張曉燕：金融科技賦能智慧財富管理

文/清華大學五道口金融學院副院長、清華大學國家金融研究院副院長張曉燕

滿足人民群眾日益增長的財富管理需求，是新時代中國機構投資者面臨的歷史機遇。本文認為，個人投資者因選股能力較弱，自己進行股票投資的回報率較低，無法很好地實現(xiàn)財富的保值增值，這對于機構投資者來說是一個很好的發(fā)展機遇，且人工智能算法在資產配置方面確實已表現(xiàn)出了能提升機構投資者資產管理效率的潛力。

中國機構投資者的機遇與挑戰(zhàn)

近年來，隨著中國經濟水平的日益增長，中國人均國內生產總值（GDP）即將突破1萬美元大關，中國居民的財富也在快速積累。根據(jù)《經濟日報》發(fā)布的《中國家庭財富調查報告2019》統(tǒng)計：2018年我國家庭人均財產為20.8萬元，比2017年的19.4萬元增長了7.49%。滿足人民群眾日益增長的財富管理需求，是新時代資本市場發(fā)展的重要使命，也是中國機構投資者面臨的歷史機遇。

另外，中國機構投資者也面臨著三方面的挑戰(zhàn)：

第一，中國的機構投資者面臨著內在轉型壓力。隨著資管新規(guī)要求資產管理業(yè)務不得承諾保本保收益、限制非標投資等舉措的落地，中國資產管理行業(yè)正在進入一個規(guī)范化、高質量的發(fā)展階段。

第二，中國的機構投資者也面臨著外資競爭威脅。隨著中國金融業(yè)加快國際化進程，在2020年前中國將取消外資對金融服務企業(yè)所有權的限制，歡迎金融領域有更多的海外機構參與競爭。

第三，金融科技也給傳統(tǒng)機構投資者帶來新的挑戰(zhàn)。全球各國都不遺余力地大力推動人工智能技術在各個行業(yè)中的應用，中國政府也高度重視。2019年8月，中國人民銀行印發(fā)《金融科技(FinTech)發(fā)展規(guī)劃(2019—2021年)》中明確指出金融科技發(fā)展的重點任務之一是合理運用金融科技手段豐富服務渠道、完善產品供給、降低服務成本、優(yōu)化融資服務，提升金融服務質量與效率，使金融科技創(chuàng)新成果更好地惠及百姓民生。

個人投資者實現(xiàn)財富的保值增值了嗎

我們的第一個研究問題是，個人投資者自己是否有能力自己管理資產，實現(xiàn)財富的保值增值？為了回答以上問題，在我們團隊最新的工作論文中（Jones、Shi、Zhang和Zhang，2019），我們對2016年到2019年期間中國某交易所全部5000萬個交易賬戶的近50億條交易數(shù)據(jù)進行了統(tǒng)計分析。從圖1中可以看到，從成交量角度看，個人投資者占據(jù)全部成交量的80%。但是從圖2的持股角度看，個人投資者只占流通股的21%，而機構投資者占17%，剩余60%是公司持股。這說明中國的個人投資者的一個特點是非常喜歡交易，而并不喜歡長期持有股票。個人投資者的這種投資行為會導致什么后果呢？他們的投資表現(xiàn)如何呢？通過對他們賬戶的分析，我們發(fā)現(xiàn)，平均來看，由于個人投資者的選股能力較弱，對公開信息處理能力有限，導致不同賬戶規(guī)模的個人投資者都是不怎么賺錢的。

金融科技能否助力機構投資者，幫助居民管理財富

由上面的研究我們可以發(fā)現(xiàn)，由于中國個人投資者的財富管理能力較弱，如果自己進行投資決策的話，很容易在股票市場并不能實現(xiàn)財富保值增值的目的。機構投資者作為專業(yè)的資產配置主體，顯然在平衡投資的風險與收益、幫助客戶管理財富上要做得更好。我們的第二個問題是，金融科技這樣的新興技術能否助力傳統(tǒng)金融機構投資者提高資產配置效率？

