如何理解量化投資與智能投顧的關係？兩者有哪些異同？

量化投資是存在已久的話題，已被廣泛使用，通過數學模型計算，一些限制條件直接下單。智能投顧是很新的話題，各大機構都在做相關話題研究。那麼量化投資和智能投顧背後有著什麼樣的關係，其異同點有哪些？

本題已收錄知乎圓桌 ?金融科技浪潮 ，更多「金融科技」話題討論歡迎關注

謝邀。

量化投資在海外的發展已有30多年的歷史, 通常是指通過計量(Quantitative)的分析方式形成投資決策，並以計算機程序化發出買賣指令, 快速完成投資組合搭建與再平衡，以獲取穩定收益為目的的交易方式 。其中最有名的量化基金, 莫過於詹姆斯·西蒙斯（James Simons）的大獎章基金。

與傳統基本分析最大不同，量化投資的特色在於紀律性, 包含形成決策的紀律與交易執行的紀律, 這樣的紀律避免了若干投資行為偏誤(Behavior Error), 例如投資時的」確認偏誤」、」舒適區效應」, 或執行時」厭惡損失的偏誤」。

因此基於量化投資所產生的投資組合決策, 對於風險控制通常較基本面投資為佳, 但不代表收益一定優於基本面分析所帶來的回報。

量化投資, 包含了趨勢交易(動量交易)、價差交易、套利交易等等;

以比較經典的CTA（商品交易顧問,也稱作管理期貨）為例, 主要以尋找商品波段投資機會為主, 其實跟一般人炒股賺波段差距不大, 但卻因為可系統性執行, 最終產生較佳結果。建立CTA組合,依過去的經驗包含5個方向：

首先要確認趨勢, 趨勢確認可藉由均線關係、技術指標、價格振幅、波動率等, 做出多頭倉位、空頭倉位、無倉位等判斷;

其次需要對手續費做出計算,並對開倉後設置停損點與停利點, 來保護每次交易, 避免極端虧損;

再者需對產品種類做分散, 例如可在不同市場中(滬深300、中證500、黃金、鐵礦石、國債期貨,..等)做出適度分散, 趨勢交易最怕市場出現小區間震蕩, 品種分散後, 即有機會獲取較高收益, 分散風險;

時間分散: 即使未做到產品分散, 模型開發人員可運用不同信號檢測頻率, 使得模型交易時間多樣化。例如，對於一天來看, 滬深300也許上下振動後, 回到開盤時的點位, 但是從3分鐘的時間間隔來看, 也許已經有了好幾波的短趨勢交易機會, 因此時間分散也是構造投資模型所必要的手段

模型疊代: 經由時間的改變, 適合市場的參數也會有所調整, 因此量化投資經理, 需更新所使用參數, 獲得更加收益

由於量化投資方是多元化, 我們概列出每類量化投資的機會成本, 供各位讀者參考

智能投顧（robo advisroy）與量化投資的區別

Robo Advisory在國外的實踐中，是指以大類資產配置為理論基礎，通過以ETF為核心的公募基金做為底層資產，運用計算機技術與人工智慧等創新科技來進行投資。

在國內，這個詞通常被翻譯成智能投顧，然而國內投顧一詞特指股票投顧，而在實踐中，國內所謂的智能投顧很多時候包括了對股票和其他產品的投資，跟國外的實踐已經不一樣。我們更願意把自己開發的robo advisory系統叫做數字化資產配置。下文為了方便用戶理解，我們還是用智能投顧一詞。

智能投顧是結合量化投資與財富管理業務的創新服務模式, 為廣大客戶提供長期的配置建議與便捷的交易形式。

但由於智能投顧包含了建議、任可、執行等環節，並非全權委託形式，因此與一般私募的量化投資相比，有一些重大區別：

(1)從交易頻率看，智能投顧較適合於中、低頻率的量化分析輔助模式,避免投資人因反應時間不足, 喪失了投資機會但卻承擔了對應風險；而高頻薦股的服務模式, 即會發生投資人發生認知與執行的誤差成本，不適合智能投顧。

