風口上的智能投顧

文/阮瀟 編輯/白琳

風口上的智能投顧

文/阮瀟 編輯/白琳

智能投顧并不是傳統人工投顧的替代品，而是互補品。

隨著人工智能、大數據、云計算、神經網絡算法等高精尖信息技術大量涌入現代人的生活，并不斷刷新人們原有的認知和世界觀，人類社會也逐步由信息時代開始步入智能時代。金融科技（Fintech）在這種背景下應運而生。智能投顧（Robo-Advisor）便是金融科技里面最受歡迎的新寵之一，成為科技產業與金融產業搶灘的熱點。

雖然目前對智能投顧還沒有一個完整的權威定義，但市場上對智能投顧已有共識，即通過運用機器或程序代替傳統的人工分析和處理所獲取的各類信息和數據，再以此為依據做出各種投資決策或判斷，并持續跟蹤和調整。

全球智能投顧的發展

2008年金融危機后，一些科技行業的公司開始研發各類投資服務工具，為客戶在做投資決策時提供幫助。到了2010年，智能投顧在華爾街迅速崛起，其中兩家最知名的公司——Betterment和Wealthfront，分別在2010年和2011年開始面向個人理財用戶推出基于互聯網信息技術與智能算法的資產管理組合建議，包括但不限于基金配置、股票配置、股票期權操作、債權配置、房地產資產配置等。其成功打破了美國金融市場上存在多年的“十萬美元困境”魔咒，全面開啟了智能投顧時代。據Statista的統計，截至2016年底，全球智能投顧覆蓋的總資產規模約為1262億美元，尚不足全球資產管理總規模的1%。但其同時預測，到2021年，智能投顧的資產規模將達到1萬多億美元，年復合增長率高達47.5%；全球使用智能投顧的用戶也將增長到9540萬。

在美國，除Betterment和Wealthfront這兩個率先殺入智能投顧領域的明星公司外，傳統金融機構先鋒基金

到2021年，智能投顧的資產規模將達到1萬多億美元，年復合增長率高達47.5%；全球使用智能投顧的用戶也將增長到9540萬。（Vanguard）和持有RIA（注冊投資顧問）牌照的互聯網公司嘉信理財（Schwab Intelligent Portfolios）也緊隨其后布局智能投顧領域。憑借在金融方面多年的積累和豐富的客戶資源，這類金融巨頭的智能投顧管理規模后來居上，很快就趕上了前期初創的智投公司。尤其是先鋒基金，更是遙遙領先：根據Statista公布的截至2017年2月份的數據，其市場規模幾乎是第二至第五名市場規模總和的兩倍（見圖1）。

在量化模型方面，這些海外智能投顧基本上類似，普遍以馬克維茨的均值-方差模型（Mean-Variance Model）及其衍生理論（現代投資組合理論 MPT、B-L模型等）作為資產配置的理論基礎。在投資標的方面，均選擇ETF作為基礎品種。此類標的既具有更寬的覆蓋面和較好的流動性，又可以避免主動型投資標的所帶來的額外風險。

總體上，海外的智能投顧主要從提高效率、降低成本兩個方面入手。就前者而言，通過較為先進的智能算法和量化金融模型，減少人為非理性因素的干擾，并可根據客戶的投資需求，為其實現定制化的資產配置方案，且可自動進行再平衡，提高了投顧服務的效率；就后者而言，通過構建低費率、高流動性的ETF組合，為投資者提供節稅服務，將傳統投顧服務中的成本轉化為收益。

國內智能投顧的興起

國內智能投顧起步雖晚，但發展迅速，各類金融機構紛紛在智能投顧領域大展身手。從2015年開始，市場上不斷地出現各類智能型投資工具。目前各類金融機構和互聯網科技公司已經開始“試水”，在市場上推出了很多智能投顧產品。

券商方面。2015年6月，廣發證券推出“貝塔牛”。貝塔牛是針對普通投資者，結合金融工程和生命周期理論，輔以MV模型（Mean-Variance模型）、B-L（Black-Litterman）模型，提供兩類配置組合：A股股票和權益和固定收益產品配置。2016年7月，平安證券推出智能財富顧問系統。該系統使用大數據精準定位客戶需求，并依據馬柯維茨組合理論優化模型，智能計算風險與收益的平衡點，實現分散投資、穩定收益。同年10月，華泰證券以7.68 億美元并購美國資產管理軟件生產商AssetMark。而AssetMark主要是為普通投資者、投資經理和券商提供全套資產管理軟件服務，屬于to B端產品。此外，還有東吳證券的東吳秀財推出的“量身定制”，以及天弘基金推出的“容易寶”。

