上個月去參加了金融圈的一個AI會議，會上長江證券首席科技體驗官韋洪波講到了長江證券財富管理系統(tǒng)－iVatarGo。到底iVatarGo是個什么樣的產(chǎn)品？券業(yè)上的智投產(chǎn)品真的智能嗎？

簡而言之，iVatarGo就是通過分析客戶的投資行為數(shù)據(jù)、交易數(shù)據(jù)，形成用戶“畫像”，為每位用戶提供精準的個性化投資資訊、理財產(chǎn)品以及投資顧問服務等。與其他的市面上的智能投顧平臺相比，iVatarGo有什么差異化設計？韋洪波說是標簽化，iVatarGo實現(xiàn)了C端客戶的標簽化和B端資訊、金融產(chǎn)品、模擬組合產(chǎn)品、投顧的標簽化，并形成了推薦系統(tǒng)。

具體的產(chǎn)品體驗大家可以自行去下載體驗，這里主要bb下類似于iVatarGo們的實現(xiàn)流程，以及智投類產(chǎn)品的難點。

先看一組iVatarGo實現(xiàn)標簽化的數(shù)據(jù)流程：

數(shù)據(jù)提取范圍：所有正常交易客戶

時間范圍：5年

存儲數(shù)據(jù)量：86.7億條交易數(shù)據(jù)

建模計算量：1878.5億次/日

業(yè)務目標：識別客戶的投資偏好及投資能力

從上面來看，iVatarGo這款所謂的智投平臺跟大家做一款大數(shù)據(jù)產(chǎn)品是一樣的，無外乎流程都是從數(shù)據(jù)提取－數(shù)據(jù)清洗－數(shù)據(jù)存儲－提取大類指標－重組業(yè)務影響因子－數(shù)學建模計算－部署應用及模型評價。

清洗處理基礎數(shù)據(jù)

iVatarGo提取了全公司5年內的交易數(shù)據(jù)和行為數(shù)據(jù)，也就是說對結構化和非結構化數(shù)據(jù)都做了處理，應該還沒有做到完全的實時自動化處理。目前券商用自己的數(shù)據(jù)來刻畫用戶畫像，主要使用的還是通道交易數(shù)據(jù)，也就是說真正意義上的用戶行為、消費、投資數(shù)據(jù)仍還未完全打通。在數(shù)據(jù)處理階段有兩大難點，一個難題就是數(shù)據(jù)清洗篩選有效數(shù)據(jù)，這會是耗時最長的工作。另外就是突發(fā)事件等實時的非結構化數(shù)據(jù)處理還有難度。

提取大類指標及因子

iVatarGo針對清洗后的基礎有效數(shù)據(jù)，提取了6大類指標：投資總體特征、交易行為特征、投資風格、投資能力、投資策略、當前持倉特征。關于大類指標，每家都有不同的做法，但終歸還是要落地到基礎靜態(tài)指標（客戶基礎屬性，產(chǎn)品屬性、風險屬性、價值屬性等）和基礎動態(tài)指標（交易行為屬性、交互行為屬性等），然后篩選出這幾類基礎指標或者衍生指標去組建一個大類業(yè)務指標，比如用戶風險偏好。而每一個基礎指標有多個指標因子決定，iVatarGo的6大類業(yè)務指標使用了共計106個因子。

開發(fā)業(yè)務應用場景

在做完大類指標的模型開發(fā)和評價后，就需要去業(yè)務場景化。iVatarGo主要在教育用戶認知和減少用戶決策兩個緯度上去開發(fā)了C端用戶的客戶畫像呈現(xiàn)，B端的智能化匹配等應用場景。

1、教育用戶認知：這一點說的就是券商通過對用戶的全方位分析，讓用戶更加深入的認識自我投資能力，iVatarGo的做法就是根據(jù)C端客戶的標簽，以標簽形式為每位客戶進行全方位的客戶畫像，通過前端友好的交互體驗展示給客戶。

2、減少用戶決策：這一點說的就是券商通過對用戶和B端產(chǎn)品服務進行分析，去做智能化的匹配與呈現(xiàn)。iVatarGo實現(xiàn)了三個方面的決策算法，這個過程最核心也就是算法。

