金科委研究课题 | 人工智能和量化投资在证券投资、投资咨询和基金代销业务的应用和规范（上）
*文章来源于深圳资本市场金融科技委员会研究课题
前言
量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，进而交易的过程。资本市场量化投资最显著的特征在于投资策略明确，且具有可追溯性。所谓投资策略，即进行量化投资时需遵循的交易规则。而按照主观判断进行投资时，投资决策将主要依据投资者的主观判断，因此后续无法对决策进行追溯。而量化投资由于需遵循一定的交易规则，因而后续可依据交易历史数据追溯交易策略历史上的投资业绩表现。
人工智能定义为从环境中接收感知信息并执行行动的智能代理。从外部看，这样的智能代理都实现了一个把感知序列映射到行动中的函数集，这些函数集从外部反映了智能代理的特性。从内部看，智能代理函数集是通过运行在自身结构上的智能代理程序实现的。目前很多投资机构开始运用基于大数据的智能代理进行证券投资虽然也是由程序实现的，但它构建了学习机制以及建立在其上的知识库，因此具备了一定的学习、推理以及进行决策的能力。
人工智能作为我国“新基建”七大领域之一，持续作用于探索实体经济中新一代应用场景。人工智能正深入影响和重塑金融行业，在量化投资中发挥积极作用，推动产业变革并赋能金融行业完成智能化转型和新旧动能转换，越来越多的投资机构开始运用基于大数据的人工智能技术来从事金融投资分析研究与交易。投资者对人工智能的理解愈发加深，量化投资的发展也将被进一步推动。
金融市场大数据获取的便利性也使得这一技术逐渐从量化对冲基金渗透到证券投资的各个领域，打破传统的纯经济学范畴的证券投资研究方法，包括基本面分析法、技术分析法、投资组合分析法和行为金融分析法等。
人工智能用于证券投资，输入的要素金融市场在所有市场和所有时点的价格信息，以及新闻、财报、研报、政策以及社交媒体等文本信息，即在海量的信息中找到规律及相关性，并依据其归纳总结出行为规律来预测未来市场的规律以及事件发生的概率；输出的要素，则是投资决策，即一方面依靠人工智能强大的算法模型对市场趋势以及资产价格作出精确预测，另一方面随时对用户的资产配置情况以及自身需求进行规划，当用户投资需求同市场走势出现吻合时，迅速抓住机会，完成交易。
可以预见，为顺应国内财富管理转型、证券金融业全球开放的大背景，人工智能投资和投顾技术将会被运用于提升证券业服务水平和竞争力，应用前景将会越加广泛。本课题将着重研究人工智能和量化投资在证券投资、投资咨询和基金代销业务的应用和规范，希望借此帮助有关部门制定完善的规章制度，建立量化策略评估统一标准，通过使用金融科技技术拓展提升对投资者的服务能力，推动、促进行业财富管理转型。
本报告内容共分为五部分，包括以下内容：
第一部分——人工智能和量化投资在证券投资、投资咨询和基金代销业务的应用所经历的发展阶段和各阶段主要的特点
第二部分——人工智能和量化投资在证券投资、投资咨询和基金代销业务的应用方面的政策及解读
第三部分——人工智能和量化投资在证券投资、投资咨询和基金代销业务的当前整体情况
第四部分——人工智能和量化投资在证券投资、投资咨询和基金代销业务的应用的发展趋势研判
第五部分——证券行业在推进人工智能和量化投资在证券投资、投资咨询和基金代销业务的应用中遇到的困难风险及对策建议
一、量化投资的发展历程
从国际、全球的角度来看，量化投资技术的应用发展至今已有五十余年。鉴于量化投资拥有业绩稳定的特性，投资者对量化投资认可度愈发上升，市场规模和份额随之不断扩大。相较之下，我国量化投资起步较晚且前期发展较为缓慢，但可以借鉴当前国际上公开有效的策略，也可以吸收历史教训以避免发生国际上的前车之覆，因此我国量化投资的起点较高，在发展阶段缩短了必经路段，前景乐观、未来可期。
(一)海外发展历程
图1：海外量化策略演化过程
1.初兴阶段
直至到第一个量化投资基金横空出世，量化投资只存在于理论阶段，但现代数量金融理论的发展为量化投资策略的发展奠定了厚实的基础。
被誉为量化投资鼻祖、宽客之父的爱德华· 索普，在1969年利用他发明的科学股票市场系统(实际上是一种股票权证定价模型)，成立了世界上第一个量化投资基金——可转换对冲合伙基金(后改名为普林斯顿－纽波特合伙基金)。该基金成立后连续11年内没有出现年度亏损且持续跑赢标普指数；
接下来的1971年，美国的巴克莱投资管理公司发行了第一只被动量化基金。亦正是从这只基金开始，量化投资逐渐兴起，成为了美国市场中一种非常重要的投资方法；
1973年，美国芝加哥期权交易所成立，以金融衍生品创新和定价为代表的量化投资革命正式拉开了序幕；
1977年，世界上第一只主动量化基金发行，也是出自于巴克莱投资管理公司。世界上第一只被动量化基金和第一只主动量化基金都出自于巴克莱投资管理公司，这意味着巴克莱投资管理公司是量化投资的先行者；
1988年，詹姆斯·西蒙斯成立了大奖章基金，从事高频交易和多策略交易。据联合证券基金研究小组发布的研究报告，大奖章基金在1989-2007的二十年间，平均年收益率高达35%，若算上44%的收益提成，则该基金实际的年化收益率可高达60%，而“股神”巴菲特在同期的平均年回报也不过约为20%，其超越巴菲特的秘密武器就是量化投资。西蒙斯也因此被称为“量化对冲之王”，是量化投资的标杆人物。
本阶段特点：量化投资由理论转化为实操，随着量化投资产品的出世，其重要性逐渐凸显。
2.繁荣发展阶段
1990年，肯尼斯·格里芬在索普的帮助下设立城堡投资集团，利用数学模型进行可转债套利交易，后发展高频交易策略，成为多元化多策略基金。第一年回报率便达到70%；
1991年，彼得·穆勒发明了阿尔法系统策略；
1992年，诺贝尔经济学奖得主尤金法玛最得意的门生——克里夫·阿斯内斯发明了价值和动量策略；
1994年，被誉为华尔街“债券之父”的约翰· 梅里威瑟成立长期资本管理有限公司，创立期权定价模型。在他的号召下，众多精英加入其麾下，诺贝尔经济学奖的斯科尔斯和莫顿亦在其中。长期资本管理有限公司专长相对价值交易，搜寻价格偏离理论均衡水平的证券，并利用高杠杆放大收益。
本阶段特点：多样化的量化投资策略和产品相继推出，涌现出很多经典的投资策略和著名的投资明星，量化投资规模得到了大大发展并取得巨大的成果。
3.新发展阶段
放眼当前节点，已然是21世纪，得益于数理金融理论、人工智能等新兴技术的迅速发展， 量化投资拥有了新的理论和工具。非线性数学的引入为金融科学量化手段和方法论的研究提供了强而有力的研究支撑；人工智能作为非常强大的非线性工具，帮助投资者在海量数据中寻找到市场波动的特殊模式，深入影响和重塑资管行业，在量化投资中发挥着积极作用。
2000年，互联网泡沫破灭，更多资金此后逐渐进入量化对冲基金。根据壹博数据显示，全球由量化基金管理的资金数量从2000年的400多亿美元增长到2008年金融危机前夕的1万多亿美元。
2007年下半年，美国次贷危机爆发后，投资者开始对按揭证券的价值失去信心，引发流动性危机，导致金融危机的爆发。到2008年，这场金融危机开始失控，并导致多家相当大型的金融机构倒闭或被政府接管。
这场金融危机对于量化基金而言是个巨大的挫折，众多连续多年盈利的量化基金由于杠杆或市场流动性的消失，出现严重亏损。在此后3年，许多受重创的量化对冲基金规模发展受阻。至2010年，全球对冲基金的总规模仍停留在1.4万亿美元附近。
然而，即使是经历金融危机，也有部分量化基金脱颖而出。例如前文提及的大奖章基金，面对全球金融危机的重挫，其回报依然高达80%。
