深度長文： 你以為是一個阿爾法，其實是一隻狗！智能投顧困局

導讀：AlphaGo（阿爾法狗）橫掃全球頂尖棋手，然後在世人的驚嘆聲中功成身退。但這已經是舊聞。真正的新聞是這條：李嘉誠先生熱情觀看AlphaGo與柯潔等棋手對弈，並在比賽後作為早期投資人之一接見Deep Mind團隊，了解人工智慧技術發展。報道稱: "李先生聽課很激動，數度站起來，害得兩創辦人也連忙禮貌地陪站。"

莫非李先生要買條AlphaGo回家下棋？但投資幾十億應該不是只用來閒情逸緻。略懂現代金融理論的讀者都應該知道證券投資的額外收益率可以看做兩部分之和，第一部分是和整個市場無關的，叫阿爾法（Alpha)，也是對沖基金夢寐以求超越大盤的回報。如果這麼聰明能幹的AlphaGo投身到金錢（股，債，匯，商品，衍生市場）的汪洋大海中，會是什麼結局？

很多智能投顧公司已經開始利用AlphaGo來宣傳：智能投資時代到來了！但智能投顧能像AlphaGo一樣可以橫掃頂級基金經理帶來超常並穩定的收益嗎？如果都號稱自己是AlphaGo，該選那條狗狗？智能投顧聽上去好像蠻高科技的，怎麼感覺還不如所謂的互聯網金融火？這一回我們聊聊智能投顧。

在美國有比較成熟的投資顧問行業。從業者大多需要通過資格考試或更高級的認證（CFA）。這些理財顧問散落在各大私人銀行，金融機構甚至自己成立的理財顧問公司中，服務數以百萬計的高凈值客戶。最理想的投資顧問要充分了解客戶的個人背景，社會關係，財務狀況，長短期財務目標等。然後根據得到的信息進行綜合分析，提出建議並進行資產配置操作。最普通的投資建議是推薦股票或基金，配置那些大類資產（比如黃金，房產，外匯等）。服務更到位的顧問常常要和客戶幾乎親如一家，不僅是金融服務，甚至國際旅行，子女教育等等都會涉足。

投資顧問的收費，大多是交易總額的一個比例（比如1%) 或從銷售的基金費用中扣除（也是按投資額百分比，但大多不透明）。投顧服務雖然在起步晚，在各大銀行也已經常見。如果你的資產凈值很高，銀行職員通常會親切地幫你分析推薦各種理財產品，什麼「日日盈, 月月漲，年年發」；高端些的客戶當然有更悅耳的名字比如 「中銀智薈，東方之珠，家業常青」等等。

前一陣民生銀行航天橋支行行長被曝涉嫌偽造理財事件基本就是這一大背景下的小悲劇。傳統投資顧問給客戶提供理財信息和建議，收費天經地義。那麼智能投顧幹什麼？難道真能變成AlphaGo橫掃各大投行基金，聽上去還真有點小激動！

智能投顧或機器人投顧（Robo-advisory）的概念出現很早，Wealthfront並非第一家用這個理念從事商業活動的公司。但大多數智投公司都以Wealthfront(財富前線)為標杆。市面上流行的對智投的特點分析幾乎就是按照Wealthfront量身定製，比如透明度高，費率低，投資廣，個性定製，執行紀律強等特點。Wealthfront也是我們分析過後認為模式最清晰, 執行最徹底的一家智投公司。

透明度高。一家智投公司依據什麼金融學原理進行投資建議和操作？Wealthfront的官網不僅提到了馬科維茨資產組合理論(Modern Portfolio Theory, MPT)，並且給出了關鍵的資產關聯繫數（每月更新），和Black Littleman回報估算模型等。簡單介紹下這個經典（1952）的馬科維茨資產組合理論。

這個理論建立在幾個基本假設上：1）資產大類分配比資產大類內選擇更重要，比如資產分配到股票，債券和黃金上比在股票內選擇哪一隻股更重要。因為每種資產有它自身的波動和回報規律，單一資產容易受到衝擊，但如果分散投資到多個大類資產上會降低整個組合的波動；2）每個投資人對風險偏好不同（可以量化成最高接受的投資回撤或虧損），但基於固定的風險偏好上會尋求最大收益；3）每個資產大類的平均回報和波動可以估計。如果我們接受這個理論並把關鍵參數量化，那麼一個非常簡單的最優化求解就可得出對於任何一個投資者的資產應該如何分配到各類資產中。

