m0_37848449的博客

原创 券商如何做好机构服务

第一章 宏观背景自2019年下半年以来，A股市场进入结构性的牛市，少数高成长高价值的企业持续上涨。有人总结这种机构抱团行情，是A股国际化、市场机构化、机构头部化、头部产品化的结果，A股行情没能够成为中国经济的晴雨表，却真实反映了证券行业正在发生的变化：机构化、国际化和产品化。根据中金公司的数据，个人投资者在流通市值中的持股比例已从2003年的95.4%下降到2020年的51.8%。机构投资者占比则是逐年稳步增加，其中外资和公/私募基金是15年以来最重要的增量资金。未来在银行理财子公司、养老资金、海外资金

原创 智能金融的三驾马车之自然语言处理NLP

什么是自然语言处理NLP用通俗的话来讲，自然语言处理NLP的目标是让机器能够理解人类的语言，NLP就是人和机器进行交流的技术。用专业语言来讲，自然语言处理有狭义和广义之分。狭义的自然语言处理是使用计算机来完成以自然语言为载体的非结构化信息为对象的各类信息处理任务，比如文本的理解、分类、摘要、信息抽取、知识问答、生成等的技术。广义的自然语言处理技术也包含自然语言的非数字形态（如语音、文字、手语等）与数字形态之间的双向转换（识别与合成）环节。NLP的历史发展自然语言处理是人工智能的一个分支。伴随着人工智能

原创 金融科技之能量守恒定律

本文主要阐述下大数据场景下，金融和科技在能量守恒的体现与应用，希望对架构设计、业务模式创新，数字化转型有所帮助。

原创 证券行业的数字化转型：数字新基建 （云、中台、数字化解决方案）

在笔者看来，证券行业数字化转型大体有三个层面，第一个是数字化新基建的建设，重点在于基础设施数字化升级，券商业务解决方案的数字化改造；第二个是公司治理层面的数字化转型，企业需要提出清晰的数字化战略，重新审视客户价值，用数字化驱动竞争策略、员工组织的重构；第三个层面是通过协同网络整合合作伙伴生态资源，打通产业链上下游，走出企业数字化，走向产业数字化、建立社会化共生型服务组织，通过数据智能、协同网络的智能金融的工业化落地，最终实现证券行业的智能商业生态。

原创 银行理财子与券商合作探讨（四）：券商银行理财子数字化合作蓝图

大资管发展到今天，资管机构间已经形成比较明显的分工协作的模式，主要存在资金来源机构、投资管理机构和通道机构的上下游关系。资金来源机构为产业上游机构，以银行为典型代表，主要利用客户渠道吸纳资金；投资管理机构为下游机构，以基金为典型代表，主要负责资金具体运作管理，实现收益；通道机构处于产业中游，以券商为代表，为银行等其他机构提供交易便利的同时，通过综合服务增加机构服务的粘性和附加价值。大资管就是在这样的分工合作的模式下，历经多年的快速发展，在规模上升的同时，也暴露出诸多问题。最核心的两点是刚性兑付和产品多层嵌

原创 银行理财子与券商合作探讨（三）：银行理财子推动券商业务转型

银行理财子与券商全面深度的合作，带给券商巨大商机的同时，也在推动券商各个业务条线的转型。券商资管应对银行理财子当下的资管监管政策越来越紧，去通道化，清理资金池，回归资管业务本源是当下摆在券商资管业务线面前有待解决的核心问题。券商资管业务风险集中在通道业务中的监管套利和资金池业务中的流动性风险。券商资管通道业务大部分来自于银行的委外业务，其本质是融资驱动的影子银行，是银行突破贷款规模的限制，扩大表外资产的工具。而资金池业务则是在金融自由化和货币宽松背景下券商资管利用期限错配的套利工具。券商资管在摆脱同质化

