對(duì)于從事投資或者券商業(yè)務(wù)的人來(lái)說(shuō)，2018似乎是不能再差的一年：A股跌得不成樣子，中美貿(mào)易戰(zhàn)導(dǎo)致經(jīng)濟(jì)形勢(shì)也不容樂(lè)觀。
然而，2018年初開始的AI轉(zhuǎn)型卻大有星火燎原之勢(shì)。相對(duì)于市場(chǎng)的冷清，券商們?cè)诳萍既瞬诺耐度肷洗_實(shí)算大手筆，除了部分業(yè)務(wù)人員的裁剪，大多數(shù)券商都在拼命招徠科技人才。不過(guò)，一直到2018年末，券商們的AI焦慮也還沒(méi)有緩和過(guò)來(lái)。
一、營(yíng)銷和風(fēng)控：傳統(tǒng)優(yōu)勢(shì)領(lǐng)域的失效
無(wú)論是互聯(lián)網(wǎng)還是其他金融機(jī)構(gòu)，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等AI技術(shù)主要被用于營(yíng)銷和風(fēng)控兩個(gè)大領(lǐng)域，然而在券商這里還沒(méi)發(fā)現(xiàn)足夠的應(yīng)用場(chǎng)景。
券商都有地域特性，每個(gè)券商都有自己的優(yōu)勢(shì)地盤。另外，券商對(duì)客戶的吸引力往往是“傭金”，“傭金”低了自然有客戶搶著開戶。那么，這種情況下，“營(yíng)銷”的意義似乎不是很大，“市場(chǎng)好的時(shí)候，開戶的人你擋都擋不住，市場(chǎng)差的時(shí)候，你再怎么挽留，該流失還是流失”?；蛘哒f(shuō)“這個(gè)券商傭金低，明天就去那邊開戶”。
同樣的問(wèn)題也存在于券商理財(cái)產(chǎn)品的推銷上。對(duì)于固定收益類產(chǎn)品，根本不需要精準(zhǔn)營(yíng)銷，銷量本身就非常好；而對(duì)于權(quán)益類產(chǎn)品，客戶大多為高凈值客戶，單個(gè)產(chǎn)品購(gòu)買記錄寥寥，“這么點(diǎn)數(shù)據(jù)我感覺(jué)AI技術(shù)根本沒(méi)辦法幫上忙，關(guān)鍵還是靠王牌銷售人員的推銷”，某券商負(fù)責(zé)人如此說(shuō)。
更不用說(shuō)互聯(lián)網(wǎng)玩得風(fēng)生水起的“個(gè)性推薦”了。“用戶偏好”在只關(guān)注賺錢的客戶面前簡(jiǎn)直是微不足道，“根據(jù)我歷史購(gòu)買記錄給我推薦相關(guān)股票，并不能給我?guī)?lái)任何好處，我只需要能給我賺錢的股票”，某散戶如是說(shuō)。
風(fēng)控也存在類似的問(wèn)題。除了部分業(yè)務(wù)的風(fēng)控需求，核心交易這塊的風(fēng)控似乎要“嚴(yán)肅”得多。這就意味著對(duì)于大多數(shù)的交易來(lái)說(shuō)，不會(huì)需要AI技術(shù)去做風(fēng)控；而對(duì)于需要“監(jiān)管”的交易來(lái)說(shuō)，可能交易所更需要類似的“AI”技術(shù)去輔助，而且對(duì)于交易所的監(jiān)管而言，目前更多的還是通過(guò)人來(lái)監(jiān)管，而不是“AI”技術(shù)。
當(dāng)然，對(duì)于業(yè)務(wù)多元化的券商來(lái)說(shuō)，營(yíng)銷和風(fēng)控仍有不少場(chǎng)景可以落地，只是太過(guò)“碎片化”，讓大家覺(jué)得不夠“核心”。
二、圖像識(shí)別和語(yǔ)音識(shí)別：AI興起的主賽道，解決不了券商的核心痛點(diǎn)
圖像識(shí)別和語(yǔ)音識(shí)別是AI技術(shù)興起的主要應(yīng)用場(chǎng)景，對(duì)于某些行業(yè)或者產(chǎn)品，比如說(shuō)安防、智能音箱等，是最重要的核心技術(shù)。
對(duì)券商來(lái)說(shuō)，這些卻不是痛點(diǎn)，有的甚至連錦上添花都說(shuō)不上。這也導(dǎo)致“AI技術(shù)無(wú)用論”的觀點(diǎn)在券商很有市場(chǎng)。
圖像技術(shù)在做APP人臉識(shí)別，或者門禁之類的場(chǎng)景還是挺有用處，不過(guò)這些在券商這里只能用來(lái)趕趕新潮。
