基金業(yè)數(shù)字化轉(zhuǎn)型專題 | 中銀基金：基于大數(shù)據(jù)和AI技術(shù)的資管投研一站式解決方案

    【編者按】為深入貫徹落實黨的二十大精神，引導基金行業(yè)機構(gòu)踐行《證券期貨業(yè)科技發(fā)展“十四五”規(guī)劃》，共促基金行業(yè)數(shù)字化轉(zhuǎn)型，按照中國證監(jiān)會總體工作部署，于2022年11月開展“證券期貨業(yè)數(shù)字化轉(zhuǎn)型主題宣傳月”活動。通過開展“證券期貨業(yè)數(shù)字化轉(zhuǎn)型主題宣傳月”活動，搭建交流平臺，展現(xiàn)數(shù)字化轉(zhuǎn)型成果案例，激發(fā)金融科技創(chuàng)新活力，營造金融科技長效發(fā)展新生態(tài)。該篇為“證券期貨業(yè)數(shù)字化轉(zhuǎn)型主題宣傳月”系列宣傳之五。

    基于大數(shù)據(jù)和AI技術(shù)的資管投研一站式解決方案

    ——中銀基金

    一、背景分析

    2017年國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，提出了面向2030年我國新一代人工智能發(fā)展的指導思想、戰(zhàn)略目標、重點任務(wù)和保障措施。金融領(lǐng)域作為最早落地人工智能技術(shù)的場景之一，至今已經(jīng)歷了有關(guān)智能金融、科技金融、創(chuàng)新金融等一系列金融科技革新，資管投研數(shù)字化作為其中的關(guān)鍵細分領(lǐng)域，也孕育了一批市場化的金融數(shù)據(jù)服務(wù)商；各大金融機構(gòu)、創(chuàng)業(yè)公司以及互聯(lián)網(wǎng)巨頭都在此領(lǐng)域積極布局。

    2020年8月，證券業(yè)協(xié)會對證券行業(yè)數(shù)字化轉(zhuǎn)型情況進行了調(diào)研，并發(fā)布《關(guān)于推進證券行業(yè)數(shù)字化轉(zhuǎn)型發(fā)展的研究報告》。報告提出，要促進金融科技應(yīng)用融合；逐步建立完善人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)等數(shù)字技術(shù)在證券行業(yè)的應(yīng)用標準和技術(shù)規(guī)范；鼓勵證券公司在人工智能、云計算、大數(shù)據(jù)等領(lǐng)域加大投入、促進信息技術(shù)與證券業(yè)務(wù)深度融合，推動業(yè)務(wù)及管理模式數(shù)字化應(yīng)用水平提升。

    目前市場上資管、券商賣方機構(gòu)一般也會進行月度、季度、年度的重要經(jīng)濟變量預(yù)測、行業(yè)及個股研究分析等研究，但普遍運用的研究方法存在以下痛點：

    缺乏完善研究體系：市場上大多分別專注各個模塊、滿足特定的應(yīng)用場景、只能解決部分業(yè)務(wù)需求痛點，沒有統(tǒng)一完善的研究方法體系。

    缺乏定量科學依據(jù)：賣方常用的預(yù)測方法以邏輯推演為主，缺乏定量的科學計算依據(jù)，在方向判斷上具備一定參考價值，但在具體數(shù)值上預(yù)測缺乏準確性，由于很多賣方?jīng)]有可以直接輸出結(jié)果的量化預(yù)測模型，所以更新經(jīng)濟預(yù)測步驟較為繁瑣，及時性不夠。

    缺少共享沉淀機制：過去公司的盈利預(yù)測、財務(wù)分析、估值等研究成果基本僅有研究員本人可以隨時查閱，除了深度匯報、研究部策略會等正式路演會有部分展示之外，分享、比較、留存的機會較少。

