智能投顧全面解讀

<p>傳統投顧一直是與理財產品的銷售緊密結合在一起的。投顧即銷售，在國內理財界也是約定俗成的現實。<br></p><p>傳統投資顧問即證券投資顧問業務遵循《證券投資顧問業務暫行規定》，開展證券投資顧問業務的機構需要獲得證券投資咨詢機構資質，從業人員則需要取得證券投資咨詢執業資格，并在中國證券業協會注冊登記為證券投資顧問。在國內，投資顧問與資產管理兩塊業務是分開管理的，而智能投顧強調咨詢和資產管理的合一，除了咨詢類業務相關政策不明晰外，資產管理是否需要申請牌照、需要申請何種牌照，目前政策上也并不清晰。智能投顧的業務范圍并不僅僅是證券投資，理想狀態下還會涉及到銀行、信托、基金、保險資管等各類金融機構產品的銷售，以及更多的監管機構。</p><div class="image-package">

國內智能投顧業務的開展可以先從提供產品和服務的合規性切入，取得相關業務和產品投資的資質和牌照。考慮到目前國內智能投顧平臺的投資標的多為基金和股票，可以優先申請基金銷售牌照和證券投資咨詢機構牌照。同時，為了提高資產管理業務的合規性，還應該積極申請公募基金牌照、私募基金牌照等。除股票和基金外，智能投顧往往還會涉及債券、票據和非標資產等，需要與相關的監管機構保持密切溝通。

先推出符合監管要求的簡易版智能投顧服務，后隨著相關資質的獲得或監管政策的明朗進行“加法”操作。其實智能投顧的核心訴求是降低投資者的專業化組合投資的門檻，目前的智能投顧聽起來高大上，它的背后，其實就是資產配置的量化模型，配合數據做擬合，自動做出投資決策。智能投顧關注資產的組合配置，力求找出性價比高的投資組合。實際上這就是將理財顧問在線下的人工服務內容，通過互聯網讓用戶在線體驗。

相比傳統投顧模式，完整的智能投顧流程采取典型的五步曲模式：一是綜合利用大數據技術、問卷調查等，了解用戶個性化的風險偏好；二是基于用戶風險偏好，結合算法模型，為用戶制定個性化的資產配置方案；三是連接客戶賬戶進行投資；四是利用機器學習技術，對用戶資產配置方案進行實時跟蹤調整；五是資金退出、完成投資。在實踐中，并非所有的平臺都涉及上述五個步驟，更多地只是對幾個步驟的組合運用。

智能投顧可以借鑒理財平臺普遍采用方式，采用社交+投顧意識培養的方式，例如蘇寧金融股票理財頻道的投資組合曬單及跟投服務，讓投資者近距離接觸同類型人員的投資標的和投資方式，建立直觀的投資理性認知。由于并不追求高收益，智能投顧在資產選擇上會盡量規避股票、期貨、期權等高風險資產，集中于股票ETF、債券ETF、貨幣基金、黃金等領域，另外，國內的智能投顧還會適當配置具有剛性兌付特征的高收益定期理財產品。

無 論如何，智能投顧都不能完全替代人工，這不是能力技術問題，而是市場問題，二者一定是相互補充的關系。招商銀行的摩羯智投，從一開始就沒有想要做純智能投顧，其模式定義為“人與機器”、“線上線下”的融合服務新模式，本質上就是標準化與個性化的結合，兼顧普通投資者與高凈值投資者，實現業務范圍最大化。同樣的，還有Beta理財師，線下專業理財精英隊伍為高凈值客戶提供個性化服務，線上智能平臺為中低凈值客戶提供標準化服務，也是在嘗試解決互補的問題。

對智能投顧而言，高凈值客戶往往都是理性的投資者客戶。基于投資認知和個人市場水平，這些客戶認同投資顧問，且往往希望獲得最個性化的服務。他們擁有智能投顧最希望客戶擁有的投資意識，卻反感智能投顧千篇一律的服務模式。

不論是大眾投資者或高凈值客戶都屬C端，而智能投顧還有塊大蛋糕就是B端。B端客戶既擁有近乎完美的投資理性，基于技術、投資學理論認知又容易接受智能化、標準化的智能投顧。

事實上智能投顧B端的市場前景不比C端小。可以是純策略服務的，給中小基金公司或者資管公司提供智能投顧策略服務并按服務收費（實際上是B2B2C），也可以是像用友、明源一樣的純技術出售，把智能投顧的整套算法和程序售賣至金融企業。智能投顧離不了金融/IT的復合型人才。頂尖的投資建模能力、極強的IT知識、豐富的金融交易知識，這三者是設計出優質智能投顧必備的人才素質要求，否則，投資模型、智能IT程序及金融交易對接容易脫節，任何偏廢都會造成極壞的用戶體驗。

