理财魔方CEO袁雨来: 中国是非有效市场, 指数基金不是智能投顾唯一选择 | 爱分析访谈

　　调研 | 刘馥亮 霍晨昆

　　撰写 | 刘馥亮

　　人工智能作为新兴技术，将成为社会基础设施，并逐渐渗透和改造各行各业。在财富管理领域，人工智能与业务场景的结合，首当其冲是智能投顾。

　　过去十来年，中国财富管理多以理财销售为导向，以卖产品为目的，收入来源于销售佣金。而从趋势看，金融产品将愈加复杂，客户需求偏好也越来越偏于个性化，为实现客户财富的保值增值，科学的资产配置成为必需，理财师需要从销售进阶为投资顾问。

　　看中国市场，在高速增长和城市化红利时期，将资产投入房地产或固定收益等单一产品，即可实现保值增值。但随着经济增速下降、刚兑逐步被打破、固定理财收益率下降，愈来愈多的居民财富将转向浮动收益理财产品。为客户配置浮动收益理财产品，更加需要具备一定金融知识和资产配置能力的投资顾问。

　　投顾是理财师未来的演进方向，但培养人工投顾的时间较长、成本较高，短时间内无法满足日益旺盛的理财需求，因此，智能投顾可能是合理选择。

　　浮动收益理财在财富管理行业占比的提升，中产阶级理财需求的兴起，投顾是财富管理的趋势和人工投顾的缺口，人工智能技术的逐步成熟，几个因素的叠加，是袁雨来创立理财魔方的契机。

　　理财魔方成立于2014年12月，经历两次迭代，于2017年5月推出全AI驱动的3.0版“千人千面”智能投顾。

　　全AI驱动的理财魔方分为两个系统，分别是“智能客户分析与管理系统”和“智能投资管理系统”，对应着“顾”和“投”。

　　智能客户分析与管理系统，主要是通过问卷和客户行为分析，得出客户心理承受底线，量化为客户可承受的最大回撤比例这一指标；智能投资管理系统，则是根据市场变化和各类资产表现情况，通过AI驱动，自动化给用户配置资产，确保资产组合始终运行在用户可承受的底线之上。

　　当前，理财魔方配置的资产主要是公募基金。

　　理财魔方是全AI驱动的智能投顾：根据用户心理承受底线匹配的个性化资产组合，客户没有主动调整组合内资产比例和类别的权利，客户只能决定“投”或“不投”，是否调整，以及投多大金额。

　　理财魔方创始人袁雨来认为，智能投顾不仅仅是低成本，同时服务质量能胜过人工投顾。

　　首先，单个人力投顾服务客户数量有限，投顾数量需随客户数量增长而增长，但管理存在瓶颈，智能投顾则不存在数量限制，且随着客户规模、数据量的增大，服务效果会愈好。

　　其次，智能投顾的计算能力和“智商”都远超人工投顾，而且AI科学家的“智商”优势会通过机器和数据多级放大。

　　第三，智能投顾的反应速度比人工投顾更快，人工投顾只能定期拜访客户，而AI可以做到24X7在线，实时监测市场和用户操作变化，随时对客户需求做出反应。

　　袁雨来是清华大学计算机博士，曾创立智能音乐推荐平台音贝网，2013-2015年任百度音乐技术委员会主席，为百度音乐构建服务千万级用户的人工智能音乐推荐系统。

　　近期，爱分析对理财魔方创始人兼CEO袁雨来专访，就智能投顾行业趋势和理财魔方战略进行探讨，部分访谈内容分享如下。

　　避免人为因素干扰，不允许用户自己调仓

　　爱分析：智能投顾与量化交易的区别主要在哪？

　　袁雨来：传统的量化交易更多的是基于传统统计学的方法，在较少的数据维度上进行分析和决策，智能投顾面对非常大的数据维度和数据量，用人工智能的方法进行风险管理。当然现在量化交易也使用越来越多的人工智能算法。目前从应用角度看，最大的区别在于，量化交易是在资产管理行业，我们是做财富管理行业，两者是不一样的。

