港交所創新實驗室聯席主管許慎

　　新浪財經訊 11月17日消息，由中國金融四十人論壇和金融城聯合舉辦的2018全球金融科技（北京）峰會今日召開，港交所創新實驗室聯席主管許慎在“監管科技與金融風險防范”的專題會議上發表演講，許慎指出，對于區塊鏈，我們是很客觀、公正地看這樣的技術，也希望在實踐當中理解它的效能、效應，同時，也是徹底的擁抱它。我們不認為在新的技術發展和傳統的金融領域會有很強烈的沖突。

　　以下為發言實錄：

　　主持人李文紅：最后請許慎先生分享他在港交所創新實驗室的一些實踐案例、經驗和體會。

　　許慎：非常榮幸，也非常高興能有機會參加這個峰會。先簡單介紹一下創新實驗室。前面幾位嘉賓講到，他們部門的名字都和我們有一個比較本質的區別，我們最重要的特點是叫實驗室，顧名思義，我們會跟注重實際的實踐和實驗的層面。所以，我想先從對于新事物的接受和理解意義探索方法論的角度來介紹一下港交所的思路。

　　一般一個新的東西，特別是對于創新來講有兩個不同的方法，一個是宏觀的戰略，各個部門配合去支持。另一種方式是從業務的前線找到具體的應用場景，根據具體的問題入手來看，能夠用什么樣的新科技或者新方法和理念，要么提高效率，要么做以前不能做到的東西。港交所的思路基本上是兩者皆有。

　　創新實驗室是在這個戰略層面上起到比較重要的作用，一方面我們能夠幫助整個港交所從認識技術、理解技術的角度有一個宏觀的大的戰略，但同時我們有一個很重要的職能，找到具體的一些應用場景，能夠快速有效地把新的一些技術和理念應用起來，能夠迅速地得到一些反饋和機制。

　　今天特別希望跟大家分享我們在過去一段時間做的一些簡單的嘗試，也歡迎大家探討過去遇到的一些障礙或者經驗、教訓。既然稱之為實驗室，肯定是有成功，也有失敗。

　　第一個領域是在區塊鏈。港交所關注區塊鏈的時間很長，我加入港交所之前就在關注，最早關注是因為區塊鏈當時的口號太嚇人，說要顛覆傳統金融，特別是要去中心化，顛覆交易所。當然一路走下來，我們一直在關注、學習，現在我個人的感覺，至少現在知名的加密貨幣本身的交易所絕大部分還是中心化的交易所。但我們在關注的過程當中也認識到，區塊鏈本身的確有它的價值和意義，而且它也能夠解決一些新的問題。在香港有一個平臺，我們在區塊鏈的領域有一個新的合作，特別是針對于南北向資金領域的合作，希望借助于區塊鏈技術本身的特點解決交易清結算方面的問題，提升它的效率，特別是實現“T+0”的要求。這表明了我們很重要的一個態度，對于區塊鏈，我們是很客觀、公正地看這樣的技術，也希望在實踐當中理解它的效能、效應，同時，也是徹底的擁抱它。我們不認為在新的技術發展和傳統的金融領域會有很強烈的沖突。

　　對于區塊鏈本身來講，看的不僅是區塊鏈，還做了很多的工作，甚至在區塊鏈上的應用，更關注于實現區塊鏈底層的技術，這些底層的技術能夠為交易的市場、傳統的金融業務帶來一些什么樣的新啟發和思索？從這個角度來講，我們把區塊鏈當成一種現象來研究。

　　最近，不知道有沒有人關注BCH大戰，非常熱鬧。對于這樣的發展，對于我們的監管是什么樣的啟迪和啟發？相信在座的同事有所關注。

　　第二個領域是人工智能/AI。對于人工智能來講，這個詞很大，意義也很大，像我前面講到的，一方面，各個國家不同的金融機構有不同的人工智能戰略。我們在理解人工智能的同時選擇了幾個領域去進行一些小規模的實踐，涉及到比較多的，第一個是自然語言處理。我們在做自然語言處理時有很多方面的應用，一方面作為交易所，我們有大量的文本需要審計，包含上市的文檔前后的一致性以及這些文檔、公告對于實際市場當中發生的事件是否能夠有相互的匹配和對應。在這里面，如果花人工一個個看，效率相對比較低。人工智能自然語言的處理在這里面起到非常關鍵的作用，把非結構化的文本變成結構化的，能夠把里面的實際財務數字從長篇大論當中有效提取出來，同時還可以做到前后的比對。對這樣的文檔的梳理有一些很細節的挑戰，特別是包含表格的一些梳理，因為表格的行和行、列和列之間都有它的邏輯關系。同時還涉及到有邊界表格、無邊界表格、跨頁表格等等一系列的問題需要處理。

