李航 上海政法学院硕士研究生。
内容摘要
数字经济时代下，依托于大数据、云计算的人工智能等高新科技如雨后春笋般发展起来，对各行各业造成了很大的冲击。以智能投顾为例，其所依托的算法有着高效性、黑箱性、有限性等特征，需要从算法入手对智能投顾进行规制。智能投顾冲击着金融市场，有正面影响，如数据处理能力的提升和交易工具的丰富；也有负面效应，如算法歧视问题、算法内生性风险、责任承担问题、算法依赖和算法“军备竞赛”问题等。这要求监管机关要事先介入，增加证券市场主体的相对披露义务和强制自检义务，建立算法双重评估体系和监管沙盒，完善相关法律法规，明确责任承担，同时要坚持审慎谦抑的总体原则。
关键词：智能投顾 算法 规制监管 审慎谦抑 云计算
一、数字经济时代下的智能投顾
（一）数字经济时代的到来
第二次世界大战后，计算机和电子数据的普及和推广掀起了一阵科技革命的浪潮，不仅令传统工业更加自动化、高效化，各行各业的生产方式、运作模式都发生了翻天覆地的变化，这种变化持续地以各种各样新型科技的形式影响着人类文明。信息科学技术越来越朝着数字化、虚拟化的方向迅猛发展，以电子计算机为代表的科技成果引导着一次又一次的科技更新迭代，令人目不暇接。时至今日，以人工智能、虚拟现实、增强现实、区块链等为代表技术的第四次工业革命已经到来。
如今，科技的迅速发展给社会带来的影响不亚于之前任何一次工业革命。计算机的问世，使得人类的生产方式发生了巨大的改变——几行代码在电脑上运转一瞬，就可能省下数人需要花费数天才能完成的运算；数以万计的文件信息，可以储存在指甲盖大小的闪存上，在不同的电脑之间随时读写；互联网的飞速发展，使得人们可以足不出户感受世界各处之美；5g技术引起互联网信息共享的几何级数连锁反应，借助互联网真正实现万物的互联互通，使移动通信系统成为泛在的物联网、大数据以及人工智能的结合点、枢纽以及操控装置；互联网与金融行业相结合，产生了现代金融发展的重要方向，即互联网金融，为社会提供了新的经济发展契机，使得金融交易能够在传统金融的基础上更加高效，信息分享更加畅通，证券行业的发展也逐渐向网络化的方向发展，巨大的理财市场空间促使了智能投资顾问的出现。
（二）智能投顾的研究与发展
2016年3月，美国金融业监管局（以下简称finra）发布了《数字化投资建议报告》。据该报告，数字化投资建议工具（或称之为数字化建议工具）以下列七项中的一个或多个核心活动来管理投资者的投资组合：客户概况（也称为客户画像），资产配置，投资组合选择，交易执行，投资组合再平衡，税收亏损收割和投资组合分析。这些投资建议工具可以分为两类：金融专业人员使用的工具和客户使用的工具。结合了前六项活动、客户使用的工具通常被称为“机器人顾问”，也就是通常意义上的“智能投顾”。报告同时强调，“机器人顾问”可执行的活动并无标准定义，但finra所审查的工具中包含了这七项核心活动。这份报告中提到的核心活动为研究智能投顾的学者、相关从业人员和意向投资者提供了重要的参考，并且根据该报告，智能投顾应当面向客户，即其是为客户的利益服务的投资工具。
2017年2月，美国证券交易管理委员会（以下简称sec）发布了《更新指南：智能投顾》（以下简称更新指南）给出了定义：“智能投顾是典型的注册投资顾问，运用创新科技通过基于线上算法的程序为其客户提供全权委托资产管理服务。”其中“智能投顾”不仅包括注册投资顾问，也应当包括任何提供给客户的自动化投资咨询程序。这个定义指出——智能投顾应当是一种注册投资顾问工具，但未经注册的自动化投资顾问程序也应当被纳入此范畴内予以监管；智能投顾包括但不限于全权委托资产管理服务。
