最近“智能投顾”（Robo-Advisor）这个话题确实火得不得了，作为这个行业较早开始摸索实践的从业者（氪空间第四期项目“理财魔方”获1000万人民币天使轮融资，要做中国化的智能资产管理应用_36氪36氪首发｜理财魔方完成2000万Pre A轮融资，智能投顾暖风将至？）,也发现最近一段时间对这个领域感兴趣的记者和VC机构是越来越多。虽然苦逼吭哧了一年多的创业终于成了大家都看好的大方向，但我同时也发现，如前两年的P2P一样，很多鱼龙混杂的平台开始打着“智能投顾”的旗号，一面坑用户，一面圈投资人的钱，没有静下心来好好巩固自己的智能投资管理系统，这对整个行业的健康发展都是不利的。

　　所以看到知乎上有“智能投顾”这个话题，感觉还是应该把这个概念说清楚，行业也应该在喧嚣中沉下心来把基础的事情做好。当然本人的理解也有不完善的地方，欢迎大家一起讨论。

　　以理财行业里面最为标准化的公募基金数据来看，整个基金产品和基金销售在中国可以说已经发展得非常充分。截止16年6月中国公募基金资产规模已达7.95万亿元，公募基金公司108家，基金产品数量达3114只。销售端有银行、券商、第三方基金销售平台、电商、直销等众多销售渠道百花齐放。6月末公募资产规模达7.95万亿元。

　　先看基金六个月业绩：过去24个半年里只有7次亏损；平均半年收益率8%；投资任意一只基金满半年正收益概率71.8%。

　　再看基金一年业绩：过去12年里只有两年亏损；平均年收益率19.2%；投资任意一只基金满一个自然年度正收益概率79.8%。

　　在投资用户踊跃申购之后的一个季度往往伴随着大幅亏损，说明投资用户在赔钱：

　　来，我们一起把重要的事情说三遍： 投资产品在挣钱，投资用户在赔钱！ 投资产品在挣钱，投资用户在赔钱！ 投资产品在挣钱，投资用户在赔钱！

　　上面这段话清晰地说明了投资收益中资产配置的重要性，而资产配置又是投资顾问的重要职能，中国理财市场里存在大量挣钱的金融产品，也有大量低学历的金融销售，但恰恰缺少大量优秀的投资顾问，缺少专业人才给投资用户做资产配置，这也是为什么中国大部分投资用户会赔钱。

　　既然投资顾问这么重要，在介绍智能投顾之前先让大家了解什么是投资顾问。在国内大家对投资顾问（Financial Advisor简称FA）可能都比较陌生或理解有偏差，但投资顾问在美国这样的金融发达国家是却比较常见（美国人民当了100多年的韭菜，到上世纪70年代左右最终认命自己打不过市场和机构，干脆把钱交给投资顾问管理）。准确定义投资顾问是干什么的，首先要了解一下发达金融体系里投资理财行业的分工。

　　发达的金融产业依靠的是专业化分工和规模效应，投资理财领域如下图存在“金融产品”和“投资顾问”两个层面的分工：

　　金融产品本质上是为大众或专业投资者提供基础的投资工具。公募基金就是最典型的标准化投资工具，举个栗子，如果你非常看好互联网行业，你就可以选择互联网投资方向的基金，而该基金专攻方向就是通过专业的调查研究，选择最有前景、价值被低估的互联网公司股票进行投资，并通过这种投资获得尽可能的收益；金融产品一般是不进行资产配置的，好比一个明确投资互联网行业的基金就不应该去投资钢铁行业的股票，否则就违背了大家申购这个基金的初衷（当然国内这种挂羊头卖狗肉的基金数量不少，韭菜身边到处是坑啊）。

　　这里面的关键是用户有时候实际表达与他真实的风险偏好是有差异的。比如隔壁老王说他有30万要理财，目标是半年后能买辆劳斯莱斯，如果真的按照老王的意思直接给他组合资产，最后大概率是30万被完全亏掉，因为极高收益都是伴随的极大风险，但这其实并不是老王真正期待的的。所以判断客户真实的风险偏好需要理财顾问非常专业细致的沟通，而这种沟通成本往往是非常高的。

