2018智能投顾白皮书

智能投顾，是IT科技和金融领域相结合的前沿应用领域。

它能够基于对投资者的精准画像，通过将现代金融理论融入人工智能算法，从而为投资者提供基于多元化资产的个性化、智能化、自动化和高速化的投资服务。

自2008年金融危机后，美国首家智能投顾公司Betterment于当年成立，随后Wealthfront，Personal Capital，Future Advisor，Motif Investing等创新型公司相继成立。

目前, 先锋集团（VanguardGroup）推出了VPAS，嘉信理财推出了SIP，富达基金推出了Fidelity Go，美林证券推出了Merrill Edge，摩根士丹利推出了Access Investing，“华尔街之狼- Kensho”推出了Warren。

智能投顾作为金融科技（FinTech）应用的最前沿领域，正席卷美国传统金融界。

发源于美国的智能投顾科技理论和技术西行东渐，我国智能投顾于2015年开始起步，虽然起步较晚，但是发展迅速。

招商银行推出了“摩羯智投”，工商银行推出了“AI投”，中国银行推出了“中银慧投”，平安银行推出了“平安智投”，兴业银行推出了“兴业智投”，广发证券推出了“贝塔牛”，平安证券推出了“AI慧炒股”，长江证券推出了“阿凡达”，京东集团推出了“京东智投”，羽时金融推出了“AI股”和“AI投顾”。

代表IT最新最前沿的人工智能技术在融入了金融行业后，有力地推进了传统金融行业的变革，有力地践行了普惠金融的理念。

虽然国内智能投顾的发展势头兴旺，但是商业模式不清晰，行业内鱼龙混杂，很多打着智能投顾概念的传统公司混杂其中，让人难以明辨。

什么是智能投顾？智能投顾的国内外发展现状如何？国内智能投顾业务的发展面临哪些问题和挑战？作为新生事物，智能投顾的IT技术路线，智能投顾的商业模式，智能投顾的风险控制，智能投顾业务的国内外监管政策比较，如何界定智能投顾公司的业务边界，采用哪些方向的标准评价智能投顾公司，智能投顾未来的发展趋势，针对这些大家关心的焦点问题，《2018智能投顾行业白皮书》希望能为大家作出一些抛砖引玉的探讨。

