文／中證金融研究院助理研究員邵宇
本文認為，智能投顧具有自我學習、自主決策、自動運行等特點。傳統的投顧監管模式的適應性快速下降，事前難以預判預警，事中難以合規檢查，事後難以控制風險。這就需要立足事前、事中、事後，不斷改進和加強監管，促進智能投顧業務健康發展，有效提高風險預警和防控的能力和水平。
截至2017年底，中國持證上崗的投資顧問人數達4.2萬人，A股個人投資者人數超過1.3億，投資者和投資顧問的比例高達3000︰1，大部分個人投資者甚至從未享有過投資顧問的服務。近年來隨著計算機技術的快速進步，基於人工智能技術的智能投資服務應運而生，在短時間內迅速增長，國內主要券商、銀行、基金公司和一些互聯網企業積極發展此項業務。然而，智能投顧還很不成熟，有不少風險隱患，如何規範和引導智能投顧業務良性發展，給證券監管帶來新的挑戰。
智能投顧監管面臨三大難題
與傳統人工投顧相比，智能投顧具有高效率、低成本、低門檻、多元化等特點。但它畢竟是個新鮮事物，傳統對投資顧問的監管方式，如許可制度、侵權責任、風險控制等方法，在管控智能投顧風險時顯得力不從心，既有的事前、事中、事後相關監管措施的效果有限。
首先，事前預判風險難。智能投顧產品是人設計的，但其行為具有不可預見性，難以預判風險，讓事前監管變得無能無力。一是智能投顧的模型包含不可控的機制。例如，系統中的增強學習和自適應學習方法會不斷調整投資決策模型的參數，並通過不斷學習新數據來更新模型。正是在迭代學習不斷變換的環境下，智能投顧系統可能會輕易做出人類從未考慮過的決策或解決方案，造成難以預見的風險。二是智能投顧所依賴的模型多受行為金融學的影響，可能會發出不恰當的決策信號並引發風險。一方面，模型訓練時的歷史數據不一定適應未來投資決策。例如歐美很長一段時間的利率接近零，一旦上調利率市場會如何走，模型會因缺少歷史可比數據而無法做出準確的判斷。另一方面，市場和經濟運行機制並不是確定的規則，行為金融理論往往會假定市場情況與人的規律行為密切相關，可能與特定市場的效率狀況和資產組合基礎並不一致，從而導致智能投顧發出不恰當的決策信號。三是智能投顧決策依賴部分外部數據，無法預判外部數據變化可能導致的決策結果。例如，一些算法是基於輿情數據發出決策信號，而輿情可能在短時間內走向極端，如政治形勢、某國領導人的偏好等情況，導致智能投顧系統出現連鎖反應。因此，僅看系統模型很難事先預測其相關事件的決策走向。四是難以發現智能投顧系統的設計缺陷。目前市場上絕大多數的智能投顧採取的是黑盒策略（黑盒與白盒的區別是指是否披露交易策略），客戶並不清楚系統背後的調倉邏輯，算法缺乏可解釋性，從輸入到輸出的過程不透明。若智能投資軟件在設計上存在缺陷，不僅投資者無法知曉，就連研究者和開發者也同樣難以發現，監管部門就更難發現其中的潛在風險了。
其次，事中合規判斷難。比如投資者用戶畫像不全面，監管部門難以衡量系統是否滿足投資者適當性要求。智能投顧系統難以獲取客戶行為數據、社交數據等個性化特徵信息，只從客戶回答的問卷和有限的交易數據難以對客戶精準畫像。與傳統的人工投顧相比，缺乏面對面溝通，難以做到識別客戶的信息和及時更新客戶信息，導致智能投顧系統可能給出不適當的投資建議。另外，智能投顧系統自動化推薦的投資標的中可能會涉及一些高風險的產品，銷售給不適合的投資者群體。而市場上和智能投顧相關的第三方機構發揮的作用更多是提供系統的解決方案或建設方案，由智能投顧的實際運營者扮演風險等級評價的角色。因此，目前市場上缺乏合適的風險等級評價，也缺乏風險評價指導性意見和公允的第三方評級角色，難以有效衡量智能投顧投資決策的合理性。
最後，事後控制風險和界定責任歸屬難。智能投顧系統自動化運行、不透明和參與主體多的特點，有時候會讓事後監管束手無策。比如，智能投顧策略模型以無須人工干預的方式運轉，若在事前沒有加入控制因素，事後完全無法強制調整或者終止智能投顧業務。一些智能投顧採取黑盒策略運行，投資者事先不知道其運行規則，一旦爆發風險在短時間造成投資者大幅的損失，動搖投資者信心，易引發大規模的贖回風險。再比如，“一致行動”也容易引發羊群效應。一方面，智能投顧系統的算法主要依賴機器學習算法，模型的豐富程度有限。另一方面，智能投顧系統受成本約束，導致模型訓練不充分，差異化程度不高。這兩方面原因使得系統給出相同或者相似的投資決策信息，導致“一致行動”現象，進而干擾市場的正常運行。在市場極端的情況下，大量的相似交易策略引發羊群效應，可能引起或加劇市場共振或系統性風險。特別是未來隨著智能投顧的市場份額增加，發生這種系統性風險的概率也在加大。另外，智能投顧開發時很多往往借鑑了軟件開源組件，或金融機構通過購買互聯網企業提供的底層技術開發智能投顧產品，還涉及證券、諮詢、基金、資管等多家金融機構潛在責任人。目前還缺乏健全的風險糾紛解決及風險分擔機制，權責對等和清晰劃分變得更加困難。
