本文共字，预计阅读时间。

文/中国人民银行金融研究所徐瑞慧，中国人民银行金融研究所互联网金融研究中心副秘书长、副研究员赵大伟

我国证券行业发展的痛点

居民直接参与股票投资的比例高，决策科学性不足

由于投资选择的范围较小，居民金融资产以通货和存款为主，风险性资产结构较为单一，股票资产占比较大。据社科院测算的中国居民资产负债表，截至2016年，我国居民证券类金融资产（包括居民部门直接购买的股票及股权、债券、证券投资的基金份额）达到54.8万亿元，占金融资产的15.3%，其中居民直接购买的股票及股权占10.6%，意味着居民直接参与股票投资的比例较高。我国股票市场参与者以个人投资者（散户）为主。《上海证券交易所统计年鉴（2019卷）》显示，截至2018年底，沪市投资者中持股市值不足50万元的自然人投资者户数达3355.16万户，占投资者总数的比例达86.92%，10万元以下散户占比达58.21%。深交所《2019年度个人投资者状况调查报告》显示，证券账户资产量低于50万元的投资者占75.1%。散户投资者普遍存在投资决策易受个人情绪影响、缺乏投资组合和资产配置习惯等特点，决策的科学性不足。常见的投资者非理性行为包括过度自信、处置效应、羊群效应、心理账户等，散户交易的投机性较强，换手率高，投资期限较短，导致股票市场价格发现效率低、波动率高。我国股市的换手率明显高于其他主要经济体，截至2017年，我国股市换手率达到215%，美国为113%，日本为105%，印度为60%。

证券公司零售业务面临挑战

一是客户黏度降低，行业竞争激烈，盈利空间压缩。随着2015年A股市场“一人一户”限制放开，证券公司的客户群体黏度显著降低。竞争激烈导致证券公司经纪业务佣金率近年来持续下行。2018年证券公司行业整体佣金率已下滑至0.034%，创历史新低。二是盈利模式比较单一。证券公司仍以证券投资和代理买卖证券业务两类传统业务为主，创新性业务收入则占比较低，收入受市场影响较大。中国证券业协会数据显示，133家证券公司2019年度实现净利润1230.95亿元，其中证券投资收益（含公允价值变动）1221.6亿元，代理买卖证券业务净收入（含席位租赁）787.63亿元，远高于其他业务收入。三是互联网金融冲击证券公司发展格局，制度红利和行业红利正在消失。证券公司是全牌照公司，具有天然优势，但互联网金融已取得一些牌照，并突破地域限制。一些证券公司营销管理体系精细化程度低，在分级分类的管理体系和产品体系（含资讯产品、智能理财等）方面不具备优势。

投资顾问的核心价值难以体现，投顾业务长期依附于经纪业务

第一，投顾服务的核心价值难以体现，客户认可度不足。一方面，我国法规不允许投资顾问做全委托账户管理，投资顾问价值难以体现，投资者没有单独付费意愿。另一方面，投顾人才储备不足，服务质量参差不齐，严重制约证券公司投顾业务发展。中国证券登记结算公司数据显示，截至2019年12月，我国投资者数量达到1.61亿人；中国证券业协会数据显示，已注册的证券投资咨询业务从业人员仅4.73万人，无法满足客户需求。部分投顾人员知识结构老化，只提供同质化服务，服务质量有限。

第二，投顾业务长期依附于经纪业务，投顾服务的定价体系尚未建立。2011年1月开始执行的《证券投资顾问业务暂行规定》首次明确投资顾问可采用单独收费或差别佣金等方式。不过，当前我国投资顾问业务仍主要通过收取佣金实现盈利，即从金融产品供应方获得佣金，导致投顾业务长期依附于经纪业务，投顾业务具有“销售”属性，更容易产生与客户的利益冲突。独立收费模式无法形成的根本原因还是在于投顾服务的核心价值难以体现。

实现最优化、个性化的资产管理面临技术瓶颈

一是资产种类数量剧增，寻求最优投资组合面临维度灾难。随着构建多层次金融市场和对外开放的深入推进，主板、中小板、创业板、科创板、港股通、沪伦通等市场范围不断延伸，资产证券化产品、衍生品等产品类型不断丰富，维度增加带来计算量呈指数级上升。二是证券投资者数量倍增、投资需求多样化，对差异化投资策略的需求亟待满足。随着经济发展、居民财富增加，我国居民持有的非金融资产占总资产比例逐步降至60%以下，金融资产占比相应上升，但同质化的产品和服务无法满足居民的差异化需求。据招商银行统计，截至2018年我国个人持有可投资资产190万亿元，理财用户逾7亿人，海量居民的多样化理财需求未得到有效满足。三是影响证券价格的因素增多，传统证券投资分析框架可能失灵。除基本面信息外，市场情绪、宏观经济形势和政策、一些非规范化的信息等都可能影响证券价格，甚至改变投资组合中不同证券价格变动的关系，影响投资策略有效性。

