银华何海云：智能投顾是基金组合投资急先锋

　　随着公募基金规模总数超过3000只，且品种逐渐丰富，主题型、行业型和商品型等不同类型的基金数量的增多，基金的挑选和配置也成为老百姓（603883）的难题。“智能投顾”和“FOF”两类基金组合投资方式正引发业界和监管层的关注。

　　有着多年海外资深FOF投资经验的银华基金资产配置主管何海云认为，未来在个人养老金账户的发展下，FOF规模也有望像美国一样达到公募规模的1/10。不过，目前FOF指引迟迟未能落地，无需产品载体、运作更为灵活的“智能投顾”成为基金组合投资的“先行者”。目前，银华基金已经推出3种组合，并通过量化策略调整投资组合风险，从而降低高波动品种对组合净值的冲击，从相对收益中获取绝对收益。

　　FOF有望占到公募规模一成

　　今年6月，中国证监会发布《公开募集证券投资基金运作指引第2号——基金中基金指引(征求意见稿)》(简称“征求意见稿”)。中国版公募FOF呼之欲出。自1985年以来FOF在美国已经历经30余年的发展，成为个人退休金以及慈善基金等资金的主要配置方向。目前美国FOF的资产总规模逼近2万亿美元，占共同基金资产规模的10%左右，成为美国资本市场不可或缺的重要投资力量。何海云认为，FOF也将成为中国的重要品类，未来中国有望建立个人账户制度为基础的养老金制度，在美国401(K)制度和香港强积金这两大养老金计划的影响下，中国也将逐渐认可FOF作为养老金的主要配置方向。

　　何海云认为，在目前的环境下，全市场公募FOF的挑战较大，表现在三个方面：一是中国公募基金同质性强。由于公募基金重视相对收益，因此净值走势与指数高度相关。二是部分主题基金的配置与其合同约定的风格相偏离，增加了配置的难度。三是当前基金品种不够健全，尤其是具有对冲性质的基金品种有限，影响了FOF策略的可操作性。因此，相比于全市场型的公募FOF，公司内部FOF和内部基金组合，更适合做组合基金产品的“排头兵”。不仅如此，公司内部FOF还可以大大节省投资人的成本，因为能够通过协调后端的管理费及其他费用，降低整体基金组合的管理费，可以有效地减轻双重收费的问题。

　　2016年银华基金各项业务发展势头良好，尤其是资产管理规模逆市增长，各类资产管理规模合计超过5000亿元。中国基金业协会日前公布的信息显示，截至今年6月30日，银华基金管理公募规模为1699亿元，较去年底增加150亿元，位居业内第十五位；专户管理规模1249亿元，较去年底增加266亿元，位居业内第九位；基金子公司专户管理规模1840亿元，位居业内第十八位；社保及企业年金管理规模位居业内第十位。

　　智能投顾先行

　　数据显示，目前公募基金产品数量超过100只的有4家，超过80只的有8家，超过60只的有17家，这说明部分公募基金公司已经有实力进行内部的基金组合类产品设计。何海云在全球资本市场有10多年的投资经验，从事领域包括资产配置、投资策略、对冲基金、金融衍生品等。他认为，基金组合类产品最关键的是资产配置，如同炒菜，既要有好的原材料，也要有好的搭配和厨艺。

　　数据显示，目前银华基金共有64只基金产品，指数型、债券型、股票型、混合型、货币基金等产品线齐全。何海云介绍，下一步银华基金将构建更多的“原料”，如商品型基金，以便更方便地构建跨品种、跨市场的投资组合。

　　由于FOF指引目前只是征求意见稿，且FOF必须以基金产品的形式运作，因此，银华基金以类FOF效果的智能投顾先行试水基金组合投资。所谓智能投顾，又称机器人（300024）投顾，即通过灵活的算法提供投资顾问及管理的服务。

　　据悉，目前银华基金的互联网金融部已联合战略、投研、产品、市场等部门，把智能投顾作为精细化运营的战略方向，在APP平台上推出线上投资组合，目前已实现基金组合一键下单的功能，未来还将增加自定义组合和跟投功能。为了帮助客户清晰了解自身需求，互联网金融部还联合IT部进行了大数据分析，涵盖客户的投资情况、风险偏好、交易习惯等信息，对客户进行分层分级“贴标签”，从而提供更加个性化的投资组合，实现更加精准的“智能投顾”。

　　何海云介绍，目前三个智能投顾组合策略既有积极风格，也有保守风格。积极型组合今年收益已跑赢大盘指数。据悉，智能投顾组合将根据模型进行频率不太高的调仓，强调通过择时策略止盈止损。

