“The diversification and welfare effects of robo-advising”一文研究了一家大型美国智能投资顾问对过去的自我管理型投资者投资组合的多样化和福利效应，并记录了五个事实。第一，智能投资建议通过增加指数化投资、减少本土偏好、减少持有资产数量和降低费用来重塑投资组合。第二，智能投顾造成的投资组合变化有助于提高其夏普比率。第三，最能从智能投资建议中受益的投资者是那些之前对股票或指数化投资的敞口不高且多样化水平较差的投资者。第四，智能投资建议节省了投资者管理其投资组合所花费的时间。第五，受益较多的投资者更有可能加入智能投顾服务并持续使用。
来源 | JFE
作者 | Alberto G. Rossi, Stephen Utkus
编译 | 赵柯斐
引言
最近，智能投资顾问在寻求低成本、自动化投资建议的投资者中迅速流行起来。它们允许投资者建立定制化、多样化的投资组合，并能提供以前仅限于富裕投资者的其他财富管理服务，如投资组合税务效率、现金流预测和退休收入规划（Capponi 等，2022）。许多此类服务强调投资于低成本指数基金、最小化交易、税务效率和全球多样化——这些可以说是金融学实证文献中最优投资组合建议的基准。除了相对便宜之外，智能投资顾问还有可能优于人类财务顾问，因为后者已被证明存在行为偏见和认知局限性。因此，智能投资顾问迅速引起了各级政策制定者和投资者的关注。
本文对美国最大的智能投资顾问——Vanguard的个人顾问服务（PAS）进行了全面分析。截至2019年2月，PAS是世界上最大的智能投资顾问，管理的资产（AUM）达1150亿美元，超过了所有其他智能投资顾问的总和。PAS也是一个混合型智能投资顾问。它具有高度自动化的投资和规划流程，并将投资者访问人类顾问作为服务的一部分。
本文研究了2015-2017年期间签约智能投资建议的超过55,000名先前自我管理投资者的投资建议演变。样本包括具有相当投资组合财富（投资组合财富中位数为407,652美元）并愿意承担股票风险（股票份额中位数为56%）的投资者。我们的主要关注点是投资建议的投资组合效应——包括投资组合组成和风险调整回报——以及投资者通过委托管理其投资组合所获得的时间收益。然而，咨询服务中可能存在其他价值来源。例如，投资者可能从与投资组合构建无关的财务规划元素中获得巨大价值，如现金流规划、退休收入规划或福利计划优化。投资者还可能从建议中获得其他好处，如财务教育/素养收益，或情感/享乐奖励，如改善的财务状况和内心的平静。
在本文中，我们确定了关于智能投资建议的五个事实。事实一：采用智能投资建议实质上重塑了自我管理投资者的投资组合，增加了指数化投资，减少了本土偏好、持有资产数量和费用。事实二：智能投资建议在略微降低预期平均回报的同时，也大幅降低了总波动率和特殊风险，从而显著提高了对数夏普比率。事实三：从智能投资建议中受益最多的投资者是那些在接受建议之前对股票敞口不高、国际多样化不足且没有广泛投资于指数化共同基金的投资者。事实四：接受智能投资建议的投资者花在监控投资组合上的时间减少，平均每年节省约450美元的时间成本。事实五：从智能投资建议服务中受益最多的投资者更有可能采用它，并且不太可能退出服务。
事实一：有关投资组合特征
我们记录了智能投资建议对投资者投资组合的显著改变。投资者在指数共同基金中的财富比例几乎翻了一倍：从46%增加到81%。投资者的国际多样化增加了三倍：在国际共同基金中的财富比例从11%增加到31%。将投资者转移到指数共同基金中意味着较低的费用：平均费用率减半以上——从23个基点降至10个基点。智能投资建议还改变了投资者的风险份额。它将投资者的债券持有量从25%增加到39%，将现金和货币市场共同基金的持有量从19%减少到2%。股票持有量平均从56%增加到59%。
我们还记录了投资组合特征在采用智能投资建议后横截面变化的显著减少——即投资组合特征的同质化。例如，采用智能投资建议前，投资者投资组合中的股票比例在第10百分位和第90百分位分别为25%和100%。采用智能投资建议后，相应的百分比分别为40%和85%。其他投资组合特征的效果相似。
事实二：有关投资绩效
转向事实二，即投资绩效，我们的主要结果分析了投资者在采用智能投资建议前后的风险回报权衡。我们遵循Calvet等（2007）的方法，估计了获得建议和未获得建议的投资者的夏普比率。在使用 MSCI 世界指数总回报作为基准的基线规范中，投资者在采用智能投资建议后夏普比率增加了16.1%。这主要是由于投资者的投资组合总风险减少了15.8%和特殊风险减少了27.6%。另一方面，预期回报在采用智能投资建议后略有下降。我们还发现，在控制个人和时间固定效应的面板回归中，注册建议和风险调整绩效有显著的正面影响。绩效改善在采用智能投资顾问后的第一个月就显著且具有经济和统计意义，并在时间上持续存在。