原创 银行理财子与券商合作探讨（二）：银行与券商合作的现状与展望

券商和基金是受银行理财子走向权益之路影响最大的行业，券商因为具备全面的买方服务体系和多年的买方服务经验，相对于基金公司专注于资产管理业务，券商在与银行理财子在资本市场上的合作占据主动地位。下面的表格罗列了券商和银行理财子已经、正在产生的业务合作点。从这张表上看，券商与银行理财子的合作主要体现在投资研究类服务、机构经纪类服务、投资交易类服务这三个方面，主要涉及到券商研究所、机构经纪部门、资产管理部门。其中投资交易服务对券商来说就是把银行理财当作资金来源，随着传统委外、结构化资管产品嵌套服务受限，这块合作增

原创 银行理财子与券商合作探讨（一）：银行理财子带给资本市场的机遇与挑战

银行理财子公司的相继成立，带给资本市场万亿增量资金预期的同时，也改变了大资管行业的业态。银行与非银机构间从原来的以通道合作、委外业务为主的合作，逐步过渡到以资产管理为核心的全面的机构间业务合作。银行理财继续发挥着资金端的规模优势、客户群体的信任优势，券商、基金等非银金融机构继续扮演商业银行和标的资产之间的桥梁角色，发挥着渠道优势。在逐步解决资金池、产品嵌套、刚性兑付等问题后，大资管行业业态就会逐步发生改变。非银机构面向银行从传统通道服务商角色，过渡到深度资管业务合作和全面的机构服务上来。银行也逐步改变以监管

原创 构建在知识中台基础上的企业画像

现状金融行业是信息驱动的行业，金融机构对用户的营销服务、适当性管理催生了用户画像业务；对投资标的的投研风控的分析、资产配置的要求，催生了产品画像业务；对新闻资讯的精准搜索、个性推荐需求，催生了资讯画像业务。无论用户画像、产品画像、资讯画像，其依赖的数据主要是金融机构内部的经营数据，包括用户在金融机构端的行为数据、账户数据、交易数据、行情数据等等。这些数据基本上都是结构化的，数据价值密度高，形成一个有效果的画像一般只会面临工程层面的问题。当前，金融机构对画像业务的关注点正在转向企业画像，一方面这源于大数据

原创 智能金融的三驾马车之机器学习

机器学习技术是什么？机器学习是一门人工智能的科学,该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。机器学习是对能通过经验自动改进的计算机算法的研究。机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。机器学习的核心：从大量数据中挖掘模式或者规律，用以对未知事件的判断或者预测。机器学习技术的分类机器学习算法选择路径图机器学习在金融领域的布局l 机器学习和大数据对金融的影响，不仅体现在改善效率上，也在提升效能上。l 智能金融应用率先在通用领域中发力，解决效

原创 大金融业务系统的技术架构演进方向

大金融业务架构演进大金融三浪叠加的发展阶段：信息金融、互联网金融、智能金融，对标的业务架构从1.0、2.0发展到了今天的3.0架构。信息金融采用1.0业务架构，采用瀑布型开发、单块架构、物理机、大型/小型机。互联网金融采用2.0业务架构，采用敏捷开发、垂直架构、虚拟机和X86传统机构架构；智能金融采用3.0业务架构，采用Devops、微服务、容器和云原生基础架构云。目前大金融行业以烟囱式信息系统为代表的1.0架构业务系统和以弹性可扩展互联网业务系统正在逐步迁移到3.0的云原声架构体系，云原生架构的核

原创 全面理解Gatner的企业信息管理成熟度模型

Gartner的企业信息管理EIM模型Gartner的EIM模型由7部分构成，分别是：Vision（愿景），Strategy（战略），Metrics（指标），Governance（管控），Organizationand Roles（组织和角色），Life Cycle（生命周期）、Infrastructure（基础设施）。Gartner 企业信息管理5阶段成熟度模型为了帮助数据和分析领导者评估EIM计划的状态，制定 EIM的实现路径，Gartner针对EIM模型中能力模块创建了一个五阶段成熟度模型。

