财富管理：理论与实践 课件 第十三章 财富科技

第13章财富科技金融学院School

of

Finance1“颠覆性技术通常会催生新的市场，颠覆不仅仅是把市场领导者赶下舞台，而是成功的竞争。这意味着改变游戏规则，使新玩家能够打破记录保持者。”

——ClaytonM.Christensen《颠覆性创新理论》本章提要、重点和难点本章提要

本章首先讨论财富科技发展的背景并总结了推动现阶段财富科技发展的因素；其次讨论了财富科技在财富管理链条上的各个部分中的应用；最后重点探讨智能投顾的发展、行业业务模式以及其潜在风险与监管对策。重点和难点了解财富科技发展的背景及其推动因素学习财富科技在财富管理链条上的各个部分中的应用、掌握智能投顾具体业务流程、模式及其潜在风险与监管对策2案例概览：2004年12月，为了解决淘宝平台交易当中的信任问题，支付宝正式推出。2013年3月，阿里巴巴宣布将以支付宝为主体筹建小微金融服务集团。2013年6月，作为支付宝打造的余额增值服务，余额宝服务正式上线。2014年10月，蚂蚁金服正式成立，以“让信用等于财富”为愿景，致力于打造开放的生态系统，为小微企业和个人消费者提供普惠金融服务。2015年上线蚂蚁聚宝APP，至此蚂蚁金服形成了支付业务之外的第二大业务板块：财富管理。2017年6月升级聚宝为蚂蚁财富，而引起市场最高关注的则是同时上线的“财富号”。2019年12月，资产管理规模达5.9万亿美元的美国先锋集团（Vanguard）和蚂蚁金服宣布建立合作关系，将为中国的个人投资者提供一种全新的、精简的、具有广泛实用性的投顾业务服务。2020年3月，蚂蚁集团与先锋集团合作的“帮你投”智能投顾服务正式上线。案例思考：1.蚂蚁金服的财富管理升级之路有何启示？2.未来财富管理在科技的加持下会有什么样的发展？3引导案例：蚂蚁集团的财富管理升级之路：从余额宝到蚂蚁财富财富科技的发展历程与驱动因素13.1

