机器学习、数据科学与金融行业系列二：智能投顾（Robot-Advisors）

机器学习、数据科学与金融行业

系列二：智能投顾（Robot-Advisors）

不进行研究的投资，就象打扑克从不看牌一样，必然失败！ ——彼得·林奇

人工智能的关键性问题是其表现形式。——杰夫·霍金斯

    2016年3月，机器人AlphaGo大胜李世石，人类一败涂地；今年，AlphaGo化身“master”重出江湖，连续60局无一败绩；另一人工智能Libratus，在大河赌场赢得德扑胜利，斩获20万美元奖金。人机对弈的失败，掀起了行业对智能的憧憬和“将被取代”的恐慌。
    人工智能会首先落地在“数据最大、最快能产生价值的领域”，李开复认为，“比如说，金融领域的银行、保险、券商、智能投顾、AI量化基金”。
     本文主要从三个方面探讨目前的Fintech热点，智能投顾产品：发展现状和趋势、产品形态和基本技术。

一．发展现状与趋势

1） 发展现状
    智能投顾满足了大部分人寻求低成本、自动投资的需求。在几分钟之内，智能投顾产品就可以帮助客户建立一个定制化的、多元配置资产投资组合。而且可以提供原来只为高净值人群提供的投资通道。由于这些原因，智能投顾产品非常吸引人，一直保持高速增长。著名咨询公司A.T. Kearney预测，智能投顾所管理的资产将以68%的速度增长，并在接下来的5年内增至万亿级。
    智能投顾的先驱者首推Betterment，其智投产品管理的资产超过70亿美元，也是第一个管理超过50亿美元资产的最大智投平台。其主要特点是多元化资产组合、低起投资金要求、低费用。调仓、税收亏损控制和用户风险承受调查也是其特点。Betterment所提供的标准计划收取0.25%的年费。
    另外较为大型的平台还有Personal Capital，Schwab Intelligent Portfolios，Wealthfront等。其中，Personal Capital是混合模式，主推个人财富管理，其智投产品帮助客户跟踪其银行账户，并采用现代投资理论(MPT)最大化用户收益。Schwab Intelligent Portfolios主推ETF，不收取年费，但初投资金不能少于5000$。Wealthfront的初始资金下限只有500$，并在前10000$资金不向客户收取年费，税收优化是其特点。
    国内产品当然要提招商银行的摩羯智投，上线不到一年，所管理的资产已经超过50亿人民币。此产品主要针对公募基金，手续费没有折扣，并且策略黑盒。它划分了10个用户风险级别，起投资金下线是2万元。另外还有魔镜智投，理财魔方等。后两者都是偏白盒策略，且手续费有折扣，起投资金较低。
    总的来看，国内智能投顾还处于起步阶段，需要解决的问题很多。但我们已经看到了其带来的好处，例如摩羯智投虽然不是尽如人意，但其收益率已经高于很多指数了。

2） 趋势
• 银行进入智能投顾市场
    随着智能投顾市场的升温，银行业紧随脚步也进入了这个充满机遇和挑战的市场。例如Wells Fargo和Schweb，国内的招商银行和兴业银行。银行业的进入，也就代表更多的资源进入，更多的C端用户，更大的数据，与券商谈费率的空间也会加大。
• 行业联合固化
    随着行业发展，智能投顾产品会出现百花齐放的姿态。为了抢占市场和保持竞争力，各方会寻找可以提供互补资源的机构和企业，造成并购和合并现象。
• 优胜劣汰/适者生存
    长期竞争下，获得先发优势和良好资源整合能力的产品会胜出，其他产品将会被淘汰出主流，形成长尾市场。
• 集成人工智能技术
    毋庸置疑，在大数据环境的背景下，人工智能技术是量化投资和智能投顾产品的强有力的翅膀。
• 低费率化发展
    智能投顾产品所提供的核心功能之一就是高效率的提高资金流动性，使交易和投资成本降低，所以低费率化是必然趋势。
• 政府规范化
    在长期的市场演进和角逐中，政府会出台相关政策来规范化行业，增加行业受众程度以帮助其良性发展。
    另外，笔者认为
第一：有可能该产品演进为个人财富管理助理，结合保险业和零售业。
第二：为了降低获客成本，有动机拥抱互联网行业。

