<mark id="oztn4"></mark>
0
| 本文作者： AI慕課學(xué)院 | 2017-09-27 17:29 |
雷鋒網(wǎng)按：在美國，交易員、量化研究員正在慢慢消失，而與此相反，金融科技、機(jī)器學(xué)習(xí)以及人工智能方面的招聘崗位卻在逐步上升。這又說明了什么呢？
要解釋這一現(xiàn)象，我們先要了解什么是智能投顧，以及我們?yōu)槭裁匆鲋悄芡额櫍?/p>
常見的智能投顧都是“人工的智能”
王蓁博士在雷鋒網(wǎng)AI慕課學(xué)院的直播課（http://www.mooc.ai/course/157）中告訴我們，國內(nèi)號稱在做智能投顧的公司數(shù)量至少有300到500家，而這300到500家公司里面99%可能都是P2P公司。如果你要說每一家P2P公司都是擅長人工智能或者機(jī)器學(xué)習(xí)，這種說法確實(shí)很難讓人信服；與此相反，他們可能更擅長的是進(jìn)行網(wǎng)絡(luò)借貸業(yè)務(wù)。
市場上大家耳熟能詳?shù)囊恍┲悄芡额櫰鋵?shí)都是“人工的智能”——人在背后進(jìn)行的操作，而在前端封裝成一個自動化的工具，實(shí)際上并沒有真正地實(shí)現(xiàn)我們預(yù)想的機(jī)器學(xué)習(xí)、沒有人工干預(yù)的智能。
Black-Litterman模型是上世紀(jì)90年代由高盛的Fisher Black和Robert Litterman提出的，是一種對傳統(tǒng)Markowitz均值方差模型的改進(jìn)。該模型可以在市場基準(zhǔn)的基礎(chǔ)上，由投資者對某些大類資產(chǎn)提出傾向性意見，模型會根據(jù)投資者傾向性意見，輸出對該大類資產(chǎn)的配置建議。
Black-Littermanm模型自提出來后，已經(jīng)逐漸被華爾街主流所接受，現(xiàn)在已經(jīng)成為高盛公司資產(chǎn)管理部門在資產(chǎn)配置上的主要工具，并且被多個投資銀行和資產(chǎn)管理公司用來進(jìn)行資產(chǎn)配置。而其核心就是人工的智能，即人把自己的觀點(diǎn)輸入到模型進(jìn)行干預(yù)，而真正的智能投顧是沒有人工干預(yù)的，也就是說智能投顧一定不是BL模型。
對于傳統(tǒng)資產(chǎn)配置模型，當(dāng)我們在進(jìn)行公募基金的配置的時候，可能90%多的配置比例都會配置到貨幣基金和理財產(chǎn)品當(dāng)中去，因此我們其實(shí)是完全沒有實(shí)現(xiàn)任何資產(chǎn)配置的功能，這是傳統(tǒng)資產(chǎn)模型天生的一些缺陷。
而傳統(tǒng)的資產(chǎn)配置模型還有一個問題是它會進(jìn)行頻繁的調(diào)倉，只要輸入非常小幅度的改變可能就會導(dǎo)致資產(chǎn)配置結(jié)果的巨大震蕩。傳統(tǒng)的資產(chǎn)配置模型，比如昨天配置50%的股和50%的債，但今天很可能配置的是90%的債券和10%的股票，這樣用戶就不得不進(jìn)行頻繁的調(diào)倉，而更高的調(diào)倉頻率帶來的是費(fèi)用的問題，我們最終會導(dǎo)致我們所有掙的錢可能都交了手續(xù)費(fèi)了。
而當(dāng)我們真正在做公募基金組合的時候，我們還需要考慮公募基金一些特殊的一些情況，比如我們申購和贖回的時間是存在滯后性，你在今天買公募基金的時候，其實(shí)你并不知道你會買入多少份，因?yàn)樗趲讉€交易日之后才會給你確認(rèn)買入價格，那時候你才知道你買了多少份額，而你贖回的時候也有同樣的問題。
