zoukankan      html  css  js  c++  java
  • 智能投顾行业深度报告:技术为镐,蓝海掘金

    http://www.sohu.com/a/333010964_99900352

    技术为镐,掘金投顾服务巨大长尾市场。智能投顾相比于传统投顾核心区别在于对AI、大数据等技术的应用,通过技术应用极大降低投顾服务门槛,有助于挖掘长尾市场。智能投顾产品的关键在于数据、模型和算法,数据是基础,模型决定配置比例,算法决定投资方法。智能投顾虽然在国内起步较晚,但是发展速度惊人,预计到2022年,中国的智能投顾管理资产总额将超6600亿美元,用户数量超过1亿,行业空间巨大

    他山之石,美国智能投顾市场日趋成熟。美国智能投顾发展时间已有十年,管理的资产在2019年达到7497.03亿美元。美国智能投顾发展至今的特色是已经建立完善的行业监管体系,格局相对明晰。竞争格局演变如下,首先以Betterment、Wealthfront为代表的新兴公司,凭借技术、差异化及开放合作发展迅速,成长为美国目前第三第四大的智能投顾公司,此后,以先锋基金、嘉信理财为代表的传统金融机构,凭借客户、产品等优势后来居上,分别位居美国第一和第二大智能投顾公司。

    三足鼎立,中国智能投顾市场加速崛起。国内智能投顾产业趋势体现为互联网平台性与金融专业性融合,人工的定制服务与机器自动化服务相融合,满足不同群体对智能投顾的需求。当前国内行业格局体现为三足鼎立,优势各异:传统金融机构:以摩羯智投为代表,具有强大的客户和产品资源优势;互联网公司:以蚂蚁财富为代表,具有强大的流量和技术赋能优势;金融IT公司:以同花顺、恒生电子为代表,具有技术和业务理解双重优势。我们看好金融IT公司在智能投顾行业发展阶段迎来的新机遇。

    投资建议:智能投顾发展迅速,市场空间巨大,看好兼具客户流量和技术优势的金融IT公司。重点关注:恒生电子、同花顺、东方财富、顶点软件。

    ‍‍报告正文

    1.技术为镐,掘金投顾服务巨大长尾市场

    1.1 投顾服务颠覆者,技术基因奠定后发优势

    智能投顾是传统投顾和人工智能、大数据等技术结合孕育的产物。传统投资顾问是以投资顾问的专业素养和从业经验为基础,结合投资者的资产状况、风险偏好、预期收益等,为投资者提供专业的投资建议。智能投顾将人工智能等技术引入投资顾问领域,运用智能算法以及组合投资后的自动化管理技术,帮助用户实现主、被动投资策略相结合的定制化投顾服务,能够提升投顾效率,推动投顾行业智能升级。

    智能投顾最早起源于美国,发展历程大致可分为三个阶段。

    在线投顾阶段:20世纪90年代末期,可供投资者选择应用的投资分析工具的技术水平和规模开始扩大。2005年,FINRA 颁布 NASD IM2210-6 Requirements for the Use of Investment Analysis Tools 规章,允许证券自营商将投资分析工具(investment analysis tools)直接让投资者使用,投资者可以利用投资分析工具进行不同投资策略的投资收益分析,对收益和风险有更好的把控。此后,在线资产管理服务规模迅速增长,更多长尾客户在此阶段受益。此阶段的特点主要是机器智能应用比较有限,主要应用领域是投资组合分析。

    机器人投顾阶段:2008年~2015年期间,大量新兴科技企业开始为客户直接提供各类基于机器学习的 “数字化投顾工具”,机器人投顾商业模式开始发展。这些公司开发的面向客户的投顾工具提供的功能之前只被金融从业者应用,目前已经广泛被客户所直接应用。在这个阶段的很多实际应用案例中,证券公司对他们的“数字化投顾工具”提供的投资策略负责。