从2009年起，美国30%以上的投资策略采取量化投资，主动型投资产品中也有20%到30%使用了定量的技术。
2011年以来，量化投资基金再次受到热捧。又经过几年的快速发展，至2016年底，全球量化投资基金总规模已超过3万亿美元，占全球基金规模的比例接近30%，量化投资基金已经成为全球资产管理领域主力军之一。
本阶段特点：量化投资技术愈发成熟并利用人工智能等新兴技术进行高速且持续的发展，量化投资基金已经成为全球资产管理领域的主力军之一。
(二)国内发展历程
图2：国内量化策略演化过程
图3:国内量化发展史
1.缓慢发展阶段
相较于国外金融市场，中国的量化投资起步较晚，早期发展慢。
1990年12月，上海证券交易所、深圳证券交易所相继开业，中国股票市场开放。
2004年，国内最早的两只量化基金相继成立，分别应用多因素数量模型和哑铃式投资技术进行指标构建，从而指导量化投资。其后，股权分置改革完成，消除了流通股和非流通股的交易制度差异，为证券市场带来了新气象。但由于交易制度不完善，市场上缺乏有效的对冲标的，量化基金的扩张一度处于停滞状态。
2008年，近十支以ETF套利、封转开套利为主要策略的套利产品发行，量化对冲基金的 发行迎来了第一波高峰，初步活跃市场。
本阶段特点：在2010年以前，国内量化投资处于缓慢发展的阶段。量化策略类型相对较少，行业仍在迷茫与不断探索。
2.潜力凸显阶段
在这一阶段，受到次贷危机的影响，加上对股指期货发行的预期，大量从事量化研究的机构开始投入到量化策略的大潮中，海外的量化投资人才亦是把握机会相继归国发展。
2010年是中国量化投资发展的一个重要历史节点，是名副其实的中国量化投资元年，一系列利好消息持续爆出。
2010年3月，上交所和深交所开通了融资融券交易系统，开始接受交易申报。
2010年4月16日，量化对冲的第一支利器——沪深300股指期货正式推出。随着ETF及分级基金的迅速发展，此时的量化产品终于具备了真正可行的对冲工具，各种量化投资策略如alpha策略、股指期货套利策略真正开始大展身手，中国的量化对冲行业正式开始兴起。国内A股市场的发展历史较短，算不上是特别有效的市场，市场上许多股票价值被错估，相较于定性投资，利用量化投资策略的优点挖掘市场的机会更多，获取超额收益的潜力亦更大。
2012-2014年在一些文章中，将量化刚刚开始兴起的这几年称为“躺赢时代”。闪闪发光的“名校+华尔街”经历和全新的投资理念及方法让第一批量化私募轻松打开了国内市场。虽然沪深300以大市值的蓝筹股为主，对冲范围有限，存在市值暴露的风险，但是依然可以用经典的Alpha框架配以策略信号，轻松获得超额收益。
自2012年年末开始，创业板指数从600点一路飙升至1500多点，而沪深300指数则出现波动式下滑，从2800点左右的位置下滑至2100点，跌幅达到25%左右，这给了对冲策略一个爆发式增长的空间。
2013年创业板的牛市中，量化投资高速发展了起来。经过两年的积累和蜕变，阿尔法策略在国内量化市场迎来了一次大爆发。有研究表示，在2013年至2014年期间，只要做多创业板指，做空沪深300股指期货进行对冲，就可以获得接近54%的年化收益。
2014年底至2015年中期，A股市场波动与落差都是巨大的，量化投资产品反而取得巨大的收益，在这段时期量化投资获得优秀的成果，同时国内量化投资逐渐走进大众视野范围当中。量化对冲基金数量迎来了第二波增长，截至2014年末，量化对冲占证券投资类私募产品的比例达到18%。到2015年初，多家量化私募已经达到了百亿规模。
本阶段特点：本阶段大量机构开始量化策略的研究，发行了大量量化投资产品。市场充满潜力，其可发展、可挖掘的特性吸引了大量的海外量化人才归国发展，得益于新扩充的金融工具，国内量化投资得以快速发展，后续发展空间巨大。
3.新发展时期
2015年4月16日，中证500指数期货上市，为量化投资市场带来新的活力，一方面可利用中证500提高现有产品策略的收益风险比，另一方面可利用其开发风险收益特征各异的投资策略和产品。
2015年6月26日，股市在经历了全民狂欢的时代后急转直下，沪指下跌7.4%，深成指下跌8.24%，创业板指下跌8.91%，“股灾”拉开了序幕。由此带来了股指期货的全线下跌，2015年6月15日至7月31日，沪深300、上证50和中证500指数分别下跌26.90%、24.56%和31.82%；相应股指期货主力合约跌幅分别为28.97%、26.09%和34.11%，与现货跌幅相近。量化基金运行对冲策略时，利用股指期货作为对冲工具。因此在市场情绪低落时，大量投资者认为做空股指期货是造成股市大幅下跌的始作俑者。
2015年7月，中金所通报了自2015年6月15日以来的期指交易情况：1.交易量剧烈放大；2.期现基差及其波动放大；3.程序化交易快速发展；4.持仓规模大幅下降，成交持仓比上升，但不存在裸卖空现象。
2015年9月2日，中金所公布一系列股指期货严格管控措施，旨在进一步抑制市场过度投机等非理性交易，促进股指期货市场规范平稳运行，对股指期货日内交易实施限制措施，市场流动性因此减弱。沪深300、上证50、中证500股指期货客户在单个产品、单日开仓交易量超过10手的构成“日内开仓交易量较大”的日常交易行为。沪深300、上证50、中证500股指期货各合约非套期保值持仓交易保证金标准由30%提高到40%。沪深300、上证50、中证500股指期货各合约套期保值持仓交易保证金标准由10%提高到20%。这一系列措施对于量化私募的打击无疑是巨大的，基差不断扩大，年化贴水达到30%以上，中性策略无法配置，指增策略又受到低迷的市场环境影响，量化私募进入了一个相对缓慢发展的阶段。从量化对冲私募的发行规模来看，由于股灾前私募产品发行和成立尚处在一个较快的成长空间，2015年整体的对冲阳光私募发行数量仍然是上涨的，但是增长速度明显减缓了。
2016年到2017年间，量化行业经历了非常艰难和惨淡的时期。后股灾时代，严格的监管仍在继续，缺少了有效的对冲工具，对冲策略开始偃旗息鼓，暂停开仓；另一方面，CTA策略和量化选股策略也处于激烈竞争中，16年以前国内市场更加青睐高估值小市值的股票，然而在16年底风格发生了转变，大小盘的轮动使得以往给予成长因子高权重策略遭受了致命打击，多家私募管理规模大幅缩水。数据显示，2016年已备案私募同比下降30%，超过12000家私募被注销；从私募管理人数据来看，2016年新成立私募管理人数量同比下降76%。到2017年时，各类量化策略表现平均来说都不尽如人意，部分量化私募面临缩水，而大部分量化私募的规模处在企稳阶段。虽然2016年新成立的量化私募依旧达3150只，但由于监管对股指期货的交易限制，量化私募的增长速度再次减档。同时，2017年私募量化市场产品成立情况延续了前期的低迷，截至2017年11月，新成立量化产品仅为468只，仅占2016年新成立数量的15%。同时因为股指期货的持续深贴水，使得收益几乎被消耗。
但变化即机遇，国内量化团队开始了自己的转型工作。一是逐步从套利对冲策略转型为多空策略、股票多头策略；二则是CTA策略从股票对冲转型为商品期货、国债期货等品种。
2018年后，量化行业马太效应凸显，百亿俱乐部相继出现，四大金刚崭露头角。大浪淘沙后，一批老私募退出视野的同时，新的业绩黑马不断涌现，大家逐渐意识到策略不是万金油，修建护城河同样重要，因此，大型私募纷纷开始建立自己的因子策略平台，毕竟不依赖于人的策略迭代才是保持长久领先的秘诀。
