資管新規(guī)背景下人工智能在銀行資管業(yè)務中的應用研究

資管新規(guī)背景下人工智能在銀行資管業(yè)務中的應用研究資管新規(guī)背景下人工智能在銀行資管業(yè)務中的應用研究

一、研究背景

2022年以來，伴隨著“資管新規(guī)〞的發(fā)布，資管行業(yè)進入到了正本清源、轉(zhuǎn)型開展的新時代，中國銀行理財業(yè)務未來的開展方式和形態(tài)正在被重新塑造。

盡管各家銀行在資管子公司未來業(yè)務模式和開展方向上有所不同，但將人工智能技術(shù)作為提升銀行資管業(yè)務整體效率和質(zhì)量的重要伎倆，已經(jīng)取得了業(yè)內(nèi)的廣泛共識。國內(nèi)外的資管機構(gòu)在相關(guān)領(lǐng)域進行了大量的研究和應用。BlackRock作為全球最大的資產(chǎn)管理機構(gòu)，運作著6.3萬億美元的資產(chǎn)，人均管理規(guī)模為30億元。其管理的高效能主要依賴了aladdin、FutureAdvisor、iRetire和CACHE-MATRIX四套頂級智能金融系統(tǒng)，所支持的業(yè)務范圍覆蓋了投資管理、銷售咨詢、退休養(yǎng)老和風險控制業(yè)務體系。天弘基金作為國內(nèi)唯一一家規(guī)模超萬億的基金公司，擁有著來自螞蟻金服的天然科技基因，其在并發(fā)計算能力、客戶肖像繪制、用戶習慣分析及智能資產(chǎn)配置方面的技術(shù)儲藏和實踐經(jīng)驗已處在行業(yè)前列。

銀行資管擁有相對獨立和完整的資產(chǎn)負債架構(gòu)和業(yè)務模塊，將人工智能技術(shù)用于資管業(yè)務，可以有效提高效率，拓寬分析的深度和廣度，為傳統(tǒng)銀行資管向智能資管的轉(zhuǎn)型，提供了重要的技術(shù)保證。但目前將人工智能用于銀行資管還存在著一些亟待解決的問題。本文將聚焦資管轉(zhuǎn)型背景下的智能資管建設(shè)，對人工智能應用場景進行分析討論，探索合乎當前銀行資管業(yè)務開展特點的“銀行資管+人工智能〞的解決策略。

二、資管業(yè)務人工智能應用存在的問題

1.銀行資管外部環(huán)境的變化。

〔1〕國內(nèi)監(jiān)管環(huán)境的變化。國內(nèi)的銀行資管行業(yè)自誕生以來，就與監(jiān)管密不可分。在資產(chǎn)端，國內(nèi)監(jiān)管對銀行資管的投資標的有著較為明確的限制，因此投資無法在全市場和全金融標的上展開。在負債端，國內(nèi)監(jiān)管采用了較為嚴格的流程限制了客戶的理財購置行為只能在柜面或銀行端的APP上進行。2022年以來，監(jiān)管對銀行資管進行“市場化〞調(diào)整的目標逐漸清晰?！百Y管新規(guī)〞的公布，除了在“打破剛性兌付〞“標準資金池業(yè)務〞“引導行業(yè)去嵌套〞“去杠桿〞等問題上的考量外，也向資管行業(yè)統(tǒng)一監(jiān)管的目標邁出了重要一步

監(jiān)管對資產(chǎn)端和負債端的松綁，不僅意味著更多的業(yè)務機遇，也意味著技術(shù)應用有了更多的業(yè)務場景。

〔2〕業(yè)務環(huán)境的變化。傳統(tǒng)銀行資管面對的競爭對手僅為銀行資管同業(yè)，而借助于銀行強大的實體渠道營銷能力和過去的資金池運作方式，這種競爭一直處在溫和可調(diào)節(jié)的范圍內(nèi)。在脫離母行后，盡管銀行資管子公司擁有了更多的投資標的和工具，但其無疑也會直面更加劇烈的外部市場競爭。相較于市場化程度高的基金公司、券商資管而言，多數(shù)銀行資管在投資交易、投資研究、系統(tǒng)建設(shè)、人員儲藏等方面還存在著較大的差距。這種差距必定會為人工智能的業(yè)務應用帶來了不確定性和妨礙。

2.金融業(yè)務數(shù)據(jù)問題。金融數(shù)據(jù)具有數(shù)據(jù)量大、維度高、結(jié)構(gòu)復雜、價值密度低等特點，此外，金融數(shù)據(jù)還包含大量的噪聲和潛在的關(guān)聯(lián)關(guān)系，具有極強的波動性，這使得對金融數(shù)據(jù)的分析和挖掘成為一個難題。

