辛治运：金融科技赋能基金投研实践研究
随着我国基金行业的快速发展，证券行业财富管理业务迎来了新的发展格局。同时，随着金融科技的飞速发展和广泛应用，券商普遍通过人工智能技术拓宽投资信息来源，提高获取信息的速度，减少基础数据处理的工作量，并通过自动化的数据分析，提高投资研究的效率，为投资决策提供重要参考。金融科技赋能基金投研已然成为各大券商的重要发力点。
广发证券股份有限公司副总经理、首席信息官 辛治运
基金投研的现状与问题探讨
1.投研流程割裂，未形成业务闭环。在投研领域数字化建设的过程中，由于业务需求复杂、规划不清晰，导致存在系统割裂、碎片化的现象。如投前的产品分析管理和组合构建，投中的交易调仓和组合再平衡，投后的组合跟踪以及报表生成，需要分别通过不同的业务系统来完成。整套流程涉及多个平台系统间的跳转，整体业务未能形成闭环，不但为投研成果的管理带来许多不便，还容易造成投资与研究相对割裂。
2.投研数据不统一，落地应用难度大。随着大数据技术的不断进步，投研数据呈现指数式增长的趋势，但海量的投研数据也给数据治理、数据洞察带来了挑战。尤其对于舆情信息、供应链关系、知识图谱等非结构化的数据处理，投研人员往往需要耗费大量时间进行数据清洗和数据加工。同时，非统一格式的分析结果很难支持其他业务系统的快速复用，加大了研究成果落地应用难度，降低了业务效率。
3.底层数据模糊，收益风险分析困难。由于基金报表披露的信息限制，基金底层数据相对不透明。在产品风格分析、收益风险归因分析等过程中，只能依赖基金披露的历史持仓信息进行研究，进而导致分析结果与实际情况存在一定的偏误，影响了投研人员的投资决策。
图1 投研平台架构图（资料来源：广发证券财富管理投研平台）
4.数据实时性不足，难以及时预警风险。组合产品风险的及时预警与分析，需要有相对高频的实时数据支撑。而组合产品的数据实时性，除了受基金报表披露的滞后性影响外，还存在基金净值披露、舆情监管信息获取的时滞等问题。目前业界许多投研系统只能基于基金最近披露的持仓信息实现净值预测，对于舆情新闻仅能依赖数据供应商支持，导致投研人员较难及时发现基金的风险，难以有效管理组合产品的风险暴露。
金融科技赋能基金投研的实践
为了更好地应对财富管理行业的快速发展挑战，解决财富管理投资研究存在的问题，加强金融科技数字化布局，广发证券通过人工智能、大数据以及云计算等技术打造了财富管理投研平台（下文简称“投研平台”），以财富管理业务的投资研究场景和工作流程为核心，实现投前、投中、投后全流程数字化管理，从基金产品、基金经理及基金公司三个维度重塑产品研究体系，促进自主策略研究、投研成果固化、基金画像丰富以及投研工具应用的正向循环发展。投研平台解决了传统投研过程中数据质量低、评价维度单一、资产配置效率低、缺乏投后监控工具等业务痛点，帮助基金投研人员更高效分析产品特征、构建基金投资组合。
1.构建丰富基金画像体系。在产品研究方面，投研平台通过多维度分析体系打造了一套丰富的基金画像系统，从基金产品画像、基金经理画像与基金公司画像三个维度，全面地分析市场上的基金。基金产品画像基于定制化的基金投资风格分类，对基金产品持仓、收益风险、过往业绩等全方位量化指标进行分析比较，利用智能算法结合市场行情实现基金的评级打分，形成详细的基金产品分析报告，辅助投研人员构建基金池。基金经理画像根据特色分类标签、定制加权业绩拟合曲线及量化对比分析，结合对盈利质量、风险控制、择股择时能力等多维度因子挖掘，形成基金经理综合评价。基金公司画像则实现了对旗下所有基金产品与基金经理的归总，在统一分析框架下对基金公司整体能力的刻画，方便投研人员进行横向比较分析。
2.提供多样化模型工具。在组合管理方面，投研平台提供了丰富的量化模型工具，自上而下囊括了宏观经济分析、市场情绪分析、行业景气分析、战略资产配置及战术资产配置等投研分析模块，简化了基金组合构造流程。此外，投研平台支持自主编写量化策略和回溯测试分析，鼓励投研人员在基础模块上实现技术创新，不断丰富投研平台的分析工具，推动了财富管理业务的自主策略研究发展。
3.支持多维度跟踪预警。在风险监控方面，投研平台支持对产品和组合实现持续的监测预警，通过分析产品指标所处的风险预警区间，结合机构和产品的实时舆情信息，实现产品风险监控并定期生成风险分析报告，方便投研人员及时发现投资风险，针对市场异动及时调整投资决策。
投研平台上线至今已实现了对全市场10000多只公募基金、5000多位基金经理以及180多家公募基金公司数据的全面分析，形成了超过600个量化指标，从90多个维度构建产品画像，并支持指标筛选、排序以及多产品的横向对比等功能。
投研平台的创新点
1.全流程管理，形成投研流程闭环。针对投研管理过程中普遍存在的业务系统林立、信息相对隔绝以及业务难以形成闭环等问题，投研平台提供一套投前、投中、投后一体化管理方案，提升了自主策略研究和投资研究能力。
投前阶段，通过基金产品画像、基金经理画像以及基金公司画像实现基金研究全方位多维度分析，基于定制化的基金主题标签和基金经理拟合指数，结合人工智能算法模型形成基金评级，支持多层次横向对比分析，辅助投研人员挖掘符合投资期望的基金产品。
