3
三场研讨会顺利召开
洞见业务流程和体验的全面变革
15
1
“金融行业数据标准”主题沙龙
建立统一的数据标准，将大大提升金融机构的数据采集处理、分析应用、流通共享等能力，助力金融行业数字化转型。
数据标准制定与模型设计
为保证数据标准具备基础性、引领性作用，既需要前沿人工智能技术和方法论的应用，也需要监管部门从顶层设计出发，制定行业通用型的数据模型。
作为人工智能领域专家，恒生电子首席科学家、恒生研究院院长白硕针对行业事件建模提出了“四象限模型”方法论。同时他表示，资讯数据是事件建模的基础，事件大量隐藏或者只有通过资讯数据的深入挖掘才能反映出来，而资讯及事件数据跨行业跨部门，需形成行业性标准对元数据进行分类。
数据标准应用落地实践
在数据标准和模型的实际研制和落地过程中，金融机构需要从规范体系、业务场景、数据治理等多角度进行思考与实践。
在富国基金信息技术部总经理李强看来，真正的数据标准化，是一个从业务、技术、管理三方面达成一致的规范化体系，除了基本的数据定义标准、口径统一以外，应该把范围覆盖到从数据采集、数据分类分级、数据存储，再到如何实现公司内部的标准化定义和标准化建模等数据治理体系建设。
金融数据服务商可以通过智能化技术设计针对性的解决方案，形成同一套产业链发展逻辑关系与数据表述，进而提升产业链信息标准化程度。
针对实际的数据治理场景，恒生电子资深数据架构师孙承佼认为，金融机构可以基于证监会SDOM模型标准，结合自身具体的建设需求对模型内容进行补充和拓展，建设更具落地性的数据中台。
2
“金融风险合规数据”主题沙龙
风险合规数智应用场景
当前，整合多方业务大数据，探索多维度风险合规数智场景，是金融机构面对未来风险挑战的重要手段。
中信证券信息技术中心数据平台组执行总经理岳丰从中信证券的实际业务场景出发，认为数据工具可以在同一客户风险管理场景、舆情预警风险报告、图计算风险模式发现、隐私计算保护子公司客户数据四个角度进行应用实践。
此外，反洗钱也是当下的监管热点。针对反洗钱数据的应用，伦敦证券交易所集团数据与分析业务中国区风险业务市场开发总监王冀表示，通过AI技术对海量的风险情报进行风险类别标记，进而形成风险标签和风险画像，可助力可疑交易识别效率的提高。
数智化风险合规发展展望
对于金融机构来说，未来的数智化风险合规需要从哪些方面进一步的建设发展，不同的专家从各自的领域进行了解读。
针对证券行业全面风险管理，恒生电子风险合规规划专家、原国泰君安证券风险管理部总经理郝保华表示，风险数据治理和风险数据集市建设，对于提升全面风险管理有效性具有至关重要的作用。在未来，证券公司可以从统一风险管理平台、风险监控预警、风险估值和计量能力三方面加强重点提升。
恒生电子数据风险业务负责人张福明则认为，“数智化风险合规”发展重点在于数据资产构建和数据价值挖掘。在他看来，相较于传统风险合规，金融机构想要完成数智化转型，需要完成数据战略、数据治理、数据架构、数据规范、数据保护、数据质量、数据应用和数据生存周期管理八大能力域的全面提升。
“数据驱动量化交易”主题沙龙
数据是量化交易的灵魂
不同于传统交易，量化投资本身就是一种以数据为驱动的投资方式，从海量金融数据中寻找能够带来超额收益的“大概率”规律，构建数量化模型指导投资，正是金融数据的丰富造就了量化投资的诞生。
恒泰证券信息技术中心联席总经理欧阳辉表示，券商在满足量化交易对数据方面的诉求主要有三个方面：数据的完备性、准确性以及获取数据的效率。针对量化交易服务，恒泰证券建立了包括数据中心、极速通道、投研平台、算法平台、投研工具、量化PC、量化工具在内的量化平台，以此响应多变的市场需求。
思勰投资交易运营总监孙修远则从“数据驱动量化投研”的角度，介绍了百亿量化私募思勰投资在数据能力上的建设与思考。
他认为通过量化数据中台的建设，可以实现业务数据化、数据资产化和投研智能化，进而打造数据驱动的量化资管体系，是量化私募数据能力助力投资决策的重要方向。
数据驱动量化策略算法
恒生电子数据运营中心运营专家黄琪则表示，当下越来越多的量化私募机构青睐PureAlpha，这需要机构在数据、模型策略和交易执行上有更多的投入，并不断推高对量化投研数据质量的要求。金融数据服务商需要提供更完善、省心、高性价比与标准化的量化投研数据服务，以满足不断提升的投研数据需求。
除了深度分析数据驱动能力，关于量化交易技术未来的发展方向，中泰证券金融科技委员会主任、科技研发部总经理何波认为，当大资管时代量化交易不再纯粹聚焦高频极速时，开源和云原生是值得行业深入探索的方向，也是量化交易走向规模化的必由之路。
而如何让量化交易迈入云原生之路，需要从统一的行业标准制定、完善的开源生态构建、合适的开发语言使用等各方面进行深入发展。