兩年前，曾在中海基金、廣發證券身居要職的李延剛“奔私”之際，可以選擇像他的同行們一樣，成立一個陽光私募，做量化基金的老本行，發產品收管理費，但他卻選擇了一條不同尋常的道路。
2015年，李延剛注冊了一家名為“羽時金融”的公司，專注研究智能投顧，并向銀行、券商等金融機構開放策略服務。李延剛坦言，促使他做出這種選擇的原因是看到了“人工智能讓量化投資方法升級的可能”。
看到這種“可能性”的人不只是他。
就在同一年，在美國花旗經營另類投資多年的王福星離開了華爾街加入了宜信財富，擔任資本市場業務董事總經理兼投米RA負責人兼CIO（首席信息官），他的一個重要任務是完成智能投顧布局的從無到有。
而智能投顧顯然不僅僅是金融人的戰場。
在加入諾亞財富派之前，畢業于南京大學計算機系的朱代輝只是一個數據科學家。而加入諾亞財富旗下子公司財富派之后，作為AI團隊的負責人，他成為了開發“諾亞智能組合1號”的主要負責人之一。
事實上，在大資管的時代背景下，過去的兩年里，銀行、券商、基金、第三方財富管理公司，甚至包括BAT在內的互聯網公司都先后開始深度布局智能投顧。“盡管目前來看，行業的整體智能程度還是非常低。但是趨勢上來講，智能化的未來幾乎已經沒有爭議。”李延剛表示。
一夜之間，所有的市場參與者仿佛都回到了同一賽道。大機構不一定就擁有絕對優勢，而一些名不經傳的中小機構，甚至從零起步的創業企業，亦有可能擁有逆襲機會。諾亞財富派CEO黃俊鵬認為：“只要率先找到一種路徑把傳統量化和人工智做到無縫對接，就很有可能掌握關鍵的先發優勢。”
智能投顧生態圈
值得注意的是，各家機構對智能投顧的定義各不相同。
智能投顧，英文為“Robo– advi-sor”，直譯是機器人投顧，是指基于不同用戶的收益預期、風險偏好和流動性需求，通過自動化方式為用戶推薦投資組合、提供個性化的理財服務，以達到分散投資風險的目的。
李延剛表示，“國內智能投顧的現狀是行業剛起步，整體智能程度低，專業水平不足，服務隨意性強，并且利益導向嚴重。一方面跟風炒作概念的鋪天蓋地，另一方面真正在探索智能投顧的參與者往往也是對標美國的智能投顧企業，缺少本土化的領軍企業。”
“大家普遍對智能投顧的理解是平時給予用戶投資建議的應用軟件，而這些投資建議從數量上來說，市場上絕大多數仍是人工生成的，這種可以視作‘偽智能投顧’。”而李延剛認為，事實上，智能投顧所覆蓋的領域和涉及的服務環節不只是推送環節，“智能投顧可以兼顧的資產端包括個股、基金以及各種不同底層資產的理財產品，策略層面涉及行業組合、策略組合、策略定制化，同時牽涉到交易擇時、AI看盤、持倉診斷等問題。真正的智能投顧可以應用在三個層面：初級應用，運用智能手段為不同風險偏好的客戶匹配不同的產品組合；第二階段，采取量化手段，通過回測既往行情形成模型；但是這種方法在A股市場有一個重要缺陷，由于市場環境變化頻繁以及國內證券市場的非理性特征所導致的不確定性，在很多情況下，不可應用于實戰；第三種，在量化基礎上，通過機器深度學習，實時修正參數和指標，以尋找到最合適當前市場的投資方法。”
通過其對行業生態的調研，李延剛認為，目前行業絕大多數企業依然處于人工干預的線上薦股階段，“智能投顧的發展也正處于金融科技1.0向2.0過渡的時代，數據分析由淺表化向多維度多層次的大數據分析發展，區塊鏈、人工智能等技術也開始與數據分析量化深度結合。智能投顧也開始衍生出各種發展模式，包括‘社區+流量變現’模式，如雪球牛股王，‘問卷+產品銷售模式’，比如招商銀行摩羯智投，以ETF為主的‘在線資產配置’模式，如來自硅谷的Wealthfront，‘線上量化薦股’的廣發證券的貝塔牛，‘全自動人工智能金融搜索引擎’，如Kensho。”
李延剛稱：“現在，各類機構都在積極布局智能投顧，但其實大家在財富管理的產業鏈上各有所長，比如，銀行、券商、證券咨詢公司都擁有非常好的客戶基礎而策略生成能力則參差不齊，完全可以尋求合作互補。而大家的需求也不盡相同，比如C端用戶需要的是智能投顧AI薦股，而互聯網平臺、證券咨詢公司、證券公司和銀行的需求則是智能投顧技術解決方案，公募基金、私募基金、保險資管需要的則是人工智能投資決策系統。”
智能投顧“道”與“術”
“本質上來講，智能投顧是量化驅動的，策略方面是講求量化；與此同時，也不能忽略從產品流程設計和用戶體驗。”王福星告訴經濟觀察報。
李延剛表示，羽時金融開發了全自動人工智能投資決策系統的方式是通過加工財務數據、經濟數據、行情數據和由自然語言處理生成的文本數據形成核心數據庫，再通過策略算法引擎、深度學習引擎、回測系統、策略算法庫和決策生成庫。”
