央行伍旭川: 金融科技新风口 智能投顾能否成功逆袭

当代金融家 2021-09-07 09:28:50


作  者:伍旭川   中国人民银行金融研究所综合部主任、互联网金融研究中心秘书长、研究员、博士生导师

             廖海勇   经济学博士、单位为中国人民银行西安分行

来  源:本文刊登于《当代金融家》杂志12月刊(杂志全球发行,每月8日出刊,定价:80元/本,全年960元),原标题为《智能投顾能否成为金融科技新风口》

导读


国内智能投顾目前还处于初级发展阶段,面临许多挑战。例如,尚未明确出台针对智能投顾的监管条例,我国的金融市场发展和投资者结构尚不健全等都是不利因素,而智能投顾平台存在的技术风险和劣币驱逐良币风险也令其投资建议难以保持独立性和客观性。如何改进、移除这些现状和阻碍,值得金融科技行业深思。


正文


智能投顾是人工智能技术在投资顾问领域的最新应用,与传统人工智能服务相比,理财成本更低、服务人群更广、客户分析更加高效、投资建议更加理性,为财富管理行业带来了新的变革。当前,智能投顾行业仍处于初级阶段,尤其是在监管、对接资产与投资者培育等方面还面临许多挑战。


智能投顾是什么

传统投顾vs智能投顾


投顾,即投资顾问,智能投顾是人工智能与投资顾问的结合。投资顾问的主要功能是根据客户的理财目标、风险偏好、可配置资产,为客户提供符合其风险偏好和理财目标的资产配置建议。投资顾问的服务链主要包括以下几个环节:客户分析、资产配置、投资组合选择、交易执行、投资组合再平衡。传统投顾与智能投顾的区别在于,在整条服务链上,传统投顾主要基于人的金融知识和从业经验进行分析、判断和选择,而智能投顾则是建立在大数据、云计算、机器学习等技术之上,以一系列智能算法和现代投资组合理论的结合为依据,为客户提供资产配置建议,甚至还能提供诸如税收规划之类的增值服务。


主动投资vs被动投资


智能投顾属于被动投资,投资者仅提供基本信息,而将配置资产、调整组合等后续管理类工作交给服务方,不以追求高收益为目标,而是追求β收益(长期稳定的收益)为主,获得系统性风险补偿。而在主动投资模式中,投资者对自身偏好有较充分的了解,其信息获取、选择投资方式及策略至交易执行,以及投资后标的/组合调整均由投资者自主进行。


人工智能技术与现代资产管理理论的结合


马克维茨的资产组合理论表明,在所有可能的资产配置中,给定一个期望获得的回报,存在一个风险最小的资产配置组合,同样,给定一个可以承受的风险水平,存在一个收益率最高的风险配置组合,所有这些组合的集合就是有效前沿线。从理论上来说,投资者的效用函数与有效前沿的切点就是最优的资产配置。很长一段时间内,这一资产选择理论仅仅停留在理论层面上,人们还是依靠经验来进行资产配置,主要原因就是金融市场瞬息万变,用户的资产及风险偏好也不是一成不变的,导致有效前沿线以及用户无差异曲线的计算量非常大。计算机技术的引入使得大规模金融统计和计算成为现实,资产组合的配置可以由模型来完成,大数据技术则可以实现对风险偏好的动态计算。


典型的智能投顾的工作步骤


第一,客户分析:通过问卷调查收集信息,包括客户的理财目标、风险偏好;第二,大类资产配置:通过算法或专家观点筛选可投资资产池;第三,投资组合选择:基于现代资产组合理论,以及其他模型或人工智能的优化,给出适合用户的投资组合建议;第四,资产组合再平衡:根据市场情况和组合表现,评估是否符合投资者理财目标,若不满足,则给出新的投资建议,引导用户调仓或自动帮助调仓,实现资产组合再平衡。


智能投顾的发展现状及变革

美国


智能投顾是财富管理对最新科技运用的结果,最早起源于美国。业内最著名的两家公司Betterment和Wealthfront成立于2008年,可谓是智能投顾的鼻祖,投资标的涵盖基金、股票、股票期权、债权、房地产等十几类资产。截至2016年7月,Betterment和Wealthfront管理的资产规模分别达到50亿美元和35亿美元。自2010年以来,从事智能投顾的公司越来越多,管理的资产规模也快速增加,花旗集团研究报告指出,机器人顾问所掌握的资产从2012年的几乎为零已经增加到了2015年底的187亿美元。科尔尼(A.T. Kearney)则预测全球智能投顾行业的资产管理规模到2020年将达到2.2万亿美元。除了初创企业以外,传统金融机构也在加快在智能投顾领域的布局,主要以开发或收购智能投顾产品的形式,如德意志银行推出机器人投顾Anlage Finder,嘉信推出自己的智能投顾产品,高盛收购线上退休账户理财平台Honest Dollar,贝莱德收购机器人投顾初创公司Future Advisor。