銀行、保險和證券等專業(yè)機構(gòu)對客戶數(shù)據(jù)的準確性要求嚴格，根據(jù)特定場景開發(fā)私有清洗模塊或平臺，積累了大量經(jīng)驗。但出于保密原因，金融企業(yè)很少有理論性的成果見諸于報道。

金融數(shù)據(jù)的智能清洗技術(shù)在學界已發(fā)展多年。針對數(shù)據(jù)中屬性錯誤的檢測，有基于統(tǒng)計學理論的辦法、關(guān)聯(lián)規(guī)那么的辦法、聚類的辦法、利用違反函數(shù)依賴條件的辦法等。針對數(shù)據(jù)中的重復記錄問題，可以在基于距離度量的根底上，采用聚類算法的思路進行處理。針對金融數(shù)據(jù)中常出現(xiàn)的時序數(shù)據(jù)，也有學者提出使用了含糊C均值聚類辦法，通過計算數(shù)據(jù)到聚類中心的距離來別離出噪聲數(shù)據(jù)。針對金融數(shù)據(jù)維度高的特點，在確定了問題邊界后，可以直接使用經(jīng)典的數(shù)據(jù)降維度算法或策略予以解決。

高質(zhì)量的數(shù)據(jù)資源是人工智能應用的前提條件。成功的人工智能應用，花費在數(shù)據(jù)項目上的時間比例會占到六成甚至更高。而銀行資管在數(shù)據(jù)處理上常會遇到來自以下兩方面的問題。

〔1〕內(nèi)部數(shù)據(jù)。銀行資管已經(jīng)開展十年有余，內(nèi)部積累了大量數(shù)據(jù)，該局部數(shù)據(jù)多數(shù)僅完成了數(shù)字化。由于以前不足數(shù)據(jù)分析的內(nèi)生性需求，大量數(shù)據(jù)并未經(jīng)過數(shù)據(jù)清洗和結(jié)構(gòu)化存儲，后期數(shù)據(jù)清洗和存儲的本錢較高。

作為歸屬于母行的獨立部門，銀行資管的局部業(yè)務模塊的職能〔如產(chǎn)品銷售、信息科技等〕一直由母行的相關(guān)部門代為行使。子公司化之后，按照監(jiān)管對于銀行數(shù)據(jù)的要求，以前積累的銷售及客戶的原始數(shù)據(jù)將無法作為無形資產(chǎn)被子公司所繼承。數(shù)據(jù)獲取渠道的梗塞將會直接不利于未來人工智能技術(shù)的應用。

〔2〕外部數(shù)據(jù)。銀行資管未來在投資端會大量投資外部規(guī)范資產(chǎn)，而投資的前提保證是能夠擁有完整準確的外部數(shù)據(jù)。針對規(guī)范資產(chǎn)的公開市場數(shù)據(jù)，目前有大量的第三方數(shù)據(jù)供給商提供相關(guān)的數(shù)據(jù)。而針對規(guī)范資產(chǎn)中的另類數(shù)據(jù)，通常數(shù)據(jù)來源可靠性差、數(shù)據(jù)質(zhì)量并不穩(wěn)定。

未來外部數(shù)據(jù)是否需要本地化及系統(tǒng)內(nèi)外數(shù)據(jù)如何隔離將主要根據(jù)監(jiān)管要求及自身開展的需要。在短少了母行科技撐持的情況下，數(shù)據(jù)庫的搭建和維護也將是資管子公司科技團隊的重要工作之一。

3.銀行資管架構(gòu)及技術(shù)積累?！?〕組織架構(gòu)。銀行資產(chǎn)管理業(yè)務的定位較為明顯，不同銀行資管擁有相似的業(yè)務模塊，且多實現(xiàn)了獨立的事業(yè)部制。然而，各行資管的業(yè)務范圍及業(yè)務模塊間的工作流相異，各模塊內(nèi)部的具體職能、資源配置也不盡相同，這種差異在全國股份制銀行與城商行間、城商行與農(nóng)商行間的差別更為巨大。正是由于這種組織架構(gòu)上的差別，業(yè)內(nèi)并沒有形成引入人工智能技術(shù)的現(xiàn)成框架和通用模板，所以具體實現(xiàn)需要根據(jù)各自的實際情況來進行差別化的設(shè)計。

