探索设计智能投顾

1、智能投顾设计探索目录1.智能投顾理论12.智能投资组合12.1选择基金12.2资产配置模型22.3风控模型23.智能投顾的效果33.1不同风险等级间关系31.智能投顾理论智能投顾 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。通过上述对智能投顾的定义，可以理清以下思路：1)机器人投顾。智能投顾是基于非人工、智能提供投资建议，所以打着智能投顾为名、人为进行背后调仓换标的的投顾，算是伪投顾；随着智能投顾在国内的落地生根，这几年，市

2、面上存在的智能投顾已经渐渐从伪智能，即人+机器投顾，转换为了机器人投顾。大体方式，还是增加预算，招聘程序员将投顾思路剥离出来用编程实现。2)用户多维画像。智能投顾对个人投资者需要进行画像，包括风险承受能力、收益目标、个人偏好等，当然，能挖掘其他对投资者画像有更清晰意义的指标自然更好。现阶段，智能投顾行业的用户画像还相对较为粗糙，简单的风险评价后，即得到用户投资特征，依然是用户画像的主流。直接原因，在于投资者风格迥异，真要千人千面，反倒有点哗众取宠，流于表面。后期，等智能投顾中投资方案被越多投资者接受后，投顾行业应该会重新重视用户画像。3)提供持续、动态更新的投资组合。智能投顾替代传统投顾，为投

3、资者提供的服务是资产投资方案。且该方案是投资者个人承受能力下的，收益最佳、最具有操作性等的资产配置方案。这也就要求基于智能算法得到的投资方案，需要持续动态的为投资者更新资产配置内容，以满足投资者持有当下最佳的投资组合。这部分是智能投顾的核心，也是各投顾公司的最大竞争力。后面我们将详细讲述这部分的设计及探究。2.智能投资组合基于智能算法，持续动态的更新投资组合，落实到实际操作中，大体围绕着以下思路：2.1选择基金有一套卓越的选基金体系，以从源头保证优质的投资“原材料”。这就使得曾经用于股票分析的各种方法，如因子分析、相关性分析、基本面分析都开始被用于并调整到基金分析上。至于其有效性，就只有各方案

4、的设计者知道了。不过，在这里需要强调一句，研究者筛选出的基金，最核心的一点，就是各类基金之间需要保持足够的弱相关性，以满足后期的大类资产配置需求。刨除这一点选基金，都是舍本逐末。在这里，大体罗列一些筛选基金需要注意的地方：a)相关性，选出的基金需要尽量涵盖足够的非相关市场，这样后期资产配置中，才能大概率避免黑天鹅事件；b)手续费，投资更多的是赚市场上涨的钱，手续费太高，会大程度的消耗投资者的本金和收益，进而远离定好的投资目标；c)申赎时间，较长的申赎事件，一方面会浪费掉调仓换股中间的收益，另一方面会影响整个组合的实际配置效果；事实上，本着简单、明了的投资原则，选择指数类特别是C类的ETF或ET

5、F增强基金，也是不错的一种选基金方式，其结果未必比复杂的方案筛选出的基金差多少，虽然未必是最优的配置方式；2.2资产配置模型一套优秀的资产配置模型。好的资产配置模型对投资策略来算，就如一个优秀的厨师对一桌菜的影响。其重要性，甚至对一个智能投顾方案的价值起到了决定性的作用。市面上成型的资产配置模型包括：a)马科维茨，设计者就是马科维茨，并凭此获得了诺贝尔经济学奖。因为模型知名度很大，从而广为业内研究者所知。其劣势也很明显，一来大家都知道，自然就不能算是自己的护城河，二来其本身存在对参数反应敏感，容易因为收益率和风险指标的改变，导致配置比例较大幅度的变化；b)BL模型。可以简单的理解为马科维茨+投

6、资观点，即通过投资观点来调整马科维茨中的输入参数，收益率，进而影响马科维茨输出：配置方案。该模型劣势也不小，投资观点的获得本身就受主观因素影响，其好坏决定了整个配置方案的好坏，既然如此，那不如直接抛弃模型，选择给方案的人？当然，也不能说的这么绝对，只能说，BL模型，其实是研究者不想对人和模型选边站时，采取的中庸结果。c)风险平价模型。通过调节配置比例，让各标的之间的风险相等，且该相等是考虑了相关性之后的相等。该模型的逻辑是，任何时候，我对各标的的风险暴露都是一样的，从而避免了单个标的的黑天鹅事件，能够赚取整个市场上涨的钱。不过，因此带来的劣势也很明显，市场好的标的，和市场不好的标的，配置并没有

