无论在实操还是监管层面,智能投顾都面临一系列目前仍无解的难题。

在中国,智能投顾更初级的应用是量化投资,其覆盖领域包含了量化投资和主动投资。它们都依靠数据,但智能投顾还需要考虑更多的个人因素,包括我在之前一篇文章中提到的投资者风险承受水平、投资偏好等等,并计算出最优的资产配置组合推荐给客户。所以,我们有必要把智能投顾和量化投资一起讨论。

按我个人对美国的理解,美国是一个非常善于创新的国家。纵观其发展史,一般最顶尖的前沿技术会首先应用在两个领域:军事与金融。计算机诞生于美国,量化投资也最早诞生于上世纪70年代的美国,可是其并没有大行其道,一直不温不火。而诞生于2012年的智能投顾是否能在未来完全取代人类,还需拭目以待。

对于量化投资而言,有其固有的优点,但这是否也是其缺点呢?下面是一些笔者的思考:

优点1:纪律性。严格执行数量化投资模型所给出的投资建议,克服人性的弱点。

疑问:设计这个量化投资的人本身的性格缺点是否已经被设计进入了既有的量化策略?如果是的话,那么执行这种策略是否等同于把设计者的性格缺点统一传播给了所有按此策略交易的投资者。

优点2:系统性。通过多层次的量化模型、多角度的观察及海量数据的观察等,捕捉更多的投资机会。

疑问:量化策略的交易模型是基于过往历史数据的分析所得出的最优模型,中国资本市场的历史数据并不长。这个模型忽视了当时的整体世界经济、政治、突发事件等大环境因素。哪怕是同样的量化模型,复盘测试的时间点不一样,比如把基于每月回报率的量化策略改为按年回报率重新测试一下,最后该量化策略得出的结果都可能千差万别。

这样的量化模型,在同一条件下分析过去可以,但是预测未来是否也能准确?这是个大问号。一般量化策略需要人员不断的根据当下的经济、政治、市场环境更新,可是一旦这样,我们则又回到了原点:需要人工去处理和面对未来的不确定性。

另外,量化策略的数据来源未必真实准确,比如会计数据可以造假或者利用会计准则漏洞合理调整某些数据,基于不真实数据的策略还是要警惕风险。

优点3:及时性。及时快速地跟踪市场变化,不断发现能够提供超额收益的新的统计模型,寻找新的交易机会。

疑问:一般我们追求的超额收益是指阿尔法收益,也叫做选股收益(Stock Selection Return)。这是基于基金经理对于某个时刻市场的判断而挑出的超过大盘指数的收益。比如:台海关系恶化、中国股市下跌,基金经理如果在这时候转移既有仓位到某些黄金公司股票上(例:中金黄金),反而能获得软性对冲,取得正回报。

这种应对技巧只能靠基金经理的个人经验判断得来,也体现了基金经理的选股(Stock Selection)和择时(Timing)水平。在这种时机把握和针对某些突发事件所作出的投资决定,并不需要看任何数据和报表。基于分析数据的量化模型对此则无从下手,无法及时以及准确的捕捉市场上投资者的情绪。

优点4:准确性。准确客观评价交易机会,克服主观情绪偏差,通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。

疑问:不可否认,量化策略比较适合全球性的银行或机构,比如花旗,汇丰。他们可以通过即时数据分析,找到在某一时刻的同样一种商品的不同定价,从而进行无风险套利交易。因为这种无风险套利的交易的回报一般很小,需要很大的资金量参与或者需要采用巨大的杠杆来放大收益,具备这种投资能力,投资速度和融资能力的,一般是全球性的大型金融机构。

量化策略本身就不客观,因为它是人类设计的,或多或少都会有设计者的主观习惯融入其中。另外,其快速并且批量执行交易的特点具有极大的风险。如果量化策略响应了某种错误的市场信号(例:人为的错误),一般都会是大错(参考“光大乌龙指”事件)。

优点5:分散化。即靠概率取胜,这表现为两个方面,一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用,这些历史规律都是有较大概率获胜的策略。二是依靠筛选出股票组合来取胜,而不是一个或几个股票取胜,从投资组合理念来看也是捕获大概率获胜的股票,而不是押宝到单个股票上。

疑问:首先,相对于美国资本市场,中国的资本市场还很年轻,历史数据并不长,能否在短暂的历史数据中总结出规律,本身就具有挑战。其次,分散了风险也必然会分散了收益。在单边市场行情下,其收益往往比单纯的股票基金要低。而且过去成功策略,不代表未来也会成功。另外,从逻辑上考虑,如果真有能大概率盈利的、不用靠人操作的电脑自动化交易的,投资者躺在床上也能赚钱的量化策略,那么其设计者为什么还要拿出来和别人分享?帮助普通投资者赚钱?这是不是在设计盈利的“永动机”?

因此,从了解量化交易之后,再来看智能投顾,我个人认为其有一些问题有待解答:

问题1:金融行业不同于AlphaGo所做的那些围棋模拟。那些是可以用数学方法估算出每一步的,只要计算机够强大就能战胜人类棋手。比拼的是现场根据对方出棋而应对的大数据处理能力。而金融市场本质是由千千万万的投资者组成,所以金融产品的市场价格几乎从来不会是理论上算出来的平衡点价格,投资者是有情绪的,某些情况下会乐观与悲观,而这又影响了预期,预期最终会影响投资者的市场操作。这些心理情绪,很难用某种程序量化实现。

如果有人说“人工智能”能预测我的行为,那一定是说谎。拿我自己举例,我亲生父母都不可能100%猜中我“将会”做什么。只不过他们比陌生人猜中和预判我的行为的准确率更高一点。那么是否“人工智能”能预测出世界上所有投资者的行为呢?

问题2:我们现在的电脑技术和软件,只能用在“避免重复劳动”这一点上,软件也是按照预先开发者设计好的路径和逻辑帮我们加速处理信息。很难说是“创造了一个智慧”。“智慧”应该会自己独立思考。从哲学上来思考,由人类“设计创造”的东西,是不可能超过设计者本人智商的。那么,假设我们能设计出一种智慧,并且超过人类本身,那是不是会像科幻片里一样,我们应该感到害怕呢?因为我们很有可能被它主导。

计算机和互联网都诞生在美国,可现在美国的主流服务客户的投资理财方式还是顾问式的理财咨询模式。各种客户经理、理财顾问、保险规划师、理财规划师遍布美国,特别是对高净值客户。这就好像是服装行业一样,尽管衣服鞋帽的生产半个世纪之前就已经完全工业化批量生产,但最高端的,富人喜欢的还是私人裁缝的量身定做。

在笔者看来,未来的中国理财行业,量化和智能投资只适合大众投资者,高净值客户由于他们对于人生、传承、税务,教育等等的各种需求远大于一般投资者,他们还是会需要“量身定做”一套属于他们自己的理财方案。这也为中国的理财师提出了更多的要求。一些机构也已经意识到这一点。有些机构已经都要求员工考过《证券从业资格考试》才能上岗。在没有竞争者的时候,一些公司可以通过数量来迅速占领市场,但在市场上已经有很多竞争者导致竞争加剧的时候,质量才会是取胜的关键。

其实这对投资者而言是好事,更高的产品和服务质量,使得投资人的利益会得到更好的保护。