語(yǔ)音識(shí)別可以用于智能客服，已經(jīng)有不少券商在進(jìn)行嘗試，然而要深入地做出相應(yīng)的成果又談何容易，目前還沒(méi)有哪家券商做出真正“智能”的客服來(lái)。
三、智能投顧和智能投研：曾經(jīng)的風(fēng)口浪尖，現(xiàn)在的霧里看花
對(duì)于國(guó)內(nèi)的投顧市場(chǎng)來(lái)說(shuō)，連人工投顧都是在逐漸上升的通道中，更別提“智能投顧”了。對(duì)于市面上林林總總的帶“智能投顧”影子的產(chǎn)品來(lái)說(shuō)，大多數(shù)只是提供了最基礎(chǔ)的“投資組合”建議。對(duì)于普通投資者，選擇這種方式推薦出來(lái)的投資組合，還不如買個(gè)理財(cái)產(chǎn)品來(lái)得實(shí)在。
還有些投顧產(chǎn)品更偏重于“智能”。不過(guò)，以當(dāng)前的智能問(wèn)答水平，處理一些確定性的“客服”問(wèn)題還可以，對(duì)于這種專業(yè)的非確定性的咨詢類問(wèn)題，就顯得捉襟見肘。更何況，對(duì)于真金白銀的投資，連“真人”投顧都很難建立信任，更何況這種“機(jī)器人”了。
另外，國(guó)內(nèi)的散戶都是沖著阿爾法來(lái)的，沒(méi)有賺貝塔的耐心，這也導(dǎo)致投顧推薦的產(chǎn)品要么不夠有吸引力，要么風(fēng)險(xiǎn)大得讓人沒(méi)辦法相信。
對(duì)于智能投研來(lái)說(shuō)，主要有三塊內(nèi)容的進(jìn)展令人無(wú)法滿意：
一個(gè)是資訊推薦。投研分析師希望將世界上跟自己關(guān)心的股票相關(guān)的咨詢都推薦過(guò)來(lái)，并且?guī)в猩舷掠蚊鞔_的信息。對(duì)于當(dāng)前的爬蟲、產(chǎn)業(yè)鏈圖譜來(lái)說(shuō)，實(shí)在是太難了。當(dāng)然，這塊研究并非毫無(wú)進(jìn)展，目前至少能把關(guān)系比較明確的推薦出來(lái)。
另一個(gè)是情感分析，即分析出新聞或者研報(bào)的“正面”還是“負(fù)面”情感。首先，利空還是利好往往取決于產(chǎn)業(yè)鏈上的位置，一條新聞或者研報(bào)對(duì)某只股票來(lái)說(shuō)是利空，對(duì)另一家來(lái)說(shuō)可能就是利好。而當(dāng)前流行的NLP技術(shù)是沒(méi)辦法真正“理性”地分析出“利空”“利好”來(lái)的，所謂“情感分析”，也就是從文章中找到某些情緒類的表述，從而從文章整體角度判斷出“情感”來(lái)，但沒(méi)辦法區(qū)分出文章中對(duì)應(yīng)的實(shí)體，甚至是產(chǎn)業(yè)鏈上的實(shí)體。
還有一個(gè)就是自動(dòng)研報(bào)分析。自動(dòng)摘要技術(shù)在深度學(xué)習(xí)的支持下，效果比之前好很多，而這種“效果”也只是“通用”的效果，對(duì)“研報(bào)分析”來(lái)說(shuō)卻用處不大。對(duì)于不同的研究員，研讀研報(bào)的目的不同，關(guān)注的重點(diǎn)也不同?？赡苓@個(gè)研究員當(dāng)前關(guān)心的是某個(gè)指標(biāo)或者數(shù)字，而當(dāng)另一個(gè)研究員看到類似研報(bào)的時(shí)候，關(guān)注的可能是其他的內(nèi)容。所以，所謂的研報(bào)分析或者自動(dòng)摘要，在投研領(lǐng)域就顯得有點(diǎn)雞肋了。
四、AI平臺(tái)以及其他基礎(chǔ)架構(gòu)：與其苦苦追求核心應(yīng)用，不如夯實(shí)平臺(tái)基礎(chǔ)
隨著AI平臺(tái)在幾家頭部券商的推進(jìn)，其重要性也慢慢凸顯出來(lái)。這是因?yàn)?，如果單說(shuō)“營(yíng)銷”本身，可能對(duì)核心業(yè)務(wù)的作用沒(méi)那么明顯，但如果橫向切分出“營(yíng)銷”條線來(lái)，意義就比較大了。隨著券商業(yè)務(wù)的多樣化，多數(shù)業(yè)務(wù)都需要“產(chǎn)品推薦”、“獲客”、“流失預(yù)警”等應(yīng)用。這些場(chǎng)景越多，AI平臺(tái)的價(jià)值就越明顯。而通過(guò)AI平臺(tái)將數(shù)據(jù)處理、模型開發(fā)、模型部署等統(tǒng)一到中臺(tái)來(lái)的方式，也越來(lái)越符合大券商們的“中臺(tái)”戰(zhàn)略。
