互聯(lián)網(wǎng)+時代，證券行業(yè)制定大數(shù)據(jù)戰(zhàn)略迫切而適時。一方面，近年來大數(shù)據(jù)被提升到國家發(fā)展戰(zhàn)略層面，政府提供資金及政策支持，鼓勵企業(yè)在大數(shù)據(jù)方面的發(fā)展和轉(zhuǎn)型，大數(shù)據(jù)技術(shù)體系發(fā)展逐漸成熟?；陂_源和商業(yè)技術(shù)共同形成的大數(shù)據(jù)技術(shù)體系已經(jīng)在互聯(lián)網(wǎng)行業(yè)應用多年，推出的穩(wěn)定軟件版本及云服務(wù)能夠支持后來者落地實施大數(shù)據(jù)戰(zhàn)略。另一方面，得益于部分互聯(lián)網(wǎng)行業(yè)龍頭在大數(shù)據(jù)方面的探索和推動，具備大數(shù)據(jù)項目經(jīng)驗的人才培養(yǎng)體系逐漸建立，形成了大數(shù)據(jù)發(fā)展的良好土壤。同時，經(jīng)過多年的發(fā)展積累，大數(shù)據(jù)資源已經(jīng)越來越豐富，國內(nèi)外領(lǐng)先企業(yè)為大數(shù)據(jù)應用也提供了很多極具價值的應用場景，這些典型案例可以為證券行業(yè)轉(zhuǎn)型提供較好的學習標桿。

同時，證券行業(yè)競爭壓力也與日俱增，證券公司轉(zhuǎn)型刻不容緩，已經(jīng)基本具備了大數(shù)據(jù)技術(shù)應用的條件。

首先，證券公司的業(yè)務(wù)轉(zhuǎn)型為大數(shù)據(jù)技術(shù)提供大量的應用場景。證券公司在零售業(yè)務(wù)轉(zhuǎn)型財富管理過程中，對客戶的個性化、綜合化的服務(wù)要求產(chǎn)生了對大數(shù)據(jù)技術(shù)的應用需求；在深耕機構(gòu)業(yè)務(wù)的過程中，來自與機構(gòu)客戶相關(guān)的產(chǎn)品創(chuàng)設(shè)、銷售以及投資管理等需求也將與大數(shù)據(jù)技術(shù)產(chǎn)生重要聯(lián)系；其次，多維度的數(shù)據(jù)源為大數(shù)據(jù)技術(shù)應用提供重要的分析基礎(chǔ)。證券公司不僅能獲取來自互聯(lián)網(wǎng)新聞等非結(jié)構(gòu)性文本類數(shù)據(jù)，而且可以快速積累來自外部的交易數(shù)據(jù)，以及內(nèi)部的客戶行為數(shù)據(jù)；最后，基于大數(shù)據(jù)的深度學習算法在自然語言處理、語音語義識別、圖像識別等領(lǐng)域的突破，以及TensorFlow等各類算法開源平臺的發(fā)布，為大數(shù)據(jù)技術(shù)提供有力的算法保障；GPU/TPU等芯片技術(shù)的飛躍發(fā)展、5G等新一代通信技術(shù)的日趨成熟，為大數(shù)據(jù)技術(shù)應用提供有力的物理保障?？傮w而言，隨著大數(shù)據(jù)時代來臨，證券行業(yè)具備了全面應用大數(shù)據(jù)技術(shù)的條件，大數(shù)據(jù)技術(shù)將助推證券公司業(yè)務(wù)的成功轉(zhuǎn)型，持續(xù)發(fā)展大數(shù)據(jù)技術(shù)的證券公司將引領(lǐng)行業(yè)的未來。

大數(shù)據(jù)技術(shù)在證券行業(yè)的應用探討

大數(shù)據(jù)技術(shù)助力證券行業(yè)的轉(zhuǎn)型和發(fā)展可以體現(xiàn)在三個方面：第一，推動證券公司日常經(jīng)營活動中的數(shù)據(jù)化運營，利用大數(shù)據(jù)提升證券公司各業(yè)務(wù)線以及中后臺職能部門日常工作中各個環(huán)節(jié)的運營效率；第二，利用大數(shù)據(jù)技術(shù)推動證券公司業(yè)務(wù)的智能化應用，并從中挖掘新的業(yè)務(wù)形態(tài)與業(yè)務(wù)機會；第三，基于大數(shù)據(jù)及相關(guān)技術(shù)建立一套更加有效科學的管控工具，保障證券公司各項業(yè)務(wù)經(jīng)營風險可控，確保堅守合規(guī)底線。