　　但凡涉及“投资”，比“收益”本身更重要的事情，永远是“风险”。资产配置就是在风险确定的情况下，给出在该风险下最高收益率的投资组合方案。如果投资高比例的股票基金是为了在更高风险下追求高收益和高流动性，那么投资更多货币基金却是在低收益下获得高流动性和几乎无风险。如果只看收益不看风险，不管你的决策怎样，投资结果怎样，其性质都是感性的，或者说就是赌博，一个典型的例子就是风险不透明的P2P。资产配置有很多现成方法论，如：Markowitz Mean-Variance Model，Black–Litterman Model等等，当然实践使用中还需要根据实际情况调整一些参数，鉴于是科普就不在这里一一展开了。

　　总之，如果把金融行业类比餐营业的话，那么金融产品就好比是各种食材，按标准配料，类型丰富；而投资顾问则是厨子，选择并加工上好的食材，最后做成客人喜爱的大餐。人精力有限，术业也有专攻，想在两、三个领域同时做到顶尖水平几乎是不可能的，所以专业的事情还需要专业机构来承担。

　　一般来讲智能投顾就是人工智能＋投资顾问的结合体，搞清楚上面什么是投资顾问后就应该好理解了。（当然金融领域类也有人工智能＋金融产品结合的方向，比如说量化投资Hedge Quant，下面也会有介绍）

　　与传统投资顾问一样智能投顾依然承担者用户和金融产品之前的桥梁作用，那么人工智能又是如何发挥这个桥梁作用的呢？

　　计算机的普及解决了几十年前金融统计计算效率的问题。几十年前不少大学还都没有计算机，一个简单的线性回归（linear regression）都需要几个研究生算几个小时，通过手工计算一个几十年序列收益均值的协方差矩阵，想想就要崩溃了，等算完了，估计投资机会也过去了。将计算机引入金融研究，极大的提高了金融的运行效率，大规模金融统计计算终于成为了现实。这几年也能看到不少机器学习如SVM、神经网络、甚至深度学习deep learning做股票预测的论文。所以金融投资拥抱计算机和智能算法过去就一直存在，人工智能与金融未来只会结合的更加紧密。

　　具体在资产配置这块应用，可以通过资产配置模型由计算机得出最优投资组合，也可以通过多因子风控模型更好更准确的把握前瞻性风险，还可以通过信号监控、量化手段制定择时策略。计算机的加入让资产配置做得更精准，也让投资决策变得更加理性。

　　随着这几年互联网应用的增多和数据积累，我们可以看到类似亚马逊向我们推荐个性化的商品、netflix推荐个性化的影视节目、还有今日头条这样推荐个性化的新闻。同样在智能理财领域也是根据用户这块大数据识别用户的个性化的风险偏好，根据不同的风险偏好提供个性化的理财方案。

　　这样一个好处在于解决前面说的传统理财顾问通过沟通识别风险偏好的带来的高成本问题，羊毛出在羊身上，这种成本最终也会反映在用户的投资收益里面，降低这块的成本就是帮用户提升收益。

　　更厉害的地方在于这种风险偏好的识别可以实时动态计算，一般风险偏好会表现为恐惧和贪婪两个方面，而且并不是固定不变的，大部分人的风险偏好会随着市场涨跌、收入水平等因素的变化而波动。比如15年上半年牛市的时候很多人都进入了股票市场，这就是贪婪导致的风险偏好的提升，但到了15年下半年熊市的时候，大家的风险偏好因恐惧又开始下降。如果是理财顾问来做这件事情，得到结论可能会有一定的滞后性，另外带来额外的沟通成本也会增加不少。

　　总之因为客户收入、年龄、性别、心理特征的差异会产生不同的风险偏好和风险偏好变化轨迹，根据这样的特性智能理财就要做到千人千时千面。

　　因此识别智能投顾就有以下四个标准，离开这些标准说自己是智能投顾都是耍流氓：

　　当然大家也要理性的认识到，在智能理财领域计算机还无法完全替代人，在一些关键时刻还是需要人依靠专业经验来做决策，如果100%依赖计算机也会导致一些特殊风险的出现，所以在相当长的一段时间内智能理财也都会保持人工智能＋专业经验的状态。

