中国发展网讯  10月15日，由北京市东城区金融服务办公室、中国人民大学国际货币研究所（IMI）和智能财富管理论坛联合主办，国家金融与发展实验室金融科技研究中心、交叉信息核心技术研究院（清华大学设立）和上海财经大学滴水湖高级金融学院提供学术指导的“2023‘智能财富管理论坛’秋季研讨会暨‘大财富管理时代的中国模式’报告发布”在北京市东城区国家文化与金融合作示范区服务中心成功举办。国家金融与发展实验室副主任杨涛主持会议。

会议第一部分，由北京市东城区委常委、常务副区长李妍作开场致辞。李妍介绍，近年来，东城区立足首都功能核心区定位，在贯彻落实服务中央、京津冀协同发展、减量疏解等重点任务的同时，以文化为底色，以金融为引擎，以数字经济为引领，以“金融+总部+科创”为主要业态，不断优化区域营商环境，稳步推动经济高质量发展。2022年，东城区金融业增加值历史性突破千亿元大关。李妍表示，东城区政务资源集聚、文化底蕴深厚、商业氛围浓郁，发展财富管理行业条件良好，潜力巨大。下一步，东城区将聚焦大资管领域，以产业集聚、空间布局、营商优化为抓手，统筹各类资源禀赋，推动资产管理、财富管理行业迈上新台阶。

会议第二部分，由中国工程院院士、清华大学计算机系教授郑纬民，上海财经大学校长刘元春和中国保险资管业协会执行副会长兼秘书长曹德云作主旨演讲。

郑纬民以《知识图谱驱动的大语言模型》为题发表演讲。郑纬民指出，图可以运用于反洗钱、信贷风控、营销获客等多个方面，但图对数据质量的要求较高，依赖专家经验，通用性较弱。大模型利用海量数据的语言符号支撑来理解和生成内容，其通用性强，人工成本低，适配能力强，但大模型并不能真正理解语言，生成的内容准确性不够高。图计算和大模型是人工智能的左右脑，将知识图谱与大模型相结合，有助于减少生成内容的不确定性，并将其更好地应用于金融和医疗领域。

刘元春从宏观经济、金融和财富管理角度发表演讲。首先，他指出，宏观环境的改变使财富的定价和管理模式发生了革命性变化。宏观环境变化方面，一是世界进入了低增长、高成本、高利率、高通胀的时代；二是存在超级风险和超级不确定性。其次，他指出，中国未来房地产进行结构性调整是常态现象，要重视此过程中的风险释放模式。再次，他强调了老龄化社会对财富管理的影响，老年人对财富的理解和行为与年轻人不同，需要深入研究。最后，他强调了大模型在金融领域的重要性，认为培养未来资产管理专家需要关注大模型运用和产业发展，并指出要谨慎看待新技术的冲击。

曹德云从保险资管当前情况、面临的挑战、应对措施等方面发表演讲。首先，他指出当前保险资管运行保持着稳健、有效、风险可控的态势。其次，保险资管业面临四大挑战：第一，宏观经济下行压力下，寻找好的投资标的比较困难。第二，金融市场表现不佳，很难取得高收益。第三，保险业自身粗放式经营模式已难以为继，转型期间面临负债成本、资本充足、盈利下降等压力。第四，大资管市场本身的转型问题。最后，四大挑战之下，应深化改革、积极应对。第一，市场化。进一步深化市场化改革。第二，专业化。进一步提升专业化水平。第三，规范化。要严守规定、严防风险，守正创新。第四，数据化和智能化。要坚持方向和目标，并持续加大投入。第五，国际化。构建国际化专业团队，推动保险资产全球化配置。

会议第三部分为《大财富管理时代的中国模式》报告发布环节，由报告负责人、中国人民大学国家发展与战略研究院教授方意代表课题组进行发布。作为“智能财富管理论坛”的系列成果之一，本报告以大财富管理时代下的中国模式为主题，以国际视野和战略眼光聚焦行业前沿，立足中国实际开展理论和实践研究，内容涵盖政策、学术、市场等视角，力争为中国财富管理行业高质量发展贡献专业价值。

报告在厘清“财富管理”概念内涵的基础上，建立起包括居民、财富管理机构和企业三大主体的大财富管理市场分析框架，对美国高度发达的投顾行业、日本在经济周期中的财富管理行业进行了案例研究，进而从机构视角和居民视角剖析我国的财富管理市场现状，总结出我国财富管理的典型特征。同时，报告也从三大主体的大财富市场分析框架总结出我国财富管理存在的社会财富配置结构失衡、财富管理机构强“投”弱“顾”、财富管理投融资主体短期导向、金融风险持续累积等主要问题，并提出了从资产端和资金端进行破局的思路。最后，报告提出了大财富管理的中国模式，其主要要素包括：以实现居民财富保值增值和服务实体经济高质量发展为目标；以人民为中心的财富管理为原则；以培育财富管理的健康生态为基础；以形成相对均衡的光谱型财富配置为策略；以金融科技赋能财富管理为工具。

会议第四部分为专题圆桌研讨环节。圆桌一“数字时代的智能财富管理”由中国人民大学国际货币研究所副所长宋科主持。农银理财首席财务官全红坡、交叉信息核心技术研究院副院长林常乐、上海财经大学滴水湖高级金融学院执行院长陈选娟、大成律师事务所高级合伙人刘林森参与圆桌研讨。

