Wealthfront的首席投资官是大名鼎鼎的Burton Malkiel，Princeton的大学教授，《A Random Walk Down Wall Street》（书中文名是《漫步华尔街》，吐槽这个翻译）的作者，这本书基本代表了被动投资（Passive Investing）的投资哲学，即不能长期战胜市场，所以只应该集中精力在三件事情上：1、多样化分散投资；2、降低支付费用；3、降低税负（非401K部分投资在美国要交投资所得税）
这种投资技巧最先产生于比利时，是由一个叫Greg Van den Bergh的人最先采用的，随后在美国有长足的发展。从原理上是根据现代资产组合理论搭建一个数据模型，结合投资者风险偏好、财务状况与理财目标，通过后台算法为用户提供资产配置建议。这种技术最先产生于美国，主要有WealthFront、Betterment、Personal Capital，和大型金融巨头Blackrock、 Fidelity 和 Vanguard，在中国有蓝海财富等。
我们发现由于传统投顾市场规模是智能投顾的30-45x，在Price War Case下，市场总规模将在2021年损失较大。由于两者投资门槛差别大，降价后可由智能投顾转向传统投顾而来的客户数量有限。此时，即使智能投顾市场受到重击，集中度将提升，客户基础不牢的智能投顾公司将退出市场竞争。但是，这种博弈将为传统投顾市场规模带来了59 billion USD的损失，所以Price War Case并不可行。
回复 ( 10 )
最近“智能投顾”（Robo-Advisor）这个话题确实火得不得了，作为这个行业较早开始摸索实践的从业者（氪空间第四期项目“理财魔方”获1000万人民币天使轮融资，要做中国化的智能资产管理应用_36氪
不仅基金产品多，而且基金投资收益也都还不错
先看基金六个月业绩：过去24个半年里只有7次亏损；平均半年收益率8%；投资任意一只基金满半年正收益概率71.8%。
再看基金一年业绩：过去12年里只有两年亏损；平均年收益率19.2%；投资任意一只基金满一个自然年度正收益概率79.8%。
但基金投资者却往往是亏钱的
从基金赎回比例数据来看，投资者平均持基时间约为一个季度：
在投资用户踊跃申购之后的一个季度往往伴随着大幅亏损，说明投资用户在赔钱：
投资产品在挣钱，投资用户在赔钱！
投资产品在挣钱，投资用户在赔钱！
投资产品在挣钱，投资用户在赔钱！
基金行业发展得那么好，产品也很挣钱，为什么投资用户却是赔钱的？
上面这段话清晰地说明了投资收益中资产配置的重要性，而资产配置又是投资顾问的重要职能，中国理财市场里存在大量挣钱的金融产品，也有大量低学历的金融销售，但恰恰缺少大量优秀的投资顾问，缺少专业人才给投资用户做资产配置，这也是为什么中国大部分投资用户会赔钱。
缺少投资顾问是中国用户投资赔钱的最重要原因！
———分割线2———
什么是投资顾问：
既然投资顾问这么重要，在介绍智能投顾之前先让大家了解什么是投资顾问。在国内大家对投资顾问（Financial Advisor简称FA）可能都比较陌生或理解有偏差，但投资顾问在美国这样的金融发达国家是却比较常见（美国人民当了100多年的韭菜，到上世纪70年代左右最终认命自己打不过市场和机构，干脆把钱交给投资顾问管理）。准确定义投资顾问是干什么的，首先要了解一下发达金融体系里投资理财行业的分工。
发达的金融产业依靠的是专业化分工和规模效应，投资理财领域如下图存在“金融产品”和“投资顾问”两个层面的分工：
1)金融产品：
金融产品本质上是为大众或专业投资者提供基础的投资工具。公募基金就是最典型的标准化投资工具，举个栗子，如果你非常看好互联网行业，你就可以选择互联网投资方向的基金，而该基金专攻方向就是通过专业的调查研究，选择最有前景、价值被低估的互联网公司股票进行投资，并通过这种投资获得尽可能的收益；金融产品一般是不进行资产配置的，好比一个明确投资互联网行业的基金就不应该去投资钢铁行业的股票，否则就违背了大家申购这个基金的初衷（当然国内这种挂羊头卖狗肉的基金数量不少，韭菜身边到处是坑啊）。
2)投资顾问：
投资顾问是连接用户端和金融产品端的重要桥梁
投资顾问连接用户端——通过一系列细致深入的访谈了解用户的风险偏好
这里面的关键是用户有时候实际表达与他真实的风险偏好是有差异的。比如隔壁老王说他有30万要理财，目标是半年后能买辆劳斯莱斯，如果真的按照老王的意思直接给他组合资产，最后大概率是30万被完全亏掉，因为极高收益都是伴随的极大风险，但这其实并不是老王真正期待的的。所以判断客户真实的风险偏好需要理财顾问非常专业细致的沟通，而这种沟通成本往往是非常高的。
投资顾问连接产品端——根据不同用户的风险偏好定制的配置资产组合
但凡涉及“投资”，比“收益”本身更重要的事情，永远是“风险”。资产配置就是在风险确定的情况下，给出在该风险下最高收益率的投资组合方案。如果投资高比例的股票基金是为了在更高风险下追求高收益和高流动性，那么投资更多货币基金却是在低收益下获得高流动性和几乎无风险。如果只看收益不看风险，不管你的决策怎样，投资结果怎样，其性质都是感性的，或者说就是赌博，一个典型的例子就是风险不透明的P2P。资产配置有很多现成方法论，如：Markowitz Mean-Variance Model，Black–Litterman Model等等，当然实践使用中还需要根据实际情况调整一些参数，鉴于是科普就不在这里一一展开了。
总之，如果把金融行业类比餐营业的话，那么金融产品就好比是各种食材，按标准配料，类型丰富；而投资顾问则是厨子，选择并加工上好的食材，最后做成客人喜爱的大餐。人精力有限，术业也有专攻，想在两、三个领域同时做到顶尖水平几乎是不可能的，所以专业的事情还需要专业机构来承担。
———分割线3————
智能投顾
一般来讲智能投顾就是人工智能＋投资顾问的结合体，搞清楚上面什么是投资顾问后就应该好理解了。（当然金融领域类也有人工智能＋金融产品结合的方向，比如说量化投资Hedge Quant，下面也会有介绍）
与传统投资顾问一样智能投顾依然承担者用户和金融产品之前的桥梁作用，那么人工智能又是如何发挥这个桥梁作用的呢？
通过算法和模型定制风险资产组合
计算机的普及解决了几十年前金融统计计算效率的问题。几十年前不少大学还都没有计算机，一个简单的线性回归（linear regression）都需要几个研究生算几个小时，通过手工计算一个几十年序列收益均值的协方差矩阵，想想就要崩溃了，等算完了，估计投资机会也过去了。将计算机引入金融研究，极大的提高了金融的运行效率，大规模金融统计计算终于成为了现实。这几年也能看到不少机器学习如SVM、神经网络、甚至深度学习deep learning做股票预测的论文。所以金融投资拥抱计算机和智能算法过去就一直存在，人工智能与金融未来只会结合的更加紧密。
具体在资产配置这块应用，可以通过资产配置模型由计算机得出最优投资组合，也可以通过多因子风控模型更好更准确的把握前瞻性风险，还可以通过信号监控、量化手段制定择时策略。计算机的加入让资产配置做得更精准，也让投资决策变得更加理性。
通过大数据识别用户风险偏好
随着这几年互联网应用的增多和数据积累，我们可以看到类似亚马逊向我们推荐个性化的商品、netflix推荐个性化的影视节目、还有今日头条这样推荐个性化的新闻。同样在智能理财领域也是根据用户这块大数据识别用户的个性化的风险偏好，根据不同的风险偏好提供个性化的理财方案。
这样一个好处在于解决前面说的传统理财顾问通过沟通识别风险偏好的带来的高成本问题，羊毛出在羊身上，这种成本最终也会反映在用户的投资收益里面，降低这块的成本就是帮用户提升收益。
更厉害的地方在于这种风险偏好的识别可以实时动态计算，一般风险偏好会表现为恐惧和贪婪两个方面，而且并不是固定不变的，大部分人的风险偏好会随着市场涨跌、收入水平等因素的变化而波动。比如15年上半年牛市的时候很多人都进入了股票市场，这就是贪婪导致的风险偏好的提升，但到了15年下半年熊市的时候，大家的风险偏好因恐惧又开始下降。如果是理财顾问来做这件事情，得到结论可能会有一定的滞后性，另外带来额外的沟通成本也会增加不少。
总之因为客户收入、年龄、性别、心理特征的差异会产生不同的风险偏好和风险偏好变化轨迹，根据这样的特性智能理财就要做到千人千时千面。
因此识别智能投顾就有以下四个标准，离开这些标准说自己是智能投顾都是耍流氓：
1、通过大数据获得用户个性化的风险偏好及其变化规律
2、根据用户个性化的风险偏好结合算法模型定制个性化的资产配置方案
3、利用互联网对用户个性化的资产配置方案进行实时跟踪调整
4、不追求不顾风险的高收益，在用户可以承受的风险范围内实现收益最大化
当然大家也要理性的认识到，在智能理财领域计算机还无法完全替代人，在一些关键时刻还是需要人依靠专业经验来做决策，如果100%依赖计算机也会导致一些特殊风险的出现，所以在相当长的一段时间内智能理财也都会保持人工智能＋专业经验的状态。
我非常坚信智能投顾在中国有比美国更广阔的发展前景，看看电商，淘宝、京东加起来市场份额比amazon还大，为什么？因为中国线下零售太弱了，没有沃尔玛等那样的垄断机构成为竞争者。你再看看现在国内线下投顾市场是个什么水平，比中国零售当年还弱。如果你对中国智能投顾的未来有信心，欢迎大家加入一起为行业的未来奋斗！
———分割线4———
中美智能投顾的差异
说到智能投顾，不得不说美国的Wealthfront、Betterment、Future Advisor等
这些公司曾经也是我们的模仿对象，也是现在很多国内智能投顾公司号称的模仿对象。但经过我们一年的创业实践，通过长期大量用户数据的积累分析，我们认为如果完全模仿Wealthfront这样的美国公司，在中国必然没有前途。
国内还没有文章详细解读过Wealthfront，我先介绍一下吧。
Wealthfront的首席投资官是大名鼎鼎的Burton Malkiel，Princeton的大学教授，《A Random Walk Down Wall Street》（书中文名是《漫步华尔街》，吐槽这个翻译）的作者，这本书基本代表了被动投资（Passive Investing）的投资哲学，即不能长期战胜市场，所以只应该集中精力在三件事情上：1、多样化分散投资；2、降低支付费用；3、降低税负（非401K部分投资在美国要交投资所得税）
这个逻辑在于，既然长期战胜不了市场，那就干脆直接投资市场算了（投资指数ETF），而且要投资不同的相关性弱的ETF，当然中间也需要识别用户风险，根据风险定制资产配置方案，并且低频做rebalance。当然，如果大家都是这么做，那大家的收益和风险也就差不多，Wealthfront还有什么独特优势和市场价值？既然收益一样那就比费用呗，依托互联网的低人工费用，Wealthfront成功的把费用降到了0.25%，线下大量支付1.50%佣金的用户看了会怎么想，这意味着一年收益瞬间就可以提升1.25%的收益啊，要知道美国银行存款利率接近于零啊，立马大量的用户就被互联网抢过来了。
Wealthfront按照Burton Malkiel的投资哲学去执行，效果还不错，2011年底发展到现在，最新的AUM（Assets Under Management）是$3.52 billion，去年同期是$2 billion，发展速度还是挺快的。但是我说这个投资哲学只适用于美国，为什么呢？看图：
以S&P500指数为例，在Wealthfront发展的过去5年可以用收益高（年化收益9.3%，在美国同期存款和货币基金收益几乎为0%）波动小来形容，投资这种指数让客户赚得脸都笑歪了，能不成功吗？
但如果在中国投资指数并长期被动投资，结果会是这样：
与S&P500指数相比，沪深300过去5年是这样的，年化收益只有0.06%（余额宝最高的时候都有6%啊），而且一不小心买在了去年6月的最高点，资产直接缩水近50%，让中国用户像Wealthfront这样持续投资指数，公司玻璃就等着挨砖吧。
