0
| 本文作者： 温晓桦 | 2017-07-15 22:48 | 专题：GAIR 2017 |
（从左往右：薛昆、夏雷、王蓁、杨永智）
雷锋网AI金融评论报道，2017年7月7日至9日，全球人工智能与机器人峰会CCF-GAIR大会在深圳大中华喜来登酒店举行。本次大会由CCF中国计算机学会主办、雷锋网与香港中文大学（深圳）承办，期间聚集了全球30多位顶级院士、近300家AI明星AI企业 ，参会人数规模高达3000人。
在8日下午的金融科技专场中，来自招商银行、通联数据以及财鲸智能投顾的嘉宾围绕智能投顾的业务和技术实践展开了激烈的圆桌讨论。该环节由阿博茨科技CEO杨永智主持，招商银行总行研发中心副总经理夏雷、通联数据金融工程董事总经理薛昆、财鲸智能投顾联合创始人王蓁参与，共同分析了“智能投顾是不是真AI”“智能投顾的效益”等相关问题。
雷锋网整理如下：
主持人杨永智：人工智能最近这几年非常火爆，智能投顾也非常火爆，而且各种各样的AI项目、各种各样的智能投顾项目让人看得眼花缭乱、应接不暇。但是我们也经常抱怨，这是人工智能吗？这是伪智能吧？是不是有很多泡沫？包括资本的投顾，也有很多人有不同的疑问，甚至是质疑。你的智能投顾这么牛，能帮我赚钱，干嘛给大家用？你为什么不自己用？包括智能投顾是不是真正的AI……这些问题是很多人都有的疑问。
那么今天我们有幸请到三位业内的资深人士，有从科技行业来的、也有从金融行业来的。我们先请几位嘉宾从自身的角度谈一谈，AI和智能投顾的这些疑问。
夏雷：我先开个头。首先这个问题实际上是很常见的问题，很多人把智能投顾和智能投资甚至量化投资搞混了，以为一搞智能，投资就变得很牛。实际上这个智能投顾有它的特定含义，简单的说就是把合适的产品卖给合适的人，它的重点配置是什么。智能投顾大体上是几个环节——首先是认知这个客户有什么样的特性，第二是你能组合出什么样的投资产品，第三是把这两者配置起来，第四是卖完以后还要进行后续的服务，比如说有风险要提醒、要调仓等等。
这个智能投顾它是从哪里来的呢？这个逻辑是什么？为什么这个行业要存在呢？实际上做智能投顾这个行业的公司都有类似的数据，我们也有。我们有一个从2003年开始记录下来的公募基金的投资数据，从2003年算到2016年，股票型公募基金的年化收益率13%，接近巴菲特的20%。就是说做公募基金，如果长期持有基本上是盈利的。但是为什么大家还是要抢理财产品，抢5、6%不能长期持有的公募基金呢？另外一个数据，我们从客户端看到的情况是反的，整体的公募基金的客户端90%是亏损的。从一个银行出具的销售数据来看，70%是亏损的。也就是说，这两点是非常不匹配的，一边赚得很厉害、一边亏得很厉害。
为什么会出现这个情况呢？这个我们分析下来，投资者有一个心理风险容忍底线，他们往往做不到长期持有。所以在中国的投资环境之下，我们的指数还断崖式下跌好多次，所以很多持有公募基金的人很快就抛出去了，不能够做到长期使用。所以怎么让客户长期持有我们的公募基金（我只是以公募基金为例，不一定是公募基金），持有我们的投资产品？这才是一个问题。
所以智能投顾这个事情要解决的就是把我们的投资组合和客户真实的心理容忍底线匹配起来，让我们的组合产品能够在客户自己的底线上精确地认清。从这个角度看，就有很多的智能工作要做。刚才主持人提了一个问题，智能在这个里面有没有用呢？如果从这个角度看非常有用，我们首先要识别客户自己的容忍底线，目前普遍的销售是调查表问你几个问题，但是这几个问题是不是真的是客户的底线呢？不是，客户的底线不只是嘴上说的，他说持有两年，但是股市波动就抛出去了，不能真正做到，所以要有人工智能来做。
另外资产组合和资产管理，这个更接近量化投资和智能投资的范畴。
第三个是配置。配置这一块也是做智能投顾的核心竞争力。其实这个东西有点像各位可能做过的智能推荐，比如说智能资讯推荐、产品推荐等等，只会找到最合适的客户、最合适的产品，这也有大量的智能算法在里面。
第四个是售后服务，这里面到底有多少智能？售后不能卖完就了事了，还要及时提醒他。这个靠谁来提醒？如果靠人提醒，人工成本就不得了，这个地方要有智能。你要沟通解释各种各样的产品，而且沟通成本太高了，人也不见得精通这些东西，所以我们需要大量的智能。刚才罗平教授讲得很好，我们就需要这些东西帮助解决理财经理的客服问题，我们要建立自己的知识图谱，帮助客户理解他们的产品和他们的需求。
所以刚才这一系列讲下来，在智能投顾的方方面面都有非常广泛地应用，至于说能不能战胜市场，那是刚才王政博士（通联数据 CEO 王政演讲全文：人工智能如何助力复杂的投资管理？ | CCF-GAIR 2017）的事情，不是我这个智能投顾的事情。好的，我就这样回答。
