智能投顧是什麼？「智能」體現在哪些方面？

12-31

本題已經收錄知乎圓桌 ? 海外投資初探，更多「境外投資」相關話題歡迎關注討論
本題亦收錄知乎圓桌 ?金融科技浪潮，更多「金融科技」話題討論歡迎關注

最近「智能投顧」（Robo-Advisor）這個話題確實火得不得了，作為這個行業較早開始摸索實踐的從業者（氪空間第四期項目「理財魔方」獲1000萬人民幣天使輪融資，要做中國化的智能資產管理應用_36氪、36氪首發｜理財魔方完成2000萬Pre A輪融資，智能投顧暖風將至？）,也發現最近一段時間對這個領域感興趣的記者和VC機構是越來越多。雖然苦逼吭哧了一年多的創業終於成了大家都看好的大方向，但我同時也發現，如前兩年的P2P一樣，很多魚龍混雜的平台開始打著「智能投顧」的旗號，一面坑用戶，一面圈投資人的錢，沒有靜下心來好好鞏固自己的智能投資管理系統，這對整個行業的健康發展都是不利的。

所以看到知乎上有「智能投顧」這個話題，感覺還是應該把這個概念說清楚，行業也應該在喧囂中沉下心來把基礎的事情做好。當然本人的理解也有不完善的地方，歡迎大家一起討論。

———分割線1———

回答這個問題前我們先看看行業相關數據

以理財行業裡面最為標準化的公募基金數據來看，整個基金產品和基金銷售在中國可以說已經發展得非常充分。截止16年6月中國公募基金資產規模已達7.95萬億元，公募基金公司108家，基金產品數量達3114隻。銷售端有銀行、券商、第三方基金銷售平台、電商、直銷等眾多銷售渠道百花齊放。6月末公募資產規模達7.95萬億元。

不僅基金產品多，而且基金投資收益也都還不錯

先看基金六個月業績：過去24個半年裡只有7次虧損；平均半年收益率8%；投資任意一隻基金滿半年正收益概率71.8%。

再看基金一年業績：過去12年里只有兩年虧損；平均年收益率19.2%；投資任意一隻基金滿一個自然年度正收益概率79.8%。

但基金投資者卻往往是虧錢的

從基金贖回比例數據來看，投資者平均持基時間約為一個季度：

在投資用戶踴躍申購之後的一個季度往往伴隨著大幅虧損，說明投資用戶在賠錢：

來，我們一起把重要的事情說三遍：

投資產品在掙錢，投資用戶在賠錢！

基金行業發展得那麼好，產品也很掙錢，為什麼投資用戶卻是賠錢的？

「做投資決策，最重要的是要著眼於市場，確定好投資類別。從長遠看，大約90%的投資收益都是來自於成功的資產配置。」

---「全球資產配置之父」加里·布林森

上面這段話清晰地說明了投資收益中資產配置的重要性，而資產配置又是投資顧問的重要職能，中國理財市場里存在大量掙錢的金融產品，也有大量低學歷的金融銷售，但恰恰缺少大量優秀的投資顧問，缺少專業人才給投資用戶做資產配置，這也是為什麼中國大部分投資用戶會賠錢。

缺少投資顧問是中國用戶投資賠錢的最重要原因！

———分割線2———

什麼是投資顧問：

既然投資顧問這麼重要，在介紹智能投顧之前先讓大家了解什麼是投資顧問。在國內大家對投資顧問（Financial Advisor簡稱FA）可能都比較陌生或理解有偏差，但投資顧問在美國這樣的金融發達國家是卻比較常見（美國人民當了100多年的韭菜，到上世紀70年代左右最終認命自己打不過市場和機構，乾脆把錢交給投資顧問管理）。準確定義投資顧問是幹什麼的，首先要了解一下發達金融體系里投資理財行業的分工。

發達的金融產業依靠的是專業化分工和規模效應，投資理財領域如下圖存在「金融產品」和「投資顧問」兩個層面的分工：

1)金融產品：

金融產品本質上是為大眾或專業投資者提供基礎的投資工具。公募基金就是最典型的標準化投資工具，舉個栗子，如果你非常看好互聯網行業，你就可以選擇互聯網投資方向的基金，而該基金專攻方向就是通過專業的調查研究，選擇最有前景、價值被低估的互聯網公司股票進行投資，並通過這種投資獲得儘可能的收益；金融產品一般是不進行資產配置的，好比一個明確投資互聯網行業的基金就不應該去投資鋼鐵行業的股票，否則就違背了大家申購這個基金的初衷（當然國內這種掛羊頭賣狗肉的基金數量不少，韭菜身邊到處是坑啊）。

2)投資顧問：

投資顧問是連接用戶端和金融產品端的重要橋樑

投資顧問連接用戶端——通過一系列細緻深入的訪談了解用戶的風險偏好

這裡面的關鍵是用戶有時候實際表達與他真實的風險偏好是有差異的。比如隔壁老王說他有30萬要理財，目標是半年後能買輛勞斯萊斯，如果真的按照老王的意思直接給他組合資產，最後大概率是30萬被完全虧掉，因為極高收益都是伴隨的極大風險，但這其實並不是老王真正期待的的。所以判斷客戶真實的風險偏好需要理財顧問非常專業細緻的溝通，而這種溝通成本往往是非常高的。

投資顧問連接產品端——根據不同用戶的風險偏好定製的配置資產組合

但凡涉及「投資」，比「收益」本身更重要的事情，永遠是「風險」。資產配置就是在風險確定的情況下，給出在該風險下最高收益率的投資組合方案。如果投資高比例的股票基金是為了在更高風險下追求高收益和高流動性，那麼投資更多貨幣基金卻是在低收益下獲得高流動性和幾乎無風險。如果只看收益不看風險，不管你的決策怎樣，投資結果怎樣，其性質都是感性的，或者說就是賭博，一個典型的例子就是風險不透明的P2P。資產配置有很多現成方法論，如：Markowitz Mean-Variance Model，Black–Litterman Model等等，當然實踐使用中還需要根據實際情況調整一些參數，鑒於是科普就不在這裡一一展開了。

總之，如果把金融行業類比餐營業的話，那麼金融產品就好比是各種食材，按標準配料，類型豐富；而投資顧問則是廚子，選擇並加工上好的食材，最後做成客人喜愛的大餐。人精力有限，術業也有專攻，想在兩、三個領域同時做到頂尖水平幾乎是不可能的，所以專業的事情還需要專業機構來承擔。

———分割線3————

智能投顧

一般來講智能投顧就是人工智慧＋投資顧問的結合體，搞清楚上面什麼是投資顧問後就應該好理解了。（當然金融領域類也有人工智慧＋金融產品結合的方向，比如說量化投資Hedge Quant，下面也會有介紹）

與傳統投資顧問一樣智能投顧依然承擔者用戶和金融產品之前的橋樑作用，那麼人工智慧又是如何發揮這個橋樑作用的呢？

通過演算法和模型定製風險資產組合

計算機的普及解決了幾十年前金融統計計算效率的問題。幾十年前不少大學還都沒有計算機，一個簡單的線性回歸（linear regression）都需要幾個研究生算幾個小時，通過手工計算一個幾十年序列收益均值的協方差矩陣，想想就要崩潰了，等算完了，估計投資機會也過去了。將計算機引入金融研究，極大的提高了金融的運行效率，大規模金融統計計算終於成為了現實。這幾年也能看到不少機器學習如SVM、神經網路、甚至深度學習deep learning做股票預測的論文。所以金融投資擁抱計算機和智能演算法過去就一直存在，人工智慧與金融未來只會結合的更加緊密。

具體在資產配置這塊應用，可以通過資產配置模型由計算機得出最優投資組合，也可以通過多因子風控模型更好更準確的把握前瞻性風險，還可以通過信號監控、量化手段制定擇時策略。計算機的加入讓資產配置做得更精準，也讓投資決策變得更加理性。

通過大數據識別用戶風險偏好

隨著這幾年互聯網應用的增多和數據積累，我們可以看到類似亞馬遜向我們推薦個性化的商品、netflix推薦個性化的影視節目、還有今日頭條這樣推薦個性化的新聞。同樣在智能理財領域也是根據用戶這塊大數據識別用戶的個性化的風險偏好，根據不同的風險偏好提供個性化的理財方案。

這樣一個好處在於解決前面說的傳統理財顧問通過溝通識別風險偏好的帶來的高成本問題，羊毛出在羊身上，這種成本最終也會反映在用戶的投資收益裡面，降低這塊的成本就是幫用戶提升收益。

更厲害的地方在於這種風險偏好的識別可以實時動態計算，一般風險偏好會表現為恐懼和貪婪兩個方面，而且並不是固定不變的，大部分人的風險偏好會隨著市場漲跌、收入水平等因素的變化而波動。比如15年上半年牛市的時候很多人都進入了股票市場，這就是貪婪導致的風險偏好的提升，但到了15年下半年熊市的時候，大家的風險偏好因恐懼又開始下降。如果是理財顧問來做這件事情，得到結論可能會有一定的滯後性，另外帶來額外的溝通成本也會增加不少。

總之因為客戶收入、年齡、性別、心理特徵的差異會產生不同的風險偏好和風險偏好變化軌跡，根據這樣的特性智能理財就要做到千人千時千面。

因此識別智能投顧就有以下四個標準，離開這些標準說自己是智能投顧都是耍流氓：

1、通過大數據獲得用戶個性化的風險偏好及其變化規律

2、根據用戶個性化的風險偏好結合演算法模型定製個性化的資產配置方案

3、利用互聯網對用戶個性化的資產配置方案進行實時跟蹤調整

4、不追求不顧風險的高收益，在用戶可以承受的風險範圍內實現收益最大化

當然大家也要理性的認識到，在智能理財領域計算機還無法完全替代人，在一些關鍵時刻還是需要人依靠專業經驗來做決策，如果100%依賴計算機也會導致一些特殊風險的出現，所以在相當長的一段時間內智能理財也都會保持人工智慧＋專業經驗的狀態。

我非常堅信智能投顧在中國有比美國更廣闊的發展前景，看看電商，淘寶、京東加起來市場份額比amazon還大，為什麼？因為中國線下零售太弱了，沒有沃爾瑪等那樣的壟斷機構成為競爭者。你再看看現在國內線下投顧市場是個什麼水平，比中國零售當年還弱。如果你對中國智能投顧的未來有信心，歡迎大家加入一起為行業的未來奮鬥！

———分割線4———

中美智能投顧的差異

說到智能投顧，不得不說美國的Wealthfront、Betterment、Future Advisor等

這些公司曾經也是我們的模仿對象，也是現在很多國內智能投顧公司號稱的模仿對象。但經過我們一年的創業實踐，通過長期大量用戶數據的積累分析，我們認為如果完全模仿Wealthfront這樣的美國公司，在中國必然沒有前途。

國內還沒有文章詳細解讀過Wealthfront，我先介紹一下吧。

Wealthfront的首席投資官是大名鼎鼎的Burton Malkiel，Princeton的大學教授，《A Random Walk Down Wall Street》（書中文名是《漫步華爾街》，吐槽這個翻譯）的作者，這本書基本代表了被動投資（Passive Investing）的投資哲學，即不能長期戰勝市場，所以只應該集中精力在三件事情上：1、多樣化分散投資；2、降低支付費用；3、降低稅負（非401K部分投資在美國要交投資所得稅）

這個邏輯在於，既然長期戰勝不了市場，那就乾脆直接投資市場算了（投資指數ETF），而且要投資不同的相關性弱的ETF，當然中間也需要識別用戶風險，根據風險定製資產配置方案，並且低頻做rebalance。當然，如果大家都是這麼做，那大家的收益和風險也就差不多，Wealthfront還有什麼獨特優勢和市場價值？既然收益一樣那就比費用唄，依託互聯網的低人工費用，Wealthfront成功的把費用降到了0.25%，線下大量支付1.50%傭金的用戶看了會怎麼想，這意味著一年收益瞬間就可以提升1.25%的收益啊，要知道美國銀行存款利率接近於零啊，立馬大量的用戶就被互聯網搶過來了。

Wealthfront按照Burton Malkiel的投資哲學去執行，效果還不錯，2011年底發展到現在，最新的AUM（Assets Under Management）是$3.52 billion，去年同期是$2 billion，發展速度還是挺快的。但是我說這個投資哲學只適用於美國，為什麼呢？看圖：

以SP500指數為例，在Wealthfront發展的過去5年可以用收益高（年化收益9.3%，在美國同期存款和貨幣基金收益幾乎為0%）波動小來形容，投資這種指數讓客戶賺得臉都笑歪了，能不成功嗎？

但如果在中國投資指數並長期被動投資，結果會是這樣：

與SP500指數相比，滬深300過去5年是這樣的，年化收益只有0.06%（餘額寶最高的時候都有6%啊），而且一不小心買在了去年6月的最高點，資產直接縮水近50%，讓中國用戶像Wealthfront這樣持續投資指數，公司玻璃就等著挨磚吧。

所以像美國智能投顧這樣按被動投資法，在中國做指數投資，用戶肯定拿不住。

所以我們現在結合一年多的實際經驗，也引入了熟悉中國基金業的著名研究專家，潛心搞了大半年，終於找到了我們認為適合於中國市場的智能投顧之道。至於是什麼，這個已經離題就不說了，以後會讓大家知道！

———分割線5———

最近看到一些文章把一切計算機參與的金融活動都納入到智能投顧的這個範疇，這樣理解是有偏差的，下面說兩個容易混淆的概念

1、量化投資(Hedge Quant)

量化投資大部分交易是由計算機完成，也使用各種模型演算法，但主要只針對股票和商品的現貨、期貨、衍生品市場，並不涉及大類資產的配置，量化投資並不等同於智能投顧。

量化投資也有兩大的分支：技術分析和無風險套利

技術分析也就是國內各種「大師」經常說的MACD、KDJ、二八輪動等，特點是能止損，但勝率低，收益要看天吃飯；

後者運用的金融工程裡面的無套利定價原理，利用計算機強大的計算能力尋找市場上的無風險套利(Arbitrage)機會，所有Arbitrage的基礎，就是在高度有效 (Efficient) 的市場中發現微小的失衡。這方面最著名的投資機構當屬Jim Simons的Renaissance
Technologies，他的獨門秘籍據說來自麻省理工等從事密碼破譯和語音識別的數理高手。國內做的比較不錯的有申毅（此人去年對國家救市方法的質疑上過很多媒體的頭條如何評價申毅在第一財經針對目前股市的言論和建議？ - 金融，有沒有印象？），原高盛ETF部門的負責人，但在國內主要做私募，基金開放期非常短，門檻高非土豪投不了。

總之量化投資只能算是交易策略範疇，投資品類集中也會導致風險不夠分散，就算是Jim Simons也有表現平平的時候業績慘淡量化巨擘「文藝復興」關閉10億美元基金。

現在有很多量化投資的金融產品為了營銷也打著智能投顧的旗號，大家要注意識別。而智能投顧是把量化投資的對沖基金作為一個資產大類加入到整個資產配置之中。

2、P2P債權的風控識別(Credit Risk Analysis)

傳統銀行在貸款的時候會對貸款主體進行風險識別和控制，避免把錢帶給信譽較差的帶塊主體導致壞賬。當然傳統銀行更多的是靠人和流程來控制，P2P在這塊的創新主要是運用了計算機演算法，輸入貸款主體的特徵（如收入、職業、歷史還款記錄等），通過邏輯回歸或者機器學習的方法，算出貸款主體未來按期還款的概率，提升了單一靠人貸款工作的效率。

可以看出來這種計算對貸款主體的風險識別雖然也大量運用了計算機和演算法，但是他是為貸款機構服務的，並沒有解決普通投資者的長期資產配置問題，只有智能但無投顧。所以你只要看到P2P平台說自己是智能投顧，那多半都是假的，小心被騙。

－－－－－－－－

第一次在知乎上寫東西，真是好累。一口氣寫了這麼多還是道不盡我對智能投顧行業的理解，以後會在知乎上多解答大家的問題

謝邀。京東智投的開發人之一。

之前這個問題內容是我發在上海證券報上的一篇文章，題目是：智能投顧現狀解析，見：智能投顧現狀解析

這次是受邀參加金融科技的圓桌，沒想到這個問題我以前答過了，所以只能重新答一次。想看原答案的可以點上面的鏈接。

-----------------------------------------分割線---------------------------------------------------

當我們討論智能投顧中智能二字時，我們不妨先看一下傳統資產管理業務有什麼不「智能」的地方。

我們設想一個傳統資產管理機構，他開展業務一般會遵循以下三步：

1) 確定投資標的和投資策略

2) 合法合規的募集資金

3) 基於策略進行投資

大部分的資產管理業務，都是將多個人的錢集中到一起，然後根據預先確定的投資策略由投資團隊進行統一投資（這裡我們暫時先不考慮專戶，因為門檻太高）。

這就造成了一個問題，投資人是多個，並且各自的偏好各不相同，而基於資產管理的集合化運作，管理人只能以收益/風險的二維刻度對投資者進行籠統區分。即使如此，效果也不好，這體現在兩點上：

