刘铁斌：金融科技在证券期货业的应用与发展

　　刘铁斌：各位领导，各位嘉宾，大家下午好！今天我汇报的题目是“金融科技在证券期货业的应用与发展”。

　　大家知道，刚刚开完十九大，我们国家现在进入了一个新时代，值得我们庆幸的是，现在从国家到证监会都非常重视金融科技的发展，非常重视信息安全工作，习总书记专门强调国家经济发展和产业转型需要信息技术作为催化器、加速器，充分利用核心技术实现各行业的跨越式升级，提升产业转型速度，缩小与发达国家的差距。这是我们很好的契机。金融科技的基本情况从三方面阐述，基本内涵、发展现状和应用情况。

　　大家知道，现代科技主要是由人工智能、区块链、云计算和大数据，俗称ABCD，由信息技术组成现代科技，包括移动互联、社区网络、量子计算、3D打印等等很多技术组合在一起，催生了行业的金融科技和监管科技。ABCD这四方面现在是作为最重要的信息科技的基础来为我们行业的金融科技的发展提供一个基本的保障。

　　云计算，现在普遍采用新型的技术服务模式，它包括IaaS、PaaS、SaaS等等，通过提供统一的基础资源的服务、平台的服务、计算能力的服务还有软件的服务，来为大家提供集约式，能降低成本能快速部署的应用。

　　人工智能，实际上是一种机器学习的过程，它可以分为有监督学习、无监督学习、强化学习，其中它的一分支是深度学习，涉及深度神经网络，利用以前人类认知的专有领域，比如图像识别、文本理解、音频识别，所以这个也是特别受关注。目前在狭义的阶段，应该说是针对特定任务和机器学习的解决方案，今后我们可能会迎来更广义的人工智能，可以将所有的问题都能够智能化。基本上人工智能接近于人脑的思维。

　　区块链技术，这几年也是研究非常广泛，从比特币到分布式账本等，最重要的应用大家还在探讨之中，银行在这方面的应用可能比我们应用的前景更广泛一些。但是在证券期货行业也会有相应的应用，一会儿我会讲到。

　　大数据，应该说现在大家炒得比较热，它实际上是一种基础性的，容量大，类型多，存储速度快，它是由各种解决方案、体系、结构、工具和平台集合所组成，能够应对在数量、速度和多样性日益增长的信息资产。我觉得大数据实际上还是一种最基本的数据集合，所以它会在不到5年时间内，将来不再是单独的类。

　　我们讲到金融科技，什么是金融科技？金融科技是金融和现代信息技术的结合，是核心机构和证券机构利用现代信息技术全面改造和优化业务流程和市场服务能力，为不同类型的投资者提供定制化、高效的、全面的、智能化的业务服务，来推进行业机构提升经营管理能力，优化运营结构和降低经营成本，来促使经营机构进行差异化的竞争。

　　监管科技，实际上应该是分成两个方面：一方面是监管+现代信息技术，它是指证监会和交易所等等市场核心机构，利用现代化的技术来优化和改造监管和监察等业务，全面掌控和防范市场风险，强化针对证券期货违法的执法能力。二方面是合规风控和现代信息技术，这是指机构利用现代信息技术手段来提升业务监控和合规审计效果，而保证业务的合规开展，提供尽职调查能力，规范投资者的交易行为。

　　从现在发展来看，我们可以归结为几个特点：一是算力平台化、算法工具化，尤其是以人工智能为代表。现在很多厂商拥有的大数据结构层的技术和平台产品，规模不断扩大，阿里现在有达到五千台服务器的规模。大数据分析和人工算法也都是开源的。二是大数据的数据垄断化，现在很多厂商拥有自身业务领域优势，能够获取独特的数据资源，一方面它严格的限制对外的数据共享，比如阿里、百度、腾讯等等，蚂蚁金服，这些大型互联网科技公司，拥有海量数据，BAT三家拥有的数据应该是3300PB，这是什么概念呢？一个PB相当于是15个美国国家图书馆的数据量，他们有3300PB，每天以4PB的速度增长，数据规模是相当的恐怖。大数据产业的成熟化，将来可以为我们的监管需求能够提供服务。

　　大数据应用的基本方式，一种相应的模型。

　　这是优势，包括技术门槛比较低，产业日趋成熟。但是劣势是现在金融监管领域没有相关的经验可以借鉴，还是属于初期发展阶段。

　　从Gartner发布的信息发展科技现状来看，未来10年发展主要是三个方面，智能化、数字化和网格化，这是未来数字业务和生态系统的一种基础。未来十大战略发展趋势，除了人工智能和区块链，还包括智能应用、程序和增强分析，包括智能事物、边缘云、绘画平台、沉浸体验、事件驱动等。人工智能应该说是未来十年内最具颠覆性的一种科技，因为它具有前所未有的计算能力，接近无限的数据量，并在深度神经网络中取得空前的进步。这些使拥有人工智能科技的机构可以驾轻就熟，适应新环境、解决新问题。

