基金業(yè)數(shù)字化轉(zhuǎn)型專題 | 易方達(dá)基金：Bond.AI助力債券風(fēng)險(xiǎn)分析

    【編者按】為深入貫徹落實(shí)黨的二十大精神，引導(dǎo)基金行業(yè)機(jī)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(guó)證監(jiān)會(huì)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(dòng)。通過開展“證券期貨業(yè)數(shù)字化轉(zhuǎn)型主題宣傳月”活動(dòng)，搭建交流平臺(tái)，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(yíng)造金融科技長(zhǎng)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”系列宣傳之十六。

    Bond.AI助力債券風(fēng)險(xiǎn)分析

    ——易方達(dá)基金

    在資產(chǎn)管理領(lǐng)域，債券信用風(fēng)險(xiǎn)和交易風(fēng)險(xiǎn)研究是非常核心和關(guān)鍵的步驟。隨著我國(guó)債券存量規(guī)模不斷增加和債券發(fā)行數(shù)量持續(xù)增長(zhǎng)，債券違約事件不時(shí)發(fā)生，債券投資研究的價(jià)值愈發(fā)凸顯，資產(chǎn)管理公司對(duì)相關(guān)利用科技手段解決研究問題的需求也愈加迫切。

    近幾年在債券投資分析領(lǐng)域，已經(jīng)出現(xiàn)一些與債券研究相關(guān)的系統(tǒng)，但主要提供的功能為債券信用評(píng)級(jí)，側(cè)重于簡(jiǎn)單的信息收集、聚合與整理，缺乏對(duì)信息的深度加工及分析。這類債券研究系統(tǒng)通常采用專家評(píng)價(jià)方法，但隨著市場(chǎng)上債券數(shù)量的快速增長(zhǎng)，專家評(píng)價(jià)方法需要越來(lái)越多的人力物力才能完成，且一般分析的顆粒度較粗，難以精準(zhǔn)挖掘隱藏在表層之下的深度信息。因此，需要引入新的金融科技方法和手段，研發(fā)出一套高效實(shí)用的債券風(fēng)險(xiǎn)分析系統(tǒng)，提升對(duì)債券風(fēng)險(xiǎn)度量的精準(zhǔn)性及合理度。

    為解決長(zhǎng)期以來(lái)債券風(fēng)險(xiǎn)分析所面臨的痛點(diǎn)，易方達(dá)基金依靠多年的IT技術(shù)積累及業(yè)務(wù)實(shí)際需求，從債券分析的多個(gè)維度出發(fā)，自主研發(fā)了集信用評(píng)價(jià)系統(tǒng)、財(cái)務(wù)造假識(shí)別系統(tǒng)、債券流動(dòng)性分析系統(tǒng)、債券輿情分析系統(tǒng)于一體的綜合債券風(fēng)險(xiǎn)分析平臺(tái)（以下簡(jiǎn)稱Bond.AI）。

    一、探索大數(shù)據(jù)及人工智能技術(shù)的應(yīng)用

    區(qū)別于傳統(tǒng)的債券分析系統(tǒng)，Bond.AI充分運(yùn)用了學(xué)術(shù)界及產(chǎn)業(yè)界前沿的人工智能技術(shù)。運(yùn)用到的新興技術(shù)主要包含以下三個(gè)領(lǐng)域：

    （一）、基于小樣本數(shù)據(jù)的機(jī)器學(xué)習(xí)債券投資分析技術(shù)

    債券投資分析是非常重視知識(shí)和經(jīng)驗(yàn)積累的領(lǐng)域，機(jī)器學(xué)習(xí)算法也是人工智能領(lǐng)域中非常依賴大量數(shù)據(jù)進(jìn)行訓(xùn)練的一種方法。對(duì)于訓(xùn)練人工智能模型的數(shù)據(jù)量要求來(lái)說，由于發(fā)生債券違約事件的發(fā)行人數(shù)量非常少，如何有效利用小樣本數(shù)據(jù)進(jìn)行有效的債券投資分析，對(duì)于Bond.AI來(lái)說是至關(guān)重要的技術(shù)問題。Bond.AI基于自主開發(fā)的機(jī)器學(xué)習(xí)算法，利用市場(chǎng)客觀數(shù)據(jù)和投資目標(biāo)之間的關(guān)系，構(gòu)建多種人工智能模型協(xié)助債券投資人員進(jìn)行業(yè)務(wù)開展。Bond.AI研發(fā)團(tuán)隊(duì)根據(jù)實(shí)際情況設(shè)計(jì)新的模型訓(xùn)練框架，對(duì)小樣本數(shù)據(jù)進(jìn)行衍生，同時(shí)對(duì)數(shù)據(jù)進(jìn)度滾動(dòng)切分以達(dá)到模型訓(xùn)練的數(shù)據(jù)要求。通過研發(fā)EasyEnsemble五折交叉實(shí)驗(yàn)框架，有效權(quán)衡了小樣本及樣本的平衡。