主持人杨永智：夏总讲得非常好，他刚才是从两个角度讲这个问题的，第一是提高效率，第二是从促进销售的角度去理解智能投顾的价值。我想接下来请财鲸的王蓁分享一下你的洞见。
王蓁：不敢说，我只是说销售经验。我是一直做量化投资出身的，做了很多年。首先我先给大家简单区分一下，其实国内大家意义上的量化投资是更偏重高频交易，像之前几位嘉宾提到会有一个自动化的系统。今天我想把它单独区分下来，这个可能叫自动化，不一定叫人工智能。
因为自动化的流程是一个点到另外一个点，智能投顾或者人工智能的量化投资，相对周期会比较长。但是中国和美国的情况不一样，美国有天然的土壤，一方面是401K等的长期养老金投资计划，另外一方面是美股可以买入持有，并且策略是可以有效。A股要是10年前玩，2007年你买入持有，到现在还是亏钱或者持平的。如果是欧洲股票，你不幸持有银行股，你可能亏30%，10年时间，时间够长吧。不同的市场有不同的投资策略，对于量化投资策略肯定也是这样的，必须对市场要有一个看法。
具体到智能，其实国内现在已经有了很多先进的尝试，包括我们在内。这个智能体现在哪儿呢？我们把人工和智能区分开来，有的人可能说的是智能，但是实际上背后可能是人工在做。以我们为例，可能还有一些其它的公司，我们可以做到一个怎样的事情呢？在防火墙安全隔离方面，在完全没有任何人工干扰的情况下，它能够产生出一个合理的投资结果，并且实时监控市场。如果遇到极端情况，比如说一些重大的政策调整，像股指期货不能做了这种重大的系统性风险，可能需要人工干预。但是如果没有极端情况发生的情况下，可以用机器学习的方式做大类资产的配置。
首先第一步是底层资产的评估，第二步是对大类资产概率的配置，第三步是整个组合的优化。这三步的流程，其实现在是可以用机器来完成的。但是投资效果并不能一定保证赚，这也是为什么我们说智能投顾虽然很好，市场容量很大，但是可能现在我们还做不到像私募的事情。因为现在国内哪怕你是私募大佬，如果他出现回撤，也要自掏腰包实现刚兑，我们现在还没有到这样的阶段。
智能投顾也是这样，它能够帮助90%以上的个人投资者或者“韭菜”，在90%以上的时间，能够做得更好。做得更好是指赚钱的时候比自己赚的可能更多，亏钱的时候比自己投资的时候要亏得更少，但是并不能保证一个绝对的收益。当然这只是现在来讲，在未来我相信会一直发展得更好，有可能会做得更好。
主持人杨永智：谢谢！下面请薛昆谈一谈。
薛昆：我的想法可能比较另类一点，分长期和短期来讲智能投顾。
长期，智能投顾要发展起来，首先必须是低成本的量化和被动投资发展起来。所以为什么说我们公司要先做量化的业务。如果看美国的数据，美国从2008年到现在，整个Factor Based的整套AUM大概是发展了从0.6个T到1.4个T增长的发展，这就是为什么美国2013年的时候出现海量的智能投顾的创业公司，像Wealthfront、Betterment，都是那个时点出现的。这就在于说，可配置的资产已经足够多了。比如在美国想有某一个风险暴露，你只要买相应的smart bater ETF就好了。这就是为什么美国像先锋基金等这样的公司先发展起来，因为他们提供了海量的可配置的产品。这是第一步，后面才会出现现在我们所熟悉的智能投顾。
我认为中国也会存在这样一个长期的趋势，我们还是首先要教育投资者，被动投资是好的东西。其实我们现在也看到很多去年的趋势，当然现在可能前半年的公募量化是招收一些阿尔法，大家都赌size、小市值，这是大家不专业的一种表现。我们会做到的一点，就是让现在大部分国内做量化低波动的基金经理，能够很专业的做量化投资，这是第一步。这个东西长期发展以后，我们现在熟悉的美国智能投顾的算法和模型才会比较适用于中国市场。这是我的第一个观点。
第二个观点，就现在中国的投资结构，智能投顾能做一些什么事情，我们公司有一个叫做智能投顾的项目，长江证券阿凡达做的尝试。像刚才夏总说的，其实真的要第一步让客户了解自己，怎么让客户了解自己，就是有一个用户画像的过程。用户画像的过程能够帮助客户找到他，不是他通过问卷调查等等一系列的东西做出来的，因为他也不了解自己，他也不知道自己的投资风格到底是怎么样的。你需要有AI、需要有海量数据和技术，帮助客户了解他的投资风格。第二步是怎么帮助他做产品的推荐，这个也有很多智能的技术可以做到的。我的观点是这样的，一个是长期的、一个是短期的。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
