清华金融评论

本文认为，智能投顾具有自我学习、自主决策、自动运行等特点。传统的投顾监管模式的适应性快速下降，事前难以预判预警，事中难以合规检查，事后难以控制风险。这就需要立足事前、事中、事后，不断改进和加强监管，促进智能投顾业务健康发展，有效提高风险预警和防控的能力和水平。

截至2017年底，中国持证上岗的投资顾问人数达4.2万人，A股个人投资者人数超过1.3亿，投资者和投资顾问的比例高达3000︰1，大部分个人投资者甚至从未享有过投资顾问的服务。近年来随着计算机技术的快速进步，基于人工智能技术的智能投资服务应运而生，在短时间内迅速增长，国内主要券商、银行、基金公司和一些互联网企业积极发展此项业务。然而，智能投顾还很不成熟，有不少风险隐患，如何规范和引导智能投顾业务良性发展，给证券监管带来新的挑战。

智能投顾监管面临三大难题

与传统人工投顾相比，智能投顾具有高效率、低成本、低门槛、多元化等特点。但它毕竟是个新鲜事物，传统对投资顾问的监管方式，如许可制度、侵权责任、风险控制等方法，在管控智能投顾风险时显得力不从心，既有的事前、事中、事后相关监管措施的效果有限。

首先，事前预判风险难。智能投顾产品是人设计的，但其行为具有不可预见性，难以预判风险，让事前监管变得无能无力。一是智能投顾的模型包含不可控的机制。例如，系统中的增强学习和自适应学习方法会不断调整投资决策模型的参数，并通过不断学习新数据来更新模型。正是在迭代学习不断变换的环境下，智能投顾系统可能会轻易做出人类从未考虑过的决策或解决方案，造成难以预见的风险。二是智能投顾所依赖的模型多受行为金融学的影响，可能会发出不恰当的决策信号并引发风险。一方面，模型训练时的历史数据不一定适应未来投资决策。例如欧美很长一段时间的利率接近零，一旦上调利率市场会如何走，模型会因缺少历史可比数据而无法做出准确的判断。另一方面，市场和经济运行机制并不是确定的规则，行为金融理论往往会假定市场情况与人的规律行为密切相关，可能与特定市场的效率状况和资产组合基础并不一致，从而导致智能投顾发出不恰当的决策信号。三是智能投顾决策依赖部分外部数据，无法预判外部数据变化可能导致的决策结果。例如，一些算法是基于舆情数据发出决策信号，而舆情可能在短时间内走向极端，如政治形势、某国领导人的偏好等情况，导致智能投顾系统出现连锁反应。因此，仅看系统模型很难事先预测其相关事件的决策走向。四是难以发现智能投顾系统的设计缺陷。目前市场上绝大多数的智能投顾采取的是黑盒策略（黑盒与白盒的区别是指是否披露交易策略），客户并不清楚系统背后的调仓逻辑，算法缺乏可解释性，从输入到输出的过程不透明。若智能投资软件在设计上存在缺陷，不仅投资者无法知晓，就连研究者和开发者也同样难以发现，监管部门就更难发现其中的潜在风险了。

其次，事中合规判断难。比如投资者用户画像不全面，监管部门难以衡量系统是否满足投资者适当性要求。智能投顾系统难以获取客户行为数据、社交数据等个性化特征信息，只从客户回答的问卷和有限的交易数据难以对客户精准画像。与传统的人工投顾相比，缺乏面对面沟通，难以做到识别客户的信息和及时更新客户信息，导致智能投顾系统可能给出不适当的投资建议。另外，智能投顾系统自动化推荐的投资标的中可能会涉及一些高风险的产品，销售给不适合的投资者群体。而市场上和智能投顾相关的第三方机构发挥的作用更多是提供系统的解决方案或建设方案，由智能投顾的实际运营者扮演风险等级评价的角色。因此，目前市场上缺乏合适的风险等级评价，也缺乏风险评价指导性意见和公允的第三方评级角色，难以有效衡量智能投顾投资决策的合理性。

最后，事后控制风险和界定责任归属难。智能投顾系统自动化运行、不透明和参与主体多的特点，有时候会让事后监管束手无策。比如，智能投顾策略模型以无须人工干预的方式运转，若在事前没有加入控制因素，事后完全无法强制调整或者终止智能投顾业务。一些智能投顾采取黑盒策略运行，投资者事先不知道其运行规则，一旦爆发风险在短时间造成投资者大幅的损失，动摇投资者信心，易引发大规模的赎回风险。再比如，“一致行动”也容易引发羊群效应。一方面，智能投顾系统的算法主要依赖机器学习算法，模型的丰富程度有限。另一方面，智能投顾系统受成本约束，导致模型训练不充分，差异化程度不高。这两方面原因使得系统给出相同或者相似的投资决策信息，导致“一致行动”现象，进而干扰市场的正常运行。在市场极端的情况下，大量的相似交易策略引发羊群效应，可能引起或加剧市场共振或系统性风险。特别是未来随着智能投顾的市场份额增加，发生这种系统性风险的概率也在加大。另外，智能投顾开发时很多往往借鉴了软件开源组件，或金融机构通过购买互联网企业提供的底层技术开发智能投顾产品，还涉及证券、咨询、基金、资管等多家金融机构潜在责任人。目前还缺乏健全的风险纠纷解决及风险分担机制，权责对等和清晰划分变得更加困难。

