如何看待智能投顾发展之十大问题
智能投顾业务发展及监管建议
智能投顾业务发展及监管建议智能投顾业务是指利用人工智能技术为个人投资者提供智能化投资咨询和管理服务的业务。
随着科技的不断发展，智能投顾业务已经引起了广泛的关注，并在金融市场中迅速发展起来。
但随之而来的监管问题也逐渐凸显出来，如何有效监管发展中的智能投顾业务成为了当前亟需解决的问题之一。
一、智能投顾业务的发展趋势1. 科技推动智能投顾业务不断发展智能投顾业务是基于大数据、云计算和人工智能等科技手段，通过分析投资者的风险偏好、资产分布和市场信息等数据，提供个性化的投资组合方案和投资建议。
这些技术的广泛应用为智能投顾业务的发展提供了有力支持，提高了投资服务的效率和质量。
2. 个性化服务成为发展趋势随着人工智能技术的不断进步，智能投顾业务能够为投资者提供更具个性化的投资服务，满足投资者不同的风险偏好和投资需求。
通过深度学习和大数据分析，智能投顾平台可以更好地了解投资者的需求，为其提供更加精准的投资建议。
3. 低成本投资服务受到追捧智能投顾平台因其低成本、高效率的特点，受到了越来越多投资者的青睐。
相比传统的投资顾问服务，智能投顾业务的费用更低，为小型投资者提供了更加便捷的投资渠道，有助于降低他们的投资门槛，实现更好的财富管理。
1. 加强信息披露和透明度在智能投顾业务中，投资者向平台提交的信息往往非常私密，包括个人财产状况、投资偏好和风险承受能力等。
智能投顾平台应当加强对此类信息的保护，并加强信息披露和透明度。
监管部门应当出台相关法规，规范智能投顾平台的信息披露和数据隐私保护措施，保障投资者的合法权益。
2. 规范平台行为，防范风险智能投顾业务往往涉及资金管理和投资建议等服务，因此其所涉及的风险也相对较大。
监管部门应当加强对智能投顾平台的监管，规范其行为，防范相关风险。
如设立专门的监管机构对智能投顾平台进行监管和审批，建立健全的投资者保护机制，维护市场秩序。
3. 加强技术监管和风险管理由于智能投顾业务涉及到大规模的数据分析和人工智能技术，因此监管部门应当加强对其技术系统和风险管理的监管。
智能投顾业务发展及监管建议
智能投顾业务发展及监管建议随着科技的不断发展和金融行业的日益发展，智能投顾业务也得到了迅速发展。
智能投顾是指通过人工智能技术，根据投资者的风险偏好和投资目标，为其提供个性化的投资组合建议和投资管理服务的一种新型投资方式。
当前，智能投顾业务在我国已经取得一定的成绩，但仍然面临一些问题和挑战，有必要继续加强对其发展的监管和管理。
本文将从智能投顾业务的发展现状、存在问题和监管建议三个方面进行阐述。
智能投顾业务的发展现状：智能投顾业务在我国起步较早，目前已经有多家金融机构推出了智能投顾产品。
这些智能投顾产品通过数据分析和模型计算，为投资者提供优化的资产配置和投资组合选择，满足个性化的投资需求。
智能投顾业务的发展对投资者来说有诸多的好处，例如降低了投资门槛、提供了个性化的投资建议、降低了投资成本等。
智能投顾业务在投资者中获得了较好的口碑和认可。
存在问题：目前智能投顾业务在我国仍然面临一些问题和挑战。
智能投顾的算法模型需要不断优化和完善，以提高投资建议的准确性和精确度。
智能投顾的运营和服务需要专业人士的参与，但目前我国专业人士的数量和质量还不够充足，这给智能投顾提供了一定的制约。
智能投顾业务也存在着信息安全和隐私保护的问题，需要加强相关的监管和管控措施。
监管建议：为了进一步推进智能投顾业务的发展，我认为应该加强对其进行监管和管理。
加强对算法模型的监管，确保智能投顾的投资建议准确有效。
金融监管部门可以设立专门的机构或团队，对算法模型进行审核和审查，提高其可信度和可靠性。
加强对智能投顾专业人士的培训和资质认证，提高其专业能力和服务水平。
金融机构可以配备专门的智能投顾团队，加强对投资者的风险教育和投资指导。
