受訪嘉賓：通聯數據首席科學家蔣龍
採訪記者：胡穎君
文字整理：陳晨鑫
記者：當前機器學習不斷發展，在投資領域，它是否產生了一定的影響？
蔣龍：投資有兩大基本的流派，一個叫基本面投資，一個叫量化投資。基本面更多的是依靠人，基於自己的知識和經驗做出投資決策，量化投資主要是利用一些數量化的方法，由程序做出一些決策，不管是基本面還是量化，我認為在未來都會受到機器學習這種方法的影響，比如說在基本面裡面，當未來我們面臨更多更複雜的數據時候，人的思維能力其實是有限的，需要藉助機器學習幫他做一些大數據分析、處理，然後人再做決策。在量化方面同樣的，現在量化方法大多是依賴於比較線性的方法去做，像機器學習裡面對於非線性模型的研究，以及對於模型推廣性能的研究控制等等，都可以對傳統量化方法提供很多幫助。
所以我覺得不管是量化還是基本面，未來都可能會受到機器學習的影響。
記者：第二個，咱們所有的投顧平臺做用戶畫像，很多都聲稱可以做到千人千面，能不能闡述一下千人千面是不是真的可靠？或者說是否能夠達到？
蔣龍：因為每個用戶其實自身的條件是不一樣的，比如說要做財富管理，理財規模是不一樣的，自身理財過程中能出現的風險承受度也是不一樣的，另外可能因為有一些投資目標，比如說小孩子上大學，或者是養老，投資期限也是不一樣的。根據不同的維度，分成很多的細化的群體，再來提供服務我覺得是非常有必要的。千人千面的概念，就數量來講，大部分群體分成1000個以上的群體是完全可能的，但是現在大家主流的做法可能沒有那麼多，美國對人群的劃分可能就10個左右，像招商銀行摩羯智投可能是分成30大類。
雖然每個人都有不同，但是還是有很多是共同點，30類已經能比較好的滿足需求了，但是我們如果要做到更細化的需求的時候，是需要千人千面的。比如說現在在做一些智能炒股的顧問服務，觀眾每個人炒股的特點，比如說市場上有3000的股票，有那麼多的行業，每個人有不同的傾向性，這個時候千人千面體現地更徹底一點，基本上每兩個人看到的東西都是不一樣的。
記者：那你的意思是說千人千面在智能選股這塊應用更好一點。
蔣龍：目前來說是這樣的，在理財市場可能不一定需要1000種那麼多分類。
記者：當前大部分還是人機協同，還是需要一定的團隊去思考策略什麼的。那關於智能投顧這塊，可能大家會覺得智能沒有大家想像的那麼智能，那你覺得智能的空間有多大？
蔣龍：其實從智能投顧的誕生來講，可能人工智慧並不是真正的觸發因素，而是網際網路。目前智能投顧很多用的方法和模型都是很早以前都已經發明出來的，所以這裡面人工智慧的成分比較少，但是以前這樣的技術沒有辦法去服務低淨值用戶，主要是沒有網際網路，如果按照傳統軟體銷售的模式，用戶可以輸入自己的條件，可以生成一個個性化的資產配置方案，但是市場在變化，你的模型需要不斷地升級，而你賣出的軟體沒辦法實現這種定時升級。網際網路帶來的這種低成本觸達每個用戶的能力，實際上是真正智能投顧誕生的條件，有了這個基礎之後，數據積累之後，真正的人工智慧威力才可以發揮出來。
比如說現在資產配置主要是用的一些傳統的模型，這個模型裡面有一個很重要的變量輸入，比如說你或者是宏觀研究團隊，他所研究出來的對於未來的各個資產的預期收益，這個決定真正資產配置的比例，在這個預測方面其實人工智慧是可以幫上忙的。比如說人工智慧利用一些模型，利用一些宏觀的變量，包括市場上人們的情緒、看法來預測各大類資產在未來不同周期的反應，這是有可能的。未來的人工智慧會在投顧裡面用的越來越廣。
記者：不同的智能投顧平臺可能含金量不同，現在比如說招行，包括我了解的會給很多B端客戶提供服務，那你覺得如何去判斷智能投顧水平？
