机器人将抢理财师饭碗？智能投顾靠谱吗？

“智能理财”是风向之一。它是一种在线财富管理服务，为用户提供自动化的、以计算机算法为基础的证券投资组合管理服务。也可以被称作机器人理财师、自助理财、数字化理财，具有大数据分析、较低的资金门槛、便捷的用户体验等若干优点。

我们已经进入财富管理的2.0时代。1.0时代就是在网上列出理财产品，向用户展示理财产品。2.0时代就是理财产品精品店模式，对理财产品进行筛选并根据客户的需求进行推荐。这种方式我们称之为“机器人理财师”，在国外也称之为“智能理财”。

智能理财最早缘于美国华尔街，被用户亲切地称呼为理财“顾问”，此“顾问”被称为“智能理财服务”。如华尔街基因主导的WealthFront或者Betterment。简而言之，智能理财就是基于客户自身的理财需求，通过算法和产品来完成以往人工提供的理财顾问服务。用比较通俗的话来说，智能理财有点类似商业银行的私人银行线上化。

智能理财的确在多方面能人所不能：

首先，智能理财能实现一次设定、长期免操心。我们常提到的基金定额投资以及各家银行推出的智能化储蓄理财工具，还有炒股软件中的一些智能化服务，都是相当便捷的。一次设定后，长期可以自动使用，大大缩减了投资者花费在理财上的时间。比如，现在银行在投资者允许的情况下，会自动将高出设定额部分的资金智能申购增值基金，本来都只能是活期储蓄收益，现在高出设定额部分的资金就可以享受到货币市场基金的收益，十分方便。

其次，它比手工操作更“聪明”。我们中大多数人只会使用定期定额投资，只有一部分人比较舍得下功夫做功课，为了追求更好的效果，会自己主动进行“定期不定额”投资，或者“不定期也不定额”，以便资金投入更灵活，时点选择更佳。智能理财可以通过我们事先指定某一个指数和均线，设定基准投资额的不同比例，追踪市场趋势，借助电脑系统操作根据预先的设置来进行投资，省得每天或每个月操心看盘、调整操作，大大提升了理财效率，而且大多数时候智能理财表现地都比我们个人手工操作更“聪明”。

机器人理财的概念最近又炒得火热，越来越多的投资者开始青睐这种全新的理财模式。

和小伙伴们交流，不懂理财机器人可能都要被鄙视了呀。

机器人理财是啥玩意，到底有多神奇？

和在国内红火的众多金融产品一样，机器人智能投顾也是舶来品。它是人工智能和金融的结合，属于一种在线财富管理服务。简单地说，就是电脑代替人工帮你投资理财。

机器人理财到底灵不灵？真的能比人脑牛逼吗？

对于“机器人理财”小苗童鞋觉得不能盲目崇拜，机器再厉害也只能算人脑智慧的延伸。

不过，机器人理财的优势的确毋庸置疑，传统理财师可能会迫于业务压力向用户推荐不恰当的理财产品，偏离投资初衷，但机器人投资顾问规避了人类的情绪波动问题，更加客观尽责，会根据市场实际情况做出判断，避免人的因素干扰。

其次，它可以从海量信息中快速决策，实现对于理财的实时管理，且更加高效。总之，机器人理财一切凭数据说话，相应地在成本方面也要低于人工。

听起来这么高能，你敢把投资理财交给机器人来做吗？

在欧美等发达国家，利用大数据挖掘分析、大规模计算等互联网科技，降低传统金融门槛，提高金融服务效率的机器人理财早已成为一种潮流。

简单介绍下国外的机器人投顾的一个流程：先是收集用户信息，包括理财水平、风险承受力、理财目标等，然后基于用户提供的信息和计划，运用计算模型模拟计算出客户的投资组合在市场表现好、一般、糟糕三种情况下的收益，并最终让用户决策。

紧接着就是投资追踪，当投资组合运作后，给用户实时操作上的投顾服务，比方调整投资期限、降低目标金额、增加一笔投资等。

再看国内的情况，现在已有十多家互联网金融平台及金融科技公司配置了机器人理财工具。

然而，名不副实的平台随处可见，不少平台配置的产品，表面上看起来产品较多，但真正投资的大类资产只有一两种，真实目的就是销售互金产品。

而且，所谓的技术途径仅限于将传统金融产品搬到线上售卖，真正计算机的智能决策能力还仅仅只是辅助基金经理等做投资策略的参考，绝大多数时候仍以人为干预为主。

毫不夸张地讲，现在国内的一些平台只要在投资决策中有电脑程序参与了，都能给自己戴个机器人理财的花帽子。

它们所谓的智能投资大致分为两类：第一种是利用电脑计算速度快，信息处理量大的特点，对市场信息进行实时分析，做出投资判断，目的是追求投资的高回报，各种程序被对冲基金们开发着，获取高回报，但这些策略都是对冲基金自己的机密，能让你用么，做梦呢。

文章来源：娱乐有看头

当公募基金遇上“智能投顾”，这些事情你都知道吗？

随着人工智能和互联网技术的成熟，“智能投顾”的概念逐渐走进投资者的视野。据小智所知，智能投顾又被称作“机器人理财”，是虚拟机器人基于投资者自身理财需求，通过算法和产品来完成以往人工提供的理财顾问服务。

大家不要感觉智能投顾是个特别“高大上”的东西，其实简单来说，它就是基于投资组合理论，利用大数据、人工智能、云计算等手段来代替人工的投顾。

今天，小智就简单和小伙伴们聊一聊关于“智能投顾”的那些事。

智能投顾的概念

据小智所知，智能投顾的概念最早出现在美国，自2008年在美国兴起后，就获得了巨大发展。至今，在模式、算法、法规、监管等方面已较为成熟。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。

另一方面，在美国传统的投顾模式下，一些专业的投资顾问只服务于高净值人群，普通的投资者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”，试图用“智能技术”解决一部分人的理财需求，从而降低人工成本。所以，追根溯源，海外的智能投顾是基于人工成本的降低。

此外，在海外的投资者支付一定服务费用，投资顾问就会提供相关服务。不过，国内与海外的情况往往相反，国内基本上是免费提供咨询服务，而获得的是推荐产品的返佣。

国内智能投顾的发展模式

据小智所知，国内智能投顾的应用场景与国外也有着较大差别。随着国内理财人群的增长，尤其是大众理财群体的增长，人们已经不满足于传统的理财产品。越来越多的投资者选择追逐公募基金、股票等产品，不过，基金或者股票所需要的专业知识较高，而自己又不是专业投资者，在此背景下，“智能投顾”产品也就应运而生。

