「华尔街之狼」Kensho 5.5亿美元收购案一年半后，智能投研产业发展成什么样了？| 智周报告核心版

2019 年 8 月 30 日 机器之能

人工智能技术除了可被用于提高金融服务效率外，还逐步被应用于资产管理领域，帮助B端机构投资者的投资研究工作与面向C端个人投资者的投资顾问建议，实现由信息向决策的更高效转化，提供更客观、准确的投资参考。

而投资机会的准确判断，需要建立在对宏观、中观、微观层面，涉及政府政策、产业、市场、社会人文环境、技术与人才、企业运营、投资者等各行各业各类数据的全面搜集与深度分析之上，而绝大多数领域互联网化进展还未全面铺开，同时金融市场的不确定性、跨机构的数据孤岛、数据类型的多样化与非机构化、投资者的投资意识、针对投资配套的法规与监管技术、资产配置逻辑的非标准化、投研业务逻辑、数据的积累与挖掘技术研发，都是影响智能投研作为一个新兴领域发展的严峻挑战。

不过随着传统金融数据公司、新型自然语言处理算法公司、大型金融科技集团等机构都陆续进入智能投研领域，并与基金公司、券商/投行、资管公司以及金融集团内部进行智能投研工具的合作与渗透应用，智能投研产业将获得进一步增长。

作者 | 王欣宇、樊晓芳

一、智能投研背景介绍

1.1 智能投研简介

智能投研是指在传统投资研究流程中，运用机器学习、自然语言处理、知识图谱、云计算等前沿科技手段，获取、处理、分析海量数据，以进行自动化处理和分析，并生成投资决策参考的新型投研模式，作为后台服务支持金融机构专业从业者的投研工作、提高其工作效率和分析能力、节省人力成本。主要面向B端机构投资者。

相比，智能投顾主要面向C端个人投资者，基于投资者风险偏好、财务状况、理财规划等因素，更精准地提供智能化资产配置、基金导购、智能客服等前端服务，满足个人个性化资产配置需求。

由于智能投研更侧重投资端，其服务B端客户积累得到的更规范的投资理念、更标准化的投资策略、更深度的智能算法技术运用经验等优势，也逐步为作为前端顾问的智能投顾提供后台支持。虽然二者应用的数据类型与技术类似，但服务内容与目标完全不同，在中国同属于投资咨询业务。

1.2 智能投研与传统投研的区别

1.3 智能投研优化方式

1）拓展传统投研数据来源：结合使用另类数据，制作投研分析模型，增加投研信息面；

2）优化数据处理方式：通过自然语言处理、知识图谱等技术改善数据清洗、提取、分拆过程；

3）拓宽数据分析内容：建立知识图谱挖掘企业、行业、金融市场相关的市场舆情、行业产业链、行业关联性、企业财务、企业信用、企业合规等多类分析内容；

4）高效投研成果呈现：数据智能搜索、数据可视化、数据趋势预测。

二、智能投研行业及市场概述

2.1 智能投研产业链

*数据源产生的数据类型：政府政策、地方政府与监管部门通告数据、工商数据、专利信息、宏观数据、行业数据、交易数据、公司财务数据、公司公告、券商研报、咨询机构报告、社交网站舆情、媒体新闻、招聘信息……

2.2智能投研市场主要参与企业类型、参与优势与代表公司

2.3 智能投研产品/解决方案交付与应用方式

1）定制项目类：按客户需求定制企业发展专属应用。

2）数据接口API接入/推送类：在现有业务流程中灵活嵌入API，快速批量处理业务场景；按照数据调用量收取年费。

3） WEB/APP数据终端类：借助平台标准化模块满足小量、深度分析需求；采用数据终端销售模式，按照用户数量/账户数量收取年费。

三、智能投研技术应用方案及核心人工智能技术

3.1智能投研流程

3.2智能投研核心人工智能技术

四、智能投研代表产品与应用案例

4.1 BlackRock——Aladdin交易平台：Aladdin是美国最大的投资管理集团BlackRock在2000年开发的资产管理平台，该平台基于大量历史数据，预测股票、债券等资产在未来特定条件下的状态。并且除了预测具体的资产走势外，还可预测各类资产的关联性，以及特定条件下这一关联性对资产价格的进一步影响。对于一些持有高度分散化组合的基金公司，这种关联性预测有助于掌控风险并及时调仓换股。

