Portfolio Management 16

R55: Fintech in Investment Management

Ⅰ、What is Fintech?：金融科技是什么？

金融科技带来了什么

金融科技是指金融服务和产品在设计和交付方面的技术创新。

与投资行业相关的金融科技领域包括：

1、分析大型数据集。

    传统数据：证券价格、公司财务报表和经济指标

    另类数据：社交媒体和传感器网络

2、分析工具

    人工智能（AI）——能够执行以前需要人类智能的任务的计算机系统

金融科技带来了什么（续）

3、自动交易

    计算机算法或自动交易应用程序可以为投资者提供许多好处

        更有效的交易

        降低交易成本

        匿名交易

        更多地获得市场流动性

4、机器人顾问

    为更多的散户投资者提供投资服务

金融科技带来了什么（续）

5、财务记录保存（DLT）

    DLT等新技术可以提供安全的方式，在P2P基础上跟踪金融资产的所有权

Ⅱ、Big Data：大数据

定义和特征

大数据是指由行业、政府、个人等产生的大量数据。

    来自传统数据来源（结构化数据）——如证券交易所、公司和政府。

    非传统数据类型，也称为另类数据，由电子设备、社交媒体、传感器网络和公司数据废料（数据足迹，例如发票数据）的使用产生。

定义和特征（续）

大数据的特征

1、数据量非常大

2、速度快（实时或接近实时）

3、数据种类多（主要是非结构化的）

4、数据要可信，真实

5、数据要有价值

另类数据的三个主要来源：

个人生成的数据：

    （非结构化；包括文本、视频、照片和音频格式，也可以通过网站点击或在网页上花费的时间等方式生成）

业务流程生成的数据：

    （结构化；包括来自公司和其他公共实体的信息流）

传感器生成的数据：

    （非结构化；包括智能手机、摄像头、RFID芯片和卫星等设备）

大数据的若干挑战：

在投资分析中使用大数据会带来一些挑战，包括数据的质量、数量和适当性。关键问题是：

    数据集是否存在选择偏差、缺失数据或数据异常值？

    收集的数据量是否足够？

    数据集是否非常适合该类型的分析？

在进行分析之前，必须对数据进行来源、清洗和组织。

    由于数据非结构化特征，这对于另类数据来说可能处理起来非常困难。

Ⅲ、Advanced Analytical Tools：高级分析工具

定义：

自1980年以来，人工智能，特别是神经网络，是基于人脑如何学习和处理信息而进行编程的。

机器学习（ML）涉及基于计算机的技术，该技术寻求从大量数据中提取知识，而无需对数据的潜在概率分布做出任何假设。

    简单地说，ML算法旨在“找到规律，应用规律”

