那天国内的一个同学，兴冲冲的给我发来一个理财产品的介绍，让我帮他参谋参谋。他说，老伍你看，这家公司是由好几家非常有名的风投投的，号称拿了几千万投资，估值好几个亿。网站做的挺不错的，上面写着“大数据和金融工程模型，我们要做中国的Wealthfront”，你帮着看看呗。我说你这个叫智能投顾，碰巧我对这一行稍微有些研究，那就不妨讲讲吧。

　　智能投顾，是智能投资顾问的简称，英语名叫Robot Advisor。这个概念这两年比较火，因此今天我就来好好谈谈这个话题。

　　投资顾问本身是一个很古老的行业，所有的私人银行提供的很重要的服务之一，就是投资顾问。一般来说，服务客户的投资顾问团队有两个部分组成（见上图绿色部分）。第一个是直接面对客户的客户经理，他们的工作是了解客户的投资和理财需求，理解客户的风险偏好和金融知识，并判断什么样的投资产品更加适合客户。团队的第二个组成部分是投资组合经理，他的工作是根据客户经理提供的信息，帮助客户设计并管理他的资产组合。

　　上图提到的这种投资顾问模式的缺点是它耗费非常高的成本：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，再加上一些支持他们的后台团队，这样的团队组合需要的人力和技术成本都比较高。

　　这也决定了如此商业模式只能适合于高净值人群。假设客户只有几万或者几十万块钱，用这样一套团队去服务他的话，怎么都很难收回成本。大家知道，私人银行一般的最低理财门槛都是五百万人民币或者更高，这就是主要的原因之一。

　　而现在在一些国家兴起的智能投顾，其主要的变化是他们用计算机将上面提到的客户经理和投资组合经理替代掉了（比如上图中的绿色方格）。如果用一些电脑程序可以将这两个重要的职位代替，那么智能投顾就能极大化的降低为投资者提供投资顾问服务的成本，从而也能降低享受投资顾问服务的最低投资门槛。

　　事实上目前在美国做的比较领先的智能投顾确实做到了这一点：他们的收费相当便宜（年管理费在0.25%-0.5%之间，相比之下传统的私人银行理财服务收费在0.8%-1.5%之间），同时他们的最低投资额也相当低（比如只需要几百美元），可谓完全迎合了丝的理财服务需求。

　　由于这样一种科技革命，智能投顾在美国发展很快。比如大家可以从上图的右边看到，美国智能投顾所管理的资金量，在2012年只是零，但到了2015年7月就已经增加到230亿美元左右。

　　根据美国彭博社的估计，照目前这个发展速度，美国的智能投顾到2020年将管理2万亿美元左右的资产规模。当然，这一切还都是一个愿景。由于智能投顾还是一个新兴行业，目前它管理的资金规模大约仅占整个行业的0.13%左右，还不足以撼动那些传统的投资顾问们。

　　值得一提的是，智能投顾不光只是新兴企业的地盘。事实上有很多传统的投资机构已经注意到这块市场。比如上面提到的Charles Schwab，以及美国的先锋（Vanguard）集团，都有非常大的智能投顾服务。只不过跟他们的传统业务相比，这块业务还比较新，所以他们并没有像其他几家那样花大力气去宣传。

　　由于上面提到的那些智能投顾取得的成功，这个概念在中国也引起了相关业者的注意。如果大家去百度搜索一下“中国智能投顾”，就会发现好多个自称是“中国的Wealthfront的智能投顾。那么这些投顾都靠谱么？我们的投资者应该如何去理解并且比较他们的优劣呢？下面就来讲讲这个问题。

　　要理解智能投顾对投资者创造的价值，我们就需要理解他所代替掉的那两个重要职能，即客户经理和投资组合经理提供的价值。我们先来说说客户经理。

　　传统的理财行业中的客户经理，其主要的工作是了解他的客户。客户经理一般来说认识投资者多年，他会综合客户的背景，文化，金融知识，风险偏好，家庭情况等信息来为客户选择最适合他/她的投资策略。这里就涉及到一个好的客户经理和一个普通的客户经理的区别了。好的客户经理，除了专业知识过硬，金融理论基础扎实以外，他还对客户的心理非常了解，所以对客户有很有效的决策影响。比如在客户头脑发热，想做一些风险比较高的赌博性投资时，客户经理会适时提醒，给客户头上浇一点冷水，让他适当控制自己的投资风险。

