0
雷鋒網(wǎng)AI慕課按：本文回顧了9月15日晚王蓁博士在慕課學院的精彩直播，直播主題是【華爾街老司機帶你玩轉(zhuǎn)智能投顧：從入門到上手】，重點介紹了美國智能投顧的的原理，以及智能投顧在中國發(fā)展受阻的原因所在。
以下是本次直播內(nèi)容回顧：
美國的智能投顧原理其實和我們很多人想象中的不一樣，它更大的是依賴于美國特殊的土壤下才蓬勃發(fā)展起來的。
在美國1929年到1933年的經(jīng)濟危機之后，美國政府發(fā)布了一系列法案，其中，1933年證券法促使美國的證券資本市場正規(guī)化。
而1934年證券法則主要規(guī)定了三件事情：第一，成立美國證監(jiān)會，也就是SEC；第二，規(guī)定了哪些行為在證券資本市場是不允許的，是違法的；第三，規(guī)范了上市公司的季報和年報。
所以，如果美國的證券市場從1933年開始算的話，其實已經(jīng)規(guī)范了有超過80年的歷史，是一個比較成熟的時期，而美國整個的投資市場是以機構(gòu)投資者為主的，美國的量化投資或者機構(gòu)主導的量化投資，其實從1971年大概就已經(jīng)有相應的產(chǎn)品了。
到了80年代可以說是公募基金的黃金年代，那個時候這個大家都開始有了養(yǎng)老的這種需求，而且政府也通過各種各樣的政策去鼓勵大家進行養(yǎng)老的投資，到現(xiàn)在一路過來可以說經(jīng)歷了四五十年的影響。
從這來看，美國整體的個人投資者其實已經(jīng)都是比較成熟的了，而且美國的市場是比較有效的市場，所以大家才會普遍接受一個相對被動式的投資。
巴菲特就說過：如果我去世了，那么我會告訴我的孩子就不要折騰了，在美國這樣一個得天獨厚的市場里面，把大部分的錢用來買大盤就好了。
前面提到的，其實都是在說美國整個金融市場的特殊性，在這樣特殊的環(huán)境里面，人們普遍的投資水平是比較高的，而且無論是在生活中還是工作中都受到了較多的投資教育，大家逐漸會接受一個相對比較簡單的投資，最主要有以下幾種方向：
一、養(yǎng)老的投資機制下培育出來的長期被動投資習慣。這個怎么理解呢？比如說美國有多種的養(yǎng)老計劃，覆蓋面最廣的其實有401K和403B，還有給中小企業(yè)做的養(yǎng)老計劃。
在養(yǎng)老的機制下，假設(shè)一個人，他開始工作的時候是25歲，那么美國的法律規(guī)定你如果要拿你的資產(chǎn)進行投資，那么無論你的投資賬戶是稅前還是稅后賬戶，你在59歲半之后的第一個4月1號之前，都是不能夠把錢取出來的，如果想取的話，你不但要交稅，而且還要交10%的罰金，所以說在這種特殊的機制下，一個25歲開始工作的人，其實他已經(jīng)開始有自己的養(yǎng)老金賬戶了，并且到60歲它是由一個35年的投資周期的，而且投資之后會有一個增值的過程，這35年都是在增值。
但是到了70歲半之后的第一個4月1號之前，美國法律要求你把養(yǎng)老金賬戶里的錢要慢慢地開始取出來，并且規(guī)定每個月都有一個最小的分配額。
所以美國政府在這種養(yǎng)老的機制上的規(guī)定是非常詳細的，你多少歲該做什么事情都已經(jīng)規(guī)定很詳細了，在60歲之前你就是存錢投資，60歲到70歲，主要是花錢。70歲之后，你可能需要買一些保險或者其他的東西來保障你的生活。
美國在這方面已經(jīng)很是一個很成熟的社會，大家也都非常自然地接受這樣的一個習慣，在這樣的特殊環(huán)境下， 35年顯然是一個長期投資。
這也和巴菲特一直倡導的被動價值投資理念相符，而且我們看最近十年，經(jīng)濟危機之后，巴菲特的公司伯克希爾·哈撒韋其實每年的年化收益率和大盤其實也差不多。
二、美國的可投資產(chǎn)品非常多。美國是一個得天獨厚的市場，在美國人們都是知道自己需要去做長期投資的，甚至至少他們的養(yǎng)老需求要求他這么去做。而且無論是在上學期間還是工作的時候，長期投資和被動式投資都是比較受社會觀念所認可的，并且他們可以投資的產(chǎn)品都非常多。
