金融科技在資管行業的應用探究

1 行業背景

在“一委一行兩會”的新監管格局下，資管新規及其配套細則的陸續出臺，推動資管行業生態變革。從宏觀角度來看，金融技術與資管業務的整合是不可避免的。金融業的核心是對數據和信息的高效利用和價值挖掘。依托數據技術來拓展資管行業的深度和廣度，使得整個資管行業的發展帶來很大的提高。同時，金融科技時代的資管，逐漸發展為全流程體系化的智能創新個性化平臺生產模式。新的生產模式，將融入更多高科技元素，高質量數據支撐、研究驅動型為主體，主動管理能力是競爭力的制高點，是資管機構的核心競爭力的表現。

2 行業痛點

隨著近年來資產管理領域的快速發展，資產管理領域精放式經營的局限性開始爆發出來。碎片化的后臺信息系統、零散不統一的數據、大量的手工操作、投資管理效率低下、業務數字化程度低、IT建設基礎欠賬過多，煙囪式建設、數據質量差、用戶體驗差、數據驅動運營水平低下等難以滿足當前快速增長的資產管理業務運營和風控要求，如何提升信息系統的業務支持能力，如何利用數據并擁抱AI等先進技術來提升主動投資管理能力，從業務引領技術發展向數據驅動業務創新轉型，將后臺成本中心轉變成利潤驅動中心，已成為當前資產管理行業內高層管理的共識。

（1）痛點一：業務突增，但基礎設施建設落后

資管業務的井噴式發展，無論從廣度還是深度上，都表現出基礎設施的滯后性。現階段核心基礎設施架構基本都是多年前建設完成，難以支撐和服務于當前新的業務發展需求。

（2）痛點二：精細化的管理訴求和粗獷式的運營模式

粗曠式經營帶來的收益已不再滿足日益增長的高效率、高收益要求，資管機構對主動管理能力的訴求愈發強烈。隨著大資管行業的內生性需求和行業共識，提高效率、降低成本必然成為資管機構的核心訴求。

（3）痛點三：強監管下合規要求和手工式合規管理

金融市場是一個強監管市場，加強監管將成為未來的主要基調。當前資管管理體系大量存在人工處理、數據不一致等問題，為實現穿透式監管、提升合規效率、降低監管成本、提高監管規范性和風險監測識別能力，監管科技已日趨重要。

（4）痛點四：個性化金融方向和同質化供給

隨著個性化需求的增加，這就要求金融機構具有靈活高效的個性化產品設計和運營服務能力。當前生產模式高成本和同質化，難以滿足個性化發展趨勢。

（5）痛點五：數據體系無法滿足業務和管理發展的需求

大數據是通過研究海量的數據來找尋其內在的規律。大數據時代，如何將數據應用于各個環節，協助控制潛在風險，避免問題發生，并通過實時跟蹤和評估能力，提供多樣化數據洞察結果，為資產管理和增值提供預測和支撐，已迫在眉睫。

（6）痛點六：傳統投后服務的欠缺無法支撐精細化投后服務能力

公募基金很難提供非常完整和細致化的投后服務能力，如果使用人工智能和大數據方式，通過向客戶輸入投資后服務，能為客戶帶來更多有價值的利益。

3 金融科技在資管領域的應用探究

金融技術的核心在于通過深入的技術創新和顛覆傳統金融服務來重塑產業價值鏈。它還為資產管理行業帶來了自動化，高效率，低成本和低風險的運營模式。“數字人工智能+金融資產管理創新”的生態系統。

3.1 投研系統化策略配置體系

在資管行業去杠桿、打破剛兌的大環境下，資管機構提升自身資產管理能力，回歸資產管理本源成為資產端迫在眉睫的剛需。

在提升運營效率方面，構建一套高效便捷的處理機制，通過創建投前研究、投中交易、投后分析打造一套“統一調度、多機協作”的技術處理模式。通過高度的系統整合，完成投研平臺的部署復雜，流程混亂，功能單一、業務單元獨立的傳統模式向新一代智能系統一體化解決方案的升級轉型。這使得新一代智能系統解決方案具備“全面，輕巧，智能，方便，準確”等特點。

3.2 大數據-數據驅動

資產管理功能借助金融技術來增強對可靠系統載體 -大數據的需求，數據，算法，技術的創新可以作為組織的內在能力而發展。而現今大量數據塵封在金融企業內部的存儲介質中，傳統數據的煙囪式、孤島式經營管理和數據分析已不能適應市場分析的發展趨勢，金融企業更需要建立自身的大數據風險評估體系，直接將數據模型應用到業務中，實現業務風控管理的流程化、自動化。企業只有建立了完整的數據治理體系，保證數據內容的高質量、高準確度，才能夠真正有效地挖掘企業內部的數據價值，賦能數據科技。

