新浪财经讯 第七届中国国际金融论坛于2010年10月16-17日在上海浦东召开。论坛主题：绿色金融创新与产业绿色转型。上图为上海超级计算机中心主任奚自立。

　　奚自立：各位来宾，我不是来自于金融界，来自于计算机界，所以大家可能觉得有点意外。我讲的是金融计算，这是一个跨学科的事情。我相信大家以前比较少关注这分析的课题，我想借这个机会让大家了解一下金融计算。

　　我今天主要从四个方面讲一下金融计算方面的事情。一，金融计算定位。二，金融计算发展在中国来说是比较好的契机。三，还需要什么样的金融计算。四，我们计划的金融计算建设模型。

　　作为金融界我是外行，但还是有一定的理解，近几年我也在这方面努力地学习。在金融计算定位上来看，首先看金融计算的综合功能，五大功能和数据、计算的相关度。我列的这张表：市场信息中心、资金清算中心、市场信息中心、金融创新中心、风险管理中心。这是五大功能。在这里面金融创新中心对计算的依赖度最大。产品定价、风险控制这方面都起着很大的作用。从金融中心功能角度来看，金融数字和金融计算是所有功能的基础，我相信这一点在座做金融都比较有亲身体会。

　　从金融中心的五大指标来看所有的指标和金融数据和中心的关联。大家知道金融人才至关重要，是第一位的。我们所有定义的人才环境是怎么样的环境？更多是在政策上、资金上的支持，而在工作环境的支持相当薄弱。所以人才政策，什么叫人才政策，我认为要考虑一下这个问题。

　　二，市场准入。实际上市场准入的问题最典型案例就是世界银行组织对中国话语权份额的增加，造成我们面对这样话语权能力的问题。这是大家谈得比较多的方面。这里面比较多的就体现了金融人才问题。毫无疑问，基础建设、金融环境和人才更有直接的关联。从基础建设角度来看，我下面列的投资作为我们政府，或者外界呼声比较高的方面。目前来看，你可以往上统计，中国有20个金融中心在建设，从百亿级到千亿级不等，有23个后园中心在建，这些都是基础投资方面。这些投资够了吗？我认为环境可能更重要。人才可能更重要。

　　经营环境里面可能更多涉及到的是一个文化。这个文化是怎么培育的，这不是1天、2天所能培育的。涉及综合竞争力角度来看更多考虑的是国民素质和GDP情况。国民素质又是一个什么样指标的体现呢？毫无疑问人才是一个很重要的部分，但我觉得现在人才培育机构还是不够完善的，或者我们的着重点抓得还不够紧。

　　从产业链角度来分析。金融产业链来看列了服装加工产业链，汽车产业链，然后再看一下金融界产业链是怎么样的情况。服装产业链大家很清楚。服装工厂自己不设计服装，自己不生产原材料。他的服装靠谁设计呢？再围绕服装厂有几千家、几万家的服装设计工作室，每年可以设计几百种、几千种式样提供给各大服装工厂。所以服装设计工作室是一块很大的创意中心，也是一块的人才集聚中心，同时也是一块高端人才的集聚中心。

　　汽车生产，美国80年代、90年代来看，汽车生产、设计完全脱离。有很多汽车设计公司来帮助福特、别克厂商设计汽车，做汽车的模型。所以围绕着汽车生产线整个供应链产生了很多汽车设计工作室，很多人具有很高的智商，很强的设计理念。他基于一个汽车工业化的标准的平台，而每一个设计工作室都是几个人到十几个人。

　　同样，金融产业来看也追寻着这样的产业链发展过程。美国为什么会有这么多的金融咨询公司，实际上在中国四大银行，以及各大证券交易所、保险公司仅仅是金融里面的一个主体，所有的设计，以及第三方的产品提供商应该越来越庞大。

　　从金融业来看发展越来越个性化。产品的品种会越来越多，投资的产品、投资方式越来越多。但一个最大、最重要的基础是什么呢？需要有一个标准化的平台。就像服装工厂，就像汽车工厂，它所有的提供都是一个标准平台。所有的零部件，所有设计公司设计的汽车都有一个标准。这个标准平台是什么呢？目前大家用得最多路透社、彭博社的咨询机构来做咨询。

　　作为金融界来说还有小规模、大群体。这是什么含义？这些工作室的规模非常小，任何的咨询机构的规模不会大，专业性特别强，但这样的咨询机构可以有几千个、几万个、几十万个，为什么？它的领域、发展方向不同。但他接触一个工作环境，这个工作环境就是所我提供的数据和计算的开发性和标准化。对人才性至关重要。

