中国智能投顾行业

原文地址：
中国智能投顾行业

一、概要

财富管理与新兴金融科技的结合，使得财富管理行业正在进入新的阶段——智能财富管理。近几年全球出现的智能投顾模式已然成为智能财富管理的一大热点。智能投顾，简而言之，就是基于投资者的投资需求和风险偏好，为其提供数字化、自动化、智能化的财富管理服务。和传统投顾相比，智能投顾最大的特征就是门槛低、费用低、高效率，因此，其对作为“长尾用户”的中低净值人群颇具吸引力。

智能投顾起源于金融危机后的美国，Betterment、Wealthfront等初创公司开启了其大幕，近几年传统金融机构也纷纷开始涉足智能投顾服务，智能投顾正处在向大众普及的阶段。智能投顾的出现及快速发展给传统的面对面的财富管理模式带来了冲击，并形成了当前三种财富管理模式：传统财富管理模式、纯智能投顾模式和混合模式。

在中国，多方参与的财富管理市场竞争日趋激烈，快速变化的客户群体及其需求、新兴的数字技术、趋严的监管政策正在重塑原有的财富管理模式。虽然智能投顾在中国起步较晚，但是其发展速度惊人。当前，独立第三方财富管理机构、传统金融机构和互联网巨头是智能投顾市场的三大主体，演化出了四种本地化的业务模式：独立建议型、综合理财型、配置咨询型和类智投模式。总体来看，国内智能投顾的现状是行业刚刚起步，参与主体众多，整体智能化程度低。

二、智能投顾定义

2.1 定义

智能投顾：智能投顾是用机器完成客户需求分析、投资分析、资产配置选择等工作，目标是替代人类完成财富管理或投资建议的工作，最终实现投资组合的自动优化。

2.2 要素

数据、投资模型及决策算法是智能投顾的关键。
现状基础：投资模型及算法和数据积累都还处于初期探索阶段。

	数据是基础	投资模型及算法是核心
静态方面	历史数据（数据类型：用户基本风险偏好、历史交易、价格变化数据等金融数据；作用：用于建立投资模型，筛选投资标的等）	投资模式（理论依据：现代投资组合理论、资本资产定价模型等；作用：结合用户偏好确立资产配置比例、初始投资组合选择、交易基本规则等）
动态方面	实时数据（数据类型：发布数据（如统计局发布数据等）、突发事件情况（董事变更等）、舆论情况等；作用：用于投资组合再选择、实时投资决策等）	决策算法（理论依据：决策树、朴素贝叶斯、K-means、机器学习等等；作用：根据实时市场变化做出投资交易决策）

2.3 分类

主要分为投资建议和资产管理两类。
现状基础：仍以人工服务为主，机器作为辅助手段，预期达到降低人工成本的目标。

2.4 盈利模式

前端收费模式
收取资管费：根据客户委托管理的资产规模，收取一定比例的管理费。
盈利提成费：为客户获得超额盈利之后抽取一定比例提成。
其他服务费：在交易、充值提现、资产组合调整等环节收取服务费。
后端盈利模式
利差收益：平台以批发价获得金融资产，再以稍高的价格出售给客户，赚取利差。
销售分成：通过帮助金融机构出售产品，获得销售分成。

2.5 价值

使投顾服务覆盖人群的范围扩大
可投资产30万以上人群（3000万人）——>可投资产3-30万人群（5亿人）。
使投资者获得更科学的投资组合策略
周期性建议——>实时动态决策；有限的产品组合——>总体的、基于大规模交易的完善方案；仅依据投资数据——>投资数据+金融行为数据。
降低投顾服务费用
1%以上（咨询费、交易费、充值提现费、投资组合调整费用、隐藏费用、零散费用等近十类费用）——>0.15-0.35%（仅咨询管理费）。

三、智能投顾发展现状

3.1 环节

环节：资产、产品、渠道三要素。
现状基础：资产管理、投资顾问和销售渠道由不同牌照持有方分别开展服务。

3.2 结构

结构：销售、投顾和资管环节附加价值高。
现状基础：环节多、信息不透明。

3.3 参与者

参与者：银行是主角。
现状基础：多参与方，银行相对占主要地位。

3.4 困境

困境：资管行业面临优质资产荒。
现状基础：智能投顾同样不能解决底层资产问题，优质资产荒是资管行业面临的核心障碍。一方面，居民理财意识觉醒，市场需求增加，另一方面，优质资产收益率下跌。

3.5 发展基础

传统投顾和互联网金融共同发展推动下，中国智能投顾发展具有一定的数据算法模型和用户使用习惯基础。

传统投顾
资产基础：2015年中国资产管理规模为129亿，预计2020年将达174万亿。
用户基础：可投资产在30-300万，有3000万人，可投资成300万以上，有160万人。
产品基础：截止2016 年5 月末，中国市场共有131只ETF（主要为指数型），资产规模为4729 亿元。
算法/模型基础：现代投资组合理论（MPT）、量化投资策略。
监管基础：对资产管理的券商、基金、期货公司实行分类监管。
互联网金融
数据基础：2016年中国大数据量为4ZB，预计2020年增至39ZB，包括信用数据、金融数据、用户支付行为数据等智能投顾所需数据维度.
用户基础：截止2016年6月，中国已使用网络理财用户达1.05亿。

