理财魔方袁雨来谈“AI提供理财投资建议”

近日，理财魔方创始人兼CEO袁雨来接受媒体专访，围绕“AI提供理财投资建议”这一热点话题，展开深度探讨与交流。在访谈中，袁雨来凭借其在金融科技领域的深厚积淀与前瞻性视野，分享了诸多独到见解。他指出，随着AI技术的迅猛发展，其在理财投资建议领域正展现出巨大潜力，有望重塑财富管理格局。但与此同时，该领域也面临着数据质量、算法优化、信任构建等诸多挑战。袁雨来认为，行业各方需携手共进，通过持续创新与规范发展，充分挖掘AI的价值，为投资者提供更科学、高效、个性化的理财投资建议，推动行业迈向新的发展阶段。

以下为采访实录——

1.很多网友现在会晒自己用ds这种通用大模型来理财，这种通用大模型的投顾与金融机构的智能投顾产品在技术、产品、训练数据和训练方式等等层面上有哪些主要的区别?很多券商、基金在本地部署ds，选择投资这类产品和我们问ds所选出的产品相比，本质上有什么区别?

袁雨来(理财魔方创始人兼CEO)：

通用大模型在实时金融数据处理及金融逻辑训练层面存在显著短板。面对瞬息万变的金融市场，其难以实时、精准地处理海量金融数据，对金融逻辑的理解与把握也远未达到专业金融机构或从业者的深度，难以提供精准且专业的金融决策支持。不过，对于普通大众而言，通用大模型凭借其庞大的知识储备，在理财理念普及、资产配置方法等宏观层面，能够给出具有一定参考价值的建议，助力普通人构建基础理财思维体系，强化风险控制意识。但需要明确的是，在具体金融产品筛选以及短期市场走势判断这类高度专业且极具时效性的领域，切不可过度依赖通用大模型。

从数据安全维度审视，公司核心商业数据以及客户敏感隐私信息，一旦上传至公网，便面临诸多潜在风险，如数据泄露、恶意攻击等。相较之下，本地部署数据系统(DS)是更为安全可靠的选择。在实际业务场景中，本地部署的DS具备灵活可扩展性，能够依据企业或机构的特定需求，接受针对性的二次开发与训练，同时无缝挂载本地精心构建的知识库和数据库。这一模式能够有效弥补通用大模型在金融数据处理和逻辑训练方面的固有缺陷，使其在金融数据处理上更高效、精准，金融逻辑分析更深入、透彻。

2.在您看来，构建科学、合理的智能投顾服务，其不可或缺的流程或关键要素(比如基础的评价指标)涵盖哪些方面?倘若用户借助通用大模型为自身探寻理财建议与指导，可能会因哪些环节的疏漏或缺陷而陷入困境?

袁雨来(理财魔方创始人兼CEO)：

在完整的理财服务流程中，涵盖了多个紧密相连的环节。起始于需求了解，通过与客户深入沟通，明晰其理财目标、资金规模、预期收益等诉求;继而开展风险评估，精准衡量客户的风险承受能力。随后进入市场分析阶段，对宏观经济形势、各类金融市场走势进行研判。基于此制订投资策略，并向客户详细说明策略细节。在执行过程中，依据客户反馈进行交互调整，同时每日对投资组合实施严密监控。客户交流与运营贯穿始终，其中客户投教工作持续开展，帮助客户提升理财知识。随着市场变化，还需进行动态调整，这又重新回到市场分析环节，之后循环往复，因为客户需求会随自身财务状况、人生阶段等因素改变而不断变化。

当用户单纯依靠通用大模型寻求理财建议与指导时，在需求了解和风险评估这两个前期环节，凭借其强大的语言理解能力，通用大模型能够有不错的表现。但一旦进入后续涉及实际市场投资与产品选择的关键阶段，由于通用大模型缺乏实时更新的金融数据，也没有专业人士持续依据市场动态对其进行优化，便极易暴露出短板。它可能无法精准把握市场瞬息万变的行情，难以筛选出契合客户需求的优质金融产品，甚至在面对潜在风险时，无法做到及时、准确的判断，从而导致给出的理财建议难以达到预期效果。

3.目前，2016年前后，国内还是有一度掀起过智能投顾的创业热，为什么现在国内似乎不太常见理财魔方这种类似robo-advisor的智能投顾平台(包括很多曾经在这方面做过尝试的券商、大型资管机构)了?您认为这类产品进一步发展的主要卡点可能是什么?