　　由于客户经理提供的是关于家庭财务的咨询，因此一般投资客户对于客户经理是非常信任的。很多时候，客户经理也成为投资者的半个管家。很多和投资不一定有直接关系的事情，比如海外移民，小孩上学等，客户经理也会帮客户出出主意。

　　从智能投顾的角度来看，为了用机器代替客户经理这样一个人，机器的设计者需要将客户经理提供的服务高度标准化和程序化。那么他们是如何做到的呢？

　　一般的智能投顾，提供服务的顺序是这样的：首先会问客户一些问题，比如年龄，收入，支出，职业，性格特点，等等，然后根据客户给出的问题答案，智能投顾会画出一张客户的风险偏好图。目的是将客户归入某一种风险档案（偏风险，中风险，厌风险，等等）。大家去国内一些智能投顾的网站都可以看到，他们会要求你点击回答一张问卷，做的就是这个工作。

　　在得出客户的风险图谱后，智能投顾会根据客户被归入的风险类别，给予其资产配置的建议。比如偏风险的，多给点股票；厌风险的，多配点债券。也就是说，到最后即使有10万个不同客户，他们也会被这些问题的答案归入某一类客户（比如十种风险偏好中的一种），这样才好给这些客户配置标准化的资产组合。

　　我在这里用上图作为例子解释一下。你可以看到上图中所有的投资者被分为10大类，从最保守的，到最激进的。保守的投资者（数字小的那些）会被建议配置大量的债券（蓝色柱），而激进的投资者（数字大的那些）会被建议配置更多的股票（黄色柱）。

　　首先，投资者的所谓风险偏好(risk appetite)是一个比较虚的东西，并且毫无稳定性和一致性。比方说吧：

　　1）风险偏好受经济环境的影响：当经济高速增长，投资者收入增长很快的时候，他会非常乐观，自然而然的会更加爱好风险，就好像上图的顶端的情况。但是当经济环境变差，或者跌入衰退时，投资者的风险偏好又会变得非常保守，就好像上图谷底的情况。就是说投资者的风险偏好受短期经济波动的影响。

　　大家也可以回想一下，在2015年上半年，我们很多投资者非常乐观，在投资股市时非常大胆；而到了2015年下半年，很多人的情绪从天堂跌落到地狱，变得什么都不敢碰了。这就是一个投资者风险偏好受情绪影响的典型例子。2）同一个投资者，在对待不同事物上的风险偏好很可能会不一致，甚至截然相反。比如我们很多人会买健康和生命保险，从这个角度来说买保险的人都是厌恶风险的。但我们时不时也都会去赌场里赌一把，或者买张彩票，或者赌一场世界杯决赛，从这个角度来说，我们又是个风险偏好十足的投资者。也就是说，即使是同一个人，在不同的场合下他的风险偏好会发生变化，甚至完全矛盾。3） 我们的风险偏好取决于我们的财富的来源。如果是通过辛辛苦苦工作了好多年好不容易积累下来的财富，我们对待它的时候会非常谨慎，趋向于避险。但如果是老爸送给我的，或者彩票中的，或者公司年末发的我意料之外的花红，那么我对待相同一笔钱的态度会截然不同，风险偏好十足。这个现象从理性角度很难说得通，因为如果都是十万块钱，它能买的东西是一样的，为什么我们会因为它的来源不同而区别对待呢？4）如果我告诉你现在有个投资机会，你赚钱的概率是90%，你可能会非常愿意投资。但如果我告诉你这个投资机会亏钱的概率是10%，你还会同样有兴趣么？这个例子告诉我们，我们的风险偏好，取决于那个风险是如何被描述的。5）在赌场里连续赢了两把的赌徒，在接下来的赌博中信心会爆棚，并愿意赌上更大的赌注。而那些连续输了两把的赌徒，则会变得非常保守，小心翼翼的减少自己的赌注。在生活中也是同理。生活的赢家（短期的过去两三年）会有更强的信心，表现出更高的风险偏好，尽管这并非理性。6）如果你的邻居，朋友和亲戚都在搞P2P，你会不会也更有倾向去赌一把玩一玩？这个和你自己本身的所谓性格和财务状况是无关的。这个例子说明，很多时候我们所谓的风险偏好是受我们的环境和朋友圈影响的。其次，这样偏简单的风险偏好图谱法完全忽略了投资者本身的经济状况和需求。在理财界，有一个比较流行的说法是，你个人应该持有的股票，可以用一个简单的公式，100减去你的年龄来计算。就是说，在你年轻的时候，你应该购买更多的股票，而当你老了以后，则应该购买更多的债券。但这样的简单粗暴完全忽视了生活中我们实际的需求。大致来讲，一个年轻人如果没有一个富翁爸爸，他在二十多岁时很难积累起来任何财富，而在他步入三十多岁时，他需要准备结婚，购买人生中第一套房子，生孩子，送孩子去学校等等。这些都是人生中最重要的事情，也都需要钱。叫这样的年轻人把他大把储蓄投入股市，简直是自杀性的。事实上，大部分人也有清醒的头脑，不会照搬这样愚蠢的建议。这就是目前智能投顾面临的最大的挑战之一：每个人或者每个家庭的情况都不一样，期望用如此简单的几个问题就把投资者的实际情况搞清楚是不现实的（这里还没有考虑到一些投资者不想透露自己真实的财富水平，选择不如实提供自己财富状况的情况）。如果这样简单的问卷形式无法将一位投资者的真实需求分析清楚，那么它后面提得所有的理财建议就不一定有多大价值。