原创 知识图谱落地场景1 ：事件影响分析：生产事故

下图是行研用投研逻辑表达的生产事故对股票的投资影响分析，这个场景是非常适合知识图谱的落地的。好处有几点：1）产业链知识落地到知识图谱2）行业研究逻辑落地到知识图谱3）通过计算机AI可以辅助人工来监控业务逻辑的影响情况，从而第一时间给出传播影响链。这种知识图谱落地的方案也有工程化的问题：1）类似产能、库存、价格等数据不一定能拿到；2）即便能拿到估计也是非格式化的，那么用NLP等处理，如何保障其准确性？3）对专家知识依赖较高，产业链错或者推导逻辑错，结果都不会成立这个方案是人机协同的典范，初期是

原创 从数据到智慧，知识图谱如何推动金融更智能？（PPT版）

原创 智能金融项目的N种死法1：离交易过近

阿尔法Go有这样一个段子：当阿尔法Go进化阿尔法master之后已经是围棋十三段的水准，面对职业9段棋手能获取60连胜，已经没有人能够击败他了。于是阿尔法Go来到了中国A股市场，经过半年多的挑战最终落荒而逃。这个段子说明一点：任何想要通过人工智能做投资交易，进而躺着赚钱的智能金融项目注定是要失败的。迄今为止，我们听说过很多牛×的智能金融产品，莫过于被标普全球以5.5亿美元收购的Kensho，，kensho为投资者提供的主要服务是：寻找事件和资产之间的相关性，以及事件对价格、特别是价格长期趋势的影响。举个例子

原创 大金融技术栈全景图

大金融技术 全景图前沿技术栈RPA区块链AR/VRIOT生物识别人工智能技术栈NLP知识图谱机器学习深度学习语音识别图像识别视频技术联邦学习大数据技术栈离线计算实时计算离线同步实时同步可视化BI任务调度爬虫开发套件检索安全技术栈WEB应用防火墙堡垒机密钥管理SSL证书管理主机安全Ddos防护加壳混淆高性能技术栈内存服务开发框架C++服务开发框架内存数据库低延迟中间件GPUFPGA矩阵计算硬件优化云计算技术栈负载均衡分

原创 智能金融项目的N种死法4：前沿技术过度前沿

金融科技ABCDI，即：AI（人工智能）、Blockchain（区块链）、Cloud Computing（云计算）、Big Data（大数据）和Internet（互联网），是我们智能金融项目技术必须采用的前沿技术，但前沿技术ABCDI不能决定智能金融项目的技术路线。原因在于：前沿技术的采用要符合技术应用发展的周期规律下图是Gartner总结的技术成熟曲线分为五大阶段：技术萌芽期（Technology Trigger），期望膨胀期（Peak of InflatedExpectations），泡沫化的谷底

原创 智能金融项目的N种死法3：高预期的大项目

项目越大，代表投入越多，预期越高。前有大炼钢铁，今有大练芯片，人工智能可以采用举“公司”体制的建设模式吗？答案是不行。IT产品、互联网产品和人工智能产品，做产品的逻辑是不同的。IT产品追求的是信息化、流程化，买来就可以用就是IT产品的基本逻辑，复杂的IT产品，无非是参数设置比较麻烦而已，比如ERP。互联网产品追求的是规模经济——大规模的服务覆盖/复制，弹性可拓展，是互联网产品复杂性所在。人工智能关注的是智能化，智能的自我进化是其核心关注点。我们可以类比下，IT产品类似于手工业，强调各类工具的使用，IT产品

原创 智能金融项目的N种死法2：远离场景

没有明确场景的AI项目不能做。AI跟业务结合有几种方式1）赋能型：业务+AI，类似证券开户的例子，用人脸识别做视频见证，从而实现非现场开户。再比如数据采集业务，加入NLP技术做非结构化处理，缩减人工投入。2）颠覆型：AI+业务；比如数字货币、大数据征信AI推动了相关业务的变革。3）平台型：多业务+AI平台；这种场景比较常见的就是响应公司的数字化战略，打造数字XX的平台，其中AI平台就是核心中台平台，被多个业务所复用。无论怎么结合，AI项目，必须有清晰的业务场景。那种只引入AI平台，之后再做场景的AI项目

