股票财经直播行情分析网-阿牛直播

股票直播视频行情分析

学习炒股票、牛股预测、短线炒股技巧、股票学习视频教程、最新股市消息、股票行情分析
阿牛智投

阿牛智投

VIP 阿牛官方
赞美率:69%
阿牛官方
证书编号 : AN201611220005
人气 63291
赏金 4
粉丝数 96
收到的礼物(共0个) 我也要送
赠送礼物
  • 888牛
  • 688牛
  • 198牛
  • 88牛
  • 68牛
  • 8牛
  • 2牛
  • 1牛
立即赠送

因数字货币而迅速成为热门的区块链技术,如今已将战火蔓延至碳排放领域。

英国利物浦市议会日前宣布与波塞冬基金会进行为期一年的试验,双方将利用区块链平台解决超过110%的碳排放问题,该市还宣布将在2020年底成为世界上第一个净零碳排放城市。

在此之前,IBM还宣布与中国能源区块链实验室合作,打造全球首个区块链绿色资产管理平台。据IBM介绍,这一区块链解决方案将作为一个碳信用管理账本,实现碳资产开发或减排配额发放。

“据估计,该平台将大大缩短碳资产开发周期,同时降低20%至30%的碳资产开发成本,使大量碳资产能够实现成本效益的发展。”中国能源区块链实验室首席战略官曹寅说,“这将是一种非常流行的鼓励公司和大型企业减少碳足迹的方法。”

为应对全球气候变化,实现低碳绿色发展,建设碳交易市场已经成为全球各国减排方式之一。然而,中国作为世界上最大的二氧化碳排放源,碳交易市场却一直不温不火,在此情况下,区块链能否成为点燃该市场的“助燃剂”?

7月10日北京发布的《2018年中国碳价调查》报告显示,我国碳排放交易体系未来几年内将逐步成熟,并从2020年起发挥重要减排作用。多数受访者还预计,碳价将稳步上升,每吨二氧化碳价格从2020年的51元上涨至2025年的86元。

2017年12月,《全国碳排放权交易市场建设方案(发电行业)》印发,这也标志着全国碳排放交易体系正式启动,碳市场的工作重心也开始由此前的试点示范转向共同建设全国统一市场。

“碳排放交易就是二氧化碳排放权的买卖,是政府在确定碳排放总量目标并对排放配额进行初始分配后,企业之间(或国家之间)以排放配额为标的进行的交易。”碳衡标测(北京)技术服务有限公司总经理赵奇峰解释道,政府首先根据科学研究确定碳排放的总量,再把具体的排放配额分发给企业,企业根据各自的边际减排成本决定是否买入或卖出排放权。

“从理论上讲,碳交易是低成本控制碳排放总量的市场机制途径。”中国国家气候战略中心原主任李俊峰向《中国科学报》记者举例说,“对于同一类企业,A、B两家都是电厂,每年都发一亿度电,A每发1度电有500克碳排放指标,而B有800克碳排放指标,那么A就可以向B买指标或者A多发电,这样对整个社会来说,减排成本降低。这就是市场机制。”

不过,由于碳权的开发及交易涉及的主体众多,当下的碳交易市场仍然存在诸多问题。赵奇峰以林业碳汇为例指出,从林权项目单位勘察、项目审定、政府备案登记、核证减排量、签发到最后的上市交易环节,往往需要耗费长达一年甚至更长的时间,并且各个流程节点还存在造假、流程臃肿、不透明交易等问题。

“在碳市场中最重要的就是各个控排企业的碳排放数据,配额、价格以及数据的真实性和透明性,中心服务器无法对数据安全做到绝对的保障,而信息的不透明也让很多机构和个人无法真正参与进来。”赵奇峰说。可以说,碳排数据的真实性和透明性是碳交易市场的“七寸”。如果这一点不能得到保证,碳市场将举步维艰。

IBM认为,区块链技术的数据不可篡改性质使得市场参与者眼中的碳市场更加可信。不断增强的透明度和直截了当的审查能力,也会使管理者拥有更多的理由去将区块链技术应用于二氧化碳排放市场。

“区块链技术有望成为有效控制碳排放的重要手段,对中国乃至全球最大的碳排放来源具有重要意义。”曹寅说。IBM与中国能源区块链实验室合作,试图通过区块链简化中国的碳交易流程,使不同企业之间可以直接互相转让配额,而无需政府去核实这些交易。区块链使整个流程透明化,允许监管部门和企业对交易进行监督。根据IBM透露的信息,利用区块链技术可以为碳市场面临的各种问题提供解决方案,他们正计划利用数字合作和智能合约来提高碳资产开发和管理的效率。

对于智能合约,赵奇峰表示,通过区块链技术可以将环境问题的各种方法学智能合约化,优化环境资产开发流程。在碳交易过程中,可以将碳资产的开发、交易、配额拍卖等所有流程都编译成智能合约运行在区块链上并自动化处理。

也就是说,如果将碳资产开发方法编译为智能合约,那么各个控排企业的碳资产额度就可以进行自动计算,整个流程变得透明、公开、准确,这不仅可以减少碳资产开发时间,还可以提高碳资产生产效率,降低碳资产的生产和管理成本。

庄宁还指出,通过结合区块链技术创造数字碳通证,可以大大降低交易成本,增加流通性,从而推动碳交易市场发展。同时,区块链技术亦有助于开拓以个人为基础的碳交易市场,产生规模效应,从而有助于建立市场和减排的多赢方案。

赵奇峰表示,通过打造面向全球的行业公链,建立碳权数据流通和交易的规范,还可以将碳权数据上链流通和资产化,并通过有效的经济激励模型,将碳交易主体的权利、义务有机结合,将行业的利益主体、监管机构、行业协会和个人纳入到有机的治理体系中。

“预计到2020年,我国每年碳排放权市场价值将达600亿至4000亿元。而通过区块链技术的运用,全球碳交易市场规模或将在不远的将来突破万亿美元。”赵奇峰说。

2018-08-16 11:25:51 展开全文 互动详情 105人气

近期,J.P.摩根的研究表明,印度金融科技公司已经成功俘获了该国占比23%的富裕精英阶层的芳心,而未来印度经济应向剩余的中、低产阶层靠拢。

这家美国银行的研究显示,最具潜能的中低收入人群占据了人口的47%,面向这些人群的市场存在极高的发展空间。

印度中低收入人群的平均收入从一天2美元(约13人民币)增至了10美元(约67人民币)。

研究还表示,中低收入群体中大约有3.47亿人口为城市居民,他们拥有智能手机,深谙互联网之道,同时经济独立,喜好便利,愿意为良好的服务消费。

当前,印度金融科技公司多为一线地区富裕技术人士的“专属”企业,已知的中低收入群体中有80%并没有接触过这些公司的服务。“尽管金融科技公司与投资人、企业之间在意识上存在着不可逾越的鸿沟,中低收入群体为金融科技公司、投资商、捐助方和企业这些不同类型的利益相关方提供了可观的契机。”

比起考虑支付能力,中产阶层更倾向于便捷、便利的生活方式。他们还会想方设法使用电子平台获得高效的金融服务,这些金融服务包括支付转账、信贷产品、保险储蓄以及投资。

不过,调查还强调,这个国家金融科技产业的发展存在极大的不平衡性。印度拥有大约1500家金融科技公司,其中82%聚集在德里、孟买和班加罗尔这三大创投圣地。投资项目上,支付和信贷最受投资者的青睐,储蓄、保险都与前者存在着不小的差距。总体而言,前十家金融科技公司掌握了75%的投资资产,同时,74%的投资都流进了支付和信贷领域。

包括印度保险和发展局IRDA以及印度证券交易委员会SEBI在内,一个由多家监管机构成员组成的印度储备银行RBI专家小组在近期提交的论文中写道,“目前,印度还有40%的人口没有办理过银行业务、享受过银行的服务,现金充斥着人们的日常生活,占据了他们87%的支付日常生活。对这个国家的金融服务科技创业公司而言,这种局面则意味着一个巨大的、未开发的市场。2018年,移动手机的使用率有望从当前的53%上升至64%,互联网的普及率也在稳步提升,从各方面来说,印度金融科技公司的增长潜力都是不容小觑的。”

值得注意的是,莫迪的平民金融计划(Pradhan Mantri Jan Dhan Yojana)带动了110亿美元(约741亿人民币)储蓄金,印度自助团体也在2017年调动了25亿美元(约168亿人民币)。除此之外,微型企业的债务缺口预计达到了460亿美元(约3099亿人民币)。这些客观条件都为开拓中低收入群体市场打下了基础。

不过,金融科技公司在扩大用户群方面也遇到了许多困难。“处于早期阶段的金融科技公司在筹集投资资金上遭遇了瓶颈。投资者往往着眼于投资的单位经济效益,但中低消费市场似乎并不吃这一套。”

2018-08-13 17:13:39 展开全文 互动详情 55人气

       当金融投资遇到人工智能,智能投顾(Robo-Advisor)应运而生。  智能投顾,又称机器人投顾,是一种结合人工智能、大数据、云计算等新兴技术以及 MPT(现代投资组合理论)的在线投资顾问服务模式,是 2008 年金融危机之后兴起的在线智能财富管理服务。  对于智能投顾的科学性,笔者认为,智能投顾根据投资者的收入状况、风险承受能力、投资目标等信息,通过智能算法为客户推荐的综合投资方案,能够保障资产的安全性、收益性和流动性的均衡。机器学习辅助的介入,使得智能投顾的投资模型参数,可做到实时变化以达到自动优化的效果,有效克服了人工服务可能出现的投机性。

  

