Fintech背景下资产证券化如何发展

科技金融，也称金融科技（FinTech），一般是指基于数据分析、信息系统乃至各类互联网新兴技术驱动的创新金融业务。部分信托公司已经搭建起以数据和科技运营为中心的数据化金融资产管理平台，并以数据积累开展风险定价，继而不断发掘和证券化各类基础资产。

　　一、资产证券化进入以基础资产为核心的竞争阶段

　　（一） 资产证券化发展迅速

　　1.规模增长迅速，产品趋于多元

　　2019年，资产证券化市场规模继续快速发展，全年发行各类产品23439.41亿元，同比增长17%；年末存量为41961.19亿元，同比增长36%。其中，信贷ABS发行9634.59亿元，同比增长3%。企业ABS发行10917.46亿元，同比增长15%，占发行总量的47%。ABN发行2887.36亿元，同比增长129%，占发行总量的12%。

　　2.发行渠道增多，各机构均有机会

　　目前，国内存在多个资产证券化发行交易平台，已经形成多个渠道互补、多产品交织的态势。具体来说，主要有两大类，一是在监管规定平台发行的资产证券化产品（通常称为公募ABS产品），包括三种类型，即银行间市场发行信贷资产证券化（信托做SPV），交易所发行的企业资产证券化（券商基金资管计划做SPV）、银行间市场发行的资产支持票据ABN（虽不强制SPV，但多选信托作为载体）。公募ABS业务目前已较为常态，信托、券商和基金公司均在大力开展。二是准资产证券化（多成为私募资产证券化）产品，即大致遵循了前述资产证券化的流程要求，但省却了少量非核心环节，并通过私募的方式进行发行，最终达到了监管规定平台发行效果，实现了发起主体资产真实出售和资产出表的要求。私募ABS业务方兴未艾，根据发达国家经验，整个ABS市场规模通过私募渠道发行的占比可达到45%左右。

　　（二） 基础资产逐渐多元化

　　随着资产证券化市场的蓬勃发展，基础资产的类别也逐渐趋向多元。理论上，资产证券化是把缺乏流动性的资产转化为在市场上可以自由买卖的证券，因此，凡是能产生现金流的、缺乏流动性的资产均可作为基础资产进行资产证券化的操作。例如REITs/CMBS、票据收益权、保单质押贷款、不良贷款、个人消费贷款等新型基础资产不断涌现。2019年，从数据上看，主流类基础资产还是占据较大份额，其中：信贷资产证券化产品主要以个人住房抵押贷款类ABS、汽车抵押贷款类ABS、信用卡贷款以及企业贷款类ABS（CLO）为主，占比分别达到54%、20%、12%、9%；企业资产证券化产品主要以应收账款ABS、企业债权ABS和租赁租金ABS产品的发行规模较大，占企业ABS发行量的33%、22%和13%。

　　（三） 对基础资产的发掘和把握成为核心竞争优势

　　国内金融体系是分业监管、开放竞争，随着资管市场逐步开放，各金融机构都进入跨市场竞争阶段，混业经营态势明显，尤其是资产证券化领域，信托、券商和基金各占一头，各具有监管赋予的载体优势。虽然严格意义上的破产隔离功能只有信托具备，但实践中其他机构对此也无强制或自发要求，造成各机构竞争更多基于对基础资产的把握，而非制度红利。当然，鉴于投资主体构成和发起人属性不同，银行间市场发行的产品收益率相对交易所要低（2年期AAA级相差150BP左右），在不考虑发行标准和时间周期的情况下，也给信托作为SPV带来了一些优势。但总体来讲，作为国外较为成熟、国内逐渐广泛开展的业务，并非完全的新鲜业务，各机构之间的专业性差异并不大，竞争已经转向对基础资产的获取和把握。谁能提供给市场需要的基础资产类型，谁能发掘新兴基础资产并把握其特点，谁能在基础资产形成阶段就提早介入，无疑将在未来的资产证券化业务竞争中获得先机和构筑核心优势。

　　二、大量可证券化资产需要数据和科技金融发掘

　　1.大量潜在优质资产无法进行证券化

　　受国内金融抑制和客观经济信息不对称制约，金融服务深化和覆盖远不能满足实体经济和虚拟经济需求，典型的如广大的个人消费贷款需求和中小微企业融资需求，远远处于金融服务提供稀缺阶段。实际上，我国金融资源分配严重不均衡，个人金融和中小企业金融供给犹为不足，相较于发达国家成熟的金融体系，中国消费金融领域和小微企业金融领域仍是尚未被撬动的巨大蓝海。个人金融方面，根据人民银行数据显示，截至2018年12月，我国金融机构个人消费贷款余额为37.79万亿元，同比增长19.90%，但从中美居民消费支出占GDP比重衡量（39%/69%），未来空间仍然广阔；中小企业金融方面，2018年应收账款净额规模超过14.3万亿元，由信息技术进步推动的供应链金融展现出了迅速发展的态势，到2020年将会超过20万亿元的规模。

　　个人消费贷款和中小微企业贷款资产具备分散、现金流可测等多个利于资产证券化的特征，而实际情况是，上述个人和小微企业贷款资产严重不足，继而能够进行资产证券化操作的基础资产数量也严重不足。2019年数据显示，信贷资产证券化产品中，个人消费贷款仅为260.44亿元，占比仅为3%；企业资产证券化产品中，小额贷款为1174.64亿元，占比为11%。相比较消费金融和小微企业金融几十万亿元的市场规模，进行了ABS操作的基础资产非常少，大部分的都是尚未能进行交易的潜在优质资产。

　　2.缺少数据和风险判断依据是主因

　　实际上，大量可交易或者可证券化的资产无法进行相应的资产证券化操作，最大的原因是无法对基础资产进行特征识别和风险定价，而这才是阻碍个人消费资产和中小微企业贷款资产爆发的根本原因。基于pre-abs的业务拓展思路，开展资产证券化的机构实际上应该沿着资产证券化业务链条向上游延伸，以求更早介入基础资产的形成，如此方能把握基础资产，从而获得开展该类业务不同于其他机构的核心优势。

　　随着金融科技的发展和基础数据积累的提高，基于数据和科技运营为基础的个人消费（如3C分期、白领租房、发薪日贷款、农业贷款等）和小微企业贷款（如围绕核心企业供应链上下游的小微企业贷款）已经逐渐成型。通过业已构建起来的信息系统、不断积累的基础数据和逐渐培育的风险定价能力，部分机构已经塑造了抓住基础资产的核心能力。

　　二、 围绕数据和科技金融提供ABS全链条服务是未来趋势

　　资产证券化业务同质化竞争态势明显，各机构之间主要是基于费率的高低、操作效率的快慢来竞争业务，并未构筑自身的业务核心竞争力。作为信托公司，急需改变资产、资金在外，两头无一端可以把握的尴尬现状。在目前市场资金面较为宽松的状态下，能够前端和深入把握基础资产，甚至能够提供一些市场稀缺的基础资产，将会是信托公司开展资产证券化业务的较优路径选择。塑造基于数据和科技金融为核心优势的资产证券化业务模式，需要信托公司打造自动决策、信用审核、放款、清分及扣款系统，需要信托公司掌握个人消费贷款客户的各类征信数据和围绕核心企业的小微企业各类信息流、资金流和物流数据，并以此来掌握基础资产运行情况，并最终将在信托端形成的上述稀缺资产进展证券化操作。

　　具体而言，有如下三种业务模式可供选择：

　　1.PRE-ABS模式

　　顾名思义，PRE-ABS业务模式的核心就是在基础资产形成阶段就开始介入，提供资金以便基础资产逐步形成，一方面可以主动把握基础资产，另一方面可以更早了解基础资产和设计基础资产载体结构，这些都能够使得将来顺畅的对基础资产进行证券化操作以及获得项目的绝对主导权。针对信托公司而言，可以将公司开展的消费金融业务和在线供应链金融业务过程中在信托端形成基础资产及早留下证券化操作的空间和路径架设，让资产证券化业务部门手握公司独有之优质基础资产，并能够给出基于数据和运营实际的风险定价，将会在ABS市场中占据独有地位。

　　2.ABS夹层投资模式

　　基础资产形成之后，将会对资产证券化产品进行分级、定价和评级，优先档利率较低、评级较高、安全性较好，适合银行、保险等大机构资金，劣后级别一般发起人会自持，而中间级收益率相对较高、评级尚可、完全性有保障，那么，信托公司作为基础资产的发起人、发行人之外，基于对基础资产的认可，也可以以自营资金或者信托资金投资中间级，为自身和客户带来稳健的收益。

　　3.ABS资本中介模式

　　以各类贷款资产形成了基础资产之后，在发行过程中，或者存量ABS短期盘活或者转让过程中，均有中间短期接盘的需求。信托公司如果基于数据和科技运营发掘并证券化了基础资产，那么，对基础资产的情况就非常了解，对风险的把握也有实质的认识。因此，针对经历完整贷款周期、累计了数据，并有良好表现纪录的基础资产对应ABS产品，信托公司可以以自有资金进行短期持有，开展资本中介业务，以促进产品的流动性或者给予发行留足时间，最终择机通过多元渠道，转售给其他机构投资人，获得息差收益。

智能投顾大潮下的痛点与野望：不能指望靠政策留住客户

最近，蚂蚁金服和全球最大公募基金公司Vanguard集团独家合作的投资顾问服务“帮你投”正式上线，这也是国内首家合资基金投顾。

在蚂蚁金服之前，去年10月首批拿到试点资格的五家公募基金公司已经陆续推出了相关产品，在第二批试点的三家公司——蚂蚁、腾安和盈米中，蚂蚁金服抢跑一步。

当前，第三批智能投顾业务试点机构也出炉，包括工商银行、招商银行、平安银行3家银行以及国泰君安、华泰、申万宏源等7家券商。按照前两批试点公司的抢跑速度，银行券商的投顾产品大概率也会在年内上线。

