傳統的理財顧問或投資顧問是指根據投資者的風險偏好、財務目標和投資期限，為其提供個性化的投資組合建議的金融服務。服務往往也包括自動調整和管理客戶的投資組合。智能投顧則是利用計算機算法和自動化技術，將上述服務用技術取代人工或部分人工，提高服務的質量和效率。

人工智能的快速發展以及在智能投顧中的應用極大地提升了服務的智能化、個性化和效率，也帶來了一定的挑戰。

*本文作者為上海交通大學上海高級金融學院實踐教授闞睿，文章刊載于《北大金融評論》。

智能投顧的核心及人工智能的應用

智能投顧與傳統人工投顧的核心都是 ：個性化 ；配置與投資建議 ；服務與咨詢。

個性化

傳統的客戶畫像，往往依賴于問卷，通常是靜態的，可能無法完全反映用戶真實且多變的風險偏好。問卷的結果，由于答卷人的各種可能的偏差，答案往往帶有較大的噪聲，不能完全準確地反映客戶的真實情況。內容也往往不夠全面。而人工智能通過對客戶投資行為、消費數據（經用戶授權），甚至社交媒體動態（在合規前提下）的分析，可以構建一個更動態、更真實的投資需求和風險偏好模型。

在個性化投資建議上，傳統的做法通常是基于風險等級分類。同一風險等級中的客戶得到的投資建議往往大同小異，無法做到真正的個性化。人工智能可以根據用戶的個人生命周期（如剛畢業、結婚、生子、退休）、現金流狀況、負債情況（如房貸、車貸），甚至行為偏差，提供獨一無二的資產配置和投資計劃。

自動化和人工智能的大量應用，節省了大量的人工操作，費用大幅降低，面向大眾的投顧服務也正成為可能。

配置與投資建議

投資建議的實際表現仍然是投資顧問的核心價值之一，也往往是投顧最難實現的價值 ：第一，投資是一個很復雜且帶有高度不確定性的操作。即便是專業的機構投資者也不一定能夠持續戰勝市場。特別是在成熟的有效市場中，專業機構投資者的平均超額收益非常有限。第二，一個有效的策略，當足夠多的投資者大量使用時，其有效性會迅速降低。因此，投資顧問的價值更應該體現在幫助客戶分析自身的情況、能力以及風險偏好，制定合理的、可實現的投資目標，并給出具體的實現方案。

在龐大的基金、ETF 產品庫中，人工智能可以根據用戶的歷史偏好和投資風格，精準推薦最符合其需求的具體金融產品。

人工智能可以更好地監控市場以及各種媒體，及時地將市場以及相關的新聞、事件和分析匯總傳遞給投資者。甚至可以進行簡單的分析和預測。AI 能將海量信息自動歸納總結為不同的主題，也能夠自動識別出真正影響市場的“關鍵事件”，如“并購”“管理層變動”“新藥獲批”“重大訴訟”等，并過濾掉無關緊要的日常噪聲。

人工智能也能夠更好地實時監控風險，瞬間根據實時的市場數據完成全組合風險的計算，及時地向客戶提出預警以及可能的應對措施，實現從“事后風控”到“實時、前瞻性風控”的飛躍。同時，人工智能可以根據客戶的具體情況，制定個性化的風控指標和預警機制。

人工智能的另一個價值是可以識別用戶非理性的投資行為模式，如“損失厭惡”“羊群效應”。可以及時提醒客戶，幫助客戶克服自身的行為偏差，幫助用戶理解市場波動，建立正確的投資理念。

服務與咨詢

提供高質量服務也是投資顧問的重要目的之一。在傳統的人工理財顧問服務中，這部分也需要大量的人力投入。

在和客戶的溝通上，人工智能可以取代大部分的人工，特別是在具有一般性的內容上。智能客服機器人可以 7x24小時隨時解答客戶關于產品信息、訂單狀態、退貨政策等常見問題，無需等待，極大提升了客戶體驗的便捷性。人工智能還可以學習和存儲海量的產品知識庫和問答，對于80% 以上的常規性問題，都能提供快速、準確的標準化回答，解放了人工客服去處理更復雜的問題。

人工智能雖然不能完全替代人工，但可以通過分析客戶的語言來初步判斷其情緒狀態（如憤怒、焦慮、滿意），并將高價值或高憤怒值的客戶優先轉接給人工客服，并提前告知人工客服問題的關鍵點和客戶情緒，讓人工介入更高效、更有準備。

智能投顧的發展與國內外案例

智能投顧早期主要是使用現代的投資組合理論以及簡單的計算機算法，成為自動化的被動式的投資工具。機器學習和自然語言處理的發展使得智能投顧更趨于數據驅動，使用大量數據進行分析，而達到更有針對性的更高質量的投資建議。未來，生成式 AI（AIGC）、更復雜的深度學習和更全面的大數據的使用，將使得智能投顧提供更有針對性的前瞻性規劃、更有效的情感交互的全方位的財富健康管理服務。

美國的 Betterment 和 Wealthfront 均成立于 2008年，兩者都是美國乃至全球的行業領導者，核心業務非常相似，但在細節和側重點上又有不同。核心理念都是基于現代投資組合理論，通過低成本的 ETF 構建全球多元化投資組合，以實現風險調整后的收益最大化 ；都是通過在線問卷評估客戶的風險承受能力、財務目標和投資期限，然后自動推薦并管理一個投資組合。Betterment 相對來講更注重用戶體驗和財務指導，旨在成為用戶全方位的財務生活助手。風格更親切、教育性更強。而 Wealthfront 則更強調技術驅動和算法優化，定位為高性能的自動化投資平臺。風格更偏向科技感和極致優化。

