智能投顾——互联网金融下一个风口

近年来，随着互联网技术的迅速发展和用户对金融需求的不断增加，我国互联网金融业得到了快速发展，市场规模持续扩大，成为现有金融体系的有益补充。互联网和金融的结合，不仅仅发生了“物理”变化，使得传统金融业务在互联网环境下得到了扩展和延伸，更重要的是已经发生“化学”变化，催生了有别于传统银行业和证券市场的新业态、新模式，使得交易成本进一步降低、金融风险进一步分散、金融服务范围进一步扩大，让普通居民、个体经营户和中小微企业都受益匪浅，逐步走向普惠金融。

        许伟，中国人民大学信息学院信息系统与大数据应用实验室主任，副教授、博士生导师。中国人民大学智慧城市研究中心副主任，中国系统工程学会信息系统工程专业委员会秘书长。Journal of Systems Science and Information、系统工程理论与实践、管理评论等国内外期刊的客座主编，系统工程学报编委。主要研究领域为金融管理、电子商务、智慧城市、信息系统，近期研究兴趣集中在金融大数据、互联网金融、智慧城市服务、社交媒体分析等。主持国家自然科学基金、教育部人文社会科学研究规划基金、北京市自然科学基金、北京市社会科学基金、省市部委及金融企业合作项目多项，在Decision SupportSystems、European Journal of Operational Research、Fuzzy Sets and Systems、IEEE Trans. Systems, Man and Cybernetics、ICIS等国内外期刊和国际会议上发表研究论文70余篇，出版专著5部。

　　随着互联网金融业务创新持续升温，用户可以使用的（互联网）金融工具越来越多，这直接产生了如何组合使用差异化的金融工具来更好满足用户的需求。在这样的情境下，智能投顾业务由于其对用户偏好的捕捉能力强、在控制风险的提前下可以最大化收益等特点，得到了实际应用并快速发展。

　　所谓智能投顾，通俗来讲，就是充分利用互联网便利性和大数据资源丰富性，通过技术（模型、算法等）手段，把传统投资顾问所做的用户风险偏好分析、资产配置与组合等直接在互联网提供服务，提供了金融用户和金融产品之间的桥梁，达到自动捕捉用户偏好、优化风险收益的作用。由此可以看出，要做好智能投顾，需要将其从用户行为分析与偏好学习、（互联网）金融模式创新与产品设计和投资组合模型构建与求解方法等三个方面进行深入分析。

　　用户行为分析与偏好学习每个人每时每刻在物理空间、信息空间和心理空间上都留下了痕迹，但如果每个人想了解或者捕捉到自己每时每刻在上述空间中的行为是不可能的事情。所以，机构在用户隐私保护的前提下，想获取每个人每时刻的心理行为特征也是不可能的。但对于智能投顾而言，由于需要了解用户的收益目标和风险偏好，而不是全部信息；需要了解个人收益目标和风险偏好的时间序列，而不需要实时更新。这样一来，降低了对用户行为分析与偏好学习所需的数据成本，在允许的误差范围内基本可以达到建模的可行性。

　　下面来谈谈获取用户行为所用到的数据源和挖掘用户偏好所用到的技术方法。从数据来源上说，与用户金融收益和风险最相关的数据源应该为该用户购买过产品的收益和风险，但由于用户历史购买记录有限以及用户购买时不了解其产品或不一定为用户主动购买等原因，所以这些数据从理论与应用可能是不够的，最常用的补充数据源可能是与用户相关的社交媒体信息、商品购买记录等，从这些弱相关数据中也可以挖掘出和用户偏好相关的信息。

　　对于技术方法而言，首先要对这些数据进行数据清洗、整合和集成，形成用户数据仓库。其次，以数据仓库为基础，利用最先进的数据挖掘技术（比如深度学习）抽取用户主题，形成用户金融风险偏好。最后，采用自适应学习方法，对新增数据进行增量学习，形成用户金融风险偏好的动态调整。

金融模式创新与产品设计

　　随着互联网的快速发展，信息传播的速度加快，用户—用户、用户—产品之间信息不对称的鸿沟缩小，为新的金融模式创新与产品设计提供了良好条件和肥沃土壤。

　　2015年7月18日，中国人民银行等十部委发布《关于促进互联网金融健康发展的指导意见》，按照“依法监管、适度监管、分类监管、协同监管、创新监管”的原则，提出了一系列鼓励创新、支持互联网金融稳步发展的政策措施，积极鼓励互联网金融平台、产品和服务创新，鼓励从业机构相互合作，拓宽从业机构融资渠道，坚持简政放权和落实、完善财税政策，推动信用基础设施建设和配套服务体系建设，确立了互联网支付、网络借贷、股权众筹融资、互联网基金销售、互联网保险、互联网信托和互联网消费金融等互联网金融主要业态。同时，在传统金融业务与互联网金融创新业务的不断细分并进一步融合中，又为金融产品创新设计提供了新的思路。

投资组合模型构建与求解方法

　　在给定的一揽子金融产品中，根据用户风险偏好，可以构建相应的投资组合模型，求得使用户得到最大收益的最优投资组合。但是，看似简单的投资组合模型，其实构建起来并不是一件易事。

　　首先，由于产品期限、预期风险和收益不尽相同，如何构建科学合理的投资组合模型具有一定的挑战，而更加复杂的数学方法可以构建更符合现实的投资组合模型。

　　其次，对于现有约束限制的投资组合模型，一般而言不能直接得到解析解，这样一来，如何构建求解算法也是一个比较难的问题，而一些特殊的启发式算法可以计算得到模型的数值解。一般而言，当模型更接近于现实（目标和约束过多）时，求解更具有挑战性，可能求解结果和最优解的差距也就越大，所以，需要在模型的现实性与求解的精确性之间进行权衡。

　　最后，大数据可以助力投资组合模型的构建。由于网络大数据具有可得性，利用网络大数据可以更好地估计产品的预期风险和收益，较传统的均值—方差方法具有明显优势，为更加准确地构建投资组合模型提供有效支撑。

　　综上所述，智能投顾作为互联网金融发展的下一个风口，未来充满机遇与挑战。善用大数据，融合新方法，智能投顾可以为用户提供更满意的服务，保护消费者利益；滥用大数据，滞后新技术，不仅不能使用户投资受损，而且用户的基本权益也无法得到保障，甚至会遭受个人信息泄露、金融诈骗等现象的发生。希望在金融创新和金融监管双刃剑的挥舞下，智能投顾能够挥其利、避其害，为金融科技的发展提供有力支撑，为用户提供更优质的金融服务。

（文章来源：《金融电子化》杂志）

扫码即可手机
阅读转发此文