有了大數據加智能，你願把荷包交給機器打理嗎？

文/曹潘亮

大數據遇上新消費的時代，各種服務都在講究升級。智能投顧就是對傳統投顧模式的一種升級。智能投顧怎麼玩轉？大數據如何在智能投顧中發揮作用？11月8日的線上數據俠實驗室活動中，拿鐵智投產品負責人曹潘亮為我們分享了新消費時代智能投顧行業的變革和機遇。

智能投顧來了，但你真的了解它嗎？

這次的分享主題是「數說新消費時代的智能投顧」，具體會跟大家分享三個部分的內容：

第一部分帶大家認識下什麼是智能投顧，能解決什麼問題，以及智能投顧在國內外的發展概況。

第二部分是以拿鐵智投為例，分享我們在產品研發過程中，如何應用數據的具體案例。

第三部分，是談談在金融數據實際運用時經常會碰到的一些問題，以及我們對這些問題的處理建議。

智能投顧是一種面向大眾化的投顧服務

銀行的理財經理大家都很熟悉，他們職責是基於個人資產的情況給客戶提供投資建議。但實際上大部分的理財經理更多的時間是在推薦產品，這就是一般投資者能夠接觸到的投顧服務。

而在私人銀行的業務中整個資產配置的方法是被執行的很好的，包括客戶需求分析、資產配置建議、構建投資組合、投後管理與回顧四個大的步驟。智能投顧就是希望把這套理念跟方法完整的提供給一般投資者。

傳統的投顧和智能投顧有什麼區別呢？智能投顧一般具備三個特點：

第一個特點叫做智能化。整個方案從客戶需求分析到對資產配置的建議，再到後續的投資組合管理等，這個過程中會運用到多種投資模型，管理的過程是自動的、智能的。

第二個叫個性化。傳統的理財服務不可能針對每一個客戶做非常個性化的投資方案，但是通過智能投顧系統，是可以做到針對每個人做千人千面的個性化方案的。

第三個叫做普適化。傳統的投顧為什麼不面向中產階級提供呢？商業模式不同。傳統的投顧服務受限於個人服務數量約束，所以他們在本質上追求的是高的客單價，因此高凈值客戶就成了他們的必然選擇。

而智能投顧的變化在於一定程度上突破了個人服務數量的約束，從關注客單價轉變為關注客戶數量，可以面向一般投資者，本質上是一種更領先的、更具零售的、更具消費特徵的一種升級。

智能投顧產品從2016年開始在國內紛紛出現，拿鐵智投2016年3月上線，招商銀行的摩羯智投16年12月上線。其實，作為舶來品，智能投顧在海外的發展更早一些，發展也是非常迅速的。2008年在海外就出現了第一個智能投顧平台。到2015年左右很多傳統的大型金融機構開始入場，截至2016年，最大一個智能投顧的產品的規模已經達到了300億。

而國內的摩羯智投，截至2017年三季度末，其交易額大概是75億元左右。按照招行2萬億的資產管理規模來說，佔到了千分之四不到。因此，我們可以說，智能投顧在國內還是處在比較早的發展時期。

智能投顧的架構中的典型策略和做法

現在市面上的智能投顧產品有很多，但是從系統架構上來說，大家其實都差不多，一般會分為數據層、演算法層、投資標的、投資方案、投顧管理幾個部分。

智能投顧最核心的部分是資產配置。好的資產配置方案基於對資金結構的合理配置。在最理想的情況下，你每一次配置的資產，都是未來上漲前景最好的資產。背後有一個非常著名的投資理論，叫做美林時鐘。

美林時鐘基於經濟增長以及通脹兩個維度宏觀經濟分成四種情況，每一種情況都有最合適的投資品，比如復甦期最適合投資股票。

但在現實運用中會碰到兩個局限性。一是你無法判斷當前的經濟狀態是處於時鐘的幾點鐘。回顧歷史來看可以分得很清楚，但立足當前來看確實是很難判斷的。

第二，從速度來看，經濟的輪動很難被捕捉，它不是嚴格按照這個時鐘從復甦、過熱到滯漲、再到衰退，它不是嚴格按照這個周期來輪動。

美林時鐘是一種非常理想的投資理念，但並不實用。 而資產配置是在實際運用中最常見的解決資金配置結構的方法。

馬科維茨提出的均值方差模型在資產配置領域具有劃時代的意義。它第一次提供了資產配置在數學上的最優解，使得資產配置找到了數學模型，也就有了後續一系列的優化方案，大家經常聽到的BL方法、風險平價策略都是對均值方差理念的優化。

接下來來舉個拿鐵智投實際應用中的具體例子，我們以股票資產的長期收益評價為例。

股票型資產的收益主要來自於三部分：第一是來自於公司的利潤，是公司本身經營賺的錢；第二是央行的錢，就是無風險收益；第三是投資者博弈，也就是我們經常會說的「韭菜」的錢。

