作為業内首家，招商銀行如何玩轉智能投顧服務？

人工智能和金融的結合目前有多個領域：用人工智能進行量化交易；輔助生成報告、投資意向書；做語義搜尋，用于行業研究；以及智能投資顧問、區塊鍊、消費信貸等領域。随着國内經濟持續發展，居民财富快速增長，财富管理市場的資産管理規模不斷擴大，居民的風險投資和資産配置需求愈加旺盛。fintech子領域智能投顧（robo-advisors）也是以吸引了行業和使用者越來越多的關注。

而作為傳統金融機構，招商銀行也瞄準線上财富管理的風口，成為第一家推出智能投顧服務——“摩羯智投”的商業銀行。國内外智能投顧服務因為市場體制不一，而相差甚遠，那在國内，招商銀行如何做智能投顧？有何經驗可以作為業内借鑒？

利用人工智能進行量化投資必然少不了海量的資料，招商銀行摩羯智投項目負責人表示，這裡面的資料，分為結構化和非結構化兩層。而競争的核心，便是其中的非結構化資料。這部分資料包括基金公司的治理結構、激勵考核、基金經理最近工作的精神狀況、風格漂移等。

非結構化資料，需要經過大量的收集、整理、提煉和描述工作。但最重要的是，這些資料組合的邏輯是什麼？裡面的比例是多少？動态結構調整怎麼做？如何判斷一支基金是不是一支好基金？組合完成後如何實行監控？

據介紹，為了做結構化和非結構化的資料，招商銀行的摩羯智投從大類資産配置、底層基金篩選、風險預警三個層次建構了蒙特卡洛模拟有效前沿模型

、行為動量基金分析決策樹

、多象限風險預警矩陣模型體系，在傳統金融模型基礎上加入了人工智能和機器學習算法進行優化，并融入了十餘年專業基金研究經驗：

大類資産配置使用的是蒙特卡洛模拟有效模型，這是對最經典的大類資産配置模型，基于馬克維茨現代投資組合理論而進行的機器學習算法的改造。

蒙特卡洛算法（monte carlo）一般是指，利用随機抽樣的方法，獲得一些随機系統的統計量或者參數。在金融領域的應用中，可以通過monte carlo來模拟多條标的資産的價格走勢，求出估計資産價格的模拟值。

在這個步驟中，結合對客戶風險等級的評價，摩羯智投則是按“流動性”和“最大回撤”雙次元，切分了幾十種不同的“風險-投資期限”目标。相較于目前市場單一切分“保守、穩健、積極”3種目标或者貨架式的“标準化組合産品”不同，摩羯智投通過一整套專業的資産配置流程，實作了更精細化的客戶投資需求分析及目标設定，輔助客戶進行風險投資，并協助投資人防範單一資産的波動風險。

二是關于基金的非結構化模型，稱為行為動量基金分析決策樹模型。行為動量決策樹，簡單來說就是一個if else的分支樹，是在優化過程中把以前梯度也考慮到此次的變量更新。

第三個模型，解決的是基金組合産生出來後怎樣做售中售後關注，這是多象限風險預警矩陣。這個場景中，運用了監督和無監督的學習等。多象限預警矩陣主要是解決預判大範圍極端事件發生的可能性，然後依據在這個可能性對之前建構的組合進行微調。

預警矩陣中從基本面到技術面的系列算法模型，包含多個測量次元，負責抓取投資者情緒指數和輿情等非結構化資料。

正是這樣多個次元的算法模型，構築起摩羯智投的技術核心。

目前來說，“直接使用機器學習算法直接進行投資決策，現在還不成熟，是以，摩羯智投中，機器學習算法是在整個投資模型架構中局部使用。”招商銀行對雷鋒網表示，其實所謂的人工智能、智能化也好，資料模型的應用上也好，最關鍵的能力不是數學模型的能力，最關鍵的能力是——積累下來的業務經驗抓住關鍵參數是什麼，以及哪些參數會對這些事情的結果産生顯著性的影響。是以，人對于金融的了解在量化投資中的作用的不可或缺的。

除了對市場、基金挑選的分析，人機結合的優勢之一還展現在對客戶的畫像分析上。目前市面上的智能投顧在做風險評測時，都會給使用者進行一個風險評測，但大部分都隻流于“年收入”、“可投資資金”、“年齡”、“在職情況”等，這些問題或長或短，雷同也很嚴重，是以很難給每個使用者提供個性化的服務。

對于摩羯智投來說，除了上述“客觀”問題——而且還不一定準确，因為使用者對于這些隐私調查的問題也許會有所隐瞞，還進一步将風險屬性進行區分，包括：風險偏好，即客戶主觀的自我認知，如最大能接受多大的比例的虧損；二是風險承受能力，即對客戶的相關客觀評估，如aum、年收入、職業等。

是以，在這些方面中，都是基于多年來在市場中的摸爬打滾的實踐中積累起來的認識，再把人的認識融合到機器研制量化智能投顧當中。

招商銀行表示：“這件事情很像google為和特斯拉做無人駕駛的兩條路線，google完全是無人駕駛，而特斯拉是輔助駕駛人和機器混合，這種輔助駕駛的應用，在中國的現階段以及人工智能發展的階段，這件事情是唯一可行的一條路。”

完善的售後服務體系指什麼？前文提出，摩羯智投三大模型體系，貫穿量化投資中的客戶風險分析、資産組合配置，以及投資後監控。所謂投資後監控，則是量化投資中重要一環，其決定了資産應該如何根據投資市場的動态情況進行調倉，适時高賣低買，實作最大化收益。在摩羯智投的模型體系下，客戶投資過程中可以在有需要時實作“一鍵優化持倉”。這樣的服務展現在：