原创 测测你的金融科技的业务段位

青铜（了解）智能投顾、智能风控、智能营销、智能客服、智能投资、智能投研、智能运维、三方另类数据、风险评级……白银（理解）KYC客户洞察、KYP产品洞察、资产配置、智能舆情、产业链图谱、风险画像、资讯大数据、精准营销、智能写作、AI因子、大数据征信、业务中台……黄金（执行）数字货币、资配模型、金工、事件建模、算法交易、策略交易、大数据风控、投研数据集市、数据治理、智能事件驱动、产业链投研、AI研报……铂金（驱动）财务共享、自动化决策与执行、敏捷绩效、数字化员工、数字员工、敏捷组织、社会化沟通与.

原创 测测你的金融科技的技术段位

青铜（了解）AI机器人、中台、人脸识别、智能问答、语音助手、机器人、阿尔法GO、图灵测试、机器人三定律……白银（理解）NLP、知识图谱、机器学习、深度学习、OCR、RPA、敏捷开发、多源异构大数据、微服务、IOT、云计算、敏捷开发……黄金（执行）区块链、标签/Tag、神经网络、推荐算法、分类/聚类、特征工程、知识工程、预测、爬虫、docker、GPU、devOps……铂金（驱动）:数据治理、云原生、数字孪生、图搜索、演绎推理、kunbernetes、Xgboost、随机森林、贝叶斯网络、KN.

原创 通往智能金融的必经之路RPA

RPA可以有效解决，面向智能金融BRP（业务流程再造）的工程化落地问题(成本问题)，此时通过NLP、OCR等感知技术，机器学习、知识图谱等认知技术可以辅助RPA更好的完成一些人力密集型的重复劳动，所以我说RPA是通往智能金融的必经之路。

原创 从深交所2018年创新课题看券商的数智化布局

由深交所组织，券商申报的科技创新的课题活动，通过每年一次的申报、立项、评比、展示等工作已经成为券商年度最为关注的创新话题之一。券商申报的课题，要么是通过自研，要么通过与供应商联合开发的形式开展的。基本能够展现出券商当下的创新方向。下表是2018年券商创新课题。

原创 从深交所2019年创新课题看券商的数智化布局

由深交所组织，券商申报的科技创新的课题活动，通过每年一次的申报、立项、评比、展示等工作已经成为券商年度最为关注的创新话题之一。券商申报的课题，要么是通过自研，要么通过与供应商联合开发的形式开展的。基本能够展现出券商当下的创新方向。下表是2018年券商创新课题。

原创 金融机构的IT团队前置

机构信息技术部的职责与规划样例金融机构的IT团队基本上指的就是金融机构的信息技术部，为了比较充分的理解信息技术部的服务模式，我们有必要了解这个组织的具体职责和规划。拿XX券商为例：## XX券商信息技术部的职责：1、负责公司信息技术系统总体规划的制定并组织实施；2、负责信息系统相关制度的制定与完善；3、负责信息系统建设、运行与维护，并对业务系统提出优化改进建议；4、负责对新业务系统开发与建设及有效评估；5、负责公司门户网站的整体规划建设、运行与维护；6、负责信息系统安全管理及相关的风险控制与

原创 数字经济时代审计工作的数智化转型

审计技术的发展阶段审计电子化审计电子化是把计算机运算技术运用到审计作业中去，将审计时获取的信息转化为数字，通过对数字的分析和运算来进行审计判断。如果没有计算机，我们也可以开展审计工作，把所有能以数字表示和计算的金额、数量、编号等等通过Excel等电子化工具，运用数学、统计等方法进行分析，找到异常范围，从而发现审计线索。审计信息化审计信息化和审计电子化有相似之处，但审计信息化更突出审计作业通过计算机和网络来完成。实现信息化审计，也就实现了审计作业所产生的信息可以被传递、控制，也就实现了可以通过计算机来

