洪曦:投顧迎來巨大變革 財富管理的人機結合時代已經來臨

一個真實場景，客人在過去不同時間買了不同策略的基金十五隻，並在不同時間賣出或贖回了其中五隻基金， 現在持有十隻基金，這十隻基金中還有兩隻有過減持，三隻有過追加投資。

如果你是客人的投顧，客戶想從你那裡知道TA過往年化收益率，以往組合的年化波動率，和當下的策略配置情況和股票基金的行業暴露情況，這個需求過分嗎？如果投資顧問管理20人高淨值客戶，手工計算會佔用投顧大量的時間，數字科技發展到今天，市場上已經出現一些科技公司為投顧或投資者提供諸如此類的分析工具初級系統平臺（雖然還不盡人意）。

數字科技應用快速在各個行業中快速落地，金融作為掌握數據完備性相對好的行業， Fintech在小微貸款，證券交易和支付等場景應用都有長足發展，唯獨在以客戶立場需求出發的財富管理系統應用大大滯後。

包括銀行在內的傳統財富管理機構幾乎都是產品賣方立場，其系統管理平臺，更多關注旗下管理的銷售團隊的業績跟蹤與評比，客戶信息系統CRM也是圍繞客情和銷售線索發現設立，機構系統是為了提高銷售管理效率，幾乎沒有從買方立場考慮問題。

再有，數字科技在證券交易的應用可謂是登峰造極，優秀的量化交易機構，總是將最先進的數字科技技術，最短時間落地應用。

機器學習和、AI可以為量化交易機構獲得更多的超額收益，對投資者幾乎是黑盒子。Wind和朝陽永續等平臺也都是面對機構服務的，他們更多地向賣方研究員提供技術支持服務，市場上幾乎沒有從投資顧問工作視角或投資者立場提供高水平的技術工具。

從技術系統應用看，投資者和投資顧問絕對處於弱勢地位。資管新規後，淨值類產品成為主流產品，資產配置將成為必然，由此產生一系列的巨大需求，作者已經感覺到科技公司和風險投資機構開始關注這個巨大市場機會。

下面從一個投資顧問視角提出一些系統需求，供現在正努力提升智能財富管理平臺功效者參考。

1

關於智能KYC

總體上講，如果智能系統可以對客戶標籤顆粒度掌握的足夠精細同時對產品標籤顆粒度掌握的足夠精細，系統將可以給出更精準的匹配，壓縮我們投資顧問錯賣失配的風險。舉例說明，客戶的風險承受能力是我們投顧最關心的指標之一。

任何一個客戶的風險承受能力存在兩個維度，一個是較客觀的指標，就是損失不至於破壞客戶原有的生活計劃（risk-bearing capacity的概念）。另一個是較主觀的指標，就是客戶主觀意願的風險容忍（willingness to bear的概念）。比如一個私募基金浮動虧損20%對客戶的生活沒有任何影響，指的是損失對買房購車，子女出國留學，生活水平不會產生任何影響但對情緒有影響。

比較激進的客戶有更強的主觀願望去承受風險，會超過客觀承受風險計量，即便產品銷售前做了「雙錄」，機構可以免責但實際仍然可能發生錯配。而對一些非常謹慎的客戶，其主觀承擔風險意願遠遠小於實際可以承受的風險量，往往也會失去很多投資收益的機會，本質上是另外一種「錯配」失誤。

只有通過客人更全面的數據才能判定客人的兩個風險容忍度的關係，無疑需要大數據支持。再有，從行為金融學上看，客戶存在不同的心理帳戶，對待不同的心理帳戶，有系統幫助預警會更方便，比如子女教育基金要求回撤更小，養老基金可以容忍更長的投資期限，還有客人總是給予自己掌握的投資帳戶更高的風險容忍，而全權委託他人管理的帳戶，給與較低的風險容忍等。

此外，如果系統更全面地了解客戶，可以為投顧提供KYC最佳路徑，比如對不同類別的客戶談話主題的選擇，以及如果將談話最有效地過渡到雙方共同關注的話題。系統大數據可以提供客戶當下最關心的前三個問題，可以讓投顧先沿著客戶關心的話題切入，更順暢地談及雙方共同關心的話題，而不會三句話不離銷售，招致客戶反感。財富管理機構如果以自己的客戶資料庫與BAT更大的資料庫做聯邦學習，完全可以在保護客戶隱私條件下，獲取更多更有價值的數據線索。

