一文读懂智能投顾的商业逻辑和模型算法—专访张家林

美国智能投顾平台的发展最早可追溯到2008年Betterment&Wealthfront的成立。到了2016年，美国传统金融机构加入竞争，规模达到2000亿美元。据国际知名咨询公司A.T.Kearney预测，未来五年，机器人投顾的市场复合增长率将达到68%，到2020年，机器人投顾行业的资产管理规模将突破2.2万亿美元。

而中国在机器人投顾还处于起步阶段。在为数众多的FinTech创业公司中，如何找准定位，服务好本土客户？为此，数据派研究部专访了北京资配易投资顾问有限公司董事长张家林，从智能投顾的商业逻辑、网络空间经济的运转规则和技术算法三个角度，进行了深度对话。

嘉宾介绍：张家林曾任经管学院互联网金融大讲堂课程“证券投资人工智能理论与实践”授课老师。有20余年从商经历，曾于1999年在美国和中国创立了最早从事虚拟电信运营商的公司之一的互联网公司“Baili Net”。 2014年，创办北京资配易投资顾问有限公司，从事证券投资人工智能、智能投顾业务，在2016年的KPMG评选中，荣获中国金融科技50强。

智能投顾的逻辑

Q1：资配易为何专注中小型客户而不是机构客户？这个选择存在哪些风险和收益？

张家林：我们在选择用户类型的标准主要看资产端还有投资者端。资产端指的是中国未来资产的供给，而投资者端需要考虑投资者的资金特征和散户特征，这两者完全不一样。中国投资者的风险容忍度很低，过去的中国资本市场叫做无风险市场，规律性很强，往往融资模式通过银行卖存款，提供高收益，相对无风险的理财服务。

而在中国经济发展初期，企业在股市上发行证券吸收资金，但是A股市场股票往往由于风险较高没人买，这时候就需要很多服务卖方的机构如许多投资银行、证券公司等中介机构。但是中国一直以来服务卖方为主，买方服务较少，即使有也往往是向政府提供的。比如信息披露、保护投资者等业务。但是从市场结构来说，目前还没有买方头骨，智能买方自负盈亏。而之前以来国家刚性服务需求的买方服务是不可持续的，并且不可能实现高收益无风险。

现在随着银行利率市场化和无风险收益了打破更高环境下，很多人都更愿意进行风险投资，投资者逐渐也意识到不承担风险，收益了就会很低。所以对于投资者很需要教育他们有这种风险收益观，而这个承担风险投资的过程是一个必然趋势。因此我们需要更多考虑服务这些中小投资者的买方服务。资配易要做的就是把产品匹配给相应的人，通过一些模拟了解到投资者行为、心理特征，能够承担的市场风险还有亏损是多少。我们希望可以提供一个适合于相应投资者的投资规则来进行投资。同时如果这位投资者还不是很成熟，我们也会暂不提供服务，而是教育这位投资者。

Q2：这个市场中有何技术壁垒？

张家林：总体分为智能交易、投资、投顾：

1、智能交易：解脱人的工作，摆脱盯盘，替代人脑的抗冲击响应、算法交易、对于每一件事需要关注市场对自身的反应。

2、智能投资：机构用系统管理自己的钱，只能是增强而不是替代。

3、智能投顾：客户群体端可以很多，解决精准匹配的问题，投顾本质上是买方投顾，美国顾问不能向投行、基金收费，断绝与卖方联系。

买方投顾收益、个性化程度都受到制约，不可能创造很多的资产类别，卖方投顾则是差异化的，背后的技术细节、服务人群目标都不一样，层次会很丰富，既有玩一两种产品的，也有机器人投顾（提高自动化程度），最后还有服务上千万人的人工智能投顾。但我认为，由于监管原因，中国市场上不太允许出现大规模的公司。

技术与算法

Q3：从数学模型的角度出发：输入的是用户信息，输出的是一个投资组合方案，资配易中间过程所用到的具体模型、映射是什么？

张家林：实际上就是把证券的投资组合空间，映射到风险收益和投资策略空间。投资组合空间中有两个权重：

1、所有人选的特征，映射到的区域能够匹配投资人的需求，我要求收益率8%，风险10%；

2、投资组合中证券的权重。

对A股市场这样一个连续映射的无限空间而言，中间的映射并不是单一映射，这和围棋不一样，围棋是一个确定性的映射，无论做成马尔科夫过程还是什么过程也好，实质是映射到一个状态空间。所以现在的方法是用张量来描述投资组合的数据特征，通过找到一些拓扑不变量（稳定的点），最终展开预测。因为映射只是历史上的映射，所以要预测原来的这个点是不是未来还在这儿。数学上需要微分流形、张量等工具，整体空间规模大约是是10的500次方，是非欧空间，曲率不是定态的。需要注意的是，数学只能描述一个局部特征，而机器学习的目的是回答效用问题，对于一样的投资组合，每个人选择也不一样。例如我们2014年做了随机效应函数，某个人手机上输要投10万块钱，投资三个月，但这不代表他一生的效用函数，只是此时此刻的一个点。

Q4：做具体实战时，边界怎么算出来的？

张家林：计算边界的方法和master差不多（而AlphaGo用的是监督学习），算法生成是突变的，没有学过任何先验的棋谱，而是遍历所有空间去优化。虚拟了几十万算是“小白”的投资用户，告诉什么叫“挣钱”，然后让历史状态下跑，再判断收益率是好是坏，把好的留下来。10万里面有1万个好，那么模型就学出来了，然后再迭代、克隆、不断地迭代。最后只要满足两个度量条件：

1、满足基础收益率不能低于年化12%；

2、胜率不能低于某一值。这种强化学习是较为野蛮粗暴的方法。

Q5：如果将来我们想进入智能投顾领域，您认为我们在上学期间，应该加强计算机和数学方面的什么能力？

张家林：在数学方面，传统的微积分、概率统计知识是不够用的甚至失效的，将来需要具备微分流形、拓扑方面的知识。计算机方面，目前最紧缺的就是实现能力，主要是在机器学习、人工智能方面的编程能力毋庸置疑要强，此外，不仅要能在界面上实现你的想法，还要能把产品呈现给用户实现有效交流，这两者缺一不可。

资配易APP

资配易采用基于大数据的人工智能证券投资模型构建投资策略机器学习的模型，大规模地生产投资策略，帮助投资人快速地作出股票投资决策，并完成股票投资全过程。整个流程分为三个步骤：

1）生产投资策略模板（ISM，Investment strategy mapping）：资配易的云计算中心从每天所有可能的投资组合中按照一定算法筛选出满足一定收益和风险指标的投资策略组合呈现给客户，保证所有投资策略组合都是符合投资人的风险收益偏好的，这个过程相当于投资策略空间到投资收益风险测度空间的一个映射；

2）智能代理（IA，Intelligent Agent）：IA由信号事件监听器、决策系统、学习系统、规则库和智能执行期构成，通过数据监测与分析模块对外界实时数据的分析结果对股票进行相应操作，包括建仓、平仓、调仓等；IA发起指令，通过券商PB向交易所下达指令，交易所执行后通过券商向IA返回执行结果；

3）风险管理（Risk management embeddedIA）：应对盘内风险事件，比如股价大幅下跌时需要迅速卖出锁定收益。

文章转载自：数据派THU，已获授权转载

文：洪祥骏、杨武岳、倪春尧

▪