        智能投顾的优势,一方面是高效,可 7×24 小时响应客户需求;另一方面,资产配置的分散度更高,传统模式受人力限制,只能对有限的投资标的进行维护管理。  从这种意义上来看,智能投顾降低了投资门槛,让更多人得以享受财富管理服务,让普惠金融的实现成为可能。  境外领先发展已渐趋成熟  2008 年,全球第一款智能投顾产品诞生,由美国公司Betterment推出。  自 2012 年起,智能投顾市场呈现“ 井喷式 ” 发展。 据 A.T.Kearney(科尔尼管理咨询公司)预测,美国智能投顾行业的资产管理规模,将从 2016 年的 3000 亿美元增长至 2020 年的 2.2 万亿美元,年均复合增长率将达到 68%。  境外智能投顾服务,已经从最初单纯的投资组合策略推荐,向综合性财务规划服务转变,包括退休养老规划、税收损失收割等。大量初创公司为智能投顾的发展探明了道路,传统金融业机构券商、做市商紧随其后,迅速展开布局。  2017 年, 传统券商 TheVanguard Group 成为世界最大的智能投顾服务机构。笔者认为,传统金融行业必将成为智能投顾发展的核心力量。  中国紧跟步伐上升潜力大中国的智能投顾,自 2015 年开始发展,迈出第一步的是互联网公司等第三方机构。  2016 年,某股份制银行推出摩羯智投,成为第一个进军智能投顾的传统银行。  2017 年,国有五大行中,有的自己推出了智能投顾服务,有的与独立或第三方机构展开智能投顾的合作开发。全国性股份制银行相继跟进,部分城市商业银行也已正式公布了自己的智能投顾服务。  现阶段,我国银行智能投顾管理的最大金融资产规模仅 80 亿元。依据 BCG(波士顿咨询公司)预测,到 2021 年,我国私人财富规模将达220 万亿元人民币,市场上升潜力巨大。

  

  国际上智能投顾的发展,领先中国约 5 到 6 年。中国在这一领域仍处于发展初期,仔细研究我国的智能投顾产品,不难发现人工智能化程度相对偏低,甚至有很多机构以智能之名行卖产品之实,在投资策略应用上离不开大量的人工干预。在国外,有一定比例的智能投顾已实现全权委托,即在一定的投资范围内可代客户进行投资决策。相比较,国内的智能投顾产品大都处于辅助角色,仅为客户作产品推荐,最终的投资决定权依然在客户手中。  笔者认为,未来智能投顾在中国的发展方向大致有三个:从目前“投资标的偏少”走向产品专业化;从行业鱼龙混杂走向机构专业化;对投资者观念进行扩展教育。笔者曾凭借对这一方向的把握,摘得“最佳金融科技技术贡献奖”。  2017 年 7 月,国务院发布了《国务院关于新一代人工智能发展规划的通知》,从国家战略层面搭建了我国人工智能发展的顶层设计,助力人工智能发展。  金融行业,尤其是传统银行业,应当依托自身优势,抓住人工智能与行业结合点,在智能投顾领域,积极推进自动化、智能化的投资顾问服务。抓住人工智能的机遇,为投资者提供高质量的普惠金融服务。

2018-07-30 11:14:54 展开全文 互动详情 93人气

2017年可谓是FinTech企业蓬勃发展的一年,随着部分国内金融科技企业的境外上市,全球创投领域都将目光集中到了中国FinTech的发展上。在行业日趋成熟和监管越来越规范的环境下,如今的全球FinTech投融资领域又有了哪些新的亮点,2018年又将呈现出了哪些新的趋势?

2017FinTech投资“五个创记录”

报告数据显示,2017年全球金融科技融资依然保持强劲,尽管相比金融科技融资巅峰时期的2015年有所下降,但融资金额依然保持增长,金融科技投资机构出现明显变化,B2B持续成为知名投资机构的优先选择。以下列举出了五大“创历史记录”数据:

金融科技领域获得私募股权投资的数量创记录

2017年PE对技术型企业的兴趣不断增加,这在全年都是一个持续的趋势,而且金融科技公司也不例外,由于很多知名PE公司在金融领域都非常专业,所以PE大举投资金融科技企业也是非常合理的。

公司创投机构CVC参与投资次数创记录

尽管风险投资总额有所下降,但公司创投机构投资仍然比较积极,很明显2017年公司创投参与投资比重比较高,值得注意的是,2015年和2016年的数据比较高是因为蚂蚁金服的投资,所以2017年公司创投机构在金融科技领域投入54亿美金说明公司创投参与的积极性也很高,尽管企业估值也很高。

2017年风险投资退出案例创新高

风险投资退出情况变化很大,主要是因为很多金融科技细分领域 仍然处于发展初期,所以还没有经历完整的周期 。但是,2017年退出金额非常高,2017年4季度也经历了退出金额最高的一个季度,主要是由于10月份某中国金融科技企业在纽约交易所上市推动的,有些金融科技领域已经非常成熟,行业内的企业可以通过上市获得流动性。

2017年保险科技领域投资案例数创新高

保险科技领域逐渐成熟会出现一些并购案例,但是也是一个新兴领域,大量的风投资金投向这个领域的新创企业,希望能够抓住保险领域中不同的利基市场。成熟的企业比如Lemonade也希望募集大金额资金,同时财大气粗的投资机构也投入巨资,由此2017年我们看到保险科技领域投资金额和投资案例数都创新高。

投资区块链技术的风投机构远超以往

2017年是加密数字货币大爆发的一年,其关键基础技术区块链大有潜力,被各方看好,而且也有了很多潜在的应用场景。从技术角度看,目前区块链还存在很多问题,但是像智能合约这种应用很有发展前景,所以吸引了风险投资机构投入大量资金。

2018年全球金融科技体系继续以较快速度成熟发展,比较重大的发展包括开放银行、监管日趋清晰和人工智能以及区块链的成熟应用,2018年将会是金融科技发展的重要一年,以下是毕马威对2018年全球金融科技发展的十大预测:

1、人工智能加快应用

作为基础技术人工智能的应用和创新会持续推进;

2、监管科技崛起

全球范围内对监管科技的投资会持续增加;

3、加强合作

大型金融机构和金融科技企业之间加强合作;

4、下一代数字化贷款

互联网抵押技术和平台崛起;

5、超越应用场景

区块链技术具备生产能力的应用取得初步成功;

6、开放式银行

开放APLs为欧洲和全球的第三方开发者开辟新路;

7、新型挑战者银行

传统金融机构打造资金的数字化银行;

8、保险科技创新

投资涌入推动保险科技创新并在全球打造保险科技枢纽;

9、提供全方位服务

成熟的金融科技企业拓展金融服务业务;

10、知名科技巨头介入

金融科技企业和高科技巨头之间会出现更多合作。

2018-07-25 10:55:59 展开全文 互动详情 68人气

1、金融机构智能化转型在即

2018年将是金融机构全面智能化转型的一年,无论是商业银行、证券基金公司、交易所、保险机构,还是持牌消费金融公司、互联网小贷、监管机构等,都面临着从企业架构、组织架构到业务流程架构的智能化改造。首先是提升、优化客户服务能力的需要,通过快捷、智能化的服务体验提供同业差异化、专业化的产品和服务能力;其次是市场竞争的压力和需要,在风险管理、客户体验、用户运营成本等多角度向互联网金融、金融科技公司取经,从传统规模优势走向智能驱动、集约发展;最后是优化内部运营管理结构,降低成本、提升效率,形成精益化运营优势。可以说,无论是大型机构的平台战略与中小型金融机构的专业垂直战略,都离不开智能化转型。

2、人工智能全面应用于金融服务

人工智能将成为金融机构的一种核心能力。人工智能思维模式和研究范式,包括不限于数据驱动决策、算法建模、数据科学与工程、以数据为中心、数字化协同,将逐渐下沉,渗透到从企业到业务条线再到个人,而不是停留在过去科技部门主导的应用系统建设层面。各业务条线将会主动推动数据驱动、智能决策的理念,结合数据运营、产品运营和用户运营,不仅仅是直面客户的零售和经纪类业务,还包括过去AI触及较少的中后台业务,如风控、合规、稽核审计、财务、战略规划和人力资源管理,都将形成决策智能化和流程自动化(RPA)的服务模式。所以,当前较热的智能客服、智能营销、智能投顾、智能运营和风控只是AI的垂直应用,而贯穿于价值链各环节的智能应用将越来越多,机构的“All in AI”即将开始。

3、人工智能服务私有云化

AaaS(AI-as-a-Service)已经被一些金融机构和IT供应商所采用。这是适用于现代新金融机构较好的一种技术运用模式。在IaaS层提供AI必须的硬件算力支撑,在PaaS/DaaS层构建AI应用所需的大数据计算和存储引擎,在SaaS层提供算法与建模、知识图谱、自然语言处理、计算机视觉、语音识别、图像和视频识别服务。通过这种自下而上的人工智能私有云服务,串联起金融机构业务和科技协作流程,已经成为大型金融机构在实践企业级人工智能中考虑的重点。无论是建立大数据和人工智能实验室、还是形成专门组织独立于科技和业务,都离不开服务模式创新。AaaS对于BATJ们并不新鲜,但对于多数金融机构来说是值得思考和建设方向。

金融科技ABC架构的顶层以AI服务体现

4、机器学习仍是实践AI的主要技术

人工智能的概念非常广泛,但无论怎样,金融机构实践AI所用到的技术仍是机器学习,即应用算法、模型分析数据,测定、判断、预测业务、产品、用户和市场,从而实现机器自动化、自主化决策的方式。机器学习算法本身的革新仍在继续,但基础类算法的运用将会越来越普及到IT系统建设中,不具备机器学习功能的纯流程性系统(如传统OA)将逐渐失去竞争力。此外,具备数据处理、机器学习和深度学习算法、建模、特征工程的分布式机器学习平台将成为企业IT建设标配,逐渐抢占传统数据分析工具如SAS、SPSS的市场空间。

机器学习是金融机构实践AI中用到的主要技术

5、深度学习应用规模化

深度学习在金融领域的应用目前仍然很有限。由于不少金融机构自身数据存在着质量不高、数据维度不足的问题,深度学习效果受到了很大制约,以至于目前除了人脸识别、语音识别等为数不多的场景外,仍然缺乏可落地的案例。这与深层神经网络本身的特性有关,作为机器学习的一个子集,深度学习比前馈神经网络有更多的神经元、多隐层的连接方式更复杂、训练所依赖的算力也更高,所以如果规模化应用带来的价值低,企业将很难投入大量资源于其中,多成为实验性质的AI探索(例如RNN运用于量化投资、高频交易的策略选择)。随着深度学习技术的成熟,金融机构逐步提升数据治理与数据运营水平,以及深度学习框架(如TensorFlow、Keras和MXNet等)的工具化、便捷化,应用也将逐渐规模化,如基于图片和文本分析的保险定损、基于非结构化文本的信息提取、营业网点的客户身份识别与产品推荐等。

