與傳統的投資顧問相比，智能投顧具有哪些優勢？

智能投顧會對資管行業造成怎樣的衝擊？

本題已加入知乎圓桌 ?金融科技浪潮 ，更多「金融科技」話題討論歡迎關注

【理論上】

傳統投顧做了兩件事情，一個是資產管理，選擇優秀資產池；一個是財富管理，根據客戶需求，結合未來現金管理，做資產配置。

智能投顧把這個工作信息化了，批量化做資產管理，自動化做財富管理。由於沒有服務的邊際成本，低凈值客戶也能享受，普惠金融。

【實際上】

對高凈值客戶：拼到最後拼服務，智能投顧沒啥優勢。

對低凈值客戶：用戶缺乏金融素養，根本不會買這種長期緩慢增長的產品。今天市場上很多智能投顧公司做出來的東西只爽到了自己，用戶並不買單。那麼用戶喜歡什麼？以下幾個我碰到的例子，供參考：

1. 牛股王：每天展示前一天的top10牛人，邏輯簡單易懂，跟著能人賺錢，還免費。用戶增速極快，但是一般小散買進去就是暴漲暴跌大概率虧損。
2. 金蛋理財：每天可以「砸金蛋」抽加息券，分享可以再抽獎。用戶增速極快，但其實風險收益不對等。
3. 京東理財：利率曾經低於過國債，竟然還有人買。
4. 雪球：反面教材，作為國內用戶質量的股票社區，開一個蛋卷基金，結果主推產品天天做廣告只賣了不到2億。而東方財富旗下的天天基金網2016年賣了3000多億。

在中國，智能投顧是一個典型的「肉沒上，狼已經來了」的概念。

在普羅大眾甚至都不知道什麼是投顧的時候，一大堆公司高舉「智能投顧」的大旗，對用戶虎視眈眈，宛如雄安新區成立前對「副中心」蠢蠢欲動的炒房客，但他們沒想到的是，新成立的雄安新區不炒房，那裡根本不賣房子。是的，我想說的就是，用戶根本不需要你們的「智能投顧」。目前，與傳統的投資顧問相比，智能投顧（Robo-Advisor）沒有優勢。

在美國，智能投顧之所以火有幾個重要原因，一是用戶早就習慣為傳統的投顧買單，且價格高昂；二是因為401K方案使的大量打工者每個月自動將部分工資投入共同基金，成了股市的穩定器；三是美國的共同基金投資有著相當複雜的稅率演算法，計算機對這個很在行，僅此一點就能減少用戶1%（以上）的損耗。而這三個條件，中國都不存在。

不管說的如何天花亂墜，用戶就是需要掙錢。如果產品的盈利能力不如隔壁「股神」，不如P2P，甚至不如銀行理財，誰管你智能不智能呢？春風十里，不如包子一屜；智能投顧，不如閉眼炒股。

但，其實，中國人還是需要投顧的。智能，也有用武之地。

要做好智能投顧，首先要做好投顧。不知為何，說起投顧，我忽然想起上圖裡紫霞仙子的那句話。可能是因為它體現了做好投顧最重要的一點吧，那就是「信任」。

我相信專業的理財建議對大部分中國人來說都有益處，因為反例實在太多。比如，很多人在股市，P2P中血本無歸，也有很多人只存銀行定期，任憑貨幣貶值。但即使知道正確的道理，執行起來還是太「反人性」，所謂「知易行難」。

所以好的投顧，首先是要有完善的投資體系，二來就是要有超強的心理按摩能力。他要讓用戶理解並相信這個投資體系，他要陪伴客戶經過寒冬，享受春天，在漲和跌都抱有對投資體系的信念，「騙就騙吧，就像飛蛾一樣」。這樣才能5年，10年後獲得可觀的收益。

