论文部分内容阅读
摘要：本文从智能投顾业务流程分析入手，分析智能投顾系统的关键功能需求，结合人工智能系统标准模型设计系统的整体技术架构方案和主要功能模块。本文还分析了该系统的合规管理和风险控制的要点和建议。
关键词：智能投顾；人工智能；架构设计
一、智能投顾系统的特点
智能投顾的概念最早于2012年前后出现在美国，又称为机器人投顾（Robo-Advisor）。是指一种为客户提供基于算法的在线财富管理服务，它以现代资产组合理论（Modern Portfolio Theory，简称MPT）为依据，基于客户的投资目标和风险特性，运用一系列算法模型，为客户提供在线投资建议参考与资产配置方案，它可以分散投资风险，并可提供交易执行、资产配置再平衡等服务。其主要特点包括：实现客户资产的最优配置、降低服务门槛、降低交易成本、避免心理影响等，相较于人工投顾具明显的优势。
系统业务流程可总结为：
1、获取客户特征：通过客户风险偏好问卷、客户特征标签抽取、客户行为大数据分析等，获取客户投资目标、真实风险承受能力及风险偏好等特征数据；
2、生成资产配置方案：根据客户的特征（投资目标、真实风险承受能力及风险偏好等），通过资产配置算法策略，给出最适合该客户的资产配置组合；
3、执行资产配置方案：执行资产配置方案或给出资产配置建议；
4、智能再平衡：通过实时监测市场数据、投资组合表现、客户风险承受能力及风险偏好的变化等，调整客户的资产配置组合，使之能更好地符合客户真实的风险承受能力及风险偏好。
根据对智能投顾业务流程中关键工作任务的分析，可得系统需要实现的4个关键功能需求如下：
1）、关于客户：系统必须能很好地帮助客户了解其真实的风险承受能力及风险偏好，并能动态的跟踪客户风险承受能力及风险偏好的变化；
2）、关于产品：系统必须能很好地获取各类金融产品在不同维度（如风险维度、收益维度等）上的重要特征，并可随着金融市场情况的变化而实现动态更新。
3）、“ 最优”的资产配置：根据客户投资目标、风险承受能力及风险偏好，以现代资产配置理论模型（MPT）为依据，为客户提供“最恰当”的投资资产配置方案。
4）、智能再平衡：能实时监测市场数据、客户的当期组合表现、客户风险承受能力及风险偏好的变化，进行智能再平衡操作，使之更好地符合客戶的投资目标、风险承受能力及风险偏好。
二、系统的架构、设计与集成
1.基本架构
参考Stuart J. Russel人工智能标准模型，可以把本系统在架构上分成数据层、知识库层、决策与再平衡层、界面展现层等。
（1）、数据层：主要包括客户CRM数据、产品中心数据、交易数据、行情资讯数据等，这些数据经提取和分类后，形成客户特征数据（即客户画像）和产品特征数据（即产品画像）。
（2）、知识库层：对客户特征数据、产品特征数据进行存储、编排、索引和学习。
（3）、智能决策与再平衡层：进行深度匹配，帮助客户实现“最优”的资产配置，即为客户挑选并匹配合适的资产配置组合，实现对客户已有资产配置组合的调整和再平衡操作。
（4）、面展现层：实现系统的操作和管理界面，供使用手机端、PC端、浏览器端等不同终端的客户进行操作和管理智能投顾。
2.相关模块设计
（1）客户画像模块：从原始数据中提取出的客户特征标签，构建出精准的客户画像，重点对客户的风险承受能力和风险偏好进行刻画。主要功能是：采集客户的原始数据，数据处理与客户标签化，客户画像构建与风险评估以及客户风险等级调整。
（2）产品画像模块：将金融产品大数据通过特定的算法实现产品特征的提取和分类，根据评估指标与产品风险、收益的相关性构建产品的多维度评估表，从风险、收益等多个维度对金融产品进行画像，其最终的评估结果将作为智能选配决策模型的输入因子。在这个过程中，主要实现三个功能：提取产品标签，构建产品画像模块标签库，以及在此基础上动态更新产品标签库。