原创 面向金融行业的企业数智化（数字化+智能化）转型能力场景模型

重塑企业管理场景 驱动管理变革重塑企业经营场景 驱动业务创新

原创 人体器官类比金融科技，及其终极目标

大脑：AI； 骨骼：云基础设施；血液：大数据；基因：区块链；心脏：数据中台；六根：多渠道客户接触；器官：业务组件

原创 一图理解华为数字化转型方法论

一个战略a) 企业级别转型战略i. 数字化转型的愿景和使命ii. 数字化转型的定位和目标iii. 新商业模式、新业务模式、新管理模式iv. 数字化转型战略举措两个保障a) 组织机制i. 组织支撑保障ii. 明确责任主体iii. 明确组织业务目标iv. 配套考核和激励机制v. 优化协作流程b) 文化氛围i. 培养数字文化a) 用数据说话、决策、管理和创新ii. 培养变革文化a)..

原创 从深交所2020年创新课题看券商的数智化布局

由深交所组织，券商申报的科技创新的课题活动，通过申报、立项、评比、展示等工作已经成为券商年度最为关注的创新话题之一。券商申报的课题，要么是通过自研，要么通过与供应商联合开发的形式开展的。2020年的课题如下表。

转载 信息化、数字化与数智化傻傻分不清

在提到企业转型时，经常出现信息化、数字化和智能化三个词，那么，到底什么是信息化、数字化和智能化呢？三者之间到底存在什么样的区别与联系呢？笔者结合自己的理解做了分析和研究。一、什么是信息化信息化的概念最早在1963年由日本的梅棹忠夫在《信息产业论》中提出，他认为信息化是由工业社会向信息社会演进的动态发展过程，预言人类会进入信息化社会。在中国，首届召开的全国信息化工作会议，将信息化定义为“信息化是指培育、发展以智能化工具为代表的新的生产力并使之造福于社会的历史进程。”笔者认为，信息化是指企业将自身的业务经营

原创 企业信息科技安全的三道防线及解决方案

背景近年来，移动互联、大数据处理、云计算、人工智能等一系列前沿技术与企业的业务创新深度融合，极大拓展地拓展了企业的业务空间和服务手段，但也使得IT风险越来越多，类型更加多样化、复杂化，越发难以管控，其可能造成的损失和影响也更加巨大。所谓信息科技风险，是指信息科技在规划、设计、研发或采购、运行、维护、监控及报废过程中由于人为因素、技术漏洞和管理缺陷产生的操作、法律、金融和声誉风险。以银行业为例，新的技术为中小商业银行的经营发展提供了强大的动力，但也给IT风险防控带来巨大挑战：首先，IT基础架构日趋复杂，系

原创 企业数字化/数智化转型（二）：业务转型最佳实践

数智化转型技术上主要包含大数据、云计算、人工智能以及区块链技术【通常称之为ABCD：A——人工智能（ArtificialIntelligence)，B——区块链（BlockChain），C——云计算（Cloud），D——大数据（Big Data）】。业务上的数值化转型的最佳实践需要从四个方面入手，分别是员工数值化转型、客户数值化转型、产品数值化转型和运营数值化转型。员工管理数智化数智化转型对于员工来说有两个突破方向，一个是数智化员工一个是数智员工。所谓数智化员工，是指用数字技术结合人工智能技术赋能员工

原创 企业数字化/数智化转型（一）：数智力创新2.0

熊彼特的创新理论探讨技术创新在经济发展过程中的作用，主要代表人物是现代创新理论的提出者约瑟夫·熊彼特。他认为，所谓创新就是要“建立一种新的生产函数”，即“生产要素的重新组合”，就是要把一种从来没有的关于生产要素和生产条件的“新组合”引进生产体系中去，以实现对生产要素或生产条件的“新组合”；“创新”的五种情况：（1）产品创新：采用一种新的产品——也就是消费者还不熟悉的产品——或一种产品的一种新的特性。（2）技术创新：采用一种新的生产方法，也就是在有关的制造部门中尚未通过经验检定的方法，这种新的方法决不