（1）通過對金融大數據的整合、整理、數據資源生命周期的管控以及大數據分析挖掘能力，量化各指標數據，致力于為金融企業提供精準營銷、數據運營、風險管理、智能投顧等解決方案。

（2）利用云計算、大數據和人工智能等新興先進技術，助推企業從傳統的“經驗式”管理模式向以數據化為先驅、數據驅動業務創新為主導的業務模式轉型，最終實現企業競爭力漲潮式推進，螺旋式上升。

（3）通過數據創新實現企業從業務引領技術變革到數據驅動業務創新的跨越式、壓縮式發展，快速形成企業市場競爭力。通過整合企業內外的數據，并對其進行及時、有效的管理，構建各種分析主體，在基礎上可進行決策支持、數據挖掘等應用。

（4）數據庫技術創新，數據內存中存取異步落庫，解決了過去直接架設在數據庫之上帶來的不堪重負。統一的數據標準和接口規范，解決了系統相互之間通信困難，程序異常問題。使用內存交易，交易速度可達到毫秒級，相比傳統交易技術有幾百上千倍的提升。

4 人工智能

人工智能技術可以有效的提升資產管理機構的競爭力。金融科技公司致力于開發通用的人工智能技術工具，自然語言理解技術的使用，使得工具類產品更便于操作，提高使用效率。

借助于人工智能技術定量分析，數據可以快速海量地進行分析、擬合、預測，來解決海量組合空間與計算機處理能力之間的瓶頸。通過分析市場數據，已發生的交易數據，預測未來的交易趨勢，程序自動下單;該模式可以放棄感知的主觀因素并自動執行預設策略。通過搜索爬行技術，可以在語義上識別互聯網搜索結果，以進行大數據分析和趨勢判斷，并充當金融分析師。

區別于傳統人工方式，作為人工智能的三個核心（機器學習、自然語言處理、知識圖譜）之一，機器學習將全部可能的投資組合逐一計算，按照一定的算法進行篩選，最終選出滿足一定收益和風險指標的投資組合呈現給客戶。自然語言處理集合自然語言搜索、圖形化用戶界面和云計算，使計算機能夠如人類一樣通過推斷和邏輯演繹理解不完整和非結構化的信息。知識圖譜通過提取精簡且價值的風險情報與挖掘關鍵信息，如輿論熱點，金融相關等信息，實現知識圖庫的數據結構。

5 智能投顧

《資管新規》明確將智能投顧界定為“運用人工智能技術開展投資顧問業務”。憑借人工智能分析客戶需求，統一畫像完成客戶需求匹配金融資產。只有大量的有效數據來源，對客戶精準畫像，才能對精準營銷實現最優資產組合。根據個人投資者的風險偏好、財務狀況與理財目標等特征，運用智能算法及投資組合理論，來完成傳統到智能資產配置的跨越式飛躍。同時，智能投顧通過技術創新降低成本及門檻，實現服務從0到1的創造，邊際成本幾乎降為0。

簡而言之，金融技術的嫁接和應用為解決資產管理領域的基本難點提供了新思路和新動力。科學技術是國家繁榮的基礎，創新是國家進步的靈魂，資產管理產業是全球最大、同時也是發展最快的產業之一，通過技術創新促進行業發展，實現金融技術在大型資本管理行業中的重要性。

[1]羅雄華.美國“新經濟”與金融自動化[M].北京:中國青年出版社,2005.

[2]毛妮.國有商業銀行核心競爭力研究[D].上海:上海大學,2003:20-21.

[3]秦霞紅，張載明，魯波.投資計劃管理[M].南京:南京大學出版社,1992.

[4]宓喆.我國商業銀行精細化管理研究-以常熟農行為例[D].蘇州:蘇州大學,2015:80-81.

[5]宋慧芳.金融監管應把握平衡[J].中國經濟信息, 2017,11(1):48-49．

[6]錢裕春.基于大數據的S商業銀行理財產品創新研究[D].蘇州:蘇州大學,2016:65-61.

[7]巴曙松，白海峰.金融科技的發展歷程與核心技術應用場景探索[J].清華金融評論.2016（11）:99-103．

[8]巴曙松，白海峰.多管理人基金（FOF/MOM）投資模式與金融科技應用展望[J].清華金融評論.2017（5）:89-92．