（3）智能决策与再平衡模块：通过内置的决策系统进行深度匹配，帮助客户实现“最优”的资产配置，即为客户挑选并匹配适合的金融产品组合。
3.主要功能组件的设计
决策系统组件：汇集机器学习系统、知识库、业绩评价组件输出的所有数据，按一定的规则（如：根据客户的风险承受能力匹配金融产品组合、每个投资组合的资金分配、当前投资组合在下一个交易日的处置、剩余资金配置等等）进行行动决策。这些行动决策最终会被生成若干“有条件”的交易建议。该组件对于金融产品与客户之间的选配决策，需要综合考虑产品风险等级与客户风险承受能力的匹配程度，不以绝对收益率作为唯一考量标准。此外，随客户风险偏好和风险承受能力的变化、市场环境的变化和行业发展阶段，需要动态调整行动决策。
业绩评价组件：实时监测市场数据、客户目前持有金融产品组合的表现、客户风险承受能力及风险偏好的变化，对客户目前的资产配置情况进行评价。其输出数据反馈给决策系统和机器学习系统。业绩评价组件可以在固定期限内（日、周、月、季）进行业绩评价，也可以设置为某个目标值，当投资组合偏离目标值一定比例时，就会触发对已有投资组合的调整与再平衡。
机器学习系统组件：利用实际市场数据，通过业绩评价组件的业绩反馈，不断检验和训练决策系统的算法，通过机器学习不断优化算法的相关参数，并将优化过的相关参数，输出给决策系统。决策系统将从机器学习系统中获得 “经验”（即优化的参数），从而优化决策算法和模型，使得决策结果更加精准。
4.系统集成
在系统建设实施时，需要整合来自于多种不同异构系統的服务和数据，可采用SOA架构规范（Service Oriented Architecture，面向服务架构）来构建系统的信息交换接口标准。ESB（Enterprise Service Bus，企业服务总线）是实现SOA的重要技术基础，ESB使SOA架构的高互操作性成为可能，使异构系统间能够实现服务调用与集成。
借助于ESB，使本系统能便捷的调用现有系统的服务接口（典型的如CRM系统提供的客户画像服务接口、产品管理平台提供的产品画像服务接口等），完成与现有系统的集成，降低系统的开发的成本。
并将一个个独立的业务功能抽象封装为新的服务，注册并发布在ESB上，供其它业务系统进行服务调用，实现系统的松耦合架构，对这些独立封装的服务进行灵活组合、快速重用，以应对业务的不断变化，降低系统的开发、运维成本。
三、合规与风险控制
合规与风险控制是必须考虑的因素，要特别关注：
1、建立和完善相关制度。在该业务的合同设计、签署、投资者教育、风险揭示、服务、营销宣传、投诉处理、风险处置、系统接入等各个环节遵循合规管理制度的要求。
2、建立和完善风险管理体系。智能投顾可能面临合规管理风险、投资风险、模型风险、市场风险、资产配置风险、投资策略风险、流动性风险等，需要专门有针对性的风险管理措施和技术。
3、做好重点风险防范，确保数据准确。建立独立的拥有足够知识储备和经验的算法模型管理团队，重视算法模型风险的防范。应设置投资策略风险的头寸限额，开展情景分析与压力测量。
四、结语
智能投顾系统本质上是一个人工智能系统，有一个不断优化学习提升的过程。建议分三阶段推进。第一阶段的目标是实现系统核心架构，对关键技术（客户画像、产品画像、智能选配、资产配置模型、模型回测等）进行验证，实现包含有基本功能的智能投顾，完成试用客户积累。第二阶段进入功能优化和功能增强阶段，支持更多的投资品种和投资组合，提供更好的损益全自动化监控、投资组合的优化调整。第三阶段进一步优化，包括资产配置模型、参数，引入人工智能算法，适当支持机器学习。在系统建设过程中，应以算法策略模型的开发与创新为核心，建设高水平投资研究人才队伍，打造专门算法策略开发及维护团队，实现算法策略的不断优化。
作者信息：
刘斌 ，高级工程师，兴业证券股份有限公司信息技术中心总经理，长期从事证券公司信息化建设及管理工作。 联系方式（福建省福州市湖东路268号证券大厦、邮编350003、联系电话059138281618，liubin@xyzq.com.cn）
