人工智能将取代银行岗位，智能投顾你信吗？

人工智能、机器人、自动化、自然语言处理等现代科技都在迅猛发展，在给人类社会带来便利高效的生活、推动全要素生产率大幅提高的同时，一个残酷的现实已经摆在我们面前，那就是“机器吃人”的时代即将到来。

笔者此前一再强调，全球各大金融机构都在研发智能投资顾问，关于金融分析师将要失业的声音也沸沸扬扬。被誉为全球金牌金融分析师“摇篮”的CFA协会，已经敏锐地观察到了这风向。CFA与时俱进，已经准备将智能投顾（又称机器人理财）内容纳入CFA的考试课程之中。

智能投顾分析师研发出来后马上就可以投入使用，目前一些机构的智能投顾已经投入使用了，也已经招揽到了客户。金融业是高端服务业，金融分析师是高端中的高端，智能投顾的发展使金融分析师岗位都可以被取代，试想，还有什么岗位不会被人工智能代替呢？

那么，人工智能最早将取代哪些岗位呢？可能会是像机器一样工作的会计岗位、行政岗位，还有属于复杂劳动的金融分析师等。你的工作属于哪类？要提早做到心中有数了。

未来金融机构的员工多数是科技人员

传统金融要面临的更大冲击是金融科技。从浅层次分析，主要是以人工智能为主的智能金融，包括智能投顾、智能自助设备等；深入一点就是以区块链技术为主的去中心化数字货币对整个中心化、中介化的金融机构的颠覆。

金融科技扑面而来，对传统金融的机构与人力资源配置都提出了新要求、新挑战，金融同业竞争也发生了彻底的变化。

如何变化呢？对此，腾讯投资管理合伙人李朝晖表示：“金融的未来是技术的竞争，未来到底用什么来进行交易？我们可以预想，未来很有可能在这样的特定市场里，就是几个最强有力的金融战场，高盛是一家、 Google是一家、富达是一家，它们有成千上万的工程师、成千上万的算法科学家、成千上万的服务器，它们可能使用量子计算机进行计算，不说秒杀一般的小散，秒杀一般的金融机构也是非常正常的。”

笔者大胆预言，如果传统银行不转型，未来15年内传统金融或将变为文物化石。仅从人员结构上看，未来的金融机构员工多数都将是科技人员，也就是说目前的很多传统银行的员工都将失去工作。

银行业要做真正的智能投顾

智能投顾在全球范围内越来越火，各个国家都非常重视。特别是欧、美、日，可以说是智能投顾的领头羊。

尽管如此，中国有互联网金融、金融科技的强大科技基础，对智能投顾这个金融业最具有前景的行业，有动力去探索研发。在金融领域，如果错过AI金融，错过智能投顾，就必将错过金融业的未来。敏锐的中国企业是不会袖手旁观的，可喜的是中国商业银行都开始涉足智能投顾，尽管是初步的，也非常值得肯定。

如果说互联网金融是普惠金融，那么智能投顾就是标准的普惠金融投资顾问。现有的人工分析师投资顾问中，至少要达到100万元的投资门槛才有资格享受投资顾问的“辅导”。传统的投资顾问是富人的专属投资产品，和一般投资者无关。

智能投顾涌现后，其普惠性迅速显现出来，一般投资者几乎都可以享受到这个高层次的顾问待遇。特别是工、农、中、建、交五大国有银行推出智能投顾后，其普惠性受众群体迅速扩大。服务人群更广、投资门槛更低、管理费率更低，还能实现相对高的投资回报。

人工智能的发展，在推进社会科技化的同时，也带来了是否会导致大规模的失业和裁员的担忧，我们不禁会思考：人工智能会替代我们的工作吗？

麦肯锡曾经出过一份报告，预测未来人工智能将取代近一半的现有岗位，其中必然被取代的就是一些重复机械、效率低下的劳动，这其中就包括银行职员。但是一部分职业消失的同时，也会伴随着部分职业的兴起，人工智能在金融领域实现技术落地，与其说是取代不如说是改变，它改变了传统金融机构的一些工作模式与规则。随着人工智能在金融领域的应用场景越来越丰富，与其担忧工作被取代，不如思考如何顺应趋势利用人工智能改变自己的工作。

从互联网金融到数字金融，科技变得越来越重要，近几年互联网科技公司也开始向金融领域渗透，且热情越来越强烈。互联网科技公司进入金融行业有哪些优势，又会给金融行业带来哪些转变呢？

来源：梯子阅读

AI驱动金融创新 助力产业转型升级

近年来，在人工智能第三次发展浪潮的席卷之下，AI在金融领域的各个细分行业中扮演着越来越重要的角色，“智能金融”的理念不断升温。业内人士认为，智能金融是人工智能与金融行业深度融合的产物，可以重塑金融价值和金融生态。

