保险资产管理行业近年来在我国发展迅速，一方面随着监管政策逐步放开，可投资的领域越来越多，业务规模不断扩大，另一方面金融行业进入混业经营的“大资管”时代，保险资管机构面临的竞争加剧，需要全面增强自身能力，提升核心竞争力，而提高信息化建设水平是至关重要的一环。就目前保险资产管理领域，信息化系统大致可以分为四大类：

1. 业务管理系统（Operational Execution Systems）

2. 业务分析与决策系统（Analytical and Decision Making Systems）

3. MIS：综合报表平台（Management Information System）

4. 市场数据供应商（Market Data Vendor）系统，提供以上三类系统都需要的市场数据。

第一、二的类系统的特点和功能如表1 所示： 

表1  系统分类与特点

第三类综合报表平台（MIS）比较复杂，目前向监管报送的数据大多基于财务口径，数据主要来自于第一类业务管理系统，如估值核算系统，通常称之为“Finance Accounting（FA）”：财务估值核算。在投资过程中公司内部对投资数据分析的方法论和数据挖掘工具的应用，决定了提供投资管理决策辅助信息的能力。但仅仅靠FA 的数据支持是不够的，内部分析应基于以下三种类型的维度：实体账户的维度（FA 层面）、公司投资部门的组织架构维度（组合层面）和资产行业类型维度（参考GIPS 的划分规则）。其中，组合维度又会根据公司的管理模式进行动态调整（比如投资单位的拆分或重组）。如何将这三类维度在可以统一的层面统一、在可以挖掘的地方下钻到最细的层面，称为 “Investment Accounting（IA）”：投资管理核算。同时，Investment Controlling （投资决策监控指标体系）是基于IA 的核心投资监控指标的具体体现。图1 可以直观体现在MIS 的框架下FA、IA、IC的从下至上的关系。

图1  MIS系统框架图

按照此框架构建出的信息化系统对于资产管理能力和效率的提升具有明显的作用，特别是业务管理类系统的自动化已经到相当高的水平，但业务分析与决策系统自动化程度较低，在实际工作中仍然还需要大量的人工劳动，而随着近年来人工智能科技的发展，这一局面正在发生改变。

大数据、算法和计算能力是人工智能（AI）的三要素，随着大数据和计算机硬件能力的快速发展、算法研究的不断突破，人工智能越来越受到大家的关注，而持续升温的金融科技（Fintech）也使人工智能在金融领域的应用摆在面前。

图2  人工智能三要素

人工智能的应用从本质上讲仍是以信息化手段完成原本人工完成的工作，那么展望不远的将来，人工智能对保险资产管理中的信息化系统会带来哪些改变呢？结合上面保险资管当前的系统情况，人工智能已经在部分领域开始进入实践阶段。

一、智能投研系统

作为机构投资者和资产管理者，保险资管机构在投资研究工作中倾注精力是必不可少的，随着信息化的加强，有规模的保险资管机构都会建设投研平台，作为集咨询信息抓取、研究报告编写、绩效考评等功能与一体的综合性业务系统。通过该系统研究员可以快速的提取数据，生成报告的模版；应用多维统计功能，实现对研究员的快速考核及结果查询；实现研究结果与投资和客户服务的有效对接。当前常见的投研平台实现了部分投研工作的系统化，特别是在信息收集和投资评估方面的智能化提升了工作效率，例如通联数据的萝卜投研，但实际的投资分析并得出结论的工作仍然主要依赖人脑，与真正意义上的人工智能投研还有不小的差距。

而人工智能的快速发展将会对投研领域带来新的变化，将人工智能引入投研，可以利用专业的分析模型和逻辑，搭载具有大数据和语义分析技术的系统，大大提高研究效率，科学评估投资标的，从而实现从信息收集到投资观点生成的跨越，这个跨越包括：

1.通过人工智能金融数据搜索引擎对咨询信息抓取和分类检索，并结合图像识别、文字识别等技术获得出比普通搜索引擎更多的咨询数据，并内嵌大量的智能关联，极大的方便人工阅读和机器学习；