　　智能应用程序分析，现在正在改变着工作性质和工作场所、结构，未来几年当中，几乎所有的应用程序和服务都将包含一定程度的人工智能。它的增强分析应该说是一种特别具有战略意义的下一代数据和分析范例，通过机器学习，为广泛的业务用户、应用人员和普通数据科学家，能自动化整备数据。所以它将成为颠覆的数据市场的一种驱动因素。也是数据分析的未来。智能事物，现在应该说是一种超越严格变成模型、执行的物理事物，它也是利用人工智能提供先进的行为，与周围的环境和人和自然的交互，比如亚马逊扬声器，它就是一种智能化事物的例子。包括数据孪生，也是对真实世界的实体或者系统的数字表示。数字孪生可以增强数据洞察里，并且改善角色决定，最终帮助开发者做新的商业模式。

　　边缘计算，从网状、网格和分布式处理的概念中得到的，它试图保持流量均匀和本地处理，目标减少流量的阻塞和延迟。边缘计算将分布式计算代入云风格中。绘画平台，可能未来几年里，基于自然语言界面的绘画界面将成为用户交互的最主要的目标。沉浸体验实际上是虚拟现实VR、增强现实AR和混合现实MR，他们在改变着人们感知数字世界的方式。MR将VR和AR两种模式扩展，是以更强大的方式整合物理世界，在MR当中用户可以与数字和真实世界的物体进行交互，同时保持物理世界的存在。现在可能很多是应用在网络游戏等等这些方面，但是这种体验可以看出超出最开始的设计想象。

　　未来的十大科技的科技发展方向，可能会根本性的改变我们人类的生活模式。现代科技已经应用到各个应用场景当中，比如自动驾驶汽车，比如我们每天开车出行一定要看看百度地图或者Google地图，来看看我们到底选哪条路来走，他们收集的方式是每个人点地图，你就会上传数据上传到它的数据库，它根据上传数据决定这条路是否拥堵，也是互相交互的过程。比如我们进停车场，我们去开自己的车，它的监控系统就会监控，看周围是不是有破坏分子或者是不是有嫌疑分子，如果有马上通知安保人员。包括我们早上起床，也许自动的给你播放你喜欢的音乐，可能会把晨报，把你想要的信息全部摘出来，直接供你来进行阅读。比如机器翻译，现在科大讯飞搞的机器翻译，也是非常精准。今后我们的学习系统，以后我们去学门课或者参加考试，学习系统会自动给你推送题目、自动给你评分、自动给你找相关的资料等等。现在已经应用到生活当中的各个层面。

　　人工智能最近有名的案例，AlphaGo，AlphaGo最开始是一个有监督的学习，到AlphaGoZero是无监督学习，没有把人类的围棋棋谱输入进去的情况下，只是告诉他一个规则，他通过十几天的学习以100：0击败了AlphaGo，AlphaGo以3：0击败了柯洁，可以看到人工智能的发展多么的迅猛。美国著名科学家写了一本《终极算法》，他说是不是有一种终极算法，这种终极算法可以解决一切问题，以后所有的问题，终极算法可能都能解决。这是一个美好的愿望，但是不一定能够真正实现。终极算法真正实现的话，也可能是人工智能统治世界了。

　　第二部分，行业金融科技应用现状与问题。从三方面来给大家讲述一下。

　　前一阵，我们对行业进行了一次调研，14家核心机构和13家的证券期货经营机构，从我们的调研情况来看，大家现在在大数据、云计算方面，人员资金投入比较多一些，在区块链和人工智能方面还是起步阶段。这是调研情况，可以看到市场核心机构在云计算方面投入多点，基础设施建设上，市场和人员投入上在大数据方面要多一些，经营机构现在也是在大数据和人工智能方面投入相对多一些，因为经营机构，包括智能客服等讲到了，这些要多一些，这是大致的调研范围的配置。从这里可以看出来，发展还是比较失衡的，投入不太均匀。证券公司、交易所资金投入大一些，基金公司正在试点和探索，期货公司几乎是一片空白，所以今天我们在座的期货公司比较多，确实是，我们在IT投入上，在IT人员的储备上，在适应新一代技术人员的储备上，我们现在确实很落后。但从全球范围来看，整体上都是处于应用探索，百花齐放的阶段，现在我们与国外金融机构的差距还没有质的差别。

