
有了大數(shù)據(jù)加智能,你愿把荷包交給機(jī)器打理嗎
大數(shù)據(jù)遇上新消費(fèi)的時代,各種服務(wù)都在講究升級。智能投顧就是對傳統(tǒng)投顧模式的一種升級。智能投顧怎么玩轉(zhuǎn)?大數(shù)據(jù)如何在智能投顧中發(fā)揮作用?11月8日的線上數(shù)據(jù)俠實(shí)驗(yàn)室活動中,拿鐵智投產(chǎn)品負(fù)責(zé)人曹潘亮為我們分享了新消費(fèi)時代智能投顧行業(yè)的變革和機(jī)遇。
智能投顧來了,但你真的了解它嗎?
這次的分享主題是“數(shù)說新消費(fèi)時代的智能投顧”,具體會跟大家分享三個部分的內(nèi)容:
第一部分帶大家認(rèn)識下什么是智能投顧,能解決什么問題,以及智能投顧在國內(nèi)外的發(fā)展概況。
第二部分是以拿鐵智投為例,分享我們在產(chǎn)品研發(fā)過程中,如何應(yīng)用數(shù)據(jù)的具體案例。
第三部分,是談?wù)勗诮鹑跀?shù)據(jù)實(shí)際運(yùn)用時經(jīng)常會碰到的一些問題,以及我們對這些問題的處理建議。
智能投顧是一種面向大眾化的投顧服務(wù)
銀行的理財經(jīng)理大家都很熟悉,他們職責(zé)是基于個人資產(chǎn)的情況給客戶提供投資建議。但實(shí)際上大部分的理財經(jīng)理更多的時間是在推薦產(chǎn)品,這就是一般投資者能夠接觸到的投顧服務(wù)。
而在私人銀行的業(yè)務(wù)中整個資產(chǎn)配置的方法是被執(zhí)行的很好的,包括客戶需求分析、資產(chǎn)配置建議、構(gòu)建投資組合、投后管理與回顧四個大的步驟。智能投顧就是希望把這套理念跟方法完整的提供給一般投資者。
傳統(tǒng)的投顧和智能投顧有什么區(qū)別呢?智能投顧一般具備三個特點(diǎn):
第一個特點(diǎn)叫做智能化。整個方案從客戶需求分析到對資產(chǎn)配置的建議,再到后續(xù)的投資組合管理等,這個過程中會運(yùn)用到多種投資模型,管理的過程是自動的、智能的。
第二個叫個性化。傳統(tǒng)的理財服務(wù)不可能針對每一個客戶做非常個性化的投資方案,但是通過智能投顧系統(tǒng),是可以做到針對每個人做千人千面的個性化方案的。
第三個叫做普適化。傳統(tǒng)的投顧為什么不面向中產(chǎn)階級提供呢?商業(yè)模式不同。傳統(tǒng)的投顧服務(wù)受限于個人服務(wù)數(shù)量約束,所以他們在本質(zhì)上追求的是高的客單價,因此高凈值客戶就成了他們的必然選擇。
而智能投顧的變化在于一定程度上突破了個人服務(wù)數(shù)量的約束,從關(guān)注客單價轉(zhuǎn)變?yōu)殛P(guān)注客戶數(shù)量,可以面向一般投資者,本質(zhì)上是一種更領(lǐng)先的、更具零售的、更具消費(fèi)特征的一種升級。
智能投顧產(chǎn)品從2016年開始在國內(nèi)紛紛出現(xiàn),拿鐵智投2016年3月上線,招商銀行的摩羯智投16年12月上線。其實(shí),作為舶來品,智能投顧在海外的發(fā)展更早一些,發(fā)展也是非常迅速的。2008年在海外就出現(xiàn)了第一個智能投顧平臺。到2015年左右很多傳統(tǒng)的大型金融機(jī)構(gòu)開始入場,截至2016年,最大一個智能投顧的產(chǎn)品的規(guī)模已經(jīng)達(dá)到了300億。
而國內(nèi)的摩羯智投,截至2017年三季度末,其交易額大概是75億元左右。按照招行2萬億的資產(chǎn)管理規(guī)模來說,占到了千分之四不到。因此,我們可以說,智能投顧在國內(nèi)還是處在比較早的發(fā)展時期。
智能投顧的架構(gòu)中的典型策略和做法
