智能投顾的出现至少在两个方面发挥作用，一是通过算法和模型定制风险资产组合；二是通过大数据识别用户风险偏好。

一鸣网特别报道（娄玉强）：智能投顾最早在2008年出现，直到去年的一段时间开始变得非常流行。其概念不难理解，简单来说即是人工智能+投资顾问的结合体，重要意义在于使得投资顾问的决策更高效和个人投资的门槛及风险更低。

智能投顾的出现至少在两个方面发挥作用，一是通过算法和模型定制风险资产组合；二是通过大数据识别用户风险偏好。从而实现为客户定制个性化的资产配置方案，在用户可以承受的风险范围内获得最大化收益的目标。

宽策略是一个基于全球资产进行量化投资的智能投顾平台，它已经使得平台上7成的用户获得了收益。除了为投资者提供量化策略、风险评估、策略组合优化、投后管理等服务之外，宽策略对于有探索精神的投资者，还将策略的量化参数与决策过程模块化帮助其投资。

宽策略创始人兼CEO李琦

创始人李琦告诉我们：当前熟知的智能投顾基本分为两类。一类是以Betterment和Wealthfront为代表的资产配置类投资公司，致力于帮助美国人民打理税收和个人养老金问题，本质上属于被动投资。最终的产品表现形式是各种ETF组合。但鉴于中国的税收及养老金采取的是代缴代扣的方式以及中国ETF组合的匮乏，该类投资很难在国内落地。

另外一类便是以Motif和Future Advisor为代表的主动性投资，其核心逻辑在于通过投资全球股票来取得α+β回报。与ETF的投资被动性不同，该类投资本质上属于主动性投资，除了让投资者获得β收益之外，还会获得另一块α收益，平均回报率在15%-25%之间，远远大于无风险利率。随着机器学习的技术发展以及大数据的进一步积累，该类智能投资也便愈来愈得到市场的青睐。

宽策略策略分析页面

宽策略便是从事的第二类投资。在量化投资方面，像美国的Quantopian等平台是旨在为量化爱好者提供免费的数据源和开发工具，吸引宽客在平台上生产策略。这些平台在C端主要服务量化爱好者，一般是精通数学、统计学和计算机的学霸用户，具有非常高的知识门槛。

与Quantopian不同，宽策略的目标用户是没有量化专业知识，但是又希望能够使用量化策略进行全球资产配置的新中产投资者。在宽策略交易版本上线四周多的时间里，产生交易行为的100多个用户中已经有70%的人赚到了收益，最高收益达到38%，每个用户平均涉及金额为20万元。个别产生亏损的用户亏损幅度最多也不超过-2%。

具体来说，宽策略是采用了这样的四个步骤。

1、建立客户风险评级系统。根据客户的风险评级来为客户匹配较为满意的投资策略配置组合，该策略并非是单个的股票组合而是多个策略的合成体。举个例子，一个策略配置组合里可能包括了百分之多少的比例投资美国金收益组合，百分之多少的比例投资日本的睿智策略，每个策略里的单支股票以及每支股票的配置权重已经选好，客户根据自己的风险评级选择跟单交易即可。

2、加入人工智能环节。宽策略支持包括美国、英国和法国等在内的发达国家的策略自动产生、自动交易和自动调仓的完整闭环，在上个月推出的版本里支持国家数量上升到了23个。宽策略的底层技术能够支持94个国家的量化、策略生成和学习，只是由于借用了美国的Just2Trade和盈透证券的通道，总共支持23个国家的股票交易。

3、资管平台。宽策略背后形成了这样的一套代理和分佣体系：B端来讲，宽策略的交易软件“量化极客”(QuantsGeek)，可以让代理们直接访问纽约证券交易所，纳斯达克，伦敦证券交易所以及外汇市场的9000多种工具。宽策略则采用代理返佣的模式以确保对渠道的约束力。而在C端方面，散户也可以邀请别人投资的方式成为平台代理人，平台获取被邀请人的交易利润的20%部分，然后平台再将这部分的20%下发到代理人，简化了代客理财程序也刺激了用户的投资积极性。

4、大数据分析。宽策略对于用户的风险偏好会进行基于大数据的不断分析，这些大数据包括收益率、波动率和下坡率等，通过对这些数据的分析来为用户确定精准的风险评级，进而保证所推送策略的匹配精准度。

通过这些主要措施，宽策略帮助平台上的用户取得了不错的收益。对于宽策略的下一步，李琦表示将会进一步加强机器学习，他表示：“AlphaGo战胜柯洁表明了机器已经具备了反复分析和深度学习的能力，在不耗费任何人力物力的情况下也将会自动产生一个机器人投资经理，帮助所有客户去打理自己的资产。宽策略的第二个版本致力于让该机器人具备学习能力，将过去中国、美国、英国和德国等国家30年的股市表现作为学习数据，不断分析学习，达到精益求精的作用。”

-END-

本文由Johnny投稿一鸣网，本文仅代表作者个人观点，文章非经授权请勿转载，

向一鸣网投稿，请点击投稿按钮，详情请参阅《一鸣网投稿须知》。

互联网人都在关注的微信号

难道你还没有关注？