大数据、人工智能、云计算等科技与金融的结合，使得投资风险可控化、理财智能化。

“法道金融”第21期沙龙将开讲，特邀星火钱包创始人&CEO杨立博士现场详解大数据风控与智能投顾实践的最新动态，手把手教您智能投顾如何助您实现财富增值。

请点击此处报名参加 》》

主 题：金融科技开启财富新密码

主 讲：1、《数字货币的未来》—中国人民大学国际货币研究所研究员曲强博士；2、《大数据风控与智能投顾实践》—星火钱包创始人&CEO杨立博士；

【时 间】 2017年8月26日（周六）14:30—17:30 

【地 点】   长沙市岳麓区金星中路247号

　　　　      湖南佳兴至尊酒店佳音厅 

智能投顾, 又称机器人理财，是指虚拟机器人基于客户自身理财需求，通过算法和产品来完成以往人工提供的理财顾问服务，是近年来风靡华尔街的创新性金融科技 - FinTech。

在国内，“智能投顾”一直以来便处于大家热议之中，但从现实来看，其发展却是呈现出一种“不温不火”的状态，究其原因，很大程度上是因为国内市场经济环境与国外有所不同，一味地模仿国外智能投顾的模式，并非有效。近段时间以来，金融科技逐渐成为主旋律，当中又以大数据风控尤为凸显。自此，国内智能投顾的发展或将迎来新的契机。正是将大数据、人工智能、云计算等科技方面的优势融入金融，才使得大数据风控和智能投顾得以真正实现，让投资变得简单靠谱。

2017年6月1日，我国正式发布《网络安全法》并实施，为网络安全新生态体系建立奠定了良好基础，面向公众提供网络信息服务或支撑，为金融科技开展大数据风控技术的实践无疑提供了法律依据和保障。由此，大数据风控技术可有效发挥其作用，具体展现在以下两个方面：

1、建立大数据征信数据信息库

在利用大数据技术的过程之中，数据源是全方位多维度的，包括用户填写的信息、设备信息、行为信息、用户授权数据、公开数据以及第三方征信数据等；再通过既定的数据模型，设置每一个数据指标的具体权重，并加以运算处理，得出相应评分结果；最后将此结果用于信用评估、反欺诈、黑名单等，以此全面了解用户的征信状况、还款意愿、还款能力以及其他行为特点等。

而且，大数据风控技术可精确高效地处理海量用户的征信数据，在解决高频次的数据流中也具备无与伦比的优势，这是传统人工风控所无法比拟的。

2、建立大数据舆情监测体系

在过去，依赖于人工手段来进行舆情监测，往往呈现出滞后性，进而导致事故发生而无法补救的情况，这并不是大家乐于见到的。而通过大数据风控技术，则可有效解决这一问题。

假定借助大数据风控技术对一家平台进行舆情监测，这个舆情监测体系会连接平台官网、媒体资讯、垂直性论坛、社交平台、知情人爆料、风险政策等多个维度以形成一张舆情监测网，全面覆盖这家平台的实况变化。如此，一旦平台存在或发生任何风险性问题，这个舆情监测体系便会智能化地对风险进行预警反馈，便可借此制定正确的应对策略，以降低风险损失。

3、建立大数据单品风控模型

在实际风险把控的过程中，情况往往是复杂多元的，因而我们需要更加精细化的风控模型，针对不同资产类型制定不同的风险控制流程。以P2P网络借贷为例，资产分为车贷、房贷、信贷等各种类型，那么车贷就会有车贷单品风控模型，房贷会有房贷单品风控模型，以此类推。

针对不同资产的风控需要配备有专业的人员，而人力往往是有限稀缺的，此时大数据风控技术可极大程度上摆脱对人力的依赖，来实现智能化、专业化地风险控制。而且，每一种资产类型所需要的数据源也是有所不同的，大数据单品风控模型同样也会根据资产情况特定化攫取相应数据源，从而大大降低了信息采集成本以及其他人工成本。

那么，这般的大数据风控技术又能给为“智能投顾”带来一些什么呢？或者说，基于大数据风控技术的“智能投顾”又是怎么样的一种形态呢？

1、充分挖掘用户习惯，获取用户投资偏好

智能投顾平台需要获取用户的投资偏好习惯。这个投资偏好习惯应当包括以下多个维度：资产类型、平台背景、平台地域、风险收益、投资期限等等。只有确定投资者具体的投资偏好习惯，投顾平台才可制定相对应的投资组合策略，为投资者的投资提供参考依据。

那么，该如何有效地获取用户的投资偏好习惯呢？这个可以借助金融科技，以大数据攫取的方式有效解决。就好比现在的一些搜索引擎，它会根据用户的检索历史在一些网页推送用户感兴趣的定向广告。而涉及到具体做法，便可通过用户在投顾平台进行的风险承受能力评估、搜索历史遗迹投资历史等进行特定化偏好组合推荐。总而言之，大数据风控手段可在这当中发挥出来巨大的作用。

2、根据用户偏好习惯，制定个性化推荐

在尽可能的搜集用户投资偏好习惯的基础上，投顾平台方便可通过统计分析用户投资偏好习惯数据，制定相应的个性化推荐投资项目。投资者偏好什么类型的投资组合，平台便可推荐相应偏好的投资组合。具体投资组合类型大致可分为：资产偏好型、背景偏好型、地域偏好型、收益偏好型、投资期限偏好型等。

而在制定个性化推荐投资组合的过程中，我们同样须注重对风险的把控，此时便可运用到上文所说的大数据单品风控模型，对于不同的投资组合同样也制定特定化的风控策略，以在遵从用户投资偏好的基础之上，尽可能地降低投资组合的风险。

3、提供额外服务，增强用户黏性

智能投顾所提供的投资组合，其收益性往往会有所降低，可能无法满足部分追求收益的投资用户需求。此时，投顾平台可提供额外的加息返利，以此提高投资吸引力，对于引流获客也是有极大帮助的。此外，还可以提供一定的投资保障来为投资者保驾护航，同样也可较好地增强与用户之间黏性。

但无论是加息返利还是投资保障，又或者是其他额外服务，都应根据大数据风险评级而定。正如之前所说，我们通过建立大数据征信和舆情监测体系，并借助大数据单品风控模型，对指定的投资组合会得出相应的风险指数评级。对于风险指数较高的，提供的加息返利力度则较低，投资保障的赔付力度也较低；对于风险指数较低的，提供的加息返利力度则较高，投资保障的赔付力度也较高。这也是对投资者的风险提示和预警，投资者也可酌情选择。

从某种意义上来说，大数据风控技术更多是基于理论层面的，而文中所说的智能投顾则是这一理论的完美实践！当下，大数据风控技术并未完全成熟，其运用领域也并未完全普及，正处于方兴未艾的阶段。可它确实为国内智能投顾的发展带来了诸多新的可能性，使之更加契合于国内经济整体环境，同时也有助于整体行业的健康良性发展！