現(xiàn)在市面上的智能投顧產(chǎn)品有很多,但是從系統(tǒng)架構(gòu)上來說,大家其實(shí)都差不多,一般會分為數(shù)據(jù)層、算法層、投資標(biāo)的、投資方案、投顧管理幾個部分。
智能投顧最核心的部分是資產(chǎn)配置。好的資產(chǎn)配置方案基于對資金結(jié)構(gòu)的合理配置。在最理想的情況下,你每一次配置的資產(chǎn),都是未來上漲前景最好的資產(chǎn)。背后有一個非常著名的投資理論,叫做美林時鐘。
美林時鐘基于經(jīng)濟(jì)增長以及通脹兩個維度宏觀經(jīng)濟(jì)分成四種情況,每一種情況都有最合適的投資品,比如復(fù)蘇期最適合投資股票。
但在現(xiàn)實(shí)運(yùn)用中會碰到兩個局限性。一是你無法判斷當(dāng)前的經(jīng)濟(jì)狀態(tài)是處于時鐘的幾點(diǎn)鐘?;仡櫄v史來看可以分得很清楚,但立足當(dāng)前來看確實(shí)是很難判斷的。
第二,從速度來看,經(jīng)濟(jì)的輪動很難被捕捉,它不是嚴(yán)格按照這個時鐘從復(fù)蘇、過熱到滯漲、再到衰退,它不是嚴(yán)格按照這個周期來輪動。
美林時鐘是一種非常理想的投資理念,但并不實(shí)用。 而資產(chǎn)配置是在實(shí)際運(yùn)用中最常見的解決資金配置結(jié)構(gòu)的方法。
馬科維茨提出的均值方差模型在資產(chǎn)配置領(lǐng)域具有劃時代的意義。它第一次提供了資產(chǎn)配置在數(shù)學(xué)上的最優(yōu)解,使得資產(chǎn)配置找到了數(shù)學(xué)模型,也就有了后續(xù)一系列的優(yōu)化方案,大家經(jīng)常聽到的BL方法、風(fēng)險平價策略都是對均值方差理念的優(yōu)化。
接下來來舉個拿鐵智投實(shí)際應(yīng)用中的具體例子,我們以股票資產(chǎn)的長期收益評價為例。
股票型資產(chǎn)的收益主要來自于三部分:第一是來自于公司的利潤,是公司本身經(jīng)營賺的錢;第二是央行的錢,就是無風(fēng)險收益;第三是投資者博弈,也就是我們經(jīng)常會說的“韭菜”的錢。
從長期的角度講,公司的利潤影響最大,投資者博弈的貢獻(xiàn)很小,因?yàn)槊撾x基本面的上漲在長期內(nèi)是不可持續(xù)的,被炒高的資產(chǎn)大概率會有估值修復(fù)的過程。
通過數(shù)據(jù)分析和回歸建模,我們發(fā)現(xiàn)了一個比較有意思的事情。下圖左邊這張圖,這個是美股全歷史的一個市盈率(調(diào)整后)的走勢,你會發(fā)現(xiàn),在1990年以前整個市盈率非常好的體現(xiàn)出均值回歸的特征。但是90年代互聯(lián)網(wǎng)經(jīng)濟(jì)興起后,市盈率就再也沒有降低到平均值以下,哪怕在金融危機(jī)時候,美股市盈率僅僅是回歸均值,距離底部有很大的距離。
看了歷史走勢,大家還會覺得現(xiàn)在美股的點(diǎn)位高嗎?其實(shí),從90年代以后的數(shù)據(jù)來看,并不是特別高。
上圖的中間這張圖是我們基于剛剛講的三個部分,建立了數(shù)學(xué)回歸模型:這根黑色線代表著股票的平均年化收益大概是8%左右,紅色的部分是我們對未來十年的股票預(yù)期收益的一個走勢。
而藍(lán)色的是實(shí)際的未來十年的股票收益的年化收益率。通過這些變量的檢驗(yàn),我們能夠更好地去根據(jù)股票的點(diǎn)位來預(yù)測未來長期的收益率。最右邊那張圖則是統(tǒng)計學(xué)意義上的,可以看到R方大概在0.8左右。
我們后來也嘗試了對A股做了類似的模型,但結(jié)果比較失望,第一是因?yàn)锳股的樣本量可能比較少,第二,A股受政策影響較為明顯,因此模型不是很有效。
大數(shù)據(jù)對智能投顧的影響
現(xiàn)在是大數(shù)據(jù)時代,在這個時代智能投顧該如何創(chuàng)新發(fā)展呢?
