科技訊7月15日,媒體未來科技峰會在北京舉行。香港金融數(shù)據(jù)技術(shù)有限公司(FDT)創(chuàng)始人兼CEO聶凡淇出席了“AI+金融”專場并發(fā)表主題演講。
中國“AI+金融”比美國前景大
2016年中國個人財(cái)富已經(jīng)僅次于美國。中國體量大,平均財(cái)富是遠(yuǎn)低于美國。聶凡淇認(rèn)為,AI在中國金融市場前景比美國更大。
他介紹,金融服務(wù)這塊,國外摩根大通2017預(yù)算90億美金,匯豐已經(jīng)花了24億美金在人臉識別、區(qū)塊鏈各方面金融科技的應(yīng)用。FDT在中國主要跟券商合作,中國自主券商研發(fā)團(tuán)隊(duì)不到5家,有100多家券商,但自主研發(fā)不到5家。真正投入華泰證券最好,去年花了3個億。
聶凡淇介紹,F(xiàn)DT希望幫助金融機(jī)構(gòu)實(shí)現(xiàn)資產(chǎn)管理的升級。這件事分三步走:第一,通過幫助金融機(jī)構(gòu)做投資者適當(dāng)性管理,把散戶變成“被動投資者”;第二,通過模型認(rèn)知,幫助金融機(jī)構(gòu)識別出不適合自己做投資的“被動投資者”;第三,向被動投資者推薦推薦他所適應(yīng)的理財(cái)產(chǎn)品。
智能投資者教育加快“去散戶化”
FDT瞄準(zhǔn)的第一個場景是投資者教育。
中國證券市場以中小投資者為主,風(fēng)險(xiǎn)意識不足、投資經(jīng)驗(yàn)也不足。聶凡淇認(rèn)為,1億股民參與投資市場會引來很大麻煩。他回憶,巴菲特談到中國金融投資者教育不足,投資會有變化。美國花了70年完成投資者教育,這是一個漫長的市場,他相信市場長期引導(dǎo)人們做正確投資。通過市場去散戶化的代價(jià)太大,2015年的慘痛教訓(xùn),2008年的慘痛教訓(xùn)就是前車之鑒。智能投資者教育將加快去散戶化的過程。
他坦言,在三年前做FDT,就是看好中國一定要去散戶化的。怎么去散戶化?就是做投資者教育。如何來做投資者教育,當(dāng)時(shí)團(tuán)隊(duì)就開始了專題研究。7月1日,中國證監(jiān)會發(fā)布的《證券期貨投資者適當(dāng)性管理辦法》正式開始實(shí)施。這比FDT的預(yù)計(jì)還早,目前FDT的投資者教育項(xiàng)目已經(jīng)投入了商業(yè)化。
智能交易可讓對沖基金經(jīng)理失業(yè)
投資者教育之外,F(xiàn)DT的另外兩塊業(yè)務(wù)是智能交易和智能資產(chǎn)管理。聶凡淇本人是基金經(jīng)理出身,他透露目前正在與沃森的首席人工智能科學(xué)家討論,如果能做成智能交易,很多對沖基金經(jīng)理都會失業(yè)。
現(xiàn)在市面上的智能投顧,一般都是通過問卷來識別用戶的風(fēng)險(xiǎn)偏好。FDT的做法則不同,是通過對用戶證券選擇操作行為和收益之間的分析,來判斷客戶的風(fēng)險(xiǎn)偏好以及是否適合做投資。
將用戶的錢投向哪里?FDT的想法也與一般的證券機(jī)構(gòu)不同。不是根據(jù)基金給出的現(xiàn)成的風(fēng)險(xiǎn)和收益的數(shù)值來選擇投資標(biāo)的,而是往前在延伸一步——分析基金經(jīng)理的操作行為,從而判斷他的風(fēng)險(xiǎn)和收益,從更根本的角度來判斷投資的風(fēng)險(xiǎn)和收益。
聶凡淇介紹,目前,F(xiàn)DT的技術(shù)研發(fā),是與許多大學(xué)在合作。FDT在四所高校有研究機(jī)構(gòu),其中包括牛津大學(xué)、哥倫比亞大學(xué)、清華大學(xué)、南京大學(xué),這幾個金融研究中心在做AI金融前沿研究。同時(shí),F(xiàn)DT也與多所高校有合作,包括中山大學(xué)、上海財(cái)經(jīng)、西南財(cái)經(jīng)等。
以下為現(xiàn)場實(shí)錄:
閆瑾:多謝!謝謝賴先生的精彩分享,確實(shí)IBM認(rèn)知技術(shù)是在行業(yè)中比較領(lǐng)先,不僅能提升金融行業(yè)的運(yùn)營能力,也能提升用戶的體驗(yàn)。目前行業(yè)中有很多投顧公司,如何根據(jù)用戶真實(shí)交易行為數(shù)據(jù)和最后收益率之間關(guān)系為用戶畫像呢?下面有請香港金融數(shù)據(jù)技術(shù)有限公司(FDT)創(chuàng)始人兼CEO聶凡淇,有請!
