智能投顾毕业论文

“智能投顾”也可被称作为机器人投顾、智能理财、自动化理财等。利用大数据分析、量化金融模型以及智能化算法，根据投资者的风险承受水平、预期收益目标以及投资风格偏好等要求，运用一系列智能算法，投资组合优化等理论模型，为用户提供投资参考，并监测市场动态，对资产配置进行自动再平衡，提高资产回报率，从而让投资者实现“零基础、零成本、专家级”动态资产投资配置。叮咚钱包也将正式开始进军智能投顾市场，推出智能投顾产品，预期将在下半年正式上线。

智能投顾英文叫做robo-advisor，直译过来是机器人投资顾问，是指虚拟机器人基于客户自身的理财需求，基于马科维茨提出的投资组合理论，通过算法和产品搭建一个数据模型，来完成以往人工提供的理财顾问服务。

【摘要】 传统投研面对日益膨胀的金融数据，分析人员分析成本增加，分析难度上升，已经显露出疲态。对此，人工智能的引入针对性、智能化地解决了投研难题，辅助分析人员作出合理决策，提高了投研的准确率及分析效率。 一、智能投研是什么？ 随着自然语言处理、机器学习、生物识别等AI技术在金融领域的深入运用，我们的生活正在经历一场前所未有的变革。比如个人助理Siri，能够帮助我们发送短信，拨打电话，记录备忘，甚至还可以陪用户聊天。Siri作为一款智能数字个人助理，它通过机器学习技术来更好理解我们的自然语言问题和请求。这样的人工智能在金融领域的运用也越来越频繁，在提高金融机构工作效率、辅助投资决策、预防金融风险等方面卓有成效。在这之中， 辅助资金管理 成了人工智能在金融行业的最大的应用场景，当前中国财富管理的市场规模已经高达6万亿美元，我国资产管理国模已超百万，具有广阔的发展前景。 那么，智能投研又是什么呢？利用人工智能（深度学习、自然语言处理等）来分析金融市场数据、事件，为金融机构的专业从业人员（分析师，基金经理等）提供帮助，以提高传统投研的准确率与效率。这里要注意两个点，一是事件、金融市场数据与提供帮助之间的联系，举个例子，今天2月25号，中国股市大涨，上证上涨点，那么到底是什么原因导致的？央行降准还是离岸人民币持续上涨影响？而智能投顾就是搜集所有可能有关联性的金融事件、金融数据，从而提供辅助服务。二是智能投研是服务于金融机构的专业从业人员，而不是我们投资者，这也是智能投研与智能顾投的区别。 二、传统投研存在问题 传统投研随着时代的发展，出现在发展历程中必然会发生的问题。一是数据量的增大，传统投研往往依赖于专业人士的分析与判断，具有较强的主观意识在里面；二是对于如此庞大的数据量，我们对于各类数据的利用率依然处于较低的水平。 1 ）主观能动性强 在金融信息领域，人工智能在赋能金融信息加工上还大有作为。从信息来源看，二级市场公开信息比较全面，但一级市场数据以及另类数据信息仍存在壁垒，未来如果金融数据进一步放开，将有大量的金融信息需要加工；对此，传统专业人士对数据的处理依然以经验为参考依据，无疑加重了分析过程中的负担，即无法保证分析的客观性，也有着较高的人工成本。 2 ）数据利用率较低 金融信息数据的逐年增加，使得大量数据无法人为的利用起来。即使随着智能投研的运用，市场上同样存在大量的新闻舆情、财经资讯报道，以及贴吧、论坛等投资者的声音没被利用起来。 三、智能投研具体是怎么做的？ 在智能投研领域，机器可以从公司公告、券商研报、新闻报道等非结构化数据中批量化自动提取关键信息，以此为基础构建关联关系，搭建领域知识图谱，在一定程度上优化投资决策。 我们以一款国内的智能投研平台为例——熵简科技 一般而言，智能投研的重点在于数据的选择。就我国现状而言，多数智能投研公司专注挖掘纯金融领域的数据，如研报、债券、股票等信息。在金融数据之外，还有一类体量庞大的数据值得挖掘，例如社交媒体、信用、气候变化等数据。 熵简科技便是在传统金融业务的基础之上，加入了社交媒体、信用、气候这类数据进行推理验算。在业务分类上，熵简开展了科技、金融、能源、消费等多条业务线，专门为对应研究的人员提供数据服务。 熵简科技有两大核心，分别是另类数据和知识图谱。 1 ）另类数据 熵简科技对金融类数据之外的相关数据进行采集，例如它会采集Github上开源项目的pull/push数据，并进行持续监控，从而能够前瞻性地预判科技型公司的产品开发进度和上线日期，这样的数据对于区块链、人工智能行业的投资者来说是一个影响决策的指标。 在数据源方面，熵简科技利用爬虫技术获取技术，在进行存取分析，搭建了稳定的数据采集体系，可实时监控1200+个数据源。以下以电商、招聘、汽车行业的数据集为例： i 电商数据集 平台采集中国主流电商平台的交易数据。以天猫为例，熵简科技日频持续跟踪天猫商城超过25万品牌、亿商品的销售量价数据，帮助用户高频持续追踪对应投资品牌线上销售表现及行业趋势。 ii 招聘数据集 平台采集覆盖中国主流招聘网站的招聘数据，帮助投资机构判断目标行业、企业的发展阶段与战略，乃至分析宏观大势。 iii 汽车数据集 平台采集中国主流汽车门户的报价数据，通过技术实现了对汽车终端价格大样本、高频率、低成本、可持续的覆盖跟踪，解决了传统终端渠道调研的痛点与难点。 2 ）知识图谱 如果说另类数据是智能投研的原料，那么知识图谱就是智能投研的大脑。所谓“知识图谱”是将实体、属性、关系等非结构化数据固联起来，进而为投资决策提供逻辑支持。体现在投资行业，就是研究员可以将相关的行业、产品和公司等多方因素联系在一起，当观察到某个因素发生变化时，即可以根据关系链推理出观点和预测，为投资决策提供支撑。 完善的知识图谱是AI在投资研究中应用的必要条件，金融行业最不缺的就是海量的高质量研究资料，通过对研报、公告等文本信息的深入挖掘，形成能够自我生长、自我学习的知识图谱体系，这是智能投研的重中之重。 四、智能投研未来展望 在国内，智能投研依然是一个新兴产业，近几年涌入了大量玩家，花费了资金和时间成本，但就国内的情况而言，鲜有真正落地的产品。智能投研在发展道路上存在以下几个趋势。 1 ）领域专家与科技专家相互融合 在金融人才和科技人才的统筹协调中，双方的业务对接过程存在一定的认知偏差，需要越来越多的复合型人才的加入，提高双方业务对接过程中的沟通效率，从而加强产品的研发进度，以及落地后的实际效果。 2 ）技术研发赋能投研产品 金融市场是一个关系错综复杂的信息市场，而自然语言处理等人工智能技术还处于初级阶段，技术在解构各因子之间的相关性上依然有很大的进步空间，智能投研会不断通过技术研发来提高投研参考的准确率和有效性。