在過去的十餘年間，年金在運營、投資、管理及監管等各方面均得到長足發展，但同時也
面臨數據交互時效慢、處理和整合難度大、應用少、價值低等一些列問題。本文嘗試通過“大數據”、“AI”及“區塊鏈”等新科技手段，為年金運營中存在的問題提供具體的解決方案。通過大數據應用，可以引入更多年金管理所需的外部數據，並有效提升年金數據的價值，從而在年金方案優化、年金資產風控等方面得到提升。在AI技術方面，機器學習技術可以有效識別數據交互過程中業務憑證模板、字段的差異及變化，提升系統對業務的支持程度；利用智能投顧系統，可更有效監督年金資產運作的安全，識別客戶風險偏好，定製更具針對性的風險組合；利用智能客服系統，可以增加計劃成員的參與度和互動。在區塊鏈技術方面，通過年金行業區塊鏈聯盟的建設，有助於年金的數據交互、數據整合、運營流程精簡以及業務接口統一。本課題包含五部分內容：年金運行管理的基本框架和存在問題；大數據在年金受託管理中的應用；AI在年金受託管理中的初步應用；區塊鏈在年金受託管理中的嘗試；結束語。
關鍵詞：年金 大數據 AI 區塊鏈
三 AI在年金受託管理中的初步應用
人工智能的概念很寬，從定義上看人工智能是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。目前較為成熟和普及的AI技術是生物特徵模擬。
人工智能已經越來越多的進入我們的生活，甚至可以說無處不在，掃地機器人、手機導航、語音輸入都是人工智能。將年金業務與已經成熟的AI技術進行整合有助於提升運營品質，減少運營壓力，甚至可通過量化交易提升年金收益率。
（一）AI在年金受託運營上的應用
現有的企業年金運營對運營人員的依賴較高，如可通過AI技術替代部分人工操作，憑藉AI的處理速度、容量及存儲空間、可靠性以及持久性，將有助於成本的節省和業務處理品質的提升。
在受託運營過程中，因合作方較多，業務接口無通用，導致年金運營過程中流程及處理方式存在一定差異性。隨著業務量的不斷增長，為維持業務的穩定，運營團隊也需要隨之擴充。通過人工智能的規則引擎與機器學習技術，可有效解決或減輕以上提及的年金運營中所遇困境。
舉例而言，現有企業的年金方案存在較大差異，員工繳費金額與工齡、司齡、職級、薪資，甚至有同一委託人下不同下屬公司的年金測算規則也存在較大差異。對此類業務場景，如受託人系統須實現系統計算及校驗功能則開發量巨大。通過規則引擎技術可有效解決此類參數多、規則差異大的問題。規則引擎是基於規則的專家系統，而專家系統又屬於人工智能範疇，業務人員可在系統中對於不同企業靈活選擇或配置參數，設置對應的計算規則和決策邏輯，由此增加系統的靈活性和普適性，在儘量減少開發量的同時快速實現委託人的年金個性化需求。
再以受託人信息披露報告為例。不同賬戶管理人、託管人提供的報告格式不同，報告內字段也存在差異，同時管理人報告格式不固定，更新頻率較高。對於這樣的業務狀況，如交由傳統的信息系統將面臨開發成本、維護成本及風險高的境地。在機器學習過程中，將賬管報告、託管報告及其他外部年金或投資相關報告維護進系統，形成數據集。通過訓練及測試，使系統對外部管理報告具備一定的學習能力，當外部報告發生格式或字段變更時，系統在無需開發人員維護的情況下一定程度內學習並適應，從而可繼續完成數據解析及報表生成功能。
（二）AI在年金資產管理上的應用
根據美國的年金行業發展，產品化及個人自選是發展的必然趨勢。一旦進入產品化時代，以年金受託機構的人員配置來為企業員工提供投資顧問服務肯定是不現實的，那麼以機器為主的智能投顧就進入了我們的視野。
智能投顧就是人工智能＋投資顧問的結合體。與傳統投資顧問一樣，智能投顧承擔著用戶和金融產品之間的紐帶作用。智能投顧在年金資產管理中的應用可以歸納到兩個方面。
1. 智能投顧連接用戶，通過大數據識別用戶風險偏好
隨著這幾年互聯網應用的增多和數據積累，我們可以看到類似淘寶的個性化商品的推薦、愛奇藝的個性化影視節目的推薦、今日頭條這樣個性化新聞的推薦。智能投顧也是根據用戶大數據識別用戶的個性化風險偏好，根據不同的風險偏好提供個性化、準確的資產配置方案。
更厲害的地方在於智能投顧風險偏好的識別可以實時動態計算。風險偏好並不是固定不變的，大部分人的風險偏好會隨著市場漲跌、收入水平等環境因素的變化而變化。比如15年上半年牛市的時候很多人都進入股票市場，這是誘惑所導致的風險偏好提升。但到了15年下半年熊市的時候，大家的風險偏好因恐懼又開始下降。如果是傳統理財顧問來做這件事情，得到結論可能會有一定的滯後性。
總之，智能投顧就是要做到千人千時千面，根據客戶收入、性別、年齡、心理特徵的差異動態掌握風險偏好及其變化軌跡。
2. 智能投顧連接產品，通過算法和模型定製風險資產組合
