演讲实录丨马蔚华：人工智能和大数据在金融科技的创新和应用

2017全球人工智能技术大会

2017年5月21日

国家会议中心4层大会堂B

本文根据速记进行整理

人工智能和大数据在金融科技的创新和应用

马蔚华

银行家，FDT总导师

马蔚华：

尊敬的李主席、各位专家、各位朋友，大家好！

非常容幸能够参加全球的人工智能大会，刚才黄院士的精彩报告我们听了很兴奋，起码第一我们的客服不用那么多人了，不懂英语的不用学外语了，翻译可能失业了。

今天是人工智能大会，在座有很多的专家，在这个领域我可能是个外行，我是来自金融界，长期干银行的。银行是个非常传统的产业，但是,银行的危机感也是最强的。我记得上世纪90年代末到招行的时候，比尔盖茨一句话对我触动很深，他说你们这些传统银行如果不改变的话，就是21世纪行将灭绝的恐龙。所以在这之后十几年的银行行长的生涯里，我不敢怠慢科学技术对银行的改造。另外，银行也是IT属性很强的产业，在历史上信息技术的每一次变革和进步，都会带来银行的变革和发展。我非常清楚地理解，没有互联网就没有银行的今天，招行就是充分利用了互联网才能快速长大，而且在某些指标中全球领先，成为全国乃至全球最好的零售银行。

今天由于大数据、区块链、云计算，特别是人工智能的发展，金融业特别是商业银行又面临新的考验。能不能在科技金融方面有新的突破，新的发展，关系到金融的命运。我今天讲一下关于人工智能在金融中的应用，主要是在金融市场，在交易中应用的问题。

为什么我要讲这个问题？这要从中国资本市场的现状说起。

大家知道，两年前资本市场，股票市场遇到一个非常大的震荡，老百姓叫“股灾”，很多投资者损失惨重。回顾中国资本市场的发展过程，跌宕起伏屡见不鲜。为什么有这么大的波动？大家知道，我们的资本市场发展时间比较短，有很多矛盾，其中很重要的一点，就是我们的交易市场是以散户为主导，占比达85%以上，这个情况和美国正好相反，美国是成熟市场，机构投资者占85%以上。散户的特点，追涨杀跌，不太理性，就会放大市场的波动。为什么出现这种情况？为什么我们缺少机构的投资者？其重要的原因，就是我们缺少优秀的客户经理和优秀的交易员，所以散户对机构投资者不信任，觉得还不如自己干。因此培养优秀的交易员是改善我们资本市场建设的重要组成部分。

我卸任行长以后，受到了FTD创建者等一批优秀年轻人的启发，他们长期关注市场，觉得对交易员的培训非常关键。所以我们就创建了一个FDT金融创新工厂。它的定位就是培养优秀的交易员，我们把它叫做金融人才跑道的建设者，搭建一个大学生和金融业界的直通桥梁。我们现在一方面缺少优秀的金融人才，另一方面大学教育培养出的学生，宏观面都很强，具体操作的本领比较缺乏。当我们把这个想法跟大学校长们一讲，他们都很重视。

我们首先从中国人民大学开始。鼓励学生用手机下载FDT操盘手这个APP，进行模拟交易，在高校开展模拟投资大赛，让学生通过手机进行比赛。没有门槛，每一个普通大学生都可以参加。开展模拟交易两年左右时间，现在吸引来自中国、美国、印度、韩国等20多个国家，不完全统计超过100万的大学生在手机上进行模拟交易。

FDT金融创新工厂还会设置学校的排行，选手优秀，学校排行就靠前。包括牛津、剑桥，包括国内的名校，都有排名。这也有助于学生寻找各个学校的高手，便于沟通。我们每年都要组织若干场模拟交易大赛，总奖金100万。交易大赛分预赛，半决赛和决赛，每阶段的比赛为外汇、期货、股票三大市场，现在大陆参与的大学将近有50所，另外台湾、香港，海外也有30多所大学，总的人数达到了10万人。为了让学生能够了解宏观经济，包括路透社的消息，我们已经在上海交大，清华大学，西安交大等学院已经建成了金融空间，FDT金融咖啡厅，免费为他们提供培训，今年计划入驻20所大学。

