李意安

　　两年前，曾在中海基金、广发证券身居要职的李延刚“奔私”之际，可以选择像他的同行们一样，成立一个阳光私募，做量化基金的老本行，发产品收管理费，但他却选择了一条不同寻常的道路。

　　2015年，李延刚注册了一家名为“羽时金融”的公司，专注研究智能投顾，并向银行、券商等金融机构开放策略服务。李延刚坦言，促使他做出这种选择的原因是看到了“人工智能让量化投资方法升级的可能”。

　　看到这种“可能性”的人不只是他。

　　就在同一年，在美国花旗经营另类投资多年的王福星离开了华尔街加入了宜信财富，担任资本市场业务董事总经理兼投米RA负责人兼CIO（首席信息官），他的一个重要任务是完成智能投顾布局的从无到有。

　　而智能投顾显然不仅仅是金融人的战场。

　　在加入诺亚财富派之前，毕业于南京大学计算机系的朱代辉只是一个数据科学家。而加入诺亚财富旗下子公司财富派之后，作为AI团队的负责人，他成为了开发“诺亚智能组合1号”的主要负责人之一。

　　事实上，在大资管的时代背景下，过去的两年里，银行、券商、基金、第三方财富管理公司，甚至包括BAT在内的互联网公司都先后开始深度布局智能投顾。“尽管目前来看，行业的整体智能程度还是非常低。但是趋势上来讲，智能化的未来几乎已经没有争议。”李延刚表示。

　　一夜之间，所有的市场参与者仿佛都回到了同一赛道。大机构不一定就拥有绝对优势，而一些名不经传的中小机构，甚至从零起步的创业企业，亦有可能拥有逆袭机会。诺亚财富派CEO黄俊鹏认为：“只要率先找到一种路径把传统量化和人工智做到无缝对接，就很有可能掌握关键的先发优势。”

　　智能投顾生态圈

　　值得注意的是，各家机构对智能投顾的定义各不相同。

　　智能投顾，英文为“Robo– advi-sor”，直译是机器人投顾，是指基于不同用户的收益预期、风险偏好和流动性需求，通过自动化方式为用户推荐投资组合、提供个性化的理财服务，以达到分散投资风险的目的。

　　李延刚表示，“国内智能投顾的现状是行业刚起步，整体智能程度低，专业水平不足，服务随意性强，并且利益导向严重。一方面跟风炒作概念的铺天盖地，另一方面真正在探索智能投顾的参与者往往也是对标美国的智能投顾企业，缺少本土化的领军企业。”

　　“大家普遍对智能投顾的理解是平时给予用户投资建议的应用软件，而这些投资建议从数量上来说，市场上绝大多数仍是人工生成的，这种可以视作‘伪智能投顾’。”而李延刚认为，事实上，智能投顾所覆盖的领域和涉及的服务环节不只是推送环节，“智能投顾可以兼顾的资产端包括个股、基金以及各种不同底层资产的理财产品，策略层面涉及行业组合、策略组合、策略定制化，同时牵涉到交易择时、AI看盘、持仓诊断等问题。真正的智能投顾可以应用在三个层面：初级应用，运用智能手段为不同风险偏好的客户匹配不同的产品组合；第二阶段，采取量化手段，通过回测既往行情形成模型；但是这种方法在A股市场有一个重要缺陷，由于市场环境变化频繁以及国内证券市场的非理性特征所导致的不确定性，在很多情况下，不可应用于实战；第三种，在量化基础上，通过机器深度学习，实时修正参数和指标，以寻找到最合适当前市场的投资方法。”

　　通过其对行业生态的调研，李延刚认为，目前行业绝大多数企业依然处于人工干预的线上荐股阶段，“智能投顾的发展也正处于金融科技1.0向2.0过渡的时代，数据分析由浅表化向多维度多层次的大数据分析发展，区块链、人工智能等技术也开始与数据分析量化深度结合。智能投顾也开始衍生出各种发展模式，包括‘社区+流量变现’模式，如雪球牛股王，‘问卷+产品销售模式’，比如招商银行摩羯智投，以ETF为主的‘在线资产配置’模式，如来自硅谷的Wealthfront，‘线上量化荐股’的广发证券的贝塔牛，‘全自动人工智能金融搜索引擎’，如Kensho。”

　　李延刚称：“现在，各类机构都在积极布局智能投顾，但其实大家在财富管理的产业链上各有所长，比如，银行、券商、证券咨询公司都拥有非常好的客户基础而策略生成能力则参差不齐，完全可以寻求合作互补。而大家的需求也不尽相同，比如C端用户需要的是智能投顾AI荐股，而互联网平台、证券咨询公司、证券公司和银行的需求则是智能投顾技术解决方案，公募基金、私募基金、保险资管需要的则是人工智能投资决策系统。”

　　智能投顾“道”与“术”

　　“本质上来讲，智能投顾是量化驱动的，策略方面是讲求量化；与此同时，也不能忽略从产品流程设计和用户体验。”王福星告诉经济观察报。

　　李延刚表示，羽时金融开发了全自动人工智能投资决策系统的方式是通过加工财务数据、经济数据、行情数据和由自然语言处理生成的文本数据形成核心数据库，再通过策略算法引擎、深度学习引擎、回测系统、策略算法库和决策生成库。”

