人工智能和金融的结合目前有多个领域：用人工智能进行量化交易；辅助生成报告、投资意向书；做语义搜索，用于行业研究；以及智能投资顾问、区块链、消费信贷等领域。随着国内经济持续发展，居民财富快速增长，财富管理市场的资产管理规模不断扩大，居民的风险投资和资产配置需求愈加旺盛。Fintech子领域智能投顾（robo-advisors）也因此吸引了行业和用户越来越多的关注。
而作为传统金融机构，招商银行也瞄准线上财富管理的风口，成为第一家推出智能投顾服务——“摩羯智投”的商业银行。国内外智能投顾服务因为市场体制不一，而相差甚远，那在国内，招商银行如何做智能投顾？有何经验可以作为业内借鉴？
完善的算法模型体系为技术基础
利用人工智能进行量化投资必然少不了海量的数据，招商银行摩羯智投项目负责人表示，这里面的数据，分为结构化和非结构化两层。而竞争的核心，便是其中的非结构化数据。这部分数据包括基金公司的治理结构、激励考核、基金经理最近工作的精神状况、风格漂移等。
非结构化数据，需要经过大量的收集、整理、提炼和描述工作。但最重要的是，这些数据组合的逻辑是什么？里面的比例是多少？动态结构调整怎么做？如何判断一支基金是不是一支好基金？组合完成后如何实行监控？
据介绍，为了做结构化和非结构化的数据，招商银行的摩羯智投从大类资产配置、底层基金筛选、风险预警三个层次构建了蒙特卡洛模拟有效前沿模型 、行为动量基金分析决策树 、多象限风险预警矩阵模型体系，在传统金融模型基础上加入了人工智能和机器学习算法进行优化，并融入了十余年专业基金研究经验：
大类资产配置使用的是蒙特卡洛模拟有效模型，这是对最经典的大类资产配置模型，基于马克维茨现代投资组合理论而进行的机器学习算法的改造。
蒙特卡洛算法（Monte Carlo）一般是指，利用随机抽样的方法，获得一些随机系统的统计量或者参数。在金融领域的应用中，可以通过Monte Carlo来模拟多条标的资产的价格走势，求出估计资产价格的模拟值。
在这个步骤中，结合对客户风险等级的评价，摩羯智投则是按“流动性”和“最大回撤”双维度，切分了几十种不同的“风险-投资期限”目标。相较于目前市场单一切分“保守、稳健、积极”3种目标或者货架式的“标准化组合产品”不同，摩羯智投通过一整套专业的资产配置流程，实现了更精细化的客户投资需求分析及目标设定，辅助客户进行风险投资，并协助投资人防范单一资产的波动风险。
二是关于基金的非结构化模型，称为行为动量基金分析决策树模型。行为动量决策树，简单来说就是一个if else的分支树，是在优化过程中把以前梯度也考虑到此次的变量更新。
第三个模型，解决的是基金组合产生出来后怎样做售中售后关注，这是多象限风险预警矩阵。这个场景中，运用了监督和无监督的学习等。多象限预警矩阵主要是解决预判大范围极端事件发生的可能性，然后依据在这个可能性对之前构建的组合进行微调。
预警矩阵中从基本面到技术面的系列算法模型，包含多个测量维度，负责抓取投资者情绪指数和舆情等非结构化数据。
正是这样多个维度的算法模型，构筑起摩羯智投的技术核心。
人机结合，实现双智能引擎
目前来说，“直接使用机器学习算法直接进行投资决策，现在还不成熟，因此，摩羯智投中，机器学习算法是在整个投资模型框架中局部使用。”招商银行对雷锋网表示，其实所谓的人工智能、智能化也好，数据模型的应用上也好，最关键的能力不是数学模型的能力，最关键的能力是——积累下来的业务经验抓住关键参数是什么，以及哪些参数会对这些事情的结果产生显著性的影响。因此，人对于金融的理解在量化投资中的作用的不可或缺的。
除了对市场、基金挑选的分析，人机结合的优势之一还体现在对客户的画像分析上。目前市面上的智能投顾在做风险评测时，都会给用户进行一个风险评测，但大部分都只流于“年收入”、“可投资资金”、“年龄”、“在职情况”等，这些问题或长或短，雷同也很严重，所以很难给每个用户提供个性化的服务。
对于摩羯智投来说，除了上述“客观”问题——而且还不一定准确，因为用户对于这些隐私调查的问题也许会有所隐瞒，还进一步将风险属性进行区分，包括：风险偏好，即客户主观的自我认知，如最大能接受多大的比例的亏损；二是风险承受能力，即对客户的相关客观评估，如AUM、年收入、职业等。
因此，在这些方面中，都是基于多年来在市场中的摸爬打滚的实践中积累起来的认识，再把人的认识融合到机器研制量化智能投顾当中。
招商银行表示：“这件事情很像Google为和特斯拉做无人驾驶的两条路线，Google完全是无人驾驶，而特斯拉是辅助驾驶人和机器混合，这种辅助驾驶的应用，在中国的现阶段以及人工智能发展的阶段，这件事情是唯一可行的一条路。”
完善售后服务体系，实现一键优化
完善的售后服务体系指什么？前文提出，摩羯智投三大模型体系，贯穿量化投资中的客户风险分析、资产组合配置，以及投资后监控。所谓投资后监控，则是量化投资中重要一环，其决定了资产应该如何根据投资市场的动态情况进行调仓，适时高卖低买，实现最大化收益。在摩羯智投的模型体系下，客户投资过程中可以在有需要时实现“一键优化持仓”。这样的服务体现在：
