文：陳植 

來源：21世紀經(jīng)濟報道(dào) 

數據對(duì)各類資管機構投資決策的影響力日益提升。

“如今，決定我們每天投資決策的最重要因素之一就是數據。”一位公募基金交易主管向(xiàng)記者透露。但是，光有數據，似乎越來越不能(néng)滿足投資機構的需求。

這(zhè)位公募基金交易主管發(fā)現，随著(zhe)數據日益豐富海量，他正遇到新的煩惱，一是如何從海量數據裡(lǐ)提取有價值的信息，二是如何及時萃取到對(duì)投資決策産生重要影響的有價值信息，屏蔽無效“噪音”，三是如何讓數據“自己說話”，形成(chéng)模型和其他衍生服務，輔助投資機構提升投資決策精準度并降低潛在投資風險。

記者多方了解到，這(zhè)正驅動投資領域數字信息服務賽道(dào)發(fā)生代際變革。

“以往，多數金融數據服務商更像是數據聚合平台，主要提供數據的靜态呈現，卻無法協助資管機構洞察數據之間的邏輯與關系，爲資管機構提供更多維度的投資決策輔助工具，如今，他們中的一些頭部機構開(kāi)始通過(guò) 數字科技技術，搭建基于認知智能(néng)的信息數據平台體系，深度分析數據關聯，助力提升機構投研效率。”私募排排網創始人李春瑜此前接受本報記者采訪時指出。

通聯數據CEO王政表示，相比于傳統的數據聚合，要搭建基于認知智能(néng)的信息數據平台體系，絕非易事(shì)。首先，它需深刻理解資管機構投研、投資決策、風險管理、投顧服務等各個環節，才能(néng)最大限度發(fā)揮投資機會(huì)洞察與規避投資風險的效果，其次，它需更強的數據綜合處理能(néng)力和時效性，包括快速聚合數據，快速分析數據，快速便捷的投資模型搭建工具，7*24小時監控與智能(néng)化預警等。

“雖然這(zhè)項工作落實起(qǐ)來難度不小，但它代表信息數據技術賽道(dào)未來十年的全新方向(xiàng)。打個形象的比喻，過(guò)去傳統的信息數據服務，隻做數據聚合，但這(zhè)種(zhǒng)數據呈現是靜态的，沒(méi)有挖掘數據之間的深度關聯、缺乏數據彙總歸納的認知能(néng)力，就像一張沒(méi)有生命力的臉譜。如今，随著(zhe)認知智能(néng)技術的叠代升級，未來的信息數據服務平台將(jiāng)更聚焦挖掘數據之間的深度關聯，對(duì)有效信息進(jìn)行彙總歸納，就變成(chéng)了一個會(huì)思考的智能(néng)外腦，成(chéng)爲資管機構專業研究人員的智能(néng)投研助手，提供更多具有價值的投資決策參考。”

他指出，目前公司基于認知智能(néng)與知識圖譜的信息數據平台體系，已與衆多銀行、保險、信托、公私募、券商等金融機構開(kāi)展合作，表明認知智能(néng)技術與金融數據服務的融合，契合各類資管機構對(duì)數據使用的多元化需求。 

全國(guó)社保基金會(huì)原副理事(shì)長(cháng)王忠民表示，就資管行業而言，數字化發(fā)展正成(chéng)爲新動能(néng)。尤其是人工智能(néng)、大數據、雲計算等與資管行業逐漸融合，驅動資管行業的數字化、智能(néng)化程度持續加深。目前，一些積極融合人工智能(néng)、探索人機交互的數字科技機構，在賦能(néng)資管機構拓展數字化進(jìn)程效果顯著。 

一位金融數據服務平台負責人向(xiàng)記者直言，要做好(hǎo)基于認知智能(néng)的信息數據服務，相關技術準入門檻相當高——尤其是傳統科技公司會(huì)面(miàn)臨諸多技術革新挑戰，最難的是需在底層數據上構建投資邏輯的知識圖譜，通過(guò)人類經(jīng)驗+機器學(xué)習的深度結合，有效幫助各類資管機構深度洞悉數據關系，從蛛絲馬迹找出投資價值，讓碎片化的數據和信息真正“動”起(qǐ)來；此外，金融數據服務機構還(hái)需實現更友好(hǎo)的知識沉澱共享，爲資管機構不同投研人員個性化投研需求提供可快速自定義的可視化工具，大幅提升他們的數據使用分析與歸納認知能(néng)力。