原创 证券行业的数字化转型：数字化企业的特征和创新案例

在笔者看来，证券行业数字化转型大体有三个层面，第一个是数字化新基建的建设，重点在于基础设施数字化升级，券商业务解决方案的数字化改造；第二个是公司治理层面的数字化转型，企业需要提出清晰的数字化战略，重新审视客户价值，用数字化驱动竞争策略、员工组织的重构；第三个层面是通过协同网络整合合作伙伴生态资源，打通产业链上下游，走出企业数字化，走向产业数字化、建立社会化共生型服务组织，通过数据智能、协同网络的智能金融的工业化落地，最终实现证券行业的智能商业生态。

原创 证券行业的数字化转型：智能金融的工业化生产——端网云数智商工

当我们在谈基础设施数字化、解决方案升级、公司治理变革的时候，我们是在尝试用某项数字化的技术和思想解决离散的企业各个“点”上的问题。智能金融要想走向工业化，必须将这些点串起来，系统解决某一条业务“线”的问题，这条线就是金融业务通向智能金融的生产线，有了这条线，我们才能在数字经济的决胜因素“效率和速度“上发力。“端”、“网”、“云”、“数”、“智”、“商”、“工”是这条生产线的各个组成部分。

原创 证券行业的数字化转型：金融业务与金融科技的共生发展

金融业务与金融科技的共生发展Ibm的一份调查显示，技术因素从2012年起就已经超过市场因素、宏观经济因素、人员技能等因素，成为企业竞争最具影响力的因素。金融行业更加如此，金融和科技有着共同的数字基因，都需要对数据做信息化处理、知识化提炼、智能化应用。金融行业也高度依赖科技发展，每一次大的业务变革往往伴随着科技创新和技术升级。拿笔者接触最多的证券行业来说，传统IT技术推动了证券业务信息化的发展，催生出以交易系统为核心的金融IT的主体架构，以安全稳定可靠合规为己任，是典型的双模IT中的稳态业务。随着互联网技术

原创 金融知识图谱的现状与展望

金融知识图谱的现状金融行业是个数据驱动的行业，很多传统金融业务对行情、资讯等金融数据已经形成了高度依赖。知识图谱作为人工智能时代的“知识工程”、“专家工程”，承载了对纷繁复杂、多源异构的金融资讯大数据面向AI加工整合的重任。知识图谱可以让金融机构绕开“统一资讯”这一难题，知识图谱可以将金融资讯大数据中的实体关系属性等信息，用极其简单的三元组的方式聚合在一起，形成一个金融语义网络。因为有统一的数据表示，所以可以形成统一的数据消费。这份连机器都可以看得懂的大数据，没有理由不在智能金融业务场景中大放异彩。然而现

原创 知识图谱：如何推动金融更智能？

在资本市场中，大数据的治理存在一些问题，比如非结构化数据的处理与使用、实时敏捷的数据处理与使用以及多源异构的数据孤岛等。正所谓“玉不琢不成器”，数据是金融的生命线，唯有经过“大数据治理”的“琢磨”，才能助力金融机构实现数据驱动下的业务运营和创新。笔者认为，知识图谱在智能金融中扮演的正是数据加工、处理的角色，能够为数据服务提供相应的支持。比如对于多源异构的数据，知识图谱能做到比较好的集成，通过统一的数据表示与建模、统一数据处理与存储来降低数据的使用难度。因此，我们可以把知识图谱当做一种数据治理的工具、手段

原创 一图了解券商IT战略咨询方法论

00.项目管理00.客户信息调研01.售前方案00.交流方案IT战略规划咨询服务方案（XX证券）v1.5_20191120.pdf01.立项资料XX证券IT规划咨询项目立项报告V1.0-20200401(1).docx02.投标方案03.商务合同04.项目启动XX证券IT规划咨询项目启动会材料 v1.020180731.pptx05.项目组组成XX证券一体化综合项目干系人 V1.1.xlsx06.项目计划XX证券IT规划咨询项目_计划表vs1.0.xlsx07.项目管理工具.