搭建人工智能量化投资平台 让金融投资更加“智能”

从刷脸支付到无人超市，从智慧医疗到无人驾驶……人工智能正以不可思议的发展速度席卷全球，刷新着人们的认知，重塑着各行各业的生态格局。其中，金融行业无疑是极具价值又充满挑战性的人工智能应用场景，受到人工智能的深刻影响。

迎接人工智能时代，优秀的金融投资机构必然大力发展人工智能系统。合理运用人工智能技术，将给金融领域注入新活力、带来新机遇——这是行业从业者的共识。

破除金融与人工智能的壁垒

人工智能需要高深的数理知识和开发经验来支撑，这是金融从业者所不具备的，因此急需搭建起连接金融与人工智能领域的“桥梁”

虽然前景光明，但在现实层面，人工智能在量化投资领域的应用，仍存在一些难度和挑战。其中，最大的难度来自于金融和人工智能两个领域的认知壁垒。人工智能背后需要高深的数理知识和大量项目开发经验来支撑，这是金融从业者所不具备的。同样，对于人工智能开发工程师来说，金融也是一门需要具备专业知识才能深入理解的复杂领域。

这种壁垒造成了很多金融机构尽管对人工智能技术有着迫切需求，但往往只能采用第三方解决方案。因此，迫切需要一座桥梁，能够连接起金融与人工智能两个领域，破除认知壁垒，推进行业的深度融合。在这种背景下，墨宽投资公司应运而生。

业内人士告诉记者，在投资的运作模式上，他们会根据以往经验，将某些金融投资行业的金融问题量化，转化为具体的技术问题，然后提供给人工智能专家们解决。给出的人工智能解决方案在评估和改造后，将被运用到最初的实际问题中，实现相应价值。通过这一方式，金融和人工智能两个领域的人才可以专注在各自擅长的领域，并经由墨宽投资帮助他们将优秀的人工智能成果运用到有价值的金融场景中去。“对于一些有实际投资想法并想运用人工智能技术但自身无法实现的机构，我们也会提供帮助，发现和解决真正有价值的金融问题。”

构建量化投资的投资模型

通过数量化方式投资，即用量化手段来评估收益风险而作出更理性的投资决策，前景可期

目前，世界上众多出色的金融投资机构已开始将人工智能运用到产品和服务中。国内也已经有不少券商、金融机构开始尝试人工智能在金融领域的应用，如光大证券推出的“智能魔方”、中信银行推出的“信智投”等。不过，这些产品属于智能投顾或智能交易等范畴，重点在于用更多维度的数据了解客户，用更精准的推荐引擎推荐投资组合、理财产品、风险提示等。

业内人士介绍，量化投资是通过数量化方式来进行的投资。它以获取稳定收益为目的，是用量化手段来评估收益风险而作出更理性的投资决策。量化投资基于高度量化的数据，每个用于决策的特征都拥有精准描述，比如数值或是分级。其中，投资的决策大多是基于概率，每个交易的进场、出场点、交易时机，都有大量数据支撑，使得每个操作都有迹可循。同时，量化投资还基于数学模型。这个具有严密数据指导的模型基于一些特定的投资想法而建立，并运用数学方式描述自身在市场的运作方式。基于此，量化投资者可以进行分析，作出交易决策。

借助机器学习分析金融市场

通过机器学习的方法获得金融市场投资可靠预测，指导投资行为，进而探索出金融与人工智能合作共赢的稳定模式

在人工智能领域，举办算法比赛是一个快速常见找到问题解决方案的形式。自大数据、人工智能在全球范围快速崛起以来，涌现出许多数据算法比赛平台。其中，最著名的是2010年创立的卡歌网（Kaggle），是主要为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台，也是数据算法专家脱颖而出的重要渠道。据了解，该平台已经吸引了80多万名专业人士的关注。2017年3月，谷歌宣布收购Kaggle，或许正是看到了Kaggle背后的巨大资源。

在我国，阿里巴巴、百度等大型互联网公司也举办过大量数据算法比赛，希望通过吸引优秀数据算法人才形成优秀的人工智能解决方案，并运用到实际中去。但是具体到金融投资领域，由于门槛更高、问题更复杂，目前国内并没有类似的大型人工智能金融投资算法比赛，因此很难得到有价值的人工智能方案。为解决这个问题，墨宽人工智能量化投资平台借助机器学习手段，打造出一个人工智能系统来分析金融市场。