6、从All in AI到Everyone in AI

过去,数据、算力和算法的运用都需要专门分工协作来完成,这对于金融机构在人才招募上带来了很大的困难,信息技术部门需要关注从业务分析、数据分析、数据科学、数据产品、系统开发、运维的全流程人员。这在绝大多数金融机构中是不现实的,事实上很多机构也是通过人力外包、结合供应商实施来完成AI平台及应用的部署。虽然AI基础技术仍存存在很多难以突破的领域(如具备跨领域推理能力、掌握常识与认知的通用人工智能),但当下的趋势就是人工智能逐渐走向应用化和工具化,随之带来的是应用门槛的降低,并逐渐出现全栈式(Full Stack)的AI科学家——既具备业务理解能力,又具备算法和建模能力,同样可落地到AI产品中的专业人士。事实上现在机构中的某些岗位由于职能所需已经具备了这种能力,如商业银行的金融分析、风险管理岗、证券基金中的量化投资、金融工程岗、保险公司的精算岗等。随着AI工具化的普及,在2018年金融机构逐渐形成Everyone in AI的能力。

7、实时计算与机器学习的结合

海量、实时计算能力不仅是大数据平台的能力,在对低延迟(秒级、毫秒级)有要求的业务场景(如实时风控、预警、交易反欺诈等)越来越需要机器学习技术的能力。流式计算框架如Storm、Spark Streaming、Smaza、Flink目前逐渐在金融机构内部署,以事件驱动(Event,如Storm)和微批模式(Mini Batch,如Spark Streaming)为代表的流处理技术,能够满足低延时、实时大数据分析的复杂应用场景需求。2018年金融机构将大规模部署实时计算引擎(具备CEP复杂事件处理能力),结合机器学习技术应用于实时反欺诈、交易风控、行为分析、高频交易等领域。

实时计算与机器学习的整合应用于金融场景

8、从分布式架构到量子计算

硬件算力是制约人工智能的主要因素。当前金融机构部署人工智能平台的主要架构仍是开源分布式框架,如底层基于Hadoop/Spark框架提供大数据计算层,数据存储层多以HBase/MongoDB/Redis/HDFS模式,机器学习框架如TensorFlow、Keras、MXNet提供深度学习支撑,中间服务层包括图计算、自然语言处理。这种架构只考虑用分布式服务器架构实现算法和模型的并行训练,但没有本质提升硬件算力,处理性能仍受限于磁盘I/O、多GPU内核加速,也带来硬件机房维护、硬件成本高昂的问题。随着量子计算的发展,可以解决人工智能系统的小型化和轻量化,真正实现高速处理海量数据。2018年预计量子计算将在金融行业实现探索性应用部署。

9、数据治理仍是人工智能应用基础

对于人工智能在金融领域的应用来说,本质上数据科学的一种运用模式。数据科学离不开数据管理与治理,而数据问题又是制约人工智能的又一大因素。数据质量差、数据维度不全已经成为金融机构的通病。金融机构已经意识到需要有效地管理其日益重要的数据和信息资源,也需要通过数据型组织控制数据和信息资产。由于缺乏数据治理和数据管理的标准体系,在数据架构、数据质量、元数据、数据安全、数据应用管理等方面,无论是商业银行、还是证券基金机构,都将继续夯实其数据基础,从而为AI大规模实践提供支撑。

10、金融与科技业深化AI领域合作

在金融科技与服务中,巨头们逐步意识到扬长避短是一种双赢策略。机构在专业性、客户基础、服务覆盖面上更具优势,缺少的是业务创新和领先技术,而这些是互联网公司的特长。金融和互联网的合作模式并不细心,背后的逻辑是在面对激烈严峻的竞争态势下抱团取暖、提升想象力。2018年将有越来越多的金融机构“站队”,BATJ们将在技术输出、场景合作、服务协同等方面与商业银行、证券公司、保险机构进行合作。对于金融机构来说,形成了互联网合作经营生态圈,强化客户资源共享,拓展消费金融,共同探索智能金融的应用场景;对于互联网机构来说,获取金融专业渠道流量,在传统业务之外提供高附加值科技产品和服务。

2018-07-20 10:03:59 展开全文 互动详情 292人气

如果说当前是第五次工业革命,那我们正处于人工智能的大时代。在交通领域,AI的代表作是无人驾驶;在媒体领域,AI的代表作是写稿机器人,在金融领域,AI的代表作则是量化投资。那么,量化投资到底是何方神圣?它打败传统资产管理的利器在哪里?

量化投资,简单说就是利用计算机技术和数学模型去实现投资策略的过程。根据上面的定义,理解它的话,咱们只要记住3个关键词:1数学模型:需要数学公式或模型进行计算;2计算机技术:用计算机来进行自动化交易;3投资策略:将这种方法形成一种惯用投资策略。

我们都知道,每个人都是相对理性的,投资很容易受到情绪的影响而产生偏差。而由机器人操盘的量化投资,其最大的优势在于:在某些方面可以做到绝对理性化,比如止盈或止损。因为它能克服人性的优柔寡断与贪婪。

诚然,量化投资在国内还是这几年才兴起的新鲜事,但在国外的发展已经有超过50年的历史。

1969年,爱德华·索普利用他发明的"科学股票市场系统"(实际上是一种股票权证定价模型),成立了第一个量化投资基金。该基金名为普林斯顿-纽波特合伙基金,主要从事可转换债券的套利。令人惊奇的是,该基金成立后连续11年内没有出现年度亏损且持续跑赢标普指数。量化投资成功地吸引了人们的注意!

经过近半个世纪的发展,截至2016年底,全球量化投资基金总规模已突破3万亿美元,是全球基金规模的比例的30%左右。

而在国内,2010年可以说是中国量化投资元年,沪深300股指期货的推出、ETF及分级基金的迅速发展使得各类量化策略有了用武之地。与此同时,公募、私募基金也都发行了大量的量化策略基金。

根据总结的三个关键词,它的投资策略也基本可在此基础上得以展开。为了方便理解,本文将量化策略简单分成以下几类:

1、量化对冲

其实,量化和对冲本身并不是“一家人”,之所以最终能“终成眷属”,是因为二者结合后能获得超额收益的“结晶”。举个例子:笔者利用量化方法,选出能够跑赢指数10%的股票并买入。当市场上涨20%时,笔者的股票就上涨了30%。但笔者此前已经做了对冲操作,即做空指数(卖空股指期货),所以会在指数做空上丢掉20%的收益(做空意味着看跌),这样一增一减会净赚10%;相反,如果市场下跌20%,那笔者则会损失10%的收益,但由于之前做空指数,笔者会因为做空赚20%,一减一增依然净赚10%。是不是很神奇?!这就是量化对冲的魅力!而这种方法,也被大家称为市场中性策略。

2、多因子选股模型

具体的选股模型非常复杂,但别怕!原理很简单。

多因子选股,就是以多个因子作为参照标准进行选股,这跟咱们找工作、找房子等等是一样一样的,只是它的叫法高大上罢了。

找工作的话,咱们要考虑它的薪资水平因子、公司发展前景因子、岗位匹配因子等等。找房子的话,要考虑它的交通配套因子、小区卫生、噪音、安全因子等等。所以,选股也是一样。不过,选股的因子很多,专家们就把这些因子分成了四大类:技术类,像价格、交易量、波动率等;基本面类,如价值因子、成长因子、公司债务因子等。研究类,如研究报告、目标价格、盈利预测、评级等。其它类,如机构持仓、媒体关注因子等。

正是因为因子太多了,不可能全面考虑,所以,专家们就做了一个模型,根据因子的权重,进行综合加权考虑。

而引入多因子的目的,就是为了让收益更加稳健,波动更少。找房子时,考虑的因素越多,或许最终选择的就越好;找工作时,综合权衡后的岗位或许更令你满意。换成量化投资的话,夏普比率越高,单位风险带来的单位收益也就越高,反过来想,单位收益的波动将引起更小的单位风险波动。所以,引入的因子越多,收益就更稳健,收益曲线就越平滑。

3、量化择时

择时,不仅困扰这个人投资者,也同样令机构投资者很头疼。如果说量化选股解决的是超额收益的问题,那么量化择时解决的则是相对收益的问题。而所谓量化择时,则是对各类预测指标的应用,通过分析并得到对市场未来方向的预判。常用的择时方法有:趋势量化择时、市场情绪量化择时等。

趋势量化择时基本可以认为是趋势投资的延续,若趋势发生逆转则需平仓止损。与趋势投资一样,趋势量化择时具有滞后性,只有市场出现了某种趋势后,才可顺势操作。

市场情绪量化择时就是利用投资者的热情程度来判断大势方向,当投资情绪高涨,大家积极入市时,大盘可能会继续涨;当投资者情绪低迷、不断撤出市场的时候,大盘可能继续下跌。

量化择时还有其他的方法,受限于篇幅这里就不再展开。

量化投资的优势在哪?