为何人工智能技术在发展到第三次浪潮时，能够迅速在金融领域找到应用场景，并且实现爆发式发展呢？业内分析指出，金融行业拥有海量的数据，这为人工智能的发展提供了天然的实践场景和深度学习进化训练。与此同时，金融行业的边界相对清晰，对于当前还处于“弱人工智能”阶段的人工智能来说，无疑是优良的应用场景，因为处于这一阶段的人工智能“专注于特定领域和完成特定的任务”。

成立于2014年的百融云创就专注于人工智能在金融领域的风控应用，并一直持续投入研发，最终形成了人工智能在金融大数据领域系统化的应用。百融云创还于2018正式成立了人工智能实验室，加强算法研究和算力提升，将金融AI成果应用到风控、反欺诈、智能营销、智能客服、智能催收等多业务场景，取得了丰硕的成果。

在风控方面，从设备反欺诈、身份核验、信息核验、历史行为检验、反欺诈综合评分、团伙欺诈排查等贷前反欺诈环节到贷中和贷后管理等，百融云创AI的应用造就了一个个风控黑科技，将金融风险预警化解能力提高到崭新的水平。

在最具交互性的智能机器人方面，百融云创人工智能金融实验室打造的“百小融”，采用目前先进的语音识别（ASR）、自然语言处理（NLP）、语音合成（TTS）和智能语音打断技术，并结合了百融云创庞大的知识图谱，支持超过多轮的精准回答交互，在营销和贷后管理场景的应用，可以迅速为金融机构节约成本，提升效率。

在消费金融领域，百融云创利用先进的人工智能+大数据技术可以实现对消费金融不同目标客群的个性化风险防控，涵盖如智慧农业、教育、家装、医美、租房、3C等多个消费场景。经过多年的行业积累，目前可以帮助金融机构实现前端营销获客、全流程风险控制、系统能力建设等全生命周期的服务。

当金融遇上人工智能，邂逅的不仅仅是技术驱动和效率提升，随之而来的还有颠覆、创新和全面升级。未来百融云创将继续致力于人工智能在金融场景的应用及技术边界探索，为金融数字化转型提供更具有价值的科技服务。

来源：腾讯网

从实验到实施：人工智能如何证明其在金融服务中的价值

对于金融机构来说，从冠状病毒疫情中恢复将会结束他们采用人工智能(AI)和机器学习(ML)的实验性工作，并要求大规模采用。疫情危机要求金融组织全天候响应客户需求，因此他们不断加快转型的步伐，但是必须确保其核心关键业务继续平稳运行。这引起了金融行业对人工智能和机器学习解决方案的兴趣，这些解决方案减少了对操作进行人工干预的需求，显著提高了安全性，并为业务创新腾出了时间。人工智能和机器学习减少了从产生创意到为创造价值之间的时间，为组织带来了长期的战略优势。

人们现在看到很多银行和金融机构正在转型成为类似于大型科技公司的数字化驱动型组织，致力建立能够持续关注客户的能力。那么银行和金融机构如何才能充分利用人工智能?在实践中有哪些关键用例?

对业务的好处

在疫情发生之前，许多金融服务机构已经采用了人工智能和机器学习。然而，人们难以确定哪些关键功能从人工智能中受益最大，因此这些技术并不总能带来预期的回报。这种情况将在未来几个月内发生变化：人工智能和机器学习部署的增加将成为疫情期间经济复苏的核心，疫情突出了应用人工智能的特定领域。这些范围从信用贷款决策、防止欺诈到通过无摩擦的全天候互动改善客户体验。

人工智能可以改进的一些特定金融服务流程包括：

智能自动化文档处理

人工智能和机器人流程自动化优化了各种功能，提高了效率，并提高了核心财务流程的整体速度和准确性，从而显著节省了成本。一个典型的领域是e-KYC，这是一个远程的、无纸化的过程，可以减少“了解客户”协议的审批成本，例如验证客户身份和签名。

这项任务曾经涉及重复和平凡的工作，需要付出相当大的努力来跟踪文件处理、贷款支付和偿还情况以及监管整个过程。然而在今年，很多组织正在采用智能自动化平台来管理、解释和提取非结构化数据，其中包括文本、图像、扫描文档(手写文档和电子文档)、传真和网页内容。这些平台运行在自然语言处理(NLP)引擎上，该引擎可以识别任何丢失、看不见和格式错误的数据，提供近乎完美的精确度和更高的可靠性。由于缩短了平均处理时间，组织通过改善客户体验获得显著的竞争优势。

