智能投顾能成为理财的好帮手吗？

中基协最新的数据表明，大多数基民的年化收益率在2%左右，跑输各类资产。背后的原因主要是普通投资者没有专业的投顾。

传统投顾，资金门槛高，收费也相对较贵，普惠人群难以承受。新兴的智能投顾，资金门槛低，收费低甚至免费，得到了很多投资者的关注。然而，很多人往往止于“心动”，不敢投入真金白银付诸于“行动”。

智能投顾是什么？它能为投资者做什么？我们在挑选智能投顾时需要注意些什么？本文通过对上述问题的解答，为大家揭开智能投顾的神秘面纱。

智能投顾的前世今生

智能投顾是什么？顾名思义，智能投顾就是用机器人取代人，为大家提供理财服务。

它最早出现在美国，时间大概在2010年左右，发展历程参见图1：

智能投顾应运而生，得益于以下三个条件：

一是快速增长的普惠投顾需求。传统投顾门槛高、费用贵，一般家庭和个人难以承受，投资者希望找到门槛低、费用便宜、相对透明的投资顾问。这是智能投顾的需求基础。

二是人工智能技术的进步，尤其是深度学习取得突飞猛进的发展，因此人工智能得以在包括金融等众多领域内一试身手。这是智能投顾的技术基础。

三是美国资本市场的有效性。经过近200年的发展，美国资本市场越来越有效，美国的共同基金（类似于我国的公募基金）市场中，只有不到10%的主动管理的基金能够打败市场，被动投资的理念大为流行。这是智能投顾的市场基础。

智能投顾早期的先行者，例如WealthFront和Betterment，就尝试推出基于人工智能的、以指数基金为底层资产的智能投顾服务。这种投顾成本低、门槛低、投资收益不输主动管理的基金，得到了投资者的广泛欢迎，管理规模屡创新高。

大约在2015年左右，智能投顾进入中国，之后银行、券商以及第三方财富管理机构纷纷推出智能投顾。

智能投顾能为投资者做什么？

智能投顾为大家提供的是投资顾问，也就是理财服务，它一般包括五个子功能，分别是客户画像、大类资产配置、投资组合构建、业绩归因以及动态再平衡。

大家都知道，不同的人有不同的投资理财需求，投资顾问提供的理财建议必须与投资者的投资需求相匹配。因此，智能投顾首先是了解投资者的投资需求，包括投资者的风险承受能力、投资期限（即投资时间的长短）等信息。

在掌握投资者的投资需求后，基于“人工智能算法+经典的资产配置模型”，智能投顾会给出贴合这个投资者需求的大类资产配置建议。这里的大类资产包括现金、债券、股票、商品以及另类资产。

在这个大类资产配置建议的指导下，智能投顾通过一个筛选算法精选各类资产中的佼佼者（主要是各种类型的公募基金），形成一个可配置的投资组合。在构建好投资组合之后，智能投顾会启动持仓跟踪，通过一个指标体系（由各种能够解释持仓组合风险和收益的因素构成）来对持仓组合进行业绩归因分析（即这个组合的风险以及收益主要受哪些因素的影响）。

在业绩归因的基础上，智能投顾会结合一个动态再平衡算法检查当前的持仓组合是否是最贴合投资者投资需求的，如果当前的持仓组合因为市场的变化或者投资者需求发生变化而不能最好地满足投资者的投资需求，系统就会发起再平衡的动作，也就是调整成分基金或者它的占比。

通过客户画像、大类资产配置、投资组合构建、业绩归因以及动态再平衡这五个环环相扣的步骤，智能投顾努力做到两点：一是为投资者推荐的投资组合贴合投资者的投资需求；二是确保推荐的投资组合是当下最优的组合。

智能投顾如何选

一看平台。首先，智能投顾是一个相对复杂的系统，对管理团队的要求比较高，需要有投资、人工智能与大数据、风险控制等方面的专业人员，因此小型的公司或者团队恐难以胜任。其次，大的平台能够对接很多基金公司和资管机构，因此平台接入的公募基金和资管产品数量多、种类丰富，这就为智能投顾进行大类资产配置打下了良好的基础。

二看业绩。智能投顾一般会根据投资者的风险承受能力和投资期限构建15-30个不等的投资组合，首先大家要看不同组合在风险收益特征上的区隔是否明显，也就是稳健的是否稳健，承受风险博取收益的在风险收益比上是否出色；其次对于中高风险的组合，要看智能投顾在下跌时能否比别人跌得少，上涨时能否比别人涨得多；最后可将智能投顾中的中高风险的组合和公募FOF以及混合型基金进行比较，看看它的风险和收益表现的排名如何。

三看服务。智能投顾一般都提供O2O（线上和线下相结合）服务。线上服务主要满足投资者共性的服务需求，例如持仓跟踪分析服务，申购、赎回等与交易流程相关的服务等等，这些服务一般通过智能客服机器人在线提供；线下服务主要满足投资者个性的服务需求，一般由线下的专业营销顾问或者投顾团队负责。大家在选择智能投顾时，需要比较线上线下服务的专业化程度、响应速度。

因为了解，所以信任。和传统投顾一样，只有对智能投顾有较多的了解，才能够放心使用它，让它帮我们理财、生财。这需要财富管理机构、监管机构和投资者共同努力，打造让投资者用得起、用得放心的专业投顾系统。

本文由苏宁财富资讯原创，作者为苏宁金融研究院投资策略研究中心副主任顾慧君。

如何让智能投顾有趣起来？

1985年，大卫·斯文森（David Swensen）开始担任耶鲁大学捐赠基金的首席投资官，他开创了“耶鲁模式”，提出投资于不同类型的产品，将鸡蛋放到不同的篮子里，分散风险。经过2008年金融危机的考验，耶鲁模式被认为是最佳投资模式。而后，随着人工智能的应用发展，耶鲁模式与人工智能结合衍生出了理财机器人，也就是我们所说的智能投顾。

如今，智能投顾正处于持续发展阶段，它可以通过智能资产配置，帮助我们实现医疗、养老、留学等各方面的投资理财需求。本文中，作者以轻松诙谐的语言和浅显易懂的例子为我们展现出“记账型、目标型和监督型”三种智能投顾新形态。

本文转载自《零售银行》，作者胡国强，以下是亿欧智库为您带来的精选内容：

当前，各家银行都在大力发展金融科技，而金融科技在银行业最常见的应用场景之一，就是“智能投顾”。在银行业内，从招行摩羯智投开始，各家银行的智能投顾纷纷出台，嵌入手机银行，开始对客户提供投资顾问服务。在银行业外，大量互联网金融创业企业，不满足于简易链条的基本存贷业务，对智能投顾这种深度服务领域虎视眈眈。

互联网巨头，背后也厉兵秣马暗潮涌动，在不为人知的地方深挖洞广积粮，力求有朝一日在投资顾问有所突破。在风光无限的背后，银行基层大量缺乏有足够经验和能力的投资顾问人才，培训学习压力剧增，辅助工具缺乏，急需智能投顾填充服务空间。随着移动互联网的普及和普惠金融的深化，越来越多的客户需要投资顾问的支持。

智能投顾，在中国从一开始就面临巨大的需求，并且一开始就进入了一个竞争的红海。

智能投顾，本意是通过智能手段实现投资顾问技术。这个技术的指向是需要进行投资，但投资能力不足的客户，通过顾问方式为他们提供合理的投资策略。而实现顾问的核心手段是人工智能。

智能投顾现状

大部分产品特征体现出“专业性很强”“复杂程度很高”“需要形成组合”的行业，都需要顾问技术，比如：婚庆公司就是结婚仪式的顾问；旅行社就是旅游活动的顾问。而银行在财富管理的角度，就是客户投资的顾问。

1、智能投顾的发展

银行系智能投顾一经面世以来，就受到银行业的高度关注，但在客户当中的反馈却没有想象中好，除了作为银行业第一个投顾的“摩羯智投”，几乎未产生足够的市场反响。从功能来看，主要衍生出两种投顾：产品推荐型和资金托管型。

产品推荐型：顾名思义，就是根据客户的各种信息，分析出客户都需求，推荐适合客户的产品给他们，一定程度地减少了客户的选择成本。这种方式类似银行网点员工的推荐方式。对客户来说，好处是透明，能够了解自己的投资具体产品和细节，坏处是复杂，需要有一定的金融基础才能很好的做出判断和选择。

资金托管型：资金托管型就是客户将资金委托给智能投顾系统，系统根据客户风险偏好和收益目标，自动选择合理的投资产品和投资方式，客户只需要到期获得自己的收益即可。对客户来说，这种模式的智能投顾并不透明，投向了什么产品客户是不知道的，所以这类智能投顾需要客户对投顾的主体（比如银行）具有很高的信任。

