张羽:智能投顾是下一个互联网金融风口的猪

张羽:智能投顾是下一个互联网金融风口的猪

2017-11-23 10:53Newseeders 合作伙伴
目前国内已经有十多家互联网金融平台即金融科技公司推出智能投顾业务,仿佛一夜之间智能投顾业务在在中国市场遍地开花。然而,火爆现象的背后,一些金融平台却打着“智能投顾”旗号滥竽充数。

智能投顾作为一种新兴投资模式,近年来在金融投资市场快速崛起。

目前国内已经有十多家互联网金融平台即金融科技公司推出智能投顾业务,仿佛一夜之间智能投顾业务在在中国市场遍地开花。然而,火爆现象的背后,一些金融平台却打着“智能投顾”旗号滥竽充数。

眼下,智能投顾业务究竟是炒作的噱头还是创新?智能投顾目前到底发展到什么水平?国内与国外发展到底有何不同?未来智能投顾会发展到什么方向?

在GPLP“互联网金融的投资与创业逻辑”沙龙上,智能投顾研究专家张羽分享了过去一年多时间,从国内到国外,自己和团队调研智能投顾公司的体会。

不相同的发展状况

智能投顾最早起源于2008年美国的次贷危机。

由于美国复杂的保税体系,每个投资人背后都会有一个投资顾问,帮助他报税同时做相关的投资,但是,投资顾问会收取很高的佣金,一般在百分之二到百分之三左右。

但是经济危机的爆发使得整个市场不景气,许多量化公司于是开始寻找其他的方式,降低投资成本,提高投资效率。

在这种背景下,美国一个团队采取用智能软件的方式帮助投资人进行投资,替代掉高级投资顾问,这样成本降低了很多——比如,相比传统的投资顾问,这种利用软件进行投资的方式,可以给投资人带来一定收益而且所需费用大大降低,成本从2%左右降到0.25%。这就是智能投顾最初的原型。

后来,随着深度学习、大数据技术的发展及应用,这种利用软件投资的方式逐渐发展成为现在的智能投顾。

不过,由于后来的理解不同,智能投顾的发展现状也就各不相同,在过去一年多的时间里,我们曾先后考察了中国、美国、英国等一些先进智能投顾发展地区,包括斯坦福、硅谷等,目前的智能投顾发展现状非常不同——从智能方面来说,美国的智能算法和中国的就不一样。美国基本上采用的是当地的一套智能算法体系,而国内则是另一套智能算法体系。

例如,此前我们团队做了一个智能算法,可是发现国内应用不了,只能应用到美国市场。因为国内是一个非秩序化的市场,很多方面需要进行调整。

另外,一个客观现状是,智能投顾行业属于发展初期,背后都需要资本大力支持,但目前中外投资机构大不一样,中国目前相关的投资机构不是很多,并且投资标的必须是二级市场,一级市场智能投顾根本参与不了预算环节,严格来讲,一级市场的智能投顾还算不上真正的人工智能,目前还只是处于一个大数据阶段。

我们理解的智能投顾是和客户互动的角色,所以智能投顾应该能够和客户进行沟通互动,帮助客户进行量身定做的的理财方案。但是,目前智能投顾还处于利用大数据帮助企业分析客户的需求阶段。

比如,目前,很多机构会给客户推荐,下个月某某时间会有一款较好收益的理财产品,而不是精准的帮助客户管理财富。

未来,随着智能投顾的发展,智能投顾肯定要深度帮助客户制定理财计划,比如,客户在1-9月份的资产需要进行配置,智能投顾帮助客户分析了相关的需求后,会制定一系列合理的理财计划,最终,这些理财收益能够按照预期回到用户的账户里面。

但是,从硅谷、斯坦福的一些做AI投资结合的团队,以及目前国内的一些做AI投资的团队,目前还不能完全把人工顾问的因素排除掉,还是需要人工参与。

因此,结合上述信息,我们总结,智能投顾分为三个方面:一是智能、二是投资、三是顾问。

智能投顾目前还处于1.0阶段

综合调研众多智能投顾,我们发现,现在的智能投顾还处于1.0阶段,并且朝着2.0方向跨越,尽管有些公司和机构宣称自己的智能投顾已经到到3.0版本,但是,这个“3.0”只是软件的3.0版本而已。

