提示×
系统公告
panel标题
提示主题内容
关闭验证

人机验证

拖动滑块使图片为正

图片加载中...
刷新验证刷新
客服电话:400-072-5588
|
小程序|公众号|服务号
微信扫一扫 进入头豹小程序头豹小程序

投射阅读

重新获取

微信扫码 关注头豹公众号头豹公众号
微信扫码 关注头豹服务号头豹服务号
开通企业VIP,下载完整内容

企业VIP,享免费下载

尊享VIP购买,享半价优惠

申请引用
内容标题:智能资管
引用内容:
文字纠错
投诉
首页 词条目录词条详情
智能资管
申请引用

全文引用

申请引用

收藏

陈屹林·头豹分析师
未经平台授权,禁止转载
版权有问题?点此投诉
行业定义
科技金融随着大数据、人工智能、通讯技术的快速发展,逐渐应用到金融业,2020年中国金融机构中基金行业的技术总投入超过20亿元。2020年,基金业协会发布的《资产管理行业金融科技应用现状调查分析报告》显示,有22家公募基金在金融科技经费方面的投入达到千万级别,当前金融科技尚未能完全替代人力,量化交易、投研辅助、智能客服等前端及中台工作在资管领域的应用较多。
AI访谈
行业分类
金融行业的泛资管主要为两个方向,分别为机构角度和顾客角度。从机构角度来看,主要应用为资产管理方向的to B业务,按主体划分,可分为银行资管、保险资管、券商资管和基金资管。人工智能在资产管理方面多用于内部决策,应用场景主要有量化策略、智能投研和智能尽调三个方面,通过大数据、知识图谱、量化模型等技术帮助金融机构作出更为高效合理的资产管理决策。从资产管理角度来看,人工智能主要在满足金融机构的三大诉求:(1)随着资管的发展,信息的复杂程度与日俱增,投资决策的变动因子增加,利用人工智能,进行更为大规模且高速的复杂计算;(2)减少人力成本;(3)规避人工作业带来的主观和风险。从客户角度来看,其主要的业务着力于财富管理。按照主体来看,可分为银行理财、保险销售和证券经济等等。可以看出财富管理更偏向于c端业务,其主要工作集中于前台,因此人工智能在财富管理方面的应用主要集中在智能营销和智能投顾两个方面,对于客户服务的需求较明显。人工智能主要满足财富管理的两大诉求:(1)减少人力成本;(2)提高财富管理的专业程度;(3)财富管理的批量化、自动化,从而降低财富管理的边际成本,使财富管理服务于长尾客户。
AI访谈
行业特征
智能资管可用于智能投研、智能投顾和量化策略。智能投研以更智慧的运作模式为投资决策带来更为宏观的市场视角,实现更为高效的投研模式;“智能+人力” 模式强调人力服务的服务及人工智能的决策优势,既减少了传统投资顾问的用人成本和工作负荷,又弥补了当前人工智能服务的缺点和风险,也更符合亚洲用户的使用习惯;量化策略在中国仍有一定市场,原因在于其作为新兴的金融决策方法,其发展势头较好,为了实现战略布局,金融机构在资金充裕的情况下仍将会购买量化策略产品。
AI访谈
发展历程

智能资管行业

目前已达到 4个阶段
AI访谈
产业链分析
AI访谈
行业规模
智能资管行业规模
暂无评级报告
AI访谈数据图表
政策梳理
智能资管行业
相关政策 2篇
AI访谈
竞争格局
AI访谈数据图表
摘要
科技金融随着大数据、人工智能、通讯技术的快速发展,逐渐应用到金融业,2020年中国金融机构中基金行业的技术总投入超过20亿元。2020年,基金业协会发布的《资产管理行业金融科技应用现状调查分析报告》显示,有22家公募基金在金融科技经费方面的投入达到千万级别,当前金融科技尚未能完全替代人力,量化交易、投研辅助、智能客服等前端及中台工作在资管领域的应用较多。
智能资管行业定义
申请引用

