節的應用最有意義？

鉑諾：投資環節應用肯定是最有意義的，在資產管理領域，所有機構經營的其實都是客戶的信任，而信任是建立在投資能力基礎上的，只有當你的投資能力與客戶的收益預期相匹配時才能更好的獲得其信任。

大體來說，銷售環節是如何包裝和宣介你的投資能力去贏得客戶的初步信任，而客戶服務則是如何去經營與維護這種信任，最終將初步信任轉化為深度信任的其實還是投資能力，這是資管行業顛撲不破的規律，即便在AI時代也不會有太大的改變。

落實到AI技術應用方面，AI在銷售和客服兩個環節的應用強調的是人群精準定位、環節優化與客戶體驗優化，實現的是成本控制與效率提升前提下的精準獲客、精準營銷以及精準服務，這其實和互聯網行業中的流量經營理念較為契合。

但是在資管行業單純經營流量只能是短期有效的，只有進一步將AI技術運用到投資環節，強化投資收益，為客戶帶來切實利益，才能利用好並且長期維護好你所引來的流量，「皮之不存，毛將焉附」。

《財新周刊》：如何看待大量的中國資管機構把AI技術應用於銷售獲客、精準營銷環節，而忽視了對投資研究環節應用的現狀？

鉑諾：需要結合一定的時代和行業背景，目前來講，有資管經驗的機構在發展AI時，著眼點更多在於存量客戶的維護以及增量客戶的拓展，因為他們已經具備顯著的資管能力，而且這些機構的立身之本也正是他們的資管能力，所以如果在資管能力上面作文章，想要通過AI的應用去提升其投資研究環節能力，這個對於其已經運作十分成熟的資管體系而言會是重大的變化，這種變化既是風險，同時也會在內部引起既有體系一定的反彈。

所以傳統資管機構利用AI就會更傾向於銷售獲客和精準營銷環節；而對於互聯網企業而言，做資管更多只是其原有流量變現的一個直觀途徑，互聯網企業尤其是幾大巨頭，他們的顯著優勢就是流量，而資管本身並不是他們的優勢，在經營流量方面他們駕輕就熟，而在資管方面他們欠缺經驗，同時他們也會避免任何潛在的影響其流量的因素，所以他們往往選擇做好流量的引導和維護，將其引導至最為穩妥保險的資產端上來。

而對於既沒有資管能力，又沒有自生流量的企業而言，他們做AI+金融往往只會無疾而終，這些企業在真正做的時候，由於欠缺資管能力，所以也只能從銷售獲客和精準營銷環節入手，通過這個帶來一定的現金流來維繫其生存，但最終由於缺乏資管能力，這個過程將是不可持續的。

總的來說，當你在既有體系與格局之中坐享紅利時，是很難有動力去突破既有體系的；當你的體量發展到一定規模，你是會恐懼深層次創新帶來的不確定性因素的；當你基礎不牢，能力欠缺，創新將大概率將你推向失敗的一面。所以無論是基於風險考量還是成本考量，他們都沒有動力去做一些相對比較大膽的嘗試，往往只能在既有體系內通過技術革新來強化優勢與彌補劣勢。

而在這種情況下，我們更為看好市場上具備顯著資管能力，同時又擁有流量經營能力和經驗的企業，他們的創新將更為務實，而對於這種公司而言，投資環節將成為其AI技術應用的關鍵環節，因為他們懂得金融以及金融服務的本質，懂得投資能力才是在這個行業立足的根本。

《財新周刊》：從國外市場看，AI在資管領域的應用，是否都首先從銷售環節發力而不是投研？

鉑諾：首先應該這樣說，大多數投身於AI+金融領域的企業都會首先想在智能投研領域有所建樹，因為大家都知道資管行業的價值全部源自於投資環節，不過正如上個問題所說，決定一個企業是否在投研領域發力的重要因素並不是他們想不想，而是他們有沒有動力，有沒有能力，有沒有優勢去發展投研，當以上要素不具備的時候，他們也只能在銷售環節發力。

而將這個問題放在國外，以美國為代表，其金融、科技以及互聯網發展水平全球領先，具有相當的技術和市場基礎，企業發展呈現鮮明的梯次性和多樣化，在充分競爭市場環境下，許多資管企業往往具備全方位創新的源生動力、能力和優勢。

例如：Rebellion Research在2007年推出第一個純人工智慧基金，這隻基金的顯著特點便在於其投資能力，它的貝葉斯機器學習結合預測演算法，可以很有效的形成自主學習不斷優化的交易系統。而全球最大的對沖基金橋水聯合，也是主要用來提高交易和投資能力。即便是比較具有創新性的Wealthfront、Sigfig等智能投顧，也都是主打他們高效的智能配置投資能力。

《財新周刊》：短期內AI在中國市場是否擺脫不了作為銷售輔助工具的角色？

鉑諾：確實存在這麼一個現象，對於大的資產管理公司而言，短期內AI在中國市場更多的是作為銷售的輔助工具，或者說，目前AI+金融的發展主要還是處在創造流量、利用流量、透支流量紅利，賺人頭費的階段，不過也必須認識到這只是一個過渡階段的特殊情況，在創新的過程中，原有的體系會大概率保持既有的方向慣性前沖，從銷售發力，透支流量紅利是最為保險和直接的方式。

不過這也剛好給予具備一定基礎和實力的創新性企業彎道超車的機會，總的來說，傳統大型資管以及互聯網企業船大難掉頭，很難有深刻的創新與變革，未來行業的突破性發展還是將發生在具備良好基礎的創業型企業身上，而且在可預見的將來，就AI在金融領域的運用而言，投資能力的強化將成為重點，而銷售與服務能力將成為輔助。

