金融科技——从区块链到智能投顾

基金经理老鼠仓，说好保本变巨亏，买基金被坑请到【基金曝光台】！信用卡无故遭盗刷，银行存款变保险，理财被骗请猛戳【金融曝光台】！

　　金融科技——从区块链到智能投顾

　　文/ 郭宇航

　　金融科技这个话题最近很火爆，实际上金融与科技的结合并不是这两年才发生的。早在计算机和IT 技术上一轮爆发的时候，科技与金融的结合就为金融的普及和金融机构效率的提升提供了很大的助力。最新的科技都是由金融机构率先使用的，不管是以前的电话、电报，还是后来的传真、ATM 机、网银。我们看到的IT信息技术，在早期使用成本是很高的，而金融机构是率先“吃螃蟹的人”，这种组合天然具备资金优势，使得金融机构在发展过程中一直利用技术抢占了先机。

　　2003 年以后，我们看到很多金融机构被诟病，从伦敦的金融城到美国的华尔街, 大量金融机构被质疑，为什么老百姓在亏钱，但金融机构的分红并不见得有所减少？金融资源和权益分配的不合理引发了从民众到精英包括监管者的深度思考，导致各国政府加强了对金融机构监管，制定从严监管标准，包括“巴塞尔协议Ⅲ”。金融科技的兴起，一方面缘于金融机构面对逐渐强化的监管要求，试图用科技手段降低自身的应付成本；另一方面，以硅谷为代表的一些新兴力量，希望重新构建金融权利架构，这体现了底层民众的呼声，他们认为以往的金融格局和金融资源分配方式必须有所修改，而科技恰恰代表了这种积极进步的力量，能够被民众所接受。

　　区块链的价值和局限

　　另外一个趋势是：从P2P、区块链，到智能投顾，随着计算机硬件和IT 信息成本的降低，进入金融行业的门槛实际上无形中降低了很多，越来越多的人利用逐渐便宜的硬件成本，在家里用一台电脑、一根网线就可以从事金融相关工作。回顾上世纪90 年代，炒股还需去到营业部敲打键盘输入指令，而今天我们在手机上轻点指尖就可以完成下单，使得金融的门槛大大降低，也为普惠金融提供了基本条件。金融科技到底能解决什么问题？不可否认，科技首先解决的是效率问题。关于成本，早期有些科技应用会带来成本的短暂提高，但长远来看，随着应用规模的扩大，边际成本会下降。关于合规，金融科技不仅能够提高监管效率，还可以降低合规成本，这恰恰是很多金融机构关注科技的重要角度。利用了IT 技术，把人工成本降到最低，这也是金融科技的魅力和优势。不同的金融科技是如何帮助我们改变金融世界的传统规律的？以区块链为例，它实际上就是换了一种形式的账本，具有安全性、不可篡改性和交易信息的传递，不仅能完成信息的传递，还能完成价值的传递，在不同的点之间完成资金的划转，而且是可追溯的。但其本身也有局限性，交易延时性、耗电等都是它的问题。

　　希拉里在竞选的过程中不断倡导：区块链将领导新一代的技术革命，呼吁政府为区块链、智能投顾这样的金融科技领域降低监管门槛，来鼓励整个金融科技的发展。但我们也看到了另外一种趋势：传统金融机构面对金融科技发展时心理上的变化，信用违约互换（CDS）之母BlytheMasters 在华尔街地位非常高，但金融危机以后，可能因为某种反思，她毅然离开了摩根大通，加入了一家区块链初创公司DAH（Digital Asset Holding）， 她认为比起在金融机构中去创设一些可能连律师都很难懂的金融衍生品来赚钱，技术的革新对于金融发展的意义更大。

　　点融网投入了不少精力与团队资源来研究相关区块链技术。在信息披露方面，我们运用区块链技术来解决信息的保证问流程管理，希望能够在金融公益捐助方面，通过区块链来保证其透明性和公开可追溯，这些方面我们还在实验阶段。

