張羽：智能投顧是下一個互聯網金融風口的豬

智能投顧作為一種新興投資模式，近年來在金融投資市場快速崛起。

目前國內已經有十多家互聯網金融平台即金融科技公司推出智能投顧業務，彷彿一夜之間智能投顧業務在在中國市場遍地開花。然而，火爆現象的背後，一些金融平台卻打著「智能投顧」旗號濫竽充數。

眼下，智能投顧業務究竟是炒作的噱頭還是創新?智能投顧目前到底發展到什麼水平?國內與國外發展到底有何不同?未來智能投顧會發展到什麼方向?

在GPLP「互聯網金融的投資與創業邏輯」沙龍上，智能投顧研究專家張羽分享了過去一年多時間，從國內到國外，自己和團隊調研智能投顧公司的體會。

　　不相同的發展狀況

智能投顧最早起源於2008年美國的次貸危機。

由於美國複雜的保稅體系，每個投資人背後都會有一個投資顧問，幫助他報稅同時做相關的投資，但是，投資顧問會收取很高的傭金，一般在百分之二到百分之三左右。

但是經濟危機的爆發使得整個市場不景氣，許多量化公司於是開始尋找其他的方式，降低投資成本，提高投資效率。

在這種背景下，美國一個團隊採取用智能軟體的方式幫助投資人進行投資，替代掉高級投資顧問，這樣成本降低了很多——比如，相比傳統的投資顧問，這種利用軟體進行投資的方式，可以給投資人帶來一定收益而且所需費用大大降低，成本從2%左右降到0.25%。這就是智能投顧最初的原型。

後來，隨著深度學習、大數據技術的發展及應用，這種利用軟體投資的方式逐漸發展成為現在的智能投顧。

不過，由於後來的理解不同，智能投顧的發展現狀也就各不相同，在過去一年多的時間裡，我們曾先後考察了中國、美國、英國等一些先進智能投顧發展地區，包括斯坦福、矽谷等，目前的智能投顧發展現狀非常不同——從智能方面來說，美國的智能演算法和中國的就不一樣。美國基本上採用的是當地的一套智能演算法體系，而國內則是另一套智能演算法體系。

例如，此前我們團隊做了一個智能演算法，可是發現國內應用不了，只能應用到美國市場。因為國內是一個非秩序化的市場，很多方面需要進行調整。

另外，一個客觀現狀是，智能投顧行業屬於發展初期，背後都需要資本大力支持，但目前中外投資機構大不一樣，中國目前相關的投資機構不是很多，並且投資標的必須是二級市場，一級市場智能投顧根本參與不了預算環節，嚴格來講，一級市場的智能投顧還算不上真正的人工智慧，目前還只是處於一個大數據階段。

我們理解的智能投顧是和客戶互動的角色，所以智能投顧應該能夠和客戶進行溝通互動，幫助客戶進行量身定做的的理財方案。但是，目前智能投顧還處於利用大數據幫助企業分析客戶的需求階段。

比如，目前，很多機構會給客戶推薦，下個月某某時間會有一款較好收益的理財產品，而不是精準的幫助客戶管理財富。

未來，隨著智能投顧的發展，智能投顧肯定要深度幫助客戶制定理財計劃，比如，客戶在1-9月份的資產需要進行配置，智能投顧幫助客戶分析了相關的需求後，會制定一系列合理的理財計劃，最終，這些理財收益能夠按照預期回到用戶的賬戶裡面。

但是，從矽谷、斯坦福的一些做AI投資結合的團隊，以及目前國內的一些做AI投資的團隊，目前還不能完全把人工顧問的因素排除掉，還是需要人工參與。

因此，結合上述信息，我們總結，智能投顧分為三個方面：一是智能、二是投資、三是顧問。

　　智能投顧目前還處於1.0階段

綜合調研眾多智能投顧，我們發現，現在的智能投顧還處於1.0階段，並且朝著2.0方向跨越，儘管有些公司和機構宣稱自己的智能投顧已經到到3.0版本，但是，這個「3.0」只是軟體的3.0版本而已。