三、美國對于主動式投資的規(guī)定是非常多的。你可以把自己的錢拿來做主動投資，但如果是養(yǎng)老的錢，你想拿出來主動投資的話，理論上講你是只能通過以下幾種方式：
通過政策貸款的方式，最多貸50%的錢出來。
SDA的形式，就是最多把50%你的養(yǎng)老金拿出來，是放到你的指定賬戶，這個指定賬戶可以去購買東西，但是指定賬戶是不能夠加杠桿的，很多公司也要求你可能不能投資于這種單個的標的，比如說個股，比如說期權(quán)都是不允許你投資的，這是法律上規(guī)定的。
在這樣情況下，所有的美國這些投資者，他們普遍認可的一個理念就是要追求低費率，既然不能跑贏市場，那么就跟著市場走，最后的凈收益就是由交易費決定的。并且每年基金或者ETF買的產(chǎn)品的管理費也是一筆開支，所以說投資者們就會努力的去用各種低費用的方式去降低每年的損耗，從而獲得相對較高的收益。
下面列舉的五個步驟是典型美國智能投顧的先行者WealthFront寫的主要的五個大的步驟：
a)、首先是在當前的這個市場環(huán)境下，我們應該怎么去配置大類資產(chǎn)，比如說股票債券，比如說大宗商品，比如黃金貴金屬，該怎么去配置？每一類大概配置什么樣的一個比例？
這一步是完全人工的去做，而且美國證投公司所謂的當前市場環(huán)境下也是指的按年記的，舉個例子，比如說7月份的時候，這個納斯達克有點震蕩的對吧，那么它并不會因為這點震蕩而做出任何的響應，甚至我們再回想2015年的8月份的美股大跌，在那個時候因為我也注冊了WealthFront和Betterment的郵件服務，他們其實并沒有調(diào)整自己底層的資產(chǎn)，依然是堅持原來的配置方案，但是他會給投資者發(fā)郵件，我收到郵件就會寫著說：你不要緊張，最后都會漲回來的。從美股過去80年的這個歷史來看，美股是一定會創(chuàng)新高的，所以說呢你就不要著急。
其實本質(zhì)上它發(fā)郵件是來安撫它的投資客戶。
他實際上并沒有從投資的動作和投資方案上做任何的改變，現(xiàn)在兩年之后回頭看，當時確實是這樣，如果當時不動的話，現(xiàn)在其實也是掙了不少錢的，因為美股一直在創(chuàng)新高，但是這樣只能是美國特殊的市場，就像我之前說的，如果是在國內(nèi)A股這樣的市場，那A股當時5100點那到現(xiàn)在兩年后，我們現(xiàn)在3400點還是差得很遠的。
b)、在一個相對長期的環(huán)境，這個環(huán)境是十年以上，一般來講，選定當前的一個大類資產(chǎn)配置這一步是完全人工的，第二步是在每個大類資產(chǎn)，比如說我要選擇新興市場的股票，那么它就會選擇其中費率最低的ETF來代表這個，ETF就是被動投資的典范，他目的就是為了選擇到一個流動性還不錯、跟蹤誤差可能會比較小，最重要的是費用要比較低，這一步也是完全人工做的。
c)、就是根據(jù)風險等級來決定一個合適的投資組合，這一步其實是（a）和（b）結(jié)合起來，每一年會有人在后臺操作，比如說它劃分成了20個風險等級，那么這些人一年的工作量就是要根據(jù)（a）和（b）做出20個組合的配比，這個配比一般的來講也都是人工計算，和機器也沒有什么關(guān)系，因為你可以看得到機器的配比，他們的配比一般來講是3%或者5%跳一下的，那比如說所有的資產(chǎn)他最少要配5%，同時如果漲一格的話，那么也是至少漲5%或者3%，這一步也是完全人工做的，所以（a）（b）（c）點全是人工做的，不能叫人工智能，只能叫自動化。
d)、唯一能叫人工智能的也就是這一步，就是來一個客戶就把他扔到對應的風險等級的框里去，把已經(jīng)人工做好的這個組合推送給他。
e)、叫定期的監(jiān)測，并且對組合調(diào)倉，但實際上他們的調(diào)倉周期和監(jiān)測周期是一年，每年的年底，美國智能投顧公司會對用戶的組合進行一個分析，而且分析也不是分析到每一個具體的用戶，而是分析到他劃分的比如說20個風險等級，那么每個風險等級其實所有的用戶購買的都是同一個產(chǎn)品，它只需要分析這個風險等級下產(chǎn)品到底是該怎么進行調(diào)整，這一步也是完全人工的在做。
