京公网安备 11010802034615号
经营许可证编号:京B2-20210330
金融科技的下半场:量化和自动化
继传统金融企业把业务搬到互联网平台上的“互联网金融”模式创新之后,近些年来,以人工智能(AI)、区块链(Blockchain)、云计算(Cloud computing)、大数据(Big Data)这“ABCD”四项核心技术驱动的金融科技产业迅速发展起来,很多人将此解读为“科技创新“替代“金融模式”创新,是互联网金融走向金融科技的核心转变,一时间,关于新技术的进步和如何落地应用的讨论,在金融圈里引起了巨大的动静。
以区块链技术为例,比特币系统 2009 年开始运行,短短几年的发展,全球各大金融机构迅速探知到其令人惊喜的网络健壮性,并在第一时间投入到其底层技术区块链的探索、研究之中。花旗银行、瑞银、纽约梅隆、加拿大皇家银行、苏格兰皇家银行、法国兴业银行、德意志银行等纷纷成立区块链实验室,高盛、西班牙对外银行、澳大利亚西太平洋银行重点投资区块链金融科技初创企业,巴克莱、澳大利亚联邦银行、美国CBW银行、三菱东京日联银行则直接与区块链初创企业合作共同开发金融创新产品。显然,金融机构毅然扮演着将区块链技术推向全世界的主导力量。究其原因,首先是因为区块链技术本身具有经济权利重新划分的天然的金融属性,对于改造金融交易体系、构建新一代以支付清结算为核心的金融基础设施有重大意义;而更关键的是,现代金融行业里,每天有无数人正在做着各种各样创新产品的尝试,“不创新则死”已成为金融行业的核心特点之一,我们对于“keep moving”这件事有强烈的渴望,从而也就对各种可能带来好的改变的新工具、新模式抱以极其热情的态度。
在过去近十年中,ABCD等一系列技术全面应用于支付清结算、借贷融资、财富管理、零售银行、保险各大金融领域,新技术正在重塑金融产品、金融活动流程,甚至金融组织架构。总结起来,其中以“数据的获取挖掘”以及“人与数据的互动方式改变为最核心的突破。粗线条的划分,我们可以把人工智能和大数据划分到数据的获取和挖掘这个方向,核心在解决金融模型搭建的问题,在我们所熟悉的消费金融的场景里,它们被用来描绘用户画像,预测用户消费行为;而区块链及云计算则可以划归到人与数据的互动方式,核心在解决金融模型运转效率的问题,云计算是包括互联网金融行为在内的一切数据计算行为能够大提速的新基础,它将个人所需进行的巨量的数据计算拆分为无数个子程序交由多个服务器所组成的庞大系统处理后回传用户,这种分布式数据处理的方式能够在数秒之内达成数以千计甚至亿计的信息;区块链则构建了一种自信任、自治的交易约束环境,能够极大的降低人们对于数据信任和追溯的成本。
那么,接下来,在这些新技术已经搭建起来的“数据获取挖掘”和“数据交互”的新一代的基础上,金融科技将如何最大化的应用在金融产品和金融模式的创新中,则是金融科技下半场的核心问题。
基于我曾在美林多年的金融模型分析和金融交易策略研究的经验,并且在细心观察当今的金融市场的发展变化情形后,我惊喜的发现,量化和自动化正在成为整个金融行业发展的新特点,也是新趋势,尤其是结合了量化和自动化特点的投资领域,将会有巨大的发展空间。
量化资产配置的核心思想是,通过定量分析,制定优化的资产配置方案,分散投资到多个相互关联较弱,具有正的预期回报的投资产品中。这样既可以降低风险,又可以增加投资容量。广义地说,凡是用定量方法来分析投资项目,帮助投资决策和管理都可以称为量化投资。量化投资就是使用定量分析方法建立模型,获取市场信息和数据,进行投资决策与管理。
拿一个简单的模型举例,上海市区最佳的500套住宅怎么定价?因为已经没有空地建新楼,豪华住宅的价位主要由市场供求关系决定,至于土地多少钱一平方米、建筑成本、租金率等皆为次要因素。为了建模,我们需要有一个基本上符合实情的假设,即富人们都希望在市中心有自己的住宅,且愿意付出所拥有财富的10%来购买。于是,我们把住上海的前500位富豪的资产排列出来,乘以10%,就得到了答案。这些房产的价位应该在5千万至8亿元之间,与市场情况基本符合。
故而,量化投资的核心即是数据模型。要得出正确有用的结论,首先需要获得准确完善的数据,以避免“垃圾进去、垃圾出来”。而金融科技发展所推动的新一代数据挖掘、分析能力则为量化投资的进一步发展提供了必要的基础,让“量化”的金融行为具备了更加广阔的实施空间。
自动化在这里的意义当然并不是我们所熟知的机械自动化,而是指一种无需人工过多参与,能够以极低的信任成本进行自运转、接近于自洽状态的交易体系。熟悉金融科技的朋友,这个时候一定会浮现出两个词:分布式、共识。
事实上,金融成本的主要组成部分是它的信任成本,而中心机构作为信任成本的主要制造者和承担者,往往首先为建立一套规范秩序的规则付出成本,之后再为管束所有参与者遵照规则付出成本,并且为了加强管束的有效性,它们通常采用提高众多参与者参与成本的做法,这也是为什么对于广大的金融参与者而言,跨中心主体交易长久以来都难以跳过低效率、高昂成本的巨大阻碍,其中非常典型的一个场景则是跨境支付。
传统的跨境支付清算需要借助多个机构,前后需要经过开户行、央行、境外银行等多道手续,且不同机构有自己独立的账务系统,系统间并不相通,因此需要多方建立代理关系、在不同系统进行记录、与交易对手进行对账和清算等,执行效率低下且费用昂贵。而基于区块链则可以构建一个由多个跨境支付需求方构成的联盟链,省去任何第三方中介环节,做到交易即结算。
可以说,区块链技术是云计算技术内核“分布”“共享”在经济学领域的延展和强化。以分布式、共识为核心理念的区块链技术最关键的突破性意义则在于,构建了一个用遵守共识规则的随机第三方替代中心化组织进行系统管理的运转体系,从根本上用技术背书替代中心化的信任创造方式,使得任意两个节点可以在不依赖任何中心平台的情况下进行点对点交易。在我最新创建的BIT168数字资产对冲基金中,正力求最大限度的实现当下金融科技在“量化”和“自动化”领域所能达到的最优水平。
还记得,我曾与我的好友阿吉力斯共同写了一篇论文《圣杯》,研究如何系统的在全球各国债券中进行套利的办法,之后我们放大胆子试试身手,选择了两个最低风险的德国债券组合交易和一个美国债券交易,第一次投入了3700万美元﹐第二次又投入近2亿美元。那次我正坐在他的办公桌旁和他闲聊,我们边啃着花生米一边谈论着这笔交易。忽而,他看了看计算机屏幕说:“我们亏了一万八千。”他吃了一颗花生米,又瞥了一眼屏幕说:“现在我们已赚进了一万。这好像不值得我们俩花时间去看。”
金融创新似乎永远是件大胆刺激的事情,然而,我们现在所追求的金融科技的魅力则在于,让金融行为的结果尽可能的朝着我们预期的方向发展。“量化”和“自动化”投资市场的建设,将是金融科技下半场的重要里程碑之一。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09