客户为什么买单？

在所有投顾试点机构中，此次帮你投的出场无疑是最吸引眼球的，蚂蚁金服拥有规模庞大的理财用户，Vanguard拥有强大的产品开发能力。

行业对“帮你投”的配置能力予以厚望，并且完善的服务也是蚂蚁和Vanguard都十分擅长的。

但是从帮你投现有的出品看，的确差强人意：比如笔者试验答题之后得到安稳回报策略投资目标为4%，系统给出的投资建议是：股票型基金20%，债券型基金78%，货币型基金2%。翻看了下身边其他策略的小伙伴，发现策略一共就那么几种，与真正意义上的投顾相去甚远，同一种策略系统给予的配置比例全都一致。还有一个安稳增值策略，收益目标是2.5%/年，全部投资货币基金，却还要收取0.5%/年的投顾费？？？

选取基金方面也有槽点，比如说基金池里选取被动指数基金，至少沪深300指数基金完全可以选易方达沪深300ETF联接，而不是嘉实沪深30ETF联接。费率导致二者的收益差距还是非常明显的，都是头部基金公司的产品，规模都比较大，为什么不选运作费用更低的产品？甚至在降费对提升收益最明显的货币基金，也没有选择费率较低的产品，而是选了一个半高不低的产品。

这样来看，“帮你投”能否吸引客户还是个问题，根本原因不在于监管提供什么样的政策，而是靠这样的方式难以留住客户。

对客户来说，希望通过投顾能够解决的无非是资产配置和投后服务，以避免自己瞎操作，说到底，客户购买基金投顾服务的唯一标准就是能不能赚钱。这几年业绩看上去很好的基金，能赚到一半收益的人寥寥无几，更不用说垃圾基金了。前几年已经在开展基金智投服务的组合，如长赢、阿牛、广发智投等，业绩到底如何，周观新金融也在去年做过盘点，有兴趣的读者可以戳【历史链接】。无论单只产品还是组合基金，根本问题其实都一样：能不能帮客户赚钱？

以前，一个烂苹果没人要，现在十个烂苹果装起来给一筐，投资人也未必会买单。

投顾的窘境

理论上来说，投顾试点正是为了导向客户盈利而非基金销售，从而促进行业正向发展。但从现实操作看，投顾试点还是无法摆脱自身天然的缺陷。

所有拿到投顾牌照的都是公募基金的销售子公司或有基金代销资格的机构，基金销售端和基金管理人存在着天然的利益冲突，比如，当参与投顾资格试点的基金公司需要做大规模以确保收入的时候，能否保证旗下的基金投顾业务的公平性和独立性，而不是服务于母公司做大管理规模的大局？当自家产品有问题的时候，是让客户赎回还是不操作？当参与试点的销售机构需要配置基金时，是配置费率更低的基金甚至场内ETF，还是配置销售提成更高的基金？

实际上，上述状况在试点刚启动时就已经出现了，去年10月28日，有公募基金曾公开表示将要开展全平台外部的基金投顾业务，投资范围包含外部产品，但其发言人随后就暗示，投资外部产品的意义不大，因为“我们旗下的产品已经足够了”。

原本销售拿着基金公司的尾随佣金，现在又在前端收取客户投顾费，怎么协调怎么平衡，这些问题是无法通过已有政策去保障的。也是后续各大机构开展投顾业务，必须面对的问题。

这不仅让人想到两年前曾经也被予以厚望的FOF。2017年FOF业务刚启动时，也不乏有公募跃跃欲试尝试外部化的公募FOF，即可以投资于其他管理人旗下的产品。

结果呢？还是内部FOF成了主流。历史证明，既担任管理人又担任受托人的通吃模式是失败的。据Wind数据，目前全市场中非养老金的FOF产品也仅有22只，合计规模不到50亿元，平均的成立以来收益率接近5%，其中还有多达6产品已经成立了近两年，年化收益还不如余额宝。

同样存在类似的利益冲突，且抛开双重管理费不谈，试问哪家公募愿意本着为投资者负责的态度为其他竞争对手做嫁衣？

从客户的角度来说，基金投顾可以做到的配置策略，FOF也可以做到，甚至混合基金也可以做到，为什么不直接去买混合基金？

未来的可能性

投顾要想不重复FOF的老路，首先就是细致入微的顾问服务。

FOF的持仓要季度才能公布，但是投顾与客户的沟通却是可以高频的。每一次持仓调整、每一次市场重大变化，理财师都可以和客户交流，从而提升客户信任，增加粘性。了解用户画像，单纯答几道题、只有几种模式选择，其实远远不够。但机构服务成本和用户的付费习惯，又是天然的矛盾。

买方投顾的最大特征就是从销售商品向提供服务转变，相应的，收费模式也从赚取差异化佣金向收取服务费转型。不过，服务费的收取模式并非只有一种，服务费会因客户所在地区、咨询耗费时间、具体业务项目和客户资产规模等因素的不同而产生巨大差异。

从海外发展情况来看，服务费的收取形式可以分固定费用型（Fixed Fee）、时间收费型（Time-based Fee）、资产规模收费型（Asset-basedFee）、绩效收费型（Performance-based Fee）四种，固定费用型在国内可能更容易开展。但不管怎样，让国内客户接受投顾理念、愿意为投顾付费，这将是非常漫长的一个过程，需要做大量的工作。

与此同时，各大机构也要接入尽可能多的产品，基金申购费的打折也有可能从互联网蔓延到线下机构，高度竞争的环境下，资金会选择流向收益水平相当但费率更低的产品，同时，业绩表现不够出色的产品也面临费率下调以维持管理规模的压力。

以美国共同基金为例，无论是权益基金、混合基金、债券基金和货币市场基金，其管理费用率从1990年至2017年都呈现下降趋势。权益基金从90年代的大约1%的水平下降至2017年的0.59%，混合基金从1%左右的水平降至0.7%，债券基金从0.88%降至0.48%，货币市场基金由于监管的原因，费率有所反弹，但依然处于0.25%的低位。

而在对冲基金方面，根据Eurekahedge对最近十年平均管理费率和表现费的追踪来看，对冲基金管理费率从2007年的1.56%下降至2017年的1.31%。

除了接入产品，从营销路线转向专业路线，理财师接受更好的培训，才能让他们更好的服务客户，目前的销售机构总部的主要精力都花在产品引入方面，而对后续服务管理投入还不大。

对于这一点，爱德华·琼斯的“农村包围城市”方法，也不失为一种借鉴。当越来越多的券商正在积极布局智能投顾项目时，爱德华·琼斯却选择逆流而上，避开智能投顾的大潮，选择继续坚持自己的人工服务模式，而社区营销是爱德华·琼斯成功的关键因素——主要是某一社区潜在客户的数量和该社区居民的经济状况，选址的标准则为方便和客户面对面的接触。

总体而言，投顾的核心仍是为客户赚钱，为客户提供服务。国内的投顾大潮才刚开始，政策只是助力而非解决方案，仍然期待拥有天然优势的巨头们，能给广大投资者带来超出预期的改变。

来源：周公子说新金融

智能投顾的功能定位与监管进路

目次

一、智能投顾的实践对比

二、智能投顾的功能界定

三、智能投顾的功能异化风险

四、智能投顾的功能监管路径

学界围绕智能投顾的概念界定及其优势、理论框架与发展现状、法律风险及其防范、域外监管经验以及我国监管路径等问题已经形成一些研究成果。从现有研究成果来看，关键性分歧在于智能投顾的本质定性问题，如果把其定位于投资咨询业务的一种形式，其面临的风险及监管依据会不同于定位为资产管理业务，故定性问题的研究在某种程度上决定着智能投顾后续的研究。对此，需要综合考量翻译及背景因素所造成的语义上的偏差，从应有之功能的视角看待智能投顾的本质。笔者试图在充分对比我国与域外实践的基础上，厘清智能投顾的功能本质，探寻契合功能监管政策要求的规制监管进路，旨在从应然到实然地梳理功能性问题，以提出适应智能投顾持续良性发展的可行监管路径。

一、智能投顾的实践对比

（一）全价值链式的美国实践

智能投顾元老级的实践者当属美国的Betterment。其于2008年8月成立，在2010年首次推出智能投顾产品，是第一家通过自动化算法将专业投资顾问服务惠及大众的投资理财公司，兼具投资顾问和证券经纪业务资格。Betterment具有无门槛、费用低的优势，同时支持整合用户的所有投资账户，并进行税收优化。与之并称为智能投顾先驱的另一家美国公司是Wealthfront。平台为客户提供应税投资和退休投资两类账户，代客户向证券经纪公司Apex Clearing发送交易指令，买卖ETF，后期系统会根据市场行情、个人所得税等情况自动调整账户内的资产权重。虽然相比Betterment，Wealthfront有准入门槛，但500美元的限额较之传统投资顾问服务的投资起点而言仍然体现出极大的优势。同时，Wealthfront不对低于1万美元的账户收取年费，在小额理财方面突显吸引力。

由于受到Betterment和Wealthfront的激励，美国行业内涌现出一批类似的智能投顾平台，如Personal Capital、Future Advisor、Sigfig、Bloom、Asset Builder、Ellevest等等。这些平台之所以能够在短时间内迅速推出并活跃于市场，除了其本身因低门槛、低费率、节税等特色功能而具有的吸引力外，还离不开美国相对宽泛的投资顾问立法和智能化投资工具配套规则的逐步完善。2015年5月，美国证券交易委员会（SEC）和金融业监管局（FINRA）发布联合预警，提醒投资者选择更好的自动化投资工具（Automated Investment Tools），包括属于在线投资管理项下的智能投顾。2016年3月，美国金融业监管局出台《数字化投资建议报告》（Report on Digital Investment Advice），明确数字化投资建议工具支持一项或多项投资管理价值链的功能：客户分析、大类资产配置、投资组合选择、交易执行、投资组合再平衡、税收规划、投资组合分析。这些工具可以被分为面向金融从业者的和面向客户的两类，其中支持前6项功能的面向客户的数字化投资建议工具通常被称为智能投顾。2017年2月，美国证券交易委员会发布《智能投顾监管指南》（Guidance Update：Robo-advisers），明确智能投顾使用创新技术为客户提供全权委托资产管理服务，与所有的注册投资顾问一样，受到《1940年投资顾问法》中规定的实质性和信义义务的约束。由于智能投顾依靠算法，在线提供顾问服务，且可能为客户提供有限的直接人际交流，其独特的商业模式在寻求遵守法律规定时可能强化某些方面的考虑。

