機器人投資顧問(robo-advisors,以下簡稱“機器人投顧”)出現的頻次正越來越密集。
近期,《福布斯》雜志報道稱,也許沒有哪一個金融科技子領域能夠像機器人投顧一樣,吸引到如此多機構和散戶的興趣;7月29日開幕的2016第二屆中國智慧城市國際博覽會里,以機器人投顧為代表的智慧金融成為展會熱點;7月30日,銀監會上海監管局局長廖岷在第六屆互聯網金融外灘峰會上發布上海新金融研究院的課題報告時,對機器人投顧所在的金融科技領域給予了鼓勵和肯定,稱“科技金融應更好地支持科創企業。”
沃頓商學院對金融科技給出的臨時定義是用技術改進金融體系效率的經濟行業。多數業內人士認為,歸根到底,金融科技的立足點還是在科技二字上。隨著機器人投顧越來越頻繁出現在大眾面前,也不禁讓人們產生好奇,機器人投顧到底使用了哪些金融科技改進了金融體系效率,使它得到越來越多的認可并迅猛發展?
以量化模型為基礎的相關科技
機器人投顧通過量化算法為用戶推薦適合其風險偏好的投資組合。量化算法離不開各種量化模型。
全球機器人投顧的標桿平臺Wealthfront,就使用了均值-方差最優化(MVO,Mean-Variance Optimization)模型,作為其現代投資組合理論的基礎。這一由諾貝爾經濟學獎獲得者馬科維茨于1952年提出的模型,通過找出“有效邊界”,決定最佳的資產組合。有效邊界代表每級風險水平下具有最高回報的投資組合。每個投資組合的構建都是通過在給定風險水平下(用方差衡量)最大化預期收益產生或給定預期收益下最小化風險進行的。
在國內,量化模型也是機器人投顧平臺的資產優化配置“利器”。一站式全球資產配置平臺聚愛財,就自動研發了50余個自動化資產配置模型,從多個維度為用戶甄選股票、基金、期權、期貨、固定收益類等金融資產。其參考基礎除了MVO模型,還有B-L模型、Risk Parity模型、投資時鐘模型等接受過實踐反復檢驗的量化模型。
自動分析和學習能力的相關科技
聚愛財CEO任衡介紹,聚愛財可以通過投資者的實際投資習慣,進行自動的個人資產、風險偏好、理財目標等方面的分析,并在此基礎上自動學習,進而自動配置出更適合該投資者的資產組合。
這種分析和學習的結果,因參與主體是機器人,不僅會更加精準,而且能徹底擺脫人工投顧在情緒化、專業能力、執行能力、道德風險等方面上的限制。同時帶來的客觀性和和透明度也更易受投資者信賴——在國內投資者普遍只相信自己的大環境下顯得尤其重要。
分析和學習的主體是機器人,也讓機器人投顧能同時滿足更大數量投資者的個性化需求,并降低個性化投資的投資成本。全球智能投顧領頭羊Betterment的CEO Jon Stein曾介紹,美國大部分退休人員都在參與一種定投性退休金投資計劃,然而,雖然約有83%的投資計劃參與者需要專業投資顧問服務,但由于投顧價格很貴等因素,只有少量的大眾客戶(大約0.2%)有獲得可信的、優質的委托顧問服務的機會。機器人投顧解決了這一難題,其優越的自動分析和學習能力,不僅能大大降低投資成本,還能在投顧專業人員數量有限的情況下,幾乎無限地擴大所服務投資者的數量。
在機器人投顧領域,更能讓人深刻感受到“科技是第一生產力”。誰掌握的金融科技更能降低投資成本、提高投資服務,誰就更有發展前景。根據麥肯錫的數據,2015年,全球投入“金融科技”領域的資金高達191億美元,是2011年的近8倍。過去5年,超過400億美元的資金流入這個領域。在強勢資本的支持下,全球已有超過2000家的金融科技公司。未來,隨著科技和資本互相的良性促進和轉化,機器人投顧使用的金融科技將更精彩、更豐富。
(新聞稿 2016-08-09)