所以像美国智能投顾这样按被动投资法，在中国做指数投资，用户肯定拿不住。
所以我们现在结合一年多的实际经验，也引入了熟悉中国基金业的著名研究专家，潜心搞了大半年，终于找到了我们认为适合于中国市场的智能投顾之道。至于是什么，这个已经离题就不说了，以后会让大家知道！
———分割线5———
最近看到一些文章把一切计算机参与的金融活动都纳入到智能投顾的这个范畴，这样理解是有偏差的，下面说两个容易混淆的概念
1、量化投资(Hedge Quant)
量化投资大部分交易是由计算机完成，也使用各种模型算法，但主要只针对股票和商品的现货、期货、衍生品市场，并不涉及大类资产的配置，量化投资并不等同于智能投顾。
量化投资也有两大的分支：技术分析和无风险套利
技术分析也就是国内各种“大师”经常说的MACD、KDJ、二八轮动等，特点是能止损，但胜率低，收益要看天吃饭；
后者运用的金融工程里面的无套利定价原理，利用计算机强大的计算能力寻找市场上的无风险套利(Arbitrage)机会，所有Arbitrage的基础，就是在高度有效 (Efficient) 的市场中发现微小的失衡。这方面最著名的投资机构当属Jim Simons的Renaissance
Technologies，他的独门秘籍据说来自麻省理工等从事密码破译和语音识别的数理高手。国内做的比较不错的有申毅（此人去年对国家救市方法的质疑上过很多媒体的头条如何评价申毅在第一财经针对目前股市的言论和建议？ – 金融，有没有印象？），原高盛ETF部门的负责人，但在国内主要做私募，基金开放期非常短，门槛高非土豪投不了。
总之量化投资只能算是交易策略范畴，投资品类集中也会导致风险不够分散，就算是Jim Simons也有表现平平的时候业绩惨淡 量化巨擘“文艺复兴”关闭10亿美元基金。
现在有很多量化投资的金融产品为了营销也打着智能投顾的旗号，大家要注意识别。而智能投顾是把量化投资的对冲基金作为一个资产大类加入到整个资产配置之中。
2、P2P债权的风控识别(Credit Risk Analysis)
传统银行在贷款的时候会对贷款主体进行风险识别和控制，避免把钱带给信誉较差的带块主体导致坏账。当然传统银行更多的是靠人和流程来控制，P2P在这块的创新主要是运用了计算机算法，输入贷款主体的特征（如收入、职业、历史还款记录等），通过逻辑回归或者机器学习的方法，算出贷款主体未来按期还款的概率，提升了单一靠人贷款工作的效率。
可以看出来这种计算对贷款主体的风险识别虽然也大量运用了计算机和算法，但是他是为贷款机构服务的，并没有解决普通投资者的长期资产配置问题，只有智能但无投顾。所以你只要看到P2P平台说自己是智能投顾，那多半都是假的，小心被骗。
－－－－－－－－
第一次在知乎上写东西，真是好累。一口气写了这么多还是道不尽我对智能投顾行业的理解，以后会在知乎上多解答大家的问题
RA会不会是理财顾问的颠覆者？
刚弄懂阿尔法狗，智能投顾又是什么鬼？
投资顾问：你好，朱女士吗?我是XX基金的李明，打扰你工作/休息，我们现在有一款不错的产品，XXXX，不知您是否有兴趣？
朱女士：不好意思，我很忙，正在开会。
投资顾问：那我一个小时后再打给您吧，谢谢您的支持。
一小时后
朱女士，您好!我姓李。您现在忙完了吗？方便么？
相信很多人多多少少接到过这样的电话，电话那头的声音或深沉、或甜美，大多不是单刀直入，而是逐渐建立联系，再为客户量身定制。这样的方式或许适合当前的市场，或许适合高净值客户，但伴随着大家工作、生活节奏的加快，忙碌之余无暇打理收入和资产。一种新型的投资顾问模式浮现出来，那就是ROBERT ADVISOR，智能投顾。
这种投资技巧最先产生于比利时，是由一个叫Greg Van den Bergh的人最先采用的，随后在美国有长足的发展。从原理上是根据现代资产组合理论搭建一个数据模型，结合投资者风险偏好、财务状况与理财目标，通过后台算法为用户提供资产配置建议。这种技术最先产生于美国，主要有WealthFront、Betterment、Personal Capital，和大型金融巨头Blackrock、 Fidelity 和 Vanguard，在中国有蓝海财富等。
智能理财预计可管理资产规模
数据来源：花旗银行
互联网金融环境下的技术替代
“智能投顾”又称“机器人理财”，是虚拟机器人基于客户自身的理财需求，通过算法和产品来完成以往人工提供的理财顾问服务。用户无需掌握太多市场和金融产品知识就可以使用该服务。智能投顾依托大数据的计算系统，通过机器学习与用户友好型界面相结合，提供可以和专业投资管理专家媲美的投资顾问服务。近两年，智能投顾在美国兴起，它提供全自动的、以算法为基础的投资组合管理建议。
移动互联时代，从互联网“理财超市”已经迈入到“深度定制”。所谓深度定制，就是从资产配置出发，根据个人年龄、风险偏好、财务状况定制因人而异的组合投资方案。
“智能投顾”基于数据的客观表现和科学计算，能规避传统投顾可能存在的偏见、坏情绪，而且在答疑解惑时，“机器人投顾”也不会流露出不耐烦，引起客户的反感。
智能投顾的背后，实际上是虚拟机器人通过算法和程序与投资者实现沟通与互动。要实现智能机器人能为广大投资者提供服务，除了在技术上的可行性外，还需要大量的投顾咨询数据库，并对数据库进行长期、高频的维护。它可以以其完备全面的理财知识库、24小时在线的耐心服务，虏获大批刚刚接触金融产品、又对互联网世界充满探索精神的年轻用户群体。
智能投顾的面向群体年轻化。智能投顾依托于互联网技术，特别是移动互联网，其目标群体为70、80、90后这些接触互联网的年青群体。他们可以通过手机APP实现任何时间、地点的智能投顾服务。
中国基金投资者能否买账？
海外的成功经验更加依赖于大数据的收集和处理，国外较为透明和详细的数据能更有效地支持算法的准确运算。WealthFront会以调查问卷的形式了解用户的风险偏好，根据评估结果为用户量身定制投资计划。并随时监控该投资组合的动态。而Betterment的用户可以提交自己投资条件（风险、收益、金额等），系统则根据这些条件自动给出投资组合，既可以帮你在给定风险下实现最大化收益，也可以帮你在给定收益下最大程度降低风险，而且所有投资组合都是动态调整的。
这样兼具资产配置和标的推荐的功能能否在当前中国市场有效？准确？现在下定论还为时尚早。数量化地预测经济数据和分析投资环境需要大量详细的官方底层数据，这一点目前中国的数据市场还有待成熟。同时数量化地推荐投资标的更需要给每个投资标的打上数千个特征向量，用于匹配投资环境和投资者。特征向量的有效性需建立在较为有效的市场环境下，众所周知，以散户为主导的中国资本市场较易产生噪声交易，从而诱导资产价格的严重偏离。股票尚且如此，作为股票组合的公募基金何如？
所以在当前的中国市场环境下，智能投顾可以说是蓝海中的蓝海，操作简单便捷、降低投资门槛、注重投资纪律、省钱高效都是它不可忽视的优势。而这样的核心优势在于让普通用户能享受到专业、低成本的投顾式服务，帮助他们找到最适合自己的资产配置。
特别是在互联网化越来越强的基金投资过程中，客户更适合通过智能投顾来获得合理的资产配置建议，在基金的筛选层面，我们认为还是需要以人机结合的形式为主。基于分析基金经理的操作风格的研究方法，选择优质的基金，并将客户划分为不同风险偏好等级的几大群体，为不同类型客户提供针对性的基金投资建议。诚然，路还很长，监管难和模型趋同下造成的市场冲击都是未来发展中值得关注的。但通过20%的付出来为80%的投资者提供成本更低、体验更优的专业化服务，相信这会是未来基金投资的一扇窗。
当我们说到智能投顾不得不提传统投顾模式，一直以来投顾模式的主体是券商，加部分有投资咨询牌照的公司，自2010年投顾暂行规定发布以来，不少券商一直想大力发展投顾业务，然而从下面的数据看出，投顾的收入依然处于非常鸡肋的地位。
以15年数据为例，投顾收入只占总收入的1.7%。
我们再来看看投顾的定义是什么？按照《投顾业务暂行规定》的定义，投顾业务指：本规定所称证券投资顾问业务，是证券投资咨询业务的一种基本形式，指证券公司、证券投资咨询机构接受客户委托，按照约定，向客户提供涉及证券及证券相关产品的投资建议服务，辅助客户作出投资决策，并直接或者间接获取经济利益的经营活动。投资建议服务内容包括投资的品种选择、投资组合以及理财规划建议等。一直以来，投顾业务存在几个困局：
1. 投顾与自营、资管的冲突
有的朋友看到这里会觉得奇怪，投顾和自营、资管会有什么冲突？然而投顾永远面临一个尴尬的问题：你炒股这么厉害，为什么不自己做(去自营、资管、私募)，而要教我？如果一个投顾的投资策略很有效，最好的模式当然是发资管产品，让投资者认购，投顾真正有天分，比如会走到直接面向投资的道路，自然也不会留在投顾队伍，这就注定了从长远来说，投顾很难有真正的投资能力，(当然不排除极个别有投资能力并且愿意做投顾的，毕竟还是有人有情怀的)，而且投顾一般属于营业部，从知识结构上来说也是偏向营销岗位，和自营及资管的投资团队在投资能力上差别很大。
2. 好投顾难以培养
首先什么样的投顾是好投顾的？好投顾是会讲故事的投顾，有一套自洽的投资理念，以“缠论”、“波浪理论”、“江恩理论”为主要体系，衍生出各种散户喜闻乐见的投资理念，尤其以“缠论”为首，缠论因为其缠主悲壮、戏剧的人生，让这个理论多了更多的神秘色彩。 这些投资理念配合上媒体宣传效果，很容易造神，这些又以投资咨询公司与各卫视，尤其是湖北卫视的合作将这种模式推向了高峰。这种模式难以培养，好的投顾可遇不可求，还很容易滋生各种违法的温床，典型的就是代客理财。
3. 投顾模式没法快速复制
人工投顾的最大问题在于好投顾可遇不可求，基本培养出了一个好的投顾，服务能力也有限，一般一个投顾服务200人已经是极限了，然后设置投顾助理之类的，依然难以快速增长。
明白了传统人工投顾遇到的问题，就明白为何现在智能投顾呼声如此之高。智能投顾不存在岗位变动问题，不会投资能力好了就跳到投资岗位去，智能投顾不会代客理财，不会有服务容量问题。一瞬间，智能投顾仿佛完美的解决了人工投顾的各种问题，这也就导致各个券商趋之若鹜，然而，我们依然要面对一个终极拷问：如果智能投顾指导散户投资有效的话，他挣谁的钱？ 这也就决定了，从终极来说，智能投顾也不太可能帮散户都挣钱。但是这中间有了时间差，就有券商预期他的客户，或者他的部分客户能通过智能投顾跑赢没有使用智能投顾的用户，这种商业模式也是成立的，能吸引来更多的客户，至于最终失效了，那到了那个时候再说嘛。
于是，智能投顾变成一个抢山头的战略定位，通过智能投顾用户整体的高于平均散户的收益率，吸引更多的客户，然后通过长尾的理财销售收入、融资融券利息收入及更频繁交易带来的佣金收入获得更多的收益。所以，现在各个智能投顾都围绕更好更多的模型和组合、更精准的理财产品推荐、更频繁的交易机会提示等方面着手。其实在智能投顾概念出来之前，已经有很多传统的股票软件公司在做类似的事情，在炒股软件里植入各种模型、战法来指导客户。只是在大数据来临之际，根据用户画像结合推荐引擎，能够提供更加精准的诊断和服务推荐。
那么智能投顾的智能体现在哪些方面呢？
1. 基于协同过滤的推荐引擎，给不同的用户推荐不同的投资组合、理财产品等。
2. 有些有基于自然语言处理的新闻资讯处理系统，推荐对应的股票或者分析新闻情绪。
3. 号称基于机器学习深度学习的投资模型或者模型评价体系。
至于模型本身，很多还是走传统量化交易的套路，多因子为主的选股模型或者走传统的组合投资理论等。
作者：薛洪言
链接：我们离机器人理财还有多远？ – 薛洪言 – 知乎专栏
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