2019年，证监会为了配合科创板推动了公募基金转融通业务指引，并再次丰富融券的券源的种类和规模。大大丰富量化投资策略的种类，同时又能大幅增加量化投资策略的容量，促进市场走向成熟。
2021年11月15日，北京证券交易所(北交所)开市，开辟了企业又一上市渠道，创新型中小企业可在北交所通过注册实现上市，激发新三板市场活力，激励更多的优质中小企业进入资本市场。市场重大扩容，为量化投资市场带来更多的机会。
本阶段特点：本阶段跌宕起伏，经历市场的各种变动、发展和扩容，促使国内量化投资朝着多元化方向发展，新发展时代来临。
二、政策及解读
(一)证券投资
“金融 + 科技”经历了“金融信息化－互联网金融－金融科技”的不同阶段，形态不断变更升级，近年我国出台了一系列金融科技产业支持政策和监管政策，旨在加快金融科技发展的同时加强控制金融风险，其中包含了对人工智能与金融业务深度融合的高层次期许和要求。我国金融科技重点试点城市也对应地出台了相关金融科技相关发展规划，对项目、企业和产业进行了发展规划。
从1993年，国务院出台《国务院关于金融体制改革的决定》，首先明确提出要加快金融电子化建设，随后经过了长时间的金融信息化和互联网金融的发展后，2014年互联网金融被写入了政府工作报告，2016年被写入“十三五”科技创新规划；之后在2017年央行正式成立金融科技委员会，标志着金融科技行业的正式崛起，2019年金融科技业首份顶层文件《金融科技(FinTech)发展规划(2019-2021年)》发布，为科技金融发展指明道路。其中涉及人工智能技术的相关政策 / 文件及重点内容如图1、表1和表2所示，目前中国金融科技重点发展的人工智能技术点及应用场景主要集中在完善产品供给、增强金融惠民、优化企业信贷、提升金融服务效率等方面。
图4：金融科技相关政策发展历程
表1：截至2021年7月中国金融科技产业人工智能支持政策汇总
表2：中国金融科技重点城市产业发展目标
目前国内证券市场已经体现出与人工智能技术类有关的监管规定(含已经公开征求意见的)至少包括以下七个：《中国证监会关于加强证券期货经营机构客户交易终端信息等客户信息管理的规定》(2013年7月)、《证券期货市场程序化交易管理办法(征求意见稿)》(2015年10月)、《中国证监会关于规范证券公司借助第三方平台开展网上开户交易及相关活动的指导意见(征求意见稿)》(2018年5月)、《中国证监会监管科技总体建设方案》(2018年8月)、《证券基金经营机构信息技术管理办法》(2018年12月19日证监会令第152号)、《证券公司交易信息系统外部接入管理暂行规定(征求意见稿)》(2019年2月)、《关于依法从严打击证券违法活动的意见》(2021年7月)。
上述规定约束了智能交易的接入范围，明确了证券期货基金经营机构对系统的接入管理和核查管理，采集备案了客户信息，明确了交易所等自律监管机构对异常交易风险的监管及采取的措施。具体分析如下：
1.2013年7月证监会第30号公告印发的《关于加强证券期货经营机构客户交易终端信息等客户信息管理的规定》，明确规范了客户交易终端信息的采集内容、记录方式、存储期限等技术要求，强调了证券期货经营机构的相关义务。一是妥善管理义务，要求证券期货经营机构采集的客户交易终端信息必须真实、准确、完整。要求客户通过交易终端软件下达交易指令的，证券期货经营机构应确保客户下达的交易指令直达其信息系统，并对客户交易终端信息进行采集。证券期货经营机构应当按照要求采集客户交易终端信息并报送至监管机构。证券期货经营机构应对其交易、结算软件以及客户使用的交易终端软件进行认证管理，确保软件具备真实、准确、完整地采集和报送客户交易终端信息的功能。二是保密义务，证券期货经营机构应当对客户交易终端信息等客户信息承担保密义务；三是报告义务，发生影响客户交易终端信息安全的重大事件时，证券期货经营机构应及时向证券期货监管机构报告。
2.证监会2015年10月9日公布《证券期货市场程序化交易管理办法(征求意见稿)》，拟建立申报核查管理、接入管理、指令审核、收费管理、严格规范境外服务器的使用、监察执法六方面监管制度。该办法限制了程序化交易者应当只用一个账户从事程序化交易，要求证券公司、期货公司应当对程序化交易客户制定专门的业务管理及风险管理制度。另外要求证券期货交易所依法对会员、程序化交易者履行自律监管职责，及时采取自律监管措施，防范程序化交易对市场正常交易秩序的冲击。沪深交易所、中金所、上期所、郑商所、大连商品交易所也相继发布实施细则的公开征求意见稿。据媒体报道，“在征求意见期间，收集上来的认为该监管办法趋于严格的反馈较多。目前正在进一步考量中，推出时间并未确定。”而随着搁置，高频交易和程序化交易等交易方式和业务也由收紧转为正常运行。
3.2018年5月证监会发布的《关于规范证券公司借助第三方平台开展网上开户交易及相关活动的指导意见(征求意见稿)》，全面规范证券公司借助第三方平台开展网上开户交易等相关业务活动，将规范证券公司在确保数据安全的前提下，借助第三方平台合规开展网上开户交易及相关活动，主要涉及经营机构和场景流量提供者两个主体，将引导证券公司与信息技术服务机构形成良好战略合作关系，构建公平、有序的行业生态。其中，明确了证券公司借助第三方平台开展网上证券业务，应当恪守的禁止性规定，包括了五方面内容：第一、证券公司不得为第三方机构非法开展网上证券业务提供任何便利，包括但不限于为其提供交易下单的通道，将网上证券业务交由第三方机构运行，向第三方机构让渡承载网上证券业务相关信息系统模板的管理权，允许第三方机构违规更改网上证券业务相关信息系统模块的参数及其配置信息等。第二、证券公司是开展业务宣传的责任主体，不得进行夸大、不实、误导性宣传，不得在展业过程汇总直接或通过第三方机构等变相向投资者返还佣金、赠送礼品或者输送其他不当利益；第三方机构不得以自身名义从事任何与网上证券业务相关的宣传推介活动。第三、证券公司不得直接或间接向第三方机构支付与开户、交易等业务指标挂钩的费用，不得采取“开户比赛”“交易比赛”等方式诱导投资者进行网上开户、交易及相关活动。第四、证券公司不得向第三方机构提供证券业务相关客户信息及经营数据，不得为第三方机构接收、转发、截取、存储客户交易指令等证券公司向客户提供服务过程中产生的客户信息及经营数据提供便利。第五、证券公司不得违规通过互联网开通融资融券、创业板(首次开通)、新三板、分级基金、期权交易等复杂交易权限。
4.在2018年12月《证券基金经营机构信息技术管理办法》(证监会令【第152号】，以下简称《管理办法》)出台前，信息技术管理相关法规多为推荐性行业标准，强制性的要求较为零散，尚未有覆盖全面信息技术管理的强制性规范。因此《管理办法》极具其代表意义，主要包括以下五大内容：一是全面覆盖各类主体。明确信息技术监管安排，推动行业加大信息技术投入，提升竞争力。二是明确治理、安全、合规三条主线。在传统信息安全监管基础上，针对信息技术治理、数据治理、业务合规提出监管要求，明确经营机构应设立信息技术治理委员会及首席信息官，促进信息技术与业务、风控及合规管理深度融合。三是强化信息技术管理的主体责任。按照“谁运行、谁负责，谁使用、谁负责”的理念，督促经营机构与服务机构守住信息安全底线，回归本位，共同维护证券市场稳定运行。四是支持经营机构应用信息技术提升服务效能。允许经营机构设立信息技术专业子公司，允许经营机构母子公司共享信息技术基础设施，针对信息技术应用领域新情况、新问题，明确监管要求。五是为督促各类市场主体切实履行自身信息技术管理职责，《管理办法》明确了相应处罚措施，最严重可处暂停部分或全部业务、责令更换董事、监事、高级管理人员或者限制其权利等行政监管措施，对于证券基金行业有强制的约束性。
