雷鋒網(wǎng)AI金融評論按：本文為雷鋒網(wǎng)AI金融評論與AI慕課學(xué)院舉辦的“智能投顧基本原理及美國式智能投顧中國化現(xiàn)狀”系列特訓(xùn)班的基礎(chǔ)入門課程精要。在接下來的系列課程中，王蓁博士即將帶來更加詳細(xì)、實(shí)踐化機(jī)器學(xué)習(xí)算法進(jìn)階的教程，手把手教你搭建專屬的智能資產(chǎn)配置模型！http://www.ozgbdpf.cn/special/mooc/03.html

雷鋒網(wǎng)AI金融評論報(bào)道，創(chuàng)新源于跨界融合。如今，人工智能已經(jīng)不是科技公司創(chuàng)新創(chuàng)業(yè)的專屬武器。隨著時(shí)代和社會科技基礎(chǔ)的進(jìn)步，AI已經(jīng)以雷霆萬鈞之勢從學(xué)術(shù)界潛入產(chǎn)業(yè)界的每一個(gè)角落，成為了傳統(tǒng)行業(yè)變革求新、提高效益的利器。而在可高度量化的金融投資領(lǐng)域，AI的介入誕生了新的產(chǎn)品——智能投顧。

在美國，交易員、量化研究員正在慢慢消失，而與此相反，金融科技、機(jī)器學(xué)習(xí)以及人工智能方面的招聘崗位卻在逐步上升。

先鋒基金、黑巖集團(tuán)等公司基于機(jī)器學(xué)習(xí)、人工智能技術(shù)管理的資產(chǎn)規(guī)模正大幅上升，而且資產(chǎn)管理總體的規(guī)模也在呈現(xiàn)指數(shù)式增長

還值得關(guān)注的是，在蓬勃和熱鬧之余，如今的中國智能投顧行業(yè)還充斥著不少亂象。行業(yè)冒出了很多不知名的非主流的同業(yè)。一部分是原來的P2P公司，理財(cái)產(chǎn)品搖身一變“智能投顧”；一部分是原來主打財(cái)經(jīng)媒體、社群的公司。

從更具體的角度來說，在雷鋒網(wǎng)AI金融評論與AI慕課學(xué)院舉辦的“智能投顧基本原理及美國式智能投顧中國化現(xiàn)狀”系列特訓(xùn)班中，王蓁直言，常見的智能投顧都是“人工的智能”。

他解釋說，常見資產(chǎn)配置模型，諸如現(xiàn)代資產(chǎn)組合理論、馬克維茨模型、均值方差模型(MVO)、Black-Litterman模型等，在國內(nèi)都不可行，其中，使用BL模型的一定是“人工的智能” 投顧。就實(shí)際問題維度，國內(nèi)公募基金交易存在申購贖回的時(shí)間滯后、贖回價(jià)格的不確定性等問題。

諸如上述問題，歸根到底又說明了什么呢？要解釋這一現(xiàn)象，我們先要了解什么是智能投顧，以及我們?yōu)槭裁匆鲋悄芡额?？而美國是智能投顧的發(fā)源地，行業(yè)的成熟度居于翹楚。美國智能投顧的原理是什么？為什么受到美國投資者的歡迎？美國智能投顧模式在國內(nèi)可行嗎？對于中國而言，有何借鑒之處？

美國智能投顧的原理

百度百科：能投顧英文叫做robo-advisor，直譯過來是機(jī)器人投資顧問，是指虛擬機(jī)器人基于客戶自身的理財(cái)需求，基于當(dāng)前市場狀況和底層標(biāo) 的表現(xiàn)，基于金融和投資學(xué)的投資組合理論，通過算法和產(chǎn)品搭建一 個(gè)數(shù)據(jù)模型，來完成以往人工提供的理財(cái)顧問服務(wù)。 

簡單來說，王蓁表示：智能投顧就是一套獨(dú)立運(yùn)行——可私有化部署，告訴投資者如何個(gè)性化投資——符合自己情況，并且最終能為投資者賺到錢的系統(tǒng)——幫助個(gè)人投資者在95%以上的時(shí)間都能做到比自己投資操盤更好。

智能投顧要解決什么問題?