　　我非常坚信智能投顾在中国有比美国更广阔的发展前景，看看电商，淘宝、京东加起来市场份额比amazon还大，为什么？因为中国线下零售太弱了，没有沃尔玛等那样的垄断机构成为竞争者。你再看看现在国内线下投顾市场是个什么水平，比中国零售当年还弱。如果你对中国智能投顾的未来有信心，欢迎大家加入一起为行业的未来奋斗！

　　这些公司曾经也是我们的模仿对象，也是现在很多国内智能投顾公司号称的模仿对象。但经过我们一年的创业实践，通过长期大量用户数据的积累分析，我们认为如果完全模仿Wealthfront这样的美国公司，在中国必然没有前途。

　　Wealthfront的首席投资官是大名鼎鼎的Burton Malkiel，Princeton的大学教授，《A Random Walk Down Wall Street》（书中文名是《漫步华尔街》，吐槽这个翻译）的作者，这本书基本代表了被动投资（Passive Investing）的投资哲学，即不能长期战胜市场，所以只应该集中精力在三件事情上：1、多样化分散投资；2、降低支付费用；3、降低税负（非401K部分投资在美国要交投资所得税）

　　这个逻辑在于，既然长期战胜不了市场，那就干脆直接投资市场算了（投资指数ETF），而且要投资不同的相关性弱的ETF，当然中间也需要识别用户风险，根据风险定制资产配置方案，并且低频做rebalance。当然Bwin必赢，如果大家都是这么做，那大家的收益和风险也就差不多，Wealthfront还有什么独特优势和市场价值？既然收益一样那就比费用呗，依托互联网的低人工费用，Wealthfront成功的把费用降到了0.25%，线%佣金的用户看了会怎么想，这意味着一年收益瞬间就可以提升1.25%的收益啊，要知道美国银行存款利率接近于零啊，立马大量的用户就被互联网抢过来了。

　　以S&P500指数为例，在Wealthfront发展的过去5年可以用收益高（年化收益9.3%，在美国同期存款和货币基金收益几乎为0%）波动小来形容，投资这种指数让客户赚得脸都笑歪了，能不成功吗？

　　与S&P500指数相比，沪深300过去5年是这样的，年化收益只有0.06%（余额宝最高的时候都有6%啊），而且一不小心买在了去年6月的最高点，资产直接缩水近50%，让中国用户像Wealthfront这样持续投资指数，公司玻璃就等着挨砖吧。

　　所以我们现在结合一年多的实际经验，也引入了熟悉中国基金业的著名研究专家，潜心搞了大半年，终于找到了我们认为适合于中国市场的智能投顾之道。至于是什么，这个已经离题就不说了，以后会让大家知道！

　　最近看到一些文章把一切计算机参与的金融活动都纳入到智能投顾的这个范畴，这样理解是有偏差的，下面说两个容易混淆的概念

　　量化投资大部分交易是由计算机完成，也使用各种模型算法，但主要只针对股票和商品的现货、期货、衍生品市场，并不涉Bwin必赢及大类资产的配置，量化投资并不等同于智能投顾。

　　技术分析也就是国内各种“大师”经常说的MACD、KDJ、二八轮动等，特点是能止损，但胜率低，收益要看天吃饭；

　　后者运用的金融工程里面的无套利定价原理，利用计算机强大的计算能力寻找市场上的无风险套利(Arbitrage)机会，所有Arbitrage的基础，就是在高度有效 (Efficient) 的市场中发现微小的失衡。这方面最著名的投资机构当属Jim Simons的Renaissance Technologies，他的独门秘籍据说来自麻省理工等从事密码破译和语音识别的数理高手。国内做的比较不错的有申毅（此人去年对国家救市方法的质疑上过很多媒体的头条如何评价申毅在第一财经针对目前股市的言论和建议？ - 金融，有没有印象？），原高盛ETF部门的负责人，但在国内主要做私募，基金开放期非常短，门槛高非土豪投不了。

