智能投顾助力商业银行理财业务转型
2019-06-15云佳祺
云佳祺
科学技术的发展始终驱动着金融业服务模式的创新和变化。伴随大数据、云计算和人工智能的成熟与应用,自动化、数字化、个性化的资产管理服务以及大类资产配置能力逐步成为资产管理行业核心竞争力的重要體现。智能投顾作为金融科技的重要组成部分,其概念于2002年首次被提出,根据美国金融业监管局的定义,智能投顾是具有人工智能的计算机程序系统根据客户自身的理财需求,通过算法和产品搭建数据模型,来完成传统上由人工提供的理财顾问服务。智能投顾的出现和发展开启了资产管理的新时代,进一步满足了投资者资产配置和财富管理的需求,深化了资产管理行业的发展,提升金融服务实体经济能力,并不断推动和践行普惠金融的理念。本文拟通过金融科技的视角,分析智能投顾在商业银行理财业务中的应用,以期探讨银行理财业务转型方向的一种可能,并进一步提出商业银行发展智能投顾的相关建议。
中美智能投顾发展现状
美国智能投顾发展现状
美国作为全球智能投顾行业的领跑者,自2008年发展该领域以来有十余年的历程,目前已初具规模。截至2017年,美国智能投顾行业管理资产规模达到3000亿美元,年复合增长率为95%,占全球智能投顾行业资产管理规模的57%。美国首家智能投顾公司Betterment于2008年在纽约成立,随后Futures Advisor公司开始为美国1000家券商提供自动的投资和退休金账户管理方案。2011年,Wealthfront公司在硅谷成立,这一系列事件标志着智能投顾在美国正式进入发展阶段。面对智能投顾所带来客户分流的威胁和挑战,传统资产管理公司亦开始布局该领域,比如嘉信理财和先锋基金分别推出自己的智能投顾产品嘉信SIP和先锋PAS,贝莱德(BlackRock)和高盛也通过收购和投资的方式涉足智能投顾领域。
从业务流程上看,美国大部分智能投顾公司按以下七个步骤进行实际操作:第一步,通过在线问卷调研加数据采集方式对客户的风险承受能力、收益目标以及投资期限进行分析;第二步,运用一系列智能算法,通过云计算和机器学习等技术将资产组合投资理论应用到模型中,根据第一步客户需求分析结果进行大类资产配置;第三步,运用智能算法生成量化投资策略,进行投资组合选择;第四步,根据以上配置和组合选择进行交易执行;第五步,是组合的再分析,在日常监控中,运用智能算法根据市场波动对资产配置进行实时分析和调整,为达到投资组合再平衡提供建议;第六步,进行税收管理和规划;第七步,通过因子分析、回测、模拟等方式对投资组合进行归纳总结。可见,美国智能投顾已形成相对完善的业务流程,并建立了对应的动态化调整机制。
从产品特点上看,美国各家机构推出具有自身特色的智能投顾产品,一些为纯智能投顾,一些为混合智能投顾,一些则专注经营退休养老金账户。总体而言,美国智能投顾更加注重投资于ETF等被动型产品以获得长期投资收益,专注于大类资产配置以构建“β”,具有低费率、低门槛、高效率、高度分散等特点。
从投资模式上看,美国智能投顾基于现代资产组合理论(MPT)、资本资产定价模型(CAPM)、行为金融学理论(Behavioral Finance)以及Black-Litterman模型的被动投资方式,通过大数据、云计算等机器程序进行大量计算和建模,以实现自动化的大类资产配置、投资组合选择、交易执行以及跟踪调仓等操作。其投资标的具有多元化的特点,包括股票、固定收益类产品、房地产、大宗商品和现金等。基于成熟的ETF基金市场,美国智能投顾平台多选择被动投资策略,以投资EFT产品为主。
国内智能投顾发展现状
近年来,金融科技在我国发展迅速,居民金融资产配置需求逐步提升,为智能投顾在我国的出现和发展提供了基础性条件。2014年,国内首个智能投顾平台“胜算在握”上线,2015年,5家智能投顾初创公司成立。随后,互联网公司、传统金融机构纷纷布局智能投顾市场,推出相关服务和产品。整体而言,目前国内智能投顾行业还处于起步阶段。