財(cái)富管理業(yè)務(wù)要經(jīng)歷以上四個(gè)環(huán)節(jié)。而未來三十年，財(cái)富管理才是真正的大趨勢。

但是，目前財(cái)富管理還存在許多問題和矛盾，相對應(yīng)也要采取一定的措施來解決當(dāng)前的問題。

美國智能投顧模式在國內(nèi)可行嗎?

上圖表格中，左側(cè)縱軸分別為大類資產(chǎn)分類，橫軸和縱軸相同色塊對應(yīng)同類型的大類資產(chǎn)，關(guān)于美國股票被動式資產(chǎn)相關(guān)性的調(diào)查，Wealthfront通過收集過去30年數(shù)據(jù)調(diào)查顯示，上圖大類資產(chǎn)呈現(xiàn)出的規(guī)律——左上方偏股市的大類資產(chǎn)，相關(guān)性更強(qiáng)（綠色越深，相關(guān)性越高）。而右下方債券型資產(chǎn)，相關(guān)性整體則要低一些。

紅色越深，資產(chǎn)相關(guān)性越高。右下角資產(chǎn)類型占比較高。

如果做全局考慮中美相比之下，中國股市和債券型資產(chǎn)的相關(guān)性比美國市場的股票型和債券型資產(chǎn)相關(guān)性更高。所以，國內(nèi)智能投顧做資產(chǎn)配置，資產(chǎn)之間的聯(lián)動效應(yīng)會更加明顯，假如將國外智能投顧移植到國內(nèi)，挑戰(zhàn)更大。

國內(nèi)資產(chǎn)分析詳見視頻回放

• 需要合理定義資產(chǎn)

值得一提的是，統(tǒng)計(jì)結(jié)果顯示，國內(nèi)公募基金的投資風(fēng)格實(shí)際上和申報(bào)的不符合。我們國家有的申報(bào)的公募基金，比如這5種，總的比例是百分之百，然后把這5種簡單分成3類，第一類是實(shí)際上是股票型的基金，第二類實(shí)際是債券型基金，第三類是實(shí)際是貨幣基金的。我們可以看到，號稱自己是貨幣基金的基金，真的全部都是貨幣基金；但是號稱自己是債券基金的，可以看到，每4個(gè)號稱自己是債券基金的基金，實(shí)際上都有一個(gè)投資是股市，都是掛羊頭賣狗肉。甚至，我們在實(shí)際研究中發(fā)現(xiàn)有的公募基金，自己號稱是做醫(yī)藥板塊，但80%的倉位是軍工。

這種現(xiàn)象在國內(nèi)也屬于中國特色，那這就造成了很大的問題。如果直接用這些基金的申報(bào)風(fēng)格去做資產(chǎn)配置，那么得到的一定是錯(cuò)誤的結(jié)果。每4個(gè)債券型基金，就有一個(gè)債券型基金，實(shí)際上投資是股市。我投資了一個(gè)債券，一個(gè)股，我是不是分散了？實(shí)際上投資兩個(gè)股票，比如2015年大跌的時(shí)候，那你就虧了。

智能投顧現(xiàn)存的缺陷以及解決方案

• 缺陷
  

• 解決方案

經(jīng)典的馬克維茨理論或者現(xiàn)代資產(chǎn)組合理論在中國市場上應(yīng)該是不可行的，存在明顯缺陷，而機(jī)器學(xué)習(xí)輔助之下模型可得到一定優(yōu)化：采用機(jī)器學(xué)習(xí)技術(shù)之下，使用穩(wěn)定的一階統(tǒng)計(jì)量配置資產(chǎn)，使用二階統(tǒng)計(jì)量，融合機(jī)構(gòu)調(diào)研成果，監(jiān)控預(yù)測市場變化。

