數據對各類資管機構投資決策的影響力日益提升。

“如今，決定我們每天投資決策的最重要因素之一就是數據?！币晃还蓟鸾灰字鞴芟蛴浾咄嘎?。但是，光有數據，似乎越來越不能滿足投資機構的需求。

這位公募基金交易主管發現，隨著數據日益豐富海量，他正遇到新的煩惱，一是如何從海量數據里提取有價值的信息，二是如何及時萃取到對投資決策產生重要影響的有價值信息，屏蔽無效“噪音”，三是如何讓數據“自己說話”，形成模型和其他衍生服務，輔助投資機構提升投資決策精準度并降低潛在投資風險。

記者多方了解到，這正驅動投資領域數字信息服務賽道發生代際變革。

“以往，多數金融數據服務商更像是數據聚合平臺，主要提供數據的靜態呈現，卻無法協助資管機構洞察數據之間的邏輯與關系，為資管機構提供更多維度的投資決策輔助工具，如今，他們中的一些頭部機構開始通過 數字科技技術，搭建基于認知智能的信息數據平臺體系，深度分析數據關聯，助力提升機構投研效率?！彼侥寂排啪W創始人李春瑜此前接受本報記者采訪時指出。

通聯數據CEO王政表示，相比于傳統的數據聚合，要搭建基于認知智能的信息數據平臺體系，絕非易事。首先，它需深刻理解資管機構投研、投資決策、風險管理、投顧服務等各個環節，才能最大限度發揮投資機會洞察與規避投資風險的效果，其次，它需更強的數據綜合處理能力和時效性，包括快速聚合數據，快速分析數據，快速便捷的投資模型搭建工具，7*24小時監控與智能化預警等。

“雖然這項工作落實起來難度不小，但它代表信息數據技術賽道未來十年的全新方向。打個形象的比喻，過去傳統的信息數據服務，只做數據聚合，但這種數據呈現是靜態的，沒有挖掘數據之間的深度關聯、缺乏數據匯總歸納的認知能力，就像一張沒有生命力的臉譜。如今，隨著認知智能技術的迭代升級，未來的信息數據服務平臺將更聚焦挖掘數據之間的深度關聯，對有效信息進行匯總歸納，就變成了一個會思考的智能外腦，成為資管機構專業研究人員的智能投研助手，提供更多具有價值的投資決策參考?！?/p>

他指出，目前公司基于認知智能與知識圖譜的信息數據平臺體系，已與眾多銀行、保險、信托、公私募、券商等金融機構開展合作，表明認知智能技術與金融數據服務的融合，契合各類資管機構對數據使用的多元化需求。 

全國社?；饡崩硎麻L王忠民表示，就資管行業而言，數字化發展正成為新動能。尤其是人工智能、大數據、云計算等與資管行業逐漸融合，驅動資管行業的數字化、智能化程度持續加深。目前，一些積極融合人工智能、探索人機交互的數字科技機構，在賦能資管機構拓展數字化進程效果顯著。 

一位金融數據服務平臺負責人向記者直言，要做好基于認知智能的信息數據服務，相關技術準入門檻相當高——尤其是傳統科技公司會面臨諸多技術革新挑戰，最難的是需在底層數據上構建投資邏輯的知識圖譜，通過人類經驗+機器學習的深度結合，有效幫助各類資管機構深度洞悉數據關系，從蛛絲馬跡找出投資價值，讓碎片化的數據和信息真正“動”起來；此外，金融數據服務機構還需實現更友好的知識沉淀共享，為資管機構不同投研人員個性化投研需求提供可快速自定義的可視化工具，大幅提升他們的數據使用分析與歸納認知能力。

在一位國內大型私募基金經理看來，這些技術革新能否取得更高的效果，還需業績說話。即資管機構若能通過這些數智化技術大幅提升投資決策精準性并有效規避潛在投資風險，實現投資組合的更高回報，他們就會更加青睞這些數智化技術，加快資管機構的數智化進程。

記者獲悉，當前浙商基金等公募基金公司已率先建立基于上述理念的AI+HI智能投資體系和Smart Beta策略產品，成為資管行業數智化的試水者。

王政表示，未來金融數據服務商的核心競爭力，除了基礎數據的聚合能力，還在于能夠為各類資管機構提供更快、更準確、具備價值的深度認知智能投資決策輔助服務。

朝陽永續副總經理李智向記者透露，目前眾多金融數據服務商正依托大數據分析等技術，將結構化數據與非結構化數據混合，為各類定制化數據貼上標簽，構建一系列指數助力私募基金等資管機構投資策略多元化與個性化，并持續跟蹤其業績表現優化選股策略。 