2、智能投顾的困境

智能投顾从上线以来，一直发展得不温不火，甚至很多时候连只卖产品的APP都比不上。坚持吧，看不到前途；放弃吧，确实又是未来重要的发展趋势。一时间，陷入了发展的困局。这些困局体现在：

（1）手机银行的附属

银行的智能投顾很多时候，并不产生客户流，所以一般是成为手机银行的附属工具之一。利用手机银行的流量，为智能投顾打开市场，而这种策略，在手机银行并不受到客户欢迎的今天，实在是举步维艰。

（2）不够“智能”

当前我们常见的人工智能，不够“智能”成为最大的障碍。主要体现在四个方面：一是客户数据采集不够智能，X行智能投顾，竟然还问客户“年龄所在区间”；二是投资策略不够智能，另一家行的智能投顾客户画像大概十几种，也就是基础客户只对应十几种投资策略；三是客户认知不够智能，银行的数据都集中在金融交易，所以缺乏对客户所处生命阶段可能产生的金融需求的认知；四是对客户的行为策略不够智能，大部分智能投顾采取“一笔钱”的投资策略，而没有关注客户如何“获得一笔钱”。

（3）反人性

投资策略的核心，就是与欲望做斗争，尤其是在中低端客户层次。而这个层次，恰恰是智能投顾覆盖的范围。时间价值、控制欲望、日积月累……每一条投资的金科玉律，都是反人性的。当前的智能投顾几乎不考虑如何填补“人性”的空缺。

（4）复杂的监管逻辑

无论任何银行甚至非银智能投顾，如果是以产品推荐为核心，那么都必须经过“理财风险评估表”这一关。一方面证明是一个合格投资者，另一方面监管看不懂新金融模式下，如何分析客户数据获得投资顾问的策略。

客户需要什么样的智能投顾

我们发现，上面所谓的智能投顾障碍的核心原因，往往是忽略的客户体验。而直接原因是“智能投顾缺乏客户流量的入口”。要构建智能投顾的流量入口，我们就要关注客户的需求、符合客户的行为特征，最终形成新的智能投顾形态。

1、客户的需求

“客户在什么情况下需要智能投顾？”这个问题，才是智能投顾的根本。通常意义上，存在两种情况：一种是有闲置资金需要打理；另一种是要实现一个资金目标。

（1）管理闲置资金

你有钱多，需要打理，这就是典型的“一笔钱”投资逻辑。这种情况下的客户投资心态是放松的，所以关注焦点在收益水平，热衷于挑产品，而会忽视风险特征和时间因素。

（2）目标资金实现

为了一个目标，想办法“获得一笔钱”。比如，要环欧洲旅游，希望2年内存够5万元；或者，要去美国留学，要在5年内存够20万。这种情况下的客户投资心态是紧绷的，关注焦点在如何持之以恒获得稳定收益，会综合考虑风险、收益和时间等多重因素。更重要的，客户认识到需要把关注点放在自己身上。

2、客户行为特征

从上面我们可以看出，无论是客户需要哪种投资顾问技术，最终都需要解决收益问题、风险问题、时间因素。但与之相对的，人本身有着很多“人性”特征，这些会影响客户长期持续的投资计划，比如：

（1）欲望

人的欲望是投资最大的障碍，主要体现在两点。第一是欲望会打乱计划，比如制定了一个每月投资2000元的计划，但这个月吃夜宵多花了300元。第二是欲望会削弱判断，这个体现在为了追求收益而忽视风险。

（2）惰性

无论计划多好，惰性总是打破计划的杀手。其实很多人知道这一点，但要做到克服惰性却非常非常难。比如一个年轻人要省钱投资出去旅游，那么就要每天自己做饭，而不能点外卖。

（3）缺乏远见

明明自己定了一个比较长期的目标，在欲望与惰性滋生的情况下，很容易被前期较为缓慢的收益左右情绪。远见的缺乏，没有让客户看到投资收益后的美好人生。

（4）缺乏监督

欲望、惰性、远见，等等之类，靠自己坚持往往很难。怎么办？帮助客户建立监督体系。在互联网与社交媒体高度发达的今天，通过各种技术手段，让自己的家人、朋友、同事，甚至是有共同目标和理想的陌生人成为监督自己的重要力量。

3、智能投顾的新形态

从以上这些角度出发，智能投顾将不再是提供理财策略的工具，而是一种服务方式。形成新的智能投顾形态，这些形态不但可以形成流量入口，还能通过社交化传播，并且可以构建客户深层数据来源。

（1）记账型

想知道客户的投资特征，最简单的就是了解客户的消费特征，所以记账型智能投顾就成为首选。在投资顾问之前，先帮助客户做日常记账：今天20元买了面，明天40元买了米，后天150元请同事吃饭，大后天200元交了一个月电费……通过各种有趣的方式促进客户主动记账，或者通过技术手段降低记账难度，这是记账型智能投顾的核心。

（2）目标型

立个Flag，人生就有目标了，实现目标的路上就有伴了。比如打工5年存够10万自己开店。在提供一些起始资金、每月收入、日常消费等基本信息之后，智能投顾就自动拿出一个方案，通过什么理财产品，再加上适当的创业贷款，可以3年实现客户这个目标。如果再增加一个目标，比如半年存够1万元陪女朋友出国旅游，优先级高于开店的创业资金，智能投顾将会根据需求调整方案。

（3）监督型

Flag就是拿来打破的。所以客户能坚持下去的非常少，为了要避免客户的“人性”爆发，就需要建立监督体系。比如在客户授权下，定期自动将客户的目标执行进度公布在社交网站，要求大家的鼓励，或者要求大家的监督。

以上三种类型，分别积累了客户的现在财务数据（记账型）、未来发展愿景（目标型）、以及执行力（监督型）。这些数据为更加科学、更有针对性地提供智能投顾方案创造了条件。

如何构建智能投顾

知道了客户要什么样的智能投顾，那么我们如何搭建这种智能投顾呢？

1、客户群定位与入口形态

任何产品都有目标客户群，即使是号称万能白搭的存款，现在都成了老年低收入人群的专属产品。那么智能投顾适合什么样的人群呢？

（1）老年人适合记账型

老年人客户有足够的自律能力，需要清除的知道自己的花费和收入细节，适合记账型智能投顾。但问题来了，记账本身就是一个相对复杂的操作，老年人怎么才能做到？

（2）中年人适合目标型

中年人有稳定的工作，有大量的生活需求，要买车、要买房、孩子要念书、老人要看病，所以适合制定一个目标，让他们日积月累的向目标进发。这样才能锻造出一大批“打他骂他也不敢辞职的中年人……”

（3）年轻人适合监督型

年轻人自律能力很差、欲望很多、定力不足，但是他们热衷社交，具有丰富的社交圈。他们非常清楚自己的优缺点，监督型智能投顾，就是发挥他们的社交优点来弥补他们的缺点。

2、讲好品牌故事

缺乏场景化是智能投顾的重大难题，要让客户愿意接受智能投顾非常难，但让客户接受智能投顾带来的美好未来，却不那么难。这个时候就需要品牌故事。在智能投顾，品牌故事的核心实际上是一句话：“时间见证成长”。如何锻造这种品牌故事？就要集中在三点：记账的简单；目标的美满；监督的温和有效。

3、构建内容分享

无论是记账、目标、还是监督，本质是反人性的，人的本性总是趋向自由的，当智能投顾反人性到让人厌烦的地步时，客户就会选择“放弃”。所以，我们就要构建不同的内容场景，加深客户的体验，让智能投顾有趣起来。

（1）记账场景

记账是一个宽场景，通常并不是一个人完成的，在中国的家庭，仍然存在经济一体化的现象，全家人的经济是一个大资金池。那么，记账就是一个参与度很高的工作，需要全家每一个消费和收入成员的参与。也就是说，一个记账式智能投顾的活跃用户单位是“家庭”。这样可以让用户看到，每一个家庭成员所产生的贡献和所花费的支出，相互之间还能起到促进和监督作用。家庭成员与亲朋好友之间，可以分享一些精致生活案例，比如：妹妹分享了一个50元一桶400g哈根达斯冰淇淋；奶奶分享了单价1.2元的土鸡蛋；爸爸分享了80元的3D电影3人套装……家庭内为彼此之间的智慧选择点赞，家庭外的客户，还可以通过这些分享学习别的家庭如何“会过日子”。当然，记账的方式可能需要技术含量更高一些，比如：提取银行支付短信和微信消息数据、提取支付宝支付数据、提取微信支付数据，实现数据自动导入记账，当然对同一笔交易在银行和支付平台双边记账的情况，也要进行清理，保证数据的正确。不麻烦的记账才会受到欢迎。

