《当量化金融邂逅机器学习》由会员分享，可在线阅读，更多相关《当量化金融邂逅机器学习（7页珍藏版）》请在金锄头文库上搜索。
1、当量化金融邂逅机器学习 WHERE QUANTITATIVE FINANCE MEETS MACHINE LEARNING 智能投顾当前炙手可热，且未来发展前景看好 国外行业现状 截至2016年2月底，Wealthfront的资产管理规模近30亿美元，而在2015年1月仅仅为 18.3亿美元，且其拿到了累计超过1亿美元的融资 市场研究机构预测，未来五年，智能投顾的市场复合增长率将达到68%，到2020年，智 能投顾行业的资产管理规模将突破2.2万亿美元 国内行业现状 按照瑞信的报告，所谓的中产阶级，已经超过了1亿人，市场调研表明，智能投顾因为门 槛低，费用低和信息透明等优势，更能迎合这部分阶层
2、的投资需求 中国年收入在6万-600万之间的有投资资产人群中，拥有95万亿可支配资产 据相关研究推测，国内智能投顾管理资金至2018年将达4万亿，管理费和增值服务市场 空间有望达千亿级别 我们的观察和判断 国内智能投顾还处在萌芽阶段、概念阶段，参与者众多但尚未出现明显的市场领先者 竞争参与者大部分仍未实现盈利，处于融资发展阶段。一般采用B2C模式，并有部分经营 转向B2B2C，本土化的新的商业和产品模式仍在不断涌现，市场前景看好 FinTech2.0和智慧金融 本页内容引自36氪分析报告 智能投顾业务模式爆发背后的基本逻辑 智能投顾的业务模式要求数据、科技和互联网等方面优势的紧密结合 互联网与
3、金融科技 互联网+生态向金融 服务领域的快速渗透 ，新兴技术催生创新 金融服务产品，同时 降低运维成本、提高 服务效率 大数据与机器学习 海量丰富的数据来源 ，量化金融与机器学 习的完美结合，挖掘 潜在投资机会，高效 智能的决策与管理 客户体验与管理 金融产品与客户投资 能力的精准匹配，资 产实时监控、智能调 整、个性化推荐，增 强客户体验 支撑要素和价值主张 智能信息 服务 量化策略 智能投顾 交易策略 及系统 互联网体验 客户画像 以客户为中心 工具化支持 信息对称和透明 智能投顾要在中国落地所面临的挑战 虽然互联网+金融大行其道，前景看好，但是整体来看 市场仍处于客户启蒙阶段，市场接受度
4、不高，客户教育和市场培育尚需时日 配套的金融产品覆盖资产大类不足，业绩表现欠佳，吸引力不足 相关的法规配套欠缺等，监管态度不明确，增加未来发展的不确定性 这些是制约行业当前发展的主要问题 另外，从研发角度考察，我们认为 当前行业的整体人工参与度还很高、技术还未成熟，尚处于起步探索阶段， 大多数参与者还停留在拷贝国外模式，实质性的创新不足 实验性技术的成熟度存疑，可靠性尚待检验，部分成果存在炒作和夸大现象 数据基础设施和研发生态还有很大的提升空间，限制了研发的进度和质量 微众智投的尝试 科技 站在金融与科技融合的最前沿，结合国外先进经验和本土化能力 普惠 致力于提供合规优质且低门槛的金融服务体验，让金融普惠大众 连接 积极连接合作伙伴，共同营造共赢互惠的产业和研发生态 7 谢谢！