　　区块链能够被大家所了解，实际也借助了比特币的普及和发展。但事实上我们会发现，金融科技的发展有一个巨大的禁区是不能触碰的。金融科技一直打着普惠金融的名义，在谋求一个合法的地位，而事实上你做到一定阶段，去挑战政府主权的时候，一定会面临不可逆转的阻力，当区块链应用于比特币，在不需要中央政府和央行的情况下发出超越主权的货币，这在很多国家是行不通的，所以比特币并不是技术不行，而是它触碰了最敏感的政治和权力架构。

　　人工智能需要数据

　　在金融科技里面，我认为比较核心的、有很强发展潜力的是人工智能。关于人工智能的观点分为两派：一派认为机器可以学习人的思维方式，最终形成自主意识，超越人脑变为所谓的人工智能；另一派认为机器永远超越不了人，只能在部分重复性工作和部分可复制工作中取代重复劳动，变成人工增强智能。我们不去评论哪种观点是对的，来关注下人工智能在具体应用中是如何发挥作用的。

　　人工智能除了应用于信用风险评估上，在智能投顾方面的应用也非常多、比较超前。所谓智能投顾，实际上需要解决两个问题：第一，智能筛选产品；第二，智能投资决策。

　　中国市场在这两方面存在很大的局限性，从产品上来说，美国等西方发达国家的产品足够丰富，有看涨、看跌的产品，也有ETF 标准化的产品，覆盖面很广，他们有很好的对冲机制，让产品筛选的智能算法有用武之地；但在中国这类金融产品不够丰富，即使有这样的技术，也很难达到智能投顾平衡风险的效果。

　　在投资者的风险偏好上，智能投顾可以通过投资人所提交的问卷信息和数据采集，对何种金融产品符合不同人群的风险偏好来进行分析，但分析研究也要基于充分的数据，而且是愿意提供的数据。我所看到的大量智能投顾产品中，对于投资者数据分析其实远远还没有达到精准程度。现在看起来，大多数推出智能投顾产品的平台，可能只是概念大于实质，我们也在进行这方面的尝试，但离真正的应用还有相当长的距离。

　　所谓巧妇难为无米之炊，人工智能发挥作用的前提还是在于数据。我们运用数据可以在信贷风险、投资决策、个人征信，尤其是小概率事件与算法优化方面发挥作用，但没有数据，任何智能作用都无从发挥。

　　我最近去硅谷与美国金融科技公司沟通，发现他们也在做一些小范围的尝试，试图打破传统金融机构对于信贷风险评估的束缚。以前金融机构只能通过金融属性数据，比如贷款违约情况和信用卡逾期次数等信息来进行信贷评估，简单来讲就是通过过去看未来，预测人在未来的还款能力和还款意愿。现在我们有更多的数据选择可以达到这种效果，我在美国接触到的一位数据专家表示：通过数据分析人的购物习惯和购物品类能否间接反映人的信用水平。例如，一位经常在互联网上买酒和一位经常买书的顾客，哪个人的信用会好一些？大家直接认为买书的人信用相对会好一些，实际上数据确实显示买书的人信用会好一些。那如果是别的产品又是如何？比如经常买披萨和买蛋糕的人群信用度差别又如何？通过有序良好的分类——这种分类即使通过学校的学习也不能精确掌握，更多的是靠一种天赋和直觉——帮你达到可以应用的结果，这当中需要大量的专业人才。

　　在消费端有一些创新的资产类公司我们比较看好，比如美国非常流行的一家公司给那些没有银行卡和征信记录的蓝领工人提供超小额的500 元或者1000 元的贷款，包括基于消费场景的一些风控模式和资产端获取的公司，这些都是我们在看在投的领域。而我更为看好的是在传统金融机构效率极其低下的一些领域，从互联网证券到互联网保险，都有非常好的技术来进行提升和改良。