1) 管理人只能進行射線區分，即投資者風險承受能力只要高於資產標的和策略要求的風水平即可。這意味著，如果是一個激進型的投資者，管理人很可能將他的資產配置在穩健型的水平上；

2) 由於投資者還有其他的稟賦，比如流動性需求，對特定資產的迴避需求等，管理人通常需要更高的處理成本，甚至投資者的一些需求根本無法滿足。

傳統資產管理機構不智能的地方就體現出來了：由於成本原因，傳統資產管理機構不可能也沒必要去為每一個投資者定製專屬於他的投資組合，這就造成了傳統資產管理業務在與用戶特徵的匹配性上，提升空間非常有限。

智能投顧的智能，就體現在了這點上——他把用戶的特徵從二元的收益/風險拓展到了多維，並且針對每一個用戶，提供一個去中心化的投資組合（通常是以基金作為標的）。到此，我們可以給智能投顧下個定義了：智能投顧，是以數字化手段針對不同用戶的不同偏好，幫助其構建一個基於市場狀況和其個人特徵的資產組合，並進行動態跟蹤管理的產品。

我們回到金融層面，智能投顧聽起來高大上，但其實本身的金融技術都算不得創新。比如所使用的量化模型通常都是B-L或者風險平價，投資理念也無非長期分散配置附加一些止盈止損的紀律性操作，這些都是機構投資人早就用爛的東西，只不過普通投資者一直難以克服自身性格缺陷。智能投顧說是投顧，其實本質上，只是在優化了用戶投資體驗體驗，並且大幅的降低了個人資產組合定製的成本。

除了上述在技術上的普及，其實智能投顧還有一個通常被忽視的巨大作用，即大大避免了原來投顧行業存在的利益衝突。我們知道，智能投顧通常是以量化投資的方式為眾多投資者進行服務的，這就要求其擁有一個可回測檢驗、可由第三方重複實現的、脫離人這個因素的量化模型。這其實大大降低了原本投顧行業可能存在的利益衝突——其實就是當前各大資產管理機構都存在的以產品銷售為導向而非以用戶適用性為導向的頑疾。你去A機構，他肯定給你推薦的投資策略是和他的產品緊密相連的，如果他是一家債券基金，很少會給你推薦股票類策略。這時，他們做的是一個賣方投顧的工作，即從金融產品賣方的角度給用戶推薦資產，並從賣方領取報酬，這就存在利益衝突。智能投顧最理想的方式是做買方投顧，由於其策略和服務都是基於可被檢驗重現的量化模型，產生利益衝突的可能較小。

作者：李超

鏈接：智能投顧：人工智慧理財靠不靠譜 - 複利人生 - 知乎專欄

來源：知乎

著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。

自從阿爾法狗戰勝李世石之後，關於智能技術的運用得到廣泛關注。在金融領域，大家突然意識到人工智慧可以運用在投資、金融、交易等方方面面，並且還能用人工智慧技術來指導大家投資。

智能投顧：又稱機器人投顧，就是投資人可以直接把錢交給專業機器人來打理。機器人結合投資者的財務狀況、風險偏好、理財目標等，通過已搭建的數據模型和後台演算法為投資者提供相關理財建議。

定義有點太學院派，了解就好，別跟書生較真了。

智能投顧，作為一種新興投資模式，近年來在美國市場快速崛起，出現了以威爾斯弗蘭特為首的一批「獨角獸」互聯網金融公司。

聰明的中國人，當然很快就開始模仿了。據不完全統計，國內已經有數十家互聯網金融平台提供智能投顧服務了。當然，也有打著「智能投顧」旗號的P2P公司。

傳統投顧

書生去證券公司開戶，證券公司會給我配一個投資顧問；書生去銀行買理財，理財經理也就是我的投資顧問。書生跟會員交流，其實也是扮演著投資顧問的角色。

傳統投顧的缺點：

1.成本高，服務對象少。比如書生可以服務的對象撐到天，也就幾百個。畢竟人的精力有限，所以經常有小夥伴問理財問題，如果沒有及時回答，還請見諒。

2.道德風險。銀行的理財經理，很多給你推薦的理財，不是從你的風險特點出發，而是看理財提成高低。券商的投資顧問，肯定也最怕你長線持有，這樣就賺不到傭金了。

3.能力參差不齊，知識結構單一。一個人擅長的領域是有限的，書生很難告訴你期貨怎麼玩。而今年期貨行情還一直不錯，我們也就會錯過了。

智能投顧

智能投顧的邏輯：人工智慧技術和大數據分析

智能投顧的原理：諾貝爾獎得主馬克維茨提出的現代組合理論。有興趣的可以看下他的《證券選擇理論》。

智能投顧的優點：

1.客觀性。機器人會根據後台數據進行分析，不會為了業績去誤導客戶操作。相對人工來說，更客觀。

2.非常注重風險。智能投顧的原理是現代組合理論，它的一個基本原則就是高收益、高風險。國外智能投顧第一步就是鑒別投資者的風險承受能力，絕不會推薦老年人買P2P理財。

3.執行力。機器人根據固定的設置，達到止盈或者止損，一定會叫你賣出或買入。這樣有效克服了人性的弱點，我們知道，往往虧損都是因為太貪婪。

4.服務面廣，成本低。網路可以低成本服務最廣大的人群，這就是互聯網的特點。

書生說的這麼天花亂墜，但熟悉我的人都知道，馬上要開始潑冷水了。

智能投顧的缺點：

1.惡意代碼。軟體也是人編的，很可能會為了公司利益，向你推薦不那麼好的理財產品。比如某隻基金給智能投顧公司一定費用，或智能投顧公司自己也開發理財產品。

2.人才稀缺。現在人工智慧的人才全球的稀缺，而人工智慧力量的核心就是人才儲備。試問國內這些小的智能投顧公司，怎麼去和谷歌那樣的大公司搶人？國內真懂人工智慧的，又有幾個人？

3.法律風險。現在這塊又是監管空白，如果智能投顧公司出現道德問題，誰來保障我們投資者的權益？

4.誇大宣傳。你看到那些宣傳的業績，往往都是一些排名靠前的。可能指導了一千個客戶，但只是把業績靠前的給你看，來誤導更多人跟進。歷史業績模擬，也可以截取一段表現最好的來展示。

雜談亂侃：書生看好智能投顧的未來，畢竟可以服務更廣大的普通投資者。但也不要把智能投顧神話了，美國智能投顧的收益其實一點也不亮眼。

書生很佩服國內互聯網公司的模仿或學習能力，但智能投顧在國內剛剛起步，良莠不齊，還是謹慎選擇為好。

微信公眾號：moneylife1818

智能投顧（Robo-Advice）也可被稱作為機器人投顧、智能理財、自動化理財等。利用大數據分析、量化金融模型以及智能化演算法，根據投資者的風險承受水平、預期收益目標以及投資風格偏好等要求，運用一系列智能演算法，投資組合優化等理論模型，為用戶提供投資參考，並監測市場動態，對資產配置進行自動再平衡，提高資產回報率，從讓投資者實現「零基礎、零成本、專家級」動態資產投資配置。

平台用戶進行投資的流程大致相同，可以分為風險測評、獲得投資方案、連接賬戶、進行投資、更新方案、完成投資六大步驟。但是，各平台在業務模式上有所不同。因此，筆者按照個人理解，將這些智能投顧平台按照業務模式分為了獨立建議型、混合推薦型和一鍵理財型三種。

目前我們叮咚錢包將正式開始進軍智能投顧市場，推出智能投顧產品，預期將在下半年正式上線，敬請期待。

智能投顧，又稱「機器人投顧」，大多數情況下，通過在線調查問捲來獲取投資者關於投資目標、投資期限、收入、資產和風險，來了解投資者的風險偏好以及投資偏好，從而結合演算法模型為用戶制定個性化的資產配置方案，包括動態調倉，實時監控等功能。相較於傳統的投資顧問，機器人投顧通常試圖為投資者提供更為便宜的投顧服務，而且很多時候資金門檻也更低。不過，這些機器人投顧提供的服務內容、投資方法和特色都千差萬別。

需要注意的是，智能投顧主要是幫助客戶簡化理財流程，享受更方便快捷的服務。傳統上客戶往往要親自去銀行理財專櫃，填寫若干複雜的問卷，看很多理財產品的資料，而智能投顧可以讓用戶足不出戶，在移動端或者pc端上花上幾分鐘便可完成整個理財的流程。但是這並不能說明智能投顧可以保證客戶理財的收益率，只能說智能投顧可以幫助客戶用最短的時間，找到用戶最喜歡的，最合適的投資標的。

至於智能體現在哪些方面，從我們自己的角度出發，我們希望是能夠達到以下這些特點的：

首先開戶流程上要快捷便利，現在人臉識別與OCR身份識別技術的結合，直接與公安系統聯網，網上一鍵開戶的體驗，已經遠遠超過傳統的線下渠道。
智投投顧的智能，還體現在利用前沿金融理論深入了解用戶的風險偏好，將用戶的需求和偏好，通過金融手段具體定位，提供相符的產品。
同時，對於底層資產要多樣化，不能局限於ETF這樣的被動基金，主動、被動、以及其他資產都要有，通過智能搜索和比較，快速找到用戶心儀的資產，一鍵下單，建立自己的專屬投資組合。
在整個持倉周期內，還要不斷的動態調整，根據用戶需求和市場表現，智能再平衡，實時監控用戶的組合風險，提供買賣建議。
作為金融科技的一部分，智能投顧還應該大數據，全市場掃描，為用戶提供專業的研究諮詢。
最後，智能投顧最終只是一個提供投資顧問服務的輔助存在，不能完全代替用戶，需要給予用戶一定的自由度，又提供自動解決方案。

一、概念：

機器人投顧的簡單理解：

通過技術的方式，把傳統投資顧問所做的事情（個人資產分析，風險偏好分析，資產配置，組合推薦）等服務變成互聯網直接可用的服務。
因為採用軟體提供服務，相比人工投顧具備的優點主要是『節約成本、提升效率』，這也是國外智能投顧獲得發展的主要驅動力。

二、常見案例：

國外的典型案例有：Betterment，WealthFront。
國內的典型案例有：錢景、金貝塔等；
其他類似可替代的人工投顧服務有：新浪理財師，雪球等。

三、主要目的：

機器人投顧的主要目的是：

1、對個人而言，可以直接通過在線服務，為自己投資獲得建議；
2、對企業而言，可以用更低成本服務更多有資產配置需求的客戶；

四、效果如何？

是否能幫投資人真的賺錢，是否比公募基金，私募基金更有效果？

目前根據國內外的數據沒辦法證明比自己選股交易更優。

其他一些思考，請參考專欄：

「機器人智能投顧」，你需要麼？ - 互聯網金融產品實踐、思考、探索 - 知乎專欄

再說最近火熱的FOF、組合與智能投顧 - 互聯網金融產品實踐、思考、探索 - 知乎專欄

智能投顧（Robo-Advisor），是利用人工智慧的優勢，結合投資人的風險水平、期望收益以及市場動態，採用多種演算法和模型給予投資人綜合的資產配置服務。

智能方面就是利用人工智慧的技術了，在投資的整個流程中，從開始的投資人風險測評，收益傾向，到投前的根據市場和模型計算出來的產品推薦，再到投資中的產品調整等等所有步驟，不再採用傳統的人工管理，全部是機器管理。

先來回答這個問題的前半部分：什麼是智能投顧？

這個問題我們之前的答案中有提到過—如何辨別智能投顧的好壞？

這裡再重複下：

智能投顧在國內的實踐中，發展的方向很不一樣。在智能投顧這個詞被大量引用之前，投顧在中國特指券商營業部中的證券投資顧問。目前，國內的智能投顧分為幾類：

第一種是高頻薦股，幫助客戶追求阿爾法收益，很多券商和互聯網公司都在這個領域開展業務；

第二種以海外資產配置為主，需要消耗每人每年五萬美元的換匯額度；

第三類是像璇璣這樣，以人民幣投資為主，同時服務持牌的金融機構客戶。

所以，總的來說，國內的智能投顧的發展方向很不一樣，走出了幾種分支。在國外，智能投顧單指通過大類資產配置，來替代人工投顧服務的模式。我們認為，國內的智能投顧慢慢地發展成，類似國外的，以追求大類資產配置收益為主的方向。

原因有幾點：

第一，以股票收益為代表的阿爾法收益，並不適合大眾投資者，阿爾法收益本身是一場零和遊戲，是一部分人賺另一部份人的錢。獲得短期阿爾法收益相對容易，當長期持續地獲得阿爾法收益難度相當大。

第二，理論上90%的投資收益來源於正確的資產配置。通過擇時擇股獲取的投資收益的佔比不超過10%，在中國這種半有效的市場，擇時擇股所起的效果也不會超過20%。

問題的後半部分：智能體現在哪些方面？

最重要的一點就是對用戶的不斷了解，不斷完善用戶畫像；

我們先來聊聊，客戶的財務目標都有哪些？

我們一般分為四類：

對預期收益的追求；
對風險的承受能力；
對投資時間長短的要求；
第四是投資到期後的分紅；

不管用戶的投資需求是買房還是養老，都可以被這四類需求所包含。智能投顧就是希望在這四方面，對客戶做出定製化的解決方案。

此外，每個客戶除了投資需求以外，還有在不同階段的保障需求。比如，是剛有了孩子還是希望要個二胎，是處於剛買了房子在還房貸，還是短期內有住房升級的目標，是處於事業的上升期還是平穩期。每個客戶在不同的階段，都有不同的規劃，對投資的時間、風險、收益都有不同的預期目標。

智能投顧目前只能提供幾種資產配置方案，根本原因是，對客戶的理解不夠。對客戶需求的深度了解，並不是一套投資問卷或者風險偏好測試能夠解決的。我們希望通過跟機構的合作，以及建立更多了解客戶的數據維度，來解決這個問題。整個行業的最終目標還是提供千人千面定製化的方案。

第一，是基於用戶的情況和需求，去做出合理的投資組合配比。比如用戶近期有剛性資金需求，智能投顧就需要自動降低用戶的風險等級，並提前提醒用戶準備提現使用資金等。又或者按照客戶的財務目標，製作出一份幾年期的理財規劃和組合，幫助客戶達成目標。

第二，是在了解用戶的基礎上，能提供最優投資方案。如果能夠以10%的風險獲取10%的預期收益，就不該讓用戶承受多餘的額外風險。在這方面，機器顯然計算得要比人好，而且是能夠實時地監控市場，計算風險收益比。如之前所說，優化模型演算法是一個有無止境的過程。這也是判斷智能投顧的標準之一。

我經常把智能投顧比喻成醫生。人的健康狀況需要醫生和病人的配合。財務狀況也是一樣的，需要投資者和機器一起配合。如果一個投資者在觀念上認為低風險高回報是可能的話，這種配合就不會默契。因為長期來看，一定是低風險低回報，高風險對應高回報。智能投顧是在這個邏輯下運行的。

此外，國人有一個客觀因素形成的觀點是—對無風險回報的預期是過高的。這也跟現實情況有關，因為國內很多的固收產品都能帶來非常高的回報，且很多還有剛性兌付。這些都需要投資人有清楚的認知。

如前面所說，智能投顧很大的一點挑戰就是客戶認知問題。所以我說需要用戶和投顧一起來完成投資。首先用戶需要給投顧一定的磨合和信任期。其次客戶的關注點應該在於投顧的風險控制能力。

比如，用戶對風險的忍受範圍在5%以內，那麼應該看重投顧所提供的組合，能否將波動長期控制在5%以內；其次，再去關注在這個波動範圍內，投顧能取得多少長期回報。

當我們說到智能投顧不得不提傳統投顧模式，一直以來投顧模式的主體是券商，加部分有投資諮詢牌照的公司，自2010年投顧暫行規定發布以來，不少券商一直想大力發展投顧業務，然而從下面的數據看出，投顧的收入依然處於非常雞肋的地位。

以15年數據為例，投顧收入只佔總收入的1.7%。

我們再來看看投顧的定義是什麼？按照《投顧業務暫行規定》的定義，投顧業務指：本規定所稱證券投資顧問業務，是證券投資諮詢業務的一種基本形式，指證券公司、證券投資諮詢機構接受客戶委託，按照約定，向客戶提供涉及證券及證券相關產品的投資建議服務，輔助客戶作出投資決策，並直接或者間接獲取經濟利益的經營活動。投資建議服務內容包括投資的品種選擇、投資組合以及理財規劃建議等。一直以來，投顧業務存在幾個困局：

