澳门葡京娱乐投注网址

  • 2018-11-11
  • 2018-11-10
  • 在黑龙江看中国大豆潜力:部分地区亩产量在接近美国 2018-11-09
  • 十九大宣讲员走进贵州企业 创业青年:新时代是我们的舞台 2018-11-09
  • 一批直播和短视频网站开展自查自纠 2018-11-08
  • 2018-11-07
  • 稳外贸,势头好动力足办法多(经济形势年中看) 2018-10-26
  • 微信刷步器月销量过万 网络刷步泛滥暴露哪些问题 2018-10-21
  • 怒怼“港独”分子,怼出青年一代担当情怀 2018-10-19
  • 廉政教育--安徽频道--人民网 2018-10-18
  • 你的肾虚有多严重,老大夫看了脸上4处就知道! 2018-10-17
  • 厉害了!帆船成为三亚新的国际名片 2018-10-17
  • LPL夏季赛上演强强对话, RW2:0力克RNG 2018-10-16
  • 屁大个事就谈了好几天 2018-10-16
  • 司机把罚单贴交警头上,叫嚣:给老子把处罚撤销,三秒后他悲剧了 2018-10-15
  • 穿透中国式“智能投顾”:难题不是技术,而是资产定价

    澳门葡京娱乐投注网址 www.image-cn.com   本报记者 辛继召 深圳报道

      在业内人士看来,随着以互联网方式展业的银行,包括内地的直销银行、香港的虚拟银行等牌照陆续发放,通过智能投顾,“机器管钱”应是未来长期的趋势。

      不过,各大金融机构推出的智能投顾的底层资产、策略差异极大,在相似风险偏好、久期的情况下,底层资产配置存在差异。

      造成这一情况的原因,在于各家机构仍以“卖理财”的思路做智能投顾,人为干预因素影响智能投顾。

      算法“黑箱属性”

      目前,智能投顾的“算法”得到监管和许多智能投顾创业公司的关注。此前,有媒体报道称,智能投顾模型同质化严重,导致同涨同跌情况明显。

      从算法来看,历史上有过严重依赖算法投资失败的惨痛教训。1998年,长期从事债券量化分析的美国长期资本管理公司(LTCM)突然巨亏,一位业内人士表示,LTCM等从美联储等历史数据去做模型,即使加入人工智能等技术,风险往往也是系统性的、很难把握,实际上还是需要人工干预。

      近日,弘量研究CEO雷春然认为,智能投顾需要算法创新,全球50多类大类资产中,比如美股与土耳其里拉的关系是什么,德国国债与阿根廷农产品的关系如何量化?这需要相关性矩阵估计,通过机器学习实现。

      人工神经网络应用到特定系统的最大障碍之一是其“黑箱”属性,这一点引起了央行的特别注意。

      央行4月27日以答记者问的形式表示,金融科技的发展正在深刻改变金融业的服务方式,在资管领域就突出体现在智能投资顾问。近年来,智能投资顾问在美国市场快速崛起,在国内也发展迅速,目前已有数十家机构推出该项业务。

      央行认为,运用人工智能技术开展投资顾问、资管等业务,由于服务对象多为长尾客户,风险承受能力较低,如果投资者适当性管理、风险提示不到位,容易引发不稳定事件。而且,算法同质化可能引发顺周期高频交易,加剧市场波动,算法的“黑箱属性”还可能使其成为规避监管的工具,技术局限、网络安全等风险也不容忽视。

      风险与组合不匹配

      不过,在业内人士看来,目前,国内智能投顾的问题在于人工干预因素太大,资产组合和风险不匹配。

      雷春然认为,从底层资产看,要穿透基金的过往净值、风格漂移、收益等,智能投顾需要选择风格明确、业绩稳定的基金,“我们会把基金的风格漂移指数控制在5%-8%,如果基金飘逸现象比较严重,就说明基金管理人配置了很多不在投资范围内的股票等资产。”

      但是,一些智能投资组合中,有的中等风险组合,货币基金占比过大,甚至达到40%-50%。一些风格越进取,风险偏好越高的智能投顾组合,股票型基金占比反而越低,货币基金、债券型基金占比反而越高。有一些智能投顾组合,调仓次数过于频繁。

      与之相对,境外的智能投顾组合底层资产基本为ETF基金,采用零手续费等做法,这使得养老金、强积金等机构投资人进入,智能投顾市场得以快速发展。近日,北京市网络法学研究会副秘书长赵鹞认为,智能投顾的投资对象多为ETF基金,但并不是所有的ETF都适合作为智能投顾的投资标的。要实现客户风险偏好与投资期限的匹配,需要自上而下的选择投资标的ETF,排除(高)杠杆、风险分散不充分和单一市场投资的ETF,以及历史短、市场流动性不充分、业绩较差等的ETF等。

      难题仍是资产定价

      多位机构人士认为,中国版“智能投顾”的另一难题,国内资产定价难题。

      麦肯锡全球董事合伙人周宁人表示,目前,国内的资产配置仍是金字塔配置模型,按照存款、理财、股票、基金等大类来划分,无法做到按照量化模型配置资产。原因在于,以信用债为例,资产评级缺乏参考性,资产尚未做到真正的市场化。在风险不透明、定价不明确的情况下,缺乏有效的信息输入量化模型,也就无法做量化组合判断。

      “大家都去做模型去了,但是对于扭曲的资产定价,怎么去调整这个东西。”领沨资本创始合伙人,高盛亚洲前董事总经理马宁在某论坛上公开表示,智能投顾的局限是资产定价不准。智能投顾需要给各个资产进行标签,包括α系数、β系数、风险是什么。智能投顾是按照过去的数据预测未来,如果由于资产定价不准,虽然模型是对的,结果也可能不准确。

      华润银行总行财富管理部总经理陆云表示,从资本市场看,境外发达市场可以做被动投资,但国内为“弱有效”市场,“国内投资人只能接受阿尔法(即绝对收益),因为贝塔(即相对收益)容易跌得太狠,投资人希望阿尔法是稳定的,不是随机的。”

      银行多定位代销

      21世纪经济报道记者梳理发现,大多数银行仍将智能投顾定位在基金代销业务的一部分。如,工商银行中报将“AI投”定位为代理销售业务创新,增加AI指数、AI智投、AI策略功能,以及一键投资、一键调仓等。目前,各家银行仍将智能投顾的基础资产定位在公募基金,但也有扩容计划。

      平安银行行长特别助理蔡新发接受记者采访时表示,平安智投利用Black—Litterman模型和量化资产配置方法,提供大类资产配置建议,除了公募基金以外,可以选择的产品还将覆盖银行理财产品、资管计划、黄金等。广发银行主管零售业务的副行长宗乐新曾表示,该行智能投顾的基础资产是公募基金组合,未来将接入更多的资产类别,覆盖保险、理财产品、贵金属、信托等。

      周宁人认为,国内财富管理市场尚不成熟,是以银行理财为主的、存在刚性兑付的市场。在线下理财经理不能满足理财需求的情况下,理财转向线上化,智能投顾得以兴起,但其更多是赋能客户经理,而非一项完整的资产配置方案。

      目前,从全球来看,虽然智能投顾由创业公司率先开发,但仍是银行、专业资管机构做得较好,其背后仍是数据模型和风险积累。智能投顾的未来,机构仍需要在机器学习、深度学习的基础上,积累足够多的大数据。

      

    特色专栏

    热门推荐