可以总结以下几点:纪律严明、反应迅速和分散风险。

1、纪律严明

市场不会随着人的意志而转移,我们唯一能控制的只有自己。量化投资在既定的计算机程序下,会根据市场行情严格执行投资策略,就像咱们遇到市盈率较低的个股时,可能会立刻买入,也可能会继续等待更低的买点。但量化选股则直接精确到数值,只有触发选股条件才会操作,完美地克服贪婪、恐惧、侥幸心理的人性弱点。

2、反应迅速

这更多的是体现在重大事件、黑天鹅等事件驱动策略方面。计算机媒体能处理大量的公告和新闻,实时跟踪市场变化,所以在遇到重大利好或黑天鹅事件时,同样也能够第一时间把握机会或逃脱。

3、分散风险

利用计算机大数据,量化投资可以做到比证券分析师更好的历史回测,不断地从历史中挖掘有望在未来重复的历史规律并且加以利用,而历史规律都是较大概率取胜的法宝。另一方面,就回到了选股方面,通过多因子选择一揽子股票,从而捕捉大概率获胜机会。

2018-07-16 11:29:29 展开全文 互动详情 84人气

人工智能从1956 年在Dartmouth学会上被提出发展至今已经60余年,2016年的人工智能经围棋之战震惊世人,关于人工智能的种种猜想也引发了全球范围内的讨论,如今如火如荼的发展势头,成为引发人类不安的导火索,有人认为人工智能或将取代人类,随之而来的失业潮或引发生存问题。

其实,早在20世纪的华尔街,人工智能替代人类完成部分工作的苗头就已显现。世界级数学家、最伟大的对冲经理之一——詹姆斯·西蒙斯带着他的文艺复兴科技公司在全球市场中进行投资,与之前的金融公司不同的是,在这家投资公司里计算机更多的取代了金融分析师的工作,传统华尔街分析师的席位寥寥无几。这家公司就是有名的量化投资型基金——大奖章基金的孵化池,量化投资也就此来到大众视野。

 

在量化投资世界,人工智能已经取代人类完成了部分工作,但这是否就意味着人工智能将取代人类呢?答案是否定的,人工智能所替代的部分是完成工作的能力,而不是替代人类。尤其是在量化投资世界,人工智能只是工具,强强联合带给投资者最优的投资组合和收益。

那么,人工智能又给量化投资带来了哪些优势呢?在大多数人眼里,量化投资是一个神秘的领域,“黑匣子”更是让人摸不着头脑。但其实量化投资就是通过数量化方式及计算机程序化发出买卖指令,以获取稳定收益为目的的交易方式;通过建立模型——黑匣子,进行估值、择时及选股。

这样的投资交易模式会在选股时,把公司基本面的一些数据作为模型指标,并在模型里加上市场的趋势指标,最终的交易决策则是模型综合所有指标运行的结果。这样的投资交易优势有:

1 纪律性:择时、选股等交易决策由模型决定,避开情绪性、贪婪等可能导致投资失误的心理因素干扰;

2 系统性:多层次,多角度的量化投资模型。在大类资产配置,行业精选,个股配置上都有各自的子模型;同时对市场周期,结构,估值,市场情绪等建立跟踪指标;

3 套利思维:在每一个市场的时刻,用模型分析获取超过市场的α收益;

4 概率取胜:在风云诡谲的市场中,再完善的模型也无法做到绝对的胜率。量化投资依靠超过市场平均的获胜概率,微赢微输,积沙成塔,最后获取可观的收益。

那么除了以上的优势点,人工智能的加入对于量化投资还有哪些益处呢?那就是1+1﹥2。

有了人工智能的大数据支持,再加上量化宽客恰当的投资策略,量化投资被称为震荡市的利器。

截至2016年年底,在我国量化基金的数目共有123只,根据投资策略不同,可划分为主动型、指数型、对冲型三种类型,其中主动型多为主动股混型量化基金,采用多因子选股、事件驱动等策略;指数型则多采用量化方法辅助指数跟踪或增强;对冲型则是加入了市场中性策略对冲风险。

主动型量化基金

主动型量化基金青睐于窄幅震荡,主动型量化基金具有持股仓位较高、持股数量大且分散度高、波动率及Beta值较高、择股能力优于择时能力等特点。因此,主动型量化基金的选股模型具备一定的时效性,一般说来,主动型量化基金在震荡行情、成长牛市行情、牛市行情表现较好,而在蓝筹牛市、熊市行情表现较差。

指数型量化基金

指数增强型基金逢低进场。增强型指数基金通常采用“指数化投资为主、主动性投资为辅”的投资策略,在被动跟踪指数的基础上,加入增强型的积极投资手段,来额外获得市场收益。在中长期的配置下,指数增强型产品的下行风险可以得到有效控制,并在行情上涨时获得Beta和Alpha的共同收益。逢低进场决定了该类型基金能在很长一段时期内能够提供一个较好的增长率,并为投资者带来一个理想的回报。

对冲型量化基金

对冲型量化基金不惧市场下跌风险。量化对冲的投资方式可以回避单边做多市场的主要缺陷,一方面建立能够获取超额收益的投资组合的多头头寸,另一方面建立股指期货的空头头寸,对冲现货组合的系统风险,从而获取正的绝对收益。换言之,量化对冲基金预期收益率与市场涨跌无关,通过不断套利,积小胜为大胜,成为低行情时的抗跌典范。

以上三种量化投资类型孰优孰劣,难以论断。每一种类型,都有获利丰厚的可能;最后的胜负,跟量化宽客的市场前瞻能力成正比,因时制宜,在市场低点持续吸筹,高点不急于追涨杀跌,才能在最后笑傲基金江湖。

其实,投资如同沙场厮杀,需要知己知彼才能百战不殆。人工智能给量化投资创造了得数据者得天下的优势,量化投资也给了人工智能绽放实力的舞台,所以人工智能和量化投资“鹤立”震荡市,看似偶然实则必然。

2018-07-09 10:54:32 展开全文 互动详情 190人气

经历了以计算机出现为标志的信息化时代,人类社会进入了人工智能引领的第四次工业革命时代。如果说信息化时代追求的是数据的采集和存储,那么人工智能时代解决的就是随着信息技术的深入和信息爆炸而导致信息处理能力的不足。帮助人们处理海量信息,对数据进行分析和利用,是人工智能的时代宗旨。

 

人工智能在国内的应用在智能投顾领域,2016年招商银行推出的摩羯智投就是其中最具代表性的产品。随着互联网技术的蓬勃发展和金融科技的兴起,智能风控、智能客服的落地条件逐渐成熟,图像识别、活体检测等技术进行身份核实的场景开始变得丰富,为人工智能和金融服务的有机融合创造了有利环境。

智能风控是传统风控的有效补充,传统金融机构采用传统评分卡模型和规则引擎等“强特征”进行风险评分,而智能风控根据履约记录、社交行为、行为偏好、身份信息和设备安全等多方面行为“弱特征”进行用户风险评估。两种风控方式从操作到场景都呈现明显的区别化效应,进入移动互联网时代后,智能风控的优势愈加凸显,成为传统风控的有效补充。

 

侧重人工审核、强调因果关系的传统风控会面临的几个关键问题。首先,传统风控的时间跨度至少以周单位,业务流程需要层层审批,涉及多个人员和环节,导致效率低下;其次,长时间的业务流程,无法及时满足用户资金要求,导致糟糕的用户体验;最后,对于金额较小的业务,传统风控复杂的审核程序导致的高成本使得银行等机构无利可图,从而这部分庞大的市场被放弃。

智能风控侧重大数据、算法和计算能力,强调数据间的相关关系,其在风控环节中的应用主要有三:计算机视觉和生物特征的识别,即利用人脸识别、指纹识别等活体识别来确认用户身份;反欺诈识别,智能风控利用多维度、多特征的数据预示和反映出用户欺诈的意愿和倾向;正常用户的还款意愿和能力的评估判断。对于交易、社交、居住环境的稳定性等用户行为数据,运用神经网络、决策树、梯度算法、随机森林等先进的机器学习算法进行加工处理。

智能风控在互联网经济下“规模性”增长的消费金融市场中,捕捉非传统金融数据,增加弱金融相关特征,采用机器建模分析的方法为传统风控进行了非常及时有效的补充。首先,智能风控带来闪电般的审核速度,时间跨度以分、秒来计算,为用户带来更好的服务体验;其次,对用户行为数据的分析抵达更为精准化的评估;最后,风险预测上,运用数据模型能够精准量化未来风险最可能发生的时间和场景。从快牛金科的实际应用来看,风险量化预测的结果和真实风险的表现非常符合,误差很小,而风控标准的放松和收紧导致的坏账表现程度的变化都可以用数据直观测量,对实际业务操作非常有利。

目前在信用贷、消费贷等需求个性化、规模化的小额贷款场景下,智能风控具备充分的优势,但在房产贷款、大型企业的供应链金融等涉及资产评估的大额贷款及交易真实性的验证上,传统风控依然无可替代,两种风控模式仍将在较长时间内共同存在。

2018-07-05 13:48:56 展开全文 互动详情 246人气

一、全球Fintech市场:电子支付和个人金融主导,中美领先

在互联网金融监管趋严的环境下,中国的金融科技受到广泛的关注。从阶段划分看,目前中国正处于金融科技2.0(互联网金融)向金融科技3.0过渡的阶段。未来中国的金融科技将走向何方?金融科技的监管又该如何是好?敬请阅读。

全球Fintech交易规模不断增长,2016年交易金额达到2.6万亿美元,同比增长26%。从交易结构来看,电子支付占比最高,达到85.4%,其次为个人金融,比例为9.6%,商业金融仅为5%。根据Statista的估计,未来5年商业金融和个人金融增速高于电子支付,2021年电子支付比重将下降到67%左右。

从地域来看,中国Fintech交易金额位居世界第一。2016年中国Fintech交易金额达到1.08万亿美元居第一位,其次为美国1.02万亿美元。中美两国交易金额相比于第三位的英国地区(0.19万亿美元)已经拉开数量级的差距。

二、Fintech目前究竟包含哪些领域?