二．产品功能

    从智能投顾的产品功能上看主要是：
基本功能：
 用户风险测评
    收集用户信息，做问卷调查，得到用户的风险承受偏好。
 投资组合推荐
    根据用户风险偏好和画像，为用户推荐投资组合。在下面我们将探讨其相关技术。
 投资监控
    平台需要能够监控每一个用户的投资的表现，是否偏离目标，是否触发止盈，止损策略和调仓策略。
 调仓
    为了保证投资组合符合目标，需要不时地调仓和再平衡。
 诊断报告
    向客户诊断和报告其投资表现，并做出相关分析，给客户以建议。
扩展功能：
 税收优化策略
    为客户制定合理避税，降低税收损失的计划。
 账户余额盈利策略
    由于很多资产具有最低购买额度，无论组合策略所给出的权重多么精确，客户账户都会有现金余额存在，而且用户购买某些资产存在在途时间。所以，一个不错的想法是需要有一个策略来捆绑所有残余现金而获取超短期收益，例如转到现金理财平台授予过夜费等。
    笔者在这里大胆设想，智能投顾可能会演进成为个人财富管理平台的入口，打通银行账户，保险业和零售业。例如与保险公司合作，根据用户需求，为用户量身定制保险计划；结合零售平台，自动为用户推荐团购商品和服务。

三．基本技术

    智能投顾产品很明显是一个client/server结构，里面包含了大数据、系统工程、软件和量化投资技术等。我们这里简要介绍量化投资技术和与人工智能技术的结合。
 量化投资技术
    目前主流智能投顾平台所采用的量化投资技术主要有三种：
1） 基于Smart Beta的组合策略
    这个类型的策略是目前智能投顾平台采用最多的，主要包括Equal Weight, MVO，Risk Parity, ERC(Equal Risk Contribution)，Risk Budget，Min-Variance，Max-Diversity等。各种策略各有优势和特点。
2） 基于交易策略
    交易策略基本上只能用于交易成本较低的资产，例如股票、ETF等。主流交易策略有Mean-Reversion，Pair Trading，Bollinger Band®等。
3） 战术策略
基于CPPI/TPPI的组合保险策略。
基于Kelly模型的投资策略。
    这里只是简要介绍，笔者会在后续系列中详细探讨这几种策略
 与人工智能和机器学习的结合

    人工智能技术今年来发展极为迅速，其与智能投顾的结合笔者认为主要有两方面。
    第一是量化投资技术方面，目前的量化投资技术主要是依赖金融模型来进行策略选择和收益最大化，说白了就是要做预测。众所周知，基于大数据的机器学习技术正是擅长于此。基于Q-learning的强化学习技术配合动态规划算法是这方面的一个前沿技术，另外还有基于图模型的最佳路径选择规划。传统金融模型大部分都是以单投资周期为基础的，虽然有不少方法来解决多期问题。但机器学习模型天生就具备了对多期数据建模的优势。相信不久的将来，这方面会有突破性进展。
    第二是用户体验方面，想象智能投顾平台为每一个客户运行一个虚拟机器人，为客户处理财富管理投资相关问题。这里必然会牵涉到很多与客户交互点，人工智能技术可以更高效率的解决此问题，给用户带来更好更便捷的服务体验。诸如语音识别技术，图像识别技术，财经新闻推荐等技术都可以很好的在这里发挥。

总结

    综上所述，智能投顾是一个巨大的快速发展的市场，充满着机遇和挑战，其技术、模式也在探索和发展中。国内的发展还处于初期，必然会出现群雄逐鹿的局面，具有先发优势和强大资源整合能力的机构和企业更容易胜出。值得注意的是，智能投顾的产品定位是非常重要的，它并不能满足所有投资者的意愿。