首页 >故事

深度丨智能投顾困局你以为得到一个阿尔法错

2019-01-11 22:18:19 | 来源: 故事

AlphaGo(阿尔法狗)横扫全球棋手,然后在世人的惊叹声中功成身退。但这已经是旧闻。真正的是这条:李嘉诚先生热情观看AlphaGo与柯洁等棋手对弈,并在比赛后作为早期投资人之一接见DeepMind团队,了解人工智能技术发展。报道称:“李先生听课很激动,数度站起来,害得两创办人也连忙礼貌地陪站。”

莫非李先生要买条AlphaGo回家下棋?但投资几十亿应该不是只用来闲情逸致。略懂现代金融理论的读者都应该知道证券投资的额外收益率可以看做两部分之和,部分是和整个市场无关的,叫阿尔法(Alpha),也是对冲基金梦寐以求超越大盘的回报。如果这么聪明能干的AlphaGo投身到金钱(股、债、汇、商品、衍生市场)的汪洋大海中,会是什么结局?

很多智能投顾公司已经开始利用AlphaGo来宣传:智能投资时代到来了!但智能投顾能像AlphaGo一样可以横扫基金经理带来超常并稳定的收益吗?如果都号称自己是AlphaGo,该选哪条狗狗?智能投顾听上去好像蛮高科技的,怎么感觉还不如所谓的互联金融火?这一回我们聊聊智能投顾。

在美国有比较成熟的投资顾问行业。从业者大多需要通过资格考试或更高级的认证(CFA)。这些理财顾问散落在各大私人银行,金融机构甚至自己成立的理财顾问公司中,服务数以百万计的高净值客户。

理想的投资顾问要充分了解客户的个人背景、社会关系、财务状况、长短期财务目标等。然后根据得到的信息进行综合分析,提出建议并进行资产配置操作。普通的投资建议是推荐股票或基金,配置那些大类资产(比如黄金、房产、外汇等)。服务更到位的顾问常常要和客户几乎亲如一家,不仅是金融服务,甚至国际旅行、子女教育等等都会涉足。

投资顾问的收费,大多是交易总额的一个比例(比如1%)或从销售的基金费用中扣除(也是按投资额百分比,但大多不透明)。投顾服务虽然在中国起步晚,在中国各大银行也已经常见。如果你的资产净值很高,银行职员通常会亲切地帮你分析推荐各种理财产品,什么“日日盈,月月涨,年年发”;高端些的客户当然有更悦耳的名字比如“中银智荟,东方之珠,家业常青”等等。前一阵民生银行航天桥支行行长被曝涉嫌伪造理财事件基本就是这一大背景下的小悲剧。传统投资顾问给客户提供理财信息和建议,收费天经地义。那么智能投顾干什么?难道真能变成AlphaGo横扫各大投行基金,听上去还真有点小激动!

Wealthfront:智投行业标杆

智能投顾或机器人投顾(Robo-advisory)的概念出现很早,Wealthfront并非家用这个理念从事商业活动的公司。但大多数智投公司都以Wealthfront(财富前线)为标杆。市面上流行的对智投的特点分析几乎就是按照Wealthfront量身定制,比如透明度高、费率低、投资广、个性定制、执行纪律强等特点。Wealthfront也是我们分析过后认为模式清晰、执行彻底的一家智投公司。

透明度高。一家智投公司依据什么金融学原理进行投资建议和操作?Wealthfront的官不仅提到了马科维茨资产组合理论(Modern Portfolio Theory, MPT),并且给出了关键的资产关联系数(每月更新),和Black Littleman回报估算模型等。简单介绍下这个经典(1952)的马科维茨资产组合理论。

这个理论建立在几个基本假设上:1)资产大类分配比资产大类内选择更重要,比如资产分配到股票,债券和黄金上比在股票内选择哪一只股更重要。因为每种资产有它自身的波动和回报规律,单一资产容易受到冲击,但如果分散投资到多个大类资产上会降低整个组合的波动;2)每个投资人对风险偏好不同(可以量化成接受的投资回撤或亏损),但基于固定的风险偏好上会寻求收益;3)每个资产大类的平均回报和波动可以估计。如果我们接受这个理论并把关键参数量化,那么一个非常简单的化求解就可得出对于任何一个投资者的资产应该如何分配到各类资产中。