(2)從風險控制手段看， 傳統量化交易, 可利用平倉, 多、空單搭配, 降低風險, 但快速平倉與建倉往往帶來高額手續費, 即使最終能獲利,對於一般人的投資理財容易造成感知不良的影響。而放空或避險交易則又牽扯到不同帳戶體系的操作(期貨、場外交易), 雖然是理論可行, 但在監管、法規考量後, 會使得可執行性大幅降低, 因此智能投顧則最好採用同一帳戶體系中分散配置的方式, 增加風險控制的可執行度,。

以美國的智能投顧而言(WealthFront/Betterment), 就是以股票賬戶中的ETF追蹤全球資產配置; 國內智投(璇璣智投、摩羯智投)則是以公募基金賬戶中不同類型的基金追蹤全球資產配置機會作為達成智能投顧的執行媒介,。

也正因如此, 對於智能投顧採用的投資量化分析方式偏向了多因子學習, 這樣可運用傳統的數理模型, 也能進一步用機器學習演算法來做出市場預估。

此外智能投顧還包含了客戶需求分析、風險分析, 數理化投資組合構造、再平衡機制等。 相對於量化投資, 智能投顧更需強調客戶分析部份，方法上包含了傳統的風險屬性問卷,、客戶行為分析預估,、客戶生命周期判別, 機器學習也能在客戶行為模式中, 增加分析能力, 對於財富管理第一步「了解客戶」,提供更細緻的探索。

至於配置理論與投資組合再平衡，則包含了許多不同的方式, 我門列舉幾種常見的方式如下, 模型開發者可根據市場不同情況利用不同的配置理論與再平衡方式為投資人提供出智能配置與調倉服務

配置理論:

(1) 馬科維茨的均值方差-有效前沿組合或其後繼者Black-Litterment的模型修正

(2) 懶人組合(1/N)

(3) 風險平價組合(Risk Parity)

(4) 戰略/戰術配置方案..等等

投資組合再平衡:

1. 買入並持有策略(Buy-and-hold Strategy)、
2. 恆定混合策略(Constant-mix Strategy)、
3. 固定比例投資組合保險策略 CPPI(constant proportion portfolio insurance)

對於客戶來說最好理解的莫過於懶人組合搭配恆定混合調倉策略。

舉個簡單的例子,客戶起始投資於四個市場(美國、中國、債市、黃金), 因此每個市場配置25%, 設定固定期間檢查配置(假設半年後)；

此時美國、中國屬於強勢市場。 因此當前投資組合配置中, 美國與中國的投資配比已大幅超過25%的初始配置, 需要減倉,；

而債市與黃金則大幅低於25%的配置, 因此需要加倉, 此種投資方式最適合于震盪式的市場, 但是當單一市場出現大幅回落時, 會不斷加碼於弱勢市場, 導致無法避免的投資組合回撤。

因此智能投顧為了在風險控制上獲得更好的解決方案，採用了馬科維茨的均值方差理論。這能提供兩大優點：

(1)首先對於客戶分類來說, 不同客戶的類別可藉由不同收益/風險的組合做出個性化區別, 積極型的客戶, 風險承受能力較強, 因此能夠選取高風險/高收益的投資組合,而保守型客戶則適合低風險/低收益的投資組合。

(2)對於投資市場判定來說, 馬科維茨的均值方差理或BL模型中的預期收益, 能藉由機器學習方法, 預估未來市場走勢,當預估市場較好時選取收益較高的組合, 而預估市場走弱時, 選取較穩定的組合, 利用這種模式及可幫客戶在資產配置與風險控制上同時做到均衡；

總體而言智能投顧並不止於傳統的量化投資或基金組合(FOF)當中對於市場的分析或組合管理方式，更加上了對於投資者的不同屬性刻畫，與其所對應不同的服務模式。

當然每個地區的法令、監管考量不同, 對於整體技術服務筐架的落實也會產生極大的差異化與特殊性,因此智能投顧應該視為一套科技理財服務模式,而量化投資則視為一種投資模式或產品類別, 兩者事實上不存在優劣關係;

