发帖
雷达卡
来源于 《财新周刊》 2017年第27期 出版日期 2017年07月10日
除了数据和算法，人工智能在中国资产管理行业的应用，还面临政策不确定性以及牌照监管等难题
《财新周刊》2017年第27期
《财新周刊》 文| 财新记者 岳跃
大数据概念热炒过后，人工智能（AI，Artificial Intelligence）正成为资产管理行业争相追赶的时髦。
“这是一次‘程序猿’+‘金融狗’的合作！”6月13日，华夏基金总经理汤晓东在有着强烈苹果发布会风格的乔布斯式演讲中宣布，华夏基金将与微软亚洲研究院开展战略合作，要把尖端的人工智能全方位应用到这家老牌公募基金的投资、销售、客服等过程中。
5月中旬，微软AI首席科学家邓力辞职，在老东家效力17年后转战金融行业，任知名对冲基金公司司度（Citadel）首席人工智能官；4月，管理着近5万亿美元资产的黑石集团（BlackRock）传出消息，拟计划裁员400名，或用AI代之；3月，摩根大通开发出一款金融合同解析软件COIN，律师和贷款人员每年花费36万个小时才能完成的工作，现在只需几秒⋯⋯
全球资管行业刮起AI风。金融服务顾问公司Opimas预测，到2025年，金融机构人力将缩编10%左右（约23万人），其中40%来自资管领域；高盛也预测，届时AI可通过节省成本和带来新的盈利机会，为全球金融服务业带来每年300亿-400亿美元的经济价值，并随着技术提升，此数字还有更大扩大空间。
不过，和很多金融市场的舶来品一样，AI在中国资管行业的探索，也不可避免地出现了“走偏”的矛头而被“大材小用”。并非万能的AI，在中国市场不成熟和监管缺位的双重影响下，如何不被当成噱头，怎样避免走向泡沫，是市场和监管须共同思考的问题。
数据+算法
在刚刚结束的2017年夏季达沃斯论坛上，AI成为热门话题，三天内安排了六场以此为主题的讨论。
“很多金融界的人士在论坛上问我，AI技术在金融的哪个方面最先得到广泛应用？我第一个想到的就是‘反欺诈’，因为这方面有很多的数据积累。”埃森哲大中华区信息技术服务总裁陈笑冰在论坛现场对财新记者表示，AI有两个最基本的条件，一个是大数据，一个是计算能力。“大数据对人工智能来讲就是一种‘食物’，它为人工智能打下了基础。”
陈笑冰说，“在中国，因受到管制的要求，金融行业数据化程度高度发达，也是为数不多的数据保全比较完整的行业，AI应用于此有先天优势。”
不过，铂诺金融产品副总监、AI金融产品负责人李浩对财新记者表示，“决定能否很好应用AI技术的标准，并不仅仅是数据积累的情况；数据搜集与统计口径的标准化、实时性与全面性，以及进一步地对数据解析和理解才是至关重要的。”铂诺是创新工厂投资的智能金融服务企业。
计算能力是AI的另一个基本条件，算法是其核心。李浩表示，就AI应用于资管领域而言，可以分成三个子概念：智能投顾、智能投研、智能投资，每类针对的AI算法也不尽相同。例如，智能投顾要分析客户偏好、执行交易等，要用到知识图谱、机器学习等算法；智能投资中的量化交易和智能风控，需要在线过程分析（OLAP）、聚类、滤波、神经网络、预测模型等算法。
证券投资人工智能企业资配易的董事长张家林向财新记者介绍，现在对抗卷积神经网络是比较流行的算法，“对风险测度分类，我们甚至用了循证医学思维，交易系统中又融入行为金融学和心理学的最新成果。”
不过，无论算法如何复杂，人工智能从本质上来说，是计算机科学的分支，是计算机对人类思维过程的模拟。AI是如何运用于资管领域的？华夏基金资产配置部总经理孙彬在前述发布会上这样描述：充分利用机器对海量数据的处理能力，让机器去复盘历史，寻找各种变量之间的关系，帮助人类归纳金融市场运行内部的机理，为投资人做决策提供更多客观的依据，帮助投资者提高投资决策的成功率。
