金融行業(yè)市場分析

金融行業(yè)市場分析

銀行：坐擁數(shù)據(jù)富礦，科技全面賦能

概覽：金科投入加大，人才建設(shè)提速

上市銀行金融科技投入整體呈現(xiàn)逐年加大態(tài)勢，股份行投入比例相對

較高。從投入規(guī)?？?，國有行投入規(guī)模較大，2022年六家國有大行

平均投入194.2億元，工商銀行、建設(shè)銀行、農(nóng)業(yè)銀行以及中國銀行

投入規(guī)模均超200億元。從占營收比例看，股份行金融科技投入占

營收比例較高，2022年平均占比為3.89%,中信銀行、招商銀行、

光大銀行金融科技投入占營收比例均超4%o

上市銀行金融科技人員隊伍規(guī)模逐年擴(kuò)大，占比逐年升高。從人員規(guī)

?？?，國有行科技人員最多，2022年六家國有行科技人員平均數(shù)量

達(dá)到14564人，其中工商銀行科技人員最多，近36000人。從員工

比例看，股份制銀行科技從業(yè)人員平均比例7.88%,占比最高，其中

興業(yè)銀行占比高達(dá)11.87%,招商銀行達(dá)9.6%0

銀行金融科技子公司近年發(fā)展迅速。隨數(shù)字經(jīng)濟(jì)發(fā)展與銀行數(shù)字化轉(zhuǎn)

型的不斷推進(jìn)，自2015年起，中國部分銀行開啟金融科技子公司創(chuàng)

立之路，至今已有15家上市銀行成立金融科技子公司，并有逐步從

國有大行、全國股份行到城商行、農(nóng)商行擴(kuò)展之勢。從2015年第一

家銀行金融科技子公司興業(yè)數(shù)金成立，到2022年7月金融壹賬通在

香港交易所掛牌上市，銀行金融科技子公司近年發(fā)展迅速。各銀行金

融科技子公司注冊資本差異較大，國有銀行注冊資本普遍較高，建信

金科以17.3億元的注冊資本占首位。金融科技子公司需塑造新型商

業(yè)模式走出前期高投入凈虧損困局。前期高投入和短期凈虧損屬于大

多數(shù)高科技公司的必經(jīng)之路，如唯一上市金融科技子公司金融壹賬通

（平安銀行旗下）2017年以來持續(xù)虧損，而2019至2022年虧損幅

度收窄，所以銀行金融科技子公司的預(yù)期展望需要拓寬時間維度，從

明晰產(chǎn)品定位、豐富產(chǎn)品業(yè)態(tài)、暢通商業(yè)渠道等方面著手，塑造銀行

金融科技新型商業(yè)模式，在中長期發(fā)展中獲得持續(xù)且穩(wěn)定的創(chuàng)新與盈

利能力，切實賦能金融數(shù)字化和銀行現(xiàn)代化轉(zhuǎn)型。

前端：引流獲客效率提升，產(chǎn)品匹配更加精確

人工智能使銀行對客戶的了解加深，細(xì)分現(xiàn)有客群，打造立體化的客

戶標(biāo)簽，洞察其不同需求，圍繞全生命周期進(jìn)行布局。從潛在客戶挖

掘一,新客戶培養(yǎng)一＞業(yè)務(wù)精準(zhǔn)營銷一＞產(chǎn)品智能匹配一＞客戶流失預(yù)

警一〉沉默客戶再激活等各個方面提供針對性的產(chǎn)品和服務(wù)。

?＜4：人工智能在像行川旗業(yè)務(wù)的應(yīng)用

0音識內(nèi)技案相像/文字以川M案

?音反情?唔X?

客戶挖修客戶?分

?3戶金像?療為分析

??定向?浦?禽求左射

?m?方上造日?依顯評他

...................

客戶獲??；智能客服降低獲客成本，精準(zhǔn)營俏助力流量轉(zhuǎn)化

節(jié)省人力成本，大范圍獲客提升營銷效率。對于新客獲取，銀行傳統(tǒng)

方式是基于物理網(wǎng)點覆蓋范圍為主要根據(jù)地進(jìn)行營銷推廣，一方面因

網(wǎng)點覆蓋范圍有限而無法觸達(dá)范圍外的客戶，另一方面?zhèn)鹘y(tǒng)模式人力

消耗較大且獲客效率并不高，極大增加了銀行單位新客獲取成本。對

于存量客戶運(yùn)營，則主耍通過電話銷售員進(jìn)行新產(chǎn)品和服務(wù)的推薦，

但推銷電話過于密集且并未觸及客戶核心需求使得客戶體驗感較差。

在客戶觸達(dá)環(huán)節(jié)，主要針對信用卡、消費(fèi)貸等標(biāo)準(zhǔn)化程度較高的業(yè)務(wù)，

AI外呼機(jī)器人可以實現(xiàn)與客戶的全智能交互，節(jié)省銷售員大量的時

間成本，基于ChatGPT深度學(xué)習(xí)的自然語言處理技術(shù)不斷精進(jìn)，智

能客服可精確理解客戶訴求，產(chǎn)出更為豐富的對話內(nèi)容和應(yīng)答范圍，

高效解決客戶問題，效率大幅提升。

從自動化到智能化，進(jìn)階“千人千面”精準(zhǔn)營銷。銀行內(nèi)部積淀海量客

戶數(shù)據(jù)，依靠人工智能強(qiáng)大的數(shù)據(jù)分析能力，使銀行可以在大范圍客

戶觸達(dá)之前進(jìn)一步細(xì)化客戶的定位與分類，由廣撒網(wǎng)似的推廣宣傳進(jìn)

階至數(shù)據(jù)驅(qū)動的精準(zhǔn)營銷方案。具體而言，基于客戶的內(nèi)部和外部行

為數(shù)據(jù)，建立多元化客戶標(biāo)簽，形成不同的營銷方案，嵌入不同的場

景化平臺，通過差異化的創(chuàng)意觸達(dá)客戶，實現(xiàn)營銷活動因人而異、因

場景而異，提升流量轉(zhuǎn)化效率;然后持續(xù)追蹤客戶如參與率、響應(yīng)率、

購買率等行為反饋數(shù)據(jù)，利用機(jī)器學(xué)習(xí)、知識圖譜等技術(shù)不斷優(yōu)化迭

代模型，讓每次營銷活動在最短時間、最低成本中實現(xiàn)最優(yōu)效果。

浦發(fā)銀行：人工智能在信用卡呼叫中心的應(yīng)用

浦發(fā)銀行是首家在呼叫中心推行服務(wù)營銷-一體化模式的銀行，公司提

出以科技驅(qū)動業(yè)務(wù)發(fā)展的戰(zhàn)略，充分運(yùn)用大數(shù)據(jù)對客戶進(jìn)行深入挖掘,

利用人工智能輸出精準(zhǔn)營銷策略。具體來看，一是搭建數(shù)據(jù)中心，將

行內(nèi)與客戶溝通交流的數(shù)據(jù)以統(tǒng)一標(biāo)準(zhǔn)錄入該中心，以便提供模型應(yīng)