　　这也是智能投顾在美国更受到丝欢迎的原因之一：如果本来的投资额就非常少（比如就几万块），那么投资者可能不需要，也无法承担的起更为个性化的理财咨询服务。对他们来说，选一个比较便宜的智能投顾服务就可以了。但是如果是高净值的高端客户，他们的需求可能会更加多样化，期望值也会更高，如何用机器去代替客户经理满足这些高端客户的期望，就是智能投顾需要解决的最大的问题之一。投资组合经理的价值说完了客户经理，让我们再来说说上文提到的第二个投顾的组成部分：投资经理的价值。说到底，智能投顾要想给客户创造价值，他们就需要证明智能投顾的回报比投资经理为客户创造的回报更好。因为从客户角度来看，即使投资经理收费更高（他也要养家糊口啊），但是只要他为我的投资带来更好的回报，我也不介意。那么智能投顾能否做到这一点呢？智能投顾能够做到帮客户提高回报，基于两个非常重要的理论基础。如果这两个理论基础不够坚实，那么智能投顾就会面临非常大的问题。他们分别是：1）市场有效性：即市场（至少在大部分时间和情况下）是有效的，因此市场很难被战胜，所以购买并持有低成本的被动型指数基金对于投资者来说更为划算；2）投资组合是可以优化的：这个理论基础源于诺贝尔奖得主马尔科维奇的贡献。马尔科维奇提出的现代金融理论(Modern Portfolio Theory)指出，在投资者的资产组合中加入不同的新的资产，可以扩大其有效可能性边界，从而在不影响回报的前提下降低投资组合的风险。如果大家去百度一些国内的智能投顾的网站，你会发现很多智能投顾都会援引这个马尔科维奇理论来作为他们确定投资组合的理论基础。下面我们来说说这两个理论基石。首先是市场有效性。这一条理论要求：1） 智能投顾需要在最有效的市场里进行投资。从理论上来说，这个市场应该包括全球所有市场，即所有国家（发达国家加上发展中国家），和所有资产类型（股票/债券/房地产等等）。大致来讲，发达国家的资本市场（相对来讲）要比发展中国家更有效。所以如果智能投顾只投资发展中国家（比如只投资中国），而忽略发达国家，那就完全是掩耳盗铃，捡了芝麻丢了西瓜了。同时要达到智能投顾战胜投资经理（机器战胜人）的目的，找到低成本高质量的指数基金是关键。目前中国国内符合这个要求的指数基金非常有限，这就意味着一个好的智能投顾，一定要放眼全球，挑选在全世界范围内最好的指数基金品种。2）如果智能投顾是基于市场有效性理论给客户设计最佳的投资组合，那么智能投顾就一定要百分百被动，完全没有人为干预。我在上文中提到，智能投顾的一大目的是取代投资经理（人）。如果在智能投顾中也有人为干扰因素，那么这就违背了一开始智能投顾的初衷了。