（2）目标场景

这就是许下一个心愿，然后一起去实现，那么从社交内容上要如何设计呢？让很多有共同心愿的人组成社群。这种社群根据心愿可以实现几种内容交互：一是了解自己的心愿最后的体验效果，比如：埃及旅游的前辈会告诉你真实的感受，这样会了解是否这个心愿是合理的；二是了解自己实现心愿的方式是否合理，一些心愿成功实现的分享会附上实现路径，比如买了什么产品，日积月累多少金额，选择了什么优惠措施等等，这些方案都是可以借鉴的；三是心愿的实现过程中对进度的跟踪，有着共同心愿的人可以分享心情相互鼓励。

（3）监督场景

监督场景相对就紧张的多，同样是要立一个flag，比如：我收入5000元一个月，要控制除了每月1000元基础消费之外，额外消费不超过2000元。但在监督场景，是为了“避免打破”flag，所以存在机器监督和社交监督两个方面。机器监督，指的是通过智能投顾软件自身对用户行为进行监督，比如：额度锁，消费超过额度的自动锁定手机银行、支付宝、微信，拒绝向外支付；当然，也可以温柔一点，做一些语音提示：您本月的消费已超出设定额度，距离你的梦想又远了一步呦；还可以处罚我，超额度之后，一天之内步行10000步解锁额度，下次再犯步行20000步；还可以当达到一个警戒线的时候，程序帮你在社交网站发出来：本月已用1500，下周可能要吃土，大家注意10块钱以上的AA就不要叫我了。这就已经引入了社交监督的成分，社交监督可以是：最常见的打卡，每个月限定使用2000元，到今天20日已经用了1500元，低于时间进度完成打卡；求赞，限定额度的使用进度发出去之后，求得父母、男女朋友等关键人的点赞；求diss，除了赞还可以批评我。

这样的内容运营，除了对客户自身有好处，还能通过社交媒体高速传播，扩大用户群体；银行可以获得客户的社交关系链、家庭资产结构数据、收入支出数据、最重要的是支出使用方向数据；银行还可以将这些数据用于打造服务生态，合理选择零售合作伙伴，完成生态构建，并对零售合作伙伴进行数据赋能。

4、陪伴成长体系

反人性的过程就是一个压制弱点获得成功的过程，这种过程十分符合智能投顾的特征，所以社交化的智能投顾不仅仅是让用户在财富上获得了成长，还在人的精神上有所收获。那么智能投顾，可以成为一个人成长过程中的陪伴者。

（1）自我感知

客户的自我感知，是一个重新认识自己的过程，其中包括了借鉴别人对自己的认识。比如：同样是5年存够10万元去留学的方案，为什么别人就能成功，而我则推迟成6年？借鉴了别人的方案，失败之后，将别人的执行进度与自己的进行对比，就能让人获得成长。

（2）相互监督

社群中的朋友、现实中的朋友或者身边的亲人，在相互监督阶段需要进行分享，分享的目的可以是约束自己、可以是激励自己、可以是臭美、可以是邀请监督，但更重要的是获得别人的激励和认可。当自己的努力获得肯定的时候，也是一种成长。

（3）成就系统

系统可以自动给出一些比较难做到的事情，构建合理的成就系统，比如：“聚宝盆”成就，连续一年，每个月都没有超出额度；“摇钱树”成就，连续3年每年工资增长10%；“不差钱”成就，连续3周，每周购得半价商品……。这些成就在附上一些特殊的铭牌、logo、buff标记，甚至是优惠措施：比如获得“摇钱树”成就，信用卡额度提升30%，就能够很好的激励客户坚持下去。

当然，坚持是一种痛苦，很多人都倒在实现目标的前一秒。所以，在系统中，很多事情需要再进一步细分，比如消费额度可能就不是月，而要分化成周或者是日，小步快跑会比较容易实现。同时在每个小节点的鼓励，能帮助客户顺利坚持下去，比如：额度还剩10元，还有1天就可以解锁下个月的额度了，你心仪的碎花裙就在向你招手了。

（4）用户反馈

当一个梦想实现、或者一种方案完成的时候，智能投顾需要帮助客户回顾整个梦想实现的过程，并在一些重要节点，让客户回忆体会。比如：有连续三个月，每个月都未实现存款目标，客户的回忆是，那段时间失恋，造成暴饮暴食。谢谢生活经历和人生成长，经过系统整理和客户补充之后。分享出去，既让客户自身获得成长，将成为其他客户借鉴的模板。在这里智能投顾要做的，只是保护好分享者的私密性，以及其他借鉴者的交互性。

四、说在后面

最后，还是有必要说明白。每个人都需要投资，每个人都需要梦想。通过记账、目标和监督的方式，将一个对金钱的投资转化为对梦想和未来的投资，在这个时代将更有意义。而对银行来说，还有这些价值体现：

1、数据聚合

这样的智能投顾解决了传统投顾技术缺乏KYC的困境，大量行为数据、消费方式、投资偏好等等都在每天客户与智能投顾的交互中体现出来。

2、产品平台

其次，智能投顾自己成为流量前端，就可以从手机银行中独立出来，成为一个产品的平台。产品平台是底层，智能投顾是服务中层，客户在智能投顾的支持下选择合理的产品和组合。

3、三方顾问

在智能投顾初期或者高级形态，人的顾问作用仍然不可忽视，这是解决信任问题的根基。由于银行系智能投顾对产品都有偏颇性的立场，所以银行的投资顾问也被设定为“有立场”的。与之对比，没有“预设立场”的三方顾问，与客户是一个立场的，也更容易受到客户信任。

4、进化方向

智能投顾随着互联网的深化和社会核心工具的变化，还会进一步进化，体现在：账户化，由于三方智能投顾的存在，很多金融机构提供了产品，但无法去金融机构开户，所以智能投顾本身也需要账户化；管家式综合服务，智能投顾未来会成为各种互联网顾问技术的组成部分，多种顾问组合在一起解决客户的基本需求，就是管家服务；服务前端还会进一步进化，目前我们可以预见的前端服务类型是“记账型、目标型和监督型”，未来随着技术的进步，还会衍生出更多的服务前端方式。

科技创新正触发新一轮物流竞争序幕，新物流比拼的是跨界整合能力和大数据算法等科技能力。在此新形势下，整个行业、企业如何抓住在新一轮物流竞争中抓住新机遇？又如何实现内部产业变革与升级，创造出新的竞争优势？

文章来源：亿欧智库

比阿里和腾讯入局晚，京东做云计算的机会在哪里？

在2018年8月底刘强东性侵门爆发前一个交易日，京东的股价为31.30美元，丑闻爆发后的首个交易日股价一天内暴跌至26.30美元，随后一路跌至过去一年低点19.27美元，市值损失近四成。

但就在本周，京东股价在丑闻爆发之后首次连续多日维持在31.30美元之上。在此期间，京东在美国的主要竞争对手阿里和拼多多的股价维持了小幅上涨，其中阿里巴巴上涨了2.9%，拼多多上涨了15.8%。

至此，刘强东性侵门带来的负面冲击，在资本市场层面已经被消化得差不多了。

在今年4月份，京东的股价在上升至30美元左右的过程中有一次回落，京东的股价再次上升至30余美元之后将会如何？

我们希望接下来通过一系列研究，对京东在资本市场上的未来走势输出一组报道。本篇将侧重其新兴业务：云。

资料来源：Yahoo Finance

我们将使用二阶段DCF模型，顾名思义，该模型会考虑到两个增长阶段。第一阶段通常是较高的增长期，在第二个阶段则是达到终端值得稳定增长时期。

在分析师所使用的现金流的数字部分来源于摩根大通分析师的估计，以及部分从过去估计或者报告中的值推断而来。

在假设自由现金流（FCF）不断萎缩的公司将减缓其收缩速度，而FCF增长的公司会放缓增长率。这样假设的目的是为了反映，在最初几年，增长的速度会较之后更缓慢一些。

由Aspirin 整理制作

以上是京东未来10年自由现金流的预测，接下来计算终端价值（Termianl Value）。由于多种原因，分析师使用非常保守的增长率即不超过本国GDP的增长率。使用11.7%的权益成本将未来现金流折算到今天的价值。

Terminal Value(TV)= FCF2029× (1 +g) ÷ (r – g) = CN¥55b × (1 + 2.7%) ÷ (11.7% – 2.7%) = CN¥625b

Present Value ofTerminal Value (PVTV)= TV / (1 + r)10= CN¥CN¥625b ÷ ( 1 + 11.7%)10= CN¥205.79b