文章来源：新华网

人工智能投资真热还是“虚火”？ 投资仍是小众行为

人工智能发展至今，已形成颠覆行业和人类生活的强大能力，在图像处理、语音识别、服务机器人等诸多领域形成了诸多新商机，将给广大创业者提供前所未有的机遇。”

中国NVIDIA(英伟达)公司全球副总裁、中国区总经理张建中在一次演讲中说。的确，人工智能自降生以来就仿佛自带光环、备受瞩目。尤其是最近，国务院印发的《新一代人工智能发展规划》中提出，到2030年使中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，更使得人工智能将引爆智能投资革命成为坊间议论的焦点。与此同时，也有人表示担忧，人工智能投资是不是有些过热，该适度降降温了。但事实真的如此吗？

人工智能投资仍是小众行为

“其实，在我跟市场接触过程中发现，真正投资人工智能的并没有那么多，大部分机构都在做试错性尝试。”业内人士称。

会上，盛世方舟发布了人工智能研究报告，结果显示人工智能投资仍是小众行为，应用层仍存较大市场空间和投资机会。

人工智能这个词，最初是由达特茅斯大学助理教授约翰·麦卡锡在1956年提出的，指展现出看似具有智能行为的硬件或者软件。但受制于当时的计算能力，人们无法完成大规模的并行计算和并行处理，使得人工智能未能如愿的智能起来。直到2006年，随着硬件层、数据层以及算法层等各方面技术储备趋于成熟，科学家提出“深度学习”神经网络，才使得人工智能得以获得突破性进展。如今，深度学习的应用使得语义识别、图像识别的准确率大幅提升，进而促使人工智能产业又一次进入快速发展阶段。

“在看某个领域的投资热不热的时候，会观察两方面数据：一是媒体的热度，即看起来的热度；二是资金的热度，即真金白银的热度。”

文章来源：中华网

相比传统投顾 ，智能投顾有哪些优点？

智能投顾，即数字化资产配置，作为新型财富管理方式，自问世以来一直备受市场关注。在智能投顾出现之前，投资顾问服务一直被认为是高净值客户群体才能享有的财富特权，大量客户的财富管理需求没能得到有效满足。而随着大数据、人工智能等技术的发展，金融巨头也积极布局智能投顾，如高盛、苏格兰皇家银行、嘉信等也纷纷涉足该领域。

在国内投资市场日趋成熟的情况下，智能投顾这个新生事物与传统投顾相比，到底有哪些优点呢？我们一起来看看：

 广义的智能投顾，是指通过IT的手段或用人工智能的一些算法解决金融领域的一系列效率的问题，进而提高效率和自动化水平。而狭义的智能投顾则指线下理财顾问的线上化，即把线下理财顾问一系列工作实现线上化、互联网化，尤其实现自动化，这其中会用一些人工智能的方式提高效率。而目前我们提到的“智能投顾”，基本上是指狭义的智能投顾。

而智能投顾这两年之所以会有较快的发展速度，除了跟人工智能技术提升有关的客观因素之外，还涉及到市场供与求的变化。

在以往，传统财富管理机构的主要精力放在可投资资产较大的高净值人群，财富管理市场的长尾客户的理财需求大多都得不到满足。根据相关数据，市场投资者数量为10038.85万人，投资咨询从业人员却仅有5.02万人，二者比例约为2000:1，强烈的供需矛盾催生智能投顾发展。

另外，据机构的相关报告显示，随着新中产收入的逐步提高，理财金额也在同比上升。2017年，中国新中产不同收入层级的结余或理财占年度收入的占比保持在20%以上，而在使用互联网理财的平均时长方面，可为27.7个月，互联网理财资金约占所有理财资金的27.3%。

大量的新中产家庭希望通过理财来实现财富增值，也明白科学配置资产的道理，但在实际操作方面，苦于时间和知识的局限，或者是偏小的资金规模，都成为新中产家庭实现财富期望的阻力。

同时我们也看到这样一个现象：新中产大都拥有不错的教育背景，对于傻瓜式的跟风投资，内心并不信任； 相反，在投资观上，大都是以理性分析为主，但这类群体主要还是困于没有合适的获取投资理财的渠道。而智能投顾其实正可以解决这类用户在投资理财方面的痛点问题；而如果能够在多场景方式，让他们能自主自己所需或适合的理财产品，那再适合不过。

