兰台「知」道 | 从智能投顾业务，看金融科技领域算法规范发展

金融科技正在深刻改变着金融业，在給人们带来普惠的同时，也对数据和算法的合理应用提出了全新的挑战；合理的规制和向善的引导，是数字金融行稳致远的关键。笔者结合自身代理过的金融科技案件经验，并参考相关司法案例，对金融科技的算法适用进行探析，以便更好的服务于金融科技企业，促进数字金融向善发展。

今年七月初，多家金融机构的智能投顾业务被叫停，工商银行“AI投”、招行银行“摩羯智投”等业务均官宣终止服务协议。“智能投顾”是一个服务于波动市场的投资“工具”，是根据投资者的风险承受能力，利用智能决策算法为特定客户构建的基金组合，从而追求收益期望值的机器自动投资计划。显见，“智能投顾”是AI机器学习的产物，而算法是AI决策所遵循的依据，因此，“智能投顾”与算法产生了千丝万缕的联系。

关于智能投顾的暂停，一方面原因是来自监管部门发布的《关于规范基金投资建议活动的通知》，该《通知》指出，如果银行没有基金推荐牌照，需暂停该业务。本文先抛开牌照问题，在算法方面，探讨智能投顾算法的合理性。

一、智能投顾的原理

智能投顾的原理可称为“均值-方差”模型，其基本原理是以机器学习的方式构建最优收益的投资组合，实现过程大致为：以机器学习进行用户画像，在确定投资人的风险偏好的基础上构建投资组合，再动态的根据不同资产之间的相关性以及资产风险因子来调整平衡投资组合，实现对市场高精度判断以增强收益，构建从数据采集、数据处理、模型训练、回测调优、实盘配置与调整的全自动化投资管理流程。

经分析该原理可见，可能导致投资结果不准确的因素会来自于两个方面，一方面是用户画像的精细度，用户画像环节会调用大量的机器学习算法来进行海量的信息收集和数据处理，算法的选择策略将对用户的投资偏好产生误判，致使用户画像不准确；另一方面，在投资组合推荐方面，在采用马科维茨或海龟交易等模型进行投资组合安排时，由于有些目标资产没有足够的数据点，导致无法计算资产之间的相关性，也就是不同类型资产之间互补和增强效应不得而知，因此，特别是在投资组合推荐模块上存在算法黑箱，有些步骤还不具备可解释性，在自动化决策的情况下，投资人很难把控投资走向，一旦投资失败，也很难“愿赌服输、心服口服”。

二、现行司法案例表明对推荐类算法的态度

一旦因投顾结果不满意引发纠纷，司法机关将如何定分止争？是笼统的安抚“投资有风险，出手需谨慎”？还是对投顾所采用的算法模型明察秋毫，判断其合理性？ 

我国智能投顾发展还处于早期阶段，笔者尚未检索到相关司法判例，由于智能投顾算法与推荐系统类算法有高度重合之处，因此借鉴相近似的互联网领域推荐类算法案例对司法规制方向进行分析。

现阶段推荐类算法的焦点问题是，利用推荐算法进行产品推荐，推荐者是否需要对不准确的推荐结果承担责任。

参考赵某某与浙江某网络公司网络服务合同纠纷案（杭州互联网法院（2020）浙0192民初2295号），互联网平台利用机器学习算法向用户推荐拟选购的商品供用户选购，赵某某作为平台用户，对平台的推荐结果不满意向杭州互联网法院提起诉讼，诉请认定被告因推荐结果不准确构成违约，杭州互联网法院最终驳回原告的诉请。该案确立了推荐类算法适用的合理性，这也是算法推荐领域的首个司法判例，对金融产品的推荐活动具有深远的借鉴意义。

该案的裁判要旨是，司法机关在审查推荐类算法是否构成违约的案件时，会充分考虑推荐系统的功能定位、该推荐活动在整个合同中的服务占比以及人工智能的发展阶段等因素，综合判断推荐服务者是否构成违约。