买什么股票买什么基金，你敢听机器人的建议吗？或者做一个懒人，直接把钱交给机器人来投资理财，你敢吗？随着科技的发展，人工智能早已介入金融领域。自2014年以来，互联网理财行业内部开始孕育出主打智能投资理念的创业型投顾平台，进入2016年，智能投顾概念开始受到大平台青睐，俨然成为互联网金融的新风口。
纵观资管行业的发展，互联网理财通过渠道的变化推动了理财的普惠化，催生了国内资管行业的新一轮繁荣潮。然而，互联网理财并未改变资产产品的属性，也难言对传统资管行业产生本质的改变。相比之下，智能投顾依托现代科技手段实现了标准资产产品的组合化和智能化，从而带来了产品层面的创新。通过智能投顾技术，客户得以享受全新的风险和收益组合，本质上已经是一种新的投资产品。所以，相较于互联网理财对传统资管行业的影响，智能投顾的影响更为深远，它将在产品创新、业务模式、销售策略等各方面给传统资管行业带来深远影响。
不过，从国内智能投顾行业的发展现状和政策环境来看，行业的腾飞式发展大仍需要克服一系列难题，在此之前，智能投顾平台宜提前布局、渐次推进，以夯实基础为第一要务。
智能投顾有望解决传统资管面临的三难题
智能投顾是个舶来品，英文名robo-advisor，又被翻译为机器人理财或自动化理财，是指通过量化投资模型，结合客户的投资目标、收入和纳税情况，基于马克维茨的现代投资组合理论，为客户打造专业、理性的投资组合。
相比传统投顾模式，完整的智能投顾流程采取典型的五步曲模式：一是综合利用大数据技术、问卷调查等，了解用户个性化的风险偏好；二是基于用户风险偏好，结合算法模型，为用户制定个性化的资产配置方案；三是连接客户账户进行投资；四是利用机器学习技术，对用户资产配置方案进行实时跟踪调整；五是资金退出、完成投资。在实践中，并非所有的平台都涉及上述五个步骤，更多地只是对几个步骤的组合运用。
由于并不追求高收益，智能投顾在资产选择上会尽量规避股票、期货、期权等高风险资产，集中于股票ETF、债券ETF、货币基金、黄金等领域，另外，国内的智能投顾还会适当配置具有刚性兑付特征的高收益定期理财产品。在具体的资产配置策略上，大多基于马克维茨的现代投资组合理论和客户的风险偏好，沿着有效前沿曲线寻求收益最高的投资组合。如下图所示。
基于自动化、智能化的特征，智能投顾有望解决传统资管行业面临的三大难题，从而为自身的发展打开了想象空间。
一是可以有效缓解信息不对称现象。这里的信息不对称并非指内幕信息层面，而是公开信息层面。限于时间精力等各方面因素，个体投资者或理财师并不可能充分消化市场中的公开信息，在吸收程度上也存在着广泛的个体差异，使得信息不对称现象普遍存在。智能投顾利用大数据和机器学习技术，可以更充分地吸收各类市场信息，并运用到模型中去，从而大大缓解信息不对称现象。
二是可以有效过滤投资者情绪的影响。情绪是投资的大敌，波动性市场投资尤其如此，股票市场为此发明了“动量效应”一词，用以反映因投资者情绪影响导致的股票价格在一段时间内趋同波动的现象。相比而言，智能投顾可以彻底摈除情绪的影响，助力投资者成为交易规则的严格执行者。
三是可以有效降低投顾服务成本和门槛，提升市场空间。传统投顾服务依赖人力，且服务范围与投顾人员线性相关，成本和门槛较高，只有少部分高净值客户能够享受到专业的服务。相比较而言，智能投顾依靠模型且纯线上，边际成本几乎为0，具有明显的规模效应，可以充分发挥互联网的“低成本、广覆盖”精髓，推动投顾服务普惠化。在某种意义上，智能投顾诞生后，高净值客户专属的组合投资模式得以走入寻常百姓家，给趋于沉寂的资管行业带来新的发展空间。
短期内智能投顾不具备腾飞式发展的条件
受益于机构投资模式的创新，以及互联网技术尤其是大数据技术和机器学习技术的发展，智能投顾于2009年前后开始出现，开始是以Betterment、Wealthfront和Future Advisor等创业型企业为代表，着重于通过技术手段降低投资成本和门槛，包括税务筹划、低费率被动型基金选择等，并严格执行模型策略，追求适度收益率，逐步得到主流市场认可，一些大型金融机构也纷纷推出智能投顾业务，如嘉信理财推出智能投顾产品SIP，德银推出Anlage Finder，高盛收购Honest Dollar，贝莱德收购Future Advisor等。截止2015年底，美国智能投顾行业资产余额达到187亿美元。据毕马威预测，到2020年，美国智能投顾的资产管理规模将达到2.2万亿美元，成为资管市场中的一支重要力量。
就国内资管行业的现状来看，供给的单一性和需求的个性化、多样性之间的矛盾一直存在，这就为智能投顾行业的发展提供了广阔的空间。国内智能投顾创业企业始于2014年前后，受限于产品代销资质和监管政策的不明确等因素影响，上述企业多通过布局美国和香港资产的方式丰富产品类别。进入2016年，一站式理财平台纷纷推出智能投顾概念，致力于为投资者提供自动化、智能化投资服务，提升客户体验，增大客户粘性。
然而，综合市场环境和政策环境看，智能投顾在国内仍面临一些重要的挑战，使得大部分智能投顾平台仍停留在概念阶段，资产品类少、配置策略简单等现象普遍存在，短期内智能投顾业务仍不具备腾飞式发展的条件。
一是股权投资类工具受限，智能投顾的优势难以充分发挥。智能投顾基于资产组合理论，以债权性工具确保基础收益，以股权性工具博取额外收益，追逐风险承担下的高收益。以Betterment为例，为便于客户选择，它通常会给客户设立两个投资项，一个是“高风险”的股票组合，另一个是“超安全”债券组合，客户可以在一定的范围内依据自己风险的承受能力，调整股票和债券投资的比例。然而，目前国内股权投资类工具仍相对匮乏，截至2016年7月，国内市场中ETF产品仅有134只，不及美国ETF总数的十分之一，且ETF种类仅限于传统指数型，限制了智能投顾模型策略和收益表现。
二是长期投资理念在国内证券投资市场的适用性较差，大大降低了智能投顾策略的有效性。智能投顾基于模型自动调整策略和头寸，且有效摈除了情绪波动的影响，追求适度风险承担下的高收益，投资期限越长，其优势越明显。现在的问题在于，与美国股票市场在中长期内稳步向上的趋势不同，国内股票市场波动性大（参见下图），投资者进行长期组合投资，实际收益水平甚至会低于信托理财、P2P理财等单一资管产品，因而对智能投顾的长期投资理念接受度较低。
三是目前国内尚无专门规范智能投顾业务发展的法律法规，政策上仍存在障碍。传统投资顾问即证券投资顾问业务遵循《证券投资顾问业务暂行规定》，开展证券投资顾问业务的机构需要获得证券投资咨询机构资质，从业人员则需要取得证券投资咨询执业资格，并在中国证券业协会注册登记为证券投资顾问。在国内，投资顾问与资产管理两块业务是分开管理的，而智能投顾强调咨询和资产管理的合一，除了咨询类业务相关政策不明晰外，资产管理是否需要申请牌照、需要申请何种牌照，目前政策上也并不清晰。在互联网金融牌照化和规范整顿的大环境下，缺乏明确的监管框架会在很大程度上影响相关平台进行产品创新和模式创新的积极性，举例来讲，证监会人士曾表态称，将高度关注智能投顾，并依法查处未经注册却以智能投顾名义销售公募基金的互联网机构。不仅如此，智能投顾的业务范围并不仅仅是证券投资，理想状态下还会涉及到银行、信托、基金、保险资管等各类金融机构产品的销售，以及更多的监管机构。
智能投顾平台可从三方面夯实腾飞基础
据零壹研究院联合神仙有财发布的《中国个人理财市场研究报告》显示，截止2015年末，互联网理财市场规模接近2万亿元人民币，其中货币基金产品占主导，规模达1万亿元以上，P2P平台理财余额在5000亿元以上。购买过互联网理财产品的网民规模达到9026万，相比2014年底增加1177万。相比之下，智能投顾仍然只是互联网理财行业中很小的一个分支，发展壮大任重道远。
对监管机构而言，建议吸收P2P、第三方支付等互联网金融创新业务的发展经验，提前明确智能投顾的业务定位和发展方向，并遵循适度监管和创新监管原则，动态调整监管细则，促进行业持续健康发展。
对于平台而言，在等待政策逐步明朗的同时，可以从以下几个方面着手，夯实基础，等待行业腾飞时机的来临。
一是积极申请相关金融产品销售资质或牌照。国内智能投顾业务的开展可以先从提供产品和服务的合规性切入，取得相关业务和产品投资的资质和牌照。考虑到目前国内智能投顾平台的投资标的多为基金和股票，可以优先申请基金销售牌照和证券投资咨询机构牌照。同时，为了提高资产管理业务的合规性，还应该积极申请公募基金牌照、私募基金牌照等。除股票和基金外，智能投顾往往还会涉及债券、票据和非标资产等，需要与相关的监管机构保持密切沟通。
二是从易到难，先推出符合监管要求的简易版智能投顾服务，后随着相关资质的获得或监管政策的明朗进行“加法”操作。举例来讲，平台可以先通过调查问卷的形式了解客户的需求，基于大数据模型给出操作建议，但暂不涉及到代客资金交易环节。或者可通过布局国外证券市场的方式暂时避开国内相关监管限制，待国内政策放开后第一时间跟进，这也是很多创业型智能投顾平台的操作模式。
三是积极开展产品创新服务。智能投顾的核心诉求是降低投资者的专业化组合投资的门槛，从这个角度看，一些主打社交投资理财的平台从事的也是广义的智能投顾业务。举例来讲，国内一些理财社区先后推出了投资组合晒单和跟投服务，2016年初，苏宁金融股票理财频道上线“跟投”模块，综合股票开户、行情、资讯、咨询、牛股组合等功能为股民提供一体化服务，将大数据与咨询服务完美地结合起来。此外，主打智能投顾的Betterment也允许用户查看同龄或同收入的人在投资什么以及怎么投资，让用户有一个直观的认识，方便进行投资决策。
作者微信公号：洪言微语（ID:hongyanweiyu）
谢邀。京东智投的开发人之一。
之前这个问题内容是我发在上海证券报上的一篇文章，题目是：智能投顾现状解析，见：智能投顾现状解析
这次是受邀参加金融科技的圆桌，没想到这个问题我以前答过了，所以只能重新答一次。想看原答案的可以点上面的链接。
—————————————–分割线—————————————————
当我们讨论智能投顾中智能二字时，我们不妨先看一下传统资产管理业务有什么不“智能”的地方。
我们设想一个传统资产管理机构，他开展业务一般会遵循以下三步：
1) 确定投资标的和投资策略
2) 合法合规的募集资金
3) 基于策略进行投资
大部分的资产管理业务，都是将多个人的钱集中到一起，然后根据预先确定的投资策略由投资团队进行统一投资（这里我们暂时先不考虑专户，因为门槛太高）。
这就造成了一个问题，投资人是多个，并且各自的偏好各不相同，而基于资产管理的集合化运作，管理人只能以收益/风险的二维刻度对投资者进行笼统区分。即使如此，效果也不好，这体现在两点上：
1) 管理人只能进行射线区分，即投资者风险承受能力只要高于资产标的和策略要求的风水平即可。这意味着，如果是一个激进型的投资者，管理人很可能将他的资产配置在稳健型的水平上；
2) 由于投资者还有其他的禀赋，比如流动性需求，对特定资产的回避需求等，管理人通常需要更高的处理成本，甚至投资者的一些需求根本无法满足。
传统资产管理机构不智能的地方就体现出来了：由于成本原因，传统资产管理机构不可能也没必要去为每一个投资者定制专属于他的投资组合，这就造成了传统资产管理业务在与用户特征的匹配性上，提升空间非常有限。
智能投顾的智能，就体现在了这点上——他把用户的特征从二元的收益/风险拓展到了多维，并且针对每一个用户，提供一个去中心化的投资组合（通常是以基金作为标的）。到此，我们可以给智能投顾下个定义了：智能投顾，是以数字化手段针对不同用户的不同偏好，帮助其构建一个基于市场状况和其个人特征的资产组合，并进行动态跟踪管理的产品。
我们回到金融层面，智能投顾听起来高大上，但其实本身的金融技术都算不得创新。比如所使用的量化模型通常都是B-L或者风险平价，投资理念也无非长期分散配置附加一些止盈止损的纪律性操作，这些都是机构投资人早就用烂的东西，只不过普通投资者一直难以克服自身性格缺陷。智能投顾说是投顾，其实本质上，只是在优化了用户投资体验体验，并且大幅的降低了个人资产组合定制的成本。