機構投資者需要根據(jù)不同客戶的風險承受能力，幫助客戶進行科學的資產配置，而資產配置的核心問題在于需要對資產的未來收益率進行科學預測。也就是需要根據(jù)科學的研究，選擇未來一段時間表現(xiàn)好的資產，避開未來一段時間的價格下跌的資產。而股票收益率的可預測性一直都是金融學界研究的焦點。經典的有效市場理論認為股票市場不能被公開市場信息預測，然而越來越多的研究表明，很多變量（例如，利率、通貨膨脹、投資者情緒、方差風險溢價等）都能顯著地預測未來的股票市場收益率。除了市場收益率，能夠預測橫截面?zhèn)€股的收益率預測的股票特征更是超過400個，被戲稱為“因子動物園”。在有了這么多因子后，個股收益率到底能在多大程度上被預測？到底哪些股票特征真正為樣本外收益率預測提供了有效信息？人工智能算法能否提高預測結果？機構投資者能否利用金融科技提高股票資產配置賺取超額收益？為了回答以上問題，我們的第二篇工作論文（Wei、Wu和Zhang，2019）研究了不同的機器學習方法在中國股票收益率可預測性問題的答案。

研究中國股票樣本外收益率可預測性的難點有以下三點：

第一，影響股票收益率的因素非常多，且信噪比非常低，在這種面臨高維稀疏矩陣的情況下，傳統(tǒng)計量經濟模型會擬合過多的噪聲，導致十分難以提取有效信息。

第二，股票預測特征變量與股票收益率之間的函數(shù)關系并不確定，如何捕捉預測變量與收益率之間的非線性結構是第二個難點。

第三，中國股票市場從成立到現(xiàn)在只有短短的二十幾年，股票市場制度依然處于不斷完善的階段，有著自身的特殊性。在中國股票市場，構造有預測能力的股票特征，并探索哪些個股特征包含的信息含量更高，都是十分有挑戰(zhàn)性的問題。機器學習模型在降維、懲罰項和泛函數(shù)等技術上的突破在解決以上問題上具有天然的優(yōu)越性，目前機器學習技術已經成為金融領域中的應用前沿之一，特別是在預測金融市場運動、處理文本信息、改進交易策略方面。

我們研究主要發(fā)現(xiàn)有兩點：第一，歷史交易數(shù)據(jù)信息對下個月個股股票收益率依然有預測效果，且機器學習算法的樣本外預測效果優(yōu)于傳統(tǒng)計量經濟學模型。第二，機器學習算法與資產定價研究結合有顯著的經濟意義。如表1所示，高級神經網(wǎng)絡等權重多空策略資產組合的績效表現(xiàn)在所有模型中最好，在2010年到2019年10月的樣本外測試期內平均年化收益率為35.76%，平均年化波動率14.82%；而基于傳統(tǒng)線性模型，使用中國三因子（規(guī)模、價值和市場）股票特征進行加權選股，構造股票投資組合的年化收益率為15.60%，平均年化波動率為23.79%。同期滬深300指數(shù)的年化收益率為3.48%，平均年化波動率為23.97%。圖3顯示了三個不同投資策略的累計收益率表現(xiàn)情況，如果在2010年投資1元錢，到了2019年，投資于滬深300指數(shù)能得到1.18元，投資于人工智能基礎算法策略能得到3.30元，投資于人工智能高級算法策略能得到26.27元。

從我們的兩篇研究中可以得到以下結論：雖然中國個人投資的財富管理需求正在快速增長，但是目前中國的個人投資者的投資能力有限，自己進行股票投資的回報率較低，無法很好地現(xiàn)實財富的保值增值。這對于機構投資者來說是一個很好地發(fā)展機遇，并且人工智能算法在資產配置方面確實已經表現(xiàn)出了能夠提升機構投資者資產管理效率的潛力。

本文已標注來源和出處，版權歸原作者所有，如有侵權，請聯(lián)系我們。

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。