清華叉院發布Fintech研究成果：智能投資管理引擎系統

雷鋒網AI金融評論報道，2018年1月20日，由中國網路空間安全協會、金融科技創新聯盟、中國工商銀行、中國金融電腦雜誌社主辦，騰訊公司、百度公司、IBM（中國）聯合主辦的「第二屆中國金融科技創新大會」在北京舉行。

據雷鋒網AI金融評論了解，大會聯合發布了專題報告《智能金融聯合報告：與AI共進，智勝未來》；同時中國工商銀行、中國農業銀行、中國銀行、國泰君安證券等國內主流金融機構，以及清華大學交叉信息研究院智能金融科技中心等研究機構發布了金融科技最新成果和應用創新案例。

其中，清華大學交叉信息研究院智能金融科技中心研發的智能投資管理系統——投資引擎系統高調亮相。

清華大學交叉信息研究由姚期智老師領銜，據雷鋒網AI金融評論了解，清華大學金融科技中心成立於2016年4月份，2017年12月份，又把這個金融科技中心升級為金融科技研究院，同時成立了自己的金融科技公司——財富引擎科技公司，用以進行金融科技中心科技的產業化合作。

與此同時，中心發言人介紹稱，清華大學交叉信息研究院在2016年10月份跟螞蟻金服成立了全球首個金融科技實驗室，並且在這個基礎上成立了一個四校聯盟，包括：清華大學、普林斯頓、韓國高等技術院、法國北方高等商學院風險與管理中心。「此前，我們在歐美實踐產學研的項目，做了金融市場模擬和金融優化演算法方面的產學研部署和系統的研究。另外一個是給TowersPerrin公司搭建了系統。」

清華大學交叉信息研究院表示，為財富管理界搭建頂層架構，專業投資者更關注的是風險管理。在美國，底層技術和底層演算法，覆蓋了85%以上的金融機構，專業不專業最大的區分在於，專業的投資指不管是價值投資，還是量化投資、基本面投資顯著的差別就是專業的投資者，能知道自己為什麼虧錢，為什麼賺錢。「所以，引入科學化投資投資系統，就是要解決「投什麼，為什麼投、怎麼投」的問題。」

他介紹道，

「我們做的技術架構，就是做一個大數據的平台，所有的底層資產數據全都整合在一起，在上面進行建模與分析。我們結合了可顯示的傳統統計與金融計量分析的方法，以及現在新的機器學習的方法——機器學習在大規模的風格挖掘上非常有競爭力，另外一方面，統計和計量分析在金融建模可解釋性方面有優勢，所以兩者結合起來。」

清華大學金融科技中心發言介紹稱，從技術框架來說，解決的是整個投資管理問題：

• 一是金融市場的模擬性，解決的是金融市場聯合的風險建模問題。其實就是回答「是什麼」

• 二是金融市場的決策優化引擎問題，來為所有問題找到一個優化的解，這環節利用運籌優化的方法做一個優化的決策引擎。

關於「投什麼」，就是一個量化基調的系統，對所有底層資產進行非常深入的分析，同時會對用戶層面進行從標籤系統，到無監督學習的整個建模過程，即用戶畫像的建模系統。

打造一個投資管理的基礎架構和底層的能力，在應用層面就包括對證券公司銀行風險管理，對各種公募基金、大型機構投資者、銀行保險公司、養老基金資產負債優化。「所謂智能財富管理，我們其實是想用金融科技的力量去賦能中國的金融機構，可以驅動業務的增長。」

舉個例子，美國每一家券商都會有一個風險引擎—— 一天沒有這個風險引擎就活不下去，可能上午還存在券商，下午就不在了。這曾經有過先例，當年KCG上午還存在一家券商，但是程序裡面出了大Bug，下午就把這個公司所有權虧掉了，下午被人收購了。

清華大學金融科技中心發言人稱，一個非常強大的引擎對現代的券商是非常核心的東西。依靠它可以對整個公司多條業務線，整體的風險敞開估計。實施的控制是非常必要的，隨著我國金融市場的發展，以後每家金融機構都會需要這樣子的核心的引擎的系統。

「那就是說金融市場建模決策優化需要有人來做底層的架構。而清華大學是做這個事的最好載體。」

舉個例子，目前清華大學金融科技中心研發的系統產品，其中就包括一個「MSG金融市場模擬器」，用於先看清金融市場的情況，對金融市場所有的資產進行聯合風險建模，尤其像去年監管層出了資管新規，打破剛性兌付，把風險引入市場。

然而，風險是一個概率分布的事情。「我們的做法是真正走向一個科學的定量分析，對資產內部的風險成分進行深入分析，比如對一道菜裡面的營養成分，包含多少微量元素、多少蛋白質、多少澱粉等進行分析，而不是目前浮於表徵的建模方法。」

比如，資產內部受什麼樣的風險驅動因素，受多少宏觀層面、基本面、技術層面、行業層面、公司層面的風險驅動因素的影響。智能財富管理引擎先利用該程序弄清楚這些驅動因素，「這方面我們總結了上千個風險驅動因素的池子。」

同時基於機器學習的方法，去篩選近期對市場有影響的風險驅動因素。據介紹，系統聯合統計計量的方法，對整個金融市場的收益風險進行聯合建模，以更深入地理解金融市場最後的驅動因素。

「市場上80%的風險變動都是可以量化解釋的。」

據雷鋒網AI金融評論了解，在投資決策環節，這個決策優化引擎，一方面做投資管理優化，另外一方面是風控優化，第三方面就是用戶畫像建模。

但是，清華研發的投資引擎系統還有一個創新之處：對整個用戶畫像分為多個層次。據介紹，

• 一方面基於用戶基本信息、流水信息，以及行為數據等信息進行全方位的評估；

• 但是，給用戶貼上標籤，對業務沒有直接的驅動作用。所以，第二方面是結合無監督學習的技術，就可以對用戶的行為直接建模，直接預測和解釋其微觀行為，從而進行投資管理和服務管理。

最後是整合整個市場上資產進行量化分析，解決「投什麼」的問題。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！