聶凡淇:各位來賓上午好!謝謝媒體給我這個機(jī)會講講FDT在AI金融做的事情。我和紀(jì)總觀點(diǎn)一致AI有很多應(yīng)用,我們也相信AI在金融領(lǐng)域是最有可能突破的地方,很簡單,AI離數(shù)據(jù)近離錢更近,對于創(chuàng)業(yè)企業(yè)來講AI金融又有很多挑戰(zhàn)因?yàn)榻鹑跀?shù)據(jù)是非常“秘密”的,不像其它數(shù)據(jù)可以獲取做測試的,這也是挑戰(zhàn)。
AI在中國金融市場有三大應(yīng)用非常有前景,AI智能金融服務(wù)。AI可以降低服務(wù)的門檻,金融普惠大眾,2016年中國個人財(cái)富已經(jīng)僅次于美國,中國體量大平均財(cái)富是遠(yuǎn)低于美國,這樣AI在中國金融市場前景比美國更大。
還有金融服務(wù)這塊,國外摩根大通今年預(yù)算90億美金,匯豐已經(jīng)花了24億美金在人臉識別、區(qū)塊鏈各方面金融科技的應(yīng)用。中國這塊主要跟券商合作,中國自主券商研發(fā)團(tuán)隊(duì)不到5家,有100多家券商,但自主研發(fā)不到5家。真正投入華泰最好,去年花了3個億。很多公司幾乎是很少投入的,我相信這塊前景也是中國,沒有金融科技的投入金融肯定沒有未來,證券公司要奮力不斷補(bǔ)足自己的短板。
另外,智能金融監(jiān)管的問題。沒有監(jiān)管劣幣會驅(qū)逐良幣,大眾容易被劣幣誘惑,百度的育兒事件(音),還有跑路的事件,良幣很難讓普通大眾接收到。監(jiān)管不能一刀切,驅(qū)逐劣幣同時(shí)可能驅(qū)逐了良幣,真正想得到服務(wù)的人得不到。智能監(jiān)管是最重要的話題,在驅(qū)逐劣幣過程中怎么保護(hù)良幣,這是智能監(jiān)管要做的。
7月1日有一個適當(dāng)性管理投資者分類,投資者產(chǎn)品評估和風(fēng)險(xiǎn)匹配。不是所有投資者都能做散戶一定符合一定條件才能做主動投資,這是非常和諧的,我們預(yù)期一直做投資者教育,相信適當(dāng)性管理出來會增加中國區(qū)域散戶化的過程。
條例一出來每家券商可能要投入上千萬服務(wù)適當(dāng)性管理,客戶越多不用新技術(shù)成本越高,券商都面臨填很多表格、填很多資料,去符合監(jiān)管。一個券商要投入上千萬,一百多家在十億規(guī)模今年要完成這個投入。
在美國金融機(jī)構(gòu)發(fā)揮是很大的,有六七百億規(guī)模符合監(jiān)管是巨大市場,美國大多數(shù)是人工完成的,我相信AI介入復(fù)合監(jiān)管上會有非常大的突破。
另外一個應(yīng)用場景是金融教育。大家都知道中國市場是以中小投資者為主,風(fēng)險(xiǎn)意識不足、投資經(jīng)驗(yàn)也不足,一億股民參與投資市場會引來很大麻煩,2015年就是一個例子。我是基金經(jīng)理,我跟諾貝爾獎得主麥瑞?索羅斯(音)2015年5月份討論中國股市。我是很樂觀的態(tài)度,短期回調(diào)肯定有,長期是向上的,各個海外市場都是在向上。現(xiàn)在美國股市昨天創(chuàng)新高了,中國股市沒有理由是這樣,這是因?yàn)樯舻耐稒C(jī)過重使得市場失去了信息,如果沒有這個參與這是非常良性的市場,肯定比現(xiàn)在好得多。
