人工智能近年来异常火爆，而昨天又爆出新闻，围棋天才少年柯洁，首战AlphaGo告负。而人工智能在金融方面的运用最多的便是智能投顾，从互联网金融公司，到银行理财，资产配置等等，都能见到人能投顾的身影，因此今天的分析专栏我们主要谈谈智能投顾背后的逻辑。

智能投顾凭借其特有的智能算法和模型，使其具有门槛低，高效便捷，操作简单，理性客观、个性化定制等优点；和传统的投资顾问相比，不仅具有相对优势，更具有绝对优势。智能投顾的服务流程一般分为六个步骤，信息收集、投资者分析、大类资产配置、投资组合分析与选择、交易执行、资产配置再平衡。

理论算法方面，现阶段绝大多数智能投顾的核心算法仍是马科维茨的现代组合理论（MPT）,用均值--方差模型、CAPM模型、Black-Litterman模型等方法去做资产配置。所谓均值--方差组合模型，即在收益一定的情况下，风险最小化；在风险一定的情况下，收益最大化。CAPM模型是均值--方差模型的延伸，它强调的是只有承担系统风险才可以获得相应收益；若是承担可以被分散的非系统风险，市场是不会给予相应的风险溢价补偿；而B-L模型是高盛提出的，是均值--方差模型的改进版。它利用概率统计方法，将投资者对大类资产的观点，即投资者的主观期望收益与市场均衡收益相结合，加权平均产生新的预期回报，另外，Black-Litterman模型从侧面说明了主动管理的合理性，在一定情况下，可以为投资者带来超额收益。智能投顾的算法还在不断地演化和跟新，很多智能投顾的算法中还嵌入行为金融学，将心理学，行为学糅合进来，使分析结果更贴近真实情况；除此之外，机器学习也是智能投顾背后重要的支撑因素，不仅可以帮助机构描绘出投资者的精准画像，还从海量数据中发掘出有利的投资模式。在量化投资策略方面包括但不限于量化择时策略、行业轮动策略、多因子Alpha体系以及各类事件驱动选股等策略；

投资收益方面，智能投顾追求的贝塔收益（由于承担系统化风险，带来的风险溢价补偿）而不是阿尔法收益（即超额收益）。智能投顾面对的是数量众多的普通投资用户，原理也是投资组化多样化，最大化分散非系统性风险，投资者得到的是一个普惠的资产组合投资方案，只能获取市场平均收益率，即无风险收益和承担系统风险所带来的风险溢价收益。因此，判断一个智能投顾能力的高低关键是看其对“贝塔”系数的掌控能力，也就是获得系统性收益的能力，而不是追求阿尔法超额收益，即便偶尔有几次，那也是暂时的，不会长久，毕竟超额收益注定是小众的，而小众是不能普惠的。

投资标的方面，绝大多数智能投顾是以被动投资为核心理念，追求长期收益；投资标的是有较好流动性的ETF产品。在发达国家成熟的金融市场上，ETF产品品种异常丰富，基本能覆盖全球各大资产，非常有利于分散投资的资产配置理念。

总的来说，智能投顾是一种普惠的数字化、虚拟化金融服务工具。比较适合对专业投资了解不多、投资金额不高，时间相对短缺的普通投资用户，而对于投资经验丰富、投资金额较大的高净值和超高净值客户和机构投资客户，还是更愿意和传统的专业投资顾问去沟通交流。

欲获取报告全文，请联系我们购买