而总价值是未来十年现金流量的总和加上贴现的终端价值，即总权益价值，计算后得出人民币3725.8亿元。即推出每股美元的内在价值为38.19美元，相较于目前32.2美元的股价相比，京东的股价是被低估了。但请记住，这只是一个近似的估价，仅做参考。

重要的假设

上述的计算非常依赖于两个假设。第一个是贴现率（Discounted rate），另一个则是现金流量。我们必须强调，DCF的方法没有考虑一个行业周期性的可能性，以及公司未来的资本需求，因此并不能全面反映公司的潜在绩效。

鉴于在这里是将京东集团视为股东，权益成本用作贴现率，而不是债务的股本成本，或是加权平均资本成本WACC。在此计算中，我们使用了11.7%这个数字，它是基于杠杆Beta为1.513得来的，Beta是衡量股票波动性的指标。从全球可比公司的行业平均beta中，范围在0.8-2.0之间都是稳定的合理范围。

DCF计算固然是重要的一种方式，但并不是惟一的，它也并不完美。如果公司以不通速率增长，或者如果其权益成本或无风险利率急剧变化，都会导致产出的结果大相径庭。若为了追求谨慎的结果，我们建议大家可以通过别的估值手段进行尝试。

京东未来的关键变量

云计算服务是京东最新的战略业务，也是京东未来在中国互联网公司竞争中的关键变量。

京东的发家史就如同一部战争史，经常能让轻视它的敌人付出代价。

2004年，凭借着只卖正品的思路，京东势如洪水般驱逐一众横行无忌的盗版商家，成为国内最大光磁销售商，线下门店生意一片红火，然而刘强东却没有固步自封，毅然决定转型电商。

2007年，京东销售破亿，加冕中国第一大3C电商平台桂冠。然而，在众多投资人和高管的反对声中，刘强东毅然坚持开启全品类战略，坚持做自营物流。

2010年，一场荡气回肠的图书大战掀翻当当，京东交易额突破100亿。

2013年，京东交易额突破1000亿，正式坐上中国B2C零售的第二把交椅。

2017年，京东物流独立运营，京东商城逆袭苏宁，成为国内最大家电零售商。

上周，京东云召开“区块链+京东云 大有可为”战略合作媒体沟通会。在会上，京东云与京东数科宣布在区块链技术服务领域进行深度合作，发布智臻链“云”建设规划，并同步上线了“区块链防伪追溯”、“区块链数字存证”两款“京东自营”的京东云市场SaaS应用。此外，京东云还推出了国内首款区块链数据在线分析服务产品——BDS服务。

我们回顾下京东的技术投入。

在2016-2018年间，京东技术研发投入分别为44.53亿元、66.52亿元、121.44亿元。

2017年9月，申元庆就任京东云事业部总裁，全面负责京东云计算等相关业务。他此前未微软公司亚太研发集团首席运营官。

2018年12月31日，京东斥巨资聘请1.6万名研发专业人员，来负责设计开发、运营技术平台。

今年7月15日，京东更是砸下200亿，在东莞建立新的技术研发中心——智谷无界之城。

市场分析

2006年3月，亚马逊推出弹性计算云（Elastic Compute Cloud；EC2）服务之后，云计算的概念被广泛传播，最终成为定义当前信息技术变革大潮的名称。如今，亚马逊、谷歌、微软、Rackspace 等云服务的企业用户数均已达到10万量级。

国内方面，阿里云从2008年起步，2011年7月官网正式上线，开始大规模对外提供服务，腾讯开放平台则是自2010年2月开始接入首批应用。

而京东直到2016年4月才开始启动商用云服务，相较于云计算“鼻祖”亚马逊而言，整整晚了十年。

根据中国信息通信研究院最近发布的《云计算展白皮书（2019）》显示：2019年至2022年，中国云计算市场仍将处于快速增长阶段，到2022年规模将达到1731亿元。Gartner数据显示，包括IaaS、PaaS、SaaS、流程服务、广告营销在内的云计算市场到2020年预计整体规模将达到4114亿美元，2016至2020年的复合增长率为17%。

根据权威机构Gartner发布的全球云计算市场数据，2018年阿里云已经走到第三的位置，在国内市场来说业已是遥遥领先。

资料来源：Gartner

据数据统计，2018年全球云计算市场呈现向头部集中趋势，3A（亚马逊AWS、微软Azure、阿里云）占据了七成的市场份额。

资料来源：Gartner

虽然加入云计算市场这条赛道较晚，在2016年京东云才开始正式商用。与阿里、腾讯、华为等大厂的云计算服务不同的是，京东一开始并没有选择完全依赖自建，而是选择了架构“云矩阵”战略，先后投资了Paas厂商BoCloud、开源云计算提供商EasyStack、云数据库厂商PingCap等等。

如今，简单的上云已经无法满足京东的数字化需求，将云计算覆盖到企业运营的每一个环节，使得其金融、供应链、物流都能与其IaaS和PaaS层无缝融合，是当下京东想做到的。

因此，不久前京东云和京东AI事业部宣布联手，推进京东云“AI+云计算”的云智能全价值链产业赋能新战略。如此一来，京东云已经能够提供包括IaaS，PaaS，SaaS的一站式服务，从IDC业务，云计算业务到综合业务的全频段服务，以及公有云，私有云，专有云，混合云等全场景服务。

在云计算服务领域里的规模来讲，亚马逊、阿里等已形成气候，而京东云则还形如初生，如何去与大厂竞争，又如何在市场中盈利生存？

发展期间，对于阿里云、腾讯云的竞争关系，京东表示：“云计算的服务基因和电商的服务基因相似。京东的商业模式中有服务基因。其次云计算需要技术强、口袋深。云计算是非常耗费资本的业务，京东在十几年的发展之后获得稳定获利，而对比亚马逊的AWS历经8年，才开始达到25%的获利，在对云计算投入的决心上，京东云和亚马逊是相似的。”

首先是从人才招募上，除申元庆加入京东云，郑宇、周伯文、薄列峰、梅涛及何晓冬等人才相继加入。

产品方面，申元庆表示，其丰富度在今年会有质的飞跃。去年，京东云将Open Stack的模块全面重构，同时推出自研的3层网路、强隔离的原生容器、CDN、Auto Scaling，、RDS等。而今年京东云将继续推出新的产品。

其中，在IaaS和PaaS层，JD stack上半年就能上线支持政务云需求，下半年计划实现对企业私有云需求的支持；SaaS方面，京东云会发布电商云B2B标品2.0及EC-PaaS定制化开发平台，支持B2B大宗、分销、批发等电商模式及ISV参与定制。数据云亦将继续提升平台能力并正式服务商用客户。

从市场机会方面，申元庆也曾分析京东云仍然有空间，目前中国的云计算市场份额主要停留在IaaS层维度，PaaS层和SaaS层未来非常有机会。

京东从2016年就开始将区块链技术应用于商品的追溯当中。经过三年多的探索和实践验证，其京东区块链防伪追溯平台已有10亿级的追溯数据落链，700余家合作品牌商，6万以上商品入驻，逾600万次售后用户访问查询。

云的利润

首先，电商和云服务的商业模式都是批发转零售，大批量买入，然后小批量、一件一件卖出去。其次，两者的基础架构是虚拟化设计，无论是虚拟机还是“容器”。另外，从用户体验的角度而言，两者均是多租户的使用模式。

如此一来，电商和云服务商本就有着基因上的相似性。

随着云计算从浅水区往深水区迈进，用户不再购买计算、容器、带宽，慢慢进入场景化服务需求中，更多的则是需要垂直行业的技术服务。面对这些，京东云有着天然的优势。“超级电商成就超级云。”申元庆谈到，零售的本质是卖货，云计算的本质是卖服务。两者的逻辑都是批发转零售的概念，同时也都强调成本、效率跟用户体验。

借助自身场景的优势，京东云打造出一个包括智能零售、智能金融、智能保险、智能城市、智能医疗等在内的全球智能商业体。申元庆举例道，目前，京东智能零售实现了以图搜货、精准推荐、智能选址，智能补货；京东智能金融实现了智能投顾的风控和反欺诈、无人审核下的授信和放款业务；京东智能物流搭建无人机、无人车、无人仓的智慧物流体系等等场景下的AI技术应用。

此外，京东云NeuHub人工智能平台开放了AI算法能力，并建立了算法技术、应用场景、数据链间的连接，将云计算、大数据、人工智能等各类资源，以及垂直行业场景解决方案，打造成一站式服务对外输出。

区块链技术的优势不用过多陈述，可一次性进行多主体同步、自动验证，节省了人力、时间成本、降低出错概率和提升企业运营效率等都已老生常谈。

然而其风险在于，形成每一家品牌都有节点的追溯联盟链是需要一段时间才能完成的，而在这个过程中势必需要投入大量的成本，技术也需要同时沉淀和创新。可以预计未来京东数科的基本面一定很难看，毕竟当年的亚马逊亏了整整8年。

