Connect with us

智能投顾的局限性

    0

商业观察

智能投顾的局限性

 

“科技金融”逐渐成为金融行业的趋势和特征,随着人工智能在金融行业加速应用,以智能化为核心驱动力的社会浪潮正在与金融服务理念、服务形式深入融合,在模式上不断创新。对证券业而言,金融科技使得机构能够覆盖长尾用户,大数据分析使得个性化、精细化服务成为可能,智能投顾已成为各家券商必争之地。

据权威在线统计数据门户Statista数据显示,2017年全球智能投顾管理资产超2248亿美元,年增长率将高达47.5%,到2021年全球智能投顾管理资产规模将超过1万亿美元。2017年,在中国,智能投顾管理的资产超288亿美元,其年增长率高达87.3%,预计到2022年,智能投顾管理资产总额将超6600亿美元。作为金融科技在财富管理领域的应用,“智能投顾”(Robo-Advisor)落地中国后,就迅速风靡。

 

智能投顾真的能够大规模替代人为的资产组合管理么?

智能投顾的核心技术流程建立在现代投资组合理论的基础上。现代投资组合理论的核心思想是风险分散化:它在给定的风险水平基础上,追求收益最大化。现代投资组合理论在理想状态下——即市场投资组合,它获得的是市场的平均收益率,因为它达到的是最大的分散化;它的核心技术就是各个标的头寸之间的不相关性。该投资组合在市场无变化的情况下,风险是最小的。

而我们人认为:对于资产管理来说,它的管理策略应当建立在寻找波动率上,因为有了波动率才会有收益。现在投资组合理论达不到这个要求,它的局限性是:发现不了市场波动率,所以它在作为策略管理投资的时候是不完善的。当能够发现波动率的资产管理策略出现时,势必导致市场收益不断流向这些能产生超额收益的资产组合。在这种情况下,如果人们使用的现代投资组合策略存在不完善的弱点,就会使得这些投资资产产生的收益达不到市场均值水平,因为收益全部被能发现波动率的组合所抽走。

换个角度,对于采用现代组合理论管理策略的资产,受到模型本身局限性的限制,它所能够达到的收益是有限的。在这种情况下,那些能够发现市场波动率,即超额收益的资产管理策略势必将市场收益吸收到自己的绩效下。对于中国金融市场来说,如果智能投顾的规模达到一定程度,受制于现代投资组合理论模型的局限性,智能投顾的资产组合获得不了应有的收益。智能投顾(现代投资组合理论)基于分散化的特征,通常获得的是部分市场的平均收益,它的代价是消耗了超额收益,因为分散化需要成本;而只有具有创新与理解能力的资产管理策略才能产生超额收益,因为它剔除了分散成本。因为现代投资组合理论无法发现和实现超额收益,它会导致一种不愉快的现象:由于缺乏具有创新和发现能力的资产管理策略存在,市场实际存留的超额收益都集中到做市商手中,这就使市场失去了应有的平衡。

资产管理策略从定义的角度来说,实际上是发现市场产生收益规律的一个过程,并且在这个过程的基础上,它能够架构一种模型,将市场上产生的收益吸收到自己的资产组合绩效中,从而产生所管理资产的超额收益,即超出市场平均收益水平的绩效。金融市场上的收益产生过程与方式千变万化,只有通过人脑的思考、理解与创新能力,才能够将其架构成应有的模型。智能投顾只能在部分程度上完成这个任务,因为它没有创新与发展的能力。这也是为什么机器替代不了人脑的根源。真正的资产管理不是一个单纯意义上的重复与复制的过程。

对于资产管理行业来说,它如果想获得超额绩效,就必须发展出具备创新能力、能够发现超额收益的资产管理策略。而发现超额收益策略的过程,就是人脑有思考、有创新能力的产物。金融市场千变万化,随机因素随处可见,它伴随着金融市场波动的整个过程,这也是一个发现的过程。

这个任务,人工智能是达不到的。人工智能建立在对过去事物的理解上,而没有发生过的事情,或者是对那些尚未发现其规律的事情,人工智能是没有能力去创新的。只有人脑通过思考才能完成这个任务。而在金融市场上,整个的波动率过程都是发现与创新的过程,伴随它的是随机因素,也是产生超额收益的过程。这就是科技进步的力量。人工智能确实能够起到支持人脑思维的作用,但是达不到替代的程度。简单说来,人工智能包含了模拟的过程,通过模拟达到对事物的逼近与模仿,它不是一个创新的过程。资产管理的核心是理解力的问题,而不是单纯的模仿。

对于智能投顾来说,它建立在大数据以及云计算等技术上。我们以发现股票价格为例:再完善的股票价格预测模型,也只能够通过分析过去,来逼近股票的未来真实价格,它无法达到理想公式来准确无误的计算出股票在未来的准确价格,过去只是提供了一个理解股票价格的基础。金融市场随时伴随着随机因素,原有的股票价格预测模型是无法发现这些随机因素的,它只能够通过分析过去不断的逼近真实价格。简单来说,智能投顾在某种意义上是一个标准化的过程,而未来金融市场的随机因素是无法被标准化的。

从哲学意义上讲,资产管理策略是人脑通过思考来理解、创新与发现的一个过程。归纳起来说,智能投顾是建立在将事物标准化的基础上,它接近于流水线工作的特征;而资产管理过程——无论是挑选证券,还是资产管理策略,或者是对未来经济走势的预测,都是一个不能够被标准化的过程,所以两者是匹配不到一起的。

智能投顾的应用范围局限在那些策略可以被复制的领域,例如在ETF领域。智能投顾是伴随着ETF等被动性投资产品应运而生,它以不同类型的ETF为主要投资标的,专注于构建“聪明的β”,它将来自基金经理选股能力所产生的收益,即α,将它β化。但是我们认为,此类投资策略仍旧有它的局限性:这是更加倾向于交易员交易风格的投资策略。我们理解的资产管理策略远远要超出选股产生的α所带来的收益。通俗点说,这种方法就是对ETF策略的精细调整与改良。资产管理策略的理解应当远远高于这一种方案。

所以,智能投顾作为人为资产管理的辅助工具,确实有很强的优越性;但若想完全替代人为的资产管理,在很长一段时间内还看不到这种可能性。

 

文章来源:GPLP微信公众号

Click to comment

Leave a Reply

电子邮件地址不会被公开。

更多关于 商业观察的文章

To Top