比如我們上面給出這個簡化例子：三類資產，股票，債券和黃金。每類資產的平均回報(R)，波動(σ)以及三類資產的關聯度(correlation)都給定。那麼任意一個優投資組合的總回報和波動就可以用已知參數表達出來，然後用最優化求解。在控制最小組合波動情況下獲得最高的回報。這種最優化的結果就可以按照每個不同人的風險偏好勾勒出不同的資產組合點。連接這些點就形成一個最優投資曲線（Efficient Frontier）。按我們給出參數，一個能接受年虧損10%的人的最優投資組合就是60%股票投資，20%債券投資，20%黃金投資(圖中C點)。

MPT並非完美，在其後幾十年中加入很多修正甚至提出新模型。比如號稱智投2.0的Hedageable，宣稱採用William Sharpe（也是諾獎得主，Sharpe Ratio的創立者）1988年提出的CPPI模型。但從運行效率等因素綜合考量，MPT仍然是各大智能投顧公司的首選。比如自稱第一家智投的藍海智投，在其投資理念中就首提MPT: "「多元化是投資中唯一的免費午餐」 。在現代投資組合理論中，對於任何一個風險水平，都可以找到一個收益最高的投資組合"。另一家拿鐵智投是這樣介紹: 「將獲得諾貝爾經濟學獎的馬克維茨理論與專家經驗結合， 一分鐘定製專屬投資組合」。

費率低。Wealthfront的大類資產全部使用被動型低費率的ETF, 並率先在行業內把費率調低到0.25%，無論投資額度，單一費率且無任何隱藏費用。相比之下，傳統投資顧問費率基本在1.5-2%之間，Wealthfront降到傳統費率的1/6到1/8！對於偏好短期賭博投資人也許不能理解這不到一年2%的費率差意味著什麼。其實如果費率（或廣義講交易成本）降低，長期持有型投資而言其實回報巨大（因為複利原因）。

在真實的投資顧問行為中表面看基金費率在競爭中已經不斷下降，但因為投資顧問的收益往往來自推薦基金的某種費率，所以利益關聯的結果是即使客戶不需要某些高收費的基金，投資顧問也會不自覺的推薦。這種行為和醫生推薦無用的X光檢查，開高價葯的原理別無二致。學術文章中這樣的證明不勝枚舉。比如Mullainathan等人在一篇2012年NBER文章中在大波士頓區對284名隨機抽選的投資顧問進行神秘顧客訪問。這些由審計員假扮的客戶得到了很多偏離MPT或其它投資理論的建議。最嚴重的是即使一些「客戶」提出要分散投資在低費率的基金上，他們的投資顧問還是極力推薦高費率的主動性基金！

執行紀律強。Wealth front是我們發現到目前為止幾乎唯一一家把"自動化"投顧（從風險評估，到建立投資組合， 動態監控，動態調倉直到報表和退出等行為）堅持到底的智投公司。其它很多公司就在不同時間節點或步驟上加入人工干預。雖然從顧客心理上或者獲客推廣上有益，但從嚴格執行既定策略看卻有所偏離。在2014年一次CNBC的電視採訪中，主持人問時任Wealthfront的CEO：「如果客戶習慣和「人」交談，你們有熱線電話嗎？」 回答：」我們就是一家出售方便的軟體公司。我們的目標就是讓客戶不給我們打電話！「

Wealthfront模式在2014/15年取得了巨大成功，公司打理的總資產衝過10億美元大關。其教科書搬的破壞性創新引起了媒體的極大關注。據我們不完全統計，Wealthfront在2015年登上幾乎全部主流商業媒體的頭條（Bloomberg, CNBC, Forbes, WSJ...)！其擊穿傳統理財流程與費用的效果也引起學界注意，AER和NBER文章中就是用智能投顧（嚴格說就是以Wealthfront)為例。這樣火爆的模式，不可能沒有模仿者。那麼這種智投模式移植到是怎樣的畫面？

