传统养老金投资需要面对纷繁复杂的投资环境，对海量金融数据的分析处理提出了较高的要求，而科技进步为个人养老金投资者提供了高效便捷的大数据分析处理手段，在此基础上结合人工智能算法，使得投资者能够相对更便捷的开展智能化资产配置。国内智能化资产配置在养老金投资中的应用正处于起步阶段，从技术手段应用到商业盈利模式都在不断探索中，基金、银行及平台公司等均有提供智能投顾服务，使得普通人群有机会以较低的成本便捷的获得专业服务。为了推动智能化资产配置在养老金投资中的应用，建议做好相应的政策准备。本课题包含三部分内容：国内养老金业务投资管理现状；智能化资产配置在个人养老金投资中应用和探索；关于智能化养老金资产配置的业务展望和建议。

　　（一）国内养老金投资管理运作模式概述

　　目前国内养老金市场包括社保基金、基本养老、职业年金、企业年金以及个人养老金，其中社保基金是国家战略储备基金，基本养老属于第一支柱，职业年金和企业年金属于第二支柱，个人养老金属于第三支柱范畴。社保基金和企业年金实务运作时间稍长，基本养老和职业年金于近一两年开始选聘管理人资格开展市场化投资管理，个人养老金主要是居民个人用于养老投资的资金。

　　从运作模式看各有不同：社保基金本身既做战略资产配置，也做底层组合自营，同时还委托外部投资管理机构开展差别风格的投资。企业年金资金来源于企业，一般会通过法人受托或理事会受托两种形式开展运作，并选择投资管理进行投资。基本养老在资金归集方面与社保基金不同，在投资运作管理模式方面类似社保基金，选择外部投资机构开展投资。职业年金在资金归集方面与基本养老类似，在投资运作管理模式上类似于企业年金，选择受托人、投管人等角色（本文主要涉及养老金投资管理，因此后文不介绍账管和托管），稍有不同的是各省职业年金建立不同的计划，而企业年金常规情况下基本都是一个企业一个计划。最后，个人自行开展养老金投资的模式比较简单但范围比较丰富，即直接购买金融产品、委托给金融机构开展投资或根据投顾服务开展投资。

　　（二）传统养老金投资管理的难点

　　传统养老金在投资管理方面会面临一些难点，这些难点既包括科技技术方面的，比如在所有的投资领域对大数据分析处理能力的依赖性有所提升，也包括运行机制方面的，比如企业年金业务中受托人有时缺少战略资产配置能力以及受限于政策限制无法开展更有意义的战略资产配置。我们认为，智能化资产配置的运用有助于提升传统养老金投资中的大数据分析处理能力和资产配置能力。

　　1.大数据分析和处理的难度逐渐提高

　　无论对于全国社保基金和企业年金，还是近期刚刚启动的基本养老和职业年金，在投资管理方面都会面临海量信息的搜集整理的工作难点。海量的信息包括宏观层面的基础经济金融指标，也包括微观层面的经济和人的行为活动，还包括很多常规或临时的事项等等，甚至包括交易对手的行为信息。如果希望对整体经济有深入的跟踪和理解，那么需要进行及时高效的信息搜集整理分析以支持投资决策，而这是一个非常繁琐复杂的过程，传统养老金投资或多或少都会面临以上问题。

　　2.受托人战略资产配置的职责能力有待提高

　　在传统养老金业务中受托人是比较特殊的一个角色，既做战略资产配置对大类资产配置提出决策方案，同时也会评估并选择不同投资风格的投资管理人，同时也可能作为投资管理人直接进行投资，资产配置工作的难度和重要性不言而喻。但实际上部分情况下受托人很难切实有效的进行战略资产配置管理，部分原因是资产配置能力和技术相对较弱，部分原因在于特定的投资政策限制。

