中央金融工作会议指出，做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。“五篇大文章”中的科技金融和数字金融都与数据密切相关。鉴于数据要素成为第五大生产要素，笔者展望数字财富管理2.0范式，建议应在数字金融市场发展的基础上，从机器学习和数据要素等视角出发，把握生成式人工智能如ChatGPT对话机器人的交互功能、机器学习的预测功能以及数据要素的新型资产功能，以实现财富管理从不确定性交付到确定性交付的转变。

数据要素市场：数字财富管理的基础

数字经济是继农业经济和工业经济之后的第三种经济形态，数字金融是实现数字经济资源跨期配置的主要方式，数字财富管理是数字金融的一种业态。之前，数字经济、数字金融及数字财富管理中的“数字”多理解为“Digital”，如技术驱动和数据驱动下产业、金融和服务的转型升级等。数字经济、数字金融和数字财富管理2.0范式中的“数字”应理解为“Data”，即基于数据要素（Data-Based）。

数据要素市场日益得到重视，数字经济与数字金融发展相得益彰，为数字财富管理2.0时代的发展奠定基础。2024年新年伊始，《“数据要素×”三年行动计划（2024—2026年）》正式发布，推进数据要素在相关行业和领域的广泛利用，培育新质生产力，切实助力经济社会高质量发展。此前，党中央、国务院及地方政府已推出多项与数据要素相关的法规政策，内容涵盖以下方面：一是将数据列为与土地、劳动、资本、技术同等地位的第五大生产要素；二是建立数据资源持有权、数据加工使用权和数据产品经营权等分置的产权运行机制；三是对企业数据资源的确认、计量和披露等进行规范，以指导和推动企业的数据资产入表；四是推出关于数据出境安全评估制度的实施机制等。

下面笔者从定义、特征、产权结构、监管动态等维度阐释当前数据要素市场的发展。一是定义清晰。2016年《二十国集团数字经济发展与合作倡议》将数字经济定义为“以使用数字化的知识和信息作为关键生产要素，以现代信息网络作为重要载体，以信息通信技术的有效使用作为效率提升和经济结构优化的一系列经济活动”。数字经济2.0时代重点在于“以使用数字化的知识和信息作为关键生产要素”，即数据要素。

二是特征鲜明。数据要素兼具商品和经济属性，如可信性、可复用、可交换、可度量、可互访和时效性等商品属性，以及虚拟替代性、非竞争性、规模报酬递增、正（负）外部性和价值易变性等经济属性。非竞争性和价值易变性应是数据要素不同于其他四大生产要素的鲜明特征。非竞争性与可复用的商品属性一脉相承，而价值易变性则要求数据入表或对数据进行定价时需要考虑新的定价逻辑，即不确定性框架下的定价新范式。

三是功能明确。数据是第五大生产要素，在促进经济增长等宏观方面具有重要功能。其一，降低数据分析的不确定性。面对经济金融环境中的未知变量，可以基于已有数据（此时可将数据理解为信息）得出新的数据，降低重要未知变量的不确定性，进而更新经济管理部门的理念。其二，提高生产效率。将数据理解为技术，在生产过程中又产生新的数据，即数据是经济活动的副产品，进而又可以提高生产效率，形成“数据要素—生产效率”的正反馈机制。

四是产权合理。中国式“双层”数据产权结构是“两权分离”下的“三权分置”。“两权分离”是指数据共有权与数据用益权分离；“三权分置”是基于数据用益权的数据资源持有权、数据加工使用权和数据产品经营权的分置。

五是监管到位。2023年10月25日挂牌的国家数据局以及2024年伊始各地陆续成立的省级数据局等，是数据要素市场的重要监管机构。

六是市场旺盛。据零壹财经的不完全统计，截至2023年6月末，全国由政府发起、主导或批复的数据交易所达到44家，头部数据交易所交易规模已达亿元至十亿元级别，且呈现爆发式增长趋势。国家工业信息安全发展研究中心预测，到2025年，我国数据要素市场规模将达到1749亿元。

目前，地方政府积极推动公共数据入市，企业在开发并使用自有数据的基础上推动数据入表以及部分数据的入市，部分企业在合规基础上通过数据跨境交易的审核，基于数据要素的数字经济红利蓄势待发。