首先，大中華地區的所謂智投公司極少適度公開其依據的金融學原理和關鍵參數。除了拿出馬克維茨理論這個名字之外讀者一無所知！其實這種不透明對保護商業秘密而言幫助不大。比如Wealthfront詳細介紹了他們的方法論和一些關鍵參數。但在它們的Tax Alpha (終於看到阿爾法！）中提到他們會用「更獨特的股票替換技術來動態調倉以便合法地節省稅費」但並未披露更多細節。

所以我們認為即使公開關鍵參數和指標並不會完全透露一個智投公司的商業機密。而披露不透明更可怕的結果是淪為公司操控的黑箱，在選擇投資標等這些關鍵環節上下其手！比如選擇費率偏高的基金，比如選擇自己公司的基金等。招商銀行推出的摩羯智投較早且影響大，有細心的知乎回答已發現摩羯智投雖然在介紹環節說考量晨星（Morningstar)評級, 但仍有無晨星評級的基金入選！

不披露關鍵的金融理論和模型依據甚至出現鬧劇。比如一家叫資配易的智投公司。在我們回答完風險評估問題后（意味著風險偏好確定），APP給出的預估回報超高，保守型投資竟然超過10%！ 但當我們選擇回退重新讓APP推薦時，居然發現即使我們風險偏好一致，其推薦的投資組合和預期回報竟然次次不同，相差極大！天啊擼，我們這是在打遊戲嗎？為確保公正，我們特意錄下測試視頻 (資配易測試視頻)。

市面上常見的智投公司很多會在推薦投資組合建議后給出過往業績表現，也就是基準回報。比如股票型基金一般要選大盤指數（滬深300或者SP500等）。可我們翻閱了市面上最常見的幾家智投公司，結果大跌眼鏡。比如摩羯智投畫出一條基準線，但不註明是什麼基準；上周六提到香港的有魚智投也只給推薦組合的歷史回報，但根本不提供基準回報。再比如藍海智投，其推薦的投資組合是70%的股票，但選用的基準卻是80%的債券！金融學基本知識告訴我們：股票是相比債券更高風險高回報的投資標的。所以如果只看投資回報（尤其長期），股票作為大類資產一定超過債券。

所以藍海偷換概念，明明組合中股票佔比大但去和風險低回報低的債券比(藍海智投測試視頻)！ 另外一家拿鐵智投也是有樣學樣，推薦的投資組合明明是36%高風險股票類投資卻和一個債券基金指數比較(拿鐵智投測試視頻)。考慮到國內投資大環境，投資人要求短期無風險或低風險但高回報, 畢竟餘額寶/P2P能提供的幾乎零風險的回報率已經很高.如果智投的組合回報還有很大風險（大多包括股票類，在以千股跌停大盤熔斷馳名的大A股），如果連所謂的歷史回報都不高，無論如何吸引不了客戶。

就回報而言，如果是選擇大類資產進行分散投資，其實最近2年的回報幾乎可以預測頂部。我們自行對Wealthfront做過多次模擬投資組合（不同風險偏好）。可能因為美股大盤這幾年漲勢喜人，所以無論我們怎麼變化風險偏好，只要投資有分散，那麼歷史回報從未超過大盤（SP500)。最諷刺的是當我們準備撰寫這篇公眾號文章並重新去Wealthfront查詢歷史回報時，竟發現Wealthfront估計也承受不了回報總是低於大盤的形象，竟然取消了模擬組合歷史回報這一功能！！！ 下圖已經是絕唱，以後不會再有。

國情特殊，從保護商業秘密或營銷手段看，上面2個吐槽我們仔細想想還勉強可以接受；而透明度上看最讓我們難以接受的是費率！！! 市面最常見的幾家智能投顧公司對費率都語焉不詳。有的甚至說「免費」！ 比如我們上次發文提到的有魚智投，其用戶界面我們認為是最有互聯網味道的，流動感極強，非常契合「有魚」這個名字 (有魚智投實測)。然而，公司對費率並沒有介紹，只是說除了主動型基金的各種前端和管理費率公司並無其它收費。那麼問題來了，羊毛最終出在羊身上（他們還不是平台，我們後面再深挖這一層）。