5.2019年2月证监会公开发布的《证券公司交易信息系统外部接入管理暂行规定(征求意见稿)》，充分考量既往非规范交易信息系统外部接入出现的风险隐患及存在问题，借鉴成熟市场经验，引导证券公司在安全、合规的前提下，为机构投资者合理化需求提供外部接入服务。根据《规定》，证券公司是提供交易信息系统外部接入服务的责任主体，应当在严格控制风险的前提下审慎开展相关业务活动。充分评估接入需求合理性，全面核实投资者资质条件，完整验证相关系统功能；在接入过程中切实履行管理职责，严格控制风险，确保外部接入始终保持合规、安全、稳定的状态。《规定》规范的交易信息系统外部接入活动，需要严格遵循证券市场现有交易机制。涉及程序化交易等新型交易方式的监管及自律要求，待相关规则出台后，外部接入系统需一体遵循。
6.2021年7月中共中央办公厅、国务院办公厅印发《关于依法从严打击证券违法活动的意见》，由八项30条意见组成，旨在进一步推动资本市场高质量发展，依法从严打击证券违法活动。作为资本市场历史上首次以中办、国办名义联合印发打击证券违法活动的专门文件，该文件的高度、意义和影响前所未有。同时，作为配套组合拳，该文件进一步强化新《证券法》的要求，将行政、民事、刑事的全方位追责体系搭建完成，共同为我国高质量资本市场的建设保驾护航。
(二)投资咨询
1.我国智能投顾的宏观背景
国务院在2017年7月8日《新一代人工智能发展规划》中明确指出，要推动人工智能与金融等行业融合创新，创新智能金融产品和服务，发展金融新业态。而智能投顾作为一种基于自动化的数字投资顾问程序的金融服务业态，不仅是当今世界金融科技发展的重要方向之一，更是人工智能与金融业相结合的典范。它通过在线提供基于人工智能的投资顾问服务，具有低成本、低门槛的优势，较好地解决了大量个人投资者的理财需求与自然人投资顾问数量有限之间的矛盾，不仅可以基于算法为个人投资者提供个性化的投资组合方案建议，还可以提供交易代执行和自动化账户管理服务，体现了人工智能技术对普惠金融和经济社会发展的推动作用。此种创新的理财服务解决方案最早产生于美国，并逐渐在世界主要国家成为一种潮流。在我国，智能投顾尚处于起步阶段，发展程度较低，各方面的监管制度尚未健全。本文将在我国现有政策法规的逻辑框架下，就智能投顾如何在我国实现规范化发展开展进一步探讨。
2.智能投顾的定义
根据《证券投资顾问业务暂行规定》中对证券投资顾问业务的定义为，证券投资顾问业务，是证券投资咨询业务的一种基本形式，指证券公司、证券投资咨询机构接受客户委托，按照约定，向客户提供涉及证券相关产品的投资建议服务，辅助客户做出投资决策，并直接或者间接获取经济利益的经营活动。投资建议服务内容包括投资的品种选择、投资组合以及理财规划建议等。
目前我国尚未针对智能投顾有明确的定义，2017年2月SEC发布的《智能投顾监管指南》中指出，智能投顾是通过基于网络算法的程序、利用创新技术为用户提供全权委托的账户管理服务的注册投资顾问。2018年4月27日颁布的《关于规范金融机构资产管理业务的指导意见》(下称“资管新规”)第23条规定，运用人工智能技术开展投资顾问业务，应当取得投资顾问资质，非金融机构不得借助智能投资顾问超范围经营或者变相开展资产管理业务。据此，我国语境下的智能投顾应当是指“运用人工技术算法开展的投资顾问业务”。
3.现有法规对智能投顾的规制
4.对现有法规政策的解读
(1)智能投顾市场准入制度
首先，证券智能投顾市场准入制度的适用对象尚不明确。从证券智能投顾所提供的服务内容来看，其所从事的是证券投资顾问业务，根据《证券法》的规定，只有经证监会批准，取得证券投资咨询牌照的主体，方能从事证券投资咨询业务。除此之外，根据《证券投资顾问业务暂行规定》(以下简称《暂行规定》)第7条的规定，从事证券投资咨询服务的人员，亦应取得相应的执业资格，并在中国证券业协会登记注册。由此可见，对于传统的证券投资顾问业务，我国采取的是双重许可，不仅要求证券投资咨询机构取得相应牌照，还要求证券投资顾问取得从业资格并进行登记。然而，上述准入制度在应用于证券智能投顾的过程中却遇到障碍。
从服务方式来看，证券智能投顾对传统投资咨询服务的变革在于用计算机的运算取代了人类的思维活动，证券投资顾问被人工智能所取代，这就引发了在市场准入中是否应当将提供证券投顾服务的人工智能作为市场准入对象的疑问。目前在我国市场上运营证券智能投顾的主体包括三种类型，分别是：探索互联网金融新领域的传统金融机构、进军金融行业的传统互联网巨头和专门从事证券智能投顾业务的互联网金融公司。其中，除传统金融机构牌照齐全外，另外两类证券智能投顾运营商均因缺少证券投资咨询牌照而面临合法性困境，而近年来，我国又已基本停发证券投资咨询机构的新牌照，导致这些新兴的证券智能投顾运营商“合规无门”，进而催生了牌照转租、转让乱象，严重威胁我国金融市场的稳健运行。
《资管新规》首次从规范性文件的角度，对运用人工智能技术开展投资顾问业务的业务属性和准入监管进行了概括性规定，但对投资顾问业务的法律属性和准入管理等重要问题，并未作出具体规定。在业务许可的设定上，有新设许可和沿用现有许可两种做法。国际实践多采取沿用现有许可的做法。其中的重要原因，是现有的智能投顾业务尚未达到人工智能的程度，与传统的证券投资咨询、资产管理、证券经纪等业务，并无分开监管的现实基础。为维护监管制度的稳定，建议我国在业务准入的设定上也原则上沿用现有的监管框架。目前实质停发的证券投资咨询准入，应当继续由中国证监会负责制定申请门槛和程序。
有一种观点认为，智能投顾的投资组合自动管理与我国传统的资产管理业务有明显差别：前者主要是对客户的资金和证券账户直接进行管理，服务商依据合同约定直接操作客户独立的账户；后者则需发行产品，进而集合多人账户中的资产进行集中的资产管理。将自动投资组合管理业务认定为资产管理业务具有重要的现实意义，可以在不改变现有证券法律规定和监管架构的前提下，借鉴资产管理的相关成熟规定，对涉及自动投资组合管理的业务进行规制，并为解决应然需求和实然法律禁止的两难问题提供了一条可行的路径。自《证券、期货投资咨询管理暂行办法》出台以来，我国证券法律一直禁止证券投资咨询业务从业人员、经纪业务从业人员从事代客投资业务。2015年3月，中国证券业协会发布《账户管理业务规则(征求意见稿)》(下称《业务规则》)，拟允许具有证券投资咨询业务资格并符合规则条件的证券公司、证券投资咨询公司，接受客户委托，代理客户执行账户投资或交易管理。但该征求意见稿至今尚未形成正式文件。探究可能的原因，一方面是因为传统的证券投资咨询机构实施轻资产、低门槛的准入管理制度；另一方面，是因为历史上曾出现部分从业人员因道德风险而侵犯投资者正当权益的情形。综上，考虑到修改《证券法》关于禁止全权委托规定的难度，在现行法律框架下认定智能投顾业务具有较大的现实意义。
将投资组合管理认定为资产管理服务，可使服务商按照资产管理相关规定，在取得相关牌照的前提下合法开展投资组合管理服务。这种业务安排并不违反《证券法》一百七十一条、一百四十三条的规定。正如学者所言，《证券法》禁止的仅是特定情形下的(全权)代理委托人从事证券投资的行为，主要是指投资咨询机构及其从业人员从事证券业务，以及证券公司办理经纪业务两种情形，而对其他情形，并未从原则上加以禁止。从实践看，无论是商业银行的私人银行业务还是代客境外理财的QDII业务，以及实践中大量存在的资产管理业务，都属于合法的全权委托业务。
