智能投顧、大類配置、智能策略……能幫你活著度過熊市?
如何評(píng)價(jià)一款產(chǎn)品是不是好的證券產(chǎn)品?能夠幫你活著度過熊市的產(chǎn)品,才是真的好產(chǎn)品。
前段時(shí)間,跟同行長(zhǎng)江證券、廣發(fā)證券和平安證券的一些產(chǎn)品經(jīng)理們閑聊了一些關(guān)于智能投顧的現(xiàn)狀和方向,更重要的問題是探討當(dāng)下券業(yè)該如何突破的問題?
智能投顧的基本釋義是Robo-Advisor,即根據(jù)個(gè)人投資者提供的風(fēng)險(xiǎn)承受水平、收益目標(biāo)以及風(fēng)格偏好等要求,運(yùn)用一系列智能算法及投資組合優(yōu)化等理論模型,為用戶提供最終的投資參考?,并對(duì)市場(chǎng)的動(dòng)態(tài)對(duì)資產(chǎn)配置再平衡提供建議(來自百度百科)。從上面這段描述里面可以提煉出做智投產(chǎn)品的一個(gè)基本流程大致就是:
也就是說,一個(gè)完整的智能投顧產(chǎn)品應(yīng)該是用戶和產(chǎn)品畫像是基礎(chǔ),智能算法是核心,再平衡和用戶決策過程是關(guān)鍵。目前,券業(yè)的智能化應(yīng)用場(chǎng)景大致分為以下幾大類:
智能選股:主要是多技術(shù)指標(biāo)的選股,也支持回測(cè)
智能診股:主要是針對(duì)個(gè)股的“五碗面”
智能客服:包括機(jī)器人客服和人工在線客服等輔助工具
超級(jí)賬戶:針對(duì)用戶的持倉(cāng)倉(cāng)位、盈利走勢(shì)等情況的賬戶分析
智能策略:主要是在線人工策略(咨詢產(chǎn)品、換股建議)+機(jī)器人策略(支持用戶選擇策略創(chuàng) ? 建組合模型,支持實(shí)盤半自動(dòng)化交易)
大類配置:輸出大類資產(chǎn)配置方案,進(jìn)行投后跟蹤管理
針對(duì)這些場(chǎng)景大家也有一些共識(shí),就是類似于智能選股、智能診股、智能客服、超級(jí)賬戶這四個(gè)方面的智能應(yīng)用(美其名曰四大頭)還算不上是智能投顧的范疇,僅僅是一種可視化應(yīng)用工具,未來也應(yīng)屬于券業(yè)app產(chǎn)品的標(biāo)配,一方面是這些工具基本來源于第三方提供的技術(shù)支持,而且產(chǎn)品形態(tài)也比較成熟和穩(wěn)定;另一方面就是這些工具高度依賴于外部的資訊和行情數(shù)據(jù),并不能盤活券商內(nèi)部的核心數(shù)據(jù)資源,做出一些差異化產(chǎn)品。
隨著券業(yè)互聯(lián)網(wǎng)的發(fā)展,券商在智能化的戰(zhàn)略方向上也出現(xiàn)了分層,中小型券商基本仍集中在努力的實(shí)現(xiàn)前面所謂的四大頭(智能選股、智能診股、智能客服和超級(jí)賬戶)場(chǎng)景上;而頭部券商則集中攻克后面的兩項(xiàng)應(yīng)用場(chǎng)景:智能策略和大類配置,而這兩項(xiàng)內(nèi)容也才能真正意義上被稱之為智能投顧產(chǎn)品。本文主要分析下大類配置和智能策略兩個(gè)方向的現(xiàn)狀,以及智能投顧發(fā)展中存在的問題。
大類配置:類iVatarGo們,畫像的精準(zhǔn)匹配
長(zhǎng)江證券的iVatarGo產(chǎn)品在智投領(lǐng)域的智能配置上具有很強(qiáng)的代表性。像iVatarGo這類智能投顧主要是通過分析客戶的投資行為數(shù)據(jù)、交易數(shù)據(jù),形成用戶“畫像”,實(shí)現(xiàn)C端客戶的標(biāo)簽化和B端資訊、金融產(chǎn)品、模擬組合產(chǎn)品、投顧的標(biāo)簽化,為每位用戶提供精準(zhǔn)的個(gè)性化投資資訊、理財(cái)產(chǎn)品以及投資顧問服務(wù)等,核心是標(biāo)簽可視化過程。
