投顾三要素

智能投顾的有效水平，取决于量化系统对投资者性格的分析确认能力和对市场中投资品数据的监控计算能力。

无论是采用量化分析还是价值分析，其根本目的是为投资者选择适合的资产，该资产既能满足投资者的收益率要求，也符合投资者的风险性格。离开收益率和风险谈投资，都难言是成功的投资。这就决定了确定一项投资需要关注两头：一头是投资者的主观倾向和客观能力，另一头是资产的预期表现。前者是理财师的重点工作，需要“求证”金融消费者的特征，并在此基础上为其“联接”投资产品；而后者是证券分析師的重点工作，需要分析投资品的风险收益特征。理财师之于证券分析师，就好比于医生和药剂师。

目前，智能投顾风生水起。它的本质是利用大数据、量化金融模型及智能化算法，通过深度学习而得出投资者的风险偏好，再运用一系列算法和投资组合优化等模型，为用户提供投资参考，并不断根据市场变化进行自动再平衡的资产投资配置方法。这就很明显，智能投顾的水平，取决于该量化系统对投资者性格的分析确认能力和对市场中投资品数据的监控计算能力。

智能投顾迅速成为行业风口，其主要原因是传统的人工投顾服务报酬高昂，智能投顾顾及了人脑对庞大的信息量的处理能力不足和负面情绪的影响。这是机器代替人模式在所有行业的应用优势，理财行业也不例外。智能投顾相对于量化分析，除了能对投资产品这个“死”的大数据进行分析总结外，其革命性成就在于通过机器完成了对“活”的人的投资习惯的确认，这在很大程度上替代了理财师的许多工作。

实施投顾职责需要3大步骤：第一步是要确定投资者的风险偏好，即他的理财生命周期、风险承受能力及倾向等；第二步是搭配资产，确定市场上所有资产的收益率和风险特征；第三步是建立联接，为投资者匹配对应的资产组合。用专业术语表述，就是经典的马科维茨资产组合理论：资产配置就是第一步先勾画出反映投资者效用的无差异曲线；第二步描绘出市场的有效边界；第三步是在此基础上得出切点组合。

智能投顾面临的最大考验，恐怕在于资产配置的第一步，理财规划的个性化要求也反映在这一步骤上。由于智能投顾发展时间尚短，我们还不能断定机器代替人是否具备显著性优势，但从谷歌乘AlphaGo之势战胜棋手柯洁这一案例来看，智能投顾的发展前景不可小觑。

理财师或将失业？在智能时代，这个问题又开始在金融业纠结，这里我们暂不作答，但需要想清楚一个关键问题：资产配置服务是否需要情感抚慰这一职责？