金融+IT：作为国内首家智能投顾，理财魔方怎么玩？

智能投顾是随着人工智能、大数据、区块链等数字技术兴起而出现的行业应用，专门为客户提供量化投资分析，以及理财决策建议，国外最早出现于2008年。理财魔方为国内首款智能投顾应用，于2015年9月正式上线，到目前，交易用户约10000人，累计交易4.5亿。这一万人，他们成为国内相信机器人投顾所给出的投资建议的先驱……

核心是解决投顾的效率问题

理财魔方金融顾问马永谙，曾担任银河证券基金研究所运营总监，他表示，“从接触过的大客户和小客户中，我曾经做过一个统计，小客户赔钱的概率高达70%至80%，这是非常残酷的现实。”

马永谙指出，小客户虽然会关注资讯，关注基金公司的投资建议，但是他不知道应该在什么时候买入或者退出，也不知道要如何选购产品以降低风险及时止损，造成亏损。“在不齐全的信息支撑下做出错误的决策，这在小客户当中是比较普遍的问题。”

这些问题就成为了小客户基金理财的痛点。“所以，有什么方法能够把面向大客户提供的贴身投资顾问服务，也提供给小客户，来解决理财中的阶级差距和最大的不公正——人人都有权利参与理财。”

在美国，因为市场经过了几十年的培育，建立起了一支庞大、高效的人工顾问团队，但这尚且不能满足美国客户的需求，“反观国内市场，要在短期内建立起这样一支能满足广泛客户理财顾问需求的团队几乎是不可能的。所以，我们想到借助互联网、IT技术途径来实现这个想法。”

理财魔方CEO袁雨来表示，投资顾问的核心价值在于解决理财过程中的风险识别、产品组合、交易时机选择问题。对于一个人类投顾来说，计算这些问题要面对海量的数据以及对客户的跟踪调查，其精力大约每月只能服务20多个客户，比较有限，所以他们只会选择回报率高的大客户服务。因此事实上，理财市场的核心问题是投资顾问的效率问题，而不是水平问题。所以说，智能投顾的出现，现阶段首先是达到一个合格的投顾的水平基础上，解决效率问题。

理财魔方联合创始人周维表示，传统私人银行、财富管理机构主要面向投资600万元起步的高净值人群，而理财魔方主要目标客户为投资额小于300万的低净值人群提供资产配置服务，这一人群在国内市场中无疑是一个巨大的群体。

如何让金融与IT结合？

袁雨来为清华大学计算机科学博士出身，曾任职英特尔负责数据挖掘，理财魔方是其第三次创业了。他表示，人类投资顾问的工作过程是一个理性分析的过程，无论是分析客户的目标、市场和产品的风险等方面，所以它能够被计算机所重构，实现。在做这个事情时，可以把它分成四个领域：

·依据用户的投资行为、特征数据的分析。人工智能可以基于数据的分析帮助我们了解一个用户的风险承受能力，投资目的等各种各样的需求。

·通过对金融市场和金融产品的数据采集、整理、清洗、挖掘，利用人工智能从定性和定量两个层面分析市场与资产的风险，并筛选不同市场阶段下不同的产品组合，优化投资产品组合。

·对历史数据的分析以及未来趋势的预测，做出不同时间点下的信息分析结构和资产配置，提出建议。

·最后一点，由于公募基金属于一种长期的投资，市场会不断地变化，投顾需要对用户进行跟踪和调整。智能投顾会依靠算法对用户进行投资跟踪，相当于售后评估，然后根据市场变化与用户的风险匹配度来判断，什么时候需要提醒用户控制风险，比如进行降低投资比例等交易。

据了解，通过与中央财经大学、易观智库等机构合作，理财魔方通过数据搜索而非对接接口的方式收集了国内50万款理财产品和2000余家理财销售平台数据，每分钟抓取一次发标数据，实时更新发标排行榜，用户可以追踪购买产品的风险和收益情况。“从第三方获得数据之后，我们会对数据进行梳理和清洗，保证录入数据的准确。”

至于完成这些数据挖掘和分析的算法，袁雨来称，除了运用大数据里面经典的支持向量机、决策树、蒙特卡洛模拟等算法，他们根据金融领域的特点调整参数与算法组合，结合金融领域的策略，构建自己的金融模型和算法模型。

如波士顿咨询最新公布的报告指出，金融科技是一次金融和IT在技术上的融合以及相互协调。在金融方面的技术，据介绍，理财魔方和中央财经大学、易观合作制定了一套理财产品风险评级，一共十个风险等级，每个月更新一次。

那么说到这里，最重要的资产组合配置如何来完成呢？

一般来说，专业投资机构和高端私人银行等理财配置模型普遍源于马柯维茨（Markowitz）的“投资组合理论”。该理论于1952年提出，并获得了1990年诺贝尔经济学奖。而近年来，尤其是智能投顾行业多选择了“Black-Litterman模型”，理财魔方也从前者转向了后者。

所谓马柯维茨投资组合理论，是指投资组合有效边界模型，它用“均值—方差”来刻画这两个关键因素，研究“理性投资者”在证券投资决策中应该怎样选择收益和风险的组合的问题。

因此把上述优化投资组合在以波动率为横坐标，收益率为纵坐标的二维平面中描绘出来，形成一条曲线。这条曲线上有一个点，其波动率最低，称之为最小方差点（英文缩写是MVP）。这条曲线在最小方差点以上的部分就是著名的（马考维茨）投资组合有效边界，对应的投资组合称为有效投资组合。投资组合有效边界一条单调递增的凹曲线。

如果投资范围中不包含无风险资产（无风险资产的波动率为零），曲线AMB是一条典型的有效边界。A点对应于投资范围中收益率最高的证券。

但是，周维解释称，从中也看到，无约束的“均值-方差”最优化模型存在着容易产生比较极端的资产配置，比如对某个资产的强烈做空；以及产组合对于输入的资产预期收益值的变化非常敏感等问题。所以，鉴于这些限制，高盛的两个交易员Fischer Black和Robert Litterman提出了Black- Litterman资产配置模型。

Black-Litterman模型使用贝叶斯方法，将投资者对于一个或多个资产的预期收益的主观观点与先验分布下预期收益的市场均衡向量相结合，形成关于预期收益的新的估计。这个基于后验分布的新的收益向量，可以看成是投资者观点和市场均衡收益的加权平均。

理财魔方表示，“BL模型”是对马可威茨模型的优化，克服了马可威茨模型对参数敏感性的弱点，同时加入了对未来市场的预期。

“智能投顾真正技术上的考验尚未到来”

百度CEO李彦宏在第二季度财报分析会议上表示，虽然目前还不能预测两三年内人工智能+金融会怎样的发展，但它确实具有巨大的市场潜力。面对智能投顾，业界的声音也是质疑多于肯定，但都不能否认这是一个必然的趋势。

“伪AI”、“并不那么智能”、“难以在中国市场落地”等问题，也许这是存在于目前的市场中，毕竟，新兴技术需要一个迭代和完善的过程。袁雨来指出，随着智能投顾市场的逐渐壮大，新的需求还会被催生出来，现阶段智能投顾的任务不是取代人类投顾，而是需要达到作为合格的投顾的目标去解决效率的问题。而等到更多的资本进入后，对智能投顾技术上的真正考验才算真正到来，到了这个阶段技术领域才是核心的发展阶段。

。