“量化的投資手段是基于定量分析的邏輯。用數字說話，構架稱一個完整的策略和模型，就屬于量化策略。想比較而言，主動管理采取的分析主要以定性分析為主。智能投顧的解決方案和投資體系里，智能投顧的邏輯設定是，設定一個風險區間和收益區間，找到之間的實現方法。可以給予定性或者定量的投資策略，把投資者和他最適合的投資策略所匹配。底層資產是可以覆蓋到A股、滬港深、海外、黃金、債券、期貨等領域。”朱代輝補充表示。
其介紹稱，2個月前上線的“諾亞智能組合1號”本質上是一個基于公募基金的組合策略。“基于公募基金的量化組合投資策略，把公募基金當作一種策略在用。”“海外智能投顧采取的往往是傳統金融理論，比如馬科維茨理論、MPT理論和一些量化模型比如多因子模型的方法去做智能投顧，這也是現在比較主流的方法而國內人工智能領域由于處于探索階段，反而更活躍，更大膽一些。”朱代輝表示，“比如諾亞智能I號組合應用的主要算法是借鑒了馬可維茨理論的思想，把投資策略轉化為一個帶約束的多重優化問題。“建模層面吸收了隨機過程理論的思想，實操時采用了ROLLING Test的方式。這個組合不需要人工干預，機器人會自動調倉。機器人窮盡了超過628,600億種基金組合，找到了處于馬科維茨曲線與資本市場線切點處那一個最優解。通過近5年真實市場歷史數據回測，諾亞智能組合的年化收益穩定在8-12%，年內最大回撤在10%左右（2015時股災之際），近5年總收益率則高達70% 。”
王福星亦透露稱，2017年宜信財富投米RA的業績表現來看，在9個風險等級的策略中，風險最高的策略2017年累計收益回報達到23.13%，最大回撤3.68%，風險等級最低的策略累計收益率達到8.98%，最大回撤1.56%。
“構建智能投資決策系統的能力才是智能投顧領域成為真正決勝的核心競爭力。而這至少需要來自三個方面的核心競爭力：投資邏輯與經驗積累、量化投資的基礎能力、大數據與人工智能。”李延剛表示，“沒有過硬的量化基礎和扎實的AI能力，很難交出一份令市場滿意的答卷。”
相似的答案來自螞蟻金服財富號、宜信RA、羽時金融、諾亞財富派等機構。
“一支好的智能投顧團隊往往對于復合型要求比較高，需要頂尖的AI研究人士，也離不開傳統金融機構的量化基金經理，比如我們團隊的學科背景就包括：金融數學、計算機、AI、信號處理信息論、基金研究等等。”黃俊鵬表示，“從公司管理的角度來講，首先要有能力聚攏相關的人才，而在人才聚集之后，則需要通過有效的機制，讓這個平臺上不同學科背景的人不斷碰撞融合，發揮每個人的最大能量，實現不同領域之間的無縫對接。”
不過，值得提醒的是，在智能投顧的浪潮到來之際，行業發展依然處于蠻荒競爭的初始階段，市場中亦不乏打著智能投顧的旗號繼續傳統業務的“偽智能投顧”，“李逵”、“李鬼”的辨析也將持續伴隨市場的發展。
王福星表示，全方位的智能投顧應該具備的幾個特征：“從策略上來看，能夠給客戶長期創造價值回報，從用戶體驗上來講，能為客戶帶來智能化、個性化、穩定的用戶體驗。”而李延剛則直言，對于C端投資人而言，關注團隊背景是確定一家機構智能投顧決策能力最直接有效的路徑。
值得一提的是，監管部門對智能投顧的關注已經提上議程。
2017年11月，人民銀行會同銀監會、證監會、保監會、外匯局等部門起草了《關于規范金融機構資產管理業務的指導意見(征求意見稿)》(以下簡稱《指導意見》)。《指導意見》指出，金融機構運用人工智能技術、采用機器人投資顧問開展資產管理業務應當經金融監督管理部門許可，取得相應的投資顧問資質，充分披露信息，報備智能投顧模型的主要參數以及資產配置的主要邏輯。而金融機構運用智能投顧開展資產管理業務應當嚴格遵守本意見有關投資者適當性、投資范圍、信息披露、風險隔離等一般性規定，并根據智能投顧的業務特點，建立合理的投資策略和算法模型，充分提示智能投顧算法的固有缺陷和使用風險，為投資者單設智能投顧賬戶，明晰交易流程，強化留痕管理，嚴格監控智能投顧的交易頭寸、風險限額、交易種類、價格權限等。
對此，李延剛認為，從市場參與者的角度來看，盡管監管也還沒有建立有效的橫向標準。至少監管的態度是正面的。“它關注投資系統的完備性，并且將監管的重點著眼于后端，重點關注智能投顧的決策邏輯。對我們而言，盡管現在監管態度上還存在一定的不確定性，但只需要等待政策明朗，未來如果需要牌照申請或者備案，我們都會積極配合。”李延剛說。
