高盛前副總裁：3.5萬員工，其中9000名是技術人員，憑什麼？
來源：本文根據2018年05月20日CMKT諮詢圈上海論壇任凱演講進行整理
嘉賓：阿法金融CEO任凱（原高盛集團（紐約）副總裁）
整理：香港中文大學 郭祥康
演講環節
引子：高盛交易大廳從600人，減為2個人？
首先非常高興有機會和大家一起分享。剛才主持人已經對我做了一下介紹：我之前15年都在美國，然後有12年的工作經歷都在紐約高盛，在一個叫Securities Division，幫助金融機構進行量化交易的部門。我們會根據客戶的需求，進行大單的拆分和大單的詢單，根據市場的報價和波動來確定到底在什麼地方交易是更合適的。
這張照片是在高盛曼哈頓西街200號總部的二樓，是我們的的交易大廳，我大概坐在右上角比較模糊的一個地方。然後為什麼放這張圖呢，這張圖能夠表達一個非常重要的信號，就是美國投行的工作環境非常差（全場笑），這可以體現為什麼我們需要回來創業的一個原因。當然是開玩笑的了，我希望用這個圖表明另外一個事情，也就是大家會在朋友圈看到一個刷屏的文章，很多人都在說高盛600個交易員最後會變成2個，認為高盛經過AI的發展或者Fintech的發展會由600名人工交易員最後變成兩名，而實際的情況是大家可以看到這個交易廳還是坐得座無虛席的。
那麼這個文章是不是不對呢？其實也並不是不對，只是說看待問題的方法和角度有一些不同。因為電子交易的發展走過了從一開始的定量交易、Program trading ,然後到最後的low latency (低延遲)交易 和high frequency （高頻）交易。其實走過十幾、二十多年的發展過程，並不是說我們現在不需要人去維護這個交易，只是說交易的速度已經遠遠高於人可以手工下訂單的速度，所以不太可能依賴於人的方法再去進行交易了。但是如果你想要進行電子交易的話，你需要有非常非常多的工程師、定量分析人員、strats、quant來為你進行這種服務，所以大家可以看到，這一層坐的滿滿的人，而我其實是strats的一員，我們會讓機器根據市場情況去做最好的交易。
那說這句話的意思是什麼呢？就是證明金融科技更多貢獻的也只是一種賦能的功能，它未必是像我們很多人想像的一定能夠起到一種迅速的顛覆作用，說人不能做，機器就一定能做，其實並不是這個意思。它更大的情況是讓我們把一些事情做得更快更好，或者有一些以前因為成本非常高的問題你沒有辦法去做的，現在因為它的成本降低到了你的marginal以下，你就可以開始做這個事情了，金融科技目前其實更大的起的是這種作用。
金融科技（Fintech）概覽
我們看一下金融科技在這幾年發展的一個landscape，這張圖裡我相信其實有很多公司都並不一定包含在裡面，它的重點也不是讓大家看裡面的logo是什麼；我只是想讓大家看到Fintech這個技術現在已經遍地開花，它在非常多的領域都已經得到了運用。你看到這裡除了之前說的智能投顧——ROBO-ADVISORS、
BLOCKCHAIN——區塊鏈，然後還有保險、REGTECHS，也是REGULATION這方面……很多很多方面其實都有Fintech的身影。Fintech能在這麼多的方面起到作用，關鍵的原因在於剛才提到的：很多的地方都需要用技術的方法來提高效率，並且因為效率的提高能夠為我們降低很大的成本，能夠為金融機構帶來profit上面的增加，後面我還會著重講到這個問題。
既然Fintech發展的這麼快，我們再來看一下Fintech在全球投資方面的一個變化。你會發現從2013年到2017年，Fintech幾乎保持一直增長的趨勢，沒有下降趨勢。尤其是在2015、16、17年，它的增長處於一種爆髮式的狀態。那麼在全球的爆髮式增長的環節當中，大家猜一下哪個國家或哪個地區的增長更加迅速？
毫無疑問是在中國。
這張圖反映了2015年到2016年轉折的一個關鍵時期。
大家可以看到2015年的時候美國的Fintech投入大概佔到了56%，但是到了2016年，中國佔到了46%。也就是說從2016年中國在Fintech方面增加的投入已經超過了美國，成為Fintech發展的非常重要的一個領域。這是由很多因素引起的，你可以說是因為中國的人口基數非常龐大，我們的銀行體系金融體系相對比較薄弱，所以有非常大的增長空間，這是一個方面；另外一個方面也是因為中國的金融市場越來越開放，體量也非常大，很多的創業在美國有可能受到高監管，但是在中國相對來說一開始的監管比較弱，之後再慢慢地在增強，所以這些都給很多的創業公司帶來了一個非常好的土壤。