高效、全面的客户支持

虚拟助理能够以更少的人工投入来响应客户的需求。作为一种提高生产率的简单方法，减少了在客户查询时花费的时间和精力，从而使组织团队能够专注于推动业务创新的长期项目。

人们都熟悉电子商务网站上的聊天机器人，并且这样的解决方案在金融服务行业中变得越来越普遍。摩根大通(JP Morgan)等金融机构现在正利用聊天机器人简化其后台操作，加强客户支持。这些平台包括COIN平台，该平台运行在银行私有云网络支持的机器学习系统上。除了创建对一般查询的适当响应之外，COIN还可以自动执行法律归档任务、审阅文档、处理基本的IT请求(如密码重置)，并为银行家和客户创建了新的工具，从而提高他们的熟练程度，并减少人为错误。

风险管理分析

评估信誉度主要基于个人或组织偿还贷款的可能性。确定违约的可能性是所有贷款组织的风险管理流程的基础。即使有无懈可击的数据分析，评估这一点仍然存在困难，因为可能对一些个人和组织偿还贷款的能力不信任。

为了解决这一问题，Lendo和ZestFinance等公司正在使用人工智能进行风险评估，并确定个人的信用度。像Equifax这样的信用机构也使用人工智能、机器学习和先进的数据和分析工具来分析风险评估中的替代来源，并在这个过程中获得洞察力。

以往在这个过程中通常使用贷款者有限的数据集，例如年薪和信用评分。然而，采用人工智能技术，组织现在能够考虑个人的数字财务足迹来确定违约的可能性。除了传统数据集之外，这种替代数据的分析对确定没有常规贷款或信用记录的个人的信誉尤其有用。

现在是采用的时候了

在今年，企业和客户之间的互动方式发生了不可逆转的变化，金融行业也不例外。在疫情带来的紧迫性之前，金融机构已经在有限的范围内尝试采用人工智能和机器学习技术。今年得以更加广泛的采用源于金融行业对业务创新和提高弹性的需要。

银行和金融机构现在已经意识到了受益于人工智能的关键领域，例如，后台运营效率的提高以及客户参与度的显著提高。在疫情发生之前还处于起步阶段的转型已经加速，并且正迅速成为一种标准。更重要的是，现在接受人工智能并优先考虑其全面实施的金融机构将有可能在未来获得更多的回报。

来源：TechWeb

量化投资市场环境改善利好A股流动性

近期，有消息称券商股票交易接口有望对量化私募放开，引起市场广泛关注。虽然关于放开的范围等具体细节尚未进一步明确，但结合当下监管层面对市场的呵护态度以及优化交易监管的定调，量化投资有望再度活跃，从而为A股市场引入活水。

伴随2010年沪深300股指期货的问世，中国对冲基金时代揭开帷幕，并在三年后实现快速增长。2015年股指期货因政策方面的限制，流动性骤降，使得量化对冲策略的基础工具受到动摇。同时监管部门为防范程序化交易对于市场波动的放大，于2015年停止了私募、信托等产品接入券商交易端口。近两年来，量化对冲产品的发行数量降幅明显，既有股指期货流动性不足、期指长期呈现贴水状态、续费高昂、限仓政策等来自股指期货层面的因素，也有A股市场低迷，金融严监管政策落地的限制。

展望2019年，期指交易措施进一步回到正轨、量化接口放开、衍生工具进一步丰富完善等因素将使得量化对冲行业市场环境得到改善，量化对冲基金有望迎来大发展。

首先，股指期货进一步放开是大概率事件。22日，监管层有关领导表示，股指期货进一步放开政策将尽快推出。从2017年以来，股指期货交易政策经历了三次调整，但与2015年以前相比，无论是保证金比例、手续费还是开仓限制等方面，仍有较大差距，期指交易限制进一步放开直至回归正轨将是大概率的事件。期指流动性回归、价差贴水缩小直至回归正基差值得期待，量化基金的后顾之忧解决之后，产品规模有望迎来快速增长。

其次，量化交易接口的放开将提升交易效率，为高频策略基金返场打通了任督二脉。据私募排排网透露，自2015年股票程序化自动交易接口被封之后，量化私募程序化交易一直是以券商采购私募交易系统的方式在进行，也并非所有的量化私募能够通过这种方式实现自动交易，更多的还是通过券商的自动下单系统手工下单或者本文扫单的方式进行，效率较低。股票程序化交易接口的重新放开，将改变这一现状，高频产品的返场则将进一步提升股指期货的活跃度。

第三，金融期权有望扩容。近期，股票期权活跃度不断提升，持仓再创新高。有消息称，未来将有更多金融期权品种上市，如以沪深300、中证500等主流指数ETF为标的的期权品种，衍生品工具的进一步丰富，意味着量化对冲策略将更加多元化。

当然，有了相关不当的程序化交易危害市场、侵害投资者权益案例的前车之鉴，可以预见的是，监管层将完善制度，堵住干扰市场正常运行的不法交易的漏洞，鼓励合规合法的量化交易。而据机构预测，本次放开有利于量化产品的效率提升和规模发展，从而刺激两市交易和流动性，预计对交易量边际影响5%以内。也有机构预测量化行业的复苏将为A股来带上千亿增量。

