璇玑:智能投顾的非典型演化

璇玑:智能投顾的非典型演化

如果你问 2016 年在互联网金融领域里最火的一个概念是什么,那一定是「智能投顾」了。并且,这是有一定必然性的。

在经过 2015 年的 P2P 跑路、股市崩盘等惨烈的投资市场过山车后,一部分用户开始接受一个投资理念:投资单一的资产无法规避突如其来的风险,想要获得相对稳定、可靠的收益,就需要进行多元的资产配置。而资产配置,正是智能投顾的核心理念。

于是,智能投顾服务在中国快速兴起了。智能投顾,Robo-Advisor,也被称为「智能理财」、「机器人理财」、「数字化资产配置」等。这些名字的背后说的都是一件事:基于大数据来搭建金融模型,并且不断优化,从而根据每个用户的收益和风险偏好提供个性化资产配置方案。

在智能投顾服务出现之前,人们也不是没有办法获得这样的资产配置服务,但那都是「高净值人群」的专属。智能投顾服务则把门槛降低,将原本由人工提供的投资顾问服务自动化、产品化,让更多人有机会得到这样的服务,而这些人大多是「中产阶层」,是长期被传统机构忽视的一大片空白市场。

在个人理财市场已经非常成熟的美国,智能投顾领域内的创业公司正在从传统的私人银行手中分走一杯羹,Wealthfront、Betterment、SigFig、Personal Capital、Future Advisor 等都是典型的例子。同时,贝莱德、高盛、花旗等传统资产管理巨头也都在布局自己的智能投顾业务。

传统资管机构的人才也开始流入新兴的智能投顾行业。一年前,曾是渣打银行私人银行战略发展总监的郑毓栋离开渣打,加入 PINTEC 集团,成为旗下主打智能投顾业务的子公司璇玑的 CEO。

郑毓栋的选择背后是他一直以来所坚信的:「投资的实质从来不是持续获得高回报,而是能够以你的风险承受能力去配置资产,而现在,智能投顾有机会把这种理念服务提供给更多的人」。

但是,不是所有通过数据模型实现自动化和产品化的资产配置服务都称得上智能投顾,尤其在中国,智能投顾有时候畸化成了通过数据模型选股票、选基金产品,从而获得高收益,但这是背离智能投顾的基本原理的。

所以,璇玑从产品原理上遵循几个原则:

  • 分散投资,并且是分散在不同的大类资产上,包括股票、债券、商品、黄金、房地产等。所以,为用户配不同的个股就不是真正的分散投资,因为这样无法避免股市崩盘这样的系统性风险。而大类资产之间的相关度低、甚至一些大类资产间存在负相关,这样才能通过调整投资配比来获得比较稳定的收益。
  • 追求的是投资「最优解」,而非「高收益」。智能投顾是给用户一套资产配置的策略,而资产配置的基础理论是 Markowitz 的投资组合理论及其衍生模型,这背后遵循的逻辑是:在用户的风险承受范围内给出资产配置的最优解。所谓「最优解」是对风险和收益的平衡,不是追求「高收益」。
  • 具备实时调整资产组合的能力。与人工投顾服务最大的不同在于,智能投顾可以做到实时调整用户的资产组合。当市场有波动时,「机器人」应及时发起更改投资配置的请求。但也有一些平台做不到实时调整资产组合,只是定期对资产组合做一些修改,甚至不修改。

在遵循智能投顾基本原理的基础上,璇玑试图为自己找到一套适合中国市场的模式,它在商业模式、产品模式、算法模式上的尝试,与目前大部分国内的智能投顾产品都不尽相同,走出了一条非典型的进化之路。

非典型的商业模式

与 Wealthfront 和 Betterment 这两家智能投顾的鼻祖选择的路径不同,也与国内几乎所有的智能投顾平台直接面向 C 端用户提供服务不一样,璇玑选择了 B2B2C 的商业模式,也就是:璇玑为专业的金融机构提供技术服务,以这些机构拥有的资产类别作为底层资产,为它们做定制化的智能投顾系统,作为第三方服务商,璇玑向 B 端机构收取服务费。

郑毓栋解释了这样设计商业模式的原因:

「传统金融机构和传统的财富管理机构正在面临着巨大的转型压力,它们对于智能投顾服务有需求,却缺乏相应的技术开发能力,我们可以帮助他们实现转型。同时,传统金融机构有自己的渠道、客户,我们可以通过他们来触达更多的客户,来传递正确的理财方式和理念。并且,我们的合作机构都有牌照,这样做也是更合规的方式。」