    人工智能投顾阶段:2015年至今,以大数据为基础的深度学习被广泛应用,人工智能技术取得突破型进展。智能投顾服务商和科技企业开始尝试开发能够完全消除人类参与投资管理价值链的人工智能系统。目前包括国外的Bridge Water、Wealthfront,国内的弥财等都已经实现了这样的系统开发和商业化运营。通常采用“人工智能+云计算”体系结构的服务商,在计算设备和软件开发方面投资巨大(少则1-2亿,多则几十亿),能够同时服务千万、亿级别的海量用户。

    • 智能投顾的服务流程

    美国金融业监管局(FINRA)指出,智能投顾提供的服务应该包括下列投资管理价值链中的一项或多项:客户分析、大类资产配置、投资组合选择、交易执行、投资组合再平衡、税收规划以及投资组合分析。其中投资组合分析仅面向专业用户。

    客户分析:客户分析是提供符合个人情况的精准投资建议的前提。目前,主流的智能投顾平台在进行客户分析和画像时,基本均采用调查问卷和询问打分形式。

    大类资产配置:根据现代资产组合理论,在确定性收益情况下是存在最优投资的。大多数智能投顾服务都利用此原理建立了分散的投资组合。并且依据其不同的商业模式做了优化。

    投资组合选择:主要有两种类型,一种是由风险等级选择不同的投资组合,而另外一种是根据投资风格选择不同的投资组合。

    交易执行:大多数智能投顾基本都是利用自有的券商或合作券商提供顺畅的交易执行服务。

    投资组合再平衡:组合再平衡主要是指随着市值的变化,如果资产投资配置偏离目标资产配置过大,投资组合再平衡可以实施动态资产配置向静态资产配置的重新调整。

    税收规划:是美国智能投顾平台特色,产品自动提供税收亏损收割节税功能。具体操作是卖出投资者亏损的资产,抵免一部分资本利得税,同时买入其他类似资产,从而达到合理节税和增加客户净收益的目的。

    投资组合分析:投资组合分析主要是智能投顾为客户提供的投资分析,一般包括:业绩展示,业绩归因,风险因子分析,组合描述性统计分析,回测和模拟等。

    • 智能投顾的核心优势

    智能投顾的核心优势在于通过技术的引入,极大降低人力成本,从而降低客户获取投顾服务的门槛和费用,有助于推动普惠金融发展。传统投顾服务的费用昂贵,主要客户为高净值人群。而智能投顾引入了人工智能和大数据等技术,可以快速处理海量信息,根据客户填写问卷反馈的信息进行风险偏好判别,通过算法模型为投资者提供资产配置建议,极大节约了专业投顾的人力成本,降低了客户获取投顾服务的门槛和费用,具有低门槛、低费用、投资广、易操作、透明度高和个性化定制六大优势,充分挖潜投顾行业长尾市场。

    低门槛:传统的专业投资顾问的门槛在百万元以上,而私人银行理财起点多为600万元以上,部分私人银行甚至将门槛设定到1000万元,主要针对高净值客户。智能投顾平台对客户的最低投资金额要求普遍很低,最低要求普遍在1万元-10万元左右,这一设定扩大了投顾服务覆盖半径,能够覆盖大部分中产及以下长尾人群,使得C端客户的数量指数级增长。

    低费用:传统投资顾问由专业人士担任,人力成本高,管理费普遍高于1%,且边际成本下降不明显。但是基于计算机算法辅助的智能投顾,管理费普遍在0.25-0.5%之间,边际成本随着客户的增多而下降,边际效应明显。

    投资广:智能投顾平台往往通过与第三方ETF基金公司或国外金融机构合作的方式,为用户提供全球范围内的投资组合,若涉及到税率问题还可自动选择最佳方案。例如Wealthfront涉及多达11项资产类别,包括美股、海外股票、债券、自然资源、房产等,投资组合的载体为指数基金ETF。智能投顾的投资决策和投资组合管理由人工智能平台完成,可同时对多个投资标的进行投资管理,产品投资范围广,分散度高。

