新浪期貨訊 2017年12月1日-3日，由中國期貨業協會、深圳市人民政府主辦的第十三屆中國（深圳）國際期貨大會在深圳召開。本屆大會以“開放融合 提升服務 共贏未來——新時代期貨及衍生品行業的轉型與發展”為主題。12月2日下午，由華泰期貨承辦的“科技發展與信息安全”分論壇召開。中國證監會信息中心副主任劉鐵斌以《金融科技在證券期貨業的應用與發展》為主題發表講話。

中國證監會信息中心副主任 劉鐵斌

　　劉鐵斌指出，現代科技主要是由人工智能、區塊鏈、云計算和大數據組成，俗稱ABCD。由信息技術組成現代科技，包括移動互聯、社區網絡、量子計算、3D打印等等，很多技術組合在一起，催生了行業的金融科技和監管科技。

　　“監管科技，實際上應該是分成兩個方面：一方面是監管+現代信息技術，它是指證監會和交易所等等市場核心機構，利用現代化的技術來優化和改造監管和監察等業務，全面掌控和防范市場風險，強化針對證券期貨違法的執法能力。第二方面是合規風控和現代信息技術，這是指機構利用現代信息技術手段來提升業務監控和合規審計效果，來保證業務的合規開展，提供盡職調查能力，規范投資者的交易行為。”劉鐵斌如是說。

　　他還表示，現代科技已經應用到各個應用場景當中，未來的十大科技的發展方向，可能會根本性的改變我們人類的生活模式。

　　以下為文字實錄：

　　劉鐵斌：各位領導，各位嘉賓，大家下午好！今天我匯報的題目是“金融科技在證券期貨業的應用與發展”。

　　大家知道，剛剛開完十九大，我們國家現在進入了一個新時代，值得我們慶幸的是，現在從國家到證監會都非常重視金融科技的發展，非常重視信息安全工作，習總書記專門強調國家經濟發展和產業轉型需要信息技術作為催化器、加速器，充分利用核心技術實現各行業的跨越式升級，提升產業轉型速度，縮小與發達國家的差距。這是我們很好的契機。金融科技的基本情況從三方面闡述，基本內涵、發展現狀和應用情況。

　　大家知道，現代科技主要是由人工智能、區塊鏈、云計算和大數據，俗稱ABCD，由信息技術組成現代科技，包括移動互聯、社區網絡、量子計算、3D打印等等很多技術組合在一起，催生了行業的金融科技和監管科技。ABCD這四方面現在是作為最重要的信息科技的基礎來為我們行業的金融科技的發展提供一個基本的保障。

　　云計算，現在普遍采用新型的技術服務模式，它包括IaaS、PaaS、SaaS等等，通過提供統一的基礎資源的服務、平臺的服務、計算能力的服務還有軟件的服務，來為大家提供集約式，能降低成本能快速部署的應用。

　　人工智能，實際上是一種機器學習的過程，它可以分為有監督學習、無監督學習、強化學習，其中它的一分支是深度學習，涉及深度神經網絡，利用以前人類認知的專有領域，比如圖像識別、文本理解、音頻識別，所以這個也是特別受關注。目前在狹義的階段，應該說是針對特定任務和機器學習的解決方案，今后我們可能會迎來更廣義的人工智能，可以將所有的問題都能夠智能化。基本上人工智能接近于人腦的思維。

　　區塊鏈技術，這幾年也是研究非常廣泛，從比特幣到分布式賬本等，最重要的應用大家還在探討之中，銀行在這方面的應用可能比我們應用的前景更廣泛一些。但是在證券期貨行業也會有相應的應用，一會兒我會講到。

　　大數據，應該說現在大家炒得比較熱，它實際上是一種基礎性的，容量大，類型多，存儲速度快，它是由各種解決方案、體系、結構、工具和平臺集合所組成，能夠應對在數量、速度和多樣性日益增長的信息資產。我覺得大數據實際上還是一種最基本的數據集合，所以它會在不到5年時間內，將來不再是單獨的類。