“公募基金＋智能投顾”背后的逻辑

据小智所知，智能投顾一般都会选择公募基金作为标的。那么，这背后的逻辑是什么呢？

首先，公募基金的门槛低，适合大众理财需求；其次，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，类容丰富。

一般来说，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。这就是小伙伴们常看到的智能投顾。

具体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。

有人说：“90%的收益是来自资产配置！”小智认为，这句话是有一定道理的。因为从理论上来看，智能投顾的效率非常高，关键在于配置的模型是否有效，是否适应市场，而这些都是需要持续不断优化、改进的。

最后，小伙伴们要注意的是，目前市面上用“智能投顾”做噱头的基金产品有很多，可谓鱼龙混杂，大家在决定买入之前一定要仔细辨别！

文章来源：

智能投顾--投资理财的新“神器”

2019年7月22日，“科创板”的上市，吸引了无数投资者的目光，市场的表现再一次告诉我们，科技可以我们改变生活，而“科创板”改变我们对投资的认知。在科技迅猛发展的当下，金融科技愈发成为众多金融机构的新宠，而智能投顾作为金融科技服务广大投资者的代表，也掀起了人们对投资理财方式的新思潮。

那么，智能投顾究竟是“何方神圣”？

智能投顾一词起源于金融危机后的美国，许多科技行业的公司开始将智能投顾列为战略发展目标，例如在美国市场赫赫有名的Betterment、Wealthfront、Personal Capital等，近几年由于智能投顾逐渐被市场认知与接受，许多传统金融机构也开始布局智能投顾服务，且后来者居上，著名的先锋基金、高盛、贝莱德、德意志银行等行业巨头的智能投顾服务也应运而生。预计2020年智全球智能投顾管理资产规模将超过财富管理总规模的10%。

智能投顾国内发展状况

在当下，财富管理市场的竞争日趋激烈，愈发成熟的用户群体及其多样化的需求、新兴的数字技术、严格的监管政策正在颠覆传统的财富管理模式。

走在金融科技领域前端的华鑫证券以及五矿证券等众多券商，已将智能投顾作为面向普通投资者服务的新力量。

智能投顾国内发展状况

虽然国内的智能投顾起步较晚，但其惊人的发展速度也越来越引起金融机构的关注。2017年国内智能投顾管理资产规模达290亿美元，年增长率超260%，且管理资产规模紧跟美国。预计到2022年，国内智能投顾管理资产将超过6650亿美元，服务用户数量超过1亿。

智能投顾究竟有何优势？在未来几年内，智能投顾的普及将改变万千投资者对投资理财的认知，改变投资者现有的投资方式，甚至影响其投资结果。以我们天鼎睿赢智能金融研究院最新推出的睿赢智投为例，具体原因可总结为一下三个方面：

一、 降低主观情绪对投资决策的影响

投资是风险交换收益的过程，而传统的投资方式往往容易受到主观情绪的干扰，导致很多投资者在短期利益的诱惑下忽略了其背后隐藏的巨大风险，从而形成了追涨杀跌的恶性循环。智能投顾，多采取标准化、数量化、智能程序化等方式制定投资决策，且具有较长的回测数据来验证策略的有效性，便于不断完善策略，以达到在风险与收益之间的平衡，科学理性的投资效果；

二、 适宜人群更为广泛

传统金融机构的专业服务多面向于高净值人群，普通中小散户只能望而却步，而智能投顾具有很高的普适性，既能服务高净值人群，又可为难以达到百万资产的中小投资者提供更为专业的服务，帮助更多人摆脱迷茫的困境；

三、 可针对不同客户的投资理财需求制定差异化解决方案

由于智能投顾核心多为数字化投资方式，因此其有效覆盖了现金管理、基金、股票、期货、期权等众多投资标的，可针对客户的年龄、收入、家庭状况、风险偏好、收益预期等因素构建差异化资产配置方案，实现资产的最优配置。

综上，随着未来智能投顾的普及，不仅对于投资者的财富管理方式具有深远的意义，也将为更多投资者带来一种更为科学理性的投资体验。

文章来源：睿赢智投

风口之上，智能投顾怎么突然失声了

智慧金融一直被认为是AI目前最被看好的落地领域，特别是智能投顾。虽然在欧美国家，智能投顾正在如火如荼的进行，可是我国，情况似乎并不明朗。

作为银行系首家上线的智能投顾，摩羯智投无论是体量还是影响力上都榜上有名，虽其规模已超80亿，但其未设置风险评测机制，基本处于以销售为导向的阶段。而宜信旗下的投米RA，最初上市时主打海外投资，去年6月推出人民币版本，其风险等级共9等，无论最高还是最低，反反复复就是8只基金，对大额用户而言，显然风险不能分散。除了摩羯智投外，其他多家智能投顾们少有向公众袒露其资产管理规模的，个中原因就值得玩味了。

为什么智能投顾这把火似乎还没有燎原之势？

瑞士银行设在美国的交易场2011年和2016年的对比

雾里看花还是蓄势待发，智能投顾之困局

我国的智能投顾从万众期待到门可罗雀，智能相对论认为主要有几点原因：

1、缺乏生长的土壤，智能投顾概念重于形式。

Wealthfront是美国最知名的智能投顾公司之一，主要目标客户是有充足的现金流，却没有时间精力和投资知识来打理自己资产的年轻人。投资的准入门槛很低，设定为5000美元，10000美元以内不收取管理费（超过部分费用约为0.25%），交易程序也被大大简化，增长速率非常快，在2018年初就已经管理了100亿美元的资产。

而我国当前市场上正常的智能投顾均以公募基金为资产标的，通常其认购、赎回、托管成本和管理费用综合达1%－2%，是国外智能投顾的2－8倍。

智能投顾的实现基于对细分产品的量化，国外的智能投顾投资组合主要以ETF为主。目前美国大概有1600只ETF，共2万多亿美元的市场，而中国仅有100多只ETF，大多数为股票，没有债券、大宗商品和针对不同的产业的ETF，不能做到分散投资，有效配置资产更无从谈起。因此，现在很多所谓的智能投顾，只是投资经理根据自己掌握客户的投资偏好做统计并推介投资方案，本质上还是披着人工智能‘马甲’的传统投顾业务。