7、明显的侧重，也就永远无法让投资者获得最大的收益。d)其他模型。像最小方差模型、简单等权模型、最小在险价值等，比较小众，其核心要么就是追求组合风险最小要么追求风险暴露均衡，并没有太多新意的地方。且存在较大的理论漏洞或者说更高的使用条件，从而应用的机构也相对较少。基于笔者个人偏好，还是更喜欢马科维茨模型。当然，对该模型进行一定程度的改良是必不可少的。比如，通过限定无风险资产的最低配比来调整投顾风险等级；通过限定预期收益，来追求各期最佳风险配置；关注全市场风险收益情况或单个标的风险收益情况决定当期风险偏好等等。具体细节，可以等后期有时间再慢慢给大家展开。2.3风控模型投资过程中出现黑天鹅事件是不可避

8、免的，特别是A股市场，因为散户众多，投资风格不太成熟，很容易出现市场短时间大幅度下跌情况。如果在资产配置模型外，没有有效的风控模型，很容易导致整个配置方案出现较大幅度的回撤。且不说，回撤对收益的损嗜，就单说回撤对用户的忠诚度和粘性的影响，都是极大的。可见，风险控制对智能投顾策略是必不可少的。风控模型，其实简单来说，就是在标的出现异常事件后，能够紧急且有效止损的一种模型。模型很简单，就像一个故事，可能讲述前因后果会费点事，但其故事核心，并不复杂，就是简单的两个字，“止损”。最常见的止损策略，有固定点位止损、移动止损、波动率止损、ATR止损等等，并没有明显的好坏之分，只能说不同情况下选用特定的某种

9、止损策略更能满足需求一些。基于上述止损策略构建风控模型，在黑天鹅事件（定义黑天鹅事件也是一件技术活）发生时，迅速对单个标的进行分控。至于风控过后，如何选择终止风控时点，建议可以考虑再下一期滚动调仓的时候。3.智能投顾的效果也许在真正将一个优异的智能投顾方案落地实现前，我们不清楚还有多长的路要走，但，我们应该清楚的是，什么样的智能投顾是真正优异且有效的智能投顾。3.1不同风险等级间关系对每个机构来算，最优的投顾方案只能是一个(如果不是，则说明并没有形成终极的投顾方案)。那不同风险等级间，使用同样的投顾方案，区别只在预期收益率。这就使得不同风险等级间，应该是：1)夏普接近。标的一致、投顾方案一致的

10、情况下，风险收益特征就一致。所以，对应的收益风险比就会是一致；2)不同风险等级间，预期收益率、回撤、波动率会随着风险等级的提高而增加或降低，不会出现不规律排列情况。所以，如果市场是上涨的，则最高风险等级的收益一定最高，最低风险等级收益一定最低；同理，如果市场下跌，则最高风险等级的收益一定最低，最低风险等级的收益一定最高。中间风险等级的，一定是依规律，根据等级排列，不会出现越规矩的情况，否则该智能投顾方案就是有问题、非智能的；3)因为风险收益特征的一致性，则历史回溯结果将出现收益曲线的分层，即不同阶段，高收益的曲线和低收益的曲线，不存在黏连性，要黏连则所有的风险等级都会黏连，请注意最后一句话；4)投顾根据整个市场情况获得收益。当整个市场偏弱市时，智能投顾将大概率录得亏损或低收益；当整个市场偏强市时，智能投顾将大概率录得高收益或较好收益。所以，如果今年以来，有智能投顾公司通报说自己获得正收益、甚至高收益，则需要考虑该公司是否存在数据造假或者模型是否专业且经得起检验了。3.2智能投顾示例为了让读者有更清晰的认识，笔者将一版智能投顾数据放在下面，以供参阅：从数据中，可以发现风收益率、最大回撤随着风险等级的提高逐渐增大，说明该智能投顾方在不同的风险等级中使用的投顾案具有很好的一致行。如果上述判断正