摘要
2013年以來，隨著移動互聯網的發展和成熟，互聯網金融逐步興起和深化，基金行業也開始利用大數據進行投資分析。為了深入了解大數據在基金行業的應用情況，數據猿近日對富國基金信息技術部經理李強進行了專訪。
文/全景網《WE言堂》專欄特約 數據猿
2013年以來，隨著移動互聯網的發展和成熟，互聯網金融逐步興起和深化，基金行業也開始利用大數據進行投資分析。為了深入了解大數據在基金行業的應用情況，數據猿近日對富國基金信息技術部經理李強進行了專訪。
大數據基金“噱頭”實足，更多應用場景需要探索
有過基金購買經歷的人都知道，我們在購買公募基金產品時，常常看到帶有諸如醫療、航天、軍工、電子信息等行業性文字的基金。事實上，這類基金屬于投資于特定行業主題的基金，與新興的“大數據基金”定義完全不同。
大數據基金是通過互聯網海量數據，如搜索數據、網站點擊數據和網上消費數據等，結合專業量化分析模型為投資行為提供決策依據。大數據更多作用在于為投資提供決策依據。
目前，市場上總計出現22只大數據基金，今年以來，這22只大數據基金平均業績卻是下跌4.61%，其中，僅5只取得正收益，4只基金跌幅甚至超過10%，表現十分不如人意。與誕生之初的喧鬧截然不同，如今的大數據基金市場，相較2015年出現的爆發式增長，似乎陷入“瓶頸”。
李強告訴數據猿記者，大數據在“大數據基金”中的真正價值應該在于通過數據分析產生預測和決策能力，在弱式有效市場的基本分析過程中獲取信息優勢，洞察各類行為數據、市場變化、對手動向，從而幫助投資者取得超額收益。
其中，兩個問題不得不強調：
一、數據風險。市場上的大數據雖然有“量”，但在某些場景下數據信息顯得“言過其實”，其真實性和有效性有待考證，因此如何獲取真實數據是首要問題。
二、模型風險。如果投資者過分依賴模型可能帶來一系列問題，所以需要思考并綜合運用“專家法”+“模型法”，理性做出投資決策。
從目前來看，大數據在各行業的應用已經很多，但是基金行業對大數據的應用似乎剛起步。雖然市場很熱鬧，各基金公司都在跟進大數據在金融行業的業務場景，可是大數據技術真正與業務端相結合，找準業務場景和發展方向還需要一段過程，這也是整個基金行業在思考和探索的問題。
國內智能投顧風起云涌，但發展尚處初級階段
隨著互聯網和計算機技術不斷進步，在國外，包括高盛、摩根等在內的巨頭投行，對大數據、人工智能都青睞有加，而且取得了不少成功案例，比較明朗的應用當屬智能投顧；在國內，銀行、證券公司、基金公司、第三方互聯網機構等都紛紛押寶智能投顧，探索人工智能在財富管理領域的實踐與應用，美國Wealthfront、Betterment、Future Advisor更是成為國內智能投顧的模仿對象。
從市場發展來看，目前國內智能投顧的實現采用了大數據采集和處理技術，通過模型計算為客戶和證券打上相應標簽，隨之進行智能匹配與推薦。
在這個過程中需要解決的問題是：首先，通過大數據獲得的客戶信息需要能夠支持投顧系統構建準確的無差異曲線，并且能夠進一步隨著市場變化預測投資者的風險偏好變化，從而動態調整無差異曲線；其次，要利用大數據以及金融模型準確地構建市場證券的收益和風險關系，并且能夠利用大數據技術在市場中動態捕捉突發異動，及時地向客戶提示風險。
基于這兩項要求，投顧系統需要綜合客戶的風險和市場證券的風險收益特征，針對每個客戶提供個性化投資建議并進行實時跟蹤調整，幫助客戶在能夠承受的風險程度下實現最大化收益。
智能投顧究竟是不是真的能夠讓客戶賺錢呢？李強表示，大家可以樂觀，但要保持謹慎。行業風口下催生的智能投顧目前還處于探索階段，距離能夠給投資人帶來穩穩的收益還有差距。
智能投顧可以通過不斷的模型訓練實現自主學習，持續利用大數據進行回測與修正，自動組合并推薦金融產品，做到“電腦”代替“人腦”，發揮集約化效應為每個客戶“配備”適合于個體的投資經理、研究分析師，低成本而又科學的投顧專家團隊服務。但是在這一發展過程中，基金公司可能會面臨兼具金融與大數據技術的人才稀缺、基于海量數據如何及時準確提取有效數據以及面對機器取代人力的革命，客戶與行業的認識與接受程度如何等難題。
另外，目前在多方發展智能投顧的勢力中，互聯網企業對智能投顧的發展成績顯著，領先一籌。就原因而言，一方面，互聯網公司對市場發展的敏感度和反應速度最快。由于沒有所謂的傳統業務和保底業務做保障，互聯網公司安身立命的關鍵就在于對技術和市場的預判能力，如果市場主流企業都在做這件事情，它就必須也在這方面加入投入，否則就將失去生存之道。另一方面，互聯網公司緊迫感往往強于傳統金融機構，更舍得花錢。傳統金融機構對于試錯的容忍度相對較低，造成決策與投入相對更為保守。
在采訪最后，李強告訴記者，“大數據”這個詞非常時髦，不斷被熱炒。但企業首先要認識到什么樣的問題需要用數據解決？如何才能用好數據？避免進入“為了大數據而大數據”的慣性思維。
基金行業利用大數據的根本目的是獲得信息優勢。從投資角度看，信息優勢帶來的即是超額收益。所以金融機構對于“阿爾法”的渴望或許可以理解為對于大數據追求的初衷。資產管理公司如何利用好數據、構建科學動態的投資模型，這是未來大數據基金產品與智能投顧類服務的核心競爭優勢。在這個過程中，數據是原料，模型是載體，人才是根本。
京公網安備 11010502049343號