但是，目前国内的智能投顾，大多都是类似理财魔方这样，通过固定的KYC引导投资者选择固定的投资标的，并没有考虑到投资者所处的人生时机（比如：结婚、生育），也没有从投资者的财富现状，考虑投资者的持续投资能力，在这些方面投资者几乎是千人千面。

可喜的是，虽然智能投顾不能做到真正的个性化配置，但是根据方太证券的调查显示，亚太地区对智能投顾接受程度高达75% 以上，比全球平均约高出10个百分点，相较于北美、欧洲等发达国家市场，对智能投顾产品的接受度更高。这就为未来智能投顾在中国的进一步发展就奠定了很好的基础。

文章来源：三思投顾

2019智能投顾排行榜：行业变天，合规即是王道

在智能硬件行业，2019年1月TrendForce发布了《2018年全球智能手机出货排行榜》，引起了手机圈对国产手机的恐惧；社交行业也热闹，2019年1月微信发布了《2018微信数据报告》，引发了全民对隐私的关注。

而在金融行业，2019年相关机构大数据强势发布《2019年1月智能投顾平台top20排行榜》，排行榜一出炉便引起了轰动。

据悉该排行榜是基于相关机构大数据在监测近100家智能投顾平台后，由品牌实力、风险管理、交易表现、用户表现、舆情利好、合规程度6项指标通过通过数学模型以及计算公式对各项指标进行标准化处理得出的榜单，能够真实有效的反映出当前智能投顾市场的真实情况。

通过榜单可以看到金融科技行业两大要点：一是金融科技行业智能化是大势所趋，二是智能投顾巨头与“新势力”的竞争由于差距相当变小而变得激烈。

相关机构大数据榜单显示，2017年全球智能投顾管理资产同比增长77%达2264亿美元，预计到2022年这一规模将高达约1.4万亿美元。在国内智能投顾平台的资产规模与用户数量同样也不容小觑，据相关机构大数据预测，到2020年中国智能投顾平台资产管理规模将达到3.22万亿元，智能投顾平台在金融科技行业的大规模兴起是金融科技行业智能化的最有利证明。

正所谓“打铁如需自身硬”，其实智能投顾平台在金融科技行业中能够如此之快的发展，主要原因还是自身具有多方面的独特优势，从相关机构大数据财经榜单中就可窥见其一二。

首先是智能投顾平台与传统投顾平台相比投资门槛低得多。当然投顾平台主要还是面向的个人投资者，因此投资门槛成为了投顾平台获取用户与开展业务的第一道坎。榜单中提到市场中传统投顾平台的投资门槛普遍在100万美元左右甚至更高，而智能投顾普遍拉低到了千元人民币左右，更有甚者推出了零门槛的金融业务。例如理财通、蚂蚁财富等平台都有类似理财产品推出。

其次，智能投顾平台在用户群体数量方面占有优势。财经大数据显示，智能投顾平台用户画像为高中低净值全人群，传统投顾平台的用户画像为高净值人群。众所周知，社会上高地收入阶层人数最少、中产阶层人数最多，智能投顾平台基本上覆盖了高中低净值全人群，用户群体数当然较仅能满足高净值人群的传统投顾平台更具优势。

最后智能投顾平台在用户体验上也比较不同，具体优势体现在客户寻求服务更加方便流畅、资产配置更加自由多样、风控加强带来的安全感的提升等。

文章来源：亿欧金融外参

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。

　　海外智能投顾

　　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：微信公众号炒基蛋

在中国，智能投顾的发展前景如何？

早在前年年底，国家工业和信息化部就印发了《促进新一代人工智能产业发展三年行动计划(2018-2020年)》，在这份规划中，明确提出“培育智能产品”的行动目标，涉及领域包括工业、医疗、交通、农业、金融、物流、教育、文化、旅游等， 在人才培养、创新就业及组织实施等各方面，也表示会给予“给力的”支持。结合这几年智能行业的发展，再加之政策力量的辅助，可以预见，接下来人工智能在中国的发展速度会越来越快，更有可能有我们意想不到的创新，在金融领域，亦是如此。

而人工智能在金融领域的应用最直接产生效应的，就是这几年开始火起来的“智能投顾”了，除了以上提及的政策等的优势之外，智能投顾在中国其实已经有很适合生长的“土壤”了。此话怎讲？

