機(jī)器人投顧的特點(diǎn)

機(jī)器人投顧最直觀的解釋就是“把合適的資產(chǎn)推薦給合適的人”，也就是私人定制。

它主要是通過兩套評(píng)價(jià)體系相結(jié)合的方式來實(shí)現(xiàn)，一方面通過問卷及數(shù)據(jù)對(duì)客戶風(fēng)險(xiǎn)和行為特征進(jìn)行分析，刻畫用戶屬性；另一方面對(duì)資產(chǎn)風(fēng)險(xiǎn)收益進(jìn)行衡量，挑選出有效的投資組合；最后將用戶屬性與資產(chǎn)組合進(jìn)行匹配，使不同的人有不同的配置組合，形成千人千面。

千人千面原理圖

全流程服務(wù)圖

機(jī)器人投顧的核心在于圍繞金融市場(chǎng)投資行為所開發(fā)的專屬數(shù)據(jù)資產(chǎn)，以及在此基礎(chǔ)上訓(xùn)練、研發(fā)的場(chǎng)景化算法與模型，千人千面、組合調(diào)整等核心功能其實(shí)都是依托數(shù)據(jù)科學(xué)驅(qū)動(dòng)的各類算法模型來實(shí)現(xiàn)的；成千上百個(gè)組合的生成以及對(duì)各個(gè)組合的單獨(dú)跟蹤調(diào)整也都是由智能算法模型來完成的。機(jī)器人投顧是數(shù)據(jù)科學(xué)、人工智能算法及量化分析模型相融合的產(chǎn)物，它以大量數(shù)據(jù)為開發(fā)基礎(chǔ)，通過智能化算法學(xué)習(xí)數(shù)據(jù)特征，再結(jié)合客戶維度信息生成最優(yōu)適配組合，整個(gè)過程均由算法、模型自動(dòng)實(shí)現(xiàn)，可以有效避免市場(chǎng)噪音、人為情緒等對(duì)投資決策的干擾。

因此，與部分投資個(gè)體根據(jù)經(jīng)驗(yàn)人為挑選股票組合的投資策略相比，機(jī)器人投顧則是完全不同的投資決策方式，這種投資決策方式上的巨大差異也決定了機(jī)器人投顧與單純?nèi)斯ね顿Y策略之間存在著本質(zhì)上的區(qū)別。

基于動(dòng)態(tài)因子庫(kù)的數(shù)據(jù)資產(chǎn)是機(jī)器人投顧產(chǎn)品建設(shè)中至關(guān)重要的部分，它直接影響著算法模型的最終表現(xiàn)效果。對(duì)于AI技術(shù)驅(qū)動(dòng)的人工智能產(chǎn)品或者服務(wù)來說，從具體場(chǎng)景服務(wù)端切入的數(shù)據(jù)工程化處理及圍繞場(chǎng)景變化進(jìn)行的數(shù)據(jù)深加工，開發(fā)出高質(zhì)量、適用性強(qiáng)的數(shù)據(jù)資產(chǎn)，往往是產(chǎn)品研發(fā)的基石。對(duì)于金融市場(chǎng)投資、特別是智能化選股領(lǐng)域等不完全信息博弈框架下，數(shù)據(jù)資產(chǎn)的開發(fā)比算法模型本身的選擇要顯得更基礎(chǔ)、更關(guān)鍵。金融市場(chǎng)充滿不確定性，沒有高質(zhì)量的數(shù)據(jù)資產(chǎn)及精細(xì)的特征工程作支撐，精巧的算法模型效果也會(huì)大打折扣。

人工智能算法對(duì)金融市場(chǎng)特征和投資行為的刻畫與揭示方式是多樣的，不同機(jī)器人投顧產(chǎn)品背后所蘊(yùn)含的算法、模型與實(shí)現(xiàn)方法都可能存在著差異，即使基于相同的算法原理開發(fā)的模型也會(huì)對(duì)相同資產(chǎn)給出不同的篩選建議。這主要源自算法的場(chǎng)景化、數(shù)據(jù)的工程化和金融理論的實(shí)證化方面均存在或大或小的差異，每個(gè)環(huán)節(jié)對(duì)數(shù)據(jù)的選擇處理存在的一系列差異造就了不同機(jī)構(gòu)開發(fā)的智能化產(chǎn)品在“制作工藝”及“市場(chǎng)表現(xiàn)”方面存在的較大差別，這也是市場(chǎng)上不同智能化產(chǎn)品核心競(jìng)爭(zhēng)力的差異所在。

例如，可以用馬科維茨現(xiàn)代投資組合理論，對(duì)于不同的風(fēng)險(xiǎn)波動(dòng)程度選取有效邊界上對(duì)應(yīng)的最優(yōu)配置點(diǎn)；可以利用XGBoost算法，通過決策樹迭代構(gòu)建多個(gè)弱分類器，將弱分類器以串行的方式組合起來形成強(qiáng)分類器，從而對(duì)股票的漲跌概率進(jìn)行預(yù)測(cè)，挑選出上漲概率較高的股票；也可以利用SVM算法，基于數(shù)據(jù)的諸多維度構(gòu)建分類超平面，使不同類型的點(diǎn)到分割邊界的最短距離取最大值，實(shí)現(xiàn)對(duì)漲跌樣本的分類，從而進(jìn)行對(duì)個(gè)股或大盤走勢(shì)的判斷。