好的投顧是有限的（我認為一般的銀行理財經理不屬於這個範疇），而一個投顧所能支持的客群又是有限的，因為「物以類聚」，而且「千人千面」。這裡就是「智能」能起作用的地方，一是幫助劃分客戶，尋找投資理念合適的投顧；二是通過「智能」將一個投資策略做到極致。如果能夠做好這幾點，那麼「智能投顧」能夠大大普及中國的投顧覆蓋度，幫助大眾共享經濟成長的紅利。但是話說回來，在最關鍵的建立信任，以及心理按摩這方面，目前計算機還不夠「智能」。

下面是廣告時間，推薦兩個投顧領域的先行者：

1. Aris Zheng Sina Visitor System 且慢 - 基金組合平台 他是金融分析和FOF投資的普及者

2. ETF拯救世界 Sina Visitor System 且慢 - 基金組合平台 他當年是雪球嘉年華排名第一的大V，建立了一個基於估值的長期投資體系，粉絲眾多。（我也是其中一個）

要回答這個問題，首先得明確什麼是智能投顧。

嚴格來說，一般所稱的智能投顧指的是通過數字化手段提供資產配置服務的一種形式。由於其核心錨定在「資產配置」，因而更是一個財富管理概念而非狹義的投資管理或者某個策略的優化。

所以，從不管是行業先進經驗來看還是從實質邏輯來看，一個完善的智能投顧應該可以粗略分為以下幾個維度的智能化：

1. 智能客戶認知：即通過自動化、網路化方式，結合大數據或其他數字化手段的客戶認知，一方面對客戶的主觀、客觀風險承受能力進行識別，完成風險判斷；另一方面對客戶的投資目的、資金屬性進行定義，或者通過大數據對用戶畫像、信息進行補完針對性的建議投資目的，以實現高效而精準的 KYC （know your customer），從而為客戶提供適合的長期財富管理方案提供信息基礎;

2. 智能模型演算法：即通過模型演算法，輔以機器學習等新的數據處理和模型構建方式，結合經典的金融、投資學原理（如馬科維茨的現代投資組合理論，Black-Litterman方法）打造的真正的智能資產配置模型和相關的演算法，該演算法應可對數據變化進行持續監控和應對，從而真正做到全天候顧問，該演算法還應針對底層資產進行交易路徑優化，確保策略的可實現性和實現的盡量低摩擦，避免空中樓閣式的「完美策略」；

3. 智能交易實現：即基於實際使用的底層資產的交易平台所構建的可以與智能模型演算法匹配並實現演算法決策指令的體系，並確保策略的有效性和策略調整的時效性，從而為投資人提供完整的資產配置管理服務，包括交易邏輯的優化，交易摩擦和成本的最小化，稅收結構的優化等等，而非僅僅的方案建議；

外界可能誤以為，智能投顧的核心在於演算法和模型，但我們在做璇璣的系統開發時發現，國內交易環境跟國外有巨大的區別，很多產品不是T+0交易，而是T+1甚至T+N，這就會導致理論上成立的模型，因為交易環境的複雜化而失效。

這也是我們當時花了大力氣解決的問題，並為這個交易的優化演算法申請了專利。最終我們的交易模型是這樣的：

如上圖，整個智能投顧的系統由四個模塊組成，分別是—（配圖）

數據處理模塊：用來處理兩類數據—結構化數據和非結構化數據。

結構化數據處理的目的在於通過 自動下載價格、波動率、匯率等市場因子,從中找出有用的信息,判斷市場狀況,在投資組 合理論的基礎上,為模型提供更準確、更及時、 豐富的數據。

非結構化數據處理通過分析用戶行為、資產等 個性化數據,實現對客戶的生命周期管理。

數字化資產配置模塊：

智能投顧不以收益最大化為追求目標，它追去的是最佳的風險收益比。這也是大部分智能投顧的理論基礎—馬克維茨的資產配置理論的核心。理論上來說,在同 一風險下尋找最佳的收益率,或在同一收益率下尋找風險最低的組合。

