基于深度學習算法，似乎比特幣更容易在智能投顧實現落地

當下，國內的智能投顧正在逐步崛起，服務主要面向公募基金。然而，基于深度學習算法，從多個方面來看，比特幣似乎更容易在智能投顧實現落地。

李開復曾說過，人工智能深度學習最先產生成果的，一個是自動駕駛，一個就是金融領域。如今，隨著人工智能技術的發展，Fintech（金融科技）正在受到資本的追捧，“智能投顧”這一職業也漸漸崛起。

智能投顧，亦稱機器人投資顧問。根據美國金融業管理局（FINRA）的官方定義，智能投顧是指利用大數據分析、量化金融模型以及智能化算法，根據投資者的風險承受水平、財務狀況、預期收益目標以及投資風格偏好等要求，運用一系列智能算法，投資組合優化等理論模型，為用戶提供智能化和自動化的資產配置建議。從定義中我們獲悉，在智能顧問的運行過程中，依靠大數據的深度學習算法占據著很大的重要性，而基于此，相對于股票、債券等金融產品，時下大熱的比特幣似乎更適合智能投顧。

為什么比特幣更適用于智能投顧？

根據Wind數據，截至2016年7月，總共只有130只可交易的ETF，資產規模累計4729億元，主要是傳統的指數型ETF，債券型ETF、商品型ETF等較少，而美國市場同期有近1600支ETF，管理資產規模累計2.15萬億美元，且類目也更為全面。

在ETF產品和資產規模的兩相對比之下，國內的智能投顧顯然不適合模仿美國，轉而將目光放在了公募基金。與此同時，“比特幣”的投資熱也正在崛起，雖然因為政府的介入，其幾度發生大起大落，但這依然阻擋不了人們的投資熱情，甚至連享譽國內外的“中國大媽”都加入了投資者陣列。

一個是當下競相追捧的理財產品，一個是正在崛起的理財分析師，其實，它們兩個才是最“匹配”的，對于依據深度學習算法的智能投顧，比特幣是最容易實現“落地”的產品。至于為什么這么說，主要有兩點：

比特幣的交易特性更符合深度學習算法的高效率。在國內，為了維持市場的穩定，國家將交易制度由T+0變換為現在的T+1，在某種程度上，該制度嚴重限制了處于信息劣勢的中小投資者，交易效率也有了一定的降低。不同于T+1的交易制度，比特幣所采用的是T+0，因而可以無限次的當天買當天賣，提高了交易效率，而這恰巧符合深度學習算法的高效率。

不管是訓練還是投入使用，深度學習算法都是以大數據為依托，在計算機的高效運作之下，算法可以對數據進行實時分析預測。在此前提之下，相對于需要在下一個工作日進行交易的股票基金等理財產品，能夠隨買隨賣的比特幣顯然更適合于這種方式，畢竟漲落有時就在那一剎那間發生。

此外，在短期預測上面，深度學習算法目前已經有了不錯的成果。近日，一個由10名來自加拿大和捷克的研究員開發出了一種叫做“DeepStack”的算法，在德州撲克這種依據非完美信息進行博弈的游戲中，該算法戰勝了多名專業撲克選手，證明了深度學習算法在博弈中的預測還是相當準確的。從目前來看，智能投顧更適合做一些短期預測，而對于其主要面向的中小型投資者群體，短期實現收益也更能迎合他們的需求，就像能夠隨買隨賣的比特幣。

比特幣的信息透明更有利于深度學習算法。就如前面所講，大數據是深度學習算法開發中的核心之一，從一開始算法模型的搭建，以及后來的理財服務，每一環每一扣中都有著數據的參與，因而，只有數據足夠全面，屆時算法的預測和理財建議才能更準確。

借助于底層的區塊鏈技術，比特幣的每一筆交易、每一次變化都將記錄在案，為深度學習提供一份完整、全面的數據，為之后模型的建立和所提供的理財服務打下一個很好的開始。對于比特幣而言，數據的獲得還是不難的，但對于股票基金等理財產品就是個大問題了。

眾所周知，“信息不透明”是股票基金等市場的一個特性，而一些基金的相關數據則被掌握在相關機構手中，由此，想要獲得理財產品的數據是向相當具有難度的。并且，在另一方面，擁有這些數據的機構也只能基于自己已經掌握的產品進行理財建議，相對于比特幣，該理財服務的限制性更大一些，遠不如比特幣來的全面、透明。

比特幣落地智能投顧前，深度學習還需做到這些

除了交易制度帶來的高效以及數據的公開透明，比特幣也是時下最受歡迎的投資理財產品之一，如此下來，在基于深度學習的智能投顧上，比特幣確實是一個很好的“合作伙伴”。并且，在監管上，比特幣的交易也已受到了國家相關部門的重視，預計相關法律法規也將陸續出臺，屆時，比特幣的交易將更為嚴謹。那么，與此同時，為了提供更好地比特幣理財服務，基于深度學習算法的智能投顧也需在多方面行動起來。