1.零售業(yè)務(wù)：深化數(shù)字化運營，推動業(yè)務(wù)智能化轉(zhuǎn)型

零售業(yè)務(wù)是證券公司最重要的基礎(chǔ)業(yè)務(wù)，合理運用大數(shù)據(jù)技術(shù)，實現(xiàn)零售業(yè)務(wù)的數(shù)字化運營，提高客戶服務(wù)的效率及質(zhì)量尤為重要。證券公司能夠服務(wù)多少客戶、管理多大的團隊、經(jīng)營多少營業(yè)網(wǎng)點，與其對大數(shù)據(jù)應用的能力息息相關(guān)。證券公司可以運用大數(shù)據(jù)技術(shù)推動“去中心化”的分布式管理。在這套管理體系下，不僅可以采用數(shù)字化的工具為一線員工提供精良的裝備，驅(qū)動員工自我發(fā)現(xiàn)問題與改變戰(zhàn)法；還可以借助制度與技術(shù)的力量，實現(xiàn)整個生態(tài)系統(tǒng)的自我糾偏和完善。以廣發(fā)證券的分布式管理體系為例，“金鑰匙”是基礎(chǔ)任務(wù)分發(fā)平臺，公司的各大互聯(lián)網(wǎng)終端負責收集客戶的需求，經(jīng)過金鑰匙平臺的算法分析后分派到全國各地的7000名理財顧問，并按照服務(wù)響應時間、客戶滿意度以及業(yè)務(wù)轉(zhuǎn)化率對業(yè)務(wù)進行管理和優(yōu)化。同時，根據(jù)公司內(nèi)多平臺數(shù)據(jù)資源，廣發(fā)證券自主開發(fā)的“經(jīng)營駕駛艙”，可提取其中與業(yè)務(wù)經(jīng)營最相關(guān)的信息，根據(jù)各級管理人員和員工的需求為其提供不同側(cè)重點的數(shù)據(jù)支持，高層管理人員著重對全局的把握以便及時調(diào)配資源，中層管理人員圍繞KPI完成與系統(tǒng)內(nèi)排名變動及時調(diào)整經(jīng)營策略，基層人員則重點關(guān)注管轄客戶、資產(chǎn)與個人績效錢包。通過大數(shù)據(jù)技術(shù)的應用，公司不僅有效提升各級管理的運營效率，而且大幅提升客戶的服務(wù)質(zhì)量。目前，產(chǎn)品同質(zhì)化也困擾著整個證券行業(yè)，證券公司更需對客戶進行深入分析和細分管理，通過精準營銷為其推送合適的產(chǎn)品服務(wù)。而精準營銷的核心在于對用戶進行畫像描繪，而大數(shù)據(jù)技術(shù)的應用能夠幫助證券公司更好地做到這一點。通過提取客戶投資交易等核心數(shù)據(jù)，分析其投資習慣、品種偏好以及風險承受能力等深度信息，進而有針對性地對其展開產(chǎn)品營銷活動，從而提高營銷成功率。

與此同時，智能投顧成為財富管理新藍海，也是近年證券公司應用大數(shù)據(jù)技術(shù)匹配客戶多樣化需求的新嘗試之一。該業(yè)務(wù)提供線上的投資顧問服務(wù)，能夠基于客戶的風險偏好、交易行為等個性化數(shù)據(jù)，采用量化模型，為客戶提供低門檻、低費率的個性化財富管理方案。

智能投顧在客戶資料收集分析、投資方案的制定、執(zhí)行以及后續(xù)的維護等步驟上均采用智能系統(tǒng)自動化完成，且具有低門檻、低費率等特點，因此能夠為更多的零售客戶提供定制化服務(wù)。隨著線上投顧服務(wù)的成熟以及未來更多基于大數(shù)據(jù)技術(shù)的智能投資策略的應用，智能投顧有望從廣度和深度上都將證券行業(yè)帶入財富管理的全新階段，為未來政策放寬證券公司投資顧問從前端傭金收費向后端的管理費收取模式轉(zhuǎn)變進行探索準備。

