Цель исследования Бернда Щерера (Bernd Scherer) и Себастиана Лехнера (Sebastian Lehner) — проверить, насколько рекомендации крупного коммерческого робо‑советника соответствуют «нормативной» академической теории портфельного выбора. Для этого авторы автоматизированно собрали рекомендации по 151 200 комбинациям ответов в онбординговой анкете (разные цели, горизонты, риск‑толерантность и т.д.) у одного из ведущих провайдеров в США и статистически разложили, какие входные параметры на самом деле определяют долю акций в рекомендуемом портфеле.

Дизайн исследования предельно прикладной: вместо анализа «чёрного ящика» перформанса изучается сама функция рекомендаций. Массовый веб‑скрапинг формирует карту «профиль инвестора → рекомендуемая аллокация», после чего оценивается вклад каждого фактора и сопоставление с предсказаниями нормативных моделей.

Ключевой вывод проведенного авторами статьи исследования состоит в том, что доминируют два фактора: тип инвестиционной цели и длина горизонта; именно они объясняют основную вариацию в доле акций. Напротив, тонкие хеджирующие поправки фактически не используются, что указывает на приоритет простых, понятных клиенту правил перед полной нормативной оптимизацией.

Вклад исследования авторов статьи: редкий «рентген» логики рекомендаций крупного провайдера на большом массиве профилей, полезный и для исследователей, и для регуляторов и продуктовых команд. Ограничения исследования — отсутствие каузальных поведенческих оценок на уровне инвесторов. Практическое применение: международная диверсификация у клиентов робо-эдвайзинговых сервисов зависит прежде всего от продуктовых шаблонов и меню портфелей провайдера, а не от глубокой индивидуализации по всем теоретическим каналам.

Источник: Bernd Scherer, Sebastian Lehner (2025), What drives robo-advice? Journal of Empirical Finance, 80 : 101574. DOI: 10.1016/j.jempfin.2024.101574