大數(shù)據(jù)對于智能投顧的影響應(yīng)該從兩個層面去講,一個是投資端,一個是顧問端。
對于投資端,我們現(xiàn)在對于數(shù)據(jù)量的獲取是很多的,比如WIND(萬德)系統(tǒng),我們也有自己的爬蟲系統(tǒng),可以聚合市面上的新聞資訊、公眾號、研報等,這些都是我們在做投資決策的最底層數(shù)據(jù)來源。
我們基于這些來源去搭建上層的模型、去建立市場分析的框架等。所以,在投資端大數(shù)據(jù)的影響主要是在數(shù)據(jù)源上有了更大的改進(jìn),數(shù)據(jù)模型更加優(yōu)化,基于更充分的數(shù)據(jù)和更高效率的數(shù)據(jù)模型得到更好的投資模型。
而對于顧問端,對于智能投顧的初創(chuàng)企業(yè)來講,受制于用戶規(guī)模的約束,從數(shù)據(jù)體量上看可能還遠(yuǎn)遠(yuǎn)沒有達(dá)到大數(shù)據(jù)的標(biāo)準(zhǔn)。像傳統(tǒng)的銀行等,他們有上千萬規(guī)模的用戶數(shù)據(jù)去做客戶畫像、風(fēng)險評估。雖然目前拿鐵智投還沒有大平臺的數(shù)據(jù)優(yōu)勢,但基于公司另外一款產(chǎn)品“還唄”的千萬客戶規(guī)模,公司層面也在進(jìn)行客戶畫像、精準(zhǔn)營銷、個性化資訊等嘗試。
至于有很多人會質(zhì)疑的用戶隱私問題。智能投顧本身確實(shí)對用戶數(shù)據(jù)的需求量是很大的,每家智能投顧公司都希望有更多數(shù)據(jù)去更精準(zhǔn)地做用戶畫像,這樣可以提供更加優(yōu)質(zhì)的服務(wù)。
在實(shí)際操作中,因?yàn)樯婕暗接脩舻馁Y產(chǎn)信息,各家機(jī)構(gòu)在保護(hù)用戶的隱私層面是非常嚴(yán)格的。而且智能投顧的投資標(biāo)的是公募基金,是目前適合大眾投資的產(chǎn)品中流程最標(biāo)準(zhǔn)、監(jiān)管要求最高的產(chǎn)品。
關(guān)于監(jiān)管政策的影響。目前在中國智能投顧屬于創(chuàng)新型產(chǎn)品,目前沒有明確的監(jiān)管政策,但整個行業(yè)都在“為投資者提供更優(yōu)質(zhì)的服務(wù)”的大前提下進(jìn)行產(chǎn)品創(chuàng)新,努力推動大眾客戶的投資者教育,這是積極正向的創(chuàng)新,希望能得到監(jiān)管層面的鼓勵。當(dāng)然也存在一些約束。
國內(nèi)金融領(lǐng)域?qū)嵭械氖欠謽I(yè)監(jiān)管,對于智能投顧行業(yè)來說現(xiàn)在面臨的問題主要在于分業(yè)監(jiān)管帶來的產(chǎn)品間的隔離,比如基金、股票、理財要區(qū)分不同的賬戶去購買。
我們將持續(xù)去做投資者教育這件非常有意義的事情,讓更多的普通投資者樹立正確的理財觀,讓更好的投資理念和方法服務(wù)更多的客戶,非常期待整個行業(yè)得到法律地位的這一天。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10