智能投顾全面解读
<p>传统投顾一直是与理财产品的销售紧密结合在一起的。投顾即销售，在国内理财界也是约定俗成的现实。<br></p><p>传统投资顾问即证券投资顾问业务遵循《证券投资顾问业务暂行规定》，开展证券投资顾问业务的机构需要获得证券投资咨询机构资质，从业人员则需要取得证券投资咨询执业资格，并在中国证券业协会注册登记为证券投资顾问。在国内，投资顾问与资产管理两块业务是分开管理的，而智能投顾强调咨询和资产管理的合一，除了咨询类业务相关政策不明晰外，资产管理是否需要申请牌照、需要申请何种牌照，目前政策上也并不清晰。智能投顾的业务范围并不仅仅是证券投资，理想状态下还会涉及到银行、信托、基金、保险资管等各类金融机构产品的销售，以及更多的监管机构。</p><div class="image-package">
国内智能投顾业务的开展可以先从提供产品和服务的合规性切入，取得相关业务和产品投资的资质和牌照。考虑到目前国内智能投顾平台的投资标的多为基金和股票，可以优先申请基金销售牌照和证券投资咨询机构牌照。同时，为了提高资产管理业务的合规性，还应该积极申请公募基金牌照、私募基金牌照等。除股票和基金外，智能投顾往往还会涉及债券、票据和非标资产等，需要与相关的监管机构保持密切沟通。
先推出符合监管要求的简易版智能投顾服务，后随着相关资质的获得或监管政策的明朗进行“加法”操作。其实智能投顾的核心诉求是降低投资者的专业化组合投资的门槛，目前的智能投顾听起来高大上，它的背后，其实就是资产配置的量化模型，配合数据做拟合，自动做出投资决策。智能投顾关注资产的组合配置，力求找出性价比高的投资组合。实际上这就是将理财顾问在线下的人工服务内容，通过互联网让用户在线体验。
相比传统投顾模式，完整的智能投顾流程采取典型的五步曲模式：一是综合利用大数据技术、问卷调查等，了解用户个性化的风险偏好；二是基于用户风险偏好，结合算法模型，为用户制定个性化的资产配置方案；三是连接客户账户进行投资；四是利用机器学习技术，对用户资产配置方案进行实时跟踪调整；五是资金退出、完成投资。在实践中，并非所有的平台都涉及上述五个步骤，更多地只是对几个步骤的组合运用。
智能投顾可以借鉴理财平台普遍采用方式，采用社交+投顾意识培养的方式，例如苏宁金融股票理财频道的投资组合晒单及跟投服务，让投资者近距离接触同类型人员的投资标的和投资方式，建立直观的投资理性认知。由于并不追求高收益，智能投顾在资产选择上会尽量规避股票、期货、期权等高风险资产，集中于股票ETF、债券ETF、货币基金、黄金等领域，另外，国内的智能投顾还会适当配置具有刚性兑付特征的高收益定期理财产品。
无 论如何，智能投顾都不能完全替代人工，这不是能力技术问题，而是市场问题，二者一定是相互补充的关系。招商银行的摩羯智投，从一开始就没有想要做纯智能投顾，其模式定义为“人与机器”、“线上线下”的融合服务新模式，本质上就是标准化与个性化的结合，兼顾普通投资者与高净值投资者，实现业务范围最大化。同样的，还有Beta理财师，线下专业理财精英队伍为高净值客户提供个性化服务，线上智能平台为中低净值客户提供标准化服务，也是在尝试解决互补的问题。
对智能投顾而言，高净值客户往往都是理性的投资者客户。基于投资认知和个人市场水平，这些客户认同投资顾问，且往往希望获得最个性化的服务。他们拥有智能投顾最希望客户拥有的投资意识，却反感智能投顾千篇一律的服务模式。
不论是大众投资者或高净值客户都属C端，而智能投顾还有块大蛋糕就是B端。B端客户既拥有近乎完美的投资理性，基于技术、投资学理论认知又容易接受智能化、标准化的智能投顾。