1. 投顧與自營、資管的衝突

有的朋友看到這裡會覺得奇怪，投顧和自營、資管會有什麼衝突？然而投顧永遠面臨一個尷尬的問題：你炒股這麼厲害，為什麼不自己做(去自營、資管、私募)，而要教我？如果一個投顧的投資策略很有效，最好的模式當然是發資管產品，讓投資者認購，投顧真正有天分，比如會走到直接面向投資的道路，自然也不會留在投顧隊伍，這就註定了從長遠來說，投顧很難有真正的投資能力，(當然不排除極個別有投資能力並且願意做投顧的，畢竟還是有人有情懷的)，而且投顧一般屬於營業部，從知識結構上來說也是偏向營銷崗位，和自營及資管的投資團隊在投資能力上差別很大。

2. 好投顧難以培養

首先什麼樣的投顧是好投顧的？好投顧是會講故事的投顧，有一套自洽的投資理念，以「纏論」、「波浪理論」、「江恩理論」為主要體系，衍生出各種散戶喜聞樂見的投資理念，尤其以「纏論」為首，纏論因為其纏主悲壯、戲劇的人生，讓這個理論多了更多的神秘色彩。這些投資理念配合上媒體宣傳效果，很容易造神，這些又以投資諮詢公司與各衛視，尤其是湖北衛視的合作將這種模式推向了高峰。這種模式難以培養，好的投顧可遇不可求，還很容易滋生各種違法的溫床，典型的就是代客理財。

3. 投顧模式沒法快速複製

人工投顧的最大問題在於好投顧可遇不可求，基本培養出了一個好的投顧，服務能力也有限，一般一個投顧服務200人已經是極限了，然後設置投顧助理之類的，依然難以快速增長。

明白了傳統人工投顧遇到的問題，就明白為何現在智能投顧呼聲如此之高。智能投顧不存在崗位變動問題，不會投資能力好了就跳到投資崗位去，智能投顧不會代客理財，不會有服務容量問題。一瞬間，智能投顧彷彿完美的解決了人工投顧的各種問題，這也就導致各個券商趨之若鶩，然而，我們依然要面對一個終極拷問：如果智能投顧指導散戶投資有效的話，他掙誰的錢？這也就決定了，從終極來說，智能投顧也不太可能幫散戶都掙錢。但是這中間有了時間差，就有券商預期他的客戶，或者他的部分客戶能通過智能投顧跑贏沒有使用智能投顧的用戶，這種商業模式也是成立的，能吸引來更多的客戶，至於最終失效了，那到了那個時候再說嘛。

於是，智能投顧變成一個搶山頭的戰略定位，通過智能投顧用戶整體的高於平均散戶的收益率，吸引更多的客戶，然後通過長尾的理財銷售收入、融資融券利息收入及更頻繁交易帶來的傭金收入獲得更多的收益。所以，現在各個智能投顧都圍繞更好更多的模型和組合、更精準的理財產品推薦、更頻繁的交易機會提示等方面著手。其實在智能投顧概念出來之前，已經有很多傳統的股票軟體公司在做類似的事情，在炒股軟體里植入各種模型、戰法來指導客戶。只是在大數據來臨之際，根據用戶畫像結合推薦引擎，能夠提供更加精準的診斷和服務推薦。

那麼智能投顧的智能體現在哪些方面呢？

1. 基於協同過濾的推薦引擎，給不同的用戶推薦不同的投資組合、理財產品等。

2. 有些有基於自然語言處理的新聞資訊處理系統，推薦對應的股票或者分析新聞情緒。

3. 號稱基於機器學習深度學習的投資模型或者模型評價體系。

至於模型本身，很多還是走傳統量化交易的套路，多因子為主的選股模型或者走傳統的組合投資理論等。

先來看下百科的定義：智能投顧又稱機器人投顧（Robo-Advisor），是一種新興的在線投資顧問及財富管理服務，它根據個人投資者的風險偏好、財務狀況與理財目標等特徵，運用智能演算法及投資組合理論模型，為用戶提供智能化的投資管理服務，並持續跟蹤市場動態，對資產配置方案進行調整。

對比傳統投資顧問業務，智能投顧的核心特徵體現在去人工化。藉助客觀的投資組合模型，智能投顧可以做到服務流程的標準化，以及投資決策的紀律性。

智能投顧並非新近才有的新鮮事物。美國金融業監管局（Finra）在今年3月份出具了一份報告「Report on Digital Investment Advice」，將智能投顧定義為「數字化投顧」的一種，這份報告指出，上世紀90年代末開始，直接面向投資者的數字化投顧已經被廣泛應用，那時已經有經紀公司在線上推出他們的資產配置工具，供投資者使用。

Finra的報告對於「數字化投顧」的界定，包括面向客戶的投顧，以及面向金融從業者的投顧，簡單來說，後者需要、而且強調人的參與。而我們今天在國內見到的大部分號稱智能投顧的平台，都直接面向最終客戶。

人們耳熟能詳的Betterment和Wealthfront都在2008年前後出現，如今它們已經成長為資產管理規模數十億美元的投顧平台。在美國，傳統金融機構和持有RIA（註冊投資顧問）牌照的互聯網公司在智能投顧業務領域均有所布局，其中包括先鋒基金、嘉信理財，以及上述兩家明星公司Betterment和Wealthfront。

在針對海外智能投顧模式的研究過程中，人們往往將Betterment、Wealthfront與Future Advisor、Personal Captial等平台相提並論，然而事實上，Future Advisor、Personal Captial更加強調「規劃」，立足長遠，基於客戶的完整生命周期進行財務管理，所涉及的領域也不僅僅是資金，還包括教育儲蓄、房產等，它們所做的事情，是建立和打理個人專屬的資產負債表。

提出這點非常關鍵，因為兩種模式的差異，決定了投資決策是基於靜態還是動態思維，也決定了對平台對於投資期限與現金流的把握。正因如此，Betterment、Wealthfront都選擇了ETF作為基礎品種，更簡單、透明的思路也讓這種業務模式更易於識別和信任。

全文見知乎專欄：美國智能投顧行業深度揭示：別讓人工智慧成為營銷工具 - 券業星球 - 知乎專欄

智能投顧並不智能。這裡的「智能」，相當於是「自動」。也就是說可以根據用戶的輸入，確定一個適合用戶的資產分配，並定期調整這個分配以維持投資組合的平衡和適應市場。

因此這是一個「自動化」，而非智能。真正的智能在投資市場當然大量存在。比如Renaissance, D.E. Shaw, BridgeWater, TwoSigma, and much much more. 他們會吸收所有的信息，用機器學習和規則來發現或者製造交易機會，從而取得很高的收益。在投資這個行業，經常看到報道會說90+%的基金經理並不能beat大盤。但要知道，在剩下的10%裡面的確有人可以一致的遠遠超越大盤。智能絕對起了重要作用，而這跟智能投顧里的智能不是一回事。

那麼問題就來了，如果有這樣的智能存在，為何不用在智能投顧上？這純粹是個商業模式和商業邏輯的問題。智能投顧公司要贏利，必須有大量的2C用戶和資金，容量是最重要的。當容量上去了，它只要刮一小層就可以賺很多。而對於頂級的對沖基金而言，這不是他們的模式：）

受互聯網理財、大資產管理的推動，社會大眾理財意識和理財需求逐漸加強。2015、2016年智能投顧行業風生水起，創業公司、資本機構紛紛入場，但受到監管、市場尚未完全成熟等因素影響，2017年大多公司也從2C逐漸轉向2B業務，同時除創業公司外，券商、銀行等傳統金融機構相繼戰略性布局進入智能投顧行業。通過國內理財市場的發展趨勢及監管機制的不斷完善，智能金融行業觀察認為：隨著固定收益理財剛性兌付的打破, 未來中國智能投顧行業仍將會呈現較強發展趨勢。

本報告主要研究了智能投顧誕生髮展的市場土壤、國內智能投顧發展類型、階段、代表企業、上下游圖譜等。智能金融行業觀察還對目前中國市場上仍在運營的智能投顧平台進行評分排序，根據智能化水平、資產管理規模、投資管理水平、投顧服務水平、創始團隊實力和資本實力，對六個指標進行打分，評測出2017中國智能投顧市場排行榜。

以下為報告詳細內容:

前段時間求職投資機構，應機構要求用十來天的時間研究了一下robo-advisor的發展趨勢，很不幸沒有得到該機構的認可。現在把觀點扔出來，科普小白，與專家切磋學習。我承認寫的不是很專業，請批評指正。超級長文，非常多圖，信息超全，慎入。轉載請註明來源。

先給結論：

美國智能投顧行業主要受到七個驅動力的推動：（1）資產配置需求、ETF投資需求增加；（2）ETF產品種類增加；（3）資本支持企業創新；（4）低門檻；（5）低費率；（6）以稅收損失收割為首的技術創新；（7）以透明化操作為首的用戶體驗提升。
在美國，我們主要看好具備如下特點（重要性遞減）的智能投顧項目：（1）融資能力強；（2）保持低門檻市場定位，深耕長尾市場；（3）和傳統投顧有股權或戰略合作關係；（4）擅長塑造自身品牌，或具有專業投資機構背書。
中國市場不能直接移植美國的經驗，主要原因有三：（1）中國投顧站在賣方的角度，不在乎為客戶降低成本，智能產品不會得到投顧推薦；（2）中國的投資者更重視短期收益，被動投資相對受忽視；（3）中國稅法不支持稅收損失收割。
中國方面，行業將起步更慢，我們看好具備如下特點（重要性遞減）的智能投顧項目：（1）突破牌照束縛；（2）美國經驗所總結的四點。

以下是超長正文部分，分為美國和中國行業現狀兩部分：

第一部分美國智能投顧行業分析

1 人工智慧、Fintech、智能投顧

19世紀，電力電器、汽車產業高速發展，誕生了一批電氣化製造企業。20世紀上半葉，科學研究受到社會重視，20世紀下半葉，電子學科和計算機的迅速發展將人類社會引入新興產業領導經濟模式，知識化、信息化、網路化的新時代已經開啟。21世紀，最受科學界關注的科技方向之一就是人工智慧（AI）。近兩年，人工智慧愈發受到社會關注。谷歌打造三大人工智實驗室，微軟研究院多年專註人工智慧軟硬體開發，IBM在全球設立了12大研究機構，並推出「深藍」等超級計算機，國內互聯網公司也已經成立相關試驗室。

在國內外的國家戰略層面，資金和政策都傾向於支持人工智慧研究與產業的持續發展。歐盟委員會計劃投資10億USD支撐「人腦計劃」研究，中國也將人工智慧發展納入「十三五」戰略發展層面。

金融科技（Fintech）的目標之一是降低准入門檻，即「普惠金融」，用低成本將基於數據的現代金融服務觸達最廣泛的用戶，去服務長尾市場。這裡往往可以應用到AI技術，例如在金融領域，第一個以AI驅動的基金Rebellion成功預測了2008年的股市大跌，並在2009年9月提前評級公司一個月將希臘債券將為F評級，顯示了AI在Fintech領域的應用前景。

互聯網滲透率相對較低的金融服務業和AI這兩個「吸金」行業在「AI+Fintech」類企業身上產生交集。這類企業備受資本市場矚目，數據統計顯示，近5年來美國已有3,006筆規模以上的該領域投資，形成了334億USD的交易額，是在「AI+」眾多投資主題中，僅次於智能機器人的第二大領域。值得一提的是，在2015年下半年至2016年全年的資本寒冬中，這類企業融資能力不減，單季獲得投資從356筆升到410筆，持續被資本市場所看好。智能投顧（Robo-Advisor）就是「AI+Fintech」的一個分支。

1.1 智能投顧行業概述

在當今的科技環境下，投資顧問服務由傳統的1.0時代向2.0以及3.0慢慢轉型過度：

（1）1.0時代即一對一為高凈值客戶提供最全面、優質的投資建議服務，互聯網只是溝通工具之一。這種服務費用率高，但是覆蓋面比較狹窄。以中國為例，投資顧問註冊人數與整體的投資者數量存在巨大差異，如果滿足所有人的需要，那每名投資顧問需要服務3,000名投資者，這顯然是不現實的，同時也可以看出中國投資顧問的遠期市場空間之大。

（2）投資顧問2.0時代以人工和機器合作服務為主。方式多樣化，不再是單一的在辦公室接待客戶，而是將投顧服務拓展到互聯網數據平台，這種方式擴大了投資顧問所能服務的客戶人數，提高了效率，但線上服務具有局限性。

（3）2016年行業已初步形成龍頭，之後將以AI為主要技術看點，行業或將進入3.0時代，服務深度依賴AI。智能投顧作為普惠金融的一種，其較低的費用以及AI為主的服務方式將在產品技術和成本方面產生巨大優勢，目標客戶由傳統投顧針對的高凈值客戶群體變為廣泛分布於資本市場中的中低凈值人群。AI和金融的融合將是未來資管行業的重要發展趨勢。

行業進入2.0時代，幾家龍頭公司先後成立並推出產品。2010年，5月Betterment成立，8月FutureAdvisor成立（2015年被BlackRock戰略收購）。2011年12月，行業另一領跑者Wealthfront成立，隨後Personal Capital也推出相似服務。這些企業都得到了NEA、紅杉資本、Bain Capital等頂級PE的資本支持。2012-2013年，Sigfig、Wisibanyan成立，後者得到了Goldman Sachs的資本支持。2015年，傳統金融機構後知後覺地開始關注這個領域，Vanguard（先鋒）、Charles Schwab（嘉信）推出智能組合併大獲成功，德意志銀行推出Anlage智能平台。

我們當下在討論的智能投顧行業是指運用AI和大數據技術，為個人投資者提供在線財富管理顧問服務，是立足2.0向3.0進步的技術。智能投顧具有高效便捷、配置多元化、服務優質化、低金額門檻、低費率等特徵，結合了現代資產組合理論和個人投資者的風險偏好，進行以ETF為主的資產配置，為客戶謀取β收益，並提供交易執行、資產再平衡、稅收盈虧收割、房貸償還、稅收申報等增值服務。

智能投顧的主要服務模式是通過問卷和演算法實現個性化的投資建議。典型的智能投顧服務過程主要包括以下步驟：（1）系統通過問卷（10-30個問題）等形式採集客戶數據；（2）運用前述數據分析客戶的風險偏好，將數據入庫；（3）運用資產配置理論向客戶推薦投資組合，以大類資產ETFs為主，等待客戶購買；（4）接受客戶轉入的資金，並交給金融機構託管；（5）系統代理客戶發出交易指令，買賣資產；（6）用戶可實時監測組合運行情況，向智能投顧反饋意見；（7）後台接受客戶反饋意見，並據此對投資組合做出少量調整（一般1次/月），定期重測客戶風險偏好；（8）平台向客戶收取管理費（一般0.2-0.35%）。

智能投顧主要用到以下技術：

（1）智能代理（IA）：IA 由信號事件監聽器、決策系統、學習系統、規則庫和智能執行期各個模塊結合而成，通過數據監測與分析模塊對外界實時數據的分析結果對股票進行相應操作，包括建倉、平倉、調倉等。

（2）生成投資策略模板（ISM）：按照一定演算法篩選出滿足一定收益和風險指標的投資策略組合呈現給客戶，保證所有投資策略組合都是符合投資人的風險收益偏好。

（3）量化配置策略：智能投顧的量化策略相對廣泛，包含且不限於量化擇時策略、行業輪動策略、多因子Alpha策略以及各類事件驅動選股策略等，但目前大多數智能投顧都只限於對ETF配置權重的量化控制。

（4）現代投資組合理論（MPT）：Markowitz Mean-Variance Model通過分散的投資組合降低風險的同時保證預期收益率，投資者能夠在同樣的風險水平下獲得更高的收益率，或者在同樣的收益率水平上承受更低的風險。

智能投顧的投資理論依據是Markowitz的投資理論。理論認為，給定投資者的風險偏好和相關資產的收益與方差，最優投資組合有唯一解。因此，隨著人工智慧計算能力的上升，可以通過對投資者進行快速的財富畫像，確定投資者風險偏好，並結合資產收益率的數據，為投資者自動實現理論最優的資產配置。

智能投顧的投資策略是賺取主動β收益。β收益是市場對系統性風險的收益補償，通過複製市場組合的產品即可實現，且具有易實現、費用低、標的資產規模大以及偏長期等顯著特點。與之相對應的α收益實現難度較高、標的資產規模偏小，且費用較高，是擇時選股能力的體現。同時，全球ETF資產75%屬於股權投資，包含了各發達/新興國家市場，19%屬於固定收益投資，購買ETF可以實現對全球股票的均衡配置。綜合考慮上述兩類收益的特點，獲取β收益的費用相對較低，通過人工智慧技術容易實現，可通過各類ETF產品實現市場組合的構建從而獲得大類資產配置，因此成為智能投顧投資策略的最佳選擇。

1.2 智能投顧市場分析

按照家庭金融資產分類標準，美國低於25萬USD的共有2.68億人，管理著3.8萬億USD的金融資產；25-100萬USD的共有3,400萬人，管理著7.0萬億USD的金融資產。智能投顧對應定位於美國3億人、10.8萬億USD管理規模的理財服務市場。

