智能投顾的局（2）：即插即用，润物无声

道是无 2023-07-23 09:54:20

有关智能投顾，从上一篇《疯子、傻子、骗子：智能投顾的局》到现在，已经一年多过去了，服务提供者、监管、投资者心态、市场大环境等都发生了很大的变化。这个过程中我也有了一些新的体悟和思考，在这里继续与大家分享。

在中国说智能投顾故事的人，有3类数据是必说的：

一、智能投顾的三个故事

1. 个人投资者市场潜力巨大

根据《2019美国投资公司白皮书》报告，截止2018年底：（美国）共同基金主要由个人直接或通过退休账户持有美国约有9950万人，即43.9%的美国家庭（5600万户）持有共同基金，到2018年年底，这些投资者直接持有或通过退休账户持有的资产占到共同基金总资产的89%。

来自：2019美国投资公司白皮书

2. 投顾服务市场潜力巨大

除了通过雇主发起式退休计划之外，2018年，78%的共同基金持有家庭在投资专业人士的协助下购买基金，专业人士包括注册投资顾问、全服务经纪商、独立理财规划师、银行、储蓄机构代表、保险代理人以及会计师。

3. 投顾业务可以撑起公司的半边天

嘉信理财总平台资金管理规模在2018年底为3.25万亿美元，其中TAMP账户管理规模为1.55万亿美元（TAMP，Turn-key Asset Management Platform，统包资产管理服务平台，是致力于为注册投资顾问、经纪人、家庭办公室等提供全方位资产管理服务的平台），占整个公司资管规模的48%。

有了这3个数据，就可以说3个故事了：

个人资产在美国共同基金占比89%，意味着对中国的公募基金来说，从现在个人投资者占比43%的水平起跳，起码还有翻一倍的成长空间；
78%的共同基金持有家庭在专业人士的协助下购买，意味着绝大多数个人/家庭投资者是有可能通过专业投顾进行投资的，潜在的市场需求十分巨大；
嘉信理财的投顾资管占整个公司AUM的48%，意味着投顾业务的商业化运作可行性是很高的，在做年度规划或者说商业计划时，也仿佛有了坚实的支撑。

但是，我为什么说只是3个故事呢？

因为它们距离我们的现实还差着十万八千个筋斗云的距离。所以这3个数据先放一放，在此先按下不表。

在篇一中，我们对投资用户的需求进行抽象，得到了一个极简的用户心智模型（大象与冰箱模型）：

大象与冰箱模型

这个模型从一个用户投资的完整过程来说，又可以这样分解：

投前：模型中隐含的”走到冰箱面前”、”把冰箱门打开”，寻找投资平台、获得投资决策辅助信息（新闻资讯/研究报告/个人经验/他人推荐）、筛选投资产品、资金准备;
投中：”把大象放进去”的当下，在销售平台投入资金;
投后：”把冰箱门关上”，持有产品并获得收益.

这个“投前-投中-投后”的过程，其实在智能投顾的定义中已经有了比较完整的体现。

根据度娘的定义，智能投顾的含义是：

通常指Robo-Advisor，即根据个人投资者提供的风险承受水平、收益目标以及风格偏好等要求，运用一系列智能算法及投资组合优化等理论模型，为用户提供最终的投资参考，并根据市场的动态对资产配置再平衡提供建议。

这个定义很完整，也很正确，从投前的KYC、投资参考到投后的资产再平衡建议，都做了覆盖。但是，现阶段如果哪家公司全套照搬过来做——恭喜你，全错。

二、智能投顾的窘境

1）首先，用户无法告诉你他们要的智能投顾服务是什么？

就不说福特“要一匹更快的马”还是“汽车”那个老梗了，但凡做过用研的人都知道，从用户需求表达到你的理解，再从你的理解到开发实现，中间起码有几十个大坑在等你。下面这张图就是一个很形象的注解。

秋千需求（图片来自网络）

2）你的老板，或者友商，也无法给你一个现成的智能投顾产品。

老板脑子里的画面，友商产品上的界面，都未必能走进用户的心里面。更何况，你抄袭学习的标杆，还可能突然shut down，比如成立10年的硅谷老牌智能投顾公司Motif——

来自：ThinkAdvisor网页

3）看不见摸不着的智能投顾，用户极为无感。

对投资者来说，需要的是看得见摸得着的对象，比如站在你面前的银行理财经理；一个具体的数字，比如手机资产界面上的收益率。否则，请你换上用户视角感受下：

问：智能投顾是干啥的？

答：balabala……说了一堆风险啊、收益啊、资产啊之类的词汇后，依旧云里雾里还是不知道是干啥的；

问：能不能包赚不赔？

答：不行。年底一看收益率，都不一定比大盘指数涨得高。

用户内心OS：那我要这个来路不明的“智人头骨”（咳咳，是智能投顾）干啥？

4）直男思维追妹子，有时甚至像电车痴汉。

各家创业公司、基金公司、银行推出独立的智能投顾APP或是业务，最大的问题就是“直男思维”。

想象一个大学生宅男：才和女生见面第一天呢，就说我特别喜欢你，我很擅长关心人很专一，然后各种嘘寒问暖，睡了没？喝热水了没？如果你是妹子，你是会觉得温暖还是会觉得起一身鸡皮疙瘩？

那些提供智能投顾产品的公司，其实就是这么做的：客户钱都还没存进来呢，就说我们特别在乎客户利益，我们有这个工具做资产配置特别好，我们有那个策略应对回撤特别妙，你要不要把钱投进来买我们的产品呀？

用户内心OS：so TMD what，我跟你不熟好吗！你辣么“优秀”，跟我有毛关系？

1. 投顾服务的探索

这些年来，包括银行、券商、基金公司和互联网公司在内的各家服务商，在财富管理和投顾等领域，都进行了大量尝试——

我国基金买方投资顾问发展历程：

来自：各公司公告，中银证券

以上仅仅是举例，其实这个名单还在继续变长，基金公司、三方代销、券商、银行这4颗龙珠已经集齐，各家机构在基金投顾领域的入场进程正在加快。

今年一季度，银河证券、中金公司、中信建投证券、国泰君安证券、申万宏源证券、华泰证券、国联证券7家券商以及招商银行、平安银行在内的多家银行获批基金投顾业务试点资格，成为第三批获此资格的机构。