    （二）、機(jī)器學(xué)習(xí)模型的可解釋性技術(shù)

    機(jī)器學(xué)習(xí)模型使用大量數(shù)據(jù)作為決策依據(jù)，通過模型的復(fù)雜計(jì)算，得出的結(jié)論通常難以用常規(guī)的業(yè)務(wù)邏輯去理解和解釋，在實(shí)際業(yè)務(wù)應(yīng)用中經(jīng)常會(huì)大打折扣。因此，對(duì)機(jī)器學(xué)習(xí)模型產(chǎn)生的結(jié)論能夠進(jìn)行解釋，讓用戶能夠理解機(jī)器學(xué)習(xí)模型得出結(jié)果的依據(jù)和邏輯，是必要性、重要性和技術(shù)難度共存的一個(gè)發(fā)展方向。Bond.AI借鑒LIME，SHAP等市場(chǎng)主流人工智能算法的思想，獨(dú)立研發(fā)針對(duì)XGBoost的模型可解釋性系統(tǒng)?，F(xiàn)成的算法（如SHAP）只針對(duì)單個(gè)模型做解釋，但單個(gè)算法模型難以達(dá)到高準(zhǔn)確率的應(yīng)用要求，應(yīng)用效果難以滿足也無(wú)需求。Bond.AI研發(fā)團(tuán)隊(duì)針對(duì)集成模型作解釋，通過研究針對(duì)機(jī)器學(xué)習(xí)模型的可解釋算法并采用多模型融合方案，將一個(gè)大業(yè)務(wù)劃分成多個(gè)小業(yè)務(wù)，并使用單個(gè)模型處理一個(gè)小業(yè)務(wù)，最后通過模型集成的方式，使用集成模型將各個(gè)小模型的結(jié)果集成起來(lái)，解決一個(gè)復(fù)雜的實(shí)際業(yè)務(wù)分析問題。

    （三）、異構(gòu)數(shù)據(jù)結(jié)構(gòu)化及整合技術(shù)

    債券投資分析業(yè)務(wù)需要大量的數(shù)據(jù)和信息作為決策的依據(jù)，而使用的數(shù)據(jù)來(lái)源、類型、格式、存儲(chǔ)方式各有不一。如何高效地將不同類型的數(shù)據(jù)進(jìn)行統(tǒng)一的結(jié)構(gòu)化存儲(chǔ)并使用，是重要的研究方向之一。Bond.AI采用異構(gòu)數(shù)據(jù)結(jié)構(gòu)化整合技術(shù)，可以避免使用單一來(lái)源數(shù)據(jù)，將各種結(jié)構(gòu)的數(shù)據(jù)進(jìn)行統(tǒng)一操作，形成較大類型、較多維度的數(shù)據(jù)，提供給機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練和預(yù)測(cè)。通過這種技術(shù)，Bond.AI能夠融合大量的不同來(lái)源的信息，提升模型的效果。系統(tǒng)以債券發(fā)行人為核心，構(gòu)建財(cái)務(wù)的結(jié)構(gòu)化數(shù)據(jù)庫(kù)，同時(shí)以發(fā)行人為關(guān)鍵字段，構(gòu)建非結(jié)構(gòu)化文本數(shù)據(jù)。通過自然語(yǔ)言處理技術(shù)對(duì)文本數(shù)據(jù)進(jìn)行分析提取，與結(jié)構(gòu)化的工商、財(cái)務(wù)、風(fēng)險(xiǎn)指標(biāo)等數(shù)據(jù)進(jìn)行關(guān)聯(lián)，綜合性地構(gòu)成機(jī)器學(xué)習(xí)模型的特征數(shù)據(jù)輸入。Bond.AI針對(duì)不同結(jié)構(gòu)數(shù)據(jù)構(gòu)建子模型，并將子模型的結(jié)果數(shù)據(jù)進(jìn)行集成組合，以有效支持復(fù)雜集成模型的訓(xùn)練和決策。利用此技術(shù)，Bond.AI得以全面分析近5000家債券發(fā)行公司的交易、財(cái)務(wù)、工商及各類網(wǎng)絡(luò)公開數(shù)據(jù)，實(shí)時(shí)關(guān)注各類大小媒體網(wǎng)站的相關(guān)新聞，如果有對(duì)應(yīng)的新聞和網(wǎng)頁(yè)信息，將進(jìn)行信息結(jié)構(gòu)化識(shí)別和提取，并推送到輿情分析和訂閱推送模型進(jìn)行下一步分析處理。

