“AI+云計算”助力下的傳統金融機構智能投顧探究

楊桂苓

摘要：由于體量巨大的客戶資源和金融數據資源，傳統（銀行業）金融機構智能投顧具有重要應用價值。本文采用因子分析綜合評價法對招商銀行摩羯智投、工商銀行AI投、Betterment、Wealthfront等國內外智能投顧平臺進行了比較研究，以此探究在“AI+云計算”助力下的傳統金融機構智能投顧。分析結果顯示，AI投和摩羯智投與國外智能投顧相比較，在客戶畫像、投資組合的標的資產及產品服務對象和服務方式的定位等方面存在差距，據此分析了傳統金融機構智能投顧的應用中存在的若干問題并提出了相應的改進建議。

關鍵詞：傳統金融機構 ?智能投顧 ?因子分析綜合評價 ?存在問題 ?改進建議

一、研究背景

智能投顧，原名為“Robo-Advisor”，是虛擬機器人根據客戶本身的理財需求，通過一系列算法和產品來代替之前人工所提供的理財顧問的相關服務，故又稱為“機器人理財”。美國首家智能投顧公司 Betterment于2008年在紐約成立，此后幾年包括Wealthfront、Personal Capital等在內的一大批智能投顧公司相繼出現。這些新興的智能投顧公司的產品與服務成本低廉、基于網絡、高度數字化，在客戶細分領域主要吸引了年輕、千禧世代和新進投資者。美國智能投顧服務基本上包括三類：針對C端消費者，即智能“投”，面向公司外部個人客戶;針對B端，即智能“顧”，面向內部的投資理財顧問、基金經理等機構投資者;此外，還有綜合性服務，是同時為個人用戶以及金融機構顧問群體提供智投服務，做到“投”“顧”兼顧①。典型的智能投顧商業模式及服務過程如下圖②：

2015年前后，隨著美國智能投顧的高速發展、國內投資顧問服務需求的不斷增加以及人們對互聯網理財的廣泛接受，數字化投顧商業模式被引入中國，從互聯網金融到比特幣、區塊鏈，金融科技順勢發展到一定程度，有超過50家企業機構開展智能投顧服務。

目前國內智能投顧主要由互聯網公司、專業智能投顧公司以及銀行、券商和基金三大傳統金融機構組成，前者具有數據優勢，后者具有客戶優勢。智能金融服務企業的智能投顧應用起步最早，在前期大都獲得資金支持，對模型和算法有大量的投入，如藍海智投、財鯨、璇璣、彌財等。互聯網金融公司智能投顧產品大多是在線投顧的升級版，如幫你投、京東智投、百度股市通等，主要配置資產是國內各種類型的公募基金產品。

相較以上兩種類型的智能投顧應用，傳統金融機構雖然難以擺脫現有的模式，但是客戶基礎穩定、內部資源豐富，擁有眾多可以查看的歷史數據，以境內公募基金作為底層資產，面向全球，后發優勢明顯，以招商銀行摩羯智投、工商銀行AI投、江蘇銀行的阿爾法智投、平安一賬通、嘉實金貝塔、浦發銀行財智機器人為主要代表。由于體量巨大的客戶和金融數據資源，以摩羯智投、AI投為代表的傳統（銀行業）金融機構智能投顧具有比較重要的應用價值。

二、傳統金融機構智能投顧應用的價值

（一）解決了個人投資者“怎么買”“買后怎么管”兩大難題

智能投顧的應用首先解決了個人用戶的“投”這一難題，即“怎么買”。以摩羯智投為例，只要你告知它大致的投資期限以及能夠承受的風險級別，它就能告訴你購買哪些基金組合。其中，組合中的基金種類分別為固定收益類、現金及貨幣類、另類及其他類、股票類四類，風險依次增高，根據投資期限和風險級別的不同，分配不同的比例。若投資者能夠承受的風險級別高，股票類比例就高一些;反之，固定收益類比例就高一些。不過目前摩羯智投和AI投及國內其他類型的智能投顧提供的幾乎都是公募基金理財產品，一方面是因為目前市場上已有3000多只開放式基金可供選擇，很容易搭配組合，另一方面基金產品相對來說比較標準化。其次，還解決了“買后怎么管”的問題。比如，投資者在買入一段時間后，其投資組合中的基金凈值發生了變化，若與其投資期限及風險級別不再匹配，摩羯智投會通過每天運行百萬次的計算，來幫投資者計算當前的組合是否需要調整，并定期給出組合優化建議，以此實現一鍵優化組合，動態調整組合中的基金產品。