1.0階段的一個表現就是，一個投資策略，一個人需要學習幾天或者幾個月，但是如果利用機器的話，幾百萬條投資策略可能一天時間就能全部學習完成。在交易的時候，根據提前設定好的條件，判別一次交易是否需要、能不能去做，以及什麼時間進行交易。

目前，自動交易這個非常容易實現，對於很多人來講，目前需要判斷的只是，這個自動交易你到底需不需要而已。

但是，如果把外匯、期貨、海外基金等所有資產配置全部囊括進去，目前人工智慧還沒有這麼強大的作用。雖然目前人工智慧是一個很複雜的數學公式，具備自我學習、繼續學習、深度學習能力，但在金融領域，還沒有一個高深的人工智慧。

技術方面，智能投顧基本上還是人工智慧輔助量化投資，然後再加一些人工智慧和深度學習的內容。比如，國內有一個叫藍海智投的團隊，原來就是一個專門做量化的團隊。但是，目前階段人工智慧部分大約佔據20-30%，量化部分只佔到60-70%。

而在底層的演算法層面，智能投顧都含有一個所謂的模型演算法在裡面。不同的場景需要不同的演算法。但是，利用一個演算法無論什麼情景都能得到一個最優的方案，目前還是不可能。人工智慧現在只能在假設的一個場景下才能進行互動。

投資應用中，智能投顧在人工智慧方面還是套用傳統的那些組合方式，把資源組合起來，達到一個最佳效果。例如，測量一個屋子的周長，可能一次測不準，但是通過測量100多次結果會更加逼近實際的投資效果。但是，這不是說一定百分之百準確。

然而，一個尷尬的現狀則是，即使在相關技術層面達到了要求，在實際應用中也會遇到各種各樣的問題。比如在美國，通過一個相關的演算法，就可以無限的往下進行運作，然後根據市場行情的變化自動地選擇交易。

可是在中國則不能夠應用，當下，人工智投顧主要還是服務中國市場體系建設，完善市場服務，包括應用和內容方面，因此，關於智能投顧的發展，根據中國的實際情況，一個現實可行的途徑就是做一些相關的工具提供給專業的客戶，讓他根據實際情況選擇相關的公式、演算法。

當然，這種方式是智能投顧發展階段的局限，未來幾年智能投顧發展的幾個可能是從眾多的交易策略當中選擇一個合適的交易策略，然後再進行擇時則機進行交易買賣。或者是能夠實現自主生成規則、尋找規則、得到最優的策略，完成投資計劃。這可能是智能投顧未來的理想狀態。

　　智能投顧的幾點思考：到底是千人千面還是千人一面?

智能投顧是未來的發展趨勢無疑，但是有一個問題擺在行業發展的十字路口，大家選擇做「千人一面」還是「一人千面」?

有一類企業倡導「千人千面」，即從考慮客戶需求的角度出發，根據客戶實際中不同的需求提供相應的解決方案，比如一個客戶有一筆資金有特殊需求，諸如孩子上學、生活保障等等。這就需要智能投顧企業根據他的風險投資能力、資金所需時間、流動性等方面提供一個單獨的解決方案。

另一類目前爭議比較大的問題是，有一類企業倡導「千人一面」。一個形象的比喻是，在醫院裡有許多不同的病人，每一個病人的實際需求是不一樣的，但是醫生看病方式是一樣的，醫院之所以能夠實現解決不同病人需求的前提是，很多病人的病情是相似的。

換句話說，智能投顧領域也可以根據用戶畫像提供不同的解決方案，即一個用戶有投資需求時，智能投顧可以根據用戶畫像提供相應解決需求的方案。

這兩種途徑目前是智能投顧業行爭論比較激烈的問題。比如「千人千面」具體如何實施?如果不需要「千人千面」，具體方案如何制定才能更加符合用戶需求?

目前行業現在還沒有一個定論，當然這也是未來智能投顧行業發展過程中所面臨的不確定性因素。

作者：張羽，本文來源：微信公眾號GPLP