与之相对应的就是高回报了，云服务高达25%的利润率极为可观，一旦把云业务做大做精，可以远超传统电商业务的收益。事实上，根据亚马逊最新财报显示，亚马逊AWS一季度运营利润为14亿美元，占亚马逊整体运营利润的73%。

但是区块链这个东西本身是有着壁垒的，并非是可以直接地毯式一样就能铺成的，且要求实施企业有较高的数字化程度，因而我国各企业、各行业、各地区的追溯工作的推进状况不一。也正是这样的差异性，造就了巨大的市场空间和可能性，给了京东云切入的机会。

然而光靠技术已经无法实现云厂商市场占有率的提升。以IaaS服务为例，有数据显示，2018下半年中国公有云IaaS服务整体市场规模为26.9亿美元，增速高达88.4%。可以看出，IaaS服务已经是一片红海。这就会导致在整个IaaS市场里充斥着各种价格战，并且产品技术同质化严重，对于客户来说，难以获得较大的收益。

服务和品质，将会是下一个竞争点。从这一点上，申元庆表示，云厂商不能仅满足于输出技术，更要输出经验和流量，真正成为消费者和企业的连接器。在服务客户方面，京东云更想做的是以重构的方式加上京东云丰富的经验，提升用户上云体验，最终为客户带来优质的体验和业务的提升，不在单纯的只是帮助客户进行“搬运”。

根据Gartner预计，到2021年，排名前十位的供应商将占到IaaS市场近70%的份额，2016年该数字为50%。现在，京东云未来能否进入前十，就已成观察京东未来的一个关键点。

文章来源：36氪

一度沉寂的东南亚智能投顾又破土重生？

东南亚智能投顾行业融资捷报频传

最近在收集整理东南亚新经济领域融资新闻时，发现一个很久没被关注的行业在一周之内三刷存在感，而且融资额也一刷之前停留在百万美元级别的“憋屈”，达到了千万美元的高度。

首先是新加坡两个老资格的智能投顾平台，Bambu 和 StashAway 分别获得了1000万和1200万美元同为 B 轮的投资，投资方里面不乏像 Franklin Templeton 和富达国际下属的 Eight Roads Ventures （斯道资本）的身影，这两个投资机构一家管着7000多亿美金，另一家在1999年就领投了巨头阿里巴巴的 A 轮。

而 Bambu 和 StashAway 虽然总部都设立在新加坡，但由于线上平台的优势，服务的市场横跨全球投资者和金融机构，融资后业务侧重也有所不同，Bambu 宣布拿到钱后会深耕 SaaS 领域，将企业端的服务能力进一步提升，而 StashAway 则表示会进一步针对零售端发力，目前已经吸引了125个国家数十万的注册用户，下一步计划是进军新加坡的邻国马来西亚。

Bambu和StashAway是新加坡智投行业的主要玩家

而前几天还有一个泰国的 Fintech 企业 Finnomena 宣布在准备自己的 B 轮融资，与此同时也推出了智能投顾服务 GuruPort 。Finnomena 虽然在发展速度上没有前两家亮眼，但是背后也有泰国金融巨头 Krungsri Bank 旗下风投 KrungsriFinnovate 的支持，后者在2017年曾领投了 Finnomena 的320万美元 A 轮融资。

智能投顾的发展历史

根据兴业证券发表的一篇题为《智能投顾：技术为镐，蓝海掘金》的文章，我们可以大致将最早起源于美国的智能投顾分成三个发展阶段。

1. 在线投顾阶段

20世纪90年代末期，可供投资者选择应用的投资分析工具的技术水平和规模开始扩大。2005年， FINRA 颁布 NASD IM2210-6 Requirements for the Use of Investment Analysis Tools 规章，允许证券自营商将投资分析工具（investment analysis tools）直接让投资者使用，投资者可以利用投资分析工具进行不同投资策略的投资收益分析，对收益和风险有更好的把控。

此后，在线资产管理服务规模迅速增长，更多长尾客户在此阶段受益。此阶段的特点主要是机器智能应用比较有限，主要应用领域是投资组合分析。

2. 机器人投顾阶段

2008年～2015年期间，大量新兴科技企业开始为客户直接提供各类基于机器学习的 “数字化投顾工具”，机器人投顾商业模式开始发展。这些公司开发的面向客户的投顾工具提供的功能之前只被金融从业者应用，目前已经广泛被客户所直接应用。在这个阶段的很多实际应用案例中，证券公司对他们的“数字化投顾工具”提供的投资策略负责。

3. 人工智能投顾阶段

2015年至今，以大数据为基础的深度学习被广泛应用，人工智能技术取得突破性进展。智能投顾服务商和科技企业开始尝试开发能够完全消除人类参与投资管理价值链的人工智能系统。目前包括国外的 Bridge Water 、Wealthfront ，国内的弥财等都已经实现了这样的系统开发和商业化运营。通常采用“人工智能+云计算”体系结构的服务商，在计算设备和软件开发方面投资巨大（少则1-2亿，多则几十亿），能够同时服务千万、亿级别的海量用户。

智能投顾主要解决什么问题？

客户分析：客户分析是提供符合个人情况的精准投资建议的前提。目前，主流的智能投顾平台在进行客户分析和画像时，基本均采用调查问卷和询问打分形式。

大类资产配置：根据现代资产组合理论，在确定性收益情况下是存在最优投资的。大多数智能投顾服务都利用此原理建立了分散的投资组合。并且依据其不同的商业模式做了优化。

投资组合选择：主要有两种类型，一种是由风险等级选择不同的投资组合，而另外一种是根据投资风格选择不同的投资组合。

交易执行：大多数智能投顾基本都是利用自有的券商或合作券商提供顺畅的交易执行服务。

投资组合再平衡：组合再平衡主要是指随着市值的变化，如果资产投资配置偏离目标资产配置过大，投资组合再平衡可以实施动态资产配置向静态资产配置的重新调整。

税收规划：是美国智能投顾平台特色，产品自动提供税收亏损收割节税功能。具体操作是卖出投资者亏损的资产，抵免一部分资本利得税，同时买入其他类似资产，从而达到合理节税和增加客户净收益的目的。

投资组合分析：投资组合分析主要是智能投顾为客户提供的投资分析，一般包括：业绩展示，业绩归因，风险因子分析，组合描述性统计分析，回测和模拟等。

智能投顾的核心优势和先行者

智能投顾的核心优势在于通过技术的引入，极大降低人力成本，从而降低客户获取投顾服务的门槛和费用，有助于推动普惠金融发展。传统投顾服务的费用昂贵，主要客户为高净值人群。而智能投顾引入了人工智能和大数据等技术，可以快速处理海量信息，根据客户填写问卷反馈的信息进行风险偏好判别，通过算法模型为投资者提供资产配置建议，极大节约了专业投顾的人力成本，降低了客户获取投顾服务的门槛和费用，具有低门槛、低费用、投资广、易操作、透明度高和个性化定制等优势。

根据德勤最新的一份关于亚太智能投顾市场的报告，中国智能投顾的竞争异常激烈，已经进场的巨头名号响到让小玩家望而却步，比如金融新贵蚂蚁金服的“财富号”、陆金所和曾经轰动一时的招商银行推出的“摩羯智投”。

根据德勤这份报告，蚂蚁“财富号”吸引的27家财富管理公司已经尝到了甜头，其中包括运营效率提高70％，总体成本降低50％，企业平台每日访客人数增加了十倍，老客户继续加码的投资额增加了三倍，而所有客户的持有期增加了89％。

而在新加坡这个东南亚智能投顾行业的大本营里，传统的金融玩家也不乏像招商银行一样的机构，比如说在2018年，新加坡华侨银行 OCBC 推出了 RoboInvest 投资服务机器人，专门针对新一代投资人，投资额要求最低的门槛可以低到3500新币，也就是17500人民币左右。这个是在跟新加坡另外一家金融科技公司 WeInvest 合作之后推出的服务，可以通过算法来自动监测和管理投资组合，这样的合作属于新加坡传统金融机构中在智能投顾领域的先行者。

智能投顾的魅力和出路

对于投资顾问和财富管理公司来说，智能投顾最大的缺点和想象空间都落在了金融行业需要拿捏的两个平衡点，一个是使用体验，另外一个是效率。传统的金融机构清一色以银行本身为中心，通过银行这个主体来搭建各种渠道和进行大量的买卖操作来提高效率，而新金融讲究的是以每一个用户为主体，通过不断革新的技术和观念来提高体验。一个是为了效率牺牲了体验，一个是为了体验而很可能要耽误效率，可见传统的和新式的各有利弊，智能投顾与其说是全新的行业迭代，还不如说是一次行业的试探，盲从很可能会把步子迈太大。

