来自: 零壹财经

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。