「寶寶類」收益低，P2P風險大，為什么「智能投顧」代表未來？

一件很惱人的事情是，過去 3 年時間里大家普遍采用的幾種理財和投資方式正在漸漸失去「魔力」。「寶寶類」產品年化收益持續走低；P2P 平臺不僅收益普遍下降，還頻現高額壞賬、跑路等負面；股市經歷一輪了「過山車」，仍不見企穩之勢；「股災」之下的大部分基金產品也難有令人滿意的表現。如此這般，我們還能怎么理財？

另一端，互聯網金融領域內的創業公司也面臨瓶頸。靠著拼「渠道」、「流量」和「高收益」的紅利時代已經過去，互聯網金融需要更加深入金融的本質。同時，「互聯網」給「金融」帶來的改變也不應僅停留在「服務方式」這一層面，而需要向「技術層面」做更多探索。

用戶需要更可靠和周全的理財方式，而互聯網金融公司需要在技術創新和模式創新的過程中找到新的機會。這就是「智能投顧」服務在中國快速興起的背景，也是「積木盒子」做智能投顧業務的原因。

積木盒子在 2013 年上線后直接切入了 P2P 領域。2015 年開始，積木盒子開始在產品層面做拓展，上線了純線上的大數據信貸產品「讀秒」、獲取基金代銷牌照并銷售基金、上線美股交易平臺「積木股票」。這其中，已進入內測環節的智能投顧業務是積木盒子又一次新的嘗試。它很接近董駿創業的初衷——「投資的實質從來不是持續獲得高回報，而是能夠以你的風險承受能力去配置資產」。

在「小白」和「高凈值用戶」之間，「智能投顧」想抓住一片空白市場

經過之前 P2P、股市的教育，一部分用戶開始接受一個理念：投資單一的資產無法規避突如其來的風險，想要獲得相對穩定、可靠的收益，就需要進行多元的資產配置，并且放棄「博取高收益」的想法。這也是智能投顧服務能夠被接受的基礎。

智能投顧，即Robo-Advice，又被稱為「智能理財」、「機器人理財」、「自動化理財」等。這些名字的背后說的都是一件事：基于大數據搭建金融模型并不斷優化，從而根據用戶的收益和風險偏好提供個性化資產配置方案。

在智能投顧服務出現之前，并不是沒有辦法獲得這樣的資產配置服務，但那都是「高凈值人群」的專屬。傳統的私人財富管理服務可以為高凈值用戶提供一對一的管家式理財咨詢，但投資門檻低則100萬，高則上千萬。而智能投顧服務就是把門檻降低，并且將原本由人工提供的投資顧問服務自動化、產品化。

在個人理財市場已經非常成熟的美國，智能投顧領域內的創業公司正在從傳統的私人銀行手中分走一杯羹，Wealthfront、Betterment、SigFig、Personal Capital、Future Advisor等都是典型的例子。同時，貝萊德、高盛、花旗等傳統資產管理巨頭也都在布局自己的智能投顧業務。這或能在一定程度上證明智能投顧這個業務的邏輯是可行的。

雖然對比傳統財富管理服務來說，智能投顧的門檻已經大大降低，但它也不是給小白用戶準備的。智能投顧服務覆蓋的是具有一定財富積累的中產階級群體，可投資資產約在 30 萬到 300 萬之間。不僅是因為針對這部分用戶有著極強的理財需求卻找不到匹配的服務，也是因為相對于小白用戶，他們對投資的理解更加成熟，更有可能接受「資產配置」的理念。

并不是所有依賴于模型的投顧服務都是「智能投顧」

不是所有通過數據模型實現自動化和產品化的資產配置服務都稱得上智能投顧，它需要滿足幾個條件：

• 分散投資，并且是分散在不同的大類資產上

分散投資是大類資產的分散，而非理財產品維度上的分散。所以，為用戶配不同的個股、不同的 ETF 基金等都不是真正的分散投資，因為這樣無法避免系統性的風險，比如股市崩盤。而大類資產之間的相關度低、甚至一些大類資產間存在負相關，這樣才能通過調整投資配比來獲得比較穩定的收益。

