金融科技在资管行业的应用探究

1 行业背景

在“一委一行两会”的新监管格局下，资管新规及其配套细则的陆续出台，推动资管行业生态变革。从宏观角度来看，金融技术与资管业务的整合是不可避免的。金融业的核心是对数据和信息的高效利用和价值挖掘。依托数据技术来拓展资管行业的深度和广度，使得整个资管行业的发展带来很大的提高。同时，金融科技时代的资管，逐渐发展为全流程体系化的智能创新个性化平台生产模式。新的生产模式，将融入更多高科技元素，高质量数据支撑、研究驱动型为主体，主动管理能力是竞争力的制高点，是资管机构的核心竞争力的表现。

2 行业痛点

随着近年来资产管理领域的快速发展，资产管理领域精放式经营的局限性开始爆发出来。碎片化的后台信息系统、零散不统一的数据、大量的手工操作、投资管理效率低下、业务数字化程度低、IT建设基础欠账过多，烟囱式建设、数据质量差、用户体验差、数据驱动运营水平低下等难以满足当前快速增长的资产管理业务运营和风控要求，如何提升信息系统的业务支持能力，如何利用数据并拥抱AI等先进技术来提升主动投资管理能力，从业务引领技术发展向数据驱动业务创新转型，将后台成本中心转变成利润驱动中心，已成为当前资产管理行业内高层管理的共识。

（1）痛点一：业务突增，但基础设施建设落后

资管业务的井喷式发展，无论从广度还是深度上，都表现出基础设施的滞后性。现阶段核心基础设施架构基本都是多年前建设完成，难以支撑和服务于当前新的业务发展需求。

（2）痛点二：精细化的管理诉求和粗犷式的运营模式

粗旷式经营带来的收益已不再满足日益增长的高效率、高收益要求，资管机构对主动管理能力的诉求愈发强烈。随着大资管行业的内生性需求和行业共识，提高效率、降低成本必然成为资管机构的核心诉求。

（3）痛点三：强监管下合规要求和手工式合规管理

金融市场是一个强监管市场，加强监管将成为未来的主要基调。当前资管管理体系大量存在人工处理、数据不一致等问题，为实现穿透式监管、提升合规效率、降低监管成本、提高监管规范性和风险监测识别能力，监管科技已日趋重要。

（4）痛点四：个性化金融方向和同质化供给

随着个性化需求的增加，这就要求金融机构具有灵活高效的个性化产品设计和运营服务能力。当前生产模式高成本和同质化，难以满足个性化发展趋势。

（5）痛点五：数据体系无法满足业务和管理发展的需求

大数据是通过研究海量的数据来找寻其内在的规律。大数据时代，如何将数据应用于各个环节，协助控制潜在风险，避免问题发生，并通过实时跟踪和评估能力，提供多样化数据洞察结果，为资产管理和增值提供预测和支撑，已迫在眉睫。

（6）痛点六：传统投后服务的欠缺无法支撑精细化投后服务能力

公募基金很难提供非常完整和细致化的投后服务能力，如果使用人工智能和大数据方式，通过向客户输入投资后服务，能为客户带来更多有价值的利益。

3 金融科技在资管领域的应用探究

金融技术的核心在于通过深入的技术创新和颠覆传统金融服务来重塑产业价值链。它还为资产管理行业带来了自动化，高效率，低成本和低风险的运营模式。“数字人工智能+金融资产管理创新”的生态系统。

3.1 投研系统化策略配置体系

在资管行业去杠杆、打破刚兑的大环境下，资管机构提升自身资产管理能力，回归资产管理本源成为资产端迫在眉睫的刚需。

在提升运营效率方面，构建一套高效便捷的处理机制，通过创建投前研究、投中交易、投后分析打造一套“统一调度、多机协作”的技术处理模式。通过高度的系统整合，完成投研平台的部署复杂，流程混乱，功能单一、业务单元独立的传统模式向新一代智能系统一体化解决方案的升级转型。这使得新一代智能系统解决方案具备“全面，轻巧，智能，方便，准确”等特点。

3.2 大数据-数据驱动

资产管理功能借助金融技术来增强对可靠系统载体 -大数据的需求，数据，算法，技术的创新可以作为组织的内在能力而发展。而现今大量数据尘封在金融企业内部的存储介质中，传统数据的烟囱式、孤岛式经营管理和数据分析已不能适应市场分析的发展趋势，金融企业更需要建立自身的大数据风险评估体系，直接将数据模型应用到业务中，实现业务风控管理的流程化、自动化。企业只有建立了完整的数据治理体系，保证数据内容的高质量、高准确度，才能够真正有效地挖掘企业内部的数据价值，赋能数据科技。

