【行研】投资交给机器，数字化投顾进场金融投资——FinTech 细分领域研究报告

随着科技的发展，大数据和人工智能等前沿科技早已介入金融领域。投资界的AlphaGo——智能投顾将为投资者带来跑赢市场的投资建议。

结合美国金融业监管局（FINRA）对数字化投顾的定义，我们认为，数字化投顾是智能投顾的广义概念。数字化投顾是指在用机器来代替人工投资顾问，来完成投资咨询过程中一项或多项核心环节。智能投顾则通常指Robo-Advisor，即根据个人投资者提供的风险承受水平、收益目标以及风格偏好等要求，运用一系列智能算法及投资组合优化等理论模型，为用户提供最终的投资参考，并对市场的动态对资产配置再平衡提供建议。

Robo-Advisor是今年最热门的模式之一，本报告将以Robo-Advisor为重点，同时分析投资者决策流程中起到投资建议的其他主要细分模式。

本报告分为四章对数字化投顾行业进行详细的梳理和解析。第一章为行业概述，解释数字化投顾概念定义及发展逻辑；第二章为数字化投顾行业现状，从中美对比中发现我国各模式下的发展现状；第三章为主要模式分析，将以智能数据分析、量化策略投资及Robo-Advisor为重点进行分析；第四章为我们对于数字化投顾行业的一些思考。

以下内容截取《FinTech细分领域：数字化投顾行业研究报告》第三章，更多内容请点击查看36氪研究院。

智能数据分析

利用大数据的洞察力，提供数据服务

智能数据分析主要分为两类：一类是收集并处理大量数据，主要是提供能搜索服务，从大量噪音信息中快速且准确的找到有价值的信息，提高信息的获取及搜索效率；另一类是利用数学模型，从大量数据中分析并预测出结果。通常是通过机器学习、自然语言处理和知识图谱，分析宏观经济、公司业绩、网络舆情等数据，判断事物之间关联性，提供细分金融投资咨询服务，如推荐股票、预测公司收入等。

智能数据分析的兴起离不开数据的积累。近几年，大数据在数量、处理速度及数据种类三方面都发生了巨大的变化。其中与金融市场非常相关的一类数据就是社交数据。“Everybody’s chatting”社交网络正逐步成为重要的搜索内容分享平台。利用社交网络的信息挖掘有价值的信息点已成为一种新趋势。Dataminr便是与Twitter达成合作，综合Twitter用户的位置、信誉，以及相关的新闻外链、市场容量和市场价格等信息，找出对某些特定客户比较关键的推文作预警。

其次，从噪音信息中分拣有价值的信息是机器擅长的工作。传统的数据终端只解决的信息和数据的提供问题，并没有解决信息过载后的整理和分析工作。整理分析海量数据是需要研究院投入大量时间和精力的。而利用人工智能技术，辅助以人为设置规则及逻辑判断，工作效率可以大幅提升。

量化策略投资

利用数据和模型生成投资策略，代码即生产力

通常来讲，量化投资分两类，一类是被动量化投资，目标是提供多样化风险特征的投资产品，如ETF、分级基金等；另一类则是主动量化投资，目标是通过主动地寻找市场上证券的定价偏差以实现超额收益或者绝对正收益，如量化对冲基金等。本报告中的量化策略投资指主动量化投资。

主动量化投资是把主动投资的策略（投资逻辑和经验等），通过计算机语言来编写成代码，做为量化策略。策略将由计算机程序管理组合、执行交易及风控。

近年来，随着我国个人财富水平的提升，投资规模不断扩大、投资品种数量与日俱增，依靠投资经理个人判断为主的传统投资面临较大挑战。越来越多投资人开始关注量化投资。

起初，由于缺乏金融工具和金融产品，量化对冲技术难以在国内展开，追溯到最早的2004年仅有封闭型基金一种策略。自2010年推出股指期货以来，我国量化对冲基金得到迅速的发展，但是与全球发展水平相比，仍处于起步阶段，其原因主要有三个：

l缺乏构建量化模型所需的足够数据； l资本市场开放程度相对较低，监管和政策限制较多； l顶尖量化人才尚缺，且往往因产品种类少而缺乏实战经验。

然而，随着政策不断放开，私募纳入金融监管，更多金融产品将不断推出，加之优秀人才不断涌入行业，预计量化投资相关领域将在短期内爆发。

量化投资重点在于数据及模型，售卖策略是目前主要商业化模式

量化投资与Robo-Advisor之间的主要差别在于，Robo-Advisor是全流程管理，承担咨询建议及资产管理的角色，重点在于机器人和自动化；而量化投资主要提供投资方法，重点在于数据和模型。

