机器人顾问行业投资组合风险：效率还是偷工减料？

已发表: 2022-03-11

机器人顾问在过去十年中日益突出，金融科技子行业鼓励年轻投资者和大众更积极地参与储蓄和投资。机器人顾问旨在使财务建议民主化，并提供以前只提供给富有的老练投资者的高质量服务。简而言之，智能投顾是一种将投资组合策略外包给算法的投资管理形式。投资组合构建和再平衡在计算机的帮助下实现自动化，提供更实惠的财富管理解决方案，并可能减少人为错误和偏见。

该领域的许多初创公司都在努力实现收支平衡并展示品牌差异化。机器人顾问在传达投资组合的真实风险的同时继续使投资民主化并扭亏为盈的最佳方式是什么？

机器人咨询从何而来？

Betterment 和 Wealthfront 是最著名的两个机器人顾问，前者于 2008 年率先推出。到 2019 年，该行业估计在全球管理着 4400 亿美元的资产，随着时间的推移，传统财富管理机构，如Vanguard，也采用了这样的技术。虽然与 Robinhood 等仅执行交易平台完全不同，但这两个行业的金融赋权信息已被年轻投资者所接受，他们传统上直到职业生涯后期才对退休储蓄产生积极兴趣。

受欢迎的智能投顾的关键价值主张之一是，它们帮助客户了解与投资组合相关的风险和成本，而不是只关注回报。反对传统财务顾问主导的财富管理的论点是激励措施的错位，其中昂贵且表现不佳的资产流向了投资者，他们无法客观地解析数字以了解业绩。为此，机器人顾问一直是被动投资的支持者，避开昂贵的主动管理基金，用于经济型指数基金和交易所交易基金 (ETF)。

风险管理和机器人顾问

虽然大多数机器人顾问通常采用现代投资组合理论（有时与其他经过充分研究的方法相结合）来构建投资者投资组合，但他们使用不同的方式来表达与这些投资组合相关的风险水平。大多数投资专业人士同意，风险与投资组合选择的回报一样重要。事实上，绝大多数从业者继续受到诺贝尔奖获得者 Harry Markowitz 1952 年关于投资组合选择的论文所阐述的均值方差优化框架的启发。

然而，一般投资者通常不像预期回报那样了解风险。这是因为个人的风险承受能力不仅取决于过去的表现和理性预期，还取决于独特的个人环境和其他情感因素，例如希望和恐惧。此外，个人的风险承受能力几乎不是一个静态的衡量标准。由于 COVID-19 带来的不确定性，大多数人肯定会认为他们在 2020 年的风险承受能力比过去十年中的任何时候都要低。推荐投资组合的可取性由投资者部分通过他们自己对投资组合风险的看法来评估。这就是为什么机器人顾问必须清楚地说明风险，以便投资者能够了解风险并将其与自己的容忍度、目标和情感偏好联系起来。

机器人顾问使用定量或定性措施来帮助客户了解风险。每种措施都有其优点和局限性。

定性风险水平：激进还是高速增长？

大多数机器人顾问根据投资者如何回答预先定义的心理测量问题列表来分配定性风险评级。这通常在从“非常保守”到“非常激进”的数值范围内。

定性风险评级具有明显的优势，因为它使投资者更容易感知各种投资组合相对于彼此的风险。例如，被赋予“激进”评级的投资组合可能天生就比被标记为“保守”的投资组合风险更大。心理测量问题有助于缩小投资者对损失的容忍度并确定适当的风险水平。

但是，定性评级可能无法清楚地了解投资组合的预期可变性。与温和的投资组合相比，激进投资组合的波动性有多大可能并不明显。最有可能的是，风险评级为 6 可能并不意味着投资组合的风险是评级为 3 的投资组合的两倍。此外，对风险的看法可能会因风险评级的表述方式而异。投资者可能会以不同的方式看待高风险投资组合，具体取决于它被标记为“高增长”还是“非常激进”。因此，这种分类为投资组合的感知吸引力引入了一层主观性。

我对机器人顾问过分强调定性风险的担忧是，它可能会让投资者对其投资组合的持续表现产生错误的安全感。激进/保守范围内的任意风险评分可能过于宽泛，最终导致投资者做出次优的融资计划决策，其情况可能比以前想象的更复杂。对过度简化风险的担忧在监管机构关于机器人顾问从事系统性错误销售的呼吁中得到了回应，投资者未能了解该产品的真实性质。

通过客户教育更多地采用机构量化风险措施（银行、基金和家族办公室使用）可能是下一阶段机器人咨询的关键。这可以真正推动行业向前发展，并与提高金融知识教育的国家运动相呼应。

投资组合的量化风险度量

驯服波动性：风险价值

风险价值（VaR）是衡量投资组合波动性的最常用指标。简单地说，VaR 是在一定概率水平（也称为置信水平或百分位数）的最小预期损失的度量。例如，如果一个投资组合的 99% VaR 为 12%，这意味着在给定时期内投资组合的损失有 99% 的可能性不会超过 12%。换句话说，投资组合损失超过 12% 的可能性为 1%。 VaR 已经被一些机器人顾问应用，其中一个例子来自新加坡的 StashAway，该公司将 99% 的指导方针融入了一项称为“风险指数”的衡量标准中。

