線上填寫
金融知識
智能理財發展新時代-Part1
Google DeepMind 所開發的人工智慧圍棋程式「AlphaGo」2015年開始出賽，短短2年時間，讓全球見證了人工智慧(AI；Artificial Intelligence)進步神速，並一步步涉入人類生活，其中金融業首當其衝。
金融業過去依賴人力或機器來完成統計分析與建立模型，而建立於大數據累積分析，能深度學習的人工智慧演算，從圍棋比賽結果可見，在分析與預測上，假以時日很有機會超越人腦。
全球主要地區機器人理財(Robo-advisor)發展進程來看，以美國發展最早，主要關鍵在於2008年當時發生金融海嘯的背景下，投資人對於銀行失去信心與信任感，目前美國機器人理財公司如Betterment 、WealthFront、Personal Capital、Future Advisor等公司最早跨入此領域，另外美國最二大資產管理公司的領航集團(Vanguard)與美國最大的折扣券商嘉信理財(Charles Schwab)也紛紛推出智能理財的服務。
到了2011年，歐洲也開始加入機器人理財公司的發展，例如:目前英國前二大機器人理財公司Nutmeg與Scalable Capital，以及2014年發展到了日本、香港及新加坡等國家，例如:日本的 MONEY DESIGN 、瑞穗銀行（Mizuho Bank）及香港的8 Securities ，而這股旋風也在這兩年蔓延到了台灣。
從美國機器人理財公司之概況與服務對象來看，可以發現，大部分的機器人理財服務是直接對一般客戶，即B to C的模式，另外有些公司則是提供模組化與金融業者合作，類似白牌機器人理財的服務；英國第二大機器人理財公司Scalable Capital就是要同時服務一般客戶與企業用戶。
國際知名諮詢公司AT Kearney 預測，美國從2016年到2020年機器人理財市場複合增長率將達到68%，資產規模將達2.2兆美元，其中有一半可能是從傳統的投資管道轉移過來，顯示機器人理財發展的普遍化。
二、甚麼是機器人理財(Robo-Advisor)?
機器人理財應該是今年台灣金融業中最熱門的搜尋關鍵字之一，也稱線上自動化投資理財服務，一般而言是指透過線上平台，根據客戶的理財需求與風險偏好等各項資料調查，並透過演算法在線上直接提供投資理財建議，取代傳統都由人工提供的理財服務。
多數機器人理財公司主要以多元化、智慧化、低門檻、低成本為特徵，且在歐美幾乎都是以ETF (Exchange Traded Fund)為投資元件，提供一資產配置組合，並提供交易執行、資產再平衡、稅收盈虧收割(Tax Loss Harvesting；這主要是在歐、美有此稅賦抵減功能)、房貸償還、稅收申報等增值服務。大部分的機器人理財服務的步驟大致如下所示:
Step1: 瞭解客戶需求與風險屬性(KYC)
理財計畫經常涵蓋多個目標，例如：退休規劃、購屋、子女教育資金或儲蓄需求等，不同的投資目標，將影響到投資時間、報酬率與風險的要求。另外，也需要考慮投資人的風險承受度，以防止投資人在投資期間面臨無法接受的損失。下表為Wealthfront所設計的線上問題:
Step2:透過演算法提供投資組合
投資組合的設計需要將客戶需求，特別是報酬率目標、可承受損失、投資期間、納入投資組合的建構之中，進而形成一合適的理財計畫，資產配置的方法包含金融數據的蒐集、AI演算法、投資組合最適化等技術。以Betterment為例，提供投資人設定各種投資目標與風險調查後，提供投資人保守、中性、積極三種投資組合，系統將會試算可能的風險與報酬，並建議投資人該如何達成投資目標。
Step3:執行投資方案
投資人開始進入開戶與投入資金的流程，建構屬於自己的投資組合。首先，在投資門檻上，一般金額越高，費用率越低。在美國，執行機器人理財的管道可以是投資人將資金存入理財帳戶，讓機器人理財顧問可以直接管理帳戶的的資金，進行投資組合配置。另外一種，則是投資人並未進行資金移轉，投資人只被動接收機器人理財顧問所提供的投資組合建議，並再自行進行調整。由下圖，投資人透過Wealthfront建立教育基金的投資計劃，Wealthfront建議隨子女越接近大學就學時期，投資組合的債券部位同步增加。
Wealthfront股票與債券投資組合配置
Step4: 定期檢視並調整投資組合(Rebalance)
投資績效的結果需要至少以季度與年度方式進行檢視，對於理財目標偏離狀況、警示、與所需要的調整，必須加以說明，讓投資人可以完整知道投資組合的績效及損益來源。另外，機器人理財也必須提供定期的調整機制，讓投資組合在不同市場環境仍可滿足其投資目標。
下一篇將繼續介紹機器人理財與傳統理財顧問的差異….