所以我們看到其實整個的全流程，美國智能投顧是全人工在做，因為它的調(diào)倉周期很長，投資周期是一年調(diào)整一次，所以說完全人工這樣做是最劃算的，年終是不需要快速調(diào)整，甚至出現(xiàn)的這種市場大幅震蕩的時候，也不會進行資產(chǎn)配置的一個調(diào)整。
這是截了一個美國Wealth Front他們的組合配置的一個例子，我們可以看到不同的色塊就是所有的縱軸加起來是百分之百，橫軸是不同的風險等級，每一條線代表了一個風險等級各個資產(chǎn)大類的占比，像這塊就是風險等級是3的占比，那3和4之間這條線呢其實就是風險等級是3.5，所以說他們總共是有20個風險等級。
我們可以看到這個不同顏色的色塊，比如說我們看左下角的這個從下往上數(shù)第二個深藍色這一塊，它其實代表的是公司債，公司債我們可以看到低風險等級的時候從0.5到1，一直都是維持一個比較高的比例，在總資產(chǎn)當中可能占有1/3強的一個位置，比如說35%的比例，直到風險等級到三的時候，我們可以看到公司債的這個比例會下降，如果風險等級到四的時候，這個深藍色這一條，其實他這個比例已經(jīng)有了明顯的下滑，如果是風險等級，到最后你可以看到，如果到10他依然會有深藍色的，但這個已經(jīng)很小了，可能是3%或者5%的一個比例。
整個圖是說隨著風險等級從低到高的變化，各個大類資產(chǎn)它是怎么變化的，一個權(quán)重變化的一幅圖。
那我們再說其實美國的智能投顧為什么受歡迎，剛才其實我已經(jīng)說了很多的原因:
總共有五個方面：
一、美國的市場是比較有效的一個市場，當然它不是完全有效，但是相對于A股市場相對于歐洲相當于香港市場都是更加有效的一個市場。
二、在長期的一個教育過程當中，美國的這些基金經(jīng)理他也就認同了這種被動投資理念，而且剛好在美國這個市場，這是有效的。
三、就是美股長期是震蕩上行的，在這樣的特殊市場里面，所以說它是可以有效的。
四、美國政府其實無論是通過養(yǎng)老金的機制還是通過其它的各種稅收的機制，我剛才說了，就是哪怕你可以做很多東西了，他會進行鼓勵，他鼓勵你去做這種長期投資。
五、既然上面已經(jīng)有四點了，那么第五點其實就是美國投資者覺得自己是不能夠跑贏大盤的，他就轉(zhuǎn)而從純粹的收益角度去考慮如何節(jié)省成本，可以開源當然也可以節(jié)流，如果說你打不贏大盤，那么開源就很難辦了，他們就要想著如何去節(jié)流，這是美國的這個一個很特殊的一個東西。
那我們下來要說美國的這種服務模式在國內(nèi)可行嗎？
其實我們知道從2014年開始，國內(nèi)就開始有很多的智能投顧公司，最開始其實很少，大概兩三家，我當時也是從2014年開始做這個事情，但是從一開始經(jīng)過分析之后，我對這個問題就有了答案：不行。
美國智能投顧完全不適合中國的國情，我下面會跟大家說為什么：
我這塊舉一個例子，這個圖是美國的智能投顧公司先行者Wealth Front給出的這么多個分類，他給出了11個大類，每一個橫就是一個相關(guān)性矩陣，每一個行都是一個相關(guān)大類，每一個列也都是同樣的大類。
它列舉了大類資產(chǎn)和大類資產(chǎn)之間的相關(guān)性的問題，為什么要看相關(guān)性，是因為大類資產(chǎn)之間，我們其實之前說了我們要把雞蛋分到各個不同的籃子里去對吧，我們希望把我們的財產(chǎn)這個不要全都投資于股市，而是股市債市，大宗商品各個分一點，然后并且隨著時間而不斷動態(tài)調(diào)整。
無論是理論還是實踐都證明這樣的投資分散投資方式是有效的，而且這個分散投資理論或者現(xiàn)在資產(chǎn)組合理論的這個鼻祖叫馬科維茲，他把整個的分散投資叫做天下你唯一能夠享受到的免費午餐，所以說我們要分散投資，當我們這些資產(chǎn)之間的相關(guān)性越低的時候，我們分散投資的效果越好。