2017年3月，sec发布了《投资者公告：智能投顾》，向投资者们介绍了智能投顾的基本工作原理：“在大多数情况下，智能投顾会要求客户填写在线问卷，以收集客户的财务目标、投资范围、收入和其他资产以及风险承受能力的信息。根据这些信息创建和管理投资组合。智能投顾通常以比传统顾问程序更低的成本和费用提供投资建议，并且在某些情况下，所需的最低账户金额低于传统投资顾问。智能投顾所提供的服务，投资方式和组合特点因人而异。”该公告揭示了智能投顾的几个特点：通过问卷形式收集客户信息并生成客户画像；成本、收费和门槛与传统投资咨询服务对比较低；形成的投资组合和建议因客户画像的不同而不同。
2018年12月21日，同济大学智能投顾实验室与羽时金融联合发布了《2018智能投顾白皮书》，试图对国内的智能投顾行业进行范围、标准的区分和定义。“智能投顾是基于对投资者的精准画像，通过将经典的资产配置理论、资产定价理论、行为金融理论等多种经典理论与投资实践，融入人工智能深度学习算法，从而能够为投资者提供基于多元化资产的个性化、智能化、自动化和高速化的大类资产配置、投资机会预测、投资风险预测、组合管理和风险控制等投资服务。”根据该报告，智能投顾的评价标准有九类：经验丰富的团队，独特的量化技术，强大的数据库，强大的算法策略开发，强大的ai团队，精细的风控团队，出色的产品业绩，丰富的产品体系和广大的用户团体。该报告力图细化国内智能投顾的业务范围，并对这些业务进行技术上的一一对应从而建立一个相对完整的评价体系。
综合以上观点，笔者认为，想要完整定义智能投顾的内涵与外延似乎并不容易，新型的科技投资顾问工具总会被不断开发出来，与其追求准确且简洁的定义，不如从其本质特点出发。智能投顾，是人工智能发展到一定阶段下与理财相结合而产生的一种区别于传统投资理财顾问的新型投资服务，从技术上表现为以软件为主，硬件为辅。其以机器人投顾为代表，最突出的特点是利用人工构建的既定算法，对客户的需求和市场行情进行分析，设计出符合客户需求以及风险承受能力的投资理财计划。由于算法的可重复特性，这种理财方式的门槛较低，且全天在线为客户提供及时服务，对人力的需求较低，因此有着很大的潜力，可大大提高相关投资顾问行业的方案制定效率和投资方案匹配度，在满足投资方与服务提供方各自利益的这一点上有着相当大的优势，是一种较为新式的“友好”型投资顾问工具。另外，其基于深度学习的工作原理，通过大量数据的训练，可以实现程序的“自我学习”与“自我迭代”，“智能化”属性会随着深度学习的过程而逐步显现出来。根据智能化程度的高低，可以分为单纯提供投资组合和资产管理建议以及以客户账户的全权委托为基础的投资顾问。两者的主要区别在于提供咨询服务的从业者是否可以直接对客户账户内的资金进行操作。
（三）智能投顾背后的算法程序
智能投顾听上去很新颖高端，但真正的“执牛耳者”是背后保障其正常运行的算法。
算法就是任何良定义的计算过程，该过程取某个值或值的集合作为输入并产生某个值或值的集合作为输出。简要地说，算法就是输入命令后得出结果的运行过程，这个过程由算法设计者设定的代码决定。因此，算法的使用者并不需要知道这个过程是如何进行的，只需知道这个算法可以处理何事，输入的格式内容等有无需要特别注意之处，至此足矣。从这个意义上讲，算法具有“黑箱性”，即作为算法使用者的大众，除非具备专业知识，否则对于算法运作的具体过程是难以理解的，算法的更新迭代也决定了哪怕经验丰富的程序员也不可能穷尽所有算法的内在逻辑，这也体现出了算法的复杂性。
算法具有高效性，这是其背后的原理所决定的。算法程序可以在输入值互不相同的情况下，于极短的时间内重复某种或某些特定运算上亿次，这是人力难以企及的。也正因该特性，算法在很大程度上解放了人类大量的重复性劳动，从而将精力投入更值得研究的领域，比如如何拓展算法的应用使其更好地惠及全人类，从而促进算法迭代，形成良性循环。
算法具有有限性。算法必然伴随着值的输入与输出，因此任何算法必定最终得出结果。无限重复的算法只有输入值而得不到输出值，这样的算法并无实质意义。算法的有限性决定了单个算法能够解决的现实问题也是有限的，这也直接导致设计者们为了充分利用算法的高效性、最大限度避免算法的有限性，导致算法愈加复杂，绝大多数开发语言愈加高级、抽象。