申请引用

AI专家访谈专家访谈
Prompt
智能资管行业最常用的定义是指采用人工智能等新技术,对资产管理业务进行智能化升级和优化,提高资产管理效率和风险管理能力的一种新型资产管理方式。智能资管的核心是建立智能投资决策模型,通过数据分析和机器学习等技术,提高资产配置和风险控制的准确性和效率。智能资管的应用领域包括证券、基金、银行、保险等金融机构。 智能资管与传统资管最大的区别在于,智能资管利用人工智能等技术对大数据进行分析和处理,以提高资产管理效率、降低风险和增加收益。传统资管则主要依赖人工的经验和判断,难以充分利用大数据和先进的技术手段。此外,智能资管的投资决策更加科学和客观,避免了传统资管中投资经理的主观因素对投资决策的影响。 智能资管还包括了智能投顾和智能交易两个方面。智能投顾是指通过人工智能等技术,为投资者提供个性化的投资建议和资产配置方案,以提高投资收益和降低风险。智能交易则是利用人工智能等技术,对市场行情进行分析和预测,从而帮助投资者进行更加精准的交易决策。这两个方面虽然都属于智能资管的范畴,但在具体实践中,其应用场景和技术手段有所不同。
开通头豹会员
科技金融随着大数据、人工智能、通讯技术的快速发展,逐渐应用到金融业,2020年中国金融机构中基金行业的技术总投入超过20亿元。2020年,基金业协会发布的《资产管理行业金融科技应用现状调查分析报告》显示,有22家公募基金在金融科技经费方面的投入达到千万级别,当前金融科技尚未能完全替代人力,量化交易、投研辅助、智能客服等前端及中台工作在资管领域的应用较多。
[1]
1:https://baijiahao.baidu.com/s?id=1692103443315781299&wfr=spider&for=pc
2:智能风控定义
智能资管行业分类
申请引用

申请引用

AI专家访谈专家访谈
Prompt
智能资管行业的分类标准有很多,包括技术应用、产品形态、服务模式等,其中最主流的分类标准是根据服务对象的不同,将智能资管分为个人智能资管和机构智能资管两类。 个人智能资管是指以个人为服务对象的智能资管服务,主要为个人提供资产配置、风险管理、投资咨询等服务。其典型内容包括基于人工智能、大数据等技术的智能投顾、智能理财、智能保险等产品。这些产品的特点是操作简单、费用低廉、风险可控、灵活性强。此外,个人智能资管还包括基于社交化、众筹等模式的P2P投资平台,以及基于区块链等技术的数字资产管理平台。个人智能资管的主要优势是满足个人理财需求、降低个人投资门槛、提高投资效率。 机构智能资管是指以机构为服务对象的智能资管服务,主要为机构提供资产管理、风险控制、投资策略等服务。其典型内容包括基于人工智能、机器学习等技术的智能投研、智能资产配置、智能风险控制等产品。这些产品的特点是数据量大、精度高、决策快速、风险可控。此外,机构智能资管还包括基于云计算、大数据等技术的资产托管、风险监控等服务。机构智能资管的主要优势是提高资产管理效率、优化投资策略、降低风险。 个人智能资管与机构智能资管的差异在于服务对象、产品形态、服务内容等方面。个人智能资管注重满足个人理财需求,产品形态多样,服务内容偏向投资咨询和资产配置;机构智能资管注重优化资产管理效率,产品形态更趋规范化,服务内容偏向资产管理和风险控制。同时,个人智能资管市场相对较大,机构智能资管市场相对较小,但机构智能资管市场增长速度较快。 总的来说,个人智能资管和机构智能资管都是智能资管行业中重要的分类,二者在服务对象、产品形态、服务内容等方面存在差异,但都是满足不同需求的有效方式。随着智能资管技术和市场的不断发展,未来还将涌现出更多新的分类方式和产品形态。
开通头豹会员
金融行业的泛资管主要为两个方向,分别为机构角度和顾客角度。从机构角度来看,主要应用为资产管理方向的to B业务,按主体划分,可分为银行资管、保险资管、券商资管和基金资管。人工智能在资产管理方面多用于内部决策,应用场景主要有量化策略、智能投研和智能尽调三个方面,通过大数据、知识图谱、量化模型等技术帮助金融机构作出更为高效合理的资产管理决策。从资产管理角度来看,人工智能主要在满足金融机构的三大诉求:(1)随着资管的发展,信息的复杂程度与日俱增,投资决策的变动因子增加,利用人工智能,进行更为大规模且高速的复杂计算;(2)减少人力成本;(3)规避人工作业带来的主观和风险。从客户角度来看,其主要的业务着力于财富管理。按照主体来看,可分为银行理财、保险销售和证券经济等等。可以看出财富管理更偏向于c端业务,其主要工作集中于前台,因此人工智能在财富管理方面的应用主要集中在智能营销和智能投顾两个方面,对于客户服务的需求较明显。人工智能主要满足财富管理的两大诉求:(1)减少人力成本;(2)提高财富管理的专业程度;(3)财富管理的批量化、自动化,从而降低财富管理的边际成本,使财富管理服务于长尾客户。
智能资管分类
机构角度
主要涉及资产管理,分为银行资管、保险资管、券商资管、基金资管;应用场景有量化策略、智能投研、智能尽调
客户角度
主要涉及财富管理,分为银行理财、保险销售、券商经济;应用场景有智能营销、智能投顾
[2]
1:https://baijiahao.baidu.com/s?id=1692103443315781299&wfr=spider&for=pc
2:https://www.iyiou.com/analysis/2017060547068
3:https://www.iyiou.com/analysis/2017060547102
4:智能风控分类
智能资管行业特征
申请引用