另外，我们把参与FDT比赛的学生组织成高校投资社团，这是由沃顿商学院FDT的操盘手学生们发起的，在2014年5月组织成立。现在已经发展为全球大学生FDT金融技术联盟，不完全估计已经有100万的全球大学生参与进来。

我们也和一些高校的研究机构进行合作建立高校联合实验室。比如2014年和牛津大学的金融大数据实验室合作；2015年和南京大学的金融创新研究院，共同建立了FDT金融创新研究院；前年和清华大学经管学院合作成立FDT金融创新实验室；最近和哥伦比亚大学建立了智能金融资产管理中心，还和香港科技大学商学院、清华大学五道口合作，一起共享大数据。

在通过金融创新工厂培养交易员的过程，我们也遇到了一些难题。这些难题应该是金融领域都遇到的难题，也是我们和世界高校联合实验室研究的重点。比如说，模拟交易数据和真实市场，它们有什么异同？模拟交易能不能反映金融市场的真实情况？我们每天让学生通过APP搞模拟交易有没有意义，和真实市场有没有关联？还比如，如何建立科学的交易评价准则？怎样评价交易员？如何根据评价来对交易员进行个性化的教育和个性化的训练？还有，如何提供最优的投资组合，如何让交易系统更加快速有效，如何加快处理海量的带有大量噪音的数据等等。这些问题是FDT模拟交易的问题，同时也是真实的交易市场遇到的问题。实践证明，解决这些问题就必须靠智能金融，也就是通过大数据，靠人工智能，靠金融科技来解决。

我们做模拟交易积累了海量的模拟交易数据，这是一个重大的收获，但一开始没有太注意到。我们只是注意怎么培养交易员，现在我们意识到，这些模拟数据对培养交易员意义非常重大。经过对比来自美国国家经济研究局的真实交易数据，我们寻找模拟交易和真实市场交易的异同。结论很有意思。我们发现，二者的差异体现在，模拟交易更活跃，交易额更大，因为它不是真钱。而相似的地方体现在，每笔交易的盈利分布、盈利交易的占比、多头交易的占比和最终盈利账户的占比等数据非常接近。模拟交易员和实盘交易员的行为也有相似之处，即两者都具有散户行为的偏差，追涨杀跌是普遍现象，符合二八定律甚至是一九定律，只有那些最优秀的模拟交易员和优秀的实盘交易员，能够克服人性的弱点。二者交易行为的差别则体现在，模拟交易员的交易行为不受外在的干扰，比如富裕程度和可用资金量等因素的影响不大，这种结果更有利于行为金融学的心理建模。

模拟交易的数据显示，股票月交易量在140亿人民币以上，期货月交易量8000亿人民币以上，外汇交易量2700亿美元以上。更关键的是，我们发现这些模拟交易的数据，能够反映真实的金融市场。上图是中国股市大盘在2016年1月到2017年2月的走势，这里大盘有一个巨额的下跌，模拟交易也反映出剧烈的亏损。而2016年6月到11月，中国股市单边缓慢上升，股盘模拟交易普遍盈利。所以模拟交易基本上反映了真实市场的情况。期货和外汇的模拟交易也有类似的结论。

