概要：本文根据2017年4月23日于深圳举办的智信资管咖啡37期“智能投顾的野心：千人千面千种组合”活动内容整理而成。2016年12月，招商银行摩羯智投上线，标志着国内传统金融机构布局智能投顾业务迈出历史性的一步。随后，银行、券商、基金以及第三方财富公司纷纷开始进入这一领域。然而智能投顾作为舶来品，在国内仍面临底层资产不够丰富、模型算法未经过长周期市场检验，以及在零售端投资者中接受程度不高等问题，如何开展业务成为关键。本文从智能投顾市场发展情况入手，逐步分析以用户画像、产品画像、资产配置建议、投后动态跟踪为关键环节的智能投顾服务闭环如何建立，最后介绍金融机构开展智能投顾业务所面临的挑战及解决方案。
本文发表于智信资产管理研究院2017年5月出刊的《资管高层决策参考》。关注智信网服务号（ID：zentrust），并回复“参考”，可获取《资管高层决策参考》往期精彩内容。
作者｜智信资产管理研究院研究员 王磊 翟乐
来源｜智信资产管理研究院《资管高层决策参考》
一、智能投顾市场发展情况介绍
1、智能投顾的本质及发展历程
智能投顾起源于美国，原意为“机器人投顾”，旨在借助大数据及算法提高投顾服务质量，降低服务成本赚取β收益。传入中国后，变为“智能投顾”。智能投顾可以拆分成智能、投和顾三部分，其中‘智能’代表背后应用的逻辑和技术，可以对客户行为做分析、研究和画像；‘投’指投资，‘顾’指顾问式服务。智能投顾的本质是一种包含整套流程的顾问式服务，而不是一次简单的产品买卖交易。
智能投顾的发展历程，可以追溯至2008年。彼时美国市场上首次出现独立机器人投顾机构——Betterment。到了2011年，以Wealthfront和Betterment为代表的机器人投顾机构凭借科技技术带来的变革在投顾领域声名鹊起。此后短短两三年时间，Wealthfront和Betterment便将资产管理规模均做到近30亿美元，美国整个智能投顾市场管理的资产总规模达到210亿美元，这极大地刺激了美国传统的巨无霸金融机构。2014年，美国个人金融服务市场的领导者嘉信理财启动Schwab Intelligent portfolios项目计划，高盛、BlackRock、BGI、Vanguard等传统金融巨头也开始大举进军智能投顾领域。到2016年第三季度，以嘉信理财、Vanguard为代表的传统金融机构智能投顾管理资产规模超过440亿美元，占据市场62%的份额。至此，传统金融机构在智能投顾领域的发展速度，已大幅超越科技金融公司。
2、智能投顾三种服务模式
从目前国内外智能投顾市场已开展业务的情况来看，可以归纳为三种服务模式：
（1）全财富管理模式
全财富管理模式是指为客户提供全面的财富管理产品配置方案，包括基金、保险、股票等多种产品。其特点是，根据人生不同阶段现金流情况，匹配不同类型的资产配置方案。此类模式在提供服务时，需要了解客户的流动性需求、投资需求、保险类需求以及家庭情况等。目前，国内对于全财富管理模式的应用较少。
（2）风险投资组合模式
风险投资组合模式是指提供的智能投顾服务只针对客户财富管理中的投资模块。在提供智能服务时，只需要对客户投资需求进行研究，通过确认其风险投资收益目标，并匹配一定的投资逻辑，即可构建投资组合。这一模式在国内智能投顾机构中应用非常广泛。
（3）人生目标管理模式
人生目标管理模式是指针对客户养老或者税收筹划等单一目标去做相应的智能投顾服务。这一模式在国外应用较为广泛，国内机构也开始尝试应用。最近的一份中国城市居民财富管理与资产配置调查报告显示，国内客户的理财目标已经由传统的财富增值保值，开始向退休养老规划、子女教育、突发事件预防、购房购车、子女婚嫁等理财目标转变。
应需而生，国内智能投顾产品也逐渐切入人生目标管理模式，以钱景私人理财为例，其为投资者提供了存钱购房、存钱结婚、存钱育儿、存钱养老和梦想基金五个理财目标，通过设置投资期限和目标金额自动计算每期投资额，从而生成目标管理专属投资计划。
3、海内外市场对比
通过下图对比可以看出，国外的知名智能投顾机构成立时间普遍早于国内；在展现形式方面，国外主要基于网页模式，国内主要基于APP模式；在底层产品上，国外多以被动型ETF基金为主，国内主要以公募基金为主；在理论基础应用方面，国外大多采用现代投资组合理论（MPT），国内则在MPT理论之外有所延展；在税收和养老规划上，国外的产品大多数都有覆盖，而国内覆盖较少。
