原创[新蜂观察]:在谈论资管新规时,关人工智能什么事儿

        不知各位看官是否还记得4月27日刷爆朋友圈的《关于规范金融机构资产管理业务的指导意见》(银发〔2018〕106号,以下简称“《资管新规》”),如果你是金融行业的,即使你没有跟风po全篇新规,你也一定点开粗粗浏览一遍。至于各种新规解读,更是铺满各大网站,“过渡期延展至2020年底”、“私募基金的暂缓适用”、“刚性兑付的不破不立”、“债转股”、“产品分级”、“净值化转型的估值方法”等是出现频率最高的热词,但不知道你们对《资管新规》第二十三条的“人工智能”是否有印象?在如今大数据、AI大热、智能投顾是否真的优于传统投资方式,还是只是各大金融机构赚取眼球的噱头有待时间检验,但作为新时代的技术圈金融圈各种产业圈的新宠儿,在谈论资管新规时,你们注意到人工智能呢吗?作为半个金融人半个数据人,笔者想就资管新规的人工智能主题聊一聊。

      

        一、人工智能在投顾与资管业务应用对机构准入有异


        新规第二十三条总领是这么规定的:运用人工智能技术开展投资顾问业务应当取得投资顾问资质,非金融机构不得借助智能投资顾问超范围经营或者变相开展资产管理业务。


       由此可见,只要取得了投资顾问资质,非金融机构可以运用人工智能技术开展投资顾问业务,但是只有金融机构才能借助人工智能开展资管业务,人工智能在资管业务应用领域对于机构准入更加严格。金融机构基于人工智能技术开展资管业务,不以取得投资顾问资质为前提。


         二、金融机构利用人工智能开展资管业务需技术报备,承担投资者损失

        

        在二十三条中,新规规定:金融机构应当向金融监督管理部门报备人工智能模型的主要参数以及资产配置的主要逻辑,为投资者单独设立智能管理账户,充分提示人工智能算法的固有缺陷和使用风险,明晰交易流程,强化留痕管理,严格监控智能管理账户的交易头寸、风险限额、交易种类、价格权限等。金融机构因违法违规或者管理不当造成投资者损失的,应当依法承担损害赔偿责任。

     

        金融机构利用人工智能开展资管业务要进行技术报备,即人工智能模型的主要参数和资产配置的主要逻辑,众所周知,随着数据迭代,市场环境的变化,模型和参数都可能发生变化,根据此新规,金融机构不光是模型调优需要报备,只要参数有变,也需及时报备,不知道报备的流程是否繁杂严苛,进而是否会降低金融机构优化模型参数调优的动力,毕竟市场瞬息万变,盈利机会稍纵即逝,相必金融机构在调优模型参数时会权衡报备的时间机会成本。   

     

        除了技术报备外,新规还从风险提示、交易流程、产品种类头寸价格做了规定,还明确规定金融机构因违法违规或者管理不当造成投资者损失的,应当依法承担损害赔偿责任。对照新规征求意见稿,新规删除了“相应”两字,是否隐含着其责任边界的无限扩张,也就是说基于人工智能技术开展资管业务造成投资者损失是否需要金融机构全部买单?而新规并未明确金融机构的违法违规、管理不当的具体情形。

    

        三、算法同质化的界定


        在二十三条,新规规定:金融机构应当根据不同产品投资策略研发对应的人工智能算法或者程序化交易,避免算法同质化加剧投资行为的顺周期性,并针对由此可能引发的市场波动风险制定应对预案。

 

       何为算法,简而言之,算法就是指解题方案的准确而完整的描述,基于特定的数学逻辑原理,在一定的策略背景下,通过输入得出输出的系统过程。我们知道,一般计算机范畴的算法核心是底层数理逻辑,而基于人工智能的投顾业务或者资管业务,必定涉及算法、开发框架、参数、数据,所以笔者认为资管新规中的算法应该指的是广义的算法,即包括底层数理逻辑、开发框架、参数和数据。所谓算法同质化指的以上四个要素的同质化。新规中规定避免算法同质化,以上四个要素都必须求异?


       目前人工智能的流行算法,即底层数理逻辑基本上是神经网络模型,唯一的差异就是是选择的具体模型类型;开发框架无外乎程序代码的实现,不同的公司不同的开发人员选择的开发框架会有差异,这是算法表达形式;参数指的是模型中参数值域阀值的设置,比如神经网络层数、节点数的设置;数据就是基于底层数理逻辑模型、开发框架、参数的基础上,引入数据,进行模型训练,迭代,进而达到参数和模型优化。由此可知,人工智能算法中能够实现差异化的是参数和数据纬度,要避免算法同质化就是要保证参数和数据的差异化,而在不能保证模型开发机构采取同种参数设置的前提下,不同金融机构的数据差异化是算法差异化的唯一要素。


        四、羊群效应和人的因素


        在二十三条,新规规定:因算法同质化、编程设计错误、对数据利用深度不够等人工智能算法模型缺陷或者系统异常,导致羊群效应、影响金融市场稳定运行的,金融机构应当及时采取人工干预措施,强制调整或者终止人工智能业务。


        笔者认为新规中编程设计错误、数据利用深度不够这两项在实际监管操作中存在一定的界定困难。编程中的bug在所难免,多大的容错率才是允许的;数据利用过程中数据质量、数据口径、数据来源都是各家金融机构自行把控,数据利用过程中模型迭代次数,变量的筛选都是监管无法触及的。


        人工智能算法背后关注的是关联性,而非因果关系,金融机构利用人工智能技术开展的资管业务应该将其作为投资策略参考,而非必然准则,法规中所言在出现羊群效应、影响金融市场稳定运行时,金融机构应当采取人为干预措施,笔者觉得人为涉入干预应该提前。而羊群效应的诱因绝非人工智能算法模型的缺陷和系统异常那么简单,人工智能黑箱属性突出,科学家有时甚至不清楚深度学习是如何自我提升的,由此可以理解新规中明确监管对于金融机构利用人工智能开展资管业务持谨慎态度。


        投资是一项充满艺术性的美妙行为,人虽有喜怒哀乐,情绪波动不稳,但其行为有迹可循,可以追溯可以定责。随着互联网技术、人工智能技术的发展以及大数据分析挖掘能力的提升,加入人工智能技术的投资行为更是充满了神秘感和不确定性。在监管部门尚未有充分的监管技术和手段时,过早地引入人工智能,是否会加大监管缺位导致风险的大概率事件?


往期回顾: 

原创|[新蜂观察]:浅议小微企业客户评分构建及应用

原创|[新蜂观察]:浅谈构建模型样本遇到的问题及对策

原创|[新蜂观察]:人工智能,近在咫尺

原创|[新蜂观察]:浅谈知识图谱的应用

原创|[新蜂观察]:基于数据视角的商业银行客户体验提升思考

原创|[新蜂观察]:信用卡收入成本浅析

原创|[新蜂观察]:浅谈银行业线上便民缴费服务

公司类客户大数据分析发现问题及解决建议

原创|[新蜂观察]:商业银行引进外部数据的意义及行业经验



银行数据人的公众号,从数据看金融,从金融看数据。追踪新金融,思考新金融,寻找数据融入新金融的方向。每周末下午或晚上定期发布原创稿件,敬请关注。

请扫描下方二维码,关注我们吧


文章转载自微信公众号:新蜂数字金融

类似文章