在一位國(guó)内大型私募基金經(jīng)理看來，這(zhè)些技術革新能(néng)否取得更高的效果，還(hái)需業績說話。即資管機構若能(néng)通過(guò)這(zhè)些數智化技術大幅提升投資決策精準性并有效規避潛在投資風險，實現投資組合的更高回報，他們就會(huì)更加青睐這(zhè)些數智化技術，加快資管機構的數智化進(jìn)程。

記者獲悉，當前浙商基金等公募基金公司已率先建立基于上述理念的AI+HI智能(néng)投資體系和Smart Beta策略産品，成(chéng)爲資管行業數智化的試水者。

王政表示，未來金融數據服務商的核心競争力，除了基礎數據的聚合能(néng)力，還(hái)在于能(néng)夠爲各類資管機構提供更快、更準确、具備價值的深度認知智能(néng)投資決策輔助服務。

朝陽永續副總經(jīng)理李智向(xiàng)記者透露，目前衆多金融數據服務商正依托大數據分析等技術，將(jiāng)結構化數據與非結構化數據混合，爲各類定制化數據貼上标簽，構建一系列指數助力私募基金等資管機構投資策略多元化與個性化，并持續跟蹤其業績表現優化選股策略。 

“智慧線索”助力投資策略差異化

上述公募基金交易主管向(xiàng)記者直言，此前他們投資建模時，最缺的就是數據。但如今，他們反而發(fā)現數據太多太雜，無法抓取真正有價值的信息。

“更重要的是，現在很多數據都(dōu)高度透明化公開(kāi)化，無形間提高了各類資管機構投資策略同質化程度。”他直言。比如多數私募機構在投資建模時，都(dōu)會(huì)將(jiāng)業績、市場偏好(hǎo)、估值作爲重要的數據參考維度，而他們獲取的數據，幾乎都(dōu)是上市公司财報（每股盈利等）、頭部券商的同一份上市公司估值研報、高度公開(kāi)的市場資金流向(xiàng)數據，其結果是投資策略模型的同質化程度與日俱增。

王忠民認爲，資管機構對(duì)數據的一系列新需求，正驅動資管行業的數字化進(jìn)程快速邁入“第三階段”。

第一階段，由于互聯網技術尚未興起(qǐ)，制約資管機構投資的最大痛點是信息數據獲取的廣度與渠道(dào)，于是各類資管機構各顯神通獲取“獨家”數據信息，利用信息不對(duì)稱性賺錢；到了第二階段，互聯網技術興起(qǐ)催生了不少數據聚合服務平台，數據信息獲取不再是難題，随之而來的是數據信息過(guò)于龐雜，資管機構無法快速挖掘獲取有效價值信息；如今在第三階段，越來越多金融數據服務商正積極借助認知智能(néng)與知識圖譜等大數據分析技術，充分挖掘各類數據之間的深度關聯（形成(chéng)一系列新的定制化差異化數據），從海量信息裡(lǐ)快速萃取具備投資價值的線索，助力資管機構持續提升投研能(néng)力與投資決策效率。

“這(zhè)令各類資管機構有能(néng)力打造差異化的投資策略。”李春瑜向(xiàng)記者直言。因爲不同資管機構所需的深加工數據與數據維度“截然不同”——以量化投資策略爲例，傳統的量化策略主要聚焦尋找市場的某些普遍的投資規律獲利，比如從低估值、高動量維度進(jìn)行選股。但多數量化投資機構發(fā)現自己最缺的，是基于上市公司、行業發(fā)展基本面(miàn)的深度研究能(néng)力，若金融數據服務商能(néng)根據他們需求提供相關定制化數據，則能(néng)形成(chéng)更具差異化的基本面(miàn)+量化投資策略；反之主觀投資策略私募機構也遇到類似問題，他們有著(zhe)豐富的上市公司、行業調研數據與建模因子，但缺乏鑒于量化投資的業績歸因研究方法與參考數據，若金融數據服務商能(néng)根據他們需求提供相關的量化投資風控因子與參考數據，同樣(yàng)能(néng)令他們的投資模型更加“個性化”。