财富管理链条上的新技术应用13.2智能投顾13.34第13章财富科技5财富科技的发展历程与驱动因素13.113.1.1财富科技的定义与发展历程13.1.2软硬件技术的发展13.1.4透明度和监管要求13.1.3信息化时代的财富管理客户需求613.1.1财富科技的定义与发展历程1.财富科技定义广义狭义一切可以帮助投资者做出更好的财富管理与资产配置决策的软硬件技术影响全球投资和财富管理行业的软硬件技术和解决方案财富科技可以看做是金融科技在财富管理中的运用7手工交付文件阶段是在电信传输出现前的历史阶段，所有的公司文件、顾客信息、交易信息，都是通过纸笔或者其它实体形式进行记录，并通过人力在不同的信息收发主体之间进行传输2.财富科技的发展历程手工交付阶段机械化阶段计算机网络化阶段认知计算阶段机械化阶段是从十九世纪末电缆的铺设和电报系统的应用到二十世纪九十年代互联网应用之前的阶段，投资者能够以更快速度获得更丰富的信息。计算机网络化阶段是从20世纪90年代互联网和个人电脑的普及开始，其特点是人们可以更独立自主地获取公司和其他投资机会的数据。认知计算阶段表现为互联网、大数据和人工智能在原有财富管理链条的广泛应用。13.1.1财富科技的定义与发展历程推动现阶段财富科技发展的因素主要有三个方面：互联网、云计算、大数据、自然语言处理、机器学习与人工智能、区块链等软硬件技术的发展信息化时代财富管理客户群体的变迁监管要求的提升13.1.1财富科技的定义与发展历程91.运算速度与网络基础设施2.大数据3.自然语言处理、机器学习与人工智能算法13.1.2软硬件技术的发展1013.1.3信息化时代的财富管理客户需求图13-1客户首选的财富管理主要渠道1113.1.4透明度和监管要求最近几年在资产管理行业发生的丑闻，对资产管理行业及其服务供应商提出了更高的要求，迫使他们改变基金的产品特性和服务条款，改善监管架构及投资者披露，改变行销渠道，升级合规及风险管理功能等，在某些情况下甚至要迫使他们修正商业模式。随着监管机构对财富管理机构合规措施审查的加强，财富管理机构需要增加合规人手，来应对不断增加的监管要求。目前，由于监管和合规方面的义务，财富管理顾问与客户的初次会面时间以及从客户获取到投资执行之间的时间跨度均越来越长。因此，财富管理行业面对不断出现的新监管措施，在借助财富科技来实现财富管理链条的自动化与智能化的同时需要以更低的成本对现有合规系统进行升级。普华永道预测在不远的未来，监管机构所采用的技术，可以使他们通过财富管理机构或通过他们的服务提供商，实时地访问财富管理机构的投资组合持仓，并且可以支持监管机构对市场行为和产品适当性进行更充分的监管。因此，财富管理机构需要使用投资组合层面的数据来管理自己的风险水平，结合前沿软硬件技术，开发智能算法和模型实现自动化风险监控方案，以应对未来的监管要求。12财富管理链条上的新技术应用13.213.2.1客户获取13.2.2客户画像13.2.4执行与监督13.2.3资产配置13由于信息化时代客户的自主性更强，依靠传统的推销方式越来越难以获取他们的信任，财富机构开始利用财富科技来实现高效与精准的营销和个性化服务。首先，信息化时代的客户每时每刻都在生产数据，这些数据包括客户过去的消费记录、关注的股票和基金、搜索和观看历史、参与过的线上讨论和评论频率，等等。通过分析已有客户的大数据，可以更加清晰地知道不同类型的客户的偏好特征等诸多信息。其次，财富管理机构可以根据潜在客户的不同特征，与现有客户的特征和产品偏好进行匹配，得到更适合潜在客户的产品和服务，再针对性地进行推广。整个过程需要大量使用大数据处理、机器学习和人工智能算法，这样形成的一整套系统被称为推荐系统。由于的投资者，并且习惯使用免费的在线服务，一个全新时代的年轻客户更愿意成为自我导向、自己动手新的获取客户的途径是为客户提供免费的在线教育资源。这种方式产生一个双赢的局面，客户增进了自身的财富管理知识和能力，财富管理机构则获得了客户的数据，也获得了推销自己产品和服务的途径，因为过程中客户全程参与，因此客户获取成功率更高。13.2.1客户获取14财富科技的发展使得财富管理机构可以通过客户行为数据自动得出客户的画像和其他监管机构要求的信息。传统投资顾问采用调查问卷的方式为客户进行风险画像，可能会造成客户因自我认识不清或者理解能力有限而做出错误选择。财富科技提供了解决此类问题的替代方案，比如采用游戏化方式获得客户风险偏好。云计算和移动端app的普及，使得财富管理机构可以自动化编制客户的个人资产负债表和现金流量表，只需客户输入关键数据，即可得到客户的所有财务信息，进而自动化分析客户的相关财务比率。13.2.2客户画像15传统的人工主导投资顾问服务，通常会缩减可投资资产的种类，简化参数假设，将生命周期的带有不确定性的多期动态资产配置转化为单期资产配置，从而大大简化整个资产配置流程，使得资产配置偏离最优状态。财富科技应用条件下，神经网络算法、动态规划算法、随机规划算法等优化模型和算法在资产配置管理中发挥了重要作用，这些算法可以同时分析不同变量之间存在的复杂关系并进行全局优化。以往考虑大量因素的多期动态模型非常难以求解，但是通过云计算和并行计算，现今这些模型大多都能够被快速求解并且给出最优决策方案。与此同时，现在通过大数据、机器学习与人工智能的应用，可以整合大量证券历史数据、宏观经济数据、市场情绪数据、新闻和社交网络互动数据等其他大数据，再利用非线性模型对市场和个股走势可以进行更加准确的预测。相比传统的预测方法，利用新技术来预测市场走势可以排除个人情绪影响，并且能够利用一切有价值的信息，所以预测结果更为可靠。13.2.3资产配置16利用财富科技，现今财富管理机构在执行财富管理计划的时候开始赋予客户更多的自主权。金融科技使得投资者可随时随地获取投资组合相关信息，与此同时，交易执行不再局限于在交易所大厅进行，也不一定需要通过财富顾问执行，而是可以随时随地根据投资者意愿自主进行，极大节省了时间和交易成本。移动端的交易执行，也赋予了客户更多的选择，客户可以在网络上对比各家平台的历史收益信息，从而筛选出符合自己偏好的平台。另外，数字化的财富管理平台具有更高的透明度，客户可随时随地查看自己的持仓和交易历史，核对每一笔交易产生的费用和收益。现今的大数据与云计算技术，使得财富管理机构可以轻松地对客户投资组合进行大规模监控。同时，客户可以通过自定义风险度量与风险提示机制，让财富管理系统自动推送更贴合客户需求的监控信息。13.2.4执行与监督17智能投顾13.313.3.1智能投顾起源与优势13.3.2智能投顾的核心流程13.3.3

