趙媛媛 徐達宇 丁之桑

摘 要：在現(xiàn)今的金融市場中，大數(shù)據(jù)獲取的便利性使得人工智能技術(shù)迅速滲透到投資的各個領(lǐng)域，由此而產(chǎn)生的全新的投資策略、交易模式將會帶來諸多機遇與挑戰(zhàn)。本文針對基于大數(shù)據(jù)和人工智能驅(qū)動的浙江省非銀金融投資策略這一問題展開探討，論述了基于大數(shù)據(jù)+AI驅(qū)動研究非銀金融投資策略的必要性，以及浙江非銀金融行業(yè)現(xiàn)狀。以此為基礎(chǔ)，闡述了浙江省幾大非銀金融行業(yè)利用大數(shù)據(jù)和人工智能輔助投資的策略及思路，以期為該領(lǐng)域的研究與發(fā)展提供有益的參考。

關(guān)鍵詞：大數(shù)據(jù) 人工智能 非銀金融 投資策略

中圖分類號：F832 文獻標識碼：A 文章編號：2096-0298（2017）11（b）-163-03

非銀行金融機構(gòu)是指除商業(yè)銀行和專業(yè)銀行以外的所有金融機構(gòu)[1]，主要包括信托、證券、保險、融資和租賃等機構(gòu)以及財務(wù)公司等。非銀行金融機構(gòu)以發(fā)行股票和債券、接受信用委托，以及提供保險等形式籌集資金，并將所籌資金運用于長期性投資。“大數(shù)據(jù)”是指需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)[2]，而人工智能即指Artificial intelligence（AI），它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學[3]。

現(xiàn)今金融市場中，大數(shù)據(jù)獲取的便利性使得人工智能技術(shù)迅速滲透到投資的各個領(lǐng)域，由此而產(chǎn)生的全新的投資策略、交易模式將會帶來諸多機遇與挑戰(zhàn)。本文將對基于大數(shù)據(jù)與AI驅(qū)動的浙江省非銀金融現(xiàn)狀及其投資策略構(gòu)筑進行探討。

1 基于大數(shù)據(jù)+AI驅(qū)動研究非銀金融投資策略的必要性

2010年左右，美國Betterment和Wealthfront兩家公司推出基于互聯(lián)網(wǎng)技術(shù)與算法的資產(chǎn)管理組合建議，包括基金配置、股票配置、股票期權(quán)操作、債權(quán)配置等，使得這兩家公司迅速發(fā)展壯大，人工智能投資顧問也以此為契機而興起。目前，國內(nèi)也出現(xiàn)了很多智能投顧的初創(chuàng)公司，主要基于組合投資理論，開發(fā)算法，利用大量數(shù)據(jù)進行分析，使得更個性化、實時、優(yōu)化的投資策略生產(chǎn)成為可能。每個投資者都可以按照其需求定制個性化的投資策略。神經(jīng)網(wǎng)絡(luò)、深度學習等算法革新提高了金融的效率。在資產(chǎn)配置領(lǐng)域，智能投顧可以通過模型計算出符合要求的最優(yōu)投資組合，通過模型控制風險，量化制定策略，智能調(diào)倉。從而使智能投資顧問可以替代傳統(tǒng)投資顧問，為更多的客戶提供高效服務(wù)。

以2016年雙11全天6億筆保單，平均每分鐘41萬單為例，在螞蟻金服平臺參與消費保險的9家保險公司再次刷新全球保險紀錄。以大數(shù)據(jù)以及人工智能為支撐，在幾乎零人工干預的情況下，利用各類精算模型，根據(jù)買賣雙方各自的信用度、退貨率、商品類目和消費行為構(gòu)成的多維計算變量，實現(xiàn)千人千面的消費保險定價和出單。螞蟻金服旗下的芝麻信用不僅囊括傳統(tǒng)征信數(shù)據(jù)，同時還不斷吸納電商交易數(shù)據(jù)、用戶行為數(shù)據(jù)等，這些數(shù)據(jù)通過機器學習算法為其他的交易場景提供了信用查詢服務(wù)。此外，螞蟻金服還與其他數(shù)據(jù)公司合作，不斷完善自身的大數(shù)據(jù)風控能力，如今螞蟻金服的風控系統(tǒng)對交易從身份、賬戶、設(shè)備、環(huán)境、行為、偏好等8個維度進行大數(shù)據(jù)分析，有數(shù)十個模型，上千個風控規(guī)則[4]。