所以无论是前面提到的 Franklin Templeton ，还是 OCBC 和招商银行业，基本上都希望通过投资或者外包项目的方式与初创公司达成合作，这么做的原因首先是传统的金融机构有自己的一套，要从内部更新非常难，而同时初创公司也能通过传统机构提供的更大的平台来验证自己的算法和适用性，一举两得。

所以我们可以看到现在的智能投顾已经从当初比较“不成熟”的追求 To C 慢慢向更合理的 To B 的转变，后者的退出渠道也更稳，可以是被并购也可以是分拆后再横向发展。Bambu 的创始人 Ned Phillips 曾经在一次采访中就表示，To C 不是不能做，但是在东南亚市场，如果一个 To C 的玩家不能一直保证有5000万美金的现金流，基本不可能在蚂蚁金服、微信、KaoKao 和当地银行中杀出一条自己的路。从 To B 向 To C 过渡才是最稳妥的路径。

文章来源：36氪

人工智能该不该有道德观？阿里罗汉堂发布了关于数字经济的十个问题

6月25日，阿里巴巴倡议成立的研究机构“罗汉堂”，在杭州发布了数字经济时代最关乎人类未来的十大问题。这十大问题包括对技术发展与风险的讨论，对数字鸿沟的讨论，对隐私和个人数据所有权的讨论，对人工智能道德观的讨论等等。

罗汉堂主要关注的研究领域是社会学、经济学、心理学等，成立于一年之前。上市之后，除了在日常的业务研发投入之外，阿里及其关联方在科学、社会学领域的纯研究性学术投入越来越多。

2017年10月，阿里巴巴CTO张建锋在云栖大会上宣布成立阿里巴巴“达摩院”。阿里官方资料介绍，达摩院“致力于探索科技未知，以人类愿景为驱动力，开展基础科学和创新性技术研究。”马云对达摩院的发展提出三个要求“活得要比阿里巴巴长”、“服务全世界至少20亿人口”、“必须面向未来、用科技解决未来的问题”。

但是与聚焦前沿科技的达摩院不同，罗汉堂主要解决的是随着科技发展而伴生出的经济和社会形态、社会治理等领域的问题。

2018年6月26日，罗汉堂由阿里巴巴倡议，包括Bengt Holmstrom、Lars Peter Hansen、Michael Spence等6位诺贝尔经济学奖获得者在内的全球社会学、经济学、心理学等领域学者共同发起，将一起研究与科技创新伴生的社会经济形态变化等课题。

“我希望罗汉堂也能存在300年。”马云在罗汉堂成立时曾说。

值得一提的是，马云本人也在6月24日参加了这些问题的讨论。

由于讨论会议是闭门的，全文内容尚未公开，以下是2019罗汉堂数字经济年会上，全球学者对这十大问题的部分讨论内容。

1、我们是应该先控制风险，还是先迎接数字技术？

要达到5000万用户，电力花了46年，计算机花了14年，互联网花了7年，皮卡丘花了19天。今天，在低收入国家也有60%的人已经拥有移动手机。决策时间前所未有的短，错过成本前所未有的大。

迈克尔·斯宾塞（Michael Spence）| 2001诺贝尔经济学奖获得者: 数字经济带来的福利还难以被准确衡量和估计，这会影响我们平衡数字经济风险和收益。现有对经济的衡量集中在对经济增长的关注，忽略了健康、生活便利等其他福利。数字经济的长期影响是深度多维的，需要一个更多维的框架衡量个人和社会福利。

2、数字技术会扩大鸿沟，还是会让世界变平？

技术从来都是双刃剑。技术革命既让地球能够养活的人口从10亿增加到70多亿，也引发过两次世界大战。关键是能不能以最快速度，让尽可能多的人受益。

迈克尔·斯宾塞（Michael Spence）| 2001诺贝尔经济学奖获得者：中国数字经济的发展不仅体现在增长速度上，还体现在边远、贫困群体与现有经济资源的结合速度上，这是令人震惊的普惠增长模式。

阿尔伯特·罗西（Alberto Rossi）| 美国马里兰大学助理教授：智能投顾能够帮助用户更稳健地配置资产，尤其是对投资经验少、现金持有比例高、频繁买卖的用户而言更是如此。智能投顾让投资更普惠。

3、数据是谁的？谁是真正的受益者？

司机的行驶记录对于个人而言意义不大，但如果分享出去，就会让导航软件的精准度更高。数据作为一种生产资料，不见得应该只追求唯一所有权，而是要寻找一种机制保护好隐私，并让更多人受益。

让·梯若尔（Jean Tirole）| 2014诺贝尔经济学奖获得者：我们如何在保护个人隐私的同时，不遏制科技的进步和创新的向前？我们想倒掉洗澡水，但别把宝宝也泼出去了。

詹姆斯·邓普斯 | 美国加州伯克利法学院教授：我们现在缺乏足够的经济学、社会学层面对隐私问题的研究，太多的政策只是基于假设。

伊莎贝尔·法尔克·皮尔罗廷 | 法国数据保护局前副主席：欧洲GDPR不能被其他国家简单照搬。

阿里安娜·默勒 | Bird&Bird合伙人：下一个隐私悖论是，自己可能就是伤害自己的人。

简·霍华特 | 苹果公司全球资深副总裁：创新并不是建立在对个人数据大量收集的基础上。

熊伟 | 普林斯顿大学教授：可以考虑限制诱惑行业访问个人数据。

4、数字技术会让更多的人失业，还是会让工作时间更短？

眼下美国对AI的担忧达到历史高点，但实际上美国失业率是半个世纪以来的低位。技术革命并没导致失业率上升，但会带来新的工种，以及缩短工作时间。我们该为未来的工作做好什么准备？

克里斯托弗·皮萨里德斯（Sir Christopher Pissarides）| 2010诺贝尔经济学奖获得者：并没有证据证明技术会带来失业率的提高。但技术的发展过程中，确实会促进就业的结构性转变。以1980年以来的就业数据显示，就业逐渐从制造业向服务业转变。

魏尚进 | 美国哥伦比亚商学院金融学和经济学教授：技术的不断进步，确实让人们有了更多闲暇的时间。经济合作与发展组织的数据显示，生产力越高的国家每周工作时长越低。

5、谁是平台经济的受益者，是所有参与者，还是少数平台公司？

技术革命一直在深刻改变人类协同方式，到了数字时代，消费者和生产者被合成一张网，它就是平台。在全新的协同关系中，各方的收益、责任、工作方式、福利保障等都发生了深远变化。

克里斯托弗·皮萨里德斯（Sir Christopher Pissarides）| 2010诺贝尔经济学奖获得者：数字平台是对分散市场匹配技术的改进，它具有提高所有市场参与者效率的潜力。互联网和平台经济能够有效打破制约成熟市场发展的阻碍。在中国，没有互联网，农民只能进城打工才能提高收入，互联网让他们在家乡也可能获得同样的发展机会。 

理查德·霍尔登（Richard Holden）| 澳大利亚新南威尔士大学教授：数字技术改变了企业的协同方式和边界，让原本很多公司内部才能完成复杂的协同变得高效和透明，更多的事务可以在公司外部由市场协同来完成。这给小微企业带来更大的生存空间，更高效的利用资源做专业化分工。大型平台的竞争优势来源于网络效应，这种竞争优势很难从无到有的建立，但是已有平台的地位也很脆弱。赢者无眠成为常态，平台必须时刻创新和更好的服务用户，才能保持竞争优势。

杰夫·帕克（Geoffrey Parker）| 达特茅斯学院教授：网络效应使公司的注意力聚焦点必须得从内部转移到公司外部，因为外面的世界更大，外边的用户更多，人力资源、创新体系、研发中心以及战略部门等都必须要将自己的关注点从企业内部转移到企业外部。

6、治理机制要如何改变，才能适应数字时代？

汽车诞生于欧洲，汽车商用的黄金时代却在美国。在数字时代，什么样的政府、市场和公司治理机制，才能适应今天自下而上的创新和新协同机制。

本特·霍姆斯特罗姆（Bengt Holmström）| 2016年诺贝尔经济学奖获得者：人工智能正在改变我们的经济发展机制，也会改变我们制定政策的方式。

7、金融服务在越来越平民化的同时，会不会引发更多的风险？

金融从来都是经济发展的重要基础设施，眼下，数字技术让卖茶叶蛋的老太太和银行行长享受到同样的金融服务。但金融创新，包括数字货币，也可能带来新的不确定性。

本特·霍姆斯特罗姆（Bengt Holmström）| 2016年诺贝尔经济学奖获得者：数字经济时代，信息是一种新的抵押品。有了数字平台上收集的信息，小额借款人获得信贷不需要抵押品，因为贷款人比借款人更了解他的信誉。在这方面，平台模式更接近于西方信用卡的基础模式，同时因为它基于数字识别，并包含大量数据，所以比信用卡便宜得多，也不容易被欺诈。

