阚睿：智能投顾的AI进化论 | 洞见

智能投顾与传统人工投顾的核心都是 ：个性化 ；配置与投资建议 ；服务与咨询。

传统的客户画像，往往依赖于问卷，通常是静态的，可能无法完全反映用户真实且多变的风险偏好。问卷的结果，由于答卷人的各种可能的偏差，答案往往带有较大的噪声，不能完全准确地反映客户的真实情况。内容也往往不够全面。而人工智能通过对客户投资行为、消费数据（经用户授权），甚至社交媒体动态（在合规前提下）的分析，可以构建一个更动态、更真实的投资需求和风险偏好模型。

在个性化投资建议上，传统的做法通常是基于风险等级分类。同一风险等级中的客户得到的投资建议往往大同小异，无法做到真正的个性化。人工智能可以根据用户的个人生命周期（如刚毕业、结婚、生子、退休）、现金流状况、负债情况（如房贷、车贷），甚至行为偏差，提供独一无二的资产配置和投资计划。

自动化和人工智能的大量应用，节省了大量的人工操作，费用大幅降低，面向大众的投顾服务也正成为可能。

投资建议的实际表现仍然是投资顾问的核心价值之一，也往往是投顾最难实现的价值 ：第一，投资是一个很复杂且带有高度不确定性的操作。即便是专业的机构投资者也不一定能够持续战胜市场。特别是在成熟的有效市场中，专业机构投资者的平均超额收益非常有限。第二，一个有效的策略，当足够多的投资者大量使用时，其有效性会迅速降低。因此，投资顾问的价值更应该体现在帮助客户分析自身的情况、能力以及风险偏好，制定合理的、可实现的投资目标，并给出具体的实现方案。

在庞大的基金、ETF 产品库中，人工智能可以根据用户的历史偏好和投资风格，精准推荐最符合其需求的具体金融产品。

人工智能可以更好地监控市场以及各种媒体，及时地将市场以及相关的新闻、事件和分析汇总传递给投资者。甚至可以进行简单的分析和预测。AI 能将海量信息自动归纳总结为不同的主题，也能够自动识别出真正影响市场的“关键事件”，如“并购”“管理层变动”“新药获批”“重大诉讼”等，并过滤掉无关紧要的日常噪声。

人工智能也能够更好地实时监控风险，瞬间根据实时的市场数据完成全组合风险的计算，及时地向客户提出预警以及可能的应对措施，实现从“事后风控”到“实时、前瞻性风控”的飞跃。同时，人工智能可以根据客户的具体情况，制定个性化的风控指标和预警机制。

人工智能的另一个价值是可以识别用户非理性的投资行为模式，如“损失厌恶”“羊群效应”。可以及时提醒客户，帮助客户克服自身的行为偏差，帮助用户理解市场波动，建立正确的投资理念。

提供高质量服务也是投资顾问的重要目的之一。在传统的人工理财顾问服务中，这部分也需要大量的人力投入。

在和客户的沟通上，人工智能可以取代大部分的人工，特别是在具有一般性的内容上。智能客服机器人可以 7x24小时随时解答客户关于产品信息、订单状态、退货政策等常见问题，无需等待，极大提升了客户体验的便捷性。人工智能还可以学习和存储海量的产品知识库和问答，对于80% 以上的常规性问题，都能提供快速、准确的标准化回答，解放了人工客服去处理更复杂的问题。

人工智能虽然不能完全替代人工，但可以通过分析客户的语言来初步判断其情绪状态（如愤怒、焦虑、满意），并将高价值或高愤怒值的客户优先转接给人工客服，并提前告知人工客服问题的关键点和客户情绪，让人工介入更高效、更有准备。

智能投顾早期主要是使用现代的投资组合理论以及简单的计算机算法，成为自动化的被动式的投资工具。机器学习和自然语言处理的发展使得智能投顾更趋于数据驱动，使用大量数据进行分析，而达到更有针对性的更高质量的投资建议。未来，生成式 AI（AIGC）、更复杂的深度学习和更全面的大数据的使用，将使得智能投顾提供更有针对性的前瞻性规划、更有效的情感交互的全方位的财富健康管理服务。

美国的 Betterment 和 Wealthfront 均成立于 2008年，两者都是美国乃至全球的行业领导者，核心业务非常相似，但在细节和侧重点上又有不同。核心理念都是基于现代投资组合理论，通过低成本的 ETF 构建全球多元化投资组合，以实现风险调整后的收益最大化 ；都是通过在线问卷评估客户的风险承受能力、财务目标和投资期限，然后自动推荐并管理一个投资组合。Betterment 相对来讲更注重用户体验和财务指导，旨在成为用户全方位的财务生活助手。风格更亲切、教育性更强。而 Wealthfront 则更强调技术驱动和算法优化，定位为高性能的自动化投资平台。风格更偏向科技感和极致优化。

Betterment 2024 推出 AI“Co-Pilot”，用 GPT 实时回答客户关于退休、税务、房产等跨目标规划问题，对话后可直接落地到投资组合调整。Wealthfront 2024 年上线“Path”，使用大模型把税务亏损收割、房贷 / 学费债务优化、保险缺口提醒全部实现实时对话。