比如我们上面给出这个简化例子:三类资产,股票,债券和黄金。每类资产的平均回报(R),波动(σ)以及三类资产的关联度(correlation)都给定。那么任意一个优投资组合的总回报和波动就可以用已知参数表达出来,然后用化求解。在控制小组合波动情况下获得的回报。这种化的结果就可以按照每个不同人的风险偏好勾勒出不同的资产组合点。连接这些点就形成一个投资曲线(Efficient Frontier)。按我们给出参数,一个能接受年亏损10%的人的投资组合就是60%股票投资,20%债券投资,20%黄金投资(图中C点)。

MPT并非完美,在其后几十年中加入很多修正甚至提出新模型。比如号称智投2.0的Hedageable,宣称采用William Sharpe(也是诺奖得主,Sharpe Ratio的创立者)1988年提出的CPPI模型。但从运行效率等因素综合考量,MPT仍然是各大智能投顾公司的(40年量化研究告诉你如何全球资产配置)。比如自称家智投的蓝海智投,在其投资理念中就首提MPT:“多元化是投资中的免费午餐。在现代投资组合理论中,对于任何一个风险水平,都可以找到一个收益的投资组合。”另一家拿铁智投是这样介绍:“将获得诺贝尔经济学奖的马克维茨理论与专家经验结合,一分钟定制专属投资组合。”

费率低。Wealthfront的大类资产全部使用被动型低费率的ETF,并率先在行业内把费率调低到0.25%,无论投资额度,单一费率且无任何隐藏费用。相比之下,传统投资顾问费率基本在1.%之间,Wealthfront降到传统费率的1/6到1/8!

对于偏好短期赌博投资人也许不能理解这不到一年2%的费率差意味着什么。其实如果费率(或广义讲交易成本)降低,长期持有型投资而言其实回报巨大(因为复利原因)。在真实的投资顾问行为中表面看基金费率在竞争中已经不断下降,但因为投资顾问的收益往往来自推荐基金的某种费率,所以利益关联的结果是即使客户不需要某些高收费的基金,投资顾问也会不自觉地推荐。这种行为和医生推荐无用的X光检查,开高价药的原理别无二致。

学术文章中这样的证明不胜枚举。比如Mullainathan等人在一篇2012年NBER文章中在大波士顿区对284名随机抽选的投资顾问进行神秘顾客访问。这些由审计员假扮的客户得到了很多偏离MPT或其它投资理论的建议。严重的是即使一些“客户”提出要分散投资在低费率的基金上,他们的投资顾问还是极力推荐高费率的主动性基金!

执行纪律强。Wealthfront是我们发现到目前为止几乎一家把“自动化”投顾(从风险评估,到建立投资组合、动态监控、动态调仓直到报表和退出等行为)坚持到底的智投公司。其它很多公司就在不同时间节点或步骤上加入人工干预。虽然从顾客心理上或者获客推广上有益,但从严格执行既定策略看却有所偏离。在2014年一次CNBC的电视采访中,主持人问时任Wealthfront的CEO:“如果客户习惯和‘人’交谈,你们有吗?”回答:”我们就是一家出售方便的软件公司。我们的目标就是让客户不给我们打!“

Wealthfront模式在2014/15年取得了巨大成功,公司打理的总资产冲过10亿美元大关。其教科书般的破坏性创新引起了媒体的极大关注。据我们不完全统计,Wealthfront在2015年登上几乎全部主流商业媒体的头条(Bloomberg, CNBC, Forbes, WSJ...)!其击穿传统理财流程与费用的效果也引起学界注意,楼主上周发文 《欧卖糕的!经济学期刊居然发这么浅的文章讲金融科技?》提到的AER和NBER文章中就是用智能投顾(严格说就是以Wealthfront)为例。这样火爆的模式,不可能没有模仿者。那么这种智投模式移植到中国是怎样的画面?