这一系列过程的背后，实际也是在借助机器克服人的弱点。微软亚洲研究院副院长刘铁岩在前述发布会上表示，人类在做投资时，不仅需要长期的专业积累，而且处理数据的效率有限，还有时间空间的粒度较粗、反馈周期较长、无法避免主观判断、受情绪影响等短板。
“人工智能在做投资时，依靠的是端到端的学习能力，具有强大的数据处理能力，时间空间粒度精细，根据实时反馈快速响应，基于客观目标优化，永远保持冷静。”刘铁岩介绍，微软AI技术助力金融投资，主要体现在量价数据分析、文本数据分析、知识图谱及推理，预测、模拟与决策等方面。
安信证券研究团队在研报中写道，“在‘泛资管’领域，本质上是资产端与资金端在风险及收益两大方面的匹配，天然的数据化及实时可回归的属性，让以数据为核心驱动的人工智能大有可为；随着云计算的普及，以算力为代表的IT基础设施以全新的方式供给，面向大资管各细分应用场景的算法优化值得期待。”
大材小用
人工智能概念在中国资产管理行业开始流行后，更多本土机构将应用的重点放在销售获客和精准营销上，而投资和顾问环节被忽视。目前看来，人工智能充当销售的辅助工具的现状，短时间内或难改变。
“确实存在这个现象，目前还处在创造流量、利用流量、透支流量红利、赚人头费的阶段。但要认识到，这只是过渡阶段的特殊情况，在创新过程中，原有的体系会大概率保持既有的方向惯性前冲。从销售发力，透支流量红利是最为保险和直接的方式。”李浩说。
张家林从商业的角度分析称，“我们更喜欢‘短平快’。一个新概念出来了，为了跟上这股潮流，最先推出的应用一定是能短时间做出并应用起来的。销售获客或精准营销，是把现有的自有产品和代销产品组成几个固定组合，并推荐给不同测试结果的投资者。这个计算量较构建投资组合要小得多，更易实现。”
在智能投顾服务机构理财魔方的创始合伙人马永谙看来，金融销售端是最不应该使用AI的，“销售是把用户想要的卖给他；但即使通过AI准确识别出用户想要的，也不能解决用户亏钱的问题——用户想要的往往是错误的，比如大家都喜欢追涨杀跌。”
李浩表示，销售环节是通过包装和宣传去赢得客户的初步信任，客户服务是如何经营与维护这种信任，但“最终将初步信任转化为深度信任的，还是投资能力，这是资管行业颠覆不了的规律，即便在AI时代”。
从国外市场看，AI主要应用于投研而非销售。“决定一个企业是否在投研领域发力AI的重要因素，并非想不想，而是有无动力、能力和优势去发展投研。当以上要素不具备时，他们只能在销售环节发力。”李浩表示，美国的金融、科技及互联网发展水平全球领先，具有相当的技术和市场基础，企业发展呈鲜明的梯次性和多样化；在充分竞争的市场环境下，许多资管企业往往具备全方位创新的源生动力、能力和优势。
早在十年前，纽约一家名为Rebellion Research的资管公司，就开始运用机器学习进行全球权益投资，并推出了第一个人工智能驱动的投资基金。其官网介绍，Rebellion的AI技术处理了54个国家近20年的每日交易数据，曾成功预测过2008年股市崩盘，并在2009年时早于惠誉一个月给希腊债券评出F级。
另一家美国的资管规模为900亿美元的对冲基金Cerebellum，自称使用了人工智能技术后，旗下产品自2009年以来一直处于盈利状态。
马永谙认为，AI在中国就应和国外市场一样，在投资和顾问两端发力，“投资端采用算法或AI驱动已不新鲜了，目前的关键是将AI用于投顾端。用户现在赔钱不是因为金融产品长期不挣钱，而是因为优秀的理财顾问稀缺，没有顾问根据个人特点指导资金进出结构；未来这个工作通过AI来实现更容易普及。”
“在中国市场，AI在投资领域的普遍应用将很快到来。现在国内最大的资管公司都在寻求AI在投资管理领域的应用，并进行认真的调研。这个巨大而切实的需求背后，对应的是这种应用的推出。”张家林说。