　　我們講到金融科技，什么是金融科技？金融科技是金融和現代信息技術的結合，是核心機構和證券機構利用現代信息技術全面改造和優化業務流程和市場服務能力，為不同類型的投資者提供定制化、高效的、全面的、智能化的業務服務，來推進行業機構提升經營管理能力，優化運營結構和降低經營成本，來促使經營機構進行差異化的競爭。

　　監管科技，實際上應該是分成兩個方面：一方面是監管+現代信息技術，它是指證監會和交易所等等市場核心機構，利用現代化的技術來優化和改造監管和監察等業務，全面掌控和防范市場風險，強化針對證券期貨違法的執法能力。二方面是合規風控和現代信息技術，這是指機構利用現代信息技術手段來提升業務監控和合規審計效果，而保證業務的合規開展，提供盡職調查能力，規范投資者的交易行為。

　　從現在發展來看，我們可以歸結為幾個特點：一是算力平臺化、算法工具化，尤其是以人工智能為代表。現在很多廠商擁有的大數據結構層的技術和平臺產品，規模不斷擴大，阿里現在有達到五千臺服務器的規模。大數據分析和人工算法也都是開源的。二是大數據的數據壟斷化，現在很多廠商擁有自身業務領域優勢，能夠獲取獨特的數據資源，一方面它嚴格的限制對外的數據共享，比如阿里、百度、騰訊等等，螞蟻金服，這些大型互聯網科技公司，擁有海量數據，BAT三家擁有的數據應該是3300PB，這是什么概念呢？一個PB相當于是15個美國國家圖書館的數據量，他們有3300PB，每天以4PB的速度增長，數據規模是相當的恐怖。大數據產業的成熟化，將來可以為我們的監管需求能夠提供服務。

　　大數據應用的基本方式，一種相應的模型。

　　這是優勢，包括技術門檻比較低，產業日趨成熟。但是劣勢是現在金融監管領域沒有相關的經驗可以借鑒，還是屬于初期發展階段。

　　從Gartner發布的信息發展（300469，股吧）科技現狀來看，未來10年發展主要是三個方面，智能化、數字化和網格化，這是未來數字業務和生態系統的一種基礎。未來十大戰略發展趨勢，除了人工智能和區塊鏈，還包括智能應用、程序和增強分析，包括智能事物、邊緣云、繪畫平臺、沉浸體驗、事件驅動等。人工智能應該說是未來十年內最具顛覆性的一種科技，因為它具有前所未有的計算能力，接近無限的數據量，并在深度神經網絡中取得空前的進步。這些使擁有人工智能科技的機構可以駕輕就熟，適應新環境、解決新問題。

　　智能應用程序分析，現在正在改變著工作性質和工作場所、結構，未來幾年當中，幾乎所有的應用程序和服務都將包含一定程度的人工智能。它的增強分析應該說是一種特別具有戰略意義的下一代數據和分析范例，通過機器學習，為廣泛的業務用戶、應用人員和普通數據科學家，能自動化整備數據。所以它將成為顛覆的數據市場的一種驅動因素。也是數據分析的未來。智能事物，現在應該說是一種超越嚴格變成模型、執行的物理事物，它也是利用人工智能提供先進的行為，與周圍的環境和人和自然的交互，比如亞馬遜揚聲器，它就是一種智能化事物的例子。包括數據孿生，也是對真實世界的實體或者系統的數字表示。數字孿生可以增強數據洞察里，并且改善角色決定，最終幫助開發者做新的商業模式。

　　邊緣計算，從網狀、網格和分布式處理的概念中得到的，它試圖保持流量均勻和本地處理，目標減少流量的阻塞和延遲。邊緣計算將分布式計算代入云風格中。繪畫平臺，可能未來幾年里，基于自然語言界面的繪畫界面將成為用戶交互的最主要的目標。沉浸體驗實際上是虛擬現實VR、增強現實AR和混合現實MR，他們在改變著人們感知數字世界的方式。MR將VR和AR兩種模式擴展，是以更強大的方式整合物理世界，在MR當中用戶可以與數字和真實世界的物體進行交互，同時保持物理世界的存在。現在可能很多是應用在網絡游戲等等這些方面，但是這種體驗可以看出超出最開始的設計想象。

