banner
理财机器人是助手还是杀手?
2018-04-22 04:15
来源:未知
点击数:            

  在金融的业务中,底层是用户规模最大的大众理财以及小微信贷,这部分业务的用户需求相对简单,流程标准化。互联网和智能终端的渗透,对这个领域进行了翻天覆地的。

  随着互联网、人工智能的渗透正变得越来越深入,财富管理行业也面临智能机器人来敲门的情况。

  那么,智能理财已经发展到什么程度?对理财顾问来说,智能机器人成为理财顾问增添羽翼的助手,还是理财顾问职业生涯的“杀手”?

  财富科技(WealthTech)作为金融科技(FinTech)的细分领域,专注为财富管理行业提供多元化、快捷化、专业化的技术服务和工具支持。

  近几年,财富科技领域的投资一直保持着高热状态,高速增长反映的是当前时代背景下社会结构、经济基础、科技三者的深刻变革和相互交叉影响。

  身处互联网和数字化时代,新老客户群体对新技术、新工具、新沟通方式都有较高的接受度和认可度,传统的单一产品驱动运作模式也逐渐让位于用户驱动的产品、运营和商业模式。

  Robo Advisor(RA),又称为机器人理财或者智能理财,是指利用互联网、大数据、人工智能、金融量化模型等技术工具,结合投资人的风险偏好、理财目标和市场动态,为投资人提供自动化、个性化的综合性资产配置服务和投资决策参考。

  据CBInsight的数据显示,自2012年以来,RA领域的总融资额占到了整个WealthTech领域的近三成。其中,美国凭借雄厚的科技基础、发达的金融市场和健全的监管政策,占据了主导,所以,57%的融资金额是投给了美国公司。

  从市场总量上看,KPMG预计从2016年到2020年,美国RA的AUM将从3000亿美元增长到2.2万亿美元,年增长率达68%。

  以美国市场为例,RA具体可以细分为B2C和B2B(B2A)两种模式。B2C模式直接面向C端投资人,门槛较低,一般几千美元起投,是目前RA市场的主流,这方面的明星创业公司有WealthFront、Betterment、FutureAdvisor(已被BlackRock收购)。

  其中,Vanguard旗下的PAS成立不到两年,管理的金额已经达到650美元,是全球范围内最大的智能投顾管理基金,同期Wealthfront和Betterment管理的基金总额都不到百亿美元。这表明在RA领域传统金融机构在获客和场景方面具备得天独厚的优势,这些也是初创类RA公司所欠缺的。

  美国市场的RA投资方法以Goal Based Investing为主。投资人需要首先填写精心设计的调卷,一般包括风险承受水平、预期收益、可投资金额、理财目标等。再基于市场数据、用户画像数据、产品数据三个维度来做数据分析和智能资产配置推荐,给出投资组合策略或,。

  一般选择的资产类别以各类ETF为主。以SIP为例,Schewab的金融专家从市场中遴选出五十多只低手续费、低相关性ETF作为底层备选资产。当投资人确认投资组合之后,RA平台会持续性地整个资产组合的状况,并做适当的调整达到动态再平衡,以满足预先设置的理财目标。

  回到国内,在以高净值客户High Net Wealth Individual (HNWI)为主要目标客户群的财富管理领域,笔者认为目前无法全盘照搬美国的模式。国内整个财富管理领域起步就较晚,各种配套还不够健全成熟,在用户行为、市场成熟度、产品丰富度、税收措施、配套监管政策等方面与美国也存在较多差异。

  客观来说这些差异和不足在短期内是短板,在中长期则提供了进一步发挥的空间,这种根基于中国特色土壤的模式创新也在电子商务、移动支付等领域得到很好的体现。

  1. 从宏观政策上,智能金融上升到国家政策层面:2017年7月,国务院印发《新一代人工智能发展规划的通知》,其中提到在智能金融方面,也了建立金融大数据系统,创新智能金融产品和服务,发展金融新业态等政策层面的积极信号。

  2. 充分利用新科技的后发优势,识别并把握外在大变化给财富管理领域带来的变革。新一代成长在新科技时代,对互联网化、数字化、智能化、移动化、自动化有很好的接受度和认可度。十年后这些人将日渐成为社会的中流砥柱、主要的财富拥有者和继承者。这种社会结构的变化,客观上为以智能投顾为代表的智能金融发展创造了长期利好。

