滚动第七步是投资组合分析（Portfolio Analysis），属于Level2玩家的专业工具，可以帮忙做一些比如数据回测啊，数据模拟啊，因子分析啊之类的研究性工作，研究完了该干嘛干嘛。我觉得这个流程基本包含了大部分国内智能投顾在做或者想要做还没做全的事情，不过我更愿意把这整个流程定义成投，哪怕里面还包含了用户画像这个步骤，谁叫它目前做的这么简单粗暴呢。
三、什么是顾
顾是顾问的简称，传统顾问的职责大概有这么些：
1）和客户的充分沟通
2）了解客户的真实（资金）情况
3）了解客户的真实需求（其需求往往并不仅仅限于投资需求，可能还有其他理财需求，人生保障需求等等）
4）提出合理的买入和卖出建议
5）持仓时期的各种情况处理（止损，止盈，解套，安抚不安情绪）我的理解，如PPT中所画的，顾的本质应该是右上角那个图，就是对投资者做全方位的用户画像，当然从智能投顾的角度来讲，用户画像的关注点更多是用户的投资属性，比如最重要的投资风险偏好，对投资的期望收益，投资期限和金额等等。
在大卸三块了智能投顾之后，我后面又简单介绍了智能投顾行业在中美的发展阶段，中美家庭财富资产配置的一个对比，中美财富管理行业的格局，说来说去其实就想强调一点，就是这个行业本身还是蛮有前途的，不过现场智能投顾相关行业的听众不多，所以我也就没看到两眼放光的人，只看到一些低头思故乡和玩手机的人。讲了好的也讲点不好的均衡配置对冲一下。
从国内智能投顾公司面临的挑战来看，形势还是颇为严峻的：
1. 略高的获客成本，特别是ToC模式的。这一方面是现在市面上智能投顾的App略多，本来是很多人不知道基金怎么选，这下倒好，出来很多个帮忙选基金配置基金的App，结果变成了不知道该选哪个智能投顾。另一方面是有相当部分的投资者对智能投顾是什么了解并不是很多，这点现场就可以看出来，我甚至还见过有人把智能投顾和P2P混为一谈的，当然实际上确实有一些P2P公司转型做智能投顾的。这两方面我觉得本质上还是一个信任的问题，要解决信任的问题难度不小。
2. 牌照问题。理论上来说，智能投顾涉及到投资咨询、产品销售和资产管理三块业务，而国内这三块牌照是分别发放和监管的。比如证券公司可以提供投资建议，但是不能帮客户打理投资。基金公司可以进行资产管理，但无法为每位客户定制产品。第三方基金销售公司只有基金销售牌照但只能在销售阶段做产品推荐，但无法进行资产配置或跟踪调整，甚至有一些智能投顾公司自己并没有第三方基金销售牌照。这都对智能投顾的业务开展有很大的制约。
3. 技术和数据基础。智能投顾的基础是技术和数据，比如用户画像需要的投资者交易行为数据的搜集和分析，资产画像需要的对金融产品，以及结合市场的数据的搜集和分析，更高端一点还有对人工智能技术的应用来提高用户体验和优化各种模型。不得不说，国内目前在技术和数据这两块上都是略显薄弱的，不知道这两方面有先天优势的BAT们是不是有意来趟一下智能投顾这个小水塘。接着我又顺便讲了一下国内外智能投顾的三大模式，分别是机器为主的资产配置型和投资辅助建议型，以人为主的社交跟投型，以及人机结合的模式。具体我就不举例了，以免有做广告之嫌。
以上所有都只是铺垫，接下去才是真正的重点，是我自己对于研究智能投顾以来的一些思考，不一定对，所以欢迎各路智能投顾的CEO们，CTO们，或者产品经理们来拍砖。
第一点思考：国内智能投顾的一个误区，太过专注于投。按照我前面对智能投顾的分解，国内很多智能投顾的App关注的其实都只能算是投，这本身倒也无可厚非，投当然很重要啊，但是我看到有些人把投资策略的自动化或者计算机化就当成智能我就不能忍了。这不就和一个计算器能帮助我们实现一些快速计算，一个叫微信的东西能帮助我们实现远距离沟通一样，我们就不会把他们叫做智能，而只是一种应用（Application），所以我是比较认同FINRA的那个对投的说法的：数字化资产配置（Digital Asset Allocation）。
