基于人工智能的保险资管战略布局及创新研究

本课题主要研究保险资管行业布局人工智能战略的可行性和必要性以及其创新变革的行动路径。

首先，从技术成熟度和普及度、产业政策、行业发展情况等方面论证保险资管布局人工智能的可行性和必要性：在目前智能算法、超强算力、海量数据处理等技术驱动因素完备的情况下，人工智能已具备在金融领域广泛应用的基础环境，同时保险资管也处于我国资管行业重塑格局的变革浪潮中，充分利用自身禀赋创新求变顺应了新的形势，人工智能与保险资管的结合是一个创新探索的突破口，能够提升或构建资产管理机构的核心竞争力。

其次，针对保险资管如何布局人工智能进行充分地研究探讨，并给出可行的行动路径：一、夯实基础服务和应用服务的支撑能力，建设足以支撑人工智能应用创新落地的技术平台，包括高性能计算平台、海量数据处理平台和智能算法平台。二、全面分析并解构投资、研究、交易、产品营销、风险控制、合规等各个业务环节，寻找人工智能技术应用的切入点进行创新探索。

伴随着人工智能技术成熟度和普及度的提升，全球主要经济体也纷纷出台人工智能产业政策，积极布局人工智能发展战略。算力、算法、数据等条件的日益成熟为人工智能产业的爆发提供了驱动力，人工智能创新探索的应用突破口在各行各业逐步显现。

随着人工智能技术的重要性和发展潜力愈加突显，科技行业利用人工智能技术在量化投资、智能投研等方面布局的公司正在得到市场的关注和认可，与此同时，积极拥抱科技的金融行业也逐步转型科技驱动。在资产管理领域，随着人工智能技术在金融行业的应用日渐成熟，逐步应用到资管领域的各个业务环节，为资产管理机构业务的开展与创新提供强有力的技术支撑。

本项研究剖析近年人工智能发展的趋势、国内外人工智能产业政策及人工智能在金融领域的应用实践，通过系统化的研究调研，课题研究组论证了保险资管行业布局人工智能战略的可行性和必要性，并结合保险资管行业特点，针对如何进行人工智能布局进行了充分的研究和探讨，提供行动路径和参考依据。

（一）保险资管行业布局人工智能战略的可行性及必要性

通过剖析近年人工智能发展的趋势、国内外人工智能产业政策、国内外人工智能在金融领域的应用实践来进行分析研究，本项研究论证了保险资管行业布局人工智能战略的可行性、必要性及紧迫性。主要体现在：人工智能行业在国家竞争力建设方面战略地位突显；现有的技术成熟度为人工智能从学术界进入产业界提供保证；在资产管理领域，未来业务的竞争将是跨机构、跨行业的竞争，人工智能技术的应用，能够在多方面提升资产管理机构的竞争力，为行业和市场的发展提供科技支撑。

（二）保险资管人工智能战略落地的实施路径

1. 人工智能在资产投资环节的创新探索研究

人工智能作为新技术应用于资产投资环节，将影响基础资产的构成和投资决策的方式。人工智能等新技术的发展及应用，丰富了风险管理的手段，同时也引入全新的资产识别方式，使得过去一些分散的、小规模的资产可以被准确识别和管理，有效扩充了资产管理体系的基础资产池的范围。算法、算力和数据规模的发展推动着投资分析业务由基于有限数据集的因果性推演逐步向基于海量数据规模的相关性分析演化。人工智能等新技术的应用则使投资决策能够更多地依靠机器学习、海量数据分析等技术寻找事件与投资标的的相关性，避免传统投资决策过程中过多的假设条件带来的主观影响，保证研究策略的一致性和连续性。

资产投资环节创新性的产品及场景包括：

（1）智能投资应用

人工智能技术主要是从两方面应用于投资决策：一方面借助于大规模数据处理技术带来的信息处理能力，全面整合投资交易类数据及交互类数据，覆盖基本面数据、行情数据、交易数据、风险数据、社交网络舆情数据、投资者情绪数据等，为投资决策提供高效的数据分析及应用能力；另一方面依靠人工智能的深度学习能力，提供全新的基于市场热度、市场情绪、事件相关性的投资决策思路和智能投资模型，辅助投资人员通过人工智能的方法进行资产的收益预测和资产的交易。

智能投资应用通过采集金融市场数据、交易数据、市场情绪等作为输入，利用深度学习等人工智能算法理解市场运行的规律，借助于数据平台的超强算力测算出最优的投资策略及资产配置方案提供给投资经理辅助决策，同时，智能投资应用也可以将基于人工智能的投资策略直接进行交易执行，并实时动态监控市场走势并及时进行业绩的评估及策略的修正。

（2）智能投研应用

传统的证券投资研究过程一直存在着痛点，整个研究分析的流程不能有效形成闭环，需要不同程度的人工参与或借助于不同的系统来完成各个流程环节的工作，投资研究的效率受到很大影响，面临着速度、规模、自动化的挑战。

