话说AlphaGo打败人类顶尖围棋选手之后，吃瓜群众很容易产生的一种自然联想是：既然围棋版AlphaGo能够击败人类，那个号称“机器人理财”的智能投顾，是不是也可以打败人类基金经理，帮我赚更多钱呢？

恩，想想就觉得好激动呢！

但是，当你环顾四周，很快就凌乱了：我勒个去，尼玛到处是智能投顾！而且说的都是我想要的！此时此刻，你只想说：Tell me！到底谁才是真正的智能投顾？！

好吧，鉴于智能投顾江湖纷争不断，武林各派各执其词，莫衷一是，一直低调隐居南阳，不，是低调耕耘一线的诸小葛我，有些坐不住了：

话说智能投顾先前只是叫声大动作小，自打去年招商银行“摩羯智投”横空出世，高逼格上线引发江湖震动，随之各路英雄蜂拥而上，大把大把银子砸了下去，一时间，智能投顾已然成兵家必争之地。无论是传统的金融机构、第三方理财平台、创业公司，还是互联网巨头，都在抢滩智能投顾。

然而，究竟何为智能投顾，至今业内未有达成一致，一来监管缺位，二来尚无固定标准可循，于是，便出现了诸小葛眼里的“智能投顾江湖目睹之怪现状”。

1.虚假宣传

比如下面这个：

想必对这样的标语，你已经不陌生， 因为中华大地遍地都是。可是稍微有点逻辑和金融学常识的人都知道，这是典型的睁眼说瞎话。道理很简单：如果大家都通过智能投顾赚了钱，谁亏钱呢？没有任何一种投资工具能保证稳赚不赔，智能投顾也不例外。

也许你会说，同样是机器，为什么AlphaGo可以打败人类，智能投顾就不可以？

好吧，理论上说金融界的AlphaGo是存在的，但现实要复杂得多。投资是和市场博弈，大到国家政策，小到谣言传言，都在不断打破市场均衡，这和围棋博弈有很大区别。

2.改头换面

这类属于挂羊头卖狗肉型。如一些P2P等互金公司，在信任风波发酵的背景下，正好赶上智能投顾大潮兴起，于是顺水推舟，脱下P2P的外衣，穿上智能投顾的马甲，重新招摇过市。这些平台往往打上“智能理财平台”、“智能化投资”的字眼，也像模像样的对用户搞个测试，做资产配置。但从配置结果看，往往令人大跌眼镜。比如下面这种：

来源：21世纪经济报道

看起来列出的金融产品相当丰富，很有分散投资的感觉，但在分散比例上差异甚大，如消费金融对应的信贷产品，比例达70%以上，而且里面只有1个，严重偏离正常的配置逻辑。

3. 虚实难辨

如果说上面两类手段相对低级，容易识别，下面这两类就比较真假难辨了。

一类是一些大机构自身推出的智能投顾。我们在了解其产品时，也发现类似的问题，名义上给客户做资产配置，但是实际可供挑选的品种少之又少，比如只有基金。而且，平台没有告诉用户机器甄选的方法是什么，相应的回测业绩如何， 投资者无从判断为什么机器比自己在选基金方面效果更好。

另一类是专门靠智能投顾吃饭的机构，这些机构往往拥有一定的技术家底，做的产品也很高大上，但究竟有没有货真价实的东西，外界难以得知。国外的Betterment 、 Wealthfront等智能投顾平台，在向客户推介投资组合的时候，往往都会给出过往业绩表现，外界可以通过他们提供的方法进行验证测试，得出真实的可行性评估。但国内一些机构在强调自身采用的所谓先进技术（如深度学习）时，却并没有给出可验证的标准和方法，外界无从得知这套方法背后的可行性，难免让人产生诓骗忽悠之嫌。

Betterment 历史收益曲线

乱花渐欲迷人眼，到底如何辨别智能投顾？他山之石，可以攻玉，我们不妨反观智能投顾的诞生初衷。

（三）追溯：美国智能投顾

众所周知，智能投顾是舶来品，源自美国。其在美国的兴起，可以追述到2011年Wealthfront的诞生。智能投顾在美国业务表现形式可能不尽相同，但一般具有相似化的服务流程：

从流程上看，美国智能投顾的核心是通过大类资产配置的方式，获取符合用户目标的长期稳健的收益，为投资者提供一站式的自动化资产配置及投资跟踪服务。而基于被动投资和多元化策略的交易算法得出的投资组和再平衡技术，将保证上述流程的便利性。

看起来非常高科技，但实际上，智能投顾在美国之所以受到青睐，除了机器本身的执行力强，能够克服人性弱点外，主要是因为两点：

1.低门槛

美国人工费贵，一个投资顾问的服务门槛，动辄几十万美金甚至100万美金。但是智能投顾可以提供24小时服务，门槛一般低至数百美元。正是因为成本极低，能够满足大多数中低端人群的理财需求，智能投顾才得以呈现爆发式增长。

2. 费用低

说白了，能省钱。如行业先锋Wealthfront，声称自己每年可以给客户提高4.6%的收益。这个收益靠什么实现呢？从下面Wealthfront的收益来源显示，主要有以下几种途径：降低管理费、避税、资产配置优化、自动资产再平衡。