近幾年智能投顧業(yè)務(wù)在國內(nèi)外均取得快速發(fā)展，截至2016年末，境外領(lǐng)先的金融機構(gòu)先鋒及嘉信的智能投顧業(yè)務(wù)已經(jīng)分別管理了數(shù)百億美元的規(guī)模。國內(nèi)近一年來，部分機構(gòu)在該業(yè)務(wù)領(lǐng)域也開始起步，廣發(fā)證券的“貝塔牛”以及招商銀行的“摩羯智投”均為所屬行業(yè)的代表產(chǎn)品。雖然目前國內(nèi)該業(yè)務(wù)的用戶體量尚無法與美國市場相比較，但國內(nèi)財富管理領(lǐng)域存在較大的需求，同時證券公司在客戶的數(shù)據(jù)儲備以及互聯(lián)網(wǎng)技術(shù)應用上也具有較大優(yōu)勢，因此未來有望借助大數(shù)據(jù)技術(shù)大力發(fā)展該業(yè)務(wù)，實現(xiàn)傳統(tǒng)經(jīng)紀業(yè)務(wù)往財富管理的成功轉(zhuǎn)型。

2.資產(chǎn)管理業(yè)務(wù)：借力大數(shù)據(jù)，開辟產(chǎn)品創(chuàng)設(shè)與投資管理新思路

互聯(lián)網(wǎng)時代，信息的多樣化與扁平化，新聞等互聯(lián)網(wǎng)文本挖掘類數(shù)據(jù)對市場的影響日漸緊密，基于互聯(lián)網(wǎng)文本數(shù)據(jù)與傳統(tǒng)交易數(shù)據(jù)、財務(wù)數(shù)據(jù)相結(jié)合進行投資的金融產(chǎn)品也得到投資者的普遍認可。應用大數(shù)據(jù)技術(shù)，結(jié)合傳統(tǒng)量化投資模型，推出大數(shù)據(jù)基金產(chǎn)品是對傳統(tǒng)資產(chǎn)管理產(chǎn)品的有力補充，為投資者提供新的選擇。2014年底，廣發(fā)基金與百度合作，綜合了百度客戶的搜索數(shù)據(jù)及廣發(fā)基金自己搭建的選股因子數(shù)據(jù)庫，推出了備受市場關(guān)注的百發(fā)100指數(shù)基金。近兩年，相繼又有多家公募基金與不同互聯(lián)網(wǎng)企業(yè)合作推出了數(shù)十只大數(shù)據(jù)主題基金，大數(shù)據(jù)在產(chǎn)品創(chuàng)新中的應用已經(jīng)得到實現(xiàn)。未來隨著大數(shù)據(jù)技術(shù)的更加成熟，更多數(shù)量、更深層的大數(shù)據(jù)主題產(chǎn)品將有望陸續(xù)面市。

與此同時，隨著深度學習等人工智能技術(shù)的日趨成熟，基于大數(shù)據(jù)以及人工智能算法的量化投資策略逐漸興起。通過基于自然語言處理技術(shù)（NLP），從網(wǎng)絡(luò)文本中獲取數(shù)據(jù)，基于深度學習等機器學習算法對獲取的各類數(shù)據(jù)進行分析預測，建立財經(jīng)新聞、公司公告等文本事件與相關(guān)資產(chǎn)在金融市場中的表現(xiàn)的關(guān)聯(lián)，迅速判斷市場中出現(xiàn)的各類機會。這類基于大數(shù)據(jù)技術(shù)與人工智能算法的投資策略不僅拓寬了信息獲取源，提升了信息的分析深度與廣度，而且與傳統(tǒng)投資策略表現(xiàn)相關(guān)性低，是對傳統(tǒng)策略的有力補充。

2012年，英國對沖基金CAYMANATLANTIC公司發(fā)行了一只量化對沖基金，通過Twitter、Google以及其他媒體平臺上的投資者情緒大數(shù)據(jù)進行分析，得到對市場各類資產(chǎn)的預測結(jié)果并依次進行投資決策，并取得不錯的業(yè)績。

2017年1月，境外資產(chǎn)管理公司貝萊德宣布，將公司原來專注于“基本面”主動研究以及專注于“大數(shù)據(jù)”的量化研究兩個團隊合并成一個大部門。貝萊德此舉表明，隨著資本市場數(shù)據(jù)規(guī)模的提升以及大數(shù)據(jù)技術(shù)的逐漸成熟，投資將更多依賴于大數(shù)據(jù)分析結(jié)果進行輔助決策。可以說，投資管理已成為大數(shù)據(jù)技術(shù)的下一個目標。

