理專跟智能理財你喜歡哪一個？

機器人不等於智能理財！！

機器人理專、機器人理財、智能理財....

這些最近逐漸因為 FinTech 而開始熱門的討論，

我在兩三年前就已經持續在觀察，

不過最近許多文章與受訪者的評論，

還是讓我忍不住想跳出來評論一下。

 

國內很多文章，在介紹這樣的概念時，

都會先拿實體的機器人來投射，

譬如剛正式引進台灣的 Pepper。

不過 Pepper 這種負責介紹的機器人，

跟所謂的智能理財差的可遠，

甚至很多在分行擺個抽號碼牌的機器人

就認為自己是數位分行的銀行，更是純粹來搶版位。

 

繼續看下去...

 

(贊助商連結)

 

 

外國的月亮沒有比較圓

台灣跟國外的稅賦制度與環境都不同

國外的智能理財可以分成很多段討論，

主要包含瞭解客戶，

以及客戶與投資資產間的選擇，再來是資產的運用。

 

在歐美國家有複雜的稅務問題，

是否實現資本利得以及退休帳戶型態都會影響客戶的稅賦，

這種複雜的計算往往需要有專業的人士規劃，

才能夠獲得解決。

再加上國外對於投資理財的自主性沒那麼高，

且在強迫自行提撥運用退休金的規範下，

變成一種不得不去做，又很難理解的負擔。

因此智能理財才有介入空間。

 

 

 

 

智能理財的價值

在於把複雜運算模組化

滿足客戶的特殊需求

首先在瞭解客戶方面，

透過一些問題瞭解客戶稅務狀態、

退休帳務屬性以及風險偏好，

能夠提供適合的投資組合，且投資組合的調整運用，

會依照稅制的條件而決定產品跟損益認列的規則。

 

其次客戶有各種理財需求，有的期間長，有的期間短，

透過不同目的與對風險的承擔，

智能理財的優勢也是快速的配對與調整。

這些動作過去要比較有經驗的專家，

或是透過複雜的計算才能夠提供建議給投資人，

但費用往往也比較昂貴。

智能理財的價值是把這些判斷規則套用在演算法，

讓同樣的判斷邏輯

能更廣泛也更即時的反應在每個客戶的資產樣態上。

 

因此智能理財就規劃面來看，

其價值應該是把複雜運算模組化，

客戶的特殊需求能快速連動資產配置。

但這個條件在台灣比較不成立，

因為台灣沒有資本利得稅，

所以進出買賣不需要考量稅賦問題，

其次沒有退休金自提運用的規範，

所以大家的退休金目前還是交給政府去運用。

如果未來把運用權還給一般民眾，

那些廣大不了解投資的民眾，

對於這種服務應該就會有比較強烈的需求。

 

 

 

智能的重點在於

提供客戶適當的資產配置

而不是打敗大盤的報酬

接著是討論資產運用面，

國外的智能理財大多是自建研究團隊，

但不是主觀判斷，

而是多以客觀學術的方式去配置運用資產，

且大部分都選用ETF，這是有其原因的。

 

因為 Robo Advisor 並不是 Robo Fund Manager，

也就是說智能的重點是在給客戶適合的配置，

並不是訴求機器人操盤有多厲害。

大部分的智能理財公司其實追求的並非大敗大盤的報酬，

更不會訴求能賺多少錢，

反而是追求考量人性後、通膨後、考量建議成本、

考量交易成本、考量產品成本、考量稅務後的最高實質報酬。

 

容我解釋一下

智能理財的核心不認為要透過投資組合讓投資人賺很多錢，

而是認為投資應回歸基本的資產配置，

所以大多會將資產充分配置在全球各主要市場，

並用自己的內部技術去評估風險，

將投資配置以光譜的概念從低風險到高風險去排列，

再透過前面提到對客戶的瞭解去配對合適的投資組合。

 

 

(

智能理財所提供的優勢

不是賺多少錢，而是省多少錢

考量人性後，是指大多數投資人自己殺進殺出，

長期下來大多未必能獲得比市場均衡配置下更好的報酬，

智能理財公司透過過去客戶實際的交易績效跟簡單配置比對，

投資人的報酬往往遠輸給簡單均衡配置。

 

考量通膨後，

投資人自己的理財規劃往往不善於評估通膨風險，

在選產品與配置時，智能理財能多考慮通膨這塊對配置的影響。

考量建議成本後，國外找專人提供建議的成本往往較高，

智能理財的優勢是以較低的費用，

通常為每年收取資產餘額的 0.20% ~ 0.50% 左右。

 

考量交易成本後，

投資人自主殺進殺出，不見得能夠賺到錢，

但光是交易手續費與資本利得稅可能就付了不少。

智能理財的優勢是盡量壓低交易頻次，

沒必要的時候就盡量不交易，

當有資本損失時可以自己判斷在適當的時機節稅。

 

 

 

考量產品成本後，若投資配置選擇的是 ETF，

可以獲得比一般基金更低的經理費用，

智能理財公司除了研究 ETF 費用外，

往往也會增加判斷流動性與追蹤誤差，

讓投資人的產品成本盡量降低。

 

考量稅務後，如前面提到，

國外有不同的稅務規則與退休金稅務優惠制度，

不同人將資金運用在不同制度上，

適合的配置與產品條件應該是不同，

這是智能理財能自動判斷分類的地方。

 

我們做個簡單的數學，客戶選擇簡單配置，

而不採主動操作，那報酬可以多拿一點，

再適度配置抗通膨的資產，

那又再少被通膨吃掉一點報酬，

選擇較低成本的ETF，可以多省下經理費用，

減少交易可以省下手續費，

加上稅務計算可以省下不必要的資本利得稅，

這些累積起來，就是客戶透過這種服務能多拿到的。

 

因此，智能理財的報酬優勢，

並不是能幫客戶多賺多少錢，而是能省多少錢。

很多媒體訪問一堆專家，把智能理財講得越來越誇張，

而且還把一堆概念混在一起講，顯然就是不夠瞭解。

 

 

 

 

智能理專只是適合分析建議的角色

透過數據演算幫助人類對訊息做出判斷

包含把智能理財跟Apha Go扯在一起，

說智能學習機器會自動學習操盤，

或是透過大數據演算，能夠屏除人性，讓客戶賺到錢。

 

認為智能可以幫客戶多賺錢的思維，我覺得是錯誤的。

如果智能學習、演算法、大數據這種程式能夠賺到大錢，

那麼我們應該會看到這幾種情境.....

一、是世界首富由機器人擔任、
二、全世界的基金經理人、分析師、經濟學家全部失業、
三、這個理財演算邏輯根本不會對外曝光，寫程式的自己就賺飽了

 

試想一下，鋼鐵人這麼天才，

為什麼還要自己穿上鋼鐵衣去對抗敵人，何不直接寫個程式，

自動分析敵人的優缺點，立即派出最好的機器人，

直接把敵人秒殺。

這樣鋼鐵人只要輕鬆坐在總部就能維護世界和平。

聽起來覺得不太可能，但認為寫程式或智能學習就

可以輕鬆超越大盤或賺取絕對報酬的，

就跟認為鋼鐵人寫程式就能讓機器人自動打敗所有敵人一樣不合理。

 

反過來智能學習、大數據、演算法這些工具，

我認為較可行的是擔任良好的分析建議角色，

就像鋼鐵人的助手 Jarvis 一樣，

告訴使用者發生了什麼事情、機率、影響狀況，

讓使用者在複雜的世界中能有更充分的訊息做判斷。

 

 

 

 

本文由 投資客日誌 授權轉載，原文 於此

未經授權，請勿轉載！