在实践层面，从行为金融学视角下探讨私人财富管理业务，将突破传统金融学所带来的禁锢，将个人差异化心理及行为因素与传统金融学理论指引下所建立的模式化管理过程相融合，为高净值客户提供更加个性化的先进管理技术，以及更能满足需求的资产规划方案。

1．目标选择：合理运用BPT模型制定高净值客户IPS

随着经济社会持续进步，社会生活日渐改善，私人财富管理的边界在不断外延，管理目标日趋多样化。历年发布的《中国私人财富报告》显示，在2009、2011年的调研中，“创造更多财富”均高居高净值人群财富目标选择的首位。自2013年起，“快速创造财富”不再是财富管理最重要的目标，取而代之的是“财富的保障与传承”、“生活品质”、“子女教育”等。除此之外，很多高净值人群通过帮扶贫困地区、关注青少年教育等慈善行为，将部分财富用于回馈社会，使财富的价值突破个人和家庭的限制。

财富管理目标从单一化向多样化转变，使得对投资资金整体进行均值—方差最优化分析变得过于武断与粗暴，往往并不能为高净值客户（尤其是具有集中头寸的高净值客户）提供满足其个性化需求的最优资产配置。因此，在对高净值客户进行IPS制定时，应根据其不同投资目标的重要程度进行分层，为每一层设定不同的风险、收益目标，并考虑流动性、时间限制、税收、法律规定等限制性因素，结合可投资产品的不同特点，对各层逐级进行资产配置。如用于满足生活必要支出的部分，应以现金、活期存款等流动性强的资产配置为主，以降低投资风险；用于满足生活享受和提升个人价值的部分，应增加期货、期权、对冲基金等具有较高风险金融产品的配置比例，以获取较高收益。在最终进行产品选择时，根据长期负债（或准负债）情况进行调整，以弥补未考虑各层级之间资产配置相关性所带来的偏差。

2．资产配置：以资产负债分析法（ALM）补充均值—方差（MVO）分析方法

资产负债分析法最初因利率风险而产生，伴随着1979年美国放松利率管制，而逐步成为金融机构控制风险的重要工具之一，广泛应用于保险、企业年金、养老金等各类存在负债（或准负债）的资产类别中。

目前，国内银行在私人财富管理的过程中，以单纯考虑资产方的均值—方差分析方法为主导。但随着金融产品种类的日趋增多，产品结构的不断升级，均值—方差分析方法在控制投资风险时呈现出很大的缺陷。财富管理过程中应逐步引入资产负债分析方法，将资产、负债两个维度同时引入资产配置过程。

首先，资产用于弥补未来确定性负债支出（如房贷等）和不确定性负债支出（如未来消费等）。以此为目标，加大固定收益类产品在资产配置中的比例，有效控制风险。另外，将人力资本与金融资本进行整体配置，结合对客户生命周期的整体考量，将人力资本等因素融入到财富管理过程中，考虑客户未来收入的持续性及可获性。如客户未来收入持续性强，可获性高，所从事工作与金融市场相关性低，则应在年轻时多配置风险资产（如权益类资产、另类资产等），伴随着客户年龄的增长，增加低风险资产（如固定收益类资产）的配置；如客户所从事工作与金融市场具有较高的相关性，则应在年轻时减少风险资产配置，增加低风险资产的配置比例，以最大化终身效用。同时，人力资本一旦发生重大变化，应对现有金融资产配置进行动态调整。

行为金融学透视大数据变革

自2012年华盛顿宣布“大数据研究和发展倡议”，英国、日本、德国等纷纷推出与大数据相关的战略研究。2015年9月，国务院印发《促进大数据发展行动纲要》，明确了大数据发展的目标及任务。数据规模的几何式增长、获取数据新方法的出现、数据处理成本的降低等，将成为银行发展变革的利器，重塑银行私人财富管理业务新格局。

