现在国内有没有比较还到app靠谱吗的智能投研APP?

“我相信十年之后当我们谈到智能投顾和理财的时候,就像我们每天喝咖啡和吃糖果一样会变成我们很寻常的环节,我们可以在和朋友聊天的时候做一场理财,可以跟父母做交流的时候将最信任的信息告诉他们,我相信未来十年智能投顾一定会变成我们最寻常的日常生活,而且会是很有趣很性感的生活。”
我们首先定义一下智能投顾的定义。智能投顾也称机器人投顾(robo-advisor),是依据现代资产组合等其他金融投资理论、结合投资者个人的财务状况、理财目标和风险偏好、运用云计算、大数据、人工智能等技术,为用户生成自动化、智能化、个性化的资产配置建议、提供资产管理议服务,实现主动投资和被动投资策略的结合,并对组合实现跟踪和自动调整的新型金融科技创新应用。智能投顾的成本远低于人类投资顾问,因其服务过程能够实现全部或绝大部分自动化操作管理,因此被称为智能投顾。广义的智能投顾除了上述依据资产组合理论、利用大数据和算法模型实现主动投资和被动策略并提供投资建议之外,还包括两方面内容:智能投研和智能客服。
智能投研,指利用大数据和机器学习,将大量的数据和国内外各类信息,尤其是基本面相关的信息与投资决策进行智能整合,并通过内部算法将收集的数据进行智能化关联,不但能给投资者提供参考同时也能提高投资者工作效率。智能投研的着力点在于整合多平台信息为投资者构建动态知识图谱,通过设立专门的算法软件,增强投资者对未来基本面变化的量化预见能力,甚至更为细致的为投资者拆分公司业务收入,盈利预测等信息,最终为智能投顾提供更为可靠的投资依据,具备更高的技术含量和专业化壁垒。而智能客服顾名思义就是人机对话,让机器重复学习并建立知识库,能解决用户对重复性问题的解答和交流工作。
证券委员会国际组织在总结各国智能投顾发展情况的基础上,于 2017 年 2 月发布了
IOSCO Research Report on Financial Technologies (Fintech),将智能投顾的工作原理分为三个步骤。第一步,收集和分析客户信息,形成其画像。智能投顾平台利用大数据和人工智能等技术获得客户的个性化风险偏好、投资目标及变化规律等数据信息,在利用人工智能技术对客户信息进行分析的基础上设置客户画像,形成千人千面的客户画像分析,并据此设置期望收益率、标准差、预计投资期限和本金止损比例等系统数值。第二步,形成投资策略。运用智能算法将各类金融产品风险、收益情况与客户投资信息进行匹配,形成不同的投资策略,为客户提供定制化方案。第三步,利用智能投顾平台继续对客户收益的期望和资管产品、公募产品运作过程中的实际收益等情况进行动态实时的跟踪、对比,分析其中的差异,重新调整与更新模型。
目前,平台用户进行投资的流程大致相同,基本步骤包括: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。但是,如果从业务模式上分析,基本可以将目前的智能投顾平台分为一键理财型模式、投资咨询模式和一键理财型三种。第一类为一键理财型模式,客户全权委托给智能投顾平台即可,智能投顾平台根据收集并分析客户个性化风险偏好、投资目标及变化规律等信息来为客户自动配置金融产品。第二类为投资咨询模式,通过调查问卷评估客户的风险偏好,向其提供主动性基金和理财商品等大类型资产配置建议,但不提供后续调仓操作和投资咨询的分析服务。第三类为证券投资模式,多为券商或股票 IT 公司依托股票交易和看盘软件为专注股票市场的客户提供股票市场的投资咨询分析服务,其中典型代表为 “荐股软件”。整体来看,投资顾问的价值链包含客户档案创建及客户分析、资产配置、投资组合选择、交易执行、投资组合再平衡、税收损失收割和投资组合分析等 7 项功能,投资管理服务中用机器来代替人工完成上述 7 项功能中的一个或多个的服务就是智能投顾。
我国由于百姓缺乏金融知识,信息不对称等局限性因素让投资顾问变得尤为重要。然而现实情况是传统线下理财顾问存在高门槛、高成本、低透明度的问题,难以高效且全面覆盖到大众富裕阶层。在理财市场火热和投资者理财需求趋于多元化,同时传统理财顾问短缺带来投资门槛高的背景下,智能投顾的出现可以为中小投资者以低成本的方式提供丰富的产品服务、专业化的投资建议、客观的投资决策,引导投资者树立理性的投资观念,从而改善资本市场配置效率。未来随着投资人接受程度的不断增加,居民理财需求的逐渐多元化,财富管理市场的逐步扩大,传统大型金融机构、独立第三方财富管理机构、互联网巨头将不断加入使我国智能投顾的发展规模呈现快速增长的趋势。
