智能投顧通過大數據提供專業的投資建議，請問智能投顧給的建議是否靠譜？能否像巴菲特一樣成為理財高手呢？

01-09

巴菲特被稱作為有史以來最偉大的投資家，他依靠股票、外匯市場的投資，成為世界上數一數二的富翁。而智能投顧號稱只需把自己的資產狀況和收益目標告訴他，他就可以自動完成資金在包括銀行理財、股票、基金、網貸等各種理財產品中的分配，請問是夠靠譜？佔據大數據優勢的智能投顧能否戰勝巴菲特？

哈哈哈哈，我先說一下我的收益目標。

我希望能夠每年翻10倍，在我到50歲的時候，超過王健林和馬雲，成為中國首富。

不知道是我沒看清楚題主的意思，還是題主沒看清楚人家的意思。

你說幫你分配資金，那是完全沒問題。

但賺不賺錢，那就得另說了。

美國有個很成功的程序化交易的基金，我忘了什麼名字了。（一直不記得人物名字這些）

人家的程序是需要數學家、生物學家等人物一起研究出來的系統。

因為人在交易中都是有情緒的，包括貪婪和恐懼。不得不考慮這些因素進去。

你可以看看智能投顧到底有什麼。現在中國的情況，所謂的佔據優勢，說的是大數據吧？

這玩意兒說白了，就是幫你匯總一批工具，然後看看哪個收益高。

最後，告訴你一句最重要的：收益與風險，一定是成正比的。你選擇的工具收益越高，風險越大。

機器人投顧的抉擇流程

數據來源：好買基金研究中心

機器人管家的心臟

如果追根溯源我們的BL模型，要從一個名叫馬克維茨的美國人說起。馬科維茨出生在美國伊利諾伊州，20歲就從加哥大學經濟學本科畢業的他精通數理。5年後，馬克維茨用一份僅有14
頁的《Portfolio Selection》奠定了資產配置數量化的基礎。他的方法現在看來非常傳統，將資產的歷史收益率分布的均值視為期望收益率，將方差視為風險，並希望能構建兩類組合：追求收益的組合和控制風險的組合，並通過模型最小化前者的波動或最大化後者的收益。為了將這兩種最優化問題合二為一，馬同學定義一個叫做風險厭惡係數的東西，將「什麼樣的組合才是好組合」這個哲學問題轉換為數學上的二次優化問題。風險厭惡係數可以通過特定的歷史風險收益比算出，也可以取國際上的經驗常數2.5。

這個偉大的「土辦法」叫馬科維茨均值-方差模型，大家會發現這個「一兩句話就能解釋清楚」的模型好像只要輸入歷史數據就能給出各類資產配置比例，這顯然是基於歷史是會重複的。但經歷過幾年投資的各位都清楚，資本市場的殘酷很多時候是不接受這種假設的，至少在中短周期內。專業投資者因為較非專業投資者掌握更多的信息，他們常常能夠通過主觀判斷在資產配置方面做得更出色。所以，如果能在數據的基礎上疊加些主觀判斷，模型將變得更加穩定；相對的，如果能在主觀判斷的基礎上疊加些數據驗證，資產配置將變得更加可信。

BL模型構建思路圖

數據來源：好買基金研究中心

BL模型應運而生。1990
年，Fischer Black 和Robert Litterman
兩位經濟學家一起琢磨出了BL模型的雛形，並於1992年發表。模型自提出之後也有個逐步被廣泛接受的過程，現在已經是各類金融機構主要的資產配置工具之一。其實BL模型同樣是做二次優化，即在相同的風險偏好下，最優化資產組合的收益風險比，輸出的資產配置權重就是模型最優方案。與均值-方差模型不同的是，馬同學將歷史收益和方差作為優化中的模型係數，而BL模型則將歷史數據與主觀判斷相結合，給出合成的輸入參數。

這裡的主觀判斷可以包含兩類：

（1）資產或組合的絕對收益，比如滬深300未來一年要上漲10%，或者股債平衡的組合未來一年能賺8%；

（2）資產之間的相對收益，比如未來一年中證500要比債券指數多賺10%。

當然，我們的觀點都能用數學的方法展現，形成我們的觀點矩陣。這裡就有一個問題，如何權衡客觀歷史數據和主觀專業判斷的輕重？換句話說，我們是更相信歷史會重演還是更相信專家的預判？這時候模型中的平衡參數就發揮了作用。這種比較自然的參數導入過程可以避免過度擬合的無效結果。

外來的和尚好念經？

這樣兼具資產配置和標的推薦的功能能否在當前中國市場有效？準確？現在下定論還為時尚早。數量化地預測經濟數據和分析投資環境需要大量詳細的官方底層數據，這一點目前中國的數據市場還有待成熟。同時數量化地推薦投資標的更需要給每個投資標的打上數千個特徵向量，用於匹配投資環境和投資者。特徵向量的有效性需建立在較為有效的市場環境下，眾所周知，以散戶為主導的中國資本市場較易產生雜訊交易，從而誘導資產價格的偏離。股票尚且如此，作為股票組合的公募基金更是有難度。