同时，智能投顾涉及到投资咨询、产品销售和资产管理三块业务，而国内这三块牌照是分别发放和监管的。由于是纯线上的平台，监管难度非常大，监管层也处于观察阶段。

因此现阶段，智能投顾依然处于概念重于实质阶段。未来将如何走，还有待进一发展。

 2.大数据大而不“精”，深度学习黑箱迟迟难揭。

人工智能发展起来的关键是有了大量的数据，甚至可以说人工智能发展80%归于数据的丰富，20%归于算法的提升。

在金融行业，数据极易标签化，这给人工智能在金融领域发展极大的利好。然而，从数据大上来说，智能投顾所获得的数据还不够多，这个不够多不是指数量上不够，而是指维度上的单一。

智能投顾主要是基于用户画像和资产刻画提供精准服务。用户画像需要投资者交易行为数据的搜集和分析，而我国客户的投资行为习惯非常脆弱，客户是基于长期被动投资、指数投资还是主动投资，带来的结构对智能投顾的挑战是截然不同的，因此客户的风险画像有时候很难精准表述它的特征。而资产画像需要对金融产品，以及结合市场的数据的搜集和分析，国内目前在这块上略显薄弱。

国内拥有成体量的有价值的数据信息的公司很少（BATJ等寥寥几家）, 而拥有优质数据资源的公司组建了牢不可破的数据封闭体系，并不能很好的互通，再有就是数据整合模式不成熟，缺乏大的平台型数据公司，造成有价值的数据过于分散，接入成本高。

如果算法在智能投顾赋能中占比20%，那深度学习起了至少一半的作用。据说深度学习领域所认可的人才分两种。

第一种是开宗立派的人物，比如发明CNN(卷积神经网络)、DNN(深度神经网络)、RNN(循环神经网络)的宗师级人物。

还有一种，是真正能够把参数调好的人，这极其稀缺。比如对于多层神经网络，是设置10层、5层还是7层效果最好？每层都有很多参数，应该输入多大的数据量才会产生理想结果，这是一个经验值，甚至没有规律。比如当你输入大量数据后，得出一个结论后，你没办法回溯怎么得出这个结论的，甚至你无法证明这是最优解。所以深度学习最大的问题是黑箱。

在我国对金融与科技领域的高压监管下，你显然无法向监管机构充分解释神经网络的运作原理。

3. 背后的商业逻辑未变，即配置资产和金融服务的属性没变。

传统投资顾问由专业人士担任，主要针对高净值人群，由于人力成本高，传统投资顾问的管理费普遍高于1%，且边际成本下降不明显。但基于计算机算法辅助的智能投顾，管理费普遍在0.25%－0.5%之间，边际成本随客户增多而下降，边际效应明显。

但是，相比于传统机构，智能投顾公司投入市场和运营的花费却很大。这是典型的互联网发展模式，先砸钱做用户量。但是，这样就增大了获客成本。这就难免使投资者感到疑惑，估值这么高，你的核心竞争力呢？慧牛也出现了类似的问题，其产品创新乏力，和投米、灵犀智投区别不大，均是基于风险评测得出投资组合，产品同质化严重不说，其基金数量极少，风险很大。同时，智能化程度不高，公司盈利率也并不理想。

智能投顾想要颠覆传统投顾似乎还为时过早。哈佛商学院教授克里斯坦森认为颠覆性分两种，新市场颠覆——能够开辟一片新的市场；低端颠覆性——能给现有产品，提供一个更简单、低价或更方便的替代品，而智能投顾想要颠覆传统投顾，似乎还为时过早。

 理想丰满现实骨感，智能投顾接下来该怎么破局？

虽然与人相比，机器不会疲劳，可以24*7小时工作，对数据拥有更强的记忆力和掌控力，但是，实践起来并不容易，是时候打破这一迷雾了。

1.    优势互补，技术与流量的结合

上文提及的Betterment，辛苦10年积攒20万用户，资产管理规模100亿美元，在短短两年内，就被老牌资产管理机构Vanguard超越，Vanguard当前管理规模是830亿美元，已经是Betterment的8倍。智能投顾的竞争优势是品牌，而品牌恰恰是老牌资产管理公司的强项。品牌弱，则获客成本高。高财力、高信任的用户，转化成本不是独立智能投顾所能接受的。

比如中农工建这种大银行，很早就和BATJ等互联网金融企业合作。这里合作的一大关键就是技术能力。而一些缺乏技术能力的中小银行，城商行，农商行也显然有进军智能投顾的趋势。他们一方面被大银行压的不行，但往往也在地方上有一定的获客优势，另一方面他们也往往有锐意创新的需求在，但是碍于其薄弱的技术实力往往很难推进类似的创新，这便可以与具有技术优势的智能投顾们优势互补。

银行天然对风险很敏感，切入点可以是低风险的定投或者偏固收类的资产配置等。总之，采取相互赋能的形式，最大程度的将蛋糕做大。

 2.AI+HI，人工智能为主基金经理为辅

金融市场上的收益产生过程与方式千变万化，只有通过人脑的思考、理解与创新能力，才能够将其架构成应有的模型。而智能投顾只能在部分程度上完成这个任务，因为它没有创新与发展的能力。同时智能投顾侧重于“投”，缺乏“顾”。

因此现阶段，人的干预就显得十分重要。智能投顾作为一种参考，最终投资建议必须经过人工检视、处理后才能提供用户使用。一般，用户与传统投资顾问有更多的互动，可以涉及用户税收筹划、房地产投资、子女教育投资等更广泛的财富管理增值服务。

从用户的角度出发，顾比投甚至更重要。因为对于用户来说，“投”本身就是智能投顾的分内事。而做到“顾”，需要在投的过程中的适当的人文关怀，就算没有客套话或者不做大跌时候的心理辅导，也应该给用户一个投资理念的正确引导。想人之所想，这是获得用户信任的不二法门，有时候甚至比投得好（赚钱）还有效。

从行业发展情况来看，由于依托传统金融机构的平台资源和客户渠道，AI+HI的模式是现阶段最为有效的方式之一。虽然未来的趋势势必是资产配置建议完全由机器人投顾的人工智能算法给出，但是技术的发展是有阶段性，先驱和炮灰往往只有一墙之隔。

3. 提供数据分析，让用户自主选择

当前我国证券市场仍然以散户为主，市场情绪波动巨大，很容易出现不理性的投资行为。这种非理性行为某种程度上助长了上市公司的有恃无恐，因为投资者的决策并不是依托长期价值，而是通过小道消息、讲故事。

通过金融学中公认的科学投资方法，如组合投资、资产配置等概念，引导投资者理性配置自己的资产。同时，智能投顾的主要目标人群势必是年轻人和一大批新中产，这些互联网原住民对智能投顾的接受度可能略高于一般群体，但对机器的信任值也达不到轻易拿出自己口袋里的钱。

