智能投顧的風口已來？別急，沒你想的那麼快

近年來，人工智慧已融入到了各行各業，逐漸成為了企業進步的「新能源」。智慧金融一直被認為是AI目前最被看好的落地領域，特別是智能投顧。雖然在歐美國家，智能投顧正在如火如荼的進行，可是目前在我國，情況似乎並不明朗。

2015年開始，國內個別金融機構打出智能投顧的概念。進入2017年，機構布局智能投顧迎來一波小高潮。東吳證券、廣發證券、中泰證券等紛紛入局，除此之外，國內多家銀行也在智能投顧上進行了實踐。比如，招商銀行的摩羯智投、興業銀行的興業智投、光大銀行的光雲智投、中信銀行的「信智投」等。

但是，這些銀行的智能投顧做的怎麼樣呢？作為銀行系首家上線的智能投顧，摩羯智投無論是體量還是影響力上都榜上有名，雖其規模已超80億，但其未設置風險評測機制，基本處於以銷售為導向的階段。

其他金融機構做得如何呢？宜信旗下的投米RA，最初上市時主打海外投資，去年6月推出人民幣版本，其風險等級共9等，無論最高還是最低，反反覆復就是8隻基金，對大額用戶而言，顯然風險不能分散。

還有一件值得玩味的事，那就是除了摩羯智投外，其他多家智能投顧們少有向公眾袒露其資產管理規模的。

所以，智能投顧在國內，可能遠沒有想像中那麼美好。

1、智能投顧之賣點：

第一，智能投顧讓投資變得異常簡單。用戶只需要一鍵，一個充值，就可以完成對很多產品的投資。

第二，風險分散。因為智能投顧投資組合包含各種演算法，平衡風險和收益，相對比較安全。

第三個原因在於投資額可以比較小。對於中產階級而言，過去缺乏比較好的理財產品，降低了進入門檻。

2、智能投顧之困局：

缺乏生長的土壤

Wealthfront是美國最知名的智能投顧公司之一，主要目標客戶是有充足的現金流，卻沒有時間精力和投資知識來打理自己資產的年輕人。投資的准入門檻很低，設定為5000美元，10000美元以內不收取管理費（超過部分費用約為0.25%），交易程序也被大大簡化，增長速率非常快，在2018年初就已經管理了100億美元的資產。

而我國當前市場上正常的智能投顧均以公募基金為資產標的，通常其認購、贖回、託管成本和管理費用綜合達1%－2%，是國外智能投顧的2－8倍。

智能投顧的實現基於對細分產品的量化，國外的智能投顧投資組合主要以ETF為主。目前美國大概有1600隻ETF，共2萬多億美元的市場，而中國僅有100多隻ETF，大多數為股票，沒有債券、大宗商品和針對不同的產業的ETF，不能做到分散投資，有效配置資產更無從談起。因此，現在很多所謂的智能投顧，只是投資經理根據自己掌握客戶的投資偏好做統計並推介投資方案，本質上還是披著人工智慧『馬甲』的傳統投顧業務。

同時，智能投顧涉及到投資諮詢、產品銷售和資產管理三塊業務，而國內這三塊牌照是分別發放和監管的。由於是純線上的平台，監管難度非常大，監管層也處於觀察階段。

因此現階段，智能投顧依然處於概念重於實質階段。未來將如何走，還有待進一發展。

大數據大而不「精」

人工智慧發展起來的關鍵是有了大量的數據，甚至可以說人工智慧發展80%歸於數據的豐富，20%歸於演算法的提升。

在金融行業，數據極易標籤化，這給人工智慧在金融領域發展極大的利好。然而，從數據大上來說，智能投顧所獲得的數據還不夠多，這個不夠多不是指數量上不夠，而是指維度上的單一。

智能投顧主要是基於用戶畫像和資產刻畫提供精準服務。用戶畫像需要投資者交易行為數據的搜集和分析，而我國客戶的投資行為習慣非常脆弱，客戶是基於長期被動投資、指數投資還是主動投資，帶來的結構對智能投顧的挑戰是截然不同的，因此客戶的風險畫像有時候很難精準表述它的特徵。