金融科技通常被界定为金融和科技的融合,就是把科技应用到金融领域,通过技术工具的变革推动金融体系的创新。2016年3月,全球金融稳定委员会发布了《金融科技的描述与分析框架报告》,这是第一次从国际组织层面对金融科技做出初步定义,即金融科技是金融与科技相互融合,创造新的业务模式、新的应用、新的流程和新的产品,从而对金融市场、金融机构、金融服务的提供方式形成非常重大影响的业务模式、技术应用以及流程和产品。金融科技的外延囊括了支付清算、电子货币、网络借贷、大数据、区块链、云计算、人工智能、智能投顾、智能合同等领域,正在对银行、保险和支付这些领域的核心功能产生非常大的影响。

三、把Fintech大致分为渐进前行的三个发展阶段

如果从IT技术对金融行业推动变革的角度看,目前可以把它划分为三个阶段。

第一个阶段可以界定为金融IT阶段,或者说是金融科技1.0版。在这个阶段,金融行业通过传统IT的软硬件的应用来实现办公和业务的电子化、自动化,从而提高业务效率。这时候IT公司通常并没有直接参与公司的业务环节,IT系统在金融体系内部是一个很典型的成本部门,现在银行等机构中还经常会讨论核心系统、信贷系统、清算系统等,就是这个阶段的代表。

第二个阶段可以界定为互联网金融阶段,或者金融科技2.0阶段。在这个阶段,主要是金融业搭建在线业务平台,利用互联网或者移动终端的渠道来汇集海量的用户和信息,实现金融业务中的资产端、交易端、支付端、资金端的任意组合的互联互通,本质上是对传统金融渠道的变革,实现信息共享和业务融合,其中最具代表性的包括互联网的基金销售、P2P网络借贷、互联网保险。

第三个阶段是金融科技3.0阶段。在这个阶段,金融业通过大数据、云计算、人工智能、区块链这些新的IT技术来改变传统的金融信息采集来源、风险定价模型、投资决策过程、信用中介角色,因此可以大幅提升传统金融的效率,解决传统金融的痛点,代表应用就是大数据征信、智能投顾、供应链金融。

大致判断,中国正处于金融科技2.0(互联网金融)向金融科技3.0过渡的阶段,现阶段金融科技备受一级市场关注的两个领域:人工智能和区块链技术,是金融科技3.0的核心底层技术,行业正在对金融科技3.0领域开展从0到1的积极探索。

四、中国的Fintech究竟会如何剧烈地改变现有的金融体系:竞争OR互补?

Fintech与传统金融究竟是什么关系,取决于不同的市场环境,以及不同市场环境下不同行业的竞争者的博弈互动。从目前涉及到的几个主要的金融领域看:

1、支付结算类

互联网第三方支付业务发展迅速并趋于成熟,但由于其对银行支付系统仍有一定程度的依赖,并未从根本上替代银行的支付功能或对银行体系造成重大冲击,二者更多是实现分工协作,优势互补。网联的诞生,更为强化了这种优势互补的定位。

2、存贷款与资本筹集类

此类业务主要定位于传统金融服务覆盖不足的个人和小微企业等融资需求,也就是通常所说的长尾客户群,虽然发展较快,参与机构数量众多,但与传统融资业务相比,所占比重仍然较低,更多是对现有金融体系的补充。

3、投资管理类

主要包括智能投资顾问和电子交易服务,在国内市场目前这两项业务都是处于银行主导的状态,实质上是传统金融培育,服务传统金融的业务模式。

4、市场设施类

此类业务科技属性较强,大部分金融机构会选择外包此类业务。主要应用这类科技创新服务于现有金融业务。

综上,Fintech可以说是技术带动的金融创新,它与传统金融并不是单纯的竞争关系,同时也存在以技术为纽带的合作关系,影响和冲击的主要是传统金融行业低效、高成本的环节,从而从总体上有助于提升金融体系的效率。

如果对比中美两国的Fintech的发展路径,可以发现,美国是活跃的华尔街金融机构积极吸收技术部门的创意,人才是从科技部门流向金融部门;中国的人才流向,则主要是从金融部门流向似乎更有活力、更有竞争力的科技部门,这种流向的差异值得我们深入思考。

当然,金融科技在提高金融市场效率的同时,也带来新的风险。例如,金融科技通常会引入高风险用户,降低风险控制模型的有效性,提高了机构整体风险水平。另外,在金融科技的推动下,跨行业、跨市场的跨界金融服务日益丰富,不同业务之间相互关联渗透,金融风险更加错综复杂,需要及时跟进相应的风险监管举措。

2018-07-02 23:30:42 展开全文 互动详情 367人气

人工智能的旋风目前已刮到了银行业。记者在采访中发现,国内多家银行已经纷纷试水人工智能,应用于营销、客服、风控、智能投顾等各个业务领域。

“以前银行老被指责‘嫌贫爱富’,给中小微企业服务不到位。如果有更好的风控手段,贷款就会实现差异化。人工智能在这个领域大有可为。”中关村银行董事长郭洪说。作为北京首家民营银行,中关村银行近日宣布与人工智能公司“第四范式”开展合作,打造“AI+金融”供应链服务平台,聚集金融机构、保理公司、担保公司、征信机构等合作伙伴,在出行、教育、快消品、线上旅游、三农、汽车后市场、物流等垂直领域落地,目前已为上万家中小微企业授信。

第四范式CEO戴文渊表示,在信贷风控领域,人工智能技术大显身手之处就在于利用算法搭建模型,在读取海量数据的过程中判断风险,覆盖信贷全生命周期的各个关键业务环节,包括风险预警、信息验真、欺诈识别、贷后管理、催收预警等。“在金融行业的支付环节,我们能够生成25亿条盗刷规则,这种超高维度的反欺诈模型,是人力不能完成的。”戴文渊表示。

实际上,不止企业信贷领域,人工智能技术在银行业的应用已经随处可见,普通客户也在随时享受机器人提供的服务。

比如,在开户环节,华夏银行直销银行客户可以借助人脸识别技术开户。在客服领域,微众银行打造了“微金小云”智能客服机器人,一个机器人可替代400位人工客服,如今98%的客服均由智能云客服完成,极大节约了人工成本。

银行智能投顾硬件设备

在购买理财产品环节,中信银行的客户可以享受智能推荐服务。银行针对客户的消费行为以及风险偏好,自动推荐金融产品。客户使用手机银行转账时,银行后台立即启动人工智能反欺诈模型,甄别交易环节是否存在盗刷隐患。

在信贷环节,新网银行在实时授信决策中应用了深度学习、强化学习、迁移学习等算法,对比多组授信策略的表现选择最优路径,实现授信策略快速迭代和更新。

在催收环节,美国征信机构益博睿为中国多家银行提供智能服务,利用催收评分模型优化不同批次、量级的催收及款项回收,平衡风险与报酬,降低相关成本;还可预测客户的还款时间和金额。

人工智能也成为多家银行年报的关键词。招商银行2017年年报中写道,近几年云计算、大数据、人工智能、区块链等技术的发展可能在不远的将来“成果大爆发”,商业银行是抓住这股浪潮完成蜕变,还是让移动支付的失利在其他领域重演,关键是未来三年的作为。

招商银行职能投顾介绍

中信银行信息技术管理部架构管理处处长卫东表示,目前人工智能在银行业的应用刚刚起步,各家银行探索的领域涵盖了银行前台、中台、后台大部分业务,涉及客户获取、接触、识别、产品营销、风险控制、产品定价,以及业务运营与精细化管理等各个领域。差异在于,有的银行选择自主或合作研发人工智能平台,有的银行则是完全外购平台。中信银行是依靠自身力量搭建了基于开源框架的大数据平台、机器学习平台。

“两种做法各有利弊。人工智能需要一个底层基础平台,各种细分的人工智能模型服务都是基于这个平台实现的,如果一开始就采取自主或合作模式研发,把控性会更高,后期升级维护的成本更低。”卫东说,银行完全外购服务的优势就是见效较快,如果在此过程中银行能够不断学习、探索,并转换为自有知识积累,也可以提高对技术的掌握程度。

卫东表示,目前银行业开展人工智能探索的过程中,数据治理不到位及数据质量不完善是最大的短板。银行已有的数据准确性没有问题,但是宽度和广度不足,无法全面地刻画客户360度视图,较难结合应用场景做出综合判断,将会影响人工智能的应用效果。这是银行业面临的普遍挑战。

2018-06-27 18:03:15 展开全文 互动详情 85人气

  6月17日下午,苏宁宣布无人车「卧龙一号」已完成上岗测试,将于6月18日进入常态化运营。「卧龙一号」承担苏宁小店周边社区3公里范围内,线上订单1小时生活圈的即时配送服务。

  近几年“工作岗位将被机器人蚕食”的话题不断,阐述观点的角度更是层出不穷,单论效率而言,机器人确实能在某些地方做的比人更效率。比如苏宁小店近日还将推出世界杯主题店“深夜加油站”,24小时营业,通宵提供商品和免费服务,2公里1小时配送到家等。这里机器人就比人更有经济性。

  机器人产业现状

  根据机器人的应用环境,国际机器人联盟(IFR)将机器人分为工业机器人和服务机器人。

  其中,工业机器人指应用于生产过程与环境的机器人,主要包括人机协作机器人和工业移动机器人;服务机器人则是除工业机器人之外的、用于非制造业并服务于人类的各种先进机器人,主要包括个人/家用服务机器人和公共服务机器人。

  《中国机器人产业发展报告(2017年)》预计,2017年全球机器人市场规模将达到232亿美元,2012~2017年的平均增长率接近17%。其中,工业机器人147亿美元,服务机器人29亿美元。

  而2017年中国机器人市场规模将达到62.8亿美元,2012~2017年的平均增长率达到28%。其中,工业机器人42.2亿美元,服务机器人13.2亿美元。

  无论是市场规模,还是年均增长率,中国都在全球机器人市场占有较大份额。尤其近几年不断有中国企业对国外技术垄断实现突围,主要是机器人三大核心零部件的生产,即控制器、减速器和伺服电机,加上国内机器人产业旺盛的需求,中国工业机器人迎来爆发式增长。

  中国出现同样快速增长的还有服务机器人,相比工业机器人,由于客观原因——服务机器人还不是一个成熟的产业(工业机器人已经是一个成熟的产业)。不成熟意味着无限可能,服务机器人市场依然有着巨大的想象空间,除了对传统机器人领域核心技术的创新突破,结合具体商业场景的智能服务机器人将成为另一个突破口。

  智能服务机器人市场

  发展智能机器人既是高屋建瓴、另辟蹊径的重要路径,也是实现产业跃迁的新兴增长点。

  中国在人工智能技术方面与全球基本处于同一起跑线,特别是在图像识别、语音识别、语义识别等多模态人机交互技术领域,部分已接近和达到全球领先水平。

  国内一些企业通过技术推动产品迭代,凭借智能交互和特定场景整合迅速切入人们日常生活,利用市场收益进行技术革新,已经在智能服务机器人领域有所建树,主要集中在医疗、金融、仓储/物流、客服等热点领域。