申请引用

AI专家访谈专家访谈
Prompt
从商业模式、用户画像、行业周期等多个维度中选取其中三个重要的维度,分析中国智能资管行业特征。 一、商业模式 随着金融科技的迅猛发展,智能资管行业的商业模式不断创新。目前市面上智能资管产品的运营模式主要分为两种: 1.基于机器学习算法的智能投顾模式。通过算法分析用户的风险偏好、投资目标等信息,为用户提供个性化的投资组合,自动化完成投资操作。这种模式主要针对小额零散投资者,具有低门槛、低成本的特点。 2.基于量化投资策略的智能资管模式。通过大数据、人工智能等技术,建立起一套完整的量化投资策略,实现对资产的自动化管理。这种模式主要针对机构投资者、高净值投资者,具有高收益、高风险的特点。 数据来源:艾瑞咨询《中国互联网资产管理行业研究报告2019》 二、用户画像 智能资管行业的用户画像主要分为两类: 1.小额零散投资者。这类用户通常没有专业的投资知识,但是有一定的理财需求。他们倾向于选择基于机器学习算法的智能投顾产品,以实现低门槛、低成本的投资。 2.机构投资者、高净值投资者。这类用户通常具备专业的投资知识和丰富的资产经验,对资产管理的要求更高。他们倾向于选择基于量化投资策略的智能资管产品,以实现高收益、高风险的投资。 数据来源:艾瑞咨询《中国互联网资产管理行业研究报告2019》 三、行业周期 智能资管行业目前处于高速发展期。根据国内外机构的预测,未来几年智能资管行业将保持较快的增长态势。具体来看,从2018年到2022年,中国智能资管行业市场规模将从1.6万亿元增长至4.6万亿元,年复合增长率达到32%。 数据来源:艾瑞咨询《中国互联网资产管理行业研究报告2019》 综上所述,智能资管行业的商业模式不断创新,用户画像主要分为小额零散投资者和机构投资者、高净值投资者两类,行业处于高速发展期。
开通头豹会员
智能资管可用于智能投研、智能投顾和量化策略。智能投研以更智慧的运作模式为投资决策带来更为宏观的市场视角,实现更为高效的投研模式;“智能+人力” 模式强调人力服务的服务及人工智能的决策优势,既减少了传统投资顾问的用人成本和工作负荷,又弥补了当前人工智能服务的缺点和风险,也更符合亚洲用户的使用习惯;量化策略在中国仍有一定市场,原因在于其作为新兴的金融决策方法,其发展势头较好,为了实现战略布局,金融机构在资金充裕的情况下仍将会购买量化策略产品。
1
智能投研
数据多元化、数据自动化、报告智能化
智能投研是指基于人工智能、大数据、云计算等现代科技手段,获取、处理、分析海量相关数据,生成投资观点和报告。传统投研一般通过研究员在结构化数据库及一二手数据的采集形成传统金融数据集合。从数据集合中,根据研究员的知识积累和经验,选取有用的数据进行分析,而展现方式上一般由研究员撰写形成。从智能投研的特点来看,智能投研是以智能数据分析为核心铺陈开的投研方式。从数据源上,智能投研的金融数据信息则更为广泛,除了传统的金融数据之外,还包括了舆情社交卫星等异构数据。相比于传统的数据采集方式,智能投研采用非人工的人工智能以及爬虫技术,能够实现大规模的动态的高效的数据采集,从而形成更为完整的系统化的数据集。数据管理方式不再以研究员的主观为唯一的判断标准,而是使用经过深度学习后的模型基于NLP和知识图谱等人工智能技术进行自动化的数据分析,从而产生更为客观的更为全面的投资结论。而从展现方式上来看,智能投研一定程度上减少了投研所需的人力成本。其可通过智能搜索引擎、智能问答、智能研报等方式,自动撰写市场金融投资报告。
2
智能投顾
低成本、高运营效率