Betterment 2024 推出 AI“Co-Pilot”，用 GPT 實時回答客戶關于退休、稅務、房產等跨目標規劃問題，對話后可直接落地到投資組合調整。Wealthfront 2024 年上線“Path”，使用大模型把稅務虧損收割、房貸 / 學費債務優化、保險缺口提醒全部實現實時對話。

Morgan Stanley 于 2018 年推出了行業領先的“Next Best Action”系統。該系統最初依賴基于規則的邏輯提供推薦，如今運用機器學習技術根據客戶偏好進行投資建議。通過機器學習算法識別個性化投資方案，并借助客戶關系管理（CRM）系統將相關投資建議及定制化信息精準推送至特定客戶群體。

國內的智能投顧近年也得到了快速的發展。不過目前仍然存在監管的不確定性，直接用大模型面向散戶仍受合規性、適當性、模型可解釋性的約束。

招商銀行的摩羯智投在 2016 年底上線，曾是中國銀行業最具代表性的智能投顧產品。摩羯智投采用公募基金組合而非 ETF 作為投資標的，根據用戶風險測評提供一攬子基金組合建議。2021 年底至 2022 年期間，由于中國監管政策對“基金投顧”業務的規范，摩羯智投及其他類似產品暫停了購買功能，進入規范改造階段。國內 2023 年“資管新規”細則要求“智能投顧模型須備案 + 投資顧問須持牌”。

中信證券的 Wealth Copilot 在 2024 年上線，使用大模型“對內先賦能”，為 4000 多名投顧自動生成市場點評、客戶標簽、營銷話術，再人工復核后發出，實現專業和速度的雙贏。

平安銀行的 AI 投顧依托平安集團的綜合金融大數據，構建極其精細的用戶畫像，包括收入、負債、風險偏好、生命周期階段甚至消費習慣。在此基礎上，它不僅推薦基金組合，還能將銀行的理財產品、保險產品、貸款服務等與用戶需求進行跨領域的智能匹配，提供綜合金融解決方案。

面臨的挑戰

人工智能使得智能投顧正在從“自動化”走向“智能化”，提供一個全天候、全視角、個性化的數字化投資伴侶。其發展過程亦存在各種潛在的、可能未被人們了解的新風險。

? 一是盡管人工智能在量化策略中已經獲得了廣泛的應用并且取得了可觀的業績，但在面向大眾的配置與投資建議方面，仍然有很多的工作；在大類資產配置以及風險控制方面，人工智能的應用仍在發展中 ；人工智能對公司基本面的研究是另一個可能發展的方向。

人工智能并不能解決有效策略被大量投資者應用后可能失效的兩難問題。另外，如果市場上主流的智能投顧平臺都采用相似的人工智能模型和算法，它們可能會在相同的時間對相同的信號做出同質化的反應（例如同時大規模賣出）。這與旨在分散風險的初衷背道而馳，甚至可能造成新的系統性風險。因此，即便大量地使用人工智能，保持策略的多元化仍然是市場健康發展的重要條件。

? 二是人工智能依賴于基于歷史數據訓練的模型，因此不一定能夠反映未來市場的變化。模型的輸出質量取決于輸入數據的質量。過度依賴大量數據可能引入不可靠的信號，生成錯誤的結論。歷史數據本身存在偏差，或模型過于復雜地“記憶”了歷史噪聲而非一般規律，也會導致過擬合，即模型在歷史回測中表現優異，但在真實的未來市場中可能表現欠佳。

人工智能擅長發現“相關性”（A 和 B 同時發生），但難以理解背后的“因果關系”（A 是否導致了 B）。這仍需人類分析師進行深度解讀。另外，人工智能對虛假信息、市場謠言的最終甄別能力仍存在挑戰。

復雜的機器學習模型（尤其是深度學習）往往是“黑箱”，缺乏可解釋性，即我們很難理解模型為何做出某個特定的投資決策。在金融領域，對于大部分客戶以及監管， “為什么”往往和“是什么”同樣重要。

? 三是過度依賴人工智能可能會削弱人類顧問在提供情感支持、應對復雜人生事件（如離婚、疾病、繼承）和建立信任關系方面的價值。金融決策不僅是數字游戲，更涉及情感和行為心理學。

? 四是金融監管法規的更新速度遠遠跟不上人工智能技術的發展速度。現有的法規是針對人類顧問的行為設計的，很難直接套用在算法上。國內外的監管機構正在努力制定新規，但如何在不扼殺創新的前提下實施有效監管，是一個巨大難題。

責任歸屬問題也是一個有待解決的問題。當人工智能驅動的投資決策導致客戶重大虧損時，責任由誰承擔？是算法開發者、金融服務提供商、批準該模型的合規管理人員，還是最終決定使用該模型的客戶？法律上的界定非常模糊。

? 五是未來人工智能應用普及的一種可能的方式是所謂的人機合作的模式，即不再是機器取代人，而是機器增強人，讓雙方做自己最擅長的事，實現 1 加 1 大于 2 的效果。未來的智能投顧平臺不再是完全自動化的黑箱，而是增強人類顧問能力的協作者。人機交互將更加自然。顧問可以用自然語言向 AI 提出更具專業性和有針對性的問題，AI 能即時搜集所需要的資料、生成并回測方案。

人機合作模式可以降低優質投顧服務的門檻。一個人類顧問在 AI 的輔助下，可以高效服務數百名中產客戶，使過去只面向高凈值人士的服務得以普惠化。AI 是“超級大腦”，負責計算、效率和規模 ；人類顧問是“決策指揮者”，負責信任、情感和最終決策。

內容來源｜《北大金融評論》

圖片來源｜千圖網

高金項目火熱招生中…

歡迎點擊小程序了解更多信息