从落地的产品和服务看：各家机构动作也不可谓不迅速，首批试点的基金公司纷纷推出了自己的投顾服务。券商研究部的同学很用心，从服务类型到费率结构都做了很完整的归纳，废话不多说，上表：

以下是美国智能投顾玩家的主要打法：

信天创投整理

2. 投顾业务探索的窘境

可以看得出，大家都很努力，但只要具备小学水平的数学能力，知道乘法和比例关系。就会知道，上面的一通操作猛如虎，却是一看结果心添堵。

先上数据：

1）钱都在房产里，金融资产占比过低

广发银行联合西南财经大学发布的《2018 中国城市家庭财富健康报告》显示：截至 2018 年末，中国家庭住房资产在家庭总资产中占比 77.7%，远高于美国的 34.6%；而金融资产在家庭总资产中占比仅为 11.8%，在美国这一比例为 42.6%。

来自：中银国际证券

2）金融资产里，基金和股票占比过低

根据《2018 中国城市家庭财富健康报告》：在中国的家庭金融资产构成中，银行存款和理财产品占比超过了一半，其中银行存款占比高达 42.9%，银行理财产品占比 13.4%；相对而言，权益类风险资产的占比则明显偏低，股票占比为 8.1%，基金占比为 3.2%。

来自：《2018 中国城市家庭财富健康报告》

3）基金产品中，主动管理型产品占比过低

根据中银国际证券的报告：2018 年，我国的开放式基金以货币基金为主，占比高达 63%，而更加体现主动管理能力的股票型基金+混合型基金占比仅为19%，美国的开放式基金结构刚好相反，股票型基金+混合型基金占比高达 63%，货币基金占比仅有14%。

巨大的结构差距体现出了我国资管产品供给不足，直接导致券商竞争手段单一，产品同质化严重，产品、服务的创新度都较低。

随着资管新规的出台，预期收益型产品在向净值型方向转型。这种情况会有所缓解，但依旧可以预期，从产品供给提升到用户心理预期的改变，都会是一个漫长的过程。

来自：中银国际证券

综合上面3个数据，你只要看下（家庭总资产中，金融资产的占比）->（金融资产中，公募基金的占比）-＞（公募基金中，权益类资产的占比），就会很快明白了：在中国居民家庭资产中，投向非货币基金的资产满打满算占比0.14%（严格来说不能直接乘，算法有点粗暴，不过足以说明问题了）。

在0.14%的螺丝壳里做道场，那么道场做法最大的效果肯定超不出螺丝壳。如果大部分用户和他们的钱不在这里，那么一切策略和方法，都不具备商业上的意义。因为一旦市场快速扩张，新玩家带着面向增量用户的产品入场，一切所谓的领先优势都可能被瞬间反超。

再看看美国，情况稍好，但也依旧处于起步期。此前有数据显示：目前美国智能投顾市场的资管规模约为2000亿美元。相对于其国内22.51万亿的总盘子来说，实在是九牛一毛（截止2017年底，美国投资公司管理的净资产规模为22.51万亿美元）。

根据2019年Statista发布的《美国智能投顾市场报告》，预计2019-2023年美国资产管理规模的复合增长率为18.7%，到2023年资产管理规模将达到14862.57亿美元，用户数量将达到1378.21万人，渗透率达4.1%。

来自：Statista，新金融联盟

如果真想做智能投顾服务，并不是拉个团队出个APP，一步到位推出个“XX智投”，直接覆盖用户的主流投资场景，或是去覆盖“低-中-高”三种收益水平的产品组合就可以了（参考上文中信建投整理的那张表）。

你也没法照搬wealthfront或betterment的方法，毕竟美国智能投顾的优势，在于它们是买方投顾，并且做到了直接降低成本增厚收益、税务规划、金融账户打通，但即便如此，它们在整个资管市场中的占比很低。

而嘉信理财的投顾业务虽然在AUM贡献上达到了公司的一半，它并没有强调自己有多么智能，充其量只能算是通过TAMP这样一个强大的业务中台，为前端业务赋能和大幅提效而已——说到底，也许投顾带动AUM的方向是通的，但可能很多公司路走错了。

说了那么多“不行”，那究竟该怎么做才“行”？

3.“维生素-止痛药”困境

我在篇一中曾提到，在中国做智能投顾面临的”维生素-止痛药”困境：因为没有低价优势和税优手段，所以打不了节约成本牌；如果要打增加收益牌吧，又做不到承诺收益，监管也不允许。

那究竟该怎么办？

我先直接甩出结论：真正的解法，还是回到用户，从当前的产品和用户群体出发，按照”多样化->在线化->智能化”的路径，在用户”投前-投中-投后”的过程中，在”供给侧加品类-需求侧增规模-产品和服务智能化”的框架的搭建过程中，根据自己的优势，选择其中一个或多个点发力，逐步向智能投顾的终态靠拢。

在投顾服务的食物链中，占据一个可以立足的生态位，这算是生物学的”演化”思维的一种具体应用了。

干说有一点抽象，在这里就以支付宝为例，推演一下一个产品从满足基础需求的产品，演化到生态平台的整个过程：

1）多样化

支付宝从原先淘系的内部支付服务，到“出淘”服务外部商户，再到线下商户支付服务；进而走出支付范畴，提供水电煤缴费、信贷、理财、保险服务，再到近期的本地生活服务，整个产品线和服务体系就是这么一步一步丰富和搭建起来的。

