搏收益还是保本金？

在理财市场中，货币基金具有较低的风险性，相对较合理的收益，因而备受普罗大众的青睐。但对于有更高收益需求的投资者，这远远不够，如何提升基金投资者的回报，已经被许多公司提上议程。

人工智能的财富管理仍待开拓▼

其中用人工智能来帮助完成财富管理的方式，在未来有望落实。

虽然短时间内难以到达愿景，但毕竟，无论哪个地区，财富管理提供者都应及时给客户提供与时俱进的服务模式。

最常见的设想是，人工智能首先对客户大量账户活动数据进行分析，并通过逻辑设计，使得程序能对客户行为进行预测，准确地分析客户需求，再提出专项定制投资建议，其中还有适时地结合投顾。

每一个环节都需要精细的操作，毕竟少了一个小数点，可能某股的市值就瞬间蒸发或膨胀。但纵然能够完成人脑难以完成的计算量，人工智能并无灵性。赋予它智慧的是人类开发者，人工智能只是走“辅助”的位置。

这些开发者们的侧重点不同。曾经有记者对华尔街上，220位相关研究者分别进行了采访，9%认为要研发计算量更大的电脑；20%认为需要提升人工智能的学习能力，例如说学习那些已经被证明成功的交易策略组合；35%认为，需要其高度追踪市场。

金融老手们谁是最优解难以证明，而一些较为新颖的思路，或许可以作为新的突破点。

通过人工智能预测监管趋势 ▼

首先，是通过人工智能预测监管趋势。不断的金融危机将监管推到了舞台中心。全球各地区的监管者都在强调深化金融市场变革，而监管的介入对于金融机构来说，无疑增加了许多隐形成本。

明智的商业选择，就是无论在透明度、费用模型、地区分布、客户接触,或其他业务领域, 都要密切关注全球，和地方化的监管趋势。若人工智能可以通过历史信息与政策，有效地预见监管趋势，并及时地改良应对，便能让机构取得更多优势。

利用非交易数据，深挖个人行为模式 ▼

其次，人工智能可通过非交易数据预测高净值个人的行为模式。比如说，高盛使用的Kensho，除了股票走势外，还致力于将机器学习技术应用于新闻数据集，用来分析人们的数字活动，来预测他们可能最想要的产品和服务。

基于此点，电商的数据算法也可以借鉴，比如在每一个国家部署数十万的网络爬虫来阅读每一篇新闻报道，以及分析用户们的网络搜索请求。搜索内容显然更容易显露意图：‘我要找ETF’‘，’‘我在物色基金’‘，”我需要信用卡’‘，”我要如何拿到贷款？’”继而清晰绘制高净值个人的点赞、兴趣、年龄、活动等方面的信息，甚至发掘其行为模式，让涉足财富管理的机构，真正理解它们的客户想要买什么。