　　我了解到不少智能投顾，他们的投资方式是机器和人相结合：在管理层认为市场有效时，他们诉诸于机器；而在管理层认为”市场无效“时，管理层又开始自作主张改变投资者的资产组合。这种做法其实就是挂羊头卖狗肉，新瓶装老酒。因为那个投资经理并没有被替代掉，只不过他三天打鱼，两天晒网，有时候管一下，有时候又放手不管，简直比传统的投资经理模式还要糟糕很多。要做到百分百被动的投资，智能投顾还需要做的一件事情，是它挑选的那些投资品也需要完全被动。这就决定了真正的智能投顾只能选符合一定标准的指数基金。我所了解到的一些智能投顾，在资产配置上用机器来定权重，但是到了底层，选的都是有基金经理管理的主动型基金，这就又犯了用挂羊头卖狗肉的手段来忽悠投资者的毛病了。首先主动型基金的费用相对来说都比较高，违背了一开始智能投顾为投资者省钱的初衷。其次智能投顾踢掉了上文提到的投资经理，却又雇佣了其他基金经理，真是左手倒右手，到最后就是卖给投资者一个变相的组合基金（Fund of funds）。下面再说说马尔科维奇的投资组合优化理论。这一段可能涉及到一些专业性知识，如果读者没有兴趣，或者感到枯燥的话可以略过。

　　马尔科维奇提出的创造性的资产组合优化理论，其有一个非常重要的前提，即资产的回报和风险（波动率）是已知的。用通俗的话来说吧，如果我已经知道了一支股票（比如中石油）比另一支股票（比如工商银行）回报更高，风险（回报的方差）更小，那么我就应该把更多的钱投在中石油上，而把少一些的钱投在工商银行上。

　　但问题是我们不是算命先生，看不到那么远的未来。所以我们就需要去估计那些资产（比如股票，债券等）的（期望）回报和（期望）风险。那么我们的金融从业者是如何去估计的呢？答案就是：靠历史数据外加蒙。

　　比如很多投资顾问会告诉你，在你的投资组合中加入一个XXX债券，根据马尔科维奇的金融理论，可以提高你的投资组合的风险调整后收益(risk adjusted return)。那么他是从哪里得出这个结论的呢？有些人靠的是该资产过去的历史回报，而有些更离谱的则完全是凭自己的感觉。

　　如果靠资产的历史回报去预测未来，那么就会有这个问题：过去的历史是否足够并且可靠？过去的历史对未来的预测准确度有多高？

　　比如我问大家：阿里巴巴股票上市(2014年9月）时，他的风险调整后收益（risk adjusted return）如何？这个问题其实是个伪命题，因为没人知道答案：阿里巴巴这支股票在2014年9月份之前都没有公开交易的价格历史，我们又没有它在上市前的非公开的股票交易价格历史，怎么可能知道其风险调整后收益？所以大家只能猜，比如找一支类似的股票，或者行业平均值来估计，然后用那个估计值去优化投资者的投资组合。

　　但是这就涉及到资产管理里一个很大的问题，即我们用的那些资产的回报和风险估计数值是否可靠？英语里有句话叫做Garbage in, garbage out （垃圾进，垃圾出）。如果我们一开始输入的变量就不正确，那么我们那套智能资产配置模型输出的变量也只能是垃圾，对不对？

　　给大家举个例子，比如在1999年的时候，根据其过去10年的美国股市回报，股市的风险调整后收益非常高，因为美国刚刚经历了一个大牛市。那么在智能投顾所使用的资产优化模型中，美国股市在资产配置中受到的权重会非常高。在事后看来，这显然是很愚蠢的，因为你在股市高点时配置了更多的股票，因此在2000年互联网泡沫破裂时，你作为投资者的损失会非常惨重。相似的，如果过去十到二十年某国股票经历了一个熊市，那么智能投顾根据其历史可能会给予非常低的配置，而忽略该资产价格被低估的可能。

　　所以看到这里你就应该明白，智能投顾要想给投资者一个比较合理的资产配置，其依靠的资产回报和风险数据需要非常可靠。那么这个可靠来自于哪里呢？一是数据历史要长，二是数据本身准确性要高。

