文档介绍：智能投顾缘何智能
智能投顾在客户财务目标的4个方面,帮他们做出定制化的解决方案。但靠谱的智能投顾不会单独吹嘘人工智能。
在智能投顾这个词被国内大量引用之前,投顾在中国特指券商营业部中的证券投资顾问。不同于国外,国内智能投顾的发展方向走出了3种分支:第一,高频荐股帮助客户追求阿尔法收益;第二,以海外资产配置为主;第三,以人民币投资为主,同时服务持牌金融机构客户。
其中,以股票收益为代表的阿尔法收益并不适合大众投资者。其原因是,虽然获得短期阿尔法收益相对容易,但想要长期、持续地获得阿尔法收益难度相当大。理论上说,90%的投资收益来源于正确的资产配置,通过择时、择股获取投资收益的占比不超过10%。而在中国这种半有效的市场,择时、择股所起的效果不超过20%。

笔者认为,国内智能投顾的发展将慢慢与国外比肩,通过大类资产配置替代人工投顾服务。同时,我们更愿意将国内的智能投顾称为数字化资产配置。
不仅仅是人工智能
1952年,经济学家哈里?马科维茨提出投资组合理论,但直至1990年才他获得诺贝尔奖,期间很多年并没有人去验证这个理论。举例来说,假设我们有10类资产,如股票、黄金、现金、债券等,在当前市场状况下,把钱均匀地配置到10类资产中有多少种可能?如果要精确到小数点后两位,答案是1036种。
金融市场是实时变化的,下一秒和这一秒可能千差万别,每小时都会有新的数据进入。由此看出,在计算机的计算能力发展起来之前,资产配置这件事很难实现。
下图展示了典型的数字化资产配置过程。不同的投资者,其适合的资产配置组合各不相同。智能投顾会实时计算每类资产的波动、收益,根据投资者的风险承受能力进行必要的实时动态调整。它帮助投资者避免由行为偏差造成的投资决策失误,保证投资者的组合永远处于最优的状态。
在AlphaGo战胜李世石之后,人工智能忽然火了起来。一些所谓的智能投顾引入了所谓的人工智能概念,似乎可以准确预测市场。对此,笔者持怀疑态度。AlphaGo采用的技术叫作深度学习,深度学习不等于人工智能,是人工智能的分支。
人工智能是一个很火的词,但在金融领域,如果用错了会造成很大问题。金融很多时候需要的不是精确的预测,而是一个模糊的证据。特别是在资产配置的过程中,需要的是方向性的判断,而不是局部最优解;需要的是一个全局解,即使这个解是模糊的。
另外,要防止过度拟合问题,因为机器学习计入的数据太多。但是由于机器缺乏因果关系的判断,往往会把两个数据出现的一致性判断成一种有因果?系的必然性。比如,“招商证券一开策略会,A股就下跌”。这虽然是个段子,但机器却会当真,极有可能在招商证券下次开会时,触发卖出指令。
因此,在现阶段,机器学习智能投顾只能作为辅助手段,仍要采用多模型的方式。除了支持向量机(SVM)这种模型,还要利用传统的数据统计方法,包括事件训练模型、回归模型等,才能谨慎地为用户制订出一份经过检验的资产配置方案。
针对4类目标定制资产配置方案
通常,客户的财务目标分为4类:对预期收益的追求、对风险的承受能力、对投资时间长短的需求、投资到期后的分红。无论用户的投资需求是买房还是养老,都可以被这4类需求所包含。智能投顾就是希望在这4个方面,为客户提供定制化解决方案。
每个客户除了投资需求外,还有在不同阶段的保障需求。比如,