来源：中国经济网

量化投资是什么？这篇让你有个初步的认识！

A股的短线选手，总是不停的应对变化。20年前，学点技术指标足以应对市场。后来，简单的技术指标不足以应对，于是引进了一些外来的理论，比如江恩，波浪等，国内的有缠论。10年后，随着各路游资风起云涌，短线股民又学习龙虎榜，之后，自媒体崛起，同质化严重，股民们学习逻辑。

不变的是变化。

近两年，资本市场改革很快，去散户化严重，压缩了短线选手生存空间。

一些股民也在寻求转型，将目光转向了量化领域。

量化投资，就是从海量历史数据中寻找能够带来超额收益的多种“大概率”事件，按照这些规律构建数量化模型，并严格按照模型进行投资。大多数的投资人是主观选股，即他们根据自己的经验，直觉，偏好等主观因素来选股，比如有的人喜欢小市值，强势的股票，另一些人喜欢大盘，蓝筹股。量化投资不是从个人主观的经验、直觉、偏好出发，而是通过统计分析，从历史数据中找到影响股票价格变动的因素，并赋予这些因素不同的权重，从而形成对股票的最终判断。我们通常把影响股票价格波动的因素称为因子，所以量化选股模型也常被称为多因子模型。

量化多因子选股模型的基础是因子的挖掘和选择。量化投资者寻找因子主要依靠各种理论（包括经济，金融，心理学等），市场观察，和对经验的总结等。检验因子的手段是回溯测试，即考察因子在历史数据当中是否有预测的效果。

当我们完成对因子的选择后，接下来要做的就是确定不同因子对不同类型股票的重要性。

确定好因子以及它们的权重后我们就可以对股票的相对吸引力做一个排名，相对吸引力高的股票就是模型青睐的股票，也就是量化投资的标的。

量化投资不神秘，但也不简单。如何挖掘和选择因子，以及如何利用因子都是复杂的问题。

好的量化模型一直都在不断进化，进化的原因可能是市场生态的改变，也可能是数据量的增加或者是技术的进步。专业的量化投资者需要做的是充分认识到模型的优势和局限性，不断优化模型，与时俱进。

来源：空欢喜

量化投资前景广阔

新华网北京8月31日电 在29日举行的第八届中国财富管理发展论坛暨中泰XTP杯中证金牛首届量化私募大赛启动大会上，中泰证券总裁毕玉国表示，我国经济长期向好基本面没有变，随着市场投融资环境进一步优化，资本市场进入机构投资者时代，量化产品需求旺盛，量化投资前景广阔。

毕玉国说，今年以来，受新冠肺炎疫情影响，世界经济下行压力加剧，不确定因素显著增多。但是从国内来看，随着国家一系列稳增长保就业、释放流动性等措施出台，二季度经济取得超预期增长，经济长期向好基本面没有变，这为银行、保险、信托、私募等资产管理机构提供了稳定的发展环境和广阔的发展空间。

他认为，近年来，随着注册制、对外开放等资本市场全面深化改革的推进，市场投融资环境进一步优化，越来越多的投资者将资本市场作为重要的财富管理手段，进一步拓宽了资管行业的资金来源，同时越来越多的优质企业进入资本市场，为财富管理、资产配置提供更多选择，有助于资管行业获得更好的投资回报。

他特别指出，随着资本市场进入机构投资者时代，量化产品需求日益旺盛，量化投资前景广阔、空间巨大。中泰证券高度重视对银行、信托、保险、资管、私募等机构的服务，能够提供包括托管、外包、PB交易、投研、信用、资产管理、投行、财富管理等在内多元化金融服务。

毕玉国还介绍了中泰证券公司自主研发的XTP系统。该系统聚集了大批量化私募客户，覆盖了市场上绝大部分主流量化私募，已成为行业量化交易平台，形成以公司专业化交易系统为基础、定制化交易系统为突破点的核心金融科技生态体系。

来源：新华网客户端

2020前海量化投资高峰论坛 量化投资进入新的阶段

12月25日，由中国证券监督管理委员会深圳监管局（以下简称深圳证监局）指导，深圳私募基金业协会（以下简称私募协会或协会）主办，招商证券承办，中信证券、华泰证券、广发证券协办的2020前海量化投资高峰论坛在深圳市前海万科国际会议中心举行。

随着资本市场的深化改革，以及大数据、云计算、人工智能等新兴技术的飞速发展，程序化智能投资模式正在国内迅速崛起，量化投资机构正逐渐成为国内多层次资本市场一支不可或缺的力量。私募协会举办此次高峰论坛标志着深圳私募证券投资基金行业，尤其是量化投资的发展进入了新的阶段。