（四）智能投顾所受的质疑
智能投顾自出现以来，并非众口交赞：一部分人认为，人工智能形式的理财不能保证投资方案的科学性，原因在于其不能像人类那样懂得通盘考虑各种因素，如政策因素、供求因素等，并推出最合适的投资理财产品。而作为投资者，其选择某企业推行的智投，往往并不是因为对这种算法的理解有多深入，而是通过企业宣传、道听途说等途径才做出这种选择的。双方之间的服务关系通常建立在一方对另一方的信任，更具体来说，通常是企业总体的规模、经营状况、口碑等。另外，算法的“黑箱性”也同样引来了部分人的质疑———如果（哪怕概率极低）算法的设计者利用了算法的这一特性，在设计相关算法时“偷工减料”，或者将算法设计成偏好某些理财机构或产品，受到损害的依旧是客户。
智能投顾只是金融市场运行过程中的一个缩影，智能投顾受到的质疑在一定程度上可以说明并非每个人都认为数字经济对金融市场的影响都是积极的，这就需要深入研究算法背后的本质及其对金融市场可能造成何种影响。
二、数字经济时代下的金融市场
（一）大数据是算法立足于金融市场的基础
算法固然是“执牛耳者”，但离开数据的算法没有存在于证券市场上的意义。
阿尔文·托夫勒于1980年在《第三次浪潮》中预言了信息时代的到来会带来数据爆发，而“大数据”一词是由美国硅图公司的首席科学家在usenix大会上首次提出的，研究机构gartner将“大数据”定义为：大容量、高速度和多样性的信息资产，需要以高效、创新的信息处理形式，以增强洞察力和决策能力。ibm提出了大数据5个“v”的特性：volume（大量）、velocity（高速）、variety（多样）、value(低价值密度)、veracity(真实性)。
一般来说，达到“pb”以上的数据量才可以被称之为“大数据”；高速性一般则要求正常计算机需要耗费数月完成的数据处理，可以通过云计算的方式实现一秒（甚至不到）的时间完成相应运算，这对支撑算力的技术而言是一个很大的挑战；多样性是指随着互联网以及物联网的发展前景下，数据的表现形式多种多样，最常见的如文本形式、图片形式、音频形式、视频形式等；低价值密度主要是指，尽管大数据的单位如此之大，但数据本身的价值是相对较低的，真正有价值的是通过算法程序对数据进行分析之后得出的内容，这些内容通常也是以数据为载体，但是与作为输入值的数据来讲，其价值体现在使用者运行算法的目的之中，而这些有价值的数据（输出值）才是行业人士应当挖掘并妥当应用的。真实性则是指，由于数据产生于人类客观的社会活动，数据不会“说谎”，因此通过算法模型的构建以研究大数据所反映出来内在规律可以帮助人类把握和预测现实事件，其价值不言而喻。
综上可以看出，算法的本质就是将本身没有规律可言的大数据予以归纳分析，进而得出设计者需要的有价值的数据，是一种将无序未知转化为有序已知的信息进而加以利用的逻辑过程。在证券市场上，合法地掌握不对称的信息有助于在市场交易中取得相当的优势地位。因此，就需要进一步研究智能投顾的算法和其所依托的大数据对证券市场的影响。
（二）证券市场正在受到大数据的积极影响
７年前，维基百科就预测，2012年至2017年，大数据市场将以惊人的复合年增长率58%的速度增长，达到五年内500亿美元。这表明众多公司决策层致力于推动大数据技术发展。时至今日，人工智能的开发正对证券市场造成前所未有的正面冲击。其中主要包含了以下几点：
1.数据处理能力飞跃性提升
大数据时代下，人工智能的发展表现出了惊人的数据收集、整理和分析能力。前面已经提到，大数据下的云计算可以将往常需要数月完成整理分析的数据在短短的一秒钟之内加以分析。其永不疲倦永不休息的工作特点使得在完成重复性的数据分析活动时表现出的耐力和效率远远高出人类。这种状况势必导致那些不懂得更新知识体系、只会在本行业“划水”的企业或个人终将因职位需求的变革而被市场淘汰。科技终将促进各行各业的工作方式和工作机制，这也对证券市场中从业者的知识广度和实践能力有了更高的要求。