基于这种情况，企业方可以提供很多方便的投资工具或者分析工具。比如基金的优选及诊断，同时配上一些诸如数据回测工具，估值概率分位，因子强弱分析，MPT之类的分析工具。一般来说，人对机器的容错度往往高于人对人的容错度，对用户进行市场教育的同时，给用户一定的自主选择，某种程度上增加了其对机器的容错度。长时间来看，有利于人们对智能投顾的接受。

而当企业采取这种方式，无论是TO C还是TO B，都会产生新的赢利点。

回到最开始的问题，智能相对论认为智能投顾处于蓄势待发阶段。虽然在我们国家既有智能+投，也有智能+顾问，既有机器主导，也有人机融合，不乏各种“挂羊头卖狗肉”的情况，但我认为这是变革转型期的常态，无论是欧洲、美国，都会面临这种鱼龙混杂的现象，相信伴随着AI技术的成熟和相关政策的落实，智能投顾必将颠覆现有的投顾模式。

智能相对论：深挖人工智能这口井，评出咸淡，讲出黑白，道出深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。

文章来源：智能相对论

智能财富管理时代，如何修炼好智能投顾能力？

当AlphGo打败了人类最复杂的大脑，将机器引进金融市场成为了可实践的想象；当财富管理遇上新兴金融科技，智能财富管理将人类投资理财引进了新时代；智能投顾是在这个新时代背景下被业界普遍关注的一大热点。

智能投顾起源于金融危机后的美国，Jon Stein 创立了Betterment，随后Wealthfront等智能投顾公司拉开了其序幕。2016年智能投顾浪潮抵达中国，传统金融机构、独立第三方财富管理机构和互联网巨头都开始涉足这种新型的理财服务领域，其中招行的摩羯智投是国内的标杆企业。

但当前我国的智能投顾尚处于起步阶段，埃森哲中国认为投资者教育欠缺、智能化程度较低、人工服务欠缺、监管政策不确定、盈利模式模糊都是制约企业未来发展智能投顾的因素。如何迎难而上、自我革新、修炼出真正的智能投顾能力是企业需要深思的难题。

本篇文章首发自埃森哲中国，以下是亿欧智库为您带来的精选分享：

作为人工智能在金融领域的典型应用，智能投顾被业界视为财富管理行业的下一个风口。然而其表现却差强人意，规模小，品种少，收益率不高，并不受客户待见。

反观大洋彼岸却是另一番发展景象。在美国市场，独立型公司、银行、券商、资管公司纷纷布局智能投顾。比如，先锋基金旗下的“个人顾问服务”已成为首个资产管理规模超过1000亿美元的智能投顾平台。中国智能投顾市场的出路在何方？

尽管智能投顾在中国的现状不容乐观，但随着无风险收益下降、被动投资产品的兴起，以及资管新规推行后给低风险且收益稳健的金融产品所带来的发展机遇，智能投顾产品势必会迎来更大的发展空间。尤其是对亟需突破转型的传统金融机构来说，大有作为。

重塑财富管理行业的智能投顾

智能投顾，简言之，就是基于投资者的投资需求和风险偏好，利用云计算、大数据、智能算法、机器学习等技术构建数据模型和后台算法，为其提供数字化、自动化、智能化的财富管理服务。

智能投顾发展历史及路径  

智能投顾服务的主要流程  

智能投顾对财富管理的重塑，主要体现在3个方面：

新的客户群体：和传统投顾相比，智能投顾最大的特征就是门槛低、费用低、高效率，对作为“长尾用户”的中低净值人群颇具吸引力，扩大了财富管理的服务对象。预计到2022年，全球智能投顾管理资产规模将达到1. 4万亿美元；智能投顾的全球用户数量也将跃升至1.2亿，是2017年的9.3倍。其中，中国将分别贡献逾6600亿美元的资产规模和超过1亿的用户。

新的市场主体：智能投顾催生了新的财富管理服务提供商。除了以银行、券商、基金为代表的传统金融机构，出现了独立第三方财富管理机构。这类公司主要以技术驱动的智能投顾创业公司和转型中的互联网金融公司为主。此外，互联网巨头也凭借其客户流量和数字技术优势开展智能投顾业务。

新的财富管理模式：智能投顾的出现及快速发展，给传统的面对面财富管理模式带来了冲击，并形成了当前三种财富管理模式：传统财富管理模式、纯智能投顾模式，以及混合模式。其中，以数字化驱动的人力结合机器的混合模式将脱颖而出，成为未来财富管理模式的主流。根据MyPrivateBanking预测，到2025年，混合模式所管理的资产规模将占纯智能投顾和混合模式之和的86%。

财富管理三大模式

未来发展仍面临重重挑战

无论何种主体、何种模式，目前国内的智能投顾尚处于起步阶段。考虑到中国当前资本市场的发展及投资者状况，智能投顾服务提供商若要继续前行，需要直面不少挑战：

投资者教育欠缺：国内资本市场投资者以散户为主，更关注短期收益，大多偏向短期投机、追涨杀跌。智能投顾所秉持的资产配置、长期价值投资、被动投资等投资理念尚未深入人心。一旦客户使用后无法达到其预期高收益，极其容易导致客户流失，客户粘滞成本极高。

智能化程度较低：智能投顾的核心是高效可靠的智能化产品画像，即智能投资决策系统，其依赖数据、模型和算法。但就目前而言，智能投资决策系统仅停留在自动化层面，加之用户画像简单化、静态化，造成场景过于单一，智能化程度低。人工智能级别的投顾决策，需要长时间序列的金融数据进行学习和修正，也需较长时间周期的市场检验。

人工服务欠缺：多数智能投顾的具体投资策略并不向用户公开，不能穿透到底层的核心投资理念上，不能给客户阐述其核心逻辑和内在关联，客户对投资的风险厌恶情绪会占上风。因此，提供人工服务在中国显得格外重要。

监管政策不确定：国内投资顾问与资产管理两块牌照分离，投资顾问只能提供投资建议。这将国内智能投顾业务主要限制在投资推荐的范围内，且因为不能以机构为主体或受托在二级市场上直接交易，只能将购买门槛较低的公募基金作为资产配置的主要标的。目前，大多数初创公司的智能投顾平台属于“双无”产品。

盈利模式模糊：针对大众的智能投顾提供商，多数都对客户免收服务费或账户管理费，仅收取客户交易、购买产品相应标准的佣金或申赎费用。无牌照在手的初创公司还得与基金代销机构分食基金销售佣金，加上基金行业仍处在申购费价格战中，而平台自身的交易成本不低，严重挤压了利润空间。