3.研究業(yè)務(wù)：提升工作效率，打造智能化投研新模式

隨著互聯(lián)網(wǎng)及大數(shù)據(jù)技術(shù)的迅速發(fā)展，目前證券公司所提供的賣方研究服務(wù)中，部分低效的人工統(tǒng)計工作將被以大數(shù)據(jù)技術(shù)為核心的量化研究所取代。包括上市公司調(diào)研、數(shù)據(jù)分析等重復性統(tǒng)計分析工作將率先受到?jīng)_擊。RSMetrics是一家總部位于芝加哥的衛(wèi)星情報分析公司，通過高分辨率衛(wèi)星影像，對零售店、餐館、商場、辦公樓和其他商業(yè)地產(chǎn)的停車場進行監(jiān)控，可以估計出它們在全國范圍內(nèi)或者某一地區(qū)的客流量增長情況，幫助分析師了解公司基本面，預測銷售量，預估企業(yè)運營狀況。這類借助于衛(wèi)星遙感大數(shù)據(jù)技術(shù)手段，相比于傳統(tǒng)的分析師實地調(diào)研能夠大幅提升工作效率與準確度。

可以預期的是，隨著大數(shù)據(jù)技術(shù)應用成本的降低，這類替代分析師人工調(diào)研的手段將得到普遍應用。不過，大數(shù)據(jù)技術(shù)的應用不只是提升分析師的調(diào)研效率，或許也將誕生新的服務(wù)與盈利模式，推動傳統(tǒng)研究銷售業(yè)務(wù)往線上智能化發(fā)展。誕生于硅谷的Kensho為大數(shù)據(jù)技術(shù)在研究領(lǐng)域的成功應用提供了非常好的范本。Kensho公司成立于2013年，專注于通過機器學習及云算法搜集和分析數(shù)據(jù)，把長達幾天時間的傳統(tǒng)投資分析周期縮短到幾分鐘，能夠分析海量數(shù)據(jù)對資本市場各類資產(chǎn)的影響，并回答復雜的金融問題。它能取代部分人類知識密集型的分析工作，提供快速化、規(guī)?；⒆詣踊姆治鼋Y(jié)果。

4.應用大數(shù)據(jù)技術(shù)提升中后臺工作效率

證券市場日益豐富的投資品種以及不斷擴充的成交規(guī)模，使得交易、清算及風險管理等中后臺業(yè)務(wù)所需應對的數(shù)據(jù)規(guī)模也快速擴張，引入相關(guān)技術(shù)應對大數(shù)據(jù)可以大幅提升工作效率。在交易領(lǐng)域，運用大數(shù)據(jù)技術(shù)搭建算法交易平臺能夠支持批量、高效地完成各種復雜交易指令，降低交易誤差。提升客戶使用體驗的同時，也能夠為客戶提供對數(shù)據(jù)進行深度挖掘所帶來更豐富的投資機會。在結(jié)算領(lǐng)域，隨著營業(yè)網(wǎng)點的擴張以及交易品種的增加，交易數(shù)據(jù)的規(guī)模與復雜程度大幅提升。大數(shù)據(jù)技術(shù)的應用能夠為結(jié)算工作提供更快的響應速度以及更準確的匹配結(jié)果，從而確保結(jié)算業(yè)務(wù)高效、安全地運作。

芝加哥商品交易所（ChicagoMercantileExchange）每天產(chǎn)生約1100萬份合約，存儲了100TB的數(shù)據(jù)，且仍在每日不斷增長。交易所需要每天為內(nèi)部團隊提供復雜的數(shù)據(jù)分析報告，為了提升報告的及時性，CME采用了Oracle公司的EXADATA的解決方案，用結(jié)構(gòu)化的RDBMS，減少每次批量處理過程的時間。同時CME采用了Hadoop數(shù)據(jù)處理平臺，通過并行查詢方法來提升數(shù)據(jù)處理性能，并且減少成本開支。在風險管理領(lǐng)域，日益增加的交易品種與客戶數(shù)量，為證券公司實時測算、監(jiān)控以及管理各類市場風險、合規(guī)風險提出了更高的要求，大數(shù)據(jù)技術(shù)在這個領(lǐng)域也能充分發(fā)揮作用。廣發(fā)證券的“風險數(shù)據(jù)集市項目”利用大數(shù)據(jù)技術(shù)整合公司各條業(yè)務(wù)線的風險相關(guān)數(shù)據(jù)、第三方市場數(shù)據(jù)、交易對手數(shù)據(jù)、關(guān)聯(lián)人數(shù)據(jù)、監(jiān)管披露數(shù)據(jù)，形成相對完善的風險數(shù)據(jù)集市，在強大的計算力支撐下實現(xiàn)全面準確實時的監(jiān)控及預測各種風險指標，強化各條業(yè)務(wù)線的風險管理能力。