通過資產配置模型（Markowitz Mean – Variance Model、Black-Littlerman Model、Risk Parity）由計算機得出最優投資組合，也可通過多因子風控模型更好更準確的把握前瞻性風險。可以通過信號監控、量化手段制定擇時策略。AI的加入讓資產配置做得更精準，也讓投資決策變得更加理性。
我們設想中的智能投顧需要有以下四個標準：
（1）通過大數據獲得用戶個性化的風險偏好及其變化規律；
（2）根據用戶個性化的風險偏好結合算法模型定製個性化的資產配置方案；
（3）利用互聯網對用戶個性化的資產配置方案進行實時跟蹤調整；
（4）不追求不顧風險的高收益，在用戶可以承受的風險範圍內實現收益最大化。
當然也要理性的認識到，在智能理財領域計算機還無法完全替代人，在一些關鍵時刻還是需要人依靠專業經驗來做決策，如果100%依賴計算機也會導致一些特殊風險的出現，所以在相當長的一段時間內智能理財也都會保持人工智能＋專業經驗的狀態。
（三） AI在年金信息安全上的應用
自2018年起，各省人社部門陸續發文要求退休職工進行年度領取養老金資格認證工作。如在規定期限內未辦理認證手續，將按照規定暫停發放養老金。為便捷離退休職工的認證辦理，部分省市社保中心開發對應APP，可在線通過人臉識別完成認證。
在企業年金的領取業務中，同樣存在類似問題。如何及時高效的掌握退休人員生存狀態及領取信息，既是對退休員工的關心，也是對企業資產的保護（如有“中人”領取，則對應資金來源於在職人員繳費及企業公共賬戶。）
以平安養老險好福利App為例，這是我國第一款個人年金專用App 。為保證年金領取資金的準確發放及委託人資產的合理使用，好福利App中整合人臉識別功能，企業可在委託人系統對離退休人員發起人臉識別需求，系統通過短信及App站內消息提醒退休人員進行人臉識別驗證。
為保證人臉識別的安全，準確和可靠，系統對接公安部網紋頭像，並通過動態驗證方式有效防止使用照片及視頻驗證。通過人臉識別AI技術及系統整合，退休人員生存狀態驗證變得簡單快捷。
（四）AI在年金智能客服上的應用
近年來，隨著監管、委託人及年金管理人的共同努力，計劃成員對於年金的關注度也逐漸上升，隨之而來的是一些新的問題。如計劃成員對年金的疑問越來越多，以至於委託人及年金管理人日常諮詢與解答工作量直線上升。
智能客服系統可在一定程度上解決上述問題。系統通過大規模的知識處理、語義學習、知識管理等，提煉出計劃成員最為
關注、諮詢量最大的問題與答案，並將問題及答案預設自動語音應答（IVR）或在線客服自動應答中，在一定程度上可快速解決疑問，也可一定程度釋放年金諮詢的客服壓力。智能客服系統收集的問題還將作為反饋信息影響促進年金運營的發展。對計劃成員關注的問題及功能，管理人可對App、年金業務等進行優化。如增加App顯示內容，新增個人業務辦理流程，增加業務辦理中個人確認環節等。
作 者
李連仁：上海交通大學管理科學碩士，平安養老保險股份有限公司年金總監。中國 “養老金融50人論壇”特邀成員。
盛 晨：上海財經大學碩士，平安養老保險股份有限公司受託業務部總經理。
《中國養老金融發展報告（2018）》
總 報 告
1 中國養老金融發展現狀、挑戰與趨勢研判--董克用 姚餘棟
行 業 篇
2 養老金金融：三支柱模式確立，投資運營穩健推進胡兵 孫博
3 養老服務金融：嚴監管背景下的跨行業探索與創新張棟 孫博
4 養老產業金融：防風險背景下穩健發展成主旋律曹卓君 秦婧
產 品 篇
5 養老金產品報告：監管新形勢下的養老金產品發展馮麗英 閆化海
6 養老保障管理產品發展動態及未來探索蘇罡
7 資管新規下商業銀行養老理財產品的突圍之道張嵐 高騖遠 李志淦
8 養老目標證券投資基金評價代林玲 王斯聰
9 養老產業基金：發展現狀、導入路徑與趨勢前瞻陳琳翰 陳漫娜
借 鑑 篇
10 日本養老金資產管理經驗借鑑與啟示李少傑
11 澳大利亞養老金資產管理經驗借鑑與啟示袁思農 高敏
12 美國養老金資產管理經驗借鑑與啟示施嘉芙
13 加拿大養老金資產管理經驗借鑑與啟示王彥傑 陳則瑋 胡俊英
14 英國養老金資產管理經驗借鑑與啟示凱文米爾恩
15 香港養老金資產管理經驗借鑑與啟示費德賢
專 題 篇
16 海外上市養老企業的實踐與經驗借鑑彭維瀚 孫瑜
17 基金定投在個人養老金投資中運用李宏綱
18 智能化資產配置在個人養老金投資中的應用劉思 陳珏婷
19 基金公司一站式養老金資產管理模式探索沈豔芬 劉軍峰 邊礪硯
20 新科技在年金受託管理中的應用李連仁 盛晨
21 個人稅延養老金對資產管理行業的影響及其應對孫博
注：本文原載於中國養老金融50人論壇官方公眾號（CAFF50）
閱讀更多 孫博論養老 的文章
