<mark id="oztn4"></mark>
0
| 本文作者： 溫曉樺 | 2017-01-03 20:09 |
人工智能和金融的結合目前有多個領域：用人工智能進行量化交易；輔助生成報告、投資意向書；做語義搜索，用于行業研究；以及智能投資顧問、區塊鏈、消費信貸等領域。隨著國內經濟持續發展，居民財富快速增長，財富管理市場的資產管理規模不斷擴大，居民的風險投資和資產配置需求愈加旺盛。Fintech子領域智能投顧（robo-advisors）也因此吸引了行業和用戶越來越多的關注。
而作為傳統金融機構，招商銀行也瞄準線上財富管理的風口，成為第一家推出智能投顧服務——“摩羯智投”的商業銀行。國內外智能投顧服務因為市場體制不一，而相差甚遠，那在國內，招商銀行如何做智能投顧？有何經驗可以作為業內借鑒？
利用人工智能進行量化投資必然少不了海量的數據，招商銀行摩羯智投項目負責人表示，這里面的數據，分為結構化和非結構化兩層。而競爭的核心，便是其中的非結構化數據。這部分數據包括基金公司的治理結構、激勵考核、基金經理最近工作的精神狀況、風格漂移等。
非結構化數據，需要經過大量的收集、整理、提煉和描述工作。但最重要的是，這些數據組合的邏輯是什么？里面的比例是多少？動態結構調整怎么做？如何判斷一支基金是不是一支好基金？組合完成后如何實行監控？
據介紹，為了做結構化和非結構化的數據，招商銀行的摩羯智投從大類資產配置、底層基金篩選、風險預警三個層次構建了蒙特卡洛模擬有效前沿模型 、行為動量基金分析決策樹 、多象限風險預警矩陣模型體系，在傳統金融模型基礎上加入了人工智能和機器學習算法進行優化，并融入了十余年專業基金研究經驗：
大類資產配置使用的是蒙特卡洛模擬有效模型，這是對最經典的大類資產配置模型，基于馬克維茨現代投資組合理論而進行的機器學習算法的改造。
蒙特卡洛算法（Monte Carlo）一般是指，利用隨機抽樣的方法，獲得一些隨機系統的統計量或者參數。在金融領域的應用中，可以通過Monte Carlo來模擬多條標的資產的價格走勢，求出估計資產價格的模擬值。
在這個步驟中，結合對客戶風險等級的評價，摩羯智投則是按“流動性”和“最大回撤”雙維度，切分了幾十種不同的“風險-投資期限”目標。相較于目前市場單一切分“保守、穩健、積極”3種目標或者貨架式的“標準化組合產品”不同，摩羯智投通過一整套專業的資產配置流程，實現了更精細化的客戶投資需求分析及目標設定，輔助客戶進行風險投資，并協助投資人防范單一資產的波動風險。
二是關于基金的非結構化模型，稱為行為動量基金分析決策樹模型。行為動量決策樹，簡單來說就是一個if else的分支樹，是在優化過程中把以前梯度也考慮到此次的變量更新。
第三個模型，解決的是基金組合產生出來后怎樣做售中售后關注，這是多象限風險預警矩陣。這個場景中，運用了監督和無監督的學習等。多象限預警矩陣主要是解決預判大范圍極端事件發生的可能性，然后依據在這個可能性對之前構建的組合進行微調。
預警矩陣中從基本面到技術面的系列算法模型，包含多個測量維度，負責抓取投資者情緒指數和輿情等非結構化數據。
正是這樣多個維度的算法模型，構筑起摩羯智投的技術核心。
目前來說，“直接使用機器學習算法直接進行投資決策，現在還不成熟，因此，摩羯智投中，機器學習算法是在整個投資模型框架中局部使用。”招商銀行對雷鋒網表示，其實所謂的人工智能、智能化也好，數據模型的應用上也好，最關鍵的能力不是數學模型的能力，最關鍵的能力是——積累下來的業務經驗抓住關鍵參數是什么，以及哪些參數會對這些事情的結果產生顯著性的影響。因此，人對于金融的理解在量化投資中的作用的不可或缺的。
除了對市場、基金挑選的分析，人機結合的優勢之一還體現在對客戶的畫像分析上。目前市面上的智能投顧在做風險評測時，都會給用戶進行一個風險評測，但大部分都只流于“年收入”、“可投資資金”、“年齡”、“在職情況”等，這些問題或長或短，雷同也很嚴重，所以很難給每個用戶提供個性化的服務。
對于摩羯智投來說，除了上述“客觀”問題——而且還不一定準確，因為用戶對于這些隱私調查的問題也許會有所隱瞞，還進一步將風險屬性進行區分，包括：風險偏好，即客戶主觀的自我認知，如最大能接受多大的比例的虧損；二是風險承受能力，即對客戶的相關客觀評估，如AUM、年收入、職業等。
因此，在這些方面中，都是基于多年來在市場中的摸爬打滾的實踐中積累起來的認識，再把人的認識融合到機器研制量化智能投顧當中。
招商銀行表示：“這件事情很像Google為和特斯拉做無人駕駛的兩條路線，Google完全是無人駕駛，而特斯拉是輔助駕駛人和機器混合，這種輔助駕駛的應用，在中國的現階段以及人工智能發展的階段，這件事情是唯一可行的一條路。”
完善的售后服務體系指什么？前文提出，摩羯智投三大模型體系，貫穿量化投資中的客戶風險分析、資產組合配置，以及投資后監控。所謂投資后監控，則是量化投資中重要一環，其決定了資產應該如何根據投資市場的動態情況進行調倉，適時高賣低買，實現最大化收益。在摩羯智投的模型體系下，客戶投資過程中可以在有需要時實現“一鍵優化持倉”。這樣的服務體現在：