  医疗机器人

  医疗行业对机器人感兴趣的原因很多,机器人为行业带来的好处,可能比最专业和最勤奋的医疗工作者更多,主要包括,速度、准确性、可重复性、可靠性和成本效益。一个机器人不管“工作”多久,都不会疲劳。

  就目前来说,医疗机器人主要分为以下几类:外科手术机器人、康复机器人、医用服务机器人、辅助机器人等。

  据统计,目前手术机器人占比最高,在六成以上。而凭借售价两千万的达芬奇手术机器人,美国公司IntuitiveSurgical轻而易举地霸占了当前医疗机器人市场的半壁江山。

  国内医疗机器人的发展起步较晚,目前市场活跃企业主要有妙手机器人(第一家临床使用的国产手术机器人)、博实股份(上市公司,推出微创腹腔外科手术机器人系统)、天智航(新三板公司,推出骨科医疗机器人)、钱璟(康复机器人重点企业)等。

  金融机器人

  金融行业的基础是信息处理,某些以往需要人工参与的金融工作正在自动化,包括运营、理财、算法交易,以及风险管理等。

  摩根大通利用AI开发了一款金融合同解析软件。原先律师和贷款人员每年需要360000小时才能完成的工作,这款软件只需几秒就能完成。而且错误率大大降低,还可以24小时工作。

  机器人的优势还体现在对投资的完全理性。近些年火起来的量化交易,用数学模型替代人为的主观判断进行开仓和平仓的交易方式。避免了情绪波动对交易的影响,克制了人性中的贪婪、恐惧、侥幸的心理弱点,同时克服了我们主观上的认知偏差,提高投资的理性。

  目前金融机器人应用落地的4大场景:智能投顾、风险管理、搜索引擎、智能客服。国内各场景的活跃企业包括:弥财(将经典的投资理论与最前沿的互联网技术相结合,为普通大众提供智能的、高端的定制投资服务)、信而富(基于人工智能技术,通过建立模型,对海量数据进行筛查,来确定对方是否为真实的借款人)、人工智能牛(整合自身独有的金融数据报告资源、大数据、人工智能技术,开创了智能金融搜索先河)、“娇娇”(交通银行2015年推出了智能客服实体机器人)。

  仓储/物流机器人

  传统仓库里都是靠人手分拣、包装、搬运,为了实现效率,仓库的设计必须满足员工的活动需求,太局促的空间影响效率。而仓库员工,则需要对仓库里的商品位置了如指掌,只有做到瞬间反应,分拣的效率才可能最大化。

  物流机器人的出现,解决的不只是工作效率问题,更是将仓库利用率提升一个高度。传统仓库的逻辑是“商品中心化”,也就是人找货;而搭载了物流机器人的仓库的逻辑是“分拣中心化”,实现了货找人。

  物流机器人会根据订单信息,直接将商品所在货架移动到分拣工面前,分拣工取走商品后机器人再将货架运回原处,至始至终,分拣工只需待在一处地方等待“商品来找自己”。而以机器人的交互协调,提供比人活动小的多空间就可以了。

  物流机器人不只提升了工作效率,更是设计了全新的仓储结构。这方面以美国亚马逊旗下的AmazonRobotics为行业典范,前身是KivaSystem,2012年被亚马逊收购后正式更名为AmazonRobotics,这家公司重新定义了仓储。

  目前常见的物流机器人可以分为三类:AGV自动导引车、码垛机器人、分拣机器人。国内的物流机器人系统企业基本集中在AGV领域,被广泛应用在工厂内部工序间的搬运、制造系统和物流系统连续的运转以及国际化大型港口的集装箱自动搬运。

  客服机器人

  在客户致电或在线咨询客服代表的问题中,超过60%的问题都是常见的,也就是说大部分客服人员每天都在应对重复的问题,机械工作消磨着客服人员的工作热情。

  标准化服务也是人工客服的一个难点,不同的客服代表可能会给客户不同的答案,这让客户感到恼火。而在统一算法支配下的机器人客服,可以给客户真正意义上的标准化服务。

  目前国内智能客服机器人的定位,以辅助客服工作为主,回答客户的常规、重复性的问题,进而提高客服工作效率。

  但国内很多商家只是提供机器人给客户,却不考虑机器人问答知识库才是大门槛。具体需要给机器人添加哪些问答、怎么添加识别效果最好、客户的一句话有多种不同的问答要怎么实现......这些都是客户遇到的痛点。从提供客服机器人到提供企业客服机器人解决方案,这将是行业竞争的核心所在。

  总结:

  机器人似乎取代了一部分工作,从金融行业的交易员,到物流行业的分拣工。但是取代以后,又会给人类带来新的工作,新的更灵活、更有创造性的工作,“等货来”肯定比“满仓库跑”更受分拣工青睐。

2018-06-25 15:58:26 展开全文 互动详情 233人气

  近年来,智能投顾的增长速度十分迅速,去年管理的资产规模已超过2000亿美元。

  科技对于金融行业的影响体现在失业率和顾问费用的降低上。最大的颠覆是智能投顾的崛起,智能投顾向投资者提供投资建议,几乎不存在人际互动,价格也低得多。

  诺贝尔经济学奖得主DanielKahneman以其在行为经济学领域的研究成果而闻名。近期,他在芝加哥的一次会议上发表主旨演讲时表示,尽管科技正在不断冲击着金融行业,人类顾问在金融领域仍扮演着至关重要的角色。

  他称,作为一名顾问,你必须了解客户的需求,客户在承担风险方面的程度,他们的投资目标以及所惧怕的极端情况。当糟糕的事态发生时,你必须在那里。客户需要有这样一种可以被托付的感觉,有人能够完全了解他们的想法。

  与此同时,Kahneman对智能投顾的价值表示认可,“投资决策经常会伴随很多噪音,不是在决策本身,而是在决策过程中。算法有可能做得比人更好,因为算法的主要特点是无噪声,给算法同样的问题两次,能够得到相同的结果。而人类投顾则不会。”

  智能投顾之战

  投研公司晨星(Morningstar)首席执行官KunalKapoor在今年公司会议上表示:“从来没有比现在更适合的时机为客户提供更好的投资建议”。他将这归功于人工智能技术的进步——在向更多投资者提供有价值投资建议的同时,降低了运营成本。

  嘉信理财首席执行官WaltBettinger在会上称,智能投顾技术的现状及未来发展应受到高度重视。Bettinger表示:“机构必须认识到,消费者所期望的是一种即时的、数字化的高质量投顾服务。我们必须利用技术为客户提供更有价值的服务,让客户从口袋里掏出的每一块钱,都能为实现他们的财务目标贡献力量。”据悉,嘉信理财已推出旗下的智能投顾产品——Intelligentportfolio。当前先锋集团在智能投顾领域仍占据主导地位,嘉信理财紧随其后。

  关于注重低成本的智能投顾竞争对手Betterment和Wealthfront是否是嘉信理财的主要竞争对手,Bettinger表示,对于智能投顾来说,成本和科技的因素固然需要纳入考量,但与人类投顾的互动仍然不可或缺。

  ManGroup与AQR瞄准私募

  私募投资的受欢迎程度激增,促使ManGroup和AQR等资产管理公司着力推出能够复制私募基金的回报率、但对投资者而言成本更加低廉的策略。

  据知情人士透露,管理着约1130亿美元资产的伦敦资产管理公司ManGroup于今年4月推出了“流动性私人股本”基金。该基金不投资PE,而是投资于公开上市的中小型美国公司,但其回报率与传统私募投资组合类似。与此同时,拥有2250亿美元的资产管理集团AQR也正在探索用量化的方法投资于私募行业。

  滩头资本的创始人AndrewBeer表示,ManGroup和AQR在私募投资领域的尝试也引发了一个问题,即投资者是否真的希望他们所持有的私募股权被暴露于市场的每日波动之中。“私募基金只会定期发布报告,这可能会明显滞后于整体市场的变化。”

2018-06-22 16:19:14 展开全文 互动详情 107人气

  财富管理与新兴金融科技的结合,使得财富管理行业正在进入新的阶段――智能财富管理。近几年全球出现的智能投顾模式已然成为智能财富管理的一大热点。智能投顾,简而言之,就是基于投资者的投资需求和风险偏好,为其提供数字化、自动化、智能化的财富管理服务。和传统投顾相比,智能投顾最大的特征就是门槛低、费用低、高效率。因此,特别对作为“长尾用户”的中低净值人群颇具吸引力。

  智能投顾起源于金融危机后的美国,Betterment、Wealthfront等初创公司开启了其大幕,近几年传统金融机构也纷纷开始涉足智能投顾服务,智能投顾正处在向大众普及的阶段。智能投顾的出现及快速发展给传统的面对面的财富管理模式带来了冲击,并形成了当前三种财富管理模式:传统财富管理模式、纯智能投顾模式和混合模式。埃森哲认为以数字化驱动的人力结合“机器”的混合模式已然崛起,并且将成为未来财富管理模式的主流。

  在中国,多方参与的财富管理市场竞争日趋激烈,快速变化的客户群体及其需求、新兴的数字技术、趋严的监管政策正在重塑原有的财富管理模式。虽然智能投顾在中国起步较晚,但是其发展速度惊人,预计到2022年,智能投顾管理的资产总额将超过6600亿美元,用户数量超过1亿。当前,独立第三方财富管理机构、传统金融机构和互联网巨头是智能投顾市场的三大主体,演化出了四种本地化的业务模式:独立建议型、综合理财型、配置咨询型和类智投模式。总体来看,国内智能投顾的现状是行业刚刚起步,参与主体众多,整体智能化程度低。

2018-06-19 18:10:17 展开全文 互动详情 106人气

  中国社会科学院工业经济研究所和腾讯研究院共同研究编制的《“人工智能+制造”产业发展研究报告》认为,对于复杂的制造业来说,互联网的定位更应该在“助力者”而非“颠覆者”,帮助制造企业加快转型升级的步伐。

