智能投顾一个文献综述Word文档格式.docx

智能投顾一个文献综述Word文档格式.docx

《智能投顾一个文献综述Word文档格式.docx》由会员分享，可在线阅读，更多相关《智能投顾一个文献综述Word文档格式.docx（6页珍藏版）》请在冰豆网上搜索。

　　三、智能投顾的技术条件：

金融科技发展

　　金融科技（Fintech）是基于大数据、云计算、人工智能、区块链等先进技术，体现为金融+科技的融合与创新，主要的应用场景包括：

支付结算、财富管理、信贷支持、商业保险等金融领域。

金融科技的发展阶段主要有：

第一，金融IT阶段：

主要是指通过IT?

硬件的应用对办公业务进行电子化改造，从而提高金融效率。

金融IT阶段以ATM、POS机为主要代表性产品。

第二，互联网金融阶段：

通过互联网或移动端的在线平台集聚用户，对资产端、资金端等终端相互联通，撮合金融业务与金融信息的共享。

互联网金融阶段以互联网基金销售、移动支付为主要代表性业务。

第三，金融科技阶段：

通过大数据、云计算、人工智能、区块链等先进技术，解决传统金融的业务痛点，提升传统金融业务效率。

金融科技阶段以大数据征信、智能投顾为主要代表性应用场景（巴曙松和白海峰，2016）[21]。

（一）大数据技术发展

　　1.大数据特征。

主要体现在海量数据、实时处理、数据种类及来源渠道多样化的3V特征（LaneyDouglas，2001）[14]。

　　2.大数据价值链。

Gustafson和Fink（2013）[10]提出大数据价值链有数据获取、数据存储、数据分析及数据应用等4个环节构成。

　　3.大数据分析工具。

根据Varian（2014）[19]，Jun等（2015）[13]等学者的相关研究整理，大数据分析工具包括了以下六类：

以Hadoop/MapReduce为代表的大数据分析平台、以HBase为代表的数据仓库、以Mahout为代表的数据挖掘、以HDFS为代表的文件系统、以Hive为代表的大数据搜索、以Sqoop为代表的数据聚合与传输。

　　4.大数据应用。

Tirunllai和Tellis（2014）[18]使用35万份的用户评论数据，并通过LDA模型进行市场营销领域的战略品牌分析。

Varian（2014）[19]使用2380个观察样本数据并运用HMDA数据树技术进行计量经济学方面的实证研究。

Jun等（2015）[13]使用1989年～2006年的欧洲大数据技术专利数据，通过文本挖掘及社会网络分析技术进行评估分析。

（二）云计算技术发展

　　1.云计算内涵。

云计算是一种并行的、分布式的系统，由可以调用的虚拟化资源池组成，服务提供商能够依据事先约定的服务层级协议（ServiceLevelAgrement，SLA）动态地向用户提供相关服务（Buyya，2009）[6]。

　　2.云计算关键技术。

云计算关键技术包括数据存储及管理技术（Ghemawat等，2003）[10]、数据分析及处理技术（Dean和Ghemawat，2008）[9]、云安全技术（Takabi等，2010）[17]等。

　　3.云计算服务模式。

Iyer和Henderson（2010）[12]归纳云计算服务模式包括以下4种：

面向所有个人及企业用户的公共云、面向某个特定企业获组织的私有云、面向某个特定团体的团体云、以及提供上述两种以上云服务的混合云。

　　（三）人工智能技术发展

　　1.人工智能特征。

主要体现在，芯片是人工智能的“本体”，为其提供持续运作的计算能力；

算法是人工智能的“大脑”，实现人类学习与思考等功能；

数据是人工智能的“灵魂”，人工智能的实现离不开数据驱动（邢桂伟，2017）[34]。

　　2.人工智能算法。

主要包括了决策树算法（Breiman等，1984）[4]、随机森林算法（Breiman，2001）[5]、SVM算法（Cortes等，1995）[7]、Boosting算法（Dieterich，2000）[8]、Baggin算法（Breiman，1996）[3]、关联规则算法（Agrawal等，1993）[1]、EM算法（Dempster，1997）[16]等。

　　3.人工智能在金融中的应用。

人工智能+金融的化学反应，重构了金融服务生态（吕晶晶，2017）[27]。

人工智能有助于提供标准化、智能化、模型化的金融服务，例如决策、预警，并且有助于防范系统性金融风险（程东亮，2016）[22]。

人工智能在金融中的应用场景十分丰富，包括了金融预测、反欺诈、融资授信决策、智能投顾、语音识别、人像监控预警等（杨涛，2016）[31]。

　　四、智能投顾的应用性研究

　　在现代投资组合理论模型、金融科技等基础性研究成果的指引下，智能投顾的应用性研究成果逐渐增多，主要体现在：

（一）智能投顾的应用前景

　　智能投顾具有普遍乐观的应用前景。

根据美国花旗银行于2015年9月发布的研究报告预计，未来机器人投顾的资产管理规模将出现指数级爆发增长，可达5万亿美元的资产规模。

根据科尔尼资讯公司预测，未来5年机器人投顾的资产管理规模年增长率可达68%，逼近2.2万亿美元（徐慧中，2016）[30]。

　　同时，智能投顾为中国投资市场提供了新的机遇：

一是能够满足国内不断增加的中产阶级理财需求；

二是智能投顾有助于提高日渐走低的无风险收益率；

三是股灾过后，国内投资市场急切需要能够分散资产风险的产品及服务（潘芳，2017）[28]。

　　岳磊（2017）[33]认为未来“智能投顾+养老金”模式的应用前景巨大，从养老金制度改革和未来发展方向来看，智能投顾的发展空间广阔。

同时，智能投顾助推个人?