（二）交叉多元式的中国实践

在我国，智能投顾的起步相对较晚，但发展速度同样惊人。按照业务模式特征的不同，我国已有的智能投顾可以分为三大类型：一类是全球配置型，以海外ETF作为投资标的，将国内投资者的资产跨区域配置到全球市场，如创业平台弥财、蓝海智投、投米RA等。二类是证券投资型，包括百度股市通等智能选股型和胜算在握等智能交易型。三类是理财超市型，通过统计收益率、风险指标等信息对产品进行筛选排序，结合用户的风险测评指标提供最优化的投资组合。

虽然各种类型的智能投顾皆有大数据、人工智能等技术的应用，但如果比照理想化的智能投顾标准，我国有相当一部分平台、产品、服务并非真正意义上的智能投顾。一方面，传统金融机构在客户数据、征信、品牌等方面具有明显的优势，通常仅提供投资建议服务，且服务对象往往限于已有的客户群范围。除了自建外，传统金融机构还通过以与金融科技企业合作的方式曲线进军智能投顾领域，如民生证券与PINTEC旗下的璇玑达成战略合作、徽商银行直销银行徽常有财与盈米财富合作发布天机智投。另一方面，早先存在的互联网金融平台，借智能投顾之热，通过内嵌智能引擎实现智能化，但并不特别在意客户画像和风险测评。例如，胜算在握没有用户风险测评环节，只是针对用户已有的股票池提供组合建议。即便是为了智能投顾而生的全新创业平台，有部分也因资质的问题不能实现全流程的服务，只能提供通道式业务。

二、智能投顾的功能界定

（一）相关模式的功能比较

从广义上来讲，社交投资、智研投资、量化投资均属于包含有金融科技因素的人工智能投资顾问领域的运作模式，相较于非智能化投资顾问在不同程度上体现三个方面的特征。首先，智能化投资顾问提供服务以互联网为主要渠道，以自动智能算法为基础，在分析归纳大量相关数据的基础上生成建议，理财方案清晰且方便操作。非智能化投资顾问则往往依靠经验做出预测判断，对数据的处理通常是有限的搜集和简单的归类，且无法较好地分析数据之间的关联性。其次，智能化投资顾问重视客户的不同需求，不仅精通所涉金融领域，而且能够根据客户的财富情况、风险偏好、投资目标等因素给出合理的投资建议。而非智能化投资顾问提供的服务虽有从投资者适当性角度进行的区分，但实质上仍然是基于粗糙分析的一般化建议。再者，智能化投资顾问所提供的服务质量在正常情况下高于非智能化投资顾问提供的服务质量。

（二）狭义智能投顾的功能优势

第一，个性设计。智能投顾根据客户的资产数量、行为习惯、风险偏好等信息给客户画像，抽象出客户的商业全貌，提供符合客户投资目标的产品组合策略，这在人工投资顾问与投资者数量相差极为悬殊的情况下是不可能完成的任务。第二，风险分散。智能投顾的理论依据是Markowitz均值－方差模型、Black-Litterman模型、Augmented Black-Litterman模型等现代投资组合理论模型，以及资本资产定价模型（CAPM）、套利定价模型（APT）等。以此为基础建立的投资组合，实现资产类别的分散配置，在空间维度有效地化解非系统性风险。同时，智能投顾以交易所交易基金ETF为主要投资标的，亦即选择成本低、流动性强、跟踪误差小的产品进行长期定投，也切实降低了投资者面临的各类风险。第三，理性决策。智能投顾促进投资的平民化，并能有效应对投资平民化所带来的个人投资者普遍缺乏投资专业知识和经验的困境。通过在算法程序上设置止盈止亏条件，自动买入或卖出相应产品，智能投顾克服人工投资顾问和投资者皆有的人性弱点，将决策维持在一个相对合理的水平。第四，平衡调整。该项功能与理性决策功能一起构成智能投顾的突出优势，也是智能化投资领域发展到一定阶段的技术体现。在交易执行完毕后，智能投顾可以全天候不间断地实施监测，且随时根据市场趋势变化自动调整资产组合中的各类资产比例，体现为及时、科学、有效的再平衡，使投资回报始终满足客户的个性化需求。

三、智能投顾的功能异化风险

（一）合规风险

一是智能投顾服务提供商的资质问题。智能投顾服务提供商如果本就是全牌照经营的传统金融机构，一般不存在违规风险。然而倘若是新创业平台或者仅获准开展个别业务的互联网金融平台，除了投资咨询与资产管理两类业务单独许可所带来的障碍外，资产管理业务项下的具体牌照分类别许可也是智能投顾面临的困境。我国有关资产管理业务的牌照种类剖为丰富，有关互联网金融领域的牌照种类则更为细化。不同领域内各种业务的牌照申请条件、许可范围、行为规范等监管要求各不相同，相关规范性文件数量繁多。智能投顾服务提供商要想在一站式服务层面完全依法合规地运行，需要耗费大量的时间和精力，而经营收益还可能远远不能弥补在获得相应资质道路上所付出的成本。“有规难合”的现实困境导致许多智能投顾服务提供商游走在合法与非法的边缘，诱发无牌照经营、租牌照或买牌照经营、业务界限模糊等行业乱象。

二是机器算法的资质问题。根据《证券投资顾问业务暂行规定》第7条的内容，证券投资咨询服务的具体从业人员应当取得证券投资咨询执业资格，并在中国证券业协会注册登记。那么在机器算法部分取代或完全取代人工投资顾问地位的情况下，机器算法是否需要取得相应的执业资格并注册登记为证券投资顾问呢？如果机器人能够被赋予法律主体地位，那么理应在从事证券投资咨询服务之前获得相应的资质。如果机器人仅是金融机构或平台提供智能投顾服务的工具，那么自然无需获得诸如人工投资顾问那样的资质，但是否需要获得一些特别的关于算法的审批许可，仍未有清晰的答案。“无规可合”的尴尬局面导致智能投顾服务提供商游走在空白地带，加大智能投顾相关行为性质认定以及主体责任分配的难度。

（二）画像风险

智能投顾的个性设计分为初始画像和持续画像两个阶段。在初始画像中，大部分智能投顾都是通过用户注册和问卷调查的方式收集客户信息，对客户的财务状况、投资目标等进行风险测评，数据来源非常有限，且数据质量不易判断。经APP操作发现，风险测评题目所反映的信息大同小异，主要涵盖年龄、家庭状况、财务状况、可投资产数额、投资经验、投资目的、投资品种、投资期限、风险承受能力、风险偏好等信息。不同平台设置问题的方式和数量存在一定差异，多则20几个问题，少则几个问题。即使通过足够多的问题达到信息获取的全面性要求，信息的准确性依然构成挑战。客户可能在提供信息的时候有所保留，或者输入信息时出现错误，抑或回答问题自相矛盾，致使信息失真。与此同时，相当一部分金融产品信息无从获取，产品种类尤其是适于投资的ETF基金品种较少，致使完整统一的产品数据资源库难以建立。

在持续画像阶段，智能投顾面临同样的信息问题。相比人工投资顾问方式中建立持续性评估制度，现有智能投顾的实际表现更多的为静态保持，而非动态追踪，未能很好地根据投资者客观情况的变化定期调整各类资产的权重。

（三）算法风险

机器的“正确思考”至少存在两个主要障碍：一是获取非形式的知识并用逻辑表示方法所要求的形式术语来加以陈述，很难做到准确无误；二是理论上可解一个问题与实际上解决该问题之间并非一回事。对于智能投顾而言，其一，算法所依赖的原始信息不一定被准确地转换为机器语言。其二，历史性的样本数据不足以应对新生事件或者突发事件。其三，偶然性的数据关联会误导机器学习的内容和方向。其四，算法本身可能无法有效识别分析数据样本，或给出背离市场秩序宏观调控目标的建议。在大量科学样本数据的基础上，算法正常发挥作用的过程还存在维护方面的风险，可以理解为有关算法的技术性风险。智能投顾服务行为均需通过软件的使用和硬件的支持才能完成。另外，智能投顾也面临互联网安全风险。对此，现有智能投顾大部分将其列在客户签订的服务协议中作为免责条款。

（四）信用风险

首先，智能投顾运营商为了追求盈利，存在自我交易的风险。与美国的做法不同，我国的智能投顾平台大多提供免费服务。这就使“看上去很美”的智能投顾面临严重的发展瓶颈，转向其他渠道收回成本并实现盈利。便捷的做法是在算法模型设计中，将自己经营的产品加以符合计算机风险收益识别规律的优化包装，使系统推荐投资组合时能够优先推荐该种产品甚至是一系列产品。由于自我交易从原理上讲并非绝对无效益，相关算法模型的说明有可能获得理解，但潜在的投资者利益损害风险仍不容忽视。

其次，智能投顾运营商为了以较低的成本与第三方达成合作，还存在利益输送的风险。表现为两种方式：一种是在无法获得相关金融产品销售牌照或代理客户作出投资决策资质时，智能投顾运营商会选择合作，提供网址链接服务或者直接转入销售方注册页面，抑或直接提供涉及三方合作的协议供投资者点击确认。作为回报和长期合作的诱因，其可能主动或被动地在算法模型设计中使第三方金融机构的产品始终最具投资价值。另一种是智能投顾运营商通过与系统开发者约定分成比例，或者直接给予好处，授意系统开发者在算法模型上进行有偏见的推荐程序设计，以增加自营产品的销售。

再者，智能投顾运营商为了提高收益并控制损失，可能存在权利滥用的风险。一方面，在全权委托运作模式下，智能投顾运营商可能利用自由裁量权擅自挪用客户的资金，转入自营账户牟利；或者进行不必要的交易以达到一致行动的效果，通过与第三方串通牟取额外利益；或者代理多方账户进行对冲交易等。另一方面，智能投顾运营商利用电子合同免除自己的多项责任，而这种电子合同往往不被投资者重视。即使投资者认真阅读了点选合同，也不能对免责条款作出更改，只能以决定投资或不投资的方式对该类条款表态，致使智能投顾功能的发挥似乎从一开始就变了味。