    從研發(fā)過程來(lái)看，基于小數(shù)據(jù)樣本的人工智能模型訓(xùn)練及應(yīng)用難度很大，這樣導(dǎo)致團(tuán)隊(duì)投入了大量的精力和時(shí)間，對(duì)模型的研發(fā)和打磨精益求精。目前大多數(shù)AI應(yīng)用都是基于大數(shù)據(jù)場(chǎng)景的，但是對(duì)于Bond.AI系統(tǒng)面臨著模型訓(xùn)練數(shù)據(jù)較小的難題。雖然債券違約事件在成熟的資本市場(chǎng)屬于正?，F(xiàn)象，但在國(guó)內(nèi)可供參考的案例與樣本不多，難以檢測(cè)模型有效性，驗(yàn)證基準(zhǔn)亦較難得出，針對(duì)小樣本數(shù)據(jù)的機(jī)器學(xué)習(xí)技術(shù)難度非常大。本系統(tǒng)專門針對(duì)小數(shù)據(jù)的機(jī)器學(xué)習(xí)技術(shù)難題進(jìn)行了攻關(guān)，取得了較好的成果。

    二、建設(shè)綜合債券風(fēng)險(xiǎn)分析平臺(tái)

    為加強(qiáng)對(duì)公司在債券投資中的信息分析處理及違約預(yù)測(cè)領(lǐng)域的系統(tǒng)化支持，使得投資研究人員能夠利用最新的人工智能技術(shù)輔助決策，Bond.AI搭建了四個(gè)子系統(tǒng)，可實(shí)現(xiàn)對(duì)債券風(fēng)險(xiǎn)的全面分析。

    （一）、債券輿情分析子系統(tǒng)

    利用大數(shù)據(jù)技術(shù)對(duì)債券相關(guān)的輿情進(jìn)行分析，判斷輿情類事件對(duì)債券發(fā)行人的償債能力是否有影響，同時(shí)通過對(duì)大量新聞?shì)浨樾畔⒌纳疃韧诰?，及時(shí)地從細(xì)微信息中提取對(duì)違約預(yù)測(cè)有價(jià)值的信息。

    （二）、財(cái)務(wù)造假識(shí)別子系統(tǒng)

    利用人工智能技術(shù)對(duì)債券發(fā)行人的財(cái)務(wù)質(zhì)量進(jìn)行評(píng)估，通過行業(yè)橫向?qū)Ρ取⒆陨須v史數(shù)據(jù)縱向分析、財(cái)務(wù)造假壞樣本學(xué)習(xí)分析等方式，準(zhǔn)確快速地判斷債券發(fā)行人的財(cái)務(wù)健康程度，并判斷財(cái)務(wù)報(bào)表的真實(shí)可信度，用于捕捉篩選涉嫌財(cái)務(wù)造假的企業(yè)。

    （三）、債券流動(dòng)性分析子系統(tǒng)

    利用機(jī)器學(xué)習(xí)技術(shù)，收集相關(guān)債券數(shù)據(jù)并判斷其交易的風(fēng)險(xiǎn)。通過構(gòu)建針對(duì)債券交易風(fēng)險(xiǎn)的流動(dòng)性預(yù)測(cè)模型，對(duì)債券流動(dòng)性進(jìn)行分析排名，使得交易員在交易過程中能夠提前了解當(dāng)前債券的潛在交易風(fēng)險(xiǎn)和價(jià)格風(fēng)險(xiǎn)，給予債券合理的定價(jià)，保障債券市場(chǎng)的流動(dòng)性和有效性。值得一提的是，Bond.AI能夠?qū)⒘鲃?dòng)性作為價(jià)格影響因素單獨(dú)拆分出來(lái)，并分析其對(duì)價(jià)格的影響，讓債券定價(jià)和估值更加準(zhǔn)確。

    （四）、信用評(píng)價(jià)子系統(tǒng)

