金融+IT：作為國(guó)內(nèi)較早的智能投顧，理財(cái)魔方怎么玩？

智能投顧是隨著人工智能、大數(shù)據(jù)、區(qū)塊鏈等數(shù)字技術(shù)興起而出現(xiàn)的行業(yè)應(yīng)用，專門為客戶提供量化投資分析，以及理財(cái)決策建議，國(guó)外最早出現(xiàn)于2008年。理財(cái)魔方作為國(guó)內(nèi)較早的一款智能投顧應(yīng)用，于2015年9月正式上線，到目前，交易用戶約10000人，累計(jì)交易4.5億。這一萬(wàn)人，他們成為國(guó)內(nèi)相信機(jī)器人投顧所給出的投資建議的先驅(qū)……

核心是解決投顧的效率問(wèn)題

理財(cái)魔方金融顧問(wèn)馬永諳，曾擔(dān)任銀河證券基金研究所運(yùn)營(yíng)總監(jiān)，他表示，“從接觸過(guò)的大客戶和小客戶中，我曾經(jīng)做過(guò)一個(gè)統(tǒng)計(jì)，小客戶賠錢的概率高達(dá)70%至80%，這是非常殘酷的現(xiàn)實(shí)?！?/p>

馬永諳指出，小客戶雖然會(huì)關(guān)注資訊，關(guān)注基金公司的投資建議，但是他不知道應(yīng)該在什么時(shí)候買入或者退出，也不知道要如何選購(gòu)產(chǎn)品以降低風(fēng)險(xiǎn)及時(shí)止損，造成虧損?！霸诓积R全的信息支撐下做出錯(cuò)誤的決策，這在小客戶當(dāng)中是比較普遍的問(wèn)題。”

這些問(wèn)題就成為了小客戶基金理財(cái)?shù)耐袋c(diǎn)?！八裕惺裁捶椒軌虬衙嫦虼罂蛻籼峁┑馁N身投資顧問(wèn)服務(wù)，也提供給小客戶，來(lái)解決理財(cái)中的階級(jí)差距和最大的不公正——人人都有權(quán)利參與理財(cái)?！?/p>

在美國(guó)，因?yàn)槭袌?chǎng)經(jīng)過(guò)了幾十年的培育，建立起了一支龐大、高效的人工顧問(wèn)團(tuán)隊(duì)，但這尚且不能滿足美國(guó)客戶的需求，“反觀國(guó)內(nèi)市場(chǎng)，要在短期內(nèi)建立起這樣一支能滿足廣泛客戶理財(cái)顧問(wèn)需求的團(tuán)隊(duì)幾乎是不可能的。所以，我們想到借助互聯(lián)網(wǎng)、IT技術(shù)途徑來(lái)實(shí)現(xiàn)這個(gè)想法?！?/p>

理財(cái)魔方CEO袁雨來(lái)表示，投資顧問(wèn)的核心價(jià)值在于解決理財(cái)過(guò)程中的風(fēng)險(xiǎn)識(shí)別、產(chǎn)品組合、交易時(shí)機(jī)選擇問(wèn)題。對(duì)于一個(gè)人類投顧來(lái)說(shuō)，計(jì)算這些問(wèn)題要面對(duì)海量的數(shù)據(jù)以及對(duì)客戶的跟蹤調(diào)查，其精力大約每月只能服務(wù)20多個(gè)客戶，比較有限，所以他們只會(huì)選擇回報(bào)率高的大客戶服務(wù)。因此事實(shí)上，理財(cái)市場(chǎng)的核心問(wèn)題是投資顧問(wèn)的效率問(wèn)題，而不是水平問(wèn)題。所以說(shuō)，智能投顧的出現(xiàn)，現(xiàn)階段首先是達(dá)到一個(gè)合格的投顧的水平基礎(chǔ)上，解決效率問(wèn)題。

理財(cái)魔方聯(lián)合創(chuàng)始人周維表示，傳統(tǒng)私人銀行、財(cái)富管理機(jī)構(gòu)主要面向投資600萬(wàn)元起步的高凈值人群，而理財(cái)魔方主要目標(biāo)客戶為投資額小于300萬(wàn)的低凈值人群提供資產(chǎn)配置服務(wù)，這一人群在國(guó)內(nèi)市場(chǎng)中無(wú)疑是一個(gè)巨大的群體。