1.0阶段的一个表现就是,一个投资策略,一个人需要学习几天或者几个月,但是如果利用机器的话,几百万条投资策略可能一天时间就能全部学习完成。在交易的时候,根据提前设定好的条件,判别一次交易是否需要、能不能去做,以及什么时间进行交易。

目前,自动交易这个非常容易实现,对于很多人来讲,目前需要判断的只是,这个自动交易你到底需不需要而已。

但是,如果把外汇、期货、海外基金等所有资产配置全部囊括进去,目前人工智能还没有这么强大的作用。虽然目前人工智能是一个很复杂的数学公式,具备自我学习、继续学习、深度学习能力,但在金融领域,还没有一个高深的人工智能。

技术方面,智能投顾基本上还是人工智能辅助量化投资,然后再加一些人工智能和深度学习的内容。比如,国内有一个叫蓝海智投的团队,原来就是一个专门做量化的团队。但是,目前阶段人工智能部分大约占据20-30%,量化部分只占到60-70%。

而在底层的算法层面,智能投顾都含有一个所谓的模型算法在里面。不同的场景需要不同的算法。但是,利用一个算法无论什么情景都能得到一个最优的方案,目前还是不可能。人工智能现在只能在假设的一个场景下才能进行互动。

投资应用中,智能投顾在人工智能方面还是套用传统的那些组合方式,把资源组合起来,达到一个最佳效果。例如,测量一个屋子的周长,可能一次测不准,但是通过测量100多次结果会更加逼近实际的投资效果。但是,这不是说一定百分之百准确。

然而,一个尴尬的现状则是,即使在相关技术层面达到了要求,在实际应用中也会遇到各种各样的问题。比如在美国,通过一个相关的算法,就可以无限的往下进行运作,然后根据市场行情的变化自动地选择交易。

可是在中国则不能够应用,当下,人工智投顾主要还是服务中国市场体系建设,完善市场服务,包括应用和内容方面,因此,关于智能投顾的发展,根据中国的实际情况,一个现实可行的途径就是做一些相关的工具提供给专业的客户,让他根据实际情况选择相关的公式、算法。

当然,这种方式是智能投顾发展阶段的局限,未来几年智能投顾发展的几个可能是从众多的交易策略当中选择一个合适的交易策.-

9+略,然后再进行择时则机进行交易买卖。或者是能够实现自主生成规则、寻找规则、得到最优的策略,完成投资计划。这可能是智能投顾未来的理想状态。

智能投顾的几点思考:到底是千人千面还是千人一面?

智能投顾是未来的发展趋势无疑,但是有一个问题摆在行业发展的十字路口,大家选择做“千人一面”还是“一人千面”?

有一类企业倡导“千人千面”,即从考虑客户需求的角度出发,根据客户实际中不同的需求提供相应的解决方案,比如一个客户有一笔资金有特殊需求,诸如孩子上学、生活保障等等。这就需要智能投顾企业根据他的风险投资能力、资金所需时间、流动性等方面提供一个单独的解决方案。

另一类目前争议比较大的问题是,有一类企业倡导“千人一面”。一个形象的比喻是,在医院里有许多不同的病人,每一个病人的实际需求是不一样的,但是医生看病方式是一样的,医院之所以能够实现解决不同病人需求的前提是,很多病人的病情是相似的。

换句话说,智能投顾领域也可以根据用户画像提供不同的解决方案,即一个用户有投资需求时,智能投顾可以根据用户画像提供相应解决需求的方案。

这两种途径目前是智能投顾业行争论比较激烈的问题。比如“千人千面”具体如何实施?如果不需要“千人千面”,具体方案如何制定才能更加符合用户需求?

目前行业现在还没有一个定论,当然这也是未来智能投顾行业发展过程中所面临的不确定性因素。

*本文作者GPLP,由新芽NewSeed合作伙伴新芽NewSeed授权发布,转载请联系原出处。如内容、图片有任何版权问题,请联系新芽NewSeed处理。