互聯網公司方面。2015年10月，智能投顧平臺彌財正式上線運營，投資標的是海外的ETF基金；2016年4月，宜信上線智能投顧——投米RA，其背后的理論邏輯仍是現代資產組合理論（MPT），目前的投資標的為流動性較強的海外ETF等指數基金；同年8月，璇璣智投成立，推出了根據行為金融學邏輯設計的在線風險測評系統，主要投資標的為QDII基金。除了以上互聯網公司，其他一些平臺，如京東金融、百度股市通、小金所、理財魔方等，也紛紛推出了各種智能型投資顧問和工具。

圖1 全球智能投顧資產管理規模（截至2017年2月，單位：10億美元）

圖2 智能投顧服務流程

海外的基金管理行業正在經歷著革命性的變化：主動型基金面臨“夕陽西下”的窘境，其市場份額不斷被被動型指數基金侵蝕。

傳統銀行方面。智能投顧的發展相對保守和緩慢，目前有三家股份制銀行參與：浦發銀行、招商銀行和興業銀行。2016年11月，浦發銀行推出面向客戶自助使用的線上資產配置服務平臺——“財智機器人”。通過“智能投顧+投資顧問”“線上+線下”這種組合模式，為客戶提供銀行理財、基金、貴金屬等組合產品的推薦和交易服務，并與其線下配置平臺“財智速配”聯動，實現客戶遠程全產品類別的配置服務。同年12月，招商銀行推出“摩羯智投”，主要是借助機器學習算法提供智能理財服務：在客戶進行投資期限和風險收益選擇后，摩羯智投會根據客戶自主選擇的“目標-收益”要求、構建基金組合，由客戶進行決策、“一鍵購買”并享受后續服務。摩羯智投從3000多個公募基金中選取了17只基金，包括8只債券基金，7只股票基金，1只貨幣基金，1只黃金基金，可根據市場情況變化不斷調整基金池，目前的投資起點為2萬元。2017年5月3日，興業銀行在手機銀行端上線了它的智能投顧。其服務與招行類似，包括智能化數據分析、資產配置以及在線交易購買等。但其和招行的摩羯智能也存在一定的差異性：一是投資門檻較低，起點為5000元；二是在用戶風險等級以及投資期限設計方面略有差異，興業將風險等級劃分為1到6級，投資期限為1到6年，共有36種組合，而招行的摩羯智投是30種；三是在建倉和再平衡的資產端選擇方面的差異性（見附表）。

招行摩羯智投和興業智投不同情況下的資產配置對比

此外，交通銀行、華瑞銀行表示，正在研發智能投顧，預計不久就會上線。一些外資銀行，如德意志銀行也準備試水智能投顧。

實際上，還有更多的金融機構和金融科技公司準備加入到智能投顧的研發領域中來。如國泰君安計劃圍繞君弘理財規劃系統打造智慧金融；海通則宣布，將圍繞“e海通財”打造智能服務體系；渣打銀行表示，將在未來幾年投資不少于2.5億美元，打造智能財富綜合管理平臺。從目前的整個發展態勢看，互聯網科技類公司在智能投顧領域最為活躍，而傳統銀行則最為保守。未來智能投顧將會在中國出現爆發式增長，全面開啟金融智能化時代。

智能投顧憑借其特有的智能算法和模型，使其具有門檻低、高效便捷、操作簡單、理性客觀、個性化定制等優點。

智能投顧邏輯拆解

智能投顧憑借其特有的智能算法和模型，使其具有門檻低、高效便捷、操作簡單、理性客觀、個性化定制等優點。

流程

從智能投顧的流程來看，一般分為六個步驟：信息收集、投資者分析、大類資產配置、投資組合分析與選擇、交易執行、資產再平衡（見圖2）。如果針對的是美國市場，通常還會多出一個“稅收規劃”板塊。

就其目前在金融行業的運用場景而言，主要是先通過在線測評或在線問卷調查的形式來獲取投資用戶的投資行為畫像，包括但不限于年齡、職業、投資收益和目標、投資期限、風險承受能力、過往投資經歷、家庭收入以及可投資資金占比等；然后再結合智能算法和量化金融模型為投資用戶專屬定制個性化的投資方案，并持續跟蹤市場最新情況，對資產配置方案進行適時的動態調整，具有高效、便捷、透明、低成本等特征。

銀行系最大的優勢就在于擁有龐大的客戶群體和大量的金融數據，可以更精準地制作用戶畫像，即在智能投顧的信息收集和投資者分析方面，擁有絕對優勢；但在資產配置和投資分析方面，銀行會明顯弱于券商和基金。