加强对智能投顾的信息安全和隐私保护监管。
金融机构应建立完善的信息安全管理制度，确保投资者的个人信息和账户信息的安全。
加强对智能投顾产品的风险管理和评估。
金融监管部门可以要求金融机构定期向投资者公开智能投顾产品的风险评估和风险提示，提高投资者的风险意识和防范能力。
智能投顾业务发展及监管建议
智能投顾业务发展及监管建议智能投顾是以人工智能技术为核心，通过算法模型和数据分析为个人及机构投资者提供个性化、定制化的投资管理服务。
近年来，随着科技的飞速发展和金融行业的创新，智能投顾已成为投资领域的新星，其业务发展迅速。
一方面，智能投顾具有低门槛、低成本、高效率等优势，能够帮助投资者规避人为因素引发的错误决策，提升投资效率和稳健度。
另一方面，智能投顾也面临着诸多挑战，如安全风险、数据隐私、服务透明度不足等问题，需要加强监管。
在智能投顾业务发展中，应注重以下方面：首先，技术创新需扎实。
智能投顾是以科技为基础的金融服务业务，必须要跟上时代的步伐，更加注重技术创新。
对于传统金融机构来说，应该提高技术研发投入，缩小与金融科技公司的差距；对于金融科技企业来说，要加强人才培养和技术应用，不断挖掘更深层次的投资策略，为投资者提供更好的服务。
其次，风险管理需加强。
智能投顾服务过程中，安全风险是必须关注的问题。
由于智能投顾服务采用人工智能技术，数据往往涉及到个人隐私、交易信息等，因此应加强数据隐私保护措施，建立健全的风控制度和风险管理机制，有效防范各种在线风险。
最后，服务透明度需提升。
智能投顾服务应该保证透明度，投资者应当了解投资模型、算法策略等，以便更好地进行风险评估。
同时，智能投顾机构应该公开相关信息，加强信息披露，确保投资者获得真实、准确、完整的信息。
对于监管部门来说，应该注重以下方面：一方面，制定相关规范及标准。
智能投顾属于新兴行业，需要建立健全的监管制度，制定一系列规范及标准，明确智能投顾机构的业务范围、服务流程、风险控制、信息公开等内容，全面规范智能投顾行业的发展。
另一方面，加强监管力度。
监管部门需要针对智能投顾业务的发展情况，加强对机构的监管和管理，加大对非法、违规机构的监管力度，保护投资者的利益，维护市场秩序。
总之，智能投顾业务发展需要关注技术创新、风险管理及服务透明度等方面，同时，监管部门应采取规范和监管措施，确保智能投顾业务健康稳定发展。
智能投顾业务发展及监管建议
智能投顾业务发展及监管建议智能投顾是指利用人工智能和大数据技术，为投资者提供个性化的投资建议和资产配置服务。
随着科技的不断发展和普及，智能投顾业务在全球范围内迅速兴起，成为了金融科技领域的热门话题。
随着智能投顾业务的快速发展，相关的监管问题也不容忽视。
本文将就智能投顾业务的发展现状及监管建议进行探讨，希望能够为行业的健康发展提供一些建议和思路。
一、智能投顾业务发展的现状智能投顾业务兴起于美国，并在近几年迅速扩展到了全球范围。
根据数据显示，全球智能投顾市场规模已经超过了数千亿美元，并且仍在以每年20%以上的速度增长。
在中国，智能投顾业务也正在迅速崛起，据统计，截至目前，中国的智能投顾用户数量已经超过了1000万。
可见，智能投顾业务正逐渐成为了投资者的首选投资方式。
智能投顾业务的快速发展，主要得益于其独特的优势。
智能投顾可以通过人工智能和大数据技术，实现对投资者的精准定位和个性化服务。
智能投顾的投资策略和资产配置也是基于科学的模型和数据分析，能够提供更为合理和有效的投资建议。
智能投顾业务的低费用和便捷操作也吸引了大量投资者的关注和青睐。
随着智能投顾业务的迅猛发展，相关的监管问题也暴露出了一些隐患。
一方面，智能投顾业务需要更为严格的监管来保障投资者的权益和市场的稳定；监管机构也需要不断创新方法，适度放松相关的监管制度，以推动智能投顾的健康发展。
二、智能投顾业务监管建议针对智能投顾业务的发展现状和监管问题，本文提出以下几点建议：1. 加强智能投顾业务的市场准入监管。
