受访嘉宾：通联数据首席科学家蒋龙
采访记者：胡颖君
文字整理：陈晨鑫

记者：当前机器学习不断发展，在投资领域，它是否产生了一定的影响？

蒋龙：投资有两大基本的流派，一个叫基本面投资，一个叫量化投资。基本面更多的是依靠人，基于自己的知识和经验做出投资决策，量化投资主要是利用一些数量化的方法，由程序做出一些决策，不管是基本面还是量化，我认为在未来都会受到机器学习这种方法的影响，比如说在基本面里面，当未来我们面临更多更复杂的数据时候，人的思维能力其实是有限的，需要借助机器学习帮他做一些大数据分析、处理，然后人再做决策。在量化方面同样的，现在量化方法大多是依赖于比较线性的方法去做，像机器学习里面对于非线性模型的研究，以及对于模型推广性能的研究控制等等，都可以对传统量化方法提供很多帮助。

所以我觉得不管是量化还是基本面，未来都可能会受到机器学习的影响。

记者：第二个，咱们所有的投顾平台做用户画像，很多都声称可以做到千人千面，能不能阐述一下千人千面是不是真的可靠？或者说是否能够达到？

蒋龙：因为每个用户其实自身的条件是不一样的，比如说要做财富管理，理财规模是不一样的，自身理财过程中能出现的风险承受度也是不一样的，另外可能因为有一些投资目标，比如说小孩子上大学，或者是养老，投资期限也是不一样的。根据不同的维度，分成很多的细化的群体，再来提供服务我觉得是非常有必要的。千人千面的概念，就数量来讲，大部分群体分成1000个以上的群体是完全可能的，但是现在大家主流的做法可能没有那么多，美国对人群的划分可能就10个左右，像招商银行摩羯智投可能是分成30大类。

虽然每个人都有不同，但是还是有很多是共同点，30类已经能比较好的满足需求了，但是我们如果要做到更细化的需求的时候，是需要千人千面的。比如说现在在做一些智能炒股的顾问服务，观众每个人炒股的特点，比如说市场上有3000的股票，有那么多的行业，每个人有不同的倾向性，这个时候千人千面体现地更彻底一点，基本上每两个人看到的东西都是不一样的。

记者：那你的意思是说千人千面在智能选股这块应用更好一点。

蒋龙：目前来说是这样的，在理财市场可能不一定需要1000种那么多分类。

记者：当前大部分还是人机协同，还是需要一定的团队去思考策略什么的。那关于智能投顾这块，可能大家会觉得智能没有大家想象的那么智能，那你觉得智能的空间有多大？

蒋龙：其实从智能投顾的诞生来讲，可能人工智能并不是真正的触发因素，而是互联网。目前智能投顾很多用的方法和模型都是很早以前都已经发明出来的，所以这里面人工智能的成分比较少，但是以前这样的技术没有办法去服务低净值用户，主要是没有互联网，如果按照传统软件销售的模式，用户可以输入自己的条件，可以生成一个个性化的资产配置方案，但是市场在变化，你的模型需要不断地升级，而你卖出的软件没办法实现这种定时升级。互联网带来的这种低成本触达每个用户的能力，实际上是真正智能投顾诞生的条件，有了这个基础之后，数据积累之后，真正的人工智能威力才可以发挥出来。

比如说现在资产配置主要是用的一些传统的模型，这个模型里面有一个很重要的变量输入，比如说你或者是宏观研究团队，他所研究出来的对于未来的各个资产的预期收益，这个决定真正资产配置的比例，在这个预测方面其实人工智能是可以帮上忙的。比如说人工智能利用一些模型，利用一些宏观的变量，包括市场上人们的情绪、看法来预测各大类资产在未来不同周期的反应，这是有可能的。未来的人工智能会在投顾里面用的越来越广。