事实上智能投顾B端的市场前景不比C端小。可以是纯策略服务的，给中小基金公司或者资管公司提供智能投顾策略服务并按服务收费（实际上是B2B2C），也可以是像用友、明源一样的纯技术出售，把智能投顾的整套算法和程序售卖至金融企业。智能投顾离不了金融/IT的复合型人才。顶尖的投资建模能力、极强的IT知识、丰富的金融交易知识，这三者是设计出优质智能投顾必备的人才素质要求，否则，投资模型、智能IT程序及金融交易对接容易脱节，任何偏废都会造成极坏的用户体验。
技术端口同资金端口是紧密结合的，需要高度丰富的客户数据用以高精度的客户风险判定，从而根据特定风险级别设定资产投资组合模型。用投资问卷、风险偏好测试来测验客户的个性化需求还是没有脱离传统投顾的模式。智能投顾需要的是通过大量的数据维度构建风险测试的统一模型，从而能提供千人千面的定制化方案，而不是只有几个归类、几种策略。金融数据是智能投顾领域的底层代码，没有足够的历史数据，资产的风险分析、投资组合就成了无本之末，而金融监管要求金融机构数据不得给第三方使用，这一矛盾难以调和。
智能理财目前还处于起步阶段，面临的第一个难点在于用户生活场景的收集和分析。这可能需要收集用户的大量私隐数据以及宏观经济数据，同时需要建立量化模型来帮助用户综合分析这些数据，评估出现财务问题的可能性及时间点。相对而言，量化资产配置模型则已经发展得比较成熟。基于自动化、智能化的特征，智能投顾有望解决传统资管行业面临的三大难题，从而为自身的发展打开了想象空间。利用人工智能生成金融知识图谱、用户画像及资产画像，根据用户偏好进行资产的智能化科学配置，提升资产配置的科学性和匹配精准度，有效追踪、控制风险。
一是可以有效缓解信息不对称现象。这里的信息不对称并非指内幕信息层面，而是公开信息层面。限于时间精力等各方面因素，个体投资者或理财师并不可能充分消化市场中的公开信息，在吸收程度上也存在着广泛的个体差异，使得信息不对称现象普遍存在。智能投顾利用大数据和机器学习技术，可以更充分地吸收各类市场信息，并运用到模型中去，从而大大缓解信息不对称现象。
二是可以有效过滤投资者情绪的影响。情绪是投资的大敌，波动性市场投资尤其如此，股票市场为此发明了“动量效应”一词，用以反映因投资者情绪影响导致的股票价格在一段时间内趋同波动的现象。相比而言，智能投顾可以彻底摈除情绪的影响，助力投资者成为交易规则的严格执行者。
三是可以有效降低投顾服务成本和门槛，提升市场空间。传统投顾服务依赖人力，且服务范围与投顾人员线性相关，成本和门槛较高，只有少部分高净值客户能够享受到专业的服务。相比较而言，智能投顾依靠模型且纯线上，边际成本几乎为0，具有明显的规模效应，可以充分发挥互联网的“低成本、广覆盖”精髓，推动投顾服务普惠化。在某种意义上，智能投顾诞生后，高净值客户专属的组合投资模式得以走入寻常百姓家，给趋于沉寂的资管行业带来新的发展空间。
智能投顾的优势在于，用户无需有太多的决策，相对传统金融机构在而言，在选择上变的更便捷、更明了了，而且智能投顾在收益上是相对确定的，用户可以有一定程度的预估或是预判。另外人工智能和大数据分析的帮助下，资产方或是平台方也能够借助智能投顾机器人判断用户的信用状况、还贷能力，以及降低双方的交易风险，在风险控制层面上做到最优化。
智能投顾的盈利模式之争，到底该不该像安卓应用市场那样收取入驻产品的费用或者直接售卖产品，还是要完全中立化推荐投资产品，依靠账户管理费用生存。怀揣“智能”二字，理应采用后者类似的方式，但现实又决定国内智能投顾很容易落入（或主动进入）前者的陷阱。
市场上有两种智能投顾，一种是利用数据和模型，进行资产配置，寻找最佳收益。一种是将客户打上标签，将产品也打上标签，按照客户的风险偏好来配置产品。第一种算是智能投顾，第二种应是精准营销。目前受到热捧的是第二种，原因大家都懂的。
在金融领域，人工智能主要有以下四类应用：自动报告生成，人工智能辅助，金融搜索引擎和智能投顾。智能投顾发展态势：1.资产配置＋ETF组合2.量化投资＋智投组合3.投研分析＋社交投资；4.机器学习（客户行为）