智能投顾业务需要更为严格的市场准入监管，以防止一些不合格的机构或项目进入市场，对投资者造成损失。
监管机构应当加强对智能投顾业务的审核和许可，规范市场秩序，保护投资者的合法权益。
2. 完善智能投顾业务的信息披露机制。
智能投顾机构应当充分披露其投资策略和风险提示，以便投资者对其投资行为有充分的了解和预期。
监管机构也应当要求智能投顾机构进行更加全面和及时的信息披露，提高透明度，降低投资风险。
智能投顾的发展现状与未来展望
05
智能投顾的未来展望
技术创新与突破
人工智能技术的不断进步：智能投顾将更加依赖于人工智能技术，包括机器学习、深度学习等， 以实现更精准的投资预测和更智能的投资决策。
大数据技术的广泛应用：智能投顾将更加注重大数据技术的应用，通过对海量数据的分析和 挖掘，以发现更多的投资机会和风险，提高投资决策的准确性和效率。
服务内容与特点
服务内容：提供投资建议、资产配置、风险管理等服务 服务特点：基于大数据和人工智能技术，实现个性化、精准化的投资服务 优势：提高投资效率、降低投资风险、提升投资体验 挑战：数据安全、隐私保护、监管政策等问题
用户规模与需求
用户规模：智能投顾平台的用户数量不断增长，覆盖面越来越广 用户需求：投资者对智能投顾的需求多样化，包括资产配置、投资建议、风险控制等方面 用户偏好：投资者更倾向于选择能够提供个性化、定制化服务的智能投顾平台 用户满意度：随着智能投顾平台的不断发展和完善，用户满意度不断提高
智能投顾能够根据投资者的风险偏好、投资目标和市场情况，提供 个性化的投资建议
智能投顾的核心技术包括大数据分析、机器学习和自然语言处理等
智能投顾的目的是帮助投资者实现资产配置优化、降低投资风险和 提高投资收益
智能投顾的发展背景
金融科技的发展：金融科技的发展为智能投顾提供了技术支持和可能性。
投资者的需求：投资者对个性化、智能化、高效化的投资服务的需求推动了智能投顾的发展。
监管政策对智能投顾的影响
行业自律与规范发展
添加标题
添加标题
合规风险对智能投顾的挑战
添加标题
添加标题
未来监管趋势与展望
市场竞争格局变化
传统金融机构与科技公司的竞争 智能投顾市场的快速增长 监管政策对市场竞争的影响 未来市场竞争格局的预测
金融科技行业的智能投顾市场趋势
金融科技行业的智能投顾市场趋势近年来，金融科技迅速崛起，智能投顾作为其中的重要一环，已经成为金融市场的热门话题。
智能投顾是指利用人工智能、大数据和算法等技术手段，自动为投资者提供个性化的投资建议和资产配置服务。
本文将重点探讨金融科技行业智能投顾市场的发展趋势，以及相关的挑战和机遇。
一、市场规模的不断扩大随着金融科技的不断发展，智能投顾市场规模逐渐扩大。
根据统计数据显示，全球智能投顾市场在过去几年中保持着快速增长的态势。
据预测，到2027年，全球智能投顾市场规模将达到2,652亿美元。
这主要得益于智能投顾的优势，它能够以较低的成本为投资者提供高效的投资建议，满足广大中小投资者的需求。
二、技术创新推动市场竞争随着技术的不断创新，智能投顾市场的竞争也日益激烈。
各大金融科技公司纷纷推出智能投顾产品，不断提升算法模型的准确度和智能化水平。
同时，人工智能的发展使得智能投顾的服务能力得到进一步提升，通过大数据的挖掘和分析，可以更好地为投资者提供个性化的投资建议。
技术创新不仅提升了智能投顾的服务质量，还拓宽了市场应用的领域。
三、合规和监管的挑战智能投顾在发展过程中面临着合规和监管的挑战。
由于智能投顾涉及到投资建议和资产配置等重要环节，对于智能投顾平台的监管成为当前亟待解决的问题。
监管机构需要建立相关的法律法规和标准来引导和规范智能投顾机构的经营行为，确保投资者的合法权益得到有效保护。
四、个性化服务的需求个性化服务成为智能投顾市场的重要需求。