Morgan Stanley 于 2018 年推出了行业领先的“Next Best Action”系统。该系统最初依赖基于规则的逻辑提供推荐，如今运用机器学习技术根据客户偏好进行投资建议。通过机器学习算法识别个性化投资方案，并借助客户关系管理（CRM）系统将相关投资建议及定制化信息精准推送至特定客户群体。

国内的智能投顾近年也得到了快速的发展。不过目前仍然存在监管的不确定性，直接用大模型面向散户仍受合规性、适当性、模型可解释性的约束。

招商银行的摩羯智投在 2016 年底上线，曾是中国银行业最具代表性的智能投顾产品。摩羯智投采用公募基金组合而非 ETF 作为投资标的，根据用户风险测评提供一揽子基金组合建议。2021 年底至 2022 年期间，由于中国监管政策对“基金投顾”业务的规范，摩羯智投及其他类似产品暂停了购买功能，进入规范改造阶段。国内 2023 年“资管新规”细则要求“智能投顾模型须备案 + 投资顾问须持牌”。

中信证券的 Wealth Copilot 在 2024 年上线，使用大模型“对内先赋能”，为 4000 多名投顾自动生成市场点评、客户标签、营销话术，再人工复核后发出，实现专业和速度的双赢。

平安银行的 AI 投顾依托平安集团的综合金融大数据，构建极其精细的用户画像，包括收入、负债、风险偏好、生命周期阶段甚至消费习惯。在此基础上，它不仅推荐基金组合，还能将银行的理财产品、保险产品、贷款服务等与用户需求进行跨领域的智能匹配，提供综合金融解决方案。

人工智能使得智能投顾正在从“自动化”走向“智能化”，提供一个全天候、全视角、个性化的数字化投资伴侣。其发展过程亦存在各种潜在的、可能未被人们了解的新风险。

◉ 一是尽管人工智能在量化策略中已经获得了广泛的应用并且取得了可观的业绩，但在面向大众的配置与投资建议方面，仍然有很多的工作；在大类资产配置以及风险控制方面，人工智能的应用仍在发展中 ；人工智能对公司基本面的研究是另一个可能发展的方向。

人工智能并不能解决有效策略被大量投资者应用后可能失效的两难问题。另外，如果市场上主流的智能投顾平台都采用相似的人工智能模型和算法，它们可能会在相同的时间对相同的信号做出同质化的反应（例如同时大规模卖出）。这与旨在分散风险的初衷背道而驰，甚至可能造成新的系统性风险。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场健康发展的重要条件。

◉ 二是人工智能依赖于基于历史数据训练的模型，因此不一定能够反映未来市场的变化。模型的输出质量取决于输入数据的质量。过度依赖大量数据可能引入不可靠的信号，生成错误的结论。历史数据本身存在偏差，或模型过于复杂地“记忆”了历史噪声而非一般规律，也会导致过拟合，即模型在历史回测中表现优异，但在真实的未来市场中可能表现欠佳。

人工智能擅长发现“相关性”（A 和 B 同时发生），但难以理解背后的“因果关系”（A 是否导致了 B）。这仍需人类分析师进行深度解读。另外，人工智能对虚假信息、市场谣言的最终甄别能力仍存在挑战。

复杂的机器学习模型（尤其是深度学习）往往是“黑箱”，缺乏可解释性，即我们很难理解模型为何做出某个特定的投资决策。在金融领域，对于大部分客户以及监管， “为什么”往往和“是什么”同样重要。

◉ 三是过度依赖人工智能可能会削弱人类顾问在提供情感支持、应对复杂人生事件（如离婚、疾病、继承）和建立信任关系方面的价值。金融决策不仅是数字游戏，更涉及情感和行为心理学。

◉ 四是金融监管法规的更新速度远远跟不上人工智能技术的发展速度。现有的法规是针对人类顾问的行为设计的，很难直接套用在算法上。国内外的监管机构正在努力制定新规，但如何在不扼杀创新的前提下实施有效监管，是一个巨大难题。

责任归属问题也是一个有待解决的问题。当人工智能驱动的投资决策导致客户重大亏损时，责任由谁承担？是算法开发者、金融服务提供商、批准该模型的合规管理人员，还是最终决定使用该模型的客户？法律上的界定非常模糊。

◉ 五是未来人工智能应用普及的一种可能的方式是所谓的人机合作的模式，即不再是机器取代人，而是机器增强人，让双方做自己最擅长的事，实现 1 加 1 大于 2 的效果。未来的智能投顾平台不再是完全自动化的黑箱，而是增强人类顾问能力的协作者。人机交互将更加自然。顾问可以用自然语言向 AI 提出更具专业性和有针对性的问题，AI 能即时搜集所需要的资料、生成并回测方案。

人机合作模式可以降低优质投顾服务的门槛。一个人类顾问在 AI 的辅助下，可以高效服务数百名中产客户，使过去只面向高净值人士的服务得以普惠化。AI 是“超级大脑”，负责计算、效率和规模 ；人类顾问是“决策指挥者”，负责信任、情感和最终决策。