　　总之量化投资只能算是交易策略范畴，投资品类集中也会导致风险不够分散，就算是Jim Simons也有表现平平的时候业绩惨淡 量化巨擘“文艺复兴”关闭10亿美元基金。

　　现在有很多量化投资的金融产品为了营销也打着智能投顾的旗号，大家要注意识别。而智能投顾是把量化投资的对冲基金作为一个资产大类加入到整个资产配置之中。

　　传统银行在贷款的时候会对贷款主体进行风险识别和控制，避免把钱带给信誉较差的带块主体导致坏账。当然传统银行更多的是靠人和流程来控制，P2P在这块的创新主要是运用了计算机算法，输入贷款主体的特征（如收入、职业、历史还款记录等），通过逻辑回归或者机器学习的方法，算出贷款主体未来按期还款的概率，提升了单一靠人贷款工作的效率。

　　可以看出来这种计算对贷款主体的风险识别虽然也大量运用了计算机和算法，但是他是为贷款机构服务的，并没有解决普通投资者的长期资产配置问题，只有智能但无投顾。所以你只要看到P2P平台说自己是智能投顾，那多半都是假的，小心被骗。

　　智能投顾（Robo-Advisor），是利用人工智能的优势，结合投资人的风险水平、期望收益以及市场动态，采用多种算法和模型给予投资人综合的资产配置服务。

　　创新一直以来都是互联网金融行业的核心，近些年越来越多的企业开始投入到科技金融的大潮当中。智能投顾作为金融创新的一种，在海外市场具有低成本、专业化等特点，发展十分迅速。智能投顾具有较好的用户体验，标准化的服务输出，较大程度避免投顾和客户之间的利益冲突，防范了道德风险。虽然智能投顾已经成为当下最火热的名词，而且相较于传统的投顾也有着明显的优势，但智能投顾在中国发展的初期，仍然有着诸多的挑战。

　　智能投顾正如历史上众多的其他创新一样，正经历着行业标准混乱的阶段。这意味着给了一些投机者打着智能投顾的旗号却行非法荐股和无牌照代销之事。

　　欧美等国的智能投顾有一个很重要的优势，其成本大幅低于同等水平的传统投顾服务。无论是交易Bwin必赢成本、管理费用还是流动性管理，智能投顾的成本都非常低廉。然而我国当前市场上正常的智能投顾均是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高达1%-2%，是国外智能投顾的2-4倍。

　　当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。在这个方面智能投顾应该是一个很好的切入点，可以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。

　　凤凰金融的魔镜智投属于白盒策略产品，白盒策略提供的是在专业投顾能力和大数据基础之上打造的战术型资产配置组合。顾名思义，白盒策略是公开、透明的。持仓基金、调仓规则公开，用户在购买任何一款组合产品之前，都可以对其背后的交易策略了如指掌，用户可以根据自己的需求来进行选择并且轻松实现一键买入策略产品。因此此类产品更适合于那些有一定投资经验的进阶型投资者。

　　魔镜智投策略产品分为“三国争霸”、“牛熊轮动”“金股轮动”三种产品。其中“三国争霸”，即三产业轮动策略，三产业轮动指的是在医药、大宗商品、TMT几个行业轮动，追涨杀跌。三产业轮动策略属于业内首创的策略，因此也是凤凰金融的一大亮点。

　　招商银行的摩羯智投属于黑盒策略产品，用户并不知道系统调仓的逻辑，所有的判断都是系统根据用户一开始填写的问卷而计算出来的。黑盒类产品最佳的目标客群是对专业投资不甚了解的小白用户。客观上，业务发展会更依赖于外围环境及基础设施。

　　把魔镜智投和摩羯智投对比来看，属于黑盒类产品的摩羯智投更容易吸引小白；而属于白盒类产品的魔镜智投需要透明化，解释成本较高。所以，黑白盒互补的策略体系才能够充分覆盖到更多用户群体。