    易操作:智能投顾的服务流程较为简便。全流程均可以在互联网上实现,相对标准和固定,大幅简化用户操作过程,投资者只需要在平台上回答相应的投资调查问卷,智能投顾系统便可以评估出投资者的风险偏好水平、确定理财方案,自动生成相应的投资配置组合。整个流程下来所花的时间仅需几分钟,达到高效、精准匹配用户资产管理目标。

    透明度高:传统投资顾问服务的信息披露晦涩,存在金融产品供应商与客户需求不匹配的问题,而智能投顾对投资理念、金融产品选择范围、收取费用等披露充分,且客户随时随地可查看投资信息,具备较强的专业性和客观性。智能投顾严格执行程序或模型给出的资产配置建议,采取自动化策略为客户提供资产组合服务,不会为了业绩而误导客户操作而获得更高的佣金收入,相对传统投顾而言,减少了道德风险,更加客观公正。

    个性化定制:基于多元的理财目标提供丰富的定制化场景。智能投顾在用户主动提供或测评得到风险偏好及投资期限之后,为其个性化定制最佳投资组合,并且将详细方案清晰呈现。

    1.2 智能投顾的三大支点:数据、算法和模型

    目前,数据、算法和模型是智能投顾的三大支点。其中数据是智能投顾产品的基础,算法和模型是核心竞争力所在。智能投顾以客户画像为起点,需要用户的风险偏好、收益目标和财务数据,投资组合再平衡也需要以实时数据为基础,动态调整资产配置。并且,海量有效的金融数据是机器学习的依据,没有数据就没有人工智能,也就没有智能投顾。

    算法、模型是智能投顾核心组成部分,算法决定了投资分析方法,模型决定了资产配置比例。现阶段智能投顾更多的是解决效率问题,利用算法来寻找最优调仓方式,提升效率。在智能投顾领域,结合自身优势,提供差异化产品,模型算法的优化非常重要。

    • 智能投顾的数据分析和量化策略运作模式

    在智能数据分析方面,智能投顾有两种运作模式:一类是侧重信息的输入端,利用机器的优势收集并处理海量数据,从海量噪音信息中快速且准确的找到有价值的信息,提高信息筛选效率;另一类是侧重信息的输出端,运用机器学习、自然语言处理和知识图谱等人工智能技术分析宏观经济、公司业绩、网络舆情等数据,判断信息与市场之间的关联性,进而输出投资决策建议。

    在量化策略方面,智能投顾提供全流程管理,承担咨询建议及资产管理的角色,相比于传统量化策略,更加强调应用机器学习、知识图谱等人工智能技术。

    1.3 国外盈利模式一枝独秀,国内百花初放

    我国智能投顾起步相对较晚,大多数机构在2015-2016年期间推出智能投顾产品。入场虽迟,但发展速度惊人。据Statista估算,2017年我国的智能投顾管理的资产达289亿美元,其年增长率高达261%,资产规模在全球仅次于美国。预计到2022年,中国的智能投顾管理资产总额有望超6600亿美元,用户数量超过1亿。

    • 西方成熟资本市场:顾问管理费是智能投顾主流盈利模式

    在西方成熟资本市场,智能投顾盈利模式和传统投资理财机构类似,都是收取中间费用盈利。不同的是,智能投顾依靠互联网优势,边际成本低,具有规模效应,采用以量取胜的策略,中间手续费少且费用率较低。以美国为例,传统投顾服务往往会收取咨询费、交易费、充值提现费、投资组合调整费用、隐藏费用、零散费用等近十类费用,总费率高达1%以上。而智能投顾则采取完全透明化的单一费率模式,即只收取顾问费用和ETF管理费,顾问费用按照资产总额阶梯式收费,金额越大费率越低,范围在0.35%-0.15%之间;ETF管理费年华费率在0.03%-0.15%之间不等。

