- 金融科技
- 金融
随着我国居民收入增长与AI技术的发展，过去3年众多创新企业涌入智能投顾市场，其中今日投资作为金融数据领域老兵，基于金融数据处理能力切入智能投顾，通过向券商、银行输出智能投顾体系，以B2B2C模式服务C端客户。在今年8月获得招商致远资本投资之后，估值已达5亿。
今日投资从2014年开始智能投顾系统的研发，并于2015年推出智能投顾系统Alpha J, 目前已在平安证券等20多家券商和数家银行上线，为C端客户提供投资理财服务。
金融数据处理能力和AI应用能力是开展智能投顾业务的基础，今日投资在金融数据处理方面有多年技术经验，在2002年公司成立伊始便构建了分析师数据库（一致预期数据库）进行量化投资研究，从2012年开始将处理后的金融数据输出给资产管理机构用于投资决策，签约客户包括工总行资管、华夏金、嘉实基金、易方达基金、中信证券等。
今日投资首先将分析师数据、交易所数据、上市公司财务数据和新闻资讯这类原始数据，记录下来并通过技术手段过滤掉无价值的数据，形成标准化数据。然后进一步处理为结构化数据，输入机器学习模型得出资产预期收益率，作为智能投顾系统资产端的主要数据。
智能投顾系统需要做到资产与用户的智能有效匹配，所以不仅要求高质量的数据处理能力和策略模型深度，还需要精细的用户分析能力。
今日投资基于用户数据运用多维度的分析算法得到用户画像，然后基于涵盖客户投资风格、风险偏好等要素的用户画像，给出专业化、个性化的投资建议，帮助广大财富客户进行更科学的资产配置安排。
由于券商和银行的客群和服务需求不同，今日投资向券商提供股票配置类智能投顾系统，向银行提供大类资产智能投顾系统，为银行的客户提供债券、基金、现金、黄金等资产的投资组合建议，帮助银行提高基金等金融产品销量。
今日投资以本地部署和云部署两种方式交付智能投顾系统。如果涉及到大量券商或银行内部的用户数据，则一般机构会选择本地部署，保证用户数据安全；反之则可选择云部署。最终部署的智投服务会出现在券商或银行的APP上，面向C端用户。
在智能投顾能力输出上，鉴于C端用户理财需求较为多元的特点，B端机构的系统服务要求多以定制化模式为主，项目建设周期则根据各机构的需求复杂程度2个月到1年不等。不过，自今年开始，今日投资的机构服务模式已有所调整，即服务输出形式向标准化、产品化方向转变，以做到未来可在市场快速复制，提升规模效应。
智投系统的收费方式分为两种，一种是收取年数据服务费和少量开发费，单价从几十万到几百万不等；另外一种是根据用户流量或者用户产生的盈利与金融机构分成。
近期，爱分析对今日投资创始人康晓阳进行了专访，现将精彩内容分享如下。
将原始金融数据处理为标准化数据，进一步结构化后输入机器学习模型
爱分析：智能投顾用到的原始数据有哪些？
康晓阳：交易所的数据、上市公司的财务数据、分析师研报，还会通过机器学习阅读新闻。
爱分析：分析师数据来源有哪些？
康晓阳：我们最早跟各个研究所有合作，收集了很多分析师报告。也在一直更新数据数据库里面的分析师研报。现在通过互联网采集数据，量比以前增加了好多倍。
爱分析：如何将分析师数据处理成标准化数据？
康晓阳：我们把原始资料记录在案，并不断跟踪记录，进行结构化处理。比如卖方分析师在哪个时点推荐了哪支股票、做了盈利预测等。微观来讲是追踪分析师的个人能力，宏观来讲是程序采样。
分析不同的分析师对同一家公司，在不同的时间序列里的观点，对分析师的观点进行评判，过滤掉没有价值的信息。在数据的使用上，一个独立的绝对观点意义不大，要把相关信息联系起来去看，这个联系起来的逻辑就是数据加工的方法。
我们对原始的数据进行加工之后，提供给机器学习。机器在分析一支股票的时候，除了分析师数据，还会使用公司财务数据、市场数据、竞争对手数据、关联事件等。
爱分析：在原始数据处理过程中是否会使用NLP技术？
康晓阳：会。NLP主要是做文字处理，识别新闻、报告中的观点并记录下来，与历史数据、市场数据、竞争对手数据等结合起来进行分析，得出结构化数据。
爱分析：券商和基金公司是否会做类似的原始数据处理？
康晓阳：都会做，机器学习的模型都差不多，用什么数据进行机器学习才是最关键的。加工、处理数据的过程中，经验很重要。