資訊算法：適配與用戶具有相同特征的資訊（持倉、自選股、投資偏好、虧損行業(yè)等），為客戶呈現(xiàn)合適的資訊；

產(chǎn)品算法：基于用戶投資特征（用戶交易行為），采用有監(jiān)督分類算法，為用戶呈現(xiàn)適合的產(chǎn)品；

投顧算法：參考客戶與投顧的相似度，為客戶呈現(xiàn)合適的投顧人員，適配合適的投顧組合。

從業(yè)務應用場景來看，其實，iVatarGo更應該叫一款推薦系統(tǒng)，做的是基礎的算法匹配，而不是智投系統(tǒng)，還沒有去做大類資產(chǎn)配置的綜合投資方案，但它完成了邁向智投應用的最核心一步：用戶識別與分層匹配。

其實，目前券業(yè)上所謂的智投類產(chǎn)品，都還是挺能忽悠的。智投還需要解決這幾個難點，一個就是標的產(chǎn)品不足的問題，智投應該追求的是收益風險平衡的長期策略投資，做大類資產(chǎn)配置，而這種策略下的交易標的嚴重不足，美帝的etf差不多1800，國內大概150+，基本是指數(shù)型etf，債券型和商品型etf較少，要實現(xiàn)對沖和分散風險有難度。

另一個就是之前說的算法，券商去做資產(chǎn)配置或者投資分析時，仍然可能還是以MPT、APT等量化投資理論為主流方法，但需要人工參與調參，很少使用深度學習等自學習的人工智能算法。

還有一個就是投后管理跟蹤，韋洪波也說了iVatarGo會去做持續(xù)跟蹤分析客戶資產(chǎn)狀況、投資行為，隨時調整標簽，力求在任何場景、任何時間都能提供最適合的服務和產(chǎn)品。當然，這個估計也還在嘗試中，畢竟組合再平衡的后端決策算法在金融領域還比較基礎，機器學習基本為零，但愿iVatarGo可以打響這一炮。

無論是券商、銀行還是其他金融機構，所有的產(chǎn)品最終都是為滿足用戶需求而落地的，但是金融不同于其他行業(yè)的最大問題就是，無法做到滿足用戶需求的完全匹配，因為用戶的需求就一個：賺錢，但是B端的券商、銀行都無法做到100%的讓你賺錢。那么在這種情況下，只要穩(wěn)賺不賠的前提不成立，開發(fā)者在資產(chǎn)配置尚不發(fā)達的國內往往對于人性的洞察就顯得更為重要，而不是算法。目前的智投更應該去做的是如何最大努力的撮合雙邊需求匹配？兩個方向：教育用戶決策和減少用戶決策，也就是大家說的“教我做”和“幫我做”，在C端提供更多的教育認知、決策工具和用戶畫像，讓用戶選擇更好的；在B端提供更優(yōu)的分析方法、決策算法、資產(chǎn)配置方法以及跟蹤服務，幫用戶選擇更好的。

iVatarGo，其實最厲害的不是它的技術，而是實現(xiàn)了券商服務向“用戶分層、產(chǎn)品/服務分層”互聯(lián)網(wǎng)服務理念的轉變，能做到這一點已經(jīng)邁向了智投最核心的方向：精準化服務。

最后一點，國內約70%的散戶大軍，投資習慣和理念對被動投資策略的智能投顧產(chǎn)品的認知，被教育，接受需要很長很長的時間，這條路還有很遠。

什么樣的產(chǎn)品才是好產(chǎn)品？

智能投顧這玩意兒說到底核心還是算法，本質還是屬于量化交易的范疇，本身仍需要依賴外部假設和市場環(huán)境，前面說過智投追求的應該是長期的策略投資，那么在長期的過程中出現(xiàn)虧損的情況下，如何在業(yè)務流程及體驗設計上，說服及教育用戶持續(xù)持有再平衡，其實很難，至少現(xiàn)在很難，難在人性的洞察。

有人說如何評價它是不是一款好的產(chǎn)品？能夠幫你活著度過熊市的產(chǎn)品，才是真的好產(chǎn)品。

這是長江證券首席科技體驗官韋洪波看了之后也還是覺得很中肯，從騰訊財經(jīng)副總裁出來的他很贊、很務實、很有想法。