    容易受到市場干擾：市場資產(chǎn)收益率預(yù)測和資產(chǎn)估值的研究結(jié)果比較容易受到市場噪音、研究員個人偏好等短期或主觀因素擾動。

    市場環(huán)境是一個具有多維、多元、多層次的龐大綜合統(tǒng)一體，資管投研項目通過總行各部門以及中銀基金多年的研究經(jīng)驗，以及中銀金科大數(shù)據(jù)、人工智能、知識圖譜技術(shù)沉淀，融合先進的市場量化投資理念，形成立足于宏觀市場、中觀行業(yè)和微觀產(chǎn)品及交易分析四個層面的資管投研產(chǎn)品服務(wù)，打造了“知宏觀、通中觀、曉微觀、善交易”上下貫通的全方位研究體系，建設(shè)并打造了滿足投研人員日常研究工作以及策略配置工作的一體化智能投研平臺；幫助資管機構(gòu)發(fā)現(xiàn)市場機遇、挖掘投資機會、規(guī)避投資風險、沉淀投資知識、提升研究效率。打造投研核心競爭力，實現(xiàn)業(yè)務(wù)的數(shù)字化、自動化和智能化，從而實現(xiàn)資管價值鏈端到端賦能?；谘芯砍晒?，項目定期出具《宏觀預(yù)測模型運行報告》和《中國債券市場分析報告》兩份雙語研報，可發(fā)布在國內(nèi)主流金融數(shù)據(jù)終端。

    二、總體實施

    （一）創(chuàng)新資管研究體系

    結(jié)合資管行業(yè)投研領(lǐng)域研究業(yè)務(wù)模式，創(chuàng)新整合“知宏觀、通中觀、曉微觀、善交易”四個主要系統(tǒng)場景建設(shè)，打造上下貫通全方位研究體系。

    1、知宏觀

    針對豐富的經(jīng)濟指標庫及高頻數(shù)據(jù)，通過模型（金融模型、機器學習算法）運算，構(gòu)建了與國內(nèi)資產(chǎn)交易市場關(guān)聯(lián)度密切的四大類基礎(chǔ)宏觀變量，即經(jīng)濟總量（GDP）、工業(yè)增加值、通貨膨脹（包含CPI、PPI、GDP平減指數(shù)）和人民幣匯率預(yù)測模型，對宏觀市場走勢進行預(yù)測和研判，幫助研究人員更加準確的掌握市場經(jīng)濟發(fā)展走向，從而更加合理的進行市場投資預(yù)判。

    2、通中觀

    基于行業(yè)產(chǎn)業(yè)鏈分析，抓住行業(yè)周期以及板塊輪動的變化趨勢，梳理產(chǎn)業(yè)鏈上下游關(guān)系，借助產(chǎn)業(yè)鏈分析找到行業(yè)中最優(yōu)價值的子行業(yè)以及最優(yōu)發(fā)展?jié)摿Φ钠髽I(yè)，提供行業(yè)上下游形勢變化分析以及行業(yè)發(fā)展前景預(yù)測，服務(wù)工業(yè)互聯(lián)網(wǎng)、生物醫(yī)藥等國家戰(zhàn)略新興行業(yè)，形成細分行業(yè)企業(yè)價值評估框架以及估值模型，精準價值評估；同時支持全流程的資產(chǎn)配置研究，結(jié)合市場以及投資偏好，提供全方位的資產(chǎn)配置建議。

    3、曉微觀

    基于擇股與擇基兩個層面，前者通過企業(yè)經(jīng)營數(shù)據(jù)預(yù)測來進行上市公司財報的預(yù)測、估值測算，后者采用基金公司-基金經(jīng)理-基金業(yè)績?nèi)齻€維度的量化分析，并提供數(shù)百種收益、風險、歸因指標評分體系以及績效分析歸因模型，幫助研究人員快速挑選投資標的。

    4、善交易

    提供高效的產(chǎn)品管理與策略回測平臺，快速驗證交易策略的可行性和有效性，及時調(diào)整投資方案，保證投資策略在實戰(zhàn)中的有效性與最優(yōu)化。通過模型框架研究，沉淀投研因子指標庫、機器學習算法箱等投研建模工具，提供專業(yè)的智能化研究場景落地服務(wù)，輔助用戶在投資研究過程中高效處理信息、快速挖掘投資線索，為投資決策提供重要支持，構(gòu)建投研團隊核心競爭力，提升企業(yè)金融投研領(lǐng)域行業(yè)影響力。

    （二）系統(tǒng)技術(shù)架構(gòu)

    智能投研系統(tǒng)技術(shù)架構(gòu)如下圖所示?；赟pringCloud微服務(wù)化開發(fā)平臺，具有統(tǒng)一授權(quán)、認證后臺管理系統(tǒng)，其中包含用戶管理、資源權(quán)限管理、網(wǎng)關(guān)API、注冊中心、配置中心管理等多個模塊，支持多業(yè)務(wù)系統(tǒng)并行開發(fā)。

