“AI+云计算”助力下的传统金融机构智能投顾探究

2021-04-30 03:46杨桂苓
时代金融 2021年9期
关键词:改进建议存在问题

杨桂苓

摘要:由于体量巨大的客户资源和金融数据资源,传统(银行业)金融机构智能投顾具有重要应用价值。本文采用因子分析综合评价法对招商银行摩羯智投、工商银行AI投、Betterment、Wealthfront等国内外智能投顾平台进行了比较研究,以此探究在“AI+云计算”助力下的传统金融机构智能投顾。分析结果显示,AI投和摩羯智投与国外智能投顾相比较,在客户画像、投资组合的标的资产及产品服务对象和服务方式的定位等方面存在差距,据此分析了传统金融机构智能投顾的应用中存在的若干问题并提出了相应的改进建议。

关键词:传统金融机构  智能投顾  因子分析综合评价  存在问题  改进建议

一、研究背景

智能投顾,原名为“Robo-Advisor”,是虚拟机器人根据客户本身的理财需求,通过一系列算法和产品来代替之前人工所提供的理财顾问的相关服务,故又称为“机器人理财”。美国首家智能投顾公司 Betterment于2008年在纽约成立,此后几年包括Wealthfront、Personal Capital等在内的一大批智能投顾公司相继出现。这些新兴的智能投顾公司的产品与服务成本低廉、基于网络、高度数字化,在客户细分领域主要吸引了年轻、千禧世代和新进投资者。美国智能投顾服务基本上包括三类:针对C端消费者,即智能“投”,面向公司外部个人客户;针对B端,即智能“顾”,面向内部的投资理财顾问、基金经理等机构投资者;此外,还有综合性服务,是同时为个人用户以及金融机构顾问群体提供智投服务,做到“投”“顾”兼顾①。典型的智能投顾商业模式及服务过程如下图②:

2015年前后,随着美国智能投顾的高速发展、国内投资顾问服务需求的不断增加以及人们对互联网理财的广泛接受,数字化投顾商业模式被引入中国,从互联网金融到比特币、区块链,金融科技顺势发展到一定程度,有超过50家企业机构开展智能投顾服务。

目前国内智能投顾主要由互联网公司、专业智能投顾公司以及银行、券商和基金三大传统金融机构组成,前者具有数据优势,后者具有客户优势。智能金融服务企业的智能投顾应用起步最早,在前期大都获得资金支持,对模型和算法有大量的投入,如蓝海智投、财鲸、璇玑、弥财等。互联网金融公司智能投顾产品大多是在线投顾的升级版,如帮你投、京东智投、百度股市通等,主要配置资产是国内各种类型的公募基金产品。

相较以上两种类型的智能投顾应用,传统金融机构虽然难以摆脱现有的模式,但是客户基础稳定、内部资源丰富,拥有众多可以查看的历史数据,以境内公募基金作为底层资产,面向全球,后发优势明显,以招商银行摩羯智投、工商銀行AI投、江苏银行的阿尔法智投、平安一账通、嘉实金贝塔、浦发银行财智机器人为主要代表。由于体量巨大的客户和金融数据资源,以摩羯智投、AI投为代表的传统(银行业)金融机构智能投顾具有比较重要的应用价值。

二、传统金融机构智能投顾应用的价值

(一)解决了个人投资者“怎么买”“买后怎么管”两大难题

智能投顾的应用首先解决了个人用户的“投”这一难题,即“怎么买”。以摩羯智投为例,只要你告知它大致的投资期限以及能够承受的风险级别,它就能告诉你购买哪些基金组合。其中,组合中的基金种类分别为固定收益类、现金及货币类、另类及其他类、股票类四类,风险依次增高,根据投资期限和风险级别的不同,分配不同的比例。若投资者能够承受的风险级别高,股票类比例就高一些;反之,固定收益类比例就高一些。不过目前摩羯智投和AI投及国内其他类型的智能投顾提供的几乎都是公募基金理财产品,一方面是因为目前市场上已有3000多只开放式基金可供选择,很容易搭配组合,另一方面基金产品相对来说比较标准化。其次,还解决了“买后怎么管”的问题。比如,投资者在买入一段时间后,其投资组合中的基金净值发生了变化,若与其投资期限及风险级别不再匹配,摩羯智投会通过每天运行百万次的计算,来帮投资者计算当前的组合是否需要调整,并定期给出组合优化建议,以此实现一键优化组合,动态调整组合中的基金产品。

