1
| 本文作者： 溫曉樺 | 2016-07-30 09:20 |
智能投顧是隨著人工智能、大數據、區(qū)塊鏈等數字技術興起而出現的行業(yè)應用，專門為客戶提供量化投資分析，以及理財決策建議，國外最早出現于2008年。理財魔方為國內首款智能投顧應用，于2015年9月正式上線，到目前，交易用戶約10000人，累計交易4.5億。這一萬人，他們成為國內相信機器人投顧所給出的投資建議的先驅……
理財魔方金融顧問馬永諳，曾擔任銀河證券基金研究所運營總監(jiān)，他表示，“從接觸過的大客戶和小客戶中，我曾經做過一個統計，小客戶賠錢的概率高達70%至80%，這是非常殘酷的現實?！?/p>
馬永諳指出，小客戶雖然會關注資訊，關注基金公司的投資建議，但是他不知道應該在什么時候買入或者退出，也不知道要如何選購產品以降低風險及時止損，造成虧損?！霸诓积R全的信息支撐下做出錯誤的決策，這在小客戶當中是比較普遍的問題。”
這些問題就成為了小客戶基金理財的痛點。“所以，有什么方法能夠把面向大客戶提供的貼身投資顧問服務，也提供給小客戶，來解決理財中的階級差距和最大的不公正——人人都有權利參與理財?！?/p>
在美國，因為市場經過了幾十年的培育，建立起了一支龐大、高效的人工顧問團隊，但這尚且不能滿足美國客戶的需求，“反觀國內市場，要在短期內建立起這樣一支能滿足廣泛客戶理財顧問需求的團隊幾乎是不可能的。所以，我們想到借助互聯網、IT技術途徑來實現這個想法?！?/p>
理財魔方CEO袁雨來表示，投資顧問的核心價值在于解決理財過程中的風險識別、產品組合、交易時機選擇問題。對于一個人類投顧來說，計算這些問題要面對海量的數據以及對客戶的跟蹤調查，其精力大約每月只能服務20多個客戶，比較有限，所以他們只會選擇回報率高的大客戶服務。因此事實上，理財市場的核心問題是投資顧問的效率問題，而不是水平問題。所以說，智能投顧的出現，現階段首先是達到一個合格的投顧的水平基礎上，解決效率問題。
理財魔方聯合創(chuàng)始人周維表示，傳統私人銀行、財富管理機構主要面向投資600萬元起步的高凈值人群，而理財魔方主要目標客戶為投資額小于300萬的低凈值人群提供資產配置服務，這一人群在國內市場中無疑是一個巨大的群體。
袁雨來為清華大學計算機科學博士出身，曾任職英特爾負責數據挖掘，理財魔方是其第三次創(chuàng)業(yè)了。他表示，人類投資顧問的工作過程是一個理性分析的過程，無論是分析客戶的目標、市場和產品的風險等方面，所以它能夠被計算機所重構，實現。在做這個事情時，可以把它分成四個領域：
·依據用戶的投資行為、特征數據的分析。人工智能可以基于數據的分析幫助我們了解一個用戶的風險承受能力，投資目的等各種各樣的需求。
·通過對金融市場和金融產品的數據采集、整理、清洗、挖掘，利用人工智能從定性和定量兩個層面分析市場與資產的風險，并篩選不同市場階段下不同的產品組合，優(yōu)化投資產品組合。
·對歷史數據的分析以及未來趨勢的預測，做出不同時間點下的信息分析結構和資產配置，提出建議。
·最后一點，由于公募基金屬于一種長期的投資，市場會不斷地變化，投顧需要對用戶進行跟蹤和調整。智能投顧會依靠算法對用戶進行投資跟蹤，相當于售后評估，然后根據市場變化與用戶的風險匹配度來判斷，什么時候需要提醒用戶控制風險，比如進行降低投資比例等交易。