如果你要做同樣的事情，你在歐美創業受到的監管要比在中國高很多。我們之前看到的P2P的發展，personal lending的發展都說明了這個問題：中國會讓大家迅速地成長起來，然後慢慢地把市場變得正規，再用監管的形式讓它變得更好；但是在歐美，也許這個起點就要比中國高很多。所以這就是為什麼中國的發揮是非常快的，我們也堅信在Fintech方面中國未來肯定會持續地發展。
金融科技（Fintech）的發展趨勢
我們再看一下在Fintech的各個方向上有什麼樣的變化。你會發現在2015年的時候，也許是借貸——personal lending這方面比較多的，但是一到16年這一塊已經發展相對比較成熟，它的發展速度已經在減緩了。什麼地方又開始冒出來了呢？Payment，支付寶，blockchain，這些絕對是最近大熱的話題，然後還有保險，包括資產管理等等，這些是越來越接近我們投資的、生活的部分，也接近很多投資銀行主體revenue產生的這部分，所以在這一方面Fintech的發展，在未來一定是迅速增加的一些方向。
這張圖挺有意思的，我為什麼把這張圖放出來？就是因為我想分享一下對Fintech發展趨勢上的各個領域不同維度上的理解。當然這只是一家之言，不能說一定是對的或唯一的解釋方式。但是我認為Fintech的發展其實分三個不同的層次或維度：最裡面一層是Fintech技術的基礎部分，你可以看到系統和運營包括了區塊鏈、支付平台等等這一些，沒有基礎的建設其實很難達到在上面業務迅速地拓展，所以中間這一塊是有非常多的創業公司想要進入的。而在中國，我們有很多的巨頭在這一塊做了非常大的布局，我們可以看到區塊鏈技術的布局、支付平台的布局等等這些，都是我們所有Fintech高樓大廈建起來的基礎。
中間這一層，他其實代表的是金融機構的業務。在這裡面你會發現商業銀行、券商、保險等等。有很多現在的業務，原來都是用很多效率比較低的人工或者成本比較高的堆砌人工，靠人工去審查這種方式來運行；但是通過Fintech技術的發展呢，我們現在希望通過Fintech或者AI來為他們賦能。很多的AI+模式：AI+保險、AI+產品、AI+KYC（know your customer）等等這些，你會發現他其實是利用科技在我們現有的業務上面達到比以前做的更快或者更好的程度，然後能夠為我們提高客戶群體，增加我們的收入，所以中間這一塊是很多的金融機構內部希望和第三方合作來提高的。
而外面這一塊是絕對不能夠忽視的，外面這一塊是金融的外圍產業，金融的外圍產業我更願意把它叫做一種服務，也就是說也許原來有一些服務沒有人提供，單個的這種服務只存在於公司內部，我們有沒有辦法可以把這種服務迅速擴大作為提供商提供給更多的用戶。
比如說徵信，以前靠一家機構你肯定沒有辦法做到徵信，一家銀行你怎麼能夠自己做徵信呢？但是現在因為很多家銀行的數據集合到一起，很多線上的數據匯總到一起，徵信可以開始做了，以前在我們金融機構裡面這是沒有辦法做到的。比如說數字模型的分析，這和我的創業公司還挺相像的，所以具體的我會在後面再說，比如我們如何用一種建模的方式把很多數據的內涵分析出來？如果我們用一家公司去做，也許這家公司的模型未必能被另外一家公司所信服，或者另外一家公司也不太願意相信我會把所有東西都放到你這邊來。那麼是不是可以有第三方的公司來提供這種服務，這是另外一種模式，因此你可以看到很多金融外圍的產業也是在當前的生態圈體系下為創業公司提供了這樣一種機會。
所以三個層次可能會分別體現出三種不同維度的創業機會，而創業的主體各有不同：越往裡面基礎投入越大，需要巨頭才會有機會來進行創業；而中間這一層，有可能非常需要你和金融機構進行深度的合作，因為和他的業務靠得非常近；而外圍這一層，可能非常多的細分領域可以為很多小的創業公司提供非常大的創業機會。所以我特別喜歡用這張圖來看待Fintech的發展趨勢，我覺得市場空間還是非常非常大的。
金融科技與科技金融
