青年投资家俱乐部的第2383篇推送
国内最大的投资人俱乐部
YOUNG INVESTOR CLUB
智能金融科技发展新趋势与创新应用。
*本文根据主讲人直播发言整理
或有记录不准确或遗漏
敬请谅解
我们先来梳理一下中国金融科技发展的脉络。
金融科技发展的脉络
80年代开始,银行、证券机构、信托、保险就已经开始了金融的IT信息化过程。
90年开始,互联网技术的引入,使其进入了互联网金融。
2000年,特别是2008年以后,金融科技这个名词就作为一个新的分叉进入到了我们的视野。
近年来,随着我们人工智能的技术的成熟,互联网技术从原来的感知智能进入到了一个认知智能的时代,智能金融慢慢被人所提及。
在12年,业内经常会有一个共识说我们现在已经开始从感知智能进入认知智能,一些新的创业科技公司也就把认知智能作为自己的一个标签。
在一些创新上面,不断的利用成熟的人工智能技术做一些落地的具体应用。
整个过程信息化、互联网金融以及早期的金融科技阶段,都是以技术作为驱动,来推动金融业的一种创新发展。
到目前这个阶段,在最近一两年,已经出现了以场景加业务驱动技术,来引发的一个业务的深层次变革。
其实这也是因为人工智能技术越来越成熟,场景的需求慢慢被强调。实每个阶段都是有不同的一个侧重点。
我们传统理解的金融,实际上是可以简单定义为在不确定环境中进行资源跨级的最优配置的解决决策行为,括银行、保险、券商等。
在第一阶段,互联网金融时代,关注的重心是互联网公司参与的金融交易,金融机构利用互联网来拓展业务边界和提升效率。
在第二阶段,科技金融,侧重点是用利用技术来降低成本,并且发展一些新金融的商业模式,比如个人征信,银行大数据等。
结来看,在互联网金融以及科技金融时代,解决了金融数据的问题。
在第三阶段,进入智能金融,尤其是随着人工智能技术在这两年不断的发展和成熟,推动了整个的金融业务一个新的发展趋势,我们称之为业务流程的自动化、决策的智能化。
人工智能作为一个跟业务场景结合衍生出很多技术化的产品,使其整个金融业务出现了以金融技术推动整个业务流程的变革。
互联网金融跟科技金融是两个大饼,智能金融只是这两块领域中的中交界的一个板块。
我们可以理解为智能金融是更高阶的金融科技,实际上也是有一个渐进的发展过程。
智能金融是更高阶的金融科技
随着技术的不断的发生变革,我们在2020年到2025年之间,整个智能金融的发展速度会更加加快。
第一部分,智能金融的一些应用场景是按照金融机构的一些前台、中台、后台的3大模块。
目前,前台有智能支付,智能客服,智能营销,中台主要是智能风控,智能投研。
后台是形成智能数据,可以看到智能金融已经把整个的金融业务的前端、中端、后端整个流程不断切入,为整个业务带来变革。
第二部分,在后台智能风控上面,比如利用有流程的自动化,把控制点形成整个审核的一些规则。同时这也带动了整个效率的提升。
这种效率的提升引发了一个变革,越来越多的业务被机器人所取代。
这可能会引起一个隐忧:人工智能或者智能金融是不是最终是要把人给取代?
个人观点来说,需要从两个层次来看,以人工智能代表的这种智能技术,更多的是增强人的一种效率和效能,辅助人来做更多的更有价值的分析和决策,帮助人把一些数据的重塑工作、冗余工作替掉下来,把更多的时间花在更有价值的事情上面。
实际上在智能金融出现,其实还是有个技术背景的,是从信息技术、感知智能到认知智能。
在金融领域上面,有个市场痛点:
进入到大数据时代,数据量是呈指数式的增长,特别是每天海量的金融资讯出现,比如像公司公告新闻、财报重要的事件舆情、金融产品,股票、债券的一些产品资料、宏观经济的资讯(像GDPpmi,通货膨胀指数,失业率),以及国家政府发布出台的政策法规、宏观政策、产业政策、金融监管、财政税收政策等,甚至包括了社交媒体、评论、人才、资讯等。
我们有个统计,大概这样的资讯每天的产生量大概是40万条以上。
所以在这如此浩大的资讯中,要找到有价值的文章和资讯,对人是一个巨大的挑战。
在我们传统的市场上面,比如早期的金融阶段,我们的数据可能更多的就是一个财报数据(结构化数据),到大数据时代,更多的数据是一个非结构化数据的呈现。
基于传统的数据是不足以支撑整个未来投资风险的分析预测,和做一些资管的分析所用。
这时候就需要我们必须要借助外力(利用机器人、人工智能)对这种非结构化数据进行读取,获得知识。
减负增值,是用智能处理冗余重复的数据工作,使人投入更少的资源来做更多的事情。
这是认知智能在智能金融里面最大的一个痛点和刚需,如何让机器人读懂文字,需要运用一系列的AI技术,其中包括了自然语言处理和知识图谱。
我们人的语言是非常复杂的,机器要像人一样去理解语言是很难的。
但随着技术的不断成熟,在目前自然语言处理技术的水平下面,机器是可以理解一些简单浅白的句子。
知识图谱,在这两年非常的火热,2012年的时候由谷歌公司提出,本质是大规模的语义网络。
简单的理解是在不同的信源上采集、解析和加工数据,并且通过结果聚合形成一个知识网络。
最后通过这样的一个网络图,这样的形成的知识网络构建的图数据库,和我们传统的矩阵式的数据库,是不同的,我们称之为网数据库或者图数据库。
那么图数据库跟传统数据库有什么区别?