基于大數(shù)據(jù)的人工智能的應(yīng)用可以顯著提高資本市場的深度和寬度，不斷在整個“交易機會空間”中以人工操作無法想像的速度、效率和海量計算積極地搜索和學習，迅速糾正自己的錯誤，捕捉任何可能的交易機會。可以說，大數(shù)據(jù)和人工智能的興起能幫助投資者節(jié)省時間和資金，作出更明智的投資選擇。

2 浙江非銀金融行業(yè)現(xiàn)狀

在浙江，隨著金融市場的發(fā)展和金融創(chuàng)新的推進，非銀行金融機構(gòu)的作用不斷加強。圖1為2016年浙江全省社會融資規(guī)模增量。

根據(jù)人民銀行、發(fā)改委、證監(jiān)會等收集的《2016年地區(qū)社會融資規(guī)模增量統(tǒng)計表》來看，2016年浙江社會融資規(guī)模結(jié)構(gòu)上，人民幣貸款占比顯著下降，其他方式融資數(shù)量和占比明顯上升，非銀行金融機構(gòu)的增長為實體經(jīng)濟的增長以及金融市場的發(fā)展起到了重要的促進作用。在政府“411”重大項目建設(shè)計劃的引領(lǐng)下，浙江省投資結(jié)構(gòu)不斷優(yōu)化，為經(jīng)濟結(jié)構(gòu)調(diào)整拓展了新空間。浙江省以民間投資為主體，2015年的民間投資為16109億元，同比增長9.2%，占固定資產(chǎn)投資的60.4%。浙江省的融資結(jié)構(gòu)趨于優(yōu)化，融資主體逐步回歸理性。

2.1 證券板塊

在國家宏觀調(diào)控政策的作用和各市場主體的積極應(yīng)對下，浙江證券市場保持了較好的發(fā)展勢頭，省內(nèi)證券營業(yè)部超過600家，排名全國前列，且每個營業(yè)部平均的成交金額也大幅領(lǐng)先，證券行業(yè)的發(fā)展程度較高。浙江省證券業(yè)發(fā)展呈現(xiàn)如下特點：投資者積極性提高，證券市場交易量增長較快；證券市場融資增長較快，中小企業(yè)板上市取得突破；直接融資略有提高，間接融資仍占主體。目前看來，浙江存款總量不低，但分到各營業(yè)部則僅為48億元，說明浙江居民投資的氛圍已經(jīng)較為濃重，如表1所示。

2.2 保險板塊

近年來，浙江省的保險業(yè)得到快速發(fā)展，業(yè)務(wù)規(guī)模迅速擴大。從增長速度來看，浙江省保費收入從1985年的0.98億元占全國2.96%，增加到2015年的1435.38億元占全國的5.9%，得到了高于同期國內(nèi)生產(chǎn)總值的更快增長速度。

從業(yè)務(wù)規(guī)模的省際比較來看，2015年浙江省保費收入全國排名第6，與GDP全國第4位有差距，說明浙江省保險業(yè)規(guī)模與經(jīng)濟發(fā)展水平有些不適應(yīng)，在國民經(jīng)濟中的地位和作用尚未充分發(fā)揮出來，保險市場潛力還很大。