VaR 可以使用不同的方法计算。历史方法按大小对投资组合的历史回报进行排序，并确定在某个百分位（通常为 95% 或 99%）观察到的回报。方差-协方差法假设收益呈正态分布，并使用投资组合的标准差来估计最差的 5% 或 1% 收益将位于钟形曲线上的哪个位置。 VaR 也可以使用蒙特卡罗模拟来估计，该模拟根据概率结果产生最差的 5% 或 1% 回报。

VaR 之所以受欢迎，是因为它使投资者很容易理解投资组合的可变性，并将其与个人对损失的承受能力联系起来。但是，我们可以根据用于计算 VaR 的输入和方法获得不同的结果，从而影响测量的可靠性。此外，VaR 在很大程度上依赖于许多假设，例如收益呈正态分布并与历史收益保持一致。最后，12% 的 99% VaR（如上所述）并未告知投资者在最坏情况下可预期的损失金额。

VaR 背后的各种警告可能会限制其在机器人咨询平台中的重要性，因为它被视为用户理解的复杂指标。 StashAway 将其品牌化为更易于理解的指标的示例显示了如何更有效地打破这些障碍。

有条件的风险价值

解决 VaR 的缺点之一，即条件风险价值或 CVaR，可以在最坏的情况下为投资者提供预期损失。在 99% 的置信水平下，CVaR 计算为最差 1% 情景下的平均投资组合回报。 CVaR 使用与 VaR 类似的方法进行估计。虽然与 VaR 相比，它可能有助于更清楚地了解最坏情况，但由于估计中使用的假设和方法，它可能存在类似的缺点。

2020 年的市场脱节往往会破坏正态分布模式，这表明添加更多“3 维”投资组合风险衡量指标（如 CVar）可能是有利的。考虑到大多数机器人资产是指数基金（一篮子股票），CVaR 数据与标准 VaR 度量相结合将增强机器人顾问的风险管理产品并非常适合。

最佳和最差回报

最佳和最差回报与给定时间范围内证券或投资组合的滚动定期回报有关。根据投资者的时间范围，可以每天、每月或每年计算回报。时间范围通常由数据的可用性决定，但如果我们不使用足够长的时间范围，它可能会影响观察到的最佳和最差回报。

美国资产的最佳和最差回报：1973-2016

该衡量标准使用历史回报率来为投资者提供最佳和最坏情况的指标。一个明显的优势是，与 VaR 不同，它区分正回报和负回报，而不是假设正态分布。投资者往往不介意积极的波动性，主要担心绝对的下行风险。此外，与 CVaR 不同，它显示了观察到的绝对最差回报，而不是取平均回报，这可能会低估最坏情况。然而，与其他定量测量一样，这往往是向后看的，并且还取决于观察结果的数据集。

最佳和最差回报风险衡量标准非常适合智能投顾平台，因为它们可以清楚地与投资者沟通，而不依赖于令人生畏的财务比率。然而，其中一个风险是它们可能会发挥非理性偏见，并鼓励恐慌性抛售进入下跌的市场或顽固地抓住失败者。

自己衡量量化风险

让我们看一下如何计算单一资产投资组合的 VaR、CVaR 以及最佳和最差回报。考虑的资产是SPY，这是一种追踪美国大盘股的ETF。

用于以下计算的数据与 2007 年 7 月至 2020 年 6 月期间的资产净值和 SPY 月度回报有关。可以使用 Excel 或 Google 表格函数进行计算。

VaR - 11.8% VaR 意味着 SPY 在给定月份损失超过 11.8% 的概率为 1%。换句话说，SPY 在 99% 的月份提供了比 11.8% 的损失更好的月度回报。步骤（谷歌表格/Excel）：

根据股价/资产净值数据计算历史月度回报。
使用 PERCENTILE.INC 函数，使用历史收益数组和所需百分位数（例如，99% 区间为 1%）作为输入。

CVaR - 14.5% CVaR 意味着在 1% 的最坏结果期间，SPY 的预期每月损失为 14.5%。这可以在 Google 表格/Excel 中通过使用 AVERAGEIF 函数来计算小于 VaR 结果的平均收益来确定。

最佳和最差回报- 如表所示，SPY 在 2007-2020 年期间观察到的最佳和最差月度回报分别为 +13% 和 -16%。这些可以使用MIN和MAX函数快速计算。

如前所述，重要的是要注意这些措施可能会产生不同的值，这取决于方法和观察期。方法和期限的选择应基于数据可用性、预期投资时间范围和个人判断等因素。

通过定量测量进行区分

传统财富管理的基石是根据个人需求定制投资组合，无论是时间跨度、道德、风险偏好和收入需求；为此，每一种方法都是定制的。机器人咨询的吸引力在于其自动化方法如何在大量客户群中发挥作用。

但是，智能投顾需要帮助客户清楚地了解其投资组合产品的风险收益权衡，以便他们可以选择满足其个人需求的正确投资组合。定性风险测量是机器人咨询的一种易于理解的“坡道”，但随着时间的推移，它们的参数可能变得多余。但是，当与此处概述的定量风险措施结合使用时，它们有助于提供更全面的风险管理指南和对投资组合绩效的认识。