而在这个过程中，支付宝也成为一款全球MAU排名前10、服务超过10亿用户的产品。

2）在线化

原先要在店面一手交钱，一手交货的商品交易，通过在线化后，坐在家里的沙发上通过互联网就可以完成。

原先要跑银行网点才能操作的转账，现在用支付宝就可以轻松完成。

此外，包括买卖基金、水电煤缴费、借贷提供资料等等，全都是通过在线化为交易各方提升了效率，产生了正向效应，并积累了大量数据。

这些在线服务我们已经享受很久了，可能都已经忘记了当初在线下处理这些业务是多么痛苦，效率是多么低下。

3）智能化

通过多样化和在线化的过程，支付宝积累了大量用户和服务，同时沉淀下海量的数据，这就为智能化打下了坚实的基础。

足够的用户体量，才能覆盖足够多样化的需求类型，算法模型才能得到充分的训练；充分的线上化，才能快速地进行功能迭代和优化，并收到及时反馈，进而调优。

更重要的是，只有在线才能让用户数据沉淀，才能为智能化提供方向和依据。

事实上，网商银行的“310”服务（3分钟申请、1秒钟到账、0人工干预）能做到这么高效和智能，正是基于大量小商家在系统上积累了每一笔收入流水记录。

也许未来某一天，你享受到的某种本地生活领域全套智能服务，就是从这些（送外卖的）本地生活APP每天早中晚提醒你可以订-早餐、午餐、下午茶和晚餐的简单功能开始的。

从左到右：支付宝、饿了么、美团外卖

这些本地生活服务产品，在下午三四点钟，就开始推下午茶，推荐附近提供服务的商家。

说到底，无非是基于用户画像和商家POI数据，让合适的用户在合适的时间和地点，买到合适的商品而已。

你仔细品一品，是不是有一点“让合适的投资者买到合适的产品”的赶脚？投资者适当性，其实本来就该这么做，而不是做一堆又长又臭的调查问卷，对么？

当年胡适他老人家说，“多解决些问题，少谈些主义”，我是打心眼里认同。一个好的系统，是在解决一个又一个用户问题的过程中长出来的，解决的问题多了，“主义”自然就出来了。

说完了方法，再来看看智能投顾的各路玩家，又该往什么方向走呢？

4. 智能投顾玩家，出路在哪里

鱼有鱼路，虾有虾道；不同背景的玩家，在智能投顾的打法上也会有很大的差异。

BATJ这样的巨型用户平台，可以从用户的转化路径入手，引导用户与金融产品建立连接，切入点是投资决策的助推。
华夏、南方这样的头部基金公司，可以从产品线的布局入手，推出更多种类、更多数量的被动型产品，并让产品与多样化的风险收益等级建立连接，与各种大类资产、尤其是权益类资产建立连接，切入点是与任何一种市场变化都能匹配。
中小型基金公司，关键在推出特色产品，可以结合自己在某些领域的特殊优势（主动强/被动强、在某些细分行业强等）做产品，要么是覆盖特定资产，要么是收益和回撤控制做得足够好，给合作的用户平台、给用户一个选择自己的理由。
入场的证券公司，可以从客户的已投资产入手，引导客户将证券之外的资产迁移到管理体系中来，切入点是代销产品的丰富程度。但证券行业一直存在两个问题：一是客户的交易属性太强，不喜欢赚慢钱、赚稳钱。二是从业者行情好时吃到饱得不想做财富管理，行情差时心情难过到不想做财富管理，这都是券商做投顾业务时必须直面的。
银行的空间很大，可以从投顾业务的线上化入手（银行拥有中国最庞大的理财经理群体），引导投顾和用户通过网络沉淀连接关系和数据，切入点是投顾服务的智能化提效，其中一个重要保障是搭建类似嘉信TAMP或美林MIDAS/TGA的中台系统，以IT系统提效和全产品线布局作为保障。这次新入局的招行和平安银行，都是极为重视个人零售业务、市场化程度很高、技术实力很强的机构，在四类玩家中，在投顾业务大规模提升资产管理规模方面，道叔本人最为看好。
中小型互联网公司最痛苦，两头不沾：一边是用户规模太小，另一边是没有自己的金融产品。它们探索的过程是有价值的，维持几十人上百人的团队、开拓百万级的用户规模也没有太大问题，尽可以维持一种“小而美”的存在，但是如果想做大结局几乎无法避免凉凉。

下面我就选择其中几种可能探索的方向说细一点。

三、智能投顾概念

1. 智能投顾长什么样？

各家产品供应商其实常常用“机器人+财富管理”的模式来介绍智能投顾，看似产品方向跟用户心智完美匹配，其实——全错。

这个锅追究到源头，可能还得发明这个英文单词的人来背：robo-advisor，直译就是是机器人投资顾问。能译成“智能投顾”，我感觉中国的翻译同学已经尽力了。

智能投顾不是一个从天而降的天外飞仙机器人，而应该是一个从在线数据中出生、逐渐提升智能化水平的产品或服务。

通过MVP （最小化可实行产物，Minimum Viable Product）的方式收集用户和市场的反馈，不断快速迭代优化。最终，智能投顾既可以基于现有用户和现有理财服务升级和演化而来，也可以从新推出的一款小而轻的投顾产品中长出来。

就像下面这张图，推出一个产品就像造一辆轿车，你无法预测或规划一个最终的形态，然后分解各个零部件的生产任务，最后拼装成一辆轿车。

相反，你能做的，是先抽象出轿车的核心功能：将一个人从A地运到B地。然后，利用手头的资源，快速推出一个具备这个核心功能的产品，比如一个滑板。

然后基于这个核心功能所形成的用户最小行为闭环，根据获得的反馈不断迭代优化，最终造出一辆轿车，或是一个火箭——谁知道呢。

来自：How to build a car

用户的需求在变，市场在变，你的对手也在变。

你必须确保自己始终在场内（踩个滑板就可以入场了，不用西装革履、香车宝马），不断满足核心用户的核心需求，然后覆盖更大的人群，推出更多的功能。

支付宝是 2005 年上线的，当年的马老师无法规划 2020 年的支付宝，但是这并没有关系，因为 2005 年的支付宝，终将在用户需求和业务KPI的推动下长成 2020 年的支付宝。

