Top
首页 > 正文

美通智能联合创始人CTO曾富涔受邀出席智能投研大会

发布时间:2020-11-03 17:31        来源:TechWeb        作者:

 

2020年10月23-24日在上海市浦东新区水芸路418号临港金融大厦,美通智能联合创始人CTO曾富涔受邀参加了智能投研技术联盟举办的智能投研技术大会,发表了题为“场景自适应的智能投研技术实践”的专题演讲,跟在场的专家、金融企业代表、资管行业开发者分享了美通在大资管行业的投研技术实践和思考。

美通智能成立于2019年1月,引入国美集团天使轮投资,致力于成为中国特色的金融人工智能开拓者。成立以来,美通智能快速完成了多轮技术及产品迭代,覆盖到了大资管领域投前、投中和投后的各阶段,以自研资管领域人工智能模型为基础构建公司技术体系,密集地完成多家国内头部金融机构的模型和系统交付,获得了专业机构客户的肯定。

曾富涔以美通在成立以来交付头部机构客户产品的典型场景为背景,包括基金实时估值系统、智能投顾千人千面引擎、资管风险管理体系和基于NLP金融知识图谱的风险传播预警四个典型场景,介绍了美通在大资管领域模型和系统建设的主要挑战以及技术方案。

首先,关于基金实时估值系统。据智能投顾试点监管要求,各智能投顾服务机构需设置明确的风控规则,于是公募基金实时估值产品近期受到各机构的追捧。一般而言,公募基金净值在交易日盘后开始集中清算,基金公司在晚间20:00~24:00公布基金产品净值数据,但也存在部分基金在周四周五还未发布净值。基金实时估值产品的目的就是让投资机构和投资者能够实时地掌握自己投资标的和组合的当前情况,如果有较大损失就要赶紧平仓以避免更大的亏损。

而曾富涔介绍说,美通的基金实时估值产品基于自研精准的基金持仓穿透模型和人工智能算法,在估值精度上取得巨大突破和领先。经评测,过去三个月与国内主要竞品相比,美通基金实时估值精度在各类型基金上的胜率超80%。在这个场景中,技术上的挑战在于数据来源复杂、模型对数据精度敏感,多重依赖,业务场景要求高负载、高可用,与传统的互联网技术体系有明显区别。

其次,在智能投顾领域,曾富涔指出,相比于传统的智能投顾引擎,美通创新地通过引入物理学中的汉密尔顿动力学方程和辛积分方法,完美达到了监管的资金分散要求,同时还能让各投资者根据其风险投资偏好匹配不同的投资组合,达到千人千面、资金分散、满足监管的目标。

再次,风险管理是大资管领域中不可或缺的场景,曾富涔说,美通资管风险管理系统以国际知名的Barra为基础构建了一套完备的组合风险管控体系,从组合画像分析、风险测度、情景分析、压力测试、风险对冲、配比优化、业绩归因等方面为机构提供了国产版的Barra方案。

最后,曾富涔强调,基于NLP知识图谱的风险传播预警是美通客户关注的重要场景,首先通过金融知识图谱构建关联引擎,对标的公司和热点事件进行实时舆情监控,当舆情事件发生时或者市场情绪发生变化时,通过显示和隐式地传导到投资者底层持仓的关联标的上面,及时地提醒投资者和投资机构。

另据了解,美通智能在大资管领域服务机构客户的技术实践中典型场景遇到的技术挑战,包括技术栈跨度大、数据来源复杂、模型数据敏感、模型超参众多、各类资源有限和业务要求极高。

美通智能通过构建灵活可组装、标准统一化的投研平台天工系统,使得模型在系统中部署后可以被多个流程所共享使用,投研人员只需要根据自己的需要生成投研流程、生成组件依赖树,系统可以自动对工作流进行编排,生成一个任务的有向无环图(DAG),最后通过时空调度器按依赖并发调度。

大资管模型领域的一大特点就是模型复杂精度要求高,在实现的时候环节多,这就要求在基本的IT监控之外,必须还需要对模型本身进行监控。为此,曾富涔讲到,美通建立了试金石平台,为模型监控、模型间实盘PK,人机PK,竞品PK,模型的择优淘汰提供了统一平台,是每个模型上线的必经之路。通过这样的方法,美通确保了每一个因子和模型的精准实现、实时监控。

每日必读

专题访谈

合作站点