我們仔細查閱一下基金業的各種明規則和潛規則，大致搞懂一二。在基金分銷業務上，分銷商是可以和基金公司分成的。常見一種是像代銷一樣直接從申購費中提成。比如摩羯智投推薦的全球股票基金003629在天天基金網購買會收取0.27%銷售費，這還是打過一折之後，至於招行打不打折不得而知。從透明度上看，最好的一家是在北美上市的金融界推出的智能投顧（對，就叫智能投顧，居然沒有起個靚麗的名字）。

至少在關鍵演算法，基準業績和費率等關鍵問題上給出還算尚可的回答。不厚道的猜想，應該是在美國股市被做空和集體訴訟教育的結果吧。我們以上關於信息披露的吐槽絕非吹毛求疵。不信，看看美國證監會(SEC)2017年的工作要點，智投公司披露問題（包括原理，演算法，收費等）會逐漸成為監管關注的焦點。

創業艱辛， 我們上面的吐槽並非針對某家公司。嚴格講，信息披露/費率貓膩等問題在很多金融機構或非金融機構都存在。智投公司最多扣些費用，推薦一些高風險基金，比起P2P理財跑路，機構拋出蘿蔔章無法兌付已經強太多。我們要說的是，即使智投公司（無論還是美國）信息披露嚴格/到各個監管機構滿意的程度，它們的命運仍然成疑！ 反諷的是，也許只有在監管鬆弛下智投公司或許能利用監管套利，而強監管后其命運可能會更悲慘，這是模式之殤，而非戰之罪。何解？

我們先以Wealthfront為例。2016年某知名博主曝Wealthfront獲客成本過高（300-1000美元/每人), 而公司如果沒有任何其它收入，僅靠低服務費率很難維繫運營。Wealthfront反擊說獲客成本幾乎為零，因為他們沒有雇傭大批銷售人員，主要靠顧客口碑傳播（其實他們製作了很多社交網路風格強烈的廣告）。無論如何，成本是公司機密，我們無從得知。但我們用另一種方法推算，Wealthfront肯定是還無法盈利。我們的演算法是先查找LinkedIn（領英）上所有Wealthfront的僱員，大概150人左右。然後查找灣區的平均工資，以Wealthfront雇傭的程序員，分析師和產品設計師來看應該屬於偏高收入人群。

Wealthfront為提高自己的研發能力不惜請來很多名校金融系經濟系教授和博士。可想而知成本會更高。我們即使用這些職業的年薪中位數（Median)也大概年薪10萬美元/每人。所以即使是人力成本已經到至少1500萬美元。而公司的打理資產總額（上周最新數據）大致是60億美元。因為Wealthfront採用單一費率0.25%且無隱藏費用，計算結果是它的總收入最多只有1500萬美元（600000×0.0025）！其它成本支出如房租，資料庫，雲計算等等還沒有計算。對於高成長公司，虧損不可怕，可怕的是增長緩慢。但Wealthfront自2015大紅大紫后引來無數競爭者模仿者，其管理資產成長速度大大放緩。2016年底公司被迫更換CEO，2017年不斷推出新業務，網站畫風也大變。

再看智投公司。雖然披露不多，可以在宣傳和費率等問題上打擦邊球，但的智投公司並沒有像P2P一樣火爆。首先，投資者最求短期高回報，這一點只要是還理性一些的智投無法實現，畢竟不是對沖基金；其次，目前因為金融市場不平衡，無風險或低風險的投資機會也很多，比如餘額寶和陸金所等P2P公司。如上面介紹，智投公司真正的價值，無論怎樣神秘宣傳，正如Wealthfront在CNBC里說的大實話："方便而已！" 而多少人會為方便買單？我們從證券協會2015年基於5萬份有效問卷可以看出，投資者大都有不切實際的短期高回報期望，選擇基金時特別關注歷史回報而非整體平衡或策略，也不願為投資信息付費。

總之，單一的智投模式，尤其是對於初創企業，其獲客成本或者國內的流行詞叫「流量費」（即給各種流量提供者交買路錢，比如百度推廣）很高，如果在另一端無法對客戶高收費且服務本質上並沒有所謂的「病毒傳播性」，那麼這樣的商業模式在強監管的空間下更難生存！！！