中国


随着国内中产阶级的崛起、私人财富的积累、理财观念的转变、数字化趋势的出现以及互联网时代成长起来的年轻一代逐渐成为投资者主力,国内智能投顾迎来了良好的发展机遇。国内智能投顾产品爆发于2014年和2015年间,目前宣称已推出智能投顾产品或者正着手开发的企业有20多家,从业机构包括初创企业、传统金融机构、BAT互联网公司等。从对接的资产来看,主要有基金、保险、票据类理财产品与股票类产品。


变革


理财成本更低:投资顾问的关键在于根据客户的收入、年龄、性别、心理特征、风险偏好、理财目标,给出相应的投资组合选择,传统投资顾问主要依靠人工金融知识及经验进行判断,需要较高的人工成本。智能投顾利用数字化技术开发的算法自动进行识别,不仅高效,而且削减了投资顾问的人力成本。此外,智能投顾主要运用互联网提供在线服务,不需要租用物理设施,节约了运营成本。传统投资顾问的管理费在1%以上,而智能投顾的管理费仅为0.25%〜0.5%。


服务人群更广: 基于自动算法的线上服务突破了传统的“一对一”投顾服务,实现了“一对多”的标准化服务输出,可以大规模复制,面向更多中低净值客户群体,尤其是习惯使用互联网的年轻一代。


客户分析更高效:依托大数据、云计算、人工智能等技术,利用近年来互联网平台上累积的海量数据,智能投顾可以快速识别客户的风险偏好、风险承受能力甚至潜在的理财需求,相比传统理财顾问通过沟通交流的方式更加快捷和客观。此外,大部分人的风险偏好并非一成不变,而是随着市场涨跌、收入水平等因素的变化而波动。传统理财顾问对风险偏好的动态把握通常是滞后的,且沟通成本较高。智能投顾则通过金融科技的应用能够实现风险偏好的实时动态计算。


投资建议更理性: 基于算法、大数据、模型生成的投资建议,在一定程度上消除了人工投资顾问服务中由感情、情绪带来的非理性因素,以及由于经验、能力不足导致的服务非标准化问题,从而避免了投顾与客户之间的利益冲突,防范了道德风险,为用户带来了更好的体验。


智能投顾面临的挑战

国内智能投顾发展整体落后国外几年的时间,目前还处于初级发展阶段,面临许多挑战。从监管上看,目前也尚未明确出台针对智能投顾的监管条例。


第一,智能投顾的业务范围尚待明确。智能投顾本质上还是投资顾问,所以理应受到《证券投资顾问业务暂行规定》及《中华人民共和国证券法》的约束。根据规定,投资顾问仅能提供投资建议,不得代客交易,因此智能投顾的服务将仅限于基于算法的资产配置建议,公司不能以机构为主体在二级市场上直接交易,只能以门槛较低的公募基金作为资产配置的主要标的。


第二,智能投顾牌照资质要求不明晰。智能投顾的投资建议一般都是涉及股票、基金、保险等各种金融产品的分散化投资组合,这就涉及各类产品的销售资质,目前我国尚未有法律对智能投顾业务的牌照和资质提出要求,未来智能投顾平台可能涉及证券投资咨询牌照、公募基金牌照、基金销售牌照、私募基金备案等。根据《账户管理业务规则(征求意见稿)》,取得证券投资咨询业务资格的证券投资咨询公司需取得账户管理资质,接受客户委托,才能就证券、基金、期货及相关金融产品的投资或交易做出价值分析或投资判断,代理客户执行账户投资或交易管理,账户管理资质的取得条件要求公司注册资本不低于5000万人民币,这将成为智能投顾公司竞争的重要影响因素。


第三,海外资产配置面临的限制。目前部分平台的投资建议标的涉及美股、美ETF及港股等海外证券(比如蓝海财富和弥财)。但是由于中国在资本项目上的外汇管制并未完全放开,境内个人及企业兑换外币进行投资或支付时,仍会受到外汇监管部门的监督。而且,证监会于2016年7月发文警示海外证券交易平台风险,称并未批准任何境内外机构开展为境内投资者参与境外证券交易提供服务的业务,所以境内投资者通过境内互联网公司平台网站或移动端参与境外证券市场交易,没有法律保障。


从国内金融市场成熟度来看,我国的金融市场发展和投资者结构都是不利因素:一方面,智能投顾可对接产品不足。智能投顾产品在美国快速发展的一个重要原因是美国金融产品丰富,为智能投顾产品提供了较大的选择空间。截至2016年6月,美国市场有近1600只ETF,产品包括股指、债券、商品等多个类型,管理资产规模达到两万多亿美元,而同期国内ETF仅有130余只,且以传统股票指数型ETF为主,资产规模近5000亿元。另一方面,国内投资者培育也还有很长的路要走。目前国内投资者以散户为主,追求短期利益,与智能投顾强调基于基金的组合分散配置,追求长期β收益的投资理念相悖。


