如何看待智能投顾发展之十大问题

如何看待智能投顾发展之十大问题

要说起现在的理财市场，相对于以往来说，人们的可选性还是比较多的，除了银行理财，一些宝宝类产品之外，除了这两年兴起的P2P理财之外，智能投顾貌似作为一种最新的理财概念，渐渐地也被越来越多的人了解和接受。不过，一个新的事物诞生或者发展，往往都会有着各种各样的疑惑或者是问题。

接下来，简要说下如何看待智能投顾发展之十大问题。

问题一：银行和基金从业人员，最恐慌的是未来饭碗会否不保

波士顿是美国资管行业的重镇。2016年我在波士顿和做基金管理的校友交流中发现，受到金融科技发展的影响，他们对未来有些悲观，认为饭碗在未来某一天也许就没了。很多在银行工作的朋友同样焦虑。

大量易标准化、重复性、没技术含量、不具独创性的工作肯定会被裁掉。从基金行业来说，首先后台最容易被替代，因为都是成本。清算、交收、估值类工作，以前需要多人忙碌，现在很容易被一套软件系统就替代了，都用不上人工智能，而且准确性更高。

目前还有公司在开发银行间的区块链对账系统，以后也不用每天晚上人工互检对账了。因为区块链本身是一个瞬间同步的账目，每个人的账本会实时共享，同时又能做到安全透明、不可篡改，所以这些后台工作会最先被替代。

再说前台，智能投顾的自动化交易未来会让大多数交易员变得毫无价值。以量化投资来说，未来做多因子模型的投资经理就很容易被干掉。因为由AI来做优化，绝对比人做优化要强很多。对于前台的其他工作，现在已经出现了机器人客服，像信息简报、研究报告类也都可以由人工智能自动摘取生成。

但国内的二级市场与国外有很多不同，很多散户需要心灵按摩。这些情感交流的工作是否就不会被取代呢？也不一定。因为现在00后一代，他们在行为习惯上，其实更愿意和机器人打交道，而不是和人打交道。这正是2015年BlackRock收购Future Advisor的重要原因，他们发现年轻人更需要便利、低门槛和互联网化的理财方式。

拿保险举个例子。卖保险显然要比卖理财更需要情感沟通，但智能保顾也正在兴起。所以对于资管而言，我认为情感因素并没那么重要，未来会有越来越多的人喜欢并习惯面对机器。

问题二：Fintech机会正在向传统金融背景人士倾斜

看过很多Fintech领域的创业项目，发现一个有趣的现象，那就是互联网出身的人和有银行从业背景的人，往那儿一坐风格会泾渭分明。互联网人盯的就是KPI和增长，对风控、对法规毫无概念；金融行业出身的人主要谈的就是风险控制，要规范企业的发展。

从去年开始互联网金融发展的风向发生了巨变，以往野蛮生长的环境不复存在。美国货币监理署(OCC)正在考虑给Fintech公司发全国性银行牌照，国内也大幅加强了合规的严格管理。这些变化，都促使互联网金融开始向更注重规范、更注重风控的传统金融背景人士倾斜。

还有非常重要的一点是，作为传统金融行业的人，他们坐拥非常多的资源，当意识到互联网金融的风向时，转舵起来还是很容易的。正如一个在银行的朋友介绍，自银行推出现金贷业务后，仅用几个月时间，就快速超过了互联网人已用两三年发展起来的规模。

在美国也是如此，一旦具备传统投资优势的金融机构进入智能投顾领域，同样会迅速抢占市场份额。正如Vanguard和Charles Schwab自2015年推出智能投顾产品后，相对应的资产管理规模（AUM）已遥遥超越了Betterment和Wealthfront。