借助于人工智能技术进行全新的基于人工智能的投研能力输出，体现在智能投资推荐、智能舆情分析及智能资讯整合三个方面，为投研人员提供了高质量、稳效能、低延时的决策支持。

2. 人工智能在市场分销环节的创新探索研究

人工智能作为新技术应用于市场分销环节，将改变产品营销体验和客户服务方式。通过建立精准的客户画像，人工智能解决方案针对不同的客户特征提供差异化、精细化、定制化的产品服务，匹配客户的投资需求。同时根据市场状况及客户交互，实时动态调整投资方向和资产配置。新环境下的客户服务体系则是以人工智能等新技术为基础，通过线上、线下渠道整合，逐步向主动化服务、个性化服务、智能化服务、自动化服务方向演化，从而提升服务效率和服务质量、降低服务成本。

市场分销环节创新性的产品及场景包括：

（1）智能投顾应用

智能投顾应用根据投资者的基本信息、客群属性、资产情况、风险承受水平、投资偏好以及预期收益目标等诸多因素进行综合评估，运用机器学习等人工智能算法及投资组合优化等理论模型，为用户提供与投资者相匹配的资产配置方案，并针对市场变化动态提供资产配置的优化建议，这有助于实现对长尾客户的低成本定制服务。

相比于传统的投顾服务，借助于人工智能技术的智能投顾应用具有如下优势：①降低服务门槛，使得资产管理服务逐步下沉，具有更强的普惠性。②智能投顾应用借助于互联网渠道的低成本、高覆盖度的优势，将客户的接触轻易拓展到物理网点无法覆盖的地方。同时技术驱动的服务模式可以高效地提供7*24小时不间断的服务。③智能投顾借助于机器学习等人工智能算法可以为不同风险偏好的客户提供个性化、专业化的资产配置方案，并且能够实时监控金融市场的各类变化，及时为客户提供投资组合的动态优化，以此最大限度的避免因市场波动等风险发生时造成的客户损失。

（2）智能客服应用

智能客服应用利用语音识别、自然语言处理、语义识别等人工智能技术，打造智能化的人机交互体验，通过整合企业对外客户服务渠道，提供在线智能客服服务，掌握客户需求，获取客户特征和知识库等内容。帮助客户服务人员快速解决客户问题，提升服务效率，降低服务成本。

智能客服应用建设的核心工作主要包括三个部分：①客户意图的理解：语义识别是实现客户服务智能化关键技术，从客户的提问中提取关键信息并准确识别出客户意图，是提供高质量服务反馈的关键。②知识库的积累：通过日常积累的问答反馈，以及整合各类渠道下的行业相关知识，建立一个高质量的、类别分明的知识库。③服务问题的分类：用户提问多是个性化、非标准化的描述，利用自然语言处理及相关性算法将问题进行分类，以便在知识库中快速匹配到准确的服务应答。

3. 人工智能在风险控制环节的创新探索研究

人工智能作为新技术应用于风险控制环节，将提升风险识别的范围和识别准确率，提高风险监控的能力，提升风险预警的效率。借助于大数据挖掘分析、人工智能算法等技术，可以提高数据采集的范围、提升数据处理的效率，将覆盖更为广泛的风险事件来源，有效地识别市场情况的变化，更好的对金融风险进行预测和感知，全面提升金融风险识别能力。借助于海量数据采集与处理技术，获取丰富的企业经营信息以及市场动态变化信息，构建全面的企业知识图谱，打破信息的不对称，实现对各类风险事件的有效地监控。借助于人工智能技术，可以从资产状况、信用状况、资金状况、交易流向、投资关系、股东及关联方情况、市场环境等诸多维度，进行信息的实时分析，有效地对风险事件进行高效的预警。

风险控制环节创新性的产品及场景包括：

（1）智能风控应用

智能风控应用其本质都是以数据驱动的风险管理。是借助于自然语言处理、语义分析、深度学习等算法模型，运用于知识图谱构建、实时风险预警、内幕交易监控、反洗钱监控等场景。

企业知识图谱借助于海量数据采集于处理技术，形成覆盖企业、法人、股东、资产状况、信用状况、资金状况、市场情况、交易流向、投资关系、股东及关联方情况、债务债权关系、法律诉讼关系等诸多维度的关联信息，形成全面的企业知识图谱，为基于大数据的风险识别、监控和预警提供全面的数据支撑。

在投资组合的风险管理中，采用人工智能技术进行数据分析，通过模型对市场可能发生的风险进行预测，同时，针对不同投资者的资产组合进行特定的情景分析。借助于海量数据采集处理及自然语言处理等新技术的支持，可以以秒为单位实时地采集所关注的上市公司的各类公告并通过智能算法进行上市公司的公告阅读，自动提取出关注的负面信息，使得在有限人力下，实现对全部公司公告的及时跟踪和预警。