    使用債券市場(chǎng)上已經(jīng)違約的債券發(fā)行人數(shù)據(jù)進(jìn)行人工智能模型訓(xùn)練，并預(yù)測(cè)未來(lái)存在違約風(fēng)險(xiǎn)的企業(yè)。Bond.AI收集了上百個(gè)財(cái)務(wù)指標(biāo)作為訓(xùn)練特征，經(jīng)過機(jī)器學(xué)習(xí)模型訓(xùn)練之后，能對(duì)全市場(chǎng)的信用債發(fā)行人進(jìn)行精準(zhǔn)前置的債券信用風(fēng)險(xiǎn)分析及違約概率預(yù)測(cè)，對(duì)市場(chǎng)上每一家債券的發(fā)行人都能得出潛在的違約風(fēng)險(xiǎn)分析判斷。

    三、積極推廣應(yīng)用，助力業(yè)務(wù)發(fā)展

    Bond.AI從2018年開始進(jìn)行模型研究和系統(tǒng)研發(fā)，上線后仍持續(xù)深入迭代優(yōu)化，目前功能已經(jīng)基本完備，并且在公司的各項(xiàng)資產(chǎn)管理業(yè)務(wù)中推廣應(yīng)用，覆蓋了固收交易、固收投資研究、債券投資風(fēng)控、量化投資等業(yè)務(wù)領(lǐng)域。

    以信用評(píng)價(jià)為例，Bond.AI可以協(xié)助投資人員構(gòu)建債券投資備選池，利用人工智能技術(shù)針對(duì)債券發(fā)行人的違約概率給出風(fēng)險(xiǎn)評(píng)價(jià)和提示，為信用研究人員的債券發(fā)行人初篩工作提供支持，研究人員可以根據(jù)初篩結(jié)果重點(diǎn)研究被系統(tǒng)進(jìn)行風(fēng)險(xiǎn)警示的債券發(fā)行人。另外，利用決策性智能系統(tǒng)構(gòu)建黑名單業(yè)務(wù)體系，為信用研究人員提供可靠的黑名單結(jié)果。Bond.AI上線后，能夠預(yù)判債券的違約概率，并且對(duì)違約債券的預(yù)測(cè)準(zhǔn)確率長(zhǎng)期保持在90%以上，有效減少了因債券違約造成的損失，具備較好的參考價(jià)值。此外，Bond.AI還定期提供潛在的違約發(fā)行人關(guān)聯(lián)的上市公司，在股票量化投資中作為參考風(fēng)險(xiǎn)因子，可以對(duì)債券違約導(dǎo)致股票大跌的情況進(jìn)行有效預(yù)警。

    以債券流動(dòng)性為例，Bond.AI可以協(xié)助交易員在債券交易流程中更加準(zhǔn)確地判斷債券交易風(fēng)險(xiǎn)、衡量債券估值、并進(jìn)行風(fēng)險(xiǎn)防范。據(jù)統(tǒng)計(jì)，Bond.AI對(duì)沒有成交信息的債券流動(dòng)性預(yù)測(cè)準(zhǔn)確度提升了10%。

    從應(yīng)用結(jié)果整體上來(lái)看，高質(zhì)量的研究過程也輸出了高準(zhǔn)確性的分析預(yù)測(cè)模型。隨著違約債券的增加，Bond.AI也在不斷的學(xué)習(xí)進(jìn)化，違約預(yù)測(cè)能力持續(xù)提升，模型的風(fēng)險(xiǎn)發(fā)現(xiàn)能力甚至在一定程度上超過了相關(guān)從業(yè)人員。

    目前，Bond.AI已取得一項(xiàng)軟件著作權(quán)及三項(xiàng)發(fā)明專利，并且獲得了中國(guó)人民銀行頒發(fā)的“2020年度金融科技發(fā)展獎(jiǎng)”二等獎(jiǎng)。

    四、小結(jié)

    人工智能作為新興技術(shù)，經(jīng)常面臨在在具體場(chǎng)景中難以落地應(yīng)用的情況，特別是在資管領(lǐng)域，綜合性地應(yīng)用豐富的人工智能技術(shù)，并沒有太多綜合性應(yīng)用人工智能技術(shù)的先例可供參考，工作挑戰(zhàn)性非常大。

    Bond.AI結(jié)合了易方達(dá)基金多年豐富的業(yè)務(wù)實(shí)踐及技術(shù)研發(fā)經(jīng)驗(yàn)，將人工智能技術(shù)引入債券投資中，有效地幫助了投研工作人員提高投資效率、控制投資風(fēng)險(xiǎn)。