(二)开展人+机器深度融合,促进了本土化创新

云计算、人工智能以及大数据等新技术的应用促进了金融行业的不断创新。如今,普通个人投资者利用数字化渠道来获取金融服务已经成为主流,而对于商业银行的大客户来说,智能投顾则扮演着辅助工具的角色。国内传统金融机构的智能投顾应用过程在融合了这种“人”的经验之后,使得这种起源于国外的投顾模式在国内有了全新的发展,与国外的“去人性化”有所不同,是一种本土化的创新。因此,如今大大小小的商业银行已经纷纷进入该领域探索发展,期望用智能投顾来弥补传统投顾业务的不足,这将成为中国理财市场的必然趋势。

(三)让普通投资者拥有实现真正分散化投资的策略技能

我国A 股市场博弈氛围很浓,理性投资缺失。单一类别资产的剧烈波动让大多数个人投资者难以承受,进行分散化投资以及资产配置不失为一种有效的方法,但普通投资者受专业知识和时间所限却较难以掌握。而以摩羯智投和AI投为代表的传统金融机构智能投顾就基本上解决了这个问题,它们用机器学习算法并融合商业银行多年的资产配置经验,为普通投资者提供一套一键式组合配置的工具,通过全球资产配置有效地分散了风险,并将组合波动控制在“目标—风险”范围之内。

(四)利用丰富的客户资源,精准把控客户财富目标

尽管包括摩羯智投、AI投、阿尔法智投等在内的商业银行智能投顾应用仍处于探索期,但它们都具备着同一个优势,即拥有大量的客户资源,金融数据丰富,可以更加精确地制作客户画像并进行资产配置。中国的智能投顾起步不久,迫切需要这些数据。而传统金融机构智能投顾则因为上述优势,在客户需求与财富目标的把控上更加准确,也更加适合客户。

但与美国的智能投顾相比,我国智能投顾行业整体上仍然处于摸索阶段,智能化程度低,推出的基本上都是半智能投顾产品。

三、国内外智能投顾平台因子分析综合评价

(一)量表的因子分析

表1给出了KMO和Bartlett的检验结果,其中,KMO的值为0.538,表示比较适合做因子分析;Bartlett球形度检验Sig值为0.000,小于显著水平0.05,因此拒绝原假设表示变量之间存在相关关系,适合做因子分析。

根据表2可知,只有前三个因子的特征值大于1,并且其特征值之和占总特征值的84.862%,即对所有指标数据的累积贡献率达到 84.862%,因此提取前三个因子作为主因子。

从图2可知,特征值斜率从第四个因子开始变得较为平稳,因此选择前三个因子作为主因子。

表3给出了旋转后的因子载荷值。通过因子旋转,各个因子有比较明确的使用情况含义:第一个主因子主要与上市时间、标的资产类别、标的资产类型及资产规模有关;第二个主因子主要与策略报告会、风险等级及人工投顾服务有关;第三个主因子主要与自动调仓、客户画像有关。

(二)主成分分析

主成分计算公式:

Z1=0.42X1+0.03X2+0.29X3+0.37X4+0.36X5-0.33X6+0.23X7+0.33X8+0.14X9+0.42X10

Z2=-0.11X1+0.63X2-0.22X3+0.26X4-0.02X5+0.32X6-0.15X7+0.06X8+0.58X9+0.10X10

Z3=0.02X1+0.14X2+0.37X3-0.24X4+0.18X5+0.30X6 +0.67X7-0.42X8+0.17X9-0.07X10

因为三个主因子对指标的累计贡献率达84.862%(见表2),反映了绝大部分样本的信息,因此可以其方差贡献率作为权重,通过加权平均来得到综合得分模型:

P=62.3%Z1+21.8%Z2+16%Z3

然后把每个平台的数据代入模型,得到总得分,最终根据总得分的排名如表7:

根据表7的因子分析综合评价的结果显示,摩羯智投和AI投总得分排名靠后,且国外智能投顾平台综合得分普遍高于国内各智能投顾平台。主要是因为帮你投、璇玑、摩羯智投和AI投等国内智能投顾平台与国外成熟的智能投顾相比较存在以下几个方面的差异:

1.产生背景不同,起步较晚。美国的Betterment的成立是由于2008年的美国金融危机全面爆发。国内智能投顾的应用总体上比起美国智能投顾的应用起步发展要晚许多,而包括摩羯智投在内的国内传统金融机构的智能投顾于2016年才出现,有一大部分原因是经济水平的增长、金融科技的发展以及社会对理财市场的需求,其资产管理规模也较小。

2.对于客户画像③的信息收集程度不同。美国的智能投顾对于客户画像除了调查问卷以外还包括客户行为的跟踪。国内传统金融机构智能投顾的客户画像往往基于对顾客调查问卷的填写,其中AI投和摩羯智投调查问卷只有两道问题,可以看出其客户画像单一,信息收集程度低。

