智慧金融一直被認為是AI目前最被看好的落地領(lǐng)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，可是我國，情況似乎并不明朗。

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(guī)模已超80億，但其未設(shè)置風險評測機制，基本處于以銷售為導(dǎo)向的階段。而宜信旗下的投米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，反反復(fù)復(fù)就是8只基金，對大額用戶而言，顯然風險不能分散。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(chǎn)管理規(guī)模的，個中原因就值得玩味了。

為什么智能投顧這把火似乎還沒有燎原之勢？

（瑞士銀行設(shè)在美國的交易場2011年和2016年的對比）

智能投顧之困局： 霧里看花還是蓄勢待發(fā)？

我國的智能投顧從萬眾期待到門可羅雀，智能相對論認為主要有幾點原因：

1、缺乏生長的土壤，智能投顧概念重于形式。

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(xiàn)金流，卻沒有時間精力和投資知識來打理自己資產(chǎn)的年輕人。投資的準入門檻很低，設(shè)定為5000美元，10000美元以內(nèi)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?？欤?018年初就已經(jīng)管理了100億美元的資產(chǎn)。

而我國當前市場上正常的智能投顧均以公募基金為資產(chǎn)標的，通常其認購、贖回、托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(xiàn)基于對細分產(chǎn)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只ETF，共2萬多億美元的市場，而中國僅有100多只ETF，大多數(shù)為股票，沒有債券、大宗商品和針對不同的產(chǎn)業(yè)的ETF，不能做到分散投資，有效配置資產(chǎn)更無從談起。因此，現(xiàn)在很多所謂的智能投顧，只是投資經(jīng)理根據(jù)自己掌握客戶的投資偏好做統(tǒng)計并推介投資方案，本質(zhì)上還是披著人工智能‘馬甲’的傳統(tǒng)投顧業(yè)務(wù)。

同時，智能投顧涉及到投資咨詢、產(chǎn)品銷售和資產(chǎn)管理三塊業(yè)務(wù)，而國內(nèi)這三塊牌照是分別發(fā)放和監(jiān)管的。由于是純線上的平臺，監(jiān)管難度非常大，監(jiān)管層也處于觀察階段。

因此現(xiàn)階段，智能投顧依然處于概念重于實質(zhì)階段。未來將如何走，還有待進一發(fā)展。

 2、大數(shù)據(jù)大而不“精”，深度學(xué)習(xí)黑箱遲遲難揭。

人工智能發(fā)展起來的關(guān)鍵是有了大量的數(shù)據(jù)，甚至可以說人工智能發(fā)展80%歸于數(shù)據(jù)的豐富，20%歸于算法的提升。

在金融行業(yè)，數(shù)據(jù)極易標簽化，這給人工智能在金融領(lǐng)域發(fā)展極大的利好。然而，從數(shù)據(jù)大上來說，智能投顧所獲得的數(shù)據(jù)還不夠多，這個不夠多不是指數(shù)量上不夠，而是指維度上的單一。

智能投顧主要是基于用戶畫像和資產(chǎn)刻畫提供精準服務(wù)。用戶畫像需要投資者交易行為數(shù)據(jù)的搜集和分析，而我國客戶的投資行為習(xí)慣非常脆弱，客戶是基于長期被動投資、指數(shù)投資還是主動投資，帶來的結(jié)構(gòu)對智能投顧的挑戰(zhàn)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征。而資產(chǎn)畫像需要對金融產(chǎn)品，以及結(jié)合市場的數(shù)據(jù)的搜集和分析，國內(nèi)目前在這塊上略顯薄弱。國內(nèi)擁有成體量的有價值的數(shù)據(jù)信息的公司很少（BATJ等寥寥幾家）, 而擁有優(yōu)質(zhì)數(shù)據(jù)資源的公司組建了牢不可破的數(shù)據(jù)封閉體系，并不能很好的互通，再有就是數(shù)據(jù)整合模式不成熟，缺乏大的平臺型數(shù)據(jù)公司，造成有價值的數(shù)據(jù)過于分散，接入成本高。

如果算法在智能投顧賦能中占比20%，那深度學(xué)習(xí)起了至少一半的作用。據(jù)說深度學(xué)習(xí)領(lǐng)域所認可的人才分兩種。第一種是開宗立派的人物，比如發(fā)明CNN(卷積神經(jīng)網(wǎng)絡(luò))、DNN(深度神經(jīng)網(wǎng)絡(luò))、RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))的宗師級人物。還有一種，是真正能夠把參數(shù)調(diào)好的人，這極其稀缺。比如對于多層神經(jīng)網(wǎng)絡(luò)，是設(shè)置10層、5層還是7層效果最好？每層都有很多參數(shù)，應(yīng)該輸入多大的數(shù)據(jù)量才會產(chǎn)生理想結(jié)果，這是一個經(jīng)驗值，甚至沒有規(guī)律。比如當你輸入大量數(shù)據(jù)后，得出一個結(jié)論后，你沒辦法回溯怎么得出這個結(jié)論的，甚至你無法證明這是最優(yōu)解。所以深度學(xué)習(xí)最大的問題是黑箱。

在我國對金融與科技領(lǐng)域的高壓監(jiān)管下，你顯然無法向監(jiān)管機構(gòu)充分解釋神經(jīng)網(wǎng)絡(luò)的運作原理。

3、背后的商業(yè)邏輯未變，即配置資產(chǎn)和金融服務(wù)的屬性沒變。

傳統(tǒng)投資顧問由專業(yè)人士擔任，主要針對高凈值人群，由于人力成本高，傳統(tǒng)投資顧問的管理費普遍高于1%，且邊際成本下降不明顯。但基于計算機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(yīng)明顯。