要找到這個點，需要海量的複雜計算。我們這個模型的數據處理量是這樣的：以精確至小數點後四位為例,計算 10 個 資產的配置組合的可能性高達 10 的 36 次方。而模型需要通過計算，快速找到這個點，這個計算量是可以在秒級完成的。

產品篩選模塊

智能投顧的核心邏輯有二：第一是追求大類資產配置，追求smart beta收益，所以勢必投資指數基金；第二隻用人民幣投資，通過QDII基金讓資金合理出海。

在這個邏輯下，一大問題就是國內 ETF不足，因此我們使用了公募 基金補充 ETF,進行大類資產配置,以實現有效的風險分散。

產品篩選模塊的作用就是通過 專門的程序,篩選產品完成對標杆指數最有效 的擬合,而其中的宗旨是選擇最適合整體模型 預期走勢的產品,而非選擇業績最好的產品, 這是與一般智能選基金產品最大的不同。

因為模型同樣服務於機構，因此，機構本身自有的產品池，也需要考慮。

(4)交易最優模塊

由於使用公募基金代替 ETF,會大大提升 申購費、贖回費等的交易成本,且國內市場交 易規則複雜,不同基金的贖回到賬戶時間不一 樣,有 T+0、T+3,甚至有 T+7 等,用戶的調倉需要若干天的過程,有可能會產生因為傭金 和時效性而帶來的損失。

為了解決該問題,我們運用自創的演算法 ,結合交易頻率、規模、調倉規則、時間、摩擦成本等綜合維度尋找最找路徑,優化調倉邏輯,節省客戶的時間和費用。通過減少交易磨損，進一步增加收益

基於這四個板塊，在服務b端客戶時，我們可以把整個系統嫁接過去。

4. 智能投後服務：即以數字化方式對投資客戶進行持續跟蹤服務，包括進一步用戶認知和信息收集，客戶需求的持續發掘和服務，客戶資產、財富的定製化報告和溝通等等一系列投後的管理和服務。

這四個部分分別對應傳統的KYC，方案推薦，資產管理，投後服務等財富管理服務流程，傳統上均由人力進行服務並完成。

在服務業，技術手段的進步和突破帶來的都是由效率不斷提升的量變到業務模式、形態突破的質變。

從實質上來看，金融服務業也是服務業。因此，與傳統的投資顧問業務形態做比較，其實也符合這個邏輯。

1. 從客戶認知和跟蹤服務的角度，智能投顧可以體系且持續性的納入、分析用戶信息，並通過演算法優化，對用戶信息進行歸納、整理和更新，以嚴苛的紀律保證服務提供的質量和持續。這種力度的客戶了解和認知在以人力為載體的時候需要深度的專業積累和誠懇的服務態度，是專業服務業（professional service）的重要組成，也因此需要收取高額的專業和服務溢價，以支付專業人員的薪酬。由於行業基於資產規模收費的模式，這樣的高質量服務也必然意味著高門檻，並不適合所有人。比如某知名私人銀行，其准入要求千萬美金級別的金融資產，據稱其目標待發掘用戶在整個大陸地區僅6000人。

而智能投顧的認知體系繼承了互聯網行業的核心優勢，邊際成本極低。因而在保證一定服務質量的前提下，智能投顧的服務可以充分下沉到較為親民的用戶層及。

2. 從模型演算法和交易實現的角度，由於行業內水平各有高低，在投資表現上在這不做具體比對，假設均進行資產配置，通過分散投資一方面參與全球市場的不同機會，一方面分散可能的市場波動。我們僅從資產配置的實現形式上進行分析。傳統的行業做法往往會定期（如每季度）由機構出具一個資產配置方案的 house view，顧問和私人銀行家們基於這個觀點為客戶提供資產配置建議和相關的投資服務，舉一個尷尬的例子，如果某機構每個季度第一天更新觀點，一個投資人在季度末過來要求服務，顧問就會處在很尷尬的決策點上，是等幾天按新的觀點來（客戶可能因而流失），還是按照馬上就要被替換的原有方案來（可能馬上就會有大幅變動而造成交易費用的浪費或者潛在的投資損失）？