2

產品和投資組合檢視

投顧新接手一位客戶首先要做資產檢視，有點像醫生開處方之前要先檢查病人的各項體檢指標再做病理分析一樣。現代資產管理理論對投資組合的風險收益歸因提供較完備的數理邏輯支持，智能資產管理系統就像核磁共振給人做體檢一樣給客戶投資組合做檢視。

馬科維茨重要貢獻是將風險以標準差定量標定，以及投資組合標的相關性矩陣衡量呈現的。在數學表達式上並沒有說明一定是大類資產組合貢獻了投資組合收益的絕大部分貢獻，而強調的是投資標的（包括大類資產但不一定就是大類資產）組合決定的，馬科維茨稱分散是「免費的午餐」。

著名橋水基金CEO達利奧（Dalio）說：「誰能找到十五種兩兩相關性小於0.3的投資標的做資產組合，贏利就是一件非常容易的事。」 足夠的分散並長期持有是「投資聖杯」。但是一般投資人都很難找到兩兩相關性小於0.5的五種投資標的做投資組合。如果沒有智能系統在海量產品資料庫中去動態遴低相關性資產也是一個耗時工作，手工幾乎是一個不可能完成的工作（因為資產標的的相關性也是隨時間變化的，流動性危機來臨時資產相關性會發生聚合效應。）

在培訓中很多投顧不知道自己推薦的產品的波動率，以及與主要指數的相關性，就更不要談及所推薦產品與客戶現有持倉是什麼關係了。

客戶資產檢視就是要明晰客戶資產在行業和風格因子上的暴露情況，根據市場形態是否要對暴露做響應調整， 比如在一些行業增加或調減，在一些風格因子上提高集中度或調減。

圖1：主要行業指數收益率相關性（小於0.3的寥寥無幾）

當被關注的投資標的從大類資產類別下鑽到多因子投資時，股票投資已經更關注行業因子和風格因子了，下圖2就是列示一級行業指數PE分位數位置的圖。

為客戶做資產檢視，確定客戶所有金融產品的持倉暴露程度，分析過往風險收益來源。系統可以自動統計呈現，大類資產比例，各種策略持有比率，行業暴露等等，可以說只要有較完備的日淨值數據，投資者和投資顧問可以獲得任何他們關心的任何事項指標。比如上圖表現了各個行業當前的估值水平在歷史的相對位置，休閒服務和計算機行業處在歷史分位高出，農林牧漁，建築地產，銀行在歷史地位，再結合當下宏觀基本面綜合考慮系統使用者可以獲得極其有價值的信號。

在智能財富系統平臺中的智能風控，可以設定10%和90%的位置做預警提示，在e順智信系統中使用者可以根據自己的需要設立諸多預警指標做系統預警提示。

3

關於基金篩選和虛擬組合收益比較

在為客戶構建投資組合時，挑選各種策略的優秀基金是極其重要的工作，組合投資內部標的收益率對組合投資收益和夏普率的影響比組合內部產品的相關性對組合收益率的影響高一個數量級。遴選優秀基金應該是投資顧問的看家本領。其中最重要的工作是如何區分一個基金經理人取得的歷史業績是運氣還是能力帶來的。

先看個遊戲，你認為拋硬幣連續出現十次正面的可能性有多大？假設北京和上海都有3000萬人，所有人連續拋硬幣，能連續拋出十次正面的有多少人？答案是都會有上萬人（除以2的10次方1024）滿足條件。這不需要任何技術含量，而投資是一個高級智力活動，或許只看短期業績不好會漏掉一些優秀基金經理人，因為A股的風格一般在3到4年左右轉換，但是考察長期業績顯然更能排查運氣成分。（所以本人從來不投資短期極致優秀業績者），例如，觀察一個特定的經理人，在過去50個周裡（一年多一點），有多少周獲得了正收益就是周勝率，與在過去500周裡（十年多一點）獲得多少正收益周勝率，會有很大的不同，結合夏普率的排序，在六年以上的觀察期穿越兩種風格提高了確定性。

50周的勝率可能在一個基金經理人擅長的風格內，很多經理人可以在三年內業績優秀， 但脫離其擅長的風格業績就翻轉了，這也非常正常。長期考察是過濾到運氣因素最好方式。在公募基金中的確有超過500周（十年以上），超越兩次牛熊經歷的，年幾何增長在15%以上的，在20%以上的也有兩位。

