“顾+投+智能=智能投顾”这道题可以这么算吗？

智能投顾已经成为金融行业炙手可热的概念，本文对这个处于“风口”上的行业进行了理性的思考，分析了智能投顾与赚取高回报的神秘机器人、程序化交易相关的量化交易以及智能客服这三者的区别，认为智能投顾必须包含“投资”和“顾问”两方面的内容，从“顾+投+智能”三要素结合的角度出发，既要像投资经理一样为客户在财富管理上做出“靠谱”的财富回报，也要像理财顾问一样为客户表现出人性化“温暖”的沟通和体贴陪伴。

智能投顾的“投顾”，必须包含金融中的“投资”和“顾问”两方面的服务内容。如果没有这些功能，只是把产品像超市一样堆积在网络页面和手机软件中，本质只是电子渠道销售而已，离真正的智能投顾相差甚远，有盗名之嫌。因此，要判断一个智能投顾产品的好坏，必须要从理论上的“顾+投+智能”三要素结合出发。

——马天平

2016年既被称为人工智能新元年，又成为人工智能发展的第一个60年甲子期。Alpha Go带动各行各业掀起人工智能之风。金融行业也不例外，把人工智能与金融业务结合起来，迈步走向更智能的“科技金融”。

其中智能投顾业务被称为科技金融业务的典范，从美国的Kensho、Wealthfront、Betterment等机构开始，国内出现了众多智能投顾机构。不论是证券业、基金业、银行业等标准的金融机构，还是第三方的金融产品销售机构和互联网金融机构，纷纷抛出智能投顾概念，各自推出产品。尽管一边是概念的升温，但另一边则是市场的质疑。

投资人以及行业在体验这些落地产品的过程中均开始反思，什么样的智能投顾具有价值，科学的银行业智能投顾的判断标准在哪里，为什么很多智能投顾还是以问卷测评、产品推荐为服务的起点和终点。

因此，对于如火如荼的智能投顾，梳理其发展中遇到的争论，分析争论背后的定义和概念，阶段性思考其发展方向，对于整个行业的发展来说至关重要。

智能投顾不等于赚取高回报的神秘机器人

因Alpha Go通过机器学习在围棋中战胜人类选手，全社会对机器学习投去神秘甚至畏惧的眼光，尤其是其深度学习能力。智能投顾也因此被戴上神秘而强大的光环，众多投资者希望借助机器人在金融市场中交易，尤其是类似股票交易的可自动化交易的领域，希望机器人能像“收益收割机”一样获取源源不断的超高额回报。

即使自己不能像科学家一样造出类似的东西，也希望市场有机构能提供类似的机器人，让机器人执行其投资指令或投资建议，让自己获得超额收益。如果能这样，那么客户愿意付费去采购这样的机器人，这个神秘的机器人就是期待的“智能投顾”。

但这一逻辑却存在深刻悖论。因为智能投顾是科技专家造的，如果他们能够造出如此神秘高端的智能投顾机器人，那为什么科技专家不直接将此机器人用于自有资金的市场交易并通过资产管理获取回报，而要依靠出售机器人的投资建议给他人，来获取此类回报？

因此，只能推出智能投顾不可能是赚取高回报的神秘机器人这一结论。如此以来，既然智能投顾难以赚取超高回报，那么赶上风口的神秘感一定会褪去。当潮水褪去时，客户的信任感将大打折扣，该类智能投顾将从神坛上跌落下来。这也说明，目前的证券投资，尤其是股票投资市场中，智能投顾的理念是需要重新定义和反思的。

从技术上看，机器学习可以分为多种做法，例如通常所说的符号主义、联结主义、行为主义、进化主义、贝叶斯派等派别。但不论如何，哪怕是深度学习也尚且不能完全解构金融市场的多重复杂混沌属性。金融市场不同于人造的某类固定规则下的博弈，例如围棋象棋、德州扑克等游戏规则透明固定，存在明确的推理基础，而金融市场的因子相互依存，资金因素、情绪因素、政策因素、工具因素、参与者反身性因素等每个方面都既是市场的自变量又是因变量，相互转化、相互依存，在时间序列中形成不可完全重复的动态混沌结构。