要實(shí)現(xiàn)大類配置類的智投產(chǎn)品,一定要做的首要工作就是前端用戶和后端產(chǎn)品的畫像,其實(shí)就是充分盤活券商的內(nèi)部數(shù)據(jù)。先看一組券商在實(shí)現(xiàn)畫像標(biāo)簽化過程中的數(shù)據(jù)流:
數(shù)據(jù)提取范圍:所有正常交易客戶
時(shí)間范圍:5年
存儲(chǔ)數(shù)據(jù)量:86.7億條交易數(shù)據(jù)
提取大類指標(biāo):6類
建模計(jì)算量:1878.5億次/日
業(yè)務(wù)目標(biāo):識(shí)別客戶的投資偏好及投資能力
從上面來看,這類智投平臺(tái)跟做一款大數(shù)據(jù)產(chǎn)品是一樣的,無外乎流程都是從數(shù)據(jù)提?。瓟?shù)據(jù)清洗-數(shù)據(jù)存儲(chǔ)-提取大類指標(biāo)-重組業(yè)務(wù)影響因子-數(shù)學(xué)建模計(jì)算-部署應(yīng)用及模型評(píng)價(jià)。
清洗處理基礎(chǔ)數(shù)據(jù)
券商基本都是先提取全公司近幾年內(nèi)的交易數(shù)據(jù)和部分行為數(shù)據(jù),也就是說對(duì)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)都做了處理,但還沒有做到完全的實(shí)時(shí)自動(dòng)化處理。目前券商用自己的數(shù)據(jù)來刻畫用戶畫像,主要使用的還是通道交易數(shù)據(jù),也就是說真正意義上的用戶行為、消費(fèi)、投資數(shù)據(jù)仍還未完全打通。在數(shù)據(jù)處理階段有兩大難點(diǎn),一個(gè)難題就是數(shù)據(jù)清洗篩選有效數(shù)據(jù),這會(huì)是耗時(shí)最長(zhǎng)的工作。另外就是突發(fā)事件等實(shí)時(shí)的非結(jié)構(gòu)化數(shù)據(jù)處理還有難度。
提取大類指標(biāo)及因子
針對(duì)清洗后的基礎(chǔ)有效數(shù)據(jù),然后提取大類指標(biāo),比如iVatarGo提取了投資總體特征、交易行為特征、投資風(fēng)格、投資能力、投資策略、當(dāng)前持倉(cāng)特征等6大類。關(guān)于大類指標(biāo),每家都有不同的做法,但終歸還是要落地到基礎(chǔ)靜態(tài)指標(biāo)(客戶基礎(chǔ)屬性,產(chǎn)品屬性、風(fēng)險(xiǎn)屬性、價(jià)值屬性等)和基礎(chǔ)動(dòng)態(tài)指標(biāo)(交易行為屬性、交互行為屬性等),然后篩選出這幾類基礎(chǔ)指標(biāo)或者衍生指標(biāo)去組建一個(gè)大類業(yè)務(wù)指標(biāo),比如用戶風(fēng)險(xiǎn)偏好,而每一個(gè)基礎(chǔ)指標(biāo)有多個(gè)影響因子決定,也就是說指標(biāo)體系的建設(shè)路徑是大類指標(biāo)<-基礎(chǔ)指標(biāo)<-影響因子。
開發(fā)業(yè)務(wù)應(yīng)用場(chǎng)景
在做完大類指標(biāo)的模型開發(fā)和評(píng)價(jià)后,就需要去做業(yè)務(wù)場(chǎng)景化。從業(yè)務(wù)應(yīng)用場(chǎng)景來看,其實(shí),iVatarGo類產(chǎn)品主要還是在做最核心的畫像精準(zhǔn)匹配,也就是把C端的用戶畫像和B端的產(chǎn)品畫像進(jìn)行關(guān)聯(lián)匹配,所以說iVatarGo類更應(yīng)該叫一款推薦系統(tǒng),仍還沒有去做大類資產(chǎn)配置的綜合投資方案,但它完成了邁向智投應(yīng)用的最核心一步:用戶識(shí)別與分層匹配。
智能策略:類貝塔牛們,進(jìn)擊的量化決策