B老金账户透明化管理，从而实现低成本投资、长期投资。

　　卢晓明（2017）[26]指出智能投顾的重要贡献在于，通过金融科技扩大了金融服务范围，减少了金融服务成本，使得大量中产阶级“长尾”用户可以享受低成本高品质的金融理财服务。

（二）智能投顾的应用场景

　　冯永昌、孙冬萌（2017）[23]智能投顾可以应用于智能资讯场景、智能分析场景、智能配置场景、智能投资场景及智能陪伴场景等5种应用场景。

其中，智能资讯场景：

通过数据展示、智能标注、智能推荐等数字化形式，提供智能化资讯应用场景。

智能分析场景：

通过对用户投资行为的大数据分析，提供个性化分析建议。

智能配置场景：

依据投资者的风险承受能力、风险偏好及目标收益等情况，提供个性化的金融资产配置建议。

智能交易场景：

是指在智能分析及智能配置的基础上，由系统自动完成交易的一种模式。

智能陪伴场景：

通过大数据分析，洞察投资者偏好及需求，采取伴随投资者左右的方式，即时回答投资者提出的各类问题。

　　（三）智能投顾的应用风险

　　智能投顾的应用风险主要包括：

第一，技术风险：

例如遭遇病毒感染、黑客破坏、网络崩溃、交易延迟等技术风险（巴曙松和白海峰，2016）[21]。

第二，市场风险：

中小投资者偏好短线操作，注重金融工具带来的短期收益；

然而智能投顾体现的是长期收益，这与中小投资者的投资偏好相矛盾（李晴，2017）[24]。

第三，信用风险：

由于p2p乱象产生一批互联网圈钱企业，使得中国大多数投资者对于互联网理财缺乏信任（乔智迪，2017）[29]。

第四，操作风险：

由于采用人工智能代理交易，造成证券投资账户的实际控制人发生变化，使得如何认定证券投资账户的实际控制人存在操作困难（徐慧中，2016）[30]；

第五，合规风险：

一是投资咨询机构提供智能投顾服务的合法性；

二是提供智能投顾服务主体的合法性；

三是智能投顾的业务发展受到了外汇管制约束；

四是智能投顾基金违规（于文菊，2017）[32]。

　　针对智能投顾的应用风险防范，许亚岚（2016）[35]指出发展好智能投顾的关键在于，向客户提供的有效投资策略，既是个性化、智能化，又能同时符合的规范化监管要求。

　　（四）智能投顾的应用效果评估

　　在智能投顾的应用效果评估方面，六道道（2017）[25]运用奇点指数组合管理系统，使用最近6个月的数据对弥财、钱景、摩羯智投、理财魔方等主流智能投顾的投资组合业绩进行实证分析，结果表明优秀的智能投顾可以通过量化投资的方法，将投资风险分散化，实现年化6%～8%的理财产品组合收益，要高于大多数银行理财产品4%左右的预期收益率。

　　五、主要结论与展望

　　智能投顾的技术理论和应用实践方面都取得可喜的研究进展，主要体现在以下三个方面：

第一、以Markowitz均值-方差理论为基础模型的现代投资组合理论（MPT），构成智能投顾的理论基础。

第二、大数据、云计算、人工智能等金融科技的创新发展，为智能投顾提供了良好的技术条件。

第三、智能投顾获得了较广泛的应用，未来前景看好。

　　然而，就目前的文献来看，至少还有以下两方面值得我们进一步开展研究。

一方面，在理论研究内容上，忽略了对智能投顾模型框架的总体设计，尤其是缺乏对智能投顾全面技术理论框架和技术实现路径的探讨。

另一方面，在应用实践上，表现为应用深度研究不足：

目前更多地把智能投顾仅仅作为一种理财工具或平台使用；

而忽略了对智能投顾一整套服务体系的设计，以及智能投顾服务人员团队配套机制的研究。

　　?

⒖嘉南?

　　[1]AgrawalR，ImidinskiT，SwamiA.Miningassociationrulesbetweensetsofitemsinlargedatabases[A].ProcofACMSIGMODConfonManagementofData[C].Washington，1993.pp207-216.

　　[2]BlackF，LittermanR.Globalportfoliooptimization[J].FinancialAnalystsJournal.1992.

　　[3]Breiman，L.，BagingPredictors[J].MachineLearning，1996，24

（2）：

123-140.

　　[4]BreimanL.，Friedman，J.，Olshen，R.，andStone，C.ClasificationandRegressionTres[M].Wadsworth，1984.

　　[5]BreimanL.Randomforests[J].MachineLearning，2001，45

（1）：

5-32.

