智能投顾缘何智能

　　智能投顾在客户财务目标的4个方面，帮他们做出定制化的解决方案。但靠谱的智能投顾不会单独吹嘘人工智能。
　　在智能投顾这个词被国内大量引用之前，投顾在中国特指券商营业部中的证券投资顾问。不同于国外，国内智能投顾的发展方向走出了3种分支：第一，高频荐股帮助客户追求阿尔法收益；第二，以海外资产配置为主；第三，以人民币投资为主，同时服务持牌金融机构客户。
　　其中，以股票收益为代表的阿尔法收益并不适合大众投资者。其原因是，虽然获得短期阿尔法收益相对容易，但想要长期、持续地获得阿尔法收益难度相当大。理论上说，90的投资收益来源于正确的资产配置，通过择时、择股获取投资收益的占比不超过10。而在中国这种半有效的市场，择时、择股所起的效果不超过20。
　　笔者认为，国内智能投顾的发展将慢慢与国外比肩，通过大类资产配置替代人工投顾服务。同时，我们更愿意将国内的智能投顾称为数字化资产配置。
　　不仅仅是人工智能
　　1952年，经济学家哈里马科维茨提出投资组合理论，但直至1990年才他获得诺贝尔奖，期间很多年并没有人去验证这个理论。举例来说，假设我们有10类资产，如股票、黄金、现金、债券等，在当前市场状况下，把钱均匀地配置到10类资产中有多少种可能？如果要精确到小数点后两位，答案是1036种。
　　金融市场是实时变化的，下一秒和这一秒可能千差万别，每小时都会有新的数据进入。由此看出，在计算机的计算能力发展起来之前，资产配置这件事很难实现。
　　下图展示了典型的数字化资产配置过程。不同的投资者，其适合的资产配置组合各不相同。智能投顾会实时计算每类资产的波动、收益，根据投资者的风险承受能力进行必要的实时动态调整。它帮助投资者避免由行为偏差造成的投资决策失误，保证投资者的组合永远处于最优的状态。
　　在AlphaGo战胜李世石之后，人工智能忽然火了起来。一些所谓的智能投顾引入了所谓的人工智能概念，似乎可以准确预测市场。对此，笔者持怀疑态度。AlphaGo采用的技术叫作深度学习，深度学习不等于人工智能，是人工智能的分支。
　　人工智能是一个很火的词，但在金融领域，如果用错了会造成很大问题。金融很多时候需要的不是精确的预测，而是一个模糊的证据。特别是在资产配置的过程中，需要的是方向性的判断，而不是局部最优解；需要的是一个全局解，即使这个解是模糊的。
　　另外，要防止过度拟合问题，因为机器学习计入的数据太多。但是由于机器缺乏因果关系的判断，往往会把两个数据出现的一致性判断成一种有因果聯系的必然性。比如，招商证券一开策略会，A股就下跌。这虽然是个段子，但机器却会当真，极有可能在招商证券下次开会时，触发卖出指令。
　　因此，在现阶段，机器学习智能投顾只能作为辅助手段，仍要采用多模型的方式。除了支持向量机（SVM）这种模型，还要利用传统的数据统计方法，包括事件训练模型、回归模型等，才能谨慎地为用户制订出一份经过检验的资产配置方案。
　　针对4类目标定制资产配置方案
　　通常，客户的财务目标分为4类：对预期收益的追求、对风险的承受能力、对投资时间长短的需求、投资到期后的分红。无论用户的投资需求是买房还是养老，都可以被这4类需求所包含。智能投顾就是希望在这4个方面，为客户提供定制化解决方案。
　　每个客户除了投资需求外，还有在不同阶段的保障需求。比如，是刚有了孩子还是希望生二胎？是处于刚买了房子在还房贷还是短期内有住房升级的目标？是处于事业的上升期还是平稳期？
　　郑毓栋，璇玑科技CEO，曾任渣打银行投资策略及咨询总监，花旗银行商务客户市场及产品总监，逾10年跨国银行财富管理与私人银行经验
　　对客户需求的深度了解，并不是一套投资问卷或风险偏好测试就能解决的。所以，我们希望数字化资产配置服务提供商通过跟财富管理机构的合作，并建立更多客户的数据维度来解决这个问题。最终，整个行业的终极目标将是提供千人千面定制化的方案。
　　一方面，要基于用户的情况和需求，去做出合理的投资组合配比。例如，用户近期有刚性资金需求，智能投顾就需要自动降低用户的风险等级，并提前提醒用户准备提现使用资金等。此外，也可能是按照客户的财务目标，制订1份几年期的理财规划和组合，帮助客户达成目标。
　　另一方面，要在了解用户的基础上，提供最优投资方案。简单来说就是，如果能以10的风险获取10的预期收益，就不该让用户承受多余的额外风险。在这方面，机器显然计算得比人好，而且能够实时地监控市场，计算风险收益比。如之前所说，优化模型算法是一个永无止境的过程，也是判断智能投顾的标准之一。
　　结语
　　我们经常把智能投顾比喻成医生。人的健康状况需要医生和病人的配合，财务状况也是一样，需要投资者和机器一起配合。如果一个投资者在观念上认为低风险、高回报是可能的，这种配合就不会默契。因为从长期来看，一定是低风险低回报，高风险对应高回报，智能投顾是在这个逻辑下运行的。
　　智能投顾面临的一个很大挑战是客户认知问题，所以需要用户和投顾一起来完成投资。首先，用户需要给投顾一定的磨合和信任期；其次，客户的关注点应该在于投顾的风险控制能力。但最关键的，是智能投顾需要投资者与机器一起配合。