• 追求的是「最優解」，而非「高收益」

智能投顧是給用戶一套資產配置的策略，而資產配置的基礎理論是 Markowitz 的投資組合理論及其衍生模型，這背后遵循的邏輯是：在用戶的風險承受范圍內給出資產配置的最優解。所謂「最優解」是對風險和收益的平衡，不是追求「高收益」。因此，目前行業中有一些通過數據模型選股、選基金的產品都是為了博取高收益，這偏離了 Markowitz 理論的核心，并且也是難以持續的。

• 具備實時調整資產組合的能力

與人工投顧服務最大的不同在于，智能投顧可以做到實時調整用戶的資產組合。當市場有波動時，「機器人」應及時發起更改投資配置的請求。但也有一些平臺做不到實時調整資產組合，只是定期對資產組合做一些修改，甚至不修改。

積木盒子背后的「人工智能」

積木盒子財富管理副總裁鄭毓棟說：「未來標準化的投資顧問服務是可以由 AI 完全接管的。」所以從最開始，積木盒子就不僅只想搭建一個靜態的量化模型，而是一個可以自我進化的機器學習系統。

• 數據是機器學習的基礎

積木盒子會依據三個維度的數據來形成投資策略的判斷，分別是「用戶」、「資產」、「市場」。

在用戶層面，積木盒子會通過問卷的方式了解用戶自身的屬性（包括年齡、性別、資產規模等）、用戶的風險承受能力、用戶的投資能力（能否理性的對待投資）等情況，這是個性化投顧服務的基礎。

在資產層面，會對平臺在底層對接的 10 個大類資產進行實時數據收集，并結合它們的歷史表現數據來判斷不同資產類別之間的相關度、各自的波動率等情況。

在市場層面，則是引入經濟性指標，比如央行政策、貨幣供應量、通脹率、CPI、失業率、房價等。大量經濟指標并不一定都會跟金融市場產生強相關，這便需要通過機器學習來對數據進行篩選，對權重不斷調整。

• 從量化模型到機器學習

Wealthfront 和 Betterment 都是采用靜態的量化模型來提供智能投顧服務，但積木盒子用的是機器學習的解決方案，也就是模型會不斷進行自我優化。

鄭毓棟告訴極客公園：

不過，鄭毓棟也認為機器學習的過程中并不是數據越多越好。

不久后，你會得到一個這樣的「積木盒子智能投顧」服務

積木盒子的智能投顧服務正在內測中，這個過程中除了要持續優化機器學習的模型，也在把整個產品邏輯跑通。

目前看來，積木盒子將接入 10 個大類資產，覆蓋國內和國外，涵蓋了現金類、債權類、股票類、黃金類等資產類別。也就是說，用戶可以對這些資產進行「一攬子投資」。「理財機器人」將根據用戶的特點決定可配置的資產類別和各類資產的配比。不過，在第一期產品中，積木盒子暫時只對接國內的資產。

不同類別的資產需要用戶自己分別開設賬戶，這是平臺出于合規的需要。但積木盒子在底層把這些賬戶打通了，簡化用戶后續的操作流程。鄭毓棟告訴極客公園：

但能這么做的前提是，平臺要有自己能夠銷售金融產品的資質，也就是相應的牌照。積木盒子一直很重視牌照，目前已經獲得了基金代銷牌照和 SEC 的美股投顧牌照，意味著用戶可以直接在平臺上進行國內股、債類基金購買和美股投資。

當經濟數據或資產表現數據發生比較明顯的變化時，智能投顧系統會發起調整資產配置的請求，并擬合出新的收益曲線，由用戶決定是否要更改配置。鄭毓棟說。「機器是一個沒有情緒的旁觀者，會根據市場的可觀情況給出建議，這就是在強迫用戶做紀律投資。」在這個過程中，用戶可以隨時贖回資金。當然，用戶也可以自己調整資產配置。調整后機器也會擬合出一個收益率曲線，讓用戶判斷是否要這樣做。但是積木盒子并不推薦用戶這樣做。

可以預見的是，接下來會有越來越多的互聯網金融公司進入智能投顧領域，極客公園也會持續關注這個領域。如果你也在做智能投顧服務，歡迎與我交流（WeChat：188827500）。