　　“公募基金以相对收益为主，而基金组合投资则应该是一个不断的赚取收益和锁定收益的过程，不然市场一个来回，可能就会将收益吃光。”何海云说。

 来源： 中国证券报

资本抢滩智能投顾 概念炒作频现“浑水摸鱼”

   在“资产荒”困局中，智能投顾作为一项颇有噱头、倍显洋气的“黑科技”，正成为各类金融机构争相抢滩的新蓝海。公募基金、金融科技公司乃至P2P平台都声称智能投顾在大类资产配置中的运用将为投资者带来更便捷的体验和更合适的回报。

　　全球两大智能投顾的标杆Wealthfront和Betterment都宣称管理着可观的资产：根据今年一季度的统计，Wealthfront和Betterment的资产规模分别为30.55亿美元和39.5亿美元，而后者在其官网上将这一数字更新为最近的50亿美元。巨大的规模前景为国内的广大机构提供了源源不断的践行动力。与此同时，萌芽期的智能投顾技术尚处监管“空窗期”，也为各类机构的发力提供了绝佳的时间窗口。

　　然而，业内人士认为，目前真正了解并能成熟运用这项技术的机构少之又少，甚至不乏浑水摸鱼之辈，而国内市场本身的特殊性也对智能投顾的落地提出了挑战，“外来的和尚”未必好念经。不过，亦有从业者称，作为一项新事物，未必能一蹴而就，但只要其能在大类资产配置、择时、选品类等任一层面有正向贡献，就值得鼓励。

　　追逐“风口” 各路资金竞相抢滩

　　“毫不夸张地说，智能投顾现在火热的程度绝对能和当年‘互联网金融’刚开始兴起时相媲美，是国内资管机构在资产荒局中的新突破，如果其正面效果能被时间验证且被大范围普及，其带来的变革可能不亚于当年的余额宝。”某公募基金量化负责人说，“不过，当前还有很多问题要解决。”

　　在这波智能投顾火热势头的背后，三类机构扮演着重要的推手角色。第一类是近期宣称要抓住转型机遇期的公募基金。第二类是早于去年就将智能投顾引入国内的第三方机构和P2P平台，他们也有着自己的智投产品，主要为用户建立起与其风险偏好相匹配的分散化投资组合。第三类是意欲打通自身财富管理条线的金融科技类公司，例如京东金融、百度股市通、蚂蚁聚宝等。另外，传统券商也开始探索这一模式，广发证券(000776,股吧)最新的一版APP中增加了体验版的机器人投顾“贝塔牛”等。

　　据海外咨询机构统计，截至2015年年中，智能投顾公司管理的资产规模已超过210亿美元。未来5年，智能投顾的市场复合增长率将达到68%。毕马威报告认为数字财富管理正改变着投资的局势，预计到2020年，美国智能投顾的资产管理规模将会达到2.2万亿美元。如此巨大的市场蛋糕以及如此高速的增长，很难让人不去想象，在科技和金融方面与美国越来越相近的中国市场，在这一领域是否会迎来新的“黄金时代”。

　　金融机构纷纷抢滩，那么何谓智能投顾？“用云计算、大数据、机器学习/深度学习等技术，将资产组合等金融投资理论应用到模型中，结合投资者个人财务状况和风险偏好，为投资者提供最佳投资组合。”前述公募基金量化负责人表示，“简而言之，让机器代替传统的理财顾问，降低客户进行资产配置的成本、提高投资组合的收益。”

　　微量网董事长冯永昌则认为，智能投顾是个很宽泛的概念，简而言之是投资顾问行为的智能化，但由于投资顾问行为本身丰富多彩，在其细分类别上又不可等量齐观。“目前智能投顾市场有智能资讯、持仓智能分析、账户智能交易、投资者智能财务规划以及陪伴型投资机器人五种模式。智能投顾首先是一种技术，包括策略（算法）技术和软件技术，然后是把技术应用到投资顾问行业的一种新理念，紧接着是产品创新。对于创业机构，是一种探索中的商业模式；对于成熟机构，更多是改善现有业务模式的一种手段和工具。”

　　他分析，对于资讯类智能投顾产品，其核心价值点是“投资分析”；对于交易类智能投顾产品核心价值点是“策略交易”；对于账户诊断和财务规划类产品核心价值点是“智能理财”。但是国外的一些智能理财产品除了具备咨询功能外，也提供交易通道，所以具备了准资产管理特征。