在浙江省，從2015年浙江財產(chǎn)保險分公司業(yè)務(wù)統(tǒng)計來看（見表2），車險保費收入居首位，且賠付率最高，短期健康保險賠付率也超出平均水平，農(nóng)保隨后。車險費改后，盈利重心放在提高承保能力和加強渠道建設(shè)上。與財產(chǎn)保險相比，浙江省人壽保險業(yè)一直保持較快勢頭，在總保費的比重穩(wěn)步提高。從2015浙江人身保險分公司業(yè)務(wù)統(tǒng)計來看，個險渠道持續(xù)優(yōu)化，團險渠道業(yè)務(wù)實現(xiàn)穩(wěn)定增長，養(yǎng)老險稅優(yōu)政策也將推動壽險加速發(fā)力。

根據(jù)《2016年1至4月財產(chǎn)保險公司原保險保費收入情況表》來看，人保股份浙分、太保財浙分、平安財浙分等位于前列，與全國保險經(jīng)營狀況相適應(yīng)。

2.3 多元金融

浙江“十三五”金融發(fā)展規(guī)劃將從原來側(cè)重銀行的發(fā)展轉(zhuǎn)向多元金融發(fā)展。截至2016年末，浙江省有小額貸款公司332家，占全國的3.83%；貸款余額為700.4億元，占全國的7.55%，充分展現(xiàn)浙江在支持小額貸款公司發(fā)展方面所下的決心。

在浙江，網(wǎng)絡(luò)借貸和網(wǎng)絡(luò)理財同樣蓬勃發(fā)展。2017年3月累計P2P平臺數(shù)量（含問題平臺）達525家，全國排名第五，約占全國P2P平臺總數(shù)的10.93%。據(jù)不完全統(tǒng)計，2017年4月浙江地區(qū)P2P成交額為287.73億元，環(huán)比上升7.22%，同比增長達91.13%。

總體來看，2016年前5個月成交額波動性發(fā)展，5月到12月，成交額呈現(xiàn)單邊快速增長的趨勢，但隨后受春節(jié)假期的影響，大部分平臺停止發(fā)標，3月投資熱情回升，導致本月成交額有所上升，預計短期內(nèi)成交額會持續(xù)回升。值得注意的是，2016年8月國家出臺了《網(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動管理暫行辦法》，明確規(guī)定P2P平臺只能進行點對點借貸業(yè)務(wù)，并且對P2P的借款額度加以限制，提高了P2P行業(yè)準入門檻[5]，促使一些平臺轉(zhuǎn)型，是一輪行業(yè)內(nèi)的大洗牌。所以，2017年加快合規(guī)的平臺建設(shè)將是優(yōu)選項，企業(yè)可根據(jù)自身的風險承受能力、風險偏好來配比，在資金充裕的情況下，可以把資金分散投資在2～3個網(wǎng)貸平臺，實施集約化經(jīng)營。

信托方面收益不復當年，基礎(chǔ)產(chǎn)業(yè)類信托項目雖因為收益率和安全性相對更高，是信托投資首選，但也不是絕對的安全港，仍須關(guān)注項目自身的還款能力和還款來源，一些經(jīng)濟實力薄弱、債務(wù)負擔過重地方項目可能會出現(xiàn)延期兌付、處置資產(chǎn)兌付的情況。

資產(chǎn)管理（AMC）方面，據(jù)測算，浙江2016年～2018年不良供給維持在2000億的量級。當前經(jīng)濟下行、供給側(cè)改革推進的大環(huán)境下，AMC將迎來行業(yè)爆發(fā)，具有高盈利特點，利潤空間巨大。

3 基于大數(shù)據(jù)+AI驅(qū)動的浙江非銀金融投資策略探析

基于以上論述，本文就券商板塊、保險板塊、多元金融這三大浙江省非銀金融核心業(yè)務(wù)實現(xiàn)基于大數(shù)據(jù)+AI驅(qū)動的投資策略進行闡述。

3.1 券商板塊

證券公司可以運用大數(shù)據(jù)挖掘和AI相關(guān)的理論與方法，利用股票價格、外匯和衍生品交易、交易記錄、高頻交易、無結(jié)構(gòu)化新聞和文本，以及隱含在社會媒體和網(wǎng)絡(luò)中的消費者信心和商業(yè)情緒等金融大數(shù)據(jù)源，結(jié)合智能推薦算法、數(shù)據(jù)分類與評價算法，以及動態(tài)預測與優(yōu)化模型，為相關(guān)企業(yè)和個人在智能選股、報表分析、高速證券行情分析、高收益股票組合的投資策略定制，以及最優(yōu)投資產(chǎn)品組合等方面提供全方位的高性能業(yè)智能支持[6]。

