张家林：人工智能投顾在监管层面面临很多挑战

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】！

图为北京资配易投资顾问有限公司董事长张家林

　　新浪财经讯 5月19日消息，由中国金融四十人论坛主办的“首届金家岭财富管理论坛”今日在青岛开幕。北京资配易投资顾问有限公司董事长张家林在论坛上表示，人工智能投顾在监管层面面临很多的挑战。

　　以下为嘉宾发言实录：

　　张家林：两年前也是在青岛这个论坛，我们第一次在讨论人工智能投顾，这个时候是初探阶段，两年之后也做了大量的实践，今天也和大家分享一下，明确感觉到现在的气侯不一样了，将来智能投资发挥得作用是什么。

　　其实不管怎么样，用机器还是用人，作为投资顾问来讲还要考虑的还是三个关键问题，一个就是你一定要知道将来到底要服务多少客户，你是服务一个还是一万个，还是一百万个，还是一千万个，这就意味着你的投资策略的数量问题，你有没有这么大的能力生产足够多的策略和数量这是一个问题。

　　第二，质量，服务客户的品质怎么样，你能够让客户满意的收益率或者是风险的偏好，决定了投资策略的质量问题。

　　第三，品配，你能不能把对应的策略和客户精准的进行匹配。

　　把这三个问题考虑了之后用三个答案形成投资顾问发展的演变。其实像在线投顾、机器人投顾在策略的生产数量和质量方面其实是有限的，背后的原因就是因为有人工投顾的参与，特别是机器人投顾背后还是有人工的参与，有人工的参与必然限制策略的生产数量，所以最后2015年演变出来人工智能投顾，这是在全新的改变投资策略的生产方式，这种生产的方式来提供投资顾问服务，这种演变过程就是人力在减少，机器智能在提高，其实未来的证券市场投资人的分布很可能大量的普通投资人用上工具，我始终认为人工智能投顾是一个工具，不能帮你挣工资，但是可以帮你做理财，做投资也是可以的。

　　但是最起码你要初始给一些钱，初始的本金是人给的，将来的资本市场分布情况很可能大量的普通投资人用人工智能作为工具来匹配风险和收益，在这里面的挑战人工投顾不能像阿尔法狗一样打败专业投资人，这不太可能，也没有必要，未来人工智能投顾的发展实现自己的能力、边界、收益、风险可以匹配客户的需求就可以了，在线投顾确实能够极大的拓展我们当时人工投顾所面临的局限，就是服务客户的数量。

　　而人工智能投顾同时策略的生产能力是非常海量、巨量的，将来某一些公司用人工智能的系统做投资，策略上亿的可能性是有的，在线投顾是无法实现的，最多的策略数量是10个五次方，极大的限制了服务客户的数量，机器人投顾和在线投顾的结构是量化模型的，这样质量、品质提高的速度和人工智能比起来差的很远，所以超过人工投顾的水平的可能性就小，将来人工智能投顾的工作内容实际上现在有不同的公司有不同的定义，这是我们自己根据美国的定义标准定义的，这套人工智能系统能做什么？非常简单，输入给它KYC，了解客户的数据，可以完成七项工作，适当性分析、资产配置、交易执行、风险管理、投后调整和投后分析，最后让客户满意。

　　输入给他们KYC，输出的是SYC的功能，这是一个系统。

　　这样的系统是建立在一个人工智能的基础结构上，因为人工智能本身有一套工程化的系统，这个模型一直以来有一些经典的教科书来定义的，目前主要的人工智能系统在工程化的实践当中就采用类似的结构，可以自主的感知外部的环境和数据，作出决策，然后同时效益最大化，这个系统每一家公司有不同的实践经验，我们讨论这个问题是采用这样的架构。

　　实现的时候是有显著的差异的，主要分成三大块，首先是一个云计算架构，因为人工智能计算数据量非常大，阿尔法狗用了2万台服务器，前一段时间打德州扑克的机器人也很厉害，大概也相当于几万台普通服务器的节点，人工智能在云计算这块必须在云计算上实现的，像服务器基础的级别就是上千台服务器的计算量，之后就产生策略或者是学习，结果还要形成一个加密的算法，到交易或者是证券公司的交易平台或者是银行的后台生成交易的指令，最后有一个客户端，这是目前的一个标准的智能投顾的结构，区别于量化的东西。