需要注意的是，认定为资产管理业务也存在弊端，可能导致非金融机构无法从事智能资产管理业务。根据《资管新规》第三十条，“资产管理业务作为金融业务，属于特许经营行业，必须纳入金融监管。非金融机构不得发行、销售资产管理产品，国家另有规定的除外”。但这种弊端的本质，是少部分企业无法立即展业，相较于替代方案可能涉及所有企业而言更加经济。从数量上看，我国传统金融机构无疑是从事智能资产管理服务的主力。使用资产管理监管体制，使得这部分企业可以沿用现有的机构从事智能资产管理服务，相较于所有机构不能合法展业或者所有机构申请一种新的牌照的方案，制度实施成本较小。
(2)智能证券投资顾问的法律属性
一般认为，在针对智能投顾的专门监管规定出台以前，与之最近似的是2013年中国证监会发布的《关于加强对利用“荐股软件”从事证券投资咨询业务监管的暂行规定》，其中第2条规定，向投资者销售或者提供“荐股软件”，并直接或者间接获取经济利益的，属于从事证券投资咨询业务，应当经中国证监会许可，取得证券投资咨询业务资格。未取得证券投资咨询业务资格，任何机构和个人不得利用“荐股软件”从事证券投资咨询业务。从该条规定的内容来看，如果将智能投顾视为荐股软件，那么经营智能投顾就属于从事证券投资咨询业务，并且需要取得证券投资咨询业务资格。不过，“荐股软件”最多只能对应仅提供投资建议的智能投顾，且“荐股软件”不一定使用人工智能和算法来给出投资建议。因为根据该规定对“荐股软件”的界定，如果通过人力分析得出投资建议，并通过软件传递给客户的，也属于“荐股软件”的范畴。而智能投顾中的投资建议或其他类似概念，如数字化建议等，均以运用人工智能算法和自动化运行为要素。
2016年，中国证监会网站投资者保护栏目发布了题为《警惕“智能投顾”非法投资咨询陷阱》的投资者教育文章。该文章指出，“智能投顾”是当前互联网金融领域出现的新名词，其实质是网络虚拟人工智能产品，它基于客户自身的理财需求、资产状况、风险承受能力、风险偏好等因素，运用现代投资组合理论，通过算法搭建数据模型，利用人工智能技术和网络平台提供理财顾问服务。涉及证券期货的“智能投顾”属于证券投资咨询业务，需要取得经中国证监会许可的“经营证券期货业务许可证”，未经证监会许可擅自开展证券期货的“智能投顾”业务属于非法证券期货活动。这是官方首次对智能投顾的法律性质进行表态，并将智能投顾定性为投资咨询业务。
从服务内容上看，证券智能投顾与传统证券投资顾问所从事的业务并无不同，均是在投资者与证券投资咨询机构签订了服务协议后，由证券投资咨询机构根据用户的资产规模和投资偏好，为用户提供个性化的投资建议。但从服务方式上看，两者之间的差异较为显著，证券智能投顾用标准化问卷取代了面对面的沟通，用计算机指令的自动执行取代了人类的思维过程。服务方式的转变直接导致了证券投资顾问服务涉及主体的转变，即人类证券投资顾问的地位被计算机系统所取代，原本涉及证券投资咨询机构、证券投资顾问和投资者三方主体的法律关系，被涉及证券智能投顾运营商与投资者两方主体的法律关系所取代，进而引发了各自权利义务以及相应法律责任的变化。在这种情况下，证券投资咨询市场准入制度也应当作出相应的调整。综合学理与我国立法经验，笔者认为应当以智能投顾的运营商作为证券智能投顾市场准入制度的适用对象。
在证券智能投顾服务的过程中，证券投资顾问的工作被计算机系统的运算所取代，因而仅涉及证券智能投顾的运营商一个主体扮演着证券投资咨询机构的角色，相应地应当适用证券投资咨询机构牌照制度，而原本适用于证券投资顾问的从业资格制度，则因证券智能投顾计算机系统不具备主体地位而失去了适用空间。
其次，除却法理层面的考量外，我国监管实务领域也持相似的态度。在2016年的中国互联网金融协会成立会议上，中国人民银行副行长潘功胜强调：“对于互联网金融应该实施穿透式监管……即透过表面现象看清业务实质，把资金来源、中间环节与最终投向穿透联接起来，综合全流程信息来判断业务性质，并执行相应的监管规定。”运用“穿透式监管”的理念对证券智能投顾进行解读，其从表面上看是由一套计算机算法“独立”提供投资咨询建议，但其实际上离不开背后运营商的运营和维护，其设计、研发过程也充分体现了运营商的意志。因此，我们应当明确证券智能投顾的工具属性，认定证券智能投顾的运营商为准入制度的适用对象及相应的责任主体。
在明确了证券智能投顾的运营商为证券智能投顾市场准入制度的适用对象后，问题则随即转变为应当如何判断和识别证券智能投顾的运营商。目前，我国尚未针对证券智能投顾专门立法，但已经出台的关于“荐股软件”的相关规范对智能投顾的准入监管有一定的参考价值。《关于加强对利用“荐股软件”从事证券投资咨询业务监管的暂行规定》第2条规定：“向投资者销售或者提供荐股软件并直接或间接获取经济利益的，属于从事证券投资咨询业务，应当经中国证监会许可，取得证券投资咨询业务资格。”简言之，即采取“主观目的”与“客观行为”相结合的判断标准。虽然“荐股软件”的内涵和外延与证券智能投顾均有所不同，但这种准入主体的识别和判定方法非常值得借鉴。就智能投顾运营商的判断而言，在客观行为上，应当通过证券智能投顾向投资者提供了投顾服务；在主观目的上，服务提供者从中直接或间接地获取了经济利益。只有同时满足这两个条件，方能将服务提供者认定为证券智能投顾运营商。
(3)算法有效性及备案管理
随着人工智能的发展，对于人工智能所依托的算法风险也应当给予禁止性规范。《资管新股》的第二十三条第三款规定金融机构在设计人工智能的算法以及程序化交易时，应当避免算法的同质化以及投资行为的顺周期性，应当做到根据不同的产品策略研发不同的算法匹配，并且对于可能造成的市场风险做好预警预案。但规定并未明确对于算法规制的具体措施。
美国金融业监管局(FINRA)的报告中强调如果运营投顾产品最终出现利益偏向的结果，运营者负有解释算法原因的责任，内容包括算法的具体运作模式以及指向某项金融产品的优势。欧洲证券市场监管局对于从事量化交易的金融机构也有备案要求，备案内容包括交易策略、交易参数的设定及其限制、风险控制手段以及交易系统的测试结果。结合我国的发展，对于投资者在使用智能投顾时，投资智能投顾推荐的产品后发生亏损时，由于智能投顾使用了算法技术，如若算法在实操工程中程序存在问题，也应当承担相应的问题，所以需要针对算法技术的备案管理。
算法的有效性直接关系到智能投顾的责任主体，提升技术标准，保持算法有效性有着重要意义。为了识别算法后的责任主体，可以建立算法备案管理，设立第一责任人机制，完善责任倒查机制，在算法技术发生问题后，合理有据地追究侵权方的责任。在申请牌照时，要说明算法的设计原理以及合理性可行性报告，在小范围投入试运行的报告以及发生风险后的预警机制，通过审核的算法技术也应当予以备案；对于存在相似性，同质化的技术，应当明确规范标准。对于因为算法的同质性，编程设计以及数据挖掘深度造成的算法模型以及系统异常，而造成人工智能给出投资建议影响市场的稳定运行，《资管新规》要求金融机构及时采取干预措施，及时调整或者严重时及时终止人工智能的业务。
(三)基金代销业务
1.量化投资在基金评价中的运用