  “人工智能+制造”本质是追求人机协同

  人工智能作为一类信息技术,诞生于20世纪50年代,几乎与计算机同步。60多年来人工智能涉及的技术和派系众多,学界并没有一个明确的定义。对于大多数公众而言,从其发展目的的角度,可以简单将其理解为“与人类一样聪明的人造机器”。

  将这个聪明的“机器”放入制造业中,主要的作用就是使机器能够“达到甚至超过人类技工水平”,以实现企业生产运营效率的提升。这个放入“人工智能”的“智能化”过程,与过去制造业追求“自动化”的过程实际上有本质的差异。“自动化”追求的是机器自动生产,本质是“机器替人”,强调大规模的机器生产;而“智能化”追求的是机器的柔性生产,本质是“人机协同”,强调机器能够自主配合要素变化和人的工作。

  因此,“人工智能+制造”未来所追求的,不应是简单粗暴的“机器替人”,而应是将工业革命以来极度细化、甚至异化的工人流水线工作,重新拉回“以人为本”的组织模式,即让机器承担更多简单重复甚至危险的工作,而人承担更多管理和创造工作。

  “人工智能+制造”必然走向平台模式

  制造业是一个庞大的产业,同一个厂房里,可能有好几种来自不同厂家的生产设备,这些设备往往采用各自的技术和数据标准,彼此之间并不能直接连通和交互。不同的工厂乃至不同的制造业企业,差异就更大了。这样的差异使得传统制造业信息化难度大、效率提升有限。

  互联网的普及和发展催生了“平台模式”,平台内信息传播的速度大大增加、交易成本大大降低,有效促进了经济效率的提升。近几年,互联网的这个模式逐渐扩展到了各行各业。对于制造业而言,这个模式就是“工业互联网平台”。

  未来“人工智能+制造”的实现的重要基础就是这个平台,由这个平台为产业提供通用的算力(工业云计算和边缘计算)、算据(工业大数据)和算法(工业人工智能)能力,从而推动整个产业的转型升级。根据调研公司MarketsandMarkets的数据显示,这三部分代表的全球工业互联网平台市场规模占整体“人工智能+制造”的比例,将从2016年的24%增长为2025年的36%,达到2.6千亿美元。

  互联网助力“人工智能+制造”的三类典型场景

  互联网经过数十年发展,已成为信息革命的中坚力量,也是当前人工智能技术发展的领航者。其连接、数据、云、算法和安全等五方面的经验与积累,能够有效支持其推动人工智能与各产业结合落地。对“人工智能+制造”而言,目前互联网助力的典型场景主要有三类:

  一是产品注智,从软件到硬件的智能升级。互联网可以将其人工智能算法,以能力封装和开放方式嵌入到产品中,从而帮助制造业生产新一代的智能产品。如谷歌开发出专用于大规模机器学习的智能芯片TPU、腾讯AI开放平台对外提供计算机视觉等AI能力等。

  二是服务注智,提高营销和售后的精准水平。互联网可利用其人工智能算法,为制造企业提供更精准的增值服务。一是售前营销,以人工智能进行用户侧需求数据的多维分析,实现更实时、精准的广告信息传递;二是售后维护,以物联网、大数据和人工智能算法,实现对制造业产品的实时监测、管理和风险预警。如三一重工结合腾讯云,把分布全球的30万台设备接入平台,利用大数据和智能算法,远程管理庞大设备群的运行状况,有效实现故障风险预警,大大提升了排障效率并降低维护成本。

  三是生产注智,增强机器自主生产能力。互联网可帮助制造企业,将人工智能技术嵌入生产流程环节中,使得机器能够在更多复杂情况下实现自主生产,从而全面提升生产效率。目前主要应用在工艺优化,即通过机器学习建立产品的健康模型,识别各制造环节参数对最终产品质量的影响,最终找到最佳生产工艺参数;智能质检,即借助机器视觉识别,快速扫描产品质量,提高质检效率。

  总之对于复杂的制造业而言,互联网需要更多从合作者、助力者、服务者的角度看待。正如腾讯董事会主席兼首席执行官马化腾所言,腾讯“不会进入各行各业取而代之,而是做好连接、工具和生态三个角色”。在此基础上,人工智能等新一代信息技术才能更有效地发挥作用。

2018-06-13 17:14:49 展开全文 互动详情 163人气

       随着AI时代的到来,越来越多智能产品进入我们的生活,很多行业都将面临革新与被颠覆。目前来说,AI最被看好的落地领域,智慧金融首当其冲,特别是智能投顾。

  在欧美国家,透支着对智能投顾态度开放,智能投顾可以说是进行得如火如荼。而在中国,2018年可以说是智能投顾的元年,智投产品开始渐渐开始萌芽。

  随着互联网互联网技术的高速发展,普惠金融概念的广泛普及,中国财富管理市场的需求也将进一步扩大,银行、券商、基金公司、互联网金融公司纷纷投入开发智能投顾产品。智能投顾即将在新金融领域发挥重要作用,智能投顾成了区块链之外的又一个金融风口。一部分目光独到的投资者已经瞄准了这个风口。

  在智能投顾的概念尚未普及之时,一些智能投顾产品在2018年春天就陆续推出市场,获得了国内新型投资人的注意,而这些新型投资人主要是财富处于增长期的70-80后。而最后青睐的智能投顾产品,就包括有蚂蚁金服旗下的蚂蚁财富,招商银行开发的摩羯智投,中融国信金服旗下的波浪智投。

  国内的智投产品,目前大致可以分为三个阶段。

  第一阶段是根据产品的风险评测结果,智能推荐理财产品(组合),让投资者自身做出投资决策,蚂蚁财富这就属于这一个阶段的智投产品。

  第二个阶段是一站式理财,投资者无需选择理财产品,而只需根据评测结果选择是否接受智能投顾推荐的理财方案,比较经典的产品,就是摩羯智投。

  第三个阶段是一键式跟投理财,智能交易产品经过至少百万次的训练与调试,在市场进行智能化投资,投资者无需选择理财产品,只需要根据产品的风险收益评估结果选择是否接受跟随投资,波浪智投就属于这类型跟随投资的智投产品。

  三个阶段的智投产品,可以反映出AI在金融系统中,发挥的作用越来越智能,通过AI建立起来的金融平台大规模自动化系统,让监管、银行、投资机构等决策行为减少对个人经验的依赖,从而建立新型的资金管理协作系统。

  那么,我们还能抓住风口吗?

  回溯00年代的房地产金融,圈地最多的房产大佬迅速占领了风口,获取了巨大的资金;10年代,互联网疯狂发展,我们的生活除了发生了天翻地覆的变化之外,导致更多的金融资源和资本流入了互联网行业。互联网巨头们的资产与影响力渐渐超越了房地产大佬。

  如今,互联网局势大致已定,而人工智能的战火才刚刚燃起。

  2018年,是人工智能在金融行业应用的普及年,投资者入手的好时机。当前正式下发的资管新规、首次将智能投顾纳入监管,明确要求只有持牌照的金融机构可以运用人工智能技术开展投资顾问业务,这也意味着AI理财行业格局即将面临更健康的发展环境。

  有一句老话是:站对了风口,猪都能发财。而智能投顾,即将迎来大发展,成为下一个大量资本流入的风口,值得关注,不容错过。

2018-06-08 10:35:43 展开全文 互动详情 86人气

       智能投顾是将人工智能应用于客户资产管理过程的技术,通过对客户的风险偏好、风险承受能力进行数据评估,进而计算出适合客户的投资组合。智能投顾相对于传统投顾,具有更广的覆盖面、更低的门槛,使得投资顾问可以服务更多的“长尾用户”,变成一种普惠金融,可以推动金融向个性化、自动化、资产再平衡等方向衍进。

  在人工智能应用方面,中国一直被视为实现商业智能化的最佳市场。目前人工智能在国内金融领域发挥的社会价值越来越大,“科技+金融”也愈渐成为金融业的主流趋势,智能投顾就是目前金融科技最前沿的应用之一。

  而自资管新规释放出打破刚性兑付的信号以来,智能投顾的发展迎来新机遇,逐渐成为金融机构的“标配”。据品钛财富管理业务CEO郑毓栋讲解,目前,国内财富管理市场因为有保本保息理财产品存在,还没形成“所有投资收益要用风险来换”的意识。一旦从监管层面打破了刚性兑付,投资者会发现之前习以为常的“保本收益”概念将不复存在。

  智能投顾成“标配” 业务场景化是核心

  智能投顾的基本原理是,根据对投资者的画像进行大类资产配置,通过模型算法追求相同风险下的最大收益,或同等收益下的最低风险。在刚兑被逐渐打破的过程中,这样将风险与收益进行匹配的标准化资产配置服务也会逐渐被投资者接受,智能投顾会迎来更多市场机会。

  作为“金融科技赋能整体解决方案供应商”,品钛自成立以来,就形成了包括智能信贷技术服务、智能投顾技术服务、互联网基金销售解决方案、互联网保险销售解决方案等在内的金融产品运营解决方案和服务,与智能投顾的广阔发展前景相契合。

  而在人工智能结合各种各样的数据进行具体应用时,业务场景化是核心,智能投顾亦是如此。品钛恰好专注于将纷繁复杂的场景、流量、数据、风控、资金、产品等零售金融关键要素予以标准化,打造成端到端的解决方案,像芯片一样嵌入到客户的产品与服务体系之中,帮助他们快速实现智能化转型,提升商业价值和竞争力。

  未来,通过智能投顾等服务的普及和品钛等金融科技公司的赋能,众多中小型商业与金融机构可以像科技巨头一样快速实现智能化转型,迎接中国消费升级的大潮。

2018-06-04 18:07:44 展开全文 互动详情 68人气

在人工智能不断发展的今天,无人商店、无人驾驶汽车、AI“诗人”相继出现,哪些存在于科幻和想象中的未来科技正逐渐走向现实。

人工智能技术的升级,更是让机器人更多地走进工厂,同时也走向人们的日常生活。

但是人们也担忧未来一些的行业会逐渐被机器人取代,导致大量的人们丢掉饭碗,造成失业的浪潮。

机器人抢饭碗

以前是程序员编写代码,指挥机器做事。而人工智能的火热发展,则让具有深度学习程序的机器人,可以模仿人类感知世界的方式,不断获取经验和知识,去代替人类完成许多工作。

日本媒体曾报道了一则消息,该国一家人寿保险公司的企业一口气炒了34名员工的鱿鱼,取而代之的,是采用人工智能系统来计算保险费用的支付。

该公司测算后估计,这项措施有望一年节省大约1.4亿日元的工资成本,而工作效率则提升了30%。

更糟的是,被人工智能威胁的岗位,已经不仅局限于被认为知识密度较低的蓝领阶级工作,就连需要高学历的工作也有不少面临被人工智能取代的风险。

就连收入水平最高的职业律师行业,因为法律文件有太多固定格式,对人类或许如天书,对人工智能来说却轻而易举。

人工智能带来“新饭碗”