李浩认为，目前刚好给了具备一定基础和实力的创新型企业弯道超车的机会，“传统大型资管企业及互联网企业船大难掉头，很难有深刻的创新与变革。行业的突破性发展，将发生在具备良好基础的创新型企业身上。就AI在金融领域的运用而言，投资能力的强化将成为重点，而销售与服务能力将成为辅助。”
非万能的AI
早在“阿尔法狗”战胜李世石、柯洁之前，人工智能就被贴上了“万能”的标签，有朝一日AI能替代人类的讨论也不绝于耳。刘铁岩也说，“短期看，AI是有力的投资助手；从长期看，AI是潜在的对手。”
但细分到资管行业，显然还是最看中业绩回报的投资环节，不能单靠高难度的算法和高质量的数据。
张家林介绍，从资配易的实践来看，投资管理涉及七个环节，包括用户适当性分析、大类资产配置、投资组合构成、交易执行、风险管理、投资组合调整、投后分析，“每个功能模块都可以用机器学习技术来实现云服务，从最初的适当性分析到最后的投后分析，都可以自动完成，全程不需要人的干预。”
但马永谙认为，至少目前在投资框架、投资模型的基础体系设置等方面，AI还是无能为力的。“现在还没有一个能创造投资体系的AI，而只能借用AI对现有的体系进行优化，所以金融投资中的结构设计师、框架设计师等工作还不能被替代。”
李浩也表示，“AI技术应用于金融领域时，需要业内具备相当经验的人来确定其框架、流程、基础逻辑以及初始因子，并根据市场与行业的发展适时调整。目前看，这个过程还无法被AI技术所取代。”
也有观点认为，即使AI能作出完美的投资决策，也会如百度CEO李彦宏在其新书《智能革命》中所说的，如果大部分基金都用人工智能，或会出现我们不想要的结果，“一方面，在精确的计算下，机器投资的节奏和标的越来越趋同，市场的波动越来越小，变得越来越无聊和乏味；另一方面，因为机器选择的投资对象越来越集中，也就同时埋下了市场失衡的种子。”
张家林认为，这种情况在多数时候不会发生，“众多投资者的投资金额、流动性期限不同，同一时点对市场的需求也不相同。但在极端或试验情况下可能存在，比如所有投资者都用一家智能投顾公司的一种算法，可能发生同买同卖的情况，造成市场流动性尽失。”
李浩也认为，很难出现上述极端市场情况，“信息的获取速度、全面与否、解析是否正确，这些决定了投资节奏和标的，不同的机构在这些领域不会完全相同。市场永远在博弈，AI技术的出现，不过是让这种博弈换了一种表现形式，本质不会发生变化。”
此外，就AI技术本身来说，在2017年夏季达沃斯论坛“释放人工智能的潜力”分论坛上，印度软件巨头印孚瑟斯（Infosys Ltd）首席执行官Vishal Sikka直言，“很多AI是在模仿人的决策行为，比如通过问卷调查方式了解专业人士做决策的方法。但人类的决策方式是独特的，很难通过具体的问题讲解出来，也很难模仿。如何把人类决策系统正确地解释出来并导入AI，现在的技术还不是很成熟。”
陈笑冰对财新记者表示，理论上两类事情会由AI完全替代，一种是单调的、重复的、无聊的、有风险的工作，另一种是人类做不了的、太复杂的、需要快速反应的工作。“AI技术再发达，也不可能有欲望和情绪，和人打交道、涉及到感情的工作不会被AI替代。”
“目前只是弱人工智能时代，还远未到强人工智能时代，所以AI技术并不能在所有环节替代人工，更无法解决市场投资决策中的所有问题。”李浩认为，未来在投资研究与投资决策两个环节，至少在很长的一段时间内，不存在AI完全取代人的情况，而是分工会更为明确，“那就是人类负责搭建框架，AI负责执行；人类负责对非标准化信息及潜在未知风险进行反应，AI负责对标准化信息及可预期风险进行反应。”
牌照监管空白