对投资者而言，一个科学、高效的基金评价体系可以为投资人的投资决策提供及时和有效的信息，使投资者得到关于基金经理人的能力和业绩较为准确的新信息，引导投资者正确识别基金的投资风格和投资价值，减少投资人的决策和决策过程中的信息搜寻成本。根据《招商证券：例年基金评级方法(2020)》，基金评级的理论方法为：遵循长期导向原则，关注基金的持续回报能力。对主动开放式股票型基金、开放式混合型基金、主动开放式债券型基金、FOF、股票多空基金的评级结果综合反映基金过往三年展现出的收益与风险特性；对指数型基金的评级结果综合反映基金过往三年展现出的跟踪标的指数与收益增强能力；对货币市场基金评级结果反映基金过往一年展现出的收益特性。评级指标设置遵循客观、全面、可解释的原则。根据经典投资组合理论，以资本资产定价模型、单指数模型为基础，综合考虑基金收益、风险、流动性等多方面表现，并结合不同类型基金投资目标与风险收益特点设置评级指标。分配星级时，根据评级指标值在二级分类同类基金中由大到小进行排序：前10%评为五星；接下来22.5%评为四星；中间35%评为三星；随后22.5%评为二星；最后10%评为一星。采用四舍五入从五星开始确定每个星级基金数量。部分类别基金采用评级参考指标对基金工具性属性进行补充评价，以最后一颗星的颜色标示。(货币型FOF、货币市场基金不分配星级，按评级指标排序并展示评级参考指标数值。)评级周期为36个月，更新间隔为3个月，更新时间为基金公布季度报告月份的月末。评级结果定期公布在公司网站与媒体上。该评级方式使用了量化的方法处理数据、指标，满足《证券投资基金评价业务管理暂行办法》规定的以下原则：
(1)长期性原则，即注重对基金的长期评价，培育和引导投资人的长期投资理念，不得短期、频繁的基金评价结果误导投资人；
(2)公正性原则，即保持中立地位，公平对待所有评价对象，不得歪曲、诋毁评价对象，防范可能发生的利益冲突；
(3)全面性原则，即全面综合评价基金的投资收益和风险或基金管理人的管理能力，不得将单一指标作为基金评级的唯一标准；
(4)客观性原则，即基金评价过程和结果客观准确，不得使用虚假信息作为基金评价的依据，不得发布虚假的基金评价结果；
(5)一致性原则，即基金评价标准、方法和程序保持一致，不得使用未经公开披露的评价标准、方法和程序；
(6)公开性原则，即使用市场公开披露的信息，不得使用公开披露信息以外的数据。
2.人工智能在基金投顾中的运用
2019年10月25日，证监会下发《关于做好公开募集证券投资基金投资顾问业务试点工作的通知》(以下简称《通知》)，公募基金投资顾问业务试点正式落地。《通知》中明确试点机构应当合理评估、准确界定基金投资组合策略的风险特征，法律法规对特定基金品种合格投资人范围有特别规定的，相关基金投资组合策略的风险特征不得低于有关规定。还规定了基金投资组合策略的产生应由试点机构集中、统一实施，投资决策委员会负责审议基金投资组合策略的产生和调整，并评估形成基金投资组合策略的风险特征，基金投资组合策略的具体产品品种、数量的确定及调整，应当经投资决策委员会审议。
3.人工智能在基金销售中的运用
随着互联网金融的普及，销售渠道变得多种多样，但是无论哪一种方式，在后台还是需要基金销售人员提供服务。随着人工智能在基金中的使用，智能机器人会代替人销售基金，通过智能算法，帮助用户制定更适合的基金组合，并为用户提供风险评估、风险防范和管理、 资产组合再平衡等增值服务。根据《公开募集证券投资基金销售机构监管管理办法》中的第 三章基金销售业务规范，基金销售机构需了解投资人信息，坚持投资人利益优先和风险匹配 原则，根据投资人的风险承担能力销售不同风险等级的产品，把合适的基金产品销售给合适 的投资人。基金销售机构应当加强投资者教育，引导投资人充分认识基金产品的风险收益特征。投资人购入基金前，基金销售机构应当提示投资人阅读基金合同、招募说明书、基金产品资料概要，提供有效途径供投资人查询，并以显著、清晰的方式向投资人揭示投资风险。
(四)路径选择
图5:受访公司路径选择饼形图
全球迎来了以互联网、物联网、智能化、大数据等为核心的第四次工业革命，量化投资和人工智能技术既是应对行业财富转型的战略选择，也是提升企业金融科技水平的重要发展工具。如何在证券投资、投资咨询和基金代销业务选择发展人工智能和量化投资技术的路径，成为了行业企业思考的一个问题。
集团赋能、引入外脑、自主研发等，都能成为企业的路径之一。集团赋能指的是集团加强信息化建设，运用信息化手段管理企业和赋能业务；引入外脑指的是引入外部技术、吸纳外部专家意见；自主研发指的是企业依靠自己的科技和人才力量，研究开发拥有自主知识产权的产品。这三项当中，自主研发所承担的风险明显最高。
根据《人工智能和量化投资在证券投资、投资咨询和基金代销业务的应用和规范的调查问卷 (2021)》的调查结果，基本上所有的受访公司在当前阶段都选取了自主研发为主的路径，部分公司以自主研发为辅、仅在前期并未开始自主研发或走多支路线。在资产管理方面，亦有公司采用合作开发的形式进行人工智能和量化投资产品的开发。
1.自主研发
(1)风险因素
人工智能和量化投资业务风险较大，给自营投资带来的影响尚不明确，自主研发的策略与系统相对可控，有利于逐步探索发展。
(2)业务因素
部分受访公司业务处于起步发展阶段，尚未成熟，而人工智能和量化投资多涉及创新业务，具体的业务使用场景和产品形式需要探索和尝试。自主研发系统相较外购系统更贴近自身业务运营模式，符合业务发展需求，可以更高效灵活地调整系统功能，便于以后根据新的业务场景快速、高效地研发，也有利于保护公司投资策略。
根据公司业务需求，量化研究业务以稳定的绝对收益为目标，要求量化投资回报稳定、逻辑可控以及合规合法。相比权益类量化投资，市场上对于固定收益类的成熟量化产品相对缺乏。自主搭建先进的数据平台，方便量化研究人员获取各类市场数据。
(3)技术因素
传统方式的量化投资对于硬件设备的依赖性不强，通常是通过合适的算法和数据，找寻到有效的量化因子；但涉及到人工智能的量化投资，对于数据量、算力和算法都提出了更高的要求，这就需要信息技术部门的设备和技术支持。
自主研发的方式能使技术人员对自身产品理解深刻，可以做到有效的归因分析进而开展量化投资的升级和完善工作。
以第一创业证券股份有限公司为例，通过e投顾、智富小店、智富通等金融科技产品沉淀客户的业务数据和互联网浏览的行为数据(运行在数据中台的大数据平台之上，通过Hadoop、Inceptor和Spark等组件结合使用，达到离线批处理和模型算法引擎驱动业务价值增值目的，并利用分布式数据库服务突破单节点数据库服务器的I/O能力限制，解决数据库扩展性问题)，充分发挥大数据这一重要生产要素的作用，目前正在利用人工智能及量化算法等技术手段形成客户标签、产品标签和投顾标签，通过客户的浏览记录和购买和交易记录的智能化分析从而知其所好，供其所需。反向定制更受客户欢迎的市场资讯、投教服务、牛股组合、基金研究等证券投资咨询服务。
在自主研发方面，长城证券资管投资管理部权益量化投资团队自主开发了基于基本面信息和中低频交易数据分析的多因子轮动模型以及基于高频数据分析的风火轮模型，用于富盈系列固收加量化的产品以及智选系列指数增强的产品，取得了不错的历史业绩。
(4)人才因素
市场中的人工智能和量化投资策略众多，很难在一定的成本范围甄选出好的策略。因此，基于成本考量和公司相关人才培养等因素。以长城证券股份有限公司为例，新补充人员以校招为主要途径，社会招聘为辅。长城证券量化投资团队于成立早、人员稳定，形成了较完善的策略体系、投研框架和人才培养机制。另外，由于近年来量化投资行业发展较快、人才缺口较大，社会招聘成本较高。