这时你再从产品演化的视角来看，就会发现：“XX智投”或“XX投”，在某个阶段的费率、选品、策略等方面的表现好一点还是差一点，也并没有那么重要。因为它们只是这个阶段投顾服务水平的集中展现，更大程度上像是一场检阅和一次MVP产品的推出。

真正重要的，是持续提升整个产品体系的投顾服务水平，并不断智能化提效。

随着后台系统建设和金融产品推出、中台业务系统的不断完善、前台触达用户规模和渗透率的不断提升，你会在某一天忽然发现，哎，这就是智能投顾啊，它就这么悄无声息地来了。甚至，可能它的名字里都不带“智能投顾”这个词中的任何一个字。

2. 智能投顾的“智能”是什么

有关投顾，大家已经讨论很多了，在这里，我们从操作层面拆解一下智能化的构成要素，从数据智能的角度进行思考：

1）数据化

首先用户投资行为的线上化，让数据的获取和记录成为可能；进而通过简便易操作的互联网平台、更低的费率、更加透明的ETF产品等方式，降低用户的准入门槛，扩大整个投顾服务的生态容量；最后以资产数据、投资行为数据为基础，整合消费行为数据、个人基础数据等，最终在网络平台积累足够丰富的数据。

2）算法化

根据投资者的风险承受力和收益目标，基于资本资产定价模型（CAPM）、现代投资组合理论（MPT）等核心理论，通过模型和算法完成资产的配置和动态调整，以驱动效率提升和业务目标的达成。

3）产品化

针对投资者资产保值增值的目标、择时择基的痛点问题，重新定义“投资”和“投顾”的用户体验方式，同时基于数据智能的引擎，不断提升用户的投资体验。

在数据智能的实践上，谷歌产品化的方式是搜索（主动寻找），今日头条产品化的方式是推荐（被动获取）。
在智能投顾领域，看起来比较完备的产品化形态是一个独立的APP（如XX智投）或APP中的一个对模块（XX投），但其实也可以是“投前-投中-投后”链路中的智能化提效。这部分内容，我将在下文“智能投顾幼年的样子”展开说明。
在互联网领域，我们常说“程序=数据（结构）+算法”，而“产品=解决特定场景下特定用户需求的程序”，按这个逻辑来梳理，你就会发现，只要是基于数据和算法，满足投资者资金避险增值需求的产品或服务，都是智能投顾。（在这里我扩大了“智能投顾”定义的外延，弱化了传统智能投顾业务中，投资组合理论和用量化方法管理风险和收益目标的思路）。

前方高能预警，本部分内容略显枯燥，不感兴趣的可以略过，从“智能投顾幼年的样子”那部分开始继续向下阅读。

四、智能投顾的核心前提和假设

前面说了那么多，基本都是在what（是什么）和how（怎么做）的层面，根据第一性原理，我们可以回溯到智能投顾的本源，从why的角度，梳理一下它的核心前提和基本假设。

这样在看待市场上各种产品和自己在做业务规划时，也许会获得更加一眼洞穿本质的视角。

1. 投资行为得以发生的基本假设

资金是可以保值和增值的。
人需要使用资金进行投资，无论是获得收益、抵御风险、还是对抗通胀。
资产配置可以帮助投资者实现资金的保值增值。
每一个投资者的风险承受力和收益目标是不同的。
存在合适的金融产品用于资产配置，并与投资者自身的情况相匹配。
存在降本增效的手段，降低用户的交易成本、提高配置效率，实现投资收益最大化。

进而以投资假设为基础，智能投顾为用户有效管理资产、获取回报的基本假设是：

市场是有效的。因为市场是有效的，所以投资者不会预期战胜市场获取阿尔法收益，进而能够接受指数基金这样的被动投资型产品，获得市场平均水平的收益，并让低费率、透明性等成为优势（低费率是人们选择被动产品后看到的结果，而不是人们选择被动产品的原因，很多人其实搞反了）。
针对投资组合的优化是有效的。智能投顾的核心投资组合，投资组合的理论基础是马科维茨的投资组合理论。根据MBA智库百科的解释：在该理论的指导下，构建投资组合的合理目标是在给定的风险水平下，形成具有最高收益率的投资组合，即有效投资组合。此外，马克维茨模型为实现最有效目标投资组合的构建提供了最优化的过程，通过在组合中加入新资产可以扩大组合的效用可能性边界。
用户对智能投顾是信任的。投资者从“有需求→认知→信任→投入资金“是有一个进阶的过程的，这既需要市场的成熟（法律法规、数据积累、产品类型丰富、市场规模、更多服务商和资本进入等），也需要投资者自身投资能力和认知水平的提升。

2. 三个角度解释这些假设的原因

1）从市场是有效的角度来看

选择的是被动型产品，无法主动选择和管理投资组合中的底层资产，所以必须找到大类资产，选择低成本的指数基金或ETF来跟踪大类资产，从而实现这些大类资产的预期收益，同时规避选择单个资产的风险。
选择的是被动型产品，所以无法择时，而大类资产的回报周期各不相同，所以无法寻找绝对的低点进入，必须拉长投资周期来实现大类资产的预期收益。
成熟发达的资本市场往往比新兴的资本市场更为有效，所以智能投顾组合需要在全球范围内尤其是发达资本市场选择产品。
被动型产品收益跑不赢主动型产品，所以低成本、标准化、高透明度、低参与门槛的指数基金或ETF基金就往往成为智能投顾资产组合的标配。

2）从投资组合优化的有效性来看

人们进行投资，本质上是在不确定性的收益和风险中进行选择。投资组合理论用均值—方差来刻画这两个关键因素。理性投资者会在给定期望风险水平下对期望收益进行最大化，或者在给定期望收益水平下对期望风险进行最小化。投资组合模型如果要发挥上面说的作用，就需要根据市场和资产的历史收益和风险数据进行测算，进而产出资产组合调整和优化的建议。
为保证计算的有效性，就需要成熟市场、长历史周期、准确的数据输入，在这一点上，包括欧洲、美国、日本在内的发达资本市场会显著做得更好，所以在进行资产配置时，这些市场的资产也必须纳入选择范围。