与海外市场不同，中国资产管理行业有其特殊性，AI技术应用于此亦会遇到不少新问题。
就市场特点而言，安信证券分析，中国市场投资理念仍未成熟、刚性兑付尚未打破，会让AI在资管领域的应用“跑偏”：一方面是投资者散户居多，投机心理严重，看重个股机会，习惯短线操作，投资策略上多采取主动型投资。另一方面是缺乏财富管理意识。中国投资者倾向于自己打理现金，人为按比例将财富进行银行理财，实现刚性兑付；还有投资者追求高收益，但因缺乏合理的资产配置方案，总体收益并不可观。
就监管环境而言，首先在政策方面存在的不确定性，让业界把AI的应用范围局限在销售端，背后原因是中国监管部门目前尚未对人工智能投顾行业作出明确定义，业内面临着“被定义”并调整业务方向的风险。
其次，因受制于牌照的分业监管，贯穿于资产管理全产业链的人工智能很难建立。张家林表示，牌照问题是中国和美国市场最大的不同之处，“美国的投顾和资管牌照是一张，且比较好拿。中国国内的资管和投顾牌照是分开的，资管牌照除了一些大的投资机构有，也发给了私募；投顾牌照一直以来是不完整的，券商和一些投资咨询公司有投顾牌照，也就是有投资建议的权利，下单和交易必须客户自己完成。就连这个不完整的投顾牌照也很多年没有新批了。”张家林认为，这与想整合资管和投顾牌照的监管考虑有一定关系，但进展缓慢，“2015年3月，证监会挂出一个关于此的征求意见稿，然后就没有下文了。”
马永谙对此建议，监管层应尽快明确智能投顾的业务定位与资格管理，建议向智能投顾机构发放投资咨询牌照，并以目前投资咨询牌照的管理办法对智能投顾机构进行管理，防止代客理财、资金池等行业乱象重现。面向智能投顾的投资咨询牌照，限定服务范围为公募基金、私募基金以及券商集合资金计划等类基金产品，不开放终端产品如股票和债券等。
“AI金融同时具备金融属性和科技属性，对金融属性的部分要相对严谨。在遵循基本原则的基础上，鼓励科技创新，采用一种包容的态度对待金融科技。”李浩建议，监管者应对金融科技有一定的理论基础，对其发展优势、技术强项等方面有一个综合性的认识，“在此基础上，在试错阶段对一些良性的错误成本应在法律和合规上给予一定的包容。”
此外，如何处理平衡监管和创新的关系，始终是金融行业新生事物面对的难题。张家林表示，创新和监管需要平衡，监管跟不上会毁掉一个新兴行业。“根据美国金融业监管局对FinTech的监管研究，机器提供服务的监管原则和人提供服务的监管原则是一致的，但在监管手段或方法上或有不同。相对于FinTech，中国央行也提供了RegTech，也就是监管技术化。”
“我比较支持用技术来监管AI，这涉及到一套多层次的监管体系。我曾提出，给每个智能投顾装一个自动返回信号的装置，它一旦不能正常反馈信号，就要看看它出了什么问题。”张家林还建议，对用户的账户进行分类，对于人操作的和机器操作的账户进行标记、分类监管。“我国在智能投资领域并没有落后；我们希望被监管，也希望业务能更好地推进。”
马永谙还建议，应明确智能投顾机构不得从事基金销售业务，销售业务必须接入持牌三方销售机构；独立第三方销售机构要从事投顾业务，需重新申请牌照且设立严格的内部防火墙。投顾服务与销售分离，互相制衡监督，一边防止智能投顾重销售轻客户利益的情况发生，另一边销售机构也可监督投顾机构。
除上述市场差异和制度障碍外，如何让AI技术在一个行业里更好地应用，陈笑冰认为，还要考虑四个因素：一是领导力，行业领导不能偏离把AI作为价值创造工具的初衷；二是AI不仅是纯技术应用，还要改变商业运作模式和业务管理模式；三是要有良好的运用AI技术的策略，考虑投入成本与产出的关系；四是行业规范，不仅是在企业内部，也希望政策制定者（包括政府和行业协会）建立起业界标准。■
京公网安备 11010802022788号