　　“量化的投资手段是基于定量分析的逻辑。用数字说话，构架称一个完整的策略和模型，就属于量化策略。想比较而言，主动管理采取的分析主要以定性分析为主。智能投顾的解决方案和投资体系里，智能投顾的逻辑设定是，设定一个风险区间和收益区间，找到之间的实现方法。可以给予定性或者定量的投资策略，把投资者和他最适合的投资策略所匹配。底层资产是可以覆盖到A股、沪港深、海外、黄金、债券、期货等领域。”朱代辉补充表示。

　　其介绍称，2个月前上线的“诺亚智能组合1号”本质上是一个基于公募基金的组合策略。“基于公募基金的量化组合投资策略，把公募基金当作一种策略在用。”“海外智能投顾采取的往往是传统金融理论，比如马科维茨理论、MPT理论和一些量化模型比如多因子模型的方法去做智能投顾，这也是现在比较主流的方法而国内人工智能领域由于处于探索阶段，反而更活跃，更大胆一些。”朱代辉表示，“比如诺亚智能I号组合应用的主要算法是借鉴了马可维茨理论的思想，把投资策略转化为一个带约束的多重优化问题。“建模层面吸收了随机过程理论的思想，实操时采用了ROLLING　Test的方式。这个组合不需要人工干预，机器人会自动调仓。机器人穷尽了超过628,600亿种基金组合，找到了处于马科维茨曲线与资本市场线切点处那一个最优解。通过近5年真实市场历史数据回测，诺亚智能组合的年化收益稳定在8-12%，年内最大回撤在10%左右（2015时股灾之际），近5年总收益率则高达70%　。”

　　王福星亦透露称，2017年宜信财富投米RA的业绩表现来看，在9个风险等级的策略中，风险最高的策略2017年累计收益回报达到23.13%，最大回撤3.68%，风险等级最低的策略累计收益率达到8.98%，最大回撤1.56%。

　　“构建智能投资决策系统的能力才是智能投顾领域成为真正决胜的核心竞争力。而这至少需要来自三个方面的核心竞争力：投资逻辑与经验积累、量化投资的基础能力、大数据与人工智能。”李延刚表示，“没有过硬的量化基础和扎实的AI能力，很难交出一份令市场满意的答卷。”

　　相似的答案来自蚂蚁金服财富号、宜信RA、羽时金融、诺亚财富派等机构。

　　“一支好的智能投顾团队往往对于复合型要求比较高，需要顶尖的AI研究人士，也离不开传统金融机构的量化基金经理，比如我们团队的学科背景就包括：金融数学、计算机、AI、信号处理信息论、基金研究等等。”黄俊鹏表示，“从公司管理的角度来讲，首先要有能力聚拢相关的人才，而在人才聚集之后，则需要通过有效的机制，让这个平台上不同学科背景的人不断碰撞融合，发挥每个人的最大能量，实现不同领域之间的无缝对接。”

　　不过，值得提醒的是，在智能投顾的浪潮到来之际，行业发展依然处于蛮荒竞争的初始阶段，市场中亦不乏打着智能投顾的旗号继续传统业务的“伪智能投顾”，“李逵”、“李鬼”的辨析也将持续伴随市场的发展。

　　王福星表示，全方位的智能投顾应该具备的几个特征：“从策略上来看，能够给客户长期创造价值回报，从用户体验上来讲，能为客户带来智能化、个性化、稳定的用户体验。”而李延刚则直言，对于C端投资人而言，关注团队背景是确定一家机构智能投顾决策能力最直接有效的路径。

　　值得一提的是，监管部门对智能投顾的关注已经提上议程。

　　2017年11月，人民银行会同银监会、证监会、保监会、外汇局等部门起草了《关于规范金融机构资产管理业务的指导意见(征求意见稿)》(以下简称《指导意见》)。《指导意见》指出，金融机构运用人工智能技术、采用机器人投资顾问开展资产管理业务应当经金融监督管理部门许可，取得相应的投资顾问资质，充分披露信息，报备智能投顾模型的主要参数以及资产配置的主要逻辑。而金融机构运用智能投顾开展资产管理业务应当严格遵守本意见有关投资者适当性、投资范围、信息披露、风险隔离等一般性规定，并根据智能投顾的业务特点，建立合理的投资策略和算法模型，充分提示智能投顾算法的固有缺陷和使用风险，为投资者单设智能投顾账户，明晰交易流程，强化留痕管理，严格监控智能投顾的交易头寸、风险限额、交易种类、价格权限等。

　　对此，李延刚认为，从市场参与者的角度来看，尽管监管也还没有建立有效的横向标准。至少监管的态度是正面的。“它关注投资系统的完备性，并且将监管的重点着眼于后端，重点关注智能投顾的决策逻辑。对我们而言，尽管现在监管态度上还存在一定的不确定性，但只需要等待政策明朗，未来如果需要牌照申请或者备案，我们都会积极配合。”李延刚说。