首先，我国在大数据、人工智能已经具备了以下这些基础优势：

1. 移动用户6.95亿，数字原住民2.82亿，拥有显著的规模优势；

2．互联网巨头为数字经济贡献了资金和人才；

3．与美国相比，我国企业需要应对的规模及波动性挑战更大，将有利于发展出更强大的技术处理能力。

以上还不是驱动智能投顾在中国发展的最关键因素，实际上，正是中国居民端陡增的理财需求与传统投资顾问数量不匹配的状况，才让中国智能投顾在这两年迅猛发展。除此之外，智能投顾这几大优势也不容小覤：

1. 相比传统投资，智能投顾覆盖的客户范围扩大；

2. 管理费用率明显降低，传统投顾管理费用1%、如今费率降至0.3%

3. 常规炒股过程中感性决策的成份比较大，智能投顾可以有效避免感性决策，信息决策可以24小时监控市场变化并能及时响应。

虽然智能投顾是个“新花样”，但是不是所有人都可以“玩”这玩意呢？答案当然是：不可以。智能投顾的行业属性本质上来讲还是金融，金融最看重的除了风险，在中国，合法合规也相当重要的——新规要求，取得投资顾问资质的机构才可以在具备一定技术的情况，运用人工智能技术开展投资顾问业务，非金融机构不得借用智能投资顾问超范围经营或变相开展资管业务。简单点，即使你掌握非常强大的技术，没有金融业务相关的牌照，是不能自主做智能投顾这一块的。所以，现在很多智能投顾平台大都是取得牌照资质的情况下再大把拓斧运用技术铺开投顾或理财服务，像 “三思投顾”、“蓝海智投”等智能投顾平台，也是在取得资质的情况下再去从事投顾这一块的服务的。所以可以预见，智能投顾不至于会陷入“野蛮生长”的境地，“创新+合规”会是主旋律。

以目前国内金融理财市场的情况来看，人工智能理财大部分还只是概念，还没有全面考虑到金融市场特殊的环境开放性程度以及实时高频交易是会出现的难题，金融机构在运用人工智能开展资管业务的过程中，很多情况下还需要人工介入。

用中国的老话讲“万事开头难”，智能投顾作为中国未来“科技 + 金融”的投资主线和方向，将会成为中国财富管理行业的一个选择，并让更多的投资者从中逐渐获益。

文章来源：百家号

谋定而后动：AI+智能投顾产品，为何只能走先B端后C端的道路？

两会政府工作报告中关于人工智能的内容无疑让AI这把大火又旺了一把。外有高盛、摩根大通，内有蚂蚁金服、京东金融等，纷纷涉足或给自己贴上“金融科技”的时髦标签。

在我看来，国内智能投顾的发展之所以群雄逐鹿却难有卓尔不群之人，根源在于大部分产品没有遵循传统环境下前沿科技——这里是AI——的普遍发展特性，科技与理念的匹配错位决定AI+投顾的智能投顾的发展必然要走先B端再C端的道路，否则产品最终只会沦为趋势的炮灰，为他人做嫁衣。

抢占先机并非AI类产品的制胜要诀

对于大多数行业来说，谁先占得了市场先机，谁就容易在潮流中脱颖而出。但这样的论断有个前提，那就是“市场”是业已存在的，只是谁能占山为王的问题。然而，就像早先火了一把的VR类行业忽而降温，大量创业企业一夜之间消失一样，作为核心技术元素AI同VR类似一样是前沿科技的智能投顾，稍不留神也容易重蹈覆辙。

1、直接做C端产品是美好愿景，也可能是“万骨”枯去的开始

众所周知，由于投资理性的成熟，美国的智投能够坐享成熟资本市场、理性大众投资观念带来的果实。而国内的智能投顾发展却处在一个尴尬的夹层之中，即超前的互联网技术理念同大众落后的投资理财观念双面夹击。

这里存在着最朴素的逻辑：AI的应用过程中，不匹配行业对应的基础理念，技术并不能带来先导价值。反映到C端智能投顾，就是普遍的低接受度以及随之而来的高获客成本。

那么是不是可以说只要想办法推动这种匹配即可？其他AI类行业也许可能，但作为一种追随社会发展的普遍素质，“理财意识”的培育并非一朝一夕的事，而是靠“社会大势”被动推着走，智能投顾可能面临较长时间的“无可作为的等待”。这时，率先到C端冲锋陷阵推动市场的，往往会成为他人成功的炮灰。