这些复杂性，使得现阶段的机器学习尚不能精准处理这些理性逻辑链条和非理性情绪因子，难以发挥确定的作用。当然，并不能否认机器学习在金融市场的作用。从交易信号看，机器学习是可以作为辅助信号和储备信号的，是资产管理投资交易的参照性工具，是一种新式方法论。

智能投顾不等于程序化交易相关的量化交易

量化交易在狭义上又可以称为程序化交易。美国从20世纪60、70年代开始将程序化交易应用于金融市场，尤其是对于一些逻辑可以触达，但手工执行难以到达的交易，机器程序交易具有巨大的便利性。

除了严格的下单、成交、批处理、技术指标等以外，程序化交易还可以实现止损、止盈、趋势跟踪等辅助交易目的，尤其是在时间较短的高频领域，通过市场微观结构理论，可以在秒钟级甚至毫秒级以内实现订单的买卖，获取波动率极低的高性价比收益。

但这些程序性量化交易并不能称为核心范畴内的智能交易，尽管具有较多自动化，但不涉及如图像识别、声音处理方面的感知智能，也不涉及语言文本、逻辑推理的反向学习、深度学习、有监督无监督的机器学习等。

机器学习的魅力在于根据已有的输入条件、在已明确的目标下，依据特定的规则，获得信息处理的模型过程参数或函数。量化交易在于根据已有的逻辑和数据前提，通过历史回测和多次模拟，得到想实现的业绩目标。

量化投资需要的数据信号以及信号之间的钩稽梳理合成，往往是在投前离不开逻辑假设，在投后又需要业绩归因。如果没有逻辑，黑箱化，不可解释或只是关注技术上的回测效果，可能是过度拟合，且是失真的。

因此，当没有搭建机器学习平台构建深度学习因子时，机构追求此类方式的交易需求较为强烈，但当机器学习和深度学习构建之后，面对机器学习给出的成百上千个“优质”模型，机构反而不会拿真金白银去实盘每一个策略。原因就在于，机器学习的不可解释性和金融市场条件之间的复杂因果性。

在不清楚自身的风险敞口类别和暴露程度时，作为谨慎的基金经理，必须只认可其作为补充交易信号，而不能作为充分性的自动化量化交易信号依据。也就是说，机器学习在金融市场的交易远远没有成熟，金融市场的资产管理交易复杂程度远高于规则清晰的棋艺游戏类推理和有监督的深度学习，但把机器学习的金融交易作为辅助信号是有必要的。

智能投顾不等于形似而神不似的智能客服

除了智能投顾的“投”与量化交易、程序化交易有相似之处，智能投顾的“顾”，即客户服务方面，如果用人机交互的对话系统的问答方式，与目前市场火热的“智能客服”也有相似之处。

智能客服，是指利用NLP（神经语言程序学）自然语言处理技术，结合语料问答和知识图谱，提供类似人工客服的应答系统。以往电信、政府、银行等众多的服务性机构在传统业务中会雇佣大量的人工客服团队，而智能客服通过技术化处理省略掉大部分人工客服，提高服务效能。

但目前的智能客服主要是由技术专家结合行业客户一起研发，技术专家输出技术，行业客户提供知识点。而智能投顾是在投资和财富管理领域中发挥财富顾问的作用，通过熟悉客户、认知客户，以此建立需求的起点，在人机交互中洞察客户，更“懂”客户，并以此服务客户的投资全过程。

就目前看，智能客服和智能投顾存在较多本质性差异：

一是智能客服往往能够处理通用性问题，但当问题涉及行业特征和客户特征时则难以回答。例如“怎么购买产品？”智能客服很容易回答，但对于“我该购买什么产品？”则很难回答。同样对于“明天市场走势如何？”很容易回答，但对于“明天的市场情形我该做什么？”则很难回答。而后者正体现了智能投顾的差异化优势。

二是智能客服回答较为静态和被动，不能实现动态和连续。很多智能客服仅仅是将储存的问题调用出来，很难动态跟踪客户的变化，只是为了硬着头皮回答客户批量性简单性的相同问题，并没有主动洞察客户的思想。智能投顾是在主动洞察的基础上发挥“顾问”的作用而不是“客服”的作用，进而带来个性化的专业价值。也即是说，智能客服偏功能性，而智能投顾偏分析性。

