恒生副总 韩海潮：资管机构投研平台怎么建？2024年07月12日
裁剪转发与理解；我看过的公司不少了，信息开放方面，恒生做的还不错；只是这类文章，是有人代写，而刘董、总裁、副总、总监们只是挂名发表，还是自己亲自撰文？不得而知。对于高管们来说，这么多的文章发表，是相当不容易的。各股民跟自己当下所在公司对比一下就知道了。亲自写一篇公开发表的专业性文章，哪怕只是公司内部公开，也很费时费精。
今年3月15日，证监会发布《关于加强证券公司和公募基金监管加快推进建设一流投资银行和投资机构的意见》。文件指出，公募需摒弃明星基金经理现象，强化“平台型、团队制、一体化、多策略”投研体系建设。
//被打造出来的明显，很多都是假货、水货，或只能维持特定时期，或奔私后现原型。私募明星是否也有类似现象呢？股民基民从众者多，打造明星私募，在卖方投顾模式下逻辑也很通
...投研平台建设是投研体系建设的关键中的关键。从投资流程看投研平台建设
投研平台从流程角度核心内容包括五大领域：投资研究（研究部）、投资管理（投资部）、投资交易（交易部）、投资风控（风控部）和投研数据（数据部//流程上跟自己炒股是一样的，只是机构规模、复杂度变大了。
| 基于智能化投资研究
投资研究是为研究团队提供服务，业务场景包括：读、研、写、验、荐、评等具体工作。“读”，信息获取更为便捷、直观、高效，数据可视化技术的应用提升了用户体验和效率。“研”，知识图谱将企业、个人、事件、行业间连接构建成关系网，发现风险链条、扩散范围、风险隔离距离。//这个非常重要，绝大多数散户都不具备围绕行业、企业构建知识图谱能力；单点信息可能都是已知的，但基于信息组合、链接起来发现的新推断或衍生数据，就不是市场已知信息了。为啥我基本走重仓个股的模式，因为没有平台支撑，精力有限，一段时期内只能研究1个公司。我在研究这些重仓股时，就深刻体会到离散的信息整合在一起后，才能形成理解上的相对优势。当然，我依然在摸索的道路上，在迷雾中，至今离成功还那么的遥远。。。
“写”，通过大数据、深度学习与自然语言等智能技术，结合各行业逻辑，为金融机构研报生产提供智能撰写研报工具。“验”，通过算法找出隐藏在数据中的规律并根据自身模型算法，对投资标的做出预测，达到最优化的资产配置决策。//这更不是散户具备的能力了，没这种资源。“荐”，实现为投资经理自动推荐、智能推荐，通过个性化推荐算法，构造对应的模型。“评，智能报告审核实现一键自动识别审核各类财务数据、文档要素、数据一致性、估值表数据、引用内容等各审核要点，并即时输出报告审核意见和经审核标注的报告文档，极大地提高报告审核效率。//这种工具极大提升效率。我经常发现一致性问题，但效率都很低
| 基于策略的投资管理
投资管理包含投资策略制定、资产配置、模型构建、持仓分析、风险管理等。投资策略，基于数学模型和算法，运用人工智能技术来分析现实交易数据，驱动交易系统进行预测、选择投资标的并最终执行交易。//当前我的策略就是重仓赌一把
组合管理，通过确定投资风格、核心资产及配比、组合适当调整与确定组合标的来构建投资组合，并通过基于衡量标准和可选择的数据和选取行业标准进行比较来评估投资组合的表现。
资产配置和模型构建也是投资管理中至关重要的一环。越来越多的国内外金融机构开始把人工智能技术应用到日常的投资管理中，主流的投资管理系统在投资组合经理的决策制定、投资组合分析和构建、资产配置、模型构建和再平衡、合规检查、订单管理、集成数据和分析、持仓状态分析等方面均实现了一定程度的自动化。//产品多了，人是无法管理过来的。平台是必须的。O45是未来恒生TOP 1的灵魂产品。
| 基于极速和算法的投资交易