對(duì)于風(fēng)控也是類似的，幾乎每條業(yè)務(wù)線都存在“風(fēng)控”的需求，就連APP上搞點(diǎn)活動(dòng)也有被“褥羊毛”的可能。如果AI平臺(tái)具備較強(qiáng)的風(fēng)控的能力，券商只需要在AI平臺(tái)上的很小投入，就能提升所有業(yè)務(wù)的風(fēng)控能力。不得不說(shuō)，這樣的平臺(tái)是非常誘人的。
除了AI平臺(tái)，還有一些券商已經(jīng)開始構(gòu)建“用戶畫像中心”。如果僅僅是“用戶畫像”本身，相信很多券商已經(jīng)在不同的應(yīng)用場(chǎng)景做得不錯(cuò)。而試圖去做一個(gè)“用戶畫像中心”，意味著底層需要很好的工具和平臺(tái)支撐。比如，散戶跟機(jī)構(gòu)客戶的“畫像”完全不同，如何設(shè)計(jì)、定義、管理以及進(jìn)行部門間隔離、授權(quán)管理等，成了能否構(gòu)建“用戶畫像中心”的關(guān)鍵。
知識(shí)圖譜是另一個(gè)平臺(tái)性質(zhì)的產(chǎn)物。目前券商的應(yīng)用大多還是簡(jiǎn)單地用于企業(yè)的關(guān)系圖譜，通過(guò)圖查找到一些信息，或者進(jìn)行一些初步探索。然而，我們需要看到，真正的“知識(shí)圖譜”，應(yīng)該具備更“豐富”的知識(shí)在里面，而不僅僅是“企業(yè)圖譜”。同時(shí)，也有一些激進(jìn)的券商基于知識(shí)圖譜進(jìn)行了一些創(chuàng)新型嘗試，跟風(fēng)控和營(yíng)銷進(jìn)行一些有機(jī)的組合，甚至用于輿情、智能客服、智能投研等。
五、小應(yīng)用有大痛點(diǎn)：著眼于落地點(diǎn)，避免跟風(fēng)之嫌
不少券商有一些明顯的痛點(diǎn)，這種痛點(diǎn)未必跟“AI”有很密切的關(guān)系，卻能踏踏實(shí)實(shí)地落地。
比如說(shuō)跟“量化”比較相關(guān)的，就是現(xiàn)在單機(jī)版量化交易的Python代碼不少，但由于都是單機(jī)版，時(shí)常遇到性能瓶頸，那么如何加速就顯得比較重要。如果有一款產(chǎn)品能幫助客戶無(wú)縫地將單機(jī)版算法分布式化，或者通過(guò)GPU加速達(dá)到提升運(yùn)行效率的目標(biāo)，那么會(huì)大大緩解客戶的痛點(diǎn)。
另外，隨著數(shù)據(jù)分析師的增多，越來(lái)越多的券商也在考慮管理的問(wèn)題。如果一款“AI平臺(tái)”能兼具資源管控、代碼、文件、模型管理等功能，那么這些券商會(huì)很樂(lè)意去進(jìn)行采購(gòu)。因?yàn)椋淮未蔚?ldquo;提數(shù)”、“跑批”、“模型回測(cè)”，讓管理者開始感到焦慮。每個(gè)分析師都像是特種部隊(duì)成員，各自身懷絕技；而從管理者的角度來(lái)看，資源、版本迭代、模型上線等都無(wú)從管控。
今年證監(jiān)會(huì)開始要求文檔電子化，不少文檔有電子化的要求，而之前公司上市需要的材料動(dòng)則幾大箱，對(duì)于好多券商的壓力也不小。因此，能否有效地處理這些文檔，甚至只是做一下快速的文檔分類，也能大大緩解面對(duì)的壓力。
隨著外資的進(jìn)一步放寬，券商面對(duì)的競(jìng)爭(zhēng)也會(huì)越來(lái)越激烈。不得不承認(rèn)，國(guó)內(nèi)券商的整體技術(shù)水平還是跟外資投行存在一定的差距。但在不少業(yè)務(wù)領(lǐng)域內(nèi)，這些差距在逐漸縮小而不是擴(kuò)大。更為重要的是，在AI技術(shù)應(yīng)用領(lǐng)域，國(guó)內(nèi)并不比國(guó)外差多少，甚至大有趕超的趨勢(shì)。我們有理由相信，通過(guò)“AI”等技術(shù)支持，券商在創(chuàng)新應(yīng)用領(lǐng)域一定會(huì)有趕超或者突破?；蛟S，2019年的時(shí)候，一些AI落地的成果能讓大家放心，而不像今年這般焦慮。