　　资产管理行业不用考虑用户心理，只需要把资产夏普比率做大或者收益率做高；但财富管理行业有一个根本的区别，我给用户提供一个收益率很高的组合，波动大，用户不一定能赚到钱，因为用户会追涨杀跌或者中途撤资，所以财富管理对用户心理底线的把握非常重要。

　　资产管理主要需要控制收益率曲线，财富管理主要控制用户在不同资产中的资金进出结构，收益率曲线叠加资金进出结构，才等于财富管理用户的盈利或亏损。

　　爱分析：理财魔方经历了2016年初的股市熔断，熔断对智能投顾来说意味着什么？

　　袁雨来：熔断给我的一个感受，是被动投资理念在中国行不通，因为A股是暴涨暴跌的非有效市场，在有效市场才能做被动投资。美国在六七十年代也是非有效市场，当时也不是投指数，是投主动管理型基金，后来市场越来越有效，超额收益变得更难，所以改投指数基金。

　　爱分析：为何理财魔方不允许用户自行调整资产组合？

　　袁雨来：很简单，用户凭什么调呢？唯一的解释是用户觉得自己比AI更对，觉得自己更懂金融和市场，如果是这样，用户早就赚钱了，不需要找投顾。现在行业是什么现状？做浮动收益投资的70-90%用户是亏损的，就是因为用户对自身的理解有偏差，对市场的理解是错误的，所以他才会亏损。

　　所以当人工智能算法算出该调仓的时候，会告知用户，再让用户自己确认是否调整。用户只有调和不调的权利，没有说我要把这个基金拿掉、把这个基金调多这样自行调整的权利。

　　爱分析：现在理财魔方调仓频率有多高？

　　袁雨来：大概每一个半月到两个月会调20-30%的仓位，百分之二三十是很低的比例了，因为中国是一个暴涨暴跌的市场，必须要有一些主动管理，完全的被动管理在中国行不通。

　　爱分析：用户决定投钱和撤资的时机，对收益率影响大吗？

　　袁雨来：不大，举个例子，比如在2015年四五月份进入A股，可能最后跌得很惨，但那个时候如果你买理财魔方，理财魔方已经把A股仓位降下来了，更多的仓位转到债券和其它资产了。财富管理首要是保值，我们根据市场情况，会为用户做风险预判，因为我们在对市场实时监控。

　　爱分析：如果是个风险等级最高的高风险偏好型用户，在那个时点是不是就应该有一定比例的A股持仓？

　　袁雨来：不是，在那个时候，该让用户降仓就降仓。因为我们明确知道，有些用户以为自己能够承受风险，能承受多少？很少有人能扛过15%的回撤。所以在A股大涨的那个时候，有人觉得自己能抗20%、30%，是因为他觉得市场会涨50%，他是自以为是的高风险偏好型。当市场高风险真正来临的时候，这帮人就跟无助的羔羊一样哭泣。

　　爱分析：那是否意味着风险等级定成最高，是定错了？

　　袁雨来：没有，因为我们的风险等级十，其实也只有15%的回撤。财富管理和资产管理是不一样的，财富管理是保值，拿市场平均收益的；资产管理是搏超额收益的。如果想去赌，那还是不要来理财魔方。

　　我们服务的是中产及以上人群，他们很多年好不容易赚的钱，有了存款，2015年就算股票涨得再好，也很少见有人卖房子去炒股，为什么？因为那是他的身家性命。他可能拿个十分之一、拿个二三十万去搏一搏，那他不是高风险，因为占他整个资产比例很低。