另外一個是起投門檻的問題，因?yàn)椴煌墓蓟鸹痤愋陀蠥BCE甚至各種其他的類型，每一種不同的類型，它的收費(fèi)方式不一樣的，它的費(fèi)用可能包括每年的管理費(fèi)，可能包括銷售服務(wù)費(fèi)，可能包括前端費(fèi)用，后端費(fèi)用，可能還包括鎖定期的費(fèi)用。比如說我們一般都說C類基金沒有費(fèi)用，但實(shí)際上的情況并不是這樣的。因?yàn)镃類基金它不但有固定管理費(fèi)，有的C類基金可能還會收比較高的銷售服務(wù)費(fèi)。
一般來講，對于C類基金，如果購買時間不足一年的話，還可能會收一筆鎖定期的費(fèi)用,雖然可能只有千分之一或者是更低，但是它其實(shí)就是有收取費(fèi)用的，無形中便增加了模型的復(fù)雜度。再比如說B類基金，它可能更多是偏向于機(jī)構(gòu)投資者或者高凈值客戶。很多B類基金，它的投資門檻可能是500萬人民幣起。
除了BL模型（Black-Litterman模型），其他常見的模型如現(xiàn)代資產(chǎn)組合理論、馬克維茨模型、均值方差模型(MVO)等，在國內(nèi)都不可行，其中，使用BL模型的一定是“人工的智能” 投顧。就實(shí)際問題維度，國內(nèi)公募基金交易存在申購贖回的時間滯后、贖回價格的不確定性等問題。
很多銀行證券、基金在做這種資產(chǎn)配置的時候，不但有公募基金類似的配置需求，而且有可能想添加一些自由產(chǎn)品——理財產(chǎn)品。理財產(chǎn)品可以是銀行凈值型理財，也可以是P2P產(chǎn)品，甚至可能是非標(biāo)型的產(chǎn)品。由于這種P2P產(chǎn)品可能是非標(biāo)型的，因而在跨大類資產(chǎn)配置時，我們就需要解決大類資產(chǎn)不同之間的穩(wěn)定性和有效性等問題。而跨大類資產(chǎn)配置的調(diào)倉流動性則是一個更難的問題。
假設(shè)我們買了一個鎖定期為一年的銀行理財，雖然公募基金流動性有T+X（1、2、3...）之間的區(qū)別，但是相對于私募基金一年鎖定期來講都是可以忽略不計的，在這種情況下我們該如何處理？我們?nèi)绻{(diào)倉，這個時間市場如果又變化了，我們依然可以調(diào)公募基金；但是私募基金占用的資金成本在鎖定期內(nèi)該如何去調(diào)倉則是一個很實(shí)際的問題，還有很多很細(xì)的問題，只有親自去進(jìn)行一個智能投顧系統(tǒng)的實(shí)施和部署，你才能體會到真正有多少的實(shí)際問題，有多少個坑在前面等著你。
{王蓁博士是目前國內(nèi)唯一沒有人工干預(yù)的智能投顧系統(tǒng)、從產(chǎn)品需求設(shè)計到整個算法研究，帶領(lǐng)開發(fā)團(tuán)隊進(jìn)行系統(tǒng)開發(fā)以及機(jī)構(gòu)部署唯一負(fù)責(zé)人，將在《智能投顧高級特訓(xùn)班》（http://www.mooc.ai/course/157）系列課程中為我們分享，關(guān)于智能投顧原理、業(yè)態(tài)、算法模型和應(yīng)用落地的一切。}
量化投資是新概念嗎？
量化投資是指通過數(shù)量化方式及計算機(jī)程序化發(fā)出買賣指令，以獲取穩(wěn)定收益為目的的交易方式。在海外的發(fā)展已有30多年的歷史，其投資業(yè)績穩(wěn)定，市場規(guī)模和份額不斷擴(kuò)大、得到了越來越多投資者認(rèn)可。
事實(shí)上，互聯(lián)網(wǎng)的發(fā)展，使得新概念在世界范圍的傳播速度非常快，作為一個概念，量化投資并不算新，國內(nèi)投資者早有耳聞。但是，真正的量化基金在國內(nèi)還比較罕見。
在國內(nèi)現(xiàn)有的量化投資環(huán)境下，投資容易獲得收益嗎？
國內(nèi)常見的量化私募或者量化投資，一般來講還是偏高頻交易。
在國內(nèi)現(xiàn)有的量化投資環(huán)境下，投資容易獲得收益嗎？