（1）通过对金融大数据的整合、整理、数据资源生命周期的管控以及大数据分析挖掘能力，量化各指标数据，致力于为金融企业提供精准营销、数据运营、风险管理、智能投顾等解决方案。

（2）利用云计算、大数据和人工智能等新兴先进技术，助推企业从传统的“经验式”管理模式向以数据化为先驱、数据驱动业务创新为主导的业务模式转型，最终实现企业竞争力涨潮式推进，螺旋式上升。

（3）通过数据创新实现企业从业务引领技术变革到数据驱动业务创新的跨越式、压缩式发展，快速形成企业市场竞争力。通过整合企业内外的数据，并对其进行及时、有效的管理，构建各种分析主体，在基础上可进行决策支持、数据挖掘等应用。

（4）数据库技术创新，数据内存中存取异步落库，解决了过去直接架设在数据库之上带来的不堪重负。统一的数据标准和接口规范，解决了系统相互之间通信困难，程序异常问题。使用内存交易，交易速度可达到毫秒级，相比传统交易技术有几百上千倍的提升。

4 人工智能

人工智能技术可以有效的提升资产管理机构的竞争力。金融科技公司致力于开发通用的人工智能技术工具，自然语言理解技术的使用，使得工具类产品更便于操作，提高使用效率。

借助于人工智能技术定量分析，数据可以快速海量地进行分析、拟合、预测，来解决海量组合空间与计算机处理能力之间的瓶颈。通过分析市场数据，已发生的交易数据，预测未来的交易趋势，程序自动下单;该模式可以放弃感知的主观因素并自动执行预设策略。通过搜索爬行技术，可以在语义上识别互联网搜索结果，以进行大数据分析和趋势判断，并充当金融分析师。

区别于传统人工方式，作为人工智能的三个核心（机器学习、自然语言处理、知识图谱）之一，机器学习将全部可能的投资组合逐一计算，按照一定的算法进行筛选，最终选出满足一定收益和风险指标的投资组合呈现给客户。自然语言处理集合自然语言搜索、图形化用户界面和云计算，使计算机能够如人类一样通过推断和逻辑演绎理解不完整和非结构化的信息。知识图谱通过提取精简且价值的风险情报与挖掘关键信息，如舆论热点，金融相关等信息，实现知识图库的数据结构。

5 智能投顾

《资管新规》明确将智能投顾界定为“运用人工智能技术开展投资顾问业务”。凭借人工智能分析客户需求，统一画像完成客户需求匹配金融资产。只有大量的有效数据来源，对客户精准画像，才能对精准营销实现最优资产组合。根据个人投资者的风险偏好、财务状况与理财目标等特征，运用智能算法及投资组合理论，来完成传统到智能资产配置的跨越式飞跃。同时，智能投顾通过技术创新降低成本及门槛，实现服务从0到1的创造，边际成本几乎降为0。

简而言之，金融技术的嫁接和应用为解决资产管理领域的基本难点提供了新思路和新动力。科学技术是国家繁荣的基础，创新是国家进步的灵魂，资产管理产业是全球最大、同时也是发展最快的产业之一，通过技术创新促进行业发展，实现金融技术在大型资本管理行业中的重要性。

[1]罗雄华.美国“新经济”与金融自动化[M].北京:中国青年出版社,2005.

[2]毛妮.国有商业银行核心竞争力研究[D].上海:上海大学,2003:20-21.

[3]秦霞红，张载明，鲁波.投资计划管理[M].南京:南京大学出版社,1992.

[4]宓喆.我国商业银行精细化管理研究-以常熟农行为例[D].苏州:苏州大学,2015:80-81.

[5]宋慧芳.金融监管应把握平衡[J].中国经济信息, 2017,11(1):48-49．

[6]钱裕春.基于大数据的S商业银行理财产品创新研究[D].苏州:苏州大学,2016:65-61.

[7]巴曙松，白海峰.金融科技的发展历程与核心技术应用场景探索[J].清华金融评论.2016（11）:99-103．

[8]巴曙松，白海峰.多管理人基金（FOF/MOM）投资模式与金融科技应用展望[J].清华金融评论.2017（5）:89-92．