    （三）系統(tǒng)物理架構(gòu)

    投研系統(tǒng)以邏輯集中的方式進行部署。使用前后端分離，極大降低了系統(tǒng)各部分之間的耦合性，并且將前后端都封裝于Docker容器中，使其能夠極為方便地被運維系統(tǒng)所管理，大大降低了項目在不同系統(tǒng)中的運維部署成本和項目的遷移成本。WIND數(shù)據(jù)庫作為重要數(shù)據(jù)源，后端應(yīng)用僅從其中讀取數(shù)據(jù)，而無寫入操作。所有寫入操作均針對投研系統(tǒng)內(nèi)的Oracle數(shù)據(jù)庫進行。

    三、重點成效

    目前本項目已在資管領(lǐng)域多家機構(gòu)和部門推廣應(yīng)用，平臺已于2020年底上線內(nèi)測版本，經(jīng)過多輪迭代，于2021年10月份完成正式版本發(fā)布。研報方面，自2021年3月起定期出具《宏觀預(yù)測模型運行報告》和《中國債券市場分析報告》雙語版研報，提供前瞻性展望及投資建議；應(yīng)用方面，為投研人員提供全方位“投研模型研究、策略配置、組合管理、業(yè)績回測”的企業(yè)級量化投資解決方案。

    （一）幫助市場觀點進行及時修正和改良

    通過定量的科學計算依據(jù)，構(gòu)建合理的預(yù)測模型，尋找具有解釋力的領(lǐng)先指標，對相關(guān)市場重要投資標的和衡量變量做出更為量化和及時的預(yù)測，以此為依據(jù)對外部賣方的觀點進行有效修正，強化投研人員對未來宏觀經(jīng)濟走勢的判斷，提高投研自上而下投資判斷的前瞻性。通過可以直接輸出結(jié)果的量化預(yù)測模型，提升經(jīng)濟預(yù)測更新時效性，提升投資研判準確性和時效性。預(yù)測模型的預(yù)測精準度、方法多樣性、更新頻率行業(yè)領(lǐng)先。自2020年5月運行以來，宏觀預(yù)測指標包括CPI、PPI、GDP平減指數(shù)、工業(yè)增加值、GDP、匯率等，預(yù)測公布時間早于大多市面其他機構(gòu)，預(yù)測能力行業(yè)領(lǐng)先，預(yù)測模型評價指標R—square跟蹤至今均超過0.9，準確度超過市面上80%的主流賣方預(yù)測機構(gòu)。債券研究方面，NS和Hermite模型估計效果均達到理想水平（95%以上），擬合結(jié)果準確有效，目前已完成對7大券種、70+類子細分項債券的基礎(chǔ)收益率曲線擬合研究，建立共計包括2XX個指標因子庫，運用邏輯回歸、支持向量機、隨機森林、Adaboost、隱馬爾可夫、高斯混合六大機器學習模型對十年期國債收益率走勢變動進行預(yù)測，預(yù)測準確率平均達75%以上，并運用多指標構(gòu)建債市同步投資交易指數(shù)，對標十年期國債收益率，指數(shù)擬合優(yōu)度高達97%以上。企業(yè)估值模板也已完成包括對A股全市場和港股上市公司的財報經(jīng)營預(yù)測分析，并建立制造業(yè)、金融、地產(chǎn)等各類財務(wù)分析模版，供研究員建模共享。良好的準確性和專業(yè)性，能夠真正實現(xiàn)針對業(yè)務(wù)投研數(shù)字化、科技化研究需求，提供專業(yè)的智能化研究場景落地服務(wù)，有效幫助金融機構(gòu)創(chuàng)收。

    （二）有助于整合分散的研究成果并實現(xiàn)便捷地留存與共享成果

    搭建資管投研平臺之后，研究員可使用其中的公司財務(wù)及估值模型，及時將上述研究成果上傳留存在平臺中、并可追溯歷史調(diào)整變化，投研平臺上線以來，通過有效整合分散的研究成果并實現(xiàn)便捷地留存與共享成果，積極服務(wù)中銀上百人的研究與投資專家團隊，研究員日常工作效率提升30%，有助于研究成果的優(yōu)化、積累與沉淀，并就相關(guān)假設(shè)、計算過程、結(jié)果進行分析比較和交流，幫助形成投資觀點和決策。盈利預(yù)測及估值的更新變化更加可視化，幫助投研團隊及時掌握調(diào)整情況，增強研究轉(zhuǎn)化效率，并提升投研團隊的溝通效率。