證券行業(yè)駕馭大數(shù)據(jù)技術(shù)仍須克服重重困難

目前，大數(shù)據(jù)技術(shù)在證券行業(yè)中的應用與推廣還處于起步階段，趨勢雖不可阻擋，但同時也面臨諸多困難與挑戰(zhàn)，當前亟須解決的核心問題主要有以下幾方面。

一是海量數(shù)據(jù)分散存儲，整合難度大。海量數(shù)據(jù)的管理對任何一個行業(yè)都是極具挑戰(zhàn)性的難題。證券行業(yè)數(shù)據(jù)量增長快速且數(shù)據(jù)結(jié)構(gòu)復雜，每天都有大量的新舊數(shù)據(jù)需要迭代處理。此外由于業(yè)務(wù)多元化的特點，證券公司的大數(shù)據(jù)往往分散于相互獨立的各個業(yè)務(wù)部門，無法進行暢通共享導致大數(shù)據(jù)處于嚴重的切割和分散狀態(tài)，同樣的問題在行業(yè)內(nèi)不同公司之間也存在。同時，證券行業(yè)部分數(shù)據(jù)涉及用戶的安全與隱私，在運用大數(shù)據(jù)技術(shù)進行分析的過程中要避免數(shù)據(jù)的泄露，同時也要保護客戶的隱私數(shù)據(jù)不受侵犯，這對證券公司的大數(shù)據(jù)安全技術(shù)以及對合規(guī)及風險管理能力提出了更高的挑戰(zhàn)。因此，如何在政策允許的范圍內(nèi)實現(xiàn)內(nèi)部海量數(shù)據(jù)的有效整合以及與外部機構(gòu)數(shù)據(jù)的共享，是大數(shù)據(jù)技術(shù)應用推廣過程中須解決的首要問題。

二是尋找有效的人工智能算法需要長期探索。證券行業(yè)的大數(shù)據(jù)往往具備高維度、動態(tài)以及強隨機性等不確定特征，且多數(shù)為非結(jié)構(gòu)化數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)的一般性特征通常不夠清晰，而且所反映的對象背后缺乏客觀嚴謹?shù)倪壿嫞哂懈鼜姷牟淮_定性和不可預測性。從這些數(shù)據(jù)中提取基本信息結(jié)合特定的金融邏輯、應用情景以及經(jīng)驗，運用人工智能算法進行“深度挖掘”得到最終的投資決策，將高度依賴能否構(gòu)建有效的處理算法，這是大數(shù)據(jù)技術(shù)應用的重點與難點。證券市場的大數(shù)據(jù)技術(shù)從“初步提取”到“深度挖掘”還有漫長的路需要探索。

三是大數(shù)據(jù)業(yè)務(wù)的落地及人才的培養(yǎng)均需要繼續(xù)加大力度。從大數(shù)據(jù)技術(shù)的部署以及相關(guān)業(yè)務(wù)的開展來看，雖然證券行業(yè)許多公司都在戰(zhàn)略上給予了高度的重視，但是在具體業(yè)務(wù)的落地和推進中，實際投入的資源有限，取得的進展也相對較慢。證券行業(yè)的核心競爭力在于“人”，大數(shù)據(jù)應用也不例外。但是，與其他IT領(lǐng)域不同的是，金融大數(shù)據(jù)人才往往須同時具備算法、IT以及金融等多學科交叉背景，目前證券行業(yè)該類人才相對占比較低，未來應對大數(shù)據(jù)浪潮還須繼續(xù)加大此類人才的儲備。

（作者系廣發(fā)證券股份有限公司副總裁、中國互聯(lián)網(wǎng)金融協(xié)會金融科技發(fā)展與研究工作組副組長）