与银行业金融科技搞得如火如荼的现状相比，中国证券业金融科技也就是刚刚起步。随着多层次资本市场体系逐步完善，中国证券业产品创新和制度创新不断，但科技创新一直不温不火。一方面是券商的零售经纪转型也就是这几年才开始，意识落后于市场需求;一方面由于证券业信息技术发展迟缓，很多券商的信息化体系仍停留在十几年前的水平;此外，虽然资本市场和证券行业信息技术运用的很早，但业务的多元化、复杂度、监管壁垒等较高，金融科技新兴技术触及到这一领域的时间较晚。
一、金融科技对证券行业的冲击
金融科技的崛起和快速发展给证券业带来了冲击与挑战，我觉得当前主要呈现出几个特点：
首先，“ABCD”(人工智能、区块链、云计算、大数据)已经代表了新兴技术的应用趋势，与证券经纪、资产管理、财富管理、风险管理、网络金融等传统业务的结合更加紧密，驱动业务向线上化、数据化、智能化的转型。证券公司在金融科技领域的布局，也主要围绕这几类技术展开。虽然区块链和证券行业云多数停留在概念和理论阶段，也鲜见有应用此领域落地，但无论是交易所还是券商都对此表现出很大的兴趣。而大数据和AI则是当下券商的应用焦点。
其次是精准营销、智能投顾、人工智能与量化投资、异常交易风控、去中心化证券结算、自动化行研报告等创新应用模式层出不穷，给证券业带来了新的创新思路和机遇。新应用模式的兴起其实能看出，技术与传统业务的融合正在逐步深入。
第三是随着信息技术的日新月异和资本市场改革进程的加快，证券市场面临着海量数据的爆发式增长，证券业信息化建设在大数据时代面临着传统数据架构升级、数据治理与标准化的迫切需求，也需要重构应用、数据、技术和业务架构，以满足新市场、新环境、新客户和新业务的需要。
最后，从证监会近期积极考察大数据与AI方面的平台和应用模型，对监管科技、监管沙盒的探索，以及对数据治理和标准化逐渐重视可以看出，监管部门对券商、交易所大数据治理、大数据应用、人工智能创新提出新的要求，向国外投行、交易所的学习过程才刚刚开始。
二、证券公司发展大数据与AI的挑战
目前中国证券公司在大数据与AI领域的能力呈两级分化趋势，中小机构在技术实力、数据积累、投入资源、创新能力等方面远不能与大型券商相比。
与多数金融机构类似，我想证券公司实践大数据与AI所面临的挑战主要有三：业务与科技的矛盾、思维与能力的矛盾、体制与变革的矛盾。
首先，业务与科技之间的制衡导致科技转型的驱动力不足，层层流程之间的制约导致金融科技创新易难产;
其次是业务理解能力、数据运用能力、技术研发能力跟不上大环境。能持续投入的也就是少数大机构，而大多数券商科技部门在传统业务应用系统运维上都步履艰难，更谈不上积累、开拓新技术能力。而且，科技不理解业务需求，业务不关心技术实现是一直存在的问题;
其中最难以突破的是第三点，涉及到传统体制与新兴思维之间的碰撞，这往往需要组织高层、股东和董事会层面牵头，自上而下的推动金融科技战略的落地。
三、证券公司大数据与AI应用方向
当前大型机构有资源和余力，多数采用探索性、试验式的方法，逐步推进大数据和AI应用实践。总结而言，这些应用科技划分为六大方向：数据基础设施类、机器学习工具类、用户画像类、智能客服类、智能投研类、智能风控与运营类。
数据基础设施：是大多数券商实践金融科技的第一步，例如构建大数据仓库、基于大数据平台的数据集市、历史数据查询、报表平台、商业智能、管理驾驶舱、行情和投研数据中心、交易回测平台、ACRM(分析型客户关系管理系统)、非结构化数据存储等。目前大型券商在数据基础设施建设上初步完成，中小机构正在这一领域逐步推进。
机器学习工具：大机构在AI领域的实践并非仅限于应用。大规模机器学习平台、深度学习框架+引擎、算法建模与分析工具、特征工程与模型训练也是基础设施工具中的一个方向。
用户画像类：多数券商在大数据应用上的尝试会从用户画像入手，因为这是构建客户标签体系的基础。典型应用如移动行为分析、精准营销、智能投顾、投资者适当性管理、用户标签、反洗钱、羊毛党识别等;
智能客服类：AI市场方兴未艾，运用到语音语义识别、计算机视觉、自然语言处理等技术的智能开户、机器人客服问答、投资机器人应用逐渐开始兴起;
智能投研类：投研类应用的涉及领域非常广，像智能问答、智能选股、知识图谱、知识库、股权投资、研报自动分析、市场情绪分析、舆情感知、量化投资、大类资产配置...都可以算作这一领域的代表;
智能风控和运营类：在这一领域实践的券商较少，多数停留在思考探索阶段，如实时交易风控、高频交易分析、日志分析、文本分析、智能财务与资金分析等。
四、证券公司大数据与AI实践要点
当前证券公司对大数据和人工智能的价值仍然没有很好的概念和意识，在核心技术能力、业务分析能力、数据管理能力、数据科学能力等方面均存在着非常多的短板，与国外Top投行的距离差距仍较大。
在金融科技的大潮背景下，如何应需而变、顺势而为是证券公司需要直面与思考的。科技高层管理者应统领大数据与AI战略，建立数据驱动业务的思维，行成自上而下的规划、执行、跟进、落地和监督机制。以下是向一些券商CIO提出的实践大数据与AI的核心要点：
1、从理解业务与科技现状、建立面向新时期的IT战略规划入手，将发展大数据与AI作为整体战略的核心要素，制定明确的大数据与人工智能发展与应用路线图;
2、制定一系列数据相关制度与政策，包括不限于数据标准和程序、审阅和批准数据架构、计划并发起数据管理项目和服务、评估数据资产价值和相关成本;
3、规划设计从基础设施、到数据管理、再到数据服务与数据应用的技术架构、数据架构与应用架构，重新打造符合业务发展现状的大数据与AI技术体系，例如满足经纪业务和自营业务数据应用需求的架构规划;
4、打通业务与科技之间的隔阂，形成“双驱动、双监督”的良性循环，形成项目小组和产品小组的联动机制，科技从横向和纵向两方面了解业务需求，以技术、数据、和模型服务形式输出产品或接口;
5、从整体IT战略规划、 执行、 落地和检查整体过程中，高层应积极跟进大数据+AI战略执行结果， 形成有效的绩效管理机制， 逐步推动整体战略达到预期效果;
6、在人才储备、企业文化上形成有效的激励机制，鼓励创新实践和人才发掘。
（来源：金融科技顾问）
4-职业能力梳理/大学生职业生涯规划
联系客服