而與之相較，優秀的智能投顧由於使用了現代演算法，其投資組合的更新往往更及時，其服務承載體系則完全基於互聯網和移動端，服務提供不受時間空間的限制，也因而可以給客戶提供更具時效性的服務。

因此，兩相比較，在雙方都具備足夠的專業性的前提下，智能投顧的服務邊際大，載體靈活，不受時間空間的限制且時效性強。

而傳統投顧的服務粘性強，對需求的發掘更深入，在非投資的其他金融領域亦能提供相應的知識和服務。

在目前的時間點上看互有優勢且相當互補，這也是為什麼我們在全球範圍內都看到智能投顧與傳統的這個行業逐漸演變出了更多的競合關係，而非簡單的非你即我的替代關係。

去年8月份寫的一篇文章——《智能投顧的SWOT分析》

一、優勢分析

（一）效率高

傳統投顧主要是根據個人的知識和經驗，結合投資者的資金規模和投資目的，為投資者提供資產配置組合，同一時刻只能為單一投資者提供服務，效率相對比較低；智能投顧將理財專家的投資知識和投資經驗演算法化，一套系統可以同時為成千上萬需求各異的投資者提供專業的投資服務，效率相對比較高。

（二）服務費用低

傳統投顧需要收集各種資料，用來全面分析當前的市場環境，幫助投資者配置符合投資目的的資產組合，花費的成本較高，需要向投資者收取較高的服務費用；智能投顧藉助大數據技術，能夠自動對各種形式的數據進行分析，降低了人力成本，此外，互聯網上規模擴張的邊際成本幾乎為零，智能投顧可以通過低成本吸引更多的投資者，提高平台盈利水平。

（三）便捷性

投資者只需要在智能投顧平台上填寫相關資料，智能投顧就能根據資料分析出投資者的風險偏好程度，並為其推薦合適的資產配置組合。在投資者完成資產配置後，智能投顧會幫助投資者進行跟蹤優化，在資產組合中的某項資產偏離預定比例時，自動實現再平衡。此外，智能投顧能夠7*24小時為投資者提供服務，投資者可以隨時通過手機等移動設備了解資產組合的表現和獲取投資服務，不像傳統投顧服務那樣需要提前預約，還能節約花費在交通上的時間和金錢成本。

（四）客觀性

傳統投顧會受到情緒因素或者其他環境因素的干擾，對市場環境的認知存在著一定程度上的偏差，從而做出錯誤的決策，例如，女性投資者被問及年齡、年收入和養老金計劃的概率要顯著低於男性投資者，傳統投顧對女性投資者的熟悉程度要低於男性投資者，而傳統投顧對投資者的熟悉程度直接影響大類資產配置比例，熟悉程度越低，傳統投顧建議的資產配置組合中權益性資產比例也會越低 ；智能投顧不易受到外界環境因素的干擾，只基於數據的客觀表現和科學計算，全面客觀地對數據的進行分析，為投資者提供相對客觀的分析結果。

（五）降低代理成本

資產所有權與使用權的分離會產生委託代理關係，委託代理關係會產生代理成本。當傳統投顧的個人利益和投資者的利益之間發生衝突時，由於業務的不透明性，少量傳統投顧可能會優先考慮自身的利益；智能投顧需要事前披露投資標的和投資策略等信息，而且整個資產配置過程對投資者都是可見的，能有效避免代理成本的出現。

二、劣勢分析

（一）維護費用高

傳統投顧對IT軟硬體設施的要求不高，主要依靠自身的投資知識和投資經驗，相應基礎設施的維護費用較低；智能投顧對IT軟硬體設施的依賴程度較高，需要專業人士對資料庫和相應設施進行長期、高頻的維護，維護費用較高。