8、数字时代全球化会走回头路吗？

技术、贸易和知识的自由流动和分享是全球经济繁荣的核心动力，在世界经济分化严重、技术发展参差不齐的今天，我们如何推动全球数字经济协同，让每一个国家受益？

迈克尔·斯宾塞（Michael Spence）| 2001诺贝尔经济学奖获得者：让我感到兴奋的是中国的数字经济增长范式能够启发其他国家，开发巨大的国内市场就能带来巨大的增长机会。在此基础上我们不难想象，只需要一点点的国际合作，这种发展模式就能推广到全世界。各国小微企业参与到国际市场中或将成为下一个增长引擎，这才是最最激动人心的事。

王能 | 美国哥伦比亚大学商学院教授：世界的大潮流没人能挡住，比如全球化，就是没有人能挡住的。

9、人工智能该不该有道德观？

无人驾驶汽车必须选择撞向一边，左边是老人，右边是小孩，它该做何选择？这该由算法来决定吗？

托马斯·萨金特（Thomas Sargent）| 2011年诺贝尔经济学获得者：说到底，机器并不是自己在学习，它们学的，都是人类输入的数据。是人类在告诉机器要学习什么。因此，我们人类在给机器提供数据的时候，要努力去除掉一些偏见。

本特·霍姆斯特罗姆（Bengt Holmström）| 2016年诺贝尔经济学奖获得者：人工智能将来作为公司的“一员”，是需要对他们进行激励的，人工智能也应该具有工作动机，我们人类应该给他们正确的动机。

10、大算力和大数据，一定会让我们离真相更近吗？ 

我们在多大程度上可以利用大数据和大算力做决策，接近世界的真相。在一秒钟内能摸象腿数百万次，我们就一定会避免盲人摸象了吗？

拉尔斯·彼得·汉森（Lars Peter Hansen）| 2013年诺贝尔经济学获得者：数字经济时代，丰富的数据确实为经济学分析提供了更多的素材，但是实证分析本身的价值则非常有限。对于实际发生什么和可能发生什么，理论模型却能帮助我们做不同情形和不同政策下的比较。因此纯数据驱动具备一定的局限性，模型能让人们在大数据时代的今天做更好的决策。 

托马斯·萨金特（Thomas Sargent）| 2011年诺贝尔经济学获得者：大数据和大算力提升了抽象信息理论的价值，它们的高速发展对处理信息的方法论提出更高要求。更优的信息估计技术，算法博弈论，多元时间序列算法和数据模拟技术等都可以在大数据时代散发光彩。

文章来源：36氪

智能投顾为什么偏爱公募基金

投顾，是投资顾问的简称。智能投顾是基于移动互联网的发展，利用大数据、人工智能、云计算等手段，企图用智能科技来代替人工的投顾。

智能投顾的概念，最早出现在美国。2017美国证监会（SEC）给出了一个关于智能投顾的概念：智能投顾是指通过基于网络算法的程序、利用创新技术为用户提供全权委托的账户管理服务的注册投资顾问。

我们看海外的智能投顾的应用场景。在美国传统的投顾模式下，一些专业的投资顾问，是只服务于高净值人群。普通的大众，或许无法支付高成本的人工投顾。

于是，投顾公司开始开发了一批“通用的模板”，企图用“智能”解决一部分人的理财需求，前提是成本就大大降低了。所以，追根溯源，海外的智能投顾是基于人工成本的降低。

在海外，还有一点就是，客户支付一定服务费用，投资顾问提供相关服务。但是，国内与此恰恰相反，基本国内是免费提供咨询服务，而获得的是推荐产品的返佣。这也让人看起来，财富管理行业，都是卖产品的，而不是提供服务的。

国内智能投顾发展模式

国内智能投顾的应用场景，与国外也是差别很大。随着国内理财人群的增长，尤其是大众理财群体的增长，人们对传统的银行理财、国债等产品已经“厌倦”。

相反，一些借助互联网销售的产品，往往让人都去追逐。渐渐的人们也发现了，像基金、股票此类产品，虽然风险较高，但收益性会高于普通的理财。还有就是互联网理财的新秀——P2P理财，也曾经掀起一股旋风。

归结起来，就是人们对高收益产品，如基金、股票接受度变大，而自己又非专业投资者，理财需求日益提高。这种背景下，“智能投顾”产品应运而生。

不过，大部分的智能投顾产品，都往往是为了销售，做的噱头。市场上，打着“智能投顾”幌子的产品很多，但真正做的智能投顾的却少之又少。

智能投顾的逻辑

一类逻辑比较简单、理解起来比较容易的智能投顾产品，具体配置成公募基金的模式。

我们先来说说，为什么选择公募基金作为标的。

首先，公募基金的门槛低，适合大众理财需求；其次是，这类产品的逻辑是大类资产配置，而公募基金的投资标的里，基本囊括所有的大类资产，包括股票、债券、大宗商品、黄金、海外市场等等。

互联网系的智能投顾，往往是利用大数据分析，配置不同的资产类型及比例，最终落在公募基金的配置上。利用互联网独有的技术手段，做的“一键购买”“自动调仓”等功能。最后，加以包装、宣传推广。这就是我们看到的智能投顾。

如何利用大数据配置资产。最简单的方式就是收集用户信息，将用户信息分类、打标签；将不同大类资产分类、打标签。用技术手段，将用户标签与产品标签相匹配，最终生成资产配置的比例。

“90%的收益是来自资产配置”，这句话是有一定道理的。从理论上来看，这类互联网系的智能投顾是成立的。关键在于配置的模型是否有效，是否适应市场。这些是要持续不断优化、改进的。另外，打着“智能投顾”幌子的产品很多，鱼蛇混杂，要仔细辨别。

文章来源：慢钱头条

“监管沙盒”制度是否适合智能投顾

香港交易所首席中国经济学家办公室和创新实验室曾经发布研究报告《金融科技的运用和监管框架》。报告称，智能投顾和投研等人工智能技术是目前各国监管“沙盒”测试的重点内容，借鉴其他国家做法，可能是香港市场下一步的尝试方向。

什么是监管沙盒？监管沙盒，又称为监管沙箱，英文是RegulatorySandbox。这一概念是英国政府由2015年3月首次提出，按照英国金融行为监管局(FCA)的定义，监管沙盒是一个安全空间，在这一空间中，监管规定有所放宽，在保护消费者或投资者权益、严防风险外溢的前提下，尽可能创造一个鼓励创新的规则环境。金融科技企业可以在其中测试创新的金融产品、服务、商业模式和营销方式，不需要担心在碰到问题时立刻受到监管规则约束。

这一设计本质上是一种金融创新产品的测试与激励机制，同时也能保护广大消费者权益，是一个短周期、小规模的测试环境，可以缓冲监管对创新的制约作用。

其流程怎样？其具体流程总体上可分为申请、评估和测试三步，运作核心包括两方面：在既有的监管框架下降低测试门槛;同时确保创新测试带来的风险不从企业传导至消费者。

监管沙盒目前在全球推广如何？除英国外，新加坡、澳大利亚、美国等国家也纷纷在2016-2017年推出了关于沙盒监管的相关文件，对准入条件与操作方法进行了说明。据说中国大陆在2017年5月23日，在贵阳启动了区块链金融沙盒计划，是中国首个由政府主导的沙盒计划。

中国大陆的目的是，针对ICO实施“监管沙盒”既可以弥补现有金融监管机制的不足又可以相对控制风险、保障投资者的利益，是平衡区块链行业创新与ICO风险的有效监管手段。对于ICO监管如果采取一刀切或者监管过严，势必会影响区块链这个新兴行业的发展与进程。不过，事实是落实情况并不好。区块链技术特别是比特币、ICO在中国大陆已经命令禁止。发展基本停滞。

沙盒监管制度应用最好的是新加坡监管局，在人工智能投资顾问、区块链技术等方面持非常开放的态度。实践中效果比较好。

沙盒监管制度是否适合应用到智能投顾领域呢？这个值得商榷。目前一个事实是香港根据人工智能技术在智能投研、智能投顾领域的运用，试图在监管上采用沙盒监管制度。主要是基于围绕区块链和人工智能这两大技术与证券行业的结合点展开，探寻这些新技术如何与证券业的投资及交易、结算、监管层面等业务具体结合，为金融科技找到在资本市场的具体运用模式，以实际的、可操作的案例来说明金融科技对资本市场和证券交易的影响和意义。