除了上述在技术上的普及，其实智能投顾还有一个通常被忽视的巨大作用，即大大避免了原来投顾行业存在的利益冲突。我们知道，智能投顾通常是以量化投资的方式为众多投资者进行服务的，这就要求其拥有一个可回测检验、可由第三方重复实现的、脱离人这个因素的量化模型。这其实大大降低了原本投顾行业可能存在的利益冲突——其实就是当前各大资产管理机构都存在的以产品销售为导向而非以用户适用性为导向的顽疾。你去A机构，他肯定给你推荐的投资策略是和他的产品紧密相连的，如果他是一家债券基金，很少会给你推荐股票类策略。这时，他们做的是一个卖方投顾的工作，即从金融产品卖方的角度给用户推荐资产，并从卖方领取报酬，这就存在利益冲突。智能投顾最理想的方式是做买方投顾，由于其策略和服务都是基于可被检验重现的量化模型，产生利益冲突的可能较小。
一、概念：
机器人投顾的简单理解：
二、常见案例：
三、主要目的：
机器人投顾的主要目的是：
四、效果如何？
是否能帮投资人真的赚钱，是否比公募基金，私募基金更有效果？
目前根据国内外的数据没办法证明比自己选股交易更优。
其他一些思考，请参考专栏：
“机器人智能投顾”，你需要么？ – 互联网金融产品实践、思考、探索 – 知乎专栏
再说最近火热的FOF、组合与智能投顾 – 互联网金融产品实践、思考、探索 – 知乎专栏
作者：李超
链接：智能投顾：人工智能理财靠不靠谱 – 复利人生 – 知乎专栏
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
智能投顾：又称机器人投顾，就是投资人可以直接把钱交给专业机器人来打理。机器人结合投资者的财务状况、风险偏好、理财目标等，通过已搭建的数据模型和后台算法为投资者提供相关理财建议。
定义有点太学院派，了解就好，别跟书生较真了。
智能投顾，作为一种新兴投资模式，近年来在美国市场快速崛起，出现了以威尔斯弗兰特为首的一批“独角兽”互联网金融公司。
聪明的中国人，当然很快就开始模仿了。据不完全统计，国内已经有数十家互联网金融平台提供智能投顾服务了。当然，也有打着“智能投顾”旗号的P2P公司。
传统投顾
书生去证券公司开户，证券公司会给我配一个投资顾问；书生去银行买理财，理财经理也就是我的投资顾问。书生跟会员交流，其实也是扮演着投资顾问的角色。
传统投顾的缺点：
1.成本高，服务对象少。比如书生可以服务的对象撑到天，也就几百个。毕竟人的精力有限，所以经常有小伙伴问理财问题，如果没有及时回答，还请见谅。
2.道德风险。银行的理财经理，很多给你推荐的理财，不是从你的风险特点出发，而是看理财提成高低。券商的投资顾问，肯定也最怕你长线持有，这样就赚不到佣金了。
3.能力参差不齐，知识结构单一。一个人擅长的领域是有限的，书生很难告诉你期货怎么玩。而今年期货行情还一直不错，我们也就会错过了。
智能投顾
智能投顾的逻辑：人工智能技术和大数据分析
智能投顾的原理：诺贝尔奖得主马克维茨提出的现代组合理论。有兴趣的可以看下他的《证券选择理论》。
智能投顾的优点：
1.客观性。机器人会根据后台数据进行分析，不会为了业绩去误导客户操作。相对人工来说，更客观。
2.非常注重风险。智能投顾的原理是现代组合理论，它的一个基本原则就是高收益、高风险。国外智能投顾第一步就是鉴别投资者的风险承受能力，绝不会推荐老年人买P2P理财。
3.执行力。机器人根据固定的设置，达到止盈或者止损，一定会叫你卖出或买入。这样有效克服了人性的弱点，我们知道，往往亏损都是因为太贪婪。
4.服务面广，成本低。网络可以低成本服务最广大的人群，这就是互联网的特点。
书生说的这么天花乱坠，但熟悉我的人都知道，马上要开始泼冷水了。
智能投顾的缺点：
1.恶意代码。软件也是人编的，很可能会为了公司利益，向你推荐不那么好的理财产品。比如某只基金给智能投顾公司一定费用，或智能投顾公司自己也开发理财产品。
2.人才稀缺。现在人工智能的人才全球的稀缺，而人工智能力量的核心就是人才储备。试问国内这些小的智能投顾公司，怎么去和谷歌那样的大公司抢人？国内真懂人工智能的，又有几个人？
3.法律风险。现在这块又是监管空白，如果智能投顾公司出现道德问题，谁来保障我们投资者的权益？
4.夸大宣传。你看到那些宣传的业绩，往往都是一些排名靠前的。可能指导了一千个客户，但只是把业绩靠前的给你看，来误导更多人跟进。历史业绩模拟，也可以截取一段表现最好的来展示。
杂谈乱侃：书生看好智能投顾的未来，毕竟可以服务更广大的普通投资者。但也不要把智能投顾神话了，美国智能投顾的收益其实一点也不亮眼。
书生很佩服国内互联网公司的模仿或学习能力，但智能投顾在国内刚刚起步，良莠不齐，还是谨慎选择为好。
微信公众号：moneylife1818
智能投顾（Robo-Advice）也可被称作为机器人投顾、智能理财、自动化理财等。利用大数据分析、量化金融模型以及智能化算法，根据投资者的风险承受水平、预期收益目标以及投资风格偏好等要求，运用一系列智能算法，投资组合优化等理论模型，为用户提供投资参考，并监测市场动态，对资产配置进行自动再平衡，提高资产回报率，从让投资者实现“零基础、零成本、专家级”动态资产投资配置。
平台用户进行投资的流程大致相同，可以分为风险测评、获得投资方案、连接账户、进行投资、更新方案、完成投资六大步骤。但是，各平台在业务模式上有所不同。因此，笔者按照个人理解，将这些智能投顾平台按照业务模式分为了独立建议型、混合推荐型和一键理财型三种。
目前我们叮咚钱包将正式开始进军智能投顾市场，推出智能投顾产品，预期将在下半年正式上线，敬请期待。
前段时间求职投资机构，应机构要求用十来天的时间研究了一下robo-advisor的发展趋势，很不幸没有得到该机构的认可。现在把观点扔出来，科普小白，与专家切磋学习。我承认写的不是很专业，请批评指正。超级长文，非常多图，信息超全，慎入。转载请注明来源。
先给结论：
以下是超长正文部分，分为美国和中国行业现状两部分：
第一部分 美国智能投顾行业分析
1 人工智能、Fintech、智能投顾
19世纪，电力电器、汽车产业高速发展，诞生了一批电气化制造企业。20世纪上半叶，科学研究受到社会重视，20世纪下半叶，电子学科和计算机的迅速发展将人类社会引入新兴产业领导经济模式，知识化、信息化、网络化的新时代已经开启。21世纪，最受科学界关注的科技方向之一就是人工智能（AI）。近两年，人工智能愈发受到社会关注。谷歌打造三大人工智实验室，微软研究院多年专注人工智能软硬件开发，IBM在全球设立了12大研究机构，并推出“深蓝”等超级计算机，国内互联网公司也已经成立相关试验室。
在国内外的国家战略层面，资金和政策都倾向于支持人工智能研究与产业的持续发展。欧盟委员会计划投资10亿USD支撑“人脑计划”研究，中国也将人工智能发展纳入“十三五”战略发展层面。
金融科技（Fintech）的目标之一是降低准入门槛，即“普惠金融”，用低成本将基于数据的现代金融服务触达最广泛的用户，去服务长尾市场。这里往往可以应用到AI技术，例如在金融领域，第一个以AI驱动的基金Rebellion成功预测了2008年的股市大跌，并在2009年9月提前评级公司一个月将希腊债券将为F评级，显示了AI在Fintech领域的应用前景。
互联网渗透率相对较低的金融服务业和AI这两个“吸金”行业在“AI+Fintech”类企业身上产生交集。这类企业备受资本市场瞩目，数据统计显示，近5年来美国已有3,006笔规模以上的该领域投资，形成了334亿USD的交易额，是在“AI+”众多投资主题中，仅次于智能机器人的第二大领域。值得一提的是，在2015年下半年至2016年全年的资本寒冬中，这类企业融资能力不减，单季获得投资从356笔升到410笔，持续被资本市场所看好。智能投顾（Robo-Advisor）就是“AI+Fintech”的一个分支。
1.1 智能投顾行业概述
在当今的科技环境下，投资顾问服务由传统的1.0时代向2.0以及3.0慢慢转型过度：
（1）1.0时代即一对一为高净值客户提供最全面、优质的投资建议服务，互联网只是沟通工具之一。这种服务费用率高，但是覆盖面比较狭窄。以中国为例，投资顾问注册人数与整体的投资者数量存在巨大差异，如果满足所有人的需要，那每名投资顾问需要服务3,000名投资者，这显然是不现实的，同时也可以看出中国投资顾问的远期市场空间之大。
（2）投资顾问2.0时代以人工和机器合作服务为主。方式多样化，不再是单一的在办公室接待客户，而是将投顾服务拓展到互联网数据平台，这种方式扩大了投资顾问所能服务的客户人数，提高了效率，但线上服务具有局限性。
（3）2016年行业已初步形成龙头，之后将以AI为主要技术看点，行业或将进入3.0时代，服务深度依赖AI。智能投顾作为普惠金融的一种，其较低的费用以及AI为主的服务方式将在产品技术和成本方面产生巨大优势，目标客户由传统投顾针对的高净值客户群体变为广泛分布于资本市场中的中低净值人群。AI和金融的融合将是未来资管行业的重要发展趋势。
我们当下在讨论的智能投顾行业是指运用AI和大数据技术，为个人投资者提供在线财富管理顾问服务，是立足2.0向3.0进步的技术。智能投顾具有高效便捷、配置多元化、服务优质化、低金额门槛、低费率等特征，结合了现代资产组合理论和个人投资者的风险偏好，进行以ETF为主的资产配置，为客户谋取β收益，并提供交易执行、资产再平衡、税收盈亏收割、房贷偿还、税收申报等增值服务。
智能投顾主要用到以下技术：
（1）智能代理（IA）：IA 由信号事件监听器、决策系统、学习系统、规则库和智能执行期各个模块结合而成，通过数据监测与分析模块对外界实时数据的分析结果对股票进行相应操作，包括建仓、平仓、调仓等。
（2）生成投资策略模板（ISM）：按照一定算法筛选出满足一定收益和风险指标的投资策略组合呈现给客户，保证所有投资策略组合都是符合投资人的风险收益偏好。
（3）量化配置策略：智能投顾的量化策略相对广泛，包含且不限于量化择时策略、行业轮动策略、多因子Alpha策略以及各类事件驱动选股策略等， 但目前大多数智能投顾都只限于对ETF配置权重的量化控制。
（4）现代投资组合理论（MPT）：Markowitz Mean-Variance Model通过分散的投资组合降低风险的同时保证预期收益率，投资者能够在同样的风险水平下获得更高的收益率，或者在同样的收益率水平上承受更低的风险。
智能投顾的投资理论依据是Markowitz的投资理论。理论认为，给定投资者的风险偏好和相关资产的收益与方差，最优投资组合有唯一解。因此，随着人工智能计算能力的上升，可以通过对投资者进行快速的财富画像，确定投资者风险偏好，并结合资产收益率的数据，为投资者自动实现理论最优的资产配置。
智能投顾的投资策略是赚取主动β收益。β收益是市场对系统性风险的收益补偿，通过复制市场组合的产品即可实现，且具有易实现、费用低、标的资产规模大以及偏长期等显著特点。与之相对应的α收益实现难度较高、标的资产规模偏小，且费用较高，是择时选股能力的体现。同时，全球ETF资产75%属于股权投资，包含了各发达/新兴国家市场，19%属于固定收益投资，购买ETF可以实现对全球股票的均衡配置。综合考虑上述两类收益的特点，获取β收益的费用相对较低，通过人工智能技术容易实现，可通过各类ETF产品实现市场组合的构建从而获得大类资产配置，因此成为智能投顾投资策略的最佳选择。
1.2 智能投顾市场分析
按照家庭金融资产分类标准，美国低于25万USD的共有2.68亿人，管理着3.8万亿USD的金融资产；25-100万USD的共有3,400万人，管理着7.0万亿USD的金融资产。智能投顾对应定位于美国3亿人、10.8万亿USD管理规模的理财服务市场。