用；二是構(gòu)建大數(shù)據(jù)分析平臺，將與客戶行為、偏好有關(guān)的數(shù)據(jù)由大

數(shù)據(jù)模型重新統(tǒng)一定制標(biāo)簽，結(jié)合各類標(biāo)簽生成客戶畫像；三是搭建

智能決策平臺，基于人工智能的機(jī)器學(xué)習(xí)技術(shù)，主要結(jié)合客戶的購買

行為、服務(wù)行為、消費(fèi)場景等歷史數(shù)據(jù)分析，由智能機(jī)器人自主決策，

輸出精準(zhǔn)服務(wù)與營銷方案，最終以智能機(jī)器人外呼、短信觸發(fā)等手段

觸達(dá)客戶。浦發(fā)銀行成為業(yè)內(nèi)首家全面實現(xiàn)電話智能語音服務(wù)的銀行,

推動呼叫中心逐漸實現(xiàn)由成本中心向利潤中心的轉(zhuǎn)變。截至2020年，

呼叫中心A占比85%以上,外呼業(yè)務(wù)承載量可達(dá)每日20萬通,相

當(dāng)于替代約800名外呼人員，該技術(shù)廣泛應(yīng)用于客戶營銷、產(chǎn)品推

介、催收、追保、大額核實等場景，交互完成率達(dá)33%。

產(chǎn)品匹配：打造客戶立體化標(biāo)簽，定制產(chǎn)品增強(qiáng)客戶粘性

在觸達(dá)客戶建立起立體化客戶標(biāo)簽后，圍繞客戶實際需求，基于對市

場產(chǎn)品的全方位覆蓋與追蹤，為其提供最優(yōu)的產(chǎn)品匹配方案及配套服

務(wù)。在財富管理領(lǐng)域和小微信貸領(lǐng)域，均存在著有效供給不足的情況，

大量長尾客群需求難以覆蓋，人工智能優(yōu)勢凸顯。懂客戶、懂產(chǎn)品，

實現(xiàn)財富客戶與產(chǎn)品的精準(zhǔn)匹配。財富管理的核心是對客戶的深入了

解，大數(shù)據(jù)與人工智能的應(yīng)用使銀行一方面可以全方位透視客戶靜態(tài)

畫像，定位其所處生命周期及風(fēng)險偏好，針對其興趣點進(jìn)行投教與營

銷，制定有效措施和力案促進(jìn)購買轉(zhuǎn)化；另一力面基于既有點擊、瀏

覽、購買等行為數(shù)據(jù)，挖掘其潛在財富管理需求，完善客戶產(chǎn)品偏好

體系，進(jìn)一步實現(xiàn)產(chǎn)品的精準(zhǔn)匹配。通過對客戶準(zhǔn)確、全面和動態(tài)的

把控，以實現(xiàn)更精細(xì)化的客戶經(jīng)營與財富管理服務(wù)。除了對客戶的深

入了解，還需要對產(chǎn)品較強(qiáng)的判斷能力。以模式識別、機(jī)器學(xué)習(xí)、智

慧圖譜等AI技術(shù)為基礎(chǔ)的智慧投研，可以對特定行業(yè)和特定底層資

產(chǎn)進(jìn)行更精準(zhǔn)的分析和判斷，從而提供更加優(yōu)質(zhì)的資產(chǎn)或產(chǎn)品；同時

能監(jiān)測市場全量產(chǎn)品，做到24h不間斷追蹤，實時分析產(chǎn)品組合，

完善產(chǎn)品評價體系。

招商銀行：智能財富助理“AI小招”

招商銀行2021年推出智能財富助理“AI小招”，其主要基于意圖識別、

知識圖譜、窗能交互、深度學(xué)習(xí)等大數(shù)據(jù)技術(shù)，擁有流動性預(yù)測、風(fēng)

險偏好分析、投資決策、智能推薦等多個引擎，可以為客戶提供收益

查詢、漲跌分析、市場熱點解讀、產(chǎn)品推薦、資產(chǎn)配置建議等財富管

理綜合服務(wù)。不同于一般的互聯(lián)網(wǎng)金融平臺，AI小招的優(yōu)勢在于具

備較強(qiáng)的多輪會話交互能力。根據(jù)客戶在App瑞內(nèi)的瀏覽與行為數(shù)

據(jù)排行榜，AI小招預(yù)設(shè)了現(xiàn)金流管理、招財分、四筆錢理財?shù)仁?/p>

主題會話，通過知識沉淀與機(jī)器訓(xùn)練，培養(yǎng)出一定的開放式會話能力，

使其懂客戶、懂產(chǎn)品，并且有能力將客戶與產(chǎn)品匹配起來。由于其具

有強(qiáng)大的知識圖譜，AI小招基于每天與客戶交互中產(chǎn)生的海量數(shù)據(jù)

不斷優(yōu)化算法和迭代模型，并反哺客戶經(jīng)理，實現(xiàn)人腦與科技的緊密

連結(jié)，驅(qū)動招行財富管理業(yè)務(wù)快速發(fā)展。

完善小微企業(yè)畫像，助力普惠金融實現(xiàn)。普惠市場中長尾客群主要以

小微企業(yè)客戶、個體工商戶為主，數(shù)量較大且定位分散，具有“小額

高頻”且多樣化的融資需求。一方面，金融資源分配不均是行業(yè)的普

遍現(xiàn)象，由于信息不對稱、抵押物不足等原因小微企業(yè)面臨著融資難

的問題。另一方面，市場上信貸產(chǎn)品差異化不明顯，難以匹配小微企

業(yè)多元個性化需求。金融科技成為驅(qū)動普惠金融發(fā)展的新機(jī)遇，通過

提升數(shù)據(jù)搜集和分析能力，將此前難以覆蓋的諸如生產(chǎn)經(jīng)營流水、物

流、納稅、出行等‘軟信息”納入考量，充分刻畫小微企業(yè)畫像，減少

信息不對稱的同時了解小微企業(yè)核心需求，豐富商業(yè)銀行信貸產(chǎn)品。

建設(shè)銀行：小微快貸業(yè)務(wù)

建行對內(nèi)打通不同渠道、不同部門數(shù)據(jù)間壁壘，對外則連通征信、工

商、司法、社保等外部數(shù)據(jù)，將小微企業(yè)的實際經(jīng)營狀況轉(zhuǎn)化為量化

數(shù)據(jù)，綜合構(gòu)建起小微企業(yè)全方位精準(zhǔn)畫像。在此基礎(chǔ)上，圍繞小微

企業(yè)實際需求，分層給予其差異化授信，量身匹配定制化信貸產(chǎn)品，

推動精準(zhǔn)獲客。比如，對于已積累了一定金融資產(chǎn)、交易結(jié)算流水且

信用狀況較好的客戶，給予較高貸款額度；而疝于剛接觸的小額無貸

戶，則主動降低其信用貸款準(zhǔn)入門檻，給予小額授信，引導(dǎo)客戶體驗

小額貸款服務(wù)，解決小微企業(yè)融資難問題。建行2016年上線拳頭產(chǎn)