　　毫无疑问金融咨询肯定是一个高端的服务业，所以从产业链角度来看我把金融咨询定位在高端服务。这是一个欧洲中央银行的趋势表，把第三方的计算和服务外移到其他方去，主要是降低成本，降低成本的基础就是搭建一个诚信，以及一个平台的开放度。我在刚刚开始研究金融的时候就想问大家一个问题：金融的本质到底是什么？在座可能很多人也会想这个问题。

　　我罗列了些，但不想说是谁说的，这些只是讨论而已。一个说法是：金融是拿别人的钱来玩，赚了钱大部分归自己，亏钱了以后是亏别人的。第二个说法：金融的本质就是财富的再分配。第三，金融本质就是钱财的博弈与流通。我看到很多的报道，纽交所50%的交易是量化交易。所以他给一个观点是：纽交所是一个人机大战。纽交所现在基本成为人机大战。从这个角度来看金融本质和数据、计算相关。没有数据、计算根本不可能。

　　我再想说一下金融计算和数字之间的关系。因为数字和计算可能分离，也有可能不分离。这是我罗列的金融数据大情况。有两部分：一部分是宏观数据，一部分是微观数据。宏观数据有经济数据。经济数据和金融数据的相关度相对来说比较大，所以我放在一起。从上面来看主要计算的是金融模型。这些是标准的银行界，或者是金融界使用的模型。在这个模型上要做的是宏观经济预测，金融风险控制，量化投资决策、套期与保值等产品。从金融角度来说计算涉及到一个复杂计算和即时计算。复杂计算一般性是比较宏观的东西。即时计算是高频交易的东西。

　　由于金融计算大多数模型基于Merton模型，它需要大量的数据，这些数据不可能以分布式来采取。因为它的时效性很重要。所以在金融计算领域里数据和计算是分不开的。只有聚集在计算周围的有效性才会充分地发挥出来。下面我说到的领域分离性可能比较大，但金融计算来看数据和计算是不能分离的。

　　第二部分我想说一下金融计算发展的契机，就是我们的优势。上海作为金融中心已经是未来上海中长期发展的重点，这是一个事实。我们怎么样借这样的机会来促进金融计算的发展？一，很多报告都说20年之内不可能赶上香港，很多人认为国内有这么多的金融中心在建设，上海是否能抢占先机？我认为上海一定能够成为国际金融中心。第一个因素：海派文化的元素沉淀足够的金融元素，我仅仅罗列些代表性的说法，带这些代表性说法在这里只提一句，为什么很多人认为上海人愿做白领，不愿做老板，这是海派文化很重要的元素。恰恰金融是一个创造白领最多的地方。

　　二，现代金融已经融入更多的数字信息元素。在金融数据功能里面毫无疑问彭博社和路透占有重要地位。上海的金融咨询业能不能有效地发展，这是很重要的方面。跟保险业谈，保险业告诉我他的主营业务不是保险，保险业务不赚钱，现在其他的业务赚钱。而银行业来看的话，网上有一个统计，国外银行业存贷差利润只占利润的10%。只占收益的10%不到，其他的是靠数据和咨询赚钱。所以银行业也不做存贷款，因为不是我的主营。也就是说数据和计算显得越来越重要。

　　三，我想说现代服务业。很多人为上海第三服务业发展完全不同，跟纽约、伦敦相比人家是7、80%的第三产业，而上海只是50%。第三产业，金融服务业肯定是一个第三产业，高端服务业。我在这里取到一个数据，2010年3.3万亿美元IT支出的比值，这是一个国际和中国的。我只是想说明一个什么问题呢？它的比差。也就是说在国际上它服务产值占很高。而中国是什么呢？中国是因为硬件投入最大，软件其二，服务最少。而国外的硬件比较多，占第二位的是硬件，第三位的是软件，但是国际服务业很强。对我们来说中国和国际上相比，它的比差差距太大。所以金融服务是一个很应该发展的方向，也是一个很好的发展前景。

　　数据应该显得越来越重要。我没有查到中国数据产业整个的产值，数据产业对中国来说还是比较新的概念，所以可能统计部门没有做到，我只是查到IT服务这一块的数据。从定性上来看毫无疑问硬件、软件、数据的发展价格趋势来看，硬件现在越来越低，软件保持着一定的发展速度。而数据是更快的发展速度。数据起源于2000年。数据的问题是标准化很低。标准化很低，不能产业化。但标准化低的一个很好特性是发展型的服务业，提供了很多工作机会。

