李开复曾说过，人工智能深度学习最先产生成果的，一个是自动驾驶，一个就是金融领域。如今，随着人工智能技术的发展，Fintech（金融科技）正在受到资本的追捧，“智能投顾”这一职业也渐渐崛起。
智能投顾，亦称机器人投资顾问。根据美国金融业管理局（FINRA）的官方定义，智能投顾是指利用大数据分析、量化金融模型以及智能化算法，根据投资者的风险承受水平、财务状况、预期收益目标以及投资风格偏好等要求，运用一系列智能算法，投资组合优化等理论模型，为用户提供智能化和自动化的资产配置建议。从定义中我们获悉，在智能顾问的运行过程中，依靠大数据的深度学习算法占据着很大的重要性，而基于此，相对于股票、债券等金融产品，时下大热的比特币似乎更适合智能投顾。
为什么比特币更适用于智能投顾？
根据Wind数据，截至2016年7月，总共只有130只可交易的ETF，资产规模累计4729亿元，主要是传统的指数型ETF，债券型ETF、商品型ETF等较少，而美国市场同期有近1600支ETF，管理资产规模累计2.15万亿美元，且类目也更为全面。
在ETF产品和资产规模的两相对比之下，国内的智能投顾显然不适合模仿美国，转而将目光放在了公募基金。与此同时，“比特币”的投资热也正在崛起，虽然因为政府的介入，其几度发生大起大落，但这依然阻挡不了人们的投资热情，甚至连享誉国内外的“中国大妈”都加入了投资者阵列。
一个是当下竞相追捧的理财产品，一个是正在崛起的理财分析师，其实，它们两个才是最“匹配”的，对于依据深度学习算法的智能投顾，比特币是最容易实现“落地”的产品。至于为什么这么说，主要有两点：
比特币的交易特性更符合深度学习算法的高效率。在国内，为了维持市场的稳定，国家将交易制度由T 0变换为现在的T 1，在某种程度上，该制度严重限制了处于信息劣势的中小投资者，交易效率也有了一定的降低。不同于T 1的交易制度，比特币所采用的是T 0，因而可以无限次的当天买当天卖，提高了交易效率，而这恰巧符合深度学习算法的高效率。
不管是训练还是投入使用，深度学习算法都是以大数据为依托，在计算机的高效运作之下，算法可以对数据进行实时分析预测。在此前提之下，相对于需要在下一个工作日进行交易的股票基金等理财产品，能够随买随卖的比特币显然更适合于这种方式，毕竟涨落有时就在那一刹那间发生。
此外，在短期预测上面，深度学习算法目前已经有了不错的成果。近日，一个由10名来自加拿大和捷克的研究员开发出了一种叫做“DeepStack”的算法，在德州扑克这种依据非完美信息进行博弈的游戏中，该算法战胜了多名专业扑克选手，证明了深度学习算法在博弈中的预测还是相当准确的。从目前来看，智能投顾更适合做一些短期预测，而对于其主要面向的中小型投资者群体，短期实现收益也更能迎合他们的需求，就像能够随买随卖的比特币。
比特币的信息透明更有利于深度学习算法。就如前面所讲，大数据是深度学习算法开发中的核心之一，从一开始算法模型的搭建，以及后来的理财服务，每一环每一扣中都有着数据的参与，因而，只有数据足够全面，届时算法的预测和理财建议才能更准确。
借助于底层的区块链技术，比特币的每一笔交易、每一次变化都将记录在案，为深度学习提供一份完整、全面的数据，为之后模型的建立和所提供的理财服务打下一个很好的开始。对于比特币而言，数据的获得还是不难的，但对于股票基金等理财产品就是个大问题了。
众所周知，“信息不透明”是股票基金等市场的一个特性，而一些基金的相关数据则被掌握在相关机构手中，由此，想要获得理财产品的数据是向相当具有难度的。并且，在另一方面，拥有这些数据的机构也只能基于自己已经掌握的产品进行理财建议，相对于比特币，该理财服务的限制性更大一些，远不如比特币来的全面、透明。
比特币落地智能投顾前，深度学习还需做到这些
除了交易制度带来的高效以及数据的公开透明，比特币也是时下最受欢迎的投资理财产品之一，如此下来，在基于深度学习的智能投顾上，比特币确实是一个很好的“合作伙伴”。并且，在监管上，比特币的交易也已受到了国家相关部门的重视，预计相关法律法规也将陆续出台，届时，比特币的交易将更为严谨。那么，与此同时，为了提供更好地比特币理财服务，基于深度学习算法的智能投顾也需在多方面行动起来。
搭建最优模型