一、智能投顾的概念 (6)
1.投资顾问业务的发展历程 (6)
2.人工智能的发展历程 (10)
2.1第一阶段：逻辑推理时代 (11)
2.2第二阶段：专家系统时代 (11)
2.3第三阶段：神经网络时代 (13)
2.4第四阶段：机器学习时代 (13)
3．智能投顾的概念 (15)
二、智能投顾的国内外发展现状 (17)
1．智能投顾的国外发展现状 (17)
先锋集团VPAS (19)
嘉信理财SIP (20)
Motif Investing (21)
Fidelity Go (22)
Merrill Edge Guided Investing (23)
SigFig (24)
Wealthsimple (26)
Ellevest (27)
2．智能投顾的国内发展现状 (29)
三、国内智能投顾存在的问题与挑战 (34)
1．投资标的数量少、种类不多 (34)
2．缺少配套监管措施，政策不明确 (36)
3．金融数据不足，缺乏前期的积累 (37)
4．智能投顾技术水平不高，缺乏真正的核心技术 (38)
5．投资者观念难以改变，需要时间去接受新鲜事物 (38)
6．初创智能投顾企业的发展会受到传统金融机构的挤压 (39)
7．商业模式不清晰，企业难以持续生存发展 (39)
8．金融市场不稳定，产品收益率波动较大 (40)
9．金融产品设计畸形，各类理财产品收益率高居不下 (40)
四、智能投顾的技术路线 (41)
1．建设云支撑平台 (41)
1.1建设云PaaS平台 (41)
1.2集成智能投顾多云数据存储系统 (41)
1.3建立智能投顾云安全设施，完善安全防御设施 (42)
1.4 面向投顾业务的云管理 (42)
2．支持全媒体格式的数据采集系统 (42)
3．大数据处理服务 (43)
3.1 业务服务平台的构建与实现 (43)
3.2 基于确定逻辑的数据分析服务 (43)
3.3 深度学习服务 (43)
3.4 全文检索 (44)
3.5 数据仓库 (44)
3.6 交互式用户画像 (44)
4．数据表达与接口技术 (44)
4.1 全媒体数据向金融模型数据的转换 (44)
4.2 金融模型的形式化表示技术 (45)
4.3 数据可视化技术 (45)
5．决策数据分发与共享 (45)
5.1 信息发布管理 (45)
5.2 公共关系管理 (45)
五、智能投顾的服务流程 (46)
1. 客户分析 (46)
2. 投资组合选择 (47)
3. 大类资产配置 (47)
4. 交易执行 (49)
5. 投资组合再平衡 (49)
6. 投资组合分析 (50)
六、智能投顾的商业模式 (51)
1．智能投顾的目标客户 (51)
2．以服务主体划分的商业模式 (52)
2.1 以机器为主 (52)
2.2 以人为主 (52)
2.3 以人机结合为主 (53)
3．从业务模式划分的商业模式 (54)
3.1 B2C模式 (54)
3.2 B2B2C模式 (55)
3.3 B2B模式 (56)
七、智能投顾的风险控制 (57)
1．产品质量的风险控制 (57)
1.1 产品风险 (57)
1.2 模型风险 (58)
2．客户服务流程的风险控制 (58)
2.1 事前控制 (58)
2.2 事中控制 (59)
2.3 事后控制 (60)
3．应急事项的风险控制 (60)
4．第三方接入的风险控制 (61)
八、智能投顾的监管 (62)
1. 国内的监管政策 (62)
2. 美国的监管政策 (64)
3. 分析与讨论 (64)
九、智能投顾的评价标准 (67)
1．丰富的量化投资经验 (67)
2．独具特色的核心量化技术 (67)
3．强大的数据库 (69)
4．强大的金融工程团队 (72)
5．强大的人工智能IT团队 (73)
6．精通业务细节的风控团队 (73)
7．出色的产品业绩 (74)
8．丰富的产品体系 (75)
晴雨表 (76)
牛股基因 (76)
FOF基金 (76)
持仓诊断 (77)
9．广大的用户群体 (77)
十、智能投顾的未来发展趋势 (78)
1．金融机构在智能投顾领域的布局会逐步加快 (78)
2．主流第三方智能投顾技术服务机构会逐步提升其技术与服务能力 (80)
3．智能投顾的产品形态会逐步向高壁垒，专业化的方向发展 (87)
3.1从简单投资逻辑的资产配置到人工智能投资决策系统 (87)
3.2从简单形式的用户调查问卷到人工智能算法驱动的用户投资行为画像 (88)
3.3从单一化的智能投顾产品到千人千面的定制化产品 (88)
3.4从简单形式的荐股到多样化的辅助性投资工具 (89)
3.5从服务于个人用户的智能投顾产品到服务于投资顾问的智能化服务平台 (89)
3.6互联网创业团队向金融投资团队的跨界发展 (90)
4．人工智能技术与算法对于行业的推动 (90)
4.1证券APP将会出现大量智能化产品 (91)
4.2人工投资顾问将会有更加丰富专业的投资工具库 (91)
4.3用户画像和推荐系统将得到广泛的应用 (92)
4.4基于用户轨迹浏览偏好的智能推荐系统将会出现 (92)
4.5基于定制化策略的智能投顾专用账户将会出现 (93)
4.6智能投研将得到快速发展 (93)
4.7智能投顾和银行保险基金的合作将更加深入 (94)
5．智能投顾的普惠化，科技化趋势 (94)
附：同济大学智能投顾实验室 (96)
一、智能投顾的概念
1.投资顾问业务的发展历程
证券投资顾问业务的近代起源可以追溯到传统的私人银行的理财服务业务，私人银行业务在欧洲已经有上百年的历史，最初则是瑞士银行专门向富有的上流社会群体提供极其私密的、一对一的服务，而这项服务也可以追溯到二战期间，为了能够保持中立国的地位同时留住德国和犹太客户，瑞士银行出台了《银行保密法》，其中规定：任何人不得透露储户的身份，从而吸引到全球大量的客户到瑞士银行进行现金储备业务，后来逐渐发展成为客户进行理财规划。