　　这样的体系结构带来很多的问题，也就是刚才我说的今天主要说明的就是商业模式和监管，过去两年一直在说理论和一些技术方面的事，接下来人工智能真正要落地，能够有很多的用户用上，核心的问题就是商业模式和监管，这是一个目前能实现的系统结构。

　　量化交易的SIAI区别，大量的智能投顾，其实本质上还是量化交易，量化交易的核心和人工智能的核心差异在什么地方？我觉得总结几点，很简单的说量化模型是对历史上某一些东西的重复，这种重复其实本身并不能够增加新的认知，相当于一个设计好的装配固定车型的机器人一样，它只会装配奥迪A4车型，如果换成BMW就不会装了，对于人工智能我们设计的时候，实际上不是让它简单的重复历史上的某一个东西，而是给他一些规则，让他在这种简单的规则上面自己学习各种各样的模型，也就是自己在增加自己的认知能力，通俗的说用人工智能装配机器，你刚才给A4，现在给宝马X5，学习一下也可以装，这就是人工智能和量化交易主要的区别。

　　这个区别会导致很多的问题，这是一个我们用SIAI的表现，2015年没有很多学习的能力，当然有很多时间很滞后，没有表现出很大的差异化的东西，但是经过一年的表现，发现它在调整了，而且大量的时间是没有策略的，下面的红线是没有策略的，最近的三周时间，我们的SIAI没有策略，在过去的一年多时间我们人没有做太多的事情，只是买了一些服务器，它自己在学习，通过这样的数据观察，上面蓝线就是机器学习的结果，也就是策略的质量，相当于在独立的学习一些东西，目前可以从技术上证明将来的机器可以有潜力超出大量投资人的水平，当然我没有经过大规模的验证。

　　商业模式很关键，做人工智能因为现在机构本身有自己研发的团队，同时也有很多的初创公司、科技公司开发系统，就面临一个问题，fintech公司和大家怎么合作的问题？国外有这种案例，fintech公司提供服务给持牌金融机构，但是投资顾问行业有一些问题，这里面主要的问题就是投资顾问行业面临的是受托责任的问题，用监管的文件明确了投资顾问不管是机器还是人，一定要是定义了责任是什么，是受托责任，这个面临一个很重要的问题，面临穿透原则的问题，持牌机构通过程序给客户一个投资策略，如果出现问题，监管部门要穿透的，你不能说科技公司只提供算法，没有责任，不是这样的，这就面临人工智能投顾实施方案的问题，这是我们当前正在讨论和实践的方案。

　　这里面有几个边界，一个是fintech公司的责任是什么？义务是什么？最基本的不能让服务器断电，智能投顾要求信息披露，保证监管理念，要求对算法、数据不要做一些披露，这样其实金融科技公司和金融持牌机构要说的很清楚才可以，还有就是投资顾问责任边界，这是传统的包括7.1日开始实行的投资顾问办法约定了很多的边界，这块是比较清晰的，对投资顾问责任边界，投资顾问提供什么样的信息披露等等，都有明确的政策指引。

　　但是现在还有一个比较新兴的领域，就是监管科技，因为其实现在的投资策略以前都是人工方式生产的，以前的监管可以做现场检查，包括现场谈话沟通，以后像这种策略的生产包括研究都是在机器里面，去现场看到什么？不能打开机器看CPU，这没有意义，现在演变成一种新的技术，用监管科技来监管这些东西。

　　监管科技的责任边界线在哪？在云计算里面，你的策略生产或者是服务提供的系统，无论是程序化系统还是人工智能系统，必须有一套能够满足监管要求的一些东西，这个就是目前新兴的美国、中国在研究这方面的东西，怎么用一些监管的技术能监管区别于以前传统的方式的方法。

　　具体来讲，监管科技现在在人工智能投顾的监管的核心理念，我要对云计算里面有很多的程序，我要对这些程序产生的输入是什么？要明确。然后输出也要情况。然后输出因为会形成一些投资的策略会对市场产生一些影响，这样按照监管的两大理念，就是微观审慎和宏观审慎，要把这种标准写在监管的里面去，然后来动态的监控行为，这在讨论过程当中，目前形成一些简单的成果，但是没有实际的应用，因为现在监管部门也是希望科技公司提出一些要求，一句话，怎么监管？不能给我一个黑箱子，一定要给我一个相对透明的数据。