4.2 天弘基金——投研云系统：开发于2015年，该系统包括两大部分：信鸽与鹰眼。信鸽系统通过垂直搜索结合网络爬虫技术，实时抓取上市公司新闻和公告，为投资者提供及时准确的股票资讯，辅助投资者决策；鹰眼系统则通过实时抓取互联网信息，利用智能分词、情感学习等机器学习技术实现对债券主体、上市公司、行业动态、存款风险、债券折算率变化、债券等级变化、公司关联关系的互联网舆情变化进行实时监控,可以模拟人脑阅读新闻，对自动抓取的新闻进行准确分词和情感分析。

4.3 弘量投资AQUMON——AI智能投资引擎：该公司将算法、IT和AI技术有机结合，形成完整的智能投资引擎解决方案。数据涵盖全球股票、基金、债券、ETF等海量金融数据，利用深度学习、大数据技术、NLP等领域的核心技术建立数据分析模型，从而实现资产管理、投资研究等业务。该智能投资引擎现已应用到银行，证券，基金等行业，覆盖客户包括华润银行、华夏基金（香港）等金融机构。

4.4 百度金融与易方达基金：易百智能量化策略灵活配置基金是2017年百度金融与易方达基金联合推出的利用智能投研的量化基金，产品时通过百度特有的LBS时空大数据、“市场情绪因子”、“经济景气因子”等交叉应用刻画宏观、行业、地域等经济运行情况、股票市场投资者行为和情绪指标，并通过行业知识图谱、金融文本语义分析、机器学习择时等技术辅助投资研究。

五、智能投研产品/解决方案中人工智能技术应用局限性

5.1 无法解决研究对象的信息不充分或结果不确定的开放性问题。

5.2 机器无法通过自我学习形成新的因果关系判断，投研判断缺乏前瞻性。

5.3 可利用的分析数据质量参差不齐，影响最终智能投研结果。

六、智能投研发展趋势

6.1 智能投研在数据及技术方面的投入增速大于其资产管理规模增速。

6.2 传统金融数据公司通过并购整合智能投研业务保持持续竞争优势。

6.3 大量创业公司在努力拓展人工智能在智能投研的应用边界。

* 本文为「智周」系列报告「核心版」，相应「深度版」的推出计划将在后续公布，敬请大家关注。针对「智能投研中人工智能技术的应用现状及展望」这一主题，有哪些方向或主题，你希望在报告深度版中读到更详细的阐述与分析，欢迎留言，这将成为我们制作报告深度版的重要参考。

关于「智周」系列报告

机器之心「智周」人工智能技术应用报告系列重点关注现有人工智能技术应用较成熟且应用潜力较大的正在进行智慧升级的传统行业及场景，逐行业、逐场景为产业用户高效而不失深度地呈现不同人工智能技术的产业落地现状、企业案例、技术应用趋势等。「智周」人工智能技术应用报告系列包含核心版及深度版两个版本：

核心版浓缩精华分析内容至2页内，覆盖重要数据、分析结论及案例简述，以供使用者高效系统地了解人工智能技术在自身所关注产业内的潜在机会。

深度版在核心版的基础上，包含详尽的行业或场景痛点分析、技术解读、落地案例详解及资料附录等，以供有深度研究需求的使用者进行深入探究。

机器之心Pro

追踪动态 | 技术调研 | 产业研究 | 深度阅读

机器之心Pro 是基于「机器之心团队构建的百万级规模人工智能知识图谱及结构化数据库」搭建的人工智能领域专业信息平台。

目前已上线四个模块：dashboard、新闻数据库、行业数据库和深度精选，覆盖 38 个技术领域及 55 个智能应用领域。