袁雨来(理财魔方创始人兼CEO)：

1)2016年前后，AI技术的应用范围极为有限，远未达到广泛普及的程度。彼时，AI领域的专业人才极度匮乏，且大多集中于专业学术机构之中。理财魔方团队成员多来自清华大学计算机系，拥有深厚的专业背景，并且不少成员具备互联网大厂的工作经验，在人工智能领域积累了丰富实践经验，这种人才优势在当时的市场环境下极为突出。时过境迁，如今AI已发展成为一种基础性技术，融入到社会生活的各个角落。

2)智能投顾产品的核心价值在于切实为广大投资者创造收益。我们深知，智能投顾的关键环节在于运用智能算法实现精准风险控制、筛选优质投资产品、科学合理地配置大类资产比例，以及扎实做好投资者教育工作。然而，回顾过往，许多智能投顾产品在研发方向上出现偏差，过于侧重与客户的沟通交流，而忽视了对提升客户收益的核心要素投入。事实上，投顾行业与基金行业当前面临的核心症结并非客户沟通存在障碍，而是投研能力薄弱，对风险控制缺乏足够重视，同时在投资者基础理念教育方面未给予应有的投入。单纯依靠短期的沟通交流，根本无法从本质上改善客户的盈利状况。

3)基于第一性原理深入剖析，这类产品未来进一步发展的关键，在于能否充分借助人工智能技术，精确把控客户资产配置过程中的风险，确保客户大概率获取市场的长期平均收益。一旦客户切实从投资中实现盈利，用户数量的自然增长便会水到渠成，成为推动产品持续发展的强大动力。

4.当下，投资者往往更倾向于自行咨询DS(deep seek)。其中一个主要原因在于，券商、基金公司以及基金销售机构所推出的AI大模型，难以获得用户信任。投资者普遍认为，AI投顾给出的建议，其出发点可能仅仅是为了促进基金销售。并且，由于AI投顾缺乏业绩考核机制，这就更加剧了人们的怀疑，觉得它不过是传统卖方销售模式的翻版。您认为行业应当如何解决这一问题呢?另外，我想了解贵方是否会对AI投顾的效果进行跟踪，比如统计它帮助客户实现的盈利情况。

袁雨来(理财魔方创始人兼CEO)：

在我看来，DS具备一大显著特性，即能够支持与客户持续交流。客户无论提出何种问题，都能得到回应，尽管回复质量参差不齐，但这种坦诚的沟通模式，能够为客户营造出一种透明感，进而赢得客户的信赖。反观当下，众多金融机构推出的AI大模型，亟待解决的关键难题在于如何确保提供的服务客观公正，避免将公司自身的业务诉求过度植入其中。毕竟，所有的销售与交易活动，本质上都是信任的变现过程，对于投顾业务而言，更是如此，其核心就在于维护客户的信任。而信任的基石，则是透明真诚的服务态度，以及专业能力的持续提升。当做到这两点，帮助客户实现盈利便是水到渠成之事。客户在合作过程中，会不断审视投顾是否始终秉持真诚态度，专业能力是否稳步进阶。

5.一些具体的场景上的问题想跟您讨论。比如我问deepseek，能否给我配置一个投资组合，在我没有主动提供用户画像信息的情况下，他会直接预设我的情况来配一个组合，而不是直接来问我。这是一个风险点，可能会因为误判投资者的风险偏好而给出不适当的投资决策。您怎么看这种情况，觉得问题出在哪?是技术发展程度不够吗?还是数据或者监管合规的问题在制约?

袁雨来(理财魔方创始人兼CEO)：

通用大模型因其“通用”属性，在专业领域的深度上存在天然短板。这并非源于技术层面难以突破，而是由于它并非针对某一特定专业领域业务量身打造。所以，金融机构基于通用大模型，开发适配自身业务的垂直类模型或AI Agent，成为当下提升服务专业性的必然选择。

在数据安全和监管合规层面，监管部门向来秉持鼓励态度，积极推动新技术赋能行业发展。金融机构在开发进程中，完全可以在严格遵循监管要求的框架内，广泛整合外部技术资源，以此强化自身服务能力，提升专业水准，实现业务的高质量发展。

6.在推荐产品的场景中，通用大模型存在这样的情况：它会直接给出基金和产品代码，当投资者询问推荐原因时，也能给出看似合理的解释。我发现有部分投资者对这种推荐的产品较为信任，甚至一些券商、基金公司还将此类推荐作为宣传素材。然而，其背后的推荐逻辑可能并不透明，犹如一个黑箱。

您是否了解DeepSeek推荐产品的逻辑呢?对于这种推荐方式的合理性，您是如何评价的呢?一般来说，专业智能投顾推荐体系会更为科学。就这一点，您能否介绍一下理财魔方在推荐基金时所采用的筛选指标体系呢?

