金融科技在证券业的创新实践

金融科技在证券业的创新实践

近年来，金融科技在证券行业的应用不断深化，对证券公司商业模式的变革也产生了极为重要的影响，加大对金融科技的重视和投入已成为证券行业共识之一。不仅各大综合类证券公司紧跟时代步伐加大对金融科技的投入，部分中小规模证券公司也在积极寻找突破点，希望通过差异化的发展路径，突出特色优势，以求利用金融科技弯道超车。

作为一家互联网基因深入业务骨髓的企业，湘财证券历来重视将前沿科技与证券业务有机结合。早在2012年，湘财证券创新以战略资本链的方式进行深度闭环合作，精准选择金融科技合作伙伴，集结其优势资源，专注打造构建金融科技服务体系。2018年12月23日，湘财证券正式发布服务于私募机构客户的“金刚钻”和服务于互联网零售客户的“百宝湘”两大金融科技服务品牌。

（一）人工智能在证券业的应用

人工智能技术的发展离不开大数据、云计算以及智能硬件的发展，这些技术作为基础支撑了人工智能技术的发展，而智能化将是金融科技日后发展的重要方向。智能化是指用计算机代替人脑来进行分析并作出决策。目前人工智能还处于发展初期，用人工智能来进行决策技术还未成熟，但是可以利用人工智能完成大规模量化和替代部分人力分析的部分，或将人工智能应用于包括用户行为和产品分析、智能工具、量化交易、高频交易等，同时在智能投顾、智能客服、智能投教、智能交易、智能投研等领域也均有实践应用。

智能投顾（Robo-Advisor）就是人工智能与投资顾问的结合体，它是一种结合人工智能、大数据、云计算等新兴技术以及现代投资组合理论（MPT）的在线投资顾问服务模式。Credio数据显示，美国智能投顾行业资产管理规模从2014年的43亿美元，一跃飙升至2018年的近4000亿美元，发展异常迅速。通过美国资本市场有效性的验证，只有不到10%的主动管理基金能够打败市场，被动投资的理念大为流行，这是智能投顾的市场基础；另一方面，相对于传统的投资顾问付费模式，智能投顾产品门槛低，客户利用小额闲散资金也能享受到专业化的指数基金配置服务。湘财证券于2018年推出了业内第一款自主研发的一站式指数型基金智投产品“年糕智投”，该产品通过客户风险画像描绘、多因子指数基金甄选、量化宏观配置模型、多账户估值体系以及动态再平衡算法这五个环环相扣的步骤，为客户提供“个性化、理性化、智能化、科学化”的资产配置服务。

（二）区块链在证券业的应用

党中央的前瞻性判断让区块链成为近期科技、金融资本和社会舆论的热点话题，证券行业乃至整个金融行业对区块链的应用和运作方式已展开深入探讨。

近年来我国证券业在区块链技术的应用，最显著的就是对ABS（资产证券化）业务的推动。如德邦证券在2017年12月发行的“首单区块链供应链金融ABS产品”——德邦证券浙商银行池融2号资产支持专项计划，由杭州趣链科技有限公司提供底层技术支持，由浙商银行和德邦证券联合打造的。同年9月，百度金融联合天风证券发行了“首单区块链场内ABS产品”——百度-长安新生-天风2017年第一期资产支持专项计划。在2018年和2019年，包括华泰证券、天风证券、广发证券、中泰证券等数个券商都相继推出了多个区块链ABS产品。

目前证券行业对区块链的研究仍在探索中，未来仍要继续学习，不单是技术更新，更多的是要将业务场景加入进来，借用区块链的技术来发展证券行业，丰富应用范围。湘财证券正在推广的客户积分计划，就是结合了区块链技术，主要解决客户贡献度的度量问题以及集团客户之间的积分共享问题。