　　虽然智能投顾和量化投资都一样会采用计算机，以及相关数据来辅助投资交易。但是，智能投顾更重要的一点，是希望能够将过去只属于传统理财师，或者私人银行的一些理财服务，通过计算机手段带给普通投资者。能够降低针对普通投资者的理财服务成本，以及降低金融服务机构的渠道成本和人工成本，让资金、效率、普惠服务都得到一个质的提升。

　　传统的投资顾问服务一般由理财经理、投资顾问，针对客服的需求，偏好以及财务状况，提供对应的理财方案。同时，在服务周期中，持续的根据市场的波动状况、投资组合的业绩表现、以及客户提出的阶段性需求，给出分别相对应的调整方案。

　　简单地说，智能投顾因为采用了计算机技术，可以把边际成本压低到一个很低的水平，智能动态调仓，从而服务更多的大众。

　　传统投顾需要客户经理和客户本人在线下完成各种繁杂的手续流程，譬如风险测评等等，最后客户经理通过人工和经验去匹配他符合的产品。这个过程中会消耗大量的人力物力，所以只会向高净值客户开放。

　　智能投顾1.0就是把这些服务转到线上，通过技术手段迅速定位出客户的风险偏好和评级，然后给出投资标的的建议。这样的话，原本面向中高净值客户的服务，就可以给到中小净值的投资者，从而初步实现了普惠金融。

　　比如：Betterment和Wealthfront主要面对的是科技类的公司员工，他们在硅谷覆盖了大量的公司人。Acorn面向的是学生群体和小投资者，强迫他们参与到理财规划当中，把一些非常闲散和碎片的资金进行理财。Charles Schwab在智能投顾领域起步较晚，主要面向中产阶级人群，但它的反超非常猛烈。

　　如上图，Charles Schwab在2015年开始做智能投顾的时候，几乎在一瞬间就完成了反超。他们在2016年底的时候，AUM达到60多亿美金，到了2017年2月份应该已经超过了百亿美金。

　　首先，他们的口号是免咨询费，而其他几个平台都是靠向客户收取咨询费用来盈利的。Charles Schwab之所以可以免咨询费，是因为底层资产都是他们自己的ETF，所以有别的利润来源。（打个广告，我们云锋金融的【有鱼智投】APP也是不收咨询费的。）

　　第二，他们有强大的研发力量，把B2B和B2C的模式进行了一个结合，分享给更多的客户。

　　第三，他们有完整的生态，除了财富管理还有经纪业务，而且还有自己的独特的产品。这样的话，他们的理财、资管线和经纪线可以实现交叉销售，（这一定也和我们很像，云锋金融是一个全牌照的金融集团。）

　　从2016年开始，国内从传统银行到新兴Fintech公司，甚至电商平台都纷纷推出自己的智投产品，颇有“忽如一夜春风来，千树万树梨花开”之盛景。

　　然而相比美国智投平台百花齐放的算法模型和投资策略，中国的智投产品大多只是境内ETF资产和寥寥十来个组合的简单搭配，与其说是智能投顾，不如说是换种方式卖一篮子基金。而在这其中，有一家中国机构却独树一帜，率先打出了智能投顾2.0的口号，这就是云锋金融旗下的有鱼智投。

　　在云锋金融汇聚了金融和科技顶尖力量的团队看来，智投2.0需要做到的有三点——深入了解客户需求，优中选优底层资产，融会贯通专业优势。

　　下面聊一下我们对智能投顾2.0的看法，简单几个词形容：个性化、定制化、智能再平衡和自主权。

　　个性化，所有的客户都需要根据风险偏好，以及自己的资金使用需求，去给到个性化的资产配置方案。定位金融风险偏好，用户在产品浏览的过程中的每一次点击，对每一条投资建议的接受或者拒绝，都是关键数据。

　　另外，在风险偏好之外，用户也会根据不同的应用场景有完全不同的投资需求。有的人理财是为了20年后的养老，有的为了10年之后小孩上大学，还有的为了3年后买房买车。他们根据不同的场景，不同的期限去做投资，因此即便有同样的风险偏好，对收益率和流动性的要求也都完全不同。在整个投资周期当中，智能投顾平台应该有足够的能力根据定制化需求为用户提供合适的投资组合。