过去传统的数据库(数据仓库),是按一个设计好的维度来存储和统计。在这样数据库的存储或模式上面,数据是不善于做推理和预测。
使用知识图谱来构建这个网状的知识图数据库,能够帮助我们从更多的维度来观察我们主体本身的一些动态变化。
也就可以把不同的数据维度进行关联,把不同的一个指标、一个属性主体,根据它本身的关系来构建整个系统。
在目前的应用,传统数据库(仓库)可以图数据库融合获得增强或迭代。但在未来,在知识组织层面上,图数据库将是企业进行数据管理的一个重要趋势。
如何构建一个行业知识图谱的平
第一步是多源异构数据的融合,包括公司机构内部的运营数据,地方第三方的资讯数据,比如说万德、彭博以及外部机构的一些采集;
第二步是通过大数据的储存与计算平台,图数据库、自然语言处理、机器学习构建的大数据支撑平台进行进一步的数据的深加工;
第三步是构建整个知识建模,知识抽取,知识融合以及知识挖掘。从而形成了整个行业的知识图谱。
通过这样我们构建了整个技术框架,实际上我们把一个企业里面的行业知识的图谱平台也构建了起来。
目前金融知识图谱包括了创投类的数据库,公众公司基本面的数据以及行情数据库,公告数据的提取,两年报数据的提取,范舆情数据等。这些数据能够通过金融支持、知识图谱构建整个专项的知识库。
具体应用到不同的场景,主要包括了传统数据终端的增强或替代,金融搜索进入问答,公告研发的摘要,个人信贷的反欺诈,信用评级数据准备自动化等。在一些具体的业务场景上面,主要包括自动化报告、自动化新闻、自动化的监管预警、自动化审计等。
数据智能的应用
下面的内容主要是介绍一些数据智能的应用,首先给大家简单的介绍一个整个的技术框架,我们可以看到整个技术框架是跟上面是一致的,那么实际上是基于知识图谱、自然语言处理(NLP),并应用一些智能数据的处理功能。
传统公司的数据流程主要是包括了收集、采集数据,知识的整理、分析、研究,形成报告这4个步骤。
传统的业务首先是通过看新闻、看公告、年报,然后通过万达、彭博、财经媒体来做数据的知识整理,接着通过excel来搭建整个模型,最后通过PPTWord来做一个报告的呈现。
利用人工智能技术,或者打造这个数据智能化的流程,那么会形成不同的具体应用。
首先是通过智能搜索、智能推送。
这部分会运用到一些智能资讯的推送和一些自然语言的查询、语义联想、语义搜索、企业画像和人工技术来实现。
然后是数据的智能解析,通过大数据的采集,构建智能产业链分析智能财务模型来实现。
接着通过关系知识图谱,把构建动态的传导关系、构建思维逻辑推理,来实现大数据这种多维度、多角度的一种统计分析。最后是把整个报告的编制实现自动化和可视化。
这一部分的业务的处理非常适用于我们现在的行业研究,比如智能投研。
目前一些大型的研究机构,像基金研究部门,它会涉及到智能搜索。
在一些大型的基金金融机构,每一个研究员都会在不同的平台上面收取不同的采集数据。
通过这个智能搜索,我们是可以构建一个一站式的搜索终端来把不同的终端数据进行采集融合。
很多的金融机构需要根据监管来做一个智能监管报送。传统的业务流程通常是通过人手去操作采集,在不同的报表中采集数据。
整个编制的过程都是由专职的人员来实施,此岗位已经成为一个全职。业务场景是业务员完成每一期报表的编制,提交监管后又开始准备下一期。
智能监管报送,是帮助金融机构集中管理多监管对象、多报送任务。该功能可直接对接业务系统数据和文本化数据,全自动采集报送数据,并自动完成数据转化报送生成、勾稽校验、一键上报等。
在很多的数据处理的过程中,采用的是智能表格识别。将传统的确认单、表单以及图片文字这一类,通过具体需求定制识别模板的方式自动的将表单区分成不同的模块,再逐步识别。这样能大大的节省时间。
这种智能技术从数据的产生到加工到处理,最后报告形成,它都可以实现整个流程的自动化,能够帮助人提升效率。
最后一个是关于智能报告。从数据采集到最后报告的结果生成,整个环节下来。