品“小微快貸”，針對不同客戶類型及需求場景，目前小微快貸已包含

“云稅貸”“賬戶云貸”“醫(yī)保云貸”“投標(biāo)云貸”等多個子產(chǎn)品體系。截至

2022年，建行“小微快貸”等新模式產(chǎn)品累計提供信貸支持8.83萬億

元，服務(wù)客戶352萬戶。

中臺：蓄積海量數(shù)據(jù)，筑牢風(fēng)控生命線

科技在銀行中臺應(yīng)用廣泛，是完善銀行風(fēng)控體系的關(guān)鍵之舉。科技在

銀行風(fēng)控中有著廣泛的應(yīng)用，包括大數(shù)據(jù)風(fēng)控、人工智能風(fēng)控、區(qū)塊

鏈風(fēng)控等。與傳統(tǒng)金融風(fēng)控手段相比，大數(shù)據(jù)風(fēng)控的核心是利用更多

維的數(shù)據(jù)，比如用戶的互聯(lián)網(wǎng)足跡數(shù)據(jù)?，以及諸多傳統(tǒng)金融行業(yè)沒有

觸及的非金融類數(shù)據(jù)，通過海量數(shù)據(jù)累積，以及適應(yīng)業(yè)務(wù)發(fā)展訴求的

算法支持，刻畫出客戶或潛在客戶的精確“畫像”，進(jìn)而提升風(fēng)險管理

的準(zhǔn)確性和效率。融入金融科技的“智能風(fēng)控中臺”則將大數(shù)據(jù)、云計

算和人工智能等技術(shù)融入貸前-貸中■貸后全流程，有力夯實銀行風(fēng)控

底座。

貸前審核方面，多維度數(shù)據(jù)驗證客戶信息真實性。信用評估方面，銀

行可以整合央行征信、政府平臺、多頭借貸報告等數(shù)據(jù)接口，通過多

種手段交叉驗證用戶信息的真實性。同時憑借強(qiáng)大的數(shù)據(jù)處理分析及

建模能力，準(zhǔn)確判斷借款人身份信息，提高貸前審核準(zhǔn)確度。審批流

程方面，傳統(tǒng)的審批流程比較繁瑣，需要客戶提供大量文件和材.料,

且耗時較長。而銀行可以應(yīng)用OCR技術(shù)等，自動讀取客戶提供文件

中的信息，大幅度優(yōu)化審批流程。貸中監(jiān)控方面，大數(shù)據(jù)提高預(yù)警處

理的準(zhǔn)確度。智能貸中管理系統(tǒng)融合仝面的數(shù)據(jù)標(biāo)簽庫、AI大數(shù)據(jù)

分析能力，通過關(guān)系圖譜、設(shè)備指紋等技術(shù)挖掘用戶行為數(shù)據(jù)，實時

監(jiān)測用戶的行為，對用戶貸款用途和還款意愿進(jìn)行追蹤監(jiān)控。為提高

預(yù)警處理的準(zhǔn)確度，還可以將客戶風(fēng)險等級進(jìn)行分級，根據(jù)用戶的行

為、借貸意向等建立評分模型，利用相關(guān)數(shù)據(jù)和行為特征預(yù)測未來發(fā)

生逾期的風(fēng)險概率。

平安銀行：阿波羅智能審批平臺賦能風(fēng)控全流程

平安銀行智慧風(fēng)控平臺將授信業(yè)務(wù)風(fēng)控全流程納入線上化、數(shù)字化管

理。平安銀行通過智慧風(fēng)控平臺，貸前依托評級模型體系開展智能盡

調(diào)，自動導(dǎo)入信息數(shù)據(jù)，實現(xiàn)客戶經(jīng)理80%去手工。貸中塑造風(fēng)險

預(yù)警模型體系。具體而言，審批方面通過四步排除、五定量化生成八

維項目決策畫像，標(biāo)準(zhǔn)化業(yè)務(wù)自動審批+非標(biāo)準(zhǔn)化業(yè)務(wù)輔助人工審批

結(jié)合，單筆業(yè)務(wù)平均審批時長縮短50%。貸后應(yīng)用限額模型體系，

攻克智能預(yù)警+智慧貸后，實現(xiàn)貸后管理精細(xì)化以及貸后動作自動化。

風(fēng)險管理已成為平安銀行的核心競爭力。鑒于風(fēng)控能力穩(wěn)步提升，

2016年以來平安銀行不良率大幅下降，從2016年的1.74%下降到

2022年的1.05%。同時平安銀行不斷加厚撥備安全墊，撥備覆蓋率

由2016年的155%提升至2022年的290%,在上市股份行中排名由

第八上升至第二，風(fēng)險抵御能力顯著增強(qiáng)。

圖表10:2011年以來平安、招在冬上市股M撥備覆JL率

--------平安銀行--------招商銀行

550%一一上市股份行平均

500%-

450%■一

400%

350%

300%

250%

200%

150%

100%

20112013201420152016201720182019202020212022

注：2022年股份行樣本不含浦發(fā)銀行、華夏銀行

建行、工行：金融科技為小微風(fēng)控插上雙翼

小微業(yè)務(wù)客群較為下沉，對銀行風(fēng)控能力要求格外突出。普惠金融服

務(wù)對象財務(wù)管理水平較低，征信風(fēng)險成本較高，對銀行風(fēng)控要求較為

嚴(yán)苛。金融科技可以在互聯(lián)網(wǎng)基礎(chǔ)設(shè)施支持下，利用移動互聯(lián)網(wǎng)技術(shù)、

影像識別技術(shù)等，充分發(fā)揮遠(yuǎn)程、高效、安全的特點，延展金融服務(wù)

半徑，降低金融服務(wù)成本及潛在風(fēng)險。國有大行發(fā)揮“頭雁”作用，借

力金融科技提升小微風(fēng)控水平。建設(shè)銀行通過普惠金融風(fēng)控體系+定

制化產(chǎn)品全方位提升小微業(yè)務(wù)風(fēng)控水平；工商銀行針對400個場景

匹配特點的風(fēng)控準(zhǔn)則，借助多維數(shù)據(jù)提升風(fēng)控精準(zhǔn)度。建設(shè)銀行普惠

金融風(fēng)控體系全方位增強(qiáng)風(fēng)控能力，建設(shè)銀行打造“六位一體”普惠金

融風(fēng)控體系，即智能反欺詐拒險、大數(shù)據(jù)模型排險、系統(tǒng)機(jī)控防險、

可視化監(jiān)測判險、預(yù)警催收避險、專業(yè)處置化險，構(gòu)筑貸前中后“三

道防線”。貸前環(huán)節(jié)通過系統(tǒng)匹配企業(yè)和企業(yè)主在建設(shè)銀行的業(yè)務(wù)數(shù)

據(jù)，篩選客觀數(shù)據(jù)作為客戶準(zhǔn)入、授信評價依據(jù)，同時利用普惠金融

合規(guī)檢測平臺對客戶情況交叉驗證、智能攔截。貸中環(huán)節(jié)實行“內(nèi)整

外派”，將放款、審核人員派駐到普惠金融事務(wù)部內(nèi)，進(jìn)行集約化業(yè)