    （三）提供定制化的平臺使用服務(wù)幫助投研人員提升自主模型開發(fā)建設(shè)能力

    針對提升服務(wù)品質(zhì)，資管投研項目提供滿足業(yè)務(wù)需求的定制化服務(wù)：根據(jù)業(yè)務(wù)建議結(jié)合第三方觀點，提供模型算法選擇以及模型參數(shù)調(diào)優(yōu)模塊，開放對模型預(yù)測結(jié)果進行調(diào)整和修正的窗口，滿足不同角色用戶需求，體驗更富智能化和個性化的服務(wù)，增強平臺系統(tǒng)的專業(yè)度和可拓展性（靈活性），有助于提升投研人員自主模型開發(fā)建設(shè)的能力。

    四、價值及示范亮點

    （一）HI+AI人機結(jié)合

    1、大數(shù)據(jù)價值賦能

    通過整合金融市場全方位，全面集成了市場公開數(shù)據(jù)、供應(yīng)商數(shù)據(jù)、內(nèi)部投研數(shù)據(jù)等。數(shù)據(jù)范圍覆蓋：宏觀數(shù)據(jù)、股票基金數(shù)據(jù)、上市公司數(shù)據(jù)、行業(yè)指數(shù)數(shù)據(jù)等。結(jié)合大數(shù)據(jù)技術(shù)，以完備齊全高達千萬量級的數(shù)據(jù)儲備完成資管市場相關(guān)投研數(shù)據(jù)整合，構(gòu)建企業(yè)級“大數(shù)據(jù)+AI”雙驅(qū)動共享生態(tài)。形成投研大數(shù)據(jù)“統(tǒng)一數(shù)據(jù)、統(tǒng)一架構(gòu)、統(tǒng)一生態(tài)”全流程標準化數(shù)據(jù)治理。

    2、“一站式”投研因子庫

    從宏觀基本面、微觀基本面、貨幣政策與流動性、投資者行為四個維度進行指標庫構(gòu)建。對大量異構(gòu)數(shù)據(jù)進行結(jié)構(gòu)化、量化加工處理，通過加深金融語義理解和分析能力，從而將大數(shù)據(jù)真正利用到數(shù)據(jù)建模和金融投研的業(yè)務(wù)場景中。同時，將因子庫集成到智能資管投研平臺中，實現(xiàn)各市場預(yù)測模型中因子預(yù)測功能的對接，實現(xiàn)“多個終端，一個平臺”，一站式指標因子查詢與獲取。

    3、“互動式”模型工具箱

    基于市場多年的投研積累，已經(jīng)投研產(chǎn)品建設(shè)經(jīng)驗，整合現(xiàn)有模型框架，并緊密結(jié)合業(yè)務(wù)需求，形成一套滿足投研團隊實際需要，方便日常研究工作以及策略配置的“交互式建模”工具，幫助投研人員整合數(shù)據(jù)與模型，并快速形成自研模型的開發(fā)和管理。

    4、體系完整-全方位研究閉環(huán)

    對比同業(yè)分別專注各個模塊、滿足特定的應(yīng)用場景、只能解決部分行業(yè)痛點的業(yè)務(wù)模式，創(chuàng)新性的融合“知宏觀、通中觀、曉微觀、善交易”四個主要系統(tǒng)場景建設(shè)，形成一套滿足投研團隊需求，打造上下貫通全方位研究體系。

    （二）算法前沿-AI技術(shù)創(chuàng)新優(yōu)勢

    對比傳統(tǒng)投研同業(yè)依賴于通過Wind、彭博、新聞媒體等獲取信息，我們通過應(yīng)用圖像識別、語義識別、自然語言處理等技術(shù)對非結(jié)構(gòu)化數(shù)據(jù)進行加工處理，構(gòu)建涵蓋SVM、隨機森林、LSTM、CNN等機器學習的算法模型工具箱，借助AI技術(shù)建立相應(yīng)的因子動態(tài)篩選和調(diào)整機制，保證相關(guān)預(yù)測模型的持續(xù)生命力和可信度。目前已涵蓋100+種數(shù)據(jù)處理與檢驗算法以及50+算法模型。