3.2 保險板塊

在保險板塊，首先，需要實現(xiàn)保險類企業(yè)數(shù)據(jù)的云端化、大數(shù)據(jù)化；其次，實施客戶大數(shù)據(jù)的智能融合，利用深度學習算法細分市場，充分挖掘客戶的行為習慣、消費心理和過往用險記錄。

以此為基礎(chǔ)，進行精準營銷，實現(xiàn)數(shù)據(jù)的動態(tài)循環(huán)，并在循環(huán)過程中分析多元保險需求，提供差異化險種和保險服務(wù)。

3.3 多元金融

多元金融主要包括P2P小貸、租賃、擔保、保理這四大領(lǐng)域，在多元金融板塊，企業(yè)最關(guān)心的是各類客戶的信用等級評估問題，用于實施可靠的投資風險控制。隨著大數(shù)據(jù)時代的到來和發(fā)展，可用于評估所投資客戶信用的數(shù)據(jù)越來越豐富，如電商交易數(shù)據(jù)、社交類數(shù)據(jù)、網(wǎng)絡(luò)行為數(shù)據(jù)等，這些來自互聯(lián)網(wǎng)的數(shù)據(jù)將幫助金融機構(gòu)更充分地了解客戶，解決授受雙方信息不對稱問題，并可根據(jù)用戶的信用卡數(shù)據(jù)、開放給平臺的電商數(shù)據(jù)所對應(yīng)的購買行為、手機運營商的通話情況、登記信息等取得多維信息，結(jié)合智能評估模型與算法，如支持向量機、隨機森林、邏輯回歸等，對獲取的客戶征信大數(shù)據(jù)進行多維度、多層次、全過程信用評估，精確評定用戶風險等級，降低交易風險，保障企業(yè)獲得可觀利潤。

4 結(jié)語

本文針對基于大數(shù)據(jù)和人工智能驅(qū)動的浙江省非銀金融投資策略這一問題展開探討，闡述了浙江省幾大非銀金融行業(yè)利用大數(shù)據(jù)和人工智能輔助投資的策略及思路：券商板塊可運用大數(shù)據(jù)挖掘和AI相關(guān)方法提供全方位的高性能業(yè)智能支持；保險板塊利用大數(shù)據(jù)化與深度學習進行精準營銷，提供有針對性的服務(wù)；多元金融應(yīng)充分利用多方面數(shù)據(jù)，結(jié)合智能評估模型與算法，降低風險保障利潤。

參考文獻

[1] 谷秀娟，趙曉鵬.河南省非銀行金融機構(gòu)發(fā)展研究[J].鄭州航空工業(yè)管理學院學報，2015，33（2）.

[2] 梁鋒.“大數(shù)據(jù)”（Bigdata）[J].新聞前哨，2013（11）.

[3] 方東菊.人工智能研究[J].信息與電腦，2016（13）.

[4] 馮笑，陳翼.基于互聯(lián)網(wǎng)金融平臺的大數(shù)據(jù)征信實踐與啟示——以阿里旗下“螞蟻金服”為例[J].中國市場，2015（32）.

[5] 李端生，夏偉.基于網(wǎng)絡(luò)借貸新規(guī)的P2P發(fā)展研究[J].會計之友，2017（5）.

[6] 方獻梅，劉亮龍，高曉波.大數(shù)據(jù)時代數(shù)據(jù)挖掘在證券公司客戶關(guān)系管理中的應(yīng)用研究[J].信息與電腦，2015（15）.

①基金項目：浙江省自然科學基金項目（LQ17G010003）；浙江農(nóng)林大學科研訓練基金項目（2013200054）。