截止到目前，全球一半的资产依然被安全地存放在瑞士银行。

而瑞士银行则根据少数高端富有客户的需要，为其提供投资项目的咨询、建议和选择等，私密性极强，简而言之，客户可以在瑞士银行享受最全面和专业的投资项目咨询服务，而银行则运用多个客户积累的资金选择项目进行投资，这就是境外投资顾问的起源。

起源之初，投资顾问是仅仅面临高端富裕人群的，而高端富裕人群之所以愿意把大笔资金交给专业顾问打理，是因为其能带来丰厚的回报。

但是随着社会的发展，经济的进步，尤其在互联网为主导的智能信息革命后，大量的民间资本崛起，财富的累积和投资不再仅仅是上流社会的专利。

而随着混业经营和金融创新产业的快速发展，原先只专注于证券产品的投资顾问业务逐渐向全面理财业务拓展。

而投资顾问的更早起源则可以追溯到400多年以前。

1551年，英国的MUSCOV股份公司成立，这是世界上第一家股份公司，英国伦敦的商人也是世界上最早的股票投资者。

而现代意义上的证券交易所，诞生于1611年的荷兰，英国和法国也在较早时候建立了证券交易所。

1811年，美国纽约证券交易所由经纪人按照粗糙的《梧桐树协议》建立起来并开始了营运。

美国从1933年开始就对金融证券业务进行立法，以此来规范金融业务的乱象和疯狂。

1929年后的经济危机让这些无人监管的乱象彻底暴露在公众和政府面前，《希利报告》曾经指出在没有法律的约束下，投资者的利益将得不到一丁点的保障。

终于，1940年，《投资公司法》和《投资顾问法》正式出台。

其中《投资顾问法》用于规范为投资者提供证券投资建议的个人和机构，核心思想是强调投资顾问对于投资公司的受托责任，该法的出台使得美国的投资顾问行业正式浮出水面，定义更加明确，受到政府和民众的监督，同时也成为了后来多国立法的标准和参考。

伴随着这一系列立法和经纪人的出现，股票市场上的投资顾问服务就开始出现了。

此外，美国的投资顾问有明确的卖方投资顾问和买方投资顾问的区别。

买方投顾：客户支付投资顾问费用，投资顾问提供财富管理服务；卖方投顾：客户不需要支付投资顾问费用，投资顾问从产品供应方（客户购买的产品发行方）获取返佣。

之所以会有这样的区别，是因为美国的投顾业务从1980年开始了变革，在1940-1980年期间，美国的投顾业务较为传统，从业者主要赚取客户交易的佣金与客户购买产品的提成，因此行业内多方利益并不完全一致。

在传统模式下，商业银行在采集产品时主要考虑的是代销费用，许多资深的理财顾问深感煎熬，于是开始创办自己的理财工作室，他们不再赚取产品的代销费用，而是根据客户的资产规模直接向客户收取咨询服务费。

自此，买方投资顾问诞生。

如今，美国的投资顾问管理的资产金额早已经超过40万亿美金。

总体而言，由于资本主义和金融市场在海外的兴起，最早的股票起源于荷兰，最早的投资是大航海时代的东印度公司，因此，境外的投顾业务比国内发展得更早，制度也相对会更加全面，形式也更加的多样化。

境外的投顾业务往往不仅仅提供证券投顾，还会提供生活方面的顾问服务，包括设计教育费用、家庭负债等，另外税务计划和养老计划也是境外投顾的重要部分之一。

国内投资顾问诞生，源于2011年1月《证券投资顾问业务暂行规定》的正式实施。

从监管角度上定义，投资顾问的业务本质来源于投资咨询业务，具有辅助客户决策的作用，即接受客户委托、按照约定提供关于包括投资选择、组合规划建议等的投资建议服务。

然而，这种服务的模式是建立在经纪业务的基础上，工作内容主要包括为来自于经纪业务的客户提供包括荐股、分析股票的建议性服务，同时进行产品营销，其中的价值通常体现在为经纪业务锦上添花。