王政表示，通聯數據正緻力于借助認知智能(néng)與知識圖譜等技術，向(xiàng)有意探索“基本面(miàn)+量化”投資的各類資管機構提供便捷化、可視化的數據分析、投資建模和預測輔助工具。

“我們調研發(fā)現，基于定制化、深加工的數據與建模工具在推動基本面(miàn)+投資策略多元化方面(miàn)正發(fā)揮巨大的作用。究其原因，一是基于人工調研的基本面(miàn)投資難以覆蓋衆多公司，導緻投資模型覆蓋面(miàn)不夠廣泛，可能(néng)錯失不少投資機會(huì)，二是量化策略研究的确可以覆蓋衆多上市公司，但未必對(duì)各家上市公司業務發(fā)展狀況研究做到又深入又專業，容易漏過(guò)潛在的投資風險，因此這(zhè)些工具首先要立足于幫助資管機構解決這(zhè)些痛點。”他指出。

記者了解到，要做好(hǎo)這(zhè)項工作，還(hái)需克服“意外”的挑戰。具體而言，券商、公私募、信托等資管機構都(dōu)有自己特定的研究邏輯與投研框架，若基于認知智能(néng)等技術所呈現的數據分析歸納過(guò)程，與他們現有研究邏輯與投研框架不在一個“頻道(dào)”，就很難形成(chéng)有效的投資決策輔助效應。

如何深度理解投資專業場景？通聯的辦法是，邀請新财富排名靠前的證券分析師加入團隊，在自身認知智能(néng)與算法技術沉澱的基礎上，結合分析師的研究邏輯與投研框架基礎，搭建基于“人機結合”的宏觀、行業、公司數據采集分析歸納體系，形成(chéng)互補性的投資建模與投資決策參考價值。

不過(guò)，要推動資管行業進(jìn)一步加快數智化征途，金融數據服務商還(hái)需做好(hǎo)更多工作，比如經(jīng)過(guò)AI充分訓練的認知智能(néng)産品還(hái)需具備多項新技能(néng)，包括快速展示投資邏輯的特色搜索結果、快速提煉各類研報的核心觀點和情感取向(xiàng)、快速處理非結構化數據、提供可視化可調整的預測模型工具、開(kāi)展7*24小時監控市場異動并提示投資價值、進(jìn)行複雜的多元歸因風險管理等，最終成(chéng)爲各類資管機構投資決策的一個輔助“外腦”。

銀河證券财富管理總部總經(jīng)理劉冰表示，圍繞私募基金的多元化數據需求，銀河證券正搭建專業的生态平台——基于全流程的交易監控與數據評價，爲股票交易提供合适的算法，協助私募機構降低成(chéng)本同時提高收益。

“這(zhè)意味著(zhe)各家金融數據服務商必須持續加大資本投入，不斷完善自身認知智能(néng)等技術，賦能(néng)資管機構持續提升投資決策效率。而這(zhè)類技術能(néng)否達到理想效果，得看資管機構投資業績是否因此實現更上一層樓。”前述國(guó)内大型私募基金經(jīng)理向(xiàng)記者指出。可以預見的是，純粹的數據聚合服務，已難以滿足資管機構對(duì)數據的多元化使用需求。

大型資管平台搭建數據中台征途

值得注意的是，随著(zhe)數據在資管機構投資決策的影響力與日俱增，不同資管機構也形成(chéng)截然不同的數據使用需求。這(zhè)令信息數據公司不僅需提供好(hǎo)的産品内容，還(hái)要具備相對(duì)靈活的對(duì)接服務技術能(néng)力。

具體而言，中小資管機構更希望金融數據服務商提供一站式的數據定制化采集與分析歸納平台，供自身投資策略快速叠代升級，相比而言，行業頭部大型資管機構則傾向(xiàng)自建數據中台，以此搭建更強的投研體系與投資決策輔助工具。

