公募基金第2战场:发力金融科技赋能投资全生命周期

(原标题:公募基金第二战场:发力金融科技 赋能投资全生命周期)

证券时报记者 吴琦 裴利瑞

随着大数据、云计算、人工智能等技术的迭代创新,金融科技正成为推动基金行业未来发展的新引擎。

回望国内,公募基金行业走过了波澜壮阔的24年,资管规模已突破25万亿大关,规模的快速增长也给行业带来了如何提质增效的课题。近年来,越来越多基金公司开始重视金融科技领域的能力建设,甚至把金融科技视为基金行业“高质量发展”的第二战场,探索如何实现金融科技与投研、营销、中后台运营管理等业务的深度融合。

基金业推崇科技

数字化转型方兴未艾

1988年,一句“科学技术是第一生产力”的口号响彻国内。而在大洋彼岸,一家名为贝莱德(BlackRock)的资管公司悄然成立,这家公司在成立之初就创建了一个名为阿拉丁(Aladdin)的投资交易风控系统。后来,该系统不仅帮助贝莱德迅速跻身全球第一大资管机构,并且还成为全球市场最知名的金融科技产品之一。

根据麦肯锡的调研,全球领先资管公司均在积极推动数字化在资管全价值链的应用。在海外,50%的资管机构启动了大数据高级分析,30%的资管机构开始转化部分大数据用例试点,15%的资管机构全面推动组织内部规模化的数据应用落地,5%的资管机构利用大数据高级分析捕捉了客观的业务价值,并实现了5%以上的增收或者10%以上的效率提升。

“国际领先的资产管理机构基于长期的技术储备和投入,运用金融科技进行前中后台全方位流程改造,快速实现了数字化转型。与之相比,目前中国资管行业数字化基础还有巨大进步空间,包括烟囱式架构、手工操作多、数据不能实时打通、较多依赖外购等历史问题,严重制约着数字化进程。”博时基金相关人士表示。

浙商基金认为,从数据中挖掘投资信号,需要经过数据信号化、信号策略化、策略模型化的过程,进而才能让这些数据成为有效的投资策略,过程极其复杂和专业。

如何才能让金融科技真正赋能投资的全生命周期,成为摆在各大基金公司面前的一大命题,一批有实力、有前瞻性的基金公司正在孜孜探索。

投决系统一体化

解决痛点提质增效

从公募基金在金融科技上的投入来看,主要方向集中于投研能力的建设,但由于业内普遍采用不同来源、多套孤立的信息系统,缺乏统一规划,因此基金公司在金融科技上的投入往往事倍功半。

对于上述问题,近年来部分基金公司开始着力于打造新一代投研数字化系统,支持层出不穷的业务创新,解决投研中各类痛点。以博时基金2018年初上线的“新一代投资决策支持系统”为例,这是博时借助数字化建立投研核心竞争力的战略性项目,它覆盖投研内部价值链和外部生态,建立起全资产、全流程、全球化的一体化投研数字化支撑平台。

据了解,该系统共有8大子系统、49个业务模块、超过4000项关键功能点,可以帮助基金公司解决投研业务上的多个痛点。

首先,在研究分析方面,研究工作本身的痛点是工作的效率和工作的传承,该系统着力提升研究分析的效率与价值,可以通过智能信息搜索、研报数据定制、智能研报生成等方法解决这些问题,让研究员将更多的精力用在信息分析和研究结论上,提升了研究水平。

研究分析的另一个痛点,是怎样让研究分析成果的价值得到体现。依托投研一体化系统,通过资产配置管理和多层次绩效分析的支持,比较好地把投资决策委员会、研究员、基金经理的成果转化为投研的团队能力。此外,借助机器学习技术,系统可以支持智能量化选股和智能因子发掘。

其次,在投资方面,基金经理投资管理的一个痛点是投资前的决策,需要关注实时头寸和实时组合指标信息、投资指令对组合各项指标的影响等,该系统就提供了这些影响因子的及时数据,为基金经理提供组合管理和决策支持。

投资上的另一大痛点,是投资风险的预警和处置,该系统提供的工具就可以防范和处理信用风险、流动性风险、市场风险,还可以计算各类信息和事件对组合的影响等。

此外,在交易层面,系统将银行间、托管行、中债上清、交易对手业务打通,实时打通底层数据,着力于提升交易能力、严控交易风险、降低交易成本,甚至可以在交易询价环节引入人工智能技术,把自然语言的交流转变为结构化的报价。

探索智能投资

AI与HI相互赋能

在投研数字化的基础上,也有基金公司开始探索人工智能与传统金融的结合,通过AI辅助主动投资。

以浙商基金为例,该公司以智能投资为支撑,确立了“科技驱动价值”、AI驱动特色化发展道路的定位和目标,并建立了一套AI+HI(人机结合)的投资体系,将金融科技的着力点放在“投资”上。

具体来看,浙商基金2015年开始打造大数据投研平台,目前已形成涵盖市场、行业、新闻、支付、舆情、电商在内的六大维度数据体系。底层的数据体系以数字化的知识图谱为载体搭建,按照普遍的行业分类方式,基本微观数据可覆盖全市场超过60%的子行业。

基于过去数年对多维度数据的深度研究,浙商基金设计了以夏普率(预期收益与预期风险的比值)指标为算法训练的优化目标,研究出了500多个独立的AI投资机器人。此外,公司还建立了类似人类丛林法则的优胜劣汰机制,不断检验线上投资机器人的表现是否符合预期,并不断推陈出新。