投中阶段，投研平台提供丰富的组合管理工具，支持手动调整、自上而下、自下而上等多种模式的组合配置再平衡，集成了大量组合优化模型和市场行情分析工具，同时提供“类实盘”精度的模拟交易功能、穿透式归因等组合分析管理功能以及自定义组合报告生成功能，提升了组合配置能力及实践效率。
投后阶段，投研平台支持对组合和基金进行持续的监测和风险预警，测算在不同压力情景下净资本和流动性等风险指标的变化情况，评估产品的风险情景，并提供多种风险测算工具，实现风险量化监测，帮助投研人员及时把握产品风险，调整投资策略。
通过投研平台实现投研流程一体化管理，推动了投研服务形成业务闭环，实现投研能力赋能实际产品组合构建，促成了投研能力、投研工具和业务水平的共同进步。
2.中台化建设实现多业务系统赋能。投研平台基于中台化建设的理念，搭建数据和服务API，将基金相关指标数据和策略投研成果沉淀为投研中台能力，使得投研成果可快速在其他业务场景和系统平台进行扩展和应用，数据访问方式也更加灵活。
图2 投研平台中台化建设（资料来源：广发证券财富管理投研平台）
投研平台中台化建设整体可分为三个方面。数据方面，投研平台的所有研究数据都落入中台数据库统一管理，便于其他系统对基金各类指标数据以及投研分析因子进行查询。模型服务方面，系统中的各模块都提供后端API接口，支持其他系统的调度使用，应用于各类指标计算、组合分析以及产品对比等场景。前端服务方面，各种分析展示都是基于模块卡片实现组合，方便各种定制化服务、客户权限管理以及新服务的可视化展示，大大简化了其他业务平台和系统因对接应用而需要额外改造的工作。
中台化建设极大程度地促进了投研成果的固化，推动了投研能力进步，打造了业务的核心竞争力。此外，将数据和服务以接口的形式输出，还能打破不同业务之间的隔阂，将投研成果输出赋能，促进各业务部门共同进步。
3.穿透式分析，把控产品底层风险。针对基金底层持仓明细模糊、报表披露存在一定滞后性的限制，导致组合产品风险难预警的问题，投研平台利用归因分析模型和自研的基金底层持仓穿透模型，实现对基金底层行业持仓的实时推断以及底层资产收益风险归因。
基金持仓穿透模型基于基金历史持仓数据、基金近期净值，考虑同基金公司以及市场同类型的基金近期持仓数据，结合时间维度加权生成预期的行业指数，利用人工智能算法拟合，推断出基金在各行业的持仓比例。该模型目前应用于对市面上的股票型基金和偏股混合型基金的持仓穿透推断，预测的偏离误差控制达到了业界领先水准，辅助权益类产品在配置时控制不同行业上的配比，有效控制了组合产品的风险暴露。
归因分析支持对基金和组合实现多层次收益和风险归因，通过多维度展示产品底层资产在各角度下收益表现能力以及风险暴露程度，使得投研人员更好地分析产品实际的风险和收益，从而调整策略和组合构建。
图3 基金持仓穿透模型研究（资料来源：广发证券财富管理投研平台）
4.实时监控，提高风险感知能力。针对基金数据实时性的问题，投研平台提供的解决方案主要包括两个方面。一是在穿透分析的基础上，实现基金实时净值估算。二是实时爬取新闻公告等数据，实现对机构、产品相关的舆情监控。
实时净值估算是在基金持仓穿透模块的基础上，得到基金预期的行业指数构成以及基金底层行业持仓推断结果。通过柜台获取到实时股票和指数实时走势数据，再基于分布式结构预估基金的实时净值数据。精确的实时净值数据，能够帮助投研人员更有效地做出交易决策，提升整体业务的投研能力。
舆情监控则基于数据供应商提供的报告数据以及网络爬取的数据，利用NLP技术和知识图谱进行梳理，筛选出针对机构及产品相关的正负面消息，推送给投研人员，提高了对组合产品的舆情风险感知能力。
未来展望与行业建议
1.加大金融科技投入，提高智能化建设。智能投研的发展需要把财富管理投研实践与人工智能、大数据等技术深度融合，使金融科技不仅能解决研究报告撰写、合规文件报送等大量模式化、标准化的工作，还能通过科学、系统的分析框架挖掘出市场上存在投资价值的资产标的，节省投研人员的时间和精力，更进一步赋能投研业务。
2.进一步优化系统架构，打造智慧中台服务。通过对关联业务能力、工具进行梳理融合，使用中台化技术架构，打造更灵活的投研框架，建立更丰富完善的投研系统，实现跨领域、跨场景的协同发展，支撑财富管理业务更进一步的拓展与创新。
3.不断丰富投研数据维度，深挖数据价值。在智能投研数字化转型过程中，夯实数据基础，提升数据治理能力是必备条件。通过扩展宏观、行业、企业、事件等各维度数据，深度探索数据之间的关联，挖掘数据资产价值，从而增强投研领域的核心竞争力。同时，建立投研数据治理体系，持续优化数据治理标准和数据管理工具，提升投研数据的生产和应用效率。
4.打造开放合作的智能投研生态圈，实现智能投研生态化建设。通过促进证券、银行、同业机构及外部合作伙伴之间的交流学习与业务合作，共同提升智能投研能力，推动行业投研领域的智能化和数字化进步发展，实现合作共赢。