　　其次，好的智能投顾平台能够在不断变化的市场中，通过智能调仓（再平衡）工具自动为用户提供买卖建议，从而有效地控制其投资组合的整体风险。

　　最后在自主权方面，目前的很多智能投顾都是一锤子的买卖，给你什么就是什么。但在我们看来，智能投顾平台是辅助的投资工具，我们需要给到用户更多的选择品类，并提供针对性的资讯。

　　第一，了解客户需求。传统金融产品在购买时也需要填写风险测评问卷，然而问题千篇一律，形式单调乏味，客户难以吐露自己真正的风险偏好，导致问卷成为一个过场，平台也难以推荐真正合适的产品。

　　此外，一般的智投平台虽然都会给出琳琅满目的组合供客户选择，但对于普通投资者而言，从中选出适合自己的组合谈何容易。

　　而有鱼智投的风险测评不仅基于前沿金融理论和心理学原理，具有足够的专业性，而且结合了轻松的人机对话和题目的趣味度，让投资者卸下防备。这样一来，平台就可以深入了解客户的潜在风险偏好和投资收益期望。

　　智能投顾1.0的平台刚才介绍了，底层资产主要以ETF为主，而ETF能拿到的就是市场平均收益。比如2017年的港股恒生指数的涨幅超过30%。如果你买的是ETF，你投资的是这样一个智能投顾（1.0平台的话），你获得的平均收益基本上是30%左右，但如果你在我们的平台选择精选的主动型中国基金的线%就是超出市场的收益。

　　同时，千篇一律的被动型基金也为未来的市场波动埋下隐患，万一牛熊转换，指数大幅下挫，就算是机器算法也回天乏术

　　有鱼智投另辟蹊径，背靠全球数十家顶级基金机构的合作伙伴，选择了以主动型基金为底层资产，从而给投资者带来了不一样的选择。关于全球投资为何选择主动基金更加靠谱，客官可以参考这篇文章：个人进行海外投资的正确姿势（上篇）——海外市场大不同。

　　那么主动型基金那么多，如何优中选优呢？有鱼智投有量化筛选、尽职调查、基金推荐的全流程。有鱼智投的基金库里有1万多支基金，均来自权威第三方和基金管理公司的直接推荐，其中只有3%-5%的基金会通过量化模型和投资团队筛选，进入组合备选中。

　　在尽职调查方面，有鱼智投的基金挑选团队骨干来自国内最大的主权投资机构，对于内地投资者的需求以及海外管理人的状态非常了解。不仅会对基金经理进行实地拜访，甚至还会对他们的投资标的进行调研。

　　最后，有鱼智投平台还创建了一套独特的评分体系，以短期业绩、长期业绩、管理者素质、资金流向、第三方评级等五个指标为基础，最终万里挑一，只选出十几只不同资产类别的基金作为智投组合，从而做到底层资产的优中选优。

　　第三，运用专业投资机构的优势实施智能调仓。美国的智投平台已经纷纷与传统投资顾问相结合，在机器算法之余加入人工的部分以提供更完善的服务。

　　事实上，机构投资者最大的优势并不一定是挑选个股，而是做好资产配置。所谓TAA（战术资产配置），就是根据市场的中短期变化，在不同的资产类别中选择适合目前市况的资产，对配置比例进行一定程度的调节。（延伸阅读：从资产配置策略师到对冲基金大佬：TAA策略不再神秘）

　　一个好的智能投顾平台，应该能够对市场所发生的突发事件对你进行战术配置相关的调整，这是全球大的机构投资者和主权基金都会采取的方式，也是有鱼智投之所以配备专业的策略研究团队的目的所在。我们希望把这样的一些操作提供给普通的用户。