图1：国外和国内智能投顾机构对比
来源：智信资产管理研究院整理
4、智能投顾可解决传统投顾存在的四大问题
（1）较好克服人性的弱点
从上证指数走势和偏股型基金净申购份额、股票净交易额对比数据可以看出，绝大多数投资者都是在牛市中后期进入市场买入股票或基金，而在熊市接近底部时卖出股票或赎回基金，究其根本原因在于无法克服人性的弱点，该恐惧时贪婪，该贪婪时恐惧。而机器人能够较好的克服人性的弱点，以各类客观准入条件为指标进行严格买卖操作，从而实现稳定回报。
（2）用个性化产品满足个性化需求
面对市场上近3000只股票、4000只基金以及不断增长的可投资产品数量，传统投顾很难做到一一认知，所以大多用标准化产品应对全部客户，无法做到千人千面千种组合。而智能投顾则可以有效解决这一问题，其逻辑是先通过大数据分析技术给用户进行多维度画像，对不同用户的风险投资偏好、预期收益目标等产生不同认知。同理，对产品属性亦进行标注，然后将用户需求及产品属性进行匹配，得出不同的投资组合建议，真正从买方角度为客户配置资产组合。
（3）长期产品当短期产品卖现象会明显遏制
由于国内客户普遍缺乏投资者教育，因此“追涨杀跌”现象明显。当市场出现波动等情况时，原本应该长期投资的产品也会匆忙交易止盈止损。因此，传统投资顾问在推荐产品时，为了迎合投资者对于短期产品的需求偏好，大多将长期产品当成短期产品卖，期限不匹配现象严重。而智能投顾因为对于用户画像及产品属性的认知深刻，且投资环节人为干预较少，可以根据投资者的投资年限预期自动匹配合适的资产，做到适当性匹配，在组合调整时也会充分考虑资产的长期盈利性。
（4）服务起点不再是销售终点
对于传统投资顾问来说，所获收益主要来源于销售产品后从产品供应方得到的返佣，所以产品销售完成，投资顾问获得回报后，服务也就相应结束。实际上，投顾业务本质是一项服务，而不是产品，产品销售只是服务的起点，一个好的投顾服务应该是可执行、可跟踪、可评价的。在智能投顾服务中，产品匹配完成后，会有实时资产组合风险跟踪和动态组合调整建议，会形成一套完整的服务流程。
二、智能投顾服务四个核心环节及评判标准
（一）四个核心环节
1、用户画像
目前国内智能投顾市场，大多使用问卷调查的形式获取用户风险偏好及投资偏好数据，然而这一方法存在片面性及主观性问题。首先，大多数投资者并不能理性认知自己的风险承受能力与风险承受意愿之间的差距；其次，在不同的时间段及心理状态下，所做出的选项也会因市场环境不同而有所差异。因此，通过多维度的大数据信息挖掘来对用户进行全方位画像显得更为客观。
用户画像数据可以分为两类：第一类是交易行为数据，主要通过采集券商、银行、基金等机构零售端的用户交易数据，利用大数据分析方法，获取客户风险承受能力、投资行业偏好、投资风格偏好等数据，进而对用户的持仓风险进行诊断。在持仓诊断环节，通常采用量化模型，重点从仓位、个股、行业、基金等方面进行深度分析和诊断。除此之外，也可以利用市场变化情况下，APP客户端的用户打开频率数据，作为了解用户交易行为的另一种补充。第二类是消费数据及借贷数据，这类数据可以佐证用户的现金流情况及投资风格。如果经常借贷消费，则可以判断该用户的投资风格较为激进。
具体来看，对于券商客户，基于券商的适当性匹配数据、柜台交易数据及市场动态数据以及用户操作行为数据，可以选择包括风险控制能力、风险承受能力、盈利能力、择时能力、选股能力和稳定性等维度进行分析，从而对客户进行标签处理。
对于银行客户，则重点看风险承受能力和控制能力，可分析的数据包括客户资产、负债、金融产品交易记录等，这些数据可以通过和外部机构合作获得，也可以是自身平台积累的数据。
根据智信对国内智能投顾市场了解，目前市场上已开展智能投顾业务的机构，能够给出的用户标签数量，少则几个，多则200余个，日运算量可以高达万亿次。
2、产品画像
与国外智能投顾市场多以被动型ETF基金为底层资产不同的是，由于受限于被动型基金数量，目前国内智能投顾市场底层资产以股票和主动型公募基金为主，辅助以期货产品、黄金产品等。产品分析则包括对上市公司股票和基金产品的分析，以及对基金经理的分析。
