從頭聊智能投顧：來源和理論基礎

為什麼我們（璇璣）很少提「智能投顧」這個字眼，而一直用「數字化資產配置」來定義自己？原因在於，智能投顧在國內的實踐中，發展的方向很不一樣。在智能投顧這個詞被大量引用之前，投顧在中國特指券商營業部中的證券投資顧問。

在國外，智能投顧單指一個細分的領域—適合大眾的財富管理需求，追求大類資產配置所帶來的收益。可以看出，在美國，智能投顧的定義只有這一項，它的另一個名字叫做：數字化資產配置。

如上所說，在中國，智能投顧的實踐中，發展的方向很不一樣。在智能投顧這個詞被大量引用之前，投顧在中國特指券商營業部中的證券投資顧問。目前，國內的智能投顧分為幾類：

• 第一種是高頻薦股，幫助客戶追求阿爾法收益，很多券商和互聯網公司都在這個領域開展業務；

• 第二種以海外資產配置為主，需要消耗每人每年五萬美元的換匯額度；

• 第三類是像璇璣這樣，以人民幣投資為主，同時服務持牌的金融機構客戶。

所以，總的來說，國內的智能投顧的發展方向很不一樣，走出了幾種分支。在國外，智能投顧單指通過大類資產配置，來替代人工投顧服務的模式。我們認為，國內的智能投顧慢慢地發展成，類似國外的，以追求大類資產配置收益為主的方向。

我們給智能投顧的定義是，通過機器腦（演算法、數據模型、機器學習）而非人腦做出投資決策；以馬克維茨的現代投資組合理論為基礎；（這個基礎的具體內容我們後面會詳細解釋）

上圖是數字化資產配置的全過程，需要強調的是：

• 風險偏好只是用戶畫像的第一步，用戶數據的採集分析對智能投顧來說是永無止境的過程；
• 第五點是智能投顧區別於fof基金組合的一點：智能投顧並不會統一調倉，而是根據每個客戶的不同情況（風險偏好、資金需求），分別調倉；

上圖列出了數字化資產配置的發展歷史，以及這個領域，國內外的典型公司。儘管被國內媒體捧上天的是betterment、wealthfront這兩家公司，它們確實也在這個領域深耕了蠻久，應該有七年了吧。

但是，兩家公司七年做出來的存量，都不及嘉信理財一年小試牛刀做出來的增量大。而嘉信理財是一家傳統的線下金融機構。這說明，數字化資產配置＋傳統金融公司，威力和想像空間都很大。

一直以來，服務持牌的金融機構都是璇璣的重點目標之一。也正是看到了金融機構切入財富管理的想像力。目前，璇璣已經與民生證券、金石財策、埃森哲、攜程等機構有項目落地或達成合作意向。

從資產配置理論最初的均值－方差模型，延伸出了新的CAPM資產定價模型—證明了資產配置可以規避單個資產品類的系統性風險；均值方差模型由諾貝爾經濟學獎馬克維茨提出。

大部分以追求大類資產配置為主的智能投顧都以該理論為依據。需要強調的是，這個理論並不以收益最大化為目標。而追求的是最佳的風險收益比—如圖中所說，在收益確定的情況下，尋求風險最小的組合；或者，在風險確定的情況下，尋求最高收益；

先解釋下CAPM（Capital Asset Pricing Model）模型：

這個模型認為，風險資產的收益余市場收益率呈線性相關。當證券價格達到某個價位時，達到均衡。此時的證券預期收益率等於風險溢價和無風險收益率之和。

這個模型的意義在於，從數學角度給出了系統性風險和非系統性風險的描述—

• 當投資者投資風險資產時，應獲取風險溢價作為補償，否則市場不是合理有效的；

• 單個資產的非系統性風險可以通過多元化的投資進行消除，而市場不會對這種風險給予風險溢價的補償，市場只會對那些資產預期收益率產生影響的系統性風險進行風險補償；

用人話版翻譯過來就是：

• 我們投資要學會向風險要收益，高收益必然承受高風險；
• 資產配置可以有效分散風險；（不同beta係數的資產有著不同的系統風險，在投資組合管理實踐中會運用beta策略來對沖系統性風險）

上圖為B-L模型的構造過程

Blcak-Litterman模型則是進一步的改進：

改進在於，B-L模型允許投資者對未來的資產收益率有自己的主觀判斷，還可以對每種觀點賦予不同的信心水平。

B-L模型的期望收益＝（市場均衡收益＋投資者主觀期望收益）加權平均值；

除了資產配置理論，智能投顧的另一大理論基礎是行為金融學。

充分考慮到了「人性」在投資中的作用，並不把投資者看成「理性人」。將心理學、行為學與金融學相結合。人在投資過程中，會不自覺地收到認知、情緒、意志過程等各種心理因素的影響，形成心理偏差，最終做出錯誤的投資決定。

以上為認知偏差的三種典型表現：

• 過度自信，忙碌樂觀，相信自己能跑贏市場；

• 盲目跟風；

• 對於避害的考慮>對趨利的考慮，錯失投資機會；

前景理論是行為金融學的核心理論，主要是研究人們在不確定條件下如何做出決策的理論。它研究人類風險和收益的選擇過程，得出期望的價值是由價值函數和決策權共同決定的。這一理論有以下幾個表現：

• 人們更在意結果與預期的差異，而非結果本身；
• 遭受損失所產生的痛苦會遠遠大於獲得收益時產生的喜悅；
• 人們總是不自覺地誇大了小樣本的代表性；
• 人們做出決策時會收到問題表述方式的影響；

投資者的行為偏差主要表現在三個方面：

• 投資者在證券選擇分散化程度明顯不足；
• 由於交易過多，大部分投資者僅獲得了平庸的收益；
• 投資者常會過早賣掉獲利的股票，遲遲不願賣掉已經虧損的股票；

最後一個理論基礎：機器學習理論—這是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。

人工智慧先驅arthur samuel（1959）給出的機器學習定義是：不用編程去指定機器做什麼，而是讓機器有自己學習的能力。

機器學習較多的應用於分類、回歸、聚類等問題。在數字化資產配置領域，分類問題是機器學習的重點。目前主要的應用範圍包括：

• 投資者的行為習慣及風險偏好的分析；

• 投資組合的選擇；

• 投資股票的選擇；

具體來說，主要是應用於以下幾個方面：

• 搜集用戶交易數據、信息數據，不斷完善用戶畫像，了解需求；

• 實時監控市場數據，不斷優化交易模型；

• 機器學習多因子分析模型相結合，通過對不同影響因子的分析，來選擇最優的投資標的；

推薦閱讀：