加强智能投顾监管的相关建议

《关于规范金融机构资产管理业务的指导意见》确定了智能投顾的相关监管原则，提出强化信息披露、制定极端情况下人工强制干预以及因过错承担赔偿投资者损失等监管要求。这些规定很有必要但并不充分，还存在不少监管漏洞和真空。在有限的监管资源下，既要支持创新、促进发展，又要守住底线、防范风险，实现事前、事中、事后监管的有效性，这需要结合金融市场防范风险实际，补充完善监管手段和措施。

首先，总原则应是开放包容与坚守底线并举。对于智能投顾的创新，总体应持包容态度，采取渐进方式进行监管创新，以确保监管规则的有序迭代和连续实施。当前，中国智能投顾尚处于起步阶段，基础不牢固、市场不成熟，不能冒进，在试点中逐步探索规范标准。例如，智能基金配置的目的是实现客户资产的最优配置，减少信息获取成本，实现金融普惠发展趋势，可允许尝试开展；对智能投顾的股票推荐，应持更为谨慎的态度，在规则规范的基础上稳步放开。

其次，监管政策应增强事前预判风险的能力。一是加强智能投顾的特殊披露信息。现有大部分智能投顾产品披露的信息主要包括投资策略简介、投资标的、配置比例、历史表现等。根据智能投顾的特殊性，要确保安全可控，对其信息披露还须额外遵循以下要求：要求运营者对投资超过一定的阈值时举牌提示；披露参与开发管理算法的技术公司的参与情况；披露算法所需要的第三方数据情况；向监管部门披露程序源代码和关键核心算法，监管可验证并保护商业秘密。二是对智能投顾系统做出必要的限制性安排。《证券法》第171条规定投顾不能代理委托人从事证券投资，智能投顾不能代替客户下达交易指令，只能为客户提供辅助投资建议。因此，可适当限制系统的自主化、自动化程度。为了提高投资者对智能投顾产品的信任度，以及防控可能产生的系统性风险，限制其自主、自动程度是有必要的。可以将其局限在数据服务的形态，利用其数据分析的技术优势，将传统投顾流程局部优化，但投资决策最终仍掌握投资者手中，也就是说，智能投顾不能替代投资者做出投资决策。再比如，可以限制智能投顾的投资标的范围。理论上，智能投顾可投资的产品可以是市场上已有的金融产品，但现阶段需要对其标的进行一定限制，主要基于两方面的考虑：一方面是以个股为标的的智能组合本质是量化交易策略，客户难以把控产品的风险，并不适合直接面向一般投资者推出。从海外经验看，现阶段通过基金进行资产组合配置是更可行的解决方案。另一方面是智能投顾作为一种利用技术优势的顾问服务，仍然要遵守传统投顾的信息披露义务，也就是不能利用技术优势为特定利益方牟利，不能指定与运营者有关联的标的（如运营者旗下的其他基金）。

再次，要构建事中监管评价的指标体系。一是建立智能投顾的风险评级机制。建议证券业协会给出智能投顾风险评级的指导意见，或者由有投资组合风险评级资格的第三方机构，或者由运营者建立的专业风险评价团队，对资产组合进行风险评级，以满足投资者适当性管理的要求。二是建立智能投顾的相关监测指标体系。一方面，要对智能投顾产品做好标识，在现有的账户体系内建立智能投顾类型的账户，为适当性管理、交易监测、数据统计等提供便利，有利于监管部门掌握智能投顾业务的运行情况。另一方面，建立智能投顾的核心指标体系，包括宏观审慎指标、微观行为指标、服务品质指标等，避免趋同交易、防范系统性风险。

最后，应增强事后管控风险的能力。一是用穿透式监管打击违法违规行为。监管部门须实时监控智能投顾产品运行状态，在当前监管信息平台基础上，建立智能投顾账号监控体系，掌握产品的资金来源、中间环节与最终投向，加大对一致行动人等行为的监测，实行穿透式监管，打击趋同交易和操纵市场等违法违规行为。堵塞监管漏洞，消除监管空白，实现风险管控全覆盖。二是构建包含开发、运营、销售、使用等多方责任体系。智能投顾产品一旦出现安全问题，开发者、运营者、销售者等承担相应有限责任，用户在使用智能投顾产品时如因不当使用造成损失，用户应承担相应责任。除此之外，运营者需完善内部程序，由理解人工智能及金融知识的人员作为合规官，监督算法开发和产品风控，并承担相应责任。

（邵宇为中证金融研究院助理研究员。本文编辑/王蕾）