在产品设计上,浙商基金在智能投资体系下开发的纯AI策略、AI+HI、AI+Beta与AI+绝对收益四大策略均已有落地产品。该体系通过对产品进行精准的收益拆解,力求优化投资人持有体验、提升正收益的胜率、降低择时困扰。比如,浙商大数据智选消费混合基金、浙商智能行业优选混合基金,均是科技驱动价值产品的范例。

“智能投资定义了一种新的生产关系。第一,AI实现了知识体系与投资策略的传承。数字策略化、策略模型化后,公司在各个行业、各个板块积淀的知识是可以积累并且传承的,这不但提升了资产管理公司的知识价值,也让基金经理在优势领域的能力得到更大发挥。第二,AI实现了精细化投资风险管理。AI在定价,尤其是组合管理风险方面,能够帮助基金经理更好控制风险,提升夏普比率,最终使客户投资体验更好。第三,AI让投资中的超额收益更加稳定可持续。AI可以更好剥离概率、随机性因素,提升组合夏普比,使超额收益可追溯、可预期、可复制。”浙商基金表示。

助力营销服务

创新投资者陪伴

近期,证监会发布的《关于加快推进公募基金行业高质量发展的意见》着重提到,积极拓展持续营销,创新投资者陪伴方式,加大投资者保护力度。在人工智能技术逐渐进步的背景下,公募基金尝试通过技术手段持续推行数字化转型,创新投资者陪伴方式。

当前公募行业同质化竞争日趋激烈,灵活和创新成了中小型基金公司“弯道超车”的必要条件。同泰基金除了与第三方合作开发基于多因子量化分析的智能投研系统,以希望通过金融科技对投资全生命周期的各个环节进行赋能外,在互金业务的支持上还建设了多个个性化的支付宝小程序,助力公司在各互联网上更高效地触达和服务客户,在营销服务上将目光瞄准了“虚拟数字人”。

“元宇宙”概念热潮下,虚拟数字人进驻各个行业,同泰基金趁势发布了公募基金首个数字人“灵汐”。“灵汐”近期以主播身份入职同泰基金,工作是播报每日财经资讯、制作投教小视频等;未来她还将被赋予更多的工作职能,如与基金经理同框直播、进行线上路演等。通过数字人持续为用户提供形式多样的陪伴服务,能帮助客户更好地理解长期投资的重要性、克服追涨杀跌的心理,同时提升持有体验。

同泰基金表示,在日常的客户服务工作中,总有一部分大量重复、规则固定的工作,如果全部由人工去完成,就会造成时间、精力和效率的浪费。像“灵汐”这样的数字劳动力,能够有效地填补人力的短缺。“中小型公司人力较紧缺,研发数字人除了是在金融科技创新方面做出尝试,也是希望通过数字化手段提高工作效率,延长服务时间,把更多人力和资源投入到提升投研核心能力上。” 同泰基金表示。

科技竞赛愈演愈烈

是难点也是制胜点

未来,差异化发展或是中国公募基金行业发展的主旋律,金融科技实力或将成为公募基金核心竞争力之一,公募基金的第二战场——科技竞赛将会愈演愈烈。从目前的发展情况来看,基金公司在数字化转型过程中仍面临不少挑战,这些难点或许也将是基金公司赢下第二战场的关键制胜点。

博时基金指出,未来的数字化财富管理体验,必须是数据驱动的,比如销售侧由于掌握客户信息较少,就无法做出精准的用户画像。在传统渠道下,基金公司往往很难直接触达用户,能提供的用户体验和积累的用户数据维度及量级较小,营销效率低下、营销成本较高,同时难以实现营销深度互动和效果分析。以前基金公司销售重点放在交易环节,以销售和产品为中心,这和互联网公司以用户为中心差距比较大。未来,基金营销的重点要转向投资者教育、精准营销、全程陪伴服务等方面,打通线上线下触点,覆盖全业务线,持续沉淀和优化数据,让数字化赋能平台成为金融机构数字化营销的最强后盾,从而实现以用户为中心的数字化转型。

浙商基金认为,打造智能投资的过程中,需要大量的数据积累,数据越多可挖掘的价值越多,而在这一层面而言互联网或有更大的优势;而另一方面,互联网公司虽然有强大的数据优势,但目前并没有完成从数据向策略再到投资上的转化。此外,目前基金行业存在着智能投资的人才短板,资管行业未来的开创者一定是既具备投资能力、懂得金融投资,同时又拥有数据处理、信息挖掘、编程能力的科学家。

同泰基金指出,对于中小型公司而言,金融科技的应用存在不少挑战。首先,是技术能力不足。金融科技的应用离不开对大数据、云计算、人工智能、区块链等技术的应用,中小型公司在信息技术队伍的建设上编制有限,且需保障公司整体信息系统的稳定运行,难以在金融科技方面储备太多的人员;其次,是可投入的资源也有限。中小型公司受限于公司的规模和收入,在IT建设上的投入很难与大中型公司相比。而金融科技相关新技术的应用,一般都需要投入较大的预算,这使得金融科技的应用难以在中小基金公司全面深入开展。

声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,请发送邮件至 FB8260@QQ.COM 一经查实,立刻删除。

发表评论

评论列表 (有 条评论)