7.2 AI金融典型案例
从目前的情况来看,国内外AI在金融领域的应用已经有了很多成功案例,其中比较具有代表性的是美国的Wealthfront、英国的Nutmeg、中国的蚂蚁金服等。在这些成功案例的助力下,金融领域的智能化程度正在变得越来越高。一方面,这极大地提升了金融工作的质量和效率;另一方面,这也最大限度地保证了金融事业的平稳发展。
7.2.1 美国Wealthfront:智能投顾平台近些年来,在以美国为代表的海外市场,智能投顾已经获得了非常良好的发展,规模也正在逐渐变大。相关数据显示,截至2015年6月,智能投顾平台将管理210亿美元以上的资产。与此同时,A.T.Kearney也曾预测,在2016—2020年,美国智能投顾行业的资产管理规模将有大幅度增长,具体为从3000亿美元增长到2.2万亿美元,年均复合增长率将高达68%。
另外,世界上有很多比较著名的智能投顾平台,如Wealthfront、Betterment、Personal Capital、Schwab、Intelligent Portfolio等,其中绝大部分都是属于美国的。本节就介绍美国的Wealthfront。
在美国,Wealthfront是一家非常具有代表性,也深受客户喜爱的智能投顾平台。通过计算机模型和一些前沿技术,该平台可以为接受过调查问卷评估的客户提供个性化的资产投资组合建议,例如,房地产资产配置、债权配置、股票配置、股票期权操作等。
据悉,Wealthfront 的主要客户是在硅谷工作的科技人员,其中比较典型的是Twitter、Facebook等知名企业的科技人员。除此以外,Wealthfront也拥有一套既完整又系统的盈利模式,如表7-1所示。
无论是与传统金融机构相比,还是与别的智能投顾平台相比,Wealthfront向客户收取的费用都是更低的。一般来讲,美国的传统金融机构要向客户收取多个项目的费用(例如,充值提现费用、交易费用、投资组合调整费用、咨询费用、零散费用、隐藏费用等),整体费用率已经达到了1%,有时甚至还会达到或超过3%。
其实仔细想来,这也是情有可原的,毕竟美国的人力成本、房屋租金都非常高,传统机构要想收回成本或者盈利的话,必须向客户收取比较高的费用率。然而,在相关前沿技术的助力下,智能投顾平台不再需要很多工作人员,也不再需要很大型的办公场所,因此,可以节省一大笔人力、房屋租金方面的成本。
在这种情况下,即使采取低费率的策略吸引客户,只要成交规模够大,智能投顾平台依然可以获得较为丰厚的利润,本节所讲的Wealthfront就拥有这样的优势。对此,可能有人就会不解,难道 Wealthfront 就是因为拥有这样的优势才可以获得快速发展吗?当然不是,除此以外,如图7-6所示的3个方面的原因也是不可以被忽视的。
1.强大的技术实力和极具竞争力的模型方法Wealthfront不仅可以为客户提供个性化的投资理财服务,还可以为客户制订各种各样的资产配置方案,而且费用非常低,其背后的核心则是强大的技术实力和极具竞争力的模型方法。在金融市场理论、前沿技术等方面,美国无疑是一个非常典型的引领者,Wealthfront便充分结合了这种优势,因此,可以获得快速发展。
2.信息披露比较充分
Wealthfront官网上展示了很多与Wealthfront有关的重要信息,例如,平台基本情况、业务范围、法律文件等。通常情况下,客户掌握越多的平台信息,对平台就会越信任。另外值得一提的是,在展示信息的时候,Wealthfront也是力求形式的多样化,例如文字、图表、PPT、白皮书等。不仅如此,为了给客户提供更加直观的解释,Wealthfront还在很多地方使用了数据。
3.极具能力的管理和投资团队
从目前的情况来看,Wealthfront管理团队中的成员基本上都来自顶级的互联网企业或者金融机构,例如 Livevol Securities、LinkedIn、Benchmark Capital、Twitter、Apple、Microsoft等。此外,投资团队中的量化研究人员和投资顾问,基本上都拥有比较高的学历,以及非常丰富的实践经验,更重要的是,还拥有非常珍贵的客户资源。
随着AI的不断进步和完善,智能投顾已经获得了越来越广泛的关注,很多著名银行(例如,苏格兰皇家银行、劳埃德银行、巴克莱银行、桑坦德银行、蒙特利尔银行等)都宣布要尽快引入智能投顾服务,这也会为金融领域的创新带来深刻影响。
7.2.2 英国Nutmeg:透明的智能投顾平台与上一节所讲的Wealthfront相同,Nutmeg也是一个智能投顾平台,但不同的是,前者属于美国,后者则属于英国。据了解,英国的Nutmeg一直致力于改善金融投资的现状,同时也希望把金融投资的门槛降低到普通民众都可以参与的程度。
Nutmeg 的创始人是尼克·汉格福特,他曾经在巴克莱银行工作过很长时间,因此具有非常丰富的实践经验和客户资源。2015年,Nutmeg还入选了毕马威(KPMG)和H2Ventures联合评选的“100家创新金融科技公司”。