    • 中国资本市场:智能投顾的盈利模式百花初放

    在中国市场上,智能投顾提供商,多数都对客户免收服务费或是账户管理费,仅收取客户交易、购买产品(比如公募基金)相应标准的佣金或申赎费用。无牌照在手的初创公司还需要与基金代销机构分食基金销售佣金,加上基金行业仍处在申购费价格战之中,利润空间被进一步压缩。

    而对于B端市场,智能投顾主要有两种盈利模式,一种是纯策略服务,给中小基金公司或者资管公司提供智能投顾策略服务并按服务收费;一种纯技术出售,把智能投顾的整套算法和程序售卖给金融企业。

    2.他山之石,美国智能投顾市场日趋成熟

    2.1 人工智能技术赋能是智能投顾发展分水岭

    智能投顾(Robo Advisory)概念产生于美国。得益于美国市场量化投资和ETF基金的蓬勃发展,自2008年起,Betterment、Wealthfront、Future Advisor 等第一批智能投顾公司相继成立,在智能投顾市场深耕细作,稳健增长。随着人工智能等技术的发展,智能投顾在2015年开始呈现爆发式增长态势,传统金融机构意识到其对传统投顾市场的威胁,亦纷纷成立智能投顾部门,或通过收购创业公司,涉足智能投顾领域。2015年5月,嘉信理财上线智能投资组合服务后,不到3个月时间吸引24亿美元投资,以及3.3万多名客户,目前该项服务资产管理规模超过300亿美元。2015年8月,全球最大的资产管理公司Blackrock收购了机器人投顾初创公司Future Advisor,次年3月,高盛收购线上退休账户理财平台Honest Dollar。

    根据Statista在2019年2月发布的美国智能投顾市场报告,美国智能投顾管理的资产在2019年达到7497.03亿美元。预计2019-2023管理资产的复合增长率为18.7%,到2023年总金额为14862.57亿美元。美国市场智能投顾的用户数量和渗透率也将持续增长,预计到2023年,用户数量将达到1378.21万,渗透率达到4.1%。

    2.2 监管体系日趋完善,助力行业有序发展

    智能投顾的监管重点是智能投顾工具中嵌入的算法是否合理。FINRAR认为,算法是智能投顾工具的核心组成部分,如果算法的设计不合理或者编程不正确,可能会导致与预期输出的偏差超出合理范围,对投资者带来损失,相关从业者应评估算法是否与其投资分析方法一致,是监管的重点。

    • 美国智能投顾监管政策逐渐完善

    美国智能投顾机构接受 SEC 监管。受《1940年投资顾问法》约束,需获得 RIA(注册投资顾问)牌照,此牌照涵盖智能投顾涉及的所有服务内容(资产管理、证券投资建议、理财规划)。例如,Betterment和Wealthfront已在SEC 注册,先锋、嘉信等传统基金公司已经拥有牌照。

    2016 年3 月,美国金融业监管局(FINRA)出台了《Report on Digital Investment Advice》,报告中提出了对智能投顾在算法、客户风险承受能力评测、投资组合创建及减少利益冲突方面的具体建议和实用案例。

    2017年2月美国SEC发布了智能投顾的升级指导意见《网络自动咨询服务(即‘智能投顾’)合规监管指南》,要求进一步加强平台信息纰漏,保护消费者权益。

    2.3 行业集中势头明显,两方阵营分食市场

    美国智能投顾行业集中度提升势头明显,前五大智能投顾公司(或产品)占据了超过40%以上的市场份额,同时,智能投顾公司遍地开花,目前已有超过200家公司推出相关市场产品,且这一数字还在快速增长。美国行业领先的智能投顾公司主要分为两类:一类是传统资管公司,比如先锋、嘉信,依托传统品牌、客户、产品优势迅速抢占份额;一类是新兴企业,比如Betterment、Wealthfront,这类公司具有技术和先发优势,有望凭借差异化及开放合作获取一定市场份额。

