在中国，智能投顾行业是否能解决行业痛点？其发展逻辑能否持续？商业银行如何布局、需要面对哪些风险？这些都是亟待了解的问题。
文：车宁，央行观察专栏特约作家，金融科技资浅从业人员、互联网法律菜鸟、非专业极客、新经济形态的长期围观者，在新旧媒体刊有文章多篇。
正文
乘着人工智能的东风，早先曾遭遇高开低走尴尬的智能投顾行业正在迎来自己的第二春：2016年7月，平安证券推出智能财富顾问系统；8月，积木盒子成立璇玑智投；10月，华泰证券收购美国TAMP金融科技公司AssetMark；11月，浦发银行上线“财智机器人”；12月，银行系智投明星平台——招商银行“摩羯智投”面世；2017年5月，兴业银行也在手机APP上线智能投顾，其他银行的类似项目也在抓紧预研。与金融科技领域大多数业态类似，智能投顾也是西风东渐的产物，在其发祥地美国，除了为客户降低投资门槛，提升交易透明度，获取长期稳健回报外，也为机构带来了降低人工成本，提升决策和交易效率等红利，这构成其蓬勃发展的坚实基础。在中国，智能投顾行业是否能解决行业痛点？其发展逻辑能否持续？商业银行如何布局、需要面对哪些风险？这些都是亟待了解的问题。
商业银行财富管理的行业痛点
机构自身方面：宏观上，作为顺周期行业，在实体经济发展进入L型探底通道后，银行业净利润也进入个位数时代，这既意味着之前资本粗放堆砌的发展模式不可继续，也意味着需要革新收入结构，开拓中间业务利润新增长点；同时，在利润市场化和流动性趋紧的交叉影响下，银行频繁遭遇资金荒和（或）资产荒，对其投资、产品设计和销售能力构成严峻挑战。微观上，过去银行定位于销售渠道，其盈利模式在于迎合客户喜好促成交易赚取佣金，客户经理还要受到考核指挥棒的导引，这种模式下机构利益重于客户利益，导致短期行为大量出现；另外，从具体业务开展看，一方面一线客户经理在薪水没有增长预期甚至降薪的情况下还要疲于奔命地应对超量客户，离职、转职情况增多，另一方面对客户经理的专业培养也需银行投入高额成本，与其带来的收入增长却不匹配，这反过来又恶化了基层的销售力量。
市场客户方面：既是由于三十年改革开放经济发展成就的瓜熟蒂落，也由于2008年金融危机后的货币超发，中国中产阶层不断壮大，财富迅速增长，但购买力却也不断缩水，而在此时兴起的互联网金融-金融科技行业又携商业模式改造和科技创新对中产人群进行了财富启蒙，使其不甘于与父辈一样仅靠存款获取利息，不过，现今国内投资者的财富管理知识仍处在初级阶段，表现为过于追求单一产品短期超额回报，忽视财富长期稳健增长，不利于财富管理市场健康生态的形成，这也是行业另一痛点所在。
智能投顾行业逻辑的传说与现实
从国内外行业实践来看，智能投顾（Robo-Advisor）一般是利用大数据分析、机器学习、量化金融模型等金融科技手段代替传统的人工分析和处理，基于对客户的收益预期、投资与风险偏好的界定，为客户提供投资决策支持，并根据市场动态持续跟踪和调整资产配置，有效防控风险，协助其实现大类资产分散布局、主动被动投资策略有效结合的定制化投资顾问服务。从流程上看，主要包括基于信息收集分析客户行为偏好，分析选择投资组合配置大类资产，根据市场动态持续平衡资产分布，识别防控风险直至择时退出获利。从本质上讲，智能投顾既是产品设计端的革命，也是销售端、购买端的革命，是对财富管理市场各方行为习惯的改造。
——智能投顾是财富管理，不是短期投资：智能投顾基于马科维茨有效投资理论，致力于财富的长期稳健增值获取β收益，而非关注在单一市场通过短期投资获取α收益，这也决定了其在投资标的上更偏好标准资产而非非标资产。
——智能投顾还在演化，模式尚未定型：根据人与机器的关系，主要分为基于算法模型等的机器主导型、线上线下结合的人机配合型以及由明星投资人主导、机器仅起到工具作用的以人主导型；根据资产配置的类型水平，还可以分为以FOF为代表的资产配置型和经典意义上关注多元大类资产配置的策略配置型。需要强调的是，考虑到智能投顾获取长期收益的定位，仅依靠短期市场表现对不同模式进行评判是不准确的。