爱分析：使用哪些数据处理方法，以过滤掉没有价值的信息？
康晓阳：数据处理方法的技术含量不是特别高，数据加工逻辑的技术含量高。将数据和数据处理逻辑，提供给机器，让机器进行学习，总结规律。有投资经验的人将逻辑提炼出来，用数据表达出来，这才是核心。
爱分析：数据库部分，是否会把处理过的数据直接输出给机构客户？
康晓阳：我们把数据分为两类，一类是把原始数据加工成分析师情绪、动能这类标准化的中间数据输出给金融机构。金融机构可以用这些数据做进一步分析，或者多样化应用。
另一类，我们把这些标准化数据处理成机器可识别的知识结构，输入机器学习模型。我们不对外提供这部分数据，而是通过机器学习模型得出的结果服务客户。
向券商和银行提供不同系统，以不同形式服务B端和C端客户
爱分析：如何输出智能投顾的能力？
康晓阳：相较于传统金融服务模式，智能金融最大的不同有两点，一个是标准化，这可以极大降低金融机构的服务成本，另一个是个性化，即可以顾及不同受众群体的差异化需求，所以只要金融机构对此有充分认识，我们的价值就体现出来了。具体到智能投顾的应用场景，当前还没有形成一种标准的模式，市场参与者包括金融机构都在探索尝试。针对银行、券商，我们主要输出金融数据应用和策略模型能力，通过把大数据客户画像、个股诊断、市场预测服务等提供给机构，来提升机构服务客户的能力。
爱分析：为券商提供股票类智能投顾，为银行提供大类资产的智能投顾？
康晓阳：是的，银行不涉及到股票，只是在资产配置中会有一些股票型的基金、债券型的基金。对银行来说，智能投顾相当于销售基金的平台。
大类资产智能投顾理论上是给没有股票投资能力的人做资产配置，而且基本上是做被动投资。根据客户的风险偏好、收益要求，模型会基于当时的市场环境，给出各类资产的配置比例，包括股票型类资产、黄金、债券、现金。股票类资产会推荐股票型的基金。
爱分析：今日投资是否会以不同的形式服务不同的机构？
康晓阳：服务专业投资者和服务大众的应用场景是不一样的。基金公司的专业投资者需要对模型进行调整，选择不同股票指数，做不同的投资策略。大众投资者有两个入口，一个是通过智能投顾进行个股诊断，对所购股票进行监测，了解投资组合的风险情况，另一个入口是大类资产配置。
爱分析：今日投资如何向券商客户提供智能投资服务？
康晓阳：在智能投顾方面，我们不直接可客户提供投资建议，主要是通过为机构输出大数据客户画像、账户诊断、智能匹配等服务，为C端客户提供个性化、智能化、专业化的投资决策辅助工具。
爱分析：产品的标准化体现在哪些方面？
康晓阳：比如用户画像，以前会输出很多维度的结果，从应用的角度来讲，很多维度是中间变量，没有输出的意义。现在我们只输出应用需要的几个标准维度，保留中间变量。
爱分析：如果要进一步提升客单价，今日投资未来面向金融机构提供的服务会有哪些差异？
康晓阳：就商业模式而言，B端服务模式有定制项目、可复制产品、月度/年度订阅模式以及分润模式等，若想实现更高的客单价，就一定要获得客户的认同，要想获得客户的认同，就一定要为客户创造真正的价值。今日投资作为一家务实专注的金融科技企业，对于商业目标的路径选择会基于智能金融的发展趋势，通过重构投资组织方式或行业协作方式来实现。
爱分析：现在有多少银行客户？
康晓阳：与券商相比，现在银行客户还不是特别多，因为市场还在培养阶段，另外，大类资产配置的机器学习模型还在升级，很快就会推出。
爱分析：现在今日投资有多少人？
康晓阳：我们公司现在有80多人，融资完成之后在增加人手。现在标准化的产品线已经设计出来了，在逐步实施过程中，在未来1-2年标准化方面会有很大的进步和提升，所以项目占用的人员会更少。
爱分析：今日投资的人员是如何分配的？
康晓阳：市场人员只有10人，其他大部分都是研发人员，还有少量后勤人员。研发人员包括和天马资产联合成立的人工智能团队，有21人。人工智能取决于数据，其他技术人员是做数据清理等准备工作。
我投资的另外两家公司是做自然语言处理，一家是把信息做分析归类，比如把舆情信息通过爬虫技术收集进来，然后机器进行诊断。另一家公司是对话等交互处理。