高频的最优比例计算——每日扫描全市场的数据，及时发现每个机会与风险。据雷锋网了解，目前市场的组合最优推荐比例，基本都是按“季频”或“月频”计算，而摩羯智投则是每日根据境内外资本市场海量数据，从而进行上百万次的模拟测算，才计算出最新的最优组合推荐比例。
高精度组合持仓检视——组合检视是指根据客户的最近组合的持仓比例与最新的最优组合推荐比例之间的对比，当某类资产偏离超过一定阈值时则需要警示，摩羯智投由于实现了每日进行最优推荐比例的精算，故可以支持每日进行组合检视，并最及时的发布预警提示。
更精细的投资目标分仓呈现——根据客户不同风险特性选择实现投资组合的自动归类，将其多投资目标打理整齐。据悉，目前市场上的组合购买均为打包购买的入口，如果客户购买多个不同风险收益特征的组合时，各组合的产品会集合在一个汇总的组合账户下，无法区分较为混乱，而摩羯智投则是根据不同风险收益特征的组合分仓呈现，不但让客户清晰区分，也是为日后的一键优化提供了重要的实现前提。
投资的一键优化——投资的一键优化是指根据最新最优推荐比例和客户组合持仓组合比例进行对比，当偏离度超过阈值时，则需赎回超出比例的基金，然后用于购买不足部分的基金，协助客户的持仓不偏离其投资目标。该过程原本需要经过纷繁的比例计算以及赎回后等待购买等多个环节的操作，而目前只需要客户一个按键则完成全部相关操作。可见，必须要有前面3点的基础才有可能实现“一键优化”的功能。
除了这个一键优化的服务体系，摩羯智投还每月向客户报告组合的运行情况，不定期地对市场异动进行解读及应对策略剖析，提升用户体验。
人机结合，融合线上线下服务
起人工智能，人们便想起“人工智能威胁论”，招商银行多年来积累了庞大的线下网络和客户经理队伍，他们会成为被取代的对象吗？
招商银行对此表示否定，“我们传统整体的服务能力，要和线上服务能力入口打造好，加强线上线下、线上客人和线下客户经理之间服务的融合。”
对于金融机构来说，现在的问题是客户经理经常因为客户的太多而忙不过来，摩羯智投、智能投顾的出现要解决的是效率问题，而不止是专业性问题。就招商银行来说，其目前属于客户太多而足够好的客户经理培养周期较长的阶段。“坦率讲，我们自身内部评价是，这两年服务质量应该可以更好，尤其是金葵花客户的服务质量，我们希望有更高的提升。”现阶段，机构的困境在于，客户增长的速度远大于客户经理增长的速度。
“所以，在这个调整过程中，我们要做两点：第一，我们要分流一部分客户经理的工作量；第二，摩羯智投会帮助客户经理做更好的客户服务，提高服务水平。”这是线上线下融合的原因。
线上客人和线下客户经理融合的概念是什么？摩羯智投应用的具体情境中，是在网点当客户有更复杂的资产配置需求时，招商银行业内训练了数十年的理财经理、财富顾问和投资顾问队伍，在线下还会为客户提供专业的定制化服务。或者当有客人进入招商银行APP5.0时，他可以看到服务自己的客户经理是谁，直接点按钮就可以和客户经理取得沟通和联系。客户经理反过来也可以主动推送一些资讯和服务给客人。这样一来，客户经理在线下的各个网点中也可以通过线上服务覆盖更广大客户群体。
践行普惠金融，人人都可以享受专业的服务
延续上一个概念展开，即是大家所说的借助科技的手段推进普惠金融的实现。摩羯智投的起投点为2万元，而给予每个客户的服务都是基于完善模型体系及后端庞大智能团的专业服务。在传统投资理财服务中，专业基金经理由于精力有限，通常只能为百万级以上一类高净值客户服务，而低净值客户的风险投资需求都靠自己盲打莽撞。
“从接触过的大客户和小客户中，我曾经做过一个统计，小客户赔钱的概率高达70%至80%，这是非常残酷的现实，”理财魔方金融顾问马永谙曾对雷锋网表示，“在不齐全的信息支撑下做出错误的决策，这在小客户当中是比较普遍的问题。”
因此，能够把面向大客户提供的贴身投资顾问服务，也提供给小客户，来解决理财中的阶级差距和最大的不公正——人人都有权利参与理财，除了智能投顾别无他途。
招商银行作为作为国内最强大的公募和私募基金销售机构，理财管理规模2.3万亿，通过摩羯智投，其中的智囊团服务，将能普及给更多的人群。
智能投顾发源自美国，本质是帮助客户进行风险投资的辅助工具，并通过完善的资产配置服务，协助投资人防范单一资产的波动风险，然而，随着去年以来行业财富管理行业竞争的加剧，在国内各式打着“智能投顾”旗号的机构鱼龙混杂，其概念不乏被用于个股搭配、基金代销、信托资管、甚至P2P平台非标资产的推荐上，成为了机构的销售工具和噱头；而某些互联网金融公司则为了抢占更大的场景，向其中注入更多消费金融、社交、电商的因素。然而，这些只会让客户的财富管理越来越脱离金融的本质。
面对智能投顾，真正拥有资产配置能力、算法和模型体系、海量非结构化数据的商业银行，显得尤为谨慎和克制——直至招商银行破冰，“零售之王”重磅出击，为智能投顾正名。