模拟交易的大量数据能够反映真实的金融市场，正是可以利用的价值。怎么利用，就是通过大数据和人工智能技术来提炼分析。我们知道，人工智能不仅是实现普通的智能，还能实现专家的智能，特别是对金融，是对现有系统效能的提高。我自己也这么认为，如果互联网对金融来说，解决的是客户的体验，是渠道问题，那么包括人工智能在内的金融科技，解决的是效能提升的问题，所以现在金融科技的时代比互联网金融的时代有一个很大的提升，这个联系到人工智能对交易的应用也是这样的。我们不仅可以让机器像人类一样思考，就是我们说的深度学习，当然对于金融来说，模糊学习也很重要，因为它是一种趋势的判断。利用人工智能，我们还可以让机器像人类一样听懂，即语言识别；可以让机器像人类一样看懂，即视觉识别；可以让机器像人一样运动，即运动控制；可以让机器像专家一样的教学，这就是我们后面要讲的智能教育；让机器像专家一样交易，这就是后面讲的智能交易；还可以让机器像专家一样投资，这就是智能投资，包括现在人工智能在投资领域的应用，包括智能投顾。后三类即FDT在金融领域的一些尝试和探索。

近年来，人工智能有一系列的突破，在金融领域的应用也发展很快。我们做FDT的时候心目中有一个偶像，就是美国的文艺复兴科技公司，它旗下基金的平均回报率，在1989年到2009年间达到35%，比索罗斯和巴菲特高出10个百分点。2015年9月花旗做了一个预测，未来10年智能理财管理会增加5万亿美元的收入。高盛预测2025年AI为金融行业带来的增值每年达到430亿美元。2017年3月摩根大通发布了一款金金融合同解析软件，只需几秒就能完成以前律师们36万小时的工作。这说明人工智能很可能大规模的在商业，特别是在金融领域应用。而且，在金融领域应用大数据也有一些先天的优势条件和基础。刚才黄院士讲了，人工智能的前提是必须有海量的大数据，数据越多越能说明问题，而金融公司天生就是数据公司，银行也好，交易也好，每天和数据打交道，而且这个数据的质量和数量也能达到一定的要求，这是人工智能得以应用的一个非常重要的数字基础。另外，银行金融的业务相当多的是预测和决策类的，正是人工智能模型最擅长的领域。还有一点，金融作为全社会资源的配置工具，用AI对其加以优化，无疑有很大的社会意义和商业意义。

下面讲讲智能教育。FDT最初的宗旨就是为了培养交易员，是一种公益教育。FDT有自己的教育理念，有智能的训练软件作为教育工具，还有一套完整的教育准则和评价体系。这套教育准则和评价体系就是FDT财商指数，这不仅是我们评价交易员的标准，也是个性化教育的工具。这个财商指数本质上是通过大数据给用户画像，我们的用户就是交易员和散户，以加深对他们交易行为和交易心理的理解。我们根据海量的模拟交易数据发明了FDT财商指数。大家看这张图，这张图的横坐标是风险控制能力，纵坐标是盈利能力，用这个可以分清不同的交易员的情况，然后对他进行个性化教育。我们把交易员分为四类。第一类是优秀的模拟交易员。他们相对于庞大的FDT用户是很少的，占比不足1%，这部分交易员收益风险俱佳，可以重点培养，甚至可以给他实盘操作。第二类就是高级模拟交易员，占比约9%，他们交易的意愿比较强，可以通过个性化的智能教育和培训帮助他提高。第三类就是中极模拟交易员，占比超过40%，他们风险意识较强，可以考虑被动投资。第四类是初级模拟交易员，FDT财商指数值比较低，但人数最多，占比超过50%，需要继续帮助他们上金融教育课。

