最近，智能投顾市场又不淡定了。根据观察，许多本是面向一般投资者，俗称散户的智能投顾公司，其业务都开始陆续转向B端，收缩或者放弃C端，包括投资海外标的和投资国内市场的平台。说好的逐鹿2.2万亿美元市场呢？大家又为什么都转向了？
智能投顾（Robo-advisors）是指机器人理财投资顾问，其通过互联网运用算法向客户提供定制化的投资证券组合。它的发展给个人投资者提供了更多获取理财和投资方面的建议的选择，以往投资想要获得这方面建议，只能以付出一部分本金作为管理费用的方式从传统的投资组合经理和理财顾问中获得。重要的是，人类投资顾问还未必有精力估计广泛投资者，而只能选择性地服务于高净值人群。所以，智能投顾解决的是效率与普惠问题。它们依据基本原则，理论上有效地平衡多样化投资组合，很好地迎合了几乎没有市场经验的保守的投资者。
近两年，智能投顾这种新型的技术和服务逐渐传入国内，催生了一波智能投顾创业。这些智能投顾或主打投资海外，把人民币输送到海外，以国外ETF为主投标的，但投资额度较小；也有部分主投国内金融市场，其中以公募资金为主要投资标的。但前期基本以服务C端用户为主。而与此同时，也有一类是直接探索服务B端的模式，通过开发智能投顾工具，提供给金融机构使用，比如PINTEC。据Xtecher统计，目前中国市场上，提供智能投顾服务的公司大约有二十家。
然而显而易见的是，虽然很多人以过去的P2P理财来与其相提并论，但事实上智能投顾的发展，没有出现什么坏消息，也没有那么火热。据某主投国内市场的智能投顾公司透露，他们自2015年9月上线以来，截至今年8月份用户约一万人；而另一家不愿透露用户数字的智能投顾平台，其公开显示的产品购买人数为几百不等；某家上半年多见于报道的海外投资智能投顾还一度传出融资困难的消息。
近段时间，市场也陆续出现一些新的信号，比如主打海外投资的财鲸，日前其CEO叶鑫在一次宣讲中表示，该公司初始是完全2C，今年，财鲸开始拓展2B业务，把投资的底层和中间层切碎成不同模块，以技术服务形式提供给机构用户，包括标的选择、策略选择、风险偏好、现金管理。据Xtecher报道，国内最早成立的智能投顾公司之一弥财最近也放弃对个人的智能投顾业务，转型为服务财富管理机构的企业端业务。此外，较早成立的蓝海智投也悄然将业务重点转向B端，但是没有完全放弃C端业务；另一家主投国内市场的向雷锋网表示，其也正在接触一些企业端客户。
经过调查访问，发现这些智能投顾转型的案例中，原因有如下几个：
之所以开始拓展B端业务，财鲸CEO叶鑫表示，“我们做海外投资的，C端流量成本确实比较高。”以投资海外资产配置为主，主要客户群体为占数不多的中高净值人群，因为由于国内金融市场产品匮乏、股市低迷且风险暴露逐渐增多，以及海外投资监管严格，中高净值人群的理财选择不多，他们才是需求难以得到满足的群体。随着刚性兑付的逐步打破，他们便自然地选择投资海外的智能投顾。
而与此同时，根据国家外汇管制政策，居民规定每年只有5万美元的换汇额度，这也推动智能投顾获客成本进一步提高。
叶鑫还指出，“当然，这其中还有价值感知的原因，B端可以感知到部分价值。”个人用户一般对新鲜事物比较难接受，但B端金融机构对新技术比较警惕。据业内人士称，目前大多数证券公司都在研发自己的智能投顾技术，以服务更多的客户。不管技术程度如何，他们也不愿意在这波技术浪潮中落下。
智能投顾的功能是追求长期、稳定的投资，但国内投资者对基金买入大多偏向短期投机，一般投资期限为几个月。雷锋网调查就发现，“为了给投资者更多选择”，某主打海外资产配置的智能投顾应用，其也推出人民币理财的主题投资产品，投资期限基本在百天以内。智能投顾公司理财魔方联合创始人周维对雷锋网表示，“to C的推广的重心是教育用户上，国内的绝大多数用户还认为理财就是简单发财，很容易在热闹的市场氛围中迷失方向，所以E租宝之类的事件，还会频繁发生。理财一定要让投资者明白获得风险溢价的同时是必须要承受对应风险的，这是基本规律，绕不过去。”
主要面向专业投资人士和传统金融机构的通联数据的金融工程董事总经理薛昆称，“其实两年前我们就开始做to C的智能投顾，但做一段时间后把这个项目暂时停掉了。因为我们觉得中国还没到这个智能投顾的阶段，”薛昆表示，智能投顾在美国之所以可行，是因为美国市场的被动化投资已经发展到一定程度，其市场足够有效，因此智能投顾真正不用花很大的成本，只要押注某些因素就可以了，而且这些东西是可以程序化、模型化的。但相比较之下，现在中国还是一个非常非常不有效的市场，而且中国可配置的资产实质上不多。
此外，“现在大家都在讲‘资产荒’，但事实上不是资产荒，而是Beta荒。其实还是有Alpha的，但Alpha的特点是你要找到一些独特的投资机会。”Alpha是指绝对收益，一般是资产管理人通过证券选择和时机选择获得；Beta收益指相对收益，是管理人通过承担系统风险获得的收益。