在此模式下，投资顾问与经纪业务共生共存，其业务性质并非是独立的，投顾的收入很大程度上依赖于经纪业务业绩。

在盈利模式上，投顾业务的盈利模式主要包含差别佣金收费、按照客户资产规模或服务期限收取费用、服务产品定额收费，且整体收入占比较小，2013年数据显示仅为1.6%。

随着经纪业务竞争格局变化，依靠佣金率代理买卖的经纪业务占证券公司主要收入也持续下滑。

行业佣金费率由2008年的1.35（单位：千分之一）下降至2016年0.38的水平，收入占比由近七成下降到仅超三成。

而另一方面，同期内国内股票投资者的数量取得了显著增长，2008年股票投资者人数为 7394.36 万，到2017 年底达到 13398.3万人。

形成鲜明反差的背后是竞争的加剧以及亟待转型的必然。

激烈竞争不仅仅体现在证券公司之间，其高度同质化的服务模式导致了价格战；另一方面，牌照逐步开放的预期逐渐打破了现有牌照特许经营者的行业高盈利预期，更多的竞争对手参与进来，使得投资顾问业务模式开始发生演变。

因此，伴随着互联网金融公司的崛起，证券公司的投顾服务都逐步加大了力度转型投资顾问团队，使投资顾问业务在服务的性质上逐渐产生了差异，很难独立收费的
盈利模式也因此改善。

投资顾问的发展历程虽然有了几百年的历史，但是投资顾问业务的发展所经历的重要阶段确实非常明晰的。

截至目前，我们认为投资顾问业务的发展，总体而言，经历了线下投顾、O2O投顾两个发展阶段、机器人投顾阶段和智能投顾阶段。

近年来，随着人工智能的迅速发展，人工智能已悄然进入证券投资领域，智能投顾开始出现。

●线下投顾阶段：在最初和早期的投资顾问行业，没有互联网，投资服务都是以线下服务为主。

投资顾问是活生生的“人”，作为投资者，需要通过支付昂贵的投顾服务费来获得人工投顾的投资建议。

这样完全依赖人工投资顾问的服务方式，效率低下，时间成本高，触达面也不广。

更为严重的是，这种模式下投资顾问的增长速度远远满足不了投资者的现实需求。

2013年，注册投资顾问数量为2.39万人，2018年初注册投资顾问数量增至4.06万人，仅增长1.67万人，而投资者数量现在已经达到了1亿多人。

现实的供需矛盾愈加突出。

基于现实的供需矛盾，投顾业务人员与产品营销人员定位混淆，服务客户效率不高等问题也就产生，投顾业务也因此步入到了线上化阶段。

●O2O投顾阶段：随着互联网的出现，现在券商基本都提供了在线投顾服务，把以前很多线下的
服务搬到了线上，极大得提高了服务效率。

投顾服务的线上化逐步形成，使得投顾业务逐渐由一项依赖经纪业务的服务转变作为一项相对更加独立的服务。

以平台为主的线上投顾陆续推出，改善了线下投顾时代因高度依赖经纪业务的的产品单一、服务同质导致的价格竞争，线上投顾的模式主要聚焦于建立包括咨询提供、咨询理财等工具性质为基础的生态机制，瞄准C端的投资者同时也为投顾从业人员提供市场分析、研究报告、投资策略等，投顾人员再根据平台提供的信息资讯对用户进行信息解读、投资答疑等服务。

因此，C端用户能够按照自己的需求在平台上选择包括投资建议以及投资组合在内的服务，在此基础上还能够进一步选择与投资顾问人员互动的动态服务。

此外，利用互联网的触达优势，线上开户，公司产品介绍，在线产品咨询，观点直播，产品组合推荐，量身定制理财规划、投资方案等都可以更快捷的提供给用户。

此外，针对大型企业客户上市、融资，投行、贷款等业务，也能更高效的开展。

基本上，针对中小散户，在线投顾就可以很好的服务用户，但是难以主动触达大量中小散户。

针对高净值用户和机构客户，线上线下相结合，可以大大提高服务效率。

即便如此，目前我国具备投顾服务资格的从业人员仅3-4万人左右，部分投资顾问仍以线下服务高净值客户为主，作为长尾的A股大量中小散户得不到真正的投资顾问服务。

更值得注意的是，最近几年，随着互联网和移
动互联网的普及，以及2013年以来“宝宝类”产品的兴起，80年代和90年代年轻客户群体开始通过线上大量进入，由于他们尚处人生财富累积的早期阶段，在线交易便成为他们主要的主要理财方式。