随着金融市场的不断发展，投资者对于资产配置的需求越来越多样化。
智能投顾通过对投资者的风险承受能力、投资目标和偏好等进行综合分析，可以为投资者提供个性化的投资建议和资产配置方案。
这种个性化服务能够更好地满足投资者的需求，提高投资者的投资收益。
五、金融科技与传统金融的融合金融科技与传统金融业的融合将推动智能投顾市场的进一步发展。
随着传统金融机构对金融科技的重视，越来越多的传统金融机构开始与金融科技公司进行合作或者自建智能投顾平台，以提供更加全面和高效的投资服务。
智能投顾业务发展及监管建议
智能投顾业务发展及监管建议随着金融科技的迅速发展和普及，智能投顾业务越来越受到投资者的关注和青睐。
智能投顾是指利用人工智能和大数据分析技术，为投资者提供个性化的投资组合建议和资产配置服务的一种投资方式。
这种投资方式不仅能够满足投资者的个性化需求，同时也有效降低了投资门槛，为更多的投资者提供了参与资本市场的机会。
随着智能投顾行业的迅速发展，也暴露出一些问题，如信息不对称、风险管理不足、交易不透明等，对智能投顾业务的监管迫在眉睫。
一、智能投顾业务的发展现状智能投顾业务最早出现在美国，由于其便捷、低成本和个性化的特点，迅速受到投资者的欢迎。
随着金融科技的不断发展，智能投顾业务在全球范围内得到了迅猛的发展，成为资产管理行业的一大趋势。
据国际数据公司（IDC）的数据显示，到2020年，全球智能投顾业务的资产规模已经达到2.5万亿美元，而且这一数字还在不断增加。
在国内，智能投顾业务也取得了长足的进展。
随着金融科技的不断发展和监管政策的放开，越来越多金融科技公司开始涉足智能投顾业务，为投资者提供更加智能化和个性化的投资服务。
根据中国互联网金融协会发布的《2019年中国互联网金融行业发展报告》，截至2018年底，国内智能投顾机构数量已经超过80家，管理规模达到约2000亿元人民币。
可以看出，智能投顾业务在国内也得到了快速发展。
二、智能投顾业务面临的监管挑战虽然智能投顾业务发展迅猛，但也面临着一些监管挑战。
智能投顾业务涉及到大量的用户个人信息和资金，信息安全成为业务发展的一大隐患。
智能投顾业务的算法模型、大数据分析技术对于监管部门和投资者来说具有一定的技术壁垒和不透明性，缺乏有效的监管手段和机制。
由于智能投顾业务的风险管理和交易透明度问题，投资者面临着较大的投资风险。
针对智能投顾业务面临的监管挑战，有必要加强对其业务发展的监管，保障投资者的合法权益和信息安全。
以下是一些建议：1. 加强信息安全管理。
针对智能投顾业务涉及的用户隐私信息和资金安全问题，需要建立完善的信息安全管理制度和技术保障措施，保障投资者的个人信息和资金安全。
智能投顾的法律风险及监管建议
智能投顾的法律风险及监管建议一、概述智能投顾，作为金融科技领域的创新产物，近年来在全球范围内得到了迅猛的发展。
它利用大数据、云计算、人工智能等先进技术，为投资者提供个性化、自动化的资产配置建议，从而有效降低了投资门槛，提高了投资效率。
随着智能投顾的广泛应用，其潜在的法律风险也逐渐显现，引起了监管部门的高度关注。
智能投顾的法律风险主要体现在以下几个方面：一是合规风险，智能投顾在为客户提供服务时，必须遵守相关的金融法律法规，否则将面临严重的法律后果二是技术风险，智能投顾高度依赖于算法和模型，一旦技术出现故障或漏洞，可能导致投资者的利益受损三是信息安全风险，智能投顾在处理大量用户数据时，若未采取有效的保护措施，可能引发数据泄露、滥用等风险四是操作风险，由于智能投顾的自动化特性，若投资者未能正确理解或使用相关服务，也可能产生不必要的损失。
针对智能投顾的法律风险，监管部门需要制定有效的监管政策和措施。
应完善相关法律法规，明确智能投顾的法律地位和业务范围，为其提供清晰的监管框架应加强对智能投顾的技术监管，确保其算法和模型的合规性和安全性还应加强信息安全管理，防止数据泄露和滥用应加强对投资者的教育和保护，提高投资者的风险意识和自我保护能力。
