在过去的十余年间，年金在运营、投资、管理及监管等各方面均得到长足发展，但同时也

　　面临数据交互时效慢、处理和整合难度大、应用少、价值低等一些列问题。本文尝试通过“大数据”、“AI”及“区块链”等新科技手段，为年金运营中存在的问题提供具体的解决方案。通过大数据应用，可以引入更多年金管理所需的外部数据，并有效提升年金数据的价值，从而在年金方案优化、年金资产风控等方面得到提升。在AI技术方面，机器学习技术可以有效识别数据交互过程中业务凭证模板、字段的差异及变化，提升系统对业务的支持程度；利用智能投顾系统，可更有效监督年金资产运作的安全，识别客户风险偏好，定制更具针对性的风险组合；利用智能客服系统，可以增加计划成员的参与度和互动。在区块链技术方面，通过年金行业区块链联盟的建设，有助于年金的数据交互、数据整合、运营流程精简以及业务接口统一。本课题包含五部分内容：年金运行管理的基本框架和存在问题；大数据在年金受托管理中的应用；AI在年金受托管理中的初步应用；区块链在年金受托管理中的尝试；结束语。

　　人工智能的概念很宽，从定义上看人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。目前较为成熟和普及的AI技术是生物特征模拟。

　　人工智能已经越来越多的进入我们的生活，甚至可以说无处不在，扫地机器人、手机导航、语音输入都是人工智能。将年金业务与已经成熟的AI技术进行整合有助于提升运营品质，减少运营压力，甚至可通过量化交易提升年金收益率。

　　（一）AI在年金受托运营上的应用

　　现有的企业年金运营对运营人员的依赖较高，如可通过AI技术替代部分人工操作，凭借AI的处理速度、容量及存储空间、可靠性以及持久性，将有助于成本的节省和业务处理品质的提升。

　　在受托运营过程中，因合作方较多，业务接口无通用，导致年金运营过程中流程及处理方式存在一定差异性。随着业务量的不断增长，为维持业务的稳定，运营团队也需要随之扩充。通过人工智能的规则引擎与机器学习技术，可有效解决或减轻以上提及的年金运营中所遇困境。

　　举例而言，现有企业的年金方案存在较大差异，员工缴费金额与工龄、司龄、职级、薪资，甚至有同一委托人下不同下属公司的年金测算规则也存在较大差异。对此类业务场景，如受托人系统须实现系统计算及校验功能则开发量巨大。通过规则引擎技术可有效解决此类参数多、规则差异大的问题。规则引擎是基于规则的专家系统，而专家系统又属于人工智能范畴，业务人员可在系统中对于不同企业灵活选择或配置参数，设置对应的计算规则和决策逻辑，由此增加系统的灵活性和普适性，在尽量减少开发量的同时快速实现委托人的年金个性化需求。

　　再以受托人信息披露报告为例。不同账户管理人、托管人提供的报告格式不同，报告内字段也存在差异，同时管理人报告格式不固定，更新频率较高。对于这样的业务状况，如交由传统的信息系统将面临开发成本、维护成本及风险高的境地。在机器学习过程中，将账管报告、托管报告及其他外部年金或投资相关报告维护进系统，形成数据集。通过训练及测试，使系统对外部管理报告具备一定的学习能力，当外部报告发生格式或字段变更时，系统在无需开发人员维护的情况下一定程度内学习并适应，从而可继续完成数据解析及报表生成功能。

　　（二）AI在年金资产管理上的应用

　　根据美国的年金行业发展，产品化及个人自选是发展的必然趋势。一旦进入产品化时代，以年金受托机构的人员配置来为企业员工提供投资顾问服务肯定是不现实的，那么以机器为主的智能投顾就进入了我们的视野。

　　智能投顾就是人工智能＋投资顾问的结合体。与传统投资顾问一样，智能投顾承担着用户和金融产品之间的纽带作用。智能投顾在年金资产管理中的应用可以归纳到两个方面。

　　1.智能投顾连接用户，通过大数据识别用户风险偏好

　　随着这几年互联网应用的增多和数据积累，我们可以看到类似淘宝的个性化商品的推荐、爱奇艺的个性化影视节目的推荐、今日头条这样个性化新闻的推荐。智能投顾也是根据用户大数据识别用户的个性化风险偏好，根据不同的风险偏好提供个性化、准确的资产配置方案。