2.引入外脑
初期引入外脑，能够达到短期投入小成效快的效果快，部分企业因此在发展人工智能和量化投资技术的前期并未开始自主研发。以国信证券股份有限公司为例，先引入外脑，短期内以较低成本快速尝试各类业务场景和产品形式，再根据用户的使用反馈挖掘值得长期投入形成市场竞争力的业务落脚点，再对业务落脚点具备核心竞争力的部分进行自主研发，逐渐打造具备自身企业特色的人工智能和量化投资服务。
3.集团赋能
集团赋能的目的是在保持机构核心竞争力的基础上最大程度地运用集团资源，发展资产管理业务。通过金融科技的加强来驱动传统投资咨询业务的数字化转型升级，并积累用户和投顾人员的埋点行为数据，以备下一阶段的人工智能类标签的自主研发和量化投资类产品定制做准备。
人工智能技术在资产管理业务特别是核心投资能力方面的应用有比较久的历史，但也经历了不同的发展阶段。从初期的量化分析研究，到各类量化投资策略成为主流投资模式，再进一步随着新数据和新技术的出现，对团队协作模式和计算能力要求进一步提高。专业的量化投资团队在具备自主研发的能力同时，也应该依托集团的各项科技基础设施，进一步增强竞争力，将会如虎添翼。
以长城证券股份有限公司为例，在华能集团的支持下，基于独特的数据获取能力和系统开发全力打造ESG策略的权益、固收加、固收产品，目前已开发了完全自主研发的 ESG 模型，并进行了样本外数据的长时间的跟踪，即将形成相关的产品线。
4.合作开发
安信证券股份有限公司则采用合作开发为主，自主研发为辅的模式。目前市场已有较为成熟的人工智能和量化投资服务模式，采用合作开发的模式能够快速借鉴经验证的成果，迎合趋势，助力业务发展；同时为了更好地进行合作开发、应用成功模式、为客户提供更好的体验，安信也组建了量化投资服务团队，负责合作开发的准入评估、持续跟进和质量把关，并指导分支机构合规展业，制定相应的客户服务工作要求。安信的量化投资服务团队也逐渐具备一定的量化投资研究能力，并基于自身业务实践和业务发展需求，进行一些基于标准策略的个性化自研，以进一步增强公司的特色竞争力。
总而言之，无论是自主研发亦、引入外脑或集团赋能，人工智能和量化投资技术都持续影响着证券行业，推动企业进行转型升级。2020年以来，受疫情影响，线下业务受到限制，反而进一步推进了线上金融科技服务的迅速发展。信息化技术释放了企业的人力物力潜力，信息化平台连通各个环节，信息化产品大放异彩。
(五)应用领域
在金融行业，人工智能技术对大数据的处理有着无可比拟的先天优势，而作为金融市场重要组成部分的证券市场天然伴随着海量金融数据，也享受着该优势带来的便利与快捷。中国证券业协会2020年调研显示，已有至少20%的证券公司启动了数字化转型，并制定数字化发展战略，92%的证券公司在2020年增加了数字化转型方面的投入，其中有16%的证券公司投入增幅在100%以上。
首先，证券行业本身就与银行、保险等金融行业一样是在大数据的基础上展开的，面对超大规模的信息通信与整合，人工智能技术能够在计算机数据收集的基础上做出数据的分析和整理，并同时与其他多种信息进行综合，给出相应的投资建议。其次，在与人工智能息息相关的计算机技术、互联网技术迅猛发展的背景下，数据挖掘、图像识别、自然语言处理、语音识别等人工智能的主流技术越来越成熟，与这些新型金融科技的融合让人工智能在证券市场的应用中发挥出了巨大的潜力。
证券行业应用人工智能和量化投资有利于提升证券投资、投资咨询和基金代销业务中的数字化、智慧化运行服务水平，为客户提供更为全面、优质的服务，为行业转型提供良好基础。证券公司享受着大数据和新型技术带来的便利同时，也坚持走自主研发的路径。证券公司既是新型技术的受益者，也是新型技术的开发者，是新型产品、策略的创造者，为市场开辟新的方向和道路。
1.证券投资业务
(1)借助舆情监控获取更广、更深的信息
以中信证券为例，中信证券的智能资讯语义处理应用通过采集公开资讯，借助人工智能进行舆情监控、公告摘要，并实时推送风险事件信息。智能资讯项目通过监控业务部门关注的标的，实时抓取新闻事件，利用自然语言处理技术将相关的上市主体和风险事件提取出来，并分析其对哪些上市公司主体有正负面影响，从而指导业务人员做出风控和投资决策，极大地提高了业务部门对市场舆情覆盖的范围和实时性，助力业务人员提高风险识别和业务机会发现能力，相比人工风控，效率更高，响应速度更快。舆情应用目前覆盖公开资讯网站200多家，覆盖主流资讯频道2000多个，日采集并处理资讯平均5万多条。
以招商证券为例，招商证券构建智能资讯平台，平台高频爬取全网200多个主流财经网站，采用人工智能算法进行数据清洗、自然语义理解、学习和分析，挖掘信息内在关系，提取核心资讯和投资逻辑，帮助用户全面、快速洞悉市场机会和风险。智能咨询平台通过NLP算法和分钟级量化盯盘模型及时挖掘行情异动，快速发现市场热点和资金动向。
(2)数字化、系统性风险管理
以平安证券为例，平安证券IT及业务合作自主开发固收外汇实时估值风控系统，可以通过插件化的方式接入平安证券固收外汇电子做市交易系统，实现交易的准实时事后风险管控。与传统T+1(天)模式的中后台风控管理系统不同，固收外汇实时估值风控系统提供前台口径的交易后准实时T+1(分钟)风险估值、盈亏计算、损益归因、多场景风险测算、定制化报表等“一站式”功能服务，使业务人员可以实时查看到各个期限点的风险情况，指导业务人员通过有效的对冲来保证每个期限点的风险可控。
固收外汇实时估值系统自投入使用以来，大大提高业务人员查看风险及损益的效率，同时也大大提高了风险及损益质量，极大地方便业务人员发现问题和定位问题。业务人员在有高质量的实时风险及损益情况下，也敢于多做交易，交易量得到一定的提升，在提升公司效益的同时为市场流动性做出了贡献。
(3)利用人工智能技术进行交易操作，提升决策能力
目前，量化投资已经融入投资决策的全部环节：
①估值与选股：量化投资通过量化手段、结合基本面研究相融合的方法，判断投资标的价值，分析权重选择，挖掘资本市场的运行规律，构建选股策略，包括动量反转选股方法、多因素选股方法等。
②资产配置与组合优化：长期趋势资产配置方法包括马科维茨资产配置模型、均值—LPM 资产配置模型、VaR约束下的资产配置模型和基于贝叶斯估计的资产配置模型。短期调整资产配置方法包括行业轮动策略、风格轮动策略，Alpha 策略和投资组合保险策略等。
③基于指数预测的时点择取：主要包括灰色预测模型、神经网络预测模型和支持向量机预测模型。
④行为金融下的投资策略：包括小盘股策略、集中投资策略、反向投资策略和惯性交易策略。
⑤程序化交易(包含高频交易)与算法交易：程序化交易通过制定程序化、制度化的规则来选择投资标的。算法交易与程序化交易相似，但算法交易主要运用于经纪商，其应用主要集中在交易量加权平均算法等方面。
利用量化选股筛选出适合自己投资风格的、具有一定安全边际的股票池，并可根据自己的操作周期或市场行情变化，不定时地调整该股票池，作为下一阶段择时或调仓的基础。在组合运行风控阶段，利用结合情景分析的智能配置从宏观和市场情绪角度发掘多资产关联关系，完成智能配置及调仓。利用算法交易减少冲击成本、提高盈利率，同时达到交易者隐蔽交易、避免把交易目标、交易量暴露给竞争者的目的，甚至利用机器训练达到机器独立完成交易，实现“无人投资”。
2.投资咨询业务
