中国技术创新催生智能投顾新蓝海.docx

??

?

??

中国技术创新催生智能投顾新蓝海

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

一智能投顾：大数据+人工智能构建数字化投顾新服务

数字化投顾是智能投顾的广义概念。数字化投顾是指用机器来代替人工投资顾问，来完成投资咨询过程中一项或多项核心环节。智能投顾则通常指Robo-Advisor，即根据个人投资者的风险承受水平、收益目标以及风格偏好等要求，运用一系列智能算法及投资组合优化等理论模型，为用户提供最终的投资参考，并动态对市场的资产配置再平衡提供建议。

数字化投顾分为五种核心模式：智能数据分析、量化策略、主题投资、社交投资及Robo-Advisor全流程管理（见图1）。

图1数字化投顾的五种细分模式

二产业环境：技术创新构成核心基础，新中产崛起带来最广阔用户群

（一）技术突破：大数据+人工智能构成智能投顾核心技术基础

智能投顾是金融创新与技术创新的结合。综观目前阶段下的金融科技创新方向，我们认为，大数据、人工智能是智能投顾的核心技术基础。

1.底层技术形态

（1）大数据：新阶段下的风险控制及风险定价体系

数据是金融的核心，因此在大数据时代下，大数据必将触及金融最紧绷的那根弦——风险定价与风险控制。

若将大数据分析分为四个层次（见图2），在互联网金融发展阶段中，大数据技术主要应用于数据架构和信息整合（第1层和第2层），可实现初步的分析和决策（第3层）。

在非结构化数据体系下，人工建模+数据已经难以满足数据分析需求。由于传统数据分析模型对多维度、多形态的数据存在不适用的情况，因此该类技术应用仅仅是大数据分析的初级阶段。

大数据+机器学习是金融数据计算分析的未来。在目前的状态下，数据体量异常巨大，数据类型异常繁多、价值密度极低，因此需要通过更为强大的机器算法实现模型的迅速矫正，因此，机器学习+大数据将是金融数据分析的核心方向。

图2大数据分析的四个层次

（2）人工智能：从分析到最终决策

人工智能在金融领域中的应用，相较于大数据而言的核心突破在于深度学习、智能分析和智能决策。大数据、云计算、智能硬件以及后续的区块链技术等都是支撑人工智能上层技术的基础。

在金融领域，智能数据分析得到了广泛应用，领域涵盖投资、借贷、保险和征信行业等，相关技术的运用成为业务开展的基础，也为金融产品的创新做出了巨大贡献。

在金融领域，人工智能主要有以下四类应用：自动报告生成、人工智能辅助、金融搜索引擎和智能投顾。FinAI核心应用领域包含从研究到交易的大量核心环节（见表1）。

表1FinAI核心应用领域

细分领域

应用方向

细分技术内容

自动报告生成

投资银行、证券研究

自然语言处理、光学字符识别

人工智能辅助

量化交易

机器学习、自然语言处理、知识图谱

金融搜索引擎

证券研究

自然语言处理、知识图谱、信息切片与信息聚合

智能投顾

资产管理

感知智能

资料来源：文因互联、36氪研究院。

表1FinAI核心应用领域

2.上层产品层应用

（1）自动报告生成：基础应用

自动报告生成主要运用自然语言处理（NLP）中的自然语言理解（NLU）、自然语言生成（NLG），以及光学字符识别（OCR）。

首先，需要完成海量异构数据的处理。将投行分析师需要阅读与学习的年报、公告、行业分析报告等资源进行消化。

其次，运用知识图谱进行数据分析。这一过程涉及运用知识图谱中常用的知识提取与实体关联，将其关键逻辑主干抽出，结合事件地点等因素，将关键信息嵌入预先设计好的报告模板中。

最后，报告生成。经过处理海量异构数据与分析数据的过程后，即可生产新闻、券商分析研报、上市招股书、企业年报、定增公告，甚至基金研究员开每日晨会所需的投资建议书也都可以用类似方式生成。

（2）量化交易：大有可为

①机器学习：从人工设计到模型自演进

量化交易分析师们对财务、交易数据进行建模，分析其中的显著特征，利用回归分析等传统机器学习算法预测交易策略。

利用传统的回归分析等方法来建模有一定缺陷：数据数量基础单一，仅限于交易数据，更重要的是它受限于特征的选取与组合，模型有效性取决于所选取变量的特征和变量间的组合，最终取决于分析员对数据的敏感程度。

而通过机器学习则可以实现模型的动态变化：结合预测算法和历史经验，对新的信息做出反应，利用人工智能技术预测股票的波动及其相互关系来创建一个平衡的投资组合风险和预期回报，利用机器的严谨避免人类情感的陷阱。模型将随着市场变化而变化，不断适应新的信息，而不是遵循静态指令。

②自然语言处理：动态追踪市场

由于数据推测模型存在一定的局限性，而通过自然语言处理技术，引入更多变量，如时政新闻、政策法规及社交媒体文本信息等，将非结构化数据进行结构化处理，可以从中提炼出市场变动的影响因素。

自然语言处理可以丰富模型变量，还可以构建“智能投融资顾