然而在全球範圍內，48.6%的高凈值人群也開始接受（調查結果顯示，在觀念上表示認同）智能投顧產品，這部分人群雖然有專業投顧服務，但是其接受新興金融服務的能力強（其中E-Broker滲透率已超24.5%）、追求投資成本最小化的特點使得他們表示願意將一部分資產交由智能投顧管理。調查數據還顯示，傳統投顧服務欠發達的地區（亞太76.3%、拉美70.4%）智能投顧服務的接受度更高。我們還發現，智能投顧行業的主要客戶中以15-47歲的客戶為主，他們對於智能投顧的認可度高於一般預期。

根據行業內收認可度較高的A.T.Kearney市場調查結果顯示，在全美4,002名銀行理財業務客戶中，智能投顧業務已經得到了20%人群的認識了解，48%的傳統投顧客戶對智能投顧業務感興趣，69%的傳統投顧客戶在聽過智能投顧業務簡介後，願意嘗試一些智能投顧服務。

49%的受訪者不拒絕投顧服務，其中7%的人表示已經嘗試了自動管理型產品服務，這類產品和智能投顧的業務相似，具有較強的客戶可遷移性；27%的人表示雖沒有嘗試過這類自動管理的金融產品，但是對這類技術很感興趣，願意積极參与金融創新產品；15%的人暫時不了解智能投顧，對其業務具有懷疑，不排除在了解之後進行嘗試的可能。

如果將受訪者按照參與智能投顧服務的可能性分為最有可能成為客戶的「先驅者」、很有可能成為客戶的「熱衷者」、不排除可能成為客戶的「可能嘗試者」、「拒絕嘗試者」四類，其中先驅者和熱衷者兩類人群將佔據客戶群體的70%左右。對其特徵進行歸納，不難發現以下特徵規律：

（1）從年齡上看，先驅者和熱衷者平均更年輕，拒絕嘗試者平均50歲左右，且45%已經超過55歲；（2）從職業屬性上看，先驅者和熱衷者71%以上是全職員工，其餘基本有兼職工作，而可能嘗試者和拒絕嘗試者中有一部分已經退休；（3）從投資經驗上看，先驅者和熱衷者社會經歷比較成熟，願意承擔的一些投資風險，而拒絕嘗試者呈現明顯的高度風險厭惡特徵。

先驅者客戶特徵：（1）缺乏傳統投顧服務；（2）年輕、有投資經驗；（3）已經認識到智能投顧在被動投資方面的優勢；（4）已在多個平台上配置資金，對低成本的新渠道感興趣。這部分人群表示如果智能投顧真的像介紹的那樣，未來願意將40%的可投資資產轉移給智能投顧管理，並認為管理費和投資的專業性是他們所考慮的主要因素。

先驅者對應營銷策略：（1）智能投顧企業針對其嘗試新事物的願望進行特定營銷；（2）實施低價策略，提供透明服務；（3）強調平台上數據的安全性；（4）爭取獲取其在其他投資平台上配置的資金。

熱衷者客戶特徵：（1）缺乏傳統投顧服務；（2）缺乏投資經驗，比較重視風險保障；（3）剛了解，可能將部分未投資現金轉交智能投顧打理；（4）需要企業在品牌認知度、模式科普推廣兩方面發力。這部分人群表示如果智能投顧真的像介紹的那樣，未來願意將19%的可投資資產轉移給智能投顧管理，所考慮的理由和先驅者一致。

熱衷者對應營銷策略：（1）實施低價策略，提供透明服務；（2）提高服務質量的同時，增強服務內容的認知度；（3）參與科普活動宣傳，提供少量「用戶體驗金」；（4）跟蹤用戶滿意度，爭取留住客戶，並提高客單價。

1.3 智能投顧市場規模

我們參考了各家投行和諮詢公司的模型思路，對市場規模進行估測，基本思路為美國家庭金融資產保守估計以2.5%的CAGR增長（US ICI預測3-5%，以GDP增速校正）。其中，現金及其等價物為主的未投資資產邊際變化量符合金融行業平均增速，每年向投資資產逐步轉化，據此得到居民金融資產投資額的變化趨勢。所投資的資產中，ETFs資產佔比從15%升至未來的30%（Bain Capital預測），據此得出ETFs資產的變化趨勢。

美國互聯網金融加速起飛主要在於隨著移動互聯網滲透提高的最近10年（2006-2016年），目前網上銀行、網上保險業務都已經初具規模。2016年是智能投顧由2.0向3.0時代升級的轉折之年，我們將2016年看作智能投顧行業起飛元年，對應互聯網金融服務的2006-2007年。那麼預測期2021年即對應互聯網金融行業的2012年。2012年，美國互聯網保險滲透率已超過8%，是中國的4x；當年網銀滲透率超50%，是中國的1.5x；當年智能機器人滲透率近10%，是中國的30-40x。由於智能投顧所面臨的市場成熟度不同，且中低凈值家庭金融資產只佔中高凈值家庭的1/2，且貧富差距加大，所以應給予更加保守的預計。這裡將智能投顧ETF資產滲透率取3.4%作為5年後滲透率指標，是投行研究普遍採用的5.6%滲透率的61%。

根據上述邏輯，模型測算智能投顧滲透率將從2015年的0.4%升至2021年的3.4%，對應AUM約2.2萬億USD，對應智能投顧行業收入規模不超過76億USD。

我們的Base Case假設傳統管理費保持在1.0%左右不變，智能投顧管理費也將保持在0.2-0.35%左右。此時，智能投顧市場規模將從40億 USD快速增長至76億 USD，CAGR高達63.4%。我們的Price War Case假設傳統投顧費從1.0%在5年後逐漸降至0.61%，智能投顧管理費也從0.22%在5年後逐漸降至0.13%。此時，智能投顧市場規模將從0.4 billion USD快速增長至40億 USD，CAGR約為46.5%（相比Base Case減少了16.9 pcts）。

我們發現由於傳統投顧市場規模是智能投顧的30-45x，在Price War Case下，市場總規模將在2021年損失較大。由於兩者投資門檻差別大，降價後可由智能投顧轉向傳統投顧而來的客戶數量有限。此時，即使智能投顧市場受到重擊，集中度將提升，客戶基礎不牢的智能投顧公司將退出市場競爭。但是，這種博弈將為傳統投顧市場規模帶來了59 billion USD的損失，所以Price War Case並不可行。

可見由於市場定位不完全相同，傳統投顧不必要通過降低價格的方式搶奪智能投顧的長尾市場。因此，我們不認為智能投顧行業將受到傳統金融機構的價格打擊，我們認為投資顧問業態將一直在良性競爭中完成服務升級。

2 智能投顧行業驅動因素

我們認為智能投顧行業驅動力主要有以下七點，分為市場和產品兩個方面。市場環境因素方面：（1）美國資管需求增長，ETF需求增長；（2）美國ETF產品供給充足，滿足了投資者需求；（3）資本大力支持企業深耕市場。產品創新因素方面：（1）低門檻「普惠金融」；（2）低費率吸引草根客戶；（3）技術不斷升級，稅收損失收割創造超額收益；（4）投資透明度高，注重用戶體驗。

2.1 市場環境因素

2.1.1 驅動力一：資管服務快速成長，被動資產管理業務需求更加強勁

20世紀80年代，美國資管行業迅速發展，最早為保險公司所用，後來資管公司成為金融行業中發展最快的領域，AUM從1.6萬億USD增長至40萬億，對應GDP佔比從55%升至200%以上。

在美國資管發展的背景下，前25家公司市場佔有率已達到75%，其中四類機構表現突出：（1）全能型：產品以權益類產品為主，其中被動類ETF為主，注重行業橫向併購整合，相關巨頭均有萬億USD的AUM，以Vanguard、Fidelity、BlockRock為代表；（2）精品型：依賴於特定投資策略或定價能力，主動管理能力較強，以Bridgewater、KKR等為主；（3）平台型：通過低廉金融服務吸引早期客戶，也有萬億級別規模，但缺乏資產端優勢，以嘉信理財為代表；（4）其他：包括智能投顧和投資銀行子業務等。

我們發現，美國被動投資基金占共同基金的比例從1995年的3%迅速升至2016年的18%，平均每年增加1 pct。Bain預計2018年，以ETF為主的被動投資基金佔比有望提升至35%左右。主要原因是：

（1）目前，美國指數基金的成本費用在0.1-0.5%之間，相比主動投資性基金1%以上的管理費，被動投資成本優勢明顯。

（2）美國ETF市場受益於「主動長期跑輸被動」這一市場特徵。我們發現即便考慮到倖存者偏差，過去被動投資業績依然普遍優於主動投資。統計數據表明，主動管理型基金大多數是不能長期戰勝市場的。此外，主動管理型基金按照1-3年時長統計比按照5-10年時長統計要更容易戰勝市場，長期來看，積極型基金勝率僅29.1-31.5%。新興市場和中小盤市場上，主動管理型基金戰勝市場概率相對大。

2.1.2 驅動力二：美國ETF產品供給充足，ETF產品在多元化收益、分散投資風險、增加海外資產比例等方面有優勢

美國ETF市場較為成熟，提供了豐富的投資工具。目前美國ETF管理的資產規模已經超過2.2萬億USD（CAGR一般在5-10%之間），凈資金流入超過2,000億USD。而且美國ETF種類繁多，市場存量產品近2,000支，這為智能投顧產品提供了非常豐富的投資工具，以滿足不同類型用戶的需求。以美國代表性智能投顧公司Wealthfront為例，其主推11類ETF，包括美國股票、海外發達國家股票、新興市場股票、分紅股票、房地產、自然資源商品、美國政府債券、公司債券、新興市場債券、市政債券、通脹保值債券等，覆蓋範圍十分分散。

ETF分散化投資不僅降低了風險，更滿足了普通低凈值客戶接觸海外多樣配置的需求。比如，通過股票投資獲得資本利得，通過債券投資降低組合波動性並獲取定期利息收入，通過房地產、通脹保值債券、自然資源商品抵禦通脹所帶來的資產貶值，通過市政債券、自然資源投資合理避稅。

2.1.3 驅動力三：資本助力行業起飛，PE提前布局「黃金十年」

2.2 產品創新因素

2.2.1 驅動力四：降低投顧服務行業資金門檻，定位長尾市場的大眾客戶

智能投顧大大拉低了投資門檻。目前市場上的智能投顧的投資門檻普遍低於10萬USD，相比於傳統投顧對客戶至少擁有100萬USD凈值的高標準，智能投顧更加關注中產和大眾客戶的財富管理以及家庭資產保值增值。這部分資產的風險承受能力弱，對流動性的要求高，但定製化、跨境配置需求一般，一直沒有得到傳統資管機構相關的專業化管理。智能投顧藉助自身優勢滿足這部分大眾理財需求，大幅吸納長尾客戶閑散資金的同時維持自己低門檻、低費用的優勢，開闢出新的理財市場。

2.2.2 驅動力五：投資收益難料，低費率是實實在在的「誘惑」

簡單成本機構下的低廉費率更有利於服務大眾市場。相較於傳統投資理財機構，智能投顧依靠互聯網技術的優勢，不需要實體經營場所和線下理財顧問團隊，獲課成本更低，有規模效應，因此可以提供更加便宜的服務。目前，美國的理財顧問按小時收費，約300 USD/時，占投資額的1-3%左右，而Betterment、Wealthfront等智能投顧收費均不超過0.5%。線下理財顧問收費更高，服務業更加全面、專業，但其投資建議的收益水平是難於預測的，更低的服務費卻是實實在在的節省。對於草根客戶來將，300 USD/時的服務費略顯不切實際，因此智能投顧產品在長尾市場具備絕對優勢。

2.2.3 驅動力六：技術升級提升產品質量，稅收收割策略獲超額收益

技術實力和具有競爭力的模型方法為智能投顧提供了不斷升級的投資策略和區分度。相比於傳統投資人極大受到情緒的影響，智能投顧基於嚴格執行演算法策略，更具有客觀和理性的優勢。遠期來看，隨著深度學習、金融市場理論的發展，智能投顧的成長速度將遠超人工服務的升級速度，平台所能提供的投資策略仍將不斷成熟。目前，每日更新投資可行性邊界、資產再平衡、稅收日收割等業務體現了AI在投資管理領域創造價值。

智能投顧已經在稅收損失收割方面顯著領先，能夠提升預期收益。稅收損失收割市值賣出虧損的資產以抵消資本利得稅，同時挑選與賣出ETF高度相關的資產組合作為替代。這種策略不僅滿足了既定的收益-風險要求，還節省了稅收成本，可以利用節稅收益再投資。Wealthfront回測過去10年數據發現，年末稅收收割可以提高年化收益率0.6 pcts，日收割可以提高1.3 pcts。同時，Betterment也發現能將收益率提高0.77 pcts。Betterment為客戶提供獨特完整的稅務服務，包括稅務損益收割（Tax Loss

Harvesting+）、稅務最低化組合（TaxMin Lot Selling）、稅務影響預覽（Tax Impact Preview）以及有效稅務組合（Tax-Efficient

Portfolio），通過一系列演算法，為客戶提供專業化的籌劃，還可以實時預覽使用不同稅務優化計劃後的應繳稅務，幫助客戶合理避稅，提高收益的水平。所有擁有Betterment賬戶的用戶都可以享受這項服務，通過對過去13年的比對，Betterment的稅收抵扣超過同類競爭者提供的2倍以上。

2.2.4 驅動力七：互聯網思維打造產品，理財信息公開透明，更重視用戶體驗，迎合新一代用戶需求

智能投顧提供的投資分析與策略建議相對透明。以Wealthfront為例，其公開資料（融資BP、官方網站、白皮書）以文字、圖表、視頻德興市多樣化地展現信息，內容不僅包括了產品的理念、結構、流程、風險、法律規定等，還包括了對投顧市場和全球資本市場情況的分析。作為一家非上市公司，Wealthfront的信息披露十分充分、透明、高效，大大降低了投顧與用戶之間的信息不對稱性，用互聯網產品「重視體驗的思維」取得了用戶的信任。

新一代投資者對智能投顧的接受度更高。目前，美國1961-1981年出生的一代進入了個人理財需求高峰期，而1982-2002年出生的「千禧一代」在5年後，流動資產也將達7萬億USD，接替前一波嬰兒潮成為資管行業主要客戶群，可是千禧一代的投顧服務滲透率也不高（凈值50萬以上的，理財服務滲透率不足65%；凈值在15-50萬USD之間的，滲透率不足33%）。此外，這一代人群基本都是互聯網重度用戶，觀念更加開放，願意接受機器服務，智能投顧市場滲透率將創新高。

3 投資顧問行業競爭格局

3.1 投資顧問行業競爭格局

傳統投顧的業務範疇覆蓋了客戶全部資產管理需求，而智能投顧目前在保險配置、銀行產品配置、房地產投資等方面沒有直接的服務，不能滿足這部分需求。智能投顧的技術水平還不能取代專業投顧的服務能力，只是利用差異化定位挖掘專業投顧所應顧不暇的長尾市場。

智能和傳統投顧不存在直接的競爭關係，且有的傳統投顧已經考慮與智能投顧進行合作：（1）利用智能投顧向線下投顧服務導流；（2）全球20%的Wealth Manager（1,422個樣本）願意購買成本低廉的Robo-Advisory產品，其中美國18%，日本32%，歐洲16%。

此外，傳統金融機構進軍智能投顧業務具有優勢：（1）可以充分利用現有存量用戶，這部分存量客戶的獲客和轉化成本低。例如，嘉信理財推出智能組合之後，3個月內吸引了33,000個賬戶，2015年成立至今，嘉信在智能投顧領域後來居上，只用半年就佔到32%的市場。（2）智能投顧業務可與金融機構旗下其他業務產生協同效應。比如，嘉信智能投資組合54支標的ETF中，就有22支是嘉信的ETF基金產品。當傳統金融巨頭開始重視智能投顧，智能投顧的「線上導流」作用就更加明顯，將更多的資金導入資產管理體系內可以收取更多服務費用。因此，我們認為「傳統與新型相合作」才是產業的競爭之道。（註：即便不收投顧費，公司一樣可盈利，比如出售自家產品收管理費，導流後提供增值服務收費，買入股票為做空業務租票服務。）

因此，2014年開始，有的金融機構選擇自建平台，先鋒基金、嘉信理財火速推出智能投資組合（近乎免費地向市場開放服務），德意志銀行自建智能投顧平台Anlage Finder，蒙特利爾銀行、TD Ameritrade等也已經在籌備新產品。有的則利用自身資本優勢，通過收購來布局該行業，BlackRock收購Future Advisor，Fidelity戰略合作Betterment，Morgan Stanley攜手Goldman Sachs入股Motif。

