通联数据冯钦远：中国资管业正在经历非常深刻的变革

　　新浪资管讯 7月20日消息，“2019中国资产管理年会”在上海召开，本次年会的主题为“金融供给侧结构性改革与高质量发展，通联数据首席内容官冯钦远出席“大类资产配置主题论坛”并发表主题为《科技赋能投资——基于科学投资的智能资管解决方案》的演讲。

　　冯钦远表示，中国资管行业正在经历非常深刻的变革，这种变革对于整个中国资产管理者带来很多全新的挑战。从规模上来看，随着社保基金、保险、银行理财子公司的持续进入市场，对于资管者来说，如何用比较低成本的方式来支撑巨量的万亿级别的资产管理，这实际上要求有一种工业化运营的能力和思考。第二个，从客户的需求来看，无论是社保的钱、保险的钱还是银行理财子他们客户的钱，实际上这些钱他们在风险偏好方面，是有一些共性的，要求我们管理者能创造长期稳定的回报，这是资产管理行业永恒的难题。第三，在整个信息化时代下成长起来的80、90后，他们已经不再满足于传统的，通过电话销售、柜台销售的营销模式，而是希望在全新的场景下，在互联网上，在移动互联网上获得个性化、定制化的产品，这就要求我们管理者在产品的研发，在运营方面要有非常深入的思考和非常深入的洞察。

　　以下为演讲全文：

　　各位领导、各位来宾下午好，非常高兴有这个机会代表通联数据报告我们对于中国资产管理行业的思考。

　　通联数据是一家金融科技公司，今天我的报告会从比较特别的角度来切入。从fintech的角度介绍我们对于如何通过人工智能技术和科学投资理念来为资产管理者、资产管理行业带来新的价值，从这个角度做一些分享和阐述。

　　今天的报告主要分成两个部分，第一部分是关于行业的人智，第二个是智能资管解决方案里面我们做的探索和尝试。

　　实际上今天通过全天的会议我想大家都非常清楚了，中国资管行业正在经历非常深刻的变革，这种变革对于整个中国资产管理者带来很多全新的挑战。具体来看从规模上来看，我们知道随着社保基金、保险、银行理财子公司的持续进入市场，对于资管者来说，面临的一个全新的问题和挑战，也就是说如何用比较低成本的方式来支撑巨量的万亿级别的资产管理。这实际上要求有一种工业化运营的能力和思考。

　　第二个，从客户的需求来看，我们知道，无论是社保的钱、保险的钱还是银行理财子他们客户的钱，实际上这些钱他们在风险偏好方面，是有一些共性的。就是要求我们管理者能创造长期稳定的回报，这是资产管理行业永恒的难题。

　　第三，我们知道在整个信息化时代下成长起来的80、90后，他们已经不再满足于传统的，通过电话销售、柜台销售的营销模式。而是希望在全新的场景下，在互联网上，在移动互联网上获得个性化、定制化的产品，这就要求我们管理者在产品的研发，在运营方面要有非常深入的思考和非常深入的洞察。这是第一方面，中国资管方面面临新的问题新的挑战。

　　另一方面，同时我们看到许多海外头部资管机构，他们对于中国资管市场又非常有兴趣。我们知道在上个季度贝莱德宣布进入中国市场，并且提出打造中国顶尖的资管机构。问题来了，这些海外投顾机构到底有什么杀手锏，他们信心来自于哪里？通过我们长期的研究，包括和这些机构的沟通和交流，我们认为部分的答案可能在于这些机构在成熟市场当中，通过几十年的运营，已经形成了一套比较完备的科学投资的理念和方法论、系统。

　　这个系统有一体两面的两方面，一个是本身投资管理是足够科学的，另一方面他们有比较强大的投资管理平台的支持。具体来看，首先，这些海外的头部管理机构很大程度上已经不再依赖于人的个人经验、明星基金经理的个人决策来作为整个投资运营的核心驱动力量。而是说，他们有比较成熟的投资模型、投资策略、投资体系、投资架构。这些体系架构模型和策略，应当说在市场上经过了反复的校验，证明能够产生“α”，进一步来说围绕他们的理念，他们打造了比较完备的投资管理流程，风控的机制，包括考核的规范。

　　另一方面事实上我们认为可能更加重要的一方面，这些头部的海外资管机构，往往都有非常强大的底层资管平台，通过这样的平台，把他们科学投资的理念，固化成为投资纪律、投资流程和投资规范。纵观这样的顶尖的资管平台，我们发现有两点要素是必不可少的，首先是底层丰富的投资能力，讯息是一个基础。另外一块就是围绕整个组合构建、组合管理的全过程，打造闭环的生态系统和丰富的场景。