　　（三）养老金投资管理的新动向：智能化

　　1.智能化资产配置辅助养老金投资管理

　　养老金是长期资金，所具备的优势在于能够通过在长期投资过程中忍受短期的巨幅回撤最终获得适度的高收益，由此可以看到，处理好长期的风险和收益的关系是养老金投资需要解决的重要问题，而资产配置正是解决该问题的有效方法。资产配置是一个复杂的系统工程，包括养老基金投资政策的制定、资产配置模型的建立和应用，以及事后的投资绩效归因分析等等。其中对各类资产的收益率以及对宏观经济变量的分析涉及到巨量的数据处理分析工作，智能化处理分析数据能够让整体资产配置工作更便捷，在此基础上智能化资产配置在养老金投资中的应用将会越来越深入。

　　智能化资产配置需要有大数据技术处理能力和资产配置能力；在运用理念方面，根据大数据技术处理能力来识别用户风险偏好等信息，综合对用户进行风险刻画和分类，在资产配置模型方面对大量的资产收益数据和宏观变量进行处理分析，寻找不同风险条件下的最优组合，最后结合用户风险收益偏好给出具体的配置建议并定期跟踪调整。目前国内外有许多资管机构都以不同形式将智能化资产配置运用于养老金投资管理。

　　2.智能化资产配置和智能投顾简介

　　（1）智能化资产配置

　　资产配置，就是将资金合理分配至多种资产类别，不同资产类别维持在一个科学的配置比例，从而实现在既定风险水平下达到最优投资回报的目的。故资产配置其实包含了三个层次：一是明确可投资资产类别范围；二是明确可投资资产类别的配置比例；三是明确上述配置比例的调整原则与方法。

　　资产配置是养老基金投资管理的核心。养老基金强调在较长一段时间内，在既定的约束条件下，通过资产间的合理配置，达到整体收益与风险水平的改善。故养老基金的资产配置也须从三个方面考虑：一是在不断发展的资本市场中挑选出适合养老基金投资的资产，作为目标资产类别；二是在考虑了法律法规、监管限制、市场约束等条件下，对目标资产类别做出配置比例安排；三是养老基金的资产配置过程是一个动态调整过程，需要提前制定调整策略，当相关规则被触发时，对配置比例做出适度变更。

　　智能化资产配置目前尚无统一定义，其商业运用没有固定模式，总体看正处于探索阶段。我们倾向于认为，智能化资产配置的内涵范畴较广，包括需求端的数据搜集、产品端的设计、投资端的应用，智能化资产配置的应用可以体现在智能投顾。

　　（2）智能投顾

　　智能投顾，又称机器人投顾，学术界与产业界尚无一个统一权威的定义。智能投顾，本质上是利用人工智能的优势，以计算机代替人工投资顾问，通过大数据识别用户的风险偏好水平、期望收益等核心要素，结合高效的算法，为投资人提供有效的资产配置方案与建议。探索中的智能投顾的形式可以包含三个层次，第一层是利用大数据对用户的风险偏好特征做出刻画，对备选资产池中的资产进行量化分析；第二层是根据上述结果，利用机器学习算法进行模型训练，定制合理的资产配置方案，以期达到最优资产配置结果；第三层是对上述资产配置方案持续跟踪，结合用户风险偏好及市场条件的变化，对资产配置方案做出动态调整。智能投顾是技术能力、资产配置能力与客户服务能力的有效结合。

　　在智能投顾的整体框架中，利用人工智能对资产配置决策进行优化，即智能化资产配置，成为整个系统的关键环节。以均值-方差模型的应用为例，在过去的资产配置过程中，利用各类资产的预期收益与方差的评估值，求出不同风险偏好下的最佳组合，这一系列组合形成了用户的有效前沿。但在常规的量化模型中，数据有限、噪音数据的不恰当处理都会造成上述模型结果产生较大的误差。而智能化资产配置，将会利用机器学习中的梯度学习算法进行迭代训练，达到比常规量化模型更好的数据拟合效果。