传统金融机构如何打造智能投顾业务

在智能投顾市场的三大主体中，传统金融机构虽有长期积累的客户和投资产品资源优势，但也有尾大不掉的历史负担。面对新兴市场进入者的挑战，其转型发展之路，是一个很有意义的话题。

明确战略方向

埃森哲认为，战略层面，传统金融机构需明确智能投顾的战略方向，依据其细分客户群体和智能投顾服务的直接使用者，创建定制化的智能投顾价值主张。

为个人客户提供智能“投”服务：聚焦公司外部用户——个人客户，通过APP和网页提供投资服务；全自动化投资流程，辅以人工客服协助沟通客户及解答客户疑问；

为财富顾问或基金经理提供智能“顾”服务：聚焦公司内部用户——财富顾问或基金经理，帮助他们降低投资决策时间；利用智能投顾机器人实现实时投资决策；实现理财咨询流程中部分任务的自动化和智能化。

找准战略方向后，下一步金融机构应该结合自身的商业计划、现有能力、目标客户和渠道特点，可选择研发不同版本的智能投顾解决方案：

简化版：服务之前缺乏财富顾问服务的长尾客户；

进阶版：针对大众及中产阶级人群中的智能投资需求；

财富顾问版：帮助财富顾问及客户经理向客户提供投资建议；

基金经理版：实现基金经理部分日常事务及投资分析任务的自动化、智能化；

专业版：帮助资深私人银行顾问节省时间，以投入到更高价值的服务中去。

智能投顾战略

培育三大能力，打造混合模式 

混合模式是智能投顾服务的主流，尤其是对于超高净值和高净值客户，智能投顾是现有服务的补充，而不是完全替代财富顾问和投资经理。从长远发展来看，财富管理服务想要做大规模，必须满足高净值客户的差异化需求。产品和服务、渠道交互和工具，以及组织和人员这三方面能力，则是其实现业务转型的关键所在。

这里有一张诊断问题清单，传统金融机构要想在智能投顾市场脱颖而出，需要对以下问题做出回答——

确定竞争差异化策略

应对快速变化的市场，对你来说有多重要？你对智能投顾市场了解多少？如何让你的智能投顾产品与众不同？

开发多元化的产品

你将提供什么样的产品？如何利用银行经纪能力提供高质量和有竞争力的产品？

评估数字化战略和现有能力

客户更加期待“无缝”的用户体验，现有网站和移动端融合程度如何？

寻求合作伙伴

你要寻找什么样的合作伙伴？你了解提供智能投顾解决方案的公司和科创企业吗？如何对他们做出评估？

定义投资方法，利用投资经验

如何利用资产管理方面的专业能力来设计具有竞争力、差异化的产品组合？

智能所在，投其所好，顾其所有。智能投顾，不仅是消费者财富管理的全新模式，同时也是包括传统金融机构在内的各方参与者自我革新的契机与挑战，过程中难免会雾里看花，但直面挑战、积极转型，一定能开启财富管理的新时代。

文章来源：亿欧智库

大数据与券商智能投顾会碰撞出什么火花？

在大数据技术、人工智能、云计算等新技术的驱动下，证券公司的业务模式正在发生巨大的变化。证券公司未来的竞争，本质上是对客户的竞争，因此开发新客户、盘活老客户，深入洞察和了解客户，将合适的产品推荐给合适的客户，提高客户服务质量，实现公司与客户的双赢，是利用公司资源实现最大商业价值的基础。建立有效的智能投顾平台，是证券公司实现从通道业务向财富管理转型的战略性决策。本文在对大数据的概念界定与主要业务应用场景阐述的基础上，对证券公司利用大数据实现智能投顾的应用内容进行了分析，并论述了通过大数据实现证券公司智能投顾的意义。最后，针对智能投顾平台建设提出了几点建议。

关于大数据的概念界定与主要业务应用场景

大数据是英文 Big Data 直译而来的一个词汇，大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产 。资本市场对数据依赖性很强，经抽取、转换、装载，以及整合、分析、处理的大数据蕴含价值极高，大数据应用将对资本市场发展带来巨大价值。

从数据处理流程来看，证券行业大数据分析可分为四个层次：一是建立一个采集和存储的大数据系统架构；二是各种结构化和非结构化数据信息的整合、加工、处理；三是依靠数据模型、人工智能等进行数据分析与数据挖掘，提取出有价值的数据；四是构建以智能客服、智能投顾、智能投资、智能风控、智能监管等证券行业主要应用场景，支撑业务发展。

目前，受潜在的如个人隐私保护、数据安全、数据归属权、数据流通壁垒等问题制约，大多数公司主要还是以公司自有数据为主来构建大数据平台，导致数据不够大，也不够广。因此，尽管大数据在资本市场方面的应用不断丰富，但尚未出现预期中的大爆发，应用主要集中在个人和企业客户精准画像及风控、定价、营销、征信、评级等方面的应用场景布局。后续随着国内资本市场以及相关法律法规的不断完善，大数据在资本市场的应用场景也会愈加丰富。

通过大数据实现证券公司智能投顾的应用

证券公司智能投顾系统基于大数据的关联推荐机制，解决客户需主动搜寻相关服务的痛点，变“被动服务”为“主动服务”。

建立场景化的伴随式产品架构，从客户开户、日常生活、线上习惯、交易行为、盈亏波动全过程中，主动介入合适的投顾服务及产品，包括主动询问、主动支持、主动建议、主动情绪干预，变客户关系为朋友关系，深刻改善客户粘性。

围绕以上三点为核心目标，建设证券公司的新一代智能投顾系统，以支撑打造具有强大行业影响力的、先进的投顾服务体系。具体如下：

（一）客户服务系统

该部分是服务体系化建设的具体表现和承载。

1、客户全角度画像，投顾可以通过该功能迅速了解所属客户的历史及现状，包括其基本信息、投资历程、盈亏波动、特点及爱好、风险及性格，便于后续的投顾服务。

2、客户服务（资讯、咨询、交流），投顾通过该功能可以实时介入预设各场景下客户线上线下的活动中，主动或被动为客户提供资讯解读、咨询及建议、其他生活工作交流。

3、客户群体管理（交易圈、技术圈、交流圈），投顾可以对所属客户进行分群分组服务，通过圈群服务，满足客户间的相关话题交流，增强服务粘性和广度。

4、投顾特色服务（图文直播、音视频直播或录播、观点、问答、优顾达人、组合、锦囊等），投顾通过丰富的形式，按预定的日程安排，对市场、盘面进行解读，发布个人的投顾观点，阶段性的股票池及投资组合，便于所属客户随时阅读、参与。