首先我們肯定要講一個定義：什麼是金融科技？大家現在都在想，金融科技現在這麼火，這還用說嗎。
我想和大家分享一下，其實金融科技現在也沒有一個完整的定義。有的人說金融科技不等同於幾十年前那種科技本身，例如ATM或者交易自動化，這些不屬於金融科技；我覺得按照廣義上的定義，它也屬於金融科技，為什麼不呢？金融科技只要是和科技相關的幫助金融的業務做得更好的，我覺得它都應該屬於金融科技的範疇。但是最近五年或者十年，我們更多講的不是ATM、自動交易這種金融科技，更多地是金融科技的服務。
我覺得金融科技在中國可能和大家講的科技金融非常相似。我曾經在國外時，也問過很多美國的朋友，因為我知道科技金融是我們馬雲馬爸爸提出的。他特別會造新詞，說這是科技金融，我們不是金融科技了。我問在投行或者美國的這些朋友：你們對科技金融和金融科技的區別是怎麼看待的。他們告訴我是：我從來沒聽過什麼叫科技金融。他們只聽過Fintech，沒聽過Techfin這種說法。所以我覺得這個可能只是在辭彙的定義上的區別，馬云為了更好地突出我做的事情和別人不一樣，所以他構造了Techfin這樣一個新詞，但是我認為Techfin其實更多的就是我們說的金融科技服務。
就像剛才觀眾提問時一樣的，我們如果能夠有一些金融科技來解決一些問題，但是我又不希望僅僅把它局限在某一家或者某一項目、區域里，我希望把它做成一種服務，能夠服務給更多的客戶或者金融機構，那麼他就已經把一種金融科技變成了一種金融科技服務。就像我們剛才說的，他就是Techfin，用科技來驅動金融的改變，我覺得這個定義應該是差不多的。既然金融科技和金融科技服務有區別，那麼我認為現在更多的就是注重金融科技服務的運用，因為金融科技的服務它有一種普適的概念。原來可能只有少數金融機構、公司能夠做到一種高科技的手段來提高他的revenue，增加他的收入，那麼這一類的能力是不是可以得到普及，是不是可以通過平台的方式讓更多的人享有這種服務？我們是希望把金融科技做成金融科技服務的，這樣才可以帶來整個產業的更高速的發展。
金融科技（Fintech）為什麼發展起來？
那接下來我們談談為什麼近幾年，金融科技在華爾街或者投行得到了高速發展。其實這個背景和07、08年開始的金融危機是密不可分的。從07、08年到2016年其實經歷了三波比較有規模的金融危機，很不幸的是我都經歷了，沒過幾年就來一次。給大家印象最深的可能就是07、08年的次貸危機，但其實大家可能並不知道或者太關注11年有一次歐債危機，然後15年有一次美國債券的危機，而最近一年其實美國債券又出現了非常大的波動：美國國債收益率已經超過了3%，這對全球是一個極大的影響。
那三次金融危機大家會發現什麼呢？
第一，監管越來越嚴，以前能做的現在不能做了，高盛以前有很多的自營業務，現在《Dodd-Frank》的法案明確要求對衝風險使用的capital不能超過你的1%，那基本上自營都不能了。有很多的正常風控可能都很難做。
第二，有很多的OTC的產品和OTC的衍生品不能做了，或者做的時候需要用極快的時間向SEC進行彙報，以前我們兩個人坐的OTC交易其實不用向SEC彙報，但他們覺得07、08年很大程度上就是因為風險不可控，所以現在需要彙報。這個東西的技術成本是相當高的。因為像股票交易，他是要求在一秒之內把你最佳的交易時間彙報，但是OTC這種我們倆個人之間場外的交易，如果一定要在一個很短的時間進行彙報，整個彙報流程都會發生天翻地覆的改變，所以這種情況下你的revenue是急劇的萎縮。但你還要盈利，你怎麼辦？你只有降低成本，所以這就是大家會發現從07、08年開始，清一色的Fintech幾乎都是在那時開始成立的：07-09年很多Fintech公司成立，11-13年基本上都是大爆發的時候，大家能夠想到的wealth front 成立在2008年，爆發在2012年，你想到的交易系統或者說aladdin,基本上都是在11年或者13年開始崛起。
