Red de Respuestas Legales - Leyes y reglamentos - ¿Por qué los bancos eliminaron colectivamente los productos de robo-asesoramiento de los lineales?

¿Por qué los bancos eliminaron colectivamente los productos de robo-asesoramiento de los lineales?

La regulación es una de las fuerzas impulsoras detrás de la eliminación de las empresas de robo-asesoramiento.

En cuanto a esta ronda de bancos que retiran colectivamente los productos de robo-asesoramiento de los estantes, el factor impulsor más importante proviene de la regulación.

En noviembre de 2021, las autoridades reguladoras emitieron el “Aviso sobre las Actividades de Asesoramiento en Inversiones del Fondo Regulador” (en adelante, el “Aviso”).

El aviso señalaba que “algunas instituciones confunden el negocio de consultoría de inversión de fondos con el negocio de venta de fondos y brindan actividades de asesoramiento de inversión de fondos”, y aclaraba que “la prestación de actividades de asesoramiento de estrategia de cartera de fondos es un negocio de consultoría de inversión de fondos .” El aviso exige que las instituciones de venta de fondos que no estén calificadas para el negocio de consultoría de inversión de fondos rectifiquen las actividades de recomendación estratégica de las carteras de fondos de acumulación en negocios de venta de fondos que cumplan con las relaciones jurídicas antes mencionadas antes del 30 de junio de 2022.

Traducida esta frase, la idea general es:

Si el banco no tiene una licencia de inversión de fondos, solo puede realizar "ventas de fondos", es decir, seleccionar un único fondo. para comprar a través de canales bancarios.

La esencia de los productos de robo-advisory es “recomendar productos de cartera de fondos”. No tener una licencia es, en realidad, pisar una línea roja regulatoria.

Esta es también la razón por la que bancos como China Construction Bank, Agriculture Bank of China y China CITIC Bank han retirado los productos de robo-asesoramiento.

El rendimiento operativo no es satisfactorio.

Sin embargo, entre las casi 60 instituciones que han obtenido licencias de inversión de fondos, el Industrial and Commercial Bank of China, el China Merchants Bank y el Ping An Bank están en la lista.

La razón por la que retiraron los productos de robo-advisory es más "fundamental": el rendimiento del producto no es satisfactorio.

Recopilamos comentarios de usuarios en línea sobre productos de robo-asesoramiento de varios bancos en plataformas de redes sociales como Zhihu, Baidu Tieba y Weibo, y descubrimos que:

Para robo-asesoramiento productos Hay menos de 5 usuarios que están satisfechos con el servicio. La mayoría de los comentarios de los usuarios se refieren a problemas como "alto costo", "poco uso", "bajos ingresos", "poco inteligente", "mala experiencia" y "fraude de diseño".

Aunque estos grupos que expresan opiniones pueden tener sesgos, por ejemplo, quienes tienen opiniones hacen oír su voz, y quienes se enriquecen se enriquecen en silencio. Pero en general, el rendimiento de los productos de robo-asesoramiento es medio.

A partir de 2019, dos doctores y un asistente de investigación de mi equipo realizaron un pequeño experimento:

Los dos doctores son "personas vagas" y, después de decidir invertir con grandes cantidades de fondos, " "Quédate quieto", incluso las 20 pérdidas recientes "fingen estar muertas"; el asistente de investigación del niño intentó una gran inversión en IA.

Cuando el mercado es bueno en 2020 y 2021, los ingresos del joven son solo 1/5 de los de los dos doctores. En 2022, aunque su escala de retiro es menor que la de los dos doctorados. D.s, después de deducir la tarifa de gestión, el rendimiento de la inversión en IA del niño aún está lejos de la elección de los dos médicos. El rendimiento acumulado de tres años es 5,1 y los dos doctorados son 20,1 y 22,5 respectivamente.

La cartera personalizada de Ai incluye 15 fondos, de los cuales 4 fondos en divisas representan casi el 30%. Durante este período, quiso comprar una cartera de productos con un nivel de riesgo más bajo, pero fue rechazado porque las características de riesgo del producto no coincidían con su evaluación del nivel de riesgo.

Ai Investment recomendó varios ajustes en la cartera. Hizo tres ajustes y las tarifas de gestión fueron cada vez más altas. La tarifa de ajuste máxima se deduce del 1,5% de los ingresos.

Así que al final suspiró: "Es mejor preguntarles a las chicas qué fondos son confiables y comprarlos".

¿Por qué el rendimiento de los robo-advisors es tan pobre?

La razón más importante es la falacia de los servicios algorítmicos.

El núcleo del robo-advisory es ingresar datos de clientes, datos básicos de productos, datos de desempeño histórico de productos y datos de mercado, y utilizar algunos modelos de algoritmos relevantes y predictivos, combinados con modelos de asignación de activos (varianza media, Modelo BL, etc. ).) a la asignación de salida.

Debido a que está puramente basado en algoritmos, es fácil producir las siguientes falacias:

Al comprender las necesidades del cliente, a menudo se trata de "matar el pollo con un cuchillo". Las máquinas pueden malinterpretar cualquier método sutil, como el análisis semántico y los algoritmos de razonamiento del conocimiento, porque los clientes no pueden reflejar sus propias necesidades. Muchas veces, un sistema o algoritmo complejo de preguntas y respuestas puede no ser tan bueno como que un gerente financiero pregunte: "¿Qué quieres hacer con estos 10.000 yuanes?".

La personalización es difícil y fácil de crear. Forma sobre servicio. Al interrogar a los clientes, a menudo se muestran reacios a revelar su verdadera información, activos y motivos de inversión. Los datos capturados por la máquina muestran que parecen iguales, pero las demandas reales detrás de ellos son muy diferentes. Los mismos parámetros y el mismo algoritmo producen los mismos resultados de configuración, pero se alejan cada vez más del verdadero servicio personalizado.

En términos de configuración del algoritmo, habrá limitaciones en el algoritmo. Las limitaciones del algoritmo se reflejan principalmente en dos aspectos. Por un lado, dado que los algoritmos de asignación son en última instancia escritos por los desarrolladores, siempre que los desarrolladores de los algoritmos no incorporen sesgos de comportamiento comunes de los inversores y atribuciones de rendimiento falsas en su código, dichos sesgos se transmitirán a las inversiones de los clientes. . Por otro lado, los resultados de la simulación basados ​​en datos históricos son excelentes, pero los requisitos previos de la aplicación son muy exigentes. La validez es alta sólo cuando los datos históricos son consistentes con el futuro.