高頻的最優比例計算——每日掃描全市場的資料，及時發現每個機會與風險。據雷鋒網(公衆号：雷鋒網)了解，目前市場的組合最優推薦比例，基本都是按“季頻”或“月頻”計算，而摩羯智投則是每日根據境内外資本市場海量資料，進而進行上百萬次的模拟測算，才計算出最新的最優組合推薦比例。

高精度組合持倉檢視——組合檢視是指根據客戶的最近組合的持倉比例與最新的最優組合推薦比例之間的對比，當某類資産偏離超過一定門檻值時則需要警示，摩羯智投由于實作了每日進行最優推薦比例的精算，故可以支援每日進行組合檢視，并最及時的釋出預警提示。

更精細的投資目标分倉呈現——根據客戶不同風險特性選擇實作投資組合的自動歸類，将其多投資目标打理整齊。據悉，目前市場上的組合購買均為打包購買的入口，如果客戶購買多個不同風險收益特征的組合時，各組合的産品會集合在一個彙總的組合賬戶下，無法區分較為混亂，而摩羯智投則是根據不同風險收益特征的組合分倉呈現，不但讓客戶清晰區分，也是為日後的一鍵優化提供了重要的實作前提。

投資的一鍵優化——投資的一鍵優化是指根據最新最優推薦比例和客戶組合持倉組合比例進行對比，當偏離度超過門檻值時，則需贖回超出比例的基金，然後用于購買不足部分的基金，協助客戶的持倉不偏離其投資目标。該過程原本需要經過紛繁的比例計算以及贖回後等待購買等多個環節的操作，而目前隻需要客戶一個按鍵則完成全部相關操作。可見，必須要有前面3點的基礎才有可能實作“一鍵優化”的功能。

除了這個一鍵優化的服務體系，摩羯智投還每月向客戶報告組合的運作情況，不定期地對市場異動進行解讀及應對政策剖析，提升使用者體驗。

起人工智能，人們便想起“人工智能威脅論”，招商銀行多年來積累了龐大的線下網絡和客戶經理隊伍，他們會成為被取代的對象嗎？

招商銀行對此表示否定，“我們傳統整體的服務能力，要和線上服務能力入口打造好，加強線上線下、線上客人和線下客戶經理之間服務的融合。”

對于金融機構來說，現在的問題是客戶經理經常因為客戶的太多而忙不過來，摩羯智投、智能投顧的出現要解決的是效率問題，而不止是專業性問題。就招商銀行來說，其目前屬于客戶太多而足夠好的客戶經理培養周期較長的階段。“坦率講，我們自身内部評價是，這兩年服務品質應該可以更好，尤其是金葵花客戶的服務品質，我們希望有更高的提升。”現階段，機構的困境在于，客戶增長的速度遠大于客戶經理增長的速度。

“是以，在這個調整過程中，我們要做兩點：第一，我們要分流一部分客戶經理的工作量；第二，摩羯智投會幫助客戶經理做更好的客戶服務，提高服務水準。”這是線上線下融合的原因。

線上客人和線下客戶經理融合的概念是什麼？摩羯智投應用的具體情境中，是在網點當客戶有更複雜的資産配置需求時，招商銀行業内訓練了數十年的理财經理、财富顧問和投資顧問隊伍，線上下還會為客戶提供專業的定制化服務。或者當有客人進入招商銀行app5.0時，他可以看到服務自己的客戶經理是誰，直接點按鈕就可以和客戶經理取得溝通和聯系。客戶經理反過來也可以主動推送一些資訊和服務給客人。這樣一來，客戶經理線上下的各個網點中也可以通過線上服務覆寫更廣大客戶群體。

延續上一個概念展開，即是大家所說的借助科技的手段推進普惠金融的實作。摩羯智投的起投點為2萬元，而給予每個客戶的服務都是基于完善模型體系及後端龐大智能團的專業服務。在傳統投資理财服務中，專業基金經理由于精力有限，通常隻能為百萬級以上一類高淨值客戶服務，而低淨值客戶的風險投資需求都靠自己盲打莽撞。

“從接觸過的大客戶和小客戶中，我曾經做過一個統計，小客戶賠錢的機率高達70%至80%，這是非常殘酷的現實，”理财魔方金融顧問馬永谙曾對雷鋒網表示，“在不齊全的資訊支撐下做出錯誤的決策，這在小客戶當中是比較普遍的問題。”

是以，能夠把面向大客戶提供的貼身投資顧問服務，也提供給小客戶，來解決理财中的階級差距和最大的不公正——人人都有權利參與理财，除了智能投顧别無他途。

招商銀行作為作為國内最強大的公募和私募基金銷售機構，理财管理規模2.3萬億，通過摩羯智投，其中的智囊團服務，将能普及給更多的人群。

智能投顧發源自美國，本質是幫助客戶進行風險投資的輔助工具，并通過完善的資産配置服務，協助投資人防範單一資産的波動風險，然而，随着去年以來行業财富管理行業競争的加劇，在國内各式打着“智能投顧”旗号的機構魚龍混雜，其概念不乏被用于個股搭配、基金代銷、信托資管、甚至p2p平台非标資産的推薦上，成為了機構的銷售工具和噱頭；而某些網際網路金融公司則為了搶占更大的場景，向其中注入更多消費金融、社交、電商的因素。然而，這些隻會讓客戶的财富管理越來越脫離金融的本質。

面對智能投顧，真正擁有資産配置能力、算法和模型體系、海量非結構化資料的商業銀行，顯得尤為謹慎和克制——直至招商銀行破冰，“零售之王”重磅出擊，為智能投顧正名。

本文作者：溫曉桦