我们看到利用这种NLP技术,可以把我们需要做编制的报告进行构建,分解成解析要素,把内部的和外部的这种各种信息源,包括资讯公告以及一些内部报告,实现自动抽取来解析,最后融合成结构化的数据,根据我们定制化的结果等模板来生成各种的金融文本。
目前大量的信息报告,都是可以通过这种方式来实现。
带来的好处有自动提取数据、报告编辑可视化、可以实现自主配置以及个性化定制、数据的全程可追溯。
近一年多以来,实际上整个AI公司、人工智能公司,特别是在金融领域上的创新公司,大部分的创新产品和应用都是围绕这几类的产品或几类的应用来展开的。
现在随着人工智能技术广为人知,越来越多的金融行业愿意采用这种技术来改进整个业务的流程,提升数据的处理效率。
行业发展的变化及建议
目前该行业的发展有一些趋势变化。我给大家一些建议:
(1)随着金融行业智能化的发展,我们在选择职业发展的时候,可以更多地考虑在智能金融上技术方法方面的发展(自然语言处理、知识图谱)。
(2)未来中国金融市场会发生一个重要的变化和成长,此时会出现非常大的一个风口。建议同学们在这个领域上,可以把人工智能和智能金融作为自己专业发展的一个方向,来拓展自己未来发展的空间。
最后一个环节,我简单介绍下基于卫星遥感数据应用新趋势。卫星遥感数据作为金融分析的另类数据在近年开始取得应用得落地。这个领域我们和美国华尔街金融的代差不算太大,即便在美国,运用卫星遥感数据做投融资风险分析,也是比较新的领域。
卫星遥感数据应用,是通过卫星图片(可见光相机、红外相机以及成像雷达等),通过亚米级别的图片或数据来分析。
可以应用到森林、海岸、设施、形变、土地、绿地、道路、水体、农田、环境、建筑等这些变化,来观测到我们分析这个资产的变化情况,或者说是通过活动轨迹来分析出一些投资的或风险信号、机会讯号。
实际生活中,卫星遥感数据具体的应用有以下几个案例:
(1)在今年疫情的时候,会看到几则非常吸引眼球的复工新闻,利用卫星图片识别的数据制作夜光指数;通过晚上灯光区域的灯光明亮度以及密度,来分析整个区域经济的一个活跃度。
(2)獐子岛事件。监管单位通过北斗卫星复原渔船捕捞的轨迹。
(3)森林火灾。用卫星遥感数据来监测整个火灾的变化,来分析出我们的一个损失情况。
卫星遥感数据的商业应用是获得国家鼓励。在十四五规划里面,对于空间遥感数据的行业发展,国家是给了非常重要的一个支持。在这里会有很大的一个空间和发展。
目前卫星遥感数据在一些经济领域上面的应用,包括区域经济的景气分析、夜光指数、农业种植的分析、港口交通枢纽以及重大项目工程的进度跟进。这些都是可以通过卫星图片来做分析的。
在国内,已经有出现一些公司利用卫星遥感数据做创新应用,我觉得大家有兴趣可以关注下有关的发展,甚至是在日常研究或者个人专业发展,这个新领域的发展都值得大家进一步研究合了解,因为这个很可能是一个新蓝海市场。
*本文来自11月26日晚潘老师的直播分享,内容仅为完整课程的1/2,感兴趣的朋友可扫码进入回看学习:
俱乐部·大咖小讲
↓↓↓扫码立即进入回看↓↓↓
任何问题可咨询小秘书:theyounginvestor


俱乐部大咖小讲
新一期来啦
第23期我们特邀中信证券研究部首席行业分析师冯重光,开设「在线K12教育:疫情助推下的加速跑,竞争加剧下的获客战」免费直播,12月2日20:00点,扫描下方二维码提前锁定!👇

「青年投资家俱乐部」
-the young investor club-
中国青年投资家俱乐部是国内最具影响力的头部投资社群之一。俱乐部成立于2012年,通过内容、论坛、峰会、沙龙、培训、考察等产品和品牌活动,为超过20万用户提供服务。目前会员已涵盖来自15219家投资机构、券商、会计师事务所、律所等从业群体,已成为国内青年投资人领域最具影响力的投资人社群。合作约访来邮:[email protected]
继续阅读
阅读原文