資產畫像需要對金融產品，以及結合市場的數據的搜集和分析，國內目前在這塊上略顯薄弱。國內擁有成體量的有價值的數據信息的公司很少（BATJ等寥寥幾家）, 而擁有優質數據資源的公司組建了牢不可破的數據封閉體系，並不能很好的互通，再有就是數據整合模式不成熟，缺乏大的平台型數據公司，造成有價值的數據過於分散，接入成本高。

市場和運營管理花費大

傳統投資顧問由專業人士擔任，主要針對高凈值人群，由於人力成本高，傳統投資顧問的管理費普遍高於1%，且邊際成本下降不明顯。但基於計算機演算法輔助的智能投顧，管理費普遍在0.25%－0.5%之間，邊際成本隨客戶增多而下降，邊際效應明顯。

但是，相比於傳統機構，智能投顧公司投入市場和運營的花費卻很大。這是典型的互聯網發展模式，先砸錢做用戶量。但是，這樣就增大了獲客成本。這就難免使投資者感到疑惑，估值這麼高，你的核心競爭力呢？慧牛也出現了類似的問題，其產品創新乏力，和投米、靈犀智投區別不大，均是基於風險評測得出投資組合，產品同質化嚴重不說，其基金數量極少，風險很大。同時，智能化程度不高，公司盈利率也並不理想。

因此，說智能投顧要顛覆傳統投顧似乎還為時過早。

3、智能投顧接下來該怎麼破局：

雖然與人相比，機器不會疲勞，可以24*7小時工作，對數據擁有更強的記憶力和掌控力，但是，實踐起來並不容易，是時候打破這一迷霧了。

優勢互補，技術與流量的結合

智能投顧的競爭優勢是品牌，而品牌恰恰是老牌資產管理公司的強項。比如Betterment，辛苦10年積攢20萬用戶，資產管理規模100億美元，在短短兩年內，就被老牌資產管理機構Vanguard超越，Vanguard當前管理規模是830億美元，已經是Betterment的8倍。品牌弱，則獲客成本高。高財力、高信任的用戶，轉化成本不是獨立智能投顧所能接受的。

這對已經建立品牌優勢的銀行和金融機構而言，應該是一個好消息。可以採用借力使力的打法，與技術能力優勢的智能投顧研究方優勢互補。

AI+HI，人工智慧為主基金經理為輔

金融市場上的收益產生過程與方式千變萬化，只有通過人腦的思考、理解與創新能力，才能夠將其架構成應有的模型。而智能投顧只能在部分程度上完成這個任務，因為它沒有創新與發展的能力。同時智能投顧側重於「投」，缺乏「顧」。

因此現階段，人的干預就顯得十分重要。智能投顧作為一種參考，最終投資建議必須經過人工檢視、處理後才能提供用戶使用。一般，用戶與傳統投資顧問有更多的互動，可以涉及用戶稅收籌劃、房地產投資、子女教育投資等更廣泛的財富管理增值服務。從用戶的角度出發，顧比投甚至更重要。

提供數據分析，讓用戶自主選擇

前我國證券市場仍然以散戶為主，市場情緒波動巨大，很容易出現不理性的投資行為。這種非理性行為某種程度上助長了上市公司的有恃無恐，因為投資者的決策並不是依託長期價值，而是通過小道消息、講故事。通過金融學中公認的科學投資方法，如組合投資、資產配置等概念，引導投資者理性配置自己的資產。同時，智能投顧的主要目標人群勢必是年輕人和一大批新中產，這些互聯網原住民對智能投顧的接受度可能略高於一般群體，但對機器的信任值也達不到輕易拿出自己口袋裡的錢。

基於這種情況，企業方可以提供很多方便的投資工具或者分析工具。比如基金的優選及診斷，同時配上一些諸如數據回測工具，估值概率分位，因子強弱分析，MPT之類的分析工具。一般來說，人對機器的容錯度往往高於人對人的容錯度，對用戶進行市場教育的同時，給用戶一定的自主選擇，某種程度上增加了其對機器的容錯度。長時間來看，有利於人們對智能投顧的接受。

（編輯：楊少康）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！