因此，在线投顾业务开始成为银行和公募基金发展的一大机遇。

依靠银行理财产品和公募基金产品，银行和公募基金运用组合投资的方式，借助电商技术和大数据技术，将在线投资顾问的服务以产品化、模块化、个性化等方式服务于用户。

●机器人投顾阶段：随着云计算和国外智能投顾的发展，国内开始学习国外的智能投顾，逐渐
出现了大量的基于量化模型的机器人智能投顾。

券商背景的智能投顾，如：广发证券的贝塔牛，方正证券的小方牛，长江证券的iVatarGo，中泰证券的齐富通，国泰君安的智慧金融，华泰证券的Assetmark和平安证券的AI慧炒股等。

券商开始逐步重视智能投顾，是在佣金大战导致传统经纪业务下滑，同时有大量的长尾中小散户亟待服务的背景下出现的。

公募基金背景的智能投顾，如嘉实基金的金贝塔，广发基金的基智理财，天弘基金的风向篮子等。

基金公司近年来，管理费收入严重受发行渠道方限制，在新的科技商业背景下，纷纷开始重视通过智能投顾的展示方式自建引流渠道，培养新的年轻一代的投资理财习惯。

银行背景的智能投顾，如招商银行的摩羯智投。

招商银行作为转型科技银行的杰出代表，率先借鉴科技手段，通过摩羯智投转化自身大量的客户。

上市公司背景的，如京东集团的京东智投，百度的百度股市通，宜信的投米RA等。

他们的特点，是流量大，通过智能投顾转化用户。

创业公司背景的，数量众多，如羽时金融、璇玑智投、蓝海智投、理财魔方、弥财、资配易、米筐、微量网、量子金服等。

这里面，以公募基金金融工程团队为背景的仅一家---羽时金融。

其他的，一类是以传统量化投资人员为背景组建的智能投顾公司，另一类是以理财公司为背景的各类水平不同的智能投顾，有一些几乎还处于纯概念阶段。

●智能投顾阶段：智能投顾的发展体现在以金融科技驱动的“智能”二字上，将取决于人脑的分
析决策部分转移给算法模型进行自动化实现，在此基础上强调用户和产品之间交互及匹配的思考，将原本简单的线上投顾业务进行专业化升级，在关注标准化需求的同时大幅度提高对于个性化需求的满足。

相比较对于产品的打磨，智能投顾更加偏向于对用户的观察分析。

智能投顾系统通过对个人客户的大数据进行分析，从多个维度对用户进行画像，从而可以提供各类更加定制化的投资决策辅助工具和包括个性化资产配置在内的投顾服务，并实时进行动态跟踪调整。

随着智能投顾的逐步普及，不注重最低投资金额限制，没有达到财富净值的普通收入用户和中等收入用户也能够获得更专业以及更理性化的投资顾问服务，将使智能投顾成为为大量长
尾用户进行低成本管理资产的主要方式，行业整体的专业性也将得到大幅度提高。

总的来说，智能投顾，重点在于“投”和“顾”的智能化。

“投”的方面，不仅是传统意义上基于经典资产配置理论，用户资产状况和理财需求的智能化资产配置，还包括为用户提供大量的智能化决策工具，大量的智能化策略计划；“顾”的方面，比如基于精准用户画像基础上的智能化产品推荐和跟踪服务；比如基于深度学习等各类理论基础上的智能化投资机会预测、投资风险预测，以及与用户画像和用户浏览轨迹等相结合的产品推荐和跟踪服务。