　　我们现在多数的金融机构将大数据、人工智能技术应用于客户服务效率提升和内部运营优化等金融科技领域，比如投资者画像系统等。但是各经营机构利用大数据、人工智能技术增强业务合规和运营风控等，这种科技监管水平的研究应用还比较少。在云计算方面，多数经营机构自建私有云，或者借助行业云来部署内部的开发测试、灾难备份和互联网信息系统，增强了系统的建设扩容的能力，降低建设成本。

　　监管科技方面，现在也是在这些驱动交易、内幕交易、高频交易等，智能化识别、关联账户识别，等等这些方面也做一些研究工作。行业服务方面，现在有些云的服务，课题研究一会儿也会讲到行业内深交所即将成立的金融科技研究发展中心。

　　金融科技面临的困难与问题，四方面：一是配套法律法规有待健全。对业务服务模式、人机交互、法律界定、信息技术管理、风险防范和应急处置有待进一步明确。行业尚未规划顶层的设计，所以对行业急需的核心技术和应用服务没有形成联合的研究机制。另外行业缺少符合数据科学特点的技术业务复合性治理结构，行业机构在相关的信息技术人才、技术能力储备、科研经费投入方面缺口比较大。数据治理也还存在一些问题，一个是数据科学人员无法接触数据，数据管理部门不懂数据科学的矛盾。第二，行业数据很多都是物理存储的集中，大多数是未在数据模型上进行整合。第三，数据共享方面，由于行业数据标准不完善，行业机构无法引入外部数据。这也是数据无法打通、无法整合，没有整合、打通的数据，数据模型不统一的数据，没有办法进行大数据和人工智能的应用。

　　监管科技的基本情况，我们对国外进行了调研，信息科技、监管科技美国处于领先地位，它是搞矩阵式监管。英国、新加坡和澳大利亚都是采用砂箱式监管模式，英国应该说最先提出了由金融科技机构来实现自己的合规监管。英国现在又提出了针对监管部门进行科技监管，现在提出了这个新的理念前面一个理念是针对证券期货经营机构或者经营科技机构。日本现在鼓励商业银行投资金融科技公司，所以日本出台相关法律法规以后，日本的商业银行大量的资金投入到金融科技公司当中。这是他们各个方面的主要应用。

　　我们同步调研了国家相关的部委，人民银行、银监会、保监会、公安部、国税总局等等，还有法院、检察院，也了解到这些大的部委在金融科技领域方面，因为他们不一定叫金融科技，就是应用新技术来推动监管科技的发展，应该说他们基本上都是开始重视新技术的应用。

　　云平台建设，现在人民银行，包括主要的部委也都在进行，国税总局正在建设金税三期，公安部采用六个不同的技术来建设6个省级运营平台。公安部的数据也是相当庞大，北京中院是建立统一的智慧云，检察院也是，最高人民检察院统一开发全国的部署应用系统。这些部委也都是在搞云平台的建设。

　　我们现在还是采用的传统数据分析工作在向探索数据深度挖掘方面来发展，这是一个过程。

　　大数据方面，现在很多部委也建设了相关的数据仓库和数据中心，证监会现在应该说从六个方面来进行监管科技的应用，一是在建立业务统筹、技术统一中央监管信息平台。二是开展行业的数据治理。三是探索前沿技术。四是建设完善的信息化技术设施。五是筹备大数据监管平台。六是加强行业标准化建设。

　　证监会现在是围绕统一全面共享的原则，证监会从建会开始就非常重视信息化建设，从信息化建设发展历程来看，证监会经历了从一个个独立的业务系统建设模式，我们叫信息化1.0阶段，现在进入到业务统筹、技术统一的、中央管控的建设模式，我们现在称为信息化2.0。这个就是说一库四通道，一网一库四通道六个系统。现在这六个系统包括下面28个监管子系统，15个已经上线。我们今后正在要往科技监管、信息化3.0或者智能监管的方向发展。

　　中央监管信息平台中央数据库，也是采用基于强化主题的核心库的建设，把监管资源、监管数据都纳入中央数据库当中。

　　非现场数据报送通道的流程图，规范经营机构报一次数据就可以，由各个相关的核心机构和监管部门来共享数据。

　　对现场数据的传输，我们也是本着对接业务、安全高效的方式。现在的数据传输今后都要通过证联网，是行业的专网进行数据传输。

　　外部数据交换，我们专门通过数据交换的方式来进行外网和内网的数据传输。

　　信息发布和反馈通道，业务监管的模型。

　　行业的数据累计了4PB，日均委托量3.5亿笔，包含19家核心机构和300多家中介机构的数据，中介机构是相关的监管报送数据。

　　我们现在开展行业的数据治理工作，它是因为我们这么多系统，以前这么多系统缺乏统一的数据接口，数据格式不统一、数据模型不统一，导致数据统一大集中以后无法共用，必须开展相应的数据治理。