——智能投顾定位于买方投顾，而非卖方销售：如前所述，过去银行等财富管理市场销售渠道满足于卖方销售的定位，靠一茬茬“割韭菜”的短期行为赚取佣金，对客户长期利益、银行自身能力乃至市场生态均造成了消极影响。智能投顾则定位于买方投顾，关注客户资产增值，培养长时间合作关系，以自身有效服务持续获取收入，与客户共同发展。
——智能投顾是多方共赢，摈弃零和博弈：对银行来说，通过智能投顾的使用可以整合上游产品-服务供应商和下游投资者，带来持续的客户流量和稳定的收入来源；对客户来说，可以藉此获取财富长期增值，避免短期行为带来的投资损失；对市场来说，扬弃过去“机构赚钱、客户赔钱”的不良模式，通过客户投资行为矫治实现向客户利益的倾斜，有利于打造可持续发展的市场生态。
不同类型银行智能投顾的介入路径
对大型银行和全国性股份制银行来说，其优势在于客户广、数据全、渠道成熟、客户把握能力较强、技术能力相对雄厚；劣势则在于内部沟通成本高、决策链条长、模式转型所涉及部门条线间、机构员工间利益平衡困难、尖端技术储备不足，因此其策略应主要立足于多元化活客：一是毫不动摇地继续推进数据治理工作，加强人工智能应用研究，打铁还需自身硬；二是拥抱互联网思维，取长补短，引入合作伙伴工作开拓智投市场；三是根据行内实际开发线上线下结合、人机协同的智能投顾系统，激活线下销售优势；四是可以根据市场形势，先行先试探索主题投资策略、社交投资等新兴玩法，培养潜力客户。
对城商行、农商行和新兴民营银行来说，其优势在于机制灵活，可以根据市场动态灵活调整策略，在特定领域也可以形成对大中型银行的比较优势，尖端技术人才聚集能力较强；劣势则在在于受资金、网点和牌照等硬约束，获客尤其是线下方面挑战不容忽视，因此其策略应主要立足于低成本获客：一是利用金融科技实现局部领域的弯道超车，从建设之初就注意系统的分布式、开放性布局和数据的有效性，为智能投顾等前沿产品接入打下基础；二是引入合作伙伴，与大中型银行相比，因为没有历史包袱的拘束，其更可能获得合作伙伴的全力支持，产品部署也更全面、系统；三是发挥自身背景资源优势，浸入场景，形成产品间的协同效应；四是多方位争取政策支持，通过沙盒监管、创新中心等机制的引入释放创新活力，也可以尝试组织行业自律协会，群策群力，为智能投顾发展提供良好的公共基础设施。
智能投顾当前需要关注的风险
毫无疑问，智能投顾定位于金融机构实现普惠金融服务的重要工具，契合现今行业发展趋势，有其生存的坚实土壤，从大趋势上判断，其落地生根是一定的，只是其表现形式还有待发育。但毋庸讳言，其也存在部分风险，需要行业关注者正视：
——基础理论方面，马科维茨有效投资理论尚未在不成熟（不完全）市场机制下经过大规模客户群体校验，其有效性仍只停留于理论自洽。
——算法模型方面，虽然各家机构标榜有不同算法眼花缭乱的应用，但考察其背后基础理论却基本相同且处于应用初期，不难想象有可能引发“一致行动人”现象导致策略失效。
——数据应用方面，可持续、多角度、高质量、完备的客户数据难以获取，“数据孤岛”的现象客观存在，难以形成精准客户画像，目前仍主要依靠调查问卷。
——投资标的方面，产品类型不完备，定价不准确，信息不完全透明，市场手段机制也尚不健全，非标资产大行其道，可能影响智能投顾的发挥。
——客户教育方面，在割韭菜+刚性兑付的市场环境下，客户追求短期利益的行为习惯一时还难以纠正，智能投顾很难避免被短期收益的有色眼镜所评判。
——监管法律方面，监管在行业管理的关键细节领域并不明朗，法律法规也不完备，在大数据风控尚未成熟的情况下投资顾问、产品销售、资产管理牌照分开管理的模式可能会诱发局部风险事件的出现。
.