智能投顾的商业模式及其风险与监管181.智能投顾的起源从供给端角度来看，金融科技的发展，特别是大数据、机器学习和人工智能等技术在金融领域的广泛应用催生了智能投顾。从需求端角度来看，智能投顾始于美国2008年金融危机，金融危机引发的信任危机使得投资者渴望市场上能有一种独立提供投资建议的第三方机构。此外，随着金融市场产品与交易策略的更趋复杂化，投资者对专业投资顾问的需求不断增加。从2015年开始，大数据、云计算、机器深度学习等新兴技术的不断发展，加上人工智能领域的突破，越来越多的企业开始进入智能投顾行业。2014年开始，我国开始兴起智能投顾热潮，一批新兴智能投顾平台纷纷涌现，银行、券商、保险、基金等传统金融机构、第三方财富管理机构以及早期的互联网金融平台也以各种模式开始涉足。13.3.1智能投顾起源与优势19智能投顾传统投顾价值定位数据和技术驱动的端到端过程创新客户经理和投资顾问经验主导的资产配置和销售服务客户面向所有净值客户，对便捷性要求高，并且乐于接受新鲜事物的客户高净值客户群、追求综合化服务产品信息透明、相对更标准的产品为主通过个人能力与经验推荐投资产品，产品种类繁多、复杂服务提供高效、便捷、透明的服务，同时没有时间和空间的限制面对面的现实接触提供服务，紧密的客户关系和专属式服务为服务的核心价值渠道互联网、移动端为载体；视频、人工智能为手段以网点为核心，互联网为辅助表13-1智能投顾与传统投顾的对比2.智能投顾与传统投顾相比较的优势203.智能投顾与量化投资的联系和区别量化投资定义为：基于金融学、统计学、计算机科学、大数据、机器学习与人工智能等理论与算法，对风险资产回报的期望值、协方差矩阵以及其他分布参数进行估计，在此基础上根据不同的目标进行策略设计与交易实现。量化投资的核心是对风险资产的随机回报率分布的估计，因此其和智能投顾有交叉的地方，因为智能投顾的资产配置过程中，需要输入风险资产回报的期望值与协方差矩阵。但是智能投顾与量化投资的侧重点不一样，智能投顾在现阶段总体属于被动投资，不以追求高收益为目标，而是追求长期稳定收益为主。量化投资更侧重投资组合的Alpha系数，也就是投资组合的超额收益的大小。13.3.1智能投顾起源与优势21（1）简化客户画像分析。在这个流程中只关注两个核心的参数：客户预期的收益水平以及客户的风险承受能力。1.客户画像13.3.2智能投顾的核心流程（2）直接放弃针对这个流程的标准化。在这个流程继续使用传统的人工投资顾问，在人工投资顾问完成客户画像后再接入后续的智能投资组合推荐。智能投顾平台关注的是主要是财富管理中的投资决策，只需要获得客户的预期收益以及风险承受水平即可。而财富管理中的其他决策，例如保险、教育、消费等决策，在目前阶段还没能够通过智能化算法实现标准化。22智能投顾在选择资产类别时候做出了与传统方法很大的调整，资产类别中不仅包括传统的股票或权益资产和债券或固定收益政策等，也含有非传统的资产。确定了资产大类之后，需要选择最为恰当的投资工具来代表每一类被选到的大类资产。目前来看，大部分的智能投顾平台都是采取投资ETF而不是投资具体的股票。ETF是ExchangeTradedFunds的缩写，即“交易型开放式指数基金”，是一种可以在交易所二级市场交易、可以改变基金份额的开放式基金。它结合了封闭式基金和开放式基金的运作特点，投资者既可以向基金管理公司申购或赎回基金份额，同时，又可以像封闭式基金一样在二级市场上按市场价格买卖ETF份额。ETF为广大投资者提供了一个接触到各种各样资产的机会，包括那些难以接触到的资产，例如大宗商品、特定国家行业的证券等，因此其具有简易、低成本并高效分散风险的特点。