三是理念上的差异。智能客服追求“响应即服务”，而智能投顾是“诊断后才服务”。智能客服只要以固定的问题、固定的答案应答即可，但智能投顾是固定的问题，不同的答案。这也隐射出客服是一种事后、售后性的工作，但投顾是一种事前、前瞻性的工作。

四是技术上的差异。尽管智能客服和智能投顾可能都会用到NLP等语言技术，但是技术的深度和颗粒度远远不同。智能客服将通用技术运用于各个行业，既覆盖非金融业务，又触及金融业务，“泛而不专”。若希望实现专业的回答，则需考虑到每一个垂直行业都有非常多的细节，尤其是涉及行业的微小专业知识和相关流程。

因此NLP技术必须深度结合行业知识，才能将智能程度提升到更高水平。例如，对于“怎么样购买产品？”与“购买产品怎么样？”，在纯语言技术上差异可能不大，但对于财富管理行业而言，前者意味着客户尚没有享受金融产品，后者则表示客户已经在关心自己投资的金融产品，差异迥然。

智能投顾的本质与内涵

通过多角度的边际比较可以看出智能投顾其深刻内涵和本质，即智能是手段，投顾是目的。通过利用人工智能这一手段，来实现传统上难以实现的顾问式服务目标。

首先，智能投顾的“智能”必须包含核心的人工智能技术。现阶段核心的人工智能技术可以分为两大方面，感知智能与认知智能。感知智能与人的感觉知晓相关，例如视觉、听觉等。

目前来看，视觉方面的人工智能技术主要是图像识别技术，包括虹膜识别、人脸识别、无人驾驶等；听觉方面的人工智能技术主要是语音合成、声纹识别、语音测评等。认知智能与人的语言、理解和逻辑相关，例如学习、推理、思考、规划等。

目前来看，落地的领域主要是游戏、棋艺和自然语言处理等。尤其是自然语言处理NLP，包含语义分析、语用分析、机器翻译、文本匹配、文本分类、对话系统等。也就是说，人工智能技术必须触及人的“眼睛、耳朵、嘴巴”三方面之一。如果金融业中的智能投顾，并不涉及这三方面的技术，则只能说使用的是传统的网络工程技术，因此不能简单称为智能投顾。

其次，智能投顾的“投顾”，必须包含金融中的“投资”和“顾问”两方面的服务内容。投资服务，就是人工智能下的智能投顾机器人能像投资经理和基金经理一样帮助客户，实现事前的风险预算、事中的资产配置、事后的自动调仓、投后监测和市场研判的自动化；顾问服务，就是智能投顾机器人能像银行顾问服务人员一样，为客户实现方案定制、资产诊断、财富规划、咨询陪伴等内容。

如果没有这些功能，只是把产品像超市一样堆积在网络页面和手机软件中，本质只是电子渠道销售而已，离真正的智能投顾相差甚远，有盗名之嫌。

因此，整体而言，要判断一个智能投顾产品的好坏，必须要从理论上的“顾+投+智能”三要素结合出发，同时利用金融行业的特殊性，深刻理解并践行落地。作为一项称得上人工智能方面的科技金融创新，智能投顾必须尽可能为客户实现上述的三要素价值。

由此，也可以推导出，科学的智能投顾判断标准是：既要像投资经理一样为客户在财富管理上做出“靠谱”的财富回报，也要像理财顾问一样为客户表现出人性化“温暖”的沟通和体贴陪伴。

当然，判断一个产品，做成一件事，也可以从人的角度来评价：谁来做，为谁做，谁评价。

当前智能投顾面临着一定的泡沫，不管是各类持牌金融机构，还是非金融机构，不论是注重资产管理的机构，还是注重客户服务的机构，不管是二级金融市场，还是一级金融市场，“智能投顾”业务正轰轰烈烈开战，泥沙俱下。相信人工智能的风口期过去后，市场将迎来更为真实的检验，行业将会更多反思智能投顾的标准、定义、内涵和外延等，反问是否真的给客户创造了价值。