智能投顾服务费是什么
智能投顾服务费是指在使用智能投顾服务时需要支付的管理费用。【摘要】
智能投顾服务费是什么【提问】
智能投顾服务费是指在使用智能投顾服务时需要支付的管理费用。【回答】
能不能再展开讲讲?【提问】
智能投顾服务费是由提供投资咨询服务的机构或平台向投资者收取的一种费用。智能投顾服务是一种基于人工智能和大数据等高科技手段的投资咨询服务,其具有高效性、准确性、低成本等特点。因此,智能投顾服务费用相对于传统投资咨询服务费用普遍更加低廉。投资者可以通过缴纳一定费用,获取智能投顾机构或平台提供的投资建议和投资组合等服务。同时,投资者在选择智能投顾服务时也需要注意了解服务费用的具体构成和收取方式等信息,以便更好地进行投资决策。【回答】
智能投顾是什么意思 主要有哪些特点?
在2021年年底,银行智能投顾业务迎来大调整,多家银行纷纷按下了智能投顾业务的“暂停键”,比如:招商银行旗下的“摩羯智投”等。那么,究竟智能投顾是什么意思?主要有哪些特点?下面一起来了解一下。
智能投顾 智能投顾英文叫做robo-advisor,我们直译过来是机器人投资顾问,是一种新兴的在线财富管理服务,是指虚拟机器人基于客户自身的理财需求,通过算法和产品搭建一个数据模型,来完成以往人工提供的理财顾问服务。
其实,不仅仅是银行在使用智能投顾,不少券商和基金代销平台等也会有这项服务。智能投顾主要有三大特点,分别是:分散、个性化、以及长期投资。以上就是关于智能投顾含义和特点的相关解答,希望能帮到有需要的朋友。
银行为何集体下架智能投顾产品
监管是智能投顾业务下架的推手之一。至于这一轮银行集体下架智能投顾产品,最重要的推动因素来自监管。2021年11月,监管部门发布《关于规范基金投资提案活动的通知》(以下简称《通知》)。通知指出“部分机构将基金投资咨询业务与基金销售业务混为一谈,提供基金投资建议活动”,并明确“提供基金投资组合策略建议活动为基金投资咨询业务”。《通知》要求,不具备基金投资顾问业务资格的基金销售机构,应当在2022年6月30日前,将股票募集基金组合策略建议活动整改为符合前述法律关系的基金销售业务。翻译这句话,大意是:如果银行没有基金投资牌照,只能进行“基金销售”,即通过银行渠道选择单只基金购买。智能投顾产品的本质是“推荐基金组合产品”。没有牌照,其实属于踩监管红线。这也是建设银行、农业银行、中信银行等银行纷纷脱下智能投顾产品的原因。经营业绩不理想。不过,在获得基金投顾牌照的近60家机构中,工商银行、招商银行、平安银行榜上有名。他们脱下智能投顾产品的原因更为“根本”——产品性能不尽如人意。我们在知乎、百度贴吧、微博等社交媒体平台收集了线上用户对各家银行智能投顾产品的反馈,发现:对智能投顾服务满意的用户数量在5%以内。大部分用户反馈的都是“费用太高”、“用处不大”、“收入太低”、“不智能”、“体验差”、“设计忽悠”之类的问题。虽然这些表达意见的群体可能会有偏差,比如有意见的人发出自己的声音,发财的人在沉默中发财。但总的来说,智能投顾产品的表现很一般。从2019年开始,我团队里的两位博士和一位研究助理做了一个小实验:两位博士属于“懒人”,选择基金重仓后“躺平”,即使最近20%的亏损也是“装死”;小男孩的研究助理尝试了一个大AI投资。2020、2021年行情好的时候,年轻男生的收入只有两个博士的1/5。2022年,虽然他的回撤比两位博士小,但扣除手续费后,小男孩的AI投资业绩仍与两位博士的选择相差甚远,三年累计回报5.1%,两位博士分别为20.1%和22.5%。艾的定制化投资组合包括15只基金,其中4只货币基金占比近30%。在此期间,他想购买一个风险等级较低的产品组合,但因为产品风险特征与自己的风险等级评估不符而被拒。爱投资推荐过几次组合调整,他也做过三次调整,手续费一次比一次高。最高调整的手续费按收入的1.5%扣除-所以最后他感叹“不如问问姐妹们哪些基金靠谱,买了吧”。为什么智能投顾的表现不好?最重要的原因是算法服务的谬误。智能投顾的核心是输入客户数据、产品基础数据、产品历史业绩数据和市场数据,采用一些相关性和预测性的算法模型,结合资产配置模型(均值方差、BL模型等。)到输出分配。因为纯粹是算法驱动,很容易产生以下谬误:在了解客户需求时,往往会“一刀杀鸡”。任何细微的方法,比如语义分析、知识推理算法,都可能因为客户无法反映自己的需求而被机器误解误读。很多时候,复杂的问答系统加上算法,可能还不如理财经理问“这一万块钱你想做什么?”。个性化很难,也很容易产生。形式大于服务。在询问客户时,他们往往不愿意透露自己的真实信息、资产全貌和投资动机。机器捕捉到的数据显示,它们看起来一样,但背后的真实诉求却大相径庭。同样的参数,同样的算法,产生同样的配置结果,却离真正的个性化诉求服务越来越远。在配置算法方面,会有算法的局限性。算法的局限性主要体现在两个方面。一方面,由于配置算法最终是由开发人员编写的,只要算法的开发人员不将常见的投资者行为偏差和错误的业绩归因嵌入到他们的代码中,这种偏差就会传递到客户的投资组合中。另一方面,基于历史数据的模拟结果精致,但应用前提非常苛刻。只有当历史数据与未来一致时,有效性才高。