四、智能投顾的功能监管路径

我国智能投顾的监管应当与发展路径相匹配走本土化道路，综合借鉴各国已有的先进规则，基于各项功能的本质认识，实施穿透式监管，有效防控异化风险。

（一）分类实施准入监管，推进放开综合账户

鉴于我国实践中的智能投顾有相当一部分达不到标准化水平，监管可以从广义的智能投顾角度分类进行，将智能投顾区分为全智能和半智能。全智能投顾应当包含客户画像、组合推荐、交易执行、自动调仓等一站式服务功能，其可以是独立或与第三方合作实现所有功能，具备供客户选择享受部分或全部功能的能力。半智能投顾仅具备客户画像、组合推荐等第一阶段功能，提供第三方销售网址链接等均属于此列。具体的行业能力测试标准可由监管部门征询金融科技公司等技术方意见后制定。

至于主体资质的要求，由于我国目前对投资顾问牌照和资产管理牌照以及资产管理下属各类具体牌照分开管理，全智能投顾运营商应当取得投资顾问牌照。半智能投顾运营商则只需要根据《指导意见》第23条的规定取得投资顾问资质。这是过渡阶段的安排，后续则需尽快推进开放全权委托账户，以及修改完善证监会于2015年3月发布的《账户管理业务规则》（征求意见稿），使符合一定条件的机构能够同时开展提供投资建议、代理执行投资或交易管理等业务，解决建议到行动的转化难题，促进智能投顾行业的合规发展。

（二）严格把关问卷设计，加强提高风险意识

参考美国《智能投顾监管指南》的要求，运营商在设计风险测评问卷时应当着重考虑：题目是否涵盖充足的计算指标，是否清晰且易于理解，以及是否具有纠错功能。另外，智能投顾运营商还应当为客户提供信息补充和更新的操作渠道，包括但不限于风险测评问卷中已经涉及的信息内容。除了了解客户，智能投顾运营商还负有了解产品的义务，在操作界面上公开所选金融产品的基本信息，提示相关风险收益指标，并根据实时监测的结果调整组合资产权重。对此，监管部门应当依照上述标准对风险测评问卷实行备案审查，制定风险测评问卷所涉信息的底线清单，要求运营商在设计具体问题时必须纳入考虑，在此基础上可以自愿扩展；问题的表述方式不作统一，但要求运营商在向监管部门备案时标明每一个问题所涉的信息点及相关辅助解答方式；并要求运营商在合适的位置公开所选产品的重要信息。

就投资者层面，投资者在使用智能投顾系统进行投资之前应谨慎理解相关风险和限制，一是了解使用智能投顾的所有条件和合约条款内容，尤其注意费用和收益兑现规则；二是认识数字化技术工具的局限性，在有界范围内如何提供最适合的而不是最佳的建议和管理服务；三是认识自身提供信息的重要性，以及风险测评与投资结果之间的因果关系；四是关注自动推荐组合和调仓服务是否确实符合自身的需求和目标。

（三）有效开展算法监控，探索构建试错机制

监管部门应当制定算法监控准则，对运营商提出如下要求：其一，公开适当的系统设计文件，清楚地列明算法的目的、范围及设计；其二，拥有适当的算法管理程序，由专人定期检查及测试算法的有效性及通过算法得到的建议之合理性；其三，具有适当的算法调整能力，当遇到任何可能影响算法运作科学性的事件时，及时检讨及更新算法；其四，留存算法检测、更新、终止等记录，如存储能力有限，可作一定期限内留存的要求。

考虑到技术的成熟需要经历一个不断试错的过程，监管部门可在智能投顾算法正式投入使用前给予运营商一定范围内的豁免。根据英国金融行为监管局（FCA）于2015年11月发布的“监管沙盒（Regulatory sandbox）”报告，监管机构允许适格的金融科技创新企业于特定时间、对特定数量的对象测试其新种商品或服务。我国亦可允许智能投顾运营商在一定时限内向有限数量的投资者测试基于算法的产品、服务和商业模式，且免于承担正常监管的后果。根据测试情况，监管部门可以评估算法的科学性和有效性，进而决定是否允许其大面积地应用于商业经营，同时可以协助运营商根据相关政策法规及市场环境改进算法。

（四）明确强化信息披露，合理考量责任追究

第一，运营商应当披露自己与系统开发商的关系，如果有与第三方金融机构合作也应披露相应关系，重点在于可能影响算法功效及金融产品优先推荐的合作交易关系。在运营商独立提供一站式服务的情况下，更需要对销售自营产品和他营产品的比例及优先推荐情况加以说明。第二，运营商应披露收费情况，包括是否收费及具体的收费标准和收费环节。如果是免费提供服务，应当披露自己的盈利模式。此种披露应在客户界面显著位置进行，在风险测评之前予以特别提示，并在持续管理阶段定期向客户发送收费明细。第三，运营商应当及时披露法律关系的变更情况和可能影响客户决策的突发性事件，并对免责情况予以专门说明，或在电子合同中用突出显示的方式提醒投资者注意。这些信息披露当采通俗易懂的表达方式，并在工作时间配备人工客服以随时为投资者作出解释。

文章来源：《法学杂志》2020年第1期

作者：赵吟

智能投顾开启资产管理新时代

一、从围棋谈起

围棋是一项极具算法复杂度的游戏，其棋盘为19乘19。一局围棋的算法复杂度约为2^361。所谓围棋选手的棋力高低，通常由其能够计算的步数决定。比如同为九段选手，A选手的棋力为20步，B选手的棋力为15步，那么我们就说A选手的棋力比B选手高。

计算机在计算方面与生俱来就有着超越人的潜力，比如超算之王“天河一号”的计算能力达千万亿次。那么基于计算机强大的计算能力，结合神经网络、代价函数、训练方法带来的深度学习能力，人工智能就诞生了。

2016年3月，Google公司开发的人工智能组件AlphaGo以4：1的成绩战胜著名围棋选手李世石；几个月后，改进版Master又以网络对战的形式与多名世界顶级九段选手较量，战绩锁定在60：0。

与此同时，人工智能在投资领域的应用也如火如荼的展开，比如招商银行、浦发银行均在2016年末推出了智能投顾业务，我行也即将在2017年一季度择机推出智能投顾业务。我们总结了人工智能在投资领域的应用，对智能投顾业务的发展路径进行了展望，并分析了其对银行财富管理业务的影响。

二、智能投顾概述

智能投顾的基础是符合投资学的基本原理和现代投资组合理论，主要包括大类资产配置、动态决策树、风险分散和风险预警矩阵、大数据分析、效用函数优化等；特色的一面主要可归纳为以下三个方面：

一是多维度组合式分析逻辑。分析逻辑包括宏观层面（宏观经济）、中观层面（股市、债市、期货市场的市场指数）和微观层面（具体标的的分析），同时结合了行业分析和量化分析方法。

二是双向收益风险优化。收益风险的优化逻辑同时基于历史和未来，即既分析资产的历史表现，也对资产的未来走势进行预判，两者辩证统一进行资产配置。

三是基于路径依赖的个性化配置。投资人的需求表现为两种形式，一是显性需求，二是隐形需求。根据有限理性理论，投资人的显性需求总是不完备的，并不总是反映投资人的真实需求；而通过数据分析获取的投资习惯，往往能反映投资人的真实需求。通过对银行客户的历史财富管理行为进行分析，可以更准确的把握投资人的隐性需求。通过建立路径依赖函数能够同时把握投资人的显性和隐形需求。

三、资产配置策略

智能投顾的资产配置策略主要结合宏观经济方法、行业分析法、量化分析法，结合相关资产库和数据库，投资于股票、债券、期货、现金类资产等标的。

投资策略主要可分为三大类（宏观经济、投资标的、价值策略），7种一级策略（分别是宏观策略、股票策略、债券策略、期货策略、行业策略、事件驱动、相对价值、组合基金），而又可以大体细分为15种二级策略。

(一)        宏观策略

宏观策略主要是指根据全球政治事件以及人民银行、统计局等单位发布的宏观经济数据以及行业指数来判断资本市场走势。

政治领域，比如英国脱欧导致了欧元走弱，特朗普上台加剧了美元加息预期和贸易逆全球化的可能。

经济领域，比如在上行阶段，股票和大宗商品相对债券和现金类资产具有超额收益；滞胀阶段，债券和现金类资产相对股票具有超额收益；衰退阶段，债券相对股票和大宗商品具有超额收益。

宏观策略对各类资产配置比例具有指导性意义，但对具体资产配置并无实质贡献。

(二)        股票策略

股票策略即是投资于股票的策略，按照持仓又可以分为多头策略、多空策略、市场中性策略。多头策略即只持有股票多头的策略；多空策略即在持有股票多头的同时，持有股票空头；市场中性策略为特殊的股票多空策略，是指同时构建多头和空头头寸以对冲市场风险，使得在任何市场环境下均能获得稳定收益的策略。

(三)        债券策略

债券策略即投资于债券的策略，分为被动策略和主动策略。

被动投资策略认为市场是有效的，债券的市场价格体现其期望收益，并不追求超额收益。常用的被动投资策略有购买持有策略和免疫策略。购买持有策略是指投资者在买入债券后较长时间的持有债券，而不是频繁交易以谋求区间投资收益。免疫策略是指构造一个债券组合，使得债券价格对市场利率变化产生免疫性。

主动投资策略的目的不仅是保值，而是利用债券投资获取超额收益。主动投资策略的基本假设是：1、市场利率的变化趋势是可预测的，从而可以利用债券价格随市场利率变化的规律牟利；2、市场并不是充分有效的，存在价格被低估的投资标的。

(四)        期货策略

期货策略是指投资于期货、期权市场，可以分为趋势策略和套利策略。

趋势策略是指通过模型判断市场趋势，根据多空进行大宗商品配置；趋势策略在上涨或下跌单边市场均能获利。但如果是震荡市场，趋势策略可能会因为不停的止损而出现回撤。

套利策略是在买入一种期货合约的同时卖出另一种不同的期货合约，套利者同时成为一种期货合约的多头，又成为一种期货合约的空头。

(五)        行业策略

行业分析是证券市场最基本的分析工具。行业策略主要包括两方面的内容：1、对行业前景进行展望。2、对特定行业的公司进行基本面分析，从而寻找出具有相对价值的投资标的。

(六)        事件驱动

事件驱动是通过预判可能造成资产价格异常波动的事件，从而获取超额收益。事件驱动一般是中短线投资策略，主要是把握事件明朗化前做多或做空，事件明朗化后做空或做多。比如保监会关于保险资金投资规范文件的出台可能导致与险资有关的一些股票出现价格波动。