3）从用户信任的角度来看

忽视用户进阶，直接越过“有需求→认知→信任“这3个阶段，直接推出一款智能投顾产品来让用户投入资金是非常不现实的。
相反，通过不断卷入更多投资者、对投资者现有的投资过程提供针对性的投顾服务、持续提升现有投顾服务的智能化水平，反而是更加可行的一条道路。
智能投顾服务，是一个长期的进行时，而不是一个一次性抵达的终点。

3. 真正做好智能投顾，必须坚持这样一个基本框架

覆盖大类资产，实现风险的分散和市场平均收益水平的达成。这就要求底层的产品线要足够丰富。
不择基，以低成本被动产品追踪大类资产并获得预期回报，如指数基金或ETF。
不择时，强调长期投资，降低用户买卖频率。
动态管理，持续优化。

从覆盖大类资产的角度来看，根据华创证券统计：先锋基金于 2015 年 5 月推出“先锋基金个人投顾服务”（Vanguard Personal Advisor Service）的协助型智能投顾平台，在海内外可进行资产配置的基金产品多达 100 余只。

2015 年 3 月，嘉信理财推出了机器人投顾产品“嘉信智能组合”（Schwab Intelligent Portfolios），投资门槛为5,000 美元，组合包含 20 种大类资产，高于 Betterment 的 12 与 Wealthfront 的 11 种；对应 54 只 ETF，其中有14 只 Schwab ETF，8 只 Schwab One Source ETF。

在这里可以看一下美国智能投顾公司Wealthfront定义的大类资产有哪些：

Wealthfront定义的大类资产包括了US STOCKS（美国股票）、FOREIGN STOCKS（美国之外的股票）、EMERGING MARKETS（新兴市场国家股票）、DIVIDEND STOCKS（高分红股票）、USGOVERMENT BONDS（美国国债）、COPORATE BONDS（公司债）、EMERGING MARKET BONDS（新型市场国家债券）、MUNICIPAL BONDS（市政债券）、TIPS（通货膨胀调整债券）、REAL ESATE（房地产）、NATRUAL RESOURCES（能源类商品）。

根据每一个大类资产的历史收益率，列出了用不同模型调整后的收益率，包括CAPM模型、BL模型、调整费率和税率后的收益等，并给出了wealthfront主观进行调整后的预估收益率。

——来自：中国光大银行资产管理部整理资料

在这个基本框架下，你会发现国内不少所谓的“智能投顾”产品，其实是有不少硬伤的，硬要推广，结果就是智能投顾的效果无法彰显，沦为一个营销噱头。

在梳理清楚了智能投顾的前提假设后，再来看投资者的核心需求，就会非常清晰。

五、投资者的核心需求

对投资者来说，目标很清楚：在匹配收益目标和风险承受力的情况下，赚钱多、波动小、亏损少。

或者用现代投资理论的表述就是：在给定期望风险水平下对期望收益进行最大化，或者在给定期望收益水平下对期望风险进行最小化。在国内的财富管理市场上，能做到的并不多。

在这里，可以先参考一下发达国家的情况：

增厚收益：在美国，智能投顾增厚用户收益的主要手段有：通过接入低费率的ETF和各种指数基金，降低用户交易成本；通过税收亏损收割的方式，卖掉亏损股票来抵扣税金（根据 Wealthfront 的研究报告显示，其税收亏损收割服务可每年提高税后收益1.55%）通过家庭财富传承规划和资产赠与避税等方式，降低资产的非投资交易损耗。
控制风险：通过千人多面（目前做到千人千面还不太现实，比如wealthfront就是千人十面）的方式，为特定收益目标和风险承受力的用户，提供产品组合；引导和鼓励长期持有，降低用户交易成本、避免错过上涨时点（此前有统计显示，如果剔除掉市场涨幅最高的那几天，一项投资的收益水平将受到大幅影响）；增加更多的产品种类和数量，多样化的资产配置分散风险；最后，严守操作纪律，根据市场变化及时调整资产配置。
衍生需求：投资期限、流动性管理、账户管理、个性化需求（遗产规划/财产赠予等）

再结合我们财富管理市场和投顾服务的现状来看，做得不到位的地方并不在于服务商们能不能帮用户赚钱，而在于由于没做到恰当的风险管理和投顾服务，让投资者额外承担了市场波动的风险和资金的亏损。

此外，合理的收益预期也是非常重要的。智能投顾的投资组合由于需要兼顾风险和收益的平衡，在通过多样化的跨市场ETF配置降低风险的同时，也会导致其收益水平显著跑输于美股同期主流股指回报。根据券业星球的统计：

以Betterment为例，2012/1-2016/3期间Betterment平台上一组增长型计划组合（90%股票ETF+10%债券ETF）的累计收益率为36.7%，权益类资产配置比例在80%-100%之间的投资者实际平均收益率27.6%，而同期标普500指数的涨幅为61.19%。

你看，这可能才是智能投顾的本来面目：通过资产配置分散投资风险，通过投入资金获得基金市场的平均收益水平，并依托互联网平台和费率的低门槛，让更多普通投资者获得长期、可持续、可与通胀抗衡的投资渠道。

六、智能投顾玩家的策略

从国内资本市场和财富管理市场的现状来看，虽然无法一步到位地在上文的框架下提供服务，但智能投顾公司还是有一个可以选择的定位和渐进的道路的：

对互联网平台和人力稀缺的金融机构来说，可以选择的路径是：用户规模扩充+大类资产配置+被动管理+不择时+资产再平衡。重点是不断卷入用户，不断扩充可以覆盖各种大类资产的产品数量，实现产品的投顾化，同时推进投顾服务的智能化提效。
对于互联网化程度较低、人力密集的金融机构（其实主要就是银行）来说，考虑到自身条件和投资者情绪的作用，可以选择的路径是：大类资产配置+主动被动管理相结合+择时+资产再平衡。重点是服务好现有的客户，发挥代销产品种类齐全、渠道议价能力高、理财经理规模庞大的优势，实现投顾的智能化。