　　所以，不要看到一类资产的涨跌，就认为这个用户是高风险，要看到整体，理财魔方想做的是用户整体的财富管理。

　　定位中产，最高优先级是财富保值

　　爱分析：理财魔方的目标用户是哪一类人群？

　　袁雨来：目标客户是可投资产在50-300万的人群，年龄层次大概在30-45岁之间，到了这个年龄段才会有一些积蓄。

　　爱分析：用户接受智能投顾目前是处于早期阶段吗？

　　袁雨来：我觉得不是，三四十岁的人，虽然不是原生互联网民，但他是二十多岁开始接触互联网，使用手机也很熟练，非常熟悉互联网和移动互联网环境，只要把事情做踏实，就能够真正获取用户。

　　爱分析：对于这类人群而言，财富管理的需求，比如收益率、安全和流动性等，优先级顺序会是怎样？

　　袁雨来：最高优先级是稳健、保值。对于这一人群，他们有房、车和稳定的工作，不会有突发的大额现金流的需求，所以抗通胀、保证财富不贬值是最重要的。

　　爱分析：如果是希望实现财富增值的人群，理财魔方如何满足？

　　袁雨来：理财魔方希望获取的是理性的用户，如果想追求20%的市场超额收益，用户需要明白赚取这个超额收益的理由，赚的每一分钱都是有理由的，期待获取超额收益，又不想付出学习时间或者雇佣专业人士的普通投资者，很多都是不理性的投资者。

　　爱分析：理财魔方如何获客？

　　袁雨来：我们通过一些媒体的方式和客户的口碑传播，也会与一些理财教育平台合作。

　　获客，是获取有效客户，而不是获取注册用户、单次购买客户。买了还愿意留存的客户才是有效客户。有效客户的获客成本由什么决定？履约能力。任何一种服务，代表的是对用户的一个承诺，能把承诺履行，用户就愿意留存。

　　KYC的目标是明确用户可承受的最大回撤

　　爱分析：理财魔方做KYC的核心目标是什么？

　　袁雨来：核心是要知道客户能承受多大的回撤。知道用户的心理承受底线，才知道如何管理他的投资，让投资组合始终在他的回撤之上。高风险和低风险都是模糊的说法，打标签的做法也是不准确的，金融要靠数字说话，我们的核心指标就是用户能承受的最大回撤，数字化表达。

　　爱分析：如何去测试用户可承受的最大回撤？

　　袁雨来：我们有两类数据，一类是外部特征数据，是客观的，比如性别、年龄；第二类是行为数据，包括用户使用我们APP的行为、投资行为等，行为会“出卖”一个人，比如用户可能说自己能承受15%的最大回撤，但市场跌了5个点，他就开始频繁打开APP看自己账户余额的变化，这证明他的承受底线很低。

　　爱分析：如果是首次投资理财魔方的用户，在平台上没有任何投资行为，填问卷获取用户最大回撤的准确率如何？

　　袁雨来：当用户是张白纸的时候，因为没有任何信息，问卷是最好的方式，有一点信息总比没有更好。理财魔方的问卷，分为基础性和附加问卷，基础问卷是符合证监会要求的，是一些基本问题。附加问卷，是我们设计的，对用户很有价值。

　　爱分析：互联网用户是否对问卷比较挑剔，比如觉得填长长的问卷很繁琐？

　　袁雨来：不会。如果你要投几千块钱，你还不愿填个问卷，这是对自己极大的不负责任。当用户要掏真金白银的时候，他是极其认真的，乱填就是拿自己的钱去冒险。

　　爱分析：如何评价一家公司的KYC做得好与差？

　　袁雨来：以结果说话。KYC做得不好，就不了解用户风险承受能力和偏好，就会造成错配，用户要么承受不了你给的组合的波动，要么亏损，都会离开，所以用户是否盈利和用户是否愿意留存，都是衡量KYC做得好与差的指标。