第一，建立大数据战略，精准定位客户需求。

大数据的应用，将还原客户的真实需求及个人情况侧写。建立大数据战略，分析来自内外部的海量数据，在IPS制定环节可以更加准确地捕捉有效信息，对客户的真实需求描述更加精准，使得资产规划方案贴合实际需求。在大量动态信息中，通过对IPS的不断更新，以及对资产配置的不断调整，实现客户跨生命周期的资产规划。

案 例：

摩根士丹利银行通过Hadoop和MapReduce系统，对海量数据进行存储与计算，深入分析和了解客户的财务目标。在此基础上，系统制定相对准确的资产规划方案，满足客户不断更新的多样化需求。

美国市场快速崛起的智能投顾（数字化资产配置）技术，基于客户的投资目标、资产状况、风险偏好等因素，通过虚拟人工智能产品，运用现代投资组合理论和算法搭建数据模型，从而取代传统的人工投资顾问服务。智能投顾技术的应用，可以有效克服传统私人财富管理业务模式下客户覆盖范围有限、管理成本过高、资源配置效率低下等弊端。A.T.Keraney预测，美国智能投顾行业的资产管理规模将从2016年的3000亿美元增长至2020年的2.2万亿美元，年均复合增长率达到68%。

我国智能投顾技术尚处于初级发展阶段，在财富管理领域，智能投顾技术只应用在资产规划和产品的方向性选择上，还未能充分发挥动态资产配置调整的作用。未来，随着全球资产管理和虚拟咨询服务规模的快速发展，智能投顾技术将成为财富管理业务发展的重要助推力。

第二，建立大数据反馈机制，实现良好沟通。

对外，大数据反馈机制的建立，便于投资者定期审视资产配置方案的合理性，在IPS初期建立及后期调整阶段，有助于与客户进行良好的沟通，减少因情感偏差、认知偏差所带来的投资决策失误。建立大数据反馈机制，使之成为与投资者进行沟通的有效渠道。当投资者过度自信，进而非理性地配置资产时，可以通过定期回顾资产配置结果与目标值的偏差，使之意识到自身配置的缺陷，在一定范围内减少投资者由于心理偏差所带来的资产配置失误。

第三，建立大数据评估机制，减少风险损失。

随着投资产品类别的不断增多，银行财富管理业务发展面临着多重风险，包括汇率、利率等市场性风险，信用、合规、主权等非市场性风险，因此，银行应主动树立风险管控意识。通过大数据持续性评估机制的建立，完善银行内部评估系统，定期对资产配置方案进行风险监控及调整，实现高效、智能的风险控制目标。

案 例：

摩根士丹利银行采用SAS的大容量数据仓库和深度数据挖掘产品，处理来自内外部的多平台数据。通过对数据的采集、加工、分析、挖掘，摩根士丹利对在资产配置及调整过程中所面临的多种风险进行有效识别及控制，从而达到有效的风险管理目标。

第四，通过大数据发展金融科技，满足高净值客户多元化投资目标。

《2017中国私人财富报告》显示，当前高净值人群的投资不再局限于传统的投资品种，而是积极关注并愿意尝试私募基金、股权投资等新兴投资品种。并且，高净值人群中拥有境外配置的人群占比由2011年的约19%上升至2017年的约56%，人均境外资产配置自2013年以来则趋于稳定（如表2所示）。

通过大数据发展金融科技，不断完善产品货架，提升服务软实力，可以满足高净值客户的多元化投资目标。一方面，通过大数据技术发展金融科技进行金融产品的研发，加强现有的固定收益类、信托产品类、大宗商品类等资产的投资能力，同时开发满足高净值客户财富保障和传承目标的新兴另类投资产品，并为其提供多区域、多币种、多形式的跨境多元化资产配置，满足高净值客户的多样化投资目标。

另一方面，通过大数据技术发展金融科技，为高净值客户提供定制化的便利服务，提升服务体验。比如以数字化/移动化的虚拟化服务渠道，弥补实体渠道服务低效率、局限性等不足；又如通过更加丰富的数据源采集覆盖更广的数据，采用自动化客户分析，加深对客户的全面了解，预测其未来需求，从而为客户定制产品和服务提供技术支持，增强客户黏性。