数据资产：数字财富管理的底层资产

鲁政委及其合作者在《数字金融：内涵与机遇》中沿着数字经济的思路定义数字金融，认为数字金融应是一个兼容并包的概念，主要包含三个方面的内容：一是在资源运用层面，数据要素价值的重点开发；二是在技术运用层面，金融体系对金融科技的深度运用；三是在展业模式层面，数字化金融业务模式和渠道的全面创新。

数字金融发展要实现数据资产的跨期配置等目标，数据银行、数据资产质押融资、数据资产信托、数据资产保险、数据资产交易等是数字金融的最新发展领域。2023年10月1日，中国资产评估协会发布《数据资产评估指导意见》，对数据资产的定义为“特定主体合法拥有或者控制的，能进行货币计量的，且能带来直接或间接经济利益的数据资源”。这是从数据资源到数据资产的转变。2023年温州发布的《数据资产评估操作指引》明确提出数据资产评估的五大应用领域，包括数据资产交易、数据资产融资、以会计计量为目的的数据资产成本价值确认、以数据资产相关权益出资，以及数据资产创新金融服务。在数据资产创新金融服务方面，特别提到数据质押融资、数据资产保险、数据资产担保和数据资产证券化等。

数据银行方面，日本空间信息学者柴崎亮介在2012年提出“信息银行”的概念。2021年，日本已成立三井住友信托银行等7家信息银行，具体的业务模式为数据权利人通过合约形式将数据提供给信息银行，后者依照权利人的指示及合约中的预设条件，实现个人数据的管理与运营，是合同架构而非信托架构。从2021年全国两会开始，就有代表委员建议设立“数据银行”，光大银行已于2022年成立数据资产管理部。

数据融资方面，目前主要有数据质押和数据增信两类业务。贵阳银行、贵阳农商银行、交通银行、北京银行、苏州农商银行、福建海峡银行和中国建设银行等相继开展数据质押融资服务，质押的数据多种多样，如大数据洪水预报模型和茶产业生态数据等。2023年3月，深圳数据交易所联合光大银行深圳分行以及第三方服务机构开展首笔数据增信业务，深圳微言科技有限公司获得光大银行1000万元的信用贷款。

数据信托方面，2016年国际上提出可用信托架构进行数据治理，英国开放数据研究所从数据管理视角出发定义数据信托为“提供独立数据管理权的信托产品”。国际上比较成熟的数据信托案例有旨在改善生态环境的“Brixham项目”，以及重在解决经济和医疗不平等的“生在苏格兰”项目等。2016年，中航信托发布首单关于数据信托的产品，总规模为3000亿元。2023年，广西壮族自治区在北部湾大数据交易中心完成首笔电力数据产品登记及交易的信托产品。

数据资产保险方面，国内首单数字资产保险由数据资产保险创新中心牵头，由中国人保财产保险股份有限公司西安分公司进行承保，为10家企业的数字资产提供了总额100万元的保障。

可见，数据资源进阶为数据资产后，基于合理的数据资产定价和风险管理措施，数据资产就成为同土地、劳动、资本和技术一样可以交易的资产，进而推动数字金融乃至数字财富管理的发展。

数字财富管理1.0时代发展

智能投顾是数字财富管理1.0时代的主要代表。2008年国际金融危机后，部分美国投资者发现，收取高额咨询顾问费的投资经理并未给他们带来更多的安全感或更高的收益，因而努力探求更低成本更高收益的财富管理新模式，这成为美国智能投顾市场发展的根源和起始。2010年以来，美国Betterman、Wealthfront、嘉信理财、先锋集团等先后上线智能投顾平台，其业务模式以交易型开放式指数基金（ETF）为主要投资标的，以被动投资为主要特征，以税务筹划为增值功能，通过帮助客户节省费用成功取得大量投资者的信任。

我国智能投顾起步于2014年，由互联网金融机构及第三方平台率先推出，银行、券商、基金等传统金融机构跟进加入。证监会于2019年10月启动了基金投顾试点，截至2023年3月末已有60家试点机构，服务资产规模达1464亿元，客户总数524万户。然而，对智能投顾的安全风险及如何妥善监管的问题未得到完全解决。受监管调整影响，以招商银行“摩羯智投”为代表的多家银行智能投顾平台从2021年底开始陆续停止服务。随着2023年以ChatGPT为代表的生成式人工智能横空出世，国内金融机构也积极探索大语言模型在财富管理领域的应用。比如，华夏银行基于复旦大学MOSS大语言模型并辅以其他开源人工智能模型开发ChatLONGYING平台，涵盖智能投顾、智能投研和智能投资三个维度的内容。