针对股票数据，主流做法是在挖掘交易所数据及上市公司年报等原始数据的基础上，进行清洗和二次加工。通过和卖方研究所合作，获取各方研报数据，形成互为校验的一致预期数据库，从而可以提前预判上市公司盈利等情况，形成数据标签。针对基金产品数据，可以通过基金公司官网、wind资讯、东方财富chioce等数据源获取，但是基金产品数据披露频率通常以季度、半年度和年度为单位，具有一定滞后性，所以如何利用基金净值数据倒推实时投资情况、择时策略，进而计算出最新的最优组合推荐比例，或将成为各家智能投顾机构角逐优劣的分水岭。
除此之外，对于基金经理的认知数据的挖掘也至关重要，从某种意义上来说，基金经理是一只基金的灵魂。一个基金经理可能会换公司，但是其操作风格却不容易发生改变，所以，对于其管理的全部产品数据进行定量分析，可以清晰认知他的操盘风格，以便于判断其适合牛市、熊市还是振荡市场；除了定量分析外，对于人的定性分析也同样重要。目前，一些智能投顾机构通过访谈等形式，获取到基金经理性格、血型、星座等定性数据，建立维度更加完整、更加立体的数据库，为后期做资产组合奠定更完善的基础。
3、资产组合建议
完成用户画像和产品画像后，需要将二者按适当性原则进行匹配，根据目前市场上主流分类，可以分为大类资产配置建议和股票配置建议。
（1）大类资产配置建议
智能投顾领域的大类资产配置，首先根据不同资产的波动率大小计算出各类资产的配置比例，包括权益类、固收类、另类、黄金和货币产品等，再基于用户画像标签，经过一系列大数据运算，在产品池筛选出一组与用户需求匹配度最高的产品组合清单。
目前国内外市场上比较常见的大类配置策略包括均值方差策略、恒定比例策略、美林时钟策略、生命周期策略和风险均衡策略等。
实际上，大类资产配置的逻辑与FOF投资类似，可分为三层。第一层是做管理配置，将全市场资产进行分类优化和指数编制，构建最优组合集；第二层是找到能持续获得Alpha收益的基金或其他产品；第三层是做风险控制，实现动态调整。从某种意义上来说，以公募基金为底层标的的智能投顾，是一种账户式FOF。
以盈米财富旗下的“且慢”平台为例，其底层资产均为公募基金，在公募基金的配置上分为三部分。第一部分是资产类别的选择，包括股票基金、债券基金、指数基金、QDII、商品和绝对收益类产品；第二部分是在每一个资产类别下选取优秀的基金经理，这就需要上文中提到的对基金经理进行深入研究；第三部分是对市场细分行业进行判断，择时入场。
需要注意的是，当底层资产为公募基金时，可能会遇到无法申购、赎回的问题。针对无法申购问题，可以在设计产品时，设置基金备选池，如果某天某只基金无法申购，能立即用备选基金顶替；针对赎回问题，只要在选取基金时避开定期开放式基金即可。
（2）股票配置建议
相比较而言，股票配置相对简单，首先根据获取的用户画像标签，制定合适的资产配置比例，再运用选股模型、换股模型、择时模型提供建议，比如量化行业轮动、多因子Alpha体系、互联网大数据策略等，用户根据建议可以选择下单，生成对应的交易序列。
以今日投资的“ALPHA.J”机器人投顾为例，对于研究能力较弱的用户，在用户画像环节更侧重获取其交易风格、风险偏好、对投资标的的偏好、资金规模等数据。根据这些标签，借助多因子选股模型、择时模型等，用机器人投顾生成一个动态组合。组合生成后，会利用回测工具对客户所有组合进行有效测试，判断该组合是否与用户画像完美匹配。除此之外，还会动态跟踪是否有风险收益比更高的组合推荐给客户。对于研究能力较强的用户，提供智能策略选股工具，而这个工具背后隐藏了回撤和组合诊断两个功能，帮助客户判断建立的模型是否最优。
4、投后动态跟踪调仓
投后管理最重要的部分是风险控制。风险控制可分为两种，一是对整个市场的风控，降低投资系统性风险。具体做法为，可以在股票配置或大类资产配置的权益板块添加安全持仓线模型。今日投资“ALPHA.J”机器人投顾实盘数据显示，以近五年沪深300指数走势为业绩基准，通过加入安全持仓线模型对其进行仓位控制，使同期累计收益率超基准30.8%，波动率由25.18%降低为14.83%；二是对用户投资组合的风控，可以通过设置各类指标对用户投资组合风险进行实时监控，并结合诊断模型、换股模型、择时模型对用户组合进行风险及调优提醒，从而降低用户的投资风险。