　　概念炒作不断 技术瓶颈尚待突破

　　不过，从概念的引入到投资理财服务的落地，不同机构的理解也呈现了“千人千面”的状态，这也让当前刚刚起步的国内智能投顾市场出现了不少误区和混乱局面，和海外智能投顾市场相比，则存在十分明显的差异。

　　“从资管的角度来看，很多机构做智能投顾的运营模式和资管运作的传统模式存在很明显的冲突。比方说，如果机构是希望通过智能投顾的方式来降低投资理财费用，甚至达到普惠用户的目标，那么这种智能化投资策略是否真的在市场有效，实际上很值得怀疑。因为有效的投资策略方案应该是稀缺且有价值的资源，这也是资管行业获得高额盈利的关键。”对于智能投顾的投资理念，一位管理多只量化基金的基金经理表达了自己的“困惑”。在他看来，智能投顾和量化投资的策略有类似的地方，即通过数据化方式形成投资方案，但是检验智能投顾策略的有效性，同样需要长周期市场的考验，如果缺乏这个因素的考虑，那么所谓智能化的投资，不排除只是投资顾问售卖自己投资策略的一种新的方式而已。

　　“对于普通投资者而言，改变他们的投资习惯，从自己投资理财的概念跳跃到将资产配置管理交给计算机系统的判断，这其实是一个很大的跨越，其中的投资者教育成本很高，不确定能够大面积普及这种智能化投资的系统。”一家基金公司互联网金融部相关负责人表示，推进智能投顾系统，实际落地上存在很多现实的困境，除了在系统的改造上耗费大量资金人力之外，自身产品体系的完备性、客户用户风险偏好的统计准确性、资产配置需求把握等等都是考验这项新业务落地的关键因素。

　　从目前展开的业务情况来看，国内机构试水智能投顾业务，却不得不只能做到“浅尝辄止”的地步，其业务进展也只能停留在表面，比如和传统投顾服务类似，只提供投资建议而无法进行直接组合的投资管理；欠缺投资目标设定、推荐组合配置缺乏说服力；或者在全球ETF资产配置方面，受到个人外汇管制限制等等。而和国外普遍配置ETF产品不同的是，不少互联网金融机构推出的智能投顾业务产品配置则集中在主动型公募基金产品，在回避市场波动风险问题上尚未有明显的效果。

　　另外，不少业内人士认为，尽管智能投顾被视为金融科技发展重要方向而受到市场和资本的追捧，但是其中也不乏一些机构借助新的技术概念来进行自我的包装和炒作。“现在市场上有些理财机构或者财富管理公司，并没有很强硬的技术和数据库系统支撑，产品品类也非常稀缺，甚至无法做到最简单的分散风险的投资组合，仅仅是投资经理将自己原有掌握的客户投资偏好等资料进行一个简单归总来推介投资方案，这从本质上还是人工投顾，和智能投顾并不相关。”在深圳一家金融科技公司从事投资量化分析工作的李伟表示，智能投顾的目标是降低投资成本，为用户获得稳定的资产配置收益，但如果有人声称可以通过智能投顾来寻找翻倍股或者巨额收益，这很可能就是一个营销卖点或者套路而已，投资者需要仔细甄别。

　　“智能投顾平台是借助技术来提供准确优质的投资服务，但目前国内外精通人工智能领域的人才十分稀缺，且能够有实力做大数据算法应用和提供丰富产品的公司和平台并不多。如果没有这些硬件技术支持，可能就没办法真正做到智能化，那么充其量就是概念炒作，谈不上做智能投顾。”长期关注人工智能领域的物联网创建人杨建勇认为，目前不少借助人工智能热潮和机器人理财概念来进行新业务布局的互联网理财平台，其背后平台数据和技术实力能否支撑真正的智能投顾业务，实际上也是一个值得商榷的问题。

　　“另外还存在合规性和适当性的问题。”某大型金融科技公司财富管理条线负责人称，“部分地方证监局也下发了一份关于互联网专项整治的文件，提到相关法律法规问题，我认为在对个人的投顾服务尚不明确的时期，还是要在合法合规的框架下去做一些尝试，比如有的互联网平台在既没有证券投顾又没有资管牌照的情况下做个股的建议，实际上存在道德的风险；而有些第三方在没有取得基金销售牌照的情况下做基金的组合，也存在不合规的行为。另外，有些P2P公司将自己平台上不同期限的产品打包销售，也不见得能真正贴合投资者需求。”