至於不同的智能投顧服務, 也有本質上的差異, 包含客戶分類方式不同、配置構建方式不同、調整方式不同, 每個智投服務模型都存在其核心價值, 有些是以追求收益為前提, 有些則是以追求長期穩定為前提, 對於一般投資人來說,建議應該以長期投資的理念、多元資產配置的思維來參與智能投顧的時代。

一個是投資一個是投資顧問，投資的目的是尋找超額收益，服務對象是資金。投顧的目的是為客戶的投資提供建議，服務的對象是客戶。

理解了這兩者的本質區別後再來看量化投資與智能投顧的區別，量化投資是投資的一種，是用量化的手段來評估收益風險而做出更理性的投資決策，智能投顧是用更智能的手段來給客戶提供投資建議，重點在於用更多緯度的數據了解客戶，用更精準的推薦引擎推薦投資組合，理財產品，風險提示等，或者用機器學習深度學習來分析用戶交易記錄，提供個性化的診斷，當然目的還是為了更精準的推薦而已。

為何兩者會讓人產生困惑在於很多團隊用量化投資的思路來做智能投顧，妄圖產生幾個或者大量的能戰勝市場的量化策略，卻不知對於一個匯聚了最聰明最頂尖的優秀人才的投資團隊要得到一個能戰勝市場的有效策略有多難，卻無法回答你的策略如果有效為何不直接做投資？(當然有人很好的回答了這個問題:做投資的公司估值不如做智能投顧公司的估值高)，另外說到兩者可能的相同的在於兩者可能都會用到機器學習深度學習這些智能的手段，讓人們恍惚覺得兩者有聯繫，但是這只是器的類同，其實有著本質的區別的。

謝邀：

兩者不是一個層面的東西，量化投資與智能投顧的關係類似於互聯網技術與電子商務這種關係。

量化投資我的定義如下：通過數字化手段，包括但不限於量化建模和程序化交易，對資產配置、擇時選品等進行操作管理的方法。

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。

智能投顧之所以能做到智能，是因為他有一套演算法可以根據不同的入參輸出不同的出參。當我們把這套演算法放到個人資產管理層面，就是智能投顧了。智能投顧藉助了互聯網在傳播成本上的優勢得以快速擴大規模，這就要求他必須使用量化投資的方法。

國內的智能投顧啊，其實就是自己做不出來能賺錢的量化交易策略，就轉做智能投顧，去忽悠客戶買自己代銷的各種理財產品和基金，自己從中賺取傭金。更有甚者就是為了畫餅忽悠VC/PE投資人。

他們會讓用戶去輸入自己的風險偏好，然後輸出一個所謂的最優組合。稍微好點的，就弄個馬科維茨，更有甚者就是用他們代銷的各種產品的歷史數據，進行一個靜態的加權，然後用幾個for循環暴力枚舉得出最優權重，輸出給用戶，並告訴用戶這是人工智慧得出的最優結果。

國內做智能投顧的，大部分是一些互聯網公司，基本上都是舔著臉來蹭「量化金融」和「人工智慧」概念的。這些公司的領導和員工根本不懂金融，還談資產配置，這不笑話嗎？互聯網圈天天靠畫餅、忽悠、PPT蹭各種概念提升估值最後上市套現已經是人盡皆知的套路了，論浮誇、論PR能力，絕對不比國企差。

大到BATJ，小到各種亂七八糟的互金創業公司，基本都一個玩兒法。他們根本不尊重金融，以為招幾個碼農隨便搞搞就能行。也根本不懂人工智慧，在他們的定義中，汽車、點燈所有能帶點自動化的，都能算人工智慧了。

智能投顧不智能，終究是用來畫餅和騙外行的花架子而已。

智能投顧包含了量化投資和主動投資，除了和量化投資一樣用數據說話之外，還可以為個人量身打造符合自身風險水平，投資偏好，以及標的優選等組合選擇，更加帶有個人風格。

一個是交易員，一個是分析師；一個是實戰從市場賺錢，一個是嘴炮從客戶「騙」錢；一個是虧了被人說能力不行，一個是虧了說人沒操作好。 「智能」兩字，爛爛爛！