然而在全球范围内，48.6%的高净值人群也开始接受（调查结果显示，在观念上表示认同）智能投顾产品，这部分人群虽然有专业投顾服务，但是其接受新兴金融服务的能力强（其中E-Broker渗透率已超24.5%）、追求投资成本最小化的特点使得他们表示愿意将一部分资产交由智能投顾管理。调查数据还显示，传统投顾服务欠发达的地区（亚太76.3%、拉美70.4%）智能投顾服务的接受度更高。我们还发现，智能投顾行业的主要客户中以15-47岁的客户为主，他们对于智能投顾的认可度高于一般预期。
根据行业内收认可度较高的A.T.Kearney市场调查结果显示，在全美4,002名银行理财业务客户中，智能投顾业务已经得到了20%人群的认识了解，48%的传统投顾客户对智能投顾业务感兴趣，69%的传统投顾客户在听过智能投顾业务简介后，愿意尝试一些智能投顾服务。
49%的受访者不拒绝投顾服务，其中7%的人表示已经尝试了自动管理型产品服务，这类产品和智能投顾的业务相似，具有较强的客户可迁移性；27%的人表示虽没有尝试过这类自动管理的金融产品，但是对这类技术很感兴趣，愿意积极参与金融创新产品；15%的人暂时不了解智能投顾，对其业务具有怀疑，不排除在了解之后进行尝试的可能。
如果将受访者按照参与智能投顾服务的可能性分为最有可能成为客户的“先驱者”、很有可能成为客户的“热衷者”、不排除可能成为客户的“可能尝试者”、“拒绝尝试者”四类，其中先驱者和热衷者两类人群将占据客户群体的70%左右。对其特征进行归纳，不难发现以下特征规律：
（1）从年龄上看，先驱者和热衷者平均更年轻，拒绝尝试者平均50岁左右，且45%已经超过55岁；（2）从职业属性上看，先驱者和热衷者71%以上是全职员工，其余基本有兼职工作，而可能尝试者和拒绝尝试者中有一部分已经退休；（3）从投资经验上看，先驱者和热衷者社会经历比较成熟，愿意承担的一些投资风险，而拒绝尝试者呈现明显的高度风险厌恶特征。
先驱者客户特征：（1）缺乏传统投顾服务；（2）年轻、有投资经验；（3）已经认识到智能投顾在被动投资方面的优势；（4）已在多个平台上配置资金，对低成本的新渠道感兴趣。这部分人群表示如果智能投顾真的像介绍的那样，未来愿意将40%的可投资资产转移给智能投顾管理，并认为管理费和投资的专业性是他们所考虑的主要因素。
先驱者对应营销策略：（1）智能投顾企业针对其尝试新事物的愿望进行特定营销；（2）实施低价策略，提供透明服务；（3）强调平台上数据的安全性；（4）争取获取其在其他投资平台上配置的资金。
热衷者客户特征：（1）缺乏传统投顾服务；（2）缺乏投资经验，比较重视风险保障；（3）刚了解，可能将部分未投资现金转交智能投顾打理；（4）需要企业在品牌认知度、模式科普推广两方面发力。这部分人群表示如果智能投顾真的像介绍的那样，未来愿意将19%的可投资资产转移给智能投顾管理，所考虑的理由和先驱者一致。
热衷者对应营销策略：（1）实施低价策略，提供透明服务；（2）提高服务质量的同时，增强服务内容的认知度；（3）参与科普活动宣传，提供少量“用户体验金”；（4）跟踪用户满意度，争取留住客户，并提高客单价。
1.3 智能投顾市场规模
我们参考了各家投行和咨询公司的模型思路，对市场规模进行估测，基本思路为美国家庭金融资产保守估计以2.5%的CAGR增长（US ICI预测3-5%，以GDP增速校正）。其中，现金及其等价物为主的未投资资产边际变化量符合金融行业平均增速，每年向投资资产逐步转化，据此得到居民金融资产投资额的变化趋势。所投资的资产中，ETFs资产占比从15%升至未来的30%（Bain Capital预测），据此得出ETFs资产的变化趋势。
美国互联网金融加速起飞主要在于随着移动互联网渗透提高的最近10年（2006-2016年），目前网上银行、网上保险业务都已经初具规模。2016年是智能投顾由2.0向3.0时代升级的转折之年，我们将2016年看作智能投顾行业起飞元年，对应互联网金融服务的2006-2007年。那么预测期2021年即对应互联网金融行业的2012年。2012年，美国互联网保险渗透率已超过8%，是中国的4x；当年网银渗透率超50%，是中国的1.5x；当年智能机器人渗透率近10%，是中国的30-40x。由于智能投顾所面临的市场成熟度不同，且中低净值家庭金融资产只占中高净值家庭的1/2，且贫富差距加大，所以应给予更加保守的预计。这里将智能投顾ETF资产渗透率取3.4%作为5年后渗透率指标，是投行研究普遍采用的5.6%渗透率的61%。
我们的Base Case假设传统管理费保持在1.0%左右不变，智能投顾管理费也将保持在0.2-0.35%左右。此时，智能投顾市场规模将从40亿 USD快速增长至76亿 USD，CAGR高达63.4%。我们的Price War Case假设传统投顾费从1.0%在5年后逐渐降至0.61%，智能投顾管理费也从0.22%在5年后逐渐降至0.13%。此时，智能投顾市场规模将从0.4 billion USD快速增长至40亿 USD，CAGR约为46.5%（相比Base Case减少了16.9 pcts） 。
我们发现由于传统投顾市场规模是智能投顾的30-45x，在Price War Case下，市场总规模将在2021年损失较大。由于两者投资门槛差别大，降价后可由智能投顾转向传统投顾而来的客户数量有限。此时，即使智能投顾市场受到重击，集中度将提升，客户基础不牢的智能投顾公司将退出市场竞争。但是，这种博弈将为传统投顾市场规模带来了59 billion USD的损失，所以Price War Case并不可行。
可见由于市场定位不完全相同，传统投顾不必要通过降低价格的方式抢夺智能投顾的长尾市场。因此，我们不认为智能投顾行业将受到传统金融机构的价格打击，我们认为投资顾问业态将一直在良性竞争中完成服务升级。
2 智能投顾行业驱动因素
我们认为智能投顾行业驱动力主要有以下七点，分为市场和产品两个方面。市场环境因素方面：（1）美国资管需求增长，ETF需求增长；（2）美国ETF产品供给充足，满足了投资者需求；（3）资本大力支持企业深耕市场。产品创新因素方面：（1）低门槛“普惠金融”；（2）低费率吸引草根客户；（3）技术不断升级，税收损失收割创造超额收益；（4）投资透明度高，注重用户体验。
2.1 市场环境因素
2.1.1 驱动力一：资管服务快速成长，被动资产管理业务需求更加强劲
20世纪80年代，美国资管行业迅速发展，最早为保险公司所用，后来资管公司成为金融行业中发展最快的领域，AUM从1.6万亿USD增长至40万亿，对应GDP占比从55%升至200%以上。
在美国资管发展的背景下，前25家公司市场占有率已达到75%，其中四类机构表现突出：（1）全能型：产品以权益类产品为主，其中被动类ETF为主，注重行业横向并购整合，相关巨头均有万亿USD的AUM，以Vanguard、Fidelity、BlockRock为代表；（2）精品型：依赖于特定投资策略或定价能力，主动管理能力较强，以Bridgewater、KKR等为主；（3）平台型：通过低廉金融服务吸引早期客户，也有万亿级别规模，但缺乏资产端优势，以嘉信理财为代表；（4）其他：包括智能投顾和投资银行子业务等。
我们发现，美国被动投资基金占共同基金的比例从1995年的3%迅速升至2016年的18%，平均每年增加1 pct。Bain预计2018年，以ETF为主的被动投资基金占比有望提升至35%左右。主要原因是：
（1）目前，美国指数基金的成本费用在0.1-0.5%之间，相比主动投资性基金1%以上的管理费，被动投资成本优势明显。
（2）美国ETF市场受益于“主动长期跑输被动”这一市场特征。我们发现即便考虑到幸存者偏差，过去被动投资业绩依然普遍优于主动投资。统计数据表明，主动管理型基金大多数是不能长期战胜市场的。此外，主动管理型基金按照1-3年时长统计比按照5-10年时长统计要更容易战胜市场，长期来看，积极型基金胜率仅29.1-31.5%。新兴市场和中小盘市场上，主动管理型基金战胜市场概率相对大。
2.1.2 驱动力二：美国ETF产品供给充足，ETF产品在多元化收益、分散投资风险、增加海外资产比例等方面有优势
美国ETF市场较为成熟，提供了丰富的投资工具。目前美国ETF管理的资产规模已经超过2.2万亿USD（CAGR一般在5-10%之间），净资金流入超过2,000亿USD。而且美国ETF种类繁多，市场存量产品近2,000支，这为智能投顾产品提供了非常丰富的投资工具，以满足不同类型用户的需求。以美国代表性智能投顾公司Wealthfront为例，其主推11类ETF，包括美国股票、海外发达国家股票、新兴市场股票、分红股票、房地产、自然资源商品、美国政府债券、公司债券、新兴市场债券、市政债券、通胀保值债券等，覆盖范围十分分散。
ETF分散化投资不仅降低了风险，更满足了普通低净值客户接触海外多样配置的需求。比如，通过股票投资获得资本利得，通过债券投资降低组合波动性并获取定期利息收入，通过房地产、通胀保值债券、自然资源商品抵御通胀所带来的资产贬值，通过市政债券、自然资源投资合理避税。
2.1.3 驱动力三：资本助力行业起飞，PE提前布局“黄金十年”
2.2 产品创新因素
2.2.1 驱动力四：降低投顾服务行业资金门槛，定位长尾市场的大众客户
智能投顾大大拉低了投资门槛。目前市场上的智能投顾的投资门槛普遍低于10万USD，相比于传统投顾对客户至少拥有100万USD净值的高标准，智能投顾更加关注中产和大众客户的财富管理以及家庭资产保值增值。这部分资产的风险承受能力弱，对流动性的要求高，但定制化、跨境配置需求一般，一直没有得到传统资管机构相关的专业化管理。智能投顾借助自身优势满足这部分大众理财需求，大幅吸纳长尾客户闲散资金的同时维持自己低门槛、低费用的优势，开辟出新的理财市场。
2.2.2 驱动力五：投资收益难料，低费率是实实在在的“诱惑”
简单成本机构下的低廉费率更有利于服务大众市场。相较于传统投资理财机构，智能投顾依靠互联网技术的优势，不需要实体经营场所和线下理财顾问团队，获课成本更低，有规模效应，因此可以提供更加便宜的服务。目前，美国的理财顾问按小时收费，约300 USD/时，占投资额的1-3%左右，而Betterment、Wealthfront等智能投顾收费均不超过0.5%。线下理财顾问收费更高，服务业更加全面、专业，但其投资建议的收益水平是难于预测的，更低的服务费却是实实在在的节省。对于草根客户来将，300 USD/时的服务费略显不切实际，因此智能投顾产品在长尾市场具备绝对优势。
2.2.3 驱动力六：技术升级提升产品质量，税收收割策略获超额收益
技术实力和具有竞争力的模型方法为智能投顾提供了不断升级的投资策略和区分度。相比于传统投资人极大受到情绪的影响，智能投顾基于严格执行算法策略，更具有客观和理性的优势。远期来看，随着深度学习、金融市场理论的发展，智能投顾的成长速度将远超人工服务的升级速度，平台所能提供的投资策略仍将不断成熟。目前，每日更新投资可行性边界、资产再平衡、税收日收割等业务体现了AI在投资管理领域创造价值。
智能投顾已经在税收损失收割方面显著领先，能够提升预期收益。税收损失收割市值卖出亏损的资产以抵消资本利得税，同时挑选与卖出ETF高度相关的资产组合作为替代。这种策略不仅满足了既定的收益-风险要求，还节省了税收成本，可以利用节税收益再投资。Wealthfront回测过去10年数据发现，年末税收收割可以提高年化收益率0.6 pcts，日收割可以提高1.3 pcts。同时，Betterment也发现能将收益率提高0.77 pcts。Betterment为客户提供独特完整的税务服务，包括税务损益收割（Tax Loss
Harvesting+）、税务最低化组合（TaxMin Lot Selling）、税务影响预览（Tax Impact Preview）以及有效税务组合（Tax-Efficient