其實(shí)本質(zhì)上問這個問題是想回答為什么我們需要智能投顧。隨著我國經(jīng)濟(jì)進(jìn)入新常態(tài)，資產(chǎn)的投資收益率會越來越低，這個時候就需要有新的投資方式，也是更理性更成熟的投資方式——量化投資，這也是在發(fā)達(dá)國家已經(jīng)被廣泛采用的投資方式。
智能投顧市場有多火爆？
在百科上，智能投顧的定義頗為繁瑣。“智能投顧指虛擬機(jī)器人基于客戶自身的理財需求，基于當(dāng)前市場狀況和底層標(biāo)的表現(xiàn)，基于金融和投資學(xué)的投資組合理論，通過算法和產(chǎn)品搭建一個數(shù)據(jù)模型，來完成以往人工提供的理財顧問服務(wù)。 ”
國內(nèi)的理財顧問實(shí)際上對于金融可能所知并不是太多，更多的是在維護(hù)客戶關(guān)系以及銷售上。王蓁博士定義的智能投顧是一套能夠獨(dú)立運(yùn)行的系統(tǒng)，可以不需要人工干預(yù)，并且告訴理財顧問或者告訴個人投資者，你應(yīng)該如何根據(jù)你的實(shí)際情況進(jìn)行資產(chǎn)配置，最后組成一個組合投資，為投資者賺到錢。
智能投顧要解決什么問題？
第一，提升產(chǎn)能。財富快速增長帶來旺盛的市場需求、人手不足引發(fā)產(chǎn)能矛盾、難以覆蓋更多的群體，在智能投顧中都將得到一定的解決。
第二，個性化——理解每一個客戶的個性化需求。有了客戶的實(shí)際需求，然后就能進(jìn)行類資產(chǎn)進(jìn)行配置、選優(yōu)，符合用戶的實(shí)際需求，組建成一個個性化的投資組合。智能投顧其實(shí)很好地解決了財富管理行業(yè)在當(dāng)前的痛點(diǎn)，也滿足了未來發(fā)展趨勢。
第三、緊跟市場。所有的定投，所有的買入持有策略、被動投資策略，甚至不適用美國美國市場、歐洲市場，這也對投研能力提出新的挑戰(zhàn)。
第四、一致性。一致性即全流程，包括體驗(yàn)，服務(wù)流程，投資方案，投后的服務(wù)業(yè)務(wù)的解釋和客戶心理的安撫，定期的業(yè)績回顧和市場教育。
第五、隨時在線。智能投顧將實(shí)現(xiàn)互聯(lián)網(wǎng)+數(shù)字化+智能化+24*7服務(wù)，可持續(xù)改進(jìn)交互方法。
第六，提高效益。解決大量閑置的數(shù)據(jù)無法發(fā)揮效率（非機(jī)構(gòu)化數(shù)據(jù)，文檔、語音，離散的結(jié)構(gòu)化數(shù)據(jù)），發(fā)現(xiàn)更多的業(yè)務(wù)機(jī)會同時降低成本。
詳細(xì)課程內(nèi)容，請點(diǎn)擊http://www.mooc.ai/course/157。
添加助手小艾（微信號MOOCCAI），發(fā)送“智能投顧”，并提交姓名+公司/職位，加入“智能投顧”行業(yè)交流群，同行業(yè)大咖玩轉(zhuǎn)智能投顧。
【智能投顧高級特訓(xùn)班】
AI+金融熱潮下緊抓智能投顧前沿趨勢！
四大行實(shí)操智能投顧系統(tǒng)端到端的經(jīng)典案例，手把手教你利用人工智能算法搭建系統(tǒng)的智能投顧項(xiàng)目！
課程鏈接：http://www.mooc.ai/course/157
加入AI慕課學(xué)院人工智能學(xué)習(xí)交流QQ群：624413030，與AI同行一起交流成長
相關(guān)文章：
激烈競標(biāo)、P2P畫皮、梯隊站位，2017中國智能投顧之江湖風(fēng)云
回顧 | Al x 量化：智能投顧如何解決金融機(jī)構(gòu)財富管理業(yè)務(wù)的痛點(diǎn)？
回顧 | 風(fēng)口殺到，智能投顧卻在中國遭遇水土不服？
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
