<mark id="oztn4"></mark>
0
| 本文作者： 溫曉樺 | 2016-11-29 23:02 |
日前雷鋒網報道，近來許多本是面向一般投資者，俗稱散戶的智能投顧公司，其業務都開始陸續轉向B端，收縮或者放棄C端，包括投資海外標的和投資國內市場的平臺。
據統計，當前中國市場上，提供智能投顧服務的公司大約有二十家，其中大部分前期以服務C端用戶為主，但也有一類是直接探索服務B端的模式，即通過開發智能投顧工具，提供給金融機構使用，比如PINTEC旗下的璇璣。據了解，璇璣已與民生證券簽署排他性合作協議。
璇璣古語為北極星，和其他智能投顧類似，璇璣提供基于公募資金進行全球數字化資產配置的服務。其實，服務于B端的智能投顧，最后還是為C端客戶所用，但是，通過B端機構提供服務，其體量一下就非常大了，由此而產生的風控和策略能力都會是全新的要求。
雷鋒網對璇璣公司的 CEO 鄭毓棟進行了專訪，探討智能投顧的智能問題。鄭毓棟擁有新加坡國立大學經濟學碩士和計算機科學學士學位，先后曾擔任渣打銀行中國投資策略及咨詢總監，產品總監以及花旗銀行新加坡產品總監等，在財富管理領域有10余年經驗。
雷鋒網：璇璣的服務和B端機構自身的決策系統是怎樣的關系？機構也會有自己的資產配置方案或者是量化能力的。
鄭毓棟：這個我解釋一下，今天很多機構其實沒有基于客戶級別的資產配置和建議調倉的方案的。我所謂的客戶級別是指，這些機構也許可以把很多客戶看成一類人，但是沒有辦法把每個客戶看成這個客戶本身。
因為客戶有很多種情況，就算他們在年齡、資產屬性、工作情況等方面畫像都一樣，但進場的時點不同，后續平衡和調倉的時間就又會不一樣，因此一個人的組合跟另一個人的組合也會不一樣。所以根據每個人的個性化組合的變化、個人情況、市場的變化，如何來形成一套實時的、智能的調整建議方案，以及新的組合方案，這是今天沒有一家傳統機構能夠實現的。
雷鋒網：那在具體制定客戶畫像的過程中，除了剛才說的各種情況來協調，那么具體是怎么做客戶畫像刻畫的？
鄭毓棟：用戶的畫像刻劃分成兩個維度：客戶的主觀風險承受能力、主觀的風險忍受能力，以及客觀的風險承受能力。
客觀的風險承受能力由客戶的客觀情況決定，比如年齡、資產，一般來說，年紀越大的風險承受能力應該越低，資產越高的風險承受能力應該越大。此外，想做短期投資的可能風險承受能力較低，資金可以長期被放置的，其風險承受能力相應也應該會較大，這是客戶的客觀風險承受能力。
但是客戶還有主觀風險忍受能力，這是與其主觀情緒相關，比如有的人虧損5%就受不了，有的人虧30%也沒關系，這個就是主觀的風險忍受能力。所以我們在考察客戶畫像的時候，兩個維度都需要得到，然后取兩個維度的低值，就是客戶真正的風險狀況。
但在實際的運作情況當中，我們看到很多傳統金融機構的問卷，其實把兩者混在一起來問了。第二，很多客觀的問題是問不出來主觀情況的，因為客戶可能都不太愿意把真實情況泄露出來，所以問卷得到的客觀狀況也許是不真實的。所以我們的問卷比較注意在主觀問題上設計，權重也比較大。此外再通過與客戶的長期溝通和交流來補齊用戶的畫像，大概是這樣。
比如一些跟心理學相關的問題，舉例來說，“有兩只股票，一只漲了10%，一只虧了10%，現在一定要賣掉一只來籌措一筆資金，你會怎么樣？”、“以下的投資品種，你最愿意持有五年以上的是什么投資品種？”“你是愿意持有一只你看好的股票，還是愿意持有一套房產，還是愿意持有一套理財產品？”……這種主觀問題不涉及個人隱私，客戶會更愿意回答。這套問卷的設計者是我們首席學術顧問朱寧老師，他是一個行為金融學教授，之前在美國師從耶魯的席勒教授。
雷鋒網：面向廣大C端用戶滿足定制化需求，主要存在哪方面的困難？