　　为了解决上面的问题，我们专门成立行业数据治理体系，这两年我们搞的数据模型，在数据模型的梳理过程当中，分了几个步骤：提取行业规则、梳理抽象模型、设计逻辑模型。现在我们已经出台了相应证券公司的逻辑模型，现在正在搞期货公司和经营公司的逻辑模型。这个逻辑模型搞出来以后，我们这些经营机构就可以使用这些逻辑模型来进行落地，转换成物理模型，就可以实现数据的打通。

　　这是我们行业的顶层数据流程图，这个图可以看到行业所有数据的交换。

　　现在在前沿技术的研究方面，也开展无监督机器学习相关的研究，力求与数据模型为基础，结合少量业务领域知识，用聚类、分类、神经网络等等人工智能的方法来挖掘出尽量多的隐匿关系。这是我们正在做的工作，通过主题工程、特征工程、数据工程、计算工程和评价工程，一个完整的研究，通过知识图谱、数据库等等的应用，最后来落地。我们将来可以把这些数据，像内幕交易、老鼠仓、操纵市场，甚至于上市公司的财务欺诈等等，我们将来会生成各种各样的模型。以后我们的中央数据库里也会生成各种分类的动态分析库。

　　基础设施建设方面，我们还建设行业的证联网，现在行业所有机构都接入证联网。人民银行反洗钱和征信中心也会接入，20多家存管银行也接入我们这里，还有信托公司、保险公司也在申请加入证联网当中。这个网络比互联网要安全。我们筹备建设行业的大数据监管平台，分业务平台，也分安全监管平台，我们将来会建设行业的安全态势感知平台、应急指挥系统等等。

　　同时为了相应的数据安全，现在已经起草准备出台《云技术应用规划标准》和《数据分类分级的标准》，这两个标准相当重要，保证行业数据安全、信息系统安全的两个重要标准。

　　第三，行业金融科技与监管科技发展展望，分三个方面。

　　现在可以看到应用方向大概可以分为六个方面。实体画像中，可以说现在在四方面，市场品种、上市公司、投资者、机构这方面可以进行画像，来对上市企业的基本信息、组织架构、业务运营、重大事项等等进行抽象的和标签化的处理。对投资者的基本信息、交易行为和风险偏好等方面建立投资者的画像。投资产品的风险指标、业绩指标等建立市场产品的画像。经营机构的组织结构、财务数据、业务发展、合规风控和相关舆情数据构建经营机构的画像。通过构建这些画像来识别各方面的业务发展现状、风控能力，还有合规情况等等。

　　精准营销，现在也是经营机构挖掘客户潜力的最重要的手段，经营机构根据投资者的地理位置信息、金融产品的查询和消费信息，来动态感知投资者的投资心理，及时的提供金融销售服务。金融机构根据投资者的画像，比如年龄、资产规模、投资偏好，对客户群进行精准分类，分析出他潜在的金融服务的需求，进而有针对性的开展营销推广活动。也可以利用大数据分析，同类投资者、不同投资的配合使用产品，适时推荐产品，还可以构建客户生命周期管理等。可以用来防止客户流失。

　　效率提升，在智能化应用方面，包括智能客服、智能投顾、智能交易、智能投行、智能身份认证、智能运维等各个方面。

　　行业的基础设施，现在我们行业的核心机构应该说已经提供了不少相关的服务，包括开户、身份认证、数据交换、估值核算、开发措施、行情、灾备等等，市场核心机构在这方面确实功不可没，也为我们行业基础设施建设打下了一定坚实的基础。

　　风险防范，可以说从三方面看，利用大数据和人工智能技术提升证券公司投行部门流程化、自动化的处理。上市公司财务指标和相关信息，利用人工智能技术对业务流程和合同文本进行错误检查，付诸实现合同的自动起草、自动审核、履行管理，减轻合规部门的工作强度。还可以利用大数据人工智能技术，基于投资者画像，评估用户的信用情况，帮助金融机构判别用户的承受能力等等。还可以对海量资讯实现自动化、全面的监控，促进行业提升工作效率，也可以帮助行业机构影响本机构的虚假信息进行舆论引导。利用人工智能技术，自动识别所有的投资策略，构建投资组合的防火墙，自动生成投资池或者净值池，减少人为投资失误风险。违规检测，这里包括智能市场监察、智能公司监管和智能市场监测几方面。利用大数据人工智能可以改造监察系统，提升监察系统的分析能力，具体的表现在虚假财务信息分析、关联账户识别、内幕交易等。也可以用于基于上市公司、品种画像，全面掌控上市公司的情况，动态分析上市公司的行为，与行业异常波动的关联性等等。