Nutmeg 的业务模式是为客户提供资产管理服务,具体来说就是,根据客户的投资倾向(主要包括投资金额、风险偏好、投资期限等),将其资产分散到各个投资领域,例如股票、政府债券、公司债券等。这里必须知道的是,通过算法,Nutmeg 不仅实现了智能投顾的人性化,还实现了智能投顾的透明化。
在资本市场上,因为Nutmeg的商业模式非常具有创新性,所以,获得了一大批投资者和投资机构的关注。据相关人士透露,2012年6月,Nutmeg获得了A轮融资,融资金额为340万英镑。两年之后,也就是2014年6月,Nutmeg又获得了B轮融资,融资金额约2467万英镑。
当然,Nutmeg 之所以会获得如此巨额的融资,除了其商业模式非常具有创新性,还有一些别的原因,如图7-7所示。
1.智能化、透明化的投资体验
据了解,只需要不到10分钟的时间,Nutmeg就可以完成对客户的资产组合配置,具体可以参照图7-8所示。
通过图7-8可以知道,如果在Nutmeg上投资,客户只要设置投资期限、初始投资和每月投资额、风险水平,就可以收到来自Nutmeg 的一些信息,例如收益率预测、投资组合构成、类似投资组合的历史表现、具体投向等。
在投资组合方面,为了满足客户愿意承担部分风险以获得较高收益的需求,Nutmeg会将39%的资金投向发达国家的股权。与此同时,为了配平风险,Nutmeg还会把43%的资金投向政府债券和发达国家市场,而其余18%的资金则会投向别的渠道。
2.低门槛与低费用率
对于客户而言,只需500英镑就可以加入Nutmeg,门槛非常低。除此以外,Nutmeg 的费用率也非常低。具体来讲,根据投资金额的不同,Nutmeg仅向客户收取不到1%(在0.3%~0.95%浮动)的管理费用,以及0.19%的基础费用。
3.个性化的风险分级安排
通常来讲,不同客户的风险承受能力都是不同的,因此,Nutmeg为客户准备了5档共10种投资组合,这些投资组合的风险从1级到10级不等。据悉,在最低风险等级的投资组合当中,现金与货币市场基金的占比为40%,而企业与政府债券则占到了剩下的60%。此外,在高风险等级的投资组合当中,基本上所有的资金都投向了发达国家和新兴市场的股权。
在英国,Nutmeg 无疑是智能投顾领域的一个标杆,其所具备的明显优势非常值得研究和分析,其独创的创新型模式也非常值得学习和借鉴。可以预见,Nutmeg将会获得越来越多客户的认可和喜爱,从而推动自身的不断进步发展。
7.2.3 蚂蚁金服:借AI风控系统提高放款效率众所周知,在安全风控当中,除了有客户,还有机构、设备、商家等,多方之间通过资金流动形成互联。过去这些年,蚂蚁金服通过使用大量机器学习,建立起了非常强大的风控系统。
但随着时代的不断发展,这一风控系统也应该进一步升级。
一直以来,蚂蚁金服都希望能对一笔交易是否存在账号被盗风险进行精确判断,而自从风控系统升级以后,这一希望似乎就可以变成现实。在该过程中,蚂蚁金服使用了一个跨领域的技术——广告点击率预估技术。
具体来说,2014年,Facebook 发布了一篇专门讲述“梯度提升决策树+逻辑回归”的文章,而蚂蚁金服则把其中的“逻辑回归”替换成了大规模深度学习,并使用到风控当中——通过梯度提升决策树产生特征,然后由深度神经网算法继续学习。
通常情况下,蚂蚁金服也无法判断风控里面的特征究竟有没有用途,或者是哪些有用途,哪些没有用途。于是蚂蚁金服就利用梯度提升决策树产生海量特征,然后把这些特征提供给深度学习模型。
实际上,除了把梯度提升决策树和深度神经网算法结合起来考虑风控,蚂蚁金服也对客户、机构、商家等的关系进行了考虑。举一个比较简单的例子,通过Embedding技术,蚂蚁金服将各方之间的关系整合起来,并形成了一个图形网络,然后对这个图形网络进行监督学习、加强学习。
除此以外,在2017年中国人工智能大会上,蚂蚁金服副总裁兼首席数据科学家漆远还举了一个支付宝的例子,具体如下:
“通过支付宝账号的账户(行为)可以判断一个人是否注册了垃圾账号。可以把整个的图关系通过一个Embedding的技术产生深度学习的网络,通过机器学习产生一个隐性表达,这个表达不光涵盖了每个节点自身复杂的特征,同时还对网络结构做了一个Encoding。
在垃圾账号识别上,经典的Recall-Precision曲线中,Precision越高越好,接近1就是完美。我们对图使用Embedding技术后有了质的飞跃,Recall在70%、80%的时候,Precision达到90%,而原来的算法Precision在40%多,这基本相当于瞎猜。与以前的系统相比,Node2Vec也非常先进,我们在此基础上又做出了明显的提升。”
总而言之,将图的关系与特征结合起来,可以产生特别有力量的模型,而蚂蚁金服就使用了这样的模型。另外,通过算法,蚂蚁金服的风控系统也实现了进一步升级,从而在很大程度上保证了交易的安全性。
无论是上两个小节提到的美国的Wealthfront、英国的Nutmeg,还是本小节讲述的蚂蚁金服,都是AI金融的典型案例。
未来这样的案例还会越来越多,与此同时,金融领域的智能化程度也会越来越高。
本书评论