智能投顧在客戶財(cái)務(wù)目標(biāo)的4個(gè)方面，幫他們做出定制化的解決方案。但靠譜的智能投顧不會(huì)單獨(dú)吹噓人工智能。

在智能投顧這個(gè)詞被國(guó)內(nèi)大量引用之前，投顧在中國(guó)特指券商營(yíng)業(yè)部中的證券投資顧問(wèn)。不同于國(guó)外，國(guó)內(nèi)智能投顧的發(fā)展方向走出了3種分支：第一，高頻薦股幫助客戶追求阿爾法收益;第二，以海外資產(chǎn)配置為主;第三，以人民幣投資為主，同時(shí)服務(wù)持牌金融機(jī)構(gòu)客戶。

其中，以股票收益為代表的阿爾法收益并不適合大眾投資者。其原因是，雖然獲得短期阿爾法收益相對(duì)容易，但想要長(zhǎng)期、持續(xù)地獲得阿爾法收益難度相當(dāng)大。理論上說(shuō)，90%的投資收益來(lái)源于正確的資產(chǎn)配置，通過(guò)擇時(shí)、擇股獲取投資收益的占比不超過(guò)10%。而在中國(guó)這種半有效的市場(chǎng)，擇時(shí)、擇股所起的效果不超過(guò)20%。

筆者認(rèn)為，國(guó)內(nèi)智能投顧的發(fā)展將慢慢與國(guó)外比肩，通過(guò)大類資產(chǎn)配置替代人工投顧服務(wù)。同時(shí)，我們更愿意將國(guó)內(nèi)的智能投顧稱為數(shù)字化資產(chǎn)配置。

不僅僅是人工智能

1952年，經(jīng)濟(jì)學(xué)家哈里·馬科維茨提出投資組合理論，但直至1990年才他獲得諾貝爾獎(jiǎng)，期間很多年并沒(méi)有人去驗(yàn)證這個(gè)理論。舉例來(lái)說(shuō)，假設(shè)我們有10類資產(chǎn)，如股票、黃金、現(xiàn)金、債券等，在當(dāng)前市場(chǎng)狀況下，把錢(qián)均勻地配置到10類資產(chǎn)中有多少種可能？如果要精確到小數(shù)點(diǎn)后兩位，答案是1036種。

金融市場(chǎng)是實(shí)時(shí)變化的，下一秒和這一秒可能千差萬(wàn)別，每小時(shí)都會(huì)有新的數(shù)據(jù)進(jìn)入。由此看出，在計(jì)算機(jī)的計(jì)算能力發(fā)展起來(lái)之前，資產(chǎn)配置這件事很難實(shí)現(xiàn)。

下圖展示了典型的數(shù)字化資產(chǎn)配置過(guò)程。不同的投資者，其適合的資產(chǎn)配置組合各不相同。智能投顧會(huì)實(shí)時(shí)計(jì)算每類資產(chǎn)的波動(dòng)、收益，根據(jù)投資者的風(fēng)險(xiǎn)承受能力進(jìn)行必要的實(shí)時(shí)動(dòng)態(tài)調(diào)整。它幫助投資者避免由行為偏差造成的投資決策失誤，保證投資者的組合永遠(yuǎn)處于最優(yōu)的狀態(tài)。

在AlphaGo戰(zhàn)勝李世石之后，人工智能忽然火了起來(lái)。一些所謂的智能投顧引入了所謂的人工智能概念，似乎可以準(zhǔn)確預(yù)測(cè)市場(chǎng)。對(duì)此，筆者持懷疑態(tài)度。AlphaGo采用的技術(shù)叫作深度學(xué)習(xí)，深度學(xué)習(xí)不等于人工智能，是人工智能的分支。

人工智能是一個(gè)很火的詞，但在金融領(lǐng)域，如果用錯(cuò)了會(huì)造成很大問(wèn)題。金融很多時(shí)候需要的不是精確的預(yù)測(cè)，而是一個(gè)模糊的證據(jù)。特別是在資產(chǎn)配置的過(guò)程中，需要的是方向性的判斷，而不是局部最優(yōu)解;需要的是一個(gè)全局解，即使這個(gè)解是模糊的。

另外，要防止過(guò)度擬合問(wèn)題，因?yàn)闄C(jī)器學(xué)習(xí)計(jì)入的數(shù)據(jù)太多。但是由于機(jī)器缺乏因果關(guān)系的判斷，往往會(huì)把兩個(gè)數(shù)據(jù)出現(xiàn)的一致性判斷成一種有因果聯(lián)系的必然性。比如，“招商證券一開(kāi)策略會(huì)，A股就下跌”。這雖然是個(gè)段子，但機(jī)器卻會(huì)當(dāng)真，極有可能在招商證券下次開(kāi)會(huì)時(shí)，觸發(fā)賣出指令。

