中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

最近在證券行業、銀行業、基金業，有一個詞很火爆，那就是“智能投顧”，顧名思義，投顧一般是指投資顧問，就是在證券銀行中的幫助客戶提供投資建議的客戶經理們。他們和一般的客戶經理不太一樣，往往是具備投顧從業資格的客戶經理們。前面加一個智能就是通過大數據、機器等通過各種投資模型運算來為客戶充當投資顧問的角色。

無論是現實中的投資顧問還是智能投顧，他們要解決的主要是以下幾個問題：

1. 資產管理
2. 證券投資建議
3. 理財規劃

那智能投顧通過什么來幫助客戶滿足以上需求呢？

1、大數據

互聯網科技最牛的地方就是數據計算能力，它所抓取的數據可以涵方方面面，各種投資工具的歷史數據、各個行業的經濟指標、地域人員數據等等

2、用戶行為

建議每一個客戶投資需求的時候往往我們需要了解他的投資習慣、風險承擔能力、投資偏好等等。而智能機器則可以了解一個客戶的歷史交易記錄、消費習慣等等更全方位的洞察客戶的行為習慣。

3、算法及投資模型

無論是給個產品的收益還是客戶行為都需要一定的算法。這些算法如果單純依靠人類的話，那效率極為底下，好的產品很難篩選出來。同樣，在證券和基金投資方面有很多國內外成熟的投資理論和模型。根據這些只能機器進行建模和運算。

國內智能投顧發展（以摩羯智投為例）

1、摩羯智投介紹

招商銀行的客戶群體很廣，在銀行中互聯網發展也比較好。前一陣子推出了摩羯智投，一款以公募基金為數據庫的智能投顧平臺。這個名字起得很有特點，不知道是不是招行的摩羯座的群體更多，還是說摩羯這個星座更加智慧？O(∩_∩)O哈哈~

2、摩羯智投參與流程

這里提到了兩個概念：

• 流動性安排
• 風險偏好

流動性安排這里指的是投資年限：用戶可以選擇0-1年、1-3年、3年以上。

風險等級有1-10個等級，數字越大，代表承受能力越高。

根據這兩個維度，摩羯給出了兩個運算后的數據：

1. 模擬歷史年化業績
2. 模擬歷史年化波動率

通過模擬數據評估了采取此套方案后用戶的投資收益情況。

根據客戶的選擇，后臺進行運算。

運算結束，后臺給出基金組合方案：包含配置類型與配置比例。并根據選出的產品按照此方案模擬近三年的數據。

通過查看我們看到詳細的配置是多支基金，每支基金點擊進去都能查看基金詳情，包含簡介、持倉、分紅、凈值和公告。

我再次嘗試了其他的風險等級，系統給到我的是新的基金組合。

我們可以看到，兩次的基金配置中基金標的絕大部分是相同的，只有少部分是不同的。區別主要在于比例上。兩次不同的選擇，系統給到的是摩羯8號和摩羯14號產品。

繼續購買的話，會有一個風險評估，主要就是一些風險類相關的題目。

評估完成后，根據評估結果給出了適合的產品類型。

隨后繼續購買就能一鍵下單購買選擇的基金組合了。

通過以上的流程我們可以發現：

1. 數據結果是根據投資年限和風險承受來劃分的，投資年限的選項有3中，風險承受有10種類型。這樣兩兩搭配的話，會出多C3/1 *C10/1種投資風格。
2. 兩次選擇后，組合中的基金標的大體相同，所以感覺應該是目標池也不是很大。應該是在眾多基金中先篩選了一部分，在這些基金中做了多個組合。
3. 從推薦的收益上，組合的產品預估收益也不是很高，而且收益波動也比較大。
4. 風險評測應該前置，這樣在客戶做選擇前就了解了自身的風險等級，如果客戶覺得風險評測不準的話，可以再次測評。這樣及早地過濾到不適合自己的基金。目前放在最后的話，對于之前所選擇的產品感覺沒有什么相關性。
5. 一鍵下單功能很不錯，同時處理多種基金份額不同的情況，不過沒有真實買入成功，不知道后續有沒有智能調倉的功能。
6. 個性化服務，智能投顧如果在數據和客戶行為上沒法分析出很多客戶的深度需求，往往需要客戶提出自己比較明確的需求，例如哪些類型的產品客戶不選擇，就像吃飯一樣有哪些忌口。在智能投顧沒有很成熟的情況下，這樣客戶拿到的組合可能更是客戶所期望的。純粹的風險和投資年限兩個指標的話，系統推送的產品同質化往往比較嚴重。

三、結論

通過一些數據和報告了解到目前美國的智能投顧已經比較成熟了，主要源于起步早，基金產品，尤其是ETF基金種類多，是目前國內ETF基金數量的12倍左右。同時美國的基金規模是中國的近30倍，所以在品種上，國內的選擇還是比較有限。除此之外，目前中國智能投顧不太成熟的原因還在于，中國的股市和基金變化波動要比美國大很多。所以從歷史遺漏問題上，目前政策環境和市場情況還不是很利于中國智能投顧的發展，但是可以從以下幾個方面開始培育這個市場：

1. 培養客戶的投資習慣，從短線逐漸引導到長線當中。
2. 與互聯網公司合作，積累客戶的數據除了證券基金數據外，逐步挖掘客戶的行為習慣、消費理念等數據。
3. 機器與人工相結合，探索多維度，優化客戶體驗。

作者：7姐，微信公眾號：「sevensisiter」。曾任職騰訊、新浪、金融公司互聯網金融產品經理，擅長產品分析、數據分析、用戶研究、行業分析等。

本文原創發布于人人都是產品經理。未經許可，禁止轉載。