智能投顾作为金融创新的重要代表，在推动金融行业发展的同时，也面临着诸多法律风险。
监管部门应密切关注智能投顾的发展趋势，不断完善监管政策和措施，以促进其健康、可持续发展。
1. 智能投顾的概念及发展历程智能投顾，又称“机器人投顾”，是一种利用大数据、人工智能等先进技术，为投资者提供在线投资组合配置建议以及组合管理相关的理财顾问服务的新型金融模式。
其核心在于通过一系列智能算法及投资组合优化等理论模型，根据投资者个人的风险承受水平、收益目标以及风格偏好等因素，为其提供个性化的资产组合，实现自动管理，并根据市场动态对资产配置提供再平衡建议。
智能投顾的优势显著，包括满足个性化需求、强调客户体验、投资门槛低、无偏见性、资产配置全球化以及节约人力成本等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
如何看待智能投顾发展之十大问题要说起现在的理财市场，相对于以往来说，人们的可选性还是比较多的，除了银行理财，一些宝宝类产品之外，除了这两年兴起的P2P理财之外，智能投顾貌似作为一种最新的理财概念，渐渐地也被越来越多的人了解和接受。
不过，一个新的事物诞生或者发展，往往都会有着各种各样的疑惑或者是问题。
接下来，简要说下如何看待智能投顾发展之十大问题。
问题一：银行和基金从业人员，最恐慌的是未来饭碗会否不保波士顿是美国资管行业的重镇。
2016年我在波士顿和做基金管理的校友交流中发现，受到金融科技发展的影响，他们对未来有些悲观，认为饭碗在未来某一天也许就没了。
很多在银行工作的朋友同样焦虑。
大量易标准化、重复性、没技术含量、不具独创性的工作肯定会被裁掉。
从基金行业来说，首先后台最容易被替代，因为都是成本。
清算、交收、估值类工作，以前需要多人忙碌，现在很容易被一套软件系统就替代了，都用不上人工智能，而且准确性更高。
目前还有公司在开发银行间的区块链对账系统，以后也不用每天晚上人工互检对账了。
因为区块链本身是一个瞬间同步的账目，每个人的账本会实时共享，同时又能做到安全透明、不可篡改，所以这些后台工作会最先被替代。
再说前台，智能投顾的自动化交易未来会让大多数交易员变得毫无价值。
以量化投资来说，未来做多因子模型的投资经理就很容易被干掉。
因为由AI来做优化，绝对比人做优化要强很多。
对于前台的其他工作，现在已经出现了机器人客服，像信息简报、研究报告类也都可以由人工智能自动摘取生成。
但国内的二级市场与国外有很多不同，很多散户需要心灵按摩。
这些情感交流的工作是否就不会被取代呢？也不一定。
因为现在00后一代，他们在行为习惯上，其实更愿意和机器人打交道，而不是和人打交道。
这正是2015年BlackRock收购Future Advisor的重要原因，他们发现年轻人更需要便利、低门槛和互联网化的理财方式。
拿保险举个例子。
卖保险显然要比卖理财更需要情感沟通，但智能保顾也正在兴起。
所以对于资管而言，我认为情感因素并没那么重要，未来会有越来越多的人喜欢并习惯面对机器。
问题二：Fintech机会正在向传统金融背景人士倾斜看过很多Fintech领域的创业项目，发现一个有趣的现象，那就是互联网出身的人和有银行从业背景的人，往那儿一坐风格会泾渭分明。
互联网人盯的就是KPI和增长，对风控、对法规毫无概念；金融行业出身的人主要谈的就是风险控制，要规范企业的发展。
从去年开始互联网金融发展的风向发生了巨变，以往野蛮生长的环境不复存在。
美国货币监理署(OCC)正在考虑给Fintech公司发全国性银行牌照，国内也大幅加强了合规的严格管理。
这些变化，都促使互联网金融开始向更注重规范、更注重风控的传统金融背景人士倾斜。
还有非常重要的一点是，作为传统金融行业的人，他们坐拥非常多的资源，当意识到互联网金融的风向时，转舵起来还是很容易的。
