智能投顾是人工智能和金融的结合。它是一种在线财富管理服务，为用户提供自动化的以计算机算法为基础的证券投资组合管理服务。也可以被称智能理财、数字化理财等。
智能投顾的发展有两个技术要素，人工智能和大数据分析，而随着这两个技术的不断进步，智能投顾的产品也在逐渐成熟。
在智能投顾领域，美国的发展领先于其他各国，这主要归功于三点——
首先，美国的互联网技术较发达且金融知识普及度较高；
其次，美国ETF市场较为成熟（ETF=交易型开放式指数基金，是一种在交易所上市可交易、基金份额可变的开放式基金），能够为智能投顾产品提供丰富的投资工具；
最后，美国证监会的监管较为完善，智能投顾与传统人工投顾都遵守《1940年投资顾问法》，监管带来的不确定性较小。
目前，美国市场拥有Betterment和Wealthfront等已经建立较大规模和良好口碑的智能投顾产品。
国内各金融机构紧追其后，先后开发出了资配易，蚂蚁聚宝等产品——
2014年8月，钱景率先推出中国版Betterment——钱景私人理财；
2015年，平安一账通、蚂蚁聚宝、微众银行、弥财、等一系列智能投顾产品先后出现于市场；
2016年7月，宜信财富与美国券商DriveWealth合作推出投资美国ETF基金的投米RA。
2016年11月，华泰证券完成对美国数字化理财公司AssetMark的收购。
从上面可以看出，国内对智能投顾的热情相当高，但这毕竟是一个新兴事物，所以很多人对智能投顾并没有太深的认识。接下来我们将从智能投顾解决的投资痛点，产品技术原理，和产业瓶颈三个方面，帮大家更好的了解智能投顾这个领域。
投资者痛点和解决方案
智能投顾之所以能迅速流行，根本原因还是其产品能够克服传统投资顾问的缺陷，有效解决投资者的理财痛点。下面我们从投资门槛，管理费，透明度和风险分散性四个方面，对传统投顾和智能投顾做一个比较。
偏高的投资门槛
传统的投资顾问一般只欢迎高净值客户，普通的中产家庭接触到的机会较为有限。
而人工智能的出现将产品覆盖面显著扩大，将服务门槛从几万元，压低到几百元甚至更低。而新中产恰恰也是对互联网和数字化产品接纳度较高的群体，因此智能投顾极大释放大众群体的理财需求。
高成本的管理费
传统投资顾问管理费率平均在1%以上，而这对刚刚开始有理财概念的用户是比较高的。
而智能投顾通过人工智能，节省了昂贵的人工成本，大大降低了投资理财的服务费用，将费率降低到0.3%左右，甚至更低。这种在技术驱动下的性价比的提升，使得新中产阶级乐于选择后者。
信息不透明
智能投顾能够准确地了解投资者的风险偏好和收益预期，并通过后台算法自动匹配合适的投资策略。高度的自动化流程使得透明度和流动性大大提高，不但为中小投资者提供了个性化的定制资产配置方案，也给后者更多信息权限带来的信赖感。
风险过于集中
不少传统投资顾问将资金投入母公司或合作机构的产品中，风险过于集中某一个市场板块，且容易受到投资顾问个人偏好和情绪的影响。
相比而言，智能投顾有更分散的风险敞口，除了不同市场板块，还追求地域、企业规模、经济类型和期限结构等的分散。投资面覆盖股票（大盘股、中小创）、债券、国内ETF、海外ETF和QDII等。人工智能能动态监测投资组合，持续跟踪市场变化，并在偏离目标配置时再平衡。由于目前国内资本管制较严，中产阶级的投资渠道较为有限，因此分散程度高、资产配置范围广的智能投顾产品，为用户提供一种简捷且避险的资产配置渠道。
智能投顾运作原理
我们上面讨论了智能投顾通过将人工过程自动化，将投资门槛和管理费大幅降低，提高了整个投资流程的透明度和风险分散度。