Portfolio），通过一系列算法，为客户提供专业化的筹划，还可以实时预览使用不同税务优化计划后的应缴税务，帮助客户合理避税，提高收益的水平。所有拥有Betterment账户的用户都可以享受这项服务，通过对过去13年的比对，Betterment的税收抵扣超过同类竞争者提供的2倍以上。
2.2.4 驱动力七：互联网思维打造产品，理财信息公开透明，更重视用户体验，迎合新一代用户需求
智能投顾提供的投资分析与策略建议相对透明。以Wealthfront为例，其公开资料（融资BP、官方网站、白皮书）以文字、图表、视频德兴市多样化地展现信息，内容不仅包括了产品的理念、结构、流程、风险、法律规定等，还包括了对投顾市场和全球资本市场情况的分析。作为一家非上市公司，Wealthfront的信息披露十分充分、透明、高效，大大降低了投顾与用户之间的信息不对称性，用互联网产品“重视体验的思维”取得了用户的信任。
新一代投资者对智能投顾的接受度更高。目前，美国1961-1981年出生的一代进入了个人理财需求高峰期，而1982-2002年出生的“千禧一代”在5年后，流动资产也将达7万亿USD，接替前一波婴儿潮成为资管行业主要客户群，可是千禧一代的投顾服务渗透率也不高（净值50万以上的，理财服务渗透率不足65%；净值在15-50万USD之间的，渗透率不足33%）。此外，这一代人群基本都是互联网重度用户，观念更加开放，愿意接受机器服务，智能投顾市场渗透率将创新高。
3 投资顾问行业竞争格局
3.1 投资顾问行业竞争格局
传统投顾的业务范畴覆盖了客户全部资产管理需求，而智能投顾目前在保险配置、银行产品配置、房地产投资等方面没有直接的服务，不能满足这部分需求。智能投顾的技术水平还不能取代专业投顾的服务能力，只是利用差异化定位挖掘专业投顾所应顾不暇的长尾市场。
智能和传统投顾不存在直接的竞争关系，且有的传统投顾已经考虑与智能投顾进行合作：（1）利用智能投顾向线下投顾服务导流；（2）全球20%的Wealth Manager（1,422个样本）愿意购买成本低廉的Robo-Advisory产品，其中美国18%，日本32%，欧洲16%。
此外，传统金融机构进军智能投顾业务具有优势：（1）可以充分利用现有存量用户，这部分存量客户的获客和转化成本低。例如，嘉信理财推出智能组合之后，3个月内吸引了33,000个账户，2015年成立至今，嘉信在智能投顾领域后来居上，只用半年就占到32%的市场。（2）智能投顾业务可与金融机构旗下其他业务产生协同效应。比如，嘉信智能投资组合54支标的ETF中，就有22支是嘉信的ETF基金产品。当传统金融巨头开始重视智能投顾，智能投顾的“线上导流”作用就更加明显，将更多的资金导入资产管理体系内可以收取更多服务费用。因此，我们认为“传统与新型相合作”才是产业的竞争之道。（注：即便不收投顾费，公司一样可盈利，比如出售自家产品收管理费，导流后提供增值服务收费，买入股票为做空业务租票服务。）
因此，2014年开始，有的金融机构选择自建平台，先锋基金、嘉信理财火速推出智能投资组合（近乎免费地向市场开放服务），德意志银行自建智能投顾平台Anlage Finder，蒙特利尔银行、TD Ameritrade等也已经在筹备新产品。有的则利用自身资本优势，通过收购来布局该行业，BlackRock收购Future Advisor，Fidelity战略合作Betterment，Morgan Stanley携手Goldman Sachs入股Motif。
从竞争结果看，一方面，美国智能投顾行业集中度提升势头明显，前五大智能投顾公司（或产品）占据了超过80%的市场份额，其中先锋、嘉信的智能投顾产品属于半自动产品，需要人工服务辅助。这主要是因为先锋、嘉信等行业龙头企业的产品渗透率迅速提高，其AUM增速远快于其余公司，并非“大鱼吃小鱼”。同时，智能投顾公司遍地开花，目前已有超过200家公司推出相关市场产品，且这一数字还在以30%以上的速度增长。
先锋基金PAS业务是在行业竞争中后来居上的龙头，公司15年来的服务门槛一直为投资额超过50万USD，直到2014年底，PAS业务线增加智能服务，并将服务门槛降至10万USD，部分业务将至5万USD。考虑到先锋基金是“人机结合”，这一门槛已经很低，可以开始和智能投顾企业竞争。智能投顾主要通过税收收割和再平衡提供超额收益，这两项可以被模仿，资管公司有能力复制。在指数基金和资产配置策略方面，专业资管和互联网金融企业之间实力并不对等（先锋基金是指数基金的缔造者），再加上客户基数和市场认可度的优势，使得先锋基金“后发先至”。
3.2 智能投顾行业内部竞争格局
智能投顾行业领先的独立公司一般都是2010-2011年成立的，已经经过了5年左右的产品升级和市场探索，在融资市场和消费者市场均积累了不错的口碑，领头羊Betterment、Wealthfront、Personal Capital等均融资过亿，从估值上看，即将成为业内首批独角兽。
独立的智能投顾企业的业务核心都是合理配置客户的资产，它们在投资理念、人工参与度、引流模式、盈利模式等方面略有差异：
（1）投资理念的差别：Betterment更加关注用户的投资收益目标，Wealthfront更加关注客户的风险偏好测试结果，先锋基金PAS则选择兼顾收益目标、投资期限、风险偏好。
（2）人工服务参与程度的差别：独立智能投顾公司一般完全依赖智能投顾与客户交流互动，另外先锋、嘉信等拥有传统投顾服务业务的公司则安排了人工后台服务，保障机构服务专业度品牌的同时也增加了运营成本。
（3）引流模式的差别：先锋PAS和嘉信智能投资组合都是将智能业务定位于传统业务导流工具，引流模式主要基于金融机构的品牌和渠道；独立智能投顾公司则玩法较多，即便市场相同，每家公司都有自己的切入角度，Wealthfront、Betterment主打长期理财规划概念（大类资产配置型），Motif、Covestor则主打投资者社交概念（C2C跟投型），但其背后向C端出售金融产品并收取费用的商业本质相同。
（4）盈利模式的差别：有些公司通过征收0.2-0.35%的咨询费盈利，如Betterment、Wealthfront；先锋、嘉信则主要通过推荐其自身ETF产品实现盈利，嘉信则完全不收取咨询费，只为向基金产品销售业务导流。
前面分析了智能投顾行业的七大驱动力，和传统投资顾问的竞争优势。我们认为善于借用这七大驱动力，并突破传统投顾竞争优势的企业更具竞争力。其中我们更加关注企业在“融资是水，普惠生根，合作连枝，收获品牌”四个方面的竞争力：
（1）融资是水，企业的融资能力是第一位的。目前市场上的智能投顾项目均不盈利，据Morningstar总裁Joe Mansueto分析，独立的智能投顾公司至少需要160-400亿USD才能实现盈利，获客成本至少需要1,000 USD，如果客户平均投资2万USD的话，需要100万位客户，前期市场投入可能需要10-20亿USD，这是现在这些创业公司融资额的10-16x。以行业AUM目前的CAGR来看，至少还要3-5年才能盈利。
（2）普惠生根，较低的金额门槛是立足长尾市场的基础。在互联网产品时代，产品需要按照“一九法则”做“减法”，把细分市场深耕到极致才能站稳脚跟。业内各项目的投资金额门槛仍有2x以上的差距，而业内各公司费率差距很小，因此低费率的重要性比低金额门槛稍逊。
（3）合作连枝，与传统金融机构的合作可以增加服务范畴和质量。互联网团队对于投资者的需求、投资产品的理解相对处于竞争劣势，与金融机构合作在渠道、专业度、人才团队、业务丰富度（金融机构为线上客户设计新的资产配置产品）等方面有益处。同时可以利用线上平台向传统金融机构导流，提高合作生态内的用户ARPU值。KPMG国际合伙人Warren
Mead认为，智能投顾服务不会受到国别、社会文化的限制，渗透率是根本限制，由于同质竞争，单个智能投顾产品的渗透率不会太高。所以与大型金融机构适当合作，甚至合并，是一条可行的出路。
（4）收获品牌，打造专业品牌知名度是中长期目标。具备品牌优势的金融服务项目，在获课成本和用户粘性方面具有优势，是金融企业长期赖以生存的核心竞争力之一。
第一梯队，先锋PAS、嘉信IIP：（1）属于知名金融机构旗下的智能业务，市场知名度领先；（2）在财富管理的技术和渠道上的先发优势，在竞争中暂时领先；（3）业务协同较多，服务费率可以降低。
第二梯队，Betterment、Wealthfront：（1）两家企业是行业的第3、4名，在模式、规模、战略等方面均基本一致，已经初步得到市场认可；（2）保持“普惠金融”定位，深耕长尾市场；（3）目前仍保持独立企业身份，并尝试与全球金融机构在产品设计丰富度、单客增值服务、推广渠道、品牌建设四个方面进行战略合作，合作将为企业助力二次腾飞，值得关注。
第三梯队，Personal
Capital、Sigfig：（1）市场拓展能力较差；（2）市场知名度不足；（3）投资金额门槛和管理费率高于平均，市场定位不准；（4）尝试做个股策略投资风险较高，且主打概念复杂，不利品牌建设。
第四梯队，Motifinvesting：（1）从社交角度切入理财市场，社区内多为C2C设计的高风险组合或主题投资组合，服务缺少专业化配置环节；（2）公司市场拓展能力一般，组合研发成本高，用户收费过低，盈利模式不明朗；（3）若能解决盈利模式问题，有很大的想象空间。
第五梯队，FutureAdvisor、Covestor：（1）已经被金融机构全资收购，专注成为母公司的导流平台；（2）后续融资中止，市场规模增速明显放缓，已不具备独立实现盈利的能力。
第二部分 中国智能投顾行业分析
1 中国智能投顾行业环境分析
前面分析过了美国智能投顾行业的七大驱动力，这里我们认为美国智能投顾行业的发展经验不完全适用于中国市场，主要原因就是上述七大驱动力中有一部分在中国会打折扣，同时中国特殊国情也带来了新的挑战。这里我们提出行业在中国遇到更多阻力，但并不否定投资者的理财需求需要新型产品来满足，行业仍有广阔的市场空间，这是因为：
抛开投顾服务在长尾市场的空白不谈，从心理的角度来看，中国散户往往输给人性的缺陷。中国主要是卖方投顾，重视撮合交易而非投资研究，重视售前服务而非守候组合管理，往往迎合人性弱点而非理性纠正。由于立场不同，卖方投顾的迎合将会放大散户的缺陷。权益类基金产品风险偏高，需要买方投顾服务来管理风险，FOF就是这样一种产品。智能投顾可以理解为去中心化的FOF，提供理性的账户管理服务，纠正人性的缺陷，具有存在的价值。
所以，我们提出七个问题，并建议对本行业在中国近两年的增速（美国行业AUM的CAGR预计未来三年可达77.0%）应稍加保守性地看待。
主要问题：
（1）对应美国竞争格局分析，我们发现美国先锋基金PAS业务、嘉信财富IIP都将旗下部分其他业务线的客户导向了智能服务，使得行业规模也成长。在中国，这种传统投顾客户被引导向智能投顾是否更难实现？（2）对应美国行业驱动力分析，我们知道美国智能投顾有门槛低、税收收割两个优势，是否在中国依旧存在？（3）对应美国行业驱动力分析，我们发现美国智能投顾主要采用配置全球ETF的被动投资策略以满足市场需求，那么被动投资策略在中国是否已经有了充分的土壤？
其他问题：
（1）对应美国行业驱动力分析，中国人均财富也增速较快，居民理财需求增长，这一趋势究竟利好哪一类投顾服务？（2）对应美国行业驱动力分析，我们知道美国ETF资产供给充足，那么中国ETF产品规模相对较小，是否影响了智能投顾的服务效果？（3）中国券商经纪业务正在转型，新生业态是否会成为智能投顾竞争对手？（4）对应美国行业驱动力分析，我们知道美国智能投顾产品受到欢迎的原因之一是AI技术不断升级，那么中国智能投顾的AI分析水平是否能满足市场需要？
1.1 传统投顾客户被导入智能投顾的困难