　　未來的十大科技的科技發展方向，可能會根本性的改變我們人類的生活模式。現代科技已經應用到各個應用場景當中，比如自動駕駛汽車，比如我們每天開車出行一定要看看百度地圖或者Google地圖，來看看我們到底選哪條路來走，他們收集的方式是每個人點地圖，你就會上傳數據上傳到它的數據庫，它根據上傳數據決定這條路是否擁堵，也是互相交互的過程。比如我們進停車場，我們去開自己的車，它的監控系統就會監控，看周圍是不是有破壞分子或者是不是有嫌疑分子，如果有馬上通知安保人員。包括我們早上起床，也許自動的給你播放你喜歡的音樂，可能會把晨報，把你想要的信息全部摘出來，直接供你來進行閱讀。比如機器翻譯，現在科大訊飛（002230，股吧）搞的機器翻譯，也是非常精準。今后我們的學習系統，以后我們去學門課或者參加考試，學習系統會自動給你推送題目、自動給你評分、自動給你找相關的資料等等。現在已經應用到生活當中的各個層面。

　　人工智能最近有名的案例，AlphaGo，AlphaGo最開始是一個有監督的學習，到AlphaGo Zero是無監督學習，沒有把人類的圍棋棋譜輸入進去的情況下，只是告訴他一個規則，他通過十幾天的學習以100：0擊敗了AlphaGo，AlphaGo以3：0擊敗了柯潔，可以看到人工智能的發展多么的迅猛。美國著名科學家寫了一本《終極算法》，他說是不是有一種終極算法，這種終極算法可以解決一切問題，以后所有的問題，終極算法可能都能解決。這是一個美好的愿望，但是不一定能夠真正實現。終極算法真正實現的話，也可能是人工智能統治世界了。

　　第二部分，行業金融科技應用現狀與問題。從三方面來給大家講述一下。

　　前一陣，我們對行業進行了一次調研，14家核心機構和13家的證券期貨經營機構，從我們的調研情況來看，大家現在在大數據、云計算方面，人員資金投入比較多一些，在區塊鏈和人工智能方面還是起步階段。這是調研情況，可以看到市場核心機構在云計算方面投入多點，基礎設施建設上，市場和人員投入上在大數據方面要多一些，經營機構現在也是在大數據和人工智能方面投入相對多一些，因為經營機構，包括智能客服等講到了，這些要多一些，這是大致的調研范圍的配置。從這里可以看出來，發展還是比較失衡的，投入不太均勻。證券公司、交易所資金投入大一些，基金公司正在試點和探索，期貨公司幾乎是一片空白，所以今天我們在座的期貨公司比較多，確實是，我們在IT投入上，在IT人員的儲備上，在適應新一代技術人員的儲備上，我們現在確實很落后。但從全球范圍來看，整體上都是處于應用探索，百花齊放的階段，現在我們與國外金融機構的差距還沒有質的差別。

　　我們現在多數的金融機構將大數據、人工智能技術應用于客戶服務效率提升和內部運營優化等金融科技領域，比如投資者畫像系統等。但是各經營機構利用大數據、人工智能技術增強業務合規和運營風控等，這種科技監管水平的研究應用還比較少。在云計算方面，多數經營機構自建私有云，或者借助行業云來部署內部的開發測試、災難備份和互聯網信息系統，增強了系統的建設擴容的能力，降低建設成本。

　　監管科技方面，現在也是在這些驅動交易、內幕交易、高頻交易等，智能化識別、關聯賬戶識別，等等這些方面也做一些研究工作。行業服務方面，現在有些云的服務，課題研究一會兒也會講到行業內深交所即將成立的金融科技研究發展中心。

　　金融科技面臨的困難與問題，四方面：一是配套法律法規有待健全。對業務服務模式、人機交互、法律界定、信息技術管理、風險防范和應急處置有待進一步明確。行業尚未規劃頂層的設計，所以對行業急需的核心技術和應用服務沒有形成聯合的研究機制。另外行業缺少符合數據科學特點的技術業務復合性治理結構，行業機構在相關的信息技術人才、技術能力儲備、科研經費投入方面缺口比較大。數據治理也還存在一些問題，一個是數據科學人員無法接觸數據，數據管理部門不懂數據科學的矛盾。第二，行業數據很多都是物理存儲的集中，大多數是未在數據模型上進行整合。第三，數據共享方面，由于行業數據標準不完善，行業機構無法引入外部數據。這也是數據無法打通、無法整合，沒有整合、打通的數據，數據模型不統一的數據，沒有辦法進行大數據和人工智能的應用。