林常乐认为，在需求端，数字化科技和人工智能的使用可以极大提升财富管理的服务效率。使用算法和数据的分析手段，可以更精准地定位客户需求，实现客户需求的转化。同时，在各类风险事件愈发频繁的背景下，需要使用数字化技术和手段来刻画方案的收益及风险的特征。他指出，在财富管理领域应用AI模型需要跟该领域专精的模型或分析方法做深度结合，未来的发展中，在服务端分析客户，把专业模型跟服务场景相结合可能是AI发挥作用的几个节点，这些节点跟大模型结合起来可能会解决财富管理数据不足的问题，也能在交互层面实现更好的服务。

陈选娟认为，资产管理以钱为核心，关注钱的来龙去脉和回报率，财富管理则以人为核心，关心不同的人对钱的不同需求。金融科技在财富管理中发挥的作用，从投资者角度来看，能够通过各种应用端对投资者进行科普教育；从财富管理机构角度来看，金融科技有助于提升机构能级，消除同质化。此外，陈选娟讨论了人工智能在财富管理中的风险问题：第一，财富管理数据较为敏感，存在信息泄露风险，大语言模型运用到财富管理的过程中，可以通过先ToB再ToC，让风险相对可控。第二，大模型的输出有对有错，若投资者没有自我判断就进行投资决策，则会产生相应风险。第三，人工智能可能产生新的金融欺诈风险。

刘林森指出，资管规模大幅下降时，若大模型可以为投资者提供参考、保证资产的安全性，使用大模型将对募资产生促进作用。另一方面，在运用大数据或者用智能投顾时，应该用怎样的标准来衡量参数的设置、数据能否精准到投资标的等，都是在智能财富管理过程中面临的问题。此外，刘林森围绕为了规避风险，如何进行法律规范和制度建设进行讨论：第一，需要政府或商业机构提供统一的标准来避免智能财富管理机构的重复投资。第二，机构认证并提供全面数据，同时保护数据隐私，有助于解决数据不足的困境。第三，科技创新不可避免地会带来伦理和法律风险，需要在不断更新和迭代中寻找更好的解决方案，每个为技术转型做出贡献、研究的人或机构都可能成为推动者。第四，通过行业标准制定也有助于规避和解决风险。

圆桌二“科技向善与智能财富管理”由智能财富管理论坛秘书长闫文涛主持。腾讯研究院副院长杜晓宇、中央财经大学统计与数学学院龙马学者特聘教授苏治、中诚信指数公司副总裁李诗、理财魔方联合创始人兼首席金融专家马永谙参与圆桌研讨。

杜晓宇指出，首先，金融科技应用于财富管理行业中，要避免金融科技变成所谓的“镰刀”需要转变观念，要让金融科技助力财富管理，以人民为中心，以用户利益至上作为导向。其次，理财服务用户人生方面，杜晓宇认为应该要匹配适合的用户，提高客户目标群体与客户风险承担能力的匹配度，同时还要考虑长期投教和投顾的问题。此外，财富管理领域应该考虑实践逆向销售。最后，杜晓宇认为，在实践中，在消费者前台的体验、对数据中台的分析等方面要考虑效率优先原则，但是在服务客户利益方面要坚持目标优先原则。

苏治认为，要避免技术成为更快的镰刀，首先要使生态技术对所有参与方是平等的。技术往往提高信息的不对称程度，如果技术只对金融机构有利，对投资者无利，必然变成镰刀。因此，金融科技不仅要使金融机构获利，更要使投资者的福利和权益得到提升。使投资者获利的政策，具体可以分为两个方面。一是保护投资者权益。例如，以监管科技创新应对金融科技创新；以金融监管为目标支持监管工具守正创新；加强对金融消费者的保护等。二是提高投资者福利。例如，加强有针对性的投资者教育；提高金融科技对投资者的透明度和公平性；提升智能投顾系统中的风控水平和投资效率等。

李诗指出，首先，金融科技扩大了金融服务的广度，通过科技实现个性化的定制服务，这提高了金融机构的效益，提高了民众资产配置的效率，同时也加剧了信息不对称问题，原因在于财富管理机构大部分是以销售为导向在提供服务。其次，她指出普通民众对金融产品的投资信息了解不足，因此信息不对称的问题并非完全由技术引发，也与信息披露不透明有关。再次，她讨论了长短期资产配置的问题，认为金融科技可以通过指数化产品和智能化投顾解决方案，帮助民众更好地进行长期资产规划，并指出智能化投顾要做资产结构化的设计。最后，她指出，效率和目标的底层要做好信息组织，做好相关目标的设置。

马永谙强调，要建立匹配的机制，分别对待资产端和资金端。资产端面对同质化市场竞争，适合金融科技应用，而资金端需要满足个性需求，才可能实现金融科技的普惠。因此，必须从机制上分离资产端和资金端。AMC和财富管理方面应该是分离的，收费机制和利益机制应该有隔离，AMC是收管理费，财富管理应与客户的长期利益挂钩。此外，他认为投顾不应过度标准化，而应提供个性化服务以满足客户需求，避免服务变成产品而造成同质化竞争。投资者教育也应强调陪伴和理解，以满足客户需求。