披露之痛

首先,大中华地区的所谓智投公司极少适度公开其依据的金融学原理和关键参数。除了拿出马克维茨理论这个名字之外读者一无所知!其实这种不透明对保护商业秘密而言帮助不大。比如Wealthfront详细介绍了他们的方法论和一些关键参数。但在它们的Tax Alpha(终于看到阿尔法!)中提到他们会用“更独特的股票替换技术来动态调仓以便合法地节省税费”,但并未披露更多细节。

所以我们认为即使公开关键参数和指标并不会完全透露一个智投公司的商业机密。而披露不透明更可怕的结果是沦为公司操控的黑箱,在选择投资标等这些关键环节上下其手!比如选择费率偏高的基金,比如选择自己公司的基金等。招商银行推出的摩羯智投较早且影响大,有细心的知乎回答已发现摩羯智投虽然在介绍环节说考量晨星(Morningstar)评级,但仍有无晨星评级的基金入选!

不披露关键的金融理论和模型依据甚至出现闹剧。比如一家叫资配易的智投公司。在我们回答完风险评估问题后(意味着风险偏好确定),APP给出的预估回报超高,保守型投资竟然超过10%!但当我们选择回退重新让APP推荐时,居然发现即使我们风险偏好一致,其推荐的投资组合和预期回报竟然次次不同,相差极大!天啊撸,我们这是在打游戏吗?为确保公正,我们特意录下测试视频(资配易测试视频)。

市面上常见的智投公司很多会在推荐投资组合建议后给出过往业绩表现,也就是基准回报。比如股票型基金一般要选大盘指数(沪深300或者SP500等)。可我们翻阅了市面上常见的几家智投公司,结果大跌眼镜。比如摩羯智投画出一条基准线,但不注明是什么基准;上周六提到香港的有鱼智投也只给推荐组合的历史回报,但根本不提供基准回报。再比如蓝海智投,其推荐的投资组合是70%的股票,但选用的基准却是80%的债券!

金融学基本知识告诉我们:股票是相比债券更高风险高回报的投资标的。所以如果只看投资回报(尤其长期),股票作为大类资产一定超过债券。所以蓝海偷换概念,明明组合中股票占比大但去和风险低回报低的债券比(蓝海智投测试视频)!另外一家拿铁智投也是有样学样,推荐的投资组合明明是36%高风险股票类投资却和一个债券基金指数比较(拿铁智投测试视频)。考虑到国内投资大环境,投资人要求短期无风险或低风险但高回报,毕竟余额宝/P2P能提供的几乎零风险的回报率已经很高。如果智投的组合回报还有很大风险(大多包括股票类,在以千股跌停大盘熔断驰名的大A股),如果连所谓的历史回报都不高,无论如何吸引不了客户。

就回报而言,如果是选择大类资产进行分散投资,其实近2年的回报几乎可以预测顶部。我们自行对Wealthfront做过多次模拟投资组合(不同风险偏好)。可能因为美股大盘这几年涨势喜人,所以无论我们怎么变化风险偏好,只要投资有分散,那么历史回报从未超过大盘(SP500)。讽刺的是当我们准备撰写这篇公众号文章并重新去Wealthfront查询历史回报时,竟发现Wealthfront估计也承受不了回报总是低于大盘的形象,竟然取消了模拟组合历史回报这一功能!下图已经是绝唱,以后不会再有。

中国国情特殊,从保护商业秘密或营销手段看,上面2个吐槽我们仔细想想还勉强可以接受;而透明度上看让我们难以接受的是费率!市面常见的几家智能投顾公司对费率都语焉不详。有的甚至说“免费”!比如我们上次发文提到的有鱼智投,其用户界面我们认为是有互联味道的,流动感极强,非常契合“有鱼”这个名字(有鱼智投实测)。然而,公司对费率并没有介绍,只是说除了主动型基金的各种前端和管理费率公司并无其它收费。

那么问题来了,羊毛终出在羊身上(他们还不是平台,我们后面再深挖这一层)。我们仔细查阅一下基金业的各种明规则和潜规则,大致搞懂一二。在基金分销业务上,分销商是可以和基金公司分成的。常见一种是像代销一样直接从申购费中提成。比如摩羯智投推荐的全球股票基金003629在天天基金购买会收取0.27%销售费,这还是打过一折之后,至于招行打不打折不得而知。