（二）開展人+機器深度融合，促進了本土化創新

云計算、人工智能以及大數據等新技術的應用促進了金融行業的不斷創新。如今，普通個人投資者利用數字化渠道來獲取金融服務已經成為主流，而對于商業銀行的大客戶來說，智能投顧則扮演著輔助工具的角色。國內傳統金融機構的智能投顧應用過程在融合了這種“人”的經驗之后，使得這種起源于國外的投顧模式在國內有了全新的發展，與國外的“去人性化”有所不同，是一種本土化的創新。因此，如今大大小小的商業銀行已經紛紛進入該領域探索發展，期望用智能投顧來彌補傳統投顧業務的不足，這將成為中國理財市場的必然趨勢。

（三）讓普通投資者擁有實現真正分散化投資的策略技能

我國A 股市場博弈氛圍很濃，理性投資缺失。單一類別資產的劇烈波動讓大多數個人投資者難以承受，進行分散化投資以及資產配置不失為一種有效的方法，但普通投資者受專業知識和時間所限卻較難以掌握。而以摩羯智投和AI投為代表的傳統金融機構智能投顧就基本上解決了這個問題，它們用機器學習算法并融合商業銀行多年的資產配置經驗，為普通投資者提供一套一鍵式組合配置的工具，通過全球資產配置有效地分散了風險，并將組合波動控制在“目標—風險”范圍之內。

（四）利用豐富的客戶資源，精準把控客戶財富目標

盡管包括摩羯智投、AI投、阿爾法智投等在內的商業銀行智能投顧應用仍處于探索期，但它們都具備著同一個優勢，即擁有大量的客戶資源，金融數據豐富，可以更加精確地制作客戶畫像并進行資產配置。中國的智能投顧起步不久，迫切需要這些數據。而傳統金融機構智能投顧則因為上述優勢，在客戶需求與財富目標的把控上更加準確，也更加適合客戶。

但與美國的智能投顧相比，我國智能投顧行業整體上仍然處于摸索階段，智能化程度低，推出的基本上都是半智能投顧產品。

三、國內外智能投顧平臺因子分析綜合評價

（一）量表的因子分析

表1給出了KMO和Bartlett的檢驗結果，其中，KMO的值為0.538，表示比較適合做因子分析;Bartlett球形度檢驗Sig值為0.000，小于顯著水平0.05，因此拒絕原假設表示變量之間存在相關關系，適合做因子分析。

根據表2可知，只有前三個因子的特征值大于1，并且其特征值之和占總特征值的84.862%，即對所有指標數據的累積貢獻率達到 84.862%，因此提取前三個因子作為主因子。

從圖2可知，特征值斜率從第四個因子開始變得較為平穩，因此選擇前三個因子作為主因子。

表3給出了旋轉后的因子載荷值。通過因子旋轉，各個因子有比較明確的使用情況含義：第一個主因子主要與上市時間、標的資產類別、標的資產類型及資產規模有關;第二個主因子主要與策略報告會、風險等級及人工投顧服務有關;第三個主因子主要與自動調倉、客戶畫像有關。

（二）主成分分析

主成分計算公式：

Z1=0.42X1+0.03X2+0.29X3+0.37X4+0.36X5-0.33X6+0.23X7+0.33X8+0.14X9+0.42X10

Z2=-0.11X1+0.63X2-0.22X3+0.26X4-0.02X5+0.32X6-0.15X7+0.06X8+0.58X9+0.10X10

Z3=0.02X1+0.14X2+0.37X3-0.24X4+0.18X5+0.30X6 +0.67X7-0.42X8+0.17X9-0.07X10

因為三個主因子對指標的累計貢獻率達84.862%（見表2），反映了絕大部分樣本的信息，因此可以其方差貢獻率作為權重，通過加權平均來得到綜合得分模型：

P=62.3%Z1+21.8%Z2+16%Z3

然后把每個平臺的數據代入模型，得到總得分，最終根據總得分的排名如表7：

根據表7的因子分析綜合評價的結果顯示，摩羯智投和AI投總得分排名靠后，且國外智能投顧平臺綜合得分普遍高于國內各智能投顧平臺。主要是因為幫你投、璇璣、摩羯智投和AI投等國內智能投顧平臺與國外成熟的智能投顧相比較存在以下幾個方面的差異：

1.產生背景不同，起步較晚。美國的Betterment的成立是由于2008年的美國金融危機全面爆發。國內智能投顧的應用總體上比起美國智能投顧的應用起步發展要晚許多，而包括摩羯智投在內的國內傳統金融機構的智能投顧于2016年才出現，有一大部分原因是經濟水平的增長、金融科技的發展以及社會對理財市場的需求，其資產管理規模也較小。

2.對于客戶畫像③的信息收集程度不同。美國的智能投顧對于客戶畫像除了調查問卷以外還包括客戶行為的跟蹤。國內傳統金融機構智能投顧的客戶畫像往往基于對顧客調查問卷的填寫，其中AI投和摩羯智投調查問卷只有兩道問題，可以看出其客戶畫像單一，信息收集程度低。