從競爭結果看，一方面，美國智能投顧行業集中度提升勢頭明顯，前五大智能投顧公司（或產品）佔據了超過80%的市場份額，其中先鋒、嘉信的智能投顧產品屬於半自動產品，需要人工服務輔助。這主要是因為先鋒、嘉信等行業龍頭企業的產品滲透率迅速提高，其AUM增速遠快於其餘公司，並非「大魚吃小魚」。同時，智能投顧公司遍地開花，目前已有超過200家公司推出相關市場產品，且這一數字還在以30%以上的速度增長。

先鋒基金PAS業務是在行業競爭中後來居上的龍頭，公司15年來的服務門檻一直為投資額超過50萬USD，直到2014年底，PAS業務線增加智能服務，並將服務門檻降至10萬USD，部分業務將至5萬USD。考慮到先鋒基金是「人機結合」，這一門檻已經很低，可以開始和智能投顧企業競爭。智能投顧主要通過稅收收割和再平衡提供超額收益，這兩項可以被模仿，資管公司有能力複製。在指數基金和資產配置策略方面，專業資管和互聯網金融企業之間實力並不對等（先鋒基金是指數基金的締造者），再加上客戶基數和市場認可度的優勢，使得先鋒基金「後發先至」。

3.2 智能投顧行業內部競爭格局

智能投顧行業領先的獨立公司一般都是2010-2011年成立的，已經經過了5年左右的產品升級和市場探索，在融資市場和消費者市場均積累了不錯的口碑，領頭羊Betterment、Wealthfront、Personal Capital等均融資過億，從估值上看，即將成為業內首批獨角獸。

獨立的智能投顧企業的業務核心都是合理配置客戶的資產，它們在投資理念、人工參與度、引流模式、盈利模式等方面略有差異：

（1）投資理念的差別：Betterment更加關注用戶的投資收益目標，Wealthfront更加關注客戶的風險偏好測試結果，先鋒基金PAS則選擇兼顧收益目標、投資期限、風險偏好。

（2）人工服務參與程度的差別：獨立智能投顧公司一般完全依賴智能投顧與客戶交流互動，另外先鋒、嘉信等擁有傳統投顧服務業務的公司則安排了人工後台服務，保障機構服務專業度品牌的同時也增加了運營成本。

（3）引流模式的差別：先鋒PAS和嘉信智能投資組合都是將智能業務定位於傳統業務導流工具，引流模式主要基於金融機構的品牌和渠道；獨立智能投顧公司則玩法較多，即便市場相同，每家公司都有自己的切入角度，Wealthfront、Betterment主打長期理財規劃概念（大類資產配置型），Motif、Covestor則主打投資者社交概念（C2C跟投型），但其背後向C端出售金融產品並收取費用的商業本質相同。

（4）盈利模式的差別：有些公司通過徵收0.2-0.35%的諮詢費盈利，如Betterment、Wealthfront；先鋒、嘉信則主要通過推薦其自身ETF產品實現盈利，嘉信則完全不收取諮詢費，只為向基金產品銷售業務導流。

前面分析了智能投顧行業的七大驅動力，和傳統投資顧問的競爭優勢。我們認為善於借用這七大驅動力，並突破傳統投顧競爭優勢的企業更具競爭力。其中我們更加關注企業在「融資是水，普惠生根，合作連枝，收穫品牌」四個方面的競爭力：

（1）融資是水，企業的融資能力是第一位的。目前市場上的智能投顧項目均不盈利，據Morningstar總裁Joe Mansueto分析，獨立的智能投顧公司至少需要160-400億USD才能實現盈利，獲客成本至少需要1,000 USD，如果客戶平均投資2萬USD的話，需要100萬位客戶，前期市場投入可能需要10-20億USD，這是現在這些創業公司融資額的10-16x。以行業AUM目前的CAGR來看，至少還要3-5年才能盈利。

（2）普惠生根，較低的金額門檻是立足長尾市場的基礎。在互聯網產品時代，產品需要按照「一九法則」做「減法」，把細分市場深耕到極致才能站穩腳跟。業內各項目的投資金額門檻仍有2x以上的差距，而業內各公司費率差距很小，因此低費率的重要性比低金額門檻稍遜。

（3）合作連枝，與傳統金融機構的合作可以增加服務範疇和質量。互聯網團隊對於投資者的需求、投資產品的理解相對處於競爭劣勢，與金融機構合作在渠道、專業度、人才團隊、業務豐富度（金融機構為線上客戶設計新的資產配置產品）等方面有益處。同時可以利用線上平台向傳統金融機構導流，提高合作生態內的用戶ARPU值。KPMG國際合伙人Warren

Mead認為，智能投顧服務不會受到國別、社會文化的限制，滲透率是根本限制，由於同質競爭，單個智能投顧產品的滲透率不會太高。所以與大型金融機構適當合作，甚至合併，是一條可行的出路。

（4）收穫品牌，打造專業品牌知名度是中長期目標。具備品牌優勢的金融服務項目，在獲課成本和用戶粘性方面具有優勢，是金融企業長期賴以生存的核心競爭力之一。

第一梯隊，先鋒PAS、嘉信IIP：（1）屬於知名金融機構旗下的智能業務，市場知名度領先；（2）在財富管理的技術和渠道上的先發優勢，在競爭中暫時領先；（3）業務協同較多，服務費率可以降低。

第二梯隊，Betterment、Wealthfront：（1）兩家企業是行業的第3、4名，在模式、規模、戰略等方面均基本一致，已經初步得到市場認可；（2）保持「普惠金融」定位，深耕長尾市場；（3）目前仍保持獨立企業身份，並嘗試與全球金融機構在產品設計豐富度、單客增值服務、推廣渠道、品牌建設四個方面進行戰略合作，合作將為企業助力二次騰飛，值得關注。

第三梯隊，Personal

Capital、Sigfig：（1）市場拓展能力較差；（2）市場知名度不足；（3）投資金額門檻和管理費率高於平均，市場定位不準；（4）嘗試做個股策略投資風險較高，且主打概念複雜，不利品牌建設。

第四梯隊，Motifinvesting：（1）從社交角度切入理財市場，社區內多為C2C設計的高風險組合或主題投資組合，服務缺少專業化配置環節；（2）公司市場拓展能力一般，組合研發成本高，用戶收費過低，盈利模式不明朗；（3）若能解決盈利模式問題，有很大的想像空間。

第五梯隊，FutureAdvisor、Covestor：（1）已經被金融機構全資收購，專註成為母公司的導流平台；（2）後續融資中止，市場規模增速明顯放緩，已不具備獨立實現盈利的能力。

第二部分中國智能投顧行業分析

1 中國智能投顧行業環境分析

前面分析過了美國智能投顧行業的七大驅動力，這裡我們認為美國智能投顧行業的發展經驗不完全適用於中國市場，主要原因就是上述七大驅動力中有一部分在中國會打折扣，同時中國特殊國情也帶來了新的挑戰。這裡我們提出行業在中國遇到更多阻力，但並不否定投資者的理財需求需要新型產品來滿足，行業仍有廣闊的市場空間，這是因為：

拋開投顧服務在長尾市場的空白不談，從心理的角度來看，中國散戶往往輸給人性的缺陷。中國主要是賣方投顧，重視撮合交易而非投資研究，重視售前服務而非守候組合管理，往往迎合人性弱點而非理性糾正。由於立場不同，賣方投顧的迎合將會放大散戶的缺陷。權益類基金產品風險偏高，需要買方投顧服務來管理風險，FOF就是這樣一種產品。智能投顧可以理解為去中心化的FOF，提供理性的賬戶管理服務，糾正人性的缺陷，具有存在的價值。

所以，我們提出七個問題，並建議對本行業在中國近兩年的增速（美國行業AUM的CAGR預計未來三年可達77.0%）應稍加保守性地看待。

主要問題：

（1）對應美國競爭格局分析，我們發現美國先鋒基金PAS業務、嘉信財富IIP都將旗下部分其他業務線的客戶導向了智能服務，使得行業規模也成長。在中國，這種傳統投顧客戶被引導向智能投顧是否更難實現？（2）對應美國行業驅動力分析，我們知道美國智能投顧有門檻低、稅收收割兩個優勢，是否在中國依舊存在？（3）對應美國行業驅動力分析，我們發現美國智能投顧主要採用配置全球ETF的被動投資策略以滿足市場需求，那麼被動投資策略在中國是否已經有了充分的土壤？

其他問題：

（1）對應美國行業驅動力分析，中國人均財富也增速較快，居民理財需求增長，這一趨勢究竟利好哪一類投顧服務？（2）對應美國行業驅動力分析，我們知道美國ETF資產供給充足，那麼中國ETF產品規模相對較小，是否影響了智能投顧的服務效果？（3）中國券商經紀業務正在轉型，新生業態是否會成為智能投顧競爭對手？（4）對應美國行業驅動力分析，我們知道美國智能投顧產品受到歡迎的原因之一是AI技術不斷升級，那麼中國智能投顧的AI分析水平是否能滿足市場需要？

1.1 傳統投顧客戶被導入智能投顧的困難

對應美國競爭格局分析，我們發現美國先鋒基金PAS業務、嘉信財富IIP都將旗下部分其他業務線的客戶導向了智能服務，使得行業規模也成長。在中國，這種傳統投顧客戶被引導向智能投顧恐怕更難實現。因為，美國都是買方投顧，投資顧問費+被動基金管理費（託管費等綜合費用）一般1%/年。那麼，投顧就要和基金搶奪有限的1%，投顧肯定願意推薦管理費很低的ETF類產品，甚至歡迎其客戶買一些Robo-Advisor的低成本產品。另外，Robo-Advisor的客戶基本是草根，所以美國投顧和Robo-Advisor並不是針鋒相對地在競爭，後者不會受到金融體系的排擠。

然而，中國都是賣方投顧，收費是每賣一單就收一單提成，所以什麼產品提成高就推薦什麼產品給客戶，並不在乎為客戶節約成本，更沒動力推廣沒什麼提成的自動管理產品。另外，中國投顧服務的客戶凈值相對偏低，和智能投顧的大眾客戶是有一些交集的，所以會競爭關係，所以智能投顧將受到金融機構的打壓。

1.2 智能投顧的門檻優勢和稅收收割策略

美國的Robo-Adivsor行業有很多獨特的產品定位優勢，首先就是資金門檻低，迅速吸引了沒享受過投顧服務的普通大眾密切關注，尤其是矽谷企業中對科技信任感較強的工程師；其次，就是服務成本低，讓大眾消費（支付0.2%購買投顧服務）更加不猶豫。此外，智能投顧更具便捷性、透明化、嚴謹性，傳統投顧更具私密性、溝通性、專業性。但說到底，這些特點只是兩者市場定位不同，所以「尺有所短，寸有所長」。唯獨有一點是Robo-Advisory獨特的優勢，就是稅收收割所帶來的1%左右的超額收益。拋開基金投資的能力水平不談，這1%的超額收益是實實在在的競爭優勢，與上面提到的市場定位完全無關。

中國沒有稅收收割的機制，這使得在技術上可以實現的1%的超額收益，在稅法上無法運作。這一優勢在中國的缺失可能是致命的，這和中國投資者對收益率的高要求有直接關係，收益率上能否增加1 pct對於很多中國投資者都是至關重要的。

此外，中國高凈值人群佔比更低，但是投顧服務機構並不少。所以傳統投顧服務門檻相對降低（低至300萬RMB即可），所以兩種投顧的客戶群差異相對更小。一部分邊緣客戶再考慮高收費的傳統投顧服務的同時，也在智能投顧，兩者互補關係削弱，而競爭關係被放大。因此，低門檻這個首要優勢被相對弱化。

1.3 被動投資理念在中國相對被忽視

Fidelity的數據顯示，2008年大跌中，其1,500億USD的基金中，贖回金額僅僅8,000萬USD/月，不足總規模的0.1%。這是因為基金主要拿的是401k（美國養老金）的錢，直接在大眾的工資中扣除，人們想不起來自己還有這麼一筆錢在股市投資，更沒渠道將這筆錢「快進快出」。

美國散戶原本也「追漲殺跌」，但是美國機構佔比高，TD基金操作少（DC-401k計劃主要投資Target Date基金，一直投資到退休，隨著年齡增大權益資產配置減少，債券與現金資產增加）。此外，2008年市場跌了50%，如果在低點贖回，就將錯過2008-2016年將近200%的收益，此時TD基金長期鎖倉映證了「慢就是快」的道理。現在，美國大眾很多已經從各個角度接受了投資被動產品的理念，不求戰勝市場，這為Robo-Advisor旗下ETF產品的認可度做了很好的市場環境鋪墊。

中國的投資者在用稅後資產進行投資，投資目標就是「多賺錢」。市場長期來看並非零和博弈，起碼指數是上漲的，導致投資者普遍虧欠的一個重要因素就是相對於美國TD而言過於「短期投資」。中國投資者更喜歡自己短線操作個股，市場上對被動型產品的認可度相對低。

1.4 其他問題

1.4.1 人均財富增長對投顧行業的影響

對應美國行業驅動力分析，中國人均財富也增速較快，居民理財需求增長，這一趨勢究竟利好哪一類投顧服務？行業內普遍存在觀點認為，中國居民越來越富裕，所以利好智能投顧下游。但是，我們認為人均財富增加首先利好的是傳統投顧，智能投顧受到的影響相對較小。這是因為：

（1）從需求端來看，中國貧富差距一直在拉大，據估計，2020年中高凈值人群的人口佔比將從2014年的5%增長至2020年的10%，投資額從42%升至高達58%。可見居民財富快速地向高凈值客戶轉移，傳統投顧將直接受益，而長尾市場增長有限。

（2）從供給端來看，中國投顧從業人數已經突破3萬人，高凈值人群160萬人，投顧人均只需服務50人。資深投顧能服務上百位高凈值客戶（凈值800萬以上），而普通投顧往往只有不到10個左右高凈值客戶，行業方差較大。這類普通投顧高凈值客戶不多，為了完成業績需要，同時向中低凈值客戶提供服務。雖然普通投顧服務能力水平較低，但是人均服務高凈值客戶數仍有提升空間。隨著人均財富提升，中凈值客戶轉為高凈值客戶，傳統投顧將主動向其提供服務，將其攬入傳統機構體系。

1.4.2 中國ETF產品規模較小

對應美國行業驅動力分析，我們知道美國ETF資產供給充足，那麼中國ETF產品規模相對較小，是否影響了智能投顧的服務效果？行業分析師普遍認為，中國ETF規模遠小於美國，所以中國智能投顧所能提供的服務有限，利空本行業發展。這個邏輯大體無誤，但是我們認為利空程度非常有限。

美國2003年市場上ETF產品共計151支，中國目前僅142支ETF，尚未達到這一水平。美國2016年市場上ETF資產超過2.2萬億USD，中國目前ETF產品市值僅4,400億RMB，且CAGR已經落到10%以下。但是，仍需考慮到，中國智能投顧服務範疇不只限於ETF（還包括多種公募基金甚至保險產品），中國投資者本身也對ETF興趣較低，用ETF產品供給數衡量智能投顧所能提供的組合上限是不科學的。

1.4.3 券商經紀業務轉型的影響

中國券商經紀業務正在轉型，新生業態是否會成為智能投顧競爭對手？自2015年4月正式開放「一人一戶」的限制，經紀業務的價格戰再次導致傭金加速下降，倒逼業務加快轉型。差異化的投顧產品是發展重點，已有超過 30 家券商推出了投資顧問的線上服務APP，擴大了業務的覆蓋面，還為客戶提供個性化服務，這對獨立智能投顧企業或將形成衝擊。

1.4.4 對風險偏好的分析水平是否能夠滿足市場需求

對應美國行業驅動力分析，我們知道美國智能投顧產品受到歡迎的原因之一是AI技術不斷升級，那麼中國智能投顧的AI分析水平是否能滿足市場需要？投行分析師普遍對2.0時代智能投顧的客戶風險偏好分析能力表示質疑，並通過實驗進行測試為證。我們認為如果智能投顧公司與證券公司或者銀行合作，得以通過金融機構獲得大量投資者金融信息，那麼對於其風險偏好的分析將會十分準確。

根據FINRA的測試，美國智能投顧也會對同一投資者的風險偏好程度做出大致方向相近，但配置結果截然不同的分析。可見，全球智能投顧AI應用水平都比較有限。其實，這不是AI分析能力的問題，僅僅根據10-30道選擇題所採集的信息是不能很好地反應一個人得投資肖像的，而處於提升用戶體驗的考慮，問卷不便於設計得太繁瑣。這是數據許可權的問題，如果AI有許可權得到投資者的信用卡消費、職業信息、證券賬戶投資歷史等資料，風險偏好的測算很可能準確得多，畢竟傳統投顧也就是通過這些信息進行系統化分析的。

2 中國代表性智能投顧企業案例分析

2.1 中國智能投顧模式簡介

智能投顧行業處於起步階段，市場規模非常有限，落後於美國5年左右，2015年才隨著互聯網金融項目的熱炒而受到資本關注，2016年下半年行業融資情況隨著市場而暫時轉冷。藍海智投、彌財、財鯨、慧理財等公司收穫天使投資，京東智投、聚愛財鄧也獲得了A、B輪投資。除了獨立新型智能投顧平台，傳統金融公司也開始布局，華泰證券斥資8億USD競購美國資管軟體研發商AssetMark、平安銀行和招商銀行推出智能投顧服務、同花順iFinD推出智能投顧服務。

