清华叉院发布Fintech研究成果：智能投资管理引擎系统

雷锋网 (公众号：雷锋网) AI金融评论报道，2018年1月20日，由中国网络空间安全协会、金融科技创新联盟、中国工商银行、中国金融电脑杂志社主办，腾讯公司、百度公司、IBM（中国）联合主办的“第二届中国金融科技创新大会”在北京举行。

据雷锋网AI金融评论了解，大会联合发布了专题报告《智能金融联合报告：与AI共进，智胜未来》；同时中国工商银行、中国农业银行、中国银行、国泰君安证券等国内主流金融机构，以及清华大学交叉信息研究院智能金融科技中心等研究机构发布了金融科技最新成果和应用创新案例。

其中，清华大学交叉信息研究院智能金融科技中心研发的智能投资管理系统——投资引擎系统高调亮相。

建设金融市场建模决策优化的底层架构

清华大学交叉信息研究由姚期智老师领衔，据雷锋网AI金融评论了解，清华大学金融科技中心成立于2016年4月份，2017年12月份，又把这个金融科技中心升级为金融科技研究院，同时成立了自己的金融科技公司——财富引擎科技公司，用以进行金融科技中心科技的产业化合作。

与此同时，中心发言人介绍称，清华大学交叉信息研究院在2016年10月份跟蚂蚁金服成立了全球首个金融科技实验室，并且在这个基础上成立了一个四校联盟，包括：清华大学、普林斯顿、韩国高等技术院、法国北方高等商学院风险与管理中心。“此前，我们在欧美实践产学研的项目，做了金融市场模拟和金融优化算法方面的产学研部署和系统的研究。另外一个是给TowersPerrin公司搭建了系统。”

清华大学交叉信息研究院表示，为财富管理界搭建顶层架构，专业投资者更关注的是风险管理。在美国，底层技术和底层算法，覆盖了85%以上的金融机构，专业不专业最大的区分在于，专业的投资指不管是价值投资，还是量化投资、基本面投资显著的差别就是专业的投资者，能知道自己为什么亏钱，为什么赚钱。“所以，引入科学化投资投资系统，就是要解决“投什么，为什么投、怎么投”的问题。”

他介绍道，

“我们做的技术架构，就是做一个大数据的平台，所有的底层资产数据全都整合在一起，在上面进行建模与分析。我们结合了可显示的传统统计与金融计量分析的方法，以及现在新的机器学习的方法——机器学习在大规模的风格挖掘上非常有竞争力，另外一方面，统计和计量分析在金融建模可解释性方面有优势，所以两者结合起来。”

清华大学金融科技中心发言介绍称，从技术框架来说，解决的是整个投资管理问题：

• 一是金融市场的模拟性，解决的是金融市场联合的风险建模问题。其实就是回答“是什么”

• 二是金融市场的决策优化引擎问题，来为所有问题找到一个优化的解，这环节利用运筹优化的方法做一个优化的决策引擎。

关于“投什么”，就是一个量化基调的系统，对所有底层资产进行非常深入的分析，同时会对用户层面进行从标签系统，到无监督学习的整个建模过程，即用户画像的建模系统。

现代券商需要全业务条线的风险管理引擎

打造一个投资管理的基础架构和底层的能力，在应用层面就包括对证券公司银行风险管理，对各种公募基金、大型机构投资者、银行保险公司、养老基金资产负债优化。“所谓智能财富管理，我们其实是想用金融科技的力量去赋能中国的金融机构，可以驱动业务的增长。”

举个例子，美国每一家券商都会有一个风险引擎—— 一天没有这个风险引擎就活不下去，可能上午还存在券商，下午就不在了。这曾经有过先例，当年KCG上午还存在一家券商，但是程序里面出了大Bug，下午就把这个公司所有权亏掉了，下午被人收购了。

清华大学金融科技中心发言人称，一个非常强大的引擎对现代的券商是非常核心的东西。依靠它可以对整个公司多条业务线，整体的风险敞开估计。实施的控制是非常必要的，随着我国金融市场的发展，以后每家金融机构都会需要这样子的核心的引擎的系统。

“那就是说金融市场建模决策优化需要有人来做底层的架构。而清华大学是做这个事的最好载体。”

举个例子，目前清华大学金融科技中心研发的系统产品，其中就包括一个“MSG金融市场模拟器”，用于先看清金融市场的情况，对金融市场所有的资产进行联合风险建模，尤其像去年监管层出了资管新规，打破刚性兑付，把风险引入市场。

然而，风险是一个概率分布的事情。“我们的做法是真正走向一个科学的定量分析，对资产内部的风险成分进行深入分析，比如对一道菜里面的营养成分，包含多少微量元素、多少蛋白质、多少淀粉等进行分析，而不是目前浮于表征的建模方法。”

比如，资产内部受什么样的风险驱动因素，受多少宏观层面、基本面、技术层面、行业层面、公司层面的风险驱动因素的影响。智能财富管理引擎先利用该程序弄清楚这些驱动因素，“这方面我们总结了上千个风险驱动因素的池子。”

同时基于机器学习的方法，去筛选近期对市场有影响的风险驱动因素。据介绍，系统联合统计计量的方法，对整个金融市场的收益风险进行联合建模，以更深入地理解金融市场最后的驱动因素。

“市场上80%的风险变动都是可以量化解释的。”

决策

据雷锋网AI金融评论了解，在投资决策环节，这个决策优化引擎，一方面做投资管理优化，另外一方面是风控优化，第三方面就是用户画像建模。

但是，清华研发的投资引擎系统还有一个创新之处：对整个用户画像分为多个层次。据介绍，

• 一方面基于用户基本信息、流水信息，以及行为数据等信息进行全方位的评估；

• 但是，给用户贴上标签，对业务没有直接的驱动作用。所以，第二方面是结合无监督学习的技术，就可以对用户的行为直接建模，直接预测和解释其微观行为，从而进行投资管理和服务管理。

最后是整合整个市场上资产进行量化分析，解决“投什么”的问题。

。