3.投資產品組合的資產標的不同。國外的智能投顧投資標的是指數ETF（全球），投資組合除股票、債券外，還包括房地產、自然資源等資產，投資標的資產的產品種類和數量都相對豐富。而摩羯智投和AI投的投資組合中的資產標的，主要是以公募基金為主，且數量較少。

4.產品服務對象和服務方式的定位不同。美國的智能投顧可以分為2C、2B、綜合性服務三類，投顧定位清晰，服務對象明確，比如Betterment側重B端的“顧”，主要定位B2B2C，專注于投資管理和建議，針對大宗賬戶和個人退休賬戶，Wealthfront則定位于C端的“投”，注重財富管理，尤其在稅收優化方面，主要針對20～30多歲的高科技專業人才。而摩羯智投和AI投盡管目前側重于C端消費者的“投”，但投顧的界限也并不明確。

四、傳統金融機構智能投顧存在的問題分析

（一）客戶群體較籠統，智能投顧戰略方向不明確

現階段的傳統金融機構主要是為個人客戶提供智能“投”服務，但是針對財富顧問或者基金經理提供的智能“顧”服務沒有一個明確的范圍定義，投顧界定不清晰。實際上，C端的個人客戶和B端的財富顧問或者基金經理所需要的投顧服務有所不同，個人客戶的投資理論了解較少，最主要的需求是簡單易懂的投資組合，為其帶來高收益;而顧問或經理有著投顧的能力，主要需求是通過智能投顧幫客戶更加高效、實時、準確地做出投資決策。所以，傳統金融機構智能投顧應用的發展方向以及客戶群體的確定還需要進一步明確和細化。

（二）智能“投”的資產標的產品種類單一，智能投顧概念重于實質

目前，在我國傳統金融機構智能投顧給出的投資組合中，其資產標的均是公募基金，且大多為主動型，種類單一。而智能投顧的實現基于對細分產品的量化，國外智能投顧的投資組合主要是以ETF為主，截至2018年底，美國存量ETF基金1988只，資產規模約3.37萬億美元④。所以國內傳統金融機構智能投顧的投資標的種類如果不能更加豐富，那么有效配置資產更無從談起。總而言之，國內智能投顧未來的發展應注重實質性。

（三）智能投顧整體智能化程度較低

我們通過常見金融產品的投資經驗可以很清楚地知道，不同的投資需求和不同的應用場景，需要不同的投資組合與投資方案，從而做到“千人千面”。但目前國內傳統金融機構智能投顧在客戶畫像的調查上，過于簡單化、靜態化，場景單一，所以體現出的智能化和自動化程度也較低。同時，國內智能投顧發展時間比較短，數據的累計上還存在問題，技術的發展也不足。因此，傳統金融機構智能投顧的智能化發展還需要時間的沉淀和技術的進步以及經驗的積累。

（四）大數據大而不“精”

人工智能的發展80%的功勞歸于數據的豐富積累，20%則歸于算法的不斷提升。在金融行業里，數據是很容易標簽化的，這也正是人工智能可以在金融領域發展的一個重要原因。從數據的積累上來說，盡管國內傳統金融機構智能投顧所獲得的數據量比較大，但是維度上還很單一，不“精”。因為智能投顧主要是通過客戶畫像和資產刻畫，從而提供精準的投資服務。而國內傳統金融機構的智能投顧發展在數據整合上仍然不是很完善，因為我國的數據整合模式不成熟，缺乏大的平臺型數據公司，也因此造成有價值的數據過于分散，接入成本高。這也給國內整體的智能投顧應用帶來了巨大的挑戰。

五、對傳統金融機構智能投顧的改進建議

（一）明確戰略定位，研發不同版本的智能投顧

傳統金融機構應通過細分客戶群體，明確智能“投”和智能“顧”的戰略定位及相應的業務模式，針對不同的客戶群體，提供不同的智能投顧應用版本，讓客戶們自主選擇，做到智能“投”“顧”兩者兼顧。由于我國傳統金融機構的智能投顧的客戶群體通常分為三類：缺乏投資顧問的普通個人客戶、有一定資產做過理財的大眾群體以及金融機構內部的資深顧問經理等。因此，可以設置三個版本的智能投顧，包括普通版、進階版和專業版。不同的版本針對不同的人群，在產品組合、風險設置等方面都有所不同。比如普通版通過金融學中所公認的科學投資方法，包括組合投資、資產配置等概念，引導投資者理性配置自己的資產。可以看出，這樣的設置將更加全面和科學，可以更好地滿足每一類客戶群體的需求，實現資產配置的最優化和收益最大化。