2.科技的发展丰富了证券交易的工具和手段
智能投顾的出现就是交易工具丰富的例证之一。投资者对于更高效、收益率更高、服务反馈及时的投资服务有着相当高的需求，这与传统证券市场交易中相关投资服务者提供的投资方案单一、风险较高等缺点之间产生了矛盾，这种矛盾在监管机构明确投资风险应当由投资者自身承担之后更为加剧，也促使了更为智能化的投资工具的产生和发展。对接大数据的投资服务，在信息瞬息万变的证券市场之中可以使得投资者能够掌握相对更多的信息，投资的结果更优的概率被大大提升。
3.技术的发展使得证券市场各主体行为更为谨慎合规
技术并非都被证券市场的“游戏者”所掌握，同时也被“游戏规则制定者”——监管机构所掌握。技术提升对证券行业可能出现的证券欺诈、内幕交易等违法行为有了更为便捷的取证路径和监管视角。而作为“游戏者”，除了要注意不要违反既有的法律法规、政策意见等，还注意监管机构的线上监管措施，大数据的分析筛选可能只需相当短的时间便可锁定违法主体及其行为，监管者的执法成本降低，证券经营机构的违法成本提高，倒逼证券市场各个主体更加重视合规化。
（二）证券市场正在受到大数据的积极影响
1.算法歧视的产生
算法歧视是算法黑箱的产物。智能投顾的高效性、分散风险的特性使得投资者在面临需求与传统服务供给的不平衡不对接的情形时更倾向于选择基于算法对投资模型以及多种内生变量、外生变量进行综合分析的智能投顾类产品。但是“算法黑箱”的理论告诉我们，多数投资人并不明白给定的投资组合方案是通过何种分析过程得出的，双方的信息不对称隐藏在看似平等的服务合同之中，这样的信息不对称可能会使得服务提供者的服务行为并没有本着以客户利益为出发点的原则进行方案的提供，并将这种倾向以代码的形式嵌入算法程序之中，但是外面却披了一件“算法产品提供最优方案”的外衣，可谓之“阴阳算法”。
如前所述，智能投顾应当是面向客户的买方投顾工具，其旨在服务中低端投资者群体并对该群体的客户负责。然而，国内多数的智能投顾却异化为了卖方投顾，并非以投资者的利益为导向。“在人工智能时代,算法的不公开是原则,公开才是例外。”智能投顾的异化一定程度上可以说是算法歧视所导致的，不透明的算法增加了道德风险和服务惰性，即便服务提供者有意通过算法偏好设计将某种证券产品组合推荐给了客户，客户也可能以为这是通过算法的严格计算所得出的结果，此时，算法歧视甚至进化成为赤裸裸的欺诈行为。
2.算法模型构建的内生性风险
算法的运作必然有输入值和输出值，按照技术逻辑，智能投顾通过对信息进行收集分析从而给出投资组合方案，这个过程可分为三个阶段：信息收集阶段、数据分析阶段和方案给出阶段。其中前两个阶段是核心，最后一个阶段是前两个阶段经过后的必然结果。智能投顾的算法是由各种数学模型和命令语句组成的，命令的执行带有机械性，其中一个数字的改变可能会导致结果前后大相径庭，风险可能随之指数化上升。
在信息收集的过程中，客户画像构建主要是通过线上问卷的方式进行信息的收集，其目的是对客户的投资偏好进行预测并以此作为推荐投资组合的决定因素之一。此外，对市场行情和政策法规进行的收集则一般通过定向或非定向数据抓取获得。最终，这些信息将会被转化为智能投顾算法的输入值参与计算。问卷调查的方式可以降低客户的行为成本，但是这种方式得到的客户信息存在一定的或然性和不确定性，因为客户的实际意愿和需求并不一定能够通过问卷中的问题反映出来。另外，将问卷调查和数据抓取获得的信息转换为可被计算的值这个过程本质上也是一种算法，可以被称为“收集算法”，即在进入数据分析之前，原始数据需要经过“收集算法”。数值经过的算法越多，其偏离客观的概率也就越大，导致投资风险。