一位國(guó)内大型公募基金IT部主管向(xiàng)記者透露，行業頭部大型資管機構之所以更傾向(xiàng)自建數據中台，一方面(miàn)是爲了充分發(fā)揮自身較強的投研能(néng)力，通過(guò)數據賦能(néng)構建更豐富的投資策略；另一方面(miàn)也能(néng)有效保護自身投資策略的隐秘性，從而提升投資安全性與回報性。

他直言，數據中台的搭建，同樣(yàng)絕非易事(shì)。以往，他都(dōu)是從各類券商機構接入研報、新聞等數據，但他們很快發(fā)現，不同券商的數據接入接口差别很大，數據中台若要接入所有券商的數據端口，需要投入不菲資金、人力和時間成(chéng)本。

後(hòu)來，他所在的公募基金決定向(xiàng)一家數據聚合平台采購數據，但他們發(fā)現此舉收效不高，原因是老一代數據聚合平台受制于自身技術架構的局限，無法讓他們靈活提取所需數據，接入到自身數據中台，很多時候他們不得不采取人工操作，導緻數據輸入時常出錯。

方正證券研發(fā)和數據負責人張志明表示，搭建數據中台過(guò)程，還(hái)會(huì)遇到其他實際操作難題：一是所有的數據标簽都(dōu)通過(guò)金融數據服務商加工生産，若要接入其他來源的數據标簽，則需要修改代碼定制，二是金融機構使用數據标簽，也需要在第三方金融數據服務商系統層面(miàn)開(kāi)展，若要在數據庫層面(miàn)直接使用，又需要改代碼定制，且有時還(hái)會(huì)遇到存儲系統不兼容等問題，導緻數據研究成(chéng)果無法有效“存儲”在金融機構系統内。

記者多方了解到，目前新一代基于認知智能(néng)的數據聚合平台針對(duì)上述痛點，開(kāi)始嘗試采取更輕、更靈活的雲孿生+微服務等新型技術，以便大型資管機構可以随時提取所需數據靈活接入自身數據中台，便于後(hòu)者使用數據與存儲相關數據研究成(chéng)果等。近期，彙添富基金在數據中台建設方面(miàn)接入通聯數據的底層數據服務。

此外，圍繞數據中台的賦能(néng)，新一代金融數據服務商能(néng)更精準地一站式解決某些痛點，包括部分行業數據更新頻率不穩定、部分數據仍需研究員手動更新且容易遺漏、部分數據難以靠自身資源獲得等問題。

上述國(guó)内大型公募基金IT部主管向(xiàng)記者指出，随著(zhe)認知智能(néng)與知識圖譜等新技術興起(qǐ)，目前行業頭部資管機構對(duì)金融數據服務商的數據要求也持續上升。首先，數據必須更全面(miàn)，除了公共數據，金融數據服務商還(hái)需通過(guò)算法和其他途徑提供多元化的獨家另類數據；數據必須更快速，既能(néng)滿足資管機構的各類數據更新頻率要求，且這(zhè)些數據均通過(guò)健全的内部質量體系檢查，具有高精準性與及時性；數據必須更具深度，尤其是不少個性化數據需金融數據服務商有能(néng)力定制開(kāi)發(fā)。

這(zhè)些數據要求俨然成(chéng)爲行業頭部資管機構遴選金融數據服務商的新标準——因爲他們日益發(fā)現，數據中台俨然成(chéng)爲資管機構比拼核心投研能(néng)力的一大基礎，隻有獲取全面(miàn)、快速、高質量、深度定制化的數據持續提升投資決策能(néng)力，才能(néng)确保資管機構在激烈财富管理市場競争裡(lǐ)立于不敗之地。

“這(zhè)無形間考驗著(zhe)金融數據服務商對(duì)金融投資決策場景的深度理解與強大科技賦能(néng)能(néng)力。一個不争的事(shì)實是，若數據服務商仍停留在數據靜态聚合階段，將(jiāng)很難滿足資管機構數據中台的各類需求。”他直言。

王政透露，通聯數據已基于認知智能(néng)技術，將(jiāng)某些投資決策輔助模塊聯同數據分析定制能(néng)力快速整合納入資管機構各類業務流程，推動資管機構面(miàn)對(duì)瞬息萬變市場波動能(néng)做出快速精準投資決策。