近期智能投顾的概念大热，昨天我们的文章就给大家介绍了智能投顾在中国的发展现状。从创业者到投资人，从投资人到上市公司，人人都想着在智能投顾的浪潮中当一回飞猪，很多人殊不知什么是智能投顾、什么是降低风险、什么是配置？今天就给智能投顾泼泼冷水，说说智能投顾为什么在国内会“水土不服”。
1.资产覆盖率低。目前市场上的智能投顾，大多数都是p2p或者公募等，某一特定类资产下的智能投顾，部分平台做了跨资产类别的配置（基本上都有资金池的嫌疑，容易跟非法集资挂上钩），所以使得智能投顾并没有发挥配置降低系统性风险的作用，故而大多数智能投顾都是伪的。
美国的标准化金融产品对资产的覆盖率可达到90%以上，这跟中国的情况完全不一样，最直观的表现就是中国的固收产品、债权产品等资产占整个融资市场至少30%，从而使得中国无法像美国一样大多数只需要买股票就好（因为美国的股票对资产的覆盖率足够高，使得系统性风险可以降到最低），加上美国允许持有RIA的机构可以进行经纪业务，所以催生了Betterment、Motif等平台。
2.法律监管限制。法律层面上，国家只允许银行、信托公司受人之托建立资金池做错配，其他类的平台涉及信托类业务，必然会碰到非法集资红线。凡是做跨金融产品的互联网金融平台，尤其是所谓的结构化金融产品，大家要小心了，这块是一个随时可能爆发的灾区。
现阶段，大多数分散风险的结构化金融产品，主要集中在公募、私募、基金等产品的管理人端，而且非由投资人决策投向。目前信托是唯一可以做受人所托，代客理财的唯一通道（信托的百万门槛限制是大多数的人无可奈何的），其他类的方式只能以咨询的形式存在，不能设立资金池，这是国家为了保护投资人权益而做的硬性规定。3.跨资产类别的账户统一。国内的一行三会分业监管，使得智能理财最大的障碍在于用户的电子账户统一，不能像美国betterment那样用户可以实现在不同电子账户之间进行随意做转让结算，并且通过降低手续费吸引用户。
总而言之，智能投顾是需要运用数学模型／算法，根据多维度历史数据、用户的个人财务现状等作出的符合用户本身的配置建议，对数学人才、计算机编程人才、金融资产配置人才具有很高的要求。如果后期有人说他是做智能投顾的，你可以从用了什么数学模型，什么经济学模型，公司团队背景如何大概能够判断出是不是伪智能投顾了。
关于如何解决以上问题，其实我想说：为什么不直接做海外平台的代理？这样会更安全些，而且站在了巨人的肩膀上。自建一个平台，先不说资源浪费，对海外资产了解的人才也是远远欠缺的，毕竟这个行业不像电商等消费品行业可以直接搬过来复制，金融行业核心玩的是风险定价，具有很强的本地特色，也就是“土鳖”特色。
国外平台的智能投顾表面上看起来很美好，其实也很苦逼，毕竟全球做资产管理的公司大多数都是赔的，更不用说针对个人散户了，总结国外智能投顾的现状：根据历史数据建立模型分析，利用被动式策略管理，收益率低下，费力不讨好，对于用户来说并没有太多的诱惑力（基本上吸引用户的都是交易费率低或转换平台成本低之类的），唯一对平台的好处就是所谓的降低生成本，但所属行业是资产管理，风险与规模是正相关的，故而并非真正体现了智能投顾的好处。况且，现阶段全球的智能投顾都处于探索阶段，投顾涉猎范围不是机器能够涉猎全的，就算全了开发成本也太高了，完全跟不上金融的产品开发周期。
国内平台的智能投顾还处于概念阶段，基本上没有一家真正意义上的智能投顾，毕竟智能投顾是一个门槛很高的行业，全部拿业绩说话的，不是谁想做就能做的，谁是裸泳谁是真金运行一段时间就能看到结果，所以笔者呼吁国内的“伪智能投顾”思变。
中国智能投顾的出路是什么？
昨天看到Wealthfront的一个朋友提到Betterment推出了一个服务，与理财师合作出租自己的智能化配比方案，值得国内的同行深思。
要了解过国内的出路，不妨先思考下未来行业的趋势：财富管理入口化。笔者做流量做了很多年，深刻理解流量时代的王者心态。随着资产选择越来越多，用户的专业度要求也越来越多，投入的精力也越来越多的时候，就出现了15年的全民搞金融搞理财（民族的悲哀），16年慢慢回归正常，但是反应了一个事实：用户的财富管理需求产生了，并且巨量爆发，但是靠用户本身解决已经无可能了，需要寻找一个承载此需求的载体，成为当下市场最大的命题。同时，用户的习惯，也从最初的自己搜索转向基于场景的财富管理需求，折射出流量思维到场景思维的转变。
中国的中产财富管理行业的起点要比美国高，一定程度可以直接对标的是家族财富管理办公室的配置方法，这个是由中国的国情决定的。场景化的财富管理分为两层：跨资产类别，跨周期。解决好这两个问题是解决好国内财富管理问题的出路。解决好这两个问题的解决方案可以参考：理财师和智能投顾相结合的方式（前面提到的Betterment的思路也可以参考）。（文：占冰强，北京哪个医院看白癜风病最好哪个医院治疗白癜风好