國內智能投顧公司主要有以下四類：

（1）經典模式：完全模仿Wealthfront、Betterment等投資於ETF的公司，如彌財、財鯨、投米RA、藍海智投等，受限於國內政策，這幾家公司均直接投資美國市場ETF。

（2）配置建議：僅僅為投資者提供配置建議和「一鍵購買」按鈕，購入資產後平台不再對賬戶進行操作，如平安一賬通智投、招商銀行摩羯智投、京東智投。這類投顧實際上並不是我們所講的「買方投顧」範疇，而更像是「金融超市」和導流工具。

（3）創新模式：受限於國內政策，投資於國內資產的投顧公司不能對賬戶進行後續操作，僅擔任銷售角色。雪球蛋卷基金利用基金約定交易方式為客戶後續調倉（客戶授權蛋卷在180天內在達到一定條件時，自動幫客戶賣出/買入指定公募基金產品），得到了監管機構的肯定。

（4）股票分析：完全脫離傳統模式，僅服務於股票市場，利用機器學習演算法分析公司財報、行業數據，提供垂直化金融服務，如數據預測、事件提醒、策略建議等。這一類模式對技術要求更高。

2.1.1 經典模式模仿者以彌財為代表，欲在中國複製Wealthfront經驗

這類公司採取幾乎和Wealthfront一模一樣的問卷採集客戶信息，對接完全類似的海外ETF資產進行投資，也提供類似的後續調倉和其他增值服務。這類公司一般採取與海外經紀公司（如彌財和Interactive Brokers）合作的模式推行美元業務。

優勢：（1）擁有國外商業模式模板，服務模式相對成熟，產品用戶體驗好。（2）滿足了中國投資者對海外資產配置的需求。

劣勢：（1）業務受限於國內匯兌不得超過5萬USD/年的配額限制，單個客戶投資規模有限。創業之初，公司的草根客戶里很少有人賬戶會超過5萬USD。但隨著企業業務做大，5萬USD的上限將成為客單價的上限，嚴重限制企業的收入規模和個人增值服務的開展。（2）由於必須與美國經紀機構合作，增加了通道成本，年費率較Wealthfront升高到0.5%，對客戶的吸引力降低。（3）眾模仿者商業模式完全相同，同質化競爭嚴重。（4）除了投米RA、彌財等領軍企業，其他公司多數未與國內金融機構達成重要合作，所能開展的業務還以「基金超市」為主。

我們前面已經談過在中國照搬美國經驗的困難，這裡不再重複。此外，美國經典模式智能投顧推薦組合的收益率一般為5.5-6.0%，中國彌財官網顯示可達3.5-8.4%，投米RA公開為6.5-21.6%（均值超過10%），藍海智投據透露可達8.3-13.0%。而中美經典模式所配置的ETF資產相近，美國另有稅收損失收割機制獲利。因此，我們對於中國有關公司的收益率持懷疑態度，一方面可能是數據採樣不足，另一方面可能在交易層面存在風險隱患。還應注意，技術還在模仿階段，眾多模仿者業務模式相仿，投顧品牌尚未建立，核心競爭力暫時不足。

2.1.2 雪球模式推陳出新，「模式+品牌」打造護城河

對於投顧公司，除了收取諮詢費，還可以設計研發旗下指數基金、股票基金、債券基金簡介擴大資產規模，例如：美國Wealthfront自製三種WF指數，Motifinvesting自製主題投資組合，先鋒基金PAS向旗下ETF導流。國內公司多數缺乏金融創新的經驗和突破監管限制的能力，而雪球首創「蛋卷基金」，並於2015年1月推出「鬥牛二八輪動」產品。這個產品底層採用了天弘基金的3支基金產品，與客戶簽訂180天的服務條款，按照既定原則每日收盤後自動做出轉日買進/賣出基金份額的判斷，實現通過簡單、透明的機器交易方式規避人工的方式代客理財的效果。

策略：（1）成分標的為滬深300指數、中證500指數和國債指數；（2）本指數對比當前交易日收盤數據與20個交易日前收盤數據，選擇滬深300和中證500中那個漲幅較大的一個；（3）於下一個交易日收盤時切換為持有該指數；（4）若兩個指數均下跌，則選擇國債指數。

優勢：（1）通過上述「交易協議」，突破科技公司資產管理牌照的限制，形成FOF效果。雪球模式得到證監會、銀監會的肯定，被監管層默認「先行先試」創新。國內其他公司暫未能夠得到這種嘗試的機會，不敢越雷池一步。（2）目前，持有300ETF、500ETF、國債ETF的成本大概在4.85%左右，而蛋卷基金「鬥牛二八輪動」的成本僅為3.40%，這與天弘基金產品費率的創新有關。（3）交易策略簡單實用，回測收益遠勝市場指標。（4）雪球自2011年推出產品之後備受市場關注，用戶已經超過千萬，社區已經搭建成熟，用戶粘性遠高於一般金融APP，具備目前比較領先的投資理財品牌。

劣勢：（1）比起Wealthfront親自研發的WF指數產品、Motifinvesting研發的Motif主題組合，蛋卷基金還需向天弘基金繳納一筆費用，這個交易成本稍降低了客戶的潛在收益。（2）目前可選基金較少，不能滿足投資者的全部需求。

2.2 關於未來發展的思考

前面已經通過美國行業七大驅動力、競爭格局、中國特殊阻力分析過企業所面臨的市場環境和四大取勝因素——融資、普惠、合作、品牌。下面我們假設中國市場在未來將發生一些變化（證監會放開對智能投顧開展資產管理業務的限制，或者資本市場熱度轉暖），來看看對應不同情境下，行業將會有怎樣的新業態。

首先考慮行業所面臨的政策風險。證監會對於智能投顧行業的理解已經從2016年上半年的對金融創新的默許，轉變為2016年下半年對行業風險的重視，這主要和「牌照有關」。

第一，誰來考核機器人的投資顧問從業資格。「智能投顧」是新鮮辭彙，並沒有法律上的定義，如果公司對投資者收取投資顧問費（美國智能投顧0.2-0.35%，傳統投顧1%）的話，那就要考慮到智能投顧的投資顧問從業資格問題。目前，全球主要國家都為投資顧問從業者設計了考試（即便難度不高），只有通過考核的人才能自稱投顧，向客戶收取投顧費。但是，智能投顧行業是新興事物，全球都沒有一個考核標準來認定智能投顧分析系統是否合格。在發達國家，這種創新模式被政府發言人支持。但是，市場化手段監管的思路在中國並不適用，投資者容易被不法平台騙，監管層也不願為金融體系引入系統性風險，所以這種收費模式是有政策隱患的。

第二，是否需要基金銷售牌照，這是當下監管層的主要關注點。智能投顧服務為客戶創造了新的價值，在商業本質上常見這兩類打法：（1）按照一定配置比例，向投資者銷售自己推薦的基金產品；（2）接受投資者的資金，管理其資金投向。第一類打法只比其他互聯網金融超市多了一個資產配置建議功能，憑此繞過基金銷售拍照並不符合監管層思路。跟據訪談了解，全國目前大概有303張基金銷售拍照，主要掌握在金融機構手中，牌照價格已經從2015年初的300萬元上漲至2016年的3,000萬元，且有價無市。現在監管層已經暫停了牌照發放，並於2016年8月發出聲明表示「嚴懲非法銷售基金產品的智能投顧平台」。基金銷售牌照的高額成本迫使當下的智能投顧基本都選擇了與具有牌照的傳統金融機構合作，這也符合我們之前對「合作」的強調。

第三，資產管理牌照不可逾越。私募基金FOF一般100萬元起投，而經過智能投顧的重新配置、拆分等「普惠服務」，智能投顧客戶可以以1萬元的低門檻投入。此外，智能投顧還設置演算法自動對所投資金進行配置比例調整，並收取管理費。這種產品發行業務以及交易操作業務是需要基金業協會會員認證的，這種「創新」明顯不符合監管層的思路。

情況（1）（2）：放開管制，資本復甦

當證監會放開業務限制，資本市場又重新活躍起來，越來越多的智能投顧找到了類似蛋卷基金「協議交易」模式的創新手段，或者主營海外資產配置業務。這種情況下，中國智能投顧的發展模式可以參考美國此刻的業態，具備「融資、普惠、合作、品牌」四個方面優勢的企業將會勝出。雪球是一個可以關注的例子，其融資能力強，積累了千萬用戶，社交和資訊功能大大提高了社區黏性，形成了知名度、美譽度較為領先的草根投資平台品牌。反之，企業將處於競爭劣勢，發展減速。在短期內，這種情形發生的概率相對低。

情況（3）（4）：放開管制，資本寒冬

當證監會放開業務限制，RA將會向美國一樣進入財富管理領域。資本寒冬依舊，互聯網「一九法則」依然成立，平台型企業只有「滴滴」一樣的龍頭才能存活。而只會燒錢而缺乏「普惠、合作、品牌」的線上平台將難以為繼。

情況（5）（6）：嚴格管制基金銷售業務

這種情況下，監管層保持對RA資管業務的限制，這是大概率事件。如果智能投顧不定位於為客戶提供海外配置，智能投顧平台成本低廉和用戶體驗所帶來的流量成為平台的主要價值，實現盈利的關鍵是與金融機構進行合作。不過，金融超市平台已經很多，僅憑智能配置資產的演算法也難突破BAT的格局。如果企業金融行業資源較少，不善於與傳統金融機構合作的話，將面臨很大的生存壓力，除非整個行業能迎來AI技術的大進步。

第三部分：附美國robo-advisor企業簡介

Wealthfront是行業開創者，融資能力較強，但與金融機構合作較少，稅收損失收割技術領先於同行。

Betterment是獨立智能投顧龍頭企業，主打養老金大類資產配置服務，擁有多項智能技術為客戶爭取超額收益。

FutureAdvisor提供大類資產配置建議，主要為客戶提供養老金安排計劃，已被BlackRock收購，不具備單體盈利能力。

Personal Capital從財務管理軟體的角度切入，綁定其他證券賬戶並獲取了客戶更多信息，但是產品定價略高，市場定位不清晰。

Sigfig成立較早，2013年轉型大類資產配置平台，2016年與金融機構合作，業務可塑性強，但是團隊業務能力差，市佔率持續走低。

Motifinvesting為投資者設計主題投資組合，並提供投資者社區，收費較低，盈利模式不明朗。

Covestor成立較早，定位「投資社區+組合跟投」切入財富管理市場，融資能力較弱，2014年開始業務受挫，後被在線券商收購。

各位辛苦了。歡迎討論。

彩蛋：海外智能投顧普遍採用的演算法架構

（全文完）

補充：本人已就職於互聯網戰投，暫不找工作了。謝謝關心。

謝邀。樓上說了挺多，也就不再贅述具體定義。

早在2014年智能投顧漂洋過海來到國內，但實際發展並不順暢，根本原因在於中外投資環境的差異，主要體現在投資者觀念、監管政策差異和投資產品上。因為自己本身也是普惠金融實踐者和創業者，這裡就主要說說投資者觀念教育的問題。

我們相信智能投顧的存在和興起一定有其本身的合理性。

比如，中國的儲蓄率長期居全球首位，非金融類資產佔比也一度高達60%以上。

比如，國內金融產品投資品種匱乏、股市低迷、海外投資也受到政策管制，國內新富階層的理財方式只能以房地產投資、買剛兌理財和儲蓄為主，然後默默發現這些有限的方式稍不留神就被通脹給秒了。

比如，傳統投顧起投就是幾百萬，門檻高不說，投顧們畢竟也是血肉之軀，「生而為人」便一定會有「生而為人」的限制。

與傳統投顧相比，智能投顧剝離了傳統投顧的精英門檻，最低甚至0元起投，只收取0.25%-0.5%的管理費，用技術將投顧服務普惠化，滿足了用戶在全球尋求保值增值和分散風險的需要，有利於中國現階段大量儲蓄資產的合理配置。

那麼，問題來了。金融投資本身與風險控制剝離不開，在中國現階段，有多少人理解智能投顧這個概念並放心將自己的財產交由打理呢？有數據顯示，國內的投資者以散戶短投為主，偏重期限短收效快的投資方式，而智能投顧在現階段更偏重長線策略，用戶是否容易接受這一過程中的風險波動？雖然廣大民眾的風險意識已在跌宕的股市和部分不合規的P2P負面新聞中受到一定「教育」，但總體還是偏向保守。

所以有可能在智能投顧的發展過程中，技術的問題並不是真正的難題，最難攻堅的也許是受眾的投資理念。

但我們還是要相信時代前進的步伐。隨著互聯網以及互聯網衍生出來的各個行業的發展，會慢慢帶動另一種富裕階層的產生和壯大——相比於依附於傳統產業發展而產生的「舊富」階層，這一類富裕群體資本積累得益於互聯網行業的紅利和發展，對互聯網產品和服務更為依賴和信任，他們可能是第一群「吃螃蟹」的人，也最有可能成為引爆整個龐大市場儲量的那一群人。

大家好，我是松禾遠望基金合伙人田鴻飛。前一段就智能投顧話題，我給一些二級市場的基金從業者做了一次內部講座。在這裡以一個輕鬆方式分享給大家。

趣談一.銀行和基金從業人員，最恐慌的是未來飯碗會否不保

波士頓是美國資管行業的重鎮。2016年我在波士頓和做基金管理的校友交流中發現，受到金融科技發展的影響，他們對未來有些悲觀，認為飯碗在未來某一天也許就沒了。很多在銀行工作的朋友同樣焦慮。

我的觀點，大量易標準化、重複性、沒技術含量、不具獨創性的工作肯定會被裁掉。從基金行業來說，首先後台最容易被替代，因為都是成本。清算、交收、估值類工作，以前需要多人忙碌，現在很容易被一套軟體系統就替代了，都用不上人工智慧，而且準確性更高。

目前還有公司在開發銀行間的區塊鏈對賬系統，以後也不用每天晚上人工互檢對賬了。因為區塊鏈本身是一個瞬間同步的賬目，每個人的賬本會實時共享，同時又能做到安全透明、不可篡改，所以這些後台工作會最先被替代。

再說前台，智能投顧的自動化交易未來會讓大多數交易員變得毫無價值。以量化投資來說，未來做多因子模型的投資經理就很容易被幹掉。因為由AI來做優化，絕對比人做優化要強很多。對於前台的其他工作，現在已經出現了機器人客服，像信息簡報、研究報告類也都可以由人工智慧自動摘取生成（當然我認為獨創性研究是很難被替代的）。

但國內的二級市場與國外有很多不同，很多散戶需要心靈按摩。這些情感交流的工作是否就不會被取代呢？我覺得也不一定。因為現在00後一代，他們在行為習慣上，其實更願意和機器人打交道，而不是和人打交道。這正是2015年BlackRock收購Future Advisor的重要原因，他們發現年輕人更需要便利、低門檻和互聯網化的理財方式。

拿保險舉個例子。賣保險顯然要比賣理財更需要情感溝通，但智能保顧也正在興起。所以對於資管而言，我認為情感因素並沒那麼重要，未來會有越來越多的人喜歡並習慣面對機器。

趣談二. Fintech機會正在向傳統金融背景人士傾斜

我們看過很多Fintech領域的創業項目，發現一個有趣的現象，那就是互聯網出身的人和有銀行從業背景的人，往那兒一坐風格會涇渭分明。互聯網人盯的就是KPI和增長，對風控、對法規毫無概念；金融行業出身的人主要談的就是風險控制，要規範企業的發展。

從去年開始互聯網金融發展的風向發生了巨變，以往野蠻生長的環境不復存在。美國貨幣監理署(OCC)正在考慮給Fintech公司發全國性銀行牌照，國內也大幅加強了合規的嚴格管理。這些變化，都促使互聯網金融開始向更注重規範、更注重風控的傳統金融背景人士傾斜。

還有非常重要的一點是，作為傳統金融行業的人，他們坐擁非常多的資源，當意識到互聯網金融的風向時，轉舵起來還是很容易的。正如一個在銀行的朋友介紹，自銀行推出現金貸業務後，僅用幾個月時間，就快速超過了互聯網人已用兩三年發展起來的規模。

在美國也是如此，一旦具備傳統投資優勢的金融機構進入智能投顧領域，同樣會迅速搶佔市場份額。正如Vanguard和Charles Schwab自2015年推出智能投顧產品後，相對應的資產管理規模（AUM）已遙遙超越了Betterment和Wealthfront。