然而我国的智能投顾发展面临着以下问题:(1)经营性牌照短缺使得智能投顾运营商作为证券法律主体面临市场准入问题。(2)《证券法》和 《证券投资顾问业务暂行规定》使得智能投顾在开展资产管理业务时面临全权委托法律关系的实质障碍。不同于国外能化和自动化的运行体系,我国由于法律问题无法实行全权委托,多人工推送,由投资者自行决定是否采用。(3)智能投顾的投资者保护问题也是难点问题。智能投顾的投资者既要面临传统金融风险带来的问题,又要面临智能投顾技术带来的问题。智能投顾运营商为客户提供资产管理服务时,可能优先提供自营金融产品或代理的金融产品作为底层产品供客户选择、可能运用智能技术操作其关联方账户,以牺牲智能投顾客户的利益来换取关联方的利益。普通投资者对其运行原理和操作过程却不了解。一旦出现尚未察觉的技术漏洞或缺陷等问题,被黑客等不法分子利用,单纯的事后救济也不能有效保护投资者利益。(4)对于智能投顾而言,它必须要能避开人性逐利的天性,只在风险承担范围内去求最优回报。追求“利益与风险平衡”是区分“智能投顾”和“智能分析”的一则判断依据。诸如股票选购或期货理财等量化投资的领域,虽结合运用了大量的计算机的智能分析计算,却只是在追逐利益的最大化,而不是站在大类资产理财的角度。ETF产品这块肥沃的黄土地,是智能投顾业务对市场进行投资的最佳培育场所,国内的投资环境目前不适宜相同的发展策略。
以上的问题使得近两年来我国的智能投顾发展受到阻滞,投资者使用反馈,智能投顾的人工智能呈现反馈滞后状态,投资者不清楚背后的运作原理,整体操作,流程不透明,使得行业整体信任度偏低,推广接受有限。对此,业内资深人士表示,智能投顾确实存在一些不足,但整体而言这是一个有很好前景的领地,目前人工智能发展还不够成熟,投资者教育欠缺,国内智能投顾的整体设计不能很好的符合现实规范与需求,市场乱象严重,智能化程度还较低,这些都使得智能投顾的发展大打折扣。 总之,离真正的智能投顾阶段还有距离。
以下部分是有关于部分智能投顾产品的对比分析:可以看到当前国内行业格局与美国相类似,一是传统金融机构,以商业银行为代表,利用强大的客户和产品资源优 势推进智能投顾发展,如工商银行的 “AI 投”、招商银行的 “摩羯智投”、中国银 行的 “中银慧投”等; 二是新兴金融公司,以互联网公司为代表,具有强大的流量、技术实力和业务理解等优势,积极推进智能投顾业务发展,如蚂蚁金服的 “蚂蚁聚宝”、京东集团的“京东智投”等。从业务角度看,国内智能投顾产品主要应用于基金投资,通过配置不同种类的基金,实现客户股票、债券、大宗商品等各大类资产的配置。智能投顾目前在我国多为主动性资产管理,客户将其资产委托给智能投顾运营商,由其利用智能算法完成全流程的资产管理,所以智能投顾在业务和功能上是复合的,其主要业务为资产管理业务,辅助业务为投资顾问。 进一步的进行智能投顾的设计,应该要理清我国的投资环境与投资者的需求之间的关系,确定好智能投顾的目标定位以及服务定位,理清风险与收益之间的关系,委托与建议的关系,积极采用其他新型数字技术进行优势补劣,如采用区块链技术来防范智能投顾下的投资者保护问题。
最后附上19年的投顾产品rank。参考:[1] 刘学彬. 资管新规背景下的智能投顾规制之优化[J]. 人工智能法学研究, 2019, No.3(01):109-126+216.[2]钟维. 中国式智能投顾:规制路径与方案选择[J]. 中国人民大学学报, 2020, v.34;No.201(03):127-136.[3]王皛譞, 陈进. 智能投顾用户画像的优化研究[J]. 中国信用卡, 2019, No.283(12):68-71.[4]吴烨, 叶林. "智能投顾"的本质及规制路径[J]. 法学杂志, 2018, 039(005):16-28.[5]孟庆江. 智能投顾在新型财富管理中的理论与实务研究[J]. 金融纵横, 2019(5).[6]李经纬. 构建中国智能投资顾问领先模式——基于市场需求与全球实践[J]. 中央财经大学学报, 2020, No.394(06):22-30.[7]扬清. 2019智能投顾平台排行榜[J]. 互联网周刊, 2019(15).[8]为什么说智能投顾没有光明的未来?https://www.tmtpost.com/2552320.html...文中的图分别来自论文:智能投顾用户画像的优化研究_王皛譞、2019智能投顾平台排行榜
智能投顾是在美国首先兴起,实际上已经有过十年的历史。但也只是在过去三年才在美国财富管理市场有了突破性发展。据花旗集团最新的一份报告显示,从2012年到2015年底,美国智能投顾管理的资产规模从几乎为零增加到了190亿美元。 A.T. Kearny预计,到2020年,这一规模将增长到2万亿美元。也就是说,在未来5年,这个规模会有100多倍的增长。在美国,除了独立的公司Wealthfront, Betterment 等,大的券商比如Charles Schwab, E.Trade等,和知名投行如GS,UBS, C, JPM, DB等等,等都纷纷进入这个行业。这个行业的几家公司过去一年许多融资都在亿元级别。你就知道有多火了。

我要回帖

更多关于 还到app靠谱吗 的文章

 

随机推荐