【MBAChina网讯】近日，同济大学智能投顾实验室和羽时金融联合发布《2018智能投顾白皮书》，首次尝试对国内的“智能投顾”的概念、范围和标准进行了定义。

自2015年智能投顾兴起以来，大量宣称智能投顾的公司诞生，为行业的发展作出了显著的贡献，但是面对突然兴起的行业，数量众多，难免鱼龙混杂。什么样的公司可以称为智能投顾公司？

智能投顾的定义和概念

国外通常认为“智能投顾（Robo-Advisor）”发源于美国，是运用云计算、机器学习和人工智能等现代计算机技术，将经典的资产组合理论模型应用到实践中，结合对投资者风险偏好、财务状况及理财规划等因素的充分了解，为用户自动化地生成智能化、个性化的资产配置建议，并对组合实现跟踪和自动调整。

国内传统的“智能投顾”定义是一种通过现代资产配置理论，通过人工智能算法和金融科技为投资者提供数字化的资产配置服务。《2018智能投顾白皮书》认为这样的定义显然过于简单，也无法全面覆盖“投”和“顾”的全部智能元素。

《2018智能投顾白皮书》对“智能投顾”提出了全新的定义：智能投顾是基于对投资者的精准画像，通过将经典的资产配置理论、资产定价理论、行为金融理论等多种经典理论与投资实践，融入人工智能深度学习算法，从而能够为投资者提供基于多元化资产的个性化、智能化、自动化和高速化的大类资产配置、投资机会预测、投资风险预测、组合管理和风险控制等投资服务。

传统“智能投顾”的投资范围包括ETF及其他基金。这显然过于狭窄，《2018智能投顾白皮书》中“智能投顾”的投资范围涵盖了股票、债券、理财产品、基金、ETF，衍生品以及自然资源、房产等。目前，以股票资产为方向的智能投顾已经在大量涌现，未来，预计投资标的包括债券、理财、衍生品、自然资源、房产等的智能投顾都会出现。

《2018智能投顾白皮书》认为，智能投顾应该是侧重于智能化前端服务的智能投顾，考量的维度在于智能化的程度，服务的体验，比如资产配置、基金导购、智能客服等；而侧重于投资研究过程的后台服务，考量维度在于智能算法技术运用的深度，投研的业绩水平，比如智能化的投资策略，择时、选股，各类智能化投研工具等则称为是智能投研。现阶段，国内除了一部分高净值用户需要的资产配置服务是智能投顾的一个入口，广大的长尾中小散户对于智能化策略组合等服务的需求，则是智能投顾可以开拓的广袤蓝海。另外一方面，现有的定义，集中体现了投资者“投”的一面，而对于更加专业及时的“顾”的一面体现的不够充分。比如，及时的投资机会预测、前瞻的投资风险预测、优化的组合管理建议和风险控制建议等更加能体现出智能投顾专业上“顾”的优势的内容，反映的不够完备。一句话总结就是：智能投顾服务券商投顾和客服，智能投研专门服务管钱的机构投资者。

智能投顾九大评价标准

《2018智能投顾白皮书》认为，评价智能投顾公司可以从这九大标准进行。

一是首先要有一个具备长期丰富量化投资经验的团队。不论IT技术如何先进，核心是策略和算法，只有两者紧密结合，才能大幅度提高策略和算法的效率和效果。而这些训练机器的策略算法，在目前金融领域的人工智能技术条件下，无疑需要一个具备长期的量化投资经验和研究经验的金融工程团队。团队核心成员，至少需要具有5-10年的量化研究投资经验，需要多年优秀的公开产品管理业绩，这不仅包括公募基金的相对排名管理业绩，还包括更加重视绝对收益的私募基金产品管理业绩。

二是独具特色的核心量化技术。团队的核心量化技术，能够独具特色，自成一家。量化的研究方向要多，包括大盘择时、风格轮动、行业配置、主题配置、资产配置、选股策略、套利策略、对冲策略、交易策略、衍生品策略和程序化交易策略等等，必须在某一方面具备行业独特的领先优势和持续开发能力。

三是强大的数据库。一个好的智能投顾产品离不开强大的数据库作为支撑。不仅包括宏观经济数据库，交易数据库，一致预期数据库，用户的轨迹数据库，用户的交易记录，上市公司基本面数据库，基金数据库，新闻数据库，还包括深度加工的特色指标数据库，如并购重组数据库，基于交易数据衍生的各类指标数据库，市场温度数据库等等。

四是强大的金融工程团队。智能投顾产品的核心是算法和策略。算法和策略的核心是需要一个具备强大金融工程研发能力的研究团队。团队领军人需要具备多年金融工程工作经验和基金管理经验，熟悉择时、选股策略、行业配置、大类资产配置等各个领域的研究，具备前瞻性的金融工程发展视野。一个强大的金融工程团队不仅需要各个都有强大的编程能力，团队中还需要具备物理等背景的人才。统计物理、理论物理、复杂系统理论和非线性科学等学科的诸多理论，如湍流理论、分形理论、逾渗模型、伊辛模型和少数者博弈模型等，可以通过研究金融市场的自组织性等特性而涌现的出的宏观规律性来对金融市场进行多角度深入剖析。

五是强大的人工智能IT团队。强大的智能投顾离不开一个强大的具备人工智能IT技术开发能力的团队。近年多层神经网络技术和机器学习技术发展迅猛，这些技术通过和策略开发结合后，落地成为产品就成了一个关键环节。

六是精通业务细节的风控团队。智能投顾与传统金融行业结合，在哪些交叉处产生可能的风险，这不仅包括智能产品本身的风险，也包括产品的智能匹配风险，智能交易风险，智能平衡风险等各种与算法、IT技术有关的新型风险。这无疑需要一个更加精通人工智能知识和相关法律法规的风控团队。此外，由于多数智能投顾公司尚未获得牌照，如何在现行法规下合规的开展对外合作，也是风控团队的重要工作。

七是团队有出色的产品业绩。智能投顾，作为新生事物，不管IT技术如何先进，也不论机器学习理论如何得到使用，最终还是业绩为王。最后《2018智能投顾白皮书》认为，广大的用户群体和丰富的产品体系也是智能投顾必不可少的两大评价标准。

市场上出现的良莠不齐的智能投顾如何进行科学评价离不开这九个维度，即：量化投资经验是否丰富？核心量化技术是否具备特色？数据库是否全面强大？金融工程团队组成和实力如何？IT团队的人工智能水平如何？风控团队是否精通业务细节？产品业绩是否出色？产品体系是否丰富？用户的数量和活跃度如何？