　　区块链在行业的相关应用，现在各家交易所也进行区块链应用的相关研究，上交所也搞了相关的题目，区块链实际上是一种分布式的、去中心化的、可信任的，这种匿名的不可篡改的特性。实际上在期货市场当中应用范围也是有的，比如说我们仓单质押，前几年风险子公司在这方面吃了苦头，因为仓单质押的问题，有些公司损失巨大。如果我们采用这种仓单质押的区块链的方式，我们就可以让所有的交割仓库、所有风险子公司在这个链上，任何仓单质押上去，在一个点记录以后，所有的点都记录了，防备重复的仓单质押。银行方面，像信用票据也可以使用区块链的相关技术，就需要这种大家共同信任、共同要标识的，区块链将来的发展前景还是很广阔，只是我们现在处在研究的初步阶段。随着今后研究的发展，未来5-10年，可能是区块链发展的高峰期。

　　人工智能选股，这是北美的两只基金，他们利用相关的人工智能系统来对海量的资讯、行情、财报等等，宏观经济进行分析，最后来选出相应的股票池，来供投资者或者投资机构来进行决策。它有的优点是不会有偏向性和情绪，也没有固定的思想逻辑。这是比人要好的地方，我们人可能会有情绪，市场行情一失控，人可能会出现急速焦躁的心理，可能会做出一种极端的投资行为，但是机器应该说不会这样。

　　在周一，深交所就正式挂牌成立行业的金融科技研究发展中心，我们将来要统筹行业的科技力量来对我们的金融监管相关的技术进行研究，这是非常有意义的。现在大家都在各自为政，所有的机构今后都搞相应的研究，每个机构有的人多一点、有的少一点，有的几十人、有的几个人，投入规模也有大小，研究的东西差不多，不如大家在一块儿，结合行业的力量一起搞这方面的研究，可能会取得更好的效果，节约成本。

　　应用风险，金融科技、监管科技也是有相应的风险，比如说对市场稳定可能有时候会带来一些风险，对投资者保护权益可能带来一些风险。对市场安全稳定运行，有时候可能算法同质化、交易策略共振，可能家具市场的波动。风险传播、放大，还有违规操作，利用现代新技术，违规者操作可能更隐蔽，我们更难发现，也许他们将来搞成智能分仓，包括什么违规者的智能交易也是有可能的，让我们将来更难查到。还有可能引发投资者适当性管理风险，个人隐私和利益的风险。当人工智能等金融可积微客户提供产品和服务的时候，因为算法缺陷导致产品推荐不匹配客户自身的条件。金融科技厂商有可能非法获得行业机构和金融投资者的数据，非持牌机构非法从事证券业务等。披着金融科技的外衣，过渡技术操作或者开展违规业务，这种风险有可能。

　　决策风险、技术风险、数据风险，这些都是我们关注的，实际上证监会重点关注的是监管科技，今后的新技术在监管科技的应用，还有经营机构的合规风险，还有应用心技术产生的相应风险，这是我们关注的方面。

　　未来我们还是要建立健全证监会系统的科技监管的组织体系，我们也是要加强大数据平台相应的建设，有序推进监管科技在证监会的试点和应用，另外就是加强行业科研体系和科研能力的建设。这是我们未来的方向。

　　在发展规划方面，我们也会加强金融科技和监管科技建设的统筹，监管理念方面建立符合中国资本市场动态监管模式，数据方面推荐数据管理架构和数据治理的应用，也是往更合理、更集约化的方向服务。风险防范方面，我们全面强化监管科技能力的建设，提升业务合规和风险合规的监测工作。技术能力方面，加强金融科技相关的标准和应用评价机制的建设，确保技术自主可控。

　　以上是我今天做报告的内容，有不对之处，请大家批评指正。谢谢大家！

　　主持人：谢谢铁斌主任的精彩发言。铁斌主任从监管层面为我们分析了金融科技在证券期货业的发展现状及趋势，那么，从交易所层面，又是如何看待金融科技发展的呢？下面，让我们有请东京商品交易所执行董事兼总经理滨田隆道先生为我们分享他对于世界金融科技发展的看法。滨田隆道先生在新能源、产业技术综合开发领域具有多年的从业经历，让我们以热烈的掌声有请滨田隆道先生。