趣談三. 中國為什麼比美國更適合發展Fintech？

英國的《經濟學人》雜誌在年初的一篇文章中提到，正是得益先進的技術、落後的銀行體系和爆髮式的財富增長，讓中國成為了全球金融科技的領導者。去年10月我參加了著名的Money20/20大會，對此感受頗深，現場幾乎2/3的廣告牌都是中國企業。這些國內的Fintech企業，不論在模式創新還是技術創新上，都已遠遠超過了美國。

中國為什麼比美國更適合發展Fintech？我的看法是：

國內對金融科技的監管環境還是很寬鬆的，至少前幾年非常寬鬆。在美國的Fintech企業，絕不敢像國內這麼「膽大妄為」；
國內即使有人冒進違規了，處罰起來並不嚴厲，犯錯成本較低；
國內還沒有成熟的隱私保護法，數據的可獲得性很高，各種來源的數據都使用；
中國沒有美國那麼多年的積累，也就沒有牽絆。上來就可以用最好的技術、最簡單的方法直達目的。

趣談四.智能投顧在美國發展遭遇了瓶頸

過去我們學習金融時，知道平均成本法(Dollar Cost Averaging)，也就是要養成固定去投資的習慣，投資收益是最高的。這是一個基礎理論，但大家平時生活中很難做到這麼有紀律性，尤其對於剛入職場的小白而言。

現在美國銀行和智能投顧公司最讓人羨慕的是完全能做到自動理財。一般美國都是雙周發薪，通過direct deposit功能，工資直接進入銀行賬戶。銀行完成扣款後，會自動劃分到智能投顧公司的賬戶。由投顧公司做一個再平衡，就幫用戶理財投資了。對用戶來言，每月只需留一些錢還信用卡就行了。智能投顧在切實解決用戶體驗問題後，讓用戶量和AUM資產管理規模上來的特別快。

不過現下智能投顧在美國的發展仍處於瓶頸之中。主要是行業領頭羊Betterment、Wealthfront處於了一個停滯期。很多潛在投資者對他們的擔心是，Robot-advisors這件事，並未改變背後的商業邏輯，也就是配置資產和金融服務的屬性沒變。但相比於傳統機構，他們投入市場和運營的花費卻很大，這是典型的互聯網人發展模式，先砸錢把用戶量做起來。但這也讓吸收資金的成本變得非常高。那你的競爭優勢到底是什麼？估值還這麼高，是不是市場吹起的泡泡？這遭遇了很多投資者的懷疑。

趣談五.智能投顧與量化投資的區別是什麼？

相比同樣採用計算機與數學模型做投資決策的量化投資，智能投顧最顯著的區別是什麼？簡單來說一個是自動根據市場變化做決策，一個還得靠人來調策略。後者說的正是量化投資，一般是先找出一個模型策略，這個策略不會自動變化。所以一旦當市場環境變化的時候，這個量化策略就失效了，必須由投資經理根據市場情況來調整策略。

對於應用機器學習的智能投顧，則會根據市場的變化不斷的產生新策略，也就是應對瞬息萬變的市場變化，一切都是在後台自動完成的，並不需要人工干預。因為機器學習有回饋循環(Feedback Loop)，從市場-策略-結果再到市場的不斷反覆循環，會自動根據資產的價格、風險的變動不斷調整。

相比量化或人工投資，人工智慧處理信息還有一個最大優勢，那就是可以把自有證券市場以來的全部數據都錄入做分析。特別現在有了GPU、TPU等專門的處理器，依靠強大的運算能力，可以瞬間得到想要的相關性分析，這滿足了金融領域對數據的實時性要求。

趣談六.智能投顧是不是在吹牛，投資業績到底如何？

剛才談到利用機器學習和深度學習的方法，智能投顧可以把價格變動的趨勢和模式找出來，做到快速反應、快速交易。相信很多人一定好奇，智能投顧相對於量化投資的業績到底如何。

我們知道最近幾年，面對國際金融市場的大幅波動，量化投資的業績是遠遠好於很多主動型管理基金。在今年3月傳出的BlackRock重組計劃中，就裁掉了很多主動型基金部門的員工，將很大一部分的資產將轉化為量化管理產品。

而根據對沖數據服務公司Eurekahedge的AI／機器學習對沖基金指數顯示，自從2010年以後，其中23支應用智能投顧的對沖基金，在業績表現方面是要優於量化對沖基金的（如下圖）。

趣談七.人工智慧為什麼直到今天才取得突破？

我經常開玩笑說，人工智慧技術的發展有些復古。因為現在深度學習依託的神經網路系統理論，最早可以追溯到上世紀40、50年代，只不過到現在發展為了多層神經網路技術。從最早的LISP語言、專家系統到神經網路和機器學習，人工智慧過去幾十年的發展一直都非常低迷。這讓李開復老師那一代從業者很是受傷，因為把事業放在上面20年沒有進展。那為什麼來到今天就突破了呢？

一方面是已提到的多層神經網路（MLP)取得了小突破，特別其中深度學習（Deep Learning）的出現，應用更多層網路，能學習更抽象理念，並融入自我學習中，加速收斂。以前努力了半天，識別能力只能提升百分之幾，現在一下提升了百分之二十幾，這讓AI取得了突破式發展。從智能投顧角度，深度學習既然極大提高了圖像識別精度，同理也可以提高識別股票價格變化的模式，雖然這並不意味可以準確預測股價。

另外更關鍵的，我認為是數據量的豐富。2010年我回矽谷時，第一次聽谷歌的朋友說他們的AI取得突破，能在YouTube上把貓給認出來了。很重要的原因是在YouTube上有了大量的視頻和圖片數據之後。對此我認為，人工智慧發展起來的關鍵是有了大量的數據，演算法提升其實是很有限的。甚至可以說人工智慧發展80%歸於數據的豐富，可能只有20%歸於演算法的提升。特別在金融行業，數據都是非常容易標籤化的，完美性這麼好，所以人工智慧最先顛覆的就是金融領域。

趣談八.深度學習最大的問題是黑箱

對於深度學習而言，人才分幾個檔次。第一級是開宗立派的人物，也就是發明CNN(卷積神經網路)、DNN(深度神經網路)、RNN(循環神經網路)這些流派的宗師級人物。還有一類人才，是真正能夠把參數調好的人，也非常稀缺。比如對於多層神經網路，是設置10層、5層還是7層效果最好？每層都有很多參數。還有給入多大的數據量才會產生理想結果？因為到一定程度，你會發現輸入越多數量，結果反而可能會變壞。

這是一個經驗值，甚至沒有規律，所以業內開玩笑叫做鍊金術。把一堆東西放一起，不知好壞，天天試，跟做化學實驗室一樣，還沒有固定的化學方程式。大部分在美國讀PhD的中國留學生是負責調參數的。但調參數能調好的人，在AI界也算是鳳毛麟角，一年的package下來也有100~200萬美金。要知道不僅在中國，在全球，人工智慧創業公司最大的挑戰都不是錢，而是雇不到人。

但這裡就產生了一個問題。比如輸入大量數據後，經過10層神經網路篩選得出一個結論，可你是沒法回溯怎麼得出這個結論的。所以深度學習最大的問題是黑箱。如果想避免一個錯誤，要修改參數，那所有訓練又得重新來一遍。正因為這個問題，自動駕駛一旦出現車禍，很難向美國交通局去解釋。在美國發信用卡的領域也存在一樣的問題。拒絕給一個客戶發信用卡，你得告知是基於什麼規則，不然人家可能會告你，但深度學習沒辦法解釋這件事。所以最近的一些演算法已經做出了一些優化。

趣談九.國內智能投顧發展境況如何？

很多人說中國資產類型太單一，ETF數量不夠，很難滿足智能投顧的資產配置需求。我們之前看了有20多家智能投顧公司，實際發現他們的配置還是很豐富的。簡直可以說是五花八門，有的配P2P資產、有的配小貸，還有人拆信託、拆私募，做MOM、FOF模式的也有。大家都打著智能投顧的旗號，但剝開皮看都不一樣，很多時候不知後面賣的什麼東西。這也正是國家在加強機器人投顧管理的原因。

還有一個重要問題是，中國基本沒有買方投顧，大家都在掙後端銷售傭金，更像賣方僱傭的銷售。所以對國內的智能投顧而言，本來是個投資顧問的事兒，卻在做銷售的活兒。這混淆了投資諮詢與產品銷售之間的界限。那麼用戶如何來評判你投資建議的公立性？這讓消費者很難信智能投顧這件事。這正是國家正加緊合規的理論依據。

另外國內智能投顧最大的問題還在於金融產品代銷資質。所以在中國做智能投顧，真正合規的只能是由大的金控公司來做，他們擁有所有的銷售牌照和資格，才能給用戶去做豐富的資產配置。不然你都沒有太多可配置的資產，跟真正意義上的智能投顧有很大差距。而對創業公司來言，每個牌照的價格都非常貴，還要搞定各種通道、支付，真的玩不起。

趣談十.智能投顧悖論

我們知道股票交易有賠有賺，如果大家都買了同一套軟體，可以預測該買哪支股票，那麼市場上誰賣呢？在一個下跌市場當中，一旦像Vanguard、BlackRock這樣的行業巨頭，用機器人投顧做出拋售指令，大家都在拋盤，而沒人買盤，單邊行情會不會導致市場崩潰？其實我認為這樣的問題可以避免。因為真正的智能投顧是能根據每個人的風險偏好不同，做出不同的投資組合和交易選擇，這樣才能讓市場有賠有賺的運行起來。

最後說一個有趣的話題，那就是人對機器的容忍度，要遠遠小於人對自己的容忍度。最簡單的無人車犯錯，大家都覺得不可容忍。但人天天都在犯錯，卻很容易獲得諒解。這是一個客觀問題。回到智能投顧這個話題，面對中國股市普遍難以盈利的行情，你說智能投顧在一個下跌市場當中，如何安撫用戶虧損的情緒呢？其實很簡單。周圍10個人如果你是虧的最多的，人家都賺，你肯定不開心。但如果機器用數據告訴你，相比量化投資和你周圍的人，你的回撤是最少的，那你肯定就不會太苛責機器了。

我是在今年年初時進入智能投顧領域的，當時只想嘗試一下，沒想到這件事成了一個熱點。講講這幾個月我們在一線的一些感受吧，主要圍繞3個方面：智能投顧這件事到底值不值得干，這個事兒怎麼能成一個生意（怎麼掙錢），以及對這個細分領域未來的一些看法。

　　智能投顧值不值得做？

　　總體來講，我對智能投顧這件事目前還是持一個中性的態度。為什麼說是中性呢？就是因為這件事是不是特別有價值還不一定。雖然我在智能投顧這個領域裡，但客觀的說，智能投顧是不是一個特別有未來的東西，目前還是看不清楚的。

　　主要原因是這樣，所有做智能投顧或者智能理財的人，一定是先給你講這樣一個故事。

　　話說，在中國市場上，真正可以供老百姓選擇的理財品類其實並不多，大致就三類：

　　A類：存款及類存款的理財產品(銀行理財等)，特點是基本有國家信用支撐，不太擔心違約，但收益率很低(3%-5%之間)，跑不贏通脹；

　　B類：權益類產品，股票、基金等，價值波動非常巨大，年均-50%-50%之間，搞的好了能掙不少錢，搞得不好就被人當韭菜收割了；

　　C類：中高風險債券，包括P2P、信託等等，特點是收益率不錯(9%-12%之間)，但存在不低的違約風險，違約後可能血本無歸。

　　對於一個普通老百姓而言，這三種東西單獨選哪一個肯定都不合適。一個理論上風險/收益最平衡的東西，一定是上述A、B、C的一個組合，無論是一個靜態組合還是一個動態策略，「最優」肯定是組合出來的，而這個最優的組合或者策略無疑是用演算法去得出的。

　　所以，智能理財當然是有價值的，而且價值長期存在，是一件特別有意義的事兒。這麼講是有道理的，這也是很多人和很多投資越來越關注智能理財的原因。

　　但是，這個結論在實踐中有比較大的問題，特別是站在從業者的角度看，第一個硬傷在智能理財這個場景中，智能真正帶來的價值並不大。

　　為什麼這麼說呢？還是拿剛剛A、B、C的例子來講，A、B、C作為理財產品都有缺陷，咱們做個組合，但這樣組合的目的肯定是平衡風險，在此基礎上取得稍微超額的收益，類似於量化中的smart beta策略。這個目標就決定了，無論你採用多麼智能、多麼好的演算法，得出的提升都是特別有限的。

　　我們實際做過測試，用最簡單的統計學優選法，用複雜的量化策略，甚至用人工智慧，不同的演算法和模型在短期結果上取得的差異非常小，基本是在年化0.5%-1%的差別。這給從業者帶來一個巨大的問題，就是你沒法用智能演算法建立競爭優勢。最好的演算法和最一般的演算法之間的區別，是可以忽略不計的。

　　所以，從生意的角度看，這件事做的好壞又變成了一個拼運營和拼獲客的生意，還是體力工作，這是目前這個行業特別尷尬的地方，就是比不出好壞。

　　智能理財如何去做？

　　1.單獨品類做智能

　　那咱們換一個思路，不用A、B、C全部去組合了，放到一個單獨的品類里去做智能？當然，現在這種做法也有很多，咱分別說。

　　純拿銀行理財去做智能，肯定是沒人這麼乾的，沒有意義。

　　拿P2P資產去做智能平滑風險的不少，有些也做起來一點規模，但是拿P2P去做這個東西其實特別尷尬。

　　第一是沒什麼技術含量，純是拼運營和獲客，本質上還是流量變現，長期不好弄。

　　第二，就是P2P去做組合這個模式提供的價值特別薄，增值也特別薄，純靠兩端價差，去彌補獲客成本，短期內是幾乎不可能的。長期來看，即使有規模，價值也很小，只是在獲取資金客戶那一端有一點價值，但是目前市場對這部分的價值認同是在變小的。

　　這個領域你會發現一些特別有意思的情況，就是你做到十億或者幾十億的規模其實並不難，但是掙錢太難了。

　　靠規模去融資也非常非常難，因為資本市場不認，而且規模越大，背的P2P資產就越多，這些資產還都是不可控的，出現任何問題都可能把你帶進去，不會有資本接這個盤。

　　所以我個人認為，基於P2P資產去做組合，做智能，基本上是死路，除非你能歸併到某個P2P閉環資產的一部分，成為一個出口。

　　看你怎麼看待這個問題。一個是分散化後平滑風險，一個是在統計的基礎上做一點優選。另外以前有個價值就是：活期，提供流動性，這個也是有價值的，這個以後肯定不能搞。嚴格來說，P2P去做這些組合，不能完全叫「智能」，但是人家現在也都這麼叫，咱也不能說這不是。

　　2.基於權益類資產去做智能

　　股票、基金、其他等價值波動巨大的各種權益類產品，在這些上面做一些智能的東西比較有意思，但也得看怎麼弄。目前來看有兩個大方向，或者說大思路：

　　一種是追求絕對收益的，也就是傳統的量化基金的打法。這是一個好方向，就是把傳統私募領域裡的量化和互聯網怎麼做深度結合，但也有現實的問題：

　　第一當然是監管。按照現在監管的思路，把量化變相轉為公募產品肯定是挑戰監管底線的。因為這個方向上風險是巨大的，需要投資者絕對具有風險承受能力；

　　第二是傳統量化的力量是否願意到互聯網上來做。真正好的量化基金，都是不缺錢的，而且都是悶聲發大財，所以他們未必有動力來互聯網上。而且，量化是和規模有關係的，規模過大的時候，量化基金的策略就沒法「跑」了，所以互聯網上這麼巨量的資金量化是承接不動的。

　　第三是中國量化的市場環境還不是完全具備。絕大部分量化一定是高頻套利，這依賴3個市場環境：第一是開放的金融市場，第二是有衍生工具提供對沖和槓桿，第三是高頻交易環境。下面一個一個展開講：

　　開放的金融市場：量化投資的大多數交易，都是發生在跨市場的套利，比如不同國家間的貨幣市場、債券市場、期貨與現貨、股指與股票等等，這個條件目前在中國不
太具備，因為資本管制，中國的投資者現在很難在其他國家的資本市場進行投資，更別說進行套利了，本國市場間嘛……證監會發言人不是說了么：「跨期現市場操
縱就屬惡意做空」。

　　衍生工具提供對沖和槓桿：量化投資需要的另外一個基本條件是有大量的衍生金融產品能夠提供對沖和槓桿，因為量化交易就是套利，所以需要有衍生產品來提供風險對沖和保護。

　　以著名的長期資本管理公司(LTCM)的例子，他們的交易策略是在債券市場上套利，每次套利的空間其實非常小(千分之幾)，所以，他們通過衍生品，使用了高達568倍的槓桿，通過46億美元的本金，持有了高達1.25萬億美元的倉位。

　　高頻交易：套利交易，掙錢的速度就取決於薅羊毛的速度有多快，手續費有多低。文藝復興每天的交易達到萬次以上，而這一點，目前在中國也沒什麼生存環境。去年
的股災，股指被所有股民當成罪魁禍首，中金所迫於壓力，限制了高頻交易，同時把手續費提高了很多倍。這招非常狠，基本上每次高頻交易賺的錢，要按現在的手
續費來繳，基本是沒有任何賺錢空間的，所以一下子，基於股票的量化交易在中國就偃旗息鼓了。