XGBoost算法用于選股模型

神經(jīng)網(wǎng)絡(luò)用于資產(chǎn)配置

興業(yè)數(shù)金股海精靈機(jī)器人投顧將數(shù)據(jù)資產(chǎn)、機(jī)器學(xué)習(xí)算法、投資理論、量化分析模型相結(jié)合，能夠幫助廣大個(gè)人客戶解決不知道如何挑選股票、不知道如何及時(shí)進(jìn)行買賣調(diào)整等諸多股票投資中的痛點(diǎn)，促進(jìn)客戶股票投資效率的提升。

與市場(chǎng)上大部分側(cè)重于個(gè)股分析的投顧產(chǎn)品不同，數(shù)金股海精靈機(jī)器人投顧以股票組合推薦為主，將客戶端和資產(chǎn)端進(jìn)行匹配，根據(jù)客戶特點(diǎn)進(jìn)行差異化的適配組合推薦，同時(shí)隨著市場(chǎng)變化動(dòng)態(tài)調(diào)整、優(yōu)化組合配置。通過利用人工智能算法技術(shù)，股海精靈能夠同時(shí)滿足大量客戶的定制化需求，讓客戶以較低的成本享受到高效便捷的投資顧問服務(wù)。產(chǎn)品在以下方面能夠給用戶帶來更好的體驗(yàn)：

1、個(gè)性化推薦。將用戶的持倉(cāng)時(shí)間、風(fēng)險(xiǎn)維度、擬投資金額等因素考慮進(jìn)來，為用戶提供個(gè)性化的股票配置?？蛻糁恍柽x擇相應(yīng)的維度，股海精靈將自動(dòng)推薦與客戶最匹配的股票組合，無需客戶自行對(duì)股票進(jìn)行挑選。當(dāng)客戶選擇的持倉(cāng)時(shí)間、風(fēng)險(xiǎn)偏好、擬投資金額等因素發(fā)生變化時(shí)，推薦的適配股票組合都會(huì)有差異，使股票組合與客戶屬性有更好的互通，與客戶特征有更好的匹配。

2、全流程服務(wù)。提供從客戶分析到組合推薦再到組合調(diào)整等全流程、自動(dòng)化的服務(wù)，幫助用戶節(jié)省選擇股票、跟蹤市場(chǎng)的精力及時(shí)間。股海精靈基于算法模型能夠?qū)ι傻拿恳粋€(gè)組合進(jìn)行監(jiān)測(cè)，根據(jù)金融市場(chǎng)的變化動(dòng)態(tài)調(diào)整股票組合。

3、理性操作。根據(jù)算法模型對(duì)股票市場(chǎng)數(shù)據(jù)的分析結(jié)果給出操作建議，減少C端客戶個(gè)體在市場(chǎng)上漲時(shí)興奮狂熱、在市場(chǎng)下跌時(shí)懼怕恐慌等非理性情緒導(dǎo)致的追漲殺跌等投機(jī)行為。股海精靈對(duì)影響股票價(jià)格的因子進(jìn)行特征化處理，從影響股價(jià)的諸多因子中挑選出影響較顯著的特征因子集，然后在特征因子的基礎(chǔ)上利用機(jī)器學(xué)習(xí)算法訓(xùn)練選股模型，通過模型自動(dòng)構(gòu)建股票組合并進(jìn)行動(dòng)態(tài)調(diào)優(yōu)，整個(gè)選股、組合及調(diào)整的過程完全在數(shù)據(jù)驅(qū)動(dòng)下由模型實(shí)現(xiàn)，最大程度減少人為因素的干擾，能夠避免操作失誤及不理性情緒的影響。

4、風(fēng)險(xiǎn)平衡。股海精靈算法模型綜合考慮股票的風(fēng)險(xiǎn)及收益，以風(fēng)險(xiǎn)收益平衡為出發(fā)點(diǎn)挑選股票組合，旨在使組合在中長(zhǎng)期的投資期限內(nèi)表現(xiàn)趨于穩(wěn)健，并將股票組合與客戶的風(fēng)險(xiǎn)屬性相匹配；這種組合推薦的形式本身能夠在一定程度上降低風(fēng)險(xiǎn)，避免因單只股票價(jià)格劇烈波動(dòng)而導(dǎo)致的較大損失。

在科技賦能金融的背景下，興業(yè)數(shù)金致力于為廣大金融機(jī)構(gòu)提供以人工智能算法支撐的信息咨詢服務(wù)，給資本市場(chǎng)的廣大 C端投資者客戶在個(gè)性化選股、組合配置等方面提供智能化的服務(wù)體驗(yàn)，幫助其進(jìn)行更加便捷和理性的投資，同時(shí)也助力金融機(jī)構(gòu)實(shí)現(xiàn)客戶服務(wù)模式的多樣化、智能化改變，促進(jìn)金融機(jī)構(gòu)降低客戶服務(wù)成本，提高服務(wù)效率，增強(qiáng)客戶粘性，增加經(jīng)紀(jì)業(yè)務(wù)收入。