我們來看一下這個圖，這個圖所有的綠色越是偏冷色偏綠，那么代表著它的相關(guān)性越高，越是偏暖色偏紅色，那么代表的相關(guān)性越低。
這個圖是用過去幾十年WealthFront幾十年的數(shù)據(jù)積累作出的分析，我們可以看到其實它雖然分了11個大類，但實際上我們遠遠的看去就是兩大塊，左上角一塊右下角一塊，左上角所有的這些資產(chǎn)都是偏股票類型的，他們的相關(guān)性都比較高，都在0.6以上，比如說這個美國股票和這個新興市場的股票和這個外國的股票，其實相關(guān)性0.9以上，這是非常高的。
另外一塊是右下角的債券類，左上角是股票類，右下角是債券類，所以其實我們在這兒仔細的看好像是股債兩個是不一樣的，其他的都比較像，而股債之間的相關(guān)性是比較低的，是偏粉色。
這是我做的一個國內(nèi)資產(chǎn)大類的相關(guān)性矩陣，其實是做了國內(nèi)的公募基金，用國內(nèi)公募基金大概6000只，其中包括1000只貨幣基金按照把這些所有的基金都拿到萬得對應的這個公募基金標簽（其實就是公募基金，自己號稱自己是什么類型，同時萬德進行了一個記錄），總共只有41個大類，就所有左邊的這一最邊這邊這一列和標題的這第一行都是他第一類，然后把對角線因為自身和自身的方向都是1，所以就去掉了，那我們可以看到國內(nèi)的好像更分散一點是不是，但實際上我們再看一下右下角這一大片紅色，說明了我們國內(nèi)很多公募基金其實都是非常相似的。
然后這是我們在類內(nèi)，我們就是說公募基金有41個分類，比如說股票型公募基金和這個這個混合型公募基金和保本收益增強型的這種公募基金和這種債券型的或者什么這種增益型的這種公募基金，他們是否相似，我們可以看到，其實好象有一些相似，但不是那么高對吧，所有的這里頭紅的里面紅的都一般，是0.9左右了，都是非常高了，然后我們感覺好像有的類相似，有的類不是很相似，我們心中竊喜一下，是不是可以達到美國同樣的效果呢？
我這塊列了四個具體的類型，國內(nèi)高評級債、國內(nèi)高收益?zhèn)?、國?nèi)大盤股和國內(nèi)房地產(chǎn)這四大塊，我們可以看到每一個塊都選了三個具有代表性的這一類的公募基金來計算他們的相關(guān)性，我們可以看到國內(nèi)最大的問題是所有的色塊全是雜亂無章的，只有右上角國內(nèi)房地產(chǎn)這一塊是完全的深色，代表什么意思呢？
顏色越偏暖色偏褐色，那么就代表它的相關(guān)性非常高，所以說國內(nèi)房地產(chǎn)這三只基金相關(guān)性非常的高，他們可以作為一個獨立資產(chǎn)大類來選擇，但是國內(nèi)的高評級債，比如說他自己右下角這個小方格3×3的小方格，我們可以看到，誰和誰都沒什么關(guān)系，甚至顏色都很偏藍，偏藍色，代表相關(guān)性非常低。
在這樣的一個情況下，我們可以看到整個的國內(nèi)，哪怕是大盤股的這些，其實相關(guān)性沒有那么強，反而大盤股和房地產(chǎn)可能相關(guān)性還有一些，所以在這種情況下我們進行國內(nèi)的這種資產(chǎn)配置的話，其實是會有很大的問題的。
為什么呢？首先，一個大類之間有的相關(guān)性高，有的相關(guān)性低，而且相關(guān)性高的會普遍出現(xiàn)特別高的這種聚類。其次，我們在國內(nèi)即使是同一個資產(chǎn)大類，如果我們簡單的去用美國的方式照搬過來，我們會發(fā)現(xiàn)大類內(nèi)的這些公募基金。左下角為例，其實它們是五花八門的，它們號稱都是國內(nèi)高評級債券，但它們實際的表現(xiàn)完全不一樣，我們在未來的初級和中級課程里面我也會拿一些具體的例子會來講。
我們在實際研究過程當中發(fā)現(xiàn)的國內(nèi)很多公募基金經(jīng)理掛羊頭賣狗肉，號稱自己是債券基金經(jīng)理，但實際上投資的可能是股市。