深圳证监局一级巡视员、私募协会监事长朱文彬先生，招商证券董事长霍达先生，资本市场学院副院长彭文革先生，私募协会副会长、盈峰资本董事长蒋峰先生，深交所交易监管部总监李庆中先生，深圳市前海地方金融监管局综合处处长杜伟伟先生，香港中文大学深圳金融科技教授张劲帆先生，华为云人工智能领域总裁贾永利先生，泰康资产金融工程部负责人、董事总经理任建畅先生，私募协会监事、诚奇资产董事长何文奇先生，华泰证券首席财务官焦晓宁女士，广发证券总裁助理王新栋先生，中信证券深圳分公司负责人梁琪女士出席了本次论坛。

此外，福田区金融局、资本市场学院、深圳市证券业协会及部分证券类私募机构的相关负责人和代表们莅临了论坛现场，现场论坛人数超过160人。

论坛伊始，朱文彬一级巡视员、监事长为本次论坛致辞。朱文彬指出，在国家高度重视数字化和科技创新的大背景下，聚焦深圳证券类基金量化投资主题，举办此次量化投资高峰论坛，有助于凝聚共识，提振信心，形成合力，促进行业机构的充分交流和共同进步。与此同时，朱文彬对量化行业的发展提出三点意见：一是关注资本市场数字化战略及量化投资发展动向；二是在大资管与大湾区背景下，关注深圳私募证券基金的发展现状与提升空间；三是抓住机遇聚焦主业，在防控风险的前提下促进行业量化投资的更好发展。

随后，霍达董事长为本次论坛致辞。他表示，第一，我国资产管理行业将迎来持续快速的发展阶段。券商将迎来机构化交易时代，券商的PB业务、交易系统、研究服务、流动性支持需要不断优化以满足机构化交易的需求。第二，量化投资赛道正处于方兴未艾的发展阶段。近年来，量化投资的业绩获得了投资人的认可，未来发展潜力大。第三，深圳未来将成为量化私募机构成长发展的沃土。深圳背靠粤港澳大湾区，具有湾区的区位优势和先进市场化的经营理念，在政府的大力支持下，未来深圳还会培育出更多优秀的量化私募管理人。

接着，蒋峰副会长、董事长发表讲话。蒋峰表示，近年来中国资本市场基础性制度改革不断，成效明显，市场环境得到明显优化。私募协会在新的历史起点下，将积极践行“服务、协调、自律、先行”的宗旨，聚焦“专业化”发展方向，打出品牌，推动深圳私募行业专业、稳健发展，共同构筑健康、良好的发展生态。

致辞环节结束后，进入论坛的主旨演讲环节。张劲帆教授进行“美国量化投资的最新发展趋势”的主题演讲，李庆中总监进行“积极引导、精准监管，促进量化交易规范有序发展”的主题演讲，何文奇监事、董事长进行“对量化投资的理解与未来选择”的主题演讲，贾永利总裁进行“量化投资与人工智能”的主题演讲，任建畅董事总经理进行“量化基本面的前瞻与思考”的主题演讲，杜伟伟处长进行“前海金融产业发展及优惠政策”的主题演讲，现场气氛良好，与会嘉宾收获颇丰。

下午场是论坛的承办、协办单位介绍以及圆桌对话环节。招商证券托管部董事总经理易卫东，华泰证券融资融券部机构销售团队负责人唐圣睿，广发证券机构与同业部总监、机构业务负责人焦键，中信证券托管部B角、中信中证副总经理李文发表演讲，向参与论坛的各位嘉宾和私募机构介绍了公司的业务模式，以及未来在量化行业的布局与发展。

最后，论坛的尾声——圆桌对话环节正式开始。私募协会副会长、前海进化论董事长王一平，因诺资产创始人、投资总监徐书楠，私募协会理事、前海无量资本总经理孙炎，盛冠达资产董事长黄灿，私募协会会员单位、世纪前沿总经理吴敌作为圆桌论坛嘉宾上台分享观点。华泰证券深圳分公司机构业务负责人余佳作为嘉宾主持人与各圆桌论坛嘉宾探讨了当前金融形势下量化投资的机遇和未来发展方向，并就量化策略及技术层面的问题进行了进一步交流。现场各嘉宾各抒己见，讨论热烈，为深圳私募量化行业的长足发展提供了诸多有益见解。

未来，私募协会将继续举办前海量化投资高峰论坛，持续扩大量化论坛的影响力，吸引更多境内外优秀机构投资者前来参会，加深交流，互相促进，共同发展，为辖区量化私募证券机构搭建一个与全国优秀同行沟通交流的平台，推动深圳私募证券行业健康、有序发展。

来源：金丝路财经会

信也科技展出新模型平台 人工智能助力金融科技优先发展

最近一段时间，信也科技在上海的信也科技开放日首日展出9¾模型管理平台，给前来参展的大众带来眼前一亮的感觉。作为信也科技新研发的核心技术之一，9¾平台在信也科技强大的技术基础上被深入开发，以独特的人工智能模型为集团业务提供全链路一站式服务，帮助信也科技进行进一步的探索，赋能多方合作。

科技，让生活更美好

9¾模型管理平台：我从哪里来?