務(wù)處理。貸后環(huán)節(jié)用好小企業(yè)期預(yù)警系統(tǒng)、信貸催收系統(tǒng)、客戶檢測

系統(tǒng)等工具，對企業(yè)風(fēng)險及時預(yù)警和處置。受益于有效的風(fēng)控體系，

據(jù)公司財報，2022年末建設(shè)銀行普惠小微貸款不良率保持在1%左

右（22年末全行平均不良率為1.38%）。

后臺：夯實數(shù)字化后臺基礎(chǔ)建設(shè)，實現(xiàn)前中臺全面賦能

底層平臺基礎(chǔ)建設(shè)+交易后臺能力建設(shè)+AI智能銀行建設(shè)賦能業(yè)務(wù)全

流程。金融科技在銀行后臺應(yīng)用廣泛，銀行云、智能風(fēng)控、智能審計、

智能投研等應(yīng)用成為銀行發(fā)展重耍生產(chǎn)力，幫助銀行提高管理和運(yùn)營

效率，降低風(fēng)險和成本，為客戶提供更好的服務(wù)和體驗。1）底層平

臺基礎(chǔ)建設(shè)提升整體運(yùn)營效率。銀行底層平臺基礎(chǔ)設(shè)施覆蓋銀行大多

數(shù)系統(tǒng)，在業(yè)務(wù)、渠道以及管理端支撐銀行經(jīng)營運(yùn)作，為銀行核心業(yè)

務(wù)開展、線上線下渠道拓展以及客戶信息、風(fēng)控合規(guī)和決策分析管理

提供底層支持。通過構(gòu)筑數(shù)字基礎(chǔ)設(shè)施底座，數(shù)字化運(yùn)營能力不斷提

升，底層平臺能夠持續(xù)提供更加安全、高效、靈活的服務(wù)，銀行業(yè)務(wù)、

渠道、管理三端效率實現(xiàn)整體提升。2）交易后臺能力賦能前臺交易。

作為交易后臺建設(shè)重心，銀行核心業(yè)務(wù)系統(tǒng)承擔(dān)絕大部分交易數(shù)據(jù)處

理工作，支持各種交易處理請求，通過交易處理，驅(qū)動會計核算和支

付清算。隨著核心系統(tǒng)能力提升，后臺交易系統(tǒng)能夠高性能、高可靠、

高安全處理交易指令，從而為前臺交易業(yè)務(wù)強(qiáng)效賦能。3）開放平臺、

主機(jī)上云為AI智能銀行做好基礎(chǔ)。大數(shù)據(jù)平臺與云計算技術(shù)為銀行

后臺數(shù)據(jù)及指令處理提供更為強(qiáng)大的計算能力以及更豐富的服務(wù)，計

算資源以及數(shù)據(jù)存儲能力得到極大拓展，更高的運(yùn)營及風(fēng)險管理效率

為AI智能銀行打下基礎(chǔ)，為新興業(yè)務(wù)提供強(qiáng)有力支持。

典型案例：農(nóng)業(yè)銀行打造iABC強(qiáng)后臺

農(nóng)行數(shù)字化轉(zhuǎn)型打造iABC強(qiáng)后臺。2019年初“推進(jìn)數(shù)字化轉(zhuǎn)型再造

一個農(nóng)業(yè)銀行”戰(zhàn)略構(gòu)想提出，農(nóng)業(yè)銀行以人工智能、大數(shù)據(jù)和云計

算技術(shù)為基礎(chǔ)，構(gòu)建新一代數(shù)字化云平臺iABC,其中“強(qiáng)后臺”建設(shè)

包括金融大腦、大數(shù)據(jù)平臺以及應(yīng)用云平臺?！敖鹑诖竽X”基于

GPU/CPU的高性能AI計算架構(gòu)，大范圍集成人工智能核心技術(shù)，

建設(shè)感知引擎以實現(xiàn)“聽說讀寫”等高感知高可用能力，搭建思維引擎

以實現(xiàn)學(xué)習(xí)、分析、預(yù)測以及機(jī)器學(xué)習(xí)建模能力。大數(shù)據(jù)平臺采用

MPP+Hadoop混搭架構(gòu)建設(shè)，MPP數(shù)據(jù)庫加工處理結(jié)構(gòu)化數(shù)據(jù)，

Hadoop負(fù)責(zé)海量數(shù)據(jù)存儲以及流數(shù)據(jù)運(yùn)算、統(tǒng)一預(yù)處理，最終實現(xiàn)

PB級結(jié)構(gòu)化數(shù)據(jù)處理、EB級非結(jié)構(gòu)化數(shù)據(jù)處理和毫秒級流計算處

理。金融云平臺通過laaS平臺和PaaS平臺建設(shè)，將復(fù)雜應(yīng)用系統(tǒng)

和軟硬件納入統(tǒng)一管理，底層的基礎(chǔ)架構(gòu)更簡單，同時實現(xiàn)云上應(yīng)用

全生命周期管理，提升應(yīng)用研發(fā)、運(yùn)維效率和資源利用率。

“強(qiáng)后臺”為中臺提供強(qiáng)大技術(shù)輸出能力，為前臺提供敏捷響應(yīng)服務(wù)。

金融大腦為農(nóng)行各業(yè)務(wù)條線提供智能化服務(wù)基礎(chǔ)能力，助力交互擬人

化、交易安全化、流程便捷化，推動構(gòu)建貫前、中、后臺的智能創(chuàng)新

服務(wù)體系。以大數(shù)據(jù)平臺主庫為基礎(chǔ)構(gòu)建的數(shù)據(jù)集市為多種業(yè)務(wù)領(lǐng)域、

條線、應(yīng)用輸送大數(shù)據(jù)血液，在經(jīng)營管理、分析應(yīng)用、統(tǒng)一報送、價

值發(fā)現(xiàn)等方面提供服務(wù)，構(gòu)建營銷、風(fēng)控、運(yùn)營、核算、監(jiān)管等全方

位應(yīng)用支持。高可用、易管理的金融云平臺一定程度上解決了硬件、

軟件以及業(yè)務(wù)系統(tǒng)異構(gòu)帶來的巨大挑戰(zhàn)，能夠優(yōu)化中臺基礎(chǔ)資源管理

能力、增強(qiáng)前臺服務(wù)能力。

證券：金融科技賦能，重構(gòu)業(yè)務(wù)生態(tài)

趨勢：IT投入持續(xù)增長，技術(shù)多場景落地

金融科技正在推動證券行業(yè)信息化快速發(fā)展。金融科技與證券行業(yè)的

結(jié)合，核心在于機(jī)器包主反饋、不斷學(xué)習(xí)且調(diào)整的能力。當(dāng)前，金融

科技與證券的融合主耍體現(xiàn)為以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)和以知

識圖譜為代表的知識工程兩大技術(shù)領(lǐng)域的突破。其中，深度學(xué)習(xí)技術(shù)

直接通過數(shù)據(jù)生成結(jié)果，主要針對影響因素較少但計算復(fù)雜度較高的

業(yè)務(wù)問題，如智能投顧等；知識圖譜技術(shù)則根據(jù)已知結(jié)果梳理實現(xiàn)自

動問答，主要針對計算復(fù)雜度較低但影響因素多樣的業(yè)務(wù)問題，如智

能投研等。未來，伴隨金融科技逐漸發(fā)展成熟，證券領(lǐng)域業(yè)務(wù)流程環(huán)

節(jié)將進(jìn)一步優(yōu)化，提升業(yè)務(wù)開展效率，統(tǒng)多方資源，邁向人機(jī)融合協(xié)

同下的證券新業(yè)態(tài)。

證券行業(yè)IT投入呈增長態(tài)勢，其中中后臺建設(shè)和證券經(jīng)紀(jì)業(yè)務(wù)投入

較多。隨著證券行業(yè)數(shù)字化轉(zhuǎn)型和金融科技應(yīng)用的持續(xù)深入，券商進(jìn)