　　[6]BuyyaR，YeoCS，VenugopalS.Market-orientedcloudcomputing：

Vision，hype，andrealityfordeliveringitservicesascomputingutilities[C]∥Procedingsofthe20099thIEEE/ACMInternationalSymposiumonClusterComputingandtheGrid.2009.

　　[7]Cortes，C.，Vapnik，V.M.SuportVectorNetworks[J].MachineLearning，1995，20：

273-297.

　　[8]Dieterich，T.G.AnExperimentalComparisonofThreeMethodsforConstructingEnsemblesofDecisionTrees：

Baging，Bosting，andRandomization[J].MachineLeanring，2000，40：

139-157.

　　[9]DeanJ，GhemawatS.MapReduce：

simplifieddataprocessingonlargeclusters[J].CommunicationsoftheACM，2008，51

（1）：

107-113.

　　[10]GhemawatS，GobioffH，LeungS.TheGooglefilesystem[C]//SOSP’03ProceedingsofthenineteenthACMsymposiumonOperatingsystemsprinciples.NewYork，USA：

ACM，2003：

29-43.

　　[11]GustafsonT，FinkD.Winningwithinthedatavaluechain[J].Strategy&

InnovationNewsletter，2013，11

（2）：

7-13.

　　[12]IyerBandHendersonJC.Preparingforthefuture：

Understandingthesevencapabilitiesofcloudcomputing[J].MISQuarterlyExecutive，2010，9

（2）：

117-131.

　　[13]JUNS，PARKS，JANGD.Atechnologyvaluationmodelusingquantitativepatentanalysis：

acasestudyoftechnologytransferinbigdatamarketing[J].EmergingMarketsFinance&

Trade，2015，51：

963-974.

　　[14]LaneyDouglas.3Ddatamanagement：

Controllingdatavolume，velocityandvariety[J].METAGroupResearchNote，2001.

　　[15]MarkowitzH.M.PortfolioSelection[J].JournalofFinance，1952（7）.

　　[16]P.Dempster，N.M.LairdAandD.B.Rubin.MaximunLikelihoodFromIncompleteDataViatheEMAlgorlthm[J].RoyalStat.Soc.1997，39

（1）：

1-38.

　　[17]TakabiH，JoshiJBD，AhnG.SecurityandPrivacyChallengesinCloudComputingEnvironments[J].IEEEComputerSociety，2010，8（6）：

24-31.

　　[18]TirunllaiS，TELLISGJ.Miningmarketingmeaningfromonlinechatter：

strategicbrandanalysisofbigdatausinglatentdirichletallocation[J].JournalofMarketingResearch，2014（8）：

463-479.　　[19]VarianH.R.Bigdata：

newtricksforeconometrics[J].JournalofEconomicPerspectives，2014，28

（2）：

3-28.

　　[20]WingCheung.TransparentAugmentedBlack-LittermanAllocation：

SimpleandUnifiedFrameworkforStrategyCombination，FactorMimicking，Hedging，andStock-SpecificAlphas[J].SocialScienceElectronicPublishing.2009.

　　[21]巴曙松，白海峰.金融科技的发展历程与核心技术应用场景探索[J].清华金融评论，2016，（11）.

　　[22]程东亮.人工智能在金融领域应用现状及安全风险探析[J].金融科技时代，2016（9）.

　　[23]冯永昌，孙冬萌.智能投顾行业机遇与挑战并存（上）[J].金融科技时代，2017（6）.

　　[24]李晴.智能投顾的风险分析及法律规制路径[J].南方金融，2017（4）.

　　[25]六道道.奇点指数2016热门智能投顾产品测评报告[OL].http：

//2017年1月6日.

　　[26]卢晓明.智能投顾：

“混沌”中看未来[J].金融博览（财富），2017

（2）.

　　[27]吕晶晶.人工智能，重构金融服务生态[J].金融博览（财富），2017

（2）.

　　[28]潘芳.智能投顾：

金融与科技的时代融合[J].中国金融电脑，2017（6）.

　　[29]乔智迪.对智能投顾在中国发展困境的反思――以理财魔方为例[J].金融经济，2017（14）.

　　[30]徐慧中.我国智能投顾的监管难点及对策[J].金融发展研究，2016（7）.

　　[31]杨涛.对人工智能在金融领域应用的思考[J].国际金融，2016（12）.

　　[32]于文菊.我国智能投顾的发展现状及其法律监管[J].海南金融，2017（6）.

　　[33]岳磊.智能投?

+养老金，应用前景巨大[J].金融博览（财富），2017（7）.

　　[34]邢桂伟.人工智能，金融数字化新方向[J].中国金融电脑，2017（5）.

　　[35]许亚岚.智能投顾：

新金融的下一战场[J].经济，2016（32）.

　　基金项目：

本文获中国博士后科学基金项目第62批面上资助“基于金融科技的智能投顾模型设计及应用”（项目编号：

2017M621329）。

　　作者简介：

赖庆晟（1981-），男，复旦大学与国泰君安证券股份有限公司联合培养博士后，经济师职称，经济学博士，研究方向：

智能投顾。