AI模型训练平台，基于核心模块和应用场景的不同，又可以称为深度学习平台、机器学习平台、人工智能平台。用户在AI平台能够使用不同的机器学习框架进行大规模的训练，对数据集与模型进行管理和迭代，同时通过API与本地部署等方式接入到具体业务场景中使用。

简单地说，AI平台=AI FAAS+（PAAS）+（IAAS）。业界不乏优秀的机器学习平台，如微软的Azure、亚马逊的AWS Machine Learning、阿里的PAI平台、百度的Paddle以及腾讯的TI平台。一般的平台产品基于基础的机器学习和深度学习计算框架进行二次开发，提供一站式的生态化服务，为用户提供从模型训练、模型评估、模型在线预测的全流程开发和部署支持，以期降低算法专家在工程化时的使用门槛。

9¾模型管理平台：我的解决方案

AI平台在搭建与落地的过程中，均会遇到机器学习门槛高、落地慢、实施周期长等问题。结合日常工作流程中遇到的问题，9¾平台提供了一系列的解决方案，以解决模型落地上的一系列难题。具体问题如下：

1、模型环境构建难，从模型到服务转化慢。2、多个模型共用一套环境，但模型需要独立更新，对环境的维护需格外谨慎，变更风险巨大。3、模型服务交付周期长，工程环节耗时长，人力投入大。4、模型服务回退慢，模型发布后，如发现有问题尝试退回到上一个版本需要数分钟，乃至数小时。5、模型服务扩容慢，面对突发流量时，响应延迟。

针对以上难题，9¾平台可提供详尽的解决方案，具体体现在以下五方面：

1、模型环境标准化描述，提供一套简单、统一、覆盖广的规范来定义模型环境，加快流程。2、将统一标准描述下的模型环境镜像化，支持模型容器化运行，提供模型环境隔离和模型运营隔离。3、工程环节代码采用自动生成技术，实现人力零投入，降低边际成本。4、模型发布环节采用蓝绿发布与金丝雀发布，提供操作简单的快速版本切换与流量切分。5、利用使用率、饱和度指标配合弹性伸缩算法，提供秒级的扩容，快速响应突发流量。

9¾模型管理平台：我的架构设计

根据企业不同的规模、资源及业务场景，AI平台往往有不一样的定位。例如AI和数据可同为一个中台、AI平台可视为业务中台的一部分、AI平台整合进技术中台或后台等。规模较小、资源有限的企业通常会选择使用第三方AI平台对业务进行服务，而非自建AI平台。但信也科技已有数据中台，因此信也科技的AI平台更多承担的是作为业务前台的模型算法供给角色，在数据中台的支持下，起到承载业务，对接数据与技术底层的作用。

信也科技9¾平台的架构设计

时下主流的AI平台有两种产品形态：一种是趋向AutoML，主要为非算法专家提供的可视化训练平台，通过拖拽、拉取等方式完成模型设计和训练中的组件排布，完成模型构建，例如Azure；另一种是为专业人士提供的模型设计和训练工具，将模型训练和管理通过工程化平台进行集成管理。也有集成两种方式的AI平台，例如阿里的PAI，为各种层次的人工智能工作者与爱好者提供不同专业程度的工具。

信也科技对AI平台的定位是能够快速解决问题、提高能效。因此，信也科技优先选择为算法和模型运维工程师提供针对模型生命周期管理的解决方案。

9¾平台加速了模型生成和服务化，可提供一整套从模型管理、模型训练到模型部署、模型监控的全生命周期解决方案。它不仅可帮助算法专家解决训练环境与训练过程中的保存管理问题，还可帮助解决在模型部署和上线时的各种问题，并提供线上部署模型的监控服务。

目前9¾模型管理平台已部署各类模型数百个，实现模型日服务量超过1000万；可在秒级内获取合适资源；能自动使用CPU、GPU资源，实现自动扩容，性能提升60%；模型上线仅需1分钟，大大节约了部署时间。

信也科技9¾平台的模型训练与线上服务

此外，9¾平台为模型训练提供了多套WorkSpace（工作区）容器。一个WorkSpace中包含多种模型开发时的工具，包括Jupyter、一些常用的IDE与一个终端界面。一个模型从准备到训练结束，产出代码均可在工作区内直接完成，在工作区内可安装各种依赖、尝试各种方法，甚至提交代码至Git，直至算法专家获得满意的模型。