对用户来说，智能投顾的价值有三个层次：

让合适的用户买到合适的产品；
让合适的用户持有合适的产品；
让合适的用户获得合适的收益。

从国内智能投顾的实践来看，第一个层次都还没真正做好。在“投资者-理财经理（用户交互）投顾-投资经理（投资管理）-收益”的框架下，智能投顾的发展空间其实非常巨大。

那么，一个完整的智能投顾服务过程应该是怎样的呢？

在传统的投顾服务中，工作被分为两个部分：了解客户、投资管理。

理财经理或投资顾问会通过一系列问题，对投资者年龄、理财能力、风险偏好、收益目标等方面信息进行了解；根据投资者的回答，得出风险偏好的结论；进而将投资者的风险偏好与金融资产相匹配，形成投资方案和建议。
投资经理根据投资方案构建投资组合，并根据市场变化和投资者的需求进行调仓和买卖，确保组合处于最优状态。

但由传统投顾服务的人力和物力成本较高，无法大规模复制推广。直到近些年人们财富水平、互联网普及程度、入场玩家数量等规模都在持续提升，智能投顾，或者说投顾智能化才渐渐推广开来。在此过程中，原先理财经理和投资经理的工作，就逐步由系统来覆盖和实现了。

作为参考，可以看下Wealthfront的服务流程，主要包含5个步骤，供参考：

基于当前投资环境识别出一系列资产类别；
选择低成本的ETFs代表每个资产类别；
通过填写问卷调查的方式获得用户的风险容忍度；
利用现代投资组合理论（MPT）向用户提供资产配置服务；
进行后续持续跟踪，监督并动态优化投资组合（再平衡）。

产品投顾化，投顾智能化的策略，对于拥有资产规模和用户规模的平台来说，是一条切实可行的道路。

其中比较典型的例子是先锋基金。虽然它在智能投顾的起步上比betterment和wealthfront更晚，但是坐拥2000万投资者，并借助于全球最大共同基金和第二大ETF产品提供方的背景，很快就超越所有同行坐上全球智能投顾资管规模的头把交椅（2017年2月，AUM为410亿美元）。

预警结束，下面继续。

七、智能投顾幼年的样子

做智能投顾也是有次第的：首先是产品的投顾化，进而是投顾的智能化。

未来智能投顾成熟的样子，今天的我们无法想象，但方向对了，就不怕路太远。正确的起点和方向，一定是投资者最痛的那几个点：

基金赚钱，投资者不赚钱。每次基金公布季报、年报，大多数投资者的感受是赚指数不赚钱，或是基金赚钱，但自己不赚钱。过程中，频繁买卖、短期持有、交易的摩擦成本的影响巨大。
买之前不知道如何择基、择时。其实在基金市场上，对于选品和入场时机的要求并没有股市那么高，但不少用户的心态是追涨杀跌，于是择基、择时便成为问题。此外，按什么比例买、新出的热门题材/爆款基金可以追吗等等问题，始终萦绕于心。
买的时候不知道去哪买。手机银行或网银、基金公司官网或APP、支付宝或天天基金，绑卡和开户体验、费率折扣、服务配套、赎回到账时间等等，各家情况都不一样，投资者在做选择时，成本太高。
买之后不知该何时止盈止损。买了该拿多久、股市大涨大跌该调仓吗、什么时候卖出止跌或是及时将获利落袋为安？相比前面3条，这一条愿意给用户提供帮助或引导的产品最少。

针对这些痛点，不同的机构给出了不同的解决方案。下面以蚂蚁财富在这些方面做出的智能化服务举例说明（打开“支付宝-理财”就可以体验）：

1）痛点一解决方案

降低费率，鼓励长期持有，增厚投资者收益。当用户在操作赎回持有不到一周的权益类基金时，还会弹窗告诉用户，持有时间更长，能降低赎回费率，从而降低用户的交易成本。

赎回提示

2）痛点二解决方案（投前）

通过社区的投资者教育文章、好基工作室的专业研究团队，给用户提供选择好基金的方法，解决“择基”的问题；通过指数红绿灯这样的栏目，提供指数基金买卖时机的分析视角，解决“择时”的问题。

从左到右：财富社区、好基工作室、指数红绿灯

3）痛点三解决方案（投前）

通过降低起投金额、社区话题讨论、专业基金公司入驻、大型投资者教育活动（理财就上支付宝）等方式，引导用户在自身投资能力提升的过程中，找到最适合自己的投资平台。

从左到右：财富社区、基金财富号、理财周投教活动

4、痛点四解决方案（投中&投后）

通过基金管家、持有产品列表和基金详情页的市场解读，在市场波动时，通过稳定投资者情绪降低交易频率，避免用户追涨杀跌、实现长期持有。

从左到右：基金管家、持有基金详情页

此外，在投资者可能因为冲动情绪而要赎回基金时，对用户进行及时的引导和市场解读。

从左到右：持仓页投教、持仓页转换

对于现阶段的投资者来说，上面这些看得见、摸得着的投资者服务，对于自身利益的维护起到了实实在在的作用。同时，服务提供方渗透在用户投前-投中-投后每一个环节的智能化提效，都能很快体现在数据表现上，并及时调整和优化。

这就是道叔对智能投顾的基本认知：智能投顾，不是引入一个全新的系统或产品来提供投顾服务，而是基于投资者的痛点，一点一滴地改进和积累；在用户现有的交易和决策链路中，找到可以提效的关键节点，不断推进“产品和服务的多样化、投资者和投顾服务者的在线化、平台投顾服务的智能化”。最终，让合适的用户买到合适的产品。

在这样的原则指导下，智能投顾产品也许可以进行这样的布局和探索：

提升用户基数：降低费用、降低操作成本，卷入更多投资者，做大底盘；
提升金融产品丰富度：推出覆盖大类资产的更多ETF、宽基指数基金；
用户进阶的智能化：根据投资金额/风险偏好/收益目标进行用户分层，千人多面，针对不同类型用户提供不同的进阶路径；
在投前中后环节，持续地进行智能化提效；
进行互联网产品层面的智能化创新：支付宝理财的投资顺风车、好基工作室、指数红绿灯、盈米的货币三佳等，都是很有益的尝试。