（二）完善監管政策，加強市場培育，豐富投資標的

傳統金融機構智能投顧市場的穩定發展，除了需要各個智能投顧運營平臺的數據積累以及技術進步外，還需要國家相關政策的不斷完善，豐富傳統金融機構智能投顧投資組合中的投資標的，從而推動我國理財市場和智能投顧市場的發展。目前，我國投資顧問與資產管理是分開的。根據相關法律規定，投資顧問只能提供投資建議，不可進行委托交易管理。這樣的法律條例限制了我國智能投顧的投資標的種類的推薦范圍，對于其發展較為不利。因此，建議中國人民銀行和銀保監會可以從宏觀和微觀兩方面完善監管機制，明確準入條件，加強創新鼓勵和引導，提升市場主體的積極性，以此解決智能投顧應用時良莠不齊的狀況，從而促進市場規范有序地發展。當然，智能投顧運營平臺也應該主動向監管部門提交平臺交易行為指標報告，保證其行為合規合法，避免給投資者帶來損失。

（三）AI+HI，人工智能為主，基金經理為輔

傳統金融機構智能投顧的智能化程度較低，除了傳統金融機構的技術短板外，還有一部分原因是數據的整理分析問題。因此，現階段智能投顧中人的干預就顯得十分重要。一方面，金融市場上的收益產生過程與方式往往需要通過人腦的思考、理解與創新，才能夠將其架構成應有的模型。另一方面，在我國的傳統投顧方式中，用戶與投資顧問之間有更多的互動，其內容可以涉及房地產投資、子女教育規劃等多方面的財富管理服務，所以對客戶的調查更深入，投顧方案設計也更加準確。因此，從用戶的角度出發，除了豐富投顧方案和產品組合以外，傳統金融機構的智能投顧還需要在投顧過程中進行適當的人文關懷及跟蹤詢訪，充分給予用戶正確投資理念的引導。綜上，就我國智能投顧剛起步的現狀來說，以人工智能為主，以基金經理、財富顧問為輔的模式更適合當前的發展。

（四）技術+流量，優勢互補，提高金融大數據的“精”度

傳統金融機構智能投顧的發展有數據豐富的優勢，但同樣有技術上的劣勢。雖然我國的傳統金融機構中的大中型銀行很早與BATJ等互聯網金融企業進行合作，但還有一些缺乏硬性技術的中小銀行盡管有進軍智能投顧的想法和銳意創新的需求，但是卻往往礙于其薄弱的技術能力和高昂的前期投入費用，很難推進類似的創新發展，因此它們可以與具有技術優勢的互聯網金融企業進行合作實現優勢互補。另外，大型銀行具有巨大的數據流量，但對風險很敏感，如果采取和大型互聯網公司或平臺相互賦能的形式讓技術與數據流量充分結合，就可以最大程度地將傳統金融機構的智能投顧這塊蛋糕做大做“精”。

注釋：

①本文關于“智能投顧”的界定參考《埃哲森：智能投顧在中國》，搜狐網，2018-6-19。

②來源：招商證券研究報告。

③客戶畫像，是指對于客戶投資習慣和交易行為的信息收集和分析。

④民生證券基金專題研究：美國ETF發展及競爭格局，金融界，2019-06-18。

參考文獻：

[1]李苗苗，王亮.智能投顧：優勢、障礙與破解對策[J].南方金融，2017（12）.

[2]賴莎，朱曉寧.我國智能投顧發展探究[J].現代商貿工業，2019（9）.

[3]劉彬.智能投顧的發展之本與困難之源[J].中國銀行業，2018（2）.

[4]葛平.我國智能投顧發展中的法律問題和監管應對[J].華東政法大學碩士學位論文，2018.

[5]姜海燕，吳長鳳.智能投顧的發展現狀及監管建議[J].證券市場導報，2016（12）.

[6]張舜涵.中國智能投顧業務平臺案例分析和發展研究[J].全國流通經濟2018（32）.

[7]張立鈞.中國智能投顧業蘊藏巨大潛力[J].清華金融評論，2016（10）.

[8]范毓婷，鄭子輝，王喻.智能投顧的現狀與發展趨勢[J].《信息通信技術與政策》，2019（6）.

[9]周正.境內外智能投顧業務模式對比[J].銀行家，2017（12）.

[10]楊麗.中國智能投顧的發展現狀及監管對策[J].《北方經貿》，2017（7）.

[11]曾子凌.在智能投顧的藍海里擱淺：Betterment的啟示[N].未央網，2017-20-09.

[12]李勁松，劉勇.智能投顧開啟財富管理新時代[M].機械工業出版社.北京（2018）：90.

[13]埃哲森.智能投顧在中國[N].搜狐網，2018-6-19.

[14]民生證券研究院金融工程團隊.美國ETF發展及競爭格局[N].金融界，2019-06-18.

[15]吳燁 葉林.智能投顧的本質及規制路徑[J].法學雜志，2018（5）.

作者單位：浙江經濟職業技術學院