以智能客服为例，用户的不断使用、机器的自我学习，让客服变得越来越“聪明”。据蚂蚁金服相关负责人介绍，智能客服眼下已是各大服务平台的标配，没有引入人工智能技术的客服更接近于一个搜索引擎，将用户输入的关键词与数据库的相关答案匹配。对于口语化的提问，这样的智能客服往往很难给出“聪明”的回答。真正的人工智能客服能自我学习，在不同的语境中学习调整提升，问题回答得越多，越精准，尤其对于口语化、表述不够完整的提问，能够主动理解。
星网信通是金证旗下专注于音视频融合通讯的平台子公司，专注客服领域产品研发15年，在网运行坐席共计13万坐席。其智能客服机器人自然语言理解准确率高达90%以上。
国信证券2017年选择由星网信通帮助其实现95536呼叫中心智能化，最终全国部署超1200个分布式座席，为全国客户提供了一个除柜台服务方式外的多层次、全方位、全天候服务的综合业务服务平台。
之后，国信证券再次上线了业务问答机器人和内服机器人。问答机器人已集成到国信证券官网、电脑交易软件、手机交易软件、微信公众号、内部服务软件，实现7*24小时不间断交互服务，为客户提供丰富知识库，有效解决客户问题，实现业务回答准确率90%，分流85%以上的客户；内服机器人已梳理600个员工常问问题，完成4900+业务知识、规则衔接，集成OA、智能资讯、鑫助手，实现OA内容搜索、公告、研报、新闻一键触达，实现较好的落地效果，在线问答内服每月超过760人次使用，月均提问数超2100条，问题识别准确率达94%。
3.投资顾问业务
人工智能在证券投资领域的应用目前仍在发展阶段，市场上已经出现了许多优秀的智能投顾产品，而随着人工智能技术的发展进步，智能投顾在证券投资行业的应用具有开阔的前景。在投顾服务方面，智能投顾依靠人工智能和大数据分析，相比传统投顾，具有低门槛、低费用、投资广、易操作、透明度高及个性化定制等优势，充分挖掘了投顾业务的长尾市场，为更广泛客户提供更高效灵活的资产配置服务。
越来越多的投资者会习惯于将钱交给人工智能来打理，来获取最大化的收益，智能投顾在证券投资领域中的角色终将日益重要。
据亿欧智库不完全统计，中国已有60多家证券机构上线智能投顾产品和服务，如中信证券、国泰君安、华融证券、华林证券等。以华融证券为例，公司现有投顾服务和业务平台面临无法有效全覆盖客户服务、客户精准分析功能较弱、平台客户体验相对较差等痛点，因此通过引入智能投顾平台解决现有服务平台的痛点，以点带面深化财富管理转型。
以招商证券为例，招商证券建设智能问答机器人提升投顾服务效率。机器人服务覆盖诊股、选股、K线分析、实时盯盘、资讯推荐、业务办理咨询、闲聊等领域。对于每一个问题，系统通过分词、同义词转换、上下文关联、指代消解，将未知意图的问题表达空间降维至标准意图空间，再通过语义拆解获得由实体、意图、时间地点、主题词要素组成的问题矩阵，与预设矩阵进行匹配后将问题推荐给目标领域机器人，从而实现准确理解用户语义及意图并将结果精准送达。机器人投顾服务系统从海量金融资讯中抽取高质量的内容，帮助投顾和客户建立信任关系，帮助投顾提升专业能力和服务效率，使更多客户享受到投顾服务，且为客户带来高质量的投资分析内容和投资逻辑，日均回答1500个客户提问，帮助客户分析决策，有效提升公司交易佣金收入和财富管理收入。
同时搭配专业词库——从业务场景出发，基于自研的双轨学习算法，生成一系列面向场景语义的专业词库。一方面，自研专业词库挖掘算法，以公告、研报等专业文章作为标注，对比泛资讯文章进行词库差异性挖掘，生成专业词；另一方面，通过闭环反馈优化系统在词库对外提供服务的同时，根据用户智能问答和资讯搜索的输入数据进一步挖掘生成新词，补充和修正已有词库，实现词库的自然进化。
4.基金代销业务
人工智能应用到基金代销业务中能够有效地降低风险。一方面通过机器学习对大量新闻和历史交易数据进行学习之后，可以得出特定新闻给市场带来的风险，就能对网上的实时新闻进行分析，得出风险发生的趋势，从而能够有效地对风险采取预防措施，降低风险带来的损失。另一方面，人工智能严格按照投资策略进行交易，只有满足特定的条件时，人工智能才会执行相关操作，操作及时准确，可以有效降低人工操作的风险、延迟。中国证券业协会数据显示，2020年证券行业实现代销金融产品净收入134.38亿元，同比增长148.76%；高速增长势头还在延续，2021年上半年，券商代销金融产品净收入同比增长117.56%至100.50亿元。
传统的基金公司习惯基金经理基于既往历史数据进行判断，构建出符合一类人需求的资产组合，但是随着科技的发展，人工智能技术能够更好地了解每个投资者的需求。在客户营销方面，以身份信息、消费数据等多层次数据为基础，基于客户的风险偏好、收益偏好，采用响应预估及最优补贴模型，可以有针对性地触达不同的需求，降低获客成本，提升资金获取效率。京东金融“基金优选”工具从六个维度对京东金融上的基金产品进行排名，为用户挑选基金产品提供参考，无疑更加符合投资者的需求。
一方面，人工智能的计算速度较快，无论是在构建投资模型方面还是对实时的新闻进行分析，都具有较大的优势，能大幅提高基金经理的工作效率。另一方面，基于人工智能的虚拟服务，相比于传统的人工服务，拥有丰富的知识库，能够根据用户提供的情况，快速地提供解决方案。此外，智能服务能够同时服务多个用户，成倍地提高虚拟服务效率。
在运营管理方面，建立智能化运营平台，整合多经纪商、多终端、多品种的交易数据，结合机器学习、金融工程模型，分析大类资产配置、投资运作情况，辅助投后管理。
5.机构监管工作
监管机构作为证券行业的监督者，正面推动和指导着中国监管科技的发展。从2014年开始，证监会开始建设中央监管信息平台。这个平台整合了证监会各个方面的监管应用系统，包含了20多个子系统，通过数据共享和流程互通，更好地提高了监管针对性。2017年，证监会又开始研究资本市场的大数据监管，也可以称之为监管科技3.0，即利用现代信息科学技术提升监管部门的工作效率和监管力度，监管科技应用已经成为全球各国监管机构的共识，也是证监会多年来坚持的工作理念。监管科技3.0是在传统信息技术之上充分利用人工智能、大数据、云计算、区块链等先进技术手段，对传统技术手段的升级和完善，因此无论是从技术上还是理念上都需要进行深层次的转变。
国际上，英国于2015年11月提出的“监管沙盒 (RegulatorySandbox)”得到了发达国家金融市场的积极响应和仿效，也为国内金融科技监管机制提供了有益借鉴。2019年1月，国务院批复同意北京市在依法合规的前提下探索“监管沙盒”机制。2019年12月中国人民银行批复北京市率先在全国开展金融科技创新监管试点，探索构建符合我国国情、与国际接轨的金融科技创新监管工具，引导持牌金融机构在依法合规、保护消费者权益的前提下，运用现代信息技术赋能金融提质增效，营造守正、安全、普惠、开放的金融科技创新发展环境。
监管科技目前已应用于多个领域，例如“反洗钱”、“反欺诈”、“交易监测”以及一站式监管。国务院金融稳定发展委员会的成立为我国实施“监管沙盒”提供了必要的基础条件。随着监管机制的变化，监管层也将利用技术落实监管理念和手段的升级。如目前已建立的金信网银大数据监测预警金融风险平台，就是以大数据、云计算为技术支撑；央行反洗钱监测分析中心持续探索大数据技术在非结构化数据处理、数据采集、统计分析等领域的应用。
课题组信息
牵头单位：中信证券
课题研究专家组成员：
中信证券 徐畅泽
中信证券 胡振宁
艾芒科技 张 帆
联储证券 贾晓亮
联储证券 高 盼
安信证券 李银鹰
财富趋势 黄红兰
金证股份 谭国强
注：排名不分先后。