最有看点的互联网金融门户

最有看点的互联网金融门户
互联网经济国内资讯

智能投顾的风口已来?别急,没你想的那么快

本文共3073字,预计阅读时间113

近年来,人工智能已融入到了各行各业,逐渐成为了企业进步的“新能源”。智慧金融一直被认为是AI目前最被看好的落地领域,特别是智能投顾。虽然在欧美国家,智能投顾正在如火如荼的进行,可是目前在我国,情况似乎并不明朗。

2015年开始,国内个别金融机构打出智能投顾的概念。进入2017年,机构布局智能投顾迎来一波小高潮。东吴证券、广发证券、中泰证券等纷纷入局,除此之外,国内多家银行也在智能投顾上进行了实践。比如,招商银行的摩羯智投、兴业银行的兴业智投、光大银行的光云智投、中信银行的“信智投”等。

但是,这些银行的智能投顾做的怎么样呢?作为银行系首家上线的智能投顾,摩羯智投无论是体量还是影响力上都榜上有名,虽其规模已超80亿,但其未设置风险评测机制,基本处于以销售为导向的阶段。

其他金融机构做得如何呢?宜信旗下的投米RA,最初上市时主打海外投资,去年6月推出人民币版本,其风险等级共9等,无论最高还是最低,反反复复就是8只基金,对大额用户而言,显然风险不能分散。

还有一件值得玩味的事,那就是除了摩羯智投外,其他多家智能投顾们少有向公众袒露其资产管理规模的。

所以,智能投顾在国内,可能远没有想象中那么美好。

1、智能投顾之卖点:

第一,智能投顾让投资变得异常简单。用户只需要一键,一个充值,就可以完成对很多产品的投资。

第二,风险分散。因为智能投顾投资组合包含各种算法,平衡风险和收益,相对比较安全。

第三个原因在于投资额可以比较小。对于中产阶级而言,过去缺乏比较好的理财产品,降低了进入门槛。

2、智能投顾之困局:

缺乏生长的土壤

Wealthfront是美国最知名的智能投顾公司之一,主要目标客户是有充足的现金流,却没有时间精力和投资知识来打理自己资产的年轻人。投资的准入门槛很低,设定为5000美元,10000美元以内不收取管理费(超过部分费用约为0.25%),交易程序也被大大简化,增长速率非常快,在2018年初就已经管理了100亿美元的资产。

而我国当前市场上正常的智能投顾均以公募基金为资产标的,通常其认购、赎回、托管成本和管理费用综合达1%-2%,是国外智能投顾的2-8倍。

智能投顾的实现基于对细分产品的量化,国外的智能投顾投资组合主要以ETF为主。目前美国大概有1600只ETF,共2万多亿美元的市场,而中国仅有100多只ETF,大多数为股票,没有债券、大宗商品和针对不同的产业的ETF,不能做到分散投资,有效配置资产更无从谈起。因此,现在很多所谓的智能投顾,只是投资经理根据自己掌握客户的投资偏好做统计并推介投资方案,本质上还是披着人工智能‘马甲’的传统投顾业务。

同时,智能投顾涉及到投资咨询、产品销售和资产管理三块业务,而国内这三块牌照是分别发放和监管的。由于是纯线上的平台,监管难度非常大,监管层也处于观察阶段。

因此现阶段,智能投顾依然处于概念重于实质阶段。未来将如何走,还有待进一发展。

大数据大而不“精”

人工智能发展起来的关键是有了大量的数据,甚至可以说人工智能发展80%归于数据的丰富,20%归于算法的提升。

在金融行业,数据极易标签化,这给人工智能在金融领域发展极大的利好。然而,从大数据上来说,智能投顾所获得的数据还不够多,这个不够多不是指数量上不够,而是指维度上的单一。

智能投顾主要是基于用户画像和资产刻画提供精准服务。用户画像需要投资者交易行为数据的搜集和分析,而我国客户的投资行为习惯非常脆弱,客户是基于长期被动投资、指数投资还是主动投资,带来的结构对智能投顾的挑战是截然不同的,因此客户的风险画像有时候很难精准表述它的特征。

资产画像需要对金融产品,以及结合市场的数据的搜集和分析,国内目前在这块上略显薄弱。国内拥有成体量的有价值的数据信息的公司很少(BATJ等寥寥几家), 而拥有优质数据资源的公司组建了牢不可破的数据封闭体系,并不能很好的互通,再有就是数据整合模式不成熟,缺乏大的平台型数据公司,造成有价值的数据过于分散,接入成本高。

