2018-01-17 14:10

　　谢谢主持人的介绍和主办方的邀请，简单的做一个背景介绍，我现在在清华大学的组织叫智能金融中心，我们是16年9月份设立的，下面有做人工智能和金融方向的，还有区块链方向的，同时我们也是一个产学研的平台，我们自己也有科技服务公司，为业界行业提供解决方案。

　　今天我的题目叫FinTech全方位武装财富管理行业，随着中国人越来越有钱，财富的积累越来越大，现在财富管理行业是未来大的发展趋势。从以前的证券行业做渠道的服务，升级成做服务的行业，做渠道不需要很高的专业性，做服务就要有很强专业性，在专业性方面我们可以用人工智能和金融科技为金融机构进行赋能。

　　两个方面武装，一个是服务交互的智能化，另一个是投资管理的智能化。

　　用户服务交互智能化来说，我们希望对用户有一个人工智能自动化的理解，财富管理行业要先了解客户，人工智能是我拿机器了解客户，用大数据技术的方式了解客户，而不是付出很多人力，技术能做的就是以无边界成本的方式拓展服务，以前多服务一个客户多加一个投顾，现在可以用自动化的方式对客户进行了解，理解他的需求，这块是大数据技术或者人工智能帮助行业和公司解决的痛点。

　　服务客户，具体到财富管理行业或者具体到投资服务行业，有以下几个维度。一个是投资服务维度，另一个是运营维度，第三，监管维度，第四，投资者教育维度，都可以用大数据技术和人工智能技术助力财富管理行业的发展。

　　首先说投资服务的维度，这个图是我们从投资服务维度了解客户，我们对用户有上千个维度描述，这个维度是我认为比较有意思的图，我们可以看到，显示的是中国市场散户投资者主动投资管理能力，都是很富的，这是真实证券公司行业的数据，大家可以看到中国的散户倾向于追求主动投资的收益，但是他没有这个能力，证明了去年的一个观点，投资市场上大多数人是有过度自信的现象，其实他没有。

　　我们也可以用大数据技术识别用户，比如千万用户在市场上概率的分布情况以及每个人的能力值，我们可以把那些需要投资服务的客户，尤其是亟待需要服务的客户识别出来，用大数据可以挖掘出来这些客户。

　　这个是量身高和体重的过程，我们基于用户投资大数据的作用，可以对他全方位投资的维度进行量身高和体重，看他的投资能力和风控能力怎么样，对他进行精准的服务。更深入一些，可以用两层机器学习的方法，一个是无监督学习的方法，对客户进行分类，比如这是某些券商分类的结果，这些客户分为稳健客户和激进客户还有一群小白客户，稳健客户风险承受力比较低，收益低，激进客户收益高，但是风险高，小白客户风险承受很高，但是收益不行，这些客户是最不会做投资的，我们可以用大数据的方式识别这些客户。

　　更精细化的刻画，我们可以把每一个人的投资能力进行数据分解，每个人的资产配置能力和行业配置能力以及主动投资能力全都分解出来。比如我们看这个客户资产配置能力和行业配置能力还可以，至少是往正向发展的，但是主动投资能力特别差，造成他的收益盈亏很大，这些客户自己是没有意识的，只有拿大数据技术颗粒度很细的把能力分解出来才能看到这一点，这也是我们做投资者教育和投资者服务的出发点。

　　运营维度，可以对用户的行为进行建模的刻画，比如预测哪些是高风险流失客户，对运营是非常有帮助的，我们把这些整合到互联网平台上或者头部服务平台上，可以帮助财务管理行业开源节流，引导出更多的有价值客户，防止客户流失。

　　第三方面，是监管层面关注的，去年的7月份，证监会引入了投资者适当性管理办法，去年要求12月31号之前所有的证券期货和基金全部遵守规定。这是一个很大的变化，监管第一次从用户风险维度把风险概念引入市场，这对监管和证券公司以及我们投资服务的人员都是很大的挑战，需要在新的监管模式下进行工作。监管的人会想怎么监控管理办法，甚至精确到每一个被服务的个人游没有很好的实施，公司肯定想合规性的问题，精确到每一个客户有没有明白监管层的意思。这显然就是大数据和人工智能可以做的地方。

　　我们和投资公司和券商合作，可以看到整个行业在不同风险评级用户群体分布的情况，证监会把用户分为C1到C5，每个等级之间是不一样的。C3的客户下行风险很明显，C4、C5月亏损概率明显。

　　我们可以识别监管层面有风险的用户，我们可以用大数据和人工智能方式把他识别出来，这是人力很难做到的，拿肉眼是看不出来哪一个用户异常的。现在就几千万个用户，中国有上亿人，各种潜在投资者更多，所以这个事情是需要大数据技术服务的，我们用大数据和人工智能算法就可以把异常的行为和异常的客户识别出来。

　　比如C3类的客户，可以看到他普遍分布在虚线内，他的特征值是虚线的样子，C1、C2的客户就跟虚线离得很远，所以这些客户我们可以识别出来，这对我们理财师投顾都是非常好的帮助，合规性也可以有很好的把握。这个是异常客户在整体客户里面的分布情况。

　　第四个维度，投资者教育维度，这是证券公司和银行非常大的难题，监管一直说要做投资者教育，机构说一直想做投资教育。教育是很难的，单项的对他说教他是很难接受的，所以我们用大数据技术和人工智能的算法把投资能力可视化，显性的给C端客户展现出来，这样就导致一个结果，比如7号和127号客户，资产配置做得不错，主要是主动投资，频繁的交易换手，每一个时刻的交易我们都可以看出来，我们做的事情是把他的错误指出来，让他自己看看，并不是说教形式。

　　这块是我们刚刚讲的智能服务或者用户服务交互的智能化，我们从他的投资服务层面和运维层面以及适当性层面进行精细化的了解，用人工智能算法和大数据技术对他进行赋能，第二块是业务场景的驱动，业务场景也就是投资管理智能化，我们发现他哪一块投资能力不行，要有适当的支持。

　　这个是服务模式的效果图，后面讲到投资服务智能化，投资管理智能化是我们了解客户交付智能化以后的第二个环节，我知道他需要什么，再给他提供个性化的财务管理服务，核心技术，一个是我对金融市场的洞察，另一个是对资产进行量化尽调，第三个是我们对每一类服务需求进行优化，我知道他的需求是什么，我就提供优化的决策引擎，对他相应的需求进行管理，这是我们现在做的事情。