　　“外来和尚”的本土化之路

　　尽管智能投顾尚处摸索阶段，问题重重，但越来越多的机构人士仍然意识到，这种“互联网+人工智能+大数据”的新型模式正在成为资管行业的一个新的趋势，“外来的和尚”要“念好经”，还得走上本土化之路。

　　智能投顾在美国兴起并受到年轻人士的追捧，主要是因为其起投门槛低、管理费用低、资产配置优化和合理避税等多面的原因。而在中国，除了第一项能做到相似水平外，其他三项由于主客观因素的影响，优势尚不明显。

　　首先在合理避税方面，在美国，投资者需要缴纳多种税收，包括股息税和资本利得税，不同的交易及报税方式往往会产生不同的纳税结果，这时智能投顾的优势就得以发挥，机器在合理避税方面有很好的实践结果，同时可以利用一些指数化投资的技巧来避税。但国内目前并不存在资本利得税，因此此项优势并无用武之地。

　　在管理费用一项，由于国外智能投顾大规模采用了ETF这种低成本指数基金的方式，而国外成熟市场中主动型基金战胜ETF基金的概率又很低，因此该项在不影响收益回报的前提下为投资者节省了不少额外支出。但是，在国内新兴市场中，主动管理型产品往往能够找到超越市场的阿尔法收益，且国内市场的高波动也使指数难以获得长期稳健的复合增长。

　　相较而言，业内人士认为国内智能投顾在资产配置优化一项反而更应该发挥主观能动性，结合本土市场的投资者特点，走上“接地气”的智能投顾之路。

　　京东金融副总裁金麟认为，智能投顾具有三个层面的价值，围绕居民大类资产配置的三个阶段展开。首先是基于中长期的大类资产配置目标，其次是择时，再者是品种选择，智能投顾的价值在于在这三个层面给客户更优的选择。“在这三个层面中的任何一项做出自己的价值，并且这个价值是可验证的，我们觉得可以放到智能投顾的大框架下，都是对线下投顾方式的补充和优化。”金麟表示，“目前，第一个层面的价值对投资者来说是比较确定的，而择时和选品层面的价值还不确定，靠概率来跑赢。”而在后两个层面，他认为不妨加入人工投顾的成分，例如他们近期推出的“五星京选”基金榜和基金定投服务。

　　周晓明也表示，在线投顾的本质不是说这个服务由机器来做，而是很大程度上还是由人去定义需求、输出思想，再借助机器的手段去完成。技术在其中所扮演的角色，一方面是在投资策略上比过去更加聚焦、具体化、可量化、可描述、可追溯；另一方面，技术的应用主要是基于个性化的需求。“公募基金就好比是交通工具中的公共汽车，而我们希望在线投顾业务可以给客户提供好比出租车、专车、私家车、私人飞机等个性化的服务。”他说。

本报记者 徐文擎 张莉

来源: 中国证券报·中证网

据说有了这款机器人，高盛50%的金融分析师将失业

     11月9日，特朗普当选美国第45任总统，全球最大的对冲基金之一Lansdowne Partners急需评估此事对他们所持有的航空公司和银行等金融资产价格波动的影响。如果是Kensho来回答这个问题，2分钟不到就能提供相关公司股价波动的预测区间值。

     这家位于美国马萨诸塞州的金融科技初创公司Kensho获得了高盛公司（Goldman Sachs）1500万美元的投资，它的投资商还有Google和CNBC等行业大鳄。其中，高盛公司已经在内部部署Kensho取代部分金融分析师的工作。

     那么，Kensho究竟是什么？它将对金融市场产生哪些影响？本文将逐一进行分析。

     Kensho究竟是何方神圣？

     Kensho是一个界面类似于Google搜索引擎的金融量化分析软件。Kensho用户在搜索框中输入一个自然语言风格的问题，比如“台风对建筑行业股票价格影响是怎样的”，Kensho会立即通过扫描庞大的数据库、对几万个变量进行分析，从而给用户一个比较精准的回答。这个过程类似于Apple 的Siri、亚马逊的Echo和谷歌的Google Now。用户不再需要专业的金融工程知识，也不需要设置复杂的参数和配置算法，就可以得到类似于金融分析师分析的结果。此外，Kensho的用户体验非常好，不懂金融的小白用户拿一个Pad或者手机输入一个问题，就可以获得答案。