“智慧線索”助力投資策略差異化

上述公募基金交易主管向記者直言，此前他們投資建模時，最缺的就是數據。但如今，他們反而發現數據太多太雜，無法抓取真正有價值的信息。

“更重要的是，現在很多數據都高度透明化公開化，無形間提高了各類資管機構投資策略同質化程度?！彼毖?。比如多數私募機構在投資建模時，都會將業績、市場偏好、估值作為重要的數據參考維度，而他們獲取的數據，幾乎都是上市公司財報（每股盈利等）、頭部券商的同一份上市公司估值研報、高度公開的市場資金流向數據，其結果是投資策略模型的同質化程度與日俱增。

王忠民認為，資管機構對數據的一系列新需求，正驅動資管行業的數字化進程快速邁入“第三階段”。

第一階段，由于互聯網技術尚未興起，制約資管機構投資的最大痛點是信息數據獲取的廣度與渠道，于是各類資管機構各顯神通獲取“獨家”數據信息，利用信息不對稱性賺錢；到了第二階段，互聯網技術興起催生了不少數據聚合服務平臺，數據信息獲取不再是難題，隨之而來的是數據信息過于龐雜，資管機構無法快速挖掘獲取有效價值信息；如今在第三階段，越來越多金融數據服務商正積極借助認知智能與知識圖譜等大數據分析技術，充分挖掘各類數據之間的深度關聯（形成一系列新的定制化差異化數據），從海量信息里快速萃取具備投資價值的線索，助力資管機構持續提升投研能力與投資決策效率。

“這令各類資管機構有能力打造差異化的投資策略?！崩畲鸿は蛴浾咧毖?。因為不同資管機構所需的深加工數據與數據維度“截然不同”——以量化投資策略為例，傳統的量化策略主要聚焦尋找市場的某些普遍的投資規律獲利，比如從低估值、高動量維度進行選股。但多數量化投資機構發現自己最缺的，是基于上市公司、行業發展基本面的深度研究能力，若金融數據服務商能根據他們需求提供相關定制化數據，則能形成更具差異化的基本面+量化投資策略；反之主觀投資策略私募機構也遇到類似問題，他們有著豐富的上市公司、行業調研數據與建模因子，但缺乏鑒于量化投資的業績歸因研究方法與參考數據，若金融數據服務商能根據他們需求提供相關的量化投資風控因子與參考數據，同樣能令他們的投資模型更加“個性化”。

王政表示，通聯數據正致力于借助認知智能與知識圖譜等技術，向有意探索“基本面+量化”投資的各類資管機構提供便捷化、可視化的數據分析、投資建模和預測輔助工具。

“我們調研發現，基于定制化、深加工的數據與建模工具在推動基本面+投資策略多元化方面正發揮巨大的作用。究其原因，一是基于人工調研的基本面投資難以覆蓋眾多公司，導致投資模型覆蓋面不夠廣泛，可能錯失不少投資機會，二是量化策略研究的確可以覆蓋眾多上市公司，但未必對各家上市公司業務發展狀況研究做到又深入又專業，容易漏過潛在的投資風險，因此這些工具首先要立足于幫助資管機構解決這些痛點?！彼赋?。

記者了解到，要做好這項工作，還需克服“意外”的挑戰。具體而言，券商、公私募、信托等資管機構都有自己特定的研究邏輯與投研框架，若基于認知智能等技術所呈現的數據分析歸納過程，與他們現有研究邏輯與投研框架不在一個“頻道”，就很難形成有效的投資決策輔助效應。

如何深度理解投資專業場景？通聯的辦法是，邀請新財富排名靠前的證券分析師加入團隊，在自身認知智能與算法技術沉淀的基礎上，結合分析師的研究邏輯與投研框架基礎，搭建基于“人機結合”的宏觀、行業、公司數據采集分析歸納體系，形成互補性的投資建模與投資決策參考價值。

不過，要推動資管行業進一步加快數智化征途，金融數據服務商還需做好更多工作，比如經過AI充分訓練的認知智能產品還需具備多項新技能，包括快速展示投資邏輯的特色搜索結果、快速提煉各類研報的核心觀點和情感取向、快速處理非結構化數據、提供可視化可調整的預測模型工具、開展7*24小時監控市場異動并提示投資價值、進行復雜的多元歸因風險管理等，最終成為各類資管機構投資決策的一個輔助“外腦”。

銀河證券財富管理總部總經理劉冰表示，圍繞私募基金的多元化數據需求，銀河證券正搭建專業的生態平臺——基于全流程的交易監控與數據評價，為股票交易提供合適的算法，協助私募機構降低成本同時提高收益。