(七)        相对价值

相对价值策略利用相关联资产之间的定价差异来获利。也就是当判断一种资产的价值被高估，而另一种资产的价值被低估的时候，通过买入价值低估的资产，卖出价格高估的资产，直至平仓，从而获取价差收益。比如分级套利利用场内外市场的价差进行基金的组合分拆套利。

四、风险预警

智能投顾因为采取了多重资产配置，其风险预警也采取风险预警矩阵形式。

一、对于每一个资产标的，衡量其均衡收益下的风险系数。主要包括标准差、下行方差、最大回撤、修复期、β系数、风险价值、偏度、峰度等风险指标。

二、对于资产组合和不同的配置策略，衡量其相关性。

三、根据对单一资产的净值分析和策略内生驱动力的评估，构建多策略组合获得更高的收益风险比。

四、将单个资产标的策略和相关系数进行参数化配置，进行矩阵运算，形成动态的风险预警机制。

当风险预警矩阵达到临界值时，需要对用户资产配置进行动态调整。

五、对财富管理业务的影响

智能投顾将极大的提升用户投资理财的便利性和科学性，有助于消除投资顾问差异对客户带来的影响。同时可以降低运营成本，提升银行作为财富管理平台的价值。

同时，智能投顾业务与传统投顾业务是促进和互补的关系。这主要体现在以下三个方面：

一、智能投顾有助于提高财富管理的平均水平。财富管理是一个注重专业性和经验的行业，投资顾问的能力往往参差不齐。智能投顾是在总结投资经验的基础上发展起来的一项服务，其投资水平能够向中高端投资顾问看齐。

二、智能投顾能够将投资顾问从低端服务中解放出来，专心服务于高净值客户。智能投顾在应用初期，其客户群体主要是银行的一般理财客户，也即理财客户中的长尾部分。通过自助服务，普通客户对投资顾问的依赖程度将大大降低，使得投资顾问有更多的时间来思考如何服务高端客户。

三、智能投顾可以和投资顾问形成良好的互动关系和业务协同。在应用初期，一部分投资人对智能投顾业务抱有怀疑态度是正常的。此时就需要投资顾问和客户的沟通和解释。

六、监管定位

智能投顾本质上属于投资顾问业务。智能投顾将大数据、人工智能等技术引入投资顾问领域，辅助客户作出投资决策，但没有改变投资顾问业务的本质，应当受到相关法律法规的约束。

这里面最直接的问题是，智能投顾归属于机器人，而相关法律法规主要是对自然人的资质和操作规程进行了约束。那么将来有关部门也可能会在相关法律法规中对智能投顾业务进行相应的规范。

再一个问题是，传统的对投资人风险层级的划分主要是对投资人可配置的单只基金产品进行了限定。而智能投顾提供的是资产组合，那么当单只基金产品的风险等级超过客户风险层级，而投资组合风险较低时，其地位该如何界定，也是亟待监管的问题。

总体来讲，尽管存在监管待完善的情况，智能投顾仍是科技金融创新型产品，对探索财富类业务创新和资产管理的经营方式转变具有重大意义。

（原文于2017年刊载于《当代金融家》）

来源：正树铭斋

在市场波动下，智能投顾如何保持科学财富管理？

近期，美股波动剧烈再三触发熔断，以过山车式的涨跌，结束了美股十多年的牛市。与此同时欧洲国家、加拿大、菲律宾、巴西、墨西哥等外围市场也跌势惨烈，多国股市触发熔断。疫情与原油黑天鹅事件席卷全球，国际市场遭遇滑铁卢，众多投资者损失惨重。实践证明，智能化财富管理（下称：智能投顾）却能在大跌之前通过云计算与人工智能技术，准确预测市场风险，帮助投资者规避此次大跌。
品钛所提倡的智能投顾基于马科维茨的现代资产配置理论，追求长期稳定的市场收益。智能投顾将资产投到风险相关性低的不同资产大类中，并将组合风险控制在客户的风险承受范围之内。策略制定之后，系统还将根据市场因子改变、客户个人情况变化、和客户持有资产情况持续提供智能再平衡等服务，进行基于规则的智能调仓，保证客户的组合风险被实时控制在个人承受范围之内。
据艾瑞咨询2019年发布报告显示，国内各大金融机构都已经开始谋求智能理财/投顾工具，报告预计，2022年中国智能理财服务市场规模将超7000亿元。本期，品钛研究院（ID：PINTECAcademy）将根据近期资产大幅波动的市场，阐述智能投顾的财富管理理念，以及人工智能如何做到超越人类预测能力，更好地控制市场风险。

01 市场挑战：
3月金融市场动荡，美股有史以来最快回撤

近期国际市场中，标普500成为了最受人关注的指数。数据显示，自1988年设立熔断机制以来，美股共经历5次熔断。第一次发生在20多年前的1997年，而余下4次熔断都发生在今年3月。
 据品钛智能资产配置引擎“璇玑”监测数据显示，2020年3月美股创造出有史以来最快的回撤：标普500仅用19天便下跌超过18%。相比之下，2008年初的金融海啸用了101天才从历史高点回落15%，为投资者提供了较长时间反应与避险；即便是当年第一次世界大战期间忽然爆发的1916年股灾，标普500下跌18%仍用了30天。

图1：历史标普500暴跌回落超15%时刻
不仅仅是美国市场。 当疫情和原油价格战一起发酵，国际其他市场对经济状况和金融体系的担忧也达到了极点。经品钛研究院不完全统计，为了防止公众对股市信心动摇而进行的恐慌性抛售，自3月9日至今，已经有印尼、西班牙、意大利、英国、韩国、法国、比利时等超过10国证交所宣布禁止做空股市。

02再平衡策略：大数据+AI成为风险管控的利器

金融科技行业有一句名言“大数据往往不会告诉你原因，但是会告诉你结果”。智能投顾的再平衡策略也是如此。
智能投顾系统在为客户制定资产配置方案后，继续监测各类大类资产走势、市场因子波动、各类资产相关度调整、客户个人情况变化等情况，不断测算当下市场的最优策略。当用户目前所执行的产品组合与最优策略达到一定偏差阈值，自动为用户制定新的再平衡策略，并在用户确认后进行调仓。
近期品钛的配置如图2、图3所示，在2019年12月，品钛璇玑标杆模型大类资产配置中，美股仍然是值得投资的大类资产，在各类模型中占比为8%-23%，属于第二高权重的资产类别，仅次于国内高收益债券（各类模型中占比20%-33%）。
然而，在2月26日，系统中非常积极型、积极型、成长型、稳健型、保守型五个风险类别资产配置策略都开始陆续避险，选择大幅降配除中国外的股权市场，并增持债券、黄金等避险资产。在2月底的资产组合中，璇玑各类组合对于美股的配置已经完全清零，海外债权重也大幅降低。资产配置方案将主要资产配置调仓至国内纯债与国内高收益债，其中国内纯债占比35%-57%；国内高收益债占比20%-29%。（如图3）

图2：2019年12月底璇玑标杆模型资产配置

图3：2020年2月底璇玑标杆模型资产配置
品钛研究院发现，“全球疫情“与”油价暴跌”虽然属于黑天鹅事件，但其实相关的隐含市场因子在前期已经有了充足的表现，并非无迹可寻。
智能投顾系统采用动态资产配置算法，及时提供最贴近市场的配置策略，并运用人工智能、机器学习等技术对不断对算法进行调整和优化，实现7*24不间断回测。
数据显示，智能投顾系统在黑天鹅事件出现之前已经监测到期权市场的隐含波动率，且恐慌指数不断攀升。璇玑算法资产配置逻辑之一在于，预估出不同市场的配置区间，当某单一市场走强时，将调升配置下限，某单一市场走弱时，调降配置上限，来匹配客户风险属性并算出最终投资配比。因此，恐慌指数攀升等市场因子之下，系统预测到海外市场大概率波动，于是主动降低了海外市场尤其是美股市场的资产配置，执行海外避险策略，为用户再平衡。本次再平衡策略根据美股、海外债、期权市场、恐慌指数等海外市场走势变化及近期大幅增加的波动区间，预判性调仓，通过不同的Smart Beta组合配权方式，在减少组合波动程度的同时，取得较高的收益风险比。
数据显示，2月底进行调仓再平衡的璇玑用户，本月不同风险类别的投资人收益涨跌幅截至3月18日结市为-2%至5%区间，即用户在第一次熔断的大跌阶段，就基本规避了损失。

03 机器理性决策，让AI超越人脑

面临市场频繁波动，行为金融原则往往能够很好的诠释，为什么绝大部分自认为理性的投资者都出现了追涨杀跌、厌恶损失、锚定效应偏差等“非理性”的投资行为。相比而言，智能投顾运用云计算、机器学习等技术将风险控制在用户可承受范围内，一旦超过风险阈值就会自动触发再平衡策略，从根本上克服了投资过程中人的非理性市场情绪，进而追求适合投资人风险的β收益。

图4：2020年至今收益波动：璇玑Vs沪深300 Vs标普500

数据显示，2020年1月1日至3月18日，暴跌的美股使得标普500的最大回撤接近30%，收益率约-26%；即便是国内外看好的A股市场，风险收益仍然不理想：沪深300最大回撤约为14%，至今收益率约为-12%。很多投资者都没有及时止损，或者选择了在错误的时机入场抄底。相比之下，智能投顾通过资产配置的方式更好的控制了风险的波动。璇玑所设定的5种模型最大回撤区间为4%-9%，相应得到了-2%-5%的收益回报。
中国股市在1989年才开始试点，国内金融市场的投资者往往不够成熟与理性。然而，智能投顾解决方案在推出之前，系统已经运用过去近20年的市场回测数据进行不断演练。品钛智能投顾系统可以在 1 小时内完成多年的背对背仿真训练，总计积累了数千小时的经验。
经过历时数据回测，璇玑引擎在历经了 2008 年全球金融海啸、2015 年股灾、2016 年熔断等市场黑天鹅事件后，最积极型资产配置组合历史最大回撤为15%，年化复合收益达到了 16%。而从2016年1月智能投顾产品正式上线开始，璇玑5个标杆模型已经取得了16%-40%的累积收益率，资产配置对财富管理的重要性不言而喻。