     Kensho能够找到影响资产波动的关联事件。用户在Kensho搜索框中输入股票的代码，能够知道当天的哪些事情能够对该股票波动产生影响。例如，输入亚马逊，Kensho就会呈现一个亚马逊股票走势图，从中可以看到究竟是哪些具体的事件影响了股价波动的某个百分比，比如亚马逊AWS拿下了中情局4年云计算设施的6亿美元合同对股价有拉升。此外，Kensho还会展现相关事件对股价波动影响的P-Value（即显著性影响指数）。

     Kensho能够找到事件可能会影响的资产。在Kensho中输入事件或者监管机构的Key Word，比如输入日本中央银行，Kensho就会将日本中央银行行长发表的讲话以及发布的政策抓取出来，作为输入分析的具体变量，再结合用户在UI界面上输入的时间段和变量选择，给出会受到这些变量影响的资产列表，以及价格波动方向和百分比。Kensho会自动从成千上万份报告中抓取数据，以及数据的上下文，形成对受影响标的资产范围的判断。

      Kensho通过机器学习预测模型预测资产价格波动区间。Kensho在纳斯达克的金融云FinCloud上构建数据分析平台，接入9万个标准数据源，包括以下比较重要的数据库：Earning Releases收入报告、联邦贸易委员会发布的Economic Reports、股票价格波动、股票价格的移动平均值Moving Averages、公司新产品发布、FDA批准的新药目录、股票价格触发器、货币政策变动、政治事件等。Kensho基于的数据源是传统金融分析师能够覆盖数据的4倍，而且对数据的钻研程度更深。具体来说，Kensho首先根据数据库中某个资产价格的变动历史，提取出影响该资产价格的所有可能变量，通过特征选择算法，选择出和当期资产价格波动较为相关的变量，再通过机器扫描所有和这些变量相关的数据源，将变量值输入到历史数据训练的机器学习模型中，从而得出资产价格的波动区间，以及变量的影响因子P-Value。其中，特征选择算法根据问题和变量范围的不同，可以采用完全式搜索、启发式搜索等算法。

     Kensho对金融市场影响几何？

     Kensho将削弱金融市场的信息不对称性、加大机构获利难度。找到影响资产的事件、事件影响的资产、资产价格的波动幅度，Kensho可以把以前华尔街专业分析师小范围独享的资产波动预测提供给普通人，使更多人获得市场波动的奥秘，原本机构通过信息优势进行短期快炒获利的难度加大。此外，值得注意的是，Kensho获得的信息是传统证券分析师的4倍多，分析速度是证券分析师的180倍，Kensho将使得非金融机构公司和普通人也能对金融资产进行专业化的配置调整，专业金融机构的获利优势将被削弱。

     Kensho将让信息对金融市场的传导影响更快速，金融市场更容易受信息影响。互联网公司掌握着PB级产品、公司大数据、数以亿计的用户行为数据，他们可以基于这些数据开发舆情因子、信用预警模型、资产价格风控模型，金融机构可以根据这些面向金融市场量化的、已经分析好的互联网数据因子，快速分析对资产价格波动的影响，并采取资产配置策略进行应对，比如美国东海岸飓风将造成快消公司股票上扬5%，机构就可以加仓快消公司股票进行获利。

     如果结合人工智能，Kensho将能够实现量化分析的全流程自动化。Kensho只是模拟分析师分析数据的过程，并不能理解变量之间的相关性，以及事件和资产之间更深层次的因果逻辑，这些还是要靠金融分析师根据行业的深度理解来进行判断。所以，Kensho目前还只能是金融分析师数据集成和数据分析的辅助手段，只有当人工智能、神经网络真正的和Kensho的机器学习模型相结合，可以让Kensho识别和理解待选择变量的语义、变量之间的影响因子的时候，才能真正做到量化分析的全自动化。这时，机器将自动化筛选输入到预测模型的变量和特征，并对比资产价格预测以及事后资产价格的实际波动，反向调整优化预测模型的参数和变量选择算法。

     总之，Kensho是一个量化分析虚拟助手，覆盖4倍于传统分析师能够获得的数据源，基于机器学习预测模型和实时计算技术，在数分钟内自动化完成事件对资产价格影响的预测，获得传统分析师花费几个小时分析的结果，百倍加速量化分析过程。未来，如果Kensho能够更进一步，将人工智能引入，作为特征自动提取、变量含义理解的手段，并构建知识库和知识图谱，也许真的能够做到自动根据事件和信息，自动化地触发生成对资产价格的量化分析，真正成为投资者的量化分析机器人，那时，也许高盛、摩根斯坦利等公司50%以上的金融分析师可能就要失业了。

作者：孙杨 苏宁金融研究院高级研究员