在数据分析过程中，由于此时输入的值经过“收集算法”，作为可参与运算的数值本身是客观的，因此核心算法的运作就决定了最终投资组合方案的出具。核心算法的构建主要是通过构建模型的方式进行量化分析，是定性分析在投资领域的量化应用。但是投资领域的情形并非完全可以被囊括在量化领域中，因此智能投顾的核心算法势必会因存在某些难以涉及的情形而导致分析结果的片面，增加投资风险。
3.责任承担问题
当智能投顾与深度学习技术结合在一起时，会产生“1+1>2”的情形。深度学习的目的是算法通过对于大量真实数据的采集和分析，不断自我更新迭代，使得机器能够像人一样思考。当然，这里的思考只是一种逻辑上的思考过程，本质上是一种归纳，利用统计学原理在大数据中寻找潜在规律并输出。
当算法深度学习到一定程度时，其被运用于实践中以达成预期目的，就达成预期目的而言，此时的算法可以动态地进行投资组合方案的提供和改进，并不需要在交易前或交易中介入人力。如果因此对客户造成了财产的损失且符合相关法律的侵权或犯罪要件，此时承担责任的主体是谁？承担责任的比例又该怎么划分？这都是以智能投顾为例的人工智能在经济领域中所需要被解决的问题。
4.算法依赖和“军备竞赛”风险
算法的广泛应用导致人类对其依赖度上升，这本无可厚非。然而，物联网、大数据和人工智能的结合可能会使得法律解释和法律推理越来越多地被算法提前设定，结果很可能是使得法律判断成为一种基于算法的机械行为。同样地，过于依赖智能投顾的算法，在可预见的未来可能导致金融市场的算法化，人类越依赖智能投顾的算法，投资思维就越会受到算法潜移默化的影响，甚至被同化，人类特有的投资理性思维空间被进一步压缩，从而使得少数人利用算法间接影响乃至操控市场上的货币资金融通，金融市场可能因此演变成算法市场。
前文已提到，金融市场主体在交易过程中由于监管机构技术性监督的存在，其审慎从事交易行为，对金融市场的蓬勃发展是有积极意义的。但另一方面，这可能会促使市场主体，尤其是具备财力与市场份额的企业开展算法“军备竞赛”以期逃过监管机构的监督。其表现形式有——违法采用更为有效的算法对违法行为予以“清洗”，变为具有合法外观的行为从而逃脱监管；采用人工智能的算法，通过算法自我学习找到符合法律法规的漏洞予以利用，堂而皇之地规避监管。尤其是对于数据驱动的大型企业，其成功开启算法“军备竞赛”后可能会成为“业内标杆”，客观上促使更多的人转而将重点放在逃避监管等非正当目的上，产生“羊群效应”。尽管在某种程度上可能会促进科技水平的总体提升，但是这种不良的竞争、交易风气却是应当被重视的风险。
三、监管对策应有的变化与坚持
金融市场的蓬勃发展离不开有效的监管。数字经济时代的到来为金融市场的数字化带来了机遇，交易方式和交易类型都发生了很大的转变，监管机构进一步介入是有必要的。
（一）确立相对披露义务和强制自检义务
数据驱动型的上市公司获得数据所具备的能力非普通企业可比，其对数据的获取具有明显的聚集效应，通过市场份额与技术的优势可以获得更多的客户，对客户进行精准服务的人力物力投入可以获得正反馈，客户的量会越来越多，其可获得的数据量就越来越大，用以训练自我实现型算法的数据集就会越大，其越有以精准算法模型影响乃至操纵证券市场的现实条件，监管机关不可不重视。
对这种可能会出现的行为，监管机关应当确认事前介入的方式。具体可以要求使用相关算法的企业对其获得数据的来源进行说明，并强制性要求相关企业对算法源代码进行备案，如有必要可要求企业做出解释说明。这种事先介入的方式可成为事后追索的重要依据。应当明确的是，涉及技术、商业秘密等信息的披露属于相对披露，即对于这类信息，必须向监管机构披露，可以由企业主动向社会公布，一经公布企业便对其公布事项的真实性负责。