市场和运营管理花费大

传统投资顾问由专业人士担任,主要针对高净值人群,由于人力成本高,传统投资顾问的管理费普遍高于1%,且边际成本下降不明显。但基于计算机算法辅助的智能投顾,管理费普遍在0.25%-0.5%之间,边际成本随客户增多而下降,边际效应明显。

但是,相比于传统机构,智能投顾公司投入市场和运营的花费却很大。这是典型的互联网发展模式,先砸钱做用户量。但是,这样就增大了获客成本。这就难免使投资者感到疑惑,估值这么高,你的核心竞争力呢?慧牛也出现了类似的问题,其产品创新乏力,和投米、灵犀智投区别不大,均是基于风险评测得出投资组合,产品同质化严重不说,其基金数量极少,风险很大。同时,智能化程度不高,公司盈利率也并不理想。

因此,说智能投顾要颠覆传统投顾似乎还为时过早。

3、智能投顾接下来该怎么破局:

虽然与人相比,机器不会疲劳,可以24*7小时工作,对数据拥有更强的记忆力和掌控力,但是,实践起来并不容易,是时候打破这一迷雾了。

优势互补,技术与流量的结合

智能投顾的竞争优势是品牌,而品牌恰恰是老牌资产管理公司的强项。比如Betterment,辛苦10年积攒20万用户,资产管理规模100亿美元,在短短两年内,就被老牌资产管理机构Vanguard超越,Vanguard当前管理规模是830亿美元,已经是Betterment的8倍。品牌弱,则获客成本高。高财力、高信任的用户,转化成本不是独立智能投顾所能接受的。

这对已经建立品牌优势的银行和金融机构而言,应该是一个好消息。可以采用借力使力的打法,与技术能力优势的智能投顾研究方优势互补。

AI+HI,人工智能为主基金经理为辅

金融市场上的收益产生过程与方式千变万化,只有通过人脑的思考、理解与创新能力,才能够将其架构成应有的模型。而智能投顾只能在部分程度上完成这个任务,因为它没有创新与发展的能力。同时智能投顾侧重于“投”,缺乏“顾”。

因此现阶段,人的干预就显得十分重要。智能投顾作为一种参考,最终投资建议必须经过人工检视、处理后才能提供用户使用。一般,用户与传统投资顾问有更多的互动,可以涉及用户税收筹划、房地产投资、子女教育投资等更广泛的财富管理增值服务。从用户的角度出发,顾比投甚至更重要。

提供数据分析,让用户自主选择

前我国证券市场仍然以散户为主,市场情绪波动巨大,很容易出现不理性的投资行为。这种非理性行为某种程度上助长了上市公司的有恃无恐,因为投资者的决策并不是依托长期价值,而是通过小道消息、讲故事。通过金融学中公认的科学投资方法,如组合投资、资产配置等概念,引导投资者理性配置自己的资产。同时,智能投顾的主要目标人群势必是年轻人和一大批新中产,这些互联网原住民对智能投顾的接受度可能略高于一般群体,但对机器的信任值也达不到轻易拿出自己口袋里的钱。

基于这种情况,企业方可以提供很多方便的投资工具或者分析工具。比如基金的优选及诊断,同时配上一些诸如数据回测工具,估值概率分位,因子强弱分析,MPT之类的分析工具。一般来说,人对机器的容错度往往高于人对人的容错度,对用户进行市场教育的同时,给用户一定的自主选择,某种程度上增加了其对机器的容错度。长时间来看,有利于人们对智能投顾的接受。

用微信扫描可以分享至好友和朋友圈

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。

发表评论

发表评论

您的评论提交后会进行审核,审核通过的留言会展示在下方留言区域,请耐心等待。

评论

您的个人信息不会被公开,请放心填写! 标记为的是必填项

取消

致5000名创新者的年终福利:2019年十大行业预判重磅发布

小未 11-09

马上金融蒋宁:科技锻造新零售金融核心竞争力

快讯 11-09

乌镇互联网大会第一天,雷军、丁磊谈到了AI的发展方向

钛媒体 | 钛媒体 11-08

第五届世界互联网大会上的神奇黑科技:“变啦小卫”圈粉无数

快讯 11-08

中国机器学习及其应用研讨会:李炫熠分享《秦苍科技人工智能在消费金融领域的应用与实

快讯 11-08

版权所有 © 清华大学五道口金融学院互联网金融实验室 | 京ICP备17044750号-1