這是因為，投行都在想我有什麼辦法可以降低我的成本，提高我的profit。在投行裡面要盈利其實是一個非常困難的事情，如果大家去看一下高盛的研報，高盛算是金融危機過後復甦得非常快的，或者受影響相對比較小的一家公司，但即便這樣，之前幾年如果ROE能夠超過10%，在華爾街已經是一個非常了不起的公司了，很多公司都在10%以下。乍一看10%還挺多的，其實不然，在投行，所有的經營成本，financial的funding cost大概在10%左右，也就是說如果你要做到ROE是10.5%其實你真正的盈利只有0.5%。因為funding cost需要錢，隔夜借款需要付利息，和別人做風險對沖是需要融資或者借款的，所有這些都是很大的成本。
高盛去向巴菲特借錢的時候，巴菲特給到的preferred回報每年不管什麼情況都要在5%以上，不管賺不賺錢。所以一個投行運營能力超過10%才能真正賺錢，試想在大環境下這是多困難的一件事情。這就是為什麼很多投行開始進行Fintech的研究，主要的目的就在於降低成本、提高效率、節省時間。我非常同意前一位嘉賓講到的很多大的金融機構其實市場上的份額還是掌握在他們手裡的，所以金融機構完全有這種自需力，想要在Fintech上做出長足發展。
很多人之前在想Fintech一旦發展是不是就是創業公司的天下，其實創業公司與大公司競爭還是有非常大的劣勢。
首先，客戶或者市場影響力還不夠；
其次，也要受到國家監管，你不知道國家政策會不會對你有影響，而越大的公司他的靈活度以及遇到困難的恢復速度是越強的。所以為何高升的CEO經常說高盛是一家技術公司，這句話一點也沒錯，高盛3萬3千個員工中有9000個技術人員。你想一個金融公司三分之一是技術人員，這是不可想像的。那在中國我發現像平安，平安非常明確地說我要用科技改變業務，所以我相信平安也會往這個方向走。在投行研究這個方面，做得比較好的像中信建投，他們也在運用quant這些方法來為業務做出改變。這些和美國的很多現象是一致的，美國很多VC小公司絕對數量不及中國，更多的創新是在大的金融機構內部發生的，因為金融機構內部有足夠的資源、足夠的人力物力去解決，它需要提高效率降低成本。
金融科技（Fintech）的標杆企業
這些例子大家可能都聽到過了，我大概介紹一下在各個方面我們看到過的一些比較典型的公司。
wealth front和Betterment：
比如第一個智能投顧大家都很熟悉，wealth front和Betterment，他們兩家08年成立，13年爆發，可是現在講智能投顧他們絕對不是領軍人物。最近的數據我沒看過，可是我知道Betterment一定是跌出前五，wealth front可能在前三，第一名是先鋒，第二名是black rock。這兩家是擁有龐大資源的傳統金融機構，為什麼他們能做起來？因為wealth front和Betterment提出一個很好的概念，忽然金融公司發現這個概念很好，我也要去做，而且我有足夠的人力物力和動力去做這種事情；而wealth front和betterment他們搶佔市場都是在新生代人群，他們和很多的傳統機構還沒有進行深入的綁定，這些機構還沒有成為他們的客戶，所以雖然這一代人非常接受互聯網的思維，可一旦這類客戶被消耗殆盡，他們想要和goldman，black rock去搶客戶，這就很難了，幾乎不可能做到。在美國，個人投資不像在中國這麼多。美國的個人投資基本上依託於基金來進行理財管理，美國市場上的機構投資者超過80%，中國的只佔30%，所以wealth front和betterment是幾乎不可能搶走機構客戶這種市場的。所以這就是為什麼概念是他們提出來的，但是他們的AUM都停留在50億美元左右，很難做到往上增長。
智能投研——kensho
很多人在說華爾街狼來啦，分析師可能要被取代了等等，同樣我覺得就這樣取代分析師還是一件很難的事情，但是為他們賦能讓他們更快地處理事情這是鐵定的事實。Kensho是什麼？很多人對kensh有一個非常片面的理解，也就是說從朋友圈看到的文章幾乎都是互相轉載的，很少有認真的看過kensho。