智能投顾算法的内容和结构直接关系到算法的运行结果，由于市场趋势和具体政策并非一成不变，因此保持事后的维护也同样重要。据此，应当强制要求使用智能投顾的企业开展定期的排错和调试，即所谓的“debug”，其对象是算法运行过程中的各种数据模型和计算逻辑，包括数据收集算法程序和数据计算算法程序，并将相关材料和报告进行备案，做留痕处理。
（二）建立算法双重评估体系和监管沙盒
算法歧视的风险加之监管者与被监管者微妙的“对抗性”，可能会导致算法逻辑解释的“一言堂”，智能投顾算法的设计者和使用者如此，监管机构亦是如此。因此，应当由双方各建立技术评估团队，评估的具体项目、标准由监管机构给出。其中，监管机构可根据情况自行组织或由第三方评估，且不能与算法设计者或使用者及其评估团队有利益冲突和其他不适合同时做出评估的情况，反之亦然。任一方可以就对方的评估报告提出异议并请求对方做出解释，该过程应当同评估报告一同备案作为留痕管理。
若监管机构经过评估之后认为有必要，可以设立监管沙盒。“监管沙盒”是英国金融行为监管局在2016年提出的一个概念。金融科技产品被放置在一个缩小了的金融市场环境之中去运营，该金融环境中一切市场影响因素与现实一般无异，而监管方面则会体现得更为宽松。其目的是通过真正投入到金融市场之前，在一个几乎一模一样的小环境下进行金融科技产品的实践性测试和评估，以决定是否准许进行正式的使用。该监管模式的监管成本相对较低，且风险被限制在既定金融环境中，发生系统性风险的可能性大大降低。
通过建立算法双重评估体系和监管沙盒，从理论与实践上对智能投顾的算法进行规制，是前期发现智能投顾风险并予以规制的一项可行举措。
（三）完善相关法律法规
《关于规范金融机构资产管理业务的指导意见》（以下简称资管新规）已经对智能投顾进行了规定，但语义表述令人难以准确把握。资管新规第23条第1款中有两点让人费解：
其一，“非金融机构不得借助智能投资顾问超范围经营……资产管理业务”，这是否意味着非金融机构可以借助智能投资顾问在合法合规的范围内经营资产管理业务呢？从逻辑上来讲，这个结论是站得住脚的。但是在第2、3款中，被规制的主体是“金融机构”，且资管新规的标题中也有“金融机构”字眼，金融机构从事资管业务尚且需要监管措施，而非金融机构出现在这里却没有进一步阐明，造成了不必要的困惑。
其二，前文已经提到，智能投顾的智能化程度较高时可以做到既经营投资顾问业务，也经营全权委托的业务，主要区别在于被委托人是否可以直接对客户账户内的资金进行投资操作，可以说，这是两类性质不同的业务。从第1款的语义结构中，至少表面上可以得出“投资咨询类金融机构可以借助智能投顾从事资产管理业务”的基本结论，第2、3款则对相关业务经营行为进行规制。然而证券法第161条第１款第１项规定，证券投资咨询机构及从业人员从事证券服务业务时不得代理委托人从事证券投资。下位法是不能突破上位法的，因此从现行法律规范的角度来看，由于两类业务的性质不同，那么投资咨询机构就不得借助智能投顾从事全权委托业务，但是资管新规第23条第2款就提到“金融机构运用人工智能技术开展资产管理业务应当严格遵守……”，意在说明金融机构可以借助智能投顾开展资管业务，只不过有限制条件。如果保持法条规定的自洽性和一致性，这会导致另一个结论：全权委托业务也不属于资产管理业务。如此推理，全权委托业务既不属于投资顾问业务，也不属于资产管理业务，这个结论是不合理的——不属于两者意味着不受相关法规的限制，这个结论的实质是由某法条推出了全权委托不受该法条约束，这是一个悖论，想必并非立法者本意。
法律法规不完善、语义不准确是导致出现这些疑惑的原因。因此，笔者认为，为保持法律法规的自洽和内在一致，应当进行适当修改，完善相关定义的内涵和外延。智能投顾作为一种面向客户的投资科技工具，账户的最终控制权应当由客户掌握，其“资产管理”的属性被无形中削弱，因此将全权委托纳入投资顾问业务更为合适，并以此对相关法律法规进行一致性修改，同时明确智能投顾平台准入规则，填补法律空白，破除限制智能投顾发展的法律窘境。