04 国内智能投顾进行时

智能投顾起源于2008年左右wealthfront、betterment等国外新兴公司。在过去的5年来，不断吸引了全球金融巨头的关注。国际知名的先锋基金、嘉信理财、Vanguard等公司先后推出旗下智能投顾，国内招商银行、中国银行紧随其后。智能资产配置理念已经深入人心。
然而，品钛研究院2018年曾进行国内智能投顾表现盘点，发现国内大多数智能投顾并没有真正为用户做到资产增值、财富管理的效果。
品钛研究院了解到，智能投顾在国内终端客户的财富管理中仍然处于较为边缘的“补充地位”。
一方面，大部分投资者在配置可投资资金时，往往会把智能投顾当做多种投资方式中的一种，这样投资者难免将智能投顾的收益与一些固定收益类产品（如网贷、信托等）作类比。导致投资人的风险偏好再次失衡，智能投顾的控制风险能力失效。
另一方面，国内部分智能投顾服务商在为客户作配仓建议时，有时会更多地依赖于基金经理的人为调整组合，而非依据对市场的解析作配置建议。杜绝人的主观判断出错，本来是智能投顾的一大优势，却在基金经理人为操作面前失去效用。后者主要依靠经验判断，并非是智能投顾产品的逻辑。
品钛研究院认为，所谓“智能投顾”，其最大的“智能”之处在于，能用量化的方法预测市场风险，由此为客户进行配仓、调仓建议。智能投顾的初衷是希望根据投资人的需求和风险偏好，把其能配置的全部资产进行一个整合包装和有效配置，从而为用户提供整体财富管理服务。
近期在市场的跌宕起伏，投资者们再次经历了对自身投资策略的洗涤，可能也会有更多的投资者朝着朝着科学理财、资产配置的方向迈进。政策层面，2018年推出的资管新规鼓励资产管理产品的净值化管理，并从根本上打破银行理财刚性兑付；行业层面，已经有越来越多的银行、证券公司、资管公司等金融机构开始搭建自己的智能投顾平台；与此同时，投资者心态也变得越来越成熟。随着政策、行业、终端客户都开始意识到资产配置的重要性，智能投顾或许能够在国内拥有更加广泛的接受度。

来源：品钛研究院

支付宝上线“帮你投”——智能投顾的新巨头？

4月2日，蚂蚁金服和全球最大公募基金公司Vanguard集团独家合作的基金投资顾问服务“帮你投”上线支付宝。

相比国外投顾服务的高门槛，“帮你投”将投资门槛降低到了800元人民币，收0.5%服务费。

敲重点，“帮你投”的亮点是投资门槛低、服务费相对较低。

那么，这种新兴玩意，对于我们普通投资者而言，值不值得关注并持有吗？

本篇会对支付宝的“帮你投”进行科普性的分析介绍。

01

—

了解一下基金投顾

"帮你投"这款产品，本质上就是一款智能投顾产品。

智能投顾，是一种全新的在线财富管理服务。

它根据个人投资者提供的风险承受水平、收益目标以及风格偏好等要求，基于大数据技术，运用一系列智能算法及投资组合优化等理论模型，为用户提供有针对性的投资建议。

相比传统模式下的人工投顾服务，智能投顾在为客户提供投资决策建议时具有如下三个优势：

第一，智能投顾降低了投资咨询服务的费用。

传统的人工投顾收费较高，主要面对机构投资者或高净值客户，门槛通常在十万以上，个人投资者难以达到消费门槛。

而智能投顾则具有低成本及便于操作等特点，可以服务更广泛的人群。

第二，智能投顾可提供针对性强的资产配置建议。

智能投顾会根据不同人对风险和收益的态度，以及收入、资产特征等信息，为客户组建合适的资产组合，实现资产配置的最优化，做到看人下菜的效果。

第三，智能投顾可以快速提供理财方案。

智能投顾拥有人脑无法比拟的大数据存储、批量处理以及高速运算等功能，能够在极短的时间内处理海量复杂信息并提取出所需的有价值信息，并转化为投资决策。

因此，智能投顾平台在用户进行简单的操作后，可以在众多金融产品中，给用户提出内容丰富且具有针对性的投资组合，十分快速和便捷。

综上所述，智能投顾拥有传统人工投顾无法比拟的优势，能够降低金融机构的操作成本，减轻客户的交易成本，其发展势在必得。

此次支付宝选择的合作伙伴——Vanguard集团（先锋集团）在基金行业里占有突出的地位，是世界上第二大基金管理公司，可谓强强联手。

在国外尤其是美国，智能投顾市场发展迅速。A.T.Kearney咨询公司预测，2020年美国智能投顾行业资产规模或将达到2.2万亿美元。

支付宝的野心，可能就是打开中国的智能投顾市场，继续巩固自己的资产管理版图。

02

—

“帮你投”产品评测

一句话概括“帮你投”的功能：

代你买卖基金

我们知道，买基金其实上是雇佣了基金经理帮你挑股票等资产，但我们往往会迷惑，那么多种类的基金，该怎么买？

买“帮你投”，则是进一步实现了雇佣他人替你买基金的操作，用机构的专业风险评估及投资策略，替你解决买啥基金好的难题。

和其他基金公司的投顾业务相比，“帮你投”不仅门槛低，操作也简单。

第一步：上支付宝搜“帮你投”

第二步：做风险测试

第三步：支付宝给出目标收益率建议，推荐匹配的基金组合，包含股票型基金、债券型基金、货币基金。

第四步：转钱：投资者选择自己认可的建议，转入拟投资的金额，最低800元。

交易时间是按照T日转入提交，T+1日确认金额，T日是以基金每天交易日时间15点为界限。

简单来说，全程智能，接下来就看这产品的表现了。

需要注意的是，该产品的需付费用包含投顾费用+基金交易费用。

投顾服务费按每日总资产的约0.0014%计算（年化总资产的0.5%），采取按季收取，从“帮您投”账户扣除的方式，若提前转出，则在转出时收取。

对于这个投顾服务费，同行的费用在0.2%-1.5%之间，例如比较高的南方基金的投顾费率在0.8%-1.5%之间，而较低的华夏基金则是0.2%-0.5%。

另外，“帮你投”条款规定，基金交易相关费用需按照基金产品收费规则收取。

这一点也决定了“帮你投”适合长期持有，不适合短期频繁买卖。

因为大多数基金，在短期如7天以内赎回，会收取高额的赎回费用，通常在1.5%左右。

如果你在几天之内就卖出“帮你投”的份额，意味着你不仅仅要付出管理费，而且还要付出它买的基金产品的赎回费用，费用显然高于你自己买卖基金。

还有一个问题是，“帮你投”的基金组合，如何实现调仓变动？

（即买进或卖出不同基金，以尽可能获得较高收益）

传统基金的调仓，依赖基金经理的主动管理。

而根据蚂蚁金服和Vanguard集团的合资公司先锋领航投顾公司的CEO张宇介绍，“帮你投”会结合智能模型做及时的调仓。

自动调仓分为定期调仓、不定期调仓两种。

在账户服务激活的每90天，投顾将审核目标投资策略下的实际资产配置；也有可能因资配模型预测变化或所选基金评级变动等情况调仓。

这个时候，调仓是不需要投资者操作的。

而需经投资者同意的调仓，则是目标投资策略变更时的调仓，此时会在经过投资者同意、变更策略后进行调仓。

比如从“动态进攻”策略调成“稳步增利”策略等等。

03

—

同类产品对比

支付宝不是国内第一个吃螃蟹的人。

其实几年前，传统金融机构便开始进入市场，布局智能投顾平台，在这当中，中国银行的“中银慧投”、招商银行的“摩羯智投”和工商银行的“AI投”发展较为亮眼，位列2019年中国智能投顾平台排行榜第2、3、5位。

 2016年12月，招商银行推出了“摩羯智投”的智能投顾服务，经过一年多的发展，截止2018年2月份，摩羯智投的申购规模已经突破100亿元。

2017年11月，传统四大行中的工商银行也推出“AI投”的智能投顾服务。

2018年4月，中国银行也随之推出了“中银慧投”的智能投顾产品，是传统四大行中第二家推出智能投顾服务的银行。

而券商当中，也有不少机构试水智能投顾。

有些选中了不同的打法，不帮客户选基金，但通过智能化的交易手段让客户在自己选中的基金中收获满意的收益率，比如华宝证券旗下的目标定投机器人。

目标定投机器人可以根据客户设定的目标收益率，定投金额，定投周期选择对应的定投标的提交创建，当持有收益率达到目标收益率，即可做出智能止盈。

目标定投机器人还有哪些特色功能？

1 选择“小目标”，轻松回测达成时长

客户可自主选择不同的目标收益率及基金标的，同时，华宝目标定投机器人会立刻通过大数据回测该基金达成目标所需的时长。

回测模型能够覆盖该基金近5年所有的定投情况，且以日为单位，使得回测结果也更为精准。 

2高度智能化，达成目标后按计划卖出

目标定投机器人根据客户自行设定的定投计划：定投周期、定投金额、定投目标收益率智能执行，全程不用担心错过交易时机。

3千人千面，不一样的定制化操作体验

目标定投机器人可选4%-20%的目标收益率，客户可根据自身资金使用情况，选择合适的“小目标”。

基金标的也具备多种可选，并非唯一。

基金标的不同，达成目标收益所需定投的时长不一，客户也可自行选择更为高效的品种。 

定投频率可选择每日、每周、每双周及每月，能够适配绝大部分投资者的需求.

