Master横扫棋手界，“二师兄”智能投顾如何颠覆金融圈？

新年伊始的这几天里，Master（即AlphaGo）的出现无疑成了最大的争论点。继12月30日以2:0拿下朴廷桓九段后，同一天内Master又以2:0再胜柯洁。这一胜，引得舆论哗然。而截止至2017年1月4日，Master又接连力挫聂卫平、常昊、周睿羊等高手，将这一战绩整整扩大到了60胜0负。

机器在这一年里的晋升确实让人倍感讶异，以至于我们将对于机器的敏感性蔓延到了附带“智能”的各个角落：智能交通、智能医疗，以及今天我们要讲到的智能投顾（robo-advisor）。

智能投顾虽然在2016年不断成为我们想象的对象，但直至今天，它的身影依然让我们感到茫然。而Master在2017年年初摧枯拉朽般的表现也为未来的人机大战画下了一个新的问号，在人类的创造力VS智能机器的战斗中，机器究竟该占据怎样的定位；我们又如何凭借智能投顾（robo-advisor）这股力量，去颠覆未来的金融世界？

1.“机器英雄”的尴尬

人们相信，当人工智能遇上亟待更新的旧产品体系，那些诞生于人脑的光芒很有可能照亮我们的整个世界。例如我们所熟悉的智能交通和医疗。

如今，我们寄希望于通过金融和技术的嫁接，来诞生能够取代传统投资行为的新金融产品，这是智能投顾身负“改变未来金融格局”使命的原因，也是它正在面临瓶颈的尴尬困局。

人的逻辑思维有很多种，比如推理、比如对数据总结、挖掘、整理以及通过概率判断所形成结论的能力。但人力的计算也常常受到主观思维、市场波动以及计算效率的影响。所以智能投顾的出现，是通过模仿人脑的计算能力，使之能够在特定的环境和场景下，根据变量和环境的变化，以最大的精准度来解决问题。

普遍观点认为，以上的“技术+规模”公式，实现了互联网金融的低成本运营。同时，中产阶层队伍的不断壮大、金融市场敞开大门，又给智能投顾扫平了发展所可能面对的荆棘。

根据瑞信研究院发布的数据称，全球中产阶层成年人的数目已由2000年的5.24亿人增加到2015年的6.64亿，这中间的增幅达到27%。

而截止到2016年11月底，中国基金业协会发布的统计数据也显示，中国的公募基金资产规模已达到了8.74万亿。在中国市场，3万名左右的人工投顾面对的是超过2亿个股票有效账户。

这一部分在过去较为鸡肋的“长尾”用户，通过自身的成长成为了智能投顾的主战场。

据波士顿咨询预计，2020年，中国资产管理总规模有望达到174万亿元，这些投资者拥有稳步增长的资产总量，正急需一个具有建设意义，但并不昂贵的财富管家。

截止2016年第三季度，大约30家主打智能投顾的平台进入了这一风口进行角逐。

但从数据看，轰轰烈烈的入场，却并未换来等同的市场价值。一项新的Gfk调查显示，只有10% 的参与者表示他们相信机器计算胜过人类，38%的受访者表示愿意为人工财务服务支付更多的费用，而超过45%的受访者表示他们不希望为了省钱而放弃现场人工咨询服务。

咨询机构CHAPPUISHALDER发布的报告显示：在全球72万亿美元的理财市场中，目前187亿美元的智能理财市场仅占比0.03%。大部分创业公司还没有实现盈利，处于融资发展阶段。从现状看来，智能投顾仅为传统资产管理机构的“互补”，而非“替代”。

“虽然人工智能是看似完全智能化的工具，但其背后的纽带却恰恰是人类。”SigFig财富管理有限公司CEO指的是三类人：用户、服务者，和监管方。

2.逃避的用户

中外投资观念的巨大差异是智能投顾“水土不服”的主要原因。

智能投顾平台奉行的策略是“被动投资哲学”，源起的原因是，大多数人认为自己战胜不了市场，就索性选择直接长期投资整个市场（ETF指数基金），并且是相关性弱的ETF，进一步分散风险。这样，只需要降低佣金和税负，就可以轻松跑赢整个市场。这种原点的关键重在分担风险，而不是收益。

“极客资本论”就曾撰文指出：“智能投顾在美国，其实并不需要跑赢市场的黑科技，而更多是降低和规避不必要的成本，按照Welthfront帮客户多赚（主要是靠节省）4.6%的前提下，再收取0.25%的年管理费。 ”

但相比之下，中国的散户投资者，并不愿意相信这种观念。从数据可以得出，中国散户习惯于自己参与资本市场投资，即使不直接参与资本市场，也更倾向于委托或者投资于通过人（比如基金经理）而管理的基金来投资，对于纯粹依靠冰冷的程序算法，中国投资人始终会抱有一种怀疑的态度。

美国学者GibsonBrinson曾在1986年发表于《金融分析家杂志》上的一篇名为《组合绩效的决定》的文章中表示：“投资收益的约91%应当由资产配置决定。”

智能投顾产品本质价值在于通过更全面和智能的全资产匹配，给用户一个更科学化、高效化的理财投资配置体系。这不能以简单的收益高低来衡量，而是衬托了“长期性”、“风险分担”和“组合优势”这三个关键词的存在。但在中国市场，个人投资者对“风险”的认知却相当薄弱。曾有投资人评价道：“对于中国投资者来说，能否赚钱才是最重要的。”

一条数据就可以说明问题。由于国内机构投资者占比较低，市场有效性偏弱，中国个人投资者主导的证券市场投机气氛甚浓，追求短期利益是极为普遍的现象，所以中国的A股换手率远高于全球其它国家股票市场（按自由流通市值计算，A股2015年换手率为609%，位居全球第一）。