对应美国竞争格局分析，我们发现美国先锋基金PAS业务、嘉信财富IIP都将旗下部分其他业务线的客户导向了智能服务，使得行业规模也成长。在中国，这种传统投顾客户被引导向智能投顾恐怕更难实现。因为，美国都是买方投顾，投资顾问费+被动基金管理费（托管费等综合费用）一般1%/年。那么，投顾就要和基金抢夺有限的1%，投顾肯定愿意推荐管理费很低的ETF类产品，甚至欢迎其客户买一些Robo-Advisor的低成本产品。另外，Robo-Advisor的客户基本是草根，所以美国投顾和Robo-Advisor并不是针锋相对地在竞争，后者不会受到金融体系的排挤。
然而，中国都是卖方投顾，收费是每卖一单就收一单提成，所以什么产品提成高就推荐什么产品给客户，并不在乎为客户节约成本，更没动力推广没什么提成的自动管理产品。另外，中国投顾服务的客户净值相对偏低，和智能投顾的大众客户是有一些交集的，所以会竞争关系，所以智能投顾将受到金融机构的打压。
1.2 智能投顾的门槛优势和税收收割策略
美国的Robo-Adivsor行业有很多独特的产品定位优势，首先就是资金门槛低，迅速吸引了没享受过投顾服务的普通大众密切关注，尤其是硅谷企业中对科技信任感较强的工程师；其次，就是服务成本低，让大众消费（支付0.2%购买投顾服务）更加不犹豫。此外，智能投顾更具便捷性、透明化、严谨性，传统投顾更具私密性、沟通性、专业性。但说到底，这些特点只是两者市场定位不同，所以“尺有所短，寸有所长”。唯独有一点是Robo-Advisory独特的优势，就是税收收割所带来的1%左右的超额收益。抛开基金投资的能力水平不谈，这1%的超额收益是实实在在的竞争优势，与上面提到的市场定位完全无关。
中国没有税收收割的机制，这使得在技术上可以实现的1%的超额收益，在税法上无法运作。这一优势在中国的缺失可能是致命的，这和中国投资者对收益率的高要求有直接关系，收益率上能否增加1 pct对于很多中国投资者都是至关重要的。
此外，中国高净值人群占比更低，但是投顾服务机构并不少。所以传统投顾服务门槛相对降低（低至300万RMB即可），所以两种投顾的客户群差异相对更小。一部分边缘客户再考虑高收费的传统投顾服务的同时，也在智能投顾，两者互补关系削弱，而竞争关系被放大。因此，低门槛这个首要优势被相对弱化。
1.3 被动投资理念在中国相对被忽视
Fidelity的数据显示，2008年大跌中，其1,500亿USD的基金中，赎回金额仅仅8,000万USD/月，不足总规模的0.1%。这是因为基金主要拿的是401k（美国养老金）的钱，直接在大众的工资中扣除，人们想不起来自己还有这么一笔钱在股市投资，更没渠道将这笔钱“快进快出”。
美国散户原本也“追涨杀跌”，但是美国机构占比高，TD基金操作少（DC-401k计划主要投资Target Date基金，一直投资到退休，随着年龄增大权益资产配置减少，债券与现金资产增加）。此外，2008年市场跌了50%，如果在低点赎回，就将错过2008-2016年将近200%的收益，此时TD基金长期锁仓映证了“慢就是快”的道理。现在，美国大众很多已经从各个角度接受了投资被动产品的理念，不求战胜市场，这为Robo-Advisor旗下ETF产品的认可度做了很好的市场环境铺垫。
中国的投资者在用税后资产进行投资，投资目标就是“多赚钱”。市场长期来看并非零和博弈，起码指数是上涨的，导致投资者普遍亏欠的一个重要因素就是相对于美国TD而言过于“短期投资”。中国投资者更喜欢自己短线操作个股，市场上对被动型产品的认可度相对低。
1.4 其他问题
1.4.1 人均财富增长对投顾行业的影响
对应美国行业驱动力分析，中国人均财富也增速较快，居民理财需求增长，这一趋势究竟利好哪一类投顾服务？行业内普遍存在观点认为，中国居民越来越富裕，所以利好智能投顾下游。但是，我们认为人均财富增加首先利好的是传统投顾，智能投顾受到的影响相对较小。这是因为：
（1）从需求端来看，中国贫富差距一直在拉大，据估计，2020年中高净值人群的人口占比将从2014年的5%增长至2020年的10%，投资额从42%升至高达58%。可见居民财富快速地向高净值客户转移，传统投顾将直接受益，而长尾市场增长有限。
（2）从供给端来看，中国投顾从业人数已经突破3万人，高净值人群160万人，投顾人均只需服务50人。资深投顾能服务上百位高净值客户（净值800万以上），而普通投顾往往只有不到10个左右高净值客户，行业方差较大。这类普通投顾高净值客户不多，为了完成业绩需要，同时向中低净值客户提供服务。虽然普通投顾服务能力水平较低，但是人均服务高净值客户数仍有提升空间。随着人均财富提升，中净值客户转为高净值客户，传统投顾将主动向其提供服务，将其揽入传统机构体系。
1.4.2 中国ETF产品规模较小
对应美国行业驱动力分析，我们知道美国ETF资产供给充足，那么中国ETF产品规模相对较小，是否影响了智能投顾的服务效果？行业分析师普遍认为，中国ETF规模远小于美国，所以中国智能投顾所能提供的服务有限，利空本行业发展。这个逻辑大体无误，但是我们认为利空程度非常有限。
美国2003年市场上ETF产品共计151支，中国目前仅142支ETF，尚未达到这一水平。美国2016年市场上ETF资产超过2.2万亿USD，中国目前ETF产品市值仅4,400亿RMB，且CAGR已经落到10%以下。但是，仍需考虑到，中国智能投顾服务范畴不只限于ETF（还包括多种公募基金甚至保险产品），中国投资者本身也对ETF兴趣较低，用ETF产品供给数衡量智能投顾所能提供的组合上限是不科学的。
1.4.3 券商经纪业务转型的影响
中国券商经纪业务正在转型，新生业态是否会成为智能投顾竞争对手？自2015年4月正式开放“一人一户”的限制， 经纪业务的价格战再次导致佣金加速下降，倒逼业务加快转型。差异化的投顾产品是发展重点，已有超过 30 家券商推出了投资顾问的线上服务APP，扩大了业务的覆盖面，还为客户提供个性化服务，这对独立智能投顾企业或将形成冲击。
1.4.4 对风险偏好的分析水平是否能够满足市场需求
对应美国行业驱动力分析，我们知道美国智能投顾产品受到欢迎的原因之一是AI技术不断升级，那么中国智能投顾的AI分析水平是否能满足市场需要？投行分析师普遍对2.0时代智能投顾的客户风险偏好分析能力表示质疑，并通过实验进行测试为证。我们认为如果智能投顾公司与证券公司或者银行合作，得以通过金融机构获得大量投资者金融信息，那么对于其风险偏好的分析将会十分准确。
根据FINRA的测试，美国智能投顾也会对同一投资者的风险偏好程度做出大致方向相近，但配置结果截然不同的分析。可见，全球智能投顾AI应用水平都比较有限。其实，这不是AI分析能力的问题，仅仅根据10-30道选择题所采集的信息是不能很好地反应一个人得投资肖像的，而处于提升用户体验的考虑，问卷不便于设计得太繁琐。这是数据权限的问题，如果AI有权限得到投资者的信用卡消费、职业信息、证券账户投资历史等资料，风险偏好的测算很可能准确得多，毕竟传统投顾也就是通过这些信息进行系统化分析的。
2 中国代表性智能投顾企业案例分析
2.1 中国智能投顾模式简介
智能投顾行业处于起步阶段，市场规模非常有限，落后于美国5年左右，2015年才随着互联网金融项目的热炒而受到资本关注，2016年下半年行业融资情况随着市场而暂时转冷。蓝海智投、弥财、财鲸、慧理财等公司收获天使投资，京东智投、聚爱财邓也获得了A、B轮投资。除了独立新型智能投顾平台，传统金融公司也开始布局，华泰证券斥资8亿USD竞购美国资管软件研发商AssetMark、平安银行和招商银行推出智能投顾服务、同花顺iFinD推出智能投顾服务。
国内智能投顾公司主要有以下四类：
（1）经典模式：完全模仿Wealthfront、Betterment等投资于ETF的公司，如弥财、财鲸、投米RA、蓝海智投等，受限于国内政策，这几家公司均直接投资美国市场ETF。
（2）配置建议：仅仅为投资者提供配置建议和“一键购买”按钮，购入资产后平台不再对账户进行操作，如平安一账通智投、招商银行摩羯智投、京东智投。这类投顾实际上并不是我们所讲的“买方投顾”范畴，而更像是“金融超市”和导流工具。
（3）创新模式：受限于国内政策，投资于国内资产的投顾公司不能对账户进行后续操作，仅担任销售角色。雪球蛋卷基金利用基金约定交易方式为客户后续调仓（客户授权蛋卷在180天内在达到一定条件时，自动帮客户卖出/买入指定公募基金产品），得到了监管机构的肯定。
（4）股票分析：完全脱离传统模式，仅服务于股票市场，利用机器学习算法分析公司财报、行业数据，提供垂直化金融服务，如数据预测、事件提醒、策略建议等。这一类模式对技术要求更高。
2.1.1 经典模式模仿者以弥财为代表，欲在中国复制Wealthfront经验
这类公司采取几乎和Wealthfront一模一样的问卷采集客户信息，对接完全类似的海外ETF资产进行投资，也提供类似的后续调仓和其他增值服务。这类公司一般采取与海外经纪公司（如弥财和Interactive Brokers）合作的模式推行美元业务。
优势：（1）拥有国外商业模式模板，服务模式相对成熟，产品用户体验好。（2）满足了中国投资者对海外资产配置的需求。
劣势：（1）业务受限于国内汇兑不得超过5万USD/年的配额限制，单个客户投资规模有限。创业之初，公司的草根客户里很少有人账户会超过5万USD。但随着企业业务做大，5万USD的上限将成为客单价的上限，严重限制企业的收入规模和个人增值服务的开展。（2）由于必须与美国经纪机构合作，增加了通道成本，年费率较Wealthfront升高到0.5%，对客户的吸引力降低。（3）众模仿者商业模式完全相同，同质化竞争严重。（4）除了投米RA、弥财等领军企业，其他公司多数未与国内金融机构达成重要合作，所能开展的业务还以“基金超市”为主。
我们前面已经谈过在中国照搬美国经验的困难，这里不再重复。此外，美国经典模式智能投顾推荐组合的收益率一般为5.5-6.0%，中国弥财官网显示可达3.5-8.4%，投米RA公开为6.5-21.6%（均值超过10%），蓝海智投据透露可达8.3-13.0%。而中美经典模式所配置的ETF资产相近，美国另有税收损失收割机制获利。因此，我们对于中国有关公司的收益率持怀疑态度，一方面可能是数据采样不足，另一方面可能在交易层面存在风险隐患。还应注意，技术还在模仿阶段，众多模仿者业务模式相仿，投顾品牌尚未建立，核心竞争力暂时不足。
2.1.2 雪球模式推陈出新，“模式+品牌”打造护城河
对于投顾公司，除了收取咨询费，还可以设计研发旗下指数基金、股票基金、债券基金简介扩大资产规模，例如：美国Wealthfront自制三种WF指数，Motifinvesting自制主题投资组合，先锋基金PAS向旗下ETF导流。国内公司多数缺乏金融创新的经验和突破监管限制的能力，而雪球首创“蛋卷基金”，并于2015年1月推出“斗牛二八轮动”产品。这个产品底层采用了天弘基金的3支基金产品，与客户签订180天的服务条款，按照既定原则每日收盘后自动做出转日买进/卖出基金份额的判断，实现通过简单、透明的机器交易方式规避人工的方式代客理财的效果。
策略：（1）成分标的为沪深300指数、中证500指数和国债指数；（2）本指数对比当前交易日收盘数据与20个交易日前收盘数据，选择沪深300和中证500中那个涨幅较大的一个；（3）于下一个交易日收盘时切换为持有该指数；（4）若两个指数均下跌，则选择国债指数。
优势：（1）通过上述“交易协议”，突破科技公司资产管理牌照的限制，形成FOF效果。雪球模式得到证监会、银监会的肯定，被监管层默认“先行先试”创新。国内其他公司暂未能够得到这种尝试的机会，不敢越雷池一步。（2）目前，持有300ETF、500ETF、国债ETF的成本大概在4.85%左右，而蛋卷基金“斗牛二八轮动”的成本仅为3.40%，这与天弘基金产品费率的创新有关。（3）交易策略简单实用，回测收益远胜市场指标。（4）雪球自2011年推出产品之后备受市场关注，用户已经超过千万，社区已经搭建成熟，用户粘性远高于一般金融APP，具备目前比较领先的投资理财品牌。