這塊澄清一下——我們做不到在市場崩盤前提前預(yù)知，但是我們可以盡量做到市場崩盤后，或者剛剛開始崩盤的時(shí)候，立刻撤出來。

總結(jié)

Kensho 創(chuàng)始人 Daniel Nadler 說過一句話：“我們正在以破壞大量相對高薪工作為代價(jià)來創(chuàng)造極少數(shù)的更高薪工作?！睉?yīng)用人工智能對各行各業(yè)的影響已經(jīng)開始顯現(xiàn)。其中，對金融的影響只是其替代人類腦力勞動的一個(gè)代表：從替代簡單重復(fù)性腦力勞動，比如大量手動交易執(zhí)行到自動化交易執(zhí)行；到信息收集和初步分析，比如數(shù)據(jù)統(tǒng)計(jì)，智能金融客服；再到各種投資預(yù)判和決策，比如上面提到的智能投顧。

目前我們的科技還停留在弱人工智能階段。從技術(shù)角度看，人工智能的各個(gè)細(xì)分領(lǐng)域尚面臨著各自的技術(shù)桎梏；從市場應(yīng)用來說，缺乏席卷用戶的現(xiàn)象級產(chǎn)品。而當(dāng)我們突破這個(gè)瓶頸的時(shí)候，我們就會迎來人工智能的下一個(gè)春天。

討論

學(xué)員：金融從業(yè)者說智能投顧在中國有比美國更廣闊的發(fā)展前景，為什么？能簡單分析一下嗎？

王蓁：首先，不直接把中國和美國智能投顧對比。我首先認(rèn)同很認(rèn)同的一點(diǎn)是：智能投顧在國內(nèi)是有很廣闊的發(fā)展前景，因?yàn)椋?/p>

一、其實(shí)國內(nèi)存在比美國更大的金融專業(yè)人才或者理財(cái)規(guī)劃師空缺，無論是人數(shù)還是專業(yè)能力上都有比較大的差距，而智能投顧又是能夠很好解決這個(gè)問題的有力工具。

二、國內(nèi)十幾年前是無財(cái)可理，但現(xiàn)在國內(nèi)已經(jīng)進(jìn)入經(jīng)濟(jì)的新常態(tài)，整個(gè)經(jīng)濟(jì)慢慢進(jìn)入成熟，這是一個(gè)發(fā)展中國家變?yōu)橐粋€(gè)發(fā)達(dá)國家的正常路徑，大家開始會越來越多地體會到理財(cái)?shù)闹匾裕缓箅S著市場教育的深入，智能投顧會有很大發(fā)展空間，而在這一點(diǎn)上，美國相對來講，傳統(tǒng)金融機(jī)構(gòu)比較成熟，已經(jīng)瓜分好了各個(gè)市場，美國的市場教育也積累了很長的時(shí)間，所以說這一點(diǎn)中國確實(shí)是也比美國要有更多的可能性。主要就是這兩點(diǎn)。

學(xué)員：現(xiàn)在很多平臺都打著智能投顧的旗號，魚龍混雜，我們作為企業(yè)該如何去判斷孰好孰壞？

王蓁：這個(gè)問題其實(shí)挺復(fù)雜的，我先提供兩個(gè)答案吧。

簡短答案就是，大家跟著我一起把所有的初級中級和高級課程走完一遍之后，大家對智能投顧整個(gè)的原理和真正的量化的部分就會比較有概念了，那么當(dāng)我們再以專業(yè)的眼光看市場，我們就能很輕易分辨出來，這是第一。

