原创】人格量化 ——个人金融画像探索

一 原始数据

目前业界的个人金融画像主要在金融机构内部数据结合外部数据基础构建。如对原始数据进行特征提取，得到如下客户特征：

在实施过程中可以为个人金融画像中每个人打上几千个标签。再结合具体场景如股票购买概率预测模型[7]中特征要求，应用于具体场景模型中。

 实践中我们一般使用特征选择模型来决定哪些特征适用具体场景。如，我们可以通过不断将各种的特征进行组合比较具体的场景模型中预测效果（如A/B Test）来选择特征。当特征维度高、数据量大后，特征选择模型也会非常耗时，实施困难。而且其结果有时也不可理解。

我们也可以从领域知识来思考特征选择。比方，分析有哪些人格特征、衍生特征是和金融行为是相关的？如何将行为金融学中的基本假设有限理性体现在个人金融画像过程中？又如何将风险厌恶程度等特征从原始数据中分析得出？以及如何将与金融相关的人格特质进行量化，“心理学和脑科学的知识表明，人类的物种原始情感是：惧怕、悲哀、快乐、愤怒、厌恶。” [2] 这些应该和个人的投资预期与风险厌恶是相关的，但如何从个人其他行为数据中分析提取这些特征并进行量化。接下来我们逐一讨论这些问题。

二 个人金融画像中的衍生特征

首先我们先从形而上的先贤哲学观点出发。斯宾诺莎的《伦理学》[3]中将原始情感分为：快乐，痛苦，欲望。叔本华说过“金钱是抽象的快乐”。于是我们可以假设，客户的金融需求都是在追求收益（快乐），避免损失（痛苦）。如果CAPM资本资产定价模型的全部假设都成立的化那就解决了全部问题，可惜有些假设并不成立。金融产品标准化的过程，希望能让买卖双方根据不同的风险偏好和预期收益选择，可实际并不允许交易双方只依靠这两变量来选择。是时候该让金融产品体现差异性。以前看过一篇报道说一位日本股民全靠“股东优待券”度日，中国企业是不是也该效仿。因为买股票有时不只是为了钱，也是为了爱：）这也体现了另一原始情感 “欲望可以界说为我们意识到的冲动”[3]。

回到我们个人金融画像讨论中来，从逻辑上可以认为分析提取斯宾诺莎描述的情感、衍生情感以及心理学中人格特质是合理的。那如何量化呢？我们可以通过实际收益止盈和实际收益止损，最大回撤容忍度等特征来量化个人收益快乐、损失痛苦程度。以及根据个人的生活行为推测个人性格特质。

另外，在股票购买概率预测模型[7]中我们只关心了持仓，如果收益和损失效用是分开的，那是不是应该将购买，卖出行为分别建模。不过，如此建模将大大增加模型复杂性。

接下来，我们来讨论下有限理性假设。“行为经济学的四项基本假设：（1）有限理性能力；（2）有限自私程度；（3）有限意志力；（4）有限资源。” [3] 。如何体现在个人特征中?汪丁丁教授在书中描述了大神赫伯特·西蒙（图灵奖、诺贝尔经济奖、美国心理协会的终身成就奖。。。）有限理性理论的重要依据是“信息的代价”并认为“个人几乎从不等待信息完备之后才决策”。[3]我们可以进一步认为不同个人的信息量是不同的。那么，我们可以在个人金融画像中引入一个特征变量来量化这个信息完备程度。如在股票购买概率预测模型中使用信息完备程度特征来控制样本关联那些股票特征和金融市场情景特征的程度。

构建个人客户金融画像的目的之一是为客户提供合适的、匹配的、可行的金融产品或理财规划。专业的理财规划师当然是可以根据客户需求给出金融产品推荐或理财规划，从而平滑客户的跨期消费，满足客户未来的支出等。他们也会比较关注客户未来收支现金流相关特征。正如伊曼纽尔·德曼教授说的“在金融界唯一可靠的理论就是一价定律（The Law of One Price）” [4]，该定律也称为无套利原则：“如果两个证券产品未来现金流一样，则当前价格也应该相同” [4]。所以，如果金融产品或理财规划的未来现金流与客户的未来支出现金流相匹配，我们也可以从该角度认为两者是合适的。

三 总结

构建个人客户金融画像的主要目的是为客户提供个性化金融服务。正如希勒教授说的“我们如何让有着不同能力和不同经济知识的人表达他们的投资偏好” [6] 通过大数据技术我们可以收集理解这些需求，并通过机器学习匹配需求。提供个性化金融服务将是值得长期探索的问题。本文希望能将行为金融学相关理论应用于金融大数据分析以及建模，为之提供理论基础。由于本人水平有限，不足难免，以及文章篇幅所限，有些也没有展开描述。抛砖引玉，希望之后能有更多金融领域知识结合大数据，机器学习的理论实践探讨，欢迎讨论。

最后，畅想下未来。电影千钧一发 Gattaca(1997)中的未来，找工作、相亲都要先匹配下基因，这才是重内在，而不是看外在。那买股票等金融产品前也可以做个基因匹配。在Matrix(***帝国中的主机)中一切皆有定数：）

标签：个人,特征,画像,模型,人格,客户,量化,金融
来源： https://blog.51cto.com/u_15127682/2826273