文 | ▲ 杨望

中国人民大学国际货币研究所研究员

李睿凯

广东工业大学经济学院硕士研究生

图︱由作者提供

中央金融工作会议强调，以推进金融高质量发展为主题，不断满足经济社会发展和人民群众日益增长的金融需求。财富管理作为新时代现代化金融服务的重要组成部分，如何利用好以生成式预训练模型（GPT）为代表的人工智能（AI）技术，针对性地解决目前传统财富管理和投资顾问存在的一些问题，更好地推动智能财富管理的新发展，已成为当下行业的重要课题之一。 

从全球来看，2023年11月，人工智能企业OpenAI举行首届开发者大会“OpenAI DevDay”，将应用程序接口（API）价格下调了三分之二，用户可打造自己的GPT，并分享到GPT应用商店（GPT Store）。这预示着通用人工智能（AGI）领域的“苹果（iPhone）时刻”来临，这将引领国际智能财富管理新一轮的技术变革。

智能财富管理发展逻辑

人工智能拥有强大的数据收集和计算处理能力，其技术优势将为智能财富管理的发展带来针对性的解决思路。实际上，人工智能技术可以在缓解信息不对称问题、提升资产配置效能和强化风险控制能力三个方面促进智能财富管理的新发展。

人工智能技术有着强大的大数据分析能力和丰富的标签体系，可以精准构建客户标签，以此勾勒客户信息画像，根据千人千面的客户需求画像为客户提供精细化、个性化的智能财富管理产品，从而缓解客户需求跟财富管理产品之间的信息不对称问题。

具体来说，人工智能可以梳理海量客户的资金流向，研判客户行为和投资偏好，通过在医疗健康、教育投资、衣食住行等方面跟踪资金流向，来挖掘客户在养老、教育、购房、购车、旅游等特定目标场景的投资需求，以此提高智能财富管理产品的销售精准度，取得客户的长期信任和依赖。

人工智能的发展为资产配置的构建带来了新的技术手段。在人工智能发展初期，随机森林、支持向量机等机器学习模型被应用于收益与方差的预测和投资组合模型的构建。随着人工智能的不断发展，卷积神经网络（CNN）、长短期记忆神经网络（LSTM）等深度学习算法相较于传统机器学习有了显著优势。

一方面，当数据量越大时，深度学习相较于传统机器学习有着更优异的性能表现；另一方面，深度学习的特征学习取代了传统机器学习的特征工程，与人工规则构造特征的方法相比，利用大数据来学习特征更能够刻画数据丰富的内在信息，从而提高模型的预测性和盈利能力。因此，财富管理机构基于深度学习等人工智能技术可以有效利用多维度客户画像信息，在确定资产配置方向和筛选投资资产池后，为客户构建最优的智能资产配置策略。

人工智能对于智能财富管理风控能力的强化可以分为两个方面，一是风险定价，二是风险监测。一方面，人工智能可以完善投顾产品的风险定价。通过构建不同的风险场景，量化风险冲击程度，利用人工智能技术模拟产品在不同风险冲击下的收益与损失，进而推导出投顾产品的最优风险定价策略，为财富管理机构提供行之有效的产品定价建议。

另一方面，人工智能可以加强对投顾产品的风险监测和预警。人工智能可以对市场信息进行批量搜集、整理和分析，梳理潜在风险点并进行实时监控和预警。对于非结构化市场信息，利用文本挖掘、自然语言处理等人工智能技术提取和分析文本关键信息，构建市场预警机制，从而实现对风险信息的精准搜索和自动预警，强化了智能财富管理的风控能力。 

智能财富管理发展路径 

人工智能技术在国际上财富管理领域的应用实践已相当活跃，国际财富管理机构利用人工智能的信息检索、数据处理、算法推演等方面的技术优势，赋予财富管理业务智能化的发展动能，这给国内智能财富管理带来发展启示。

人工智能彻底改变了传统财富管理模式的经营方式，但“以客户为中心”的宗旨与准则不仅并未发生变化，反倒在发展中越来越得以完善。服务客户、以客户利益为导向的发展宗旨，是当前国外智能财富管理模式的主要指导。对比国外智能财富管理市场以“买方投顾”为主的模式，当前我国智能财富管理市场仍以“卖方投顾”为主。

国内投顾应该转变行业思维，利用好客户数据信息，充分发挥人工智能的数据处理能力，依据资产现状、风险偏好、预期目标等各类数据信息，准确捕捉客户财富管理需求，并对客户进行精细化分层分类，细化目标客户群体，实现对客户关系经营管理的全方位系统化。

在当前市场环境下，各金融机构在智能财富管理领域的竞争日益激烈。但是在智能财富管理的模型算法上，目前国内主要聚焦于调用金融模型的理解、归纳、分类能力完成一些辅助性的金融任务，对于决策类、数据分析类、营销类金融任务的探索还处于起步阶段，在应用深度和广度上仍有拓展的空间。

一是在深度上，需持续提升人工智能的模型算法能力，布局大语言模型等人工智能前沿模型算法，在画像构建、产品选择、资产配置等各个维度进行升级优化，支持客户需求分析、投资选择与组合构建，通过模型算法提升智能财富管理的专业水平。

二是在广度上，持续丰富资产配置应用场景，利用人工智能技术布局智能财富管理的整个生命周期，从投资需求逐步拓展到教育、医疗、养老等多维度场景，满足客户多方面的财富管理需求。

人工智能的应用及发展，拓宽了传统财富管理的边界，使其逐渐向多行业、多场景的方向发展，但人工智能在数据安全性、算法稳定性等方面存在的问题也会为金融体系带来新的风险。为防范其可能带来的金融风险，需要完善相应的法律法规监管体系，加强智能财富管理的监管。

监管科技领域的人工智能应用水平要与财富管理机构的人工智能应用能力相适应、相匹配。利用人工智能技术动态监测市场波动，提高数字化监管效能，从而做到对智能财富管理业务的实时监管。

国家金融监管总局局长李云泽在2023金融街论坛年会上指出，我国已成为全球第二大资产和财富管理市场，中等收入群体已超过4亿人，行业管理资产年均增长6.2%，中国资产和财富管理将进入发展“黄金期”。

财富管理行业既需要持续深化“以客户为中心”的智能投资管理服务理念，也需要具备国际视角，通过吸收国外优秀的智能财富管理实践经验，发挥好人工智能的技术优势，促进我国智能财富管理的新发展。