3.6 阻碍

第一阻碍：牌照
三个环节，三类牌照，牌照分属，基于全产业链的智能投顾业务较难开展。
资产管理——资产管理牌照——产业链上游
资管产品销售——基金代销牌照——产业链下游
投资顾问——证券投资咨询牌照——产业链下游投资顾问——证券投资咨询牌照——产业链下游
第二阻碍：数据
金融数据库与其他数据库仍未融合，同投资偏好和资源基础的用户仍无法整合。
金融数据：行为数据、交易数据、支付数据、社交数据。
第三阻碍：金融产品
智能投顾主要投资标的之一，如ETF产品数量及种类仍不足。

3.7 现状

中国智能投顾行业和产品尚未成熟，数据应用和算法方面均需要探索和创新。

独立建议型
综合理财型
配置咨询型
类智投模式

国内主要智能投顾产品对比：

四、参考路径：美国智能投顾市场

4.1 历程

4.2 产品状态

数据存在瓶颈
用户的行为、消费、投资等数据目前仍未打通，智能投顾无法通过数据分析用户的偏好。
突发事件等非结构化数据的采集和分析还有一定难度，存在使用门槛。
智能算法尚不成熟
深度学习等人工智能算法在金融领域的应用尚处早期阶段，成熟产品仍在探索研发。
客户分析：问卷测试为主
目前美国包括Betterment & Wealthfront在内的主流智能投顾产品依然以问卷测试、年龄、性别评估等方式分析客户投资偏好为主。
投资分析：量化投资理论为主
资产配置、投资分析环节，以现代资产组合理论、资产定价模型等量化投资理论为主流产品使用的重要方法，需要人工参与调节，很少使用深度学习等智能算法。
作用：节约人工成本为主
智能投顾在量化投资理论较为成熟的指数基金、税收规划领域，直接由机器完成计算、配置、交易等工作，减少人工参与，从而实现降低人工成本、进而实现扩大服务范围的目标。

4.3 分类

传统金融公司
人工投顾在建立客户关系、促进销售方面具有一定优势，但是成本较高，传统金融公司有较多人才、资金积累，多选择人工和机器混合方式，基于现有业务拓展服务模式。
创业公司
创业公司相对注重技术开发，更加倾向选择模式较轻的纯机器投顾模型，向客户提供全新模式的服务。

4.4 监管

智能投顾涉及服务
内容：资产管理、证券投资建议、理财规划。
涉及经营牌照和监管
牌照：美国投资顾问监管牌照涵盖智能涉及的所有服务内容。
监管：美国投资顾问公司在SEC（美国证券交易委员会）申请注册和服务牌照，由SEC监管，受到《1940年投资顾问法》约束。
智能投顾公司注册现状
创新型公司Betterment&Wealthfront均在SEC下注册，先锋、嘉信等传统基金公司已经拥有牌照，可直接经营智能投顾业务。
监管动态
FINRA发布对数字化投顾的监管建议，对后续实际监管政策落地具有参考价值。
- 监管重点：在于对服务过程中间直接影响结果的算法、模型、程序、智能体等环节进行管理和评估。
- 涉及部门：FINRA，美国金融业监管局，是美国最大的独立非政府证券业自律监管机构。
- 监督过程：初步审核：1）评估使用算法、模式与目标适应性；2）了解使用的数据源；3）测试输出结果与预期一致性。定期审核：1）评估模式是否适应市场变化；2）定期测试结果与预期一致性；3）对管理责任人进行监管。

4.5 中美对比

投资者
美国：成熟稳健型投资者 VS 中国：分散投资型投资者。
资本市场
美国：金融市场成熟，产品丰富 VS 中国：波动性市场，产品数量较少。
政策环境
美国：基础监管政策明确 VS 中国：服务受制监管政策。

4.6 小结

中国的投资环境、投资习惯和理念对被动投资策略的智能投顾产品的接受还需要时间。
美国金融市场环境和产品适合使用现有智能投顾的被动投资策略，中国需增加金融产品品类开发。
美国智能投顾开展业务条件已经具备，税收筹划能增加吸引力。

五、总结

发展前提：监管
监管明确定义前，智能投顾探索发展，但始终面临“被定义”并调整业务方向的问题。
监管方向：算法监管和机构评估
相对于业务方向，更难对智能投顾决策过程的算法监管及智能投顾机构的资质条件和算法能力评估。
主要推动者：传统金融机构及互联网公司/创业公司
智能投顾的发展需要行业主要参与者和IT派/技术派具有创新能力的企业共同推动。
发展趋势
长期：智能投顾将成为金融机构实现普惠金融的重要工具。
短期：智能投顾或成为资管产品销售方式之一，非传统资管公司可借此进入资管领域。
持续发展：成为金融产品优化和降低投顾服务成本的必要手段。