0
智能投顧（Robo advisor）被認為是Fintech（金融科技）領域最具顛覆性的技術之一。不過技術雖然對金融服務會造成一定影響，但投顧要成為一種新模式，還需要靠其投資建議的質量來決定。
最近的一份研究表明，主流的智能投顧存在投資建議與用戶需求錯位的問題，而且與投資者預期的不一樣，它們更像是短期的投資方案。
兩位研究者Stephen J. Huxley和John Y. Kim分析發現，智能投顧的資產配置效果，與短期股票資產組合更一致。當把時間分割（指預期的投資周期）納入評估中時，智能投顧為“穩健”投資者推薦的股票資產，與1-3年投資周期的投資組合有最強的關聯。從時間分割的角度看，短期并不意味著頻繁交易，而是指組合會主要包括短期內收益可能更好的股票資產類別，當然這忽略了長期收益更好的可能。而多數財務顧問都會強調，終身規劃應該關注長期效益。
投資策略中的一個考量指標是時間。但以此公平地評估智能投顧的投資表現，是件很難的事，尤其是在它才出現不久，沒有多少歷史記錄的時候。多數機器投資策略都過于新穎，沒法進行有效比較。
不過值得欣慰的是，智能投顧公司往往會公布投資組合中的分配和基金情況。而且配置雖然會變，但比較穩定，2016年與2015年任何資產類別的變化都不過幾個百分點而已。2017年或許會再變化一點，但總體上可以看出，智能投顧的資產配置方法是戰略上，而非戰術上的。
投資組合的穩定以及各種資產類別在過去30多年的記錄，也讓在更長的時間周期中，分析智能投顧投資組合的表現變得可能。
Huxley和Kim的比較還有一個前提，即智能投顧的用戶年齡通常在40歲以下（在美國這算是事實），并假設投資目標是為退休做準備，即更關注長期投資收益。當然，另外一點值得考慮的是，各家公司的風險評估量表能切實反應用戶的風險偏好，不過這也只能作為前期假設。
Huxley和Kim研究的目的，是調查在投資者要求長期財務規劃的場景下，智能投顧推薦的資產配置狀況。他們比較了Betterment、Motif、Schwab和Wealthfront這四家公司智能投顧組合中的股票資產，投資的目標時間周期是1到40年不等。數據的時間跨度是過去31年（1985-2015），投資者類型假定為“穩健”型。
對于投資標的，其中一個智能投顧是約50%為股票，其它三個則是約70%到80%為股票（包括少量商品期貨，房地產信托基金REITS，以及黃金），而且只有股票和這些所列的資產配置會被納入分析范圍。之所以如此，是因為這樣可以在不同投顧的推薦中，進行近乎等價的比較。而且，投資組合中的股票部分通常會是整體收益增長的長期驅動力。
時間分割則是用到了數學編程的方法，為1、2、3，直到40年的持有期限選擇資產配置。最終分析出來的股票模型分成了四個時間周期：1-3年，4-6年，7-15年以及16-40年的投資周期。各投資周期的資產組合方式則來自Huxley和Kim的另一項研究。
結果發現，投顧們推薦的投資組合與標準普爾500指數的表現沒什么區別，沒有更好也沒有更差。不過所有投顧都有一個共同點：本質上屬于短期投資。在資產配置中，他們的組合與1-3年的短期股票投資組合的相關性最高，而非長期投資組合。具體分析結果如下。
下圖展示的是智能投顧的靜態投資（static case）結果，即在最開始的1985年投資1萬美元，直到最后的2015年都不追加投資也不提現（股票所得分紅的注資除外）。結果會與各投資周期和標準普爾500指數的結果進行比較。可以看出，各投顧的收益表現與標普500指數沒什么區別。
圖一，靜態投資情況下各智能投顧、投資周期與標準普爾500指數收益的比較
下圖則是圖一中各投資組合的累積結果。可以看出，以藍色標識的智能投顧們表現區別不大，其中兩個的表現比標普略好，兩個略差。更重要的是，圖中顯示出投顧們的穩健投資組合與1-3年投資周期的組合更為相近。換言之，投顧們更像是在做短期投資，雖然調查中投資組合都是為長期投資而設計的。
圖二，各投資組合的累積收益結果
圖一中的數據，還可以用來做各智能投顧與各投資周期的相關性分析。與圖二所表明的一樣，下圖也說明1-3年投資周期與智能投顧的平均正相關性最高，為0.51。4-6年投資周期的平均相關性為零，7-15年與16-40年投資周期的相關性則為負。這再一次說明，智能投顧的投資組合似乎是為短期投資而設的。
圖三，各智能投顧與各投資周期的相關性分析
下圖則是動態場景（Dynamic case）下各投資組合的表現，即每年追加投資1000美元。第一筆追加投資是在1985年底，以后每年都是年底追加。最終結果顯示，結論與靜態投資類似，智能投顧們與1-3年及4-6年投資周期的表現更相近。
圖四，動態場景下各投資組合的累積投資表現
綜合結論就是，如果一位穩健的投資者按智能投顧的建議進行投資，在31年后所得收益比不上專為長期投資設立的投資組合。
智能投顧都會根據風險偏好量表的結果，為用戶推薦最優的投資組合。但前提是量表真實有效，而結果也確實令人失望，部分公司的量表甚至不過問下用戶準備何時退出投資。智能投顧的建議與用戶財務規劃的錯位會導致不必要的損失。
在美國，智能投顧的用戶一般是30多歲到40歲出頭，這類用戶通常持有長期投資目標，為的是養老。所以，他們預期的投資組合也應該是長期導向的。如果智能投顧公司的風險量表夠精準，能測量出用戶的風險偏好的話，那就說明投資推薦存在問題。而如果量表不如想像中有效，那又出現智能推薦與用戶偏好不相匹配的問題，這或許是投顧們應該首要解決的問題。
想了解Huxley和Kim研究的詳細情況，可以前往這里。
推薦閱讀：
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