相比于传统投资顾问, 智能投顾展现了更好的降本提效的作用。从服务方式上来看,传统投资顾问使用纯人力服务,投资顾问的服务时间和服务对象有限,随着服务工作负荷的增加,传统投资顾问的服务能力也会随之下降。区别于传统投资顾问,智能投顾有两种服务方式一种为纯人工智能服务,但在政府监管之下,纯人工智能的服务模式不合规范,因此被限制使用;另一种,也是当前最为常用的服务模式,即“智能+人力”,这种模式强调人力服务的服务优势及人工智能的决策优势,既减少了传统投资顾问的用人成本和工作负荷,又弥补了当前人工智能服务的缺点和风险,这种方式也更符合亚洲用户的使用习惯。同时,智能投顾还解决了另一个核心诉求,即财富管理长尾用户服务。传统投资顾问主要为高净值客户提供一对一的精英化服务,成本较高,但收益较好。但财富管理的长尾客户主要为大众富裕群体,资金规模相对较小,且对佣金价格敏感度较高,因此长久以来,长尾客户的投资顾问服务收益率较低甚至亏本,但相比于高净值客户,长尾用户的管理风险较小,专业度要求相对不高。面对左右为难的局面,智能投顾解决了这一问题,利用低成本、高频、低人力的方式解决了长尾用户低佣金,低收益的特点,抓住了这部分大庞大市场规模。
3
量化策略
量化选股、基本面选股市场行为选股、量化择时
中国量化策略市场处于起步阶段,应用较少,概念大于实质。其原因主要在于两个方面(1)受政策监管的原因,量化策略现今无法作为金融投资的主流决策工具,只能起到辅助的作用;(2)效果不佳,数据不足,模型效果不佳,合作双方都存在顾虑。但量化策略在中国仍有一定市场,原因在于其作为新兴的金融决策方法,其发展势头较好,为了实现战略布局,金融机构在资金充裕的情况下仍将会购买量化策略产品,中国市场内,购买量化策略最多的为银行,占整体的约80%,其余的20%基本为证券及其他投资机构,但一般证券或投资机构可能配置自有量化团队,需求相对较小。量化策略模型一般单价在30-40万元人民币,量化策略解决方案在百万级人民币,但整体而言,均价较低,可视为金融市场的战略尝试。
[3]
1:https://zhuanlan.zhihu.com/p/450209395
2:从多因子到人工智能,量化模型的发展及市场趋势
从多因子到人工智能,量化模型的发展及市场趋势
[4]
1:https://zhuanlan.zhihu.com/p/450209395
2:从多因子到人工智能,量化模型的发展及市场趋势
从多因子到人工智能,量化模型的发展及市场趋势
“智能资管已关联1篇产业链
词条作者链
陈屹林·头豹分析师
2024-05-17
修改“智能资管”词条报告
陈屹林·头豹分析师
2024-05-17
发布“智能资管”词条报告
头豹知识共创平台

为各行业权威专家提供知识付费平台

为客户提供专业领域的解答服务

找专家解答
成为认证专家
1
行业定义
2
行业分类
3
行业特征
4
发展历程
5
产业链分析
6
行业规模
7
政策梳理
8
竞争格局
正在加载...
1
2
3
4
5
6
7
8
成为会员,您可以查阅以下资料
尊享VIP会员
企业VIP会员
智能资管发展历程
智能资管行业规模
智能资管产业链分析
智能资管政策梳理
智能资管企业分析
智能资管竞争格局
产业链阅读权益
购买尊享VIP会员
免费阅读
剩余0次
智能资管发展历程
智能资管行业规模
智能资管产业链分析
智能资管政策梳理
智能资管企业分析
智能资管竞争格局
词条SIZE下载权益
产业链阅读权益
购买企业VIP会员
免费阅读
剩余次
提示信息

头豹的程序员小GG强烈建议您使用谷歌浏览器(chrome)以获得最佳用户体验。