廣發(fā)證券的貝塔牛產(chǎn)品在智能策略方向上也算是走在前列的,像貝塔牛這類智投產(chǎn)品主要是基于底層的選股模型和擇時(shí)模型,根據(jù)投資者的風(fēng)險(xiǎn)偏好、投資年限、資金規(guī)模等需求指標(biāo)為客戶提供A股市場(chǎng)的策略建議,并根據(jù)市場(chǎng)信號(hào)向投資者推送操作策略。其核心是選股模型、擇時(shí)信號(hào)和組合再平衡過程。
對(duì)于用戶端的體驗(yàn)流程基本就是:選策略-填需求-創(chuàng)建組合-接收買賣信號(hào)-一鍵跟單交易。通過讓用戶輸入擬投金額、選擇個(gè)人投資風(fēng)格偏好及投資年限后創(chuàng)建一個(gè)投資組合;創(chuàng)建后,定期在交易日盤前推送初始化建倉(cāng)建議,并在運(yùn)行過程中持續(xù)推送包括買賣操作、倉(cāng)位調(diào)整,買賣數(shù)量等買賣建議,用戶可以對(duì)該組合進(jìn)行實(shí)盤一鍵跟單。
要實(shí)現(xiàn)智能策略類的智投產(chǎn)品,大家基本認(rèn)為還是需要整合公司內(nèi)的量化團(tuán)隊(duì)資源,廣發(fā)的貝塔牛主要整合了廣發(fā)發(fā)展研究中心金融工程團(tuán)隊(duì)的量化投資研究成果;平安的量化策略商城也是基于公司的量化團(tuán)隊(duì)研究成果來做。
從上述來看,類似于貝塔牛這種智能策略產(chǎn)品需要充分融合量化投資決策過程,基于平臺(tái)提供的選股模型和擇時(shí)模型,用戶可根據(jù)自己的策略需求構(gòu)建模型,然后跟蹤和再平衡模型追求α收益。如下所示:
選股模型
選股模型主要是負(fù)責(zé)篩選價(jià)值被低估的股票并形成候選股票池。當(dāng)然,每家券商所用的選股模型也都不一樣,“貝塔?!彼褂玫倪x股模型為多因子模型,該模型對(duì)大量的個(gè)股風(fēng)格數(shù)據(jù)進(jìn)行跟蹤測(cè)試,篩選出盈利、股價(jià)反轉(zhuǎn)、換手率、市值以及估值等若干指標(biāo),并運(yùn)用量化模型將指標(biāo)進(jìn)行有效整合,定期挑選綜合得分最高的股票組合,作為選股模型后的候選股票池。
在“貝塔?!逼脚_(tái)上主要提供了短線智能策略、綜合輪動(dòng)策略、價(jià)值精選策略以及靈活反轉(zhuǎn)策略等四種類型的選股策略,用戶首先要選擇相應(yīng)的選股策略構(gòu)建自己的組合模型。其中,
短線智能策略:擅長(zhǎng)波段操作、智能調(diào)倉(cāng)換股,追求彈性收益。
綜合輪動(dòng)策略:擅長(zhǎng)風(fēng)險(xiǎn)控制,采用“相似性匹配”策略,每個(gè)月對(duì)行業(yè)板塊進(jìn)行輪動(dòng)篩選,該策略通 過觀察近期行業(yè)之間的漲跌順序,與歷史樣本進(jìn)行相似性匹配,尋找“似曾相似”的樣本時(shí)期,并以隨后的強(qiáng)勢(shì)行業(yè)作為當(dāng)前配置的依據(jù)。
價(jià)值精選策略:擅長(zhǎng)藍(lán)籌精選,則將選股的范圍縮小至藍(lán)籌股,通過大數(shù)據(jù)策略選擇出各個(gè)行業(yè)內(nèi)估值 最具優(yōu)勢(shì)的個(gè)股,追求穩(wěn)健收益。
靈活反轉(zhuǎn)策略:擅長(zhǎng)布局抄底,則,篩選市值較低且具有相對(duì)超跌特征的個(gè)股,追求大幅反彈。
擇時(shí)模型
構(gòu)建好自己的組合模型之后,就需要擇時(shí)模型發(fā)出買賣信號(hào)。因此,擇時(shí)模型主要就是負(fù)責(zé)控制倉(cāng)位和輸出股票的買入賣出信號(hào),而每家券商都有自己的一套經(jīng)過實(shí)踐的擇時(shí)模型理論。比如“貝塔牛”中使用的是指根據(jù)GFTD(廣發(fā)Thomas Demark 模型)、LLT 等多個(gè)擇時(shí)模型所給出信號(hào)的多空占比情況確定當(dāng)前的持倉(cāng)倉(cāng)位,并給出對(duì)應(yīng)的買入或賣出信號(hào)。