正如一个在银行的朋友介绍，自银行推出现金贷业务后，仅用几个月时间，就快速超过了互联网人已用两三年发展起来的规模。
在美国也是如此，一旦具备传统投资优势的金融机构进入智能投顾领域，同样会迅速抢占市场份额。
正如Vanguard和Charles Schwab自2015年推出智能投顾产品后，相对应的资产管理规模（AUM）已遥遥超越了Betterment和Wealthfront。
问题三：中国为什么比美国更适合发展智能投顾？英国的《经济学人》杂志在年初的一篇文章中提到，正是得益先进的技术、落后的银行体系和爆发式的财富增长，让中国成为了全球金融科技的领导者。
这些国内的Fintech企业，不论在模式创新还是技术创新上，都已远远超过了美国。
中国为什么比美国更适合发展Fintech和智能投顾？国内对金融科技的监管环境还是很宽松的，至少前几年非常宽松。
在美国的Fintech企业，绝不敢像国内这么“胆大妄为”；国内即使有人冒进违规了，处罚起来并不严厉，犯错成本较低；国内还没有成熟的隐私保护法，数据的可获得性很高，各种来源的数据都使用；中国没有美国那么多年的积累，也就没有牵绊。
上来就可以用最好的技术、最简单的方法直达目的。
问题四：智能投顾在美国发展遭遇了瓶颈过去我们学习金融时，知道平均成本法(Dollar Cost Averaging)，也就是要养成固定去投资的习惯，投资收益是最高的。
这是一个基础理论，但大家平时生活中很难做到这么有纪律性，尤其对于刚入职场的小白而言。
现在美国银行和智能投顾公司最让人羡慕的是完全能做到自动理财。
一般美国都是双周发薪，通过direct deposit功能，工资直接进入银行账户。
银行完成扣款后，会自动划分到智能投顾公司的账户。
由投顾公司做一个再平衡，就帮用户理财投资了。
对用户来言，每月只需留一些钱还信用卡就行了。
智能投顾在切实解决用户体验问题后，让用户量和AUM资产管理规模上来的特别快。
不过现下智能投顾在美国的发展仍处于瓶颈之中。
主要是行业领头羊Betterment、Wealthfront处于了一个停滞期。
很多潜在投资者对他们的担心是，Robot-advisors这件事，并未改变背后的商业逻辑，也就是配置资产和金融服务的属性没变。
但相比于传统机构，他们投入市场和运营的花费却很大，这是典型的互联网人发展模式，先砸钱把用户量做起来。
但这也让吸收资金的成本变得非常高。
那你的竞争优势到底是什么？估值还这么高，是不是市场吹起的泡泡？这遭遇了很多投资者的怀疑。
问题五：智能投顾与量化投资的区别是什么？相比同样采用计算机与数学模型做投资决策的量化投资，智能投顾最显著的区别是什么？简单来说一个是自动根据市场变化做决策，一个还得靠人来调策略。
后者说的正是量化投资，一般是先找出一个模型策略，这个策略不会自动变化。
所以一旦当市场环境变化的时候，这个量化策略就失效了，必须由投资经理根据市场情况来调整策略。
对于应用机器学习的智能投顾，则会根据市场的变化不断的产生新策略，也就是应对瞬息万变的市场变化，一切都是在后台自动完成的，并不需要人工干预。
因为机器学习有回馈循环(Feedback Loop)，从市场-策略-结果再到市场的不断反复循环，会自动根据资产的价格、风险的变动不断调整。
相比量化或人工投资，人工智能处理信息还有一个最大优势，那就是可以把自有证券市场以来的全部数据都录入做分析。
特别现在有了GPU、TPU等专门的处理器，依靠强大的运算能力，可以瞬间得到想要的相关性分析，这满足了金融领域对数据的实时性要求。
问题六：智能投顾是不是在吹牛，投资业绩到底如何？刚才谈到利用机器学习和深度学习的方法，智能投顾可以把价格变动的趋势和模式找出来，做到快速反应、快速交易。
相信很多人一定好奇，智能投顾相对于量化投资的业绩到底如何。
我们知道最近几年，面对国际金融市场的大幅波动，量化投资的业绩是远远好于很多主动型管理基金。