一步加大IT建設(shè)性投資和自主研發(fā)投入，一方面通過采購市場上較

為成熟的產(chǎn)品、技術(shù)或服務(wù)，快速實現(xiàn)業(yè)務(wù)落地；另一方面通過借助

外部人力資源，快速彌補(bǔ)自主研發(fā)資源的不足。2021年證券行業(yè)IT

投入合計304億元，同比增長27%,資本性支出和費(fèi)用性支出占比

均超36%。其中，軟件投入金額占比近20%,運(yùn)維費(fèi)用、硬件投入、

通訊費(fèi)用投入占比均在10%-18%左右。分業(yè)務(wù)來看，中后臺建設(shè)和

證券經(jīng)紀(jì)業(yè)務(wù)投入最多，2021年占比分別為41%和38%,且增長相

對較快，較2020年投入金額同比分別提升34%和22%o

人工智能在證券行業(yè)應(yīng)用場景廣泛，但目前仍以外購為主。2021年

共90家證券公司反饋開展了人工智能應(yīng)用，涉及案例336個，同比

增長78%,其中2021年投產(chǎn)或在建的案例324個，同比增長215%。

從應(yīng)用場景來看，主要覆蓋七大業(yè)務(wù)領(lǐng)域，并集中在證券經(jīng)紀(jì)業(yè)務(wù)（占

比45%）和中后臺（占比32%）。從建設(shè)模式來看，全部外購占比

38%,合作研發(fā)占比36%,自主研發(fā)占比26%,意味著在滿足場景

需要的情況下，證券公司仍首選外購建設(shè)或合作研發(fā)，以便快速投入

使用，自主研發(fā)仍相對較少。

金融科技將在前、中、后臺多個方面滲透證券經(jīng)營體系，最終形成一

體化智能平臺。金融科技的應(yīng)用將重塑行業(yè)價值鏈，在關(guān)鍵價值環(huán)節(jié)

形成垂直化專業(yè)分工，并在此基礎(chǔ)上進(jìn)行全價值鏈整合，推動證券行

業(yè)向渠道觸達(dá)網(wǎng)絡(luò)化、產(chǎn)品服務(wù)整合化發(fā)展。具體而言，在證券行業(yè)

運(yùn)營體系中，金融科技應(yīng)用主要集中在前臺（與客戶直接交互的界面

和觸點）、中臺（證券業(yè)務(wù)活動的作業(yè)中臺）和后臺（券商IT體系

的基礎(chǔ)支撐架構(gòu)）。其中前臺應(yīng)用場景包括數(shù)智交易、智能營銷、智

能客服、智能投顧、智能開戶、電子合約、生物識別等；中臺應(yīng)用場

景包括智能投研、智能風(fēng)控、反欺詐檢測、情分析、賬戶分類、智能

資訊、用戶需求預(yù)測等；后臺應(yīng)用場景主要是智能運(yùn)維平臺。最終,

金融科技將通過功能集成賦能證券公司形成覆蓋全業(yè)務(wù)鏈、多客戶群

的一體化智能運(yùn)營平臺。國內(nèi)金融科技水平領(lǐng)先的券商有望優(yōu)先實現(xiàn)

效率提升。近年來，上市券商普遍加大信息技術(shù)投入水平并實現(xiàn)人員

規(guī)模力、張，尤其部分金融科技水平領(lǐng)先的券商，信息技術(shù)投入金額和

員工數(shù)量都有明顯提升。金融科技的應(yīng)用價值在于重塑券商業(yè)務(wù)價值

鏈，在關(guān)鍵價值環(huán)節(jié)形成垂直化專業(yè)分工，并在此基礎(chǔ)上進(jìn)行全價值

鏈整合，推動業(yè)務(wù)渠道觸達(dá)網(wǎng)絡(luò)化、產(chǎn)品服務(wù)整合化發(fā)展。未來，金

融科技水平領(lǐng)先、應(yīng)用布局全面的券商有望優(yōu)先實現(xiàn)經(jīng)營效率提升和

成本壓降。

前臺：優(yōu)化獲客效率，提升服務(wù)體驗

在前臺，金融科技幫助證券行業(yè)實現(xiàn)低成本拓客、促進(jìn)客戶轉(zhuǎn)化并提

升客戶服務(wù)體驗。近年來互聯(lián)網(wǎng)理財用戶和證券APP用戶數(shù)增速已

明顯放緩，流量獲客邊際成本持續(xù)提升，同時機(jī)構(gòu)客戶規(guī)模提升，業(yè)

務(wù)逐步綜合化、夏雜化，對數(shù)智化機(jī)構(gòu)服務(wù)平臺需求提升。未來如何

以較低成本拓展新用戶、促進(jìn)新戶轉(zhuǎn)化，同時深挖存量客戶價值、夯

實客戶粘性、提供個性化服務(wù)，將是證券行業(yè)面臨的重要問題。金融

科技將幫助券商構(gòu)建線上化、數(shù)字化、智能化運(yùn)營平臺，通過以數(shù)智

交易、智能營銷、智能客服、智能投顧等為代表的重點應(yīng)用領(lǐng)域，全

流程提升客戶服務(wù)體驗。

數(shù)智交易：一體交易平臺，提升客戶體驗

數(shù)智交易平臺通過大數(shù)據(jù)分析和人工智能等技術(shù)，向用戶提供高效專

業(yè)的綜合交易服務(wù)。根據(jù)用戶投資交易的全流程需求，數(shù)智交易平臺

按照投前、投中、投后的邏輯將數(shù)據(jù)服務(wù)、市場監(jiān)測、交易服務(wù)、風(fēng)