从透明度上看,的一家是在北美上市的金融界推出的智能投顾(对,就叫智能投顾,居然没有起个靓丽的名字)。至少在关键算法、基准业绩和费率等关键问题上给出还算尚可的回答。不厚道的猜想,应该是在美国股市被做空和集体诉讼教育的结果吧。我们以上关于信息披露的吐槽绝非吹毛求疵。不信,看看美国证监会(SEC)2017年的工作要点,智投公司披露问题(包括原理、算法、收费等)会逐渐成为监管关注的焦点。

模式之殇

创业艰辛,我们上面的吐槽并非针对某家公司。严格讲,信息披露、费率猫腻等问题在中国很多金融机构或非金融机构都存在。智投公司多扣些费用,推荐一些高风险基金,比起P2P理财跑路,机构抛出萝卜章无法兑付已经强太多。我们要说的是,即使智投公司(无论中国还是美国)信息披露严格到各个监管机构满意的程度,它们的命运仍然成疑!反讽的是,也许只有在监管松弛下智投公司或许能利用监管套利,而强监管后其命运可能会更悲惨,这是模式之殇,而非战之罪。何解?

我们先以Wealthfront为例。2016年某知名博主曝Wealthfront获客成本过高(美元/每人),而公司如果没有任何其它收入,仅靠低服务费率很难维系运营。Wealthfront反击说获客成本几乎为零,因为他们没有雇佣大批销售人员,主要靠顾客口碑传播(其实他们制作了很多社交络风格强烈的广告)。无论如何,成本是公司机密,我们无从得知。但我们用另一种方法推算,Wealthfront肯定是还无法盈利。

我们的算法是先查找LinkedIn(领英)上所有Wealthfront的雇员,大概150人左右。然后查找湾区的平均工资,以Wealthfront雇佣的程序员、分析师和产品设计师来看应该属于偏高收入人群。Wealthfront为提高自己的研发能力不惜请来很多名校金融系经济系教授和博士,可想而知成本会更高。

我们即使用这些职业的年薪中位数(Median)也大概年薪10万美元/每人,所以即使是人力成本已经到至少1500万美元。而公司的打理资产总额(上周数据)大致是60亿美元。因为Wealthfront采用单一费率0.25%且无隐藏费用,计算结果是它的总收入多只有1500万美元(600000×0.0025)!其它成本支出如房租、数据库、云计算等等还没有计算。对于高成长公司,亏损不可怕,可怕的是增长缓慢。但Wealthfront自2015大红大紫后引来无数竞争者模仿者,其管理资产成长速度大大放缓。2016年底公司被迫更换CEO,2017年不断推出新业务,站画风也大变。

再看中国智投公司。虽然披露不多,可以在宣传和费率等问题上打擦边球,但中国的智投公司并没有像P2P一样火爆。首先,中国投资者追求短期高回报,这一点只要是还理性一些的智投无法实现,毕竟不是对冲基金;其次,中国目前因为金融市场不平衡,无风险或低风险的投资机会也很多,比如余额宝和陆金所等P2P公司。如上面介绍,智投公司真正的价值,无论怎样神秘宣传,正如Wealthfront在CNBC里说的大实话:“方便而已!”而多少人会为方便买单?我们从中国证券协会2015年基于5万份有效问卷可以看出,中国投资者大都有不切实际的短期高回报期望,

选择基金时特别关注历史回报而非整体平衡或策略,

也不愿为投资信息付费。

总之,单一的智投模式,尤其是对于初创企业,其获客成本或者国内的流行词叫“流量费”(即给各种流量提供者交买路钱,比如百度推广)很高,如果在另一端无法对客户高收费且服务本质上并没有所谓的“病毒传播性”,那么这样的商业模式在强监管的空间下更难生存!