总而言之，区块链技术的应用特点具有交易即清算、信息披露成本降低、中介成本降低等优点，并有望解决金融市场价值链上的痛点，但其应用仍具有一定挑战性。

（三）云计算在证券业的应用

云计算作为一种突破性技术和创新服务模式，现已成为支撑各行业发展的关键信息基础设施。云计算应用发展的政策环境也逐步完善，为金融业信息技术资源需求提供了一种崭新的解决方案。

美国国家标准与技术研究院（NIST）将云计算总结为“三类服务方式、四种部署方式”。三类服务方式包括基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）；四种部署方式包括私有云、公有云、混合云和社区云。证券行业作为金融业的一部分，本身对信息技术的依赖性很强，对IT基础设置的计算资源要求很高，如果依靠不断叠加自建资源，既需要堆高建设及管理成本，也容易造成资源的闲置浪费。云计算弹性扩展、随需提供的服务方式能有效改善资源使用效率和业务运营方式，在推动数据集中化管理的同时大大降低成本。

在实际运用中，云计算不仅可以为证券行业提供类似IDC托管机房的互联网接入、主机托管等传统服务，还可以提供虚拟化主机及云计算、大数据处理等更高层的服务。例如，“上证云”（上交所行情及委托交易云服务）为券商提供的上交所行情数据推送服务，满足了该业务带宽消耗大、网络延时短、安全要求高、系统吞吐速度快、发布中心地域散、建设周期短的需求，充分发挥了云资源池覆盖广、网络配套能力强、云安全服务合规的技术架构和资源能力优势，为证券市场提供了一个低成本、高可用的云服务平台。通过云计算的解决方案，有效解决了证券行业发展所依赖的数据存储和计算能力。

（四）大数据在证券业的应用

证券行业数据资源较丰富，并且业务发展中对数据的依赖程度也较高。随着业务发展，证券公司逐步意识到大数据在企业战略中的作用和地位，并在大数据应用领域快速布局。作为未来业务发展的重要技术支撑手段，大数据技术、各应用分析模型和算法等将逐渐走进证券公司各项日常运营活动中，凸显“数据驱动业务”的重要地位。

证券行业的主要收入来源于经纪业务、投融资服务、资产管理和自由资金投资等业务，常见的大数据应用场景有以下三种：

第一，客户画像，千人千面。证券行业拥有的数据类型有个人属性信息（如用户名称、手机号码、家庭地址、邮件地址等），交易用户的资产和交易记录，用户收益数据。证券公司可以利用这些数据和外部数据来建立业务场景，筛选目标客户，形成较为立体的“客户画像”，根据客户的特点进行精准营销，提供适合的产品，实现“千人千面”的跨屏、跨站的个性化产品及资讯的推荐和服务，提高单个客户收入。

第二，量化投资，投前研究。量化投资用区别于传统基本面分析和技术面分析的量化分析方法，从数量化的角度去挖掘存在某种数学关系的投资策略，包括量化选股策略、量化择时策略、市场中性策略、算法交易、套利交易和高频交易等。量化投资通常包括5个阶段：数据采集阶段、数据清洗加工阶段、构建量化因子库阶段、构建选股模型阶段和交易执行阶段。在迈尔·舍恩伯格及库克耶所著的《大数据时代》中，大数据是指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。IBM也曾提出大数据的5V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。而量化交易正好具备了所有大数据的特征，能够更有效地把金融市场所有的数据大数据化，从而找出市场交易的规律。

第三，客户细分，MOT管理。客户细分是市场竞争格局下的一种必然选择，通过分析客户的账户状态（类型、生命周期、投资时间）、账户价值（资产峰值、资产均值、交易量、佣金贡献和成本等）、交易习惯（周转率、市场关注度、仓位、平均持股市值、平均持股时间、单笔交易均值和日均成交量等）、投资偏好（偏好品种、下单渠道和是否申购）及投资收益，来进行客户聚类和细分，从而发现客户交易模式类型，找出最有价值和盈利潜力的客户群以及他们最需要的服务。通过“MOT”（关键时刻，Moment Of Truth）管理，更好地配置资源和政策，改进服务，抓住最有价值的客户。

—-

编译者/作者：币友_420356

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。