　　爱分析：理财魔方用户留存率有多高？

　　袁雨来：理财魔方的客户留存率非常好，在90%以上。中国公募基金开户数有一个亿，但是留存率不到20%，这个数据跟我们了解的银行和券商70-90%的用户亏损率，是匹配的，因为用户亏钱了，所以就走了。

　　理财魔方的用户留存率高，是因为我们提供了贴心的服务，这个服务的本质是能够做到风险匹配，只有当用户能承担的风险和投资的风险是匹配的，他的心理才真正舒服，他才愿意留存。用户不是不能承受波动，用户是不能承受超过自己心理底线的波动。

　　根据多因子模型选择资产

　　爱分析：知道了客户的最大可承受回撤比例，如何去给用户匹配资产？

　　袁雨来：我们会以用户的最大回撤比例作为目标函数，那我就要让我整个投资组合，始终不能击碎这个，在不能击碎的情况下面，去最大化它的收益，这就是我的系统里面那个目标函数。

　　爱分析：理财魔方为何选择公募作为配置资产？

　　袁雨来：第一，公募基金过去很多年的平均收益率很不错；第二，公募基金是标准化资产；第三，公募基金可以一站式地打通在APP上的交易，形成闭环。

　　公募只是我们接入资产的第一步，因为公募有个非常成熟的第三方基金销售体系。后续我们每年会接入一种大类资产，客户可以将更多的钱投资进来。

　　爱分析：理财魔方如何选择基金？

　　袁雨来：我们依据多因子模型。因子是市场真正的驱动因素，我们通过基金的表现来反推因子。公募基金经理不可能今天50%投这只股票，然后全卖掉明天50%投那只股票，他的风格不会快速变化，不同基金公司的风格相对稳定，所以我们可以跟踪到他的因子。

　　我们是先配置因子，再去找哪个基金在这个因子上面是暴露充分且持续的，因为我没有办法买卖因子，我只能通过买卖基金来买卖因子。

　　爱分析：智能投顾选基金，是配指数基金更多一些？

　　袁雨来：凡是认为中国公募基金指数少、ETF少，所以没有智能投顾应用环境的人，都是没有深刻理解中美市场差异的人。首先，ETF也是分指数基金和ETF主动管理基金，很多人都不知道。

　　为什么美国配ETF？因为美国是有效市场，很难获得超额收益，并且是不确定的，而ETF交易费用很低，是确定的。在一个不确定性收益很难的情况下，和一个确定性相比的情况下，大家一定选择确定性高、成本低的，这是指数基金逐渐兴起的原因，ETF中指数型越来越多，最后ETF好像就成了指数基金的代名词。

　　在中国市场，一半以上的公募基金可以跑赢指数，只要做一些功课去选择公募基金，获得较好收益的概率是很高的，这种情况下，为什么还傻傻地去选指数基金？对理财魔方来说，我们的系统并不区分指数基金还是非指数基金，我把所有的基金拿来筛选，系统计算到哪只基金，就配置它。

　　不要教科书式去理解ETF和指数基金，中国是非有效市场，美国是有效市场。比如我们配置美股，就是配的纳斯达克、标普的指数。

　　爱分析：除了保值增值，更高阶段的财富管理需要匹配用户的生活和现金流，智能投顾是否可以实现？

　　袁雨来：这是客户生命周期管理，是未来的方向，技术上不难，我们已经有生命周期策略的配置方法，模型已经完成，要实现有三个难点。

　　第一是数据采集，当用户把钱交给你打理，他或许愿意提供数据，但移动互联网的体验，最好做到不让用户每天填数据，而是自动采集，但目前基础数据产业存在不打通的地方，没法做到自动采集。

　　第二个难点是需求，现在用户对生命周期进行管理的意识还很薄弱，他们现在只是想保护这笔钱，还没去考虑20年之后怎么样，更多是一种无目的理财。有目的的理财，比如子女教育、养老、看病、旅游、用户还没有分得这么细，对人生规划得这么长，为什么没有规划这么长？因为中国过去十年处在高速变化当中，规划随时都可能被打破。