    • 传统金融机构具备品牌和协同优势,驱动行业集中度提升

    传统金融机构的优势主要体现为以下两点:

    (1)品牌和渠道优势明显:采用被动投资策略的情况下,智能投顾平台间的收益率差异并不突出,此时传统金融机构的品牌、渠道优势明显,强者恒强,占据市场领先地位并维持较快发展。

    (2)传统产品和智能投顾形成协同:比如,嘉信智能投资组合54支标的ETF中,有22支是嘉信的ETF基金产品。在指数基金和资产配置策略方面,专业资管和互联网金融企业之间实力并不对等,比如先锋基金是指数基金的缔造者。再加上客户基数和市场认可度的优势,使得嘉信、先锋基金等传统产管理公司的智能投顾产品“后发先至”。

    在传统金融公司发力智能投顾背景下,加速行业集中度提升。比如,2015年传统金融机构Vanguard和Schwab进军智能投顾后,美国智能投顾市场的竞争格局发生明显变化。Vanguard用一年实现了Wealthfront经营近10年所达成的资产管理规模的10倍;而小平台未来有可能面临被市场淘汰的危机,市场集中度将进一步提升。

    截至2018年8月,Vanguard私人顾问服务所管理的金额规模达1120亿美元,Schwab Intelligent Portfolio位列第二,资产管理规模达333亿美元,同时从公众认知度上看,知晓Vanguard和Schwab智能投顾的普通民众比例达50%左右,远高于其他平台。

    • 以Betterment、Wealthfront为代表的新兴智能投顾平台,利用差异化定位挖掘长尾市场

    新兴企业优势主要体现在差异化及开放合作方面:

    (1)低门槛吸引长尾客户:Betterment、Wealthfront等智能投顾平台凭借低门槛、低管理费用与高质量服务,吸引了大批长尾客户。Betterment对于投资门槛没有要求,而嘉信理财旗下产品的投资门槛为5000美元,先锋基金则需要50000美元以上的投资,这为新兴智能投顾平台在长尾市场带来明显竞争优势。Wealthfront的主要目标受众是20到30多岁的高科技专业人才。为了贴合硅谷的需要,Wealthfront还设计了专业的工具帮助硅谷员工确定如何操作公司的股票期权。

    (2)具备特色产品:Tax-loss harvesting是智能投顾平台管理顾客的投资组合的卖点之一,税收损失收割即将当期亏损的证券卖出,用已经确认的损失来抵扣所获投资收益的应交税款(主要是资本利得税),投资者可以将这些节省的税款再投资,从而使得投资者税后收入最大化。Betterment、Wealthfront等智能投顾平台对使用该服务的用户不收取佣金或其他费用,而嘉信智能投资组合仅对其应税帐户中至少5万美元的客户进行税收损失收割服务。

    (3)身份中立:与嘉信先锋等大品牌提供的智能投顾产品不同,新兴智能投顾平台不拥有它们推荐的任何基金,它们也是受托人,这意味着它在法律上有义务从客户利益出发来寻找最佳的投资组合。

    (4)开放合作:传统巨头通过与新兴智能投顾平台合作以获得白标方案和软件平台,例如摩根和高盛积极投资 Motif,富国基金则已与Betterment 展开战略合作。未来,Wealthfront、Betterment等具有一定细分市场先入优势及技术能力的平台,有望通过自身产品服务的快速创新及风投支持继续保持一定市场份额,依托大金融机构的品牌效应、研发优势、产品资源,智能投顾将更能够提供给投资者更便利、高效的服务,庞大的客户资源将促使产品迅速扩张,未来,新兴的智能投顾平台有望凭借差异化及开放合作快速发展。