如何讓金融與IT結(jié)合？

袁雨來(lái)為清華大學(xué)計(jì)算機(jī)科學(xué)博士出身，曾任職英特爾負(fù)責(zé)數(shù)據(jù)挖掘，理財(cái)魔方是其第三次創(chuàng)業(yè)了。他表示，人類投資顧問(wèn)的工作過(guò)程是一個(gè)理性分析的過(guò)程，無(wú)論是分析客戶的目標(biāo)、市場(chǎng)和產(chǎn)品的風(fēng)險(xiǎn)等方面，所以它能夠被計(jì)算機(jī)所重構(gòu)，實(shí)現(xiàn)。在做這個(gè)事情時(shí)，可以把它分成四個(gè)領(lǐng)域：

·依據(jù)用戶的投資行為、特征數(shù)據(jù)的分析。人工智能可以基于數(shù)據(jù)的分析幫助我們了解一個(gè)用戶的風(fēng)險(xiǎn)承受能力，投資目的等各種各樣的需求。

·通過(guò)對(duì)金融市場(chǎng)和金融產(chǎn)品的數(shù)據(jù)采集、整理、清洗、挖掘，利用人工智能從定性和定量?jī)蓚€(gè)層面分析市場(chǎng)與資產(chǎn)的風(fēng)險(xiǎn)，并篩選不同市場(chǎng)階段下不同的產(chǎn)品組合，優(yōu)化投資產(chǎn)品組合。

·對(duì)歷史數(shù)據(jù)的分析以及未來(lái)趨勢(shì)的預(yù)測(cè)，做出不同時(shí)間點(diǎn)下的信息分析結(jié)構(gòu)和資產(chǎn)配置，提出建議。

·最后一點(diǎn)，由于公募基金屬于一種長(zhǎng)期的投資，市場(chǎng)會(huì)不斷地變化，投顧需要對(duì)用戶進(jìn)行跟蹤和調(diào)整。智能投顧會(huì)依靠算法對(duì)用戶進(jìn)行投資跟蹤，相當(dāng)于售后評(píng)估，然后根據(jù)市場(chǎng)變化與用戶的風(fēng)險(xiǎn)匹配度來(lái)判斷，什么時(shí)候需要提醒用戶控制風(fēng)險(xiǎn)，比如進(jìn)行降低投資比例等交易。

據(jù)了解，通過(guò)與中央財(cái)經(jīng)大學(xué)、易觀智庫(kù)等機(jī)構(gòu)合作，理財(cái)魔方通過(guò)數(shù)據(jù)搜索而非對(duì)接接口的方式收集了國(guó)內(nèi)50萬(wàn)款理財(cái)產(chǎn)品和2000余家理財(cái)銷售平臺(tái)數(shù)據(jù)，每分鐘抓取一次發(fā)標(biāo)數(shù)據(jù)，實(shí)時(shí)更新發(fā)標(biāo)排行榜，用戶可以追蹤購(gòu)買產(chǎn)品的風(fēng)險(xiǎn)和收益情況?！皬牡谌将@得數(shù)據(jù)之后，我們會(huì)對(duì)數(shù)據(jù)進(jìn)行梳理和清洗，保證錄入數(shù)據(jù)的準(zhǔn)確。”

至于完成這些數(shù)據(jù)挖掘和分析的算法，袁雨來(lái)稱，除了運(yùn)用大數(shù)據(jù)里面經(jīng)典的支持向量機(jī)、決策樹、蒙特卡洛模擬等算法，他們根據(jù)金融領(lǐng)域的特點(diǎn)調(diào)整參數(shù)與算法組合，結(jié)合金融領(lǐng)域的策略，構(gòu)建自己的金融模型和算法模型。

如波士頓咨詢最新公布的報(bào)告指出，金融科技是一次金融和IT在技術(shù)上的融合以及相互協(xié)調(diào)。在金融方面的技術(shù)，據(jù)介紹，理財(cái)魔方和中央財(cái)經(jīng)大學(xué)、易觀合作制定了一套理財(cái)產(chǎn)品風(fēng)險(xiǎn)評(píng)級(jí)，一共十個(gè)風(fēng)險(xiǎn)等級(jí)，每個(gè)月更新一次。