〔2〕技術(shù)積累。我國的銀行資管業(yè)務起初多隸屬于同業(yè)市場或金融板塊，十余年便經(jīng)歷了由小變大、由弱變強的過程。行業(yè)的高速擴張也帶來了各行資管業(yè)務開展的不平衡性，所以在管理能力、投資投研能力、人員配置和技術(shù)儲藏等方面，也處在不同的開展階段。除了同業(yè)間的差別外，相較于已經(jīng)開展了多年的外部非銀資管，由于各非銀機構(gòu)所處的監(jiān)管和行業(yè)規(guī)范化程度高，導致了這些機構(gòu)只要滿足準入門檻就代表具有了一定的管理能力、人才儲藏和技術(shù)水平。

除了管理技術(shù)和傳統(tǒng)投資投研技術(shù)外，人工智能技術(shù)的應用更多集中在人工智能知識以及計算機技術(shù)的使用上。在人工智能算法知識、獨立開發(fā)能力和相關(guān)人員儲藏上來講，局部非銀機構(gòu)已經(jīng)走到了市場前列并且積累了一定的研究成果和實戰(zhàn)經(jīng)營，銀行資管在實現(xiàn)超越前，還需要付出較多的追趕本錢。

三、我國銀行資管業(yè)務中人工智能的應用倡議

1.明確自身特點和開展定位，梳理人工智能應用的整體框架?！袄碡斝乱?guī)〞和?商業(yè)銀行理財子公司管理方法》將未來銀行資管發(fā)展業(yè)務劃分成了體內(nèi)運營的“傳統(tǒng)〞模式和體外運營的“子公司〞模式，在業(yè)務發(fā)展模式確定后，銀行資管機構(gòu)的市場定位和開展定位會皆然不同。

對于選擇了“子公司〞模式的銀行資管，未來規(guī)劃多朝著全能型方向來開展?？梢葬槍θ斯ぶ悄艿膽眠M行自頂向下的宏觀設(shè)計，所波及的業(yè)務范圍可以盡量拓展，將未來有可能發(fā)展的業(yè)務也納入到設(shè)計范圍內(nèi)。更加寬泛的投資范圍和營銷渠道，會需要更加全面的數(shù)字化系統(tǒng)進行支持，業(yè)務發(fā)展過程中會積累的更多的數(shù)據(jù)，人工智能技術(shù)的應用也會更加有意義，無論是從管理端和業(yè)務端都會產(chǎn)生規(guī)模效應，落地本錢均攤后也更加低廉。

對于選擇了“傳統(tǒng)〞模式的銀行資管，全面的人工智能應用不但本錢高昂，且給實際業(yè)務帶來的收益相對有限。這類銀行資管可以針對有急切人工智能需求的應用場景，進行特定業(yè)務的落地，比方針對負債端客戶的偏好分析，可以用來在未來嚴峻的市場環(huán)境中最大程度的維護好存量客戶并擴大客群，實現(xiàn)與銀行資管子公司的錯位競爭。后期可以根據(jù)業(yè)務的發(fā)展情況，逐步推進人工智能的使用，實現(xiàn)更高的產(chǎn)出比。

2.挖掘潛在的人工智能應用點。在業(yè)務模式和人工智能應用的整體框架被確認后，接下來就進入到潛在應用點的挖掘選擇上。

〔1〕客戶行為分析及應用。將人工智能用于客戶行為分析，早已被大多專注于C端的互聯(lián)網(wǎng)企業(yè)采納并廣泛應用于實踐。銀行資管因相對的壟斷地位，早期不足客戶畫像的需求和內(nèi)在動力，相關(guān)的研究起步較晚。金融業(yè)基于人工智能進行客戶分析的目的在于：從海量數(shù)據(jù)中，察覺目標客戶及潛在客戶;進行欺詐檢測、價值分析、流失分析;建立起客戶信用度、奉獻度及忠誠度模型等。

針對客戶行為進行分析，并反向用于營銷及產(chǎn)品設(shè)計，是一個比擬自然的人工智能技術(shù)應用場景，而實踐應用中的熱點也集中在負債端。從技術(shù)角度上講，數(shù)據(jù)采集和業(yè)務場景的建模是落地中的重點和難點，而項目實踐、后期分析結(jié)果的解讀及應用那么占據(jù)了更多的工作量。

