「宝宝类」收益低,P2P风险大,为什么「智能投顾」代表未来?

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

一件很恼人的事情是,过去 3 年时间里大家普遍采用的几种理财和投资方式正在渐渐失去「魔力」。「宝宝类」产品年化收益持续走低;P2P 平台不仅收益普遍下降,还频现高额坏账、跑路等负面;股市经历一轮了「过山车」,仍不见企稳之势;「股灾」之下的大部分基金产品也难有令人满意的表现。如此这般,我们还能怎么理财?

另一端,互联网金融领域内的创业公司也面临瓶颈。靠着拼「渠道」、「流量」和「高收益」的红利时代已经过去,互联网金融需要更加深入金融的本质。同时,「互联网」给「金融」带来的改变也不应仅停留在「服务方式」这一层面,而需要向「技术层面」做更多探索。

用户需要更可靠和周全的理财方式,而互联网金融公司需要在技术创新和模式创新的过程中找到新的机会。这就是「智能投顾」服务在中国快速兴起的背景,也是「积木盒子」做智能投顾业务的原因。

积木盒子在 2013 年上线后直接切入了 P2P 领域。2015 年开始,积木盒子开始在产品层面做拓展,上线了纯线上的大数据信贷产品「读秒」、获取基金代销牌照并销售基金、上线美股交易平台「积木股票」。这其中,已进入内测环节的智能投顾业务是积木盒子又一次新的尝试。它很接近董骏创业的初衷——「投资的实质从来不是持续获得高回报,而是能够以你的风险承受能力去配置资产」。

在「小白」和「高净值用户」之间,「智能投顾」想抓住一片空白市场

经过之前 P2P、股市的教育,一部分用户开始接受一个理念:投资单一的资产无法规避突如其来的风险,想要获得相对稳定、可靠的收益,就需要进行多元的资产配置,并且放弃「博取高收益」的想法。这也是智能投顾服务能够被接受的基础。

智能投顾,即Robo-Advice,又被称为「智能理财」、「机器人理财」、「自动化理财」等。这些名字的背后说的都是一件事:基于大数据搭建金融模型并不断优化,从而根据用户的收益和风险偏好提供个性化资产配置方案。

在智能投顾服务出现之前,并不是没有办法获得这样的资产配置服务,但那都是「高净值人群」的专属。传统的私人财富管理服务可以为高净值用户提供一对一的管家式理财咨询,但投资门槛低则100万,高则上千万。而智能投顾服务就是把门槛降低,并且将原本由人工提供的投资顾问服务自动化、产品化。

在个人理财市场已经非常成熟的美国,智能投顾领域内的创业公司正在从传统的私人银行手中分走一杯羹,Wealthfront、Betterment、SigFig、Personal Capital、Future Advisor等都是典型的例子。同时,贝莱德、高盛、花旗等传统资产管理巨头也都在布局自己的智能投顾业务。这或能在一定程度上证明智能投顾这个业务的逻辑是可行的。

虽然对比传统财富管理服务来说,智能投顾的门槛已经大大降低,但它也不是给小白用户准备的。智能投顾服务覆盖的是具有一定财富积累的中产阶级群体,可投资资产约在 30 万到 300 万之间。不仅是因为针对这部分用户有着极强的理财需求却找不到匹配的服务,也是因为相对于小白用户,他们对投资的理解更加成熟,更有可能接受「资产配置」的理念。

并不是所有依赖于模型的投顾服务都是「智能投顾」

不是所有通过数据模型实现自动化和产品化的资产配置服务都称得上智能投顾,它需要满足几个条件:

  • 分散投资,并且是分散在不同的大类资产上

分散投资是大类资产的分散,而非理财产品维度上的分散。所以,为用户配不同的个股、不同的 ETF 基金等都不是真正的分散投资,因为这样无法避免系统性的风险,比如股市崩盘。而大类资产之间的相关度低、甚至一些大类资产间存在负相关,这样才能通过调整投资配比来获得比较稳定的收益。

  • 追求的是「最优解」,而非「高收益」

智能投顾是给用户一套资产配置的策略,而资产配置的基础理论是 Markowitz 的投资组合理论及其衍生模型,这背后遵循的逻辑是:在用户的风险承受范围内给出资产配置的最优解。所谓「最优解」是对风险和收益的平衡,不是追求「高收益」。因此,目前行业中有一些通过数据模型选股、选基金的产品都是为了博取高收益,这偏离了 Markowitz 理论的核心,并且也是难以持续的。