简言之，数字财富管理1.0时代的智能投顾平台以基金投资为主，以客户画像为辅，以提高客户收益或降低客户费用为主要目的，兼顾财富管理其他维度的优化改进等。类似ChatLONGYING平台已初具2.0时代的雏形，还可在机器学习和数据要素等维度上进一步拓展。

数字财富管理2.0时代发展

数字财富管理2.0时代应以大数据、云计算、区块链、人工智能等手段为支撑，以机器学习等为工具，以传统金融或非金融资产、数据资产为底层资产，以金融投资组合理论为基础，以非金融服务为辅助，以客户画像等为手段，实现财富管理市场从不确定性交付到确定性交付的转变。

特别是，机器学习在传统财富管理业务或数字财富管理1.0时代的相关业务中有所应用，但在2.0时代针对数据资产或有重要应用。

具体而言，确定性、风险和不确定性是刻画金融市场变化三个不同维度的概念。以判断股票市场第二天涨跌为例，确定第二天涨是确定性，确定第二天涨和跌的概率均为50%是风险，无法确定第二天涨跌概率是不确定性。财富管理从不确定性交付到确定性交付，就是要将财富管理的不确定性降为风险，再降为确定性，以算法为基础的机器学习理论恰可实现确定性交付。机器学习的直观含义是让机器具备从大量数据中学习的能力，以此判断经济金融变量的具体取值或发生的概率。机器学习在宏观经济的国内生产总值（GDP）、通货膨胀率和生产者物价指数（PPI）预测，微观金融市场的股票预测和债券预测，以及客户服务的购买行为预测以及违约、欺诈乃至洗钱预测等方面均有重要应用，这将成为数字财富管理2.0时代的重要内容之一。

展望基于数据要素的数字财富管理2.0时代发展，第一，监管要防患于未然。数字经济和数字金融的发展箭在弦上，但相关定价和风控等硬实力尚不到位。因此，应在加强理论研究的基础上提供政策建议和监管方案，同时防范数据跨境流动、数据泡沫、数据迷雾、数据危机、数据贫困等潜在风险。部分地方政府提出争夺“数据定价权”，笔者认为，在此之前应考虑稳步推进数据衍生品市场的发展。

第二，机构要稳中求进。目前，工商银行、浦发银行、恒丰银行、光大银行等金融机构都联合研究机构发布“数据要素”相关研究报告。光大银行2022年成立数据资产管理部，探索以数据为生产要素、以科技为生产要素、以平台场景为生产方式、以业务中台为引领、以数据中心和技术中台为支撑的金融科技创新管理体制。相关研究的开展和数据资产管理部门的架构都值得金融同业学习借鉴，未来金融机构在此基础上可考虑成立与数据资产管理部门相呼应的数据金融市场部门。

第三，产品要有序推进。数据质押、数据增信、数据信托、数据保险、数据证券化、数据入股和数据入表等都已体现出数字财富管理的影子，或可作为数字财富管理的底层资产。银行理财产品发展之初，其底层的重要资产之一就是银行贷款，以此类推，数据质押或基于数据增信的信用贷款以及数据资产证券化都是数字财富管理的优质底层资产。如果未来国内试点推动数据衍生品市场，那同样可研发如结构化票据或结构化产品的数据结构理财产品。

第四，个人要谨慎关注。数据的非实体性和价值易变性是决定数据资产或数据投资价值高低的两个重要因素。对个人投资者而言，一方面，可以基于单位、企业和个人情况，建立个人的私有数据库，未来借助数据银行或数据信托可以实现从资源到资产的转换。另一方面，在投资与数据相关的资产或财富管理产品时，一定要穿透底层的数据资产，谨防数据泡沫、数据迷雾或数据危机等。

王增武，中国社会科学院金融研究所银行研究室副主任、财富管理研究中心主任

原文载于《中国外汇》2024年第6期