长久以来，投资已经走偏了。金融产品琳琅满目、推销手法咄咄逼人，我们随时会为不合适的东西付出过高的代价。这是一个并不公平的赛场。然而，我们自己也要负一部分责任。每当人们谈起“投资”，几乎所有注意力都落在回报上。更糟的是，一听到高回报，许多人就兴奋起来，抢着加入话题。可是高回报意味着要承担高风险，也就意味着可能有高额亏损！但人们只谈好的一面。为什么？因为在求生基因里，人类天生就被写入了“贪婪”与“害怕错过”。
投资的基本原则
投资应该是先瞄准风险，再去追逐回报。我提出三项值得思考的基本原则。
第一，回报源自承担风险——“没有付出，就没有收获”。如果两个人取得同样的回报，而其中一人比另一人承担了更多风险，谁比较聪明？当然是承担较少风险的那一位！所以，我们该聚焦的是风险调整后回报，而不是为了回报而回报。
第二，决定该承担多少风险。但这对人类而言几乎是不可能的。情绪会蒙蔽我们持之以恒管理风险的能力。我们喜欢谈自己的“战绩”，对“亏损”则闭口不提。作为被贪婪与恐惧驱动的原始人类，我们在两种状态之间来回摆荡：（i）承担了超出应有的风险；以及（ii）承担了低于应有的风险。难怪我们往往高买低卖。风险这回事，不出事之前我们是不会知道的。
第三，时间会把风险抹平。“波动性”——风险的另一个名字——在较长的时间里会被熨平。若只看短线，我们大概率会高买低卖（见图 1A）。
时间拉长之后，熬过波动并取得正回报的可能性就更高（见图 1B）。过往的市场崩盘显示，通常在 3 年内便告复苏。时间能平滑波动。
图 1A
图 1B
风险测评
该承担多少风险，因人而异，也因时而异。我们的性格不同、处境不同，需求自然也不同。为了保障消费者，监管机构要求进行风险测评，以确保所销售的金融产品“适合”消费者的需求和风险承受度。
在实务上，风险测评方法通常就是一份问卷，机械式地走一遍流程，而这个流程本来的目的就是推销某项特定产品 [1]。研究显示，风险测评问卷对投资者最终选择的影响不到 15% [2]。当问卷沦为销售意图的附庸，业界对于“什么才算充分的风险画像”既无共识，也没有验证。因此，所售出的投资产品是否合适，仍是一个悬而未决的问题 [3]。
人类销售人员的影响力不容小觑。一项研究发现，涵盖投资期限、金融知识、收入、净资产、年龄、性别和职业的问题，只能解释 13% 的“为何投资者的组合被判定为合适”。然而，一旦把销售人员纳入考量，这个数字升至 32% [4]。换言之，销售人员对投资者决定的影响，比投资者自身的客观考量还要大！这对消费者不可能是好事。
我们如何让胜算更偏向终端消费者？
要改善今天这种充满人为偏差的做法，就得回到风险测评的基本面。风险承受度由两部分组成：（i）风险承担能力；以及（ii）风险厌恶程度。
“风险承担能力”是承受风险的能力，取决于投资者的投资期限、流动性需求、收入与财富等因素。
“风险厌恶程度”则取决于主观的心理特质与情绪，它左右一个人愿不愿意承担财务损失的风险。这类情绪，很难用被动的问卷测出来。
风险测评中的“游戏化”
要辨识每个人的客观特质与主观偏差，更好的办法是评估其风险与回报的取舍行为。这种风险回报评估未必直接关乎真实投资，却能捕捉到个人与生俱来的“非理性”风险回报偏好。
风险与回报的取舍，在博弈论中已有深入研究。因此，我相信以游戏化技术和机器学习来改良传统风险测评，是大有可为的。
在 SqSave，我们运用严肃游戏来强化我们的风险测评分析。“严肃游戏”是一门以纯娱乐以外的目的为首要考量的游戏设计学科。严肃游戏在教育、科学和健康领域的应用日益广泛。我们相信它在金融领域潜力巨大，而 SqSave 就从风险测评开始。欢迎在此阅读我们的白皮书，一窥 SqSave Risk Profiler™ 的究竟。
SqSave Risk Profiler™ 会以一连串随机结果，抛出基于相对潜在盈亏的风险回报两难选择。透过行为分析与游戏化，我们依据个人在每一次风险回报取舍中所做的真实选择，评估其风险画像。随着数据日积月累，我们看到把机器学习人工智能技术应用到严肃游戏方法上、以识别投资者风险画像的潜力。
随着 SqSave Risk Profiler™ 被更广泛的人群使用、累积更多数据，我希望能为不同客观维度与时间框架下，风险感知的高涨或消退期建立指数并加以追踪。我会继续开拓新方法，透过应用严肃游戏技术来捕捉人的本能行为——不只在投资领域，也涵盖风险保障（例如保险）、健康、借贷与奖赏。
结语
风险测评是理财建议与投资推荐赖以建立的基石。然而，当下盛行的问卷式风险测评，几乎没有为了回应金融行为研究所发现的不足而作出创新。这类问卷既未经实证验证，也缺乏把投资者利益放在首位的科学意义。SqSave Risk Profiler™ 正是我们为改善投资者胜算所作的创新贡献。由于不再受限于识字能力，我们的游戏化风险测评方法将能服务那些未获服务或服务不足的人群。想想全球有多少没有银行账户、却拥有手机并会玩游戏的人，SqSave Risk Profiler™ 为全球投资与普惠金融铺平了道路。
[1] Davies, G.B., and P. Brooks. 2014. “Risk Tolerance: Essential, Behavioural and Misunderstood.” Journal of Risk Management in Financial Institutions, vol. 2: 110–113.
[2] Foerster, S., J.T. Linnainmaa, B.T. Melzer, and A. Previtero. 2014. “Retail Financial Advice: Does One Size Fit All?” NBER Working Paper No. 20712.
[3] Rice, D.F. 2005. “Variance in Risk Tolerance Measurement—Toward a Uniform Solution.” PhD Thesis, Golden Gate University.
[4] Foerster, S., J.T. Linnainmaa, B.T. Melzer, and A. Previtero. 2014. “Retail Financial Advice: Does One Size Fit All?” NBER Working Paper No. 20712.