在此背景下，证券公司经纪业务须主动调整，应对变化。一是从价格竞争向以客户需求为导向的产品创新竞争转型；二是向个性化、专业化的服务和金融产品配置转型，营销渠道向线下+线上的多层次、立体化营销转型；三是向多元化服务收费模式转型。

发展人工智能可以有效缓解证券行业痛点，促进证券行业快速健康发展

国务院2017年7月发布的《新一代人工智能发展规划》提出，要推动人工智能与各行业的融合创新。目前，人工智能技术与我国证券行业的融合还处于早期探索阶段，传统金融机构主要是从服务智能的角度，提升服务效率、体验或用户黏度，服务的深度还有待提高。

客户分类方面，运用数据挖掘、知识图谱、机器学习等人工智能技术进行用户画像和客户分类，可有效降低信息获取成本和服务成本，更加精准地捕捉客户需求，提升营销和服务效率。人工智能的优势在于：一是基于不同类别的用户数据，建立全面、精准、动态的用户画像；二是挖掘中小投资者需求。《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）》规定，证券公司须通过自有渠道开展网上证券业务，因此在证券公司第三方获客渠道受限的情况下，做好存量和新增客户分类，挖掘客户潜在需求的重要性进一步提升。

智能客服方面，基于语音识别、自然语言理解和知识检索等人工智能技术，智能客服可以模拟特定场景下的人类对话，拓展客户服务的广度与深度。部分运用机器学习的智能客服还可以识别客户情绪，提供个性化回答，提升服务体验。深度学习算法的应用使得语音识别、自然语言理解等技术的准确率和速度大幅提升。以人工智能算法替代客服工作人员，大幅降低了客服运营成本，使客服人员有更多时间处理复杂问题和高净值业务。

智能投顾方面，主要是结合客户目标及市场变化进行客户资产组合的动态优化、个性化订制。涉及云计算、大数据以及机器学习等人工智能技术。智能投顾的投资组合模型开发能力强，投资策略由人工智能算法自动生成，且不断学习和改进模型。智能投顾的优势主要包括：一是门槛低，增加了投资顾问服务的覆盖面。智能投顾对客户投资金额的最低要求普遍在1万元至10万元之间，部分智能投顾平台如Betterment甚至实现了零门槛。二是费用低，智能投顾的投资策略制定自动化，营销手段网络化，规模效应明显，管理费普遍在0.25%～0.5%之间，远低于传统投顾。三是投资标的范围广，有利于进行最佳资产配置。智能投顾平台盈利方式以投顾费用为主，不依赖产品销售的佣金，往往通过机构合作网络，为用户提供更广范围的最优资产配置组合。四是服务流程标准化、简洁、透明，不受时间、场地限制，可以高效、精准匹配客户资产管理目标。五是严格执行程序或模型给出的资产配置方案，并根据市场行情和预设条件进行调整，稳定性更高，弱化投资者心理因素的影响。

智能投顾在国外已获得广泛认可。人机结合的智能投顾受到投资者欢迎，主要操作方式是通过智能算法形成投资组合，在交互环节可选择人工服务进行咨询和调整。美国智能投顾发展呈现以下特点：一是投资者接受程度高，管理的资产规模扩张迅速。截至2018年底，注册投资顾问公司客户数量4300万人，90%以上资产为全权委托管理模式。注册投资顾问资产管理规模自2001年以来增长279%。二是市场集中度高，资产管理规模在1000亿美元以上的投资顾问机构148家，占行业总机构数的1.1%，所管理客户资产占比59.7%。三是以管理资产为基础收取管理费是主要获利方式，95.5%的注册投资顾问按照管理资产规模的相应百分比收费。近年来，我国证券公司陆续推出智能投顾产品，如2016年推出的平安证券智能投顾系统、广发证券贝塔牛等。与国外相比，我国证券行业智能投顾的发展还处于初级阶段，其发展主要受以下因素制约：一是证券公司投资顾问与产品销售之间的界限不够清晰，投顾的独立性和客观性仍有待提高。二是投资者成熟度不高，对投资产品的流动性要求高，对资产配置理念接受程度远低于海外投资者。三是难以实现全球范围的最优资产配置。我国金融业对外开放有序推进，但短期内外汇管制仍在一定程度上制约海外资产配置。四是监管约束。我国《证券法》（2019年修订）第161条明确禁止证券投资咨询机构及其从业人员代理委托人从事证券投资。在此背景下，目前国内智能投顾平台无法为客户提供全流程和全业务链的资产管理服务，核心价值难以体现。

智能交易方面，是对智能投顾的有益补充，是程序化交易发展的进阶版。2015年10月，证监会发布《证券期货市场程序化交易管理办法（征求意见稿）》，将程序化交易定义为“通过既定程序或特定软件，自动生成或执行交易指令的交易行为”。随着技术进步，程序化交易的自动化和交易延迟敏感度上升，发展到算法交易和高频交易领域。一是量化交易，侧重于采用量化分析技术实现投资决策的制定过程；二是算法交易，根据美国商品期货交易委员会（CFTC）2015年的界定，算法交易强调的是交易指令通过电脑自动生成，而指令的实施可以是人工操作或计算机自动完成。2019年算法交易调查显示，提升交易员效率、易用性、执行一致性是采用算法交易的主要原因。三是高频交易，突出特点是信息处理时间极短，可以高速、低延迟地产生和执行交易指令。基于深度学习的人工智能算法可以充分挖掘海量弱特征数据，显著提升数据分析与数据预测的准确度，提升投资表现。人工智能交易系统的广泛应用可以显著提升证券市场的价格发现功能，提升市场效率。