很多人都在担忧人工智能技术的发展以及机器人的应用会让自己失去工作,但是人工智能可能反而会带来大量的新饭碗。

国外调研机构Gartner表示,随着人工智能技术的加速应用,到2020年将有180万个工作岗位被淘汰,但届时将创造230万个就业岗位。

专家也认为,人工智能的发展本身会带来“新饭碗”,而相对于“转行”,更多人需要考虑的可能是“转型”,适应未来的发展需要。

未来某些工作岗位会增加,比如人工智能程序开发和管理。员工不再需要处理繁杂数据等,而是要教会机器人做这些事。

很显然,许多工作的生产率将因人工智能技术而获得提高,数以百万计的中层和低级职位将被取代,但同时也将会创造数以百万计的高技能、管理等岗位。

在未来,将人工智能应用于非日常工作更有可能帮助人类,而非取而代之。人类或许将和人工智能成为很好的合作伙伴,来实现工作效率与价值的最大化。

2018-05-30 15:56:56 展开全文 互动详情 137人气

人工智能是新一轮技术革命的重要方向,随着技术产品的快速迭代,正不断融入各行各业。近日,由中国经济信息社出品,中国经济信息社江苏中心专业团队会同业内专家共同研撰的《新一代人工智能发展年度报告2017》(下称《年报》)在苏州发布。《年报》显示,人工智能在金融行业应用场景丰富广泛,智能投顾是“AI+金融”当下的应用发展重点。

AI+金融即智能金融,本质上是人工智能技术驱动的金融创新。人工智能使金融账户的安全问题得到一定解决,同时强计算能力也弥补了人类在建立投资组合时的不足。

目前,人工智能在金融领域的应用场景主要包括智能投顾、智能量化交易、智能客服、金融搜索引擎、身份验证和征信、风控等。人工智能领域在金融行业比较成熟的应用主要有智能投顾、智能量化交易与智能客服,主要采用的方法有机器学习、自然语言处理、知识图谱和计算机视觉等。

《年报》认为,智能投顾是当下AI+金融的应用发展重点。智能投顾降低了投资的门槛,较低的费率以及边际服务成本无限趋近于零,拥有较高的专业化程度以及无视人性缺点的策略执行力。较传统投资顾问相比,智能投顾服务流程更加简化,理财服务更加专业化也更加有效率。

智能投顾应用前景良好,已受到国内外多数主流智能投顾公司青睐。以著名的美国智能投顾平台Wealthfront为例,该公司借助机器与量化技术,为经过调查问卷评估的客户提供量身定制的资产投资组合建议。2015年1月,其管理资产仅为18.3亿美元,2015—2016年Wealthfront管理资金规模增长将近64%。截至2016年2月底,Wealthfront的资产管理规模已达近30亿美元。

《年报》认为,未来,个性化定制服务将成为智能投顾的主要发展趋势,智能投顾业务形态有望迈向“管家式个人财富中心”。人工智能将为每一位客户提供量身定制的资产管理投资方案,并提供自动化的投资管理服务最大化投资回报。随着个性化定制服务的出现,智能投顾市场将快速扩张。根据MyPrivateBanking预测,到2020年,全球智能投顾行业资产管理规模将达1.6万亿美元,2016—2020年间复合增长率将达113%。

2018-05-28 10:37:09 展开全文 互动详情 112人气

猜你喜欢

砖家说说更多

实盘数据 点掌实盘说明

  • 重组100
  • 成长100
  • 蓝筹100
组合收益
上证指数
深证成指
沪深300
中证500
创业板
  • 一周
  • 一月
  • 三月
  • 六月
  • 一年
  • 创建以来
  • 对标涨跌:
版权所有: 上海点掌文化传媒股份有限公司 (2012-2018)
互联网ICP备案 沪ICP备13044908号-1 广播电视节目制作经营许可证(沪)字第0428号 沪ICP证:沪B2-20150089 互联网直播服务企业备案号:201708210015
网络文化经营许可证:沪网文[2018]6619-427号
沪公网安备 31010702001519号 违法和不良信息举报热线:021-31268885 网站安全值班QQ:800800981 举报邮箱:

您还未绑定手机号

请绑定手机号码,进行实名认证。

立即绑定

请填写验证码,如看不清楚,可点击验证码图片刷新

确认
X

您修改的价格将提交至后台审核审核时间为1个工作日,请耐心等待

确定 取消
X

互联网跟帖评论服务管理规定

第一条 为规范互联网跟帖评论服务,维护国家安全和公共利益,保护公民、法人和其他组织的合法权益,根据《中华人民共和国网络安全法》《国务院关于授权国家互联网信息办公室负责互联网信息内容管理工作的通知》,制定本规定。

第二条 在中华人民共和国境内提供跟帖评论服务,应当遵守本规定。

本规定所称跟帖评论服务,是指互联网站、应用程序、互动传播平台以及其他具有新闻舆论属性和社会动员功能的传播平台,以发帖、回复、留言、“弹幕”等方式,为用户提供发表文字、符号、表情、图片、音视频等信息的服务。

第三条 国家互联网信息办公室负责全国跟帖评论服务的监督管理执法工作。地方互联网信息办公室依据职责负责本行政区域的跟帖评论服务的监督管理执法工作。

各级互联网信息办公室应当建立健全日常检查和定期检查相结合的监督管理制度,依法规范各类传播平台的跟帖评论服务行为。

第四条 跟帖评论服务提供者提供互联网新闻信息服务相关的跟帖评论新产品、新应用、新功能的,应当报国家或者省、自治区、直辖市互联网信息办公室进行安全评估。

第五条 跟帖评论服务提供者应当严格落实主体责任,依法履行以下义务:

(一)按照“后台实名、前台自愿”原则,对注册用户进行真实身份信息认证,不得向未认证真实身份信息的用户提供跟帖评论服务。

(二)建立健全用户信息保护制度,收集、使用用户个人信息应当遵循合法、正当、必要的原则,公开收集、使用规则,明示收集、使用信息的目的、方式和范围,并经被收集者同意。

(三)对新闻信息提供跟帖评论服务的,应当建立先审后发制度。

(四)提供“弹幕”方式跟帖评论服务的,应当在同一平台和页面同时提供与之对应的静态版信息内容。

(五)建立健全跟帖评论审核管理、实时巡查、应急处置等信息安全管理制度,及时发现和处置违法信息,并向有关主管部门报告。

(六)开发跟帖评论信息安全保护和管理技术,创新跟帖评论管理方式,研发使用反垃圾信息管理系统,提升垃圾信息处置能力;及时发现跟帖评论服务存在的安全缺陷、漏洞等风险,采取补救措施,并向有关主管部门报告。

(七)配备与服务规模相适应的审核编辑队伍,提高审核编辑人员专业素养。

(八)配合有关主管部门依法开展监督检查工作,提供必要的技术、资料和数据支持。

第六条 跟帖评论服务提供者应当与注册用户签订服务协议,明确跟帖评论的服务与管理细则,履行互联网相关法律法规告知义务,有针对性地开展文明上网教育。跟帖评论服务使用者应当严格自律,承诺遵守法律法规、尊重公序良俗,不得发布法律法规和国家有关规定禁止的信息内容。

第七条 跟帖评论服务提供者及其从业人员不得为谋取不正当利益或基于错误价值取向,采取有选择地删除、推荐跟帖评论等方式干预舆论。跟帖评论服务提供者和用户不得利用软件、雇佣商业机构及人员等方式散布信息,干扰跟帖评论正常秩序,误导公众舆论

第八条 跟帖评论服务提供者对发布违反法律法规和国家有关规定的信息内容的,应当及时采取警示、拒绝发布、删除信息、限制功能、暂停更新直至关闭账号等措施,并保存相关记录。

第九条 跟帖评论服务提供者应当建立用户分级管理制度,对用户的跟帖评论行为开展信用评估,根据信用等级确定服务范围及功能,对严重失信的用户应列入黑名单,停止对列入黑名单的用户提供服务,并禁止其通过重新注册等方式使用跟帖评论服务。国家和省、自治区、直辖市互联网信息办公室应当建立跟帖评论服务提供者的信用档案和失信黑名单管理制度,并定期对跟帖评论服务提供者进行信用评估。

第十条 跟帖评论服务提供者应当建立健全违法信息公众投诉举报制度,设置便捷投诉举报入口,及时受理和处置公众投诉举报。国家和地方互联网信息办公室依据职责,对举报受理落实情况进行监督检查。

第十一条 跟帖评论服务提供者信息安全管理责任落实不到位,存在较大安全风险或者发生安全事件的,国家和省、自治区、直辖市互联网信息办公室应当及时约谈;跟帖管理服务提供者应当按照要求采取措施,进行整改,消除隐患。

第十二条 互联网跟帖评论服务提供者违反本规定的,由有关部门依照相关法律法规处理。

第十三条 本规定自2017年10月1日起施行。

请前往个人中心进行实名认证

立即前往

注册

请选择打赏数
  • 10牛
  • 30牛
  • 50牛
  • 其它
砖家也不容易,有你打赏更精彩

该文章您还未购买,确定要打赏吗?

付100牛即可查看有谁在踩

您还未绑定手机号

请输入手机号码,获取验证码进行手机绑定。

获取验证码

您的个人信息将严格保密,请放心填写

赠人玫瑰 手有余香
感谢您的鼓励,点赞之余在留个言吧!
换一组 换一组