    以下我们对新兴投顾平台和传统金融机构进行多角度对比。

    3.三足鼎立,中国智能投顾市场加速崛起

    3.1 产业趋势:互联网与金融结合,人工与机器结合

    目前,我国智能投顾市场的发展现状与美国等成熟资本市场存在一定差异,主要体现在:投资者、投资标的、牌照、金融数据、产品智能化程度、税收因素六个方面。

    基于前述对美国等成熟资本市场智能投顾行业的研究可知,技术赋能是智能投顾能否实现爆发式发展的前提。目前来看,在中国的智能投顾市场,互联网技术、人工智能技术正与金融行业紧密结合,成为产业的核心趋势,驱动着智能投顾进入发展快车道。

    • 互联网与金融结合

    互联网技术优势在于信息传输和交换的低成本和高效率,而传统金融的优势在于其专业性。在智能投顾行业,将互联网与金融融合是一大产业趋势,可以为客户提供更高效、低价的专业金融服务。目前,互联网巨头在积极利用其技术、数据、用户体验等方面的优势,加强与传统金融机构的合作,以提供差异化的智能投顾服务。

    • 人工与机器结合

    机器的优势在于其强大、稳定、全天候的计算能力,而人工的优势在于其应变能力和决策能力。在智能投顾行业,将人工和机器融合是另一大产业趋势,可以为客户提供稳定、高频,且差异化的个性服务。采用“人机结合”服务模式的智能投顾提供商往往对客户进行分层,按客户净值的高低,适当的调节机器服务和人工服务的比例。如高净值客户,采取混合智能投顾模式,更多的依赖人工满足其差异化需求;对长尾客户,则可以采用全智能投顾模式。

    3.2 中国智能投顾市场混沌初开,三足鼎立

    国内智能投顾市场近几年发展迅速,主要参与者可分为:传统金融机构、互联网公司、金融IT公司三类。传统金融机构包括银行、券商、基金,具有强大的客户资源和产品资源优势。目前,国内银行开展智能投顾的主要有招商银行摩羯智投、中国银行中银慧投、兴业银行兴业智投等;券商方面,截止2017年9月,已有8家券商推出智能投顾产品或服务;公募基金方面,如华夏基金与微软签订战略合作协议,发力人工智能投顾,并于2018年1月推出“华夏查理智投”。互联网公司在智能投顾市场具有强大的流量和技术赋能优势,代表产品主要有京东智投、蚂蚁聚宝、雪球蛋卷基金等。金融IT公司作为金融和IT的接口,具有技术和业务理解双重优势,目前入局智能投顾的主要有同花顺、恒生电子、金证股份等。

    3.3 国内典型案例分析:大浪淘金,各有千秋

    下文将从智能投顾市场的传统金融机构、互联网公司、金融IT公司三大阵营进行案例分析,以便更好的理解国内智能投顾市场现状。

    • 传统金融机构阵营:具有强大的客户和产品资源优势

    当前智能投顾产品多针对C端客户,传统金融机构具有强大客户和产品资源优势。2018年招商银行“摩羯智投”规模突破100亿、中行“中银慧投”规模接近50亿左右,工行的“AI投”规模在20亿左右;广发证券贝塔牛截至2017年9月累计交易也达17亿元,注册用户数47万。

    以招商银行的摩羯智投为例,其是国内银行智能投顾的第一个试水者。引领银行业理财从传统财富管理进入了智能机器人理财时代。

    2016年12月,招行上线了主打公募基金智能组合配置服务的摩羯智投,截至2018年3月,摩羯智投申购规模已经突破百亿。2017年,摩羯组合整体平均收益为8.97%,整体最大回撤为1.52%-4.03%,平均最大回撤为2.35%,夏普比率为2.59-4.09,相比各类基础资产有较好的超额收益。据招商银行官网介绍,摩羯智投以现代投资组合理论为基础,运用机器学习算法,融入招商银行十多年财富管理实践及基金研究经验,并在此基础上,为使用者构建以公募基金为基础的、全球资产配置的智能基金组合配置服务。具体来讲,摩羯智投将用户投资期限分为三个阶段:一年以下/一年到三年/三年以上。并且在每一个时间段中都给出 10 个风险承受等级。用户只需确定投资期限和可承受风险等级,系统便会自动构建出相应的基金组合。