针对模型的部署，信也科技独创了“流水线”的概念，模型的发布流水线只需4个步骤，一般发布一个模型不超过5分钟。

针对无需在实时场景下执行、或无法在实时调用场景下执行的耗时较久的模型，9¾提供了发布为Job任务的部署方式，用户可通过Job任务执行回溯任务或更新训练数据，整个过程非常游刃有余。

模型的代码和内部逻辑将作为一个黑盒，被打包为一个docker镜像，因此模型无论以何种方式发布，发布在何种环境内，都是绝对安全可靠的。通过管理模块与实际的服务模块，用户能够完成AI项目的管理和API、Job、镜像APP等上层应用的产出，整个过程无需任何运维人员、工程人员的干预，算法专家即可独立操作完成。

信也科技9¾平台的模型管理模块

9¾模型管理平台：未来，我去往何方？

信也科技于12月17日成功举办首届科技开放日，并于当日首次揭秘了自身的科技全景图，用图谱的形式直观展示了大数据、人工智能、智能决策产品等硬核科研成果。目前9¾平台可支持信也科技所有科技业务，覆盖多个业务场景，同时支持多家外部合作伙伴。未来，信也科技的人工智能平台将在增强模型评估功能、在线预测平台化、支持分布式训练等方面持续深入探索。

信也科技全景图

信也科技的9¾模型管理平台在上海信也科技开放日的首次亮相向大众展示了人工智能技术推动金融技术发展的多种优势。通过赋能金融行业，人工智能将为市场经济的发展带来更多可能性。信也科技作为人工智能技术在金融科技的首要推广者，也将在互联网金融发展中受益更多。

来源：正北方网

常见十大量化投资策略

策略：量化策略是借助计算机技术实现投资思想的逻辑代码，一般包括数据获取、信号分析、执行交易三大模块

众所周知，投资股市的收益分为两部分，一部分来自市场行情波动的收益，另一部分来源于选股的操作收益！由自身的选股带来的收益，称为Alpha收益。由市场行情变动带来的收益，称为贝塔收益Beta收益。比如：

1、如果指数可以交易，你买入价值100万的沪深300指数并一直持有，这是一个beta策略，因为你赚到的是市场波动产生的收益。

2、你花了100万买入20只股票，这些股票表现不俗，比策略1多赚20%，那么这20%是alpha收益。这20只股票的收益来自市场收益（beta）+超额收益（alpha）。这是一个通俗意义上的”指数增强型策略”。

3、在策略2的基础上，假设你买入的20只股票平均波动性与沪深300指数的波动性一致（持仓股票相对指数的beta=1），你又做空了价值100万的沪深300期货，相当于（策略2-策略1），得到的就是（beta+alpha-beta）=alpha。这是一个“完全”对冲的alpha策略。

Alpha策略和Beta策略

因此，股票策略一般根据是否对冲可以分为Alpha策略和Beta策略。

alpha是个相对概念，某个投资收益相对于无风险收益 Return at risk free的比较。

alpha=0, 表明收益和无风险收益相同；alpha>0, 表明超额收益，alpha<0, 收益比无风险收益低。追求最大alpha 就是所谓的最求最大超额收益。

另外一种重要的指标beta，beta指的是相关度。指某个投资和全市场(或者选定的参照指标)的比例。beta=1，完全相关，沪深300指数基金的beta就应该非常接近1。上半年深证100ETF的beta就是略大于1，如果以沪深300做参考，所谓的beta投资，体现在仓位控制上，如果一个基金的股票上限是60%，那么它相对于全市场指数的beta就会很低，因为其他40%的投资与现金或者债券和股市相关度很低。

beta投资不侧重选股，而侧重仓位控制，所以下跌行情下，跌幅就会小。如果敢于空仓股票，全仓债券，还可能获得正收益。如果通过alpha，beta值选择基金，是看长期的业绩和风险的平衡。

alpha越大收益越好，相同alpha情况下beta值小，风险就低。

举个著名的例子2008年环球股灾。

2008年1月21日，当天被喻为“黑色星期一”，伦敦富时100指数创下单日最大跌幅，欧洲股市亦创下2001年911事件后最大跌幅，亚洲股市更最多下跌15%。上海综合指数下跌5.14%。美国股市当天休市，但其指数期货也落得大跌。当日法兴银行事件被揭发后，银行开始平仓，使欧洲的期指交易激增，一定程度上加剧了跌势，在连锁效应下波及全球。

下面是2008年某些股票:

华夏红利 相对基准指数 alpha=24.54%，beta=0.67;银河稳健 相对基准指数 alpha= 4.70%，beta=1.04;广发稳健 相对基准指数 alpha= 4.89%，beta=1.25;嘉实稳健 相对基准指数 alpha= -5.41%，beta=1.06;大摩基础 相对基准指数 alpha= -16.89%，beta=1.20;按照选择依据，华夏红利是超额收益最高，风险最低的。相似的alpha情况下，银河稳健优于广发稳健。2007年广发稳健净值的大幅下跌可以从1.25的beta值中体现。后两个基金都是负的alpha值，大摩基础的beta较大，风险较大，该基金是2008年1月1号以来至今收益率最低的。