出路转型

一种是转型到2B。比如国内一家早期的智投公司弥财,在采访中透露被迫做出“痛苦的抉择”(智能投顾模式之争:to C or to B,谁的终结,谁的胜利|Xtecher研究院)。据说蓝海智投也是有这样的转型。我们在调研中也发现其实有一批针对B端客户的金科公司,一开始就不冲到前线去面对客户,而是以提供信息支持,投资方案分析甚至数字化为卖点对B端客户服务。这样的模式从生存来看非常有效,但要做大做强,如果议价能力有限(蚂蚁金服的TECHFIN略有不同,因为其议价能力已经远超一般的金融科技公司),成长空间也有限。

另一种就是向有生态体系的机构靠拢。目前无论中美,单单以市场份额论其实是证券公司的智投进展。原因一是获客成本低,而更重要的是这样的公司对智投有更多的战略考虑,可以不过分计较单项业务收入。比如很多券商(Charles Schwab)不对其已有客户的智投服务额外收费。从商业模式上看,智能投顾的价值就被植入到其它业务线中,比如购买本券商的基金,比如增加用户粘性,比如增加其它高利润金融服务的机会(融资融券等)。

我们更大胆的猜想是,如果智投这个概念(低风险分散长期投资)真的在被广大客户所接受,那么在可能做到的还是几家互联巨头,比如蚂蚁金服,在已有的客户群,货币基金,定期债券基础上加入大批可选的基金(目前财富号又起航,已经有大批基金入场),那么水到渠成就可以推出智能投顾来帮用户进行分散投资,增加粘性和其它交易。平台战略也有很多文献和有趣的话题,比如法律争议(Amazon的平台反垄断之谜)等,我们以后再谈。

智能投顾→量化交易?

人工智能作为新兴技术,完全可以应用到量化交易中。对冲基金近几年大大加强了对人工智能的投入。比如《Fortune》和《华尔街》2016年底相继报道世界的对冲基金桥水基金(Bridgewater Associates)就加大对人工智能的投入并期望把存在人脑的各种算法模型固化到量化模型中。

这些对冲基金历史上已经雇佣大批藤校精英并在数据采集,模型提炼,硬件技术上不断投入。这些对冲基金(或新基金)利用AI技术在金融市场操作将会如虎添翼。比如我们下周会介绍一款高盛入股,CNBC已经采用的人工智能金融事件数据分析服务公司——KENSHO。他们用人工智能方法(比如人工语言分析NLP)对采集的大数据进行自学习,可以发现很多被传统金融分析忽略的交易机会。这些机会,无论是ARBITRAGE还是各种市场偏差,都可以被对冲基金抓住机会获利。也就是说阿尔法狗理论上可以在金融市场上获得Alpha,成为名副其实的阿尔法狗!

问题在于,这样的阿尔法狗会不会像Weathfront或其它智投公司一样对海量的中产以下客户推广呢?目前已经有些社交化投资平台(比如Quantopian宽客邦或中国的果仁、微量等)上一些个人或小型基金利用AI进行量化交易。

如果业绩好,他们可以通过平台募资或出售服务进行跟单交易。但这样的机会能够扩展多大(比如必须是合格投资人才可以投资,比如如何确保算法在基金扩大后持续盈利)目前还没看出苗头。

我们对Quantopian宽客邦的案例分析发现,这些平台上的算法开发者会面临一个抉择:如果其算法足够强壮且适应范围广,那么理性的选择自然是成立自己的基金并到花街(或李嘉诚)募资放大利润。比如当年红极一时的LONG TERM CAPITAL。而动态平衡的结果是这些平台极有可能成为半专业交易员或小基金的跳板。如果这样,那我们也无法寄希望从更扁平化的平台上发现超级AlphaGo,因为它已经被李嘉诚先生请走或在寻找李先生的路上!

结语

智能投顾,浪潮汹涌;AlphaGo横扫棋手,推波助澜。但大潮之下,看清这个模式的学术、技术与运营之根本,可以非常清晰地预见它的未来。

智能投顾,无论哪一家,会给我们各种错觉。你以为得到一个阿尔法,错!其实它只是一只狗!

汽车材料检测
无锡货架
苹果解锁

猜你喜欢