舉兩個朋友圈文章的例子，第一個是說佛羅里達颶風過來會產生什麼影響，第二個就是說蘋果如果發布新手機對市場會有什麼影響。其實大家都在傳這兩個例子，但是kensho其實並不是大家想像的預測市場未來是怎樣的公司，他其實是科技公司，他都算不上金融科技公司。如果你去他的官網你會明確發現他說我是一個global analysis tool——全球性的數據分析工具。他能做什麼呢？他做的是利用人工智慧的方法，迅速地把非常複雜的東西背後的邏輯和方法分析的很清楚。也許人也可以做這個事情，但效率一定非常低，並且要花很多時間；但是kensho可以做到也許你要分析的事物間的關係，我一秒鐘就可以清楚地告訴你。所以它的作用就是幫助金融分析師去看到事物背後的聯繫來幫助提高工作效率。我並不覺得他會取代任何人，但他可能會讓一個人的工作效率變得很高。以前可能十小時的工作現在兩個小時就能完成，這就是kensho帶來的巨大區別。
智能交易系統LOXM
他做的什麼呢？他說我分析了過去上十億條的交易記錄，在什麼情況下進行怎麼樣的拆開，在什麼情況下交易比較合適，於是他說我能用這樣的方法進行快速的交易，而這種交易甚至能找到市場上非常小的有marginal的可能性，比人分析更快。所以他並不是在做以前我們不能做的交易，只是他這樣做會比用人做更好，這也是提高效率的方法，JP Morgan還造了一個COIN的法律相關的系統，稱他可以在一秒鐘之內讀完人36小時讀完的法律文件並把關係導出來。有很多這樣的例子都是在用AI結合現在的場景讓他變得更好。
風控管理aladdin
風控在交易過程中其實是非常重要的一個點。大家是不是認為風控是我有風險我要規避，其實不是這樣的。大家很多時候都是把風險作為一個貶義詞說要有損失要賠錢所以是風險，其實風險是合理預期的偏離，這種偏離可能是高等偏離，可能是低等偏離，也就是說如果你賺得比你預想的更多，這也是一種風險。
大家可能覺得很奇怪，我賺的更多這還是一種風險嗎？當然是了。 因為你賺的錢越多，再投資風險就會越大。比如一個保險公司要求我每個月產生5%固定的現金流維持必要支出，但這個月突然到了10%，多出5%，這5%怎麼辦，你要再投資，而再投資的時候你可能會碰到利率的下行，這樣cash flow就和之前的預期有偏差了，有偏差就是一個很大的風險，所以風險控制其實在各個環節都有的，從投研開始，你需要知道市場有什麼樣的風險，投資需要監控投資過程中的風險，和另外一方ODC談判會有credit risk，很多風險都是貫穿在整個過程當中。所以black rock的aladdin希望從前到後把所有步驟上的風險都把控出來。如何用電子化的方法減少這樣的時間，迅速地看清楚這個風險在市場上的定量影響，這是black rock做的事情。
風控Saas
和aladdin不一樣，高盛的風控主要是集中在風控模型上的，比如說我們要進行投資風險的研究，你有barra的系統，有很多不同的model，高盛自己可能有十種不同的model。而以前人們一直在說IT部門都是屬於back office，屬於支撐部門，但是高盛的CIO的manager上來就說為什麼IT部門一定要是一個成本的東西，我沒有可能把它變成revenue的部分。這是有可能的，這就是我們為什麼要用金融科技服務，原來風控模型可能是一個back office，只能某個部門或者系統才能調用，現在我把風控模型包裝成wealth service，做成ATI ，如果大家來調用服務，我可以把十種模型都分析一遍把最終結果給你，你一下子就可以把你的客戶群拓展到很多，以前只能是內部客戶可以使用，現在外部客戶也可以使用了，這就是金融科技帶來的區別。
區塊鏈
最後區塊鏈也舉一個例子，目前有哪些方面可以運用區塊鏈呢？一個是DTCC，一個美國的精算中心，他想要降低的就是對方的credit風險，比如說一個OTC的掉期合約以前需要15天或者30天才能進行，但30天風險太大了。如果我們能通過區塊鏈的合約交割，他可能會把所有過往的賬面記錄放在某個節點上，使一個15、30天的交易時間縮短到一天到兩天甚至一個小時，這種情況下對方的信用風險就會大大降低。2018年1月會有試點，我具體不知道是哪一個部分，但這應該是一個比較大的創舉，一開始試點應該是在一個交易量較小的領域，因為區塊鏈目前的技術還做不到在一個大規模的高效率的情況下進行清算交割。這些領域都是投行在近幾年想要用Fintech提升的地方。