因为ETF不会经常修改标的物，所以ETF费用率比共同基金低很多。2.大类资产选择23确定金融产品或大类资产选择以后，在构造最优投资组合之前，智能投顾系统需要对资产的未来收益的随机分布做出估计。收益预测是智能投顾平台的核心竞争力，背后需要大数据、机器学习与人工智能算法做支撑。智能投顾系统内部带有根据历史数据预测资产组合未来走势的功能。得到ETF资产收益率和风险的估计之后，智能投顾根据现代投资组合理论构造最优投资组合，在所有市场信息的基础上结合投资者风险偏好，得出投资“最优解”，即利用均值-方差优化模型，找出所有投资组合中的有效前沿集合以及切点组合，再根据此前确定的投资者的风险偏好在无风险资产与切点组合之间进行最优配置，实现投资者的效用最大化。值得注意的是，投资者的风险偏好必须根据其生命周期进行总体评估，即结合投资者在生命周期中的不同阶段的需求，如退休储蓄、医疗支出、教育支出等，确定当下的投资风险承担水平。投资者也可以根据自身在不同生命周期阶段的风险偏好与资金供求设立几个不同的投资组合，再针对每个投资组合进行优化。我国目前的智能投顾系统在进行投资组合优化时，大部分只关注投资收益和风险的取舍，缺乏对投资者的生命周期偏好的关注。3.投资组合优化24再平衡（Rebalancing）是指当投资者的风险偏好没有发生改变，但是智能投顾系统对大类资产的未来回报的估计发生了动态改变的时候，智能投顾需要自动优化投资组合，当某类资产处于上升趋势中，增加该资产的比重，当某资产处于下降趋势中，减少该资产的比重。当投资者的风险偏好和资金时间安排发生变化时，智能投顾系统也会建议投资者进行再平衡。智能投顾的再平衡是基于一系列严格的检测，而不像传统投顾那样可能存在认知偏差。但是，频繁再平衡会导致交易成本的上升，需要综合考虑交易成本和税后收益。智能投顾为投资组合设定了亏损线和偏离容忍度，有助于避免过度调仓，并通过交易次数、再平衡次数、节税比率、跟踪误差等指标评价再平衡算法优劣。国内外智能投顾系统在再平衡流程上的处理主要有两种方式：第一种方式是让客户授权系统自动完成再平衡，另外一种方式是让客户接收再平衡的通知，然后让客户自行决定是否进行再平衡的操作。4.再平衡25智能投顾还包括对税收的特征和结构的分析，进而优化资产配置，使客户获得最多的税后投资收益。在美国税法体系中，可通过卖出亏损的资产或资产组合（损失确认）来抵消确认获利的资产或资产组合，这样可以减少当期应纳资本利得税，这一过程被称为“税收损失收获”（Tax-LossHarvesting）。5.税损收获26人机结合投顾顾问平台1.智能投顾的商业模式纯咨询建议投顾机器人投顾13.3.3智能投顾的商业模式及其风险与监管2713.3.3智能投顾的商业模式及其风险与监管机器人投顾人机结合投顾纯咨询建议投顾顾问平台目标客群财富管理机构和个人投资者个人投资者个人投资者和大型企业雇主财富管理机构核心价值组合构建和执行组合构建规划与建议机构顾问赋能主要产品以ETF为底层的投资组合和税收损失收割机器和人工共同提供投资组合个人财务规划、资产配置建议工具提供算法或者系统支持交易决策方机器算法自动完成理财顾问个人投资者理财顾问收费方式咨询费加资产管理费人工服务费加资产管理费按月度或者次数收费买断或授权的一次性支付人力参与无有部分公司有有代表公司Betterment、WealtfrontPersonalCapitalFinancialGuardBambu表13-3不同类型的智能投顾282.潜在的技术缺陷1.数据开源与客户隐私的平衡3.利益冲突问题2.智