那智能投顾的底层究竟是如何运作的呢？
鉴于每个产品都有不同的投资理念、投资标的、优化策略和风险规避方案，我们以全球最大的智能投顾商Betterment为例，为大家简单地梳理一下其投资运作的流程。
建立投资组合
Betterment基于现代投资组合理论 （简称MPT，家喻户晓的CAPM就是其产物），主张通过分散的投资组合降低风险，将资金分散在权益类、债券类、不动产等多方面。
在权衡利弊之后，Betterment选择了品种丰富的ETF基金（交易型开放式指数基金，具有成本低、流动性高的优点），并设立了一个起始“锚点”权重（如下图）。在锚点权重中，42%被分配给了股票基金，58%分配给了债券基金。
国内的智能投顾产品稍有不同，根据MPT理论大部分资产会被投到海外市场，国内基金的占比不到10%，这显然不能被国内投资者和监管者接受，因此大多数国内的产品会做一些调整，让本土投资品种更丰富，在本土投资的比重大一些，至少五到六成的规模。
投资组合优化
在建立投资组合之后，Betterment会优化和调整各基金的权重，在这个过程中使用了著名的布莱克-林特曼（Black-Litterman）模型和自主研发的风控模型。前者能最大化收益，后者能有效控制风险。
Black-Litterman模型
BL模型模型在1990年由高盛两名经济学家开发，能对经典MPT模型的缺陷（组合不符合直觉、权重过于集中、低估多元化效益等）进行补充和修正，在投资者的主观看法和实际数据之间找到平衡，产生的回报估算更为准确且更符合直觉。
风控模型
Betterment对潜在下行风险和不确定性进行预测。在模拟未来预期回报时，除了考虑预期的情况，还要预防比预期更糟的情况（譬如从预期的短期低迷，恶化为大幅下滑）。通过压力测试，投资者能更好地了解回报率下滑的严重程度及时长，并通过再平衡有效控制风险。
在优化的过程中，机器不断学习与改进——
重要的经济数据被输入系统，系统动态地观察各组经济指标的变化，和市场的发展，经过足够长的训练之后，系统能够更精确地评估和预测未来的走势并采取相应的措施。
与传统投资顾问相比，智能投顾的优势是可以处理海量的信息，并对局势快速地应对。对于一个勤奋的投资者，一天要看几百篇跟投资相关的文章，大部分人没有足够的时间和精力做到，但智能投顾可以通过机器在几秒内实时抓取大量的资料和数据，并在几分钟里进行处理并提取出重要信息，形成好的投资策略。
投资表现
与传统投顾相比，成本低、收益稳定的智能投顾显得物美价廉。而与同样价廉的被动指数基金相比，智能投顾的优势就在于其对投资组合的积极管理。
下面比较了Betterment的投资组合与一个被动投资组合（由标普500和美国债券组成）的有效边界。
图中的A，B，C与D，E，F点分别表示被动组合与Betterment组合中股票占比为0%、50%、100%的情况。可以看出，在波动性相同的情况下，Betterment回报率略高于被动组合（图中蓝色阴影部分）。这部分额外收益，是通过投资组合的细致挑选，和事后的不断优化得到的。
其实，智能投顾与人工投顾在本质上别无二致，都是基于MPT理论构建投资组合，并根据市场波动管控风险。不同的是，智能投顾能利用机器学习和大量数据，对市场进行全天候的监测，并快速做出反应，同时避免了人类的情绪影响和主观倾向。
本土化挑战
尽管智能投顾在国际上大放异彩，但在国内企业引入国外产品模式和自主开发的过程中，面临许多挑战。
中美金融市场和资金来源的差异，给国内智能投顾开发者带来了许多挑战。
投资品种广度
目前智能投顾产品最常见的投资标的是ETF产品。