关键词：智能投顾；人工智能；架构设计
一、智能投顾系统的特点
智能投顾的概念最早于2012年前后出现在美国，又称为机器人投顾（Robo-Advisor）。是指一种为客户提供基于算法的在线财富管理服务，它以现代资产组合理论（Modern Portfolio Theory，简称MPT）为依据，基于客户的投资目标和风险特性，运用一系列算法模型，为客户提供在线投资建议参考与资产配置方案，它可以分散投资风险，并可提供交易执行、资产配置再平衡等服务。其主要特点包括：实现客户资产的最优配置、降低服务门槛、降低交易成本、避免心理影响等，相较于人工投顾具明显的优势。
系统业务流程可总结为：
1、获取客户特征：通过客户风险偏好问卷、客户特征标签抽取、客户行为大数据分析等，获取客户投资目标、真实风险承受能力及风险偏好等特征数据；
2、生成资产配置方案：根据客户的特征（投资目标、真实风险承受能力及风险偏好等），通过资产配置算法策略，给出最适合该客户的资产配置组合；
3、执行资产配置方案：执行资产配置方案或给出资产配置建议；
4、智能再平衡：通过实时监测市场数据、投资组合表现、客户风险承受能力及风险偏好的变化等，调整客户的资产配置组合，使之能更好地符合客户真实的风险承受能力及风险偏好。
根据对智能投顾业务流程中关键工作任务的分析，可得系统需要实现的4个关键功能需求如下：
1）、关于客户：系统必须能很好地帮助客户了解其真实的风险承受能力及风险偏好，并能动态的跟踪客户风险承受能力及风险偏好的变化；
2）、关于产品：系统必须能很好地获取各类金融产品在不同维度（如风险维度、收益维度等）上的重要特征，并可随着金融市场情况的变化而实现动态更新。
3）、“ 最优”的资产配置：根据客户投资目标、风险承受能力及风险偏好，以现代资产配置理论模型（MPT）为依据，为客户提供“最恰当”的投资资产配置方案。
4）、智能再平衡：能实时监测市场数据、客户的当期组合表现、客户风险承受能力及风险偏好的变化，进行智能再平衡操作，使之更好地符合客戶的投资目标、风险承受能力及风险偏好。
二、系统的架构、设计与集成
1.基本架构
参考Stuart J. Russel人工智能标准模型，可以把本系统在架构上分成数据层、知识库层、决策与再平衡层、界面展现层等。
（1）、数据层：主要包括客户CRM数据、产品中心数据、交易数据、行情资讯数据等，这些数据经提取和分类后，形成客户特征数据（即客户画像）和产品特征数据（即产品画像）。
（2）、知识库层：对客户特征数据、产品特征数据进行存储、编排、索引和学习。
（3）、智能决策与再平衡层：进行深度匹配，帮助客户实现“最优”的资产配置，即为客户挑选并匹配合适的资产配置组合，实现对客户已有资产配置组合的调整和再平衡操作。
（4）、面展现层：实现系统的操作和管理界面，供使用手机端、PC端、浏览器端等不同终端的客户进行操作和管理智能投顾。
2.相关模块设计
（1）客户画像模块：从原始数据中提取出的客户特征标签，构建出精准的客户画像，重点对客户的风险承受能力和风险偏好进行刻画。主要功能是：采集客户的原始数据，数据处理与客户标签化，客户画像构建与风险评估以及客户风险等级调整。
（2）产品画像模块：将金融产品大数据通过特定的算法实现产品特征的提取和分类，根据评估指标与产品风险、收益的相关性构建产品的多维度评估表，从风险、收益等多个维度对金融产品进行画像，其最终的评估结果将作为智能选配决策模型的输入因子。在这个过程中，主要实现三个功能：提取产品标签，构建产品画像模块标签库，以及在此基础上动态更新产品标签库。
（3）智能决策与再平衡模块：通过内置的决策系统进行深度匹配，帮助客户实现“最优”的资产配置，即为客户挑选并匹配适合的金融产品组合。
3.主要功能组件的设计