高頻的最優比例計算——每日掃描全市場的數據，及時發現每個機會與風險。據雷鋒網了解，目前市場的組合最優推薦比例，基本都是按“季頻”或“月頻”計算，而摩羯智投則是每日根據境內外資本市場海量數據，從而進行上百萬次的模擬測算，才計算出最新的最優組合推薦比例。
高精度組合持倉檢視——組合檢視是指根據客戶的最近組合的持倉比例與最新的最優組合推薦比例之間的對比，當某類資產偏離超過一定閾值時則需要警示，摩羯智投由于實現了每日進行最優推薦比例的精算，故可以支持每日進行組合檢視，并最及時的發布預警提示。
更精細的投資目標分倉呈現——根據客戶不同風險特性選擇實現投資組合的自動歸類，將其多投資目標打理整齊。據悉，目前市場上的組合購買均為打包購買的入口，如果客戶購買多個不同風險收益特征的組合時，各組合的產品會集合在一個匯總的組合賬戶下，無法區分較為混亂，而摩羯智投則是根據不同風險收益特征的組合分倉呈現，不但讓客戶清晰區分，也是為日后的一鍵優化提供了重要的實現前提。
投資的一鍵優化——投資的一鍵優化是指根據最新最優推薦比例和客戶組合持倉組合比例進行對比，當偏離度超過閾值時，則需贖回超出比例的基金，然后用于購買不足部分的基金，協助客戶的持倉不偏離其投資目標。該過程原本需要經過紛繁的比例計算以及贖回后等待購買等多個環節的操作，而目前只需要客戶一個按鍵則完成全部相關操作。可見，必須要有前面3點的基礎才有可能實現“一鍵優化”的功能。
除了這個一鍵優化的服務體系，摩羯智投還每月向客戶報告組合的運行情況，不定期地對市場異動進行解讀及應對策略剖析，提升用戶體驗。
起人工智能，人們便想起“人工智能威脅論”，招商銀行多年來積累了龐大的線下網絡和客戶經理隊伍，他們會成為被取代的對象嗎？
招商銀行對此表示否定，“我們傳統整體的服務能力，要和線上服務能力入口打造好，加強線上線下、線上客人和線下客戶經理之間服務的融合。”
對于金融機構來說，現在的問題是客戶經理經常因為客戶的太多而忙不過來，摩羯智投、智能投顧的出現要解決的是效率問題，而不止是專業性問題。就招商銀行來說，其目前屬于客戶太多而足夠好的客戶經理培養周期較長的階段。“坦率講，我們自身內部評價是，這兩年服務質量應該可以更好，尤其是金葵花客戶的服務質量，我們希望有更高的提升。”現階段，機構的困境在于，客戶增長的速度遠大于客戶經理增長的速度。
“所以，在這個調整過程中，我們要做兩點：第一，我們要分流一部分客戶經理的工作量；第二，摩羯智投會幫助客戶經理做更好的客戶服務，提高服務水平。”這是線上線下融合的原因。
線上客人和線下客戶經理融合的概念是什么？摩羯智投應用的具體情境中，是在網點當客戶有更復雜的資產配置需求時，招商銀行業內訓練了數十年的理財經理、財富顧問和投資顧問隊伍，在線下還會為客戶提供專業的定制化服務。或者當有客人進入招商銀行APP5.0時，他可以看到服務自己的客戶經理是誰，直接點按鈕就可以和客戶經理取得溝通和聯系。客戶經理反過來也可以主動推送一些資訊和服務給客人。這樣一來，客戶經理在線下的各個網點中也可以通過線上服務覆蓋更廣大客戶群體。
延續上一個概念展開，即是大家所說的借助科技的手段推進普惠金融的實現。摩羯智投的起投點為2萬元，而給予每個客戶的服務都是基于完善模型體系及后端龐大智能團的專業服務。在傳統投資理財服務中，專業基金經理由于精力有限，通常只能為百萬級以上一類高凈值客戶服務，而低凈值客戶的風險投資需求都靠自己盲打莽撞。
“從接觸過的大客戶和小客戶中，我曾經做過一個統計，小客戶賠錢的概率高達70%至80%，這是非常殘酷的現實，”理財魔方金融顧問馬永諳曾對雷鋒網表示，“在不齊全的信息支撐下做出錯誤的決策，這在小客戶當中是比較普遍的問題。”
因此，能夠把面向大客戶提供的貼身投資顧問服務，也提供給小客戶，來解決理財中的階級差距和最大的不公正——人人都有權利參與理財，除了智能投顧別無他途。
招商銀行作為作為國內最強大的公募和私募基金銷售機構，理財管理規模2.3萬億，通過摩羯智投，其中的智囊團服務，將能普及給更多的人群。
智能投顧發源自美國，本質是幫助客戶進行風險投資的輔助工具，并通過完善的資產配置服務，協助投資人防范單一資產的波動風險，然而，隨著去年以來行業財富管理行業競爭的加劇，在國內各式打著“智能投顧”旗號的機構魚龍混雜，其概念不乏被用于個股搭配、基金代銷、信托資管、甚至P2P平臺非標資產的推薦上，成為了機構的銷售工具和噱頭；而某些互聯網金融公司則為了搶占更大的場景，向其中注入更多消費金融、社交、電商的因素。然而，這些只會讓客戶的財富管理越來越脫離金融的本質。
面對智能投顧，真正擁有資產配置能力、算法和模型體系、海量非結構化數據的商業銀行，顯得尤為謹慎和克制——直至招商銀行破冰，“零售之王”重磅出擊，為智能投顧正名。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
