2017-FinTech细分领域：数字化投顾研究报告_39页-3mb

数字化投顾研究报告总结

核心内容

数字化投顾是智能投顾的广义概念，主要指通过机器代替人工投资顾问，完成投资咨询过程中的一个或多个核心环节。其服务覆盖整条投资咨询价值链，包括客户档案创建及分析、资产配置、投资组合选择、交易执行、投资组合重设及投资损失避税等。其中，综合前六项功能的服务称为Robo-Advisor，即通常定义下的智能投顾。

主要观点

• 数字化投顾通过大数据、人工智能等技术提升投资建议的效率和客观性，减少非理性因素。
• Robo-Advisor模式以被动投资为主，追求长期稳定收益，通过算法和模型进行资产配置。
• 智能数据分析模式有望率先爆发，因其能有效处理海量信息并提供精准的投资建议。
• 中国数字化投顾行业仍处于起步阶段，主要以智能数据分析和Robo-Advisor模式为主，且产品智能化程度较低，与美国相比仍有差距。
• 数字化投顾的发展需要在监管与创新、境外投资与外汇管制、数据开源与客户隐私、投资建议与产品销售之间维持四大平衡。

关键信息

一、行业概述

• 数字化投顾是投资顾问业务的一种形式，涵盖多个细分模式，如智能数据分析、量化策略、社交投资、主题投资和Robo-Advisor。
• Robo-Advisor是数字化投顾的代表，提供全流程资产配置服务，主要面向零售客户。

二、行业现状

1. 中美对比

• 美国：金融市场成熟，投资者接受被动投资，Robo-Advisor市场已验证，传统资管公司积极布局，监管意见明确。
• 中国：个人投资者占比高，交易换手率高，市场尚处于初期阶段，创业公司较多，监管细则尚待明确。

2. 中国行业现状

• 数字化投顾创业热潮始于2014年，主要模式包括智能数据分析、量化策略及Robo-Advisor。
• 国内Robo-Advisor公司如蓝海财富、弥财等，主要以海外ETF为投资标的，且管理费用较低。
• 传统机构如同花顺、华泰证券、嘉实基金等也逐步试水，开始布局数字化投顾业务。

三、主要模式分析

1. 智能数据分析

• 利用大数据、机器学习、自然语言处理和知识图谱，从噪音信息中提取有价值信息。
• 提供如推荐股票、预测公司收入等细分金融服务。
• 与美国相比，国内智能数据分析尚处于初级阶段，主要依赖于平台的算法和数据处理能力。

2. 量化策略投资

• 量化投资分为被动量化（如ETF）和主动量化（如量化对冲基金）。
• 主动量化策略通过代码实现，提供投资建议和交易执行。
• 国内量化投资起步较晚，受限于数据和监管，但正逐步发展。

3. Robo-Advisor

• Robo-Advisor以获取β收益为目标，主要投资ETF和公募基金。
• 服务流程包括问卷填写、投资计划推荐、动态评估和调整。
• 相比人工投顾，Robo-Advisor具有服务成本低、受众范围广、算法先进等优势。
• 国内Robo-Advisor仍处于初级阶段，以公募基金为主，尚未实现大规模发展。

四、行业思考

• 四大平衡：

  • 监管与创新
  • 境外投资与外汇管制
  • 数据开源与客户隐私
  • 投资建议与产品销售

• 智能数据分析模式：

  • 在当前投资环境下，智能数据分析模式更容易获得投资者认同。
  • 随着人工智能技术的发展，该模式有望率先爆发。

• Robo-Advisor模式：

  • 长期看好Robo-Advisor，但其大规模发展仍需市场教育。
  • 本土化探索仍将继续，以适应中国投资者的偏好和市场环境。

• 智能概念的理性看待：

  • 人工智能更关注相关性，而非因果性，存在局限。
  • 在黑天鹅事件或情绪驱动事件中，机器难以有效应对。
  • “智能”概念不能作为P2P平台的曲线救国手段。

结论

数字化投顾作为金融科技创新的代表，正在改变传统的投资顾问服务模式。在美国，该行业已相对成熟，而中国则处于起步阶段。未来，随着监管政策的完善、技术的发展以及投资者理财观念的转变，数字化投顾有望在中国市场获得更广泛的应用。然而，其发展仍需在技术、监管、市场教育和用户体验等方面持续探索和优化。