控服務(wù)、管理服務(wù)、運(yùn)營服務(wù)等集成在一個終端，通過有效的整合和

設(shè)計，為客戶提供統(tǒng)一的交易服務(wù)新體驗。新一代交易系統(tǒng)采用分布

式低時延技術(shù)，能夠減少不同模塊的耦合性，確保單筆交易的超低延

時，解決賬戶、交易等信息的整合難題，提升企業(yè)數(shù)據(jù)的質(zhì)量和應(yīng)用

水平，減輕信息不對稱問題，顯著提升客戶交易體驗,提高交易效率。

國內(nèi)券商均大力發(fā)展數(shù)智交易平臺，以提升經(jīng)紀(jì)業(yè)務(wù)競爭力。例如東

方證券與東證期貨聯(lián)合自主研發(fā)的OST交易系統(tǒng)，為客戶定制化開

發(fā)了FPGA行情，實現(xiàn)中心間資金的實時調(diào)撥，提升客戶下單頻率

和收益率。中金財富的IMS系統(tǒng)，提供交易經(jīng)紀(jì)、風(fēng)險管理、賬戶

配置、資產(chǎn)托管、估值清算等一體化服務(wù)，為機(jī)構(gòu)客戶提供一站式交

易解決方案。國泰君安NGTP交易系統(tǒng)基于分布式低時延架構(gòu)，以

交易行為核心，采用直通式處理方式串聯(lián)前、中、后臺應(yīng)用，提供完

整的交易、清算、資產(chǎn)、風(fēng)控、賬戶、認(rèn)證、接入、運(yùn)營、運(yùn)維、報

表、實時數(shù)據(jù)服務(wù)等一體化解決方案。頭部券商如華泰證券己經(jīng)打造

出多元化交易平臺，通過金融科技提升投資者交易體驗。華泰證券打

造了MATIC、融券通、大象等交易平臺，以滿足客戶專業(yè)化的交易

需求。1）機(jī)構(gòu)交易平臺MATIC包含金融數(shù)據(jù)、極速交易、場內(nèi)交

易、場外衍生品、行算法等在內(nèi)的服務(wù)矩陣，通過科技驅(qū)動機(jī)構(gòu)交易

領(lǐng)域的變革，提升客戶端到端交易全業(yè)務(wù)鏈服務(wù)體驗，為客戶提供全

方位交易服務(wù)解決方案。2）大象交易平臺具有多資產(chǎn)組合量化分析

能力，提供實時多維度的損益、流動性風(fēng)險和持倉風(fēng)險監(jiān)控，支持量

化做市及自動對沖策略，打造一體化多資產(chǎn)交易、風(fēng)控、量化策略和

組合管理FICC業(yè)務(wù)能力。3）融券通平臺通過智能撮合、AI定價和

券池管家三大核心引擎，為中國證券借貸市場的各方參與者，提供實

時的證券供需信息、、高效的證券借貸交易以及智能化的全流程服務(wù)體

系。

SA21：華工大fiFICC弧構(gòu)一體化展業(yè)平臺

史5?*案例

買方1「-I4I二宗H

像什、及”子.毋及.44.公*m金、金等

>?/?*

《商我板價、及討成義)

升*方人X^l口中

美方3"文5?

Wtb**4APPAPI

發(fā)青分析案例

sa，：&-巾tVHt.

tirntttn"W板"合青及

秀萬代”睚”《情.分析房力州認(rèn)

國際券商交易平臺應(yīng)用場景豐富，為不同交易經(jīng)驗的客戶提供差異化

交易平臺。盈透證券開發(fā)出TWS(TraderWorkstation)>ClientPortal

等平臺，為交易經(jīng)驗不同的投資者提供相適應(yīng)的交易服務(wù)。TWS是

為專業(yè)投資者設(shè)計的旗艦交易平臺，用戶可以通過統(tǒng)一的平臺在全球

150多個市場中交易股票、貨幣、期權(quán)、期貨、基金和債券，平臺提

供功能全面的工作空間，實現(xiàn)訂單類型與交易算法、賬戶管理、研究、

風(fēng)險分析、業(yè)績報告、投資組合模型及再平衡工具的交易全方位服務(wù);

ClientPortal是基于網(wǎng)頁的交易平臺，適用于普通投資者，客戶端包

含了所有交易所需的核心功能，包括下單、查看報價、查看盈虧、業(yè)

績指標(biāo)等，只需要一次登錄即可進(jìn)行交易并管理和監(jiān)控舊KR賬戶。

盈透證券還將交易平臺拓展到舊KRMobile.IBKRGlobalTrader等

移動應(yīng)用程序上以實現(xiàn)隨時隨地交易的應(yīng)用場景，提高不同專業(yè)度客

戶的交易體驗。

智能營銷：降低獲客成本，促進(jìn)客戶轉(zhuǎn)化

智能營銷降低券商獲客成本，促進(jìn)客戶轉(zhuǎn)化。智能營銷兼具先進(jìn)技術(shù)

和專業(yè)服務(wù)，從原有的業(yè)務(wù)導(dǎo)向營銷模式轉(zhuǎn)向以客戶為中心的服務(wù)模

式，構(gòu)建智能化、精細(xì)化的互聯(lián)網(wǎng)客戶運(yùn)營平臺，全流程提升客戶體

驗。一方面，在開戶引流上，通過渠道追蹤和數(shù)據(jù)分析，對線上線下

渠道引流效果進(jìn)行評估，幫助券商選擇最優(yōu)引流組合，降低獲客成本;

另一方面，在提升轉(zhuǎn)化上，可分析用戶開戶中斷原因，定位中斷率最

高的步驟，優(yōu)化、迭代開戶流程，并建立客戶精準(zhǔn)畫像，輔助后續(xù)個

性化營銷，推薦個性化投資產(chǎn)品，提升客/I轉(zhuǎn)化率。最終，智能營銷

將通過新客引入和個性化推薦實現(xiàn)用戶全生命周期管理。

中信證券結(jié)合大數(shù)據(jù)和人工智能技術(shù)在經(jīng)紀(jì)業(yè)務(wù)領(lǐng)域推出智能營銷

平臺。智能營銷平臺以提升金融產(chǎn)品營銷能力和客戶服務(wù)滿意度為目

標(biāo)，將大數(shù)據(jù)分析能力進(jìn)行組件化設(shè)計，從數(shù)據(jù)批處理、實時數(shù)據(jù)處

理、數(shù)據(jù)挖掘、人工智能、知識圖譜五大方面來提升內(nèi)在信息技術(shù)能

力，進(jìn)而實現(xiàn)客戶價值和客戶貢獻(xiàn)度的提升，同時讓客戶得到最適合

自身的金融產(chǎn)品和金融服務(wù)，實現(xiàn)客戶資產(chǎn)的保值增值，促成公司與

客戶的共同成長。具體而言，中信證券建立起數(shù)字化驅(qū)動的閉環(huán)營銷

體系，通過采用前沿的機(jī)器學(xué)習(xí)模型挖掘分析客戶點擊、交易、持倉、

言、員工拜訪、產(chǎn)品行情?、活動政策相關(guān)多方數(shù)據(jù)源，及時定位或預(yù)

測客戶當(dāng)前所處或即將進(jìn)入的生命周期，并在對客戶、渠道、業(yè)務(wù)、

場景等進(jìn)行進(jìn)一步細(xì)分后，實施差異化、個性化的營銷服務(wù)。

智能客服：提升溝通效率，降低人工成本

智能客服幫助券商提升客戶溝通效率，降低傳統(tǒng)客服人工成本。伴隨

證券業(yè)務(wù)進(jìn)入“一人多戶”時代和非現(xiàn)場開戶限制放開，券商對客服人

員的需求愈發(fā)增加。傳統(tǒng)人工客服的工作場景通常是“一對一”服務(wù),

工作效率較低，且重復(fù)性咨詢問題占據(jù)較多人力，導(dǎo)致人力成本大幅

提升。智能客服通過人工智能技術(shù)與傳統(tǒng)客服的結(jié)合，實現(xiàn)智能化業(yè)

務(wù)查詢、業(yè)務(wù)辦理、服務(wù)投訴等功能，解決傳統(tǒng)人工客服人力成本高、

工作效率低、智能化程度不足、多渠道服務(wù)能力缺失、非工作時間無

法應(yīng)答等問題。智能+人工的雙線客服模式仍為主流。智能客服的入

門技術(shù)門檻相對較低，但要實現(xiàn)高智能化服務(wù)水平，解決客戶高度個

性化、復(fù)雜化的問題，則需要較大的資金和時間投入。當(dāng)前大部分券

商的智能客服難以完全覆蓋客戶服務(wù)需求，通常以機(jī)器服務(wù)為主、人

工服務(wù)為輔，搭建問答機(jī)器人+人工客服+工單/呼叫中心的服務(wù)模式,

在降低客服運(yùn)營成本的同時，避免機(jī)器人客服智能化水平不足導(dǎo)致的

客戶體驗不佳。

智能投顧：低門檻低費(fèi)率，個性化易操作

智能投顧具有低門檻、低費(fèi)率、易操作、個性化等優(yōu)勢。伴隨公募基

金規(guī)模擴(kuò)張、大財富管理邁入新增長期、基金投顧業(yè)務(wù)試點啟動，智

能投顧應(yīng)用需求逐漸提升。智能投顧基于投資者財務(wù)狀況、風(fēng)險偏好、

投資目標(biāo)等，通過內(nèi)部數(shù)據(jù)模型和后臺算法定制化、動態(tài)迭代地為投

資者提供包括財富保值增值、稅務(wù)與財務(wù)管理、傳承規(guī)劃等有具體目

標(biāo)的財富管理服務(wù)。相較于傳統(tǒng)人工投顧，智能投顧具有多重優(yōu)勢:

1）低門檻，通常投資門檻較低，不僅針對高凈值客戶，也能滿足大

眾富?？蛻舻耐额櫡?wù)需求；2)低費(fèi)率，智能投顧可節(jié)省一部分人

工成本，因此服務(wù)費(fèi)率相對較低，為客戶縮減投資成本；3)易操作，

通常智能投顧已設(shè)置好內(nèi)部數(shù)據(jù)模型和后臺算法，客戶只需輸入投資

目標(biāo)、經(jīng)濟(jì)現(xiàn)狀、風(fēng)險承受能力等個人信息，便可實現(xiàn)自動化投資組

合推薦；4)個性化，智能投顧通常兼顧個性化設(shè)置，客戶可在自動

生成的投資組合上做個性化調(diào)整，滿足差異化投資需求。

S4L32：SEKEnvestnet.AssetMark+臺資產(chǎn)也模

Betterment依托算法模型和資產(chǎn)配置理論協(xié)助客戶投資，先發(fā)優(yōu)勢引

領(lǐng)發(fā)展。Betterment作為最的智能投顧公司之一，利用算法在線上完

成傳統(tǒng)投資顧問的功能，例如分散化投資，組合再平衡，稅收虧損收

割等。當(dāng)前Betterment投顧服務(wù)方案主要分為建議與規(guī)劃工具

(Adviceandplanningtools)、數(shù)字化投資(Digitalinvesting)、

高級投資(Premiuminvesting)三種，通過填寫問卷■投資組合推薦?

資金入賬理財■實時跟蹤再平衡等一系列流程，為客戶提供投資建議

和服務(wù)。用戶可以根據(jù)自我需求和風(fēng)險偏好程度在Betterment平臺

上同時設(shè)立多個投資目標(biāo)，系統(tǒng)會在評估所有目標(biāo)的前提下，給出最

優(yōu)化的投資組合。

國內(nèi)券商也逐漸進(jìn)駐智能投顧領(lǐng)域，利用金融科技+投研能力優(yōu)勢搶

占市場份額。國內(nèi)布局智能投顧的公司主要包括銀行、券商、基金公

司等傳統(tǒng)金融機(jī)構(gòu)和阿里、京東、騰訊等互聯(lián)網(wǎng)企業(yè)。其中券商掌握

更多市場行情信息，有強(qiáng)大投研能力支持，投資分析和交易優(yōu)勢顯著。

同花順、招商證券、中信證券、國泰君安等均推出智能投顧服務(wù)，利

用精準(zhǔn)用戶畫像推薦個性化投資策略，并在買入組合后持續(xù)推送市場

點評和解讀，增加客戶認(rèn)知。其中，同花順開發(fā)智能投顧機(jī)器人問財.，

借助自然語言優(yōu)化、DoubleCheck模型確認(rèn)用戶的真實意圖，并采

用3D虛擬數(shù)字人的實時驗證交互，優(yōu)化客戶體驗，為客戶提供建議

配置個股、指令下單、客服等核心服務(wù)，為不同風(fēng)險承受能力和偏好

的用戶提供不同的資產(chǎn)組合；國泰君安打造全程伴隨用戶的投資決策

輔助平臺君弘靈犀，實現(xiàn)智能投資、智能理財、智能客服三位一體，

將智能服務(wù)貫于選股、擇時、配置的每個階段，通過數(shù)據(jù)解盤、智能

診股、相似K線、異動雷達(dá)、策略定投等功能，打造每個用戶獨(dú)有

的投資策略。

中臺：優(yōu)化投研流程，賦能風(fēng)險管理

智能投研：賦能研究效率，觸達(dá)機(jī)構(gòu)客戶

智能投研通過信息搜索、知識提取和分析研究輸出可視化觀點。智能

投研主要從信息搜索、知識提取、邏輯推演、數(shù)據(jù)運(yùn)算、可視化分析

等方面賦能證券投研業(yè)務(wù)，解決傳統(tǒng)人工投研體系中獲取信息不及時、

知識專.業(yè)性難保障、提取數(shù)據(jù)不完整等問題。智能投研技術(shù)可以從宏

觀到微觀視角對經(jīng)濟(jì)周期、經(jīng)濟(jì)現(xiàn)象、經(jīng)濟(jì)數(shù)據(jù)與市場表現(xiàn)進(jìn)行全方

位、綜合性分析與研究，挖掘內(nèi)在聯(lián)系，鎖定潛在的投資機(jī)會。主要

模式包括文本分析、智能搜索、智能投資管理等，其中文本解析主要

提供基礎(chǔ)的結(jié)構(gòu)化信息支持，智能搜索主要匹配有效信息極值點，智

能投資管理主要實現(xiàn)流程高效自動化。

智能投研優(yōu)化分析師工作效率，打通投研工作全鏈路。部分國內(nèi)券商

已開發(fā)出智能投研平臺，賦能分析師投研工作，例如華泰證券的RIS

睿思研究平臺，對行業(yè)研究進(jìn)行體系化梳理，搭建行業(yè)研究模型、產(chǎn)

業(yè)鏈圖譜及子行業(yè)研究數(shù)據(jù)庫，提供配套數(shù)據(jù)分析和研究工具，并可

以一鍵預(yù)生成研究報告，幫助分析師擴(kuò)大影響力、沉淀投研邏輯、提

高生產(chǎn)效率；同時與集團(tuán)機(jī)構(gòu)客戶CRM、機(jī)構(gòu)客戶對客平臺“行知”

進(jìn)行整合，實現(xiàn)機(jī)構(gòu)客戶觸達(dá)。海外券商和數(shù)據(jù)分析公司也積極布局

智能投研體系，2014年領(lǐng)先數(shù)據(jù)分析公司Kensh。與高盛合作為其

提供金融分析和預(yù)測技術(shù)，并獲得高盛的1500萬美元投資；2018

年Kensho被標(biāo)普全球(S&PGLOBAL)以5.5億美元收購。當(dāng)前

Kensho是標(biāo)普的人工智能和創(chuàng)新中心，利用標(biāo)普的世界級數(shù)據(jù)在內(nèi)

部為標(biāo)普構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用程序，并在外部為客戶構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用