通过几种途径贡献的比例可以看出，降低管理费、避税占了大头，也是最大的卖点。如贡献最多的第一项，“Index Funds Over Mutual Funds”，就是通过使用低成本指数基金ETF省下的管理费。美国一支主动型基金每年可能会收1.5%到2%的管理费，但ETF可能不到0.1%。相较而言，更具科技含量的资产配置优化、自动资产再平衡等，贡献却相对较小。

也就是说，智能投顾在美国扮演的角色，更多是降低成本，帮用户更方便的打理资产，正如WealthfrontCEO在解说采访时说的那样：“我们就是一家出售方便的软件公司。”

但是，和过往许多舶来品的命运一样，当智能投顾带着靓丽的光环来到中国，立刻面临着种种水土不服。

比如投资品种。美国智能投顾主要投资于ETF、基金等标准化产品，虽然平台同质化现象比较严重，ETF选择差别不大，但毕竟有1700多支ETF可供选择，基本能覆盖全球各大类资产。如Betterment，挂钩中小盘、发展中国家股市、发达国家股市、黄金等等不同类型和区域资产，这些资产的风险收益结构各不相同，能够保证风险分散。而国内ETF数量不足200支，大多还是通过主动管理型基金来实现资产配置，且基本跟随股市涨跌，风险收益结构过于相似。

此外，在投资者心态、监管体系、税收环境等方面，中美也存在不小差异。

这些差异，决定了中国智能投顾与美国智能投顾在产品形式和商业模式上，可能完全不同的结局。这也是诸葛量化从一开始就着力本土化探索的原因。

（五）探究：智能投顾真的“智能”吗？

实际上，智能投顾的英文原名为“Robot-Advisor”，即“机器人投顾”。严格来说，我们认为“机器人投顾”和“智能投顾”是两个不同层次的概念。

国内的智能投顾，目前离真正的“智能”二字还存在不小差距。正如财新网报道所说的：“虽然大多数平台声称是智能投顾，以便跟上风口，但大部分平台都还停留在对用户资产进行简单配置阶段，远未达到智能投顾所需要的个性化资产配置、实时跟踪调整、严格控制风险等要求。”

但是，业内挂钩“智能”概念的做法屡见不鲜，比如下面两种：

1.MPT=智能？

以资产配置为例，智能投顾的资产配置方案多数是基于上世纪50年代马科维茨（Markowitz） 建立的现代资产组合理论（MPT），该理论解决了如何在控制风险的基础上，最大化用户的收益，或者在最大化收益的同时，最大程度降低投资风险。简单说，就是通过匹配合理的风险收益比（风险定制），来实现资产配置的最优化。

但是毋庸讳言，这套理论本身并不完美，所以后来被不断加入各种修正模型进行修正完善，如诸葛量化平台资产配置（MPT)加入的BL(Black-Litterman)模型。

尽管从运行效率的角度来说，MPT是目前已知最好的方案，但我们认为，其和“智能”的概念仍相距甚远。因此，单独拿出MPT就宣称自己是智能投顾，名不副实，存在夸大宣传的成分，而业内这样的现象是比较普遍的。

此外，国外智能投顾如Wealthfront，在展示自己的资产配置理论时，不仅会展示MPT的金融学原理，同时会给出关键的资产关联参数和指标，而国内大多智能投顾除了告诉用户一些关键词，如马克维茨理论、获得诺贝尔经济学奖之外，没有公开任何其他的信息。

我们认为，这些参数和指标并不涉及透露公司核心商业机密，因此完全可以适度公开，否则用户完全有理由怀疑，公司是否存在暗箱操纵的可能，比如在资产标的上动手脚，选择自己或费率偏高的基金等，而这正是前述国内智能投顾乱像的根本症结所在。

2.算法=智能？

另外一个我们注意到的现象是，国内一些智能投顾通常将自己的算法与智能挂钩，但其所谓算法究竟称不称得上智能，外界往往难以分辨，但内行一看就知。

我们认为，区别的关键在于是否有人工智能与机器学习的引入。

在机器学习领域，存在五大学派：符号学派、联结学派、进化学派、贝叶斯学派、类推学派，每一派都有自己的理论基础和不同的解决问题的视角，如诸葛量化采用的遗传算法，就属于进化学派，是在遗传学和进化生物学的基础上得出结论，也是人工智能领域中用于解决最优化的一种搜索启发式算法。

遗传算法进化示意图

（来源科学松鼠会：http://songshuhui.net/archives/10462）

近年来，很多华尔街顶级对冲基金也都在试图将人工智能技术应用到量化模型中，比如用人工智能方法对采集的大数据进行自学习，从而发现很多被传统金融分析忽略的交易机会。

不可否认，智能投顾现在还存在诸多不足，但未来一定会变得越来越智能。

如果说现在是智能投顾1.0的时代，那么随着人工智能技术的引入，智能投顾会迎来自己的2.0时代、3.0时代 .....届时，智能投顾一定会有全新的事物出现， 而这个事物，可能是我们现在很难想象的。

问题是，在下一轮的智能投顾变革中，谁将会是最终的引领者？谁最有希望重新定义“智能投顾”？后续诸葛量化再和您一起探讨。