FDT财商指数的创新，在于它结合了人工智能+大数据+行为经济学。传统的金融方法都是靠问卷，基于人工设定的权限规则，对设定之外的行为特征就无能为力了，而FDT的财商指数是基于人工智能，通过非线性的机器学习模型，将上百个交易特征结合在一起，自动地抽取大量的判定规则，最终形成了财商指数的分数排序。传统的金融是基于结算后的“天”级别的数据，数据量少，非常简单，而且是单机计算，无法发现隐藏的风险和行为特征，而FDT的财商指数是对大数据按照毫秒级的行情识别，进行实时的分步式并发处理，可以深刻地了解交易员的心理和行为，数据越多，对交易员的个性化描绘越清楚，从而可以更有针对性的做个性化的教育和训练。在特征方面，传统金融方法都是基于盈利或者回撤数据，而FDT财商指数是基于行为金融学来刻画用户的心理特征和行为偏差，这背后需要大数据架构的技术支持。综合来看，FDT财商指数的交易行为特征，是基于行为金融学和对冲交易的专家经验的紧密结合。这是我们对每个交易员提供的FDT财商指数的报告，这是一个大报告，四个象限，包括盈利、风险、一致性、活跃度等，每一个后面都有一些具体的分析。其他的都好理解，只解释一下“一致性”，简单来说就是“穿越牛熊”的能力，能够在变化的市场中灵活调整策略来实现稳定的盈利输出。下面是我们根据财商指数，对参与交易的这些学校做的一些排行。

下面讲智能交易。交易的核心，一个是止损，一个是预测，一个是配比。我们传统的交易都要设止损线，不管谁不管什么情况，到了止损线一律清仓，以免出现无法承受的交易损失，这种情况实际上是忽视了个性差异。有了人工智能以后，在大量历史数据情况下，利用机器学习的模型，可以给每个交易员设定不同的止损线，比如可以根据交易员的历史盈利情况设定不同的止损线，也可以根据交易员的不同风格来设定，有些交易员喜欢也善于在大起大落中把握机会，你就给他设定个性化的止损线。FDT可以根据财商指数来设定精确细致的止损线。再就是对波动的预测。搞交易的人都知道，资产的波动性很重要，因为它既代表风险也代表盈利，所以好的交易员是在风险波动中赚钱。怎么样预测和判断这个波动？现在有了大数据和AI，就可以通过机器学习的方法，对A股、期货做出一个波动的预测。还有就是资源的分配。对优秀的交易员，可以给他特定的交易机会。就像婚姻介绍所一样，我们用这个评价指数对交易员做一个评价，对股票做一个评价，不同的交易员做不同情况的市场，这样可以发挥每一个交易员的才干，这也是我们利用人工智能对交易的一种应用。

最后讲一下智能投资。中国的资产管理市场在迅速增长，到2020年，估计有180万亿人民币需要财富管理，年复合增长率达到14%。但是目前大部分用户投资不理性，买卖的时机不当，导致大部分基金产品盈利，但是大部分用户还是亏损。所以我们用人工智能的办法尝试解决。首先，是智能的用户理解，我们借助模拟交易平台和大量的数据，用FDT 财商指数，从金融行为学的角度评价用户的风险偏好。二是跟哥伦比亚大学的FDT智能资产管理中心合作，研究了一套智能资产组合优化的顶级算法。三是智能投资的风险管理，对每一个投资组合做未来盈利的亏损的概率估计。四是智能个性化的资金分配，对不同的客户，不同的风险偏好，给他不同的产品，这也是智能化和个性化的基金推荐，把合适的基金推销给最合适的客户。当然，由于中国的资本市场仍不成熟，市场运行还不完全是市场规律的反映，所以智能投顾的市场环境不稳定，所以我们还要创造一些条件。

总而言之，我们的金融交易市场结构不合理，要去散户化，美国用了70年，我们不要用那么多年。我们要培养优秀的交易员，通过FDT创新工厂探索有效的办法。我们通过培养交易员掌握大量的模拟交易的数据，再与科研机构合作来挖掘这些数据的价值，用以研发智能教育，智能交易和智能投顾，应该说在人工智能在金融市场应用方面作了初步的探索。相信在这方面我们还有非常大的空间，这件事不仅具有社会价值，而且具有商业价值。谢谢。

CAAI原创 丨 作者马蔚华

未经授权严禁转载及翻译

如需转载合作请向学会或本人申请

转发请注明转自中国人工智能学会

交叉、 融合、 相生 、 共赢