一種是轉型到2B。比如國內一家早期的智投公司彌財，在採訪中透露被迫做出"痛苦的抉擇。據說藍海智投也是有這樣的轉型。我們在調研中也發現其實有一批針對B端客戶的金科公司，一開始就不衝到前線去面對客戶，而是以提供信息支持，投資方案分析甚至數字化為賣點對B端客戶服務。這樣的模式從生存來看非常有效，但要做大做強，如果議價能力有限（螞蟻金服的TECHFIN略有不同，因為其議價能力已經遠超一般的金融科技公司），成長空間也有限。

另一種就是向有生態體系的機構靠攏。目前無論中美，單單以市場份額論其實是證券公司的智投進展最好。原因一是獲客成本低，而更重要的是這樣的公司對智投有更多的戰略考慮，可以不過分計較單項業務收入。比如很多券商（Charles Schwab)不對其已有客戶的智投服務額外收費。

從商業模式上看，智能投顧的價值就被植入到其它業務線中，比如購買本券商的基金，比如增加用戶粘性，比如增加其它高利潤金融服務的機會（融資融券等）。我們更大膽的猜想是，如果智投這個概念（低風險分散長期投資）真的在被廣大客戶所接受，那麼在可能做到最好的還是幾家互聯網巨頭，比如螞蟻金服，在已有的客戶群，貨幣基金，定期債券基礎上加入大批可選的基金（目前財富號又起航，已經有大批基金入場），那麼水到渠成就可以推出智能投顧來幫用戶進行分散投資，增加粘性和其它交易。平台戰略也有很多文獻和有趣的話題，比如法律爭議（Amazon的平台反壟斷之謎）等，我們以後再談。

人工智慧作為新興技術，完全可以應用到量化交易中。頂級對沖基金最近幾年大大加強了對人工智慧的投入。比如Fortune和華爾街日報2016年底相繼報道世界排名第一的對沖基金橋水基金（Bridgewater Associates）就加大對人工智慧的投入並期望把存在人腦的各種演算法模型固化到量化模型中。

這些對沖基金歷史上已經雇傭大批藤校精英並在數據採集，模型提煉，硬體技術上不斷投入。這些對沖基金（或新基金）利用AI技術在金融市場操作將會如虎添翼。比如我們下周會介紹一款高盛入股，CNBC已經採用的人工智慧金融事件數據分析服務公司---KENSHO。他們用人工智慧方法(比如人工語言分析NLP)對採集的大數據進行自學習，可以發現很多被傳統金融分析忽略的交易機會。

這些機會，無論是ARBITRAGE還是各種市場偏差，都可以被對沖基金抓住機會獲利。也就是說阿爾法狗理論上絕對可以在金融市場上獲得Alpha，成為名副其實的阿爾法狗！

問題在於，這樣的阿爾法狗會不會像Weathfront或其它智投公司一樣對海量的中產以下客戶推廣呢？目前已經有些社交化投資平台（比如Quantopian寬客邦或的果仁網，微量網等)上一些個人或小型基金利用AI進行量化交易。

如果業績好，他們可以通過平台募資或出售服務進行跟單交易。但這樣的機會能夠擴展多大（比如必須是合格投資人才可以投資，比如如何確保演算法在基金擴大后持續盈利）目前還沒看出苗頭。我們對Quantopian寬客邦的案例分析發現，這些平台上的演算法開發者會面臨一個抉擇：如果其演算法足夠強壯且適應範圍廣，那麼理性的選擇自然是成立自己的基金併到花街（或李嘉誠）募資放大利潤。比如當年紅極一時的LONG TERM CAPITAL。

而動態平衡的結果是這些平台極有可能成為半專業交易員或小基金的跳板。如果這樣，那我們也無法寄希望從更扁平化的平台上發現超級AlphaGo，因為它已經被李嘉誠先生請走或在尋找李先生的路上！

智能投顧，浪潮洶湧；AlphaGo橫掃棋手，推波助瀾。但大潮之下，看清這個模式的學術，技術與運營之根本，可以非常清晰地預見它的未來。

東哥， 借用你的闢謠貼。 你以為坐在他懷裡的靚妹是他女兒？錯！其實是他老婆！你以為站後面那男人是他岳父？錯！其實是他哥們兒！

智能投顧，無論哪一家，會給我們各種錯覺。你以為得到一個阿爾法，錯！其實它只是一隻狗！

2017下半年·投資策略論壇

撲克財經，年中巨獻

詳情請查看下圖，即刻報名！

▼