大數據加智能，你信任智能投顧嗎

大數據智能投顧人工智能

chenjj | 2017-11-22 11:13

【數據猿導讀】大數據遇上新消費的時代，各種服務都在講究升級。智能投顧就是對傳統(tǒng)投顧模式的一種升級。智能投顧怎么玩轉?大數據如何在智能投顧中發(fā)揮作用?智能投顧來了，但你真的了解它嗎

大數據遇上新消費的時代，各種服務都在講究升級。智能投顧就是對傳統(tǒng)投顧模式的一種升級。智能投顧怎么玩轉大數據如何在智能投顧中發(fā)揮作用

智能投顧來了，但你真的了解它嗎

這次的分享主題是“數說新消費時代的智能投顧”，具體會跟大家分享三個部分的內容：

第一部分帶大家認識下什么是智能投顧，能解決什么問題，以及智能投顧在國內外的發(fā)展概況。

第二部分是以拿鐵智投為例，分享我們在產品研發(fā)過程中，如何應用數據的具體案例。

第三部分，是談談在金融數據實際運用時經常會碰到的一些問題，以及我們對這些問題的處理建議。

智能投顧是一種面向大眾化的投顧服務

銀行的理財經理大家都很熟悉，他們職責是基于個人資產的情況給客戶提供投資建議。但實際上大部分的理財經理更多的時間是在推薦產品，這就是一般投資者能夠接觸到的投顧服務。而在私人銀行的業(yè)務中整個資產配置的方法是被執(zhí)行的很好的，包括客戶需求分析、資產配置建議、構建投資組合、投后管理與回顧四個大的步驟。智能投顧就是希望把這套理念跟方法完整的提供給一般投資者。

傳統(tǒng)的投顧和智能投顧有什么區(qū)別呢智能投顧一般具備三個特點：

第一個特點叫做智能化。整個方案從客戶需求分析到對資產配置的建議，再到后續(xù)的投資組合管理等，這個過程中會運用到多種投資模型，管理的過程是自動的、智能的。

第二個叫個性化。傳統(tǒng)的理財服務不可能針對每一個客戶做非常個性化的投資方案，但是通過智能投顧系統(tǒng)，是可以做到針對每個人做千人千面的個性化方案的。

第三個叫做普適化。傳統(tǒng)的投顧為什么不面向中產階級提供呢商業(yè)模式不同。傳統(tǒng)的投顧服務受限于個人服務數量約束，所以他們在本質上追求的是高的客單價，因此高凈值客戶就成了他們的必然選擇。而智能投顧的變化在于一定程度上突破了個人服務數量的約束，從關注客單價轉變?yōu)殛P注客戶數量，可以面向一般投資者，本質上是一種更領先的、更具零售的、更具消費特征的一種升級。

大數據_智能投顧_人工智能-2

智能投顧產品從2016年開始在國內紛紛出現，拿鐵智投2016年3月上線，招商銀行的摩羯智投16年12月上線。其實，作為舶來品，智能投顧在海外的發(fā)展更早一些，發(fā)展也是非常迅速的。2008年在海外就出現了第一個智能投顧平臺。到2015年左右很多傳統(tǒng)的大型金融機構開始入場，截至2016年，最大一個智能投顧的產品的規(guī)模已經達到了300億。

而國內的摩羯智投，截至2017年三季度末，其交易額大概是75億元左右。按照招行2萬億的資產管理規(guī)模來說，占到了千分之四不到。因此，我們可以說，智能投顧在國內還是處在比較早的發(fā)展時期。

智能投顧的架構中的典型策略和做法

現在市面上的智能投顧產品有很多，但是從系統(tǒng)架構上來說，大家其實都差不多，一般會分為數據層、算法層、投資標的、投資方案、投顧管理幾個部分。

大數據_智能投顧_人工智能-3

智能投顧最核心的部分是資產配置。好的資產配置方案基于對資金結構的合理配置。在最理想的情況下，你每一次配置的資產，都是未來上漲前景最好的資產。背后有一個非常著名的投資理論，叫做美林時鐘。

大數據_智能投顧_人工智能-4

美林時鐘基于經濟增長以及通脹兩個維度宏觀經濟分成四種情況，每一種情況都有最合適的投資品，比如復蘇期最適合投資股票。但在現實運用中會碰到兩個局限性。一是你無法判斷當前的經濟狀態(tài)是處于時鐘的幾點鐘。回顧歷史來看可以分得很清楚，但立足當前來看確實是很難判斷的。第二，從速度來看，經濟的輪動很難被捕捉，它不是嚴格按照這個時鐘從復蘇、過熱到滯漲、再到衰退，它不是嚴格按照這個周期來輪動。

美林時鐘是一種非常理想的投資理念，但并不實用。而資產配置是在實際運用中最常見的解決資金配置結構的方法。而馬科維茨提出的均值方差模型在資產配置領域具有劃時代的意義。它第一次提供了資產配置在數學上的最優(yōu)解，使得資產配置找到了數學模型，也就有了后續(xù)一系列的優(yōu)化方案，大家經常聽到的BL方法、風險平價策略都是對均值方差理念的優(yōu)化。