我回來做的事情和我的背景還是很相關的，並且也是看到市場上有一個很大的發展空間的可能性。先說一下量化的誤區，12年的國外工作經歷中我有時會回中國，我每次回中國都碰到這樣一個問題，別人問我說你在那邊做什麼呀，我說我做strat，做quant research，定量分析。他們馬上就說你在那邊到底是做cta的策略還是市場中性還是arbitrage套利。問題是他們覺得量化和量化交易是等同的，只要一說到量化，大家就覺得你是做量化交易策略的。但事實並不是這樣，高盛大概有600個strats，但是只有10%的人是做我們認為的量化交易策略，CTA或者arbitrage，另外90%其實是在用定量的方法對各個業務在不同的環境進行分析。
剛才在前面我已經講了很多，比如說資產定價，OTC的產品，或者一個非常複雜固收率的產品，請問它應該怎麼定價？你不知道市場上的公立價格你是很難交易的，因為我們看到他交易的流動性很強，但是這些產品買賣的差價是非常大的，幾乎是每天都不可能有交易發生的，因為大家都不知道該怎麼定價，所以你需要定量方法去定價。我們在做投研分析，比如特朗普說我又要到墨西哥去造邊境牆了，每次市場都會受到影響。那如果他今天又發了推特，請問市場上會有多大的波動，對客戶會有什麼樣的影響？所以你需要定量的方法來進行風控或者資產配備，你需要做SOR(smart order routing)，或者KYC，我們如何知道客戶的行為。在中國，非常多的客戶行為是通過問卷調查來做的，問卷調查是不準的，微信上天天做那麼多的性格調查，也未必準確。你的投資行為也是一樣的，你需要通過過往的投資行為來了解你到底是什麼樣的客戶。
以前，在IDE的部門，有可能我們做一個結構化的產品會打電話給所有客戶問他們你們需不需要這種產品，而用了AI的技術之後，我們有可能知道我們的客戶最需要哪類的結構化產品，這個結構化產品和他非常吻合，所以我們減少了50%給客戶打電話的幾率，同時能把成功率成本提高100%。那如果90%的環節在中國還沒有做到像歐美一樣定量，我們依賴的是什麼呢？在很多領域我們目前還是以經驗模式為主的，但我並不是說所有公司都是這樣，剛才我聽了平安的分享就覺得他們已經在這條路上走的非常靠前了。
然而，我相信在中國還是有絕大部分機構沒有做到像平安一樣靠前，還是以經驗模式為主。大家想一下，如果你做的是市場投資的話，你每天在手機端或者電視上能看到的很多評論都是說這個事情對你好，客戶你應該關注什麼什麼方向，很少有人會告訴你他對你的精確印象是什麼，他對每個人不同的印象是什麼。如果我們有很強的定量分析的話應該不是這樣的諮詢公式。所以定量分析的難點在於他的門檻很高，它的深度很大，而且很少能做到千人千面，你非常難判斷出一個事情對A,B,C三個客戶分別有什麼樣的影響，這是很難做到的，你不能靠規定的方式。所以我們希望為金融機構做到的是如何用比較低的成本為他們解決這種專業化、個性化的問題。
量化分析的四個階段
如果我們把歐美的定量分析分為四個階段，
第一階段：大概是在1999年之前，那時基本也是金融分析師為主，美國的金融工程這個專業大概出現在98年左右，
第二階段：04年去美國的時候大概只有不到十個學校有這個專業，所以從90年代末到現在歐美大概花了20多年的時間組建了非常強的定量，也就是說strat、quant加上金融分析師這樣的定量定性的強組合。這裡一定要強調定量和定性的關係是相輔相成的，沒有人說定量比定性好，也沒有人說定性比定量好。這個就是一個很大的誤區了，在中國，很多人都覺得AI來了，機器什麼都能做，就是要比人做的好吧，人不能判斷明天市場會怎麼樣機器能判斷吧，但這其實都是對AI太高的一個期望。正常情況下，定性和定量是相輔相成的，我們並不能用一個取代另外一個。定性的一個最大的好處是，我可以告訴你前因後果並且在長期的投資中告訴你絕對的優勢；定量的優勢是可以告訴你在 短期的波動中我可以告訴你這個波動範圍有多少，而定性是不知道他的波動範圍有多少，所以兩者是相互結合的。
第三階段：大概就是在金融危機爆發之後，剛才已經花了很多時間講了，07、08年以後大家都在討論這個。
第四階段：就是在16、17年，大家去做金融科技服務，很多東西都變成了雲服務。那麼如果中國現在我們認為還是處在市場上第一和第二階段的早期的話，那我覺得中國絕對不需要20年時間才能走到當前的狀態，我們應該很直接的利用金融科技帶來彎道超車的機會，我們可以把剛才我們講的金融分析做成SaaS服務，為沒有這種能力的機構提供服務。
關於阿法金融