    • 互联网巨头阵营:具有强大的流量和技术赋能优势

    互联网公司优势在于本身具有庞大的C端流量客户,此外在技术方面较为领先,以京东智投、蚂蚁财富为代表的公司多依托技术优势在平台上向C端客户提供灵活的投资组合。

    以京东智投为例,京东智投基于大数据和AI技术提供定制化的智能资产配置管理方案,分为用户画像、财务分析、资产配置、产品筛选和再平衡投后管理五个板块。作为智投产品,京东智投具有明显的分散化优势。智投的原理,是将机构投资者使用的投资理念和纪律性应用到个人投资者层面,即进行长期、分散化配置。分散化的资产配置长期可有效的降低投资风险,提高盈利概率,降低亏损概率。除了分散化投资的优势外,京东智投还根据京东大数据,提供个性化的定制资产配置方案。不仅仅是为分散而分散,而是依据客户自身财务特征,进行千人千面的个性化投资组合构建。

    以蚂蚁财富为例,蚂蚁聚宝是蚂蚁金服推出的一站式移动理财平台,和支付宝、余额宝、招财宝、芝麻信用、网商银行一样,都是蚂蚁金服旗下的品牌。平台上的“猜你喜欢”功能利用大数据向用户作智能化基金推荐。蚂蚁聚宝上线仅半年后,实名用户量就已突破1200万。继支付宝、余额宝和招财宝之后,再一次刷新了用户量发展速度纪录。2017年6月14日, “蚂蚁聚宝”升级为“蚂蚁财富”,并正式上线“财富号”,全面向基金公司、银行等各类金融机构开放。“财富号”支持基金公司在蚂蚁聚宝自运营,精准服务理财用户。同时,蚂蚁金服还首度宣布向金融机构开放最新的AI(人工智能)技术,帮助金融理财更快进入智能时代。蚂蚁聚宝升级为蚂蚁财富后,产品定位变化。其中,蚂蚁聚宝定位为买基金,讨论基金,投资工具;而蚂蚁财富定位为打造一站式理财平台,从以基金销售为主的平台,变成主打综合理财概念的应用,把股票和保险引入进来相对弱化基金的概念。

    • 金融IT公司阵营:具有技术和业务理解双重优势

    金融IT公司本身具备IT技术优势,并对金融业务较为熟悉,同时下游客户对智能投顾产品有需求,因此,以同花顺、恒生电子等为代表的公司纷纷布局智能投顾产品,多是在产品中应用AI技术,满足客户需求。

    以同花顺为例,自2009年起,同花顺开始布局人工智能投资领域,具有技术、客户和数据等领域的资源储备和先发优势。公司2013年推出i问财,以财经类垂直领域搜索作为入口。在2015年注资1000万元成立同花顺人工智能资产管理公司,并在iFinD 金融数据终端的投研BBC板块添加了智能投顾板块;2016年5月,同花顺iFinD智能投顾正式登陆同花顺i策略平台。在今年的3月20日,同花顺人工智能资产管理公司,成功备案了旗下第一只私募基金产品,即同花顺阿尔法一号私募证券投资基金。从同花顺的业务布局、资源优势以及私募基金名称上来看,这只新备案的基金将会在量化、高频方面,探索机器学习类的智能投顾。