薛昆说道：“如果服务C端（智能投顾），一定要是在贝塔市场非常好的时候才可以做到，因为那个时候才能规模化，就是策略容量的问题，一个策略能够规模化才能服务C端。现在Beta荒的市场上，你就要找到一个特别好的资产类别才能去服务长尾C端的客户，像蚂蚁金服和百度金融等科技巨头也有开发自己的智能投顾服务，但他们也会很痛苦，因为没有办法超越金融的本质，他们其实也在寻找各种各样的（Beta）资产。”
极客资本论一文《热火的智能投顾，在中国也许只是附庸的命》中指出，“智能投顾在美国，其实并不需要跑赢市场的黑科技，而更多是降低和规避不必要的成本，按照Welthfront帮客户多赚（主要是靠节省）4.6%的前提下，再收取0.25%的年管理费，显然也是理所当然的。 但问题在中国，指数投资和税务规划两大绝招没有，没有立竿见影的好处凸显之下，就得期待用户相信他们的智能模型能够跑赢市场——这在无数炒股软件前赴后继证伪了这个问题之后，显然不是容易的问题。 ”
所以，面向C端市场寸步难行，智能投顾转向B端就轻松加愉快了吗？
业内形成了一种共识，就是真正要把智能投顾做大的其实是券商。美国如今也已经呈现了一种趋势，不管是通过自主研发还是收购的形式，券商和基金公司都相继地推出了自家的智能投顾服务，比如：
美国债券基金管理公司黑石集团BlackRock收购理财初创公司Future Adviser；
Vanguard发布智能投顾Personal Adviser Services；
嘉信理财Charles Schwab发布智能投顾Scwab Intelligent Portfolios
……
但对于券商而言，这其中存在着券商收益和用户利益的矛盾。薛昆指出，“券商做智能投顾最大的纠结在于，怎么定义智能投顾做得好与不好？是交易量大，还是客户赚的钱更多呢？其实这是有悖论的。美国智能投顾的定义是，帮助客户少交易，做长期稳定的投资。但券商是通过交易佣金来收益的，希望你频繁地交易，那怎么创造一个让你频繁交易而且还能挣到钱的智能投顾？这是无论蚂蚁金服等巨头还是券商，在中国这个被动投资还不成熟的情况下都要面临的问题。”
周维表示，“to B业务理财魔方也接触了一些银行和机构，也了解到国内机构投资顾问还是‘以产品销售为核心’，他们的困境是——好产品不用下任务，直接秒杀，客户买不到；不好的产品天天下任务，卖不掉扣奖金。如果这些线下机构不‘以客户需求为核心’，理财的商业模式就变味了，使机构与客户之间变成了博弈关系，智能投顾会沦为他们销售的幌子。”
“所以，教育用户虽然很难，但是是正确的事情，做成了才有意义。”周维坦言，目前的观察中，国内还是有不少理性的投资用户，中国的理财投资者也在变化成长。”
国内一开始就探索B端模式的智能投顾公司PINTEC旗下璇玑CEO郑毓栋则指出，如果券商仍然守着依靠收取交易佣金的形式来收益，这种模式在长期发展中也注定是要被淘汰的。
据叶鑫解释，财鲸初始完全to C，是因为需要接触和了解市场、了解客户。如果服务不能满足终端客户的需求，企业无法做好B端。财鲸to C提供的是主题式全流程服务，包括认知客户、了解客户的行为、配置、完成交易和市场监控，甚至情绪安抚等。
为了了解智能投顾，笔者一共下载了10家的APP亲自测试。最初，这些平台都会给用户进行一个风险评测，但大部分都只流于“年收入”、“可投资资金”、“年龄”、“在职情况”等，这些问题或长或短，雷同也很严重。周维曾告诉雷锋网，智能投顾的智能应该主要体现在，根据用户画像提供与其偏好相匹配的投资组合。这其中就需要可靠的风险承受分析，但显而易见，这些风险评估并不如想像中的准确。
“很多智能投顾对客户的了解只能针对一群客户，而不是一个客户，无法为每个客户提供个性化的服务，”璇玑CEO郑毓栋表示，在刻画用户画像时，很多客观问题是难以得出用户的主观情况（风险忍受度）的，因为其可能有所隐瞒。所以，璇玑旗下灵玑则倾向于向用户调查更多主观性问题，比如从心理学上入手，询问用户“以下选项中最愿意持有5年以上的产品是什么”等等。
与此同时，财鲸联合创始人王蓁介绍，初期对用户不了解的时候，他们选择借助无监督学习，通过迭代优化的方式自动寻找给定标的集合的最优方案；而随着用户真实交易行为的积累，则需要不断学习用户真实的习惯和需求，从而在最初大家相近的假设下，逐渐进化为个性化的参数设定。
以上两者使用的方法也许不一样，但最终还是需要从行为金融学方面进行分析用户的个体情况。
当然，除了上述的问题，智能投顾在企业端的落地还需要有强大的IT技术能力来把方案与各机构的系统嫁接，以及高度伸缩性的模型等软硬实力来支持。智能投顾应用前景无限，但在走向成熟的过程中必然经历冰与火的锤炼。而无论是服务于C端还是B端，在人类投资顾问没有精力顾及广泛投资者的情况下，智能投顾解决的是效率与普惠问题。因此，了解客户，能够为广泛客户提供定制化服务就是最终归属。
正在生成分享图...
木子