投顧三要素

智能投顧的有效水平，取決于量化系統對投資者性格的分析確認能力和對市場中投資品數據的監控計算能力。

無論是采用量化分析還是價值分析，其根本目的是為投資者選擇適合的資產，該資產既能滿足投資者的收益率要求，也符合投資者的風險性格。離開收益率和風險談投資，都難言是成功的投資。這就決定了確定一項投資需要關注兩頭：一頭是投資者的主觀傾向和客觀能力，另一頭是資產的預期表現。前者是理財師的重點工作，需要“求證”金融消費者的特征，并在此基礎上為其“聯接”投資產品；而后者是證券分析師的重點工作，需要分析投資品的風險收益特征。理財師之于證券分析師，就好比于醫生和藥劑師。

目前，智能投顧風生水起。它的本質是利用大數據、量化金融模型及智能化算法，通過深度學習而得出投資者的風險偏好，再運用一系列算法和投資組合優化等模型，為用戶提供投資參考，并不斷根據市場變化進行自動再平衡的資產投資配置方法。這就很明顯，智能投顧的水平，取決于該量化系統對投資者性格的分析確認能力和對市場中投資品數據的監控計算能力。

智能投顧迅速成為行業風口，其主要原因是傳統的人工投顧服務報酬高昂，智能投顧顧及了人腦對龐大的信息量的處理能力不足和負面情緒的影響。這是機器代替人模式在所有行業的應用優勢，理財行業也不例外。智能投顧相對于量化分析，除了能對投資產品這個“死”的大數據進行分析總結外，其革命性成就在于通過機器完成了對“活”的人的投資習慣的確認，這在很大程度上替代了理財師的許多工作。

實施投顧職責需要3大步驟：第一步是要確定投資者的風險偏好，即他的理財生命周期、風險承受能力及傾向等；第二步是搭配資產，確定市場上所有資產的收益率和風險特征；第三步是建立聯接，為投資者匹配對應的資產組合。用專業術語表述，就是經典的馬科維茨資產組合理論：資產配置就是第一步先勾畫出反映投資者效用的無差異曲線；第二步描繪出市場的有效邊界；第三步是在此基礎上得出切點組合。

智能投顧面臨的最大考驗，恐怕在于資產配置的第一步，理財規劃的個性化要求也反映在這一步驟上。由于智能投顧發展時間尚短，我們還不能斷定機器代替人是否具備顯著性優勢，但從谷歌乘AlphaGo之勢戰勝棋手柯潔這一案例來看，智能投顧的發展前景不可小覷。

理財師或將失業？在智能時代，這個問題又開始在金融業糾結，這里我們暫不作答，但需要想清楚一個關鍵問題：資產配置服務是否需要情感撫慰這一職責？