Alpha金融提出來的我們叫QaaS, Quant-as-a-Service——定量分析即時服務。它的意義在於我們並不是一個AI策略公司，我們並不是建模的APP，我們自己做一個AI策略說一定收益就比人好，不是的。我們希望有一個QaaS為眾多機構提供一個虛擬的智能的量化團隊。你不能做到的定量分析，市場波動分析，A標定和B標定之間的聯繫，市場對你投資的影響，你現在沒有這些能力，你不需要花很大的成本去打造這樣的團隊，你可以選擇QaaS服務的方式迅速得到這種能力，結合到你的運營團體當中。
我給大家舉幾個我們和客戶合作的例子，比如中美貿易戰是最近比較熱門的一個話題，市場上分很多不同的版本，但無外乎告訴你說這一列這一列的這些行業可能是利好，而這一列則是利空。但是大家如果不知道他是和什麼基準相比的，不知道時間，不知道範圍服務的情況下其實他談的利好利空是沒有什麼意義的。他告訴你利好，你怎麼知道是5%還是0.5%？是30天利好還是60天利好？所以這些你是不知道的，而你的客戶他可能更希望知道的是我能不能知道這些時間對哪些事件可能會有影響，這個影響是不是很顯著，這個時間周期大概會有多少，我現在在這個方面的投資組合是不是很佔優。所有這些可能都需要用到定量模型的分析方法，而很少有人能夠分析。沒問題，我們可以幫你分析。
我們再看受地緣政治的影響房價上漲，比如說美國打敘利亞啦，或者是朝鮮又發射核武器啦，黃金上漲，有色金屬會上漲，白銀會上漲，你的避險成功率會上漲。問題就是，這些對你的客戶有用嗎？沒有用，因為你的客戶從來沒有關心過有色金屬，他手上的投資組合也許和你說的一點關係都沒有，那他想知道的這個事情對他會不會有影響。當然我們可以幫你分析如果美國向朝鮮發出警告，黃金上漲，我可以告訴你它可能會對所有的這些金融相關的板塊產生的波動大概是多少。
每一個報告我們可以為客戶做及時的分析，幫助客戶了解你是否會受到影響，這就是我們希望做到的個性化的服務。我們還可以做其他很多的定量分析，比如說，我想知道在當前市場情況下做期權交易策略，有多少種策略不同的組合，並且幫我把他的收益率從上往下排，這個組合是怎麼排的。在右邊，我可以告訴你說，如果利差從50個bps 基點擴展到150個bps 基點，對某一個Fixed income的產品的波動是多少。這個在中國現在的情況下是非常有用的。
以前，機構到銀行去購買產品的時候它只要告訴你有6%的收益就可以了，但是現在他告訴你這個收益是會波動的，請問有多少一線的銀行的銷售人員是有足夠的金融背景來告訴你利差擴大或者是固收產品被降解的情況下對你的組合的產品的波動是多少。這幾乎是沒有的，因為一線的銷售人員按現在的狀況來看根本不是金融專業畢業的。所以銀行有非常大的動力需要很完美的這種工具來告訴客戶在什麼樣的情況下對你會有什麼樣的影響，所有這些都是可以用定量來分析的。所以我經常會和一些金融機構討論，他們說如果你說金融機構要智能化，阿法金融大概能在哪些方面能夠賦能。
我並不是為你的某一種業務賦能的，我把金融機構的服務分為三個大方向，無外乎是對市場的分析，對人的分析和對投資的分析。對市場的分析，剛才已經講過很多了，市場上的因素對波動的影響，不同標定對你自己的影響，這些都是屬於對市場的分析。各種不同的金融產品，從股票到債券到固收等等，這些都是受市場的影響。那對投資人的分析是什麼呢？就是我能不能透過你的行為來看到你行為上真實的規律。比如說你說你自己是一個風險厭惡型，但是我發現市場上只要有熱點波動你每次都會進行買入或者投資操作，那我認為你的
行為並沒有和你的問卷調查是一致的。所以我們是希望對投資人進行一個非常充足的明確。
投資的分析是什麼？就是說在各個維度上我能不能做一個非常精準的分析報告，比如說中國很多的公積金就是半年或者一年給你一個投資報告說：你的最大收益率是多少，你的各種比率是多少，但是這是不夠的。因為機構投資人的投資是非常複雜的，他可能有一個個性化的基準要你比較，在這裡面的收益多少是來源於我的分析，多少是來源於你的幫助，多少是來源於配資，並且最好每周都有這樣的跟蹤或者分析。