大數據_智能投顧_人工智能-5

接下來來舉個拿鐵智投實際應用中的具體例子，我們以股票資產的長期收益評價為例。

股票型資產的收益主要來自于三部分：第一是來自于公司的利潤，是公司本身經營賺的錢;第二是央行的錢，就是無風險收益;第三是投資者博弈，也就是我們經常會說的“韭菜”的錢。從長期的角度講，公司的利潤影響最大，投資者博弈的貢獻很小，因為脫離基本面的上漲在長期內是不可持續(xù)的，被炒高的資產大概率會有估值修復的過程。

通過數據分析和回歸建模，我們發(fā)現了一個比較有意思的事情。下圖左邊這張圖，這個是美股全歷史的一個市盈率(調整后)的走勢，你會發(fā)現，在1990年以前整個市盈率非常好的體現出均值回歸的特征。但是90年代互聯網經濟興起后，市盈率就再也沒有降低到平均值以下，哪怕在金融危機時候，美股市盈率僅僅是回歸均值，距離底部有很大的距離?？戳藲v史走勢，大家還會覺得現在美股的點位高嗎其實，從90年代以后的數據來看，并不是特別高。

大數據_智能投顧_人工智能-6

上圖的中間這張圖是我們基于剛剛講的三個部分，建立了數學回歸模型：這根黑色線代表著股票的平均年化收益大概是8%左右，紅色的部分是我們對未來十年的股票預期收益的一個走勢。而藍色的是實際的未來十年的股票收益的年化收益率。通過這些變量的檢驗，我們能夠更好地去根據股票的點位來預測未來長期的收益率。最右邊那張圖則是統(tǒng)計學意義上的，可以看到R方大概在0.8左右。我們后來也嘗試了對A股做了類似的模型，但結果比較失望，第一是因為A股的樣本量可能比較少，第二，A股受政策影響較為明顯，因此模型不是很有效。

大數據對智能投顧的影響

現在是大數據時代，在這個時代智能投顧該如何創(chuàng)新發(fā)展呢

大數據對于智能投顧的影響應該從兩個層面去講，一個是投資端，一個是顧問端。

對于投資端，我們現在對于數據量的獲取是很多的，比如WIND(萬德)系統(tǒng)，我們也有自己的爬蟲系統(tǒng)，可以聚合市面上的新聞資訊、公眾號、研報等，這些都是我們在做投資決策的最底層數據來源。我們基于這些來源去搭建上層的模型、去建立市場分析的框架等。所以，在投資端大數據的影響主要是在數據源上有了更大的改進，數據模型更加優(yōu)化，基于更充分的數據和更高效率的數據模型得到更好的投資模型。

而對于顧問端，對于智能投顧的初創(chuàng)企業(yè)來講，受制于用戶規(guī)模的約束，從數據體量上看可能還遠遠沒有達到大數據的標準。像傳統(tǒng)的銀行等，他們有上千萬規(guī)模的用戶數據去做客戶畫像、風險評估。雖然目前拿鐵智投還沒有大平臺的數據優(yōu)勢，但基于公司另外一款產品“還唄”的千萬客戶規(guī)模，公司層面也在進行客戶畫像、精準營銷、個性化資訊等嘗試。

至于有很多人會質疑的用戶隱私問題。智能投顧本身確實對用戶數據的需求量是很大的，每家智能投顧公司都希望有更多數據去更精準地做用戶畫像，這樣可以提供更加優(yōu)質的服務。在實際操作中，因為涉及到用戶的資產信息，各家機構在保護用戶的隱私層面是非常嚴格的。而且智能投顧的投資標的是公募基金，是目前適合大眾投資的產品中流程最標準、監(jiān)管要求最高的產品。

關于監(jiān)管政策的影響。目前在中國智能投顧屬于創(chuàng)新型產品，目前沒有明確的監(jiān)管政策，但整個行業(yè)都在“為投資者提供更優(yōu)質的服務”的大前提下進行產品創(chuàng)新，努力推動大眾客戶的投資者教育，這是積極正向的創(chuàng)新，希望能得到監(jiān)管層面的鼓勵。當然也存在一些約束。國內金融領域實行的是分業(yè)監(jiān)管，對于智能投顧行業(yè)來說現在面臨的問題主要在于分業(yè)監(jiān)管帶來的產品間的隔離，比如基金、股票、理財要區(qū)分不同的賬戶去購買。我們將持續(xù)去做投資者教育這件非常有意義的事情，讓更多的普通投資者樹立正確的理財觀，讓更好的投資理念和方法服務更多的客戶，非常期待整個行業(yè)得到法律地位的這一天。

來源：CSDN極客頭條

收藏分享

聲明：數據猿尊重媒體行業(yè)規(guī)范，相關內容都會注明來源與作者；轉載我們原創(chuàng)內容時，也請務必注明“來源：數據猿”與作者名稱，否則將會受到數據猿追責。