因此，在現(xiàn)階段，機(jī)器學(xué)習(xí)智能投顧只能作為輔助手段，仍要采用多模型的方式。除了支持向量機(jī)（SVM）這種模型，還要利用傳統(tǒng)的數(shù)據(jù)統(tǒng)計(jì)方法，包括事件訓(xùn)練模型、回歸模型等，才能謹(jǐn)慎地為用戶制訂出一份經(jīng)過(guò)檢驗(yàn)的資產(chǎn)配置方案。

針對(duì)4類目標(biāo)定制資產(chǎn)配置方案

通常，客戶的財(cái)務(wù)目標(biāo)分為4類：對(duì)預(yù)期收益的追求、對(duì)風(fēng)險(xiǎn)的承受能力、對(duì)投資時(shí)間長(zhǎng)短的需求、投資到期后的分紅。無(wú)論用戶的投資需求是買(mǎi)房還是養(yǎng)老，都可以被這4類需求所包含。智能投顧就是希望在這4個(gè)方面，為客戶提供定制化解決方案。

每個(gè)客戶除了投資需求外，還有在不同階段的保障需求。比如，是剛有了孩子還是希望生二胎？是處于剛買(mǎi)了房子在還房貸還是短期內(nèi)有住房升級(jí)的目標(biāo)？是處于事業(yè)的上升期還是平穩(wěn)期？

鄭毓棟，璇璣科技CEO，曾任渣打銀行投資策略及咨詢總監(jiān)，花旗銀行商務(wù)客戶市場(chǎng)及產(chǎn)品總監(jiān)，逾10年跨國(guó)銀行財(cái)富管理與私人銀行經(jīng)驗(yàn)

對(duì)客戶需求的深度了解，并不是一套投資問(wèn)卷或風(fēng)險(xiǎn)偏好測(cè)試就能解決的。所以，我們希望數(shù)字化資產(chǎn)配置服務(wù)提供商通過(guò)跟財(cái)富管理機(jī)構(gòu)的合作，并建立更多客戶的數(shù)據(jù)維度來(lái)解決這個(gè)問(wèn)題。最終，整個(gè)行業(yè)的終極目標(biāo)將是提供“千人千面”定制化的方案。

一方面，要基于用戶的情況和需求，去做出合理的投資組合配比。例如，用戶近期有剛性資金需求，智能投顧就需要自動(dòng)降低用戶的風(fēng)險(xiǎn)等級(jí)，并提前提醒用戶準(zhǔn)備提現(xiàn)使用資金等。此外，也可能是按照客戶的財(cái)務(wù)目標(biāo)，制訂1份幾年期的理財(cái)規(guī)劃和組合，幫助客戶達(dá)成目標(biāo)。

另一方面，要在了解用戶的基礎(chǔ)上，提供最優(yōu)投資方案。簡(jiǎn)單來(lái)說(shuō)就是，如果能以10%的風(fēng)險(xiǎn)獲取10%的預(yù)期收益，就不該讓用戶承受多余的額外風(fēng)險(xiǎn)。在這方面，機(jī)器顯然計(jì)算得比人好，而且能夠?qū)崟r(shí)地監(jiān)控市場(chǎng)，計(jì)算風(fēng)險(xiǎn)收益比。如之前所說(shuō)，優(yōu)化模型算法是一個(gè)永無(wú)止境的過(guò)程，也是判斷智能投顧的標(biāo)準(zhǔn)之一。

結(jié)語(yǔ)

我們經(jīng)常把智能投顧比喻成醫(yī)生。人的健康狀況需要醫(yī)生和病人的配合，財(cái)務(wù)狀況也是一樣，需要投資者和機(jī)器一起配合。如果一個(gè)投資者在觀念上認(rèn)為低風(fēng)險(xiǎn)、高回報(bào)是可能的，這種配合就不會(huì)默契。因?yàn)閺拈L(zhǎng)期來(lái)看，一定是低風(fēng)險(xiǎn)低回報(bào)，高風(fēng)險(xiǎn)對(duì)應(yīng)高回報(bào)，智能投顧是在這個(gè)邏輯下運(yùn)行的。

智能投顧面臨的一個(gè)很大挑戰(zhàn)是客戶認(rèn)知問(wèn)題，所以需要用戶和投顧一起來(lái)完成投資。首先，用戶需要給投顧一定的磨合和信任期;其次，客戶的關(guān)注點(diǎn)應(yīng)該在于投顧的風(fēng)險(xiǎn)控制能力。但最關(guān)鍵的，是智能投顧需要投資者與機(jī)器一起配合。