利用基于机器学习的语音转录工具，用来监控交易员的办公通讯设备，以发现内幕交易等不正当行为；通过实时采集的市场数据，并通过全面分析市场参与者的动态行为，准确刻画交易之间的关联关系，从而识别出可疑交易；通过用户画像刻画交易群体的特点，基于客户交易行为中的各种指标提取特征，通过机器学习等算法找到可疑交易群体的交易特征，从而识别出可疑的交易。

（2）智能合规应用

智能合规应用的技术创新探索包括：实现基于语义分析的智能化、自动化合规法律检索，精准提供最相关的咨询反馈；通过机器学习算法实现自动化的文本分类及概括，完成法律问题及案例分类的自动化处理；以海量法律文档为基础，自动提取关键结论并形成结构化信息，实现法律数据库和文本中信息的自动提取。

4. 人工智能在中后台公共服务环节的创新探索研究

人工智能的战略若在企业实现有效落地、可持续发展。需要中后台系统提供充分基础服务能力保障。因而中后台公共服务系统必须要进行创新以适应新的战略要求。

（1）基础服务能力创新之大数据采集及存储平台

随着互联网的发展和普及，数据成为企业重要的战略资产，但由于大数据以其体量大、类型多、产生速度快、价值稀疏的特点，并没有被充分的采集并利用。分布式大数据采集技术平台、分布式海量数据存储平台的搭建可以满足结构化、非结构化海量数据的实时、自动化采集及存储的迫切需求，为基于人工智能的应用场景构建提供充分的数据采集及存储能力。

（2）基础服务能力创新之高性能计算平台

高性能计算平台的搭建，可以有效整合基于文本处理、流数据处理、语音处理、图处理、机器学习等计算框架，为基于人工智能的应用场景构建提供充分的计算能力保证；高性能计算平台需要借助于分布式、虚拟化、GPU加速等技术，搭建海量数据采集和计算引擎，用以解决海量数据规模下的信息采集效率及处理效率的问题，同时也为基于多源异构的数据的处理提供了充足的计算力。分布式、虚拟化技术的使用使得整个引擎可以构筑在通用的、低成本的PC机之上，同时相关性能也能够得到充分的保证。

高性能计算平台的建设可解决人工智能时代对于计算能力的迫切需求，其具备以下优势：解决现有体系架构和CPU计算所无法满足的数值计算需求，通过导入基于新一代IT硬件的数据处理算法，将计算效率与密度提高50-100倍；填补了传统计算框架实时计算能力欠缺或不足的问题，适用于资产管理领域中大量出现的计算密集型应用场景，提供高速实时数值计算的算力保证。

（3）应用服务能力创新之人工智能算法平台

自然语言处理、深度学习等人工智能算法平台的搭建，可以利用人工智能技术帮助投研人员提升数据分析及投研效率，辅助进行大数据量化策略的研究与开发，为基于人工智能的研究场景提供充分的算法支撑；智能算法引擎是构筑整个人工智能创新体系的最为基础也最为重要的环节，通过自然语言处理技术让机器具备能够有效识别并充分理解人类语言的能力，从而能够快速捕获市场热点事件、跟踪市场动态、分析投资者情绪、根据热点事件推荐相关投资标的，持续推进业务创新能力的提升。针对金融行业的场景，利用自然语言处理、深度学习技术构建的智能算法体系，覆盖了词法分析、语义分析、文本分类、情感分析、相关性分析等方面。

本项研究论证了保险资管行业布局人工智能战略的可行性和必要性，同时也为保险资管行业在投资决策制定、投资研究分析、产品营销、风险控制、公共服务等环节的探索创新提供行动路径和参考依据。

首先，通过对保险资管行业布局人工智能战略的可行性和必要性进行了论证，得出结论：在目前智能算法、超强算力、大规模数据处理等技术驱动因素基本完备的情况下，人工智能技术已经具备了在金融领域大规模应用拓展的基础环境；保险资管机构正处于资产管理行业重塑格局的变革浪潮中，充分利用自身禀赋创新求变也顺应了当前新的行业形势，人工智能与保险资管业务的结合，是一个创新探索的突破口，能够在多方面提升或构建资产管理机构的核心竞争力。

其次，结合保险资产管理行业的特点，针对如何进行人工智能布局进行了充分的研究和探讨，本项研究提供了保险资产管理机构进行人工智能战略布局的行动路径：夯实基础服务和应用服务的支撑能力，建设足以支撑人工智能应用创新落地的技术服务平台，包括高性能计算平台、海量数据处理平台和智能算法平台；全面分析并解构投资、研究、交易、产品营销、风险控制、合规等各个业务环节，寻找人工智能技术应用的切入点进行创新探索。