（二）同質化風險較大

不同傳統投顧為投資者提供的投資建議存在較大的差異，同一個傳統投顧為不同投資者提供的投資建議也可能存在差異，傳統投顧帶來的同質化風險較小；目前，運營模式較好的智能投顧所管理的資金已達到幾十億，且規模還在不斷增長中，由於採用的同一種演算法，提供的建議容易趨向於同質化，可能會造成市場異常的波動，風險難以控制。

（三）風險評估偏差

投資顧問服務的核心在於正確評估投資者的風險偏好程度，在此基礎上為投資者提供合適的資產配置組合。智能投顧僅從幾個簡單的問題進行評估缺乏說服力，如果評估存在偏差，可能會給投資者造成巨大的損失，而專業的傳統投顧通過和投資者面對面的交流，可以更加全面地了解投資者，有利於做出正確的風險評估。

（四）不適合複雜情況

當投資者擁有的資產結構、交易情況和稅收情況較為複雜時，目前的智能投顧很難考慮周全，提供的投資建議可能不能涵蓋所有賬戶的情況，而專業的傳統投顧具有豐富的投顧經驗，往往能夠為投資者提供全面的投資建議。

（五）投資表現有待長時間驗證

傳統投顧存在的時間較久，經歷過很多個經濟周期，其長期的表現已經獲得市場的認可。智能投顧2008年金融危機後才開始出現在市場上，而真正得以推廣的時間是在2012年，相比於傳統投顧，智能投顧在市場上出現的時間較晚，未經歷過整個經濟周期，不能確定整個經濟周期里的綜合表現。

三、機會分析

（一）潛在市場規模大

普華永道2015年發布的研究報告顯示，預期全球資產管理規模到2020年將達到102萬億美元，麥肯錫估計通過虛擬諮詢服務的潛在個人金融資產價值到2020年也將達到13.5萬億美元，智能投顧作為虛擬諮詢的重要組成部分，全球資產管理規模和虛擬諮詢服務規模的擴大，智能投顧很可能會是下一個風口。根據AT Kearney的預測，智能投顧的市場規模到2020年將會突破2.2萬億美元。

（二）市場接受程度提高

智能投顧的推廣基於市場對互聯網產品的接受程度。目前，市場對互聯網產品的接受程度不斷提高，且對互聯網產品接受程度較高的年輕一代正處於財富快速積累階段，這也就意味著將來通過智能投顧進行管理的資產將會進一步上升。

（三）科技創新帶來新活力

科技創新，尤其是人工智慧技術和雲計算技術的不斷成熟，將會為智能投顧帶來新的活力。人工智慧技術的應用將會是智能投顧提供的資產配置組合更加符合投資者的個性化需求，而雲計算技術的進步，將會降低智能投顧平台研發人工智慧的成本，智能投顧平台通過雲計算平台能夠低成本接入人工智慧。

四、威脅分析

（一）模式被複制

隨著智能投顧吸引的投資者越來越多，盈利模式較好的智能投顧平台可能會被其他平台模仿，大型金融機構可以依靠自身擁有的資源來搶佔市場，初創公司可能會通過收取更低的服務費用來吸引投資者，會對現有的智能投顧公司造成較大的衝擊。

（二）客戶資源流失

智能投顧適合初入門的投資者，他們的投資金額一般較少，沒有達到傳統投顧的門檻，可是當投資者積累一定的財富之後，可能會轉向專業的、一對一的傳統投顧，造成智能投顧的客戶資源流失。

（三）黑客攻擊

智能投顧通過互聯網為投資者提供資產配置服務，很可能會受到黑客的攻擊，造成投資者信息的泄露，此外，智能投顧的演算法如果被其他戰略投資者獲知，對方可能會根據演算法的漏洞來獲利，會給投資者帶來巨大的損失。