5、投顾签约服务。投资顾问与客户签约，提供信息资讯、投资建议、组合模拟、资产配置建议等服务，以佣金或服务费方式获取收益。

6、基金投资顾问试点业务。包括签约、客户交流、适当性管理、基金配置模拟回测与反馈、委托下单、盈亏分析、信息披露、工作留痕等。

7、客户服务评价，该功能对投顾与客户的交互程度、亲密程度、客户广度、服务频度、客户变更（数量、资产量、盈亏等）进行评价，以指导服务体系的不断完善和改良。

8、客户关联推荐，综合用户画像，投顾特性，业务关系，投顾服务相关指引，该功能自动（或半自动）为客户提供合适的、优选的投顾人员。该推荐关系应支持因多种要素的变化，包括我司相关业务规划，客户主动，投顾主动等，进行变更、扩展。（该关联推荐限制在一定的业务范围，且需建立新机制，打破投顾与客户现存的关联关系）

（二）投顾支撑体系

支撑体系的核心目标是给投顾赋能，提高投顾员工的专业能力，并以可量化的形式形成对投顾员工的综合评价。以确保投顾员工在开展客户服务过程中，充分展现证券公司投顾的专业、敬业和全面。

1、投顾知识平台，包括投研分析、资讯获取及加工。核心目标为投顾人员提供广泛的、海量的、数据化的知识支撑。具体来说，如投研报告及相关深度数据，海量互联网资讯及加工入口。

2、模拟交易，为投顾提供一个模拟开展账户投资的环境，验证投资逻辑、市场预判以及投资调整，客观体现投顾的实盘能力。

3、智能投顾，包括选股和资产配置，如多因子选股、策略选股、资讯选股、大类资产配置模型等，各类算法模型回测、试算，智能问答等。

4、投顾培训。对投顾开展知识、技能、法律法规、业务等方面的培训，可利用公司内外部资源。

（三）业务管理体系

基于证券公司具体的投顾业务开展，以及服务高净值客户的特定投顾产品的需求，投顾系统还需提供以下基础业务管理模块。

1、风控管理，包含投资报告会管理、媒体露面管理、证券黑名单管理、关键字管理等。

2、投资顾问业务竞赛与选拔。

3、业务管理。对每一项投顾业务，包括但不限于银河优顾、投顾签约、基金投资顾问业务试点等，对业务开展情况进行过程管理、结果评价，对业务开展的资格审批、合规性、适当性等进行业务管理。

4、投顾人员管理。对投顾画像及评估，根据投顾的基础信息、职业经历、服务数据、工作数据、工作业绩，客观、全视角的对投顾进行画像，并以此作为对投资顾问进行管理的依据，也作为客户关联的相关依据。

通过大数据实现证券公司智能投顾的意义

（一）客观高效，全面提升证券公司内部效率和服务水平

1、大数据可以提升存量客户的黏性

利用大数据，可以为投资者提供个性化、差异化的服务；实现营销活动的闭环，收集客户反馈，改进服务水平，提升服务质量，从而提高客户的黏性 。

2、大数据可以促进潜在客户的挖掘和向新客户的转化

利用大数据，可以通过营销活动推广、产品推介、资讯服务、Level2行情、微信图文推送等手段促进潜在客户的挖掘和向新客户的转化。

（二）深度分析客户，将合适的产品提供给合适的客户

大数据通过大数据挖掘、云计算等技术，结合相关算法对客户的交易数据、行为数据进行深度分析，从而全面“认知”用户的投资水平、风险承受能力、风险偏好、投资偏好等；同时大数据也将每个产品、服务数据化、标签化，并通过适配算法为客户提供个性化资讯产品、金融产品等，从而实现用户差异化服务。

（三）助力向财富管理转型，为行业适当性管理提供借鉴

1、大数据助力证券公司向财富管理的转型

证券公司经纪业务正在经历由传统通道业务向财富管理的转型，而大数据实现证券经纪业务客户精准营销、服务的逻辑恰恰是最符合这一转变的。大数据以客户为中心，围绕客户的特征与需求，进行客户与产品的匹配，与客户建立主动、精准、高效的连接，实现实时、精准、智慧的服务，这正解决了证券公司转型财富管理需要变产品主位为客户主位、变营销导向为客户导向的问题。

2、大数据精准刻画客户并提供匹配产品为落实适当性新规提供了路径参考

《证券期货投资者适当性管理办法》已于 2017 年 7 月 1 日正式实施，如何识别投资者并提供适当的服务已是券商等机构迫切需要解决的难题。一方面，投资者在专业水平、风险承受能力、风险收益偏好等方面存在很大不同；另一方面，证券市场、产品和服务具有非常复杂的风险等级分类，要将两者有效连接绝非易事。而大数据对客户精准的画像、并为客户提供精准的产品、服务匹配，无疑为客户与产品的有效连接提供了方法，也为行业如何落实适当性新规提供了一个可行的解决方案。

（四）国内智能投顾仍处于初级阶段，发展前景广阔

大数据在证券公司的典型应用就是智能投顾，在美国、英国等金融发达国家，智能投顾在过去几年实现了蓬勃发展。随着国际智能投顾市场开展的如火如荼，智能投顾在我国也开始了初步尝试。目前不仅应用于一批新型的互联网平台，也在证券公司端开展了相关探索。总体而言，国内智能投顾仍处于发展的初级阶段，但发展潜力极其巨大。

智能投顾平台技术架构

证券公司可以从前台、中台、后台及基础资源四个层面构建智能投顾应用技术架构。具体如图所示。

1、前台：包括投资者和公司员工，通过 Web 、 App 、微信及客户端等多种方式与系统进行交互。

2、中台：包括智能投顾系统、客户中心、产品中心。

1）智能投顾系统：为客户提供基于人工智能技术的资产配置服务，包含目标风险确定、组合构建、一键购买、风险预警、调仓提示、一键优化、售后服务报告等，涉及组合投资的售前、售中、售后全流程服务环节，实现管家式服务，提升客户满意度。

2）客户中心：统一管理客户，包含潜客与公司各业务线的客户，为他们制定统一的客户标识，进行全生命周期的管理，支持公司的协同业务；搜集客户完整信息，形成客户全景视图；对客户进行分级分类，形成多维度的分级分类体系，对不同的级别的客户提供个性化的服务；利用客户信息和分级分类，支撑精准营销，合规风控及业务协同。