　　我们知道目前进入到大数据和人工智能的时代。这样的时代下，前面提到了科学投资的体系会有怎么样新的演绎方向？我们通联数据非常推崇量本投资，也就是量化和基本面深入结合的投资理念和方法。实际上这个在华尔街也是被普遍接受的方法论。具体来看传统资本面研究是非常依赖于人类经验，再处理小数据方面有明显的优势，也就是说研究的非常深入，但在覆盖面方面相对来说比较狭窄。反过来说，量化研究，可以和机器学习、人工智能这样的技术相结合，能够非常成片的有广度的发觉市场的规律，但问题在哪里呢？可能在逻辑判断方面，人工智能在认知层面上是有一些短版的。后面就是一个非常自然的想法，如果我们能把人的逻辑推演能力逻辑思维，赋予机器的话，是不是我们整个投研认知的层级提升到一个新的水平？这就是我们通联一直在做的具体实践。

　　我下面举个具体的例子，这里面放的是人类的投研人员所做的非常基本的也非常通用的公司研究范式。比如说你要研究长城汽车的利润，做相应预测的话，肯定要做一个层层抽丝剥茧的分析。要看利润和分析，判断费用要对业务线进行预测，再往下到产品，甚至产品的价和量，判断产品量的话可能考虑终端底层的因子、宏观层面、微观层面的另类数据等等，有了这套人类分析框架之后，下一步就是金融工程开始发挥作用的地方。我们融入大量的各种各样的模型，通过反复的校验、不断迭代从而形成对于这个上市公司盈利最好的拟合和最好的预测模型。

　　2018年我们对A股公司做的大样本营收预测，整个精度跟财报相比平均误差在8%以内，远远超过了分析师的平均水平，这样非常给我们信心的。证明量本投资这样的方法论确实实务中可行的。道理也很容易理解，给到了这样一套人的分析逻辑的话，机器学习是无穷尽的，不断迭代的。理论来讲，我们可以针对每一个实体，无论是公司、行业、宏观，我们可以构建相对完善的，甚至是市场上最完善的分析框架，匹配个性化的最优的预测模型，并且24小时实时的预测和实时的监控，这种预测的精度，这种模型的强度，可以说是传统人类人员难以比拟的。

　　基于这样的原理，我们把方法论不仅仅运用在公司层面，而是扩展到整个资产管理的方方面面，各个维度上，从而打造了我们所谓的全资产一站式、基于人机结合的资产管理解决方案。这个方案实际上包括三个层面，最底层是我们数据层，也就是说我们把市场上所能够获取到的各种信息，包括结构化的信息、非结构化的信息、另类的信息全部整合近来，再往上一层，基于人机结合的理念，把人的投资和算法模型深度融合，从而打造智能资管核心模块。前面提到了我们有智能盈利预测模块、智能投研框架模块，专门分析行业景气、宏观表现。通过资产配置模型、优化器做大类资产配置、组合优化。通过“α”因子通过分解模型进行组合管理。基于这样的核心模块，我们可以支持到整个资产管理的各个环节，包括市场的监控、投研、组合的管理、分析的管理等等。

　　具体来看，这种智能资管整体解决方案给客户带来的价值包括以下几个方面。从数据底层来看，帮助客户打通底层的各类数据、形成强大统一的底层数据能力。第二个，从投研角度来看。我们知道，很多投资基金经理跟我们反馈，日常最大的问题是什么？信息过载，我其实不需要那么多信息，我也出力不过来，我只需要你给我和我组合相关的和我投资策略相关的那组信息的变化就可以了。日常变化过程当中，这种信息筛选是因人而异的，需要花费大量的时间。我们就可以通过智能的监控、智能搜索，智能预测帮助我们客户实现所谓监控的外包、包括研究外包。

　　再往前走，我们要做工业化的资产管理、形成工业化的生产能力，非常重要的环节就是量化的能力。有一些可惜的地方是量化这件事情是有门槛的。我们希望通过我们这样的解决方案，帮助那些没有编程能力的投研人员也能够非常简单的进行策略构建、策略分析、策略回溯。

　　在组合管理领域里面，我们知道传统目前的操作方法主要是依靠投资人员个人的经验，这里面有做的非常好的地方机器难以竞争的地方。比如说我们服务过程当中，我们就发现怎么做组合优化这件事情上面是值得商榷的。理论上我们都知道，给定任何一个投资组合，我都可以通过这种底层的资产标的的权重调节，来提升整个组合资产风险收益的配比，这件事情理论上是可行的，并且实务上我们发现对于各个组合有很明显的风险。但实际上偏基本面研究的投研人员，在日常实务当中可能缺少类似的工具。