　　数据历史长，至少要涵盖好几个经济周期和几个金融危机，越长越好，这样才会更有代表性。数据本身的准确性，要依赖高质量的数据源和非常严格的采编程序。在这方面有不少做的非常好的研究，像Jeremy Siegel和Roger Ibbotson对于美国历史金融数据的整理和研究，Elroy Dimson对于世界上几十个发达国家和发展中国家过去的历史金融数据研究等。

　　相对来讲，美国和欧洲发达国家的数据历史比较长，收集的也比较全，因此一个好的智能投顾资产组合，其投资权重应该包括比较多的欧美日发达国家资本市场。而发展中国家的资本市场普遍比较短，可以参考的历史有限，数据可靠性存疑，因此在智能投顾中不宜配置过多。如果缺少对以上这两个条件的考虑，所谓的智能投顾就是玩过家家的把戏，当不得真。

　　智能投顾作为一个新兴的商业模式，可以为投资者带来更低的投资费用，更简捷的投资方法等好处，所以我觉得这对于我们广大投资者来说是一件非常大的好事。但是，我也想提醒广大投资者，要做好智能投顾没那么简单，里面涉及很多高度专业化的细节。投资者在选择适合自己的智能投顾之前，最好就以上提到的那些问题了解清楚，这样才能帮助自己找到更合理的理财方式。

　　有些朋友问：能不能给我们推荐一个简单的问题列表，这样在我们去选择智能投顾时，可以照着这张列表去核对一下，便于我们筛选出更好的智能投顾？我觉得这是个非常不错的建议，所以列举了下面了一些问题。在我看来任何一位投资者在选择一个智能投顾之前，都应该去问一下下面这些最重要的问题：

　　1）你们的托管银行(Custodian)是谁？他们收费多少？客户的资金是每个账户分开单独托管的，还是混在一起托管的？

　　这个问题非常重要，涉及到你的资金的安全性。在做出任何投资决策之前，投资者需要考虑的第一个问题就是：我的资金安全不安全？到时候本钱没了，回报再高有啥用？

　　2）你们的收费是多少？把所有费用加起来以后的总费用率(Total expense ratio)是多少？这些费用都是由哪些项目组成的？

　　在我和非常多的基金销售，或者投资顾问接触下来得出的经验是：你问他们总费用率多少，很少有人可以答得上来。主要原因在于这个行业的收费非常不透明，基金公司和银行经常巧立名目收取各种投资者都意识不到的费用。一个聪明的投资者，应该只投那些收费透明度高的产品。

　　3）你们这个智能投顾都买些什么产品？是指数基金，还是公募或者私募基金？这些产品的流动性如何，费用率多少？

　　就像我在上文中提到的，投资者要关注智能投顾底下投资的品种，防止被“挂羊头卖狗肉”那样的技俩忽悠。

　　4）你们的智能投顾是完全由电脑做出的配置决策， 还是有人为干预？如果有人为干预，标准是什么？大约有多少干预？有什么证据表明你们的人为干预比电脑配置更好？

　　我在上文中提到，智能投顾是否有人为干预很重要。投资者需要避免以为自己投了个机器人，结果其实还是人为的半干预这样的理财产品。

　　5） 你们做出资产配置优化基于的数据是什么？有哪些国家和哪些市场？历史有多长？是日数据，周数据还是月数据？用的是简单的指数，还是完全回报指数(Total Return Index)？

　　我上文中提到，Bwin必赢垃圾进，垃圾出。没有高质量的数据输入，怎么可能给投资者提供高质量的配置方案？

　　这个问题单子还可以列很长，但我相信有些朋友可能已经有些晕乎乎了。对于一个普通的投资者来说，上面这几个问题已经可以帮助他筛选掉一批劣质的智能投顾了。

　　相信我，拿着这份问题单子去问向你兜售智能投顾的销售，他可能会被你的问题镇住。如果你听不懂他的回答，那就把它记下来过来问我。如果一个智能投顾无法给出让你满意的答案，那么你就有理由怀疑他的产品是否靠谱。一个聪明的投资者，只会去投资那些自己可以理解的，并且能够解释的清楚，有高度透明性的金融产品。

　　伍治坚新书《小乌龟投资智慧：如何在投资中以弱胜强》终于上架啦。在京东，淘宝或者当当搜索书名或者作者名，都可以购买到该书。或者也可以点击这里购买本书：169820.html