3）产品中心：建设公司级产品仓库，覆盖公司全业务和全类型的产品及产品化服务，成为公司产品标准和权威的来源。提供三位一体的服务。“服务客户”既是通过渠道端向客户进行产品展示。“服务员工”既是提供产品信息管理和全生命周期运营的功能。“服务系统”既是对接系统推送产品信息，与客户中心等系统配合支持产品的营销与客户服务。

3、后台： 包括数据中心（数据仓库 + 大数据平台）及推荐引擎。

1）数据中心（数据仓库 + 大数据平台）：实现统一数据交换、统一的监管报送、完整数据视图、完善的数据管控，以及实时数据接入等功能。

2）智能推荐引擎：根据规则 / 策略模型，进行客户与产品匹配，实现智能化推荐。支持实时在线处理与离线批量处理两种方式。

4、基础资源： 包括 PaaS 平台云和 IaaS 基础设施云。

1）PaaS 平台云：采用容器云平台（基于容器技术的轻量化 PaaS 平台）。实现基于多租户机制的资源管理、应用管理、 DevOps （开发运维一体化）、权限管理、调度、日志、监控、 API 网关等服务治理等能力。为公司前、中、后台应用提供应用开发、应用托管、应用运维等能力支持。

2）IaaS 基础设施云：为公司前、中、后台应用提供计算、存储、网络等基础资源支撑。这些基础资源通过基础设施云管理平台实现监控、调度、部署及安全管控。计算资源包括物理服务器及虚拟机服务器；存储包括 SAN 存储、分布式存储、 NAS 及软件定义存储（ Server SAN 、超融合）；网络资源包括负载均衡、防火墙、路由器、交换机及有线与无线网络；公共资源则包括机房、电力、制冷、消防等设备。

关于智能投顾平台建设的几点建议

（一）建立人机合作机制，把握人机结合的平衡点

现有智能投顾虽然多数只是运用大数据技术分析进行策略推荐，有些功能的实现可能还要依赖人工辅助，但智能投顾作为未来投资理财的发展方向，随着人工智能技术的进步，其提供的策略将越来越精准，服务也将趋于个性化客户未来可以与机器人进行需求交互，通过人机合作机制实现定制的个性化服务，在风险可控的前提下，追求收益的最大化。

（二）提高产品库的质量，丰富产品供应并对产品质量进行优选

客户通过建立不同的投资组合形成不同的产品配置，可以有效分散和对冲风险。目前国内金融产品市场还不够成熟，以智能投顾形式为客户推荐的产品面更为狭窄，例如目前国内金融衍生品发展程度还不够成熟，导致客户缺少很好的对冲工具，同时，智能投顾除了为客户提供便利的操作体验外，更重要的在于优化产品质量。因此智能投顾这一渠道未来还需要加强专业人员配备，还要加强产品的穿透性管理，例如配备专业人员进行产品引入前的尽职调查、产品运作期间的持续跟踪以及产品到期时的兑付等。

（三）完善客户与产品间的“对话”，确保精准定位客户的需求

智能投顾是指利用智能虚拟机器人为客户提供金融产品投资及配置建议的一种新型服务模式，包括“客户”、“产品”及“对话”等要素。证券行业运用大数据的主要方向分为对“产品”的创新和对“客户”的深入了解，对“产品”的创新体现在通过大数据技术创设投资产品，丰富客户投资渠道；对“客户”的深入了解体现在证券公司积极结合大数据技术，针对客户进行用户画像、精准营销、运营优化和流失预警，加强与客户全生命周期的互动。智能投顾平台基于充分掌握产品要素和全面跟踪客户需求，实现客户与产品间的有效对话，即将合适的产品提供给合适的客户，实现客户与产品的精准配对。

（四）智能投顾平台可以以单项业务作为应用突破口

智能投顾平台建设是一项长期、系统的工程，需要整体规划和逐步推进。多数证券公司的大平台上线后往往难以发挥作用，甚至出现很多反面意见，原因是功能“大而全”，脱离业务实际需求。智能投顾平台应以业务为出发点，逐步搭建，把小业务平台“做好做透”，可以逐步“做大做全”。

（五）加强专业人才团队建设，提高核心竞争力

数字化时代需要的是开拓创新，不是因循守旧。传统的单体应用开发运维模式无法适应新的要求，在监管合规的要求下不是不能创新，而是要结合业务和技术积极创新，懂业务懂技术懂数据的复合型人才将是创新的核心。

很多全球性的投资公司宣称自己是科技公司，其重点就在于科技的力量。重视科技投入，并不是买多少设备多少资产，而是智力的培养，人才的培养。从组织调整以适应数字化经济数字化转型的需要，重视数据和IT资产、IT人才，以数据为驱动力，以传统业务为基础，以智力投入为重点，开创新的业务类型和服务方式。数字化转型要求企业组织活动、流程、业务模式、文化创新和员工能力的转型，尤其是即懂技术又懂业务的复合型人才的培养尤其重要。

文章来源：亿欧智库

如何让智能投顾有趣起来？

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。

文章来源：亿欧智库

智能投顾，告别投而不顾

沉寂已久智能投顾行业终于传来了新的消息。

在2019年蚂蚁金服合作伙伴大会上，蚂蚁金服推出了首个智能理财助理产品。虽然名字叫「智能理财助理」，但仔细看下来，似乎又与我们过去所接触的一些智能投顾产品有所不同。

过去几年里，对于智能投顾的布局大多聚焦于「优化资产配置」，即通过新技术去优化投资产品本身，包括投资标的配置、交易时机选择等等，进而提升收益率、减少投资损失。而蚂蚁则选择了从更本质的层面出发，即围绕财富进行人、货、场关系的重组。

「前互联网时代的核心是为少数人提供很多货的服务，代表是财富中心，是私人银行；而余额宝崛起之后，早期互联网理财的核心则是为很多人提供单一的货」，蚂蚁金服数字金融事业群总裁黄浩在2019年蚂蚁金服财富合作伙伴大会上表示。

在他看来，「无论两种形态的哪一种，都不太有基于场景深度全链路的服务，销售的终结大体上是服务的终结」。

但是如今，随着云计算、大数据应用带来技术进步，资管新规带来市场环境变化，利率市场化不断推进，以及金融机构开放合作时代的到来，能够将更多产品提供给更多投资者，并且服务好他们正在成为可能。