據了解，通過與中央財經大學、易觀智庫等機構合作，理財魔方通過數據搜索而非對接接口的方式收集了國內50萬款理財產品和2000余家理財銷售平臺數據，每分鐘抓取一次發(fā)標數據，實時更新發(fā)標排行榜，用戶可以追蹤購買產品的風險和收益情況?！皬牡谌将@得數據之后，我們會對數據進行梳理和清洗，保證錄入數據的準確?！?/p>
至于完成這些數據挖掘和分析的算法，袁雨來稱，除了運用大數據里面經典的支持向量機、決策樹、蒙特卡洛模擬等算法，他們根據金融領域的特點調整參數與算法組合，結合金融領域的策略，構建自己的金融模型和算法模型。
如波士頓咨詢最新公布的報告指出，金融科技是一次金融和IT在技術上的融合以及相互協調。在金融方面的技術，據介紹，理財魔方和中央財經大學、易觀合作制定了一套理財產品風險評級，一共十個風險等級，每個月更新一次。
那么說到這里，最重要的資產組合配置如何來完成呢？
一般來說，專業(yè)投資機構和高端私人銀行等理財配置模型普遍源于馬柯維茨（Markowitz）的“投資組合理論”。該理論于1952年提出，并獲得了1990年諾貝爾經濟學獎。而近年來，尤其是智能投顧行業(yè)多選擇了“Black-Litterman模型”，理財魔方也從前者轉向了后者。
所謂馬柯維茨投資組合理論，是指投資組合有效邊界模型，它用“均值—方差”來刻畫這兩個關鍵因素，研究“理性投資者”在證券投資決策中應該怎樣選擇收益和風險的組合的問題。
因此把上述優(yōu)化投資組合在以波動率為橫坐標，收益率為縱坐標的二維平面中描繪出來，形成一條曲線。這條曲線上有一個點，其波動率最低，稱之為最小方差點（英文縮寫是MVP）。這條曲線在最小方差點以上的部分就是著名的（馬考維茨）投資組合有效邊界，對應的投資組合稱為有效投資組合。投資組合有效邊界一條單調遞增的凹曲線。
如果投資范圍中不包含無風險資產（無風險資產的波動率為零），曲線AMB是一條典型的有效邊界。A點對應于投資范圍中收益率最高的證券。
但是，周維解釋稱，從中也看到，無約束的“均值-方差”最優(yōu)化模型存在著容易產生比較極端的資產配置，比如對某個資產的強烈做空；以及產組合對于輸入的資產預期收益值的變化非常敏感等問題。所以，鑒于這些限制，高盛的兩個交易員Fischer Black和Robert Litterman提出了Black- Litterman資產配置模型。
Black-Litterman模型使用貝葉斯方法，將投資者對于一個或多個資產的預期收益的主觀觀點與先驗分布下預期收益的市場均衡向量相結合，形成關于預期收益的新的估計。這個基于后驗分布的新的收益向量，可以看成是投資者觀點和市場均衡收益的加權平均。
理財魔方表示，“BL模型”是對馬可威茨模型的優(yōu)化，克服了馬可威茨模型對參數敏感性的弱點，同時加入了對未來市場的預期。
百度CEO李彥宏在第二季度財報分析會議上表示，雖然目前還不能預測兩三年內人工智能+金融會怎樣的發(fā)展，但它確實具有巨大的市場潛力。面對智能投顧，業(yè)界的聲音也是質疑多于肯定，但都不能否認這是一個必然的趨勢。
“偽AI”、“并不那么智能”、“難以在中國市場落地”等問題，也許這是存在于目前的市場中，畢竟，新興技術需要一個迭代和完善的過程。袁雨來指出，隨著智能投顧市場的逐漸壯大，新的需求還會被催生出來，現階段智能投顧的任務不是取代人類投顧，而是需要達到作為合格的投顧的目標去解決效率的問題。而等到更多的資本進入后，對智能投顧技術上的真正考驗才算真正到來，到了這個階段技術領域才是核心的發(fā)展階段。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