　　因为主持人给我比较多的时间，我顺便插一句，以前说劳动密集型的企业是谁呢？原来是宝钢，10万人的宝钢，现在到1万人，对不对？北京有一家上市公司做外包的，1万2千人。他是一个劳动密集型的吗？大家可以想一想，实际上劳动密集型的定义是脑力劳动，还是体力劳动。现在的劳动密集型在哪里，这是一个产业发展的表。这是金融数据市场的表，这个表里面描述了在中国数据市场来看，09年数据市场是3.42亿美金，这里面主要是路透、彭博，中国国内企业——万德占比较大一块。整个市场我相信会扩充很大，特别是上海要进入全球国际金融中心地位的话这一块发展是很重要！

　　下面我想说一下发展平台方面的事情。这张表大家很少看到，在全世界最强的5百台计算机里面来看，第二大的是金融。中国从80年代后期有了超级计算机的应用，有科学计算，多领域都有。但没有金融界的超级计算。这是09年11月份的一张TOP500，也就是说世界上最强5百台机器的排名。科学计算总共有84台，中国占了3台。金融界全球有35台做计算，中国一台都没有。我想这张表可能金融界不是很关心。这个领域应该来说是中国重要的发展领域，为什么没有自己的计算超级计算机，为什么没有金融计算。这是上个世纪96年开始找出来金融计算计算机的增长比例。96年开始量化投资在纽约、在华盛顿。一大堆做研究的人进入金融机构，计算机使用快速发展。

　　还有一个信息，我开始研究金融界以后就发现从93年开始有一个专门的高端金融计算会，每年一次，在纽约开，这个会议叫HPWS，好性能计算在金融界的应用，每年一次。说明金融计算的发展历程。二，WRDS系统，这是一个高端计算系统，我还了解到彭博社有一个8千核的超级计算机，用作浮动的定价系统。8千核。

　　主持人告诉我时间比较紧，我加快一点，国内就不想介绍了。希望要有一个什么样的金融计算中心？一，希望把各个数据块集中起来作为第三方，或者作为一个咨询机构。当然现在数据库的事情大家很清楚，银行界有银行界的特殊情况，所以不太容易开放。

　　二，我们希望要有些咨询机构能够通过小规模、大批量的方式来集聚在金融计算中心，由金融计算提供很好的工作平台，为这些小金融机构提供一定的服务。

　　三，我们需要研究的政策，研究的机构来加入。因为中国现在的金融研究领域还是过多地急功近利，我到各大行去都了解了些情况。未来5年、10年的事情兴趣不是很大，倒是对上海国际金融中心来说意义很大。诚信确实是很重要的课题。有一句话我很欣赏：金融中心不是打造出来的，而是经验的积累和汇聚。中国的体制5年一届，或者4年一届的轮回管理方式对我们的集聚和汇聚有很大不利，我们怎么样克服这方面的因素很重要。

　　四，金融数据中心，或金融计算中心应该为我们的政府、我们的决策，我们的宏观经济研究机构，包括给这些金融研究者提供一个比较好的服务平台，这是我们所期待的。

　　从总体上来说我们希望建立这样一个金融计算中心，为五大体系提供些基本的保障，这是我们现在国际的模型。我简单地说一下彭博、路透的模型，基本上基于下面这一块，也就是说金融基本模型这一块，红色这一块所拥有的平台。沃顿是一个商学院，是一个对外开放的系统，尽管他有他的计算能力，但他的计算能力不是很强，大概是1500个CPU的规模。数据资源也不是很强大。国内现在万德中融网、大智慧基本上是以数字为主，高频计算基本上还在处于研制阶段，其他的复杂计算就不考虑了。

　　作为我们金融计算中心来说希望把这两块罗列进去，而撇开高频计算，因为高频计算仅仅是一个商业上的事情。这是我们希望未来建设的目标。这是我们计划的过程。上海超级计算中心实际上成立的是2000年，到今年整整走了十年，主要立足于全系列的科学计算，包括工程、科技等等地方。未来上海超计算中心希望在金融计算领域做一定的拓展。目前为止各个领域，包括不管是化学、物理、天文、地理都有客户在上海超计算中心运算资源，唯一没有金融界来使用我的资源，这是比较大的遗憾，也是我们没有努力去开拓市场的结果。所以未来希望上海超计算中心在金融界获得一定的发展，同时获得同行们的支持！

　　今天仅仅讲一个观点，没有很具体地拓展出来。大家有这方面兴趣的人可以会后跟我们沟通，希望共同把上海金融计算做得更好。不好意思，多占了大家一点时间。谢谢各位！