策略執(zhí)行流程
類似于“貝塔牛”平臺(tái)的策略類產(chǎn)品主要的執(zhí)行流程如下:
- step1:選股模型根據(jù)各策略提供的選股因子,對(duì)所有的個(gè)股進(jìn)行打分,然后將得分較高的股票放入候選股票池。
- step2:用戶輸入擬投資金額等個(gè)性化參數(shù)后,組合構(gòu)建模型則根據(jù)該參數(shù)從候選股票池中選取一定數(shù)量的個(gè)股構(gòu)成一只股票組合。為了避免大量客戶操作過于集中,選股模型會(huì)采取一定的隨機(jī)化策略,使每個(gè)客戶生成的股票組合更具個(gè)性化。
- step3:擇時(shí)模型負(fù)責(zé)產(chǎn)生股票的買賣信號(hào)和倉(cāng)位控制信號(hào),提供合適的買賣時(shí)間點(diǎn),并通過倉(cāng)位控制信號(hào)控制組合計(jì)劃的風(fēng)險(xiǎn)。
- step4:組合再平衡模型則負(fù)責(zé)監(jiān)控?fù)駮r(shí)模型產(chǎn)生的信號(hào),配合客戶的組合計(jì)劃形成操作策略。這些操作策略會(huì)實(shí)時(shí)push到用戶的app或者微信等終端上,用戶可以進(jìn)行“一鍵下單”功能批量處理操作策略,將組合復(fù)制到實(shí)盤賬戶。
從業(yè)務(wù)場(chǎng)景來看,類似于“貝塔?!逼脚_(tái)也還僅僅是單一的股票組合,對(duì)于財(cái)富管理下追求長(zhǎng)期投資的大類資產(chǎn)配置方案也還很空缺。
還有幾個(gè)值得思考的問題
無論是券商、銀行還是其他金融機(jī)構(gòu),所有的產(chǎn)品最終都是為滿足用戶需求而落地的,但是金融不同于其他行業(yè)的最大問題就是,無法做到滿足用戶需求的完全匹配,因?yàn)橛脩舻男枨缶鸵粋€(gè):賺錢,但是B端的券商、銀行也都無法做到100%的讓你賺錢。那么在這種情況下,只要穩(wěn)賺不賠的前提不成立,開發(fā)者在資產(chǎn)配置尚不發(fā)達(dá)的國(guó)內(nèi)往往對(duì)于人性的洞察就顯得更為重要,而不是算法。目前的智投類應(yīng)用更應(yīng)該去做的是如何做最大努力的滿足需求匹配??jī)蓚€(gè)方向:教育用戶決策和減少用戶決策,也就是大家說的“教我做”和“幫我做”。
1、教育用戶決策:這一點(diǎn)說的就是券商需要通過對(duì)用戶的全方位分析,讓用戶更加深入的認(rèn)識(shí)自我投資能力,認(rèn)知新的決策過程。比如iVatarGo的做法就是根據(jù)C端客戶的標(biāo)簽,以標(biāo)簽形式為每位客戶進(jìn)行全方位的客戶畫像,通過前端友好的交互體驗(yàn)展示給客戶。說到底也就是在C端提供更多的教育認(rèn)知、決策工具和用戶畫像,讓用戶選擇更好的。
2、減少用戶決策:這一點(diǎn)說的就是券商通過對(duì)用戶和產(chǎn)品、服務(wù)進(jìn)行分析,去做智能化的資產(chǎn)配置。比如貝塔牛的做法就是提供量化策略,幫助用戶組建候選股票池,讓用戶構(gòu)建自己的組合模型。說到底也就是在B端提供更優(yōu)的分析方法、決策算法、資產(chǎn)配置方法以及跟投服務(wù),幫用戶選擇更好的。
其實(shí),目前市面上所謂的智投類產(chǎn)品,都還是比較初級(jí)的概念版。從智投追求長(zhǎng)期策略投資的終極目標(biāo)來看,還需要解決下面這幾個(gè)難題:
問題1:一個(gè)就是標(biāo)的產(chǎn)品不足的問題,智投應(yīng)該追求的是收益風(fēng)險(xiǎn)平衡的長(zhǎng)期策略投資,做大類資產(chǎn)配置,而這種策略下的交易標(biāo)的嚴(yán)重不足,美帝的etf差不多1800,國(guó)內(nèi)大概150+,基本是指數(shù)型etf,債券型和商品型etf較少,要實(shí)現(xiàn)對(duì)沖和分散風(fēng)險(xiǎn)有難度。