這是我們對分析的一個理解，對投資風險的理解。如果在分析市場，分析投資人和分析投資三個方面都運用定量的方法加以投入的話，那麼他會對我們現在的效率起到非常大的幫助，並且可以把我們的業務從現有的很少的人群拓展到相對更多的人群。那麼他會我們的金融機構帶來更高的收入，更高的revenue，並且降低成本，這是我們要做的。
金融科技在中國的機遇和挑戰
機遇不用說，一定非常多。之前我們討論了那麼多相比歐美中國的優勢，中國VC的發展是現在投資的一個熱門方向。機遇有很多，我認為更多的機遇存在於：第一，在歐美的業務輸出體系裡面有哪些是中國現在沒有的？而這些業務中國是可以以Fintech的方法做到迅速彎道超車的，對吧？第二種是什麼呢？就是現在的業務環境當中，有沒有哪些業務是可以用Fintech提高效率的，我們的payment，我們的personal leading都做的非常好。那第三個，就是我們在金融行業裡邊說，其實也不是金融行業，就是大體系里比如保險、資管這些方面，用AI的方法能不能比人做得更好一些，更深化一些？
更重要的是說一下挑戰。
第一個是什麼？是市場的成熟度和投資人的成熟度。這和歐美真的差別還蠻大的，因為剛才講過，美國有非常多的是機構投資者，機構投資人對市場的波動影響非常小，而個人投資者對市場波動的影響相對非常大。所以這就產生了很多人對AI的期望過高，比如在美國你可以用這種半主動性做到投資的穩定收益，這樣我們才能叫智能投顧對吧。智能投顧就是用機器的方法幫你做配資，給你一種穩定收益，你的回報不會太大，你的收益也不會有爆髮式的那麼高，但是長期的複利收益是很高的，可是這個在中國目前不一定行的通，為什麼？一是中國的金融市場沒有那麼多產品讓你可以做出一個穩定的投資模型。二是中國的投資人會告訴你「什麼？你一年才給我8%的收益，那也太低了」這樣的一個訴求。在這方面市場和投資人都需要時間來變得成熟，我們還需要積累經驗才能得到發展。我們看到美國的智能投顧這種方式在中國其實是做不好的。中國有很多公司現在說我們也在做智能投顧，但是就個人觀點不好意思我覺得和歐美的智能投顧相比完全不一樣。中國更多的是通過問卷調查的方式來做的，這是因為你沒有辦法用中國的投資來做出一個很穩定的配對收益，也沒有辦法理解你是不是能接受這樣一個很穩定的複利收益。
第二說一下什麼呢，就是regulation，監管。中國的監管和美國不一樣，美國是強監管，他會告訴你這個是不能做，或者你要做需要滿足SEC的要求，他是很明確的。但中國市場上有一個問題是我不太明確，他會覺得我也不知道這個東西現在應該怎麼管，但是會放手讓你去做，然而做的時候很大程度上你也不知道未來會怎麼監管以及我需不需要牌照。這是很大的一個政策風險，我覺得在這方面中國的進度會越來越快，而風險是有的，但是你只要保證在現有的情況下不要去觸及到灰色地帶，不要越過紅線，然後你做你的賦能的事情，我覺得這個應該是國家絕對會允許的，只要不涉及灰色的領域應該問題不大。
所以機遇，我覺得非常大；挑戰，還是會有。但是總體來說，我覺得在Fintech這個方向中國會引導世界的潮流，至少在速度上會遠遠領先歐美。
提問環節
Q：剛剛你提到你們在做的這種量化分析裡面，我們知道在投資領域裡面比較流行，我的問題是什麼呢？就是數據源的問題，包括我們現在做的支付這一塊，對接銀行的需求，那你們可能對接的是基金或者券商的需求，這可能都會面臨數據源，那在數據源的選擇上面你們一般是與哪些方面進行合作呢？
A：數據源其實分什麼樣的數據，比如說如果你是公開性的數據，包括諮詢，這些我們是可以自己爬取，自己處理的，公開信息包括一些結構化的每天交易的信息這個完全可以去購買，比如說萬德的，一點風險都不會有，這是我們的做法；那還有一些數據比如說你會牽扯到客戶的一些敏感信息，投資行為等等，那這些我們肯定是要和金融機構一起合作的，因為我們提供的還是一種能力或者一種模型，也就是說我們的這種能力或者模型結合到不同的客戶的投資行為數據上我們是都能分析出結果來的。那麼這種敏感數據我們可以做本地化的歸屬讓你把數據留在本地，而當我分析完了我要向你推送市場的分析的時候這些都是公開數據，我給你A公司和B公司的分析，特朗普講的一句話對市場的影響這是沒有區別的。這個我們可以放在外部的雲部署，通過雲服務的方式提供給客戶。所以這需要區分你的數據的來源與性質，敏感數據當然要本地部署，公開數據我們可以一起來。
TAG:CMKT諮詢圈 |