    重点在于算法在无需人工帮助的情况下生成结构或预测的能力

机器学习是如何工作的：

将数据集拆分为三个不同的子集：训练数据集、验证数据集和测试数据集。（现在较为流行的方法是leave one out）

    训练数据集允许算法基于数据中的历史模式识别输入和输出之间的关系。

    使用验证数据集，验证关系并优化模型。

    测试数据集用于测试模型对新数据的预测能力。

机器学习在理解基础数据和选择适当的数据分析技术方面仍然需要人类的判断。

三类不同的机器学习：

有监督学习

    计算机学习根据标签的训练数据建立关系模型。

无监督学习

    计算机没有得到标签数据，而是只得到算法试图描述数据及其结构的数据。

深度学习

    计算机使用神经网络（通常具有许多隐藏层）来执行多级非线性数据处理以识别模式。

Ⅳ、Data Science：数据科学

定义

数据科学可以定义为一个跨学科领域，利用计算机科学（包括机器学习）、统计学和其他学科的进步，从大数据中提取信息。

数据处理的方法：

数据获取：

    是指如何收集数据并将其转换为分析过程可以使用的格式。

数据清洗：

    指通过数据清洗确保数据质量和准确性的过程。

数据存储：

    指如何记录、归档和访问数据，以及底层数据库设计。

数据处理的方法（续）：

数据搜索：

    指如何查询数据。

数据转换：

    指数据将如何从基础数据源或存储位置移动到基础分析工具中得出分析结果。

数据可视化：

是指数据如何以图形形式格式化、显示和汇总。可视化工具包括交互式三维（3D）图形等。

Ⅴ、Applications of Fintech to Investment Management：金融科技在投资管理中的应用

文本分析

文本分析涉及使用计算机程序来分析和推导意义，通常来自大型、非结构化文本或基于语音的数据集。

    例如公司文件、书面报告、季度盈利电话、社交媒体、电子邮件、互联网帖子和调查。

自然语言处理

自然语言处理（NLP）是计算机科学、人工智能和语言学交叉的一个研究领域，专注于开发分析和解释人类语言的计算机程序。

NLP还可用于合规职能部门，以审查员工语音和电子通信是否遵守公司或监管政策、不当行为或欺诈，或确保私人或客户信息保密。

自然语言处理（续）

使用自然语言处理分析的模型可能会结合非传统信息来评估人们在试图识别可能对未来表现有影响的公司、股票或经济事件的趋势和短期指标时所说的话。

机器人咨询服务的特点：

机器人咨询服务，通过在线平台提供投资解决方案，减少了与财务顾问直接互动的需要。

机器人顾问监管：

    美国证券交易委员会

    英国金融行为管理局

    澳大利亚证券和投资委员会

目前的机器人咨询服务包括自动资产配置、交易执行、投资组合优化、税收损失收集和投资者投资组合再平衡。

机器人咨询服务的特点（续）：

两种类型的财富管理服务主导着机器人咨询行业：

全自动数字财富管理器：

    包括直接存款、定期再平衡和股息再投资选项。

顾问协助数字财富管理公司：

    顾问协助的数字财富管理公司能够提供额外的服务，包括对客户资产和负债进行更全面的分析。

机器人顾问的优点：

具有成本效益且易于获取的财务指导形式

机器人顾问倾向于提供相当保守的建议

机器人顾问的批评声：

机器人顾问选择提出建议或采取交易行动的原因可能并不总是完全透明的

允许计算机做出这些决定可能存在信任问题

随着投资者投资组合的复杂性和规模的增长，机器人顾问可能无法充分满足投资者的特定偏好和需求

风险分析改革：

根据全球监管机构的授权，全球投资行业在压力测试和风险评估方面采取了重大步骤，包括分析大量定量和定性风险数据。

    实时监控风险的兴趣越来越大

    机器学习技术可用于帮助评估数据质量

    投资组合风险管理通常使用情景分析——分析假设压力情景或历史压力事件重复情况下投资组合的可能表现和清算成本

什么是算法交易：

算法交易是根据预先规定的规则和指导原则，通过计算机买卖金融工具。

算法交易通常用于执行大型机构订单，将订单切成小块，并在不同交易所和交易地点执行。

算法交易为投资者提供了许多好处，如：

    快速执行、匿名交易和更低的交易成本

    在一天中，算法可能会根据价格、交易量和市场波动性的变化不断更新和修改其执行策略

    算法还可以确定对订单进行定价的最佳方式和最合适的执行交易地点。

高频交易

高频交易（HFT）是一种算法交易形式，它利用大量的颗粒度金融数据（例如，报价数据）在满足某些条件时自动进行交易。

交易在超高速、低延迟的网络上以几分之一秒的时间执行。

高频交易算法根据实时价格和市场状况决定买入或卖出什么以及在哪里执行，以从日内市场错误定价中获利。

Ⅵ、Distributed Ledger Technology：分布式记账技术

分布式记账技术介绍

分布式记账技术——基于分布式记账的技术代表了金融科技的发展，在财务记录保存领域提供了潜在的改进。

分布式记账是一种可以在网络中的实体之间共享的数据库。

在分布式记账中，记录、存储条目，并在参与者网络中分发，以便每个参与者都有数字数据库的匹配副本。


1、点对点网络，去中心化

2、账本滚动更新，人手一份，一旦记录就不能更改

分布式记账技术介绍（续）

共识机制是网络中的计算机实体（或节点）就账本的公共状态达成一致的过程。

加密技术：加密数据的算法过程，如果未经授权方接收到数据，数据将无法使用，从而实现高水平的网络安全和数据库完整性。

“智能合同”，即根据合同双方商定的预先规定的条款和条件自行执行的计算机程序。

    衍生工具或有债权的自动执行

    违约情况下抵押品的即时转让

分布式记账技术介绍（续）

区块链是一种数字账本，其中信息（如所有权变更）按顺序记录在区块内，然后链接在一起，并使用加密方法进行保护。

每个区块包含一组事务（或条目）和到前一个区块的安全链接（称为哈希）。

为了操纵历史数据，个人或实体必须控制网络中的大多数节点。因此，网络的成功依赖于广泛的网络参与。

无许可网络

无许可网络向任何希望进行交易的用户开放，网络内的所有用户都可以看到区块链上存在的所有交易。

无许可网络的主要好处是，它不依赖于中央当局来确认或否认交易的有效性，因为这是通过协商一致机制进行的。

开放、无许可网络的一个著名例子是比特币。

许可网络

在许可网络中，可能会限制网络成员参与某些网络活动。

控制或权限可用于允许对分类账进行不同级别的访问，从添加交易到仅查看交易，再到查看交易的选择性详细信息，但不查看完整记录。

加密货币

加密货币，也称为数字货币，作为电子货币运行，允许各方之间进行近实时交易，无需银行等中介机构。

加密货币传统上没有政府支持或监管。

许多加密货币对其可能发行的货币总量有自己设定的限制。

加密货币（续）

加密货币已被证明是一种对ICO等寻求融资的公司具有吸引力的手段，首次硬币发行（ICO）是一种不受监管的过程，公司将其加密代币出售给投资者，以换取法定货币或另一种约定的加密货币。

标记化

通过标记化，在区块链或分布式账本上表示物理资产所有权的过程。

DLT有可能通过创建单一的所有权数字记录来简化这一过程，从而验证所有权和真实性，包括所有历史活动。


交易后清算和结算

DLT能够通过提供近乎实时的交易验证、对账和结算来简化现有的交易后流程，从而降低与处理交易相关的复杂性、时间和成本。

合规

分布式记账技术可使监管机构和公司对交易和其他合规相关流程进行近实时审查。

基于分布式记账技术的合规性可以更好地支持公司、交易所、保管人和监管机构内部和之间的共享信息、通信和透明度。封闭或许可的网络可以提供安全和隐私方面的优势。

DLT面临的挑战

缺乏DLT网络标准化，并且难以与传统系统集成。

DLT处理能力在财务上可能无法与现有解决方案竞争。

增加DLT系统的规模需要大量（存储）资源。

交易的不可修改性意味着意外或“取消的交易”也会被记录在账本中，这些交易只能通过提交相等和抵消的交易来撤销。