2.对获取的数据和知识进行进一步的加工，建立知识图谱，并以有监督机器学习或无监督机器学习的方式，构建并校正适用的分析模型；

3.将机器学习和所得模型应用到投资分析中，形成符合逻辑的投资观点；

4.将所得的投资观点，通过人工智能技术进行自然语言生成，与图表一起进行可视化智能排版，通过投研报告的形式得以呈现。

图3  智能投研

投资研究是一项复杂的工作，机器短期内难以完全替代人，但机器在数据分析上有其独特的优势，当今社会经济活动所产生的数据量不断增长，有分析表明今天90%数据产生于刚刚过去的两年内，随着互联网和物联网等技术的发展，数据采集量越来越大，靠人工分析数据已显得捉襟见肘，而除了这些传统的咨询信息和数据外，另类数据（Alternative Data）又成为一些金融投资机构研究的课题，比如通过卫星图像中储油库的分析来估算石油产量、农田的分析来确定农业收成、停车场的分析来确定业务流量等，而这些大量的、快速变化的、形式多样的数据，用具备模式识别的人工智能系统来处理无疑是一个更好的选择，通过机器尽调的方法，为投资提供更多维更准确的参考。

二、智能交易系统

投资研究确定的资产配置策略，最终仍需要通过交易来实现，长期投资策略以人为主完成交易就足够了，但时间越短、频率越高的投资交易越适合机器来完成。在量化交易较发达的金融市场，以人工智能为核心的机器人投顾已经可以实现从资产配置到高频交易的全套工作，并且在实践获得了较稳定的收益，比如Wealthfront、Betterment、嘉信理财、德意志银行、高盛、先锋基金等，国内的智能投顾也方兴未艾，出现了璇玑、资配易、摩羯智投、蓝海智投等，但受国内监管的限制暂时难以向全自动的智能交易发展。

机器没有情感，不会有情绪，可以避免人类在投资交易中出现的“过度自信”、“损失厌恶”、“处置效应”、“赌博与投机”、“暴富心理”、“从众心理”、“政策依赖性”等对投资有不利影响的心理，进而影响到交易结果。量化交易应运而生，以先进的数学模型替代人为的主观判断，而量化交易自诞生以来就是运用计算机来进行辅助工作的，只是当前的量化模型都是人工编写的，机器只是用来计算结果。而人工智能技术的发展，特别是机器学习能力的不断增强，结合了机器学习、神经网络等技术的量化投资和策略交易，能够最大程度上将人的因素降到最低，把经验性的投资策略也赋予机器，自动建立、训练和修正模型，根据数据和模型自动化下达执行交易指令，并承担交易监控、异常和风控的管理，反馈交易结果进行分析评价，进一步调校模型。在现有的量化交易基础之上，发展出具备基于机器学习的智能交易系统，这应该是人工智能在交易环节最可能获得突破的点。

借用在2016年底“人工智能创新应用论坛”上前哈佛大学助理教授、大数据金融创业者郭健在大会上发表的一个观点：“未来的人工智能投资将是基于金融大数据、应用动态知识图谱、机器学习模型、动态机器学习模型支持价值投资、博弈投资，最终实现自动交易。”

三、智能风控系统

人工智能与大数据的天然联系，使其在投资风控领域可以发挥重要作用，在投资研究过程中，人工智能需要构建投资标的知识图谱，而知识图谱对于风控同样重要，借助于知识图谱确定的相关性，人工智能风控系统可以轻松的发现市场上潜在的风险。宏观经济的发展规律、行业的趋势变化、利率的波动情况、企业的运营数据等信息都会通过智能风控系统进行分析，得出相关的风险计量数据，让投资机构快速及时的发现并进行处理。同时，在信用风险防范领域，大数据和人工智能征信无疑有着不可低估的作用，以百度资产管理中心的信评大脑为例，集成了大数据收集分析、图像识别、NLP语义分析、OCR分析、另类数据分析、知识图谱等众多人工智能相关技术，在打破信息不对称、风险实时监控和预警方面，体现出远高于人工的效率，成为有效的决策辅助工具。相信未来在风控领域会看到越来越多的应用，人工智能将会以大数据为依托，站在金融风险防范的第一线，发挥其快速、定量、准确的优势，让投资机构避开黑天鹅、远离灰犀牛。

以上系统在金融投资机构中应属于普遍的需求，而保险资产管理除了上述共性需求外，偿二代体系、资产配置、资产负债管理等具有鲜明行业特点的工作内容，其重要性与复杂度并不亚于上述的系统，只是人工智能的发展需要有个成熟的过程，行业监管政策也处于不断完善的阶段，而二者将来必然会有交集，共同形成保险资管领域更多的人工智能应用。