记者：不同的智能投顾平台可能含金量不同，现在比如说招行，包括我了解的会给很多B端客户提供服务，那你觉得如何去判断智能投顾水平？

蒋龙：这是一个非常有挑战的问题，智能投顾本质上是帮助用户解决投资的问题，怎么去考核投资的绩效，一直以来就是一个有争论的问题。美国曾经有很多学术的学者去研究怎么样比较客观地评价公募基金，发现其实真正评价准确需要20年的时间，比如说在一年内表现好有可能是运气，如果要考虑评价可能需要较长的时间，看智能投顾给不同用户推荐出来的方案是不是在几年之后，真的帮助用户实现了理财目标，而且这个过程中是不是真的风险承受度等各方面在用户可控的范围内，要从这个角度去考虑。

当然现在比较简单的方法，是回顾智能投顾在历史上的表现，或者智能投顾提供的一些对用户维度的区分，比如说基于投资期限，基于风险度，这些是不是能够满足用户的需求，另外对很多用户很难区分出自己的投资目标是多少，如果能给他一些体验式更好的方案，比如说子女上大学，子女现在几岁了，你准备上什么样类型的大学，我可以给你一个理财方案；或者说你是为了养老，你现在多大的年纪，未来估计你的每月支出是多少，那我给你理财方案，这种比较人性化的场景化的设计，也是大家选择智能投顾很重要的一个标准。

记者：那您能否简单介绍一下，数据给B端的客户做这种智能投顾如何提供？如何帮他搭建智能投顾的系统？

蒋龙：通联数据提供的2B智能投顾解决方案包括两大部分，一个是智能理财，另外一个是智能炒股服务，理财方面刚才我提到，其实做个性化资产配置最难的有两点，第一是要理解用户真正的需求，因为现在很多智能投顾提供方是通过问卷去获取用户的信息，其实是比较粗放的方式。我们研究从用户过去理财记录里面分析用户真正的风险承受度以及投资需求。

第二个问题，对于未来的市场变化有什么预期，比如说海外的市场与利率的水平，我们能够提供一些机器学习资产预测的模型，这样的一些方法也能够帮助智能投顾的运营方能够提出更好地模型，在这个方面我们跟招商银行也有合作。另外一块就是我们提供的智能炒股方面的服务，大家都知道中国的股民是非常活跃的，这些股民真正持牌能够服务他们的人工投顾其实只有几万个，非常少，他们就只能服务特别高净值的用户。普通的投资者能力和知识水平是有限的，是非常需要服务的，我们智能投顾也希望能够解决这样的问题，我们是希望通过刚才理财类似的方案，基于用户过去的一些行为特点、交易情况深度分析用户，或者说像医生一样诊断一个用户，对应的提供各种智能化的服务。

这些服务基本上都是由AI自动提供，所以不太涉及到人工参与，所以成本会非常低，这样使得通过互联网传递用户的成本会很低，用户基本上不用付什么费用，就能享受到比较专业的服务，这是我们目前智能炒股方面的解决方案。我们目前跟长江证券、招商证券等等券商都有这样的合作，包括我们这种能力，通过他们的平台提供给终端用户。

记者：您刚刚说到如何去了解用户，通过用户的交易轨迹获取一个用户数据，这个数据B端客户他们提供给你们吗？

蒋龙：对，实际上是这样的，我们把用户画像这项技术提供给他们，有一套系统，这个系统部署在客户本地环境，这个环境去分析用户的行为数据，比如说你在APP上面，你咨询过什么，你看过哪些新闻，在什么时间点浏览了什么股票，最后有没有买等等这样信息，最后深度知道用户的特点是什么。

记者：刚刚问了很多技术方面的问题，想问一下关于战略方面的问题，你们目前专注于B端，但还没有涉及到C端的用户，是否智能投顾还处于摸索C端入口的阶段？

蒋龙：金融是一个讲究稳重的领域，所以监管也是看得非常重的，对持牌机构而言，开展业务需要合法合规，我们帮助持牌机构提升他们的技能，我觉得这是实现了很好的分工，我们专注于技术，他们专注于业务的运营。2C会面临很多的挑战，我们目前可能还没有这样的打算，但是未来我们相信，因为不管是2B还是2C，最终的目标是希望给普通的投资者带来价值，如果我们发现市场或者说各种监管环境已经具备，我们能够直接去为C端用户提供服务，我们也会去做这样的尝试。这个取决于监管环境，取决于市场氛围，取决于用户投资理念的变化等等很多因素。