金融机构非常注重交易系统的性能和交易速度，致力于降低交易延时。主要有两种方式：利用FPGA、DPU、非易失内存等硬件优势，达成高性能低延时；随着ETF市场的不断扩大，特别是宽基ETF发行，ETF交易的性能、容量也面临着新的挑战。如何更好地适应市场变化，提升ETF交易的效率和质量，成为近期业内关注的焦点。
算法交易利用海量的历史行情数据和交易数据，通过机器学习，设计出更为合理的交易策略并不断验证优化。利用算法来决定交易下单的时机、价格和数量等要素，避免交易员的非理性因素造成的干扰。
算法交易能同时管理大量的操作，自动判断将大额订单分拆为小额订单，减小交易冲击成本，进一步提高产品的盈利效率。
//散户如果发挥不出自己为数不多的一些优势，采用跟机构一样的思路或模式，不可能有出路。大金链子过去多年其实也是靠几次重大机会的重仓获利得以走到目前的塔尖的。机构必须分散、搞组合，交易快速，散户也要靠组合来降低风险吗？恐怕不一定，我在证明过程中
| 基于数据驱动绩效风控
绩效风控需要对全资产、多维度、多指标的数据进行分析。复杂度高的指标计算，需要对巨量数据做加工处理。在投入越来越多的硬件资源来支持日益扩张的计算量的需求的同时也在推进金融工程计算引擎的技术持续革新，不断提升硬件资源的使用效率、计算服务平行拓展等能力，并成为绩效风控系统的一大核心竞争力。随着非结构化数据也逐渐成为风控数据来源，NLP算法对大量的非结构化数据进行清洗、提纯，并形成结构化数据，再通过大数据、人工智能的算法，推理或者挖掘出一些风险因子，准确地预警或者针对性地发现风险形成预警信号，以便尽早采取相应的风险管理措施。
//散户也不可能通过这种方式来做风控。更多是靠对少数股票的深入理解，市场经验和自己的一些原则来做风控，你能算几个他人看不到的指标？能看到多少非结构化数据呢？
| 基于实时数据分析的IBOR集成
尽管大量技术可以实现集成数据分析和持仓状态分析的自动化，但这种自动化是具有局限性的自动化，尚不能达到实时的数据分析和持仓状态分析，且仍需要人员维护数据输入、状态修改、数据输出等过程。IBOR（前台投资交易账簿）为投研平台建设提供实时、多维度库存及指标计算能力，为前中后台全流程的状态管理、组合分析、持仓分析、合规风控、后台运营等提供更强的便利性。国内外资管机构投研体系建设的经验
| 国外投研平台体系建设经验
Aladdin平台业务全方位覆盖资产管理各领域，确保每个投资经理都在实时查看相同的高质量数据，其他特点还包括：构建金融计量模型，运用蒙特卡洛分析计算风险预期概率分布，动态监控风险敞口。Aladdin平台帮助投资经理能够每天监控2000+风险因素，每周执行5000+投资组合压力测试和1.8亿次期权调整计算。内置的投资决策功能，覆盖交易前风险管理、交易模拟、交易模拟、下单、建模和再平衡各类场景。
IBOR根据各底层数据和活动，计算分析头寸、现金及风险敞口，并基于自动对账、操作检查等流程，确保投资数据一致性。
独立集中的数据库满足各部门的需求、用一致的方法评估各项资产并提供整体投资信息透视、统一数据支持全资产的整体风险管理并提供资产配置的详细信息。
此外，Aladdin平台自身具有很强的集体智慧效应,意味着接入平台的金融机构越多，获取的信息就越多，能从用户的操作策略与风险应对方案中吸收经验，进一步强化自身风控能力。
//恒生的同款产品卖给不同客户后，各家客户的数据独立部署，恒生都看不到。国内可能无法产生像Aladdin平台这种集体智慧效应的单个平台了。大模型可能在单点上可能会有所改变。
Charles River（CR）在IBOR系统构建方面具有先进的可借鉴意义，其为交易员和投资经理提供准确、实时、综合的头寸和现金视图。CR IBOR提供以投资为中心的头寸视图，减少交易和手动核对头寸所花费的时间。