蔣龍：這是一個非常有挑戰的問題，智能投顧本質上是幫助用戶解決投資的問題，怎麼去考核投資的績效，一直以來就是一個有爭論的問題。美國曾經有很多學術的學者去研究怎麼樣比較客觀地評價公募基金，發現其實真正評價準確需要20年的時間，比如說在一年內表現好有可能是運氣，如果要考慮評價可能需要較長的時間，看智能投顧給不同用戶推薦出來的方案是不是在幾年之後，真的幫助用戶實現了理財目標，而且這個過程中是不是真的風險承受度等各方面在用戶可控的範圍內，要從這個角度去考慮。
當然現在比較簡單的方法，是回顧智能投顧在歷史上的表現，或者智能投顧提供的一些對用戶維度的區分，比如說基於投資期限，基於風險度，這些是不是能夠滿足用戶的需求，另外對很多用戶很難區分出自己的投資目標是多少，如果能給他一些體驗式更好的方案，比如說子女上大學，子女現在幾歲了，你準備上什麼樣類型的大學，我可以給你一個理財方案；或者說你是為了養老，你現在多大的年紀，未來估計你的每月支出是多少，那我給你理財方案，這種比較人性化的場景化的設計，也是大家選擇智能投顧很重要的一個標準。
記者：那您能否簡單介紹一下，數據給B端的客戶做這種智能投顧如何提供？如何幫他搭建智能投顧的系統？
蔣龍：通聯數據提供的2B智能投顧解決方案包括兩大部分，一個是智能理財，另外一個是智能炒股服務，理財方面剛才我提到，其實做個性化資產配置最難的有兩點，第一是要理解用戶真正的需求，因為現在很多智能投顧提供方是通過問捲去獲取用戶的信息，其實是比較粗放的方式。我們研究從用戶過去理財記錄裡面分析用戶真正的風險承受度以及投資需求。
第二個問題，對於未來的市場變化有什麼預期，比如說海外的市場與利率的水平，我們能夠提供一些機器學習資產預測的模型，這樣的一些方法也能夠幫助智能投顧的運營方能夠提出更好地模型，在這個方面我們跟招商銀行也有合作。另外一塊就是我們提供的智能炒股方面的服務，大家都知道中國的股民是非常活躍的，這些股民真正持牌能夠服務他們的人工投顧其實只有幾萬個，非常少，他們就只能服務特別高淨值的用戶。普通的投資者能力和知識水平是有限的，是非常需要服務的，我們智能投顧也希望能夠解決這樣的問題，我們是希望通過剛才理財類似的方案，基於用戶過去的一些行為特點、交易情況深度分析用戶，或者說像醫生一樣診斷一個用戶，對應的提供各種智能化的服務。
這些服務基本上都是由AI自動提供，所以不太涉及到人工參與，所以成本會非常低，這樣使得通過網際網路傳遞用戶的成本會很低，用戶基本上不用付什麼費用，就能享受到比較專業的服務，這是我們目前智能炒股方面的解決方案。我們目前跟長江證券、招商證券等等券商都有這樣的合作，包括我們這種能力，通過他們的平臺提供給終端用戶。
記者：您剛剛說到如何去了解用戶，通過用戶的交易軌跡獲取一個用戶數據，這個數據B端客戶他們提供給你們嗎？
蔣龍：對，實際上是這樣的，我們把用戶畫像這項技術提供給他們，有一套系統，這個系統部署在客戶本地環境，這個環境去分析用戶的行為數據，比如說你在APP上面，你諮詢過什麼，你看過哪些新聞，在什麼時間點瀏覽了什麼股票，最後有沒有買等等這樣信息，最後深度知道用戶的特點是什麼。
記者：剛剛問了很多技術方面的問題，想問一下關於戰略方面的問題，你們目前專注於B端，但還沒有涉及到C端的用戶，是否智能投顧還處於摸索C端入口的階段？
蔣龍：金融是一個講究穩重的領域，所以監管也是看得非常重的，對持牌機構而言，開展業務需要合法合規，我們幫助持牌機構提升他們的技能，我覺得這是實現了很好的分工，我們專注於技術，他們專注於業務的運營。2C會面臨很多的挑戰，我們目前可能還沒有這樣的打算，但是未來我們相信，因為不管是2B還是2C，最終的目標是希望給普通的投資者帶來價值，如果我們發現市場或者說各種監管環境已經具備，我們能夠直接去為C端用戶提供服務，我們也會去做這樣的嘗試。這個取決於監管環境，取決於市場氛圍，取決於用戶投資理念的變化等等很多因素。