虽然2008年华夏红利指数翻倍的上，但是个股持续上涨的空间极其有限。

再说下公募基金和私募基金，公募基金和私募基金的最大不同是，后者仓位的灵活，和追求绝对收益。2008年业绩好的私募基金，前3季度股票仓位接近0；公募基金绝大部分保持相对高仓位。所以如果能够预测股市下跌的话，卖出所有股票基金是最佳的beta策略。但是大部分人都没有时间和能力去判断拐点，如果打算长期投资的话，可以通过alpha和beta筛选基金，看看你收益持有的非指数型基金的风险评估，测试一下alpha策略和beta策略，挑出投资回报高，而投资风险低的基金。

量化投资策略是利用量化的方法，进行金融市场的分析、判断和交易的策略、算法的总称。著名的量化投资策略有以下10种：

（1）海龟交易策略

海龟交易策略是一套非常完整的趋势跟随型的自动化交易策略。这个复杂的策略在入场条件、仓位控制、资金管理、止损止盈等各个环节，都进行了详细的设计，这基本上可以作为复杂交易策略设计和开发的模板。

（2）阿尔法策略

阿尔法的概念来自于二十世纪中叶，经过学者的统计，当时约75%的股票型基金经理构建的投资组合无法跑赢根据市值大小构建的简单组合或是指数，属于传统的基本面分析策略。

在期指市场上做空，在股票市场上构建拟合300指数的成份股，赚取其中的价差，这种被动型的套利就是贝塔套利。

（3）多因子选股

多因子模型是量化选股中最重要的一类模型，基本思想是找到某些和收益率最相关的指标，并根据该指标，构建一个股票组合，期望该组合在未来的一段时间跑赢或跑输指数。如果跑赢，则可以做多该组合，同事做空期指，赚取正向阿尔法收益；如果是跑输，则可以组多期指，融券做空该组合，赚取反向阿尔法收益。多因子模型的关键是找到因子与收益率之间的关联性。

（4）双均线策略

双均线策略，通过建立m天移动平均线，n天移动平均线，则两条均线必有交点。若m>n，n天平均线“上穿越”m天均线则为买入点，反之为卖出点。该策略基于不同天数均线的交叉点，抓住股票的强势和弱势时刻，进行交易。

双均线策略中，如果两根均线的周期接近，比如5日线，10日线，这种非常容易缠绕，不停的产生买点卖点，会有大量的无效交易，交易费用很高。如果两根均线的周期差距较大，比如5日线，60日线，这种交易周期很长，趋势性已经不明显了，趋势转变以后很长时间才会出现买卖点。也就是说可能会造成很大的亏损。所以两个参数选择的很重要，趋势性越强的品种，均线策略越有效。

（5）行业轮动

行业轮动是利用市场趋势获利的一种主动交易策略其本质是利用不同投资品种强势时间的错位对行业品种进行切换以达到投资收益最大化的目的。

（6）跨品种套利

跨品种套利指的是利用两种不同的、但相关联的指数期货产品之间的价差进行交易。这两种指数之间具有相互替代性或受同一供求因素制约。跨品种套利的交易形式是同时买进和卖出相同交割月份但不同种类的股指期货合约。主要有相关商品间套利和原料与成品之间套利。

跨品种套利的主要作用一是帮助扭曲的市场价格回复到正常水平；二是增强市场的流动性。

（7）高频交易策略

高频交易是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易，比如，某种证券买入价和卖出价差价的微小变化，或者某只股票在不同交易所之间的微小价差。这种交易的速度如此之快，以至于有些交易机构将自己的“服务器群组”安置到了离交易所的计算机很近的地方，以缩短交易指令通过光缆以光速旅行的距离。

（8）指数增强

增强型指数投资由于不同基金管理人描述其指数增强型产品的投资目的不尽相同，增强型指数投资并无统一模式，唯一共同点在于他们都希望能够提供高于标的指数回报水平的投资业绩。为使指数化投资名副其实，基金经理试图尽可能保持标的指数的各种特征。

（9）网格交易

网格交易是利用市场震荡行情获利的一种主动交易策略，其本质是利用投资标的在一段震荡行情中价格在网格区间内的反复运动以进行加仓减仓的操作以达到投资收益最大化的目的。通俗点讲就是根据建立不同数量.不同大小的网格，在突破网格的时候建仓，回归网格的时候减仓，力求能够捕捉到价格的震荡变化趋势，达到盈利的目的。

（10）跨期套利

跨期套利是套利交易中最普遍的一种，是股指期货的跨期套利（Calendar Spread Arbitrage）即为在同一交易所进行同一指数、但不同交割月份的套利活动。

来源：东方财富网