袁雨来(理财魔方创始人兼CEO)：

一个科学合理的推荐体系，必须经受住数据回测的检验。尽管市场环境处于动态变化中，过往有效的规律和算法在未来不一定能持续发挥作用，但数据回测依然是评估推荐体系可靠性的关键环节。目前，大语言模型在直接推荐产品时，暴露出两个较为突出的问题：其一，缺乏对历史数据的全面回测;其二，缺少对当前实时数据的深入分析。这两个缺陷使得大语言模型的推荐逻辑即便表面上看似有理有据，实际应用效果却难以保障。

当投资者借助DS解答金融和基金相关问题时，由于其数据的实时性与全面性存在欠缺，并且缺乏回测验证，解答效果往往差强人意。不过，从逻辑层面而言，DS的解答逻辑性确实优于大多数普通投资者，特别是那些金融知识储备匮乏的群体。

在复杂多变的金融市场中，不存在能让投资者持续盈利的产品。投资者在筛选基金时，重点在于挖掘那些在过去较长时间段内持续展现出优秀业绩的优质产品。理财魔方认为，借助大数据与算法，有望解决概率层面的问题。具体而言，就是依托大数据库中全市场产品的历史业绩与风险数据，运用科学算法，筛选出在过去较长时间内表现优异的产品。

理财魔方坚信，风险收益比应作为投资过程中筛选资产的首要考量因素。为此，理财魔方将资产在不同时期的风险收益比设为核心指标，开创性地打造了基金可视化分析系统“魔方真选”。该系统旨在助力投资者实现“看得懂、选得对、拿得住”的投资目标。“魔方真选”创新性地通过公平、客观地展示全市场公募基金在不同时间区间的历史风险及业绩数据，帮助投资者清晰了解基金产品，精准挑选出契合自身需求的基金，在市场波动时能够坚定持有，做出理性投资决策，进而提高投资盈利的概率。

7.在当前的AI投顾领域，选股、选基的逻辑往往存在不透明的情况，这就引发了一系列疑问。有没有这样一种可能，AI投顾与某些特定产品存在利益关联，从而在推荐时有所偏向，致使投资者误以为AI是基于客观分析给出的推荐，实则并非如此呢?

另外，我们还注意到许多券商、资管机构会将AI搜索结果用于广告宣传。那么，这些AI输出的结果是随机产生的吗?是否存在类似搜索引擎优化那样，通过某些手段对AI输出结果进行人为优化，以达到特定目的的可能性呢?

袁雨来(理财魔方创始人兼CEO)：

真人投顾服务存在黑箱操作、难以管控以及决策逻辑无法有效追溯的困境。即便公司明确要求投顾以客户利益为重，投顾个人仍有可能因一己私利，做出有损公司声誉与客户权益的行为。

与之形成鲜明对比的是，AI投顾服务依托电子化流程，能够实现全流程数据留痕，可追溯性强，从而有效规避这类道德风险。只要公司层面坚守底线，不制定损害客户利益的决策，AI在执行过程中就会严格遵循既定规则，不打折扣，确保公司的价值观得以完整、准确地贯彻落实。

事实上，企业若暴露出问题，根源往往在于管理层。这一现象与企业是否运用技术并无直接关联。以纯人工投顾企业为例，一旦管理层出现决策失误或道德失范，整个企业必然会受到负面影响。而AI投顾则具有独特优势，能够避免在人工投顾企业中，因上层管理理念正确但基层执行不到位而滋生的各类问题，为企业稳健运营和客户权益保障提供坚实支撑。

8.在持仓诊断方面，大模型给出的一些判断是否相对合理?还是也有一些幻觉之类的风险?

袁雨来(理财魔方创始人兼CEO)：

当前，大模型的幻觉问题相当显著。我们合规部门已察觉到，大模型存在虚构法条的现象。鉴于此，必须对大模型的应用范围加以限定，将其使用范畴约束在能够被有效验证的领域内，以切实保障输出结果具备可验证性。倘若直接采用未经核实的结果，极有可能引发一系列问题，对业务开展、合规运营等造成不利影响。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。