我们的数据的一个局限性是它只能追踪投资者在资产管理公司投资的那部分财富对智能投资建议的影响。当我们专注于那些我们估计将全部财务财富分配给智能投资顾问的投资者时，我们发现我们的结果几乎与我们对全样本智能投资顾问投资者的估计结果相同。
事实三：有关收益的横截面异质性
跨所有投资者计算的智能投资建议的效果隐藏了相当大的横截面异质性。为了理解哪些客户更有可能从智能投资建议中受益（事实三），我们使用一种称为 Boosted 回归树（BRT）的机器学习算法来探索投资者的横截面。BRT 允许我们非参数地分析哪些投资者特征在解释投资绩效变化的横截面差异方面具有价值。我们考虑了14个协变量，涵盖了各种人口、投资组合和交易特征——所有这些特征都在自我管理投资者采用智能投资建议之前测量。解释在采用建议后投资组合绩效改善的横截面差异的最重要协变量是投资者的股票份额、现金份额、共同基金中的财富百分比和国际共同基金的敞口。这表明，从智能投资建议中受益最多的投资者是那些在采用建议之前对股票敞口不高、没有进行国际多样化且没有广泛投资于指数化共同基金的投资者。
然而，在所有情况下，投资者特征与智能投资建议收益之间的关系都是非线性的，在某些情况下是非单调的——这表明标准统计方法在这种情况下可能会得出不准确的见解。我们进行了一次样本外交叉验证练习，证明这些非线性并不是过拟合的结果。BRT 不会过拟合训练样本，并且相比使用相同协变量的线性模型，在样本内和样本外的表现都更优。在我们的设置中，BRT的样本外表现优于线性模型的样本内表现。
事实四：有关投资者关注度
我们得出两个结论。首先，财富管理不一定是奢侈服务，
为了确定事实四，我们研究了投资者在签约建议前后的注意力变化。我们发现，获得建议的投资者减少了管理其投资组合所需的努力。这种注意力减少与投资者对其财务状况的总体意识下降无关，因为投资者通常会更频繁地登录，快速获取有关其投资组合财富的信息。尽管如此，采用建议后，投资决策的总体时间减少。节省的时间每个投资者加起来大约是6小时，按大约每年450美元的价值计算。结合事实一到三记录的多样化效应表明，投资者不仅通过不进行交易节省了时间，而且他们可能避免了导致投资效率低下的投资错误。
事实五：有关智能投顾客户的选择
事实五涉及智能投资建议的采用和流失的决定因素。结果表明，最有可能注册建议并且最不可能退出服务的是那些从智能投资建议中受益最多的个人——即那些在自我管理投资者时股票敞口低、国际多样化低、管理费用高和投资组合波动性高的人。结果还表明，人类顾问的参与可能在增加注册概率和减少流失方面起到了一定作用。
结论
我们研究了美国一家知名混合型智能投顾对此前自主投资的投资者投资组合的多样化和福利影响。总体而言，智能投顾增加了指数化投资的采纳率，同时减少了本土偏好、持有资产数量以及费用。这些调整导致了更优越的夏普比率。
我们采用了Boosted Regression Trees（BRT）机器学习算法，阐明了投顾对不同投资者类型的投资组合配置和表现效果的差异。研究结果显示，在采纳投顾建议前，那些受益最大的投资者，其股票配置比例较低，未广泛投资于指数型共同基金，并且在可投资财富中持有大量现金。
我们还证明，投资者在采纳投顾建议后，整体投资决策所花费的时间减少。这些时间节省平均每位投资者每年达到6小时，价值约为450美元。
在研究的最后部分，我们分析了影响投资者注册和流失的因素。证据表明，那些最有可能从投顾中获益的投资者也更倾向于注册该服务，并且较少选择退出。
我们的研究结果强调，自动化投资组合工具能够提升那些将其纳入财务策略的个人投资者的福利。未来研究的一个有前景的方向是探讨影响投资者采纳智能投顾的障碍，比如算法厌恶——个人不愿将重要决策委托给自动化算法的态度。
值得注意的是，在本文设置中，注册智能投资建议的决定是内生的，因此我们的结果应解释为描述性而非因果性的。同时，智能投资顾问进行的投资组合配置的变化是机械的。它们基于一个专有算法，该算法在注册之前对投资者是不公开的，所以最合理的解释是那些注册智能投资建议的投资者让智能投资顾问代表他们选择投资组合配置。因此，超越注册决定，内生的投资者特征和投资者特定的冲击在确定注册后投资组合的组成和表现方面几乎没有作用。
以下为部分报告截图