从长期来看：只有帮助投资者把成本打下来，品类做上去；风险控得住，收益稳得住——让智能投顾服务具备财富效应，才能真正获得投资者的认可。

也许将来成熟的智能投顾，完全不是上面的那些形态，可是，那又有什么关系。人们说“三岁看老”，在这里，你应该可以依稀看到智能投顾未来的模样了。

八、智能投顾未来的样子

1. 用户投资行为智能化

对于服务提供商来说，在用户“投前-投中-投后”行为的智能化引导的策略上文已经说了很多，在此不再赘述。

在这里额外想提的一点，就是做智能投顾，不能只把都放在所谓最具备技术含量的模型和投资组合管理上，要让智能投顾的服务充分降维：

降门槛：可以通过0元体验（余额宝体验金）、1元买黄金、10元买基金、50元投存款、100元买QDII、1000元买定期理财产品等方式降低投资门槛；
多期限：通过包装和提供日维度的高流动性的货基、周维度的短期理财基金（及替代品）、月维度的理财产品，覆盖用户多样化的投资期限需求

让更多的用户入场，用小资金、小投入逐步学习和成长，大家一起做大这个市场，最终体现到智能投顾服务所能覆盖的AUM上，这样才能让智能投顾成为用户进行投资时必备的一个选项。

另外一个很重要、但也很容易被忽略的方面，就是投资者自身的成长。

之前曾经做过用户调研，从“懂不懂-想不想懂”的维度切分，发现大多数用户是处于“不懂也不想懂”的象限中的。

智能投顾自身的定位，当然是希望能够服务好这部分用户，大家也投入了很多资金和人力。但对投资者自身来说，也需要有意识得提升自己的投资认知水平和投资认知能力，否则命运只能是当韭菜——差别只是被A骗子割韭菜还是被B骗子割韭菜而已。

来自：《巴菲特和索罗斯的投资习惯》

多年前看《巴菲特和索罗斯的投资习惯》，才知道牛人之所以为牛人，是因为他们建立了一套自己的投资系统，并且根据每次投资决策的结果不断打磨和优化，让我深受启发。并且后来发现，除了投资，生活和工作的其他方面又何尝不是如此？

在这里也安利一下这本书。

再回过头来反思一下：平时我们在说“投资者教育”的时候，又是不是有这样一个系统在持续地设计和推进呢？

2. 用户分层服务

智能投顾的用户分层，有3个核心要点：

1）确定分层模型

在互联网和电商领域，常用的分层模型是RFM模型，按照投资金额、访问和投资频率对用户进行分层；在传统的金融机构中，常常会根据用户的在管资产规模均行分层，比如银行的大众理财（1000元以上）、贵宾理财（50000元以下）、私行（600万元以上）。

按什么方式分不重要，关键是迈出这一步，然后基于用户分层制定不同的服务策略和打法，进而持续优化。

2）与考核指标挂钩

一切不跟考核指标挂钩的战略都是耍流氓。

比如，招商银行作为金融机构，传统的考核指标是AUM（资产管理规模），但近些年开始考核MAU（月活用户数）后，手机银行和掌上生活两个核心APP的MAU已经达到1.02亿，在此过程中，招行零售业务的AUM做到了7.49万亿（数据来源：招行年报）；平安开始考核“客均合同数”后，交叉销售和客户迁徙的数据就节节攀升。

到了2019 年底客均合同数达到2.64个， 7371 万个人客户同时持有多家子公司的合同，在整体客户中占比 36.8%（数据来源：平安年报），这反过来又大幅提升了保费收入。

3）从投资者需求出发

增厚收益、控制风险。

我们平时说的KYC并不是做个问卷就完事了，相反它是一个动态、可落地的过程。可以基于用户分层，通过提供资讯、择时产服务、选品服务、降费率、降门槛等等方式，真正实现“让合适的用户买到合适的产品”的目标。

在这部分重点看一下用户分层，可以看看中国和美国的例子。

招商银行的客群分类：

2019年11月正式开业的招银理财，针对六大目标客群发布系列理财新品，招行官网显示：

将根据基础客群、养老金客群、金葵花及金卡客群、有投资经验客群、私人银行客群、公司客群这六大客群的不同偏好与需求，针对每一类客群发布两只开业产品，产品涵盖货币、固收、固收+、结构化、混合、权益，覆盖了全部的风险偏好等级，全面满足每一类客户的投资需求。

美国经纪商高端客户细分模型：

来自：中银证券

美国智能投顾公司Wealthfront的投资者分类：投资者被分为10类，涵盖了从左边最保守的类型到右边最激进的类型。

针对不同类型的投资者，Wealthfront提供不同的资产组合方案。处于左边的保守型投资者，配置的蓝色资产（债券）多一点，处于右侧的进取型投资者，配置的橙色资产（美国股票/外国股票）多一点。

来自：Wealthfront

Schwab Intelligent Portfolios（嘉信理财旗下的智能投顾产品）的用户分类：

初级投资者。
IRA投资者。
想要交易广泛的资产类别和交易所买卖基金的投资者。
不想支付额外的咨询费用，佣金或帐户服务费的投资者。
还有一些热衷于投资已成立的知名公司的投资者。

基于用户分层，多样化和针对性的服务才有立足点。以先锋基金为例：

根据华创证券整理的数据：先锋基金个人投顾服务投资门槛为 5 万美元，按投资规模收取 0.3%管理费，尽管略高于纯智能投顾平台的平均费率水平，但依然远低于于传统投资顾问服务。

此外，先锋基金还为资产达到 10-50 万美元的客户提供来自持有“国际金融理财师（Certified Financial Planner）”牌照的专业顾问的服务；对于资产超过 500 万美元的用户，更可提供多类复杂的全套投资管理服务，并收取更低廉的管理费率。