智能投顾平台存在的风险

技术风险


算法和模型是智能投顾产品的核心竞争力,模型给出的投资标的能否与客户风险偏好匹配是衡量智能投顾产品的重要条件。模型要经过“训练”才能使用,通过对样本数据的模拟,不断地学习、记忆并修正算法。有两个原因会导致样本失效:其一,样本是历史数据。当出现黑天鹅事件或者出现掺杂人类情绪的事件发生时,比如“9·11”、熔断机制、英国退欧,机器学习和自然语言处理就会失效,人工系统中并未载入类似的事件及后果,也无法从历史中学习到相关模式的处理方案。其二,样本会说谎。机器学习擅长发现数据间的相关关系而非因果关系,一个著名的例子是在1990年,对冲基金First Quadrant发现孟加拉国生产的黄油加上美国生产的奶酪以及孟加拉国羊的数量与自1983年开始的10年时间内标准普尔500指数具有99%以上的统计相关性,但1993年之后,这种关系莫名其妙地消失了,这就是由于自学习的机器无法区分虚假的相关性所导致的。目前人工智能还处于初级阶段,在投资顾问领域的应用更是新兴事物。智能投顾要达到预想的效果,需要不断地积累数据,提升数据分析能力,算法和模型的效果也需要在较长周期内进行检验。


劣币驱逐良币风险


智能投顾是技术驱动型的行业,涉及云计算、大数据以及一系列基于人工智能的资产配置、数据处理、交易优化的算法,这对智能投顾平台的计算机技术提出较高的要求。各家智能投顾概念的理财平台从宣传上看都强调技术的先进性,但实际上各平台在金融产品种类、大数据运用上实力相差较大。在缺乏足够的历史数据对其算法的效果进行验证的情况下,难免有一些不具备技术实力的理财平台以“智能投顾”为噱头,仅对用户进行简单的风险偏好测试,根据用户偏好推荐相应理财产品,更多属于分散化投资,并未实现用数据算法优化投资模型,最终可能使得用户权益受损。此外,智能投顾平台的从业人员收入既来自咨询费用,也来自基金等销售佣金。这就混淆了投资咨询与产品销售之间的界限,也为部分平台以“智能投顾”为幌子吸引用户、以销售自身产品为目的提供了激励动机,投资建议的独立性和客观性难以保证。


点击查看更多精彩文章

1、险企盆友们,一起大步迈向融资租赁领域吧!

2、旧文新读 | 唐双宁:全球金融危机的“五四三二一”

3、信托小伙伴看过来,ABS标准化建设路径热腾腾出炉啦

4、封面文章 | 从汇率预期读懂中国经济增长模式及政策前瞻

5、杨涛:普惠金融同样需要有边界

6、来吧,听中航信托讲一讲信托到底能为金融科技做些什么

7、高度 | 实用主义者特朗普

8、别再说找不到信托在"债转股"中的机遇啦!你用对方法了么?

9、酸甜苦辣“校园贷” | 从野蛮到文明,未来的成长之路在哪里?

10、封面文章 | 2017:别老说贬值不好,因为这些好处你没看到

本文仅代表作者个人观点,与所供职单位无关。投稿请加客服微信:lbh476996376

《当代金融家》杂志



长按指纹-识别二维码—关注

“新生态金融”领域最优质、最专业公众号:

全球共享金融100人论坛

“共享金融”是《当代金融家》杂志旗下专业微信公众号,以全球共享金融100人论坛(GSF100)为依托,汇聚共享金融领域一线大咖,发布共享金融最新学术观点,介绍典型案例,传递业内信息,借助论坛下属中国区块链研究联盟等落地项目,已成为共享金融领域一流新媒体平台。 

“资产证券化”领域最优质、最专业公众号权威推荐:

中国资产证券化百人会论坛

“资产证券化百人会”是《当代金融家》杂志旗下专业微信公众号,以“中国资产证券化百人会论坛”(CAF100)为依托,提供资产证券化领域全面、热辣、新鲜的一线操作理论与创新实践。CAF100是由厦门国际金融技术有限公司和《当代金融家》杂志联合发起的金融智库组织,旨在为政府监管部门、金融机构、资产发起方、机构投资者、专业中介机构、以及专家学者提供一个资产证券化领域的高端研究和研讨平台,推动学术、思想交流,推动资产证券化业界的合作与发展。  

长按指纹-识别二维码—关注

全球资产管理阿尔法智库

“全球资产管理阿尔法智库”是权威媒体《当代金融家》杂志旗下品牌!智库汇聚中国最具实力的机构投资者和资产管理人,研究资本市场趋势性变化,交流资产管理最佳实践与理论创新。解析案例,寻求良机,分享投资智慧和资产配置逻辑,走在曲线前面,不懈追求投资的阿尔法收益。  

长按指纹-识别二维码—关注

Copyright © 网络金融论坛论坛@2017