加強智能投顧監管的相關建議
《關於規範金融機構資產管理業務的指導意見》確定了智能投顧的相關監管原則，提出強化信息披露、制定極端情況下人工強制干預以及因過錯承擔賠償投資者損失等監管要求。這些規定很有必要但並不充分，還存在不少監管漏洞和真空。在有限的監管資源下，既要支持創新、促進發展，又要守住底線、防範風險，實現事前、事中、事後監管的有效性，這需要結合金融市場防範風險實際，補充完善監管手段和措施。
首先，總原則應是開放包容與堅守底線並舉。對於智能投顧的創新，總體應持包容態度，採取漸進方式進行監管創新，以確保監管規則的有序迭代和連續實施。當前，中國智能投顧尚處於起步階段，基礎不牢固、市場不成熟，不能冒進，在試點中逐步探索規範標準。例如，智能基金配置的目的是實現客戶資產的最優配置，減少信息獲取成本，實現金融普惠發展趨勢，可允許嘗試開展；對智能投顧的股票推薦，應持更為謹慎的態度，在規則規範的基礎上穩步放開。
其次，監管政策應增強事前預判風險的能力。一是加強智能投顧的特殊披露信息。現有大部分智能投顧產品披露的信息主要包括投資策略簡介、投資標的、配置比例、歷史表現等。根據智能投顧的特殊性，要確保安全可控，對其信息披露還須額外遵循以下要求：要求運營者對投資超過一定的閾值時舉牌提示；披露參與開發管理算法的技術公司的參與情況；披露算法所需要的第三方數據情況；向監管部門披露程序源代碼和關鍵核心算法，監管可驗證並保護商業秘密。二是對智能投顧系統做出必要的限制性安排。《證券法》第171條規定投顧不能代理委託人從事證券投資，智能投顧不能代替客戶下達交易指令，只能為客戶提供輔助投資建議。因此，可適當限制系統的自主化、自動化程度。為了提高投資者對智能投顧產品的信任度，以及防控可能產生的系統性風險，限制其自主、自動程度是有必要的。可以將其侷限在數據服務的形態，利用其數據分析的技術優勢，將傳統投顧流程局部優化，但投資決策最終仍掌握投資者手中，也就是說，智能投顧不能替代投資者做出投資決策。再比如，可以限制智能投顧的投資標的範圍。理論上，智能投顧可投資的產品可以是市場上已有的金融產品，但現階段需要對其標的進行一定限制，主要基於兩方面的考慮：一方面是以個股為標的的智能組合本質是量化交易策略，客戶難以把控產品的風險，並不適合直接面向一般投資者推出。從海外經驗看，現階段通過基金進行資產組合配置是更可行的解決方案。另一方面是智能投顧作為一種利用技術優勢的顧問服務，仍然要遵守傳統投顧的信息披露義務，也就是不能利用技術優勢為特定利益方牟利，不能指定與運營者有關聯的標的（如運營者旗下的其他基金）。
再次，要構建事中監管評價的指標體系。一是建立智能投顧的風險評級機制。建議證券業協會給出智能投顧風險評級的指導意見，或者由有投資組合風險評級資格的第三方機構，或者由運營者建立的專業風險評價團隊，對資產組合進行風險評級，以滿足投資者適當性管理的要求。二是建立智能投顧的相關監測指標體系。一方面，要對智能投顧產品做好標識，在現有的賬戶體系內建立智能投顧類型的賬戶，為適當性管理、交易監測、數據統計等提供便利，有利於監管部門掌握智能投顧業務的運行情況。另一方面，建立智能投顧的核心指標體系，包括宏觀審慎指標、微觀行為指標、服務品質指標等，避免趨同交易、防範系統性風險。
最後，應增強事後管控風險的能力。一是用穿透式監管打擊違法違規行為。監管部門須實時監控智能投顧產品運行狀態，在當前監管信息平臺基礎上，建立智能投顧賬號監控體系，掌握產品的資金來源、中間環節與最終投向，加大對一致行動人等行為的監測，實行穿透式監管，打擊趨同交易和操縱市場等違法違規行為。堵塞監管漏洞，消除監管空白，實現風險管控全覆蓋。二是構建包含開發、運營、銷售、使用等多方責任體系。智能投顧產品一旦出現安全問題，開發者、運營者、銷售者等承擔相應有限責任，用戶在使用智能投顧產品時如因不當使用造成損失，用戶應承擔相應責任。除此之外，運營者需完善內部程序，由理解人工智能及金融知識的人員作為合規官，監督算法開發和產品風控，並承擔相應責任。
本文刊發於《清華金融評論》2018年8月刊，8月5日出刊，編輯：王蕾
歡 迎 訂 閱
深刻|思想|前瞻|實踐
專注於經濟金融政策解讀與建言的
智庫型全媒體平臺
閱讀更多 清華金融評論 的文章