同样在《基金投资者情况调查分析报告》中我们发现，国内个人投资者持有单只基金的平均时间在3年以上的，仅占33%。这违背了智能投顾“减少碎片投资，让财富获得稳定增值”的初衷，也显示出中国本土用户在主动屏蔽智能投顾这种追求稳定的投资方式。

3.服务者的困局

一位业内人士透露，Wealthfront、Betterment、Future Advisor等公司曾是国内很多智能投顾公司的模仿对象，但由于ETF产品数量悬殊等投资环境的差异，智能投顾平台在照搬美国模式的路途异常艰难。

受限于市场，国内平台无法完全复制Betterment和Wealthfront模式。像国内对标Wealthfront的弥财和蓝海智投这样的平台，由于不能直接募集资金，需引导用户通过开立美股账户实现海外ETF投资，且难以绕开个人账户每年5万元换汇额度的限制。而一些以国内公募基金为投资标的机构，为实现跨市场资产配置，则需要舍弃便利性、低交易成本等优势。

另外，许多分析文章在提及中国与海外ETF发展区别时，往往片面强调产品数量的不足。事实上，智能投顾在进行投资组合构建时所涉及的核心标的往往不超过5只。从工具看来，国内的ETF基本不在可选的投资标的范围之内。

国内ETF总体规模较小，种类不全。根据Wind数据，截至2016年7月，总共有130只可交易的ETF，其中权益型ETF和货币型ETF合计114只，债券型ETF、商品型ETF等品种较少，可分散的风险也有限。

蚂蚁金服首席数据科学家漆远曾表示，相比于美国金融市场，中国智能投顾机构能投资的高流动性金融产品还相对有限，有很多高收益非标资产无法实现高流动性，这可能会导致智能投资设定的投资组合存在相应的流动性风险。因而无法体现机构投资的优势，低成本、高效率也就无从谈起。

而这，也引发了智能投顾技术上的瓶颈。

完整的智能投顾体系，应当具备客户IPS及风险效用方程、资本市场预期模型、组合构建及优化三大战略性资产配置核心模块。但国内一般的智能投顾平台，仅仅根据简单的客户风险问卷就把人群划分成几类让其对号入座。

“最能体现智能投顾价值的在于IPS，但在人工智能尚未达到自然语言交流的水平前。”某智能投顾平台CTO表示；“我们很难通过一个冗长的IPS问卷来构建客户的RRTTLLU，并识别其存在的行为金融偏差并加以纠正。这样就难以达到个性化定制的期望。”

所以，这种“最优解”投资，在很长一段时间里成了一个简单的“打包产品”。 而另一方面，节节攀升的获客成本又成了新的生存难点。

Finametrica 报告和 Morningstar 报告共同显示，智能咨询公司须花费1800至5000人民币才能获取一个新客户。而假使客户每个月仅支付500人民币的咨询费，公司需要一年时间才能收回这些成本。

所以如果不能有效解决投资环境、技术和流量的瓶颈问题，智能投顾的服务者仍将面对一个相对“野蛮”的初期市场。

4.“迟到”的监管人

2016年美国金融监管局（FINRA）发布了一份数字化投顾的创新监管指引，阐明了其在三个方面的监管重心：

1）算法；

2）KYC尤其是风评；

3）组合建立的方法论与潜在的利益冲突。

FINRA在监管指引中定义了投资管理的价值链：KYC—资产配置—组合选择—交易—再平衡—税筹—组合分析。针对数字化投顾在价值链上的影响，FINRA执行副总裁Dan Sibears解释说：“FINRA 是从功能的角度来监管新型的投顾工具的。使用数字化投顾是突出了其‘过程监管’的视角，来审查新技术在投资管理价值链上的各个环节的功能以及影响。”

与发源国不同的是，中国对于智能投顾的监管，却仍像P2P刚刚风生水起那会一样浑水重重。北京大学互联网金融研究中心研究报告指出，国内至今尚无专门规范智能投顾业务发展的法律法规。理财魔方联合创始人马永谙曾坦言，他最害怕的是类似于做P2P的公司打着智能投顾的幌子滥竽充数，最终把这个行业做死。

另一层面，智能投顾强调的是咨询和资产管理的合一，但在中国，对于投资顾问与资产管理两块业务却是分开进行。这不仅让咨询业务的开展资格受到质疑，资产管理的合理性，也成了投资人的批判热点。

美国证监会现任主席Mary Jo White表示，自动化投资顾问项目的可获得性和受欢迎程度在过去几年提高地很快。美国已经开始考虑了所谓的机器人投顾(robo-advisers)作为注册投资顾问满足投资顾问法案(Advisers Act)下的受托人义务和其他义务的程度。其中就包括：如何提供投资建议；提供充足的披露，如何保护客户数据和在有中断的情况下如何保证业务持续性等等。

而英国则采取“监管沙盒”模式，即允许在可控的测试环境中对金融科技的新产品或新服务进行真实或虚拟测试。在确保消费者权益的前提下，允许新业务的快速落地运营，并可根据其在沙盒内的测试情况准予推广。

显然，数字化的资产配置对于监管技术的依赖程度要更大于传统金融，对于穿透式监管的信息要求也正在日益增高。而监管层对于智能投顾，也应该有一个正确的定位和监管，和足够的宽容度和政策空间。

智能投顾虽然是一个以“智能技术”起家的行业，但总的看来，让这项行业得以生根发芽的其实还是人类。用户、服务者、监管人，这三者维系的不仅仅是一个技术产业的革命，还有这个产业发展的未来。

而我们也期望，robo-advisor有天能像AlphaGo一样，带给我们具有真切感的希望。