剛才我們這塊說了，首先左下角這一塊完全不一樣，其次右上這個圈不同大類之間相關(guān)性有非常的高，所以這個問題導致了我們是很難直接去把美國的這樣的一個現(xiàn)成的被動式模型拿過來的，這是還只是從相關(guān)性的角度去考慮。我們需要有自己另外一套資產(chǎn)分配方式，而說到我們國內(nèi)智能投顧需要解決哪些具體的技術(shù)性問題，那我們挨個去說。
首先左邊是什么呢？左邊就是馬特維斯理論，也可以說是美國的投顧傳統(tǒng)智能投顧他基于的一個東西？
首先傳統(tǒng)理論，我這塊列舉了六個很直觀的問題，傳統(tǒng)模型的這個收益不穩(wěn)定，首先你每一天計算得到的你用這種美國爭投顧計算它的結(jié)果，如果說你要進行真正算式計算，而不是純?nèi)斯さ娜ニ恪?/p>
第一個問題就是機器給出的結(jié)果，今天和昨天結(jié)果差距會非常大。
第二個問題就是美國中投顧是基于長期投資十年甚至30年的投資周期，這個在國內(nèi)是不適用的。
第三個問題是美國的投資風格很單一，全部投資于底層被動式的ETF，而國內(nèi)的以相關(guān)的標的公募基金為例，其實有非常多的投資風格，剛才看到了萬德，其實有41個投資風格分類，有的是被動的，有的主動的，有的是混合的，然后還有非常多，甚至有這種非標資產(chǎn)和現(xiàn)金的管理，而傳統(tǒng)的模型其實是沒有辦法支持這種非標資產(chǎn)和現(xiàn)金，就是說美國的智能投顧在你投資周期當中永遠都是會假設(shè)你配置的都是滿倉，永遠不會半倉或者空倉，這個在國內(nèi)是很難想象的，也是不適應國內(nèi)市場的。
第四個問題就是美國的這種智能投顧其實利用的數(shù)據(jù)維度是非常有限的，其實就只是利用了價格，數(shù)據(jù)連量的數(shù)據(jù)都沒有用到，我們都知道這個價量對吧，我們?nèi)绻皇强匆粋€只看價格不看量或者只看量不看價格，都不可能獲得一個好的結(jié)果，所以這點是有缺陷的。
第五個是市場想要緩慢，我剛才說了美國的智能投顧公司每一年才有一次的人工回顧，而且也不是具體到每個人，所以說當市場真的出現(xiàn)大崩盤，如果出現(xiàn)08年的情況，或者出現(xiàn)15年的股災再次發(fā)生，你如果使用的是美國的智能投顧的完全一樣的原理，那么你能做的事情也只能跟美國智能公司一樣給你的所有客戶發(fā)郵件說你們不要慌A股遲早會漲回來的，但就要小心人身安全了，因為A股到現(xiàn)在還沒找回來。
第六個是風險抵抗能力有限，美國智能投顧其實只是做一個長期的一個事情，并且對資產(chǎn)的支持其實也是有限的，它其實對于風險的考慮沒有太多，它只是基于傳統(tǒng)的這種有效前沿去進行一個資產(chǎn)配置，它的底層的一個基礎(chǔ)假設(shè)，其實就是美股會不斷地創(chuàng)新高，這一點在國內(nèi)也是不適用的。
······
獲取更多內(nèi)容，請點擊：華爾街老司機帶你玩轉(zhuǎn)智能投顧：從入門到上手
關(guān)于智能投顧在中國的探索進程和前沿趨勢，王蓁博士擁有豐富的獨到見解和實戰(zhàn)心得，并且，均將在【智能投顧】系列課程中與大家一一分享（可在雷鋒網(wǎng)APP上查看），目前課程仍接受早鳥優(yōu)惠、學生優(yōu)惠以及團購優(yōu)惠哦~機構(gòu)報名更有專屬福利。詳情請點擊：智能投顧高級特訓班：初級-高級
【智能投顧高級特訓班】
AI+金融熱潮下緊抓智能投顧前沿趨勢！
四大行實操智能投顧系統(tǒng)端到端的經(jīng)典案例，手把手教你利用人工智能算法搭建系統(tǒng)的智能投顧項目！
課程鏈接：http://www.mooc.ai/course/157
加入AI慕課學院人工智能學習交流QQ群：624413030，與AI同行一起交流成長
相關(guān)文章：
回顧 | Al x 量化：智能投顧如何解決金融機構(gòu)財富管理業(yè)務的痛點？
激烈競標、P2P畫皮、梯隊站位，2017中國智能投顧之江湖風云
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