  • 具备实时调整资产组合的能力

与人工投顾服务最大的不同在于,智能投顾可以做到实时调整用户的资产组合。当市场有波动时,「机器人」应及时发起更改投资配置的请求。但也有一些平台做不到实时调整资产组合,只是定期对资产组合做一些修改,甚至不修改。

积木盒子背后的「人工智能」

积木盒子财富管理副总裁郑毓栋说:「未来标准化的投资顾问服务是可以由 AI 完全接管的。」所以从最开始,积木盒子就不仅只想搭建一个静态的量化模型,而是一个可以自我进化的机器学习系统。

  • 数据是机器学习的基础

积木盒子会依据三个维度的数据来形成投资策略的判断,分别是「用户」、「资产」、「市场」。

在用户层面,积木盒子会通过问卷的方式了解用户自身的属性(包括年龄、性别、资产规模等)、用户的风险承受能力、用户的投资能力(能否理性的对待投资)等情况,这是个性化投顾服务的基础。

在资产层面,会对平台在底层对接的 10 个大类资产进行实时数据收集,并结合它们的历史表现数据来判断不同资产类别之间的相关度、各自的波动率等情况。

在市场层面,则是引入经济性指标,比如央行政策、货币供应量、通胀率、CPI、失业率、房价等。大量经济指标并不一定都会跟金融市场产生强相关,这便需要通过机器学习来对数据进行筛选,对权重不断调整。

  • 从量化模型到机器学习

Wealthfront 和 Betterment 都是采用静态的量化模型来提供智能投顾服务,但积木盒子用的是机器学习的解决方案,也就是模型会不断进行自我优化。

郑毓栋告诉极客公园:

最开始,我们会根据经验设置一些规则引擎,然后扔几百上千个关于资产和市场的历史数据进去,进行数据挖掘。也就是根据过去的观测点,得到未来的发展方向。然后随着新充入数据的不断增多,既有的引擎规则会发生变化,这就是机器学习的过程。

不过,郑毓栋也认为机器学习的过程中并不是数据越多越好。

数据量过大容易产生数据拟合,这其中就可能包含假的因果关系,会扰乱模型的修正。所以,必须要判断这个数据是否具备金融属性。而模型的修正也不完全是依赖数据量的不断增多。

不久后,你会得到一个这样的「积木盒子智能投顾」服务

积木盒子的智能投顾服务正在内测中,这个过程中除了要持续优化机器学习的模型,也在把整个产品逻辑跑通。

目前看来,积木盒子将接入 10 个大类资产,覆盖国内和国外,涵盖了现金类、债权类、股票类、黄金类等资产类别。也就是说,用户可以对这些资产进行「一揽子投资」。「理财机器人」将根据用户的特点决定可配置的资产类别和各类资产的配比。不过,在第一期产品中,积木盒子暂时只对接国内的资产。

不同类别的资产需要用户自己分别开设账户,这是平台出于合规的需要。但积木盒子在底层把这些账户打通了,简化用户后续的操作流程。郑毓栋告诉极客公园:

不同资产账户之间本来是不连通的,但我们把这些节点都打通了,这需要强大的技术开发能力。也就是积木盒子做了资产之间的统筹协调,为的是让用户能够在一个入口下进行资产的申购、调整和赎回,实现一键交易,将复杂的交易过程都交给后端的机器完成。

但能这么做的前提是,平台要有自己能够销售金融产品的资质,也就是相应的牌照。积木盒子一直很重视牌照,目前已经获得了基金代销牌照和 SEC 的美股投顾牌照,意味着用户可以直接在平台上进行国内股、债类基金购买和美股投资。

当经济数据或资产表现数据发生比较明显的变化时,智能投顾系统会发起调整资产配置的请求,并拟合出新的收益曲线,由用户决定是否要更改配置。郑毓栋说。「机器是一个没有情绪的旁观者,会根据市场的可观情况给出建议,这就是在强迫用户做纪律投资。」在这个过程中,用户可以随时赎回资金。当然,用户也可以自己调整资产配置。调整后机器也会拟合出一个收益率曲线,让用户判断是否要这样做。但是积木盒子并不推荐用户这样做。

可以预见的是,接下来会有越来越多的互联网金融公司进入智能投顾领域,极客公园也会持续关注这个领域。如果你也在做智能投顾服务,欢迎与我交流(WeChat:188827500)。

随意打赏

提交建议
微信扫一扫,分享给好友吧。