不过，智能投顾与区块链技术、ICO和加密货币一个区别是前者已经实践很长时间，基本是一个成熟的技术，仅仅是进一步提高智能投顾的准确率和效果的问题。这个时候把其纳入到沙盒监管里，不仅会限制其发展，而且或引发智能投顾技术的严重倒退。

必须认识清楚沙盒监管制度的准确适用范围与对象。近年来，以区块链、大数据为代表的一系列金融科技快速发展，各种新兴的金融产品、服务和商业模式陆续产生，快速改变着传统金融行业的生态格局。而金融科技的业务模型和应用模式都十分多样而复杂，监管机制则难以同步发展，用滞后的监管机制来管控日新月异的金融科技时，如何平衡风险防控和促进创新之间的关系，成为一大难题。在这样的需求下，监管沙盒应运而生。从中可以看出，沙盒监管制度就是给区块链技术、ICO和加密货币量身定制的。而应用到较成熟的智能投顾上需要谨慎研究与思考！

文章来源：慢钱头条

与Vanguard联姻后，蚂蚁金服一脚踏进了智能投顾的蓝海

中国智能投顾市场管理的资产在未来数年内会出现指数级上升。

蚂蚁金服把手伸到了券商的核心领域。

最新的进展是在6月初，蚂蚁金服与世界上最大的共同基金，美国的先锋集团（Vanguard）在上海的子公司共同成立了先锋领航投顾（上海）投资咨询有限公司。蚂蚁金服控股51%，先锋领航投资管理（上海）有限公司持股49%。 注册资本2000万元人民币。

这一注册资本与这两家的体量相比简直是九牛一毛。先锋基金资产管理规模超过了5万亿美元。蚂蚁金服的估值则达到1500亿美元。

两者合并的意义在于，蚂蚁金服能够通过控股这家合资企业，进入到投资顾问市场当中。5月在清华五道口全球金融论坛中，先锋集团上海公司董事长林晓东表示，关于先锋集团在中国本地的发展，将会更多地关注在中国的零售市场及个人投资者方面。

蚂蚁金服在金融零售市场上多年积累的经验、数据和Fintech技术，使其与先锋集团能够在业务上形成互补。这是Vanguard进入中国市场两年后果断与蚂蚁金服“联姻”的原因。

这次蚂蚁金服的投资，也延续了其一贯生态发展打法，即通过“业务+技术双轴开放”，依托技术优势，将业务延伸到券商的核心领域，投资顾问业务领域。

值得注意的是，先锋集团不但是全球最大的共同基金，它也是全球最大的智能投顾基金，管理资产超过470亿美元。

鉴于蚂蚁金服在Fintech上所具备的技术能力和全球超过10亿用户的数据，它与先锋集团合资，无疑是看准了国内的智能投顾市场。这一市场通过更多的技术手段为客户进行资产配置，并从中获利。

智能投顾市场刚刚兴起几年，在国内外都是蓝海市场。据行业分析公司埃森哲在2018年6月发布的一份报告显示，在2017年，中国智能投顾管理的资产为289亿美元，但到2022年，这一数字将会上升到6600亿美元，用户数量超过一个亿。

除了经济发展带来的增量，中国智能投顾市场增长如此迅速的原因是市场刚刚进入井喷期。直到2014年，理财魔方、招商银行和广发证券等机构才陆续推出最早的智能投顾产品，带动资产从传统投顾领域转入智能投顾。

在国内的互联网巨头中，雪球财经、京东智投和同花顺的iFinD等平台凭借流量以及数字技术优势，加入到智能投顾平台的队伍中。蚂蚁金服2015年推出了蚂蚁聚宝试水智能投顾。与京东智投一样，蚂蚁聚宝也是将自己的用户导流到蚂蚁金服旗下的各个金融产品中，引导他们进行合适的资产配置。

2017年4月，阿里旗下的云锋金融在香港推出了“有鱼智投”平台，面向海外基金和个人投资者。此前云锋金融拿到了香港的证券牌照，可以视为是阿里在金融监管制度比较完善的香港市场对智能投顾的一次尝试。

相比之下，腾讯理财通号称在2018年要杀入智能投顾市场。但是在过去这一年中，它保持了相对低调，没有看到推出相关产品。

在中国的智能投顾平台，其盈利模式大多是资产端和投资端的利差获得收入，客户以散客为主。但是，由于牌照、监管和交易成本等风险因素，互联网巨头的智能投顾盈利模式不明朗。例如，在牌照方面，就需要获得基金销售和证券投资咨询两张牌照。如无牌照，则只能获得咨询费用，或者部分基金的销售佣金。

目前蚂蚁金服与先锋集团的合资公司具体的业务形态还没有确认。不过先锋此前从传统投顾转向智能投顾时将自身的客户导流到智能投顾平台上，迅速在一年多时间内成为智能投顾的头部企业。这一做法很可能会在与蚂蚁金服合作中复制。

蚂蚁金服已通过各种方式获得基金和券商牌照。它现在需要在与先锋的合作中，摸索出合适的盈利模式。

文章来源：慢钱头条

智能投顾是什么？可以做什么？

智能投顾是什么？顾名思义，智能投顾就是用机器人取代人为大家提供理财服务。智能投顾最早出现在美国，时间大概在2010年左右。事后总结，智能投顾之所以能够出现，有三个基础条件。一是2008年的美国金融危机，重创了美国财富管理机构以及投资顾问的声誉，这些机构和独立的投资顾问，在金融危机爆发之前向投资者推荐了大量的次级债，金融危机爆发后，投资者为此蒙受了巨大的损失。因此，希望找到能够替代传统投顾的、相对透明的投资顾问。这为智能投顾的出现打下了需求的基础。二是人工智能技术的进步，尤其是深度学习取得突飞猛进的发展，因此人工智能得以在包括金融等众多领域内一试身手。这为智能投顾的出现打下了技术的基础。三是美国资本市场的有效性。

经过近200年的发展，美国的资本市场越来越有效，美国的共同基金市场中，只有不到10%的主动管理的基金能够打败市场，被动投资的理念大为流行。这为智能投顾的出现打下了市场的基础。智能投顾早期的先行者，例如Wealth Front和Betterment，就尝试推出基于人工智能的，以指数基金为底层资产的智能投顾服务。智能投顾成本低、投资收益不输主动管理的基金，得到了投资者的广泛欢迎，管理规模屡创新高。大约在2015年左右，智能投顾进入中国，之后银行、券商以及三方财富管理机构纷纷推出智能投顾。

智能投顾能为大家做什么？智能投顾为大家提供的是投资顾问、也就是理财服务。为了做好投资顾问，苏宁智投精心设计了五个环环相扣的步骤，一步一脚印地做好理财服务。这五个步骤是客户画像、大类资产配置、投资组合构建、业绩归因以及动态再平衡。

大家都知道，不同的人有不同投资理财需求。因此，智能投顾首先是投资者的投资需求，包括投资者的风险承受能力、投资期限，也就是投资时间的长短等等信息。在掌握投资者的投资需求后，基于“人工智能算法+经典的资产配置模型”我们的智投会给出贴合这个投资者需求的大类资产配置建议。这里的大类资产包括现金、债券、股票、商品以及另类资产。在这个大类资产配置建议的指导下，智投通过一个基金筛选算法精选各类资产中的佼佼者，形成一个可配置的投资组合。

在构建好投资组合之后，智投提供一键申购的功能，通过一键申购投资者可以一次购买我们提供的投资组合，不需要单只基金逐次购买。投资者下单之后，就能在自己的持仓记录中看到自己购买了哪些基金，每个基金的份额以及占比是多少。智投与此同时也会启动业绩归因分析。我们构建了一个包含100多个因子的因子库，通过这个因子库来分析每个投资组合它的风险和收益可以归集到哪些因子上面。

在这个分析完成之后，我们将每月给投资者一个持仓分析报告，清楚地告诉投资者他所持有的投资组合的风险和收益特征。在业绩归因的基础上，我们会结合一个动态再平衡算法检查当前的持仓组合是否是最贴合投资者投资需求的，如果当前的持仓组合因为市场的变化或者投资者需求发生变化而不能最好地满足投资者的投资需求，系统就会发起再平衡的动作，也就是调整成分基金或者它的占比。动态再平衡的整个过程都是在一个算法的指导下自动进行的，自动判断、在投资者的授权下自动执行。

通过客户画像、大类资产配置、投资组合构建、业绩归因以及动态再平衡这五个环环相扣的步骤，智投努力做到两点，一是让我们为投资者推荐的投资组合贴合投资者的投资需求；二是确保我们推荐的投资组合是当下最优的组合。

文章来源：公众号昔日老王