目标定投机器人根据客户自行设定的定投计划：定投周期、定投金额、定投目标收益率智能执行，全程不用担心错过交易时机。

04

—

总结

市面上出现越来越多的理财产品创新。毫无疑问这是一件好事。理财逐渐走向多样化、平民化、自动化。当然好的产品也要用对才能发挥作用，
买卖之前都要看好产品的说明书、了解各项费率，
养成有耐心的交易心态、不人云亦云。

来源： 周一更

智能投顾的前景与陷阱 | To FinTech and Beyond

大多数个人投资者可以从股市参与中获益。然而其收益取决于投资者是否持有适当的多元化投资组合。本文研究了使用智能投顾后投资者的投资行为情况。在人口统计学特征以及与人类顾问的互动方面，智能投顾的采用者与非采用者类似，但智能投顾的采用者在资产管理方面往往更加积极，管理的资产也更多。同时，投资者采用智能投顾能更有效地对资产分散管理。对于事前投资分散程度较低的投资者，智能投顾降低了投资组合的波动率，并提高了投资收益；对于事前投资分散程度较高的投资者的影响不显著。使用智能投顾后，所有客户的非理性交易行为减弱，包括处置效应、趋势跟随、极值效应，但没有完全消失。本文的研究估计，智能投顾未来将遍布全球，因此着重强调了智能投顾的前景以及陷阱。

何为智能投顾？

本文的研究重点是金融科技（FinTech）智能投资顾问工具，该工具通过数字化程序与平台向个人投资者提供投资组合多样化的建议，不需要人力顾问的干预。其基本组成是经典的Markowitz 均值-方差优化方法。该方法以平均收益向量和方差协方差矩阵作为输入，返回一组有效的投资组合。

智能投顾具有以下优点：智能投顾通过使用技术从而降低人力成本；智能投顾使用基于金融理论的可复制算法克服主观认知局限和偏见；智能投顾可以简化和加快与客户的联系；智能投顾更加透明并且其实现策略更加简单和高效。

但智能投顾未必没有陷阱：使用自动化工具时，个人不愿将所有决策权交给算法；智能投顾可能会将公司利润置于投资者利益之上；均值-方差优化法未考虑投资机会集的时间变化也没有明确地考虑到有效边界是每个个人投资者视野的函数；方差协方差矩阵难以精确估计等。

实证研究

本文研究的智能投顾工具专注于印度股票，目标群体是印度一家大型经纪公司的个人投资者。本研究使用了四个数据集，包括个人访问智能投顾的信息、投资者人口统计特征、每日所有交易以及每个月末的投资组合持有情况。数据涵盖2015年4月1日至2017年1月27日期间。

文章提出了两个实证策略：首先显示单一差异结果，控制未观察到的时间不变的投资者特征；其次，构建一种基于差异差异分析的识别策略，该分析利用引入智能投资顾问工具中的准随机变化来减少时变投资动机可能带来任何结果的担忧。

本文首先分析采用智能投顾的用户，以了解在金融建议领域接受技术创新的投资者类型。结果如下表所示：

表A显示，智能投顾用户和非用户在几个人口统计特征方面没有经济或统计上的显著差异，无法区分，包括他们的性别，年龄等。表B显示，智能投顾用户更关注他们的账户，平均进行了更多的交易，交易量更大，因此产生了更大的交易费用。总体来看智能投顾用户是更积极的投资者。表C、D显示，智能投顾用户的资产管理规模大大高于非用户，持有的股票也更多。在样本期内，智能投顾用户表现优于非用户。

总体而言，智能投顾工具的用户与非用户在人口统计学和时不变特征方面没有实质性差异，但他们似乎不太容易出现行为偏差，资产管理规模较高，交易活动也高于非用户。

接下来，在投资者内部分析智能投顾对投资组合多样化、风险和投资回报的影响，该分析将所有时间不变的决定因素分开。将样本限制为在2015年7月之后的任何时间点使用组合优化工具的投资者，对于那些不止一次使用优化器的人，本文只考虑优化器的首次使用日期。这种方法使得能够确保投资者的时间不变特征无法影响交易行为和表现的任何变化。如下表所示：

发现平均而言投资者持有的股票数量增加了0.16股，约为使用智能投顾工具前持有股票数量中值（12股）的1.3%。将所有投资者集中在一起可以掩盖横截面效应的实质性变化，发现在使用智能投顾后，投资组合的波动性会降低，而在使用智能投顾之前，投资组合的波动性不一定会改变。为了评估在智能投顾使用前的多样化程度的影响，首先计算每个投资者在首次使用智能投顾后一个月持有的股票数量与首次使用智能投顾前一个月持有的股票平均数之间的差异。如下图所示：

证据表明，多元化的投资者从智能投顾中获益更多——其技术使得不太精明的投资者也可以简单地实施建议，这表明与其他形式的建议相比，智能投顾可以成为帮助投资者实现投资组合多样化的有效工具。

本文的第三组测试检验了个人投资者在买卖股票时表现出的显着行为偏差。测试遵循前后设计，其中作者比较了采用机器人建议前一个月与采用后一个月的偏差，并将分析重点放在金融领域的三个突出偏差上：对于卖出决策，检查了处置效应；为了评估购买行为，研究了趋势追逐；最后还检查了排名效应。

结果表明，在使用智能投顾之后，这些偏差明显减少了，尽管并未完全消除。无论投资者在使用前多元化如何，结果都成立。偏差并未完全消除的原因是投资者可以在智能投顾建议的基础上进行额外交易，投资者可以决定不全面遵循投资顾问的建议。

研究结论

本文研究结果发现智能投顾采用者往往更积极，管理资产更多，可获得多元化收益。事前多方投资者会增加股票持有量并持有波动性较小且回报较高的投资组合。已经多元化的投资者持有较少的股票，但波动性有所减少，并且在使用后交易更多。所有投资者都会根据在线账户登录来提高注意力。本文发现智能投顾采用者的行为偏差表现出突出减少，包括处置效应、趋势追逐和排名效应。

这篇文章的结果强调了智能投资顾问工具的前景和陷阱，针对多元化程度较低的投资者，金融机构应推广使用智能投顾工具，而更成熟的投资者和更多元化的投资者在使用智能投顾后可能会表现出较低的费用调整绩效。未来的研究应深入探讨针对不同类别投资者需求的智能投顾建议干预措施的优化设计。尽管智能投顾有广大前景，但它的陷阱并不能让它成为所有个人投资者的灵丹妙药。

来源：The Promises and Pitfalls of Robo-Advising

“智能化”重构中国财富管理市场

根据客户的资产状况和风险偏好，“聪明”地推荐合适的理财产品，或“冷静”地提示超出风险承受能力，这一让许多投资者习以为常的场景，透露着一个有趣的信号：以AI(人工智能)为代表的智能化技术，正逐步实现对中国财富管理市场的“重构”。

近几年快速兴起的智能投顾，是智能化技术在财富管理领域最基础和直观的应用。从2015年开始，蚂蚁财富、腾讯理财通等人工智能理财平台陆续上线，中国平安等大型金融集团及众多银行、基金公司纷纷入局，“智能投顾”这一新生事物开始进入普通民众的视野。

2018年资管新规落地后，“持证上岗”的要求令一度火爆的智能投顾有所降温。不过，这并不妨碍业界乐观看待这一行业的前景。

兴业证券研报预计，2022年中国智能投顾管理资产总额将超过6600亿美元，用户数量超过1亿。

知名咨询公司波士顿(BCG)联手中国平安旗下陆金所25日发布的《全球数字财富管理报告2019-2020》认为，在财富管理领域，智慧化个性顾问可以大大降低人工服务成本和门槛，助力机构实现客群下沉，过去仅针对高净值客群的金融服务得以普及普通客群。

报告同时表示，“智能化时代”的财富管理服务，并非简单地用智能投顾完全替代人工投顾，而是利用大数据和人工智能等技术，基于客户真实的财富水平、风险偏好及所处生命周期，定制化、动态迭代地提供包括财富保值增值、税务与财务管理、传承规划等有具体目标的财富管理服务。

报告称，智能化技术可从加速投资者教育、个性化服务普惠大众、实现更加稳健的风险管理3个领域，推动中国财富管理市场实现跨越式发展。

一些例子印证了这一观点。作为中国平安旗下的财富管理平台，陆金所通过投资者适当性管理体系(KYC)、产品适当性管理体系(KYP)的逾400个标签，可实现14个品类超7000个产品与平台4400万用户的精准匹配。独家研发的意图预测模型系统(KYI)则可借助“神经触点”动态识别和预测客户的潜在意图。2016年至今，陆金所已累计对300万笔交易进行风险超配提示，涉及金额逾3900亿元。

在业界看来，通过惠及规模庞大的“长尾用户”，智能化技术正令财富管理市场从看似饱和的“零和博弈”变成前景可观的“增量游戏”。

《全球数字财富管理报告2019-2020》认为，智能化将成为未来10年财富管理市场发展最为重要的方向。智能化技术预计可帮助整个市场资产管理规模实现25%至50%的增长，并助力各类机构实现15%至30%的收入提升，以及25%至50%的利润改善。

陆金所控股首席执行官计葵生表示，智能化在中国财富管理市场的发展刚刚开启，目前市场规模仅占5%至6%。“用户远未得到满足的财富管理需求中蕴藏着巨大的市场空间。中国财富管理市场极有机会步入‘去人工化’的智能时代，实现跨越式发展。”计葵生说。

在通过“普惠化”助推财富管理市场发展的同时，智能化技术也提升着财富管理行业的监管水平和效率。《全球数字财富管理报告2019-2020》分析称，监管科技以及AI技术的应用，正从政策追踪、内部监控、风险分析及监管报送等角度，助力行业打造更加高效、精准、专业和开放的监管环境。

业界同时期待，在管理创新风险的同时，监管能为创新提供更多沃土。

BCG董事总经理、全球合伙人谭彦表示，监管定位应适时地从被动监督升级到主动引领，一方面对新技术保持敏锐度，前置监管制定规则、引导应用规范化发展，建立沙盒机制鼓励新技术应用与落地。另一方面，监管重点应从监督规则转为监督数据，减少对创新的监管不确定性，并探索完善“智慧监管”体系。

来源：新华社上海

如何判断一个智能投顾产品的好坏？

2016年既被称为人工智能新元年，又成为人工智能发展的第一个60年甲子期。Alpha Go带动各行各业掀起人工智能之风。金融行业也不例外，把人工智能与金融业务结合起来，迈步走向更智能的“科技金融”。

其中智能投顾业务被称为科技金融业务的典范，从美国的Kensho、Wealthfront、Betterment等机构开始，国内出现了众多智能投顾机构。不论是证券业、基金业、银行业等标准的金融机构，还是第三方的金融产品销售机构和互联网金融机构，纷纷抛出智能投顾概念，各自推出产品。尽管一边是概念的升温，但另一边则是市场的质疑。

投资人以及行业在体验这些落地产品的过程中均开始反思，什么样的智能投顾具有价值，科学的银行业智能投顾的判断标准在哪里，为什么很多智能投顾还是以问卷测评、产品推荐为服务的起点和终点。