  3. 产品技术和人才储备雄厚,国内互联网和AI领域的进展界范围内处于领先地位,在某些应用领域如移动支付更是独步全球。

  在HNWI财富管理场景下,笔者认为传统人工投顾和智能投顾各有优势,两者之前不存在简单的取代关系,而是一种互为补充的关系。

  1. 线下成本高,可复制性不强。传统理财顾问一般基于个人知识和经验,为投资人提供投顾方面的服务,这种一对一模式的服务虽然具有较好的客户体验,但效率较低。而且,理财顾问的时间精力都是有限的,无法提供持续不间断的高品质服务。

  2. 传统投顾主要以人为主体来提供服务,人的因素会引入天然的和缺陷风险。缺少数字化、可视化的支持,信息不对称不透明,传统投顾个人利益同客户利益有不一致的可能性,这种不一致性就会导致风险。同时,情绪的波动和其他人为因素的不确定性,容易导致对信息认知和执行的偏差。

  3. 缺少数字化支持,理财顾问的知识和经验一般只能做定性的分析,面对纷繁芜杂的市场和产品数据,并不特别擅长做量化分析。

  1. 客观中立风险分散,基于大数据分析、人工智能算法、现代投资组合理论, 在风险可控前提下进行资产配置和推荐,机器按照预先设置好的策略严格执行投资策略,避免了人为因素的影响。跨类别、跨区域的资产配置,最大程度分散投资风险。

  2. 高效精准的KYC。基于数据智能来收集分析相关数据,对客户做精准画像, 快速高效地匹配其投资理财需求,个性化服务更加便捷可行,真正做到千人千面。

  3. 全天候顾问,服务范围和边界广阔,不受时间和地域。投顾流程的数据都可以通过互联网7*24小时可达,真正实现anytime、anywhere信息可获取。

  Deloitte将数字化财富管理的发展分为四个阶段,智能化程度越来越高,从1.0到3.0都是以人机混合模式为主,4.0则是纯智能模式。

  人机混合Human-Robo Hybird模式将传统理财顾问和智能投顾结合,发挥两者的各自优势来为客户提供服务。RA作为传统理财顾问能力的补充和外延,可以承担财富管理活动中能够流程化自动化的部分,传统顾问则有更多的时间精力从视角统筹管理全流程,为客户打造最佳用户体验。

  对于大部分财富管理公司和理财顾问而言,从实操角度,笔者并不认为只有搭建了一套大而全、高精尖的平台系统后才能落地RA。结合当前具体痛点,将RA和数据智能的方法思维引入实际业务场景中,提升整体效率,解放人力,才是切实可行的,下面列出一些供参考:

  1. 新型辅助工具和途径,帮助触达和客户关系,将服务半径拓展到未覆盖的大众富裕阶层客户群和年轻一代客户群。对于RA无法涵盖的场景和需求,则有人工理财顾问介入,做一对一专业沟通。

  2. 数据分析和可视化:在数据驱动时代,所有的投资行为活动都可以量化并做可视化展示,让数字自己说话。例如下图是SPI资产组合配置可视化样例图。

  3. 需求挖潜和交叉销售:从产品服务仓库中发掘匹配信息,为用户提供定制化的产品配置,基于金融量化提供定量的分析,让一切都有数字支撑,有理可依、有据可循。

  4. 投后追踪和信息触达:传统的理财方式投后信息披露一般采取定期投送方式,在时效性上体验较差,基于互联网的方式则没有时间空间的,客户可以按需随时查阅相关信息。

  在财富管理领域,笔者认为当前数据智能的发展程度还不能改变行业的本质属性,其主要优势还是在处理业务场景时,提供了强大的效率提升工具箱和模式创新途径。

  广义的财富管理不仅仅涵盖了客户的投资理财,还应该包括教育、医疗等生活类事务管理,RA的主要优势是在投资领域,而人工顾问则可以做全方位的咨询服务和统筹安排。

  身处第四次科技时代,利用好以RA为代表的数据智能和网络协同方法工具,在与客户的交互方式和链接价值上深耕细作,提升服务效益,增强服务黏性,是每家财富管理公司和理财顾问需要面对的议题。

Copyright © 2012-2013 .All rights reserved.http://www.kelokehay.com 版权所有