從長期的角度講，公司的利潤影響最大，投資者博弈的貢獻很小，因為脫離基本面的上漲在長期內是不可持續的，被炒高的資產大概率會有估值修復的過程。

通過數據分析和回歸建模，我們發現了一個比較有意思的事情。下圖左邊這張圖，這個是美股全歷史的一個市盈率（調整後）的走勢，你會發現，在1990年以前整個市盈率非常好的體現出均值回歸的特徵。但是90年代互聯網經濟興起後，市盈率就再也沒有降低到平均值以下，哪怕在金融危機時候，美股市盈率僅僅是回歸均值，距離底部有很大的距離。

看了歷史走勢，大家還會覺得現在美股的點位高嗎？其實，從90年代以後的數據來看，並不是特別高。

上圖的中間這張圖是我們基於剛剛講的三個部分，建立了數學回歸模型：這根黑色線代表著股票的平均年化收益大概是8%左右，紅色的部分是我們對未來十年的股票預期收益的一個走勢。

而藍色的是實際的未來十年的股票收益的年化收益率。通過這些變數的檢驗，我們能夠更好地去根據股票的點位來預測未來長期的收益率。最右邊那張圖則是統計學意義上的，可以看到R方大概在0.8左右。

我們後來也嘗試了對A股做了類似的模型，但結果比較失望，第一是因為A股的樣本量可能比較少，第二，A股受政策影響較為明顯，因此模型不是很有效。

大數據對智能投顧的影響

現在是大數據時代，在這個時代智能投顧該如何創新發展呢？

大數據對於智能投顧的影響應該從兩個層面去講，一個是投資端，一個是顧問端。

對於投資端，我們現在對於數據量的獲取是很多的，比如WIND（萬德）系統，我們也有自己的爬蟲系統，可以聚合市面上的新聞資訊、公眾號、研報等，這些都是我們在做投資決策的最底層數據來源。

我們基於這些來源去搭建上層的模型、去建立市場分析的框架等。所以，在投資端大數據的影響主要是在數據源上有了更大的改進，數據模型更加優化，基於更充分的數據和更高效率的數據模型得到更好的投資模型。

而對於顧問端，對於智能投顧的初創企業來講，受制於用戶規模的約束，從數據體量上看可能還遠遠沒有達到大數據的標準。像傳統的銀行等，他們有上千萬規模的用戶數據去做客戶畫像、風險評估。雖然目前拿鐵智投還沒有大平台的數據優勢，但基於公司另外一款產品「還唄」的千萬客戶規模，公司層面也在進行客戶畫像、精準營銷、個性化資訊等嘗試。

至於有很多人會質疑的用戶隱私問題。智能投顧本身確實對用戶數據的需求量是很大的，每家智能投顧公司都希望有更多數據去更精準地做用戶畫像，這樣可以提供更加優質的服務。

在實際操作中，因為涉及到用戶的資產信息，各家機構在保護用戶的隱私層面是非常嚴格的。而且智能投顧的投資標的是公募基金，是目前適合大眾投資的產品中流程最標準、監管要求最高的產品。

關於監管政策的影響。目前在中國智能投顧屬於創新型產品，目前沒有明確的監管政策，但整個行業都在「為投資者提供更優質的服務」的大前提下進行產品創新，努力推動大眾客戶的投資者教育，這是積極正向的創新，希望能得到監管層面的鼓勵。當然也存在一些約束。

國內金融領域實行的是分業監管，對於智能投顧行業來說現在面臨的問題主要在於分業監管帶來的產品間的隔離，比如基金、股票、理財要區分不同的賬戶去購買。

我們將持續去做投資者教育這件非常有意義的事情，讓更多的普通投資者樹立正確的理財觀，讓更好的投資理念和方法服務更多的客戶，非常期待整個行業得到法律地位的這一天。

註：以上內容根據曹潘亮在數據俠線上實驗室的演講實錄整理，有刪節調整，已經本人審閱。本文僅為作者觀點，不代表DT財經立場。

DT君送福利：文中圖片來自作者演講PPT，關注DT數據俠後台回復「智能投顧」，獲取完整版。

編輯 | 胡世龍：hushilong@dtcj.com

期待更多數據俠乾貨分享、話題討論、福利發放？在公眾號DT數據俠（ID：DTdatahero）後台回復「數據社群」，可申請加入DT數據社群。

數據俠門派

本文數據俠曹潘亮，原就職於招商銀行信用卡中心，歷任管理培訓生、掌上生活產品經理、掌上生活運營負責人。2015年進入智能投顧行業，擔任拿鐵智投項目負責人，團隊自主研發的拿鐵智投產品，居於業內領先。

加入數據俠

「數據俠計劃」是由第一財經旗下DT財經發起的數據社群，包含數據俠專欄、數據俠實驗室系列活動和數據俠聯盟，旨在聚集大數據領域精英，共同挖掘數據價值。了解數據俠計劃詳情請關注DT數據俠回復「數據俠計劃」，投稿、合作請聯繫datahero@dtcj.com。

推薦閱讀：