〔2〕智能量化投資及投研平臺。智能量化投資是指：通過向量化投資領(lǐng)域引入人工智能技術(shù)，使系統(tǒng)能夠高效且智能地從金融數(shù)據(jù)中自動挖掘可用信息，并用于支持和輔助投資交易。在智能投研平臺建設(shè)方面，非銀金融機構(gòu)已有實施案例，如天弘基金在2022年建立的投研云系統(tǒng)，嘉實基金2022年成立的人工智能投資研究中心，華夏基金與微軟亞研院的戰(zhàn)略合作。不同于非銀金融機構(gòu)，新興的金融科技公司更傾向推出規(guī)范化的解決計劃或平臺，參與其中的金融科技公司包括：通聯(lián)數(shù)據(jù)、數(shù)庫科技等。

權(quán)益二級市場一直是金融領(lǐng)域人工智能應用的熱點，由于監(jiān)管政策的放寬，銀行資管子公司已經(jīng)可以開始在該領(lǐng)域提前布局。自動盯市和價格發(fā)現(xiàn)是人工智能較為常規(guī)的應用，更進一步的，人工智能還可以被用于自發(fā)地尋找市場的階段性有效指標、挖掘主要矛盾、批量生成策略等。

〔3〕智能投顧研究。智能投顧〔Robo-Advisor〕在對大量數(shù)據(jù)分析的根底上，根據(jù)效勞對象的特征或偏好，給出個性化的投資倡議，可以選擇性的為效勞對象提供交易效勞〔如完全自動交易、人工投資參謀協(xié)助交易和自執(zhí)行交易等〕。

智能投顧起源于美國，近年來眾多資管公司已發(fā)布了其智能平臺，我國于2022年引入智能投顧概念。國內(nèi)智能投顧平臺按照業(yè)務類型可以劃分為三種：第一類是借鑒美國Wealthfront、Betterment等投資于交易型開放式基金〔ETF〕組合的公司，直接為客戶匹配國外興旺市場的ETF基金以到達資本配置的目的，示例彌財公司和藍海財富公司;第二類是以FOF基金等作為投資組合標的，示例錢景理財公司;第三類是基于論壇等在線平臺進行投資信息共享，對量化投資策略、投資名人的股票組合進行社交跟投，示例雪球公司。

未來的銀行資管必然會從“輸出產(chǎn)品〞向“輸出策略〞轉(zhuǎn)型，而負債的邊界也將會瞄向不同風險偏好和需求的客戶。銀行資管早期可以通過“智能投顧+外部ETF采購〞的模式滿足客戶“千人千面〞的需求。對于投研能力強、市場占有率高的頭部銀行資管，未來可以發(fā)行廣泛涵蓋市場各類指數(shù)的類ETF基金，在滿足內(nèi)部投資采購需求的同時，也可以將其提供應外部有配置需求的機構(gòu)及個人投資者。

3.人工智能落地的內(nèi)部機制建設(shè)。盡管人工智能技術(shù)的應用在金融領(lǐng)域已經(jīng)取得了共識，但不同性質(zhì)的機構(gòu)對該類技術(shù)的認知和實際的推進力度上有很大的差別。建設(shè)一套可行的人工智能落地的內(nèi)部機制是大多數(shù)銀行資管子公司在擁抱人工智能技術(shù)時，應該考慮的首要問題。這套機制的建設(shè)應圍繞著以下問題展開：〔1〕探索性的業(yè)務需求與外部技術(shù)公司合作方式研究;〔2〕探索性的業(yè)務需求考量規(guī)范;〔3〕工程結(jié)果不及預期的退出機制。4.盡早進行數(shù)據(jù)積累工作。數(shù)據(jù)積累的對于人工智能技術(shù)的應用十分重要。在投資端，數(shù)據(jù)處理工作的重點應該集中在非規(guī)范資產(chǎn)數(shù)據(jù)的累積和規(guī)范資產(chǎn)的另類數(shù)據(jù)。非規(guī)范資產(chǎn)公開信息相對不足，需要銀行利用渠道的信貸或金融市場板塊資源進行采集、匯總和結(jié)構(gòu)化存儲。在負債端，因為監(jiān)管會對母行和子公司間進行系統(tǒng)和數(shù)據(jù)的隔離，所以數(shù)據(jù)積累對于要成立子公司的機構(gòu)而言更為急切。為了最大化利用母行的已有客戶數(shù)據(jù)資源，目前可以采用如下兩種方式：首先，基于母行負債端已積累的數(shù)據(jù)，就客戶分布、行為偏好等特點進行分析，以期未來可以在負債端指引子公司的市場化營銷工作。其次，可以設(shè)計合乎監(jiān)管要求的母子協(xié)同機制，不因必要隔離而導致對渠道資源稟賦的放棄。

5.技術(shù)儲藏與技術(shù)合作。首先，對已有的資管業(yè)務進行數(shù)字化覆蓋。數(shù)字