B2B2C 的模式也是让璇玑与金融机构各自做自己擅长的事情。目前,互联网金融市场的获客成本越来越高,而智能投顾又处在市场早期,用户教育尚未完成,而这恰恰都是金融机构所擅长的。

12 月,璇玑与民生证券达成战略合作,为其提供定制化的技术服务,民生证券正式进入智能投顾市场。无独有偶,招商银行也几乎同时推出了自己开发的智能投顾系统「摩羯智投」。中国主流金融机构将陆续进场,这对于璇玑来说,意味着市场已被打开。

非典型的产品模式

国外的智能投顾平台都以海外 ETF 作为底层资产,在此基础上做投资组合产品的开发。国内的大部分智能投顾平台也是如此,它们通过对接海外券商,实现 ETF 产品的组合和交易。

海外 ETF 流动性高、费率低、市场拟合度好,这些特征在市场教育阶段显得非常重要。但也有现实的问题:用户群和市场都相对较小,中国市场的投资人仍然还是对人民币资产更熟悉、接受度更高。

以金融机构为客户的璇玑则需要考虑机构客户对人民币资产的需求。但是,以人民币资产作为底层资产带来的是在产品开发和算法模型上的门槛抬升。

在产品开发上,璇玑以合作金融机构所能触及的资产作为底层资产,并根据机构提出的产品需求为每一家做定制化开发。比如,作为璇玑的合作方之一,同为 PINTEC 旗下的基金销售公司虹点基金就以公募基金为底层资产,璇玑在大量公募基金的基础上为虹点基金打造数字化资产配置的产品。

非典型的算法模块

正是因为在产品层面所配置的资产类型不同,所以在算法上,璇玑也没有直接套用国外智能投顾平台的逻辑。并且,因为人民币资产在透明度、流动性、费率上都不及海外 ETF,所以对算法模型的要求也更高。由此,璇玑根据人民币资产以及交易的特点在算法上做了特别的优化,搭建了一个适配中国市场的数字化资产配置系统。

璇玑的模型中包括四个模块:资产配置模块、数据处理模块、产品适配模块和交易优化模块,其中,后两个对于中国市场来说非常重要。

  • 资产配置模块

这是智能投顾系统中通用的算法模块。每个客户有自己的一条「风险-收益」曲线,璇玑会根据客户的风险承受能力,为它做资产配置。比如,保守型的客户可能不会愿意接受创业板的投资,更愿意增加债券和现金的配置。所以,系统会根据实时市场状况为每个客户计算他的组合最优点。

  • 数据处理模块

在数据处理上,智能投顾需要通过机器学习对大量数据进行研判和研读。Wealthfront 和 Betterment 都是采用静态的量化模型来提供智能投顾服务,但璇玑是机器学习的解决方案,也就是模型会不断进行自我优化。

郑毓栋告诉极客公园:

「最开始,我们会根据经验设置一些规则引擎,然后扔几百上千个关于资产和市场的历史数据进去,进行数据挖掘。也就是根据过去的观测点,得到未来的发展方向。然后随着新充入数据的不断增多,既有的引擎规则会发生变化,这就是机器学习的过程。」

  • 产品适配模块

中国市场的特殊性在于,它与海外市场相比是一个以主动投资为主的市场,ETF 数量较少,且已有的 ETF 产品缺乏流动性。这就需要在产品拟合方面有另一套适配中国市场的算法,在主动管理的产品中选出能够拟合到这类算法的产品,构建出一个组合。这种资产配置的转变需要抛弃主动管理的因素,使得风格漂移因素对组合的影响降到最小。所以,璇玑设计了一个算法,对相关性、产品的拟合度、核心类型产品的外延性都进行了研究。

  • 交易优化模块

与以 ETF 为主要投资标的的美国市场相比,中国市场没有那么多 ETF,不可避免的需要引入场外交易,但场外交易会受到交易成本、交易时间、交易费用等方面的限制,理论上是一个非完美金融交易市场,存在摩擦成本、交易成本和时间成本。机器学习能够在这些因素的影响下,帮助客户迅速地以最低的成本完成最优的调仓,从交易模块上解决问题。

最终,璇玑把欧美市场的智能投顾架构搬到中国市场并进行优化,最终希望真正实现对每个客户因人而异的资产配置。这正是一场科技对传统金融的推进和改造。

2017年1 月,郑毓栋将会来到极客公园 GIF 大会现场,与大家分享「科技如何与金融正确的混血」这个话题。如果你也对金融科技或是智能投顾感兴趣,不要错过明年 1 月 13 日-15 日的极客公园 GIF 大会。

(编辑:王伟)

璇玑智能投顾
关注极客公园公众号
反馈