但是，相比于傳統(tǒng)機構(gòu)，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(lián)網(wǎng)發(fā)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，估值這么高，你的核心競爭力呢？慧牛也出現(xiàn)了類似的問題，其產(chǎn)品創(chuàng)新乏力，和投米、靈犀智投區(qū)別不大，均是基于風險評測得出投資組合，產(chǎn)品同質(zhì)化嚴重不說，其基金數(shù)量極少，風險很大。同時，智能化程度不高，公司盈利率也并不理想。

智能投顧想要顛覆傳統(tǒng)投顧似乎還為時過早。哈佛商學(xué)院教授克里斯坦森認為顛覆性分兩種，新市場顛覆——能夠開辟一片新的市場；低端顛覆性——能給現(xiàn)有產(chǎn)品，提供一個更簡單、低價或更方便的替代品，而智能投顧想要顛覆傳統(tǒng)投顧，似乎還為時過早。

理想豐滿現(xiàn)實骨感，智能投顧接下來該怎么破局？

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

1、優(yōu)勢互補，技術(shù)與流量的結(jié)合

上文提及的Betterment，辛苦10年積攢20萬用戶，資產(chǎn)管理規(guī)模100億美元，在短短兩年內(nèi)，就被老牌資產(chǎn)管理機構(gòu)Vanguard超越，Vanguard當前管理規(guī)模是830億美元，已經(jīng)是Betterment的8倍。智能投顧的競爭優(yōu)勢是品牌，而品牌恰恰是老牌資產(chǎn)管理公司的強項。品牌弱，則獲客成本高。高財力、高信任的用戶，轉(zhuǎn)化成本不是獨立智能投顧所能接受的。

比如中農(nóng)工建這種大銀行，很早就和BATJ等互聯(lián)網(wǎng)金融企業(yè)合作。這里合作的一大關(guān)鍵就是技術(shù)能力。而一些缺乏技術(shù)能力的中小銀行，城商行，農(nóng)商行也顯然有進軍智能投顧的趨勢。他們一方面被大銀行壓的不行，但往往也在地方上有一定的獲客優(yōu)勢，另一方面他們也往往有銳意創(chuàng)新的需求在，但是礙于其薄弱的技術(shù)實力往往很難推進類似的創(chuàng)新，這便可以與具有技術(shù)優(yōu)勢的智能投顧們優(yōu)勢互補。

銀行天然對風險很敏感，切入點可以是低風險的定投或者偏固收類的資產(chǎn)配置等?？傊?，采取相互賦能的形式，最大程度的將蛋糕做大。

2、AI+HI，人工智能為主基金經(jīng)理為輔

金融市場上的收益產(chǎn)生過程與方式千變?nèi)f化，只有通過人腦的思考、理解與創(chuàng)新能力，才能夠?qū)⑵浼軜?gòu)成應(yīng)有的模型。而智能投顧只能在部分程度上完成這個任務(wù)，因為它沒有創(chuàng)新與發(fā)展的能力。同時智能投顧側(cè)重于“投”，缺乏“顧”。

因此現(xiàn)階段，人的干預(yù)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(jīng)過人工檢視、處理后才能提供用戶使用。一般，用戶與傳統(tǒng)投資顧問有更多的互動，可以涉及用戶稅收籌劃、房地產(chǎn)投資、子女教育投資等更廣泛的財富管理增值服務(wù)。從用戶的角度出發(fā)，顧比投甚至更重要。因為對于用戶來說，“投”本身就是智能投顧的分內(nèi)事。而做到“顧”，需要在投的過程中的適當?shù)娜宋年P(guān)懷，就算沒有客套話或者不做大跌時候的心理輔導(dǎo)，也應(yīng)該給用戶一個投資理念的正確引導(dǎo)。想人之所想，這是獲得用戶信任的不二法門，有時候甚至比投得好（賺錢）還有效。

從行業(yè)發(fā)展情況來看，由于依托傳統(tǒng)金融機構(gòu)的平臺資源和客戶渠道，AI+HI的模式是現(xiàn)階段最為有效的方式之一。雖然未來的趨勢勢必是資產(chǎn)配置建議完全由機器人投顧的人工智能算法給出，但是技術(shù)的發(fā)展是有階段性，先驅(qū)和炮灰往往只有一墻之隔。

3、提供數(shù)據(jù)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(xiàn)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，因為投資者的決策并不是依托長期價值，而是通過小道消息、講故事。通過金融學(xué)中公認的科學(xué)投資方法，如組合投資、資產(chǎn)配置等概念，引導(dǎo)投資者理性配置自己的資產(chǎn)。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(chǎn)，這些互聯(lián)網(wǎng)原住民對智能投顧的接受度可能略高于一般群體，但對機器的信任值也達不到輕易拿出自己口袋里的錢。

基于這種情況，企業(yè)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(yōu)選及診斷，同時配上一些諸如數(shù)據(jù)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于人對人的容錯度，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，有利于人們對智能投顧的接受。

而當企業(yè)采取這種方式，無論是TO C還是TO B，都會產(chǎn)生新的贏利點。

回到最開始的問題，智能相對論認為智能投顧處于蓄勢待發(fā)階段。雖然在我們國家既有智能+投，也有智能+顧問，既有機器主導(dǎo)，也有人機融合，不乏各種“掛羊頭賣狗肉”的情況，但我認為這是變革轉(zhuǎn)型期的常態(tài)，無論是歐洲、美國，都會面臨這種魚龍混雜的現(xiàn)象，相信伴隨著AI技術(shù)的成熟和相關(guān)政策的落實，智能投顧必將顛覆現(xiàn)有的投顧模式。

【來源： 智能相對論】