　　所以，以量化的思路去做智能理財，還有特別長的路要走。

　　3.縮小權益類產品波動的思路

　　通過TPPI或者CPPI之類的策略，優選一些基金，在基金和一些其他資產的基礎上，鎖定一個在一定範圍內的收益。

　　就以公募基金市場來看，過去三年公募基金的平均年化收益率是超過12%的，只是波動範圍巨大而已。通過一些策略來縮小基金這類資產的波動程度，鎖定一些收益，把他們轉化為普通理財小白更能接受的產品形態，這個也是有些機會。

　　4.類似投行的思路

　　做風險分級，在固定收益基礎上疊加一些場外衍生品，形成不同收益範圍和風險範圍的理財組合，也是目前出現的一下新方向。

　　智能理財的現實與未來

　　從我個人的角度看，智能理財目前還處在一個忽悠大於實質的階段。

　　單純的綜合理財組合或者基於P2P資產的組合，這個東西不會有特別多的技術含量，還是個拼運營的事兒，適合已經有強大運營力量或者獨特資產端的人去做。量化的路目前不成熟，得等。

　　在權益資產上如何把波動巨大的權益產品轉化為理財小白可以接受的東西，這個是有點前途的，但中間技術含量也不少。

　　在傳統資產形態上再做風險分級，疊加場外衍生品，也可能是個不錯的細分方向。

此觀點首發於神仙有財微信公眾號（shenxianyoucai）

　　關注此公號，閱讀更多理財好文章

說到常用的理財工具，我們會想到：股票、基金、網貸、黃金等等。但是說到智能投顧平台，相信很多朋友就很蒙圈了，這到底是個什麼東西？

以前我有給大家介紹過理財魔方和阿牛定投。最近又陸陸續續的發現了好幾家智能投顧平台。我估計以後，還會有更多新的智能投顧平檯面世。看來，這又是未來的發展的一個趨勢啊！

為了方便大家理解，我畫了一張思維導圖：

其實我們可以使用的投資工具有很多，除去大家比較常見的股票、基金、網貸、黃金、銀行理財外，還有外匯，期貨這些高冷投資產品。從圖中，我們可以看出，智能投顧平台，是屬於基金這個投資工具，下面的一種投資方式。

關於基金的文章，我以前有寫過很多了。簡單的來說，基金就是我們一群人，不知道怎麼投資，然後大家一起出錢，雇一個專業人士幫我去投資。這就好比，我們投資一家工廠，請一個CEO來幫我們管理。

當然，基金這種投資工具，是受到嚴格監管的，不是說隨便找一個人來都可以幫我們做投資。也就是說，這個「CEO」必須滿足一定的條件，比如說要學歷高啊，經驗豐富啊等等。並且，這個「工廠」也是經過相關單位嚴格審核的，不是說隨便找個人，都可以來開設一個工廠。

那我們再來看看基金是怎麼賺錢的。基金經理（也就是我們請的CEO）他會幫助我們去選擇有投資價值的投資標的。比如，好公司的股票。這個時候，有人就問了，怎麼來確定，一家公司股票的好壞呢？這就要看基金經理的能耐了，每位基金基金都有自己選擇股票的標準。（當然除去股票，基金還可以投資其他的工具，我這裡我們只是拿股票來舉例。）如果說，基金經理買入的這些股票上漲了，基金就跟著賺錢，反之就賠錢。因此，我們選擇基金的時候，找一位好的基金經理是非常重要的。

而智能投顧平台，其實和基金非常相像。只是智能投顧平台，用現代演算法取代了基金經理的角色。通過一定的標準，來選擇符合條件的基金進行投資。投資的基金賺錢了，智能投顧平台就跟著賺錢。到目前為止，我們發現智能投顧平台，投資的標的都是公募基金。（或許以後，還會出現投資其他標的的智能投顧平台）。

那麼問題又出現了，智能投顧平台，真的能夠賺錢嗎？根據我的觀察，就目前的情況來說，各家智能投顧平台的運行還是非常平穩的。今年這上半年，我們A股走勢不好，但是很多智能投顧平台都是跑贏了大盤的。這說明智能投顧平台有一定的抗風險能力。同時智能投顧平台還有一個優點，那就是他會根據市場行情進行調倉，讓智能投資組合能夠持續的上漲。（同樣，每一家智能投顧的測評標準不同，以後有機會再詳細給大家做分享，這裡先給大家說說什麼是智能投顧平台。）

我一直覺得，智能投顧平台，對於一些不知道怎麼買基金的朋友，是一個很不錯的入門選擇。只是，智能投顧平台剛剛才推出，還沒有經歷過長期市場的檢驗。所以到底在牛市的時候表現如何，我們現在還不知道。不過根據他們的投資邏輯，我估計有的智能投顧平台，在牛市的時候是跑不贏大盤的。也就是說，賺錢的時候，賺的會少一些，但是虧錢的時候也會虧的少一些。那麼，我們就看出智能投顧的優勢，就在於一個字：穩！所以呢，我剛才說，它適合那些不知道怎麼買基金的朋友。

但是，由於智能投顧平台推出的時間還不夠久，而且目前，在智能投顧這個領域，還沒有政府的監管。因此我覺得，這樣的新工具，我們可以進行嘗試性投資。但是，目前不建議大家投入大量的資金。我們可以跟蹤觀察，等到條件成熟的時候，再追加投資。那到底智能投顧平台的未來會怎樣呢？讓我們我們拭目以待吧！

文/胡瑞國家理財規劃師微信公眾號【胡瑞微講堂】

先掃盲，這個智能投顧並不是阿爾法狗的那種「人工智慧」。

它雖然帶著智能兩個字，也屬於FinTech領域，但目前的理念和技術都跟人工智慧沒有一毛錢的關係，它實際是金融學中的投資組合理論，跟信息科技中的大數據、雲計算結合的產物。

投資組合理論是什麼鬼呢？它主要是想幫投資者解決這樣的問題：投資產品有很多種，它們的收益率和波動風險各不相同，如何根據個人的風險和收益偏好，配置出一個投資組合來，使得它同等風險下收益最高、或同等收益下風險最低？

這涉及到大量的數據和計算，一般需要專業人才方能完成，比如專業的投資顧問。問題是，人工的投資顧問很昂貴，只能為極少數有錢人服務。

智能投顧的出現解決的痛點就是：降低成本，提高收益。

理想的智能投顧能藉助越來越發達的雲計算能力、越來越豐富的金融數據，將投資組合理論的原理自動應用起來，低成本、大批量地向普通投資者，提供相對個性化的投資服務。

比起普通的人工投顧，智能投顧服務的門檻和費用低得多，能夠大規模服務普通客戶。而且，技術更新迭代是很快的，且沒有人類常見的貪婪與恐懼的非理性情緒干擾，會比大多數人工投顧更好。

當然，這都只是我們理想中的智能投顧。從無馬識財（wumajinrong）微信公號梳理的下面這些國內智能投顧產品來看，目前的智能程度還真不能說有多高，部分產品甚至只不過是打著「智能投顧」的噱頭來銷售基金罷了，頂多算一個FOF（基金中的基金）。

投資說到底還是要靠業績說話，是騾子是馬拉出來溜溜就是。

所以要評判智能投顧的效果，咱們就來跑個分，看一下它們的賺錢能力。

無馬識財公眾號（wumajinrong）整理製作，2017年5月23日數據。其中申購費率按所了解的最低值列出，僅供參考。

上圖是一個簡單的小測評，我們選了理財魔方、摩羯智投和蛋卷基金三個熱門產品，在風險評級中選擇6級風險，即穩健平衡型，和滬深300指數基金對比，跑了一下數據。

結論是啥？

三個智能投顧產品近一年收益率都不敵滬深300指數基金。另外，其申購費率也沒有什麼優勢。

讓人遺憾。如果我們光根據「智能」兩個字去聯想，甚至跟阿爾法狗的表現聯想起來，智能投顧目前的效果讓人失望。

說好的降低成本，提高收益呢？

最後還是留點希望和盼頭。畢竟智能投顧剛起步，不能太過苛責。隨著技術不斷迭代，未來得到廣泛應用並大量取代人工投顧還是極大極大可能的。

只不過，道路漫長，我們仍處於「社會主義初級階段」，目前就留個心眼，不要輕信宣傳話語，不要迷戀「智能」吧。

以上。

本文內容首發於微信公眾號「無馬識財」（ID：wumajinrong）

未經許可嚴禁轉載，違者沙包大的小拳拳捶你後腦勺~

看好智能投顧，怒答一記。

前方長文請注意！！！

一、概念：

「智能投顧」（Robo-Advisor）又稱機器人投顧，投資人可以直接把錢交給專業機器人來打理，簡而言之就是通過以技術為依託，用互聯網和AI手段替代傳統的投資顧問的職責（風險偏好分析，資產配置，投資組合推薦），從而實現高效精準的資產配置。

二、理論基礎：

智能投顧的理論基礎是脫胎於是諾貝爾獲得者馬克維茨在1952年提出的投資組合理論。馬克維茨將所有資產配置的可能組合作成一個面，其邊界上的每一個點都是一個最優資產組合。從縱向的角度看，它是某一個確定風險上回報最高的資產組合；從橫向的角度看，它是在你希望得到的回報上風險最小的資產組合。簡而言之，就是通過多樣化投資分散投資風險，控制穩定回報率，而智能投顧正是可以利用其更精準的模型和演算法實現分散風險和獲得長期收益。

除此以外，支持的理論基礎還有量化投資策略，其中包括多因子選股策略，趨勢跟蹤策略，事件驅動策略，風格輪動策略，Alpha策略，無風險套利策略，統計套利策略和期權/可轉債和標的套利策略等。

三、起源：

智能投顧起源於美國。而背景則是傳統投顧高昂的服務成本和服務人數的局限性推動技術革新去取代人力做更好的服務。因為在美國大部分人有退休金計劃，其中83%的投資者都需要專業的投資顧問服務，但是傳統投資顧問的服務費高達一年一萬美金，服務於年收入1000萬美金以上的高凈值人群，服務費用大致在1%-2%之間；相比之下智能投顧可以通過高效和更精準的演算法和模型提高服務效率，降低邊際成本，同時也通過低昂的服務費（0.1%-0.4%）服務更多以前傳統投顧無法服務到的中產階級及年收入更低的受眾群體。

智能投顧真正開始進入大眾視野應該是在2010年Betterment和Wealthfront名聲大噪以後，這兩家美國最為知名的智能投顧公司，開始面向C端個人理財用戶推出基於智能技術與演算法的資產管理組合建議（其中包括債權配置、基金配置、股票配置、房地產資產配置等）。

2014年智能投顧進入快速發展階段，出現了諸如Personal Capital的除了兩家巨頭以外的企業；而美國最大的投行高盛投資1500萬美元收購了人工智慧公司Kensho，希望用人工智慧取代基層分析師的崗位；2015年全球最大的資產管理公司貝萊德收購了估值在1.5億-2億美元的機器人投顧初創公司Future Advisor，並希望以此行智能投顧相關的的基金投資產品。根據Citibank智能投顧市場報告來看，從2012到2015年底智能投顧管理的資產規模從零增加到了187億美元，增速之快令人咋舌。

四、優缺點：

優點：

交易理性化。機器人沒有情緒，可以通過已設定好的模型和程序嚴格執行交易指令（比如到達止損線/止盈線），不會像人類投顧那樣會受情緒和交易心理（比如猶豫，貪婪等）造成投資失誤
分散風險，控制回撤。通過合理的交易指導思想以及合理演算法和程序，進行比人本身更精準的風險控制並且分散投資風險。
可持續相對穩定的收益率。通過基準線benchmark設置，可以通過過去算出回撤給出合理方案（篩選投資標的和控制倉位）維持一個相對穩定的長期收益率。

缺點：

對人才要求非常高，既需要很頂尖的建模和IT知識，也需要很懂金融交易，不然很難以設計出相對優質的智能投顧。然而這類人才本來就相對稀缺。
不適合高風險投資者。智能投顧更適合長期相對穩定的收益率，一般也就實現比銀行利息略高，無法像期貨和股票那樣短期內實現巨大收益，因此收益率表現相對平庸，不適合很多希望通過短期波動獲取高利潤的投資者。

五、中國已有的智能投顧創業公司：

通過簡單的統計，我總結了目前市面上相對活躍的主打智能投顧的金融app，通過目前融資階段和運營數據可以對目前國內智能投顧類創業公司有個直觀印象：

從上面表格可以看出，目前國內智能投顧創業公司裡面並沒有出現一個絕對佔領市場處於壟斷地位的公司，還處於群雄混戰階段，而目前To C的智能投顧創業公司也是占絕大多數，但是在中國目前如果直接To C是很難做起來的。

六、中國困境：

我認為在中國未來相當長一段時間裡，To C的智能投顧是個偽命題，很難大規模推行或者有長足發展。目前的中國要想成功複製美國Wealthfront，Batterment這類智能投顧模式面臨著一些大的挑戰，首先是智能投顧適合的投資產品類型中美就有很大的差異：

1）中國目前的法律不允許非法集資，先有理財產品才允許集資。Batterment的方式為收到用戶投資資金後，根據不同的風險喜好，投資在不同的國家，不同種類的ETF和中國的法律相違背

2）從資產角度來看，國內ETF規模較小，數量少，據wind的不完全統計，截至3月初大約有120隻ETF，規模不到2000億元，而且主要是傳統的指數型ETF，債券型ETF、商品型ETF等較少。

3）就資本市場環境和投資用戶心態而言，國內投機性強，價值投資者稀少。

其次，就是中國散戶投資者缺乏對智能投顧的信任，更相信自己通過各種渠道得到的信息，而且中國投資市場並沒有像歐美那麼普遍的投顧傳統，中國散戶習慣於自己參與資本市場投資，這和歐美市場主要以機構投資者為主不一樣；而散戶即使不自己直接參与資本市場，也更傾向於委託或者投資於通過人（比如基金經理）而管理的基金來投資，對於純粹依靠冰冷的程序演算法來投資始終會抱有一種懷疑的態度。

並且收益率在中國遠達不到中國大眾投資者的預期，因此無法獲得忠誠用戶。中國股市因為不夠成熟，無法像美股那樣進行價值投資，大部分散戶都經歷過大起大跌的牛市和熊市，習慣於超短期內獲得超短期收益率，是無法接受智能投顧短期遠低於以往在中國資本市場獲得的收益率。

在技術方面，智能並不能實現真正智能：在演算法和程序與金融的結合的技術上達不到，也缺乏像Google里那麼頂尖的人工智慧專家，這類人才一般也在頂尖的科技公司里而不是在金融公司里，因此可能所謂的智能投顧並不能真正實現。

從投資溢價策略來說，投資博弈里的獨佔收益和普及性在智能投顧里也是個悖論：因為資本市場假定是個零和市場或者趨近於零和市場，那這裡面代表著一個人賺錢同時也有另一個人虧錢，因此存在著優於別人的交易和投資策略。而假如智能投顧能通過演算法和程序實現長期更優的策略，那它如果是被一個人所用，是可以產生更大收益並且實現盈利，這種時候就是通過獨佔市場上更優的投資策略獲得投資溢價回報；但倘若這種策略變成服務於大眾的策略，那就說明這種策略被大部分人所有，基於資本市場的零和遊戲性質，收益率必然會下降，因為一個策略被大部分人所熟知時就失去了市場上較之於別的策略的相對優勢，而這個策略也就漸漸失效。因此，通過高效和低服務費來為大眾提供投資顧問服務和獲取高回報投資收益在智能投顧的問題上本來就是個悖論。

七、智能投顧未來出路：

雖然我不看好在國內這個散戶佔大多數的投資環境里做To C端的智能投顧，但是智能投顧從長期科技發展的角度來看是個需要持續關注的方向，而To B的智能投顧也許是目前很多創業公司可以探索的方向。而這裡To B的智能投顧可以做兩塊業務：一塊是給金融公司提供智能投顧的演算法和程序的技術支持（比如系統等）這種收費模式主要是以系統license購買和系統維護費，還有單個模塊的收費；另外一塊業務可以通過給中小基金公司還有資產管理公司提供底層開放式策略SDK以及定製化的智能投顧策略，通過策略進行收費。通過To B 業務不斷打磨產品完善智能投顧的演算法和程序，在有強大積澱的時候To B再To C，這樣就可以避免需要獲取C端流量的尷尬冷啟動，從而慢慢打開市場。

以上回答由青銳創投負責該行業研究的投資經理楊瑜 @楊瑜提供，我們也在自己的同名公眾號『青銳創投』更新自己的行研和觀點，歡迎知友們關注與交流。

自己能明白馬科維茨理論是什麼的人也不需要用這些.