巴菲特談到中國金融投資者教育不足,投資會有變化,美國70年完成投資者教育,漫長的市場,他相信市場長期引導(dǎo)人們做正確投資。通過市場去散戶化的代價(jià)太大,2015年的慘痛教訓(xùn),2008年的慘痛教訓(xùn)大家都知道,智能投資者教育加快去散戶化的過程。
我們源于牛津大學(xué)NIE金融實(shí)驗(yàn)室的捐贈,馬蔚華是招商銀行前行長也是我們董事長,也是2015年加入FDT引導(dǎo)我們做投資者教育這塊。我們有四個研究機(jī)構(gòu),牛津大學(xué)、哥倫比亞大學(xué)、清華大學(xué)、南京大學(xué),金融研究中心在做AI金融前沿研究。我們也在學(xué)校做了包括清華大學(xué)、中山大學(xué)、上海財(cái)經(jīng)、西南財(cái)經(jīng),陸續(xù)把場地部署到各個學(xué)校去。
大家可能很奇怪問,為什么FDT跟學(xué)校做這么多的研究和討論?我們董事長最看重布戰(zhàn)略,我們應(yīng)該為5年后甚至10年后的事情做布局。真正做研究,長遠(yuǎn)研究的地方一定是學(xué)校。因?yàn)镈eepmind創(chuàng)始人是加拿大阿伯斯塔的一個博士,他的老師到阿伯斯塔沒能看好他的研究,找不到工作正好去做研究,學(xué)校里有這個氛圍,他為什么成功?剛好阿伯斯塔有一個教授做興趣愛好跳棋的研究,怎么電腦做跳棋,這兩個人一拍即合完成了圍棋很多研究。Deepmind在阿伯斯塔的實(shí)驗(yàn)室所有學(xué)生他們?nèi)慷家?/p>
我們跟學(xué)校做長期研究的合作,我也是受益于在國外的大學(xué)讀書時(shí),他們有個氛圍學(xué)校是不管你的,你想做什么做什么。像牛津大學(xué)你一輩子不出文章沒人會不許,但是往往這些教授會出來非常轟動性、革命性的結(jié)果,包括劍橋DNA之父。我們想跟學(xué)校一起探討未來金融方面的研究。
下面講一下我們的例子,我們在三年前做FDT看好中國一定要去散戶化的。怎么去散戶化?投資者教育。誰做得好誰做得不好,我們給了一個課題給研究團(tuán)隊(duì),現(xiàn)在開始商業(yè)化,因?yàn)楸O(jiān)管來得比我們預(yù)期早一點(diǎn),我們馬上投入了商業(yè)化。
我們通過一個模型評估它是一個好的基金經(jīng)理,包括有四大維度,風(fēng)險(xiǎn)控制是怎樣的、盈利能力怎樣、穩(wěn)定性怎樣、投資活躍度怎樣。我們出了份報(bào)告,像NBA球員打分一樣,哪個人是適合做投資的。但是從我們上百萬用戶的實(shí)驗(yàn)和數(shù)據(jù)積累30萬億人民幣的交易模擬數(shù)據(jù),然后有三萬億真實(shí)數(shù)據(jù)的交易,我們發(fā)現(xiàn)出現(xiàn)這個情況是中國用戶居多的,實(shí)際90%的人不適合做主動投資的。這跟美國的狀態(tài)是一樣的,美國是被動投資占主流甚至90%,主動投資人在9%,金融人才可能1%,可能都不到,很少。