《財新周刊》：中國金融市場的數據積累是否已經達到了很好地應用AI技術的標準？

鉑諾：首先明確一點，決定是否能夠很好的應用AI技術的標準並不僅僅是數據積累的情況，數據搜集與統計口徑的標準化、實時性與全面性以及進一步的數據解析和理解才是至關重要的，換句話說，市場的有效性才是決定是否能夠很好地應用AI技術的關鍵標準。與此同時，是否達到了很好的應用AI技術的標準這個問題也是較為含糊的，關鍵看AI技術的應用方向和角色定位。

就目前而言，在弱人工智慧時代，AI技術更多的是起到輔助決策和取代簡單重複性環節的人工投入兩大作用，因此從這兩個預期作用去反觀AI技術的應用的話，目前的市場應用以及其效果是較為可觀的，並且在逐步增強的。

《財新周刊》：AI技術目前還無法解決市場投資決策中的哪些問題？或者尚無法替代哪些金融類工種？難點何在？

鉑諾：正如之前所說，目前只是弱人工智慧時代，還遠未到強人工智慧時代，所以AI技術並不能在所有環節替代人工，更無法解決市場投資決策中的所有問題，我們一貫認為數據是飼餵AI技術的基礎原材料。數據搜集與統計口徑的標準化、實時性與全面性以及進一步的數據解析和理解是AI技術在金融領域運用的關鍵所在。

隨著市場的進一步規範和開放，數據統計口徑的實時性以及全面性問題將逐步得到解決，但是，類似於將政策變化、市場規則變化、獨立性突發事件等非標準化信息轉化為標準化數據進而指導行為，這個過程就目前而言是很難通過AI技術來實現的，更多的需要依靠人工經驗的積累與判斷。

與此同時，AI技術應用於金融領域時，需要在行業內具備相當經驗的人來確定其框架、流程、基礎邏輯以及初始因子，而且還要根據市場與行業的發展進行適時地調整，而就目前而言，這個過程還是無法被AI技術本身所取代的。

總體而言，目前AI技術在金融領域的應用，其立足點並不是在所有環節完全取代人，我們更加關注其在關鍵環節對人的輔助作用， AI非常聰明和高效，但是這種聰明和高效只在AI其認知範圍內成立，一旦當市場變化或者信息輸入超出其認知範圍，那麼這時就需要人工的干預和參與，而且這種情況在弱人工智慧時代會經常發生。

因此我們認為未來在投資研究與投資決策兩個環節，至少在很長的一段時間內，並不存在AI完全取代人的情況，而是分工會更為明確，那就是人類負責搭建框架，AI負責執行，人類負責對非標準化信息以及潛在未知風險進行反應，AI負責對標準化信息以及可預期風險進行反應。

這也就是我們在推出智能投研機器人以及ＡＩ基金的過程中為什麼強調「AI驅動全決策流程的主觀+量化」創新模式的原因所在。

《財新周刊》：隨著AI在資管領域的深度運用，精確計算之下，會否出現投資節奏和標的趨同的情形？市場是否因此失靈？

鉑諾：在AI運用深度達到一定層次後，市場投資策略會趨同，投資節奏和標的的選擇會有一定的指向性，但是不會完全相同，因為很難達到完全有效市場狀態，信息的獲取速度、是否全面、信息解析是否正確，這些決定了投資節奏和標的，不同的機構在這些領域不會完全相同；市場永遠是在博弈的，AI技術的出現，不過是讓這種博弈換了一種表現形式，本質是不會發生變化的。

而且市場有交易等環節的摩擦成本，這個因素容易被忽略，但是影響也很深遠，即便投資策略相同，但是交易策略不盡相同，在這種情況下，投資節奏和標的的選擇以至於後期的收益都會不同。

《財新周刊》：AI技術在遇到哪些市場情況時會失靈？面對突發性的市場政策，AI如何應對？

鉑諾：目前來看，突髮狀況都可能使AI失靈，比如突然變化的市場宏觀政策、股票自身的突發性利好利空等等。這個失靈不是說完全不能用了，但是效益、收益都會收到很大的影響。有時甚至會引起很大的投資回撤。

所以風控的把握一定要非常嚴格。有時候人主動會猶豫會糾結會迷惑，所以風控必須是智能化的,AI化的。對自己嚴苛無情，也就是對客戶的有情。鉑諾把智能風控放作智能投研能力之外的最重點，不是沒有原因的。

《財新周刊》：AI在金融領域的運用，中國目前尚無相關監管規定，中國市場還有哪些特有因素制約AI在資管領域的融合發展？您認為監管層應該關注的重點是什麼？

鉑諾：中國市場的制約因素還是非常多，簡單說幾個：1、投資者缺乏財富管理意識，剛性兌付尚未完全打破。一部分投資者投機心理較強，習慣短線操作，偏主動偏個股。2、我國金融行業實行高度嚴格的分業管制，銀行理財、股票、信託、公私募、每種產品牌照都不同。3、金融市場不夠成熟、產品欠發達。

AI金融同時具備金融屬性和科技屬性，對金融屬性的部分一定要嚴謹，要積極擁抱監管，在遵循監管的基本原則的基礎上，鼓勵科技創新，採用一種包容的態度對待金融科技。監管應先建立對金融科技發展的理論基礎，對其發展優勢、技術強項等方面有一個綜合性的認識，在此基礎上，在起步階段對一些良性的試錯成本應在監管領域給予包容並進行行業合作，協同促進行業發展。

更多內容，請移步關注【鉑諾理財】微信公眾號

音頻的話請在【蜻蜓fm】收聽《直播精選》--人工智慧先行者大會暨黑馬大賽人工智慧分賽會場實錄_簡毅說_蜻蜓FM