　　更厉害的地方在于智能投顾风险偏好的识别可以实时动态计算。风险偏好并不是固定不变的，大部分人的风险偏好会随着市场涨跌、收入水平等环境因素的变化而变化。比如15年上半年牛市的时候很多人都进入股票市场，这是诱惑所导致的风险偏好提升。但到了15年下半年熊市的时候，大家的风险偏好因恐惧又开始下降。如果是传统理财顾问来做这件事情，得到结论可能会有一定的滞后性。

　　总之，智能投顾就是要做到千人千时千面，根据客户收入、性别、年龄、心理特征的差异动态掌握风险偏好及其变化轨迹。

　　2.智能投顾连接产品，通过算法和模型定制风险资产组合

　　通过资产配置模型（MarkowitzMean–VarianceModel、Black-LittlermanModel、RiskParity）由计算机得出最优投资组合，也可通过多因子风控模型更好更准确的把握前瞻性风险。可以通过信号监控、量化手段制定择时策略。AI的加入让资产配置做得更精准，也让投资决策变得更加理性。

　　我们设想中的智能投顾需要有以下四个标准：

　　（1）通过大数据获得用户个性化的风险偏好及其变化规律；

　　（2）根据用户个性化的风险偏好结合算法模型定制个性化的资产配置方案；

　　（3）利用互联网对用户个性化的资产配置方案进行实时跟踪调整；

　　（4）不追求不顾风险的高收益，在用户可以承受的风险范围内实现收益最大化。

　　当然也要理性的认识到，在智能理财领域计算机还无法完全替代人，在一些关键时刻还是需要人依靠专业经验来做决策，如果100%依赖计算机也会导致一些特殊风险的出现，所以在相当长的一段时间内智能理财也都会保持人工智能＋专业经验的状态。

　　（三）AI在年金信息安全上的应用

　　自2018年起，各省人社部门陆续发文要求退休职工进行年度领取养老金资格认证工作。如在规定期限内未办理认证手续，将按照规定暂停发放养老金。为便捷离退休职工的认证办理，部分省市社保中心开发对应APP，可在线通过人脸识别完成认证。

　　在企业年金的领取业务中，同样存在类似问题。如何及时高效的掌握退休人员生存状态及领取信息，既是对退休员工的关心，也是对企业资产的保护（如有“中人”领取，则对应资金来源于在职人员缴费及企业公共账户。）

　　以平安养老险好福利App为例，这是我国第一款个人年金专用App。为保证年金领取资金的准确发放及委托人资产的合理使用，好福利App中整合人脸识别功能，企业可在委托人系统对离退休人员发起人脸识别需求，系统通过短信及App站内消息提醒退休人员进行人脸识别验证。

　　为保证人脸识别的安全，准确和可靠，系统对接公安部网纹头像，并通过动态验证方式有效防止使用照片及视频验证。通过人脸识别AI技术及系统整合，退休人员生存状态验证变得简单快捷。

　　（四）AI在年金智能客服上的应用

　　近年来，随着监管、委托人及年金管理人的共同努力，计划成员对于年金的关注度也逐渐上升，随之而来的是一些新的问题。如计划成员对年金的疑问越来越多，以至于委托人及年金管理人日常咨询与解答工作量直线上升。

　　智能客服系统可在一定程度上解决上述问题。系统通过大规模的知识处理、语义学习、知识管理等，提炼出计划成员最为关注、咨询量最大的问题与答案，并将问题及答案预设自动语音应答（IVR）或在线客服自动应答中，在一定程度上可快速解决疑问，也可一定程度释放年金咨询的客服压力。

　　智能客服系统收集的问题还将作为反馈信息影响促进年金运营的发展。对计划成员关注的问题及功能，管理人可对App、年金业务等进行优化。如增加App显示内容，新增个人业务办理流程，增加业务办理中个人确认环节等。