　　风险管理领域里面，我们知道最近这些年来，资管机构实际上对于风险管理越来越重视。但从我们基数角度来看，风险管理的广度和深度方面，都有进一步提升的空间。

　　最后，我们知道整个组合的运营过程，是一个非常烦琐的，非常耗费人力的过程。我们希望通过我们这种一站式解决方案，帮助客户自动化的进行穿透式产品净值计算、分析、以及日常报表的自动分析，从而提高整个产品运营的效率。

　　通过我们这种基于人机结合的一站式资产管理解决方案，我们希望给客户日常运营过程当中带来全新的体验。首先在投研领域里面，我们认为智能管理时代，投资的过程、研究的过程，应该是一个非常一体化的，非常智能的。甚至是比较自动化的过程，这个片子里面蓝色的部分是我们机构的投研人员，需要根据自己对市场理解构建因子和“α”模型和风险模型，一旦有了这个策略后面的事情完全可以交给系统完成，比如说系统会根据机构相应的限制，来形成合理的投资组合，结合算法交易落实我们交易清单，结合我们优化器进行组合相应的优化，当然这个全过程当中，人类投研人员可以根据自己对投资策略的理解进行实时动态的调整。

　　风险检测方面我们可以帮助客户打造全流程、穿透式、定制的风险管理体系和模块。投前可以帮助客户进行科学的产品分析和产品筛选。投中通过非常丰富的指标进行动态、实时的穿透式监控。投后通过压力测试、情景分析这样的丰富工具，能够辅助我们进行整个风险的管理。

　　这里面从技术上来说，我想强调知识图谱在深度的风险管理当中的应用。下面举个例子，比如说有一家银行，他在2013-2014年持有光伏行业里面一家非上市公司的债券。我们知道14、15年出现了一些债券唯一的风险事件。如果说这家银行提前构建了基于知识图谱风险监控的体系，这个事件发生之前你有很多机会可以提前预知这个风险。

　　举个例子，光伏行业景气会发生变化，通过我们对核心指标、投研框架的跟踪，是不是可以第一时间发出相应的预警？第二步，当这个行业景气持续恶化的时候，这个行业当中的上市公司股票的价格也会发生相应负向的变化。因为我们知道股市对于企业利润敏感程度会更加敏感一些，这个时候再没有关注的话，第三步，这个行业里面的上市公司债券，会发出一些负面公告信息，甚至2014年出现债券上市、债券违约，这时候通过知识图谱方式再次给你提出预警。所以这种多层次、全市场、全天侯的基于知识图谱风险监控预警机制，能够帮助我们资产管理者有效的管理风险，避免踩雷事件的发生。

　　最后一个小结，我们这样的智能资管解决方案，任何有价值的真正称得上智能的资产管理解决方案，不仅仅是向客户提供一个平台，提供一个IT产品，而是帮助我们客户把整个资管过程当中，最核心的能力沉淀下来，从最底层的数据、知识图谱、投研框架、投研模型、风控模型、考核模型，这些模型都体现了我们这个机构管理风格、管理理念是我们的核心竞争优势。如果我们再往后退一步，这样的资管整体解决方案，或者这样基于量本投资理念的新模式，甚至有可能在整个资管行业转型、商业模式转型过程当中发挥一定程度的作用。我们知道目前的资管模式一开篇我就说到了，事实上是高度依赖于人、依赖于明星基金经理，而人是流动的，他的超额收益是不稳定的，并且是需要强激励的。

　　实际上通过我们人机结合的新产品运营模式。核心技术都是沉淀在模型、算法、策略当中，相对来说他的收益是稳定、可预测的。并且更重要的一点是可辨识的，因为我知道我的收益来源是什么，我就可以根据客户不同场景需求设置相应产品。事实上这种更多是互补的模式，我们从团队合作角度来说也有进一步的价值。

　　最后，当然我们也知道，资管行业的转型，人工智能的渗透和应用，当然是一个非常长期的过程，会充满各种挑战，我们通联数据非常希望利用我们海量的数据，对科学投资、量本投资的深入理解，包括我们前沿技术和资产管理者携手共进，共同在人工智能的大时代当中创造新的价值。人工智能，让投资更高效，最后也非常欢迎各位领导、各位嘉宾可以扫码加入我们专门为这次年会设置的服务群，给我们更多的指点、更多的交流，非常感谢大家的时间！谢谢！

责任编辑：张译文