問題2:另一個(gè)就是之前說的算法,券商去做資產(chǎn)配置或者投資分析時(shí),仍然可能還是以MPT、APT等量化投資理論為主流方法,但需要人工參與調(diào)參,很少使用深度學(xué)習(xí)等自學(xué)習(xí)的人工智能算法。
問題3:還有一個(gè)就是投后的管理跟蹤,也有很多智投產(chǎn)品聲稱去做持續(xù)跟蹤分析客戶資產(chǎn)狀況、投資行為,隨時(shí)調(diào)整標(biāo)簽,力求在任何場(chǎng)景、任何時(shí)間都能提供最適合的服務(wù)和產(chǎn)品。當(dāng)然,這些僅僅也還是在嘗試中,畢竟組合再平衡的后端決策算法在金融領(lǐng)域還比較基礎(chǔ),機(jī)器學(xué)習(xí)基本為零。
智能投顧,其實(shí)最厲害的不是技術(shù)的實(shí)現(xiàn),而是轉(zhuǎn)變和培養(yǎng)用戶從主動(dòng)投資到被動(dòng)策略投資的行為習(xí)慣,實(shí)現(xiàn)券商服務(wù)向“用戶分層、產(chǎn)品/服務(wù)分層”互聯(lián)網(wǎng)服務(wù)理念的轉(zhuǎn)變,能做到這一點(diǎn)已經(jīng)邁向了智投最核心的方向:精準(zhǔn)化服務(wù)。
最后一點(diǎn),國(guó)內(nèi)約70%的散戶大軍,投資習(xí)慣和理念對(duì)被動(dòng)投資策略的智能投顧產(chǎn)品的認(rèn)知,被教育,接受需要很長(zhǎng)很長(zhǎng)的時(shí)間,這條路還有很遠(yuǎn)。
智能投顧這玩意兒說到底核心還是算法,本質(zhì)還是屬于量化交易的范疇,本身仍需要依賴外部假設(shè)和市場(chǎng)環(huán)境,前面說過智投追求的應(yīng)該是長(zhǎng)期的策略投資,那么在長(zhǎng)期的過程中出現(xiàn)虧損的情況下,如何在業(yè)務(wù)流程及體驗(yàn)設(shè)計(jì)上,說服及教育用戶持續(xù)持有再平衡,其實(shí)很難,至少現(xiàn)在很難,難在人性的洞察。
有人說如何評(píng)價(jià)它是不是一款好的證券產(chǎn)品?能夠幫你活著度過熊市的產(chǎn)品,才是真的好產(chǎn)品。
作者:小平哥,證券互聯(lián)網(wǎng)產(chǎn)品狗,4年產(chǎn)品摸爬打滾經(jīng)驗(yàn),微信公眾號(hào):產(chǎn)品公園。
本文由 @小平哥 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載。
題圖來自PEXELS,基于CC0協(xié)議
每次看到這種文章都要問自己:為什么人家做了四年的產(chǎn)品經(jīng)理就有這樣的理論沉淀
證券咨詢的智能化
你好前輩,想請(qǐng)教一下如何進(jìn)入證券類公司做產(chǎn)品經(jīng)理?新人求教,有意往這方面發(fā)展
很簡(jiǎn)單,先炒股,然后對(duì)證券公司的業(yè)務(wù)有些大致了解,再確定下你趨向于做那塊業(yè)務(wù)的產(chǎn)品,一般在經(jīng)紀(jì)業(yè)務(wù)事業(yè)部和信息技術(shù)部需要一些互聯(lián)網(wǎng)pm,其他投行業(yè)務(wù)、資管、自營(yíng)業(yè)務(wù)不怎么需要互聯(lián)網(wǎng)pm,量化需要一些量化技術(shù)人才,個(gè)人比較看好,然后各個(gè)業(yè)務(wù)版塊也分前中后臺(tái)
股票有一年的實(shí)盤,準(zhǔn)備今年再考個(gè)證券從業(yè)資格證,有什么硬性要求嗎?方便的話可以加個(gè)微信什么的咨詢下嗎
前輩請(qǐng)問證券類的招聘一般在哪里能找到呢?
獵聘網(wǎng)看看證券行業(yè)下面呀,然后看下券商的官網(wǎng)
有什么好的券商推薦關(guān)注嗎前輩