那么說(shuō)到這里，最重要的資產(chǎn)組合配置如何來(lái)完成呢？

一般來(lái)說(shuō)，專業(yè)投資機(jī)構(gòu)和高端私人銀行等理財(cái)配置模型普遍源于馬柯維茨（Markowitz）的“投資組合理論”。該理論于1952年提出，并獲得了1990年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。而近年來(lái)，尤其是智能投顧行業(yè)多選擇了“Black-Litterman模型”，理財(cái)魔方也從前者轉(zhuǎn)向了后者。

所謂馬柯維茨投資組合理論，是指投資組合有效邊界模型，它用“均值—方差”來(lái)刻畫這兩個(gè)關(guān)鍵因素，研究“理性投資者”在證券投資決策中應(yīng)該怎樣選擇收益和風(fēng)險(xiǎn)的組合的問(wèn)題。

因此把上述優(yōu)化投資組合在以波動(dòng)率為橫坐標(biāo)，收益率為縱坐標(biāo)的二維平面中描繪出來(lái)，形成一條曲線。這條曲線上有一個(gè)點(diǎn)，其波動(dòng)率最低，稱之為最小方差點(diǎn)（英文縮寫是MVP）。這條曲線在最小方差點(diǎn)以上的部分就是著名的（馬考維茨）投資組合有效邊界，對(duì)應(yīng)的投資組合稱為有效投資組合。投資組合有效邊界一條單調(diào)遞增的凹曲線。

如果投資范圍中不包含無(wú)風(fēng)險(xiǎn)資產(chǎn)（無(wú)風(fēng)險(xiǎn)資產(chǎn)的波動(dòng)率為零），曲線AMB是一條典型的有效邊界。A點(diǎn)對(duì)應(yīng)于投資范圍中收益率最高的證券。

但是，周維解釋稱，從中也看到，無(wú)約束的“均值-方差”最優(yōu)化模型存在著容易產(chǎn)生比較極端的資產(chǎn)配置，比如對(duì)某個(gè)資產(chǎn)的強(qiáng)烈做空；以及產(chǎn)組合對(duì)于輸入的資產(chǎn)預(yù)期收益值的變化非常敏感等問(wèn)題。所以，鑒于這些限制，高盛的兩個(gè)交易員Fischer Black和Robert Litterman提出了Black- Litterman資產(chǎn)配置模型。

Black-Litterman模型使用貝葉斯方法，將投資者對(duì)于一個(gè)或多個(gè)資產(chǎn)的預(yù)期收益的主觀觀點(diǎn)與先驗(yàn)分布下預(yù)期收益的市場(chǎng)均衡向量相結(jié)合，形成關(guān)于預(yù)期收益的新的估計(jì)。這個(gè)基于后驗(yàn)分布的新的收益向量，可以看成是投資者觀點(diǎn)和市場(chǎng)均衡收益的加權(quán)平均。

理財(cái)魔方表示，“BL模型”是對(duì)馬可威茨模型的優(yōu)化，克服了馬可威茨模型對(duì)參數(shù)敏感性的弱點(diǎn)，同時(shí)加入了對(duì)未來(lái)市場(chǎng)的預(yù)期。

“智能投顧真正技術(shù)上的考驗(yàn)尚未到來(lái)”

百度CEO李彥宏在第二季度財(cái)報(bào)分析會(huì)議上表示，雖然目前還不能預(yù)測(cè)兩三年內(nèi)人工智能+金融會(huì)怎樣的發(fā)展，但它確實(shí)具有巨大的市場(chǎng)潛力。面對(duì)智能投顧，業(yè)界的聲音也是質(zhì)疑多于肯定，但都不能否認(rèn)這是一個(gè)必然的趨勢(shì)。

“偽AI”、“并不那么智能”、“難以在中國(guó)市場(chǎng)落地”等問(wèn)題，也許這是存在于目前的市場(chǎng)中，畢竟，新興技術(shù)需要一個(gè)迭代和完善的過(guò)程。袁雨來(lái)指出，隨著智能投顧市場(chǎng)的逐漸壯大，新的需求還會(huì)被催生出來(lái)，現(xiàn)階段智能投顧的任務(wù)不是取代人類投顧，而是需要達(dá)到作為合格的投顧的目標(biāo)去解決效率的問(wèn)題。而等到更多的資本進(jìn)入后，對(duì)智能投顧技術(shù)上的真正考驗(yàn)才算真正到來(lái)，到了這個(gè)階段技術(shù)領(lǐng)域才是核心的發(fā)展階段。

雷峰網(wǎng)

雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。