在不適合做散戶來講,希望做被動投資。怎么做被動投資?校園做初級教育,希望給他環(huán)境體驗(yàn)市場風(fēng)險(xiǎn),讓他認(rèn)知到,給他200萬發(fā)現(xiàn)虧得很快,他不適合做就不會去,讓他變成被動投資者,這是市場的趨勢。
我們業(yè)務(wù)分三大塊,一個是智能交易,我是基金經(jīng)理出身,這塊是我最感興趣的地方。沃森的首席人工智能科學(xué)家是一個華人也是我的好朋友,他也是在這塊跟我在討論,其實(shí)這個是非常有趣的一件事,如果做成這個很多對沖基金經(jīng)理都會失業(yè),不要說做散戶的這是我們想做的一件事。
另外,智能教育,通過一部分人從事金融職業(yè)成為主動投資的人,怎么幫他變成好的投資行為,如果真的不適合做希望變成被動投資者,參與資產(chǎn)管理這塊。
智能資產(chǎn)管理這塊,上面兩個倒三角,這是中國金融市場出現(xiàn)問題的根源——資產(chǎn)錯配。因?yàn)槭袌錾系娜舜蠖鄶?shù)是主動投資者,被動投資者占少數(shù),而在互聯(lián)網(wǎng)時(shí)代都是長尾理論,大多數(shù)用戶不是高凈值用戶都是低凈值用戶,這些人風(fēng)險(xiǎn)偏好是承受不了大的風(fēng)險(xiǎn)的,但是他們又希望通過高風(fēng)險(xiǎn)的產(chǎn)品實(shí)現(xiàn)財(cái)富自由,這是悖論。
他們很容易被市場上的這些不好的劣幣很容易被它吸引,資產(chǎn)荒也是個倒三角,沒有一個評估工具說哪些產(chǎn)品是不好的,所以你在廣告中發(fā)現(xiàn)金融的廣告之前是很多P2P,它出來是高風(fēng)險(xiǎn)的,但偽裝成低風(fēng)險(xiǎn)可以賺大錢,如果倒三角是出現(xiàn)資產(chǎn)錯配,一錯配就出問題。
我們希望通過三步走做這件事,一個是監(jiān)管這層已經(jīng)開始做了,通過監(jiān)管把很多散戶變成被動投資者,我們也通過我們的模型認(rèn)知,幫助金融機(jī)構(gòu)認(rèn)知這些客戶,不屬于主動投資者。如果他不屬于主動投資者推薦股票給他是沒用的,推薦股票對散戶他也賺不到錢。對于被動投資者更多是推薦他所適應(yīng)的理財(cái)產(chǎn)品。
另外資產(chǎn)評分、產(chǎn)品評分監(jiān)管將來也會出來,現(xiàn)在監(jiān)管用戶這塊,什么用戶不能做投資,但產(chǎn)品這塊也會出來,什么樣產(chǎn)品是不能打廣告的?什么樣的產(chǎn)品是不能曝露在大眾面前的?這塊產(chǎn)品評估也叫產(chǎn)品畫像我們也在做,只有這兩點(diǎn)做好了之后才能做智能配置,兩邊只要任何一邊出問題,比如用戶認(rèn)知不好做的配置都是假的。
我們希望這個團(tuán)隊(duì)做的事情也可以幫助金融機(jī)構(gòu)實(shí)現(xiàn)資產(chǎn)管理的升級。
最后基辛格有句話“偉大事業(yè)需要豐富的想象力”這也是我們董事長的座右銘。AI遇上金融可以突破你的想象力,我也希望AI給金融行業(yè)帶來的變革可以真正普惠大眾。
謝謝大家!
評論
查看更多