　　另外，在自然語言處理方面也進行了一些小的嘗試，輿情監控。輿情監控對于我們來講，是對上市公司、合伙人輿情的監控，但我們在實踐當中也遇到了很多的問題，因為之前有一些討論，市面上有很多的公司都在做類似的輿情監控，別人做的輿情監控我們是否可以直接拿來主義為監控所用？大家在探索的時候會發現，人工智能在現在這個階段還是處于有多少智能就有多少人工的階段，依靠大量的數據處理和數據培訓。

　　但是在監管上，提出了一個新的和一般的證券行業不太一樣的定義。因為證券投資做輿情監控時會關注流動性比較高，或者有選擇性自己比較擅長板塊的企業有目的的去監控，這個時候監控的重點和處理的問題就不太一樣了。但對于交易所來講，所有的上市公司都需要一視同仁，我們對于所有的CP都需要一視同仁，這里面包含一些大公司，同時也包含一些流動性很低的小公司。大公司的監控往往不是大問題，往往是小公司或者中小公司的監控，是很重要的問題。為什么？因為這些公司可能平時出現的新聞很少，而他們的新聞又很難上一些主流的媒體，而是上一些非主流但是專業性很高的媒體，如果用傳統的人工監控，這樣的工作是很難辦成的，這就是為什么需要用人工智能的方式方法去監控。

　　這就涉及另外一個很重要的課題，為什么要考慮監管科技？我們在采用監管科技時的評判思路是什么？一般的科技有兩個大方向，要么提升效率，要么做到以前不可能完成的使命。對于輿情監控的領域，特別是監管，人工智能帶來最大的革命性的改變很可能是完成了人不可能完成的使命，幾千家上市公司，每家上市公司時時刻刻都在發生不同的信息時，如何監管、監控？人工智能的標準基本上可以做到同時監控上百家輿情的信息，24×7不間斷的監控。當然，這里面涉及到監控的準確度和覆蓋率的問題，這就需要進一步的技術手段不斷地提高。

　　第三個領域，最近取得了比較明顯的測試效果，就是人工智能和大數據相結合的技術，叫知識圖譜。簡單來講，知識圖譜就是把實體和實體之間的關系以及不同的屬性放在非傳統的圖數據庫當中進行數據的表示，同時也進行可視化的展示。但最重要的，知識圖譜提供給我們一個新的計算方法，去發現實體和實體之間關聯、關系所具備的一些可能的風險特征，而這些風險特征可能是靠傳統的技術很難有效發現和計算出來的。

　　舉一個簡單的例子，現在的知識圖譜開始的時間很短，基本上花了兩三個月的時間做了一個初步的探索，在這個知識圖譜里，基本上有兩萬多個節點，三十多萬個關系，三百多萬條屬性。一方面是可視化，可以看到很強的關聯關系。另外是風險模型，比如我是一個上市公司的股東，同時又是另外一個公司的股東，我把上市公司的股票抵押給另一個公司，這是很有意思的三角關系。之前我們想到的數字，兩萬個節點，三十多萬條關系，三百多萬個屬性，在這當中，如何找出三個點的關系出來？有多少種排列組合？這可能是天文數字。

　　我們再進一步說。因為我持股的時候可以通過代理持股，可以由一級代理，可以有二級代理。如果靠傳統的手段，把這樣的關系發現出來是非常難的，你的計算資源非常龐大，而且可能永遠算不完，這就需要引入知識圖譜上新的計算方法：圖計算。在這個圖計算的應用當中，我們已經至少可以把三個點的關系有效發覺出來，速度非常快。而且也幫助風控部門有效監管到可能市場中潛在的風險，之前已經發現了一個很大的可能，結果我們直接打電話給我們的上市公司，減少了風險的有效抵押。

　　第四個領域，聊天機器人。希望通過聊天機器人能夠提供24×7投資者的教育。

　　第五個領域，數據。對于監管來講，數據是非常重要的一個環節，但是我們也關注到，數據真正有效為監控部門所用，對于數據多樣性的要求非常高。而現在的領域中還存在著很多的數據孤島，怎么樣做到有效風控，既能夠起到有效數據的關聯，同時又能夠保護好數據的隱私，這是非常值得探索的話題，也需要很大層面的行業合作。

　　我對于我們的大會將來可能會有一個比較大的期望，我們不僅在討論實際的技術和場景，是不是也能夠增強一些行業互動的效果，是不是有可能建一些產業針對于具體領域的聯盟，大家能夠共同交流這些技術，甚至交流某些領域的數據，可以更有效實現一些監管職能。謝謝！

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閱，新浪網登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述。

責任編輯：趙子牛