想虎口夺食，智能投顾须提升算法

（本文节选自云创股「智能投顾行业的发展与趋势」演讲，主讲人为 AQUMON 智能投顾⾸首席量量化研究师、⾹港科技⼤大学数学博⼠黄耀东）

40%的增速

2015 年，全球私人金融财富综合规模达到 168 万亿美元，相当于 10 个美国的 GDP 总量。如果按 2% 的管理费标准来计算，全球财富管理的营收总和相当于德国全年的 GDP。

中国的表现尤其抢眼。数据显示，当前中国财富市场总值排名世界第二。2015 年度，中国投资规模超过 100 万亿人民币。近十年来，中国财富管理行业蓬勃发展，连续多年保持 40% 以上的增长。高于全球 6% 的平均增长率。

不过，从投资理财方式来看，储蓄和房地产投资仍然是中国居民的心头好。

目前，中国投资方式中，储蓄占比 40%，房地产投资占比 30%。可供中国居民投资的优质资产非常缺乏，钱投不出去，只能流入储蓄和房地产投资之中。但长期来看，不动产不可能永远只涨不跌，而且人民币还面临贬值压力。单一的资产配置方式并不合理，中国市场需要更科学的财富管理方式。

智能投顾的机遇

在这种“资产荒”的市场中，智能投顾有着先天优势。它可以提供全球资产配置。

根据现代资产组合理论，智能投顾根据用户需求和金融市场变化，能够及时调整客户仓位和配置比例，以确保投资者的配置始终是最优的。

智能投顾的四个主要特点将支撑它的发展：

1.低成本。

凭借算法和自动化交易，智能投顾直接将投资者与优质的 ETF 组合进行对接，并能随着金融市场变化而自动调仓，节省大量费用；再加上云平台强大的性能，后期扩展的边际成本近乎于零。

所以，它的收费比传统银行更低。传统的银行服务每年不仅收取超过 1% 的管理费，还有其他隐蔽收费。智能投顾通常只收取 0.3%—0.5% 的管理费。另外，在底层资产上，许多理财公司用的是公募基金，会收取每年 1%—1.5% 的管理费，远比 ETF 收取的管理费高。

2.个性化。

结合投资者偏好定制私人理财方案。大部分的智能投顾都能根据客户的风险偏好去做定制，使得投资组合的波动率和客户的风险偏好相匹配，贴合客户的实际财富管理需求。

比如，客户可以通过填写网上问卷，自动生成其理财组合；如果需要变更理财组合，可以直接在网上操作。

3.全透明。

基于智能投顾，资产组合的方案能够清清楚楚展现在投资者面前；投资者只要登陆平台，就可以直接查看组合的持仓情况和限制。

4.全天候

算法引擎能够 24 小时不间断地监控全球金融市场，在瞬息万变的市场中做到自动调仓和组合仓位维持在最优水平。

在先进的数学算法和人工智能技术的支撑下，智能投顾提供了比传统理财服务更加稳健的收益。大量调研和数据分析表明，AQUMON 平均每年比传统私人银行理财收益要高 3%。

总体来看，智能投顾的行业前景非常好。

在上图中，蓝色的是全球资产总额，棕色的是智能投顾管理的资产总额。权威咨询机构预测，在 2020 年前，智能投顾行业将管理约 8 万亿美金的全球资产，成长空间巨大。而根据图表显示，智能投顾管理规模成长也非常迅速，每年成长率均超过 100%。

亟需演化的算法

不过，智能投顾的核心——算法——需要演化。

现阶段，绝大部分算法还停留在「现代组合理论」，拿均值方差理论、B-L模型等方法去做资产配置。设计者认为，投资者都是理性的。

然而，投资者在很多时候是不理性的。处于收益状态时，是风险反感者；处于损失状态时，却变成风险喜好者。比如，市场下跌时，许多投资者不愿接受损失，拒绝卖出，从而变成“僵尸户”。

所以，第二阶段的算法是，量化投资者的非理性行为。比如投资者对于向下的市场波动在意程度远高于向上的波动，因此智能投顾应该采用非对称的风险度量。如果把第一阶段称作智能投顾的 1.0 版本，那么融合了行为金融学的算法则可称作智能投顾 2.0，接下来还有 3.0 和 4.0 版本的不断演化。

到了第三阶段，系统将对运营数据的深度挖掘，自动分析投资者的投资偏好，从而精准投资者感兴趣的市场标的。

最终，在第四阶段，智能投顾可以运用机器学习，从海量数据中发掘出有利于投资收益的模式。这时，它将应用于自然语言处理技术，分析新闻、社交网络，以及金融市场的舆情，从舆情来判断金融市场的走向；或者运用机器学习技术，来发现资产价格走势与可观测经济变量之间的联系。

高级的机器学习，会涉及到数据预测、特征选择模型、选择结果验证与分析的一整套建模流程；所以，等到智能投顾处于第四阶段的时候，「算法」将会成为智能的最重要核心组成。