　　第三个难点是信任。用户需要足够信任你，才会愿意把生命周期的这么多信息、数据和这么多钱交给你，这个信任需要逐步建立。

　　智能投顾2B市场天花板低，2C才有未来

　　爱分析：理财魔方是2C的智能投顾，如何看待2B与2C的区别？

　　袁雨来：我们的判断是智能投顾做2B只能是死路一条，2C才能把核心竞争力抓住，做成一个伟大可持续的事业。

　　首先，2B时金融机构不会把用户给你。其次，2B需要很多定制化，用户群体不一样，产品形态就不一样，每家机构的模型都不一样。当你从2B转2C时，自己的模型应该是什么样？2C的用户群体跟那些金融机构的一样吗？也许不一样，那模型就不能拿来用，这是核心问题。

　　爱分析：2B的智能投顾市场有多大？

　　袁雨来：不大，基于几点判断。首先，类比互联网，二十年前会写网页的人是很牛的，现在互联网就是一个普遍工具；人工智能也会是这个趋势，现在人工智能还有很高的技术壁垒，十年后就会是一项越来越普及的技术，会变得越来越简单。

　　第二，财富管理领域，财富端和资产端是两端，对于智能投顾而言，资产端如果配置标准资产，大家起点一样；财富端，谁掌握更多的用户，就有更强的竞争力，但2B不掌握用户。

　　2B的客户里面，大行可能会自己做，比如招行、平安，小的银行比如城商行，付费能力也有限。如果付费的银行数量不多，券商、基金和第三方财富公司更有限，纯2B市场的天花板是很明显的。

　　爱分析：2C的智能投顾收费方式是什么？

　　袁雨来：最好的方式应该是管理费，但是只要国家不立法，我们就不会收，理财魔方做的事情是严格合法合规的。

　　我们目前核心解决的是技术和用户需求的问题，商业模式可以往后再考虑。现在最大的问题不是赚用户的钱，而是怎样让用户爱上你。

　　爱分析：美国市场Vanguard和Charles Schwab智能投顾的管理规模远大于Betterment和Wealthfront，这是何原因？

　　袁雨来：我们在两年前就判断，美国市场智能投顾创业公司没有机会长大，而中国的智能投顾创业公司是可能重新划分财富管理版图的。

　　这个问题可以类比电商。中国的电商是真的把线下传统零售给颠覆了，为什么？因为中国的传统线下零售，没有垄断，层级复杂，一盘散沙，非常原始落后，零售价格很高，电商的出现让价格降下来了，所以电商就兴起了。

　　但美国的电商没有像中国这样强势，为什么？因为美国线下零售巨头经过好几十年、上百年的发展，非常发达，他们把整个供应链做得非常好，成本压得非常低，已经优化到极致，所以电商很难很快打掉他。

　　再看美国的投顾行业，像嘉信等大财富管理公司，在“投”这一边，华尔街60%都已经用计算机算了，顶尖的人才也都愿意去华尔街，所以他有最好的网络、最好的计算机、最好的算法。“顾”这一侧，美国有上百万的人工投顾，经过了80年发展，都很有经验，把经验总结起来触网，就可以了。

　　所以美国的智能投顾创业公司，只能打什么牌呢？费率低。所以一旦大型财富管理公司也费率低，新兴的智能投顾创新公司就机会不大，它跟线下零售是一样的情况，美国有一个强大的传统投顾行业的基础，而这些传统大型公司在运用计算机、AI和对用户的服务方面都非常先进，新兴的投顾公司没有任何优势可言。

　　反观中国金融市场，基金公司里面不超过10%的东西是在用计算机算，跟美国的百分之六七十比，差距很大；第二，中国没有成熟的投顾经验传承和经验积累，中国是一个落后的财富管理和投顾现状，遇上了AI和互联网，和电商一样，能结出和美国不一样的果子。