然后如果具體到技術(shù)細(xì)節(jié)，所有的分辨是基于專業(yè)能力。咱們的課程初級中級高級其實(shí)就是教會這個(gè)東西，今天的課程會相對比較簡單，下一次的課程其實(shí)就已經(jīng)開始正式機(jī)器學(xué)習(xí)算法層面的內(nèi)容了，然后從第三節(jié)的課程大家要做好心理準(zhǔn)備，我們就可能會上一些真的大腦會急速消耗的東西、內(nèi)容，但是大家也是滿滿的干貨，會收獲很大。

學(xué)員：中國的QD產(chǎn)品是不是比較適合美國智能投顧模式？

王蓁：中國的QD產(chǎn)品，我如果沒理解錯(cuò)的話是指中國的類似于QDII這些主投海外的基金。首先，相對來講，中國的QD產(chǎn)品可能會比國內(nèi)其他公募類型的公募基金更適合作為這個(gè)美國智能投顧模式的底層標(biāo)的或者資產(chǎn)池，因?yàn)閲鴥?nèi)的QD基金主要是追蹤于國外的一些指數(shù)，但我不得不提一句，根據(jù)我自己的調(diào)查，國內(nèi)的很多QD基金，其實(shí)際的漲幅和國外的指數(shù)是脫離的。這個(gè)我不知道是為什么，有可能基金經(jīng)理的問題，也有可能是資金管制的問題，但如果用國內(nèi)的QD基金和直接投資美國的指數(shù)的話有點(diǎn)類似，但是效果肯定還是不一樣，這是第一。

其次，國內(nèi)的QD基金一般來講都是T+7的認(rèn)購和T+7的贖回，所以說一買一賣大概20天過去了。在這樣的情況下，其實(shí)他和美國的標(biāo)準(zhǔn)ETF當(dāng)天買賣的流動性差距還是很大的，這一點(diǎn)在資產(chǎn)配置上也會導(dǎo)致不同的差異。

而且QD基金的費(fèi)用也要比ETF要高很多，所以說無論是從費(fèi)用還是從流動性，還是從追蹤誤差方面表表現(xiàn)上來講，QD和美國的這些被動式投資的標(biāo)的還是不太一樣，而且中國的QD還是數(shù)量比較有限，投資的目標(biāo)也比較有限，比如說我們說要追蹤投資巴西的一個(gè)什么指數(shù)，國內(nèi)QD沒有這樣的產(chǎn)品。

所以在這幾個(gè)方面來講的話，中國的QD相對于其他類型的公募基金，是可能更適合這個(gè)美國智能投顧方式，但是還是有很多問題，至少我剛才提到這四個(gè)方面的問題需要解決。

學(xué)員：目前智能投顧投資者分析是不是基本基于問卷模式劃分等級的做法，模型是不是也是線性主觀經(jīng)驗(yàn)來劃分的？

王蓁：首先，目前當(dāng)前智能投顧對用戶風(fēng)險(xiǎn)等級的劃分，現(xiàn)在市場上出現(xiàn)的啊真正上線了的落地了的全部都是基于問卷形式，為什么呢？

這是因?yàn)榻衲曛Z貝爾經(jīng)濟(jì)學(xué)獎獲得者是賽勒，其研究成果行為經(jīng)濟(jì)學(xué)有很大的貢獻(xiàn)。這套問卷其實(shí)也是基于成熟的行為金融學(xué)一套理論總結(jié)出來的，所以問卷本身是沒有問題的。

但是，問卷有一個(gè)什么樣的問題呢？你無法保證用戶對你的問卷會真實(shí)回答，那么問卷收集到的最后結(jié)論一定是不準(zhǔn)確的，對吧？

我們其實(shí)有更準(zhǔn)確的方法。我?guī)ьI(lǐng)的小組其實(shí)在9月份用真實(shí)的數(shù)據(jù)——其實(shí)我們以前其實(shí)是用美國的數(shù)據(jù)，但8月份拿到了一批銀行的脫敏數(shù)據(jù)，比較多，而且剛好是用戶的行為數(shù)據(jù)，所以9月份我們剛好就驗(yàn)證了自己的模型——可以做到基于用戶的行為，比如說用戶在這個(gè)銀行內(nèi)的存款，用戶的消費(fèi)記錄用戶的貸款記錄，用戶的轉(zhuǎn)賬記錄，用戶的各種產(chǎn)品交易信息，還有其他的綜合的銀行能收集到的所有的信息，然后對用戶進(jìn)行更加準(zhǔn)確的風(fēng)險(xiǎn)等級的劃分。