3. 丰富多样的金融产品线建设

我在上文“智能投顾的核心前提和基本假设”那一部分中已经写了：

选择的是被动型产品，无法主动选择和管理投资组合中的底层资产，所以必须找到大类资产，选择低成本的指数基金或ETF来跟踪大类资产，从而实现这些大类资产的预期收益，同时规避选择单个资产的风险。选择的是被动型产品，所以无法择时，而大类资产的回报周期各不相同，所以无法寻找绝对的低点进入，必须拉长投资周期来实现大类资产的预期收益。

这就要求在金融市场上，必须提供品类足够丰富的被动型产品（指数基金或ETF），在费率成本、追踪误差、大类资产覆盖度、流动性等方面都达到一定的水平。

国内目前还处于初级阶段，不过近几年smartbeta、宽基、ETF的发行都在加速（截至2019年11月11日，我国境内挂牌交易ETF共计241只，总市值约6700亿元）。但由于受限于监管要求，不能进行海外投资，在大类资产覆盖度上受限较大。

相比之下，美国市场的被动型投资产品发展就更加成熟一些。

华创证券报告显示：

截至 2016 年底，美国 ETF 市场存量达 1716 支，较 2005 年的204 只翻了 8 倍之多（道是无注：2004年12月30日中国才刚刚推出第一支ETF产品，华夏上证50ETF）；ETF 管理资产规模达到 2.5 万亿美元，较上年增长超 20%。2007-2014 年期间，指数型 ETF资金净流入超过 10,000 亿美元，而主动管理型基金则有 659 亿美元净流出。由此可见，美国市场中以 ETF 为代表的被动投资理念越来越受投资者欢迎，同时数量众多的 ETF 产品又为智能投顾产品提供丰富广泛的选择空间，可满足不同类型用户的投资需求，进一步刺激着智能投顾服务热度的增长。

4. 金融底盘铸造

1）监管

在规范和监管智能投顾市场方面，欧美也有相关经验可以借鉴。美国证交会（SEC）在有关投资者自动投资工具的公告中，将其称为“自动化交易工具”。澳大利亚证券投资委员会在2016年8月30日公布的一份针对智能投顾监管指南中使用了“数字建议”（digital advice）一词。

与智能投顾相关的其他名称包括“自动化的投资顾问”、“自动化的投资管理”、“在线投资顾问”和“数字投资顾问”。

2）金融产品

种类丰富、价格更低；低费率产品（免佣基金、指数基金）、固收+、smartbata、量化基金。

3）投资者群体扩量

个人退休账户（即IRAs账户）和雇主养老金计划。我们拿其中的401K计划来说（401K计划：公司雇员共同出资一定金额的企业补充养老保险制度），它利用“免税”优惠来刺激国民增加储蓄，即按照某固定比例，雇主和雇员将固定比例的工资投401K账户，而这部分“工资”当期免税，仅需在到达法定年龄取款时一次性缴纳个人所得税。如此一来，通过“养老金”避税，成为人们的刚需。

4）投顾机构和从业人员规模提升

如今美国财富管理行业中，有超过1.3w家在SEC注册的独立投资顾问机构。这些第三方理财贡献了美国基金销售额的60%左右。大量活跃的第三方理财师以及机构，成了美国财富管理行业的代表性特征。相比之下，国内从业人员规模和入场的公司都太少了。

5）产业生态链的打造

各路玩家要结合自身资源和目标，选择自身定位：直接面向个人用户的2C产品、直接面向金融机构提供智能投顾解决方案的2B产品、同时2C和2B的产品。产业链上玩家数量和吸引的投资规模，直接决定了智能投顾的演进速度。

除此之外，整个财富管理行业要做的，还是要让整个投资具备财富效应：让投资者能赚钱并控制风险。

要从制度设计上破除两种思维：靠天吃饭、卖完就不管。

同时，投资者自身的成长也非常重要：投资是一件很难的事情，获得阿尔法收益则更是难上加难。

无论智能投顾还是其他产品，都只是工具，如何做好投资这件重要的小事，打理好自己的钱包，最后还是要靠自己的。

从美国的数据来看：1995 年到2014 年投资者被动投资金额占共同基金的比例从 3%上升至 16%，说明投资者开始认识和接受被动型产品的价值。

正是有了这一用户认知基础，美国的智能投顾业务才能有后来的快速发展。中国智能投顾业务的大发展，其实也与用户的成长和认知提升息息相关。

5. 插件化服务

我相信，未来智能投顾会是一种即插即用、润物细无声的插件化服务。

有时我会想起2010年前后很火的LBS，国外的foursquare、国内的街旁网等几十家创业公司，希望依托LBS创造一种新的产品形态，最后的结局大多是惨淡收场。

最终，LBS成为了各大APP的插件服务，出现在导航、点餐、社交软件中，发挥着极大作用，但是你几乎感受不到它的存在。

如果一定要用一个机器人形象代表智能投顾的话，我反而觉得用瓦力比那些不知所云的银白色金属脑袋更合适些：毕竟瓦力是一个能够清扫垃圾、有用的机器人。只要它不断为用户解决问题、不断迭代，终有一日可以实现完全的智能化。

在“智能投顾”这件事情上，我始终认为“智能”的重要性是高于“投顾”的。

在2016年战胜李世乭的AlphaGo，是DeepMind团队用大量人类棋谱训练出来的，而到了2017年，升级版的AlphaGo Zero已经完全摆脱了人类棋谱，在输入围棋规则后，基于深度学习不断进行自我对弈并持续调优。训练3天就100:0 K.O AlphaGo Lee（2016年曾击败李世乭）；训练40天进行2900次训练后击败AlphaGo Master（2017年曾击败柯洁）。

将来，同样的技术还会被应用到医学等多个领域，行业专业知识不会成为门槛，相信财富管理领域的应用，也不会太远了。

整个证券行业发展到今天，一直有2个致命问题没有得到解决：一是渗透率或者说卷入用户规模偏低，二是看天吃饭业绩不可控。