程序。

同花順iFinD兼顧金融數(shù)據(jù)服務(wù)和智能投研功能。iFinD集多維數(shù)據(jù)、

組合構(gòu)建、智能投研和風(fēng)險管理等功能于一體，為專業(yè)機(jī)構(gòu)客戶提供

智能投資組合管理服務(wù)。iFinD依托于大數(shù)據(jù)技術(shù)、高性能系統(tǒng)，智

能抓取識別底層金融信息，經(jīng)過清洗加工形成基礎(chǔ)、應(yīng)用、特色三大

數(shù)據(jù)庫。采用機(jī)器學(xué)習(xí)和知識圖譜技術(shù)抽取金融投資邏輯，形成特色

的金融事理圖譜，使用nowcasting建模跟蹤宏觀景氣度跟蹤、洞察

金融事件熱點、構(gòu)建行業(yè)景氣圖譜，實現(xiàn)宏觀態(tài)勢感知和微觀指標(biāo)預(yù)

測。同時，使用自然語言技術(shù)形成情監(jiān)控，針對企業(yè)公司的公告新聞

來觀察情和投資者情緒，從各個維度全面呈現(xiàn)金融產(chǎn)品的風(fēng)險狀況。

智能風(fēng)控：突破效率瓶頸，護(hù)航穩(wěn)健發(fā)展

證券行業(yè)經(jīng)營模式變革，風(fēng)控是創(chuàng)新業(yè)務(wù)發(fā)展基礎(chǔ)，金融科技賦能保

障行業(yè)穩(wěn)健發(fā)展。一方面，伴隨零售客戶財富積累并向資本市場轉(zhuǎn)移,

機(jī)構(gòu)客戶規(guī)模擴(kuò)張業(yè)務(wù)需求漸趨多元，證券業(yè)務(wù)逐漸向復(fù)雜化、多樣

化演變，衍生品等各類創(chuàng)新業(yè)務(wù)蓬勃發(fā)展的同時也對券商專業(yè)能力和

風(fēng)控能力提出更高要求。另一方面，證券行業(yè)金融科技水平逐漸提升,

傳統(tǒng)風(fēng)控也逐步衍生出更多科技化、數(shù)據(jù)化的模塊和應(yīng)用，風(fēng)控成為

金融科技領(lǐng)域最主要的應(yīng)用場景之一，幫助券商突破傳統(tǒng)風(fēng)險管理模

式在效率與空間上的局限性。

國內(nèi)證券行業(yè)智能風(fēng)控應(yīng)用已較為普遍。部分券商己具有更加前性的

風(fēng)險管理意識，建立了風(fēng)險管理領(lǐng)導(dǎo)駕駛艙，將金融科技逐漸應(yīng)用于

全面風(fēng)險管理工作。如國泰君安構(gòu)建了一線風(fēng)控、風(fēng)險管理手冊、數(shù)

據(jù)采集處理平臺、全面風(fēng)險管理及駕駛艙等，其智能化風(fēng)控平臺通過

探索圖像識別、自然語義處理、知識圖譜、機(jī)器學(xué)習(xí)等現(xiàn)代金融技術(shù)，

在營銷欺詐防控及異常交易監(jiān)控、證券發(fā)行審核、企業(yè)財務(wù)粉飾識別

與預(yù)測、電子協(xié)議的版本比對與管理方面實現(xiàn)智能化管理；海通證券

建成全面風(fēng)險數(shù)據(jù)中心，搭建了市場風(fēng)險管理系統(tǒng)、市場風(fēng)險計量引

擎、信用風(fēng)險管理系統(tǒng)、操作風(fēng)險管理系統(tǒng)、并表風(fēng)險控制監(jiān)管指標(biāo)

監(jiān)控系統(tǒng)和流動性風(fēng)險管理系統(tǒng)，研發(fā)了智慧運(yùn)維平臺，應(yīng)用語音識

別、自然語言處理、生物識別、智能調(diào)度算法等關(guān)鍵技術(shù)，實現(xiàn)了“智

能監(jiān)控、智能審核、智能分析、智能操作”；同花順通過企洞察、證

券預(yù)警系統(tǒng)等產(chǎn)品，使用AI賦能底層數(shù)據(jù)，應(yīng)用于信貸風(fēng)控、情數(shù)

據(jù)跟蹤、隱匿關(guān)系查詢等等業(yè)務(wù)場景，支持客戶自定義監(jiān)控目標(biāo)，結(jié)

合同花順特有的標(biāo)簽數(shù)據(jù)，對新聞、公告、研報等多渠道企業(yè)情進(jìn)行

資訊跟蹤，基于重要情事件進(jìn)行風(fēng)險跟蹤，并智能生成監(jiān)控報告。

海外行業(yè)龍頭如高盛業(yè)務(wù)體量更大，種類更復(fù)雜多樣，智能風(fēng)控技術(shù)

水平也更成熟。例如，高盛擁有強(qiáng)大的交易系統(tǒng)和全面的風(fēng)險管理體

系，其交易定價和交易頭寸風(fēng)險評估平臺SecDB由公司自主研發(fā)，

于1992年首次推出，在貨幣和商品領(lǐng)域取得成功后逐步應(yīng)用于公司

其他業(yè)務(wù)。高盛的交易員可以訪問SecDB并使用該系統(tǒng)來衡量與給

定頭寸相關(guān)的損失風(fēng)險，以對頭寸在不同未來情況下的表現(xiàn)進(jìn)行情景

分析?，甚至可以確定向交易對手方收取的價格。在企業(yè)層面，高盛公

司范圍內(nèi)的風(fēng)險職能部門可以使用SecDB來匯總整個公司的交易風(fēng)

險。在公司跨內(nèi)部職能部門部署技術(shù)的同時，高盛也認(rèn)識到能夠與客

戶聯(lián)系并以電子方式共享信息的價值，在2014年6月通過Marquee

的發(fā)布將SecDB提供給高盛的機(jī)構(gòu)客戶。搭載SecDB的Marquee

發(fā)布后，高盛的PB估值波動上行，由2014年4月的不到0.9倍提

升至2015年7月的約1.1倍。

aa<45：高盛PB偌俱

1.8---------**P8(MRQ)

1.6,flbrQu**

14

1.2

1.0

08

0.6

04

0.2

3W3-w3w3K333-x-WW-wu-W9393W333s

--.z-.OK9W6Z-sC00-.3Wo

二

二8

8oW28-0-0Q7o-0--K-3N-

f6?--e.SS09-ZE--60H2c

二-L9Z

§-Zo2-0--0282-200z

o0oeiC0JO000O0000O2o

z28?2z8ZZ2Z2ZZ2Z22Z2?

后臺：運(yùn)維更新迭代，運(yùn)用場景多元

證券業(yè)務(wù)更新迭代，監(jiān)管要求不斷提高，傳統(tǒng)IT運(yùn)維面臨多方挑戰(zhàn)。

在證券業(yè)務(wù)不斷推陳出新，程序化交易模式快速發(fā)展，人工智能、大

數(shù)據(jù)等技術(shù)水平提升，傳統(tǒng)IT架構(gòu)向微服務(wù)、分布式架構(gòu)演進(jìn)，以

及由軟硬件數(shù)量激增、應(yīng)用和架構(gòu)第雜化、調(diào)用鏈顯著增長、運(yùn)維數(shù)

據(jù)井噴而帶來的運(yùn)維復(fù)雜度不斷提升的背景下，證券公司運(yùn)維工作面

臨多方挑戰(zhàn)。一方面，在快速響應(yīng)業(yè)務(wù)迭代發(fā)展的