在今年3月传出的BlackRock重组计划中，就裁掉了很多主动型基金部门的员工，将很大一部分的资产将转化为量化管理产品。
而根据对冲数据服务公司Eurekahedge的AI／机器学习对冲基金指数显示，自从2010年以后，其中23支应用智能投顾的对冲基金，在业绩表现方面是要优于量化对冲基金的。
问题七：人工智能为什么直到今天才取得突破？人工智能技术的发展有些复古。
因为现在深度学习依托的神经网络系统理论，最早可以追溯到上世纪40、50年代，只不过到现在发展为了多层神经网络技术。
从最早的LISP语言、专家系统到神经网络和机器学习，人工智能过去几十年的发展一直都非常低迷。
那为什么来到今天就突破了呢？一方面是已提到的多层神经网络（MLP)取得了小突破，特别其中深度学习（Deep Learning）的出现，应用更多层网路，能学习更抽象理念，并融入自我学习中，加速收敛。
以前努力了半天，识别能力只能提升百分之几，现在一下提升了百分之二十几，这让AI取得了突破式发展。
从智能投顾角度，深度学习既然极大提高了图像识别精度，同理也可以提高识别股票价格变化的模式，虽然这并不意味可以准确预测股价。
另外更关键的，是数据量的丰富。
2010年我回硅谷时，第一次听谷歌的朋友说他们的AI取得突破，能在YouTube上把猫给认出来了。
很重要的原因是在YouTube上有了大量的视频和图片数据之后。
对此我认为，人工智能发展起来的关键是有了大量的数据，算法提升其实是很有限的。
甚至可以说人工智能发展80%归于数据的丰富，可能只有20%归于算法的提升。
特别在金融行业，数据都是非常容易标签化的，完美性这么好，所以人工智能最先颠覆的就是金融领域。
问题八：深度学习最大的问题是黑箱对于深度学习而言，人才分几个档次。
第一级是开宗立派的人物，也就是发明CNN(卷积神经网络)、DNN(深度神经网络)、RNN(循环神经网络)这些流派的宗师级人物。
还有一类人才，是真正能够把参数调好的人，也非常稀缺。
比如对于多层神经网络，是设置10层、5层还是7层效果最好？每层都有很多参数。
还有给入多大的数据量才会产生理想结果？因为到一定程度，你会发现输入越多数量，结果反而可能会变坏。
这是一个经验值，甚至没有规律，所以业内开玩笑叫做炼金术。
把一堆东西放一起，不知好坏，天天试，跟做化学实验室一样，还没有固定的化学方程式。
大部分在美国读PhD的中国留学生是负责调参数的。
但调参数能调好的人，在AI界也算是凤毛麟角，一年的package 下来也有100~200万美金。
要知道不仅在中国，在全球，人工智能创业公司最大的挑战都不是钱，而是雇不到人。
但这里就产生了一个问题。
比如输入大量数据后，经过10层神经网络筛选得出一个结论，可你是没法回溯怎么得出这个结论的。
所以深度学习最大的问题是黑箱。
如果想避免一个错误，要修改参数，那所有训练又得重新来一遍。
正因为这个问题，自动驾驶一旦出现车祸，很难向美国交通局去解释。
在美国发信用卡的领域也存在一样的问题。
拒绝给一个客户发信用卡，你得告知是基于什么规则，不然人家可能会告你，但深度学习没办法解释这件事。
所以最近的一些算法已经做出了一些优化。
问题九：国内智能投顾发展境况如何？很多人说中国资产类型太单一，ETF数量不够，很难满足智能投顾的资产配置需求。
看了有20多家智能投顾公司，实际发现他们的配置还是很丰富的。
简直可以说是五花八门，有的配P2P资产、有的配小贷，还有人拆信托、拆私募，做MOM、FOF模式的也有。
大家都打着智能投顾的旗号，但剥开皮看都不一样，很多时候不知后面卖的什么东西。
这也正是国家在加强机器人投顾管理的原因。
还有一个重要问题是，中国基本没有买方投顾，大家都在挣后端销售佣金，更像卖方雇佣的销售。
所以对国内的智能投顾而言，本来是个投资顾问的事儿，却在做销售的活儿。