3.投资产品组合的资产标的不同。国外的智能投顾投资标的是指数ETF(全球),投资组合除股票、债券外,还包括房地产、自然资源等资产,投资标的资产的产品种类和数量都相对丰富。而摩羯智投和AI投的投资组合中的资产标的,主要是以公募基金为主,且数量较少。

4.产品服务对象和服务方式的定位不同。美国的智能投顾可以分为2C、2B、综合性服务三类,投顾定位清晰,服务对象明确,比如Betterment侧重B端的“顾”,主要定位B2B2C,专注于投资管理和建议,针对大宗账户和个人退休账户,Wealthfront则定位于C端的“投”,注重财富管理,尤其在税收优化方面,主要针对20~30多岁的高科技专业人才。而摩羯智投和AI投尽管目前侧重于C端消费者的“投”,但投顾的界限也并不明确。

四、传统金融机构智能投顧存在的问题分析

(一)客户群体较笼统,智能投顾战略方向不明确

现阶段的传统金融机构主要是为个人客户提供智能“投”服务,但是针对财富顾问或者基金经理提供的智能“顾”服务没有一个明确的范围定义,投顾界定不清晰。实际上,C端的个人客户和B端的财富顾问或者基金经理所需要的投顾服务有所不同,个人客户的投资理论了解较少,最主要的需求是简单易懂的投资组合,为其带来高收益;而顾问或经理有着投顾的能力,主要需求是通过智能投顾帮客户更加高效、实时、准确地做出投资决策。所以,传统金融机构智能投顾应用的发展方向以及客户群体的确定还需要进一步明确和细化。

(二)智能“投”的资产标的产品种类单一,智能投顾概念重于实质

目前,在我国传统金融机构智能投顾给出的投资组合中,其资产标的均是公募基金,且大多为主动型,种类单一。而智能投顾的实现基于对细分产品的量化,国外智能投顾的投资组合主要是以ETF为主,截至2018年底,美国存量ETF基金1988只,资产规模约3.37万亿美元④。所以国内传统金融机构智能投顾的投资标的种类如果不能更加丰富,那么有效配置资产更无从谈起。总而言之,国内智能投顾未来的发展应注重实质性。

(三)智能投顾整体智能化程度较低

我们通过常见金融产品的投资经验可以很清楚地知道,不同的投资需求和不同的应用场景,需要不同的投资组合与投资方案,从而做到“千人千面”。但目前国内传统金融机构智能投顾在客户画像的调查上,过于简单化、静态化,场景单一,所以体现出的智能化和自动化程度也较低。同时,国内智能投顾发展时间比较短,数据的累计上还存在问题,技术的发展也不足。因此,传统金融机构智能投顾的智能化发展还需要时间的沉淀和技术的进步以及经验的积累。

(四)大数据大而不“精”

人工智能的发展80%的功劳归于数据的丰富积累,20%则归于算法的不断提升。在金融行业里,数据是很容易标签化的,这也正是人工智能可以在金融领域发展的一个重要原因。从数据的积累上来说,尽管国内传统金融机构智能投顾所获得的数据量比较大,但是维度上还很单一,不“精”。因为智能投顾主要是通过客户画像和资产刻画,从而提供精准的投资服务。而国内传统金融机构的智能投顾发展在数据整合上仍然不是很完善,因为我国的数据整合模式不成熟,缺乏大的平台型数据公司,也因此造成有价值的数据过于分散,接入成本高。这也给国内整体的智能投顾应用带来了巨大的挑战。

五、对传统金融机构智能投顾的改进建议

(一)明确战略定位,研发不同版本的智能投顾

传统金融机构应通过细分客户群体,明确智能“投”和智能“顾”的战略定位及相应的业务模式,针对不同的客户群体,提供不同的智能投顾应用版本,让客户们自主选择,做到智能“投”“顾”两者兼顾。由于我国传统金融机构的智能投顾的客户群体通常分为三类:缺乏投资顾问的普通个人客户、有一定资产做过理财的大众群体以及金融机构内部的资深顾问经理等。因此,可以设置三个版本的智能投顾,包括普通版、进阶版和专业版。不同的版本针对不同的人群,在产品组合、风险设置等方面都有所不同。比如普通版通过金融学中所公认的科学投资方法,包括组合投资、资产配置等概念,引导投资者理性配置自己的资产。可以看出,这样的设置将更加全面和科学,可以更好地满足每一类客户群体的需求,实现资产配置的最优化和收益最大化。