美国规模最大的智能投顾商Betterment和Wealthfront的投资标的就是各类ETF，覆盖面包含美国大、中、小盘、新兴市场股，各类政府、公司债券，和少数REIT（房地产投资信托）和自然资源。
投资ETF的意义在于，通过调节投资组合中股票和债券ETF的投资比例，就能实现对各种风险敞口的有效管理，这也为后面使用机器学习对投资组合动态进行跟踪和调整提供可能。
美国市场 ETF市场较为成熟，截止2016年底ETF基金规模近2.6万亿元。
与美国相比，中国ETF市场发展较晚，投资品种相对有限，规模不到2000亿元。因此ETF等被动投资产品的缺乏，是目前国内智能投顾产品开发都会遇到的硬伤。
因此，目前不少机构开始与国外券商合作，将风险敞口拓展至海外，如宜信和美国券商DriveWealth合作推广的米投RA就覆盖了发达国家和发展中国家的股票、债券，美国房地产和黄金市场，巧妙地绕开了这个问题。
数据整合体系
智能投顾所涉及的大数据主要包括客户行为大数据和金融交易大数据两大类。
一方面，资产配置决策都是建立在前者的基础上，以准确匹配用户个性化风险偏好的目的；
另一方面，投资组合的构建以及再平衡的过程都依靠对后者进行分析处理。
国内理财市场产品较为单一，智能投顾用户数量有限，缺乏大规模的用户数据沉淀。传统的投资顾问的用户数据多集中在高净值客户，其数据的代表性较弱。不成熟的数据管理体制也给数据共享带来很大障碍。目前国内政府各部门、银行、借贷平台、征信机构等各自为营，互相之间没有共享数据的渠道，缺少有效流转和整合数据的商业模式。客户数据的缺失，给智能投顾公司带来很大挑战，使后者难以做到个性化管理。
投资者缺少对投顾的刚需
在美国，资产管理行业发展迅速，有其特殊的社会性根源——分散的养老金模式。美国每个雇员都至少把收入的3%放进退休账户，而且不能提现。虽然不能直接用来消费，但政府鼓励个人根据自身的风险收益喜好，灵活地配置账户资产，催生了账户管理需求。
对大多数工薪阶层来说，缺乏理财经验，且人工理财服务费用高昂，因此低门槛、低收费的智能投顾很好的解决了他们的问题。
美国有养老金账户管理的“刚需”，而在国内养老金很大程度上由政府管理和兜底，普通人对投资顾问没有强烈的需求。对于没有养老保险的群体，对新型投资渠道缺乏了解和信任，因此很多人倾向于将钱存入银行。
总的来说，目前国内市场对智能投顾缺乏养老金理财刚需，目前智能投顾主要客户是尚年轻并在财富积累阶段的新中产。
结 语
与传统投顾服务相比，智能投顾具有低成本、低门槛、透明以及风险分散的优势。但也在某些方面存在短板，譬如难以预测短期波动，无法判断黑天鹅事件，也无法很好地区分因果关系和统计上的相关性。目前本土金融市场和数据体系的不成熟，也给本土智能投顾产品带来诸多挑战。
总体而言，智能投顾概念热炒过后，还是要落回到实际产品。如何更好地与监管方沟通，怎样培养和扩大用户群体，如何将人工智能技术更好的融入到产品中，都是智能投顾开发商需要认真考虑的问题。相信随着制度的完善和竞争的提高，会慢慢出现建立起规模、技术和成本优势的智能投顾产品。
股手量化策略优势：
1、股手量化策略，大数据选股，克服人性弱点，实现持续稳定盈利；
2、所有策略蕴含交易高手多年实战经验，均经过精确回测和严格跑盘考验；
3、股手APP上的策略种类丰富，覆盖技术指标型、基本面、高频交易、择时、指数等各模型，适合不同交易风格；
需要说明的是，量化策略炒股的业绩与大盘相关，不一定每天盈利，我们把股票量化策略推荐给大家，是因为策略结合了高手的交易思路同时又摒弃了人类追涨杀跌的弱点，长期下来能实现持续稳定盈利。