问题三：中国为什么比美国更适合发展智能投顾？

英国的《经济学人》杂志在年初的一篇文章中提到，正是得益先进的技术、落后的银行体系

和爆发式的财富增长，让中国成为了全球金融科技的领导者。这些国内的Fintech企业，不论在模式创新还是技术创新上，都已远远超过了美国。

中国为什么比美国更适合发展Fintech和智能投顾？

国内对金融科技的监管环境还是很宽松的，至少前几年非常宽松。在美国的Fintech企业，绝不敢像国内这么“胆大妄为”；国内即使有人冒进违规了，处罚起来并不严厉，犯错成本较低；国内还没有成熟的隐私保护法，数据的可获得性很高，各种来源的数据都使用；中国没有美国那么多年的积累，也就没有牵绊。上来就可以用最好的技术、最简单的方法直达目的。

问题四：智能投顾在美国发展遭遇了瓶颈

过去我们学习金融时，知道平均成本法(Dollar Cost Averaging)，也就是要养成固定去投资的习惯，投资收益是最高的。这是一个基础理论，但大家平时生活中很难做到这么有纪律性，尤其对于刚入职场的小白而言。

现在美国银行和智能投顾公司最让人羡慕的是完全能做到自动理财。一般美国都是双周发薪，通过direct deposit功能，工资直接进入银行账户。银行完成扣款后，会自动划分到智能投顾公司的账户。由投顾公司做一个再平衡，就帮用户理财投资了。对用户来言，每月只需留一些钱还信用卡就行了。智能投顾在切实解决用户体验问题后，让用户量和AUM资产管理规模上来的特别快。

不过现下智能投顾在美国的发展仍处于瓶颈之中。主要是行业领头羊Betterment、Wealthfront处于了一个停滞期。很多潜在投资者对他们的担心是，Robot-advisors这件事，并未改变背后的商业逻辑，也就是配置资产和金融服务的属性没变。但相比于传统机构，他们投入市场和运营的花费却很大，这是典型的互联网人发展模式，先砸钱把用户量做起来。但这也让吸收资金的成本变得非常高。那你的竞争优势到底是什么？估值还这么高，是不是市场吹起的泡泡？这遭遇了很多投资者的怀疑。

问题五：智能投顾与量化投资的区别是什么？

相比同样采用计算机与数学模型做投资决策的量化投资，智能投顾最显著的区别是什么？简单来说一个是自动根据市场变化做决策，一个还得靠人来调策略。后者说的正是量化投资，一般是先找出一个模型策略，这个策略不会自动变化。所以一旦当市场环境变化的时候，这个量化策略就失效了，必须由投资经理根据市场情况来调整策略。

对于应用机器学习的智能投顾，则会根据市场的变化不断的产生新策略，也就是应对瞬息万变的市场变化，一切都是在后台自动完成的，并不需要人工干预。因为机器学习有回馈循环(Feedback Loop)，从市场-策略-结果再到市场的不断反复循环，会自动根据资产的价格、风险的变动不断调整。

相比量化或人工投资，人工智能处理信息还有一个最大优势，那就是可以把自有证券市场以来的全部数据都录入做分析。特别现在有了GPU、TPU等专门的处理器，依靠强大的运算能力，可以瞬间得到想要的相关性分析，这满足了金融领域对数据的实时性要求。

问题六：智能投顾是不是在吹牛，投资业绩到底如何？

刚才谈到利用机器学习和深度学习的方法，智能投顾可以把价格变动的趋势和模式找出来，做到快速反应、快速交易。相信很多人一定好奇，智能投顾相对于量化投资的业绩到底如何。

我们知道最近几年，面对国际金融市场的大幅波动，量化投资的业绩是远远好于很多主动型管理基金。在今年3月传出的BlackRock重组计划中，就裁掉了很多主动型基金部门的员工，将很大一部分的资产将转化为量化管理产品。

而根据对冲数据服务公司Eurekahedge的AI／机器学习对冲基金指数显示，自从2010年以后，其中23支应用智能投顾的对冲基金，在业绩表现方面是要优于量化对冲基金的。