决策系统组件：汇集机器学习系统、知识库、业绩评价组件输出的所有数据，按一定的规则（如：根据客户的风险承受能力匹配金融产品组合、每个投资组合的资金分配、当前投资组合在下一个交易日的处置、剩余资金配置等等）进行行动决策。这些行动决策最终会被生成若干“有条件”的交易建议。该组件对于金融产品与客户之间的选配决策，需要综合考虑产品风险等级与客户风险承受能力的匹配程度，不以绝对收益率作为唯一考量标准。此外，随客户风险偏好和风险承受能力的变化、市场环境的变化和行业发展阶段，需要动态调整行动决策。
业绩评价组件：实时监测市场数据、客户目前持有金融产品组合的表现、客户风险承受能力及风险偏好的变化，对客户目前的资产配置情况进行评价。其输出数据反馈给决策系统和机器学习系统。业绩评价组件可以在固定期限内（日、周、月、季）进行业绩评价，也可以设置为某个目标值，当投资组合偏离目标值一定比例时，就会触发对已有投资组合的调整与再平衡。
机器学习系统组件：利用实际市场数据，通过业绩评价组件的业绩反馈，不断检验和训练决策系统的算法，通过机器学习不断优化算法的相关参数，并将优化过的相关参数，输出给决策系统。决策系统将从机器学习系统中获得 “经验”（即优化的参数），从而优化决策算法和模型，使得决策结果更加精准。
4.系统集成
在系统建设实施时，需要整合来自于多种不同异构系統的服务和数据，可采用SOA架构规范（Service Oriented Architecture，面向服务架构）来构建系统的信息交换接口标准。ESB（Enterprise Service Bus，企业服务总线）是实现SOA的重要技术基础，ESB使SOA架构的高互操作性成为可能，使异构系统间能够实现服务调用与集成。
借助于ESB，使本系统能便捷的调用现有系统的服务接口（典型的如CRM系统提供的客户画像服务接口、产品管理平台提供的产品画像服务接口等），完成与现有系统的集成，降低系统的开发的成本。
并将一个个独立的业务功能抽象封装为新的服务，注册并发布在ESB上，供其它业务系统进行服务调用，实现系统的松耦合架构，对这些独立封装的服务进行灵活组合、快速重用，以应对业务的不断变化，降低系统的开发、运维成本。
三、合规与风险控制
合规与风险控制是必须考虑的因素，要特别关注：
1、建立和完善相关制度。在该业务的合同设计、签署、投资者教育、风险揭示、服务、营销宣传、投诉处理、风险处置、系统接入等各个环节遵循合规管理制度的要求。
2、建立和完善风险管理体系。智能投顾可能面临合规管理风险、投资风险、模型风险、市场风险、资产配置风险、投资策略风险、流动性风险等，需要专门有针对性的风险管理措施和技术。
3、做好重点风险防范，确保数据准确。建立独立的拥有足够知识储备和经验的算法模型管理团队，重视算法模型风险的防范。应设置投资策略风险的头寸限额，开展情景分析与压力测量。
四、结语
智能投顾系统本质上是一个人工智能系统，有一个不断优化学习提升的过程。建议分三阶段推进。第一阶段的目标是实现系统核心架构，对关键技术（客户画像、产品画像、智能选配、资产配置模型、模型回测等）进行验证，实现包含有基本功能的智能投顾，完成试用客户积累。第二阶段进入功能优化和功能增强阶段，支持更多的投资品种和投资组合，提供更好的损益全自动化监控、投资组合的优化调整。第三阶段进一步优化，包括资产配置模型、参数，引入人工智能算法，适当支持机器学习。在系统建设过程中，应以算法策略模型的开发与创新为核心，建设高水平投资研究人才队伍，打造专门算法策略开发及维护团队，实现算法策略的不断优化。
作者信息：
刘斌 ，高级工程师，兴业证券股份有限公司信息技术中心总经理，长期从事证券公司信息化建设及管理工作。 联系方式（福建省福州市湖东路268号证券大厦、邮编350003、联系电话059138281618，liubin@xyzq.com.cn）