鄭毓棟：第一個能力是模型需要有非常大的靈活性和伸縮性。因為每個機構面對客戶所擁有的產品是不一樣的。比如某機構連接了五十多家基金公司，但另一家機構可能只有二十多家基金公司的產品，與此同時也擁有紙黃金、銀行理財等一類的產品。那怎么在這樣的情況下提供專屬于這家機構的數字化資產配置服務來給他們的客戶呢？也就是模型需要有能力去伸縮。
第二就是把方案與銀行IT系統進行嫁接和部署的能力。一方面，金融機構對于信息安全的要求非常高，其客戶信息不能離開整個銀行或金融機構的體系。另一方面，因為每個銀行的整個環境都是不一樣的，比如IT系統用的是英特爾還是思科，數據庫用的是甲骨文還是其他，隨之技術接口和運維體系也不同，所以你要有一套能力去高度抽象其技術，然后把自己的方案嫁接到它的IT架構之上，這是很困難的事情。
第三個難點，每個銀行的交易和賬戶體系都不一樣，那要對客戶做客戶級別的資產配置的話，一定要在搭載其客戶賬戶體系的情況下去做相應的需求連接。
雷鋒網：靈活性和伸縮性方面，靈璣是如何去做的？
鄭毓棟：我們一開始就把模型分成了幾個可拆解的子模塊，包括數字處理、大類資產配置、產品選擇和交易優化，因此各子模塊對于各種數據的獲取都是非常靈活的，彼此分工，把一個復雜的問題在模型層面就拆解成幾個能夠被處理的子問題，來方便與各類機構對接。
與美國的智能投顧不同，其追求的是有效市場的被動投資，但盡管如此，其仍難以控制投資組合的最大回撤。這在國內市場來說，該當如何？
雷鋒網：有人說金融本質是風控，那在在風控這一環節璇璣是怎么去做的呢？
鄭毓棟：第一，資產配置的本意就是防范風險，是通過資產的分散來防范單一資產崩盤，或者遭遇黑天鵝事件的時候，給客戶整體資產帶來巨大損失的風險。所以，資產配置本身就已經是分散風險的行為。我們知道風險資產配置這個概念是由馬科維茨在1952年提出的——基于每一個資產有不同的風險的波動，然后資產和資產之間有相關度，所以把不同的資產配比在一起的時候，它的負相關或者弱相關的資產疊加起來，可能給整個組合提供以更低的波動度而達到更高的預期收益的方式，叫資產配置。
所以在這當中大家就知道——如何去計算波動度，或者實時地獲取資產的波動度和相關度，以及預測資產的收益率，成為了非常重要的方式。而這些數字是完全可以通過技術和大數據來實時解決的，所以如果我們能夠實時的去獲取數據的話，理論上我們就能夠把這些數字更準確的反映在模型當中，讓模型得出一個比拍腦袋或者人的估算更準確的一種資產配置的方式和體系。
第二個就是通過資產底層的選擇。我們知道中國是一個以主動管理產品為主的國家，但是歐美的智能投顧都是以被動產品為主，那我們在選擇資產的時候要特別注意風格變化——產品的底層風格變化所帶來的整個組合的波動，注意產品挑選上要有很不一樣的標準——以擬合為主的標準，而不是以傳統的或者選擇所謂的五星基金，或者表現特別好的基金這樣的方式。
第三，在底層資產上避免選擇個股，就是策略容量非常小的資產。也就是，如果你選擇個股的話，可能客戶同時買進或者賣出，對價格都會造成很大的波動和影響，但是基金不會，所以這也是另一個我們在做的一個事情。
雷鋒網：那么是否會有過擬合的問題？在利用大數據和機器學習過程中，怎么去避免？怎么去糾正？
鄭毓棟：對，機器學習會有個數據過擬的問題。過擬往往是由于數據太多所導致的，所以我們在傳統的角度來說，并不是數據越多越好。我們看來，選擇的因子需要根據資產的不同來選擇不同的因子，比如美元的指數對黃金來說就是個很重要的因子，但是它對A股相對來說不是特別相關，而是弱相關的因子。所以并不是把所有可以得到的經濟數據都一股腦的扔到這個機器里面讓它去學習。需要一定的篩選和選擇。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