技術端口同資金端口是緊密結合的，需要高度豐富的客戶數據用以高精度的客戶風險判定，從而根據特定風險級別設定資產投資組合模型。用投資問卷、風險偏好測試來測驗客戶的個性化需求還是沒有脫離傳統投顧的模式。智能投顧需要的是通過大量的數據維度構建風險測試的統一模型，從而能提供千人千面的定制化方案，而不是只有幾個歸類、幾種策略。金融數據是智能投顧領域的底層代碼，沒有足夠的歷史數據，資產的風險分析、投資組合就成了無本之末，而金融監管要求金融機構數據不得給第三方使用，這一矛盾難以調和。

智能理財目前還處于起步階段，面臨的第一個難點在于用戶生活場景的收集和分析。這可能需要收集用戶的大量私隱數據以及宏觀經濟數據，同時需要建立量化模型來幫助用戶綜合分析這些數據，評估出現財務問題的可能性及時間點。相對而言，量化資產配置模型則已經發展得比較成熟。基于自動化、智能化的特征，智能投顧有望解決傳統資管行業面臨的三大難題，從而為自身的發展打開了想象空間。利用人工智能生成金融知識圖譜、用戶畫像及資產畫像，根據用戶偏好進行資產的智能化科學配置，提升資產配置的科學性和匹配精準度，有效追蹤、控制風險。

一是可以有效緩解信息不對稱現象。這里的信息不對稱并非指內幕信息層面，而是公開信息層面。限于時間精力等各方面因素，個體投資者或理財師并不可能充分消化市場中的公開信息，在吸收程度上也存在著廣泛的個體差異，使得信息不對稱現象普遍存在。智能投顧利用大數據和機器學習技術，可以更充分地吸收各類市場信息，并運用到模型中去，從而大大緩解信息不對稱現象。

二是可以有效過濾投資者情緒的影響。情緒是投資的大敵，波動性市場投資尤其如此，股票市場為此發明了“動量效應”一詞，用以反映因投資者情緒影響導致的股票價格在一段時間內趨同波動的現象。相比而言，智能投顧可以徹底擯除情緒的影響，助力投資者成為交易規則的嚴格執行者。

三是可以有效降低投顧服務成本和門檻，提升市場空間。傳統投顧服務依賴人力，且服務范圍與投顧人員線性相關，成本和門檻較高，只有少部分高凈值客戶能夠享受到專業的服務。相比較而言，智能投顧依靠模型且純線上，邊際成本幾乎為0，具有明顯的規模效應，可以充分發揮互聯網的“低成本、廣覆蓋”精髓，推動投顧服務普惠化。在某種意義上，智能投顧誕生后，高凈值客戶專屬的組合投資模式得以走入尋常百姓家，給趨于沉寂的資管行業帶來新的發展空間。

智能投顧的優勢在于，用戶無需有太多的決策，相對傳統金融機構在而言，在選擇上變的更便捷、更明了了，而且智能投顧在收益上是相對確定的，用戶可以有一定程度的預估或是預判。另外人工智能和大數據分析的幫助下，資產方或是平臺方也能夠借助智能投顧機器人判斷用戶的信用狀況、還貸能力，以及降低雙方的交易風險，在風險控制層面上做到最優化。

智能投顧的盈利模式之爭，到底該不該像安卓應用市場那樣收取入駐產品的費用或者直接售賣產品，還是要完全中立化推薦投資產品，依靠賬戶管理費用生存。懷揣“智能”二字，理應采用后者類似的方式，但現實又決定國內智能投顧很容易落入（或主動進入）前者的陷阱。

市場上有兩種智能投顧，一種是利用數據和模型，進行資產配置，尋找最佳收益。一種是將客戶打上標簽，將產品也打上標簽，按照客戶的風險偏好來配置產品。第一種算是智能投顧，第二種應是精準營銷。目前受到熱捧的是第二種，原因大家都懂的。

在金融領域，人工智能主要有以下四類應用：自動報告生成，人工智能輔助，金融搜索引擎和智能投顧。智能投顧發展態勢：1.資產配置＋ETF組合2.量化投資＋智投組合3.投研分析＋社交投資；4.機器學習（客戶行為）

智能金融分為智能投顧，智能投機和智能投研。投研又分為智能分析和智能交易。資金量大小對方法會有很大影響，做幾個億和做幾十個億、幾百個億的打法是全然不同的。2015年有一堆做社交媒體指數基金的，很快都死了。2010年印第安納大學twitter炒股的發明人自己出來做公司，也倒閉了。所以智能投機是一條高危之路，安全邊界很重要。

總結

以上是生活随笔為你收集整理的智能投顾全面解读的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。