以券商投顾平台为例，首先提供再平衡服务，即根据每天的市场波动情况做再平衡，当交易成本达到平衡以后，通过微信、短信、APP推送的方式提醒客户进行调仓。其次可以通过风控模型、安全持仓线模型等做预警跟踪服务。以权益类产品为例，当达到提前设置的安全持仓线时，风控模型会监测出风险资产的短中长周期的量价表现，实时地计算出一个阈值，动态计算风险延续时长，然后做出预警。当达到阈值预警时，应提醒用户不要再考虑交易成本，而应该立即止盈或者止损。
除此之外，为了更好的实现人机交互，也可以在投后管理环节加入机器人客服形式，利用自然语言处理技术的线上机器人通过人机互动，可以持续跟踪用户需求变化，获取更多维度的用户信息。
在动态调仓过程中，不能忽视的一个问题是调仓产生的交易费用如何与收益做平衡。以基金组合为例，可以采取在其他条件相当的情况下，选择相对收费较低的C类基金作为投资标的。
值得注意的是，在对组合资产进行风险控制时，必须对组合资产进行穿透性检查，比如混合型基金产品，必须穿透到底层清楚分别持有多少比例的股、债等，然后再根据不同资产类型进行风险计算。
（二）评判智能投顾优劣标准
评判智能投顾优劣最重要的标准是数据和模型的有效性。要看数据和模型是否经得起十年以上的样本外检验，而不能只看回测数据；模型和数据是否经得起大量投资者的检验，而不仅仅是模拟操盘。
三、传统金融机构开展智能投顾业务优势及挑战
从用户基础、数据积累、牌照资质等方面来看，传统金融机构开展智能投顾业务具有相当优势。
首先是用户基础，传统金融机构长期开展投顾、理财业务，积累了大量原始客户，为传统顾问需求转向智能投顾需求打下良好的基础。
其次是数据积累，传统金融机构零售业务积累了大量用户交易行为数据及消费数据等，在智能投顾业务的用户画像环节，可以提供大量原始标签数据。
最后是牌照资质，美国智能投顾企业需要拥有在SEC注册的投资顾问牌照，国内目前没有专门的智能投顾牌照，而银行、券商、基金等本身具有开展顾问式服务业务及产品销售资质的机构，能助其合法的完成智能投顾业务。
当然，传统金融机构开展智能投顾业务也将面临挑战，可以在以下四个方面进行局部储备：
（1）储备复合型人才
介于智能投顾业务的复合性，需要有三方面的人才储备，一是量化投资人才，二是IT人才，三是大数据分析人才。想要更好的开展智能投顾业务，金融科技跨界复合人才的储备是关键。
智能投顾业务的开展，或许会对原有投顾业务的人员架构产生一定影响，可以肯定的是，智能投顾并不会完全取代传统投顾，如何让两者结合产生效益最大化，是金融机构应该认真思考的问题。
（2）加大技术投入
由于智能投顾业务涉及到人工智能技术和大数据处理技术，因此需要金融机构在技术开发及数据获取方面有所投入，才能做到海量数据分析、智能用户画像、金融产品创新和精准产品营销服务等。
（3）了解客户需求实施投资者教育
由于国内智能投顾业务起步较晚，因此前期的投资者教育环节必不可少。而想要做好投资者教育，必须先了解客户需求。客户的需求可以分为两大类：一类是简单需求，对应的是简单的产品或者确定性收益产品，包括银行理财，类固定收益的投资型保险，货币基金等。对于这类产品，通过线上服务就可以满足客户需求。另一类是复杂需求。即与其生活目标相匹配，个性化落地执行并能持续跟踪的资产配置解决方案。在财富管理层面，金融机构需要突破的是复杂产品的配置和销售。
（4）实现差异化服务
目前国内开展智能投顾业务的机构主要分为三类，一是且慢、弥财、蓝海智投等独立创新平台，二是宜信、百度、京东等具有较强互联网基因的互联网企业，三是平安一账通、广发贝塔牛、招行摩羯智投等传统金融机构。当各类机构角逐智能投顾市场时，如何做出差异化服务显得尤为重要。传统金融机构可以利用自身优势，结合业务痛点，在模型上做个性化调整，在业务需求上做个性化定制，比如除了公募基金可作为底层资产外，银行的类固定收益理财产品，券商的集合理财产品，均可以加入资产池中。
智信资产管理研究院将举办FOF主题活动
欢迎大家扫描下方二维码报名
▼
智信资产管理研究院 · 资管沙龙43期活动
“中国式资产配置路径：FOF还是FOI”
时间：6月17日（周六）下午14:00-18:00
地点：上海
形式：主题发言+圆桌嘉宾讨论+晚宴
规模：圆桌对话嘉宾不超过15人，后排听众嘉宾不超过45人
联系客服