比如为投资顾问准备的专业丰富的智能投资顾问工具箱。

目前，不管是传统金融机构还是第三方智能投顾科技公司，国内现在达到这一阶段的智能投顾产品还很少。

2.人工智能的发展历程
AlphaGo以3：0完美战胜中国棋手柯洁。

蚂蚁金服宣布向保险行业开放技术产品“定损宝”, 准确度超过10年老司机。

“深度思维”（DeepMind）成功训练出一种人工智能算法检测疾病，比人类专家更迅速、更高效。

摩根士丹利采用机器学习算法来对16000名理财顾问进行交易建议支持，并接管一些常规任务。

人工智能翻译“腾讯同传”首次亮相博鳌亚洲论坛。

就连处理难度极高的法律文书，LawGeex的人工智能机器人都以极快的速度和超高的准确度大幅超越人类的律师。

从被拒绝100次到被标普全球5.5亿美元收购的“华尔街之狼- Kensho”，“一家让华尔街人神共愤”的公司，通过Warren，只需让用户输入问题，就可以快速提供精细的智能投资研究服务，对华尔街传统金融行业的带来了巨大的心灵冲击。

“人工智能”，正以令人惊讶的速度走进人类的生活。

兴奋还是恐慌？她是天使，还是魔鬼？我们的工作未来还能保住吗？我们未来的生活会更好吗？我们未来会不会成为机器的奴隶？要回答这些问题，还得从了解人工智能的历史开始。

人工智能（Artificial Intelligence，英文缩写为AI），美国斯坦福大学尼尔逊教授将其定义为：人工智能是关于知识的学科，是怎样表示知识以及怎样获得知识并使用知识的科学。

自从1950年，阿兰·图灵出版《计算机与智能》首次提出计算机智能概念，1956年约翰·麦卡锡在美国达特矛斯电脑大会上创造“人工智能”一词以来，人类的人工智能技术发展取得了长足的进步。

人工智能，从提出到发展到今天，经历了四个主要的发展阶段。

2.1第一阶段：逻辑推理时代
1950-1960年代，是人工智能的“逻辑推理时代”。

1956年，美国卡内基·梅隆大学展示世界上第一个人工智能软件的工作：逻辑理论机（LT）。

这项工作旨在“让机器自己去证明数学定理”——这样的想法早在17世纪G.W.Leibniz创立数理逻辑的时候就产生了，但直到计算机诞生后，才以人工智能的形式真正实现。

当时这段程序成功证明了Russel所著《数学原理》第二章52条定理中的38条，并在7年后的改进版中完成了剩余14条的证明。

1958年，麻省理工学院的John McCarthy发明了表处理程序设计语言LISP。

它不仅能处理数据，还能方便地处理各种符号，因此成为人工智能研究的重要工具。

同年，在学界对AI一片看好的热潮中，逻辑理论机的开发者Herbert Simon和Allen Newell乐观地预言，十年之内很多事情就能靠人工智能解决。

这些事包括：成为国际象棋世界冠军、发现并证明有意义的数学定理、谱写优美的乐曲、实现大多数的心理学理论等。

此后的10年里，这些预言一项都没有实现，但仍有许多亮眼的成果陆续发表：1964年，麻省理工学院的Daniel Bobrow向世人展示，电脑能掌握足够的自然语言，从而解决了开发计算机代数词汇程序的难题；1965年，Joseph Weizenbaum编写了第一个真正意义上的聊天机器人Eliza，它能以英语与人就任意话题展开对话；1969年，斯坦福大学研制出Shakey：一种集运动、理解和解决问题能力于一身的机器人……
这是一个符号主义（Symbolicism，又称逻辑主义）高速发展的阶段。

从提出计算机的人工智能概念开始，人类主要聚焦于如何赋予机器更好的逻辑推理能力，包括逐步的自然语言推理能力，但是人们逐渐发现，仅仅解决了机器的逻辑推理能力，还远远达不到让机器具备良好智能的能力。

2.2第二阶段：专家系统时代
1970-1980年代，是人工智能的“专家系统时代”。

1968年，斯坦福大学的Edward Feigenbaum 和Joshua Lederberg建成了一种能帮助化学家判断某待定物质的分子结构的系统，起名为DENDRAL。

它是世界上第一例成功的专家系统，在开创这一全新领域的同时，也标志着人工智能。