也即，面向大众的智能投顾肯定是“恰当的事”，但现在并不是那个“恰当的时间”，甚至智能投顾本身在推动时机的到来方面也可能是事倍功半。于是，功利地说，躲在B端的港湾里，等待“恰当的时间”到来，也许成了智能投顾生存下来并择机进取C端的最可行谋略。

2、不匹配的AI产品强行上马面临“高阙值马太效应”

前些年在资本同互联网创业狂潮的共同作用下，烧钱成了初创企业的聚拢个人用户的首选手段，以“滴滴”同“快的”的烧钱大赛最为出名。其基本的逻辑是：前期烧钱投入，用户量到一定程度就形成用户群聚的马太效应，此时只需要等待自然虹吸即可快速聚拢用户。

To C的智能投顾，本来也应该是这一套逻辑。但AI类行业发展规律并不能给这样的机会：作为比普通的信息技术（如滴滴简单的约车匹配）前沿的AI，其应用成果会比传统超前很多，尤其在行业对应的理念未跟上之时，大众的心理接受过程会非常漫长，类似的VR行业的降温就部分与VR技术未充分匹配到传统需求理念相关。这种不匹配差距越大，接受就会越慢，于是智能投顾行业的马太效应会比普通的功能型产品（立等可用，无尝试成本）阙值更高，虹吸效率更低。

于是同样是C端产品，To C的智能投顾却难以采用从零开始的用户策略，否则结局就是所有厂商都表现平平没有突出的，难以出现独角兽。正如马化腾所说，发展金融业务拼的是谁的命长，而不是看谁短期内跑得多快。有B端雄厚背景的平安一账通、招行摩羯智投等似乎不用担心生存问题，而初创的智能投顾则很容易遵从传统用户积累的逻辑而面临用户积累举步维艰的状况，PINTEC早前的灵玑以及更多默默的产品莫不如是。显而易见的是，以传统逻辑经营C端并不是当前现实下智能投顾最好的存活方式。

文章来源：螳螂财经

风口下智能投顾的机遇和挑战

“智能投顾”是一个舶来品，最早起源于美国，指的是机器人基于客户的风险偏好和理财需求，通过算法来为客户完成理财顾问服务。

在互联网高速发展，产品服务渐渐趋向标准化的过程中，智能投顾完成了一场自下而上，从初创企业（Betterment, Wealthfront）到巨头规模化使用的行业变迁。

2015年，智能投顾开始陆续受到中国市场的关注。2016年AlphaGo席卷世界，人工智能迅速成为国内的焦点话题，这也激发了人们对于智能投顾的探索热情。同年年底，智能投顾产品“摩羯智投”在招商银行手机APP上线，智能投顾开始逐渐从实验性技术转变为主流趋势，成为银行、券商、保险等金融机构的标配型服务。根据BI Intelligence的报告，从智能投顾公司数量来看，目前中国已是全球智能投顾活跃度排名第三的国家，位居美国、德国之后。

本文中笔者将结合自己在传统大型金融机构，以及新型金融科技公司里的财富管理经验，从可投资资产、市场分析等两方面来解释，如何在国内构建一套较完整的智能投顾系统。

可投资资产分析

目前中国智能投顾产品的底层资产多为公募基金，这与成熟资本市场的情况有所不同。在美国、新加坡、香港等国家和地区，其智能投顾的底层资产均为ETF（Exchange-Traded Funds）。

ETF最大的好处是可以瞬间完成配置，这个特性也使得ETF几乎成为智能投顾底层资产池的首选。

但国内的智能投顾较难实现以ETF为底层，主要原因有三：

牌照方面，国内的ETF大多属于二级市场，如果国内的智能投顾公司没有基金管理人牌照，就无法对ETF进行交易。

市场覆盖方面，国内ETF覆盖的市场多偏行业，所以通过买国内的ETF很难为客户做到全球资产配置。而美国的ETF就涵盖了几乎所有主要国家市场和行业类型。

体量方面，国内ETF数量不多，仅有一百多支，相比之下，美国市场有大约1600支ETF，体量要大很多。

在这些客观条件下，中国智能投顾唯一能走的途径，就是以公募基金为底层资产，结合客户的风险偏好和算法对市场的预判，为客户推荐一个公募基金组合。 

市场分析

在实际操作中，我们会按照国内股、国内债、海外股、海外债、商品五大类别，将基金进行分类。确定可投资市场后，我们就能确定这些市场的基准(benchmark)，并对其进行机器学习，进而决定是否要为客户的投资组合(portfolio)配置该市场。

