機器人理財(Robo-Advisor)真的能幫助到我們嗎？

近兩年機器人理財(Robo-Advisor)這個詞大量出現在金融市場中，也有多家國內外金融機構在推銷這種型態的商品，並大量以智能與人工智慧(AI)來作為行銷的關鍵字，今天就要來仔細的分析幾類我所認識的理財機器人系統。

馬可維茲(Morkowitz)的投資組合理論(Portfolio Theory)

馬可維茲於1952年提出了投資組合理論，將金融市場中的各種資產簡化定義成預期報酬率、標準差與相關係數，在假設以上參數均為已知的狀況下，可以進行規劃求解得出「最小風險投資組合(Minimum Variance Portfolio)」與「最適投資組合(Optimal Portfolio)」，大部分的機器人理財業者均是以此種模型進行操作，除了有諾貝爾經濟學獎的加持外，對於現有的程式撰寫有相當的方便，許多程式均有規劃求解的套件可供使用。

馬可維茲的投資組合理論利用數學嚴謹的證明，資產配置對於投資組合波動度與報酬率有顯著的影響，將多種相關係數低的資產配置在一起，能夠降低投資組合波動度與提高預期的報酬率，例如債券與股票呈現負相關時，能夠配置出風險調整後報酬較高的組合，相對於單一股票或債券。

利用馬可維茲現代投資組合理論的機器人理財平台，通常會利用風險問卷來進行投資人分類，例如年齡、投資期間與風險承受度等，透過背後的評分邏輯將使用者分為三至四個風險屬性，假設情況如下：

投資人屬性	可承受年化波動率
積極型投資人	25%以上
穩健型投資人	15%~25%
保守型投資人	15%以下

利用過去各資產類別的走勢去計算報酬率、波動度與相關係數，作為投資組合評估的相關參數，由使用者作答的風險問卷來對應出可承受年化波動度，再以程式進行目標為「固定風險下的最佳報酬率」的最佳化，就可以得到最佳的權重組合。

Smart Beta

Beta這個詞在金融市場中，代表市場報酬的相對於資產的變動係數，例如當S&P 500上漲1%時，你的投資組合上漲0.8%，大致可以說Beta為0.8，大多股票市場指數都是以「市值加權」的方式進行編制，背後邏輯就是每天在幫你追高殺低，以2018年為例，如果持有S&P 500指數而言，就會不斷的幫我們增持FAANG(Facebook, Amazon, Apple, Netflix, Google)的股票，而減少GE這類的股票權重，每天去看就會發現越來越多資金會配置在過去漲幅較高的資產上，而Smart Beta就是希望用不同的策略進行配置，期望能夠有超越市值加權法的績效，超越市值加權法的報酬率在學術的投資理論上稱為Alpha。

只要不是採用市值加權法進行投資組合建構，我們就可以稱之為Smart Beta，像是等權重(Equal-Weight)或其他因子加權法，現實市場中Smart Beta的配置方式主要均為因子投資方法，例如奉行股神巴菲特的價值型股票或追逐上漲動能的策略，都是屬於典型的Smart Beta。

機器人理財的主要邏輯都是圍繞在投資學中的幾個理論中，如馬可維茲的投資組合理論與CAPM延伸的多因子模型等，再利用程式去進行輔助與尋找參數，可以說是喝一樣的湯，用湯匙或吸管的差別，至於這個從1950~1970年代的機器人到底能不能幫助我們投資呢？如果你是個沒空進行投資分析或研究的投資人，省時省力且有系統化的投資組合，是絕對有幫助的(總比亂聽信明牌或消息)，而專業的投資人或機構我認為應該要更為進階，而不只是呆呆的利用模型，而是要努力在模型失效前，趕緊研發出尚可執行的投資策略。

未來將會推出利用Python來實作機器人理財應用，敬請期待！

好文出自《雷蒙的Python投資筆記》，
如果你喜歡他的文章，歡迎回到原文看更多: )