導讀:“智能投顧”也稱機器人顧問，是一種線上财富管理服務，以自動化、計算機算法為基礎，結合個人投資者的具體風險偏好與理财目标，持續跟蹤市場變化，在資産偏離目标配置時對其進行再平衡。近年來在以北美為代表的發達國家市場迅速發展，并逐漸被越來越多的投資人所接受。未來，智能投顧有望成長為萬億市場規模。
網際網路風潮正在全面席卷整個金融業，當然其中也包括傳統金融巨頭早已深耕多年财富管理闆塊。近年來一種以自動化、計算機算法為基礎的“智能投顧”模式，在以北美為代表的發達國家市場迅速發展，并逐漸被越來越多的投資人所接受，尤其是在網際網路環境中成長起來的千禧一代。
所謂智能投顧，也稱機器人顧問（robo adviser）是一種線上财富管理服務，具體指根據現代資産組合理論，結合個人投資者的具體風險偏好與理财目标，通過背景算法與使用者友好型界面相結合，利用交易所上市基金（etf）組建投資證券組合，并持續跟蹤市場變化，在這些資産偏離目标配置時對其進行再平衡，此外有些公司已經可以提供tax harvesting、房貸、報稅等增值服務。
雖然經過幾年的高速發展，機器人顧問所管理的資産到年底估計能達到500至600億美元（研究機構aite預測資料），但也隻是占到美國近20萬億美元理财市場極小的一部分。而就是這點變化已然觸動到華爾街傳統财富管理巨頭的神經，因為智能投顧模式很可能會給行業帶來結構性的變革。
根據日前花旗集團釋出最新研究報告稱，在未來十年時間裡，機器人顧問管理下的資産将會呈現出指數級增長的勢頭，總額将達到5萬億美元。而at kearney出具的報告則更為樂觀，預測未來五年智能投顧市場gagr将達到68%，到2020年aum有望突破2.2萬億美元。
值得關注的是，美國市場對智能投顧模式發展長期看好存在一個重要的市場基礎，即經過近20年的市場發展和多個經濟周期的洗禮，被動投資在美國投資人中的接受度已經較高，整體資産體量規模也已經很大，例如：被動投資金額占共同基金占比已經從1995年的3%上升到2014年16%；截止2014年，美國有1375種etf，淨資産為1.8萬億。
此外，我們認為，主要存在三大驅動因素推動智能投顧模式未來高速發展。一是财富面臨世代交替，而傳統投顧模式對千禧一代服務嚴重不足，這展現在較高的資産準入門檻，新從業者的短缺等；二是由于成長環境不同，千禧一代觀念更開放，更能接受機器服務，而傳統模式需要面對面交流，效率較低，且收費是智能投顧模式的3-4倍；三是智能投顧相較于傳統模式，成本結構更具服務大衆的優勢，它不需要實體經營場所，大量線下理财顧問團隊，且獲客成本更低，是以經濟單賬戶管理資産規模可以大幅降低。
事實上，在過去的一年，美國智能投顧市場經曆了1.0到2.0的轉變，主要展現在兩個方面：
第一，整個主流财富管理領域已經認可智能投顧發展趨勢，并積極投入其中，例如不久前全球最大的資産管理公司貝萊德收購機器人投顧初創公司future advisor，美國最大券商之一嘉信理财也已向自己數量衆多的客戶推薦機器人顧問，此外bmo，vanguard， ritholtz，和td ameritrade都在積極布局。
第二，一些新興的智能投顧公司作為技術提供方輸出白标解決方案和軟體平台，或者尋求與傳統巨頭的戰略合作，例如fidelity已與betterment展開戰略合作，向旗下的理财顧問導入betterment的産品和服務。
對智能投顧的接受度來看，全球的市場已經具備了相當不錯的基礎，而亞太區甚至是領跑地位。根據capgemini和rbc wm聯合釋出的2015世界财富報告，全球範圍内48.6%的hnwi對智能投顧産品的易用性、低費率非常認可，并表示願意接受将自己一部分财富交由智能投顧打理，而持這一态度的hnwi在亞太區占比為76.3%，位列全球第一。
在成熟的海外市場，智能投顧領域領先的startup公司們經過幾年的發展，已經具備了成長為獨角獸公司的潛質，其中wealth front、betterment、personal capital都已融資過億，且均來自多家頂級風險投資機構。而反觀中國市場，雖然目前有一些公司推出了類似的産品，但整體而言仍然處在非常早期的階段。這其中存在一定市場原因，比如雖然一方面私人可投資資産規模快速增長，存款及現金占比較之前已明顯下降但仍處高位，投資理财需求遠未得到充分滿足，且近年來對海外投資熱情持續高漲，而另一方面多數投資人投資理财觀念不成熟，往往很容易走兩極，同時市場上多數财富管理機構均是後端收費，理财顧問的銷售屬性很強。
但是我們認為随着國人财富的進一步積累，理财觀念的日趨成熟，金融市場的進一步規範，被動投資産品的日益豐富，以及資本項下的監管政策改革種種預期，包括qfii 2、個人換彙額度提升、人民币匯率市場化等，智能投顧未來在中國的發展存在巨大的想象空間。
原文釋出時間為：2015-10-23
本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号