    梳理同花顺布局可以发现,同花顺在智能投顾领域的布局主要有两条主线。一是做投资、二是做服务。在做投资方面,同花顺在iFinD金融数据终端里嵌入了智能投顾模块,运用人工智能技术基于策略组合提供大盘走势预测,为用户提供投资建议;在用技术做服务方面,同花顺构建了AI开放平台,将领先的智能语音、自然语言处理、智能金融问答、知识图谱、智能投顾等多项AI技术运用于银行、证券、保险、基金、私募等行业,为各类用户提供智能化解决方案。具体到智能投顾,公司打造了投顾AI辅助系统、智能机器人、资产配置三款产品,重点基于i问财提供服务。

    iFinD数据流量基础扎实,数据抓取和大数据分析能力极强,且面向个人用户免费开放,主要通过对iFinD金融数据库、舆情监控系统、i问财知识库等的深度学习来构建动态的资本市场知识图谱及其投资决策模型。iFinD通过对市场实时信息(即“情境”)的抓取和分析,不断对大盘重大拐点做出判断、筛选高胜率投资机会,为用户提供A股市场投资建议。

    i问财是智能选股平台,通过AI技术致力于为股民提供智能选股、量化投资、主力追踪、价值投资、技术分析等各类选诊股技术。,以财经类垂直领域搜索作为入口,包含信息、股票、基金、港股和百科搜索等,更好的帮助同花顺增加用户粘性。i问财嵌入到了同花顺炒股APP和同花顺财经中,并独立开发了i问财选股和问财智能机器人以供用户快速选股。从产品来看,i问财Web端定位是集数据收集、分析和运用于一体的金融大数据人工智能平台。

    以恒生电子为例,自2017年,公司在智能金融领域进行了一系列布局。3月2日,参与投资创业公司三角兽科技,三角兽的核心技术是利用自然语言处理和深度学习技术,打造中文聊天的对话系统,并为企业提供聊天、多轮对话和中控决策服务。3月28日,发布公告,将与宁波云汉、杭州云飞共同对商智神州(北京)软件有限公司进行投资,其中恒生电子出资1216万元人民币,持股31%。控股商智,开辟了恒生全新的智能投顾产品线,是公司在金融科技领域版图的补充,之后发布商智智投,商智智投致力于利用最新的金融科技技术为客户提供自动化、智能化、个性化的投资理财服务,大致分为客户需求探索、资产优化模型、智能择市和持仓的智能管理四个环节。在实际运作中,会搜集客户的管理策略和投资意向,针对不同客群设置不同的模板,目前大概有3000类模板,相当于3千个风格迥异的机器人,应用到资产配置环节,形成个人化的资产配置模板。

    2017-2018年,恒生电子先后举办了四次人工智能发布会,持续聚焦智能金融领域,产品相互协作,为智能投顾的发展提供了有力支持。智能小梵主打智能资讯,能搜索查看股票基金专业资讯;智能KYC依托自然语言处理技术、神经网络图谱、数据深度关联算法、智能识别模型四大核心技术,在全球范围内进行开源数据采集、清洗、加工、关联及产品化处理。iSee机器人”可以运用大数据分析、机器学习等技术为用户画像,为用户“看透股市”,提供投资顾问服务。商智智投, 可以进行资产优化管理。银行智能投顾主要以公募基金为底层投资标的,为银行提供技术算法和模型,从而帮助银行为不同客户提供个性化投资方案建议。

    与原有的金融软件业务一样,恒生电子推出的人工智能产品主要面向B端,通过银行、券商等金融机构再触达C端用户。不同的是,原有业务中恒生电子主要提供中后端服务,而智能投顾则更带有前端属性,用户的感知更为明显。

  • 相关阅读:
    python_58_装饰器1
    python_57_高阶函数
    python_56_递归
    python_55_局部和全局变量
    python_54_函数调用函数
    python_53_函数补充
    python_52_函数返回值2
    mysql 使用 GROUP BY 时报错 ERROR 1055 (42000)
    sql之left join、right join、inner join的区别
    C++ 函数的重载和参数默认值
  • 原文地址:https://www.cnblogs.com/dhcn/p/12093586.html
Copyright © 2011-2022 走看看