(二)完善监管政策,加强市场培育,丰富投资标的

传统金融机构智能投顾市场的稳定发展,除了需要各个智能投顾运营平台的数据积累以及技术进步外,还需要国家相关政策的不断完善,丰富传统金融机构智能投顾投资组合中的投资标的,从而推动我国理财市场和智能投顾市场的发展。目前,我国投资顾问与资产管理是分开的。根据相关法律规定,投资顾问只能提供投资建议,不可进行委托交易管理。这样的法律条例限制了我国智能投顾的投资标的种类的推荐范围,对于其发展较為不利。因此,建议中国人民银行和银保监会可以从宏观和微观两方面完善监管机制,明确准入条件,加强创新鼓励和引导,提升市场主体的积极性,以此解决智能投顾应用时良莠不齐的状况,从而促进市场规范有序地发展。当然,智能投顾运营平台也应该主动向监管部门提交平台交易行为指标报告,保证其行为合规合法,避免给投资者带来损失。

(三)AI+HI,人工智能为主,基金经理为辅

传统金融机构智能投顾的智能化程度较低,除了传统金融机构的技术短板外,还有一部分原因是数据的整理分析问题。因此,现阶段智能投顾中人的干预就显得十分重要。一方面,金融市场上的收益产生过程与方式往往需要通过人脑的思考、理解与创新,才能够将其架构成应有的模型。另一方面,在我国的传统投顾方式中,用户与投资顾问之间有更多的互动,其内容可以涉及房地产投资、子女教育规划等多方面的财富管理服务,所以对客户的调查更深入,投顾方案设计也更加准确。因此,从用户的角度出发,除了丰富投顾方案和产品组合以外,传统金融机构的智能投顾还需要在投顾过程中进行适当的人文关怀及跟踪询访,充分给予用户正确投资理念的引导。综上,就我国智能投顾刚起步的现状来说,以人工智能为主,以基金经理、财富顾问为辅的模式更适合当前的发展。

(四)技术+流量,优势互补,提高金融大数据的“精”度

传统金融机构智能投顾的发展有数据丰富的优势,但同样有技术上的劣势。虽然我国的传统金融机构中的大中型银行很早与BATJ等互联网金融企业进行合作,但还有一些缺乏硬性技术的中小银行尽管有进军智能投顾的想法和锐意创新的需求,但是却往往碍于其薄弱的技术能力和高昂的前期投入费用,很难推进类似的创新发展,因此它们可以与具有技术优势的互联网金融企业进行合作实现优势互补。另外,大型银行具有巨大的数据流量,但对风险很敏感,如果采取和大型互联网公司或平台相互赋能的形式让技术与数据流量充分结合,就可以最大程度地将传统金融机构的智能投顾这块蛋糕做大做“精”。

注释:

①本文关于“智能投顾”的界定参考《埃哲森:智能投顾在中国》,搜狐网,2018-6-19。

②来源:招商证券研究报告。

③客户画像,是指对于客户投资习惯和交易行为的信息收集和分析。

④民生证券基金专题研究:美国ETF发展及竞争格局,金融界,2019-06-18。

参考文献:

[1]李苗苗,王亮.智能投顾:优势、障碍与破解对策[J].南方金融,2017(12).

[2]赖莎,朱晓宁.我国智能投顾发展探究[J].现代商贸工业,2019(9).

[3]刘彬.智能投顾的发展之本与困难之源[J].中国银行业,2018(2).

[4]葛平.我国智能投顾发展中的法律问题和监管应对[J].华东政法大学硕士学位论文,2018.

[5]姜海燕,吴长凤.智能投顾的发展现状及监管建议[J].证券市场导报,2016(12).

[6]张舜涵.中国智能投顾业务平台案例分析和发展研究[J].全国流通经济2018(32).

[7]张立钧.中国智能投顾业蕴藏巨大潜力[J].清华金融评论,2016(10).

[8]范毓婷,郑子辉,王喻.智能投顾的现状与发展趋势[J].《信息通信技术与政策》,2019(6).

[9]周正.境内外智能投顾业务模式对比[J].银行家,2017(12).

[10]杨丽.中国智能投顾的发展现状及监管对策[J].《北方经贸》,2017(7).

[11]曾子凌.在智能投顾的蓝海里搁浅:Betterment的启示[N].未央网,2017-20-09.

[12]李劲松,刘勇.智能投顾开启财富管理新时代[M].机械工业出版社.北京(2018):90.

[13]埃哲森.智能投顾在中国[N].搜狐网,2018-6-19.

[14]民生证券研究院金融工程团队.美国ETF发展及竞争格局[N].金融界,2019-06-18.

[15]吴烨 叶林.智能投顾的本质及规制路径[J].法学杂志,2018(5).

作者单位:浙江经济职业技术学院

猜你喜欢
改进建议存在问题
初中数学高效课堂的创建策略
浅谈高校生物学专业遗传学课程的教学现状与改进策略