相比之下，用戶問卷肯定是最基礎(chǔ)的，但這個(gè)很容易出現(xiàn)偏差，基于用戶行為的其實(shí)是更符合人工智能的方式。但是基于用戶行為會有問題——因?yàn)閱我患毅y行可能會對用戶的行為產(chǎn)生誤判。因?yàn)橛脩艨赡茉谥袊y行有賬戶，在建設(shè)銀行也可能有賬戶，但彼此數(shù)據(jù)并不相通。

不過，這個(gè)問題是可以通過深度學(xué)習(xí)的方式來解決，我們實(shí)際測試的結(jié)果應(yīng)該是88%到92%的準(zhǔn)確率。那剩下8%到12%的同學(xué)呢，對不起了，那劃分確實(shí)可能數(shù)據(jù)不夠，數(shù)據(jù)多的話可以劃分得更好。所以說其實(shí)這個(gè)問題倒不是最大問題，最大的問題是可能產(chǎn)生樣本的偏差。

學(xué)員：有沒有什么方式可以盡量減少投顧的交易費(fèi)用？我們目前的做法是采用基金轉(zhuǎn)換業(yè)務(wù)，并且轉(zhuǎn)換費(fèi)零折，有沒有其他實(shí)現(xiàn)辦法？

王蓁：這個(gè)一問就是行家，為什么呢？因?yàn)楝F(xiàn)在其實(shí)國內(nèi)金融監(jiān)管比較嚴(yán)厲，然后其中不只是投顧有交易費(fèi)的問題，還有其中扣款失敗的問題。基金轉(zhuǎn)換其實(shí)是行業(yè)內(nèi)大家用的比較常用的一種方式，而且能夠做到轉(zhuǎn)化費(fèi)零折，就是完全免費(fèi)，那其實(shí)這家機(jī)構(gòu)其實(shí)已經(jīng)很厲害了，等于是我們在調(diào)倉的時(shí)候比較少的低費(fèi)用了。這是一種做法，就是通過基金轉(zhuǎn)換風(fēng)格轉(zhuǎn)換，而不是通過這種買入賣出，這是一個(gè)很好做法。

除此之外，事實(shí)上還有另外三種比較巧妙的做法，我們通過這幾種最有調(diào)倉的方法，實(shí)現(xiàn)調(diào)倉費(fèi)用降低了67%……

——————————————————————————————————————————————

更多更詳細(xì)的智能投顧以及量化投資實(shí)操系列特訓(xùn)課程，敬請?jiān)L問雷鋒網(wǎng)旗下AI慕課學(xué)院：

http://www.mooc.ai/course/157。

添加助手小艾（微信號MOOCCAI），發(fā)送“智能投顧”，并提交姓名+公司/職位，加入“智能投顧”行業(yè)交流群，同行業(yè)大咖玩轉(zhuǎn)智能投顧。

【智能投顧高級特訓(xùn)班】

AI+金融熱潮下緊抓智能投顧前沿趨勢！

四大行實(shí)操智能投顧系統(tǒng)端到端的經(jīng)典案例，手把手教你利用人工智能算法搭建系統(tǒng)的智能投顧項(xiàng)目！

課程鏈接：http://www.mooc.ai/course/157

加入AI慕課學(xué)院人工智能學(xué)習(xí)交流QQ群：624413030，與AI同行一起交流成長

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。