像這樣鳳毛麟角的基金經理人你是不太可能在渠道銷售中獲得的。資料庫中有近萬隻基金，如果按照你的選擇邏輯壓縮選擇集合，對於人工來說，這是一件簡單但耗時的工作，但是對於系統易如反掌。而且還可以非常輕鬆地按照策略，時間窗口期，各種不同的風險收益指標來選擇需要的基金列表。我在講座常常以這個做案例，就多少人而所有這些工作沒有系統支持工作量之大人工是無法在時效內完成的。而且以夏普率排行挑選要比年化收益排名挑選效果更好。

智能系統可以對以往不同市場形態，各種策略有效性的貝葉斯優化，對投資組合策略配置有先入選擇的指導價值，包括風格輪動和行業選擇。此後，再做對應的模擬組合加以相互比較PK。不同投資組合做風險收益指標的PK，比如各種虛擬組合的夏普率比較，過往最大回撤的比較，月勝率的比較等等。

為客戶做資產再平衡建議時，常會用到。在對市場風格的預判上，系統通過結構化的數據，比如價值，成長和市值規模九宮格做市場風格輪動的預判，對行業收益率偏離度，全市場股票波動率，全行業指數波動率的監控預判結構性行情的機會所在。

4

智能風控

僅中國股票市場而言，4000隻股票和上千隻寬窄基指數基金，數百種多因子組合出以幾何數量上升的各種產品，他們之間的相關性分析更是複雜多變。任何一個產品在所有維度中，存在一個正常分布，當被觀察標的在任何一個維度超出兩個標準差時就應該特別關注，而接近三個標準差時應該預警提示。

智能系統可以對投資顧問關注的所有指標提供預警告知服務（只要提前設定）。大的方面可以動態跟中市場的整體交易量，換手率，全股票收益率偏離度全市場股票波動率，以觀測市場的總體熱度；也可以動態關注客戶的投資組合風險收益指標，組合波動率，組合最大回撤，組合的Cvar等，比如可以錨定組合的波動率18%以內（這是風險預算資產配置方法之一）可以設定組合波動率觸及16%預警，之後調減高波動率產品增加低波動率產品，在風險平價（Risk parity也是資產配置流行的方法之一）需要智能系統動態跟蹤各種投資標的的邊際風險收益，這些工作系統可以提供更精準信號減少跟蹤誤差。

對歷史和當下市場形態的分析判斷和未來市場形態預判；行業收益率偏離度，全行業指數波動率，IF和IC的遠期近期基差，主要指數波動率，主要指數收益率，市道風格，股債性價比指數分位（股指倒數減去十年期國債收益率差值，反應估值本身隱含的風險溢價， 歷史分布近似正態分布，對大類資產平衡有參考價值），席勒PE，（負利率衝擊扭曲了股債分位，所以用shiller PE）股債性價比分位，行業指數估值分位，所有行業指數的相關性分析，所有股票的相關性分析，任何投資標的的風險收益指標的標準組。

總之，金融科技在財富管理中的落定應用，完全改變了財富管理的工作方式；就好比熱兵器顛覆冷兵器一樣讓作戰方式和戰術發生了顛覆性的變革。華爾街流行一句：「機器碾壓普通人，會用機器的人碾壓機器」（No men is better than a machine, no machine is better is than a man with a machine）。

高端財富管理的人機結合時代已經來臨！

智能財富管理系統必將成為未來財富管理和投資顧問業務的基礎工具。當下投資顧問的共有雲智能財富管理平臺，已經處在VC和早期PE投資的風口。他們也正是聽到了人機結合投顧新時代到來的腳步聲，數十萬投資顧問期待著智能財富系統賦能。無論對財富機構還是對投資顧問個人，誰先掌握了金融大數據的應用誰就會掌握智能財富管理時代的先機。做為投資顧問個人不要在痴迷少林武功了，馬上端起機關槍吧。：）

作者簡介：民生銀行私人銀行資深投資顧問。昔日國防大學教官，今日私人銀行家；昔日鐵軍連長，今日商學院講師；曾經理工學霸，當今健身大叔。15年高淨值客戶財富管理經驗。數位訊號分析學士，國防大學軍事戰略學士，人民大學經濟學碩士。視學習為信仰的健身達人。跨界軍事戰略，證券投資，房地產，網際網路，私人財富管理。私人銀行中心業務教練，資產管理系統（AMS）教練，CPBA持牌（國際私人銀行家認證）。成交過私人飛機和豪宅的，中國大陸最資深的私人銀行投資顧問。

-END-

來源：WEALTH財富管理

分享、在看與點讚，至少我要擁有一個吧！