所以在當前的中國市場環境下，智能投顧可以說是藍海中的藍海，操作簡單便捷、降低投資門檻、注重投資紀律、省錢高效都是它不可忽視的優勢。而這樣的核心優勢在於讓普通用戶能享受到專業、低成本的投顧式服務，幫助他們找到最適合自己的資產配置。

A.T.Kearney 預測智能投顧行業 AUM (億元,$)

數據來源：好買基金研究中心、A.T.Kearney

特別是在互聯網化越來越強的基金投資過程中，客戶更適合通過智能投顧來獲得合理的資產配置建議，在基金的篩選層面，我們認為還是需要以人機結合的形式為主。根據基於基金經理的操作風格的研究方法，選擇優質的基金，並將客戶劃分為不同風險偏好等級的幾大群體，為不同類型客戶提供針對性的基金投資建議。誠然，路還很長，監管難和模型趨同下造成的市場衝擊都是未來發展中值得關注的。但通過20%的付出來為80%的投資者提供成本更低、體驗更優的專業化服務，我們相信這會是未來互聯網基金投資的一扇窗。

謝邀。

要想實現資產的保值、增值，每個人，每個家庭都有著不同的匹配方案。巴菲特能在資本的海洋里浪遏飛舟，成為股神，離不開巴氏投資秘訣——就是不要雞蛋都放在一個籃子裡面。細數巴菲特持有的資產類別，共有7大項：保險業、上市公司股票、固定收益投資、現金、擁有的子公司、私人企業及其他。

08年的金融海嘯可以說是巴菲特最經典的案例。

2008年金融海嘯時，美國財政部主管向國會議員報告，要儘快伸出援手對銀行界給予緊急救濟，否則，全美國可能僅有一家銀行倖存「富國銀行」，為什麼？因為巴菲特是富國銀行幕後大股東，而他存有的現金足以應付金融海嘯，即使一個籃子倒了，還有6個籃子可以恢復元氣。

理財沒有標準答案，而現代人不缺信息，缺的是良好的決策。智能投顧產品的出現，可以結合投資者的年齡、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，為投資者提供相關的理財建議。

說白一點就是，在智能投顧的幫助下，投資小白的投資行為也經過了專業的金融風險評估，可根據自己消費情況、資產狀況、理財目的、理財心理等將資金分散在不同品類的金融資產中，享受到屬於自己的定製服務。

坦白的講，智能投顧是基於歷史數據和歷史檢驗得出結論，更多的是優化配置，要達到巴菲特的水平還有很長的路要走，其最大的特點就是使產品組合和用戶之間有適當性以及合理的風險收益比，並且機器和模型能在不同層面貢獻自己的相對價值，使得用戶達成長期財務目標的勝率更高。

市場環境是不斷變化的，因此，要想獲得市場的勝利，必須具有前瞻性。投資或許不需要天才的智商，飛凡的商業頭腦，以及內幕消息，但是要有健全的知識結構，這也是投資的藝術性所在。

一切無法明確回答盈利來源或不明確告知風險的系統都是用來大規模收割智商稅的… 人類歷史上所謂新技術新巿場有高回報率並不少，比如南海泡沫、P2P，今年人工智慧這麼火，智能投顧自然也炒一把

與智能投顧相關的資金埠、資產埠、技術埠都存在有智能投顧憑一己之力難以克服的困難，智能投顧的發展必須隨著金融市場的成熟亦步亦趨，難以在短期內快速發起。但這種「身不由己」，並不意味著個體參與者只能隨波逐流，不斷創新探索也可能創造獨特的機會，又反過來助力金融市場成熟。

詳見本人文章：

傳統投顧解決不了的問題，智能投顧也許能起到推動作用-鈦媒體官方網站

與國外相比，國內股市波動大，股民承擔的投資風險也隨時上升，同時人工投顧受經驗、知識儲備等主觀因素的影響，難以做出理性投資，風險上升。而智能投顧主要起到的是分散股民風險，幫助股民獲得穩定收益的作用。它是利用人工智慧，根據現代投資組合理論，投資於低相關性的大類資產，包括股票，債券，對沖基金，私募股權基金及房地產等達到分散風險獲得穩定回報的效果，克服了人性的因素，以更科學的演算法和更先進的科技給用戶提供個性化的投資策略，其核心技術主要體現在現代投資組合理論，投資策略生成，量化投資以及智能代理。對於投資者來說，智能投顧無疑是利好的，降低了風險，智能優化配置，個性化策略，是比較穩健安全的投資方式。

好了，更多關於智能投顧的分享我會在我的專欄更新，歡迎關注飛蟬智投-知乎專欄