例如，如果我们需要研究“海外股”市场，就可以对美国标普500指数的市盈率、市净率等因子进行分析，此外，美国的国家宏观经济指标也可以作为分析因子。

基于这些因子，我们会用量化的方法预测市场是涨还是跌。如果模型判断该市场大概率会上涨，我们可以加大对该市场的配置；反之，则把其配比压低，这是一种避险的方法。

关于该把哪些因子放入模型，有两种方法。假设，我们现在有包括市盈率、市净率在内的30个因子可用，一种方法是根据历史上因子贡献度，选10-15个最有效的因子放到模型里；另一种方法是把这30个因子全部放进机器学习模型。

根据我们的经验，方法二的效果要略好于方法一，但是也没有好很多，大概年化收益率高一个百分点左右。

所以当一些技术概念被热炒时，一方面我们要认识到机器学习确实能优化投资组合表现；另一方面，也要注意不要对机器学习过于神话。

机器学习的算法有很多种，在测算市场涨（跌）概率时，我们会同时使用几种算法。如果这些算法对一个市场的走势作出一致判断，该判断的准确率就会被认为是较高的，因此在投资组合里就可以对这个市场进行超配（低配）。

这其实很好理解，就好比当一个人（一种算法）告诉你说A股可能大涨，听者可能将信将疑，但如果十个人（十种算法）都和你这么说，你就会觉得它的可信度显著增加了。

文章来源：亿欧智库研究院

国外智能投顾创新发展状况与趋势

智能投顾又称机器人投顾，是基于现代投资组合理论，结合投资者的财务状况、风险偏好、理财目标，运用市场大数据、机器学习等技术，搭建数据模型和后台智能算法，为投资者提供相关资产配置建议，根据市场动态对资产配置再平衡提供建议，使资产配置组合始终处于最优状态。智能投顾于2008年诞生美国，华尔街智能投顾热潮与人工智能、大数据分析等技术的不断发展，加速人工智能与资管行业融合，为金融市场带来更加智能化、个性化的产品服务，促进智能投顾呈现爆发式增长态势。

发展程度方面，根据人为介入程度的不同，可以将智能投顾分为全智能投顾与半智能投顾两种。全智能投顾即为机器人通过智能算法为投资者提供建议、配置甚至是直接执行交易，不需要或极少需要人工参与的全自动模式。

全智能投顾效率高，时间成本低，减少人工介入时出现的感性因素导致的不合理决策。半智能投顾则由机器人提供配置建议，再进行人工审核，最后提供给投资者，由投资者选择是否执行的混合模式。半智能投顾避免因为金融科技技术不成熟而产生不合适的投资建议。

美国智能投顾市场除了初创型智能投顾公司，目前传统金融企业也在逐渐涌入。如全球最大的基金管理公司贝莱德协议收购FutureAdvisor；美国最大的证券零售商和投资银行之一的美林证券引入智能投顾做财务顾问等等。

据Credio统计，2015年，美国智能投顾管理的资产规模从256亿～882亿美元不等，总规模已经近1218亿美元。经过短短几年的发展， Wealthfront，Betterment，PersonalCapital等公司都已融资过亿，且均来自多家顶级风险投资管理机构，行业两大巨头Wealthfront，Betterment的估值均已达到10亿美元水平，具备成长为独角兽公司的潜质。

除此之外，美国智能投顾市场已经培育出较多成熟的智能投顾平台。在标的资产、收费模式、服务模式等方面，具有典型特色的有先锋基金、嘉信理财、Betterment、Wealthfront以及PersonalCapital。具体而言，先锋基金（Vanguard）采用“机器+人工”兼顾的混合模式，侧重于客户风险偏好判断与大类资产配置。嘉信理财（CharlesSchwab）主要利用AI+机器学习技术帮助设置及跟踪目标、实时进行调整及资产再平衡，对分析师最先进的研究成果持续地更新算法，优化资产配置。

Betterment采用自动化在线服务，无需填写风险偏好问卷可直接为用户输出优化的投资组合（金融界的苹果）。Wealthfront采用全自动化服务，税收优化。PersonalCapital同样采用半智能投顾模式，跨平台财务分析。

国外银行智能投顾发展方面，加拿大的蒙特利尔银行（BOM）、英国四大银行巴克莱、苏格兰皇家银行、劳埃德银行、桑坦德银行相继宣布引入智能投顾服务。等等。