券商系的優勢在于掌握了更多的市場行情和市場情緒的起伏變化，并有強大的賣方投研能力的支持，可以在智能投顧的投資分析方面發揮重大優勢；其缺陷在于客戶的粘性較弱。

和其他機構相比，基金公司天生就具備主動管理資產的優勢，因此其最大的長處就在于大類資產配置和資產再平衡；但在用戶基本金融數據的獲取方面明顯弱于銀行，在交易數據方面則比不上券商。

還有一支活躍在智能投顧領域的隊伍就是互聯網系公司。和傳統的金融機構相比，互聯網系最大的特點在于其投資門檻低，擁有大量的用戶行為數據，在用戶體驗和產品優化方面做得很好，更容易創新；但由于很多互聯網系公司更偏向于技術而非金融，所以其最大的缺陷在于風險管控能力薄弱。

理論算法

現階段絕大多數智能投顧的核心算法仍是馬科維茨的現代組合理論（MPT），用均值--方差模型、CAPM模型、Black-Litterman模型等方法去做資產配置。智能投顧的算法還在不斷地演化和更新，很多智能投顧的算法中還嵌入了行為金融學，將心理學、行為學糅合進來，使分析結果更貼近真實情況。除此之外，機器學習也是智能投顧背后重要的支撐因素，不僅可以幫助機構描繪出投資者的精準畫像，還可從海量數據中發掘出有利的投資模式。

投資收益

智能投顧追求的是貝塔收益（由于承擔系統化風險，帶來的風險溢價補償）而不是阿爾法收益（即超額收益）。智能投顧面對的是數量眾多的普通投資用戶，原理也是以投資組合的多樣化最大化分散非系統性風險。投資者得到的是一個普惠的資產組合投資方案，只能獲取市場平均收益率，即無風險收益和承擔系統風險所帶來的風險溢價收益。因此，判斷一個智能投顧能力的高低，關鍵是看其對“貝塔”系數的掌控能力，也就是獲得系統性收益的能力，而不是追求阿爾法超額收益。即便偶爾有幾次實現了后者，那也是暫時的，不會長久。畢竟超額收益注定是小眾的，而小眾是不能普惠的。

投資標的

目前絕大多數智能投顧是以被動投資為核心理念，追求長期收益，投資標的主要是有較好流動性的ETF產品。在發達國家成熟的金融市場上，ETF產品品種異常豐富，基本能覆蓋全球各大資產，非常符合分散投資的資產配置理念。統計顯示，截至2017年1月，美國市場有近1800只ETF，產品種類繁多。相較之下，中國的ETF市場則有較大差距，到現在為止也只有150只左右；月交易額不足100億美元，尚不及美國市場的十分之一。雖然包括有商品型、貨幣型、QDII型、債券型和指數型，種類還算齊全，但大多屬于傳統股票指數型ETF，而債券型ETF、商品型ETF等很少。在目前海外投資存在限制的情況下，這一結構難以真正覆蓋各個大類資產，達到充分分散非系統風險的目的。未來，隨著投資限制的逐步放開，ETF品種的日益豐富，在投資標的方面的發展前景較為樂觀。

風險提示

由于智能投顧的原理主要是智能算法和量化金融模型的結合，因此其最大的風險便是技術風險，如惡意代碼、虛假業績、操作系統風險，甚至算法出現錯誤等，都會帶來嚴重的影響。因此，從事智能投顧的機構需要加強技術性風險的監控，盡早盡快地識別出風險，將其控制在可接受范圍內。

其次是由于數據和模型本身的缺陷而帶來的風險。這類風險類似于系統性風險，很難被消除。智能投顧對于用戶畫像的分析都是來自于歷史數據，而歷史數據不一定能準確預測未來，會存在一定的偏差。模型只能盡可能地去模擬現實世界，而不可能和現實世界完全重合。因此世界上沒有完美的模型，任何模型都會存在一定的缺陷。

最后，不能對智能投顧過度依賴。一是智能投顧本質上還是機器，無感情，難以建立起人與人之間的信賴。二是智能投顧面對數量眾多的投資者，但由于是同一個機器人，操作邏輯相似，因而盡管這些賬戶在法律上是各自獨立的、無關聯的，但在相似的操作邏輯下則可能表現為 “一致行動人”，從而帶來潛在的投資風險。因此，智能投顧并不能取代傳統的投資顧問，只能是完善原本體驗弱化的中低端客群的服務。

總的來說，智能投顧是一種普惠的數字化、虛擬化的金融服務工具。比較適合對專業投資了解不多、投資金額不高，時間相對短缺的普通投資用戶。而對于投資經驗豐富、投資金額較大的高凈值和超高凈值客戶和機構投資客戶，則更愿意和傳統的專業投資顧問去溝通交流。因此筆者以為，智能投顧并不是傳統人工投顧的替代品，而是互補品。

作者單位：普益標準