基于对投资者风险承受水平、财务状况、预期收益目标以及投资风格偏好等方面的分析，智能投顾可以为其选择最优配置方案，在这之中，起到决定性作用的就是深度学习算法模型。根据经过大量数据训练和验证的算法模型，智能投顾就可以在很快的时间内将投资者与理财产品进行匹配，从而选出适合投资者的最佳方案。
与股票基金产品类似，要想实现比特币在智能投顾的“落地”，一个算法模型的建立是必须的。在如今现有的智能投顾产品中，马克维茨提出的现代组合理论是其算法模型的开发依据之一，根据该理论来搭建算法模型，智能投顾就可以向投资者提供不同的理财组合，从而将危险分散开，将风险降到最低。
一如此类，在比特币落地智能投顾之前，深度学习算法也应当在相关影响因素、金融理论的基础上，开发搭建一个适用于比特币投资运作的算法模型。
搜集多方数据
上文也已经提过了，对于智能投顾的深度学习算法而言，数据就是一切所在。没有数据，算法就得不到训练，继而就不能得到优化和提升，以为投资者提供精准的服务，而没有数据支撑的“智能投顾”就是一伪概念。
在数据方面，因为区块链的技术，比特币的相关数据还是很容易获得的，其真实性也能够得到保证。配合政策、汇率等因素，基于比特币自出世以来的走势分析，智能投顾可以对其未来走向进行短期预测。举个例子，在2013年，由于国家出台了《关于防范比特币风险的通知》，消息发布后一个小时内，此前呈现大涨趋势的比特币随即下跌35%，最终由1242美元（按当时汇率，约7540.9元人民币）跌倒了2000元人民币。而就在最近，在大涨之时，国家又约谈了主要比特币交易平台的负责人，一时间，比特币的币值又开始下跌，与4年前的情况极其类似，对此，只要数据足够全面，深度学习算法也是可以预测到这种结果的。
此外，除了比特币的相关数据，投资者的行为习惯、财务状况等也是智能投顾需要搜集的数据。对比特币的数据分析只是对其走势的一个分析，判定此时应该是买入、补仓还是卖出，而服务的提供则需要依人而定。基于对投资者相关数据的分析，智能投顾的建议能够精确到买入的时间点，就像有的人喜欢在中途买入，有的人选择低价的时候买入，以此来提供个性化的服务。
配备高效硬件
对于深度学习在比特币交易中的优势，某业内人士称，比特币这类金融交易中产生的数据量特别大，而深度学习正需要大数据的支撑，两者相辅相成。从另一个角度来看，在搜集数据的同时，数据的处理也是一个关键所在，尤其是在深度学习算法中。
在智能投顾中，金融市场的瞬息万变要求数据的运行达到实时高效，而这需要芯片等硬件的支撑。目前，在人工智能技术的研究中，数据的高速运行是必备的条件，为此，期望抓住人工智能机遇的不少硬件厂商都在进行专属硬件的研发，比如正在研制自动驾驶芯片的英特尔、打造出世上第一台人工智能超级计算机的英伟达等等。相比于自动驾驶等人工智能行业，智能投顾对数据的要求或许没那么高，但依旧是一个需要重视的问题，只有数据高速运行，才能实现深度学习算法的高效率，为投资者提供极致服务。
结语
当下，智能投顾已在国内形成了一股风向，截至目前，包括银行在内，国内已有不下于20家智能投顾机构或公司。因为中国比特币的交易平台没有手续费，所以交易是十分活跃的，占据了全球比特币交易量的90%。根据分析，在落地上，相比于股票基金等，智能投顾的环境更适用于比特币。
不过，基于当前比特币监管的空缺、可参考数据的不足以及平台倒闭等多种因素的存在，在服务中，智能投顾还不足以独当一面，在必要的时候，人类投资顾问还是需要出面进行决策的。当下，相关比特币交易平台负责人正在与政府进行约谈，在政府的介入下，相信比特币的行业标准将逐步建立，一如火币网创始人兼CEO李林所言：“行业联盟即将诞生。”届时，在完善的比特币制度下，智能投顾的运行将更为便利，而比特币的落地也将加快进程。
目前，由于市场的不成熟，投资者们对“智能投顾”的接受度并不是太高，那也就意味着还有更大的市场在等待挖掘。据招商证券预计，到2020年，中国智能投顾市场规模将高达5.22万亿元，而这其中，还包含了我国资本市场产品结构单一、投资者尚不成熟等多变因素。相比于人类投资者和投资顾问，在降低成本的同时，智能投顾的理想也避免了人类在投资中的“贪婪”和“冲动”。在市场发展成熟之前，智能投顾的出现将极大影响投资者的行为，并且，当投资者变得理性，虽不至于完全消失，但市场的动荡将逐步减少。