目前量化投资领域创业的模式主要有两种，一种是提供量化投资工具，为投资者提供简单适用的量化策略平台，目标用户包括专业从业人员及个人量化爱好者；另一种是提供策略超市，平台筛选并售卖由专业人员或爱好者开发的量化策略，供普通投资者选择参考。这两种模式并不是孤立的。数字化投顾主要包含的是提供策略超市类的量化投资平台。

销售策略除了为量化投资平台商业化之外，策略开发者可以通过平台操作及管理更多资金，大额资金的实盘交易会启发和督促开发者对现策略的不断修正和完善。在策略逐渐成熟的过程中，爱好者也逐渐完成了向专业量化交易人员的转变，这对于非专业人员是具有非常意义的。

Robo-Advisor

大资产配置模式，以赚取β收益为目的

Robo-Advisor平台采用的是被动投资方式，关注各市场或各大资产类别的整体表现状况，是以获取系统性风险补偿，即以 β收益为目标的长期投资方式。通过复制市场组合实现，费用相对低，标的资产规模大。

目前，各大Robo-Advisor主要的投资标的为ETF及公募基金，部分平台也将大宗商品、黄金等包含在投资范围内。

服务链条短，系统自动推荐投资标的

Robo-Advisor能够让客户在App上实现财富的智能管理，步骤简单便利。市场上Robo-Advisor产品的服务流程大同小异，现以Wealthfront为例做说明：

更少成本，更多用户，更理性的投资服务

Robo-Advisor定位于服务海量客户，用软件服务来代替人工投资顾问，即无论是前期投资者信息的收集，还是中期资产的配置、投资策略的选择，到后期交易的执行以及投资组合的重设，这一切都是数字化的。

其中，构建投资组合模型的能力，是产品的核心竞争力所在，模型给出的投资标的能否与客户风险偏好进行良好的匹配是衡量Robo-Advisor产品的重要条件。

与传统的人工投顾相比，Robo-Advisor主要有以下特点：

• 服务成本低，受众范围广：

一方面，传统的人工投资顾问服务受限于服务成本，而智能投资顾问的费用是非常有限的，这极大的提高了客户群体的范围，将普通用户纳入到客户群体。Robo-Advisor会向用户推荐符合其自身投资偏好的个性化投资组合。

 • 算法先进，避免非理性因素

另一方面，利用算法、大数据作为投资依据，又能避免人工投资顾问的非理性因素。投资组合的选择是基于其构建的模型推算而出，可以在一定程度上消除人工投顾的非理性因素或由于投资经验不足导致的问题。

国内刚刚起步，智能程度低，优质企业较少

目前，公开表示具有或正在研发“Robo-Advisor”“智能投顾”功能的互联网理财平台已经超过二十家，比如京东金融、积木盒子、聚爱财plus等。但智能化程度参差不齐，和美国同类企业相比仍有差距。

• 部分互联网金融企业以“智能投顾”为噱头，并非真“智能”。

一些P2P企业仅对用户进行简单的风险偏好测试，根据用户偏好推荐相应理财产品，更多属于分散化投资，并未实现用先进的数据算法来优化投资模型，意在借“智能投顾”的幌子进行市场宣传。

• 致力于“Robo-Advisor”的创业企业仍在模仿 Wealthfront 的产品形式，基本实现智能算法模型的搭建，使用数字化手段提供投资咨询服务。

以弥财、蓝海财富为代表的国内Robo-Advisor公司，在2015年年初成立，是国内最早的智能投顾公司之一，借鉴Wealthfront、Betterment的产品模式，推出了机器人投顾产品。目前这两家公司的投资标的均以指数基金ETF为主，跟踪全球市场，目标客户多为有海外资产配置需求的人群。两家公司的管理费用均小于国内人工投顾费率，蓝海财富咨询费为所管理资产的0.5%，弥财更是将咨询费降低到零以广泛获客。

国内Robo-Advisor公司详解

关于36氪研究院

36 氪研究院是 36 氪研究子品牌，专注于一级市场的行业研究，通过定性定量结合的方式研究新兴行业与企业，欢迎大家积极与我们交流讨论。

分析师：任瑞超 renruichao@36kr.com，关注金融、VR 和泛娱乐