在上述案件中，司法机关驳回原告的理由主要在于，该案所涉的推荐活动，只是电商平台为提升用户体验的增值服务，并不是该服务合同的主要服务内容，合同中也未对此服务的标准进行明确约定，并且，被告向原告提供商品推荐服务并非法定义务。

该司法判例固然对推荐类算法进行了一定的保护，但是，笔者认为，对于金融产品的推荐有着不同的属性，如果投资人与智能投顾服务商引发纠纷，司法裁判的风向也可能出现调整。理由在于，金融产品推荐属于智投服务商的主要合同义务，赚取投资回报也是投资人签署服务协议的主要目的。同时，在服务效果方面，虽然资管新规不允许机构对投资回报做出承诺，但这也并不妨碍司法机关判断服务商所适用算法的合理性，在认定算法不合理的情况下，不排除判定机构对投资人进行赔偿的可能。

关于算法合理性的认定，由于机器学习算法具有较强的技术难度，司法机关应引入第三方专业机构对金融机构的推荐模型进行合理性评估，以实现客观公正，用户有权委托专业辅助人出庭提出质疑并反驳对方的陈述意见和证据材料。一旦认定模型可解释性低、准确率低等技术瑕疵，那么，金融机构就很可能被判定承担一定的责任。当然，根据相关司法判例的经验，法院也会根据金融科技人工智能发展所处的阶段，对判赔结果综合考虑，从现有的案例不难看出司法风向，对金融推荐类产品的发展还是持支持的态度。

三、金融科技领域算法规制的方向

关于金融领域的算法规制，由于金融产品直接与投资人的经济利益挂钩，因此，金融领域机构应当具有相较于其他行业更高的专业度和义务。人民银行也相继出台了《人工智能算法应用规范指引》《金融数据规范》等文件，旨在提升金融领域数据与算法的应用水平。

目前，金融科技类算法重要集中在智能风控、反欺诈检测以及金融产品推荐领域，算法的应用也比较广泛，既包括分类算法也包括回归算法。例如在智能风控领域，征信评分卡和行为评分卡是金融机构风控的重要方式，逻辑回归算法是评分卡模型的应用基础，再结合决策树以及聚类算法，来对借款人逾期违约或欺诈行为进行预测。

在金融科技算法中，目前金融机构所参考的依据是《人工智能算法金融应用评价规范》，主要的规制方向是算法安全、可解释、可追溯以及准确性。

笔者认为，正如在前面的司法案例中提到的，算法公开是有效提升算法可解释性以及避免如算法歧视等算法逻辑问题的有效方式，同时算法公开也是发展的重要趋势。关于算法公开，央行于2021年9月发布了《征信业务管理办法》，要求征信公司必须公开个人信用评分卡的算法模型，一定程度上反映了算法监管的方向已经在朝着应公开尽公开的方向推进。只有公开才是促使减少算法黑箱，提升算法可解释性的有效路径，让算法被用户所知晓，这也是推进算法质量，推进算法向善发展的必由之路。

关于算法可解释性方面，应当实现调用的单一算法可解释，以及算法组合的整体亦可解释。在笔者代理的金融科技案件中，近年金融科技企业开发的算法，已经具备了更好的算法可解释性。以评分卡为例，通过将评分模块尽可能单元化，通过实现最小单元可解释，从而实现整体综合评分可解释的效果，使得以评分卡的方式进行欺诈防范的效果更加可信。

关于算法的准确性，规制目的一方面是避免算法歧视等问题的出现，另一方面在促进金融活动安全性方面也起到了重要作用。比如在笔者代理的声纹识别案件中，时常遇到采用多种算法进行声纹校验，正是通过算法叠加适用而提高准确性的方式。

在数字化转型时代，增强算法的透明度，提高算法的可追溯性及可解释性，才是金融科技安全的保障，合法合规使用阳光数据和算法，正是金融科技在数字化时代行稳致远的应有之义。