　　从过去一年多的历史业绩来看，每个季度战术配置的调整对智投组合的业绩有了显著提升，最高可达2%*，可谓在牛市锦上添花，在弱市雪中送炭。

　　第四，千人千面。上文提到的那些海外智能投顾平台，他们给出来的组合大概就是5-10个左右，相当于说，他们觉得所有人都可以被扔进这5-10个筐子里。但我们提供的不是被动型的ETF资产，所以用户可以有更多的选择空间。

　　比如某一类资产，我们会给到用户三个选择，来自不同的基金管理人，可能在投资风格上也有一定的区别，用户可以用我们默认给的选项，也可以根据自己的偏好选择任何一个去进行交易。

　　关于千人千面大家还可以参看：智能投顾能实现「千人千面」吗？技术难点是什么？

　　甚至某种意义上，它从根源改变了华尔街金融机构的传统运营模式，让曾经风光无限的私人投资理财师与相关从业者，面临大批量失业以及被人工智能取代的风险。

　　相关新闻还历历在目。2014年，国际金融界巨头开始涉足这一领域，如全球最大的资产管理公司贝莱德，收购初创智能投顾公司 Future Advisor ；高盛、嘉信理财和 RBS 也相继独立研发智能投顾；其中，RBS 更是推出了智能投顾取代客户投资顾问的服务，并有消息流出，可能有望替代250位私人银行家。

　　简单释义一下，智能投顾（Robo-Advisor）是可以提供在线组合配置建议和组合管理的理财顾问服务。

　　将此概念拆解分析后不难发现，基本市面上可见到的智能投顾，其核心方案都要建立在现在资产组合理论和资产定价等模型的基础上，从而最终达到自动分配、管理和优化客户资产的目的。

　　如果还是比较抽象，那不如换个角度，下图截取了部分艾媒咨询2017年出具的一份智能投顾分析与演变报告。

　　这就能明显看出，我们当下正处在投顾3.0的蓬勃发展期，也就是智能理财阶段，而智能投顾现阶段的作用，更多是充当过去的私人理财师一职；并且它的应运而生与进化，是符合历史客观发展进程以及可以降低企业成本、提高运营效率，甚至往大了说，智能投顾极大程度上解放了更多的社会生产力。何以见得？

　　在智能投顾没有出现以前，传统的投资顾问模式存在一个非常大的缺点，那就是成本耗费非常之高，所形成的模式往往是，一个有经验的客户经理，加上一个有经验和技能的投资组合经理，再加上支持他们的后台团队，这样的组合无论从人力还是技术上，成本预估都可想而知。几年前就和好友探讨过这个问题，他举得一个例子至今都记忆犹新。他说，比如我们有100万个客户，但真正进行投顾服务的企业员工也许就保持在50人左右，加上营业部的投入，很可能最终人员规模会保持在数百人水平，仅仅是这样，成本依然耗费巨大；并且不容疏忽的是，这样很可能意味着根本不可能以这样的人工为客户提供出较为充分的服务。

　　我对这样的观点是非常赞同的，重塑过去的运营模式，智能投顾出现的意义非常明确，这也是为什么现在高盛100万美金以下的净值的都是由机器人负责的原因，这个趋势同样很难避免。

　　深度解析智能投顾的背后逻辑，实际上就是在用户投资过程中基于传统投资理论和方法策略，将其应用场景互联网化，大部分智能投顾平台也会借助问卷等手段判别用户风险的承受水平、收益要求和投资期限等信息，部分智投平台则更加直接，让用户先后勾选风险等级和投资期限。

　　无论采用哪种方法，智能投顾都能达到规模化运转，根据客户的风险水平与投资期限，计算机借助风险分散等传统的投资理论以及量化投资策略等方法构建投资组合。

　　一是通过人的思考能力，进行对智能投顾背后模型的计算与矫正，这其中的人脑思考能力并未被架构，或者这部分是人工智能无法模拟，甚至是在短时期内技术难以企及的水平；

　　二是人工智能模拟不出政治事件，外加资本市场是非常复杂的且无法被标准化的，所以现阶段下的智能投顾，更多是解决一些客户初级或者中级性的资产配置需求，完全使用智能投顾去替代人工理财，是不切实际与不符逻辑的。