劣势：（1）比起Wealthfront亲自研发的WF指数产品、Motifinvesting研发的Motif主题组合，蛋卷基金还需向天弘基金缴纳一笔费用，这个交易成本稍降低了客户的潜在收益。（2）目前可选基金较少，不能满足投资者的全部需求。
2.2 关于未来发展的思考
前面已经通过美国行业七大驱动力、竞争格局、中国特殊阻力分析过企业所面临的市场环境和四大取胜因素——融资、普惠、合作、品牌。下面我们假设中国市场在未来将发生一些变化（证监会放开对智能投顾开展资产管理业务的限制，或者资本市场热度转暖），来看看对应不同情境下，行业将会有怎样的新业态。
首先考虑行业所面临的政策风险。证监会对于智能投顾行业的理解已经从2016年上半年的对金融创新的默许，转变为2016年下半年对行业风险的重视，这主要和“牌照有关”。
第一，谁来考核机器人的投资顾问从业资格。“智能投顾”是新鲜词汇，并没有法律上的定义，如果公司对投资者收取投资顾问费（美国智能投顾0.2-0.35%，传统投顾1%）的话，那就要考虑到智能投顾的投资顾问从业资格问题。目前，全球主要国家都为投资顾问从业者设计了考试（即便难度不高），只有通过考核的人才能自称投顾，向客户收取投顾费。但是，智能投顾行业是新兴事物，全球都没有一个考核标准来认定智能投顾分析系统是否合格。在发达国家，这种创新模式被政府发言人支持。但是，市场化手段监管的思路在中国并不适用，投资者容易被不法平台骗，监管层也不愿为金融体系引入系统性风险，所以这种收费模式是有政策隐患的。
第二，是否需要基金销售牌照，这是当下监管层的主要关注点。智能投顾服务为客户创造了新的价值，在商业本质上常见这两类打法：（1）按照一定配置比例，向投资者销售自己推荐的基金产品；（2）接受投资者的资金，管理其资金投向。第一类打法只比其他互联网金融超市多了一个资产配置建议功能，凭此绕过基金销售拍照并不符合监管层思路。跟据访谈了解，全国目前大概有303张基金销售拍照，主要掌握在金融机构手中，牌照价格已经从2015年初的300万元上涨至2016年的3,000万元，且有价无市。现在监管层已经暂停了牌照发放，并于2016年8月发出声明表示“严惩非法销售基金产品的智能投顾平台”。基金销售牌照的高额成本迫使当下的智能投顾基本都选择了与具有牌照的传统金融机构合作，这也符合我们之前对“合作”的强调。
第三，资产管理牌照不可逾越。私募基金FOF一般100万元起投，而经过智能投顾的重新配置、拆分等“普惠服务”，智能投顾客户可以以1万元的低门槛投入。此外，智能投顾还设置算法自动对所投资金进行配置比例调整，并收取管理费。这种产品发行业务以及交易操作业务是需要基金业协会会员认证的，这种“创新”明显不符合监管层的思路。
情况（1）&（2）：放开管制，资本复苏
当证监会放开业务限制，资本市场又重新活跃起来，越来越多的智能投顾找到了类似蛋卷基金“协议交易”模式的创新手段，或者主营海外资产配置业务。这种情况下，中国智能投顾的发展模式可以参考美国此刻的业态，具备“融资、普惠、合作、品牌”四个方面优势的企业将会胜出。雪球是一个可以关注的例子，其融资能力强，积累了千万用户，社交和资讯功能大大提高了社区黏性，形成了知名度、美誉度较为领先的草根投资平台品牌。反之，企业将处于竞争劣势，发展减速。在短期内，这种情形发生的概率相对低。
情况（3）&（4）：放开管制，资本寒冬
当证监会放开业务限制，RA将会向美国一样进入财富管理领域。资本寒冬依旧，互联网“一九法则”依然成立，平台型企业只有“滴滴”一样的龙头才能存活。而只会烧钱而缺乏“普惠、合作、品牌”的线上平台将难以为继。
情况（5）&（6）：严格管制基金销售业务
这种情况下，监管层保持对RA资管业务的限制，这是大概率事件。如果智能投顾不定位于为客户提供海外配置，智能投顾平台成本低廉和用户体验所带来的流量成为平台的主要价值，实现盈利的关键是与金融机构进行合作。不过，金融超市平台已经很多，仅凭智能配置资产的算法也难突破BAT的格局。如果企业金融行业资源较少，不善于与传统金融机构合作的话，将面临很大的生存压力，除非整个行业能迎来AI技术的大进步。
第三部分：附美国robo-advisor企业简介
Wealthfront是行业开创者，融资能力较强，但与金融机构合作较少，税收损失收割技术领先于同行。
Betterment是独立智能投顾龙头企业，主打养老金大类资产配置服务，拥有多项智能技术为客户争取超额收益。
FutureAdvisor提供大类资产配置建议，主要为客户提供养老金安排计划，已被BlackRock收购，不具备单体盈利能力。
Personal Capital从财务管理软件的角度切入，绑定其他证券账户并获取了客户更多信息，但是产品定价略高，市场定位不清晰。
Sigfig成立较早，2013年转型大类资产配置平台，2016年与金融机构合作，业务可塑性强，但是团队业务能力差，市占率持续走低。
Motifinvesting为投资者设计主题投资组合，并提供投资者社区，收费较低，盈利模式不明朗。
Covestor成立较早，定位“投资社区+组合跟投”切入财富管理市场，融资能力较弱，2014年开始业务受挫，后被在线券商收购。
各位辛苦了。欢迎讨论。
彩蛋：海外智能投顾普遍采用的算法架构
（全文完）
看好智能投顾，怒答一记。
前方长文请注意！！！
一、概念：
“智能投顾”（Robo-Advisor）又称机器人投顾，投资人可以直接把钱交给专业机器人来打理，简而言之就是通过以技术为依托，用互联网和AI手段替代传统的投资顾问的职责（风险偏好分析，资产配置，投资组合推荐），从而实现高效精准的资产配置。
二、理论基础：
智能投顾的理论基础是脱胎于是诺贝尔获得者马克维茨在1952年提出的投资组合理论。马克维茨将所有资产配置的可能组合作成一个面，其边界上的每一个点都是一个最优资产组合。从纵向的角度看，它是某一个确定风险上回报最高的资产组合；从横向的角度看，它是在你希望得到的回报上风险最小的资产组合。简而言之，就是通过多样化投资分散投资风险，控制稳定回报率，而智能投顾正是可以利用其更精准的模型和算法实现分散风险和获得长期收益。
除此以外，支持的理论基础还有量化投资策略，其中包括多因子选股策略，趋势跟踪策略，事件驱动策略，风格轮动策略，Alpha策略，无风险套利策略，统计套利策略和期权/可转债和标的套利策略等。
三、起源：
智能投顾起源于美国。而背景则是传统投顾高昂的服务成本和服务人数的局限性推动技术革新去取代人力做更好的服务。因为在美国大部分人有退休金计划，其中83%的投资者都需要专业的投资顾问服务，但是传统投资顾问的服务费高达一年一万美金，服务于年收入1000万美金以上的高净值人群，服务费用大致在1%-2%之间；相比之下智能投顾可以通过高效和更精准的算法和模型提高服务效率，降低边际成本，同时也通过低昂的服务费（0.1%-0.4%）服务更多以前传统投顾无法服务到的中产阶级及年收入更低的受众群体。
智能投顾真正开始进入大众视野应该是在2010年Betterment和Wealthfront名声大噪以后，这两家美国最为知名的智能投顾公司，开始面向C端个人理财用户推出基于智能技术与算法的资产管理组合建议（其中包括债权配置、基金配置、股票配置、房地产资产配置等）。
2014年智能投顾进入快速发展阶段，出现了诸如Personal Capital的除了两家巨头以外的企业；而美国最大的投行高盛投资1500万美元收购了人工智能公司Kensho，希望用人工智能取代基层分析师的岗位；2015年全球最大的资产管理公司贝莱德收购了估值在1.5亿-2亿美元的机器人投顾初创公司Future Advisor，并希望以此行智能投顾相关的的基金投资产品。根据Citibank智能投顾市场报告来看，从2012到2015年底智能投顾管理的资产规模从零增加到了187亿美元，增速之快令人咋舌。
四、优缺点：
优点：
缺点：
五、中国已有的智能投顾创业公司：
通过简单的统计，我总结了目前市面上相对活跃的主打智能投顾的金融app，通过目前融资阶段和运营数据可以对目前国内智能投顾类创业公司有个直观印象：
从上面表格可以看出，目前国内智能投顾创业公司里面并没有出现一个绝对占领市场处于垄断地位的公司，还处于群雄混战阶段，而目前To C的智能投顾创业公司也是占绝大多数，但是在中国目前如果直接To C是很难做起来的。
六、中国困境：
我认为在中国未来相当长一段时间里，To C的智能投顾是个伪命题，很难大规模推行或者有长足发展。 目前的中国要想成功复制美国Wealthfront，Batterment这类智能投顾模式面临着一些大的挑战，首先是智能投顾适合的投资产品类型中美就有很大的差异：
1）中国目前的法律不允许非法集资，先有理财产品才允许集资。Batterment的方式为收到用户投资资金后，根据不同的风险喜好，投资在不同的国家，不同种类的ETF和中国的法律相违背
2）从资产角度来看，国内ETF规模较小，数量少，据wind的不完全统计，截至3月初大约有120只ETF，规模不到2000亿元，而且主要是传统的指数型ETF，债券型ETF、商品型ETF等较少。
3）就资本市场环境和投资用户心态而言，国内投机性强，价值投资者稀少。
其次，就是中国散户投资者缺乏对智能投顾的信任，更相信自己通过各种渠道得到的信息，而且中国投资市场并没有像欧美那么普遍的投顾传统，中国散户习惯于自己参与资本市场投资，这和欧美市场主要以机构投资者为主不一样；而散户即使不自己直接参与资本市场，也更倾向于委托或者投资于通过人（比如基金经理）而管理的基金来投资，对于纯粹依靠冰冷的程序算法来投资始终会抱有一种怀疑的态度。
并且收益率在中国远达不到中国大众投资者的预期，因此无法获得忠诚用户。中国股市因为不够成熟，无法像美股那样进行价值投资，大部分散户都经历过大起大跌的牛市和熊市，习惯于超短期内获得超短期收益率，是无法接受智能投顾短期远低于以往在中国资本市场获得的收益率。
在技术方面，智能并不能实现真正智能：在算法和程序与金融的结合的技术上达不到，也缺乏像Google里那么顶尖的人工智能专家，这类人才一般也在顶尖的科技公司里而不是在金融公司里，因此可能所谓的智能投顾并不能真正实现。
从投资溢价策略来说，投资博弈里的独占收益和普及性在智能投顾里也是个悖论：因为资本市场假定是个零和市场或者趋近于零和市场，那这里面代表着一个人赚钱同时也有另一个人亏钱，因此存在着优于别人的交易和投资策略。而假如智能投顾能通过算法和程序实现长期更优的策略，那它如果是被一个人所用，是可以产生更大收益并且实现盈利，这种时候就是通过独占市场上更优的投资策略获得投资溢价回报；但倘若这种策略变成服务于大众的策略，那就说明这种策略被大部分人所有，基于资本市场的零和游戏性质，收益率必然会下降，因为一个策略被大部分人所熟知时就失去了市场上较之于别的策略的相对优势，而这个策略也就渐渐失效。因此，通过高效和低服务费来为大众提供投资顾问服务和获取高回报投资收益在智能投顾的问题上本来就是个悖论。
七、 智能投顾未来出路：
虽然我不看好在国内这个散户占大多数的投资环境里做To C端的智能投顾，但是智能投顾从长期科技发展的角度来看是个需要持续关注的方向，而To B的智能投顾也许是目前很多创业公司可以探索的方向。而这里To B的智能投顾可以做两块业务：一块是给金融公司提供智能投顾的算法和程序的技术支持（比如系统等）这种收费模式主要是以系统license购买和系统维护费，还有单个模块的收费；另外一块业务可以通过给中小基金公司还有资产管理公司提供底层开放式策略SDK以及定制化的智能投顾策略，通过策略进行收费。通过To B 业务不断打磨产品完善智能投顾的算法和程序，在有强大积淀的时候To B再To C，这样就可以避免需要获取C端流量的尴尬冷启动，从而慢慢打开市场。
以上回答由青锐创投负责该行业研究的投资经理杨瑜 @杨瑜 提供，我们也在自己的同名公众号『青锐创投』更新自己的行研和观点，欢迎知友们关注与交流。