“這意味著各家金融數據服務商必須持續加大資本投入，不斷完善自身認知智能等技術，賦能資管機構持續提升投資決策效率。而這類技術能否達到理想效果，得看資管機構投資業績是否因此實現更上一層樓?！鼻笆鰢鴥却笮退侥蓟鸾浝硐蛴浾咧赋??？梢灶A見的是，純粹的數據聚合服務，已難以滿足資管機構對數據的多元化使用需求。

大型資管平臺搭建數據中臺征途

值得注意的是，隨著數據在資管機構投資決策的影響力與日俱增，不同資管機構也形成截然不同的數據使用需求。這令信息數據公司不僅需提供好的產品內容，還要具備相對靈活的對接服務技術能力。

具體而言，中小資管機構更希望金融數據服務商提供一站式的數據定制化采集與分析歸納平臺，供自身投資策略快速迭代升級，相比而言，行業頭部大型資管機構則傾向自建數據中臺，以此搭建更強的投研體系與投資決策輔助工具。

一位國內大型公募基金IT部主管向記者透露，行業頭部大型資管機構之所以更傾向自建數據中臺，一方面是為了充分發揮自身較強的投研能力，通過數據賦能構建更豐富的投資策略；另一方面也能有效保護自身投資策略的隱秘性，從而提升投資安全性與回報性。

他直言，數據中臺的搭建，同樣絕非易事。以往，他都是從各類券商機構接入研報、新聞等數據，但他們很快發現，不同券商的數據接入接口差別很大，數據中臺若要接入所有券商的數據端口，需要投入不菲資金、人力和時間成本。

后來，他所在的公募基金決定向一家數據聚合平臺采購數據，但他們發現此舉收效不高，原因是老一代數據聚合平臺受制于自身技術架構的局限，無法讓他們靈活提取所需數據，接入到自身數據中臺，很多時候他們不得不采取人工操作，導致數據輸入時常出錯。

方正證券研發和數據負責人張志明表示，搭建數據中臺過程，還會遇到其他實際操作難題：一是所有的數據標簽都通過金融數據服務商加工生產，若要接入其他來源的數據標簽，則需要修改代碼定制，二是金融機構使用數據標簽，也需要在第三方金融數據服務商系統層面開展，若要在數據庫層面直接使用，又需要改代碼定制，且有時還會遇到存儲系統不兼容等問題，導致數據研究成果無法有效“存儲”在金融機構系統內。

記者多方了解到，目前新一代基于認知智能的數據聚合平臺針對上述痛點，開始嘗試采取更輕、更靈活的云孿生+微服務等新型技術，以便大型資管機構可以隨時提取所需數據靈活接入自身數據中臺，便于后者使用數據與存儲相關數據研究成果等。近期，匯添富基金在數據中臺建設方面接入通聯數據的底層數據服務。

此外，圍繞數據中臺的賦能，新一代金融數據服務商能更精準地一站式解決某些痛點，包括部分行業數據更新頻率不穩定、部分數據仍需研究員手動更新且容易遺漏、部分數據難以靠自身資源獲得等問題。

上述國內大型公募基金IT部主管向記者指出，隨著認知智能與知識圖譜等新技術興起，目前行業頭部資管機構對金融數據服務商的數據要求也持續上升。首先，數據必須更全面，除了公共數據，金融數據服務商還需通過算法和其他途徑提供多元化的獨家另類數據；數據必須更快速，既能滿足資管機構的各類數據更新頻率要求，且這些數據均通過健全的內部質量體系檢查，具有高精準性與及時性；數據必須更具深度，尤其是不少個性化數據需金融數據服務商有能力定制開發。

這些數據要求儼然成為行業頭部資管機構遴選金融數據服務商的新標準——因為他們日益發現，數據中臺儼然成為資管機構比拼核心投研能力的一大基礎，只有獲取全面、快速、高質量、深度定制化的數據持續提升投資決策能力，才能確保資管機構在激烈財富管理市場競爭里立于不敗之地。

“這無形間考驗著金融數據服務商對金融投資決策場景的深度理解與強大科技賦能能力。一個不爭的事實是，若數據服務商仍停留在數據靜態聚合階段，將很難滿足資管機構數據中臺的各類需求?！彼毖?。

王政透露，通聯數據已基于認知智能技術，將某些投資決策輔助模塊聯同數據分析定制能力快速整合納入資管機構各類業務流程，推動資管機構面對瞬息萬變市場波動能做出快速精準投資決策。

責任編輯：王超