1

智能投顾行业在中国的发展几经浮沉，一直未能摆脱概念火、产品弱的命运。

上一次，智能投顾受到广泛关注还要要追溯到2016年底，招商银行宣布上线其自己的智能投顾产品——摩羯智投。此后不久，几乎所有的全国性商业银行都上线了智能投顾产品。例如，浦发银行的「财智机器人」、兴业银行的「兴业智投」、工行的「AI投」等等。

在过去几年银行「数字化」、「智能化」的浪潮之下，科技感满满的智能投顾产品在早期都获得了银行全方位的资源倾斜。相比创业型公司，持牌机构在合规、用户、资产等方面的优势尤为显著，这也让外界对于银行系的智能投顾产品一度给予了较多的关注和期待。

以招行的摩羯智投为例，其定位是以公募基金为基础的、全球资产配置的「智能基金组合配置服务」。与此同时，基于招商银行在C端的强大优势，摩羯智投的管理资产规模和用户数量增长迅猛。上线仅半年规模便突破50亿；到2018年初，产品申购规模已经突破百亿。

不过高开之后，银行系智能投顾产品猛涨的势头却并没有持续下去。

招行2018年年报显示，截止去年末，「摩羯智投」累计销售规模为122.33亿元，相较于其在2018年半年报中披露的116.25亿元的销售规模，只有大约6亿的增长。

无独有偶，中行旗下「中银慧投」2018年全年交易量为57亿，其中2018年上半年销售额就达到40亿，同样显示出了增长颓势。还有更多银行选择了在年报中直接隐去智能投顾的数据。

当然，我们无法凭借这些线索就断定智能投顾产品的发展前景，但是至少牌照和用户基础并没有扭转智能投顾的命运。

2

或许我们换个角度来看这个问题，关键不在于产品的改善，而是思路的变轨。

结合过去几轮从创业公司到持牌机构的「智能投顾」浪潮来看，大多数公司的思路是通过新技术去筛选优质的产品、优化投资产品组合，包括投资标的配置、交易时机选择等等，进而提升收益率、减少投资损失。

但仅仅是这样就够了么？

证监会此前公布的数据显示，截至2017年底，公募基金行业累计分红1.71万亿元，其中偏股型基金年化收益率平均为16.5%，超过同期上证综指平均涨幅8.8个百分点，远远跑赢大盘。此外，债券型基金年化收益率平均为7.2%，超出三年定期存款利率4.5个百分点。

如果答案是否定的，那么智能投顾产品到底缺的是什么呢？

在刚刚结束的蚂蚁金服的财富伙伴大会上，国泰君安证券网络金融总经理毕志刚提到，「我们有1.53亿的投资者，但是整个行业只有4.7万的投资顾问，换句话说每个投资顾问要服务3300个客户，所以90%的人是没有服务的」。

事实上，这是中国财富管理行业存在已久的发展瓶颈。在毕志刚看来，「这制约了我们非常多年，我们不停地转型从交易转向财富管理，从客户经理转向投顾，转来转去客户都不太认可，因为我们的服务没有做好。」

过去几年金融科技的发展和应用证明了，技术进步之于互联网投资最大的提升空间其实在于解决长尾客户缺乏「服务」和「陪伴」的问题。这也是过去几年里，蚂蚁财富号开放平台创造的最大价值——联合投资机构切入场景为用户提供解读，平化投资门槛，通过各种方式增加与投资人的互动帮助他们优化交易策略。

事实上，过去几年的实践中，财富号开放平台也确实为机构与投资者都提供了价值，整个2018年蚂蚁财富号平台上投资的客户数比上年增加70%，开始做配置的客户比上年增长20%，定投客户数比上一年增长170%，同时用户的持有时长平均持仓时间增加的40%。

此外，黄浩表示，财富号上每天为持仓用户提供的「陪伴」服务的平均停留时长达到60秒、35%的用户会在当天下单之前去逛一逛内容社区、56%的深度理财用户在主动配置多类产品，这意味着用户在销售、交易、产品之外，对于服务、内容以及资产配置等服务有着更高的要求。

回过头来看蚂蚁金服布局的「智能投顾」，其实是随着平台服务能力和用户需求的升级，对于「服务」与「陪伴」的一种延伸而已。

在黄浩对于重构人、货、场的设想中，「人」即使指提供全生命周期的服务；「货」即是指全资管品类；「场」则是指全服务链路、全场景的服务。或许，也只是有实现全生命周期、深入场景的全产品服务才能真正打破「销售即终结」的服务模式。

文章来源：雪球

金融巨头们烧钱搞智能投顾，Why?

近期摩根士丹利正在推出一种新工具，帮助其财富管理客户确定其可持续投资目标，并跟踪其投资组合与事先设定目标的匹配程度。

摩根士丹利金融科技（称为 Impact Quotient）用大数据以及其他分析数据，跟踪投资组合业绩以及其他传统指标，如回报和风险。

金融机构都愿意在金融科技进行巨额投入呢？

在独立咨询公司中，58％的公司计划今年引进投资新技术，其首要原因是希望为更多客户提供服务。

投资顾问表示，软件程序有助于鼓励客户更积极地参与他们的计划。

这些计划还减少了投资顾问花费在相关数据处理上的时间，因此他们可以专注于加强客户关系。

金融科技的投资规模是多少呢？

虽然投资在金融科技上花费的金额很难量化，但风险资本家和其他专业的投资者认为整个金融科技领域是一个充满希望的市场：2018年，166亿美元流入美国金融科技公司，比2017年的113亿美元增长46％。据全球咨询公司埃森哲称，包括其他国家的投资，2018年的金额为553亿美元，是去年同期的274亿美元的两倍多。

在美国，智能投顾平台管理 - 包括像Betterment和Wealthfront这样的独立公司，以及来自Vanguard和Charles Schwab等传统公司 —基于智能投顾服务的资产规模为2000亿美元。

相比之下，投资顾问管理的金额为数万亿美元。根据投资顾问协会和国家监管机构的报告，受联邦监管的注册投资顾问服务的资产高达到82.5万亿美元。

智能投顾往往更便宜，它们的费用从免费到约0.75％不等，具体取决于账户价值和提供的服务，而传统投资顾问收费约为1％。

同时传统投资顾问也在使用金融科技提高自身效率获取更多客户与资产。值得注意的是，使用任何金融科技可能会产生持续费用。例如，规划软件每月费用可以从150美元到350美元不等，而投资组合会计软件通常每个帐户每年费用为30到70美元。通常，投资顾问拥有的帐户或用户越多，相关平均费用就越低。

不仅智能投顾在与传统投资顾问抢客户；

传统投资顾问也在利用金融科技提高自身效率相互抢客户；

大家都在抢客户……

文章来源：雪球