    （三）技術(shù)先進-系統(tǒng)設(shè)計創(chuàng)新

    平臺技術(shù)上，采用微服務(wù)、多租戶、低代碼等設(shè)計理念搭建領(lǐng)先的技術(shù)平臺，并且結(jié)合圖像識別和rpa技術(shù)，做到研報的自動化出具，并通過大中小屏滿足到不同角色的用戶。

    （四）柔性機制-“金融+科技”高度融合

    中銀金融科技有限公司發(fā)揮金融科技力量，聯(lián)合中銀基金管理有限公司、中國銀行全球市場部、中國銀行人民幣交易業(yè)務(wù)總部、中國銀行投資銀行與資產(chǎn)管理部、香港分行等業(yè)務(wù)權(quán)威部門，與位于市場前線、實時參與市場的先鋒精銳人才隊伍，聯(lián)合共建柔性工作機制，在模型共建、系統(tǒng)設(shè)計、研報撰寫等多方面成果建設(shè)中群策群力，積極踐行“金融+科技”業(yè)技融合。

    五、可推廣性

    針對投資總監(jiān)、研究員等多類用戶角色，提供投資研究分析多維度的功能展示。依托大屏、中屏、小屏三類不同載體的形式，適應(yīng)多種不同場景，提供全方位的投資決策分析支持。大屏展示全市場概況看板，一圖讀懂投資信息概況和每日熱點變化實時動態(tài)追蹤；中屏系統(tǒng)端實現(xiàn)深度投研互動，供研究員、投資經(jīng)理開展深度投研分析操作，開放自主構(gòu)建模型框架功能，實現(xiàn)模型及研究成果共建共享；小屏移動客戶端提供便捷查看功能，每日根據(jù)自選和全市場監(jiān)控指標及企業(yè)庫信息，即時新聞訊息推送輿情預(yù)警及動態(tài)資訊，實時掌握市場變化，把握投資先機。

    預(yù)期服務(wù)對象：從金融行業(yè)領(lǐng)域來看，未來除了投研部門之外，金融數(shù)據(jù)服務(wù)的對象豐富，包括投行業(yè)務(wù)部門、銀行信貸部門、監(jiān)管審核部門等。從渠道平臺來說，未來將進一步借助中銀集團總行的同E贏平臺，進一步推廣到還有媒體、企業(yè)、政府、法律機構(gòu)等其他潛在客戶。

    1、市場規(guī)模

    回顧2012-2020年，根據(jù)銀行業(yè)理財?shù)怯浲泄苤行墓嫉臄?shù)據(jù)，中國資管市場規(guī)模已經(jīng)增長到121.6萬億，未來，資管市場的規(guī)模仍會進一步擴大，投研的需求也會變得更加旺盛。

    2、服務(wù)規(guī)模

    未來主流金融機構(gòu)將進一步加大資管投研領(lǐng)域的投入，各大金融機構(gòu)（銀行理財23家，券商資管136家、保險資管220家、公募基金132家、私募基金24568家，信托68家）均可以作為未來展業(yè)的首要目標。

    3、服務(wù)地域

    上海作為金融中心，以服務(wù)上海金融機構(gòu)為切入點，有望逐步拓展至長三角地區(qū)、并進一步推廣全國。未來，將繼續(xù)關(guān)注資管行業(yè)的格局業(yè)態(tài)，秉持優(yōu)勢互補、開放共贏、合作共享的積極心態(tài)，實現(xiàn)共創(chuàng)共享。

    投研系統(tǒng)隨著客戶的推廣，發(fā)展“中銀智能投研項目”對于宏觀、利率、匯率的走勢進行前瞻性分析，位于市場前線、實時參與市場的先鋒精銳人才隊伍，各研究專家能在建模迭代等會議中切身參與，積極投入自身研究經(jīng)驗，緊跟市場前沿理論動態(tài)，正是踐行“業(yè)技融合”、科技賦能業(yè)務(wù)的切實舉措，具有重大戰(zhàn)略意義。智能投研系統(tǒng)如能經(jīng)受市場各方參與者、投資主體的考驗，便能進一步助推總行各單位踐行以客戶為中心的業(yè)務(wù)理念，提升中銀集團在客戶中口碑，打造形成中銀特有的研究品牌和社會影響力，讓金融+科技的成效遠遠大于算術(shù)相加，更可以得出推而廣之、遍地開花的金融數(shù)字化新興產(chǎn)業(yè)生態(tài)圈。