搭建最優模型

基于對投資者風險承受水平、財務狀況、預期收益目標以及投資風格偏好等方面的分析，智能投顧可以為其選擇最優配置方案，在這之中，起到決定性作用的就是深度學習算法模型。根據經過大量數據訓練和驗證的算法模型，智能投顧就可以在很快的時間內將投資者與理財產品進行匹配，從而選出適合投資者的最佳方案。

與股票基金產品類似，要想實現比特幣在智能投顧的“落地”，一個算法模型的建立是必須的。在如今現有的智能投顧產品中，馬克維茨提出的現代組合理論是其算法模型的開發依據之一，根據該理論來搭建算法模型，智能投顧就可以向投資者提供不同的理財組合，從而將危險分散開，將風險降到最低。

一如此類，在比特幣落地智能投顧之前，深度學習算法也應當在相關影響因素、金融理論的基礎上，開發搭建一個適用于比特幣投資運作的算法模型。

搜集多方數據

上文也已經提過了，對于智能投顧的深度學習算法而言，數據就是一切所在。沒有數據，算法就得不到訓練，繼而就不能得到優化和提升，以為投資者提供精準的服務，而沒有數據支撐的“智能投顧”就是一偽概念。

在數據方面，因為區塊鏈的技術，比特幣的相關數據還是很容易獲得的，其真實性也能夠得到保證。配合政策、匯率等因素，基于比特幣自出世以來的走勢分析，智能投顧可以對其未來走向進行短期預測。舉個例子，在2013年，由于國家出臺了《關于防范比特幣風險的通知》，消息發布后一個小時內，此前呈現大漲趨勢的比特幣隨即下跌35%，最終由1242美元（按當時匯率，約7540.9元人民幣）跌倒了2000元人民幣。而就在最近，在大漲之時，國家又約談了主要比特幣交易平臺的負責人，一時間，比特幣的幣值又開始下跌，與4年前的情況極其類似，對此，只要數據足夠全面，深度學習算法也是可以預測到這種結果的。

此外，除了比特幣的相關數據，投資者的行為習慣、財務狀況等也是智能投顧需要搜集的數據。對比特幣的數據分析只是對其走勢的一個分析，判定此時應該是買入、補倉還是賣出，而服務的提供則需要依人而定?；趯ν顿Y者相關數據的分析，智能投顧的建議能夠精確到買入的時間點，就像有的人喜歡在中途買入，有的人選擇低價的時候買入，以此來提供個性化的服務。

配備高效硬件

對于深度學習在比特幣交易中的優勢，某業內人士稱，比特幣這類金融交易中產生的數據量特別大，而深度學習正需要大數據的支撐，兩者相輔相成。從另一個角度來看，在搜集數據的同時，數據的處理也是一個關鍵所在，尤其是在深度學習算法中。

在智能投顧中，金融市場的瞬息萬變要求數據的運行達到實時高效，而這需要芯片等硬件的支撐。目前，在人工智能技術的研究中，數據的高速運行是必備的條件，為此，期望抓住人工智能機遇的不少硬件廠商都在進行專屬硬件的研發，比如正在研制自動駕駛芯片的英特爾、打造出世上第一臺人工智能超級計算機的英偉達等等。相比于自動駕駛等人工智能行業，智能投顧對數據的要求或許沒那么高，但依舊是一個需要重視的問題，只有數據高速運行，才能實現深度學習算法的高效率，為投資者提供極致服務。

結語

當下，智能投顧已在國內形成了一股風向，截至目前，包括銀行在內，國內已有不下于20家智能投顧機構或公司。因為中國比特幣的交易平臺沒有手續費，所以交易是十分活躍的，占據了全球比特幣交易量的90%。根據分析，在落地上，相比于股票基金等，智能投顧的環境更適用于比特幣。

不過，基于當前比特幣監管的空缺、可參考數據的不足以及平臺倒閉等多種因素的存在，在服務中，智能投顧還不足以獨當一面，在必要的時候，人類投資顧問還是需要出面進行決策的。當下，相關比特幣交易平臺負責人正在與政府進行約談，在政府的介入下，相信比特幣的行業標準將逐步建立，一如火幣網創始人兼CEO李林所言：“行業聯盟即將誕生。”屆時，在完善的比特幣制度下，智能投顧的運行將更為便利，而比特幣的落地也將加快進程。

目前，由于市場的不成熟，投資者們對“智能投顧”的接受度并不是太高，那也就意味著還有更大的市場在等待挖掘。據招商證券預計，到2020年，中國智能投顧市場規模將高達5.22萬億元，而這其中，還包含了我國資本市場產品結構單一、投資者尚不成熟等多變因素。相比于人類投資者和投資顧問，在降低成本的同時，智能投顧的理想也避免了人類在投資中的“貪婪”和“沖動”。在市場發展成熟之前，智能投顧的出現將極大影響投資者的行為，并且，當投資者變得理性，雖不至于完全消失，但市場的動蕩將逐步減少。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！