　　现在有一些方法，基于这样的判断，对智能投顾的核心体系就形成了，现在智能投顾不仅仅是告诉客户你挣了多少钱，还要满足监管要求，我们过去一年多时间里，差不多70%都在修改系统，满足监管要求，而监管要求现在来讲也没有特别细的规则和指引，这样其实我们也是从一个简单的思路，监管部门关心什么？第一就是系统性风险，第二就是微观行为指标，你能不能在系统里面设一些小的东西然后去操作市场？你怎么让监管行为了解或者是知道你没有这些行为？你就要通过一些设计指标或者是设计的一些参数来约束输出，没有这样的行为就可以。反向的来看，为了消除这些系统性风险和指标，我们怎么能够避免大规模的协同交易，这就要进行参数的设定，让每个投资策略给客户的时候，确实在同一时间段观察它，确实没有协同交易行为就可以。当然也包括微观上的相似度等等，这些很细化的指标用上去之后，对智能投顾的清晰度就高了，这样在市场推广就比较容易一些。

　　这个指标只是我们自己提的一个方案，并没有官方的采纳，只代表个人意见。

　　对金融科技的监管现在已经是比较清晰的，刚刚刘总说的职能投资领域方向还是值得大力发展的，而且监管部门也是比较支持这样的东西，为什么呢？因为过去的监管理念就是保护重要投资者，这个政策已经出了很多，实际上技术层面怎么保护重要投资者？其实没有太多的工具也没有太多的落实地方，所以从A股市场的实践来看几乎三四年一个周期就把很多的散户洗白了，但是智能投顾提供了基础解决方案，可以消除很多的不良的行为或者是不适当的行为，这个目的可以达到，从这个角度来讲，从监管来讲还是想支持这块的发展和探索。

　　从美国来讲还是很欢迎智能投顾可以显著的降低客户进入市场的门坎，这不光是费用问题，也不光是一个资金的问题，主要降低投资者的支持问题，因为投资者教育做的不够深、不够好就不行，如果有智能投顾给他们可以降低入围的门坎。

　　总体看，将来智能投顾监管的框架，从思想来讲核心就是两者，第一就是明确智能投顾是受托责任，必须要说清楚核心的东西要披露出去。第二就是保护投资者，里面关键的就是数据安全，要保护足够的数据安全性，所以我们在架构投顾的时候可以看到，将来的券商相当于以前的云计算，在金融行业是不允许分享的，金融行业一家公司用自己的专有云，所以从这个角度的目的主要是保护数据安全性。

　　还有监管科技，实际上现在比较热门的讨论就是是不是能够在咱们的证券投资体系建立分类的帐户体系？就和咱们银行开户分一类二类三类，这实际上看的帐户也没有办法识别，交易所的帐户体系不明白是人工下单还是程序化交易下单还是智能投顾下单所以也没有办法监管，所以将来可以考虑用分类的证券帐户，假设证券帐户用智能投顾，向交易所打报告，说是用的机器算法服务，这样的好处就是监管部门可以根据帐户来统一的监管行为、数据，会不会导致一些风险，这就好处理了，这里面好处让智能投顾的备案完成了，因为我用了某个公司或者是某个系统的智能投顾，在监管的整个框架下知道大概多少用户用了什么样的系统在做交易，就避免之前包括量化交易出现的大的风险。

　　最后，智能投顾本身也向监管部门提出要求，能不能嵌入一些内嵌报告，我自己向监管部门发出一些监管部门提交的报告，而且是自动化的提供，这样监管部门也可以看到更多的行为的东西，这就是监管科技应用在智能投顾方面可能的方面。

　　所以整体来讲，现在的智能投顾的体系将来一定是分类帐户体系，实际上监管的部门应该知道整个市场上到底有多少人用的是手工的普通帐户，有多少人用的是智能投顾的帐户，这样便于之后的数据分析，同时也能知道比如说有100万人用A公司提供的系统，还有100万人用B公司提供的系统，可以建立很多的分析和监管的算法来了解是不是产生刚才说的一些系统性风险或者是一些微观行为的事情，这就比较清晰了，所以我们现在一直在说将来证券帐户应该学习银行的帐户可以分类，而不是一视同仁。

　　这是我们的一个思考，整体来讲，人工智能投顾接下来可能是在监管层面还是有很多的挑战，在技术层面当然随着时间的积累还是有很多的进展，但是监管方面的要求是更高的，一定有一个监管科技匹配以后，我相信人工智能投顾才可以打开非常大的市场，谢谢。