从业务流程上看,国内智能投顾的流程相对简单,通常包括相对简单的问卷调研和分析、资产管理或投资顾问以及投后服务三个阶段。事实上,目前国内还无法真正依据现代投资组合理论来构建资产配置组合,其原因除目前人工智能在深度学习等智能算法及模型方面还不够完善以外,最主要在于国内一直以来缺乏大类资产配置的工具应用。因此,还无法具体分析影响各类资产收益和风险的不同因素,未能实现实时调仓的目标。另一方面,在投资过程中,机器的深度学习还不够完善,难以实现在实时监控中第一时间进行全自动化的偏离调整。
从产品特点上看,国内智能投顾行业虽然起步晚,但发展速度十分迅猛,智能投顾创业公司、传统金融机构和互联网公司都推出了具有自身特色的产品。商业银行推出的智能投顾产品投资门槛各不相同,从1000~20000元人民币不等,但其产品均不收取资产管理费用,由于受到监管要求的限制,投资范围绝大部分是公募基金。券商、基金、创业公司以及互联网金融公司的投资范围相对广泛,其中有个别机构涉及了国内或国外的ETF市场。
从投资模式上看,目前国内智能投顾正处于初步发展阶段,金融市场发展不够完善,对于大类资产配置的相关理论并没有成熟的应用。另一方面,基于客户风险承受能力较低、普遍缺乏长期投资理念等特征,投资模式主要是股票组合、个股推荐以及基金组合的推荐。此外,国内适合智能投顾投资标的要求的流动性好、透明度高以及管理费低的产品(如ETF)相对较少,加大了投资的风险。
智能投顾助力商业银行理财业务转型
改革开放四十年的浪潮中,对金融支持并服务实体经济发展的要求始终未变。资产管理行业作为资金端和资产端的桥梁,对实体经济获得资金、居民投资保值增值起到了重要的金融资源配置作用;商业银行理财业务作为资产管理行业之首,在服务实体经济中功不可没。但在过去发展中,银行理财业务中多层嵌套、刚性兑付以及高杆杠的现象使得资金并没有完全顺畅的运用到实体经济中。当前,我国经济进入三期叠加阶段,监管部门出台资管新规等一系列政策旨在提升银行理财业务服务实体经济能力,推进理财业务转型发展,回归资产管理本源。智能投顾作为科技与金融结合的产物,具有低费率、低门槛、高效率、覆盖客户范围广、风险分散、信息透明且避免感性决策等特点,其大类资产配置能力、长尾获客效应以及个性化、定制化的优势,将成为未来银行理财业务转型发展的重要力量,进一步提升金融服务实体经济高质量发展的能力。
“长尾获客”能力推动银行理财业务普惠性发展。智能投顾低费率、低门槛以及高效率的优势,使其可以覆盖更广泛的客群。首先,与传统投顾相比,智能投顾可以通过智能化、标准化的客户问卷、大类资产配置、投资组合管理、实时监控、调整组合的流程,大大降低人工成本和管理费用。其次,传统投顾中大量的人工费用使得银行不得不提高投顾门槛,专注高净值人士和私人银行客户,使很多中产及低净值人群难以获得专业资产管理服务。而智能投顾大大节约人工成本、降低投资门槛,可以覆盖更多长尾客户。再次,智能投顾用户可以直接通过手机终端完成投资需求,智能化的服务更加高效便捷,不断吸引更多注重时间成本的年轻人和上班族。因此,智能投顾具有长尾获客能力,能够覆盖更多以中产为代表的广大中低净值客户。另一方面,我国商业银行本身具有广泛客户资源的先天优势,与智能投顾长尾获客能力相契合。特别是银行理财子公司管理办法出台后,明确理财产品不再设置销售起点,理财子公司可以充分利用智能投顾等金融科技力量提高对于长尾客户的洞察力,进一步提升客户获取、客户销售及客户维护能力,提供更加简单便捷的理财服务,支持并践行普惠金融的发展理念。
“大类资产配置”属性助力理财业务净值化转型。正如经济学家马科维茨(Harry M. Markowitz)所言:“资产配置是投资的唯一‘免费午餐”。许多学术研究及投资实践也表明资产配置是获得长期收益和控制风险的主要驱动力。根据国际经验,全球先进银行资产管理公司十分注重大类资产配置在投资中的作用。随着我国经济发展的新常态化、投资者投资理念的日益成熟以及国际化水平的提升,理财业务的资产配置属性愈发凸显。未来银行理财业务向净值化转型过程中,要求资产与产品一一对应,打破以往“资金池——资产池”运作模式,更加要求银行理财业务提升大类资产配置能力。而智能投顾的理论基础源于马科维茨的现代资产组合理论,根据均值方差模型,通过强大的计算能力计算出有效边界,然后根据不同投资者的风险水平在有效边界上做资产配置。智能投顾所具有的大类资产配置属性,体现了长期投资、被动投资、稳健收益和风险分散的理念,对我国银行理财业务而言,是很好的转型立足点,也是加强投资者教育的新契机。