（四）系統性風險上升

指數型基金的交易成本較低，長期來看，被動型投資的表現要好於大部分主動性投資，因此，智能投顧採用的投資策略主要是被動型投資策略，隨著智能投顧的接受度越來越高，指數型基金等產品的市場份額也會不斷上升，有研究表明指數型基金市場份額的上升，將會提升資產之間的相關性，從而提高市場的系統性風險 。

-----------------------------------------------------------------------------------------------------------------------------------------

近期看了一些資料，也做了一些思考，以下是對原有觀點的一些補充：

題主問到對資管行業會有什麼影響，我想這個可以參考一下支付寶對於銀行的影響。在當時研究支付寶對銀行會有什麼影響的時候，有人發現支付寶所佔的市場份額，相比於傳統銀行，其實是很小的，所以得出支付寶可能對銀行不會產生太大影響的結論。但是事後我們可以發現，雖然支付寶在份額上和傳統銀行沒法比，但是還是對銀行產生了很大的影響，很多銀行都改進了原有業務，推出可以即時存取的理財業務，比如興業銀行就推出了錢包掌柜。

回到智能投顧，我記得有一個數據統計，大概是說智能投顧的規模可能只有資產管理總規模的2%-3%，體量並不是特別大，由於有支付寶的先例，我們不能簡單得出智能投顧對資產管理不會產生較大影響。此外，我們也可以看到一些傳統金融機構，比如嘉信理財、vanguard，他們都開始開展智能投顧業務，國內的招商銀行也推出了摩羯智投。

綜上，我思考的結果是，一些新型業務的出現，可能規模很小，不會搶佔傳統金融機構的市場。但是當中的一些新理念、新模式，會對傳統金融機構造成影響，一些有憂患意識的傳統金融機構不會坐等被顛覆，會主動地去擁抱這些創新。

----------------------------------------------------------------------------------------------------------------------------------------

世界經濟論壇有一份挺好的報告：《The Future of Financial Services：How disruptive innovations are reshaping the way financial services are structured, provisioned and consumed》，裡面對自動化財富管理服務的未來發展趨勢提出兩個設想：

設想一：更加便宜和快捷的自動化財富管理將會服務於原先未得到服務的人群，而且還會與傳統投顧競爭中產階級的顧客，迫使傳統投顧重新將關注點放在高凈值客戶。

設想二：傳統資產管理公司藉助自動化財富管理平台能夠使得傳統高價值的投顧服務商品化，廉價地出售給全部客戶，使得原本專註於私人定製化的財富管理服務的成本降低，能夠擁有更加多的對象，使得傳統投顧面向更加個性化和定製化服務。

傳統的賣基金，相當於你開一個超市，讓客戶自己挑選。

現在的智能投顧，可以引導客戶購買、調倉，賺取更多交易費用，不過要承擔一定的信譽風險。

總體而言，都是有利有弊，還是要股市紅火，要不然基金管理規模還是很難再上台階的。

智能投顧可以更好的騙到客戶。這就是最大的優勢。

現在國內所謂的智能投顧，

1、大概有40%的智能投顧（比如教你配置資產，買基金的那種），技術層次還不如撥算盤，就一張excel表，自動歸類，有個狗屁智能，純粹用概念騙客戶；

2、另外55%，就是以前的量化投資，這幫人心裡明白，穿個馬甲後更好忽悠客戶；

3、還有5%左右搞智能投顧的人，純粹是為了感動自己而做，遠遠沒到人工智慧階段，套路最終還是量化那一套。

另外，我自己壓根不信所謂人工智慧在股票市場上有用，別聽那些妓者和公眾號作者，他們為了吸引眼球，咋呼咋呼的。

一定程度上避免人的思維干擾結果，更高效有速便捷，使用者門檻相對低也不受場地的限制。然而想用人工智慧代替顧問是一個漫長的過程，很多企業在往這個方向發展，比如2017中國大數據人工智慧創新創業大賽將智能投顧列入比賽項目。

歸根結底是數據的加工