因此，对于如火如荼的智能投顾，梳理其发展中遇到的争论，分析争论背后的定义和概念，阶段性思考其发展方向，对于整个行业的发展来说至关重要。

智能投顾不等于赚取高回报的神秘机器人

因Alpha Go通过机器学习在围棋中战胜人类选手，全社会对机器学习投去神秘甚至畏惧的眼光，尤其是其深度学习能力。智能投顾也因此被戴上神秘而强大的光环，众多投资者希望借助机器人在金融市场中交易，尤其是类似股票交易的可自动化交易的领域，希望机器人能像“收益收割机”一样获取源源不断的超高额回报。

即使自己不能像科学家一样造出类似的东西，也希望市场有机构能提供类似的机器人，让机器人执行其投资指令或投资建议，让自己获得超额收益。如果能这样，那么客户愿意付费去采购这样的机器人，这个神秘的机器人就是期待的“智能投顾”。

但这一逻辑却存在深刻悖论。因为智能投顾是科技专家造的，如果他们能够造出如此神秘高端的智能投顾机器人，那为什么科技专家不直接将此机器人用于自有资金的市场交易并通过资产管理获取回报，而要依靠出售机器人的投资建议给他人，来获取此类回报？

因此，只能推出智能投顾不可能是赚取高回报的神秘机器人这一结论。如此以来，既然智能投顾难以赚取超高回报，那么赶上风口的神秘感一定会褪去。当潮水褪去时，客户的信任感将大打折扣，该类智能投顾将从神坛上跌落下来。这也说明，目前的证券投资，尤其是股票投资市场中，智能投顾的理念是需要重新定义和反思的。

从技术上看，机器学习可以分为多种做法，例如通常所说的符号主义、联结主义、行为主义、进化主义、贝叶斯派等派别。但不论如何，哪怕是深度学习也尚且不能完全解构金融市场的多重复杂混沌属性。金融市场不同于人造的某类固定规则下的博弈，例如围棋象棋、德州扑克等游戏规则透明固定，存在明确的推理基础，而金融市场的因子相互依存，资金因素、情绪因素、政策因素、工具因素、参与者反身性因素等每个方面都既是市场的自变量又是因变量，相互转化、相互依存，在时间序列中形成不可完全重复的动态混沌结构。

这些复杂性，使得现阶段的机器学习尚不能精准处理这些理性逻辑链条和非理性情绪因子，难以发挥确定的作用。当然，并不能否认机器学习在金融市场的作用。从交易信号看，机器学习是可以作为辅助信号和储备信号的，是资产管理投资交易的参照性工具，是一种新式方法论。

智能投顾不等于程序化交易相关的量化交易

量化交易在狭义上又可以称为程序化交易。美国从20世纪60、70年代开始将程序化交易应用于金融市场，尤其是对于一些逻辑可以触达，但手工执行难以到达的交易，机器程序交易具有巨大的便利性。

除了严格的下单、成交、批处理、技术指标等以外，程序化交易还可以实现止损、止盈、趋势跟踪等辅助交易目的，尤其是在时间较短的高频领域，通过市场微观结构理论，可以在秒钟级甚至毫秒级以内实现订单的买卖，获取波动率极低的高性价比收益。

但这些程序性量化交易并不能称为核心范畴内的智能交易，尽管具有较多自动化，但不涉及如图像识别、声音处理方面的感知智能，也不涉及语言文本、逻辑推理的反向学习、深度学习、有监督无监督的机器学习等。

机器学习的魅力在于根据已有的输入条件、在已明确的目标下，依据特定的规则，获得信息处理的模型过程参数或函数。量化交易在于根据已有的逻辑和数据前提，通过历史回测和多次模拟，得到想实现的业绩目标。

量化投资需要的数据信号以及信号之间的钩稽梳理合成，往往是在投前离不开逻辑假设，在投后又需要业绩归因。如果没有逻辑，黑箱化，不可解释或只是关注技术上的回测效果，可能是过度拟合，且是失真的。

因此，当没有搭建机器学习平台构建深度学习因子时，机构追求此类方式的交易需求较为强烈，但当机器学习和深度学习构建之后，面对机器学习给出的成百上千个“优质”模型，机构反而不会拿真金白银去实盘每一个策略。原因就在于，机器学习的不可解释性和金融市场条件之间的复杂因果性。

在不清楚自身的风险敞口类别和暴露程度时，作为谨慎的基金经理，必须只认可其作为补充交易信号，而不能作为充分性的自动化量化交易信号依据。也就是说，机器学习在金融市场的交易远远没有成熟，金融市场的资产管理交易复杂程度远高于规则清晰的棋艺游戏类推理和有监督的深度学习，但把机器学习的金融交易作为辅助信号是有必要的。

智能投顾不等于形似而神不似的智能客服

除了智能投顾的“投”与量化交易、程序化交易有相似之处，智能投顾的“顾”，即客户服务方面，如果用人机交互的对话系统的问答方式，与目前市场火热的“智能客服”也有相似之处。

智能客服，是指利用NLP（神经语言程序学）自然语言处理技术，结合语料问答和知识图谱，提供类似人工客服的应答系统。以往电信、政府、银行等众多的服务性机构在传统业务中会雇佣大量的人工客服团队，而智能客服通过技术化处理省略掉大部分人工客服，提高服务效能。

但目前的智能客服主要是由技术专家结合行业客户一起研发，技术专家输出技术，行业客户提供知识点。而智能投顾是在投资和财富管理领域中发挥财富顾问的作用，通过熟悉客户、认知客户，以此建立需求的起点，在人机交互中洞察客户，更“懂”客户，并以此服务客户的投资全过程。

就目前看，智能客服和智能投顾存在较多本质性差异：

一是智能客服往往能够处理通用性问题，但当问题涉及行业特征和客户特征时则难以回答。例如“怎么购买产品？”智能客服很容易回答，但对于“我该购买什么产品？”则很难回答。同样对于“明天市场走势如何？”很容易回答，但对于“明天的市场情形我该做什么？”则很难回答。而后者正体现了智能投顾的差异化优势。

二是智能客服回答较为静态和被动，不能实现动态和连续。很多智能客服仅仅是将储存的问题调用出来，很难动态跟踪客户的变化，只是为了硬着头皮回答客户批量性简单性的相同问题，并没有主动洞察客户的思想。智能投顾是在主动洞察的基础上发挥“顾问”的作用而不是“客服”的作用，进而带来个性化的专业价值。也即是说，智能客服偏功能性，而智能投顾偏分析性。

三是理念上的差异。智能客服追求“响应即服务”，而智能投顾是“诊断后才服务”。智能客服只要以固定的问题、固定的答案应答即可，但智能投顾是固定的问题，不同的答案。这也隐射出客服是一种事后、售后性的工作，但投顾是一种事前、前瞻性的工作。

四是技术上的差异。尽管智能客服和智能投顾可能都会用到NLP等语言技术，但是技术的深度和颗粒度远远不同。智能客服将通用技术运用于各个行业，既覆盖非金融业务，又触及金融业务，“泛而不专”。若希望实现专业的回答，则需考虑到每一个垂直行业都有非常多的细节，尤其是涉及行业的微小专业知识和相关流程。

因此NLP技术必须深度结合行业知识，才能将智能程度提升到更高水平。例如，对于“怎么样购买产品？”与“购买产品怎么样？”，在纯语言技术上差异可能不大，但对于财富管理行业而言，前者意味着客户尚没有享受金融产品，后者则表示客户已经在关心自己投资的金融产品，差异迥然。

智能投顾的本质与内涵

通过多角度的边际比较可以看出智能投顾其深刻内涵和本质，即智能是手段，投顾是目的。通过利用人工智能这一手段，来实现传统上难以实现的顾问式服务目标。

首先，智能投顾的“智能”必须包含核心的人工智能技术。现阶段核心的人工智能技术可以分为两大方面，感知智能与认知智能。感知智能与人的感觉知晓相关，例如视觉、听觉等。

目前来看，视觉方面的人工智能技术主要是图像识别技术，包括虹膜识别、人脸识别、无人驾驶等；听觉方面的人工智能技术主要是语音合成、声纹识别、语音测评等。认知智能与人的语言、理解和逻辑相关，例如学习、推理、思考、规划等。

目前来看，落地的领域主要是游戏、棋艺和自然语言处理等。尤其是自然语言处理NLP，包含语义分析、语用分析、机器翻译、文本匹配、文本分类、对话系统等。也就是说，人工智能技术必须触及人的“眼睛、耳朵、嘴巴”三方面之一。如果金融业中的智能投顾，并不涉及这三方面的技术，则只能说使用的是传统的网络工程技术，因此不能简单称为智能投顾。

其次，智能投顾的“投顾”，必须包含金融中的“投资”和“顾问”两方面的服务内容。投资服务，就是人工智能下的智能投顾机器人能像投资经理和基金经理一样帮助客户，实现事前的风险预算、事中的资产配置、事后的自动调仓、投后监测和市场研判的自动化；顾问服务，就是智能投顾机器人能像银行顾问服务人员一样，为客户实现方案定制、资产诊断、财富规划、咨询陪伴等内容。

如果没有这些功能，只是把产品像超市一样堆积在网络页面和手机软件中，本质只是电子渠道销售而已，离真正的智能投顾相差甚远，有盗名之嫌。

因此，整体而言，要判断一个智能投顾产品的好坏，必须要从理论上的“顾+投+智能”三要素结合出发，同时利用金融行业的特殊性，深刻理解并践行落地。作为一项称得上人工智能方面的科技金融创新，智能投顾必须尽可能为客户实现上述的三要素价值。

由此，也可以推导出，科学的智能投顾判断标准是：既要像投资经理一样为客户在财富管理上做出“靠谱”的财富回报，也要像理财顾问一样为客户表现出人性化“温暖”的沟通和体贴陪伴。

当然，判断一个产品，做成一件事，也可以从人的角度来评价：谁来做，为谁做，谁评价。

当前智能投顾面临着一定的泡沫，不管是各类持牌金融机构，还是非金融机构，不论是注重资产管理的机构，还是注重客户服务的机构，不管是二级金融市场，还是一级金融市场，“智能投顾”业务正轰轰烈烈开战，泥沙俱下。相信人工智能的风口期过去后，市场将迎来更为真实的检验，行业将会更多反思智能投顾的标准、定义、内涵和外延等，反问是否真的给客户创造了价值。

来源：北京贝塔智投CEO马天平