（四）责任承担的特殊性
智能投顾作为算法型投资顾问工具，必然有算法的设计者和使用者，在某些情况下这两者可以是同一主体。
当算法使用者故意借助算法实施违法行为时，根据技术中立原则，又称“实质性非侵权用途”标准，其内容是：当产品或服务既可以用于合法用途，又可用于侵权用途之时，就不能仅仅因为有人使用这一产品进行侵权来推定产品或服务的提供者有帮助他人实施侵权的主观过错。这项原则是美国联邦最高法院在1984年的“索尼”案中提出来的。因此，当算法使用者故意使用该算法进行欺诈或其它违法行为时，算法设计者不能仅因其提供了该算法产品而被推定为有过错从而和算法使用者承担共同侵权责任或成立共犯。
当智能投顾借助深度学习型算法达到了较高的智能化程度时，算法使用者可能对某些侵权行为的发生并不报有主观恶意，因为可能整个过程都是由智能投顾一手操控的。此时责任到底应该怎么分配才能更大程度地符合社会公平正义？笔者认为，除非确实有证据证明算法设计者和使用者的故意或过失，否则难以因此令其承担相应法律责任。此外，暂停当前使用的算法，通过改进或者清除源代码的方式进行人工干预，这种行为在可能到来的强人工智能时代中，当机器人有了独特的人格后，这种惩罚措施或许会演变成一种“对算法责任”，但是就人工智能发展的现状看来，依旧属于一种“对当事人”的监管惩戒措施。
此外，在程序法的角度上来看，如果出现纠纷，客户与算法使用者或者设计者所拥有的信息是极为不对称的，这也是由算法黑箱所导致，因此，可以考虑由算法的设计者或使用者就算法不存在瑕疵或不存在谬误等与算法有关的情形承担举证责任，以解决信息不对称带来的诉讼难问题。
（五）对算法的规制采取审慎谦抑的原则
这应当作为当前对待智能投顾的总体态度。原因在于，上文中提到的一些对于金融市场负面影响进行纠偏的，是建立在成熟的算法科技的基础之上的，我国的金融技术发展起步较国外晚些，加之当前国际形势复杂多变，众多国家相继对中国实施技术制裁，如果设置过于苛刻的准入和评估体系，可能并不利于中国金融经济和实体经济的发展，既要扶持中小企业的发展，又要激励大型企业的科技领头作用，因此，在监管上面应当坚持审慎谦抑的原则。这也要求提升证券市场的开放性，对于科技创新企业等应当给予充分的肯定与鼓励，金融科技的入场并不是一种威胁，而是一种机遇，监管机构应当将监管重点放在当金融科技可能异化或者已经异化的情形下对其进行的纠偏上，而非阻碍金融科技促进经济发展的趋势。据此，可以适当采用上述措施中的一种或几种，稳步推进监管措施逐步落地，达成监管与激励的动态平衡。
结 语
监管机构制定规则的“滞后性”是其“安定性”要求的副产物。对于智能投顾来说，既要对可能存在的算法风险予以事前介入，同时应当注重介入时要尽量使得对促进金融科技发展创新力的削弱程度降至最低，这就要求监管机构坚持审慎谦抑监管原则。数字经济时代的潮流滚滚而来，监管机构既要适应新环境下的新变革，又要前瞻性地透过金融市场的表象看到算法主导的本质，加以审慎监管、谦抑执法，如此方可在新的时代背景下使金融市场处于良性的交易环境之中。
上海市法学会欢迎您的投稿
fxhgzh@vip.163.com
罗培新：疫病境外输入压力日增，外国人可到中国免费医疗？国民待遇，绝不应等于“国民的”待遇
罗培新：“作业帮、题拍拍”等摧毁的，或许是我们最应珍视的价值
罗培新：医护人员“集体放弃”抗疫补助？法理事理情理，理理皆输
余圣琪：人脸识别技术的风险与法律规制
杨眉：企业数据权益和个人信息权益保护机制研究
沈忆佳：网文时代侵犯著作权犯罪中“实质性相似” 的判定研究
陈一宏：论经营者集中控制制度中的创新考量
何俣 黄婷：注册制对股票发行上市法律关系“私法化” 的影响
来源：《上海法学研究》集刊2020年第15卷（数字经济法治文集）。转引转载请注明出处。
责任编辑：尤娇娇 王柯心
上观号作者：上海市法学会