“个性化定制”特点促进理财业务差异化、专业化转型。我国银行理财业务在转型过程中,特别是理财子公司成立后,将面临与银行同业机构、传统非银金融机构(证券公司、基金公司等)、互联网金融公司以及第三方理财公司之间的竞争,而我国传统非银金融机构无论是资产配置能力还是投研能力都占有绝对优势,商业银行须在竞争中走出差异化和专业化的道路。智能投顾还有一个重要特点是“个性化定制”,即将传统人工理财顾问的流程进行复制,先进科技使投资顾问服务更加具有定制化特征。智能投顾运用数据和技术优势,针对不同客户的不同风险偏好、期望收益进行个性化分析,人工智能的算法和模型为不同客户进行不同的资产画像,并提供最优的、量身定制的全球性资产配置方案。在投资过程中,根据市场实时的不同变化进行自动化的投资管理服务和投资组合调整,以平衡风险收益比,实现“千人千面”,做到差异化服务。
商业银行理财业务转型中智能投顾的发展建议
目前,我国智能投顾尚处于初级阶段,金融市场环境与金融产品发展相对薄弱,投资者理念尚不成熟,监管主体和监管政策尚未明确,我国智能投顾未来发展机遇与挑战并存。商业银行应当强化科技赋能,把握智能投顾发展机遇,在金融科技应用于资产管理业务的浪潮中加速理财业务的转型发展之路。
加强技术应用及数据分析,实现“千人千面”目标。智能投顾中最重要的基础和核心是云计算、大数据和人工智能,这些技术也是始终贯穿在智能投顾的全流程中。首先,商业银行应当加强云端数据的存储与提取能力,健全云端算力和实时交互系统。其次,提升对客户及金融交易两方面的大数据挖掘能力。客户方面主要包括对客户行为数据、资产数据、风险偏好等大数据的挖掘。同时要加入客户交易行为的用户画像,从客户主观、客观以及真实的风险承受能力三个维度进行分析;金融交易方面主要包括岁股票价格、利率、汇率、波动率、风险因子等大数据的挖掘。两类数据的质量决定了投资决策的优劣。再次,通过完善人工智能对数据进行筛选、处理和解析的能力,得出最优的资产配置和投资组合,并进行实时监测、仓位调整和不断的再平衡。商业银行理财业务不断优化智能投顾的技术,進行定制化的资产配置决策,实现智能投顾“千人千面”的目标。
优化产品设计,强化大类资产配置属性。智能投顾作为风险与收益相匹配的标准化资产配置服务,在银行理财业务净值化转型中,将会越来越被金融机构及投资者所接受。商业银行应当优化智能投顾产品设计,增加投资标的和资产多元化,加强大类资产配置和实时调仓的投顾能力。在大类资产配置的应用方面,银行可以通过建立动态有效前沿配置掌握资产相关度、收益风险比等信息,运用决策树、支持向量机、集成分析、逻辑回归等方式进行机器学习及统计分析,根据底层资产进行大类资产配置。另一方面,通过与其他金融机构合作,通过建立FOF/MOM的模式,分散风险、提高收益,增强客户粘性并获取新客户。另外,银行要注重选拔和培育大类资产配置、数据和技术方面的复合型人才,为智能投顾推动理财业务转型提供人力支持。
理清智能投顾监管政策,做好风险防范工作。商业银行智能投顾业务应当紧密结合监管部门具体政策,在风险识别、防范、提示以及投资者适当性等方面,严格进行风险管理。智能投顾作为金融与科技的产物,除传统金融风险特征外,还存在技术风险以及信息安全风险。银行智能投顾业务在对传统金融风险管理同时,应当加强金融科技特有的风险管理内容。第一,科学设计算法模型,确保业务与算法模型及系统功能保持一致,建立定期调整及评估机制,避免造成的网络内部风险。第二,优化并加强技术应用,避免因病毒或黑客入侵、网络异常或瘫痪、交易延迟或错误而造成的网络外部风险;第三,加强信息安全管理,避免投资者个人财务及状况等信息的泄露,同时也要避免在投资、交易过程中对于资产配置、底层标的信息的泄露。第四,提高智能投顾中的信息披露,保障投资者知情权和信息透明度。第五,通过相关媒体、平台及工具进行金融风险知识宣传,加强投资者教育,防范风险于未然的同时转变以往的投资理念,为银行理财业务净值化转型中做好充分准备。
(本文为作者的学术思考,不代表所在单位观点。)
(作者单位:中国民生银行总行评审部、清华大学经济管理学院)