目前，我国相关法律法规将投顾与资管分开监管，不允许代客理财，所以还没有真正意义的智能交易。相比之下，智能交易在美国发展迅速，这主要得益于其综合监管框架。智能交易应用面临的挑战主要体现在：一是同质化策略大量涌现。同质化策略可能源自相同的基础信息、相近的算法等，可能导致单一事件触发多项交易阈值，或形成多米诺骨牌式的阈值触发，加大市场风险。此外，同质化策略会使得获利的窗口期缩短，导致策略失效和收益水平下降。二是对系统稳定性的要求更高。在生产策略和执行策略全过程，智能交易对于计算机系统、技术稳定性的依赖程度更高。国内外历史上都出现了因为IT系统导致重大投资失误的案例，如2012年5月18日纳斯达克交易系统问题。

智能投研方面，利用人工智能技术进行金融数据研究，可以简化数据搜集和数字化的过程，节省研究时间，提高研究的智能化程度。涉及技术包括大数据、机器学习、自然语言处理和知识图谱技术等。例如自然语言处理技术可以将新闻、政策、社交媒体中的非结构化数据进行加工提取，从而拓宽数据广度，节省研究人员时间。通过挖掘数据背后的关系来建立知识图谱，可以提高研究效率。

风险管理方面，人工智能技术有助于优化风险管理手段、提升风险管理前瞻性。机器学习、特征识别、风险知识图谱等人工智能技术，可以显著提高信用评估、适当性管理、异常行为识别等方面的效率，赋予风险管理以全面、高效、自适应的特性。一是增加监管信息的维度；二是增强识别风险的能力；三是提升一线监管的时效性。监管机构高度重视人工智能技术在金融风险管理领域的应用。上交所、深交所等机构也在积极部署金融科技，探索构建上市公司画像图谱、公司与股东行为特征分析体系，利用深度学习结合知识图谱对上市公司风险进行监测预警，提升监管穿透性、时效性，提高风险防范能力。

智能投顾和智能交易的监管

智能投顾的监管

从国际证监会组织的调研结果看，部分国家和地区以现有监管规则直接适用于智能投顾业务模式，包括美国、欧盟、日本、中国香港等经济体。部分国家在评估是否对智能投顾制定专门的规则，包括法国、荷兰和新加坡等经济体。我国目前没有专门规范智能投顾的法律法规。监管部门分别对投资顾问与资产管理进行监管，传统投资顾问和资产管理的相关法律法规对智能投顾有规范作用。中国人民银行等五部委2018年正式颁布的《关于规范金融机构资产管理业务的指导意见》（以下简称《资管新规》）第23条明确规定：“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。”《证券、期货投资咨询管理暂行办法》《证券投资顾问业务暂行规定》《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》等规定了证券投资咨询业务资格、向客户解释服务载体的固有缺陷和使用风险等要求。此外，证券行业法律法规、投资者保护相关规定也适用于智能投顾。

程序化交易和智能交易的监管

发达经济体对程序化交易和智能交易的监管制度比较完善。美国的相关监管制度最为完善，注重系统安全性、策略安全性、投资者保护等，2013年1月启用市场信息数据分析系统（MIDAS）对交易进行实时监控。欧盟于2014年4月通过《金融工具市场指导Ⅱ》（MiFID Ⅱ），对高频交易的参与者进行了规定。我国对程序化交易的监管内容与国外基本一致，涉及投资者适当性管理、程序化交易监管和数据隐私监管等。投资者适当性管理的要求适用于投资组合中每一个具体的投资标的物，应遵循证监会发布的《证券期货投资者适当性管理办法》。程序化交易监管旨在维持证券市场稳定，禁止程序化交易中涉及市场操纵的策略。证监会的《证券期货市场程序化交易管理办法（征求意见稿）》第18条明确禁止程序化交易者通过关联账户、频繁申报和撤销、大量连续交易、大额偏离市价申报等方式，误导其他市场参与者，影响交易价格或交易量。数据隐私监管的主要法规为《网络安全法》《个人信息安全技术规范》，以及证监会于2018年9月27日发布的《证券期货业数据分类分级指引》。

智能交易相关监管措施，主要体现在《资管新规》中。《资管新规》第23条要求，采用人工智能技术进行资产管理的金融机构要向监管部门上报模型主要参数和逻辑，对智能交易的投资范围、信息披露、风险隔离、投资者适当性等进行了规定，要求强化智能交易的留痕管理，明确了金融机构对投资者的赔偿责任，要求金融机构对人工智能算法模型缺陷（包括算法同质化）或者系统异常制订预案并及时干预。

本文刊发于《清华金融评论》2020年8月刊

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。