作为CR投资管理解决方案(Charles River IMS)组成部分，IBOR在单一平台上提供一致的头寸数据管理，IBOR向CR IMS提供日初头寸，并将头寸保持数据分发到其他系统，通过消除对投资运营系统信息依赖，将多个头寸相关数据源整合到一个平台，消除头寸错误、简化运营。
Fusion Invest作为一套前中后一体化解决方案，其前台视图基于一个灵活的树形结构，允许用户查看分析多层文件夹和子文件夹投资组合，中台可依赖各类计算引擎和流程编排工具建设各类应用，后台则有强大的投资数据簿记系统做支撑。其支持所有管理的资产中进行导航，并允许使用预设的指标，包括基于市场价值、损益、绩效、风险指标、敏感性以及希腊字母和流动性概况等，并考虑了投资组合的估值和不同团队的操作。
Fusion Invest覆盖全球投资标的，具有针对各类投资标的定价模型，支持全时段的投资交易；基于实时数据计算资产的波动率和相关性，进行定制化情景分析；支持资产组合在偏离了原有状态后，可对组合不断跟踪，及时调整，实现组合的再平衡；拥有先进的投资交易组合管理工具，整合了交易前合规管理功能。
| 国内公募基金投研平台体系建设经验
国内公募基金建设投研平台通常采用分业务品种建设的模式，从被动型产品开始，拓展到固收（货币）、再到主动权益，覆盖投前（投研知识管理、数量化研究）、投中（组合管理、组合分析、投资交易）、投后（投资运作支持、绩效归因）和全流程的合规风控等场景。投研系统建设与投管系统相分离。投研平台基于大数据、人工智能等技术，实现数据之间的智能化关联，提供丰富的行业、产品、概念系统内置标签，自动化完成收集、清洗、分析的过程，提高投研工作效率，更好支持投资决策，赋能投研应用场景。
投管（投决）系统在打通内部流程审批情况下，基金经理所有操作均可在平台中进行，无需再多系统切换，极大地提高投资效率。基金经理的投后分析工作压力大大解放，采用低代码技术快速实现个性化需求。同时大部分头寸管理、再平衡都可在平台上实现。
一些头部基金公司也在进行投资研究和投资管理的一体化整合，实现投前、投中和投后过程中投资研究、决策、交易和风控等强大功能，打破原有各个业务系统各自为战的现状。
首先统一流程管理，从投前、投中、投后划分，满足从研究到投资再到投后分析的一套完整的投资管理流程。
其次统一风险合规管理，支持全业务统一风控，事前、事中、事后全流程管控风险。
最后统一现金管理，实时处理头寸交收等业务，提供现金流日历功能，预测未来现金流。
数据方面主要解决投研信息供给过剩，信息系统割裂和数据分散异构等问题。主要解决投研数据标准统一、多源异构数据融合、机构间数据流转、交易全生命周期数据治理方面的问题。
近期，头部基金公司也在建设自己的IBOR底座，通过整合指令管理系统、交易管理系统、估值系统、登记过户系统的核心数据形成单一黄金拷贝数据，在此基础上打造了多维度头寸管理、实时估值、合规试算、指标试算、指令合规等业务功能来满足投资决策、绩效风控、合规管理、头寸管理等业务高效开展的诉求，为各个业务系统协作建立了一致性的数据基础。
投研平台发展趋势：智能化技术应用智能投研利用人工智能、大数据等技术广泛获取、处理和分析多样化数据信息，为投资决策提供数据分析能力、深度学习能力和自然语言理解能力，帮助资管公司实现高效的数据处理，并基于此做出投资决策。在推动交易策略方面，通过智能技术应用，投资机构能从债券、大宗商品和外汇交易中更高效地筛选出投资标的，提升投资组合风险控制和资产配置能力，实现全生命周期产品管理。通过对交易数据分析，实时修正自身交易行为，提高投资组合收益率，降低投资风险。
//总之，散户在信息、武器方面，是远远无法跟机构相比的。把有限的资源、能力集中在一个有限的地方打歼灭战，形成局部相对优势，这才是散户从微小虾米，成长为小虾中虾，再成长为小龙虾的合理路径。纯属个人观点。