　　監管科技的基本情況，我們對國外進行了調研，信息科技、監管科技美國處于領先地位，它是搞矩陣式監管。英國、新加坡和澳大利亞都是采用砂箱式監管模式，英國應該說最先提出了由金融科技機構來實現自己的合規監管。英國現在又提出了針對監管部門進行科技監管，現在提出了這個新的理念前面一個理念是針對證券期貨經營機構或者經營科技機構。日本現在鼓勵商業銀行投資金融科技公司，所以日本出臺相關法律法規以后，日本的商業銀行大量的資金投入到金融科技公司當中。這是他們各個方面的主要應用。

　　我們同步調研了國家相關的部委，人民銀行、銀監會、保監會、公安部、國稅總局等等，還有法院、檢察院，也了解到這些大的部委在金融科技領域方面，因為他們不一定叫金融科技，就是應用新技術來推動監管科技的發展，應該說他們基本上都是開始重視新技術的應用。

　　云平臺建設，現在人民銀行，包括主要的部委也都在進行，國稅總局正在建設金稅三期，公安部采用六個不同的技術來建設6個省級運營平臺。公安部的數據也是相當龐大，北京中院是建立統一的智慧云，檢察院也是，最高人民檢察院統一開發全國的部署應用系統。這些部委也都是在搞云平臺的建設。

　　我們現在還是采用的傳統數據分析工作在向探索數據深度挖掘方面來發展，這是一個過程。

　　大數據方面，現在很多部委也建設了相關的數據倉庫和數據中心，證監會現在應該說從六個方面來進行監管科技的應用，一是在建立業務統籌、技術統一中央監管信息平臺。二是開展行業的數據治理。三是探索前沿技術。四是建設完善的信息化技術設施。五是籌備大數據監管平臺。六是加強行業標準化建設。

　　證監會現在是圍繞統一全面共享的原則，證監會從建會開始就非常重視信息化建設，從信息化建設發展歷程來看，證監會經歷了從一個個獨立的業務系統建設模式，我們叫信息化1.0階段，現在進入到業務統籌、技術統一的、中央管控的建設模式，我們現在稱為信息化2.0。這個就是說一庫四通道，一網一庫四通道六個系統。現在這六個系統包括下面28個監管子系統，15個已經上線。我們今后正在要往科技監管、信息化3.0或者智能監管的方向發展。

　　中央監管信息平臺的數據資源全圖。

　　中央監管信息平臺中央數據庫，也是采用基于強化主題的核心庫的建設，把監管資源、監管數據都納入中央數據庫當中。

　　非現場數據報送通道的流程圖，規范經營機構報一次數據就可以，由各個相關的核心機構和監管部門來共享數據。

　　對現場數據的傳輸，我們也是本著對接業務、安全高效的方式。現在的數據傳輸今后都要通過證聯網，是行業的專網進行數據傳輸。

　　外部數據交換，我們專門通過數據交換的方式來進行外網和內網的數據傳輸。

　　信息發布和反饋通道，業務監管的模型。

　　行業的數據累計了4PB，日均委托量3.5億筆，包含19家核心機構和300多家中介機構的數據，中介機構是相關的監管報送數據。

　　我們現在開展行業的數據治理工作，它是因為我們這么多系統，以前這么多系統缺乏統一的數據接口，數據格式不統一、數據模型不統一，導致數據統一大集中以后無法共用，必須開展相應的數據治理。

　　為了解決上面的問題，我們專門成立行業數據治理體系，這兩年我們搞的數據模型，在數據模型的梳理過程當中，分了幾個步驟：提取行業規則、梳理抽象模型、設計邏輯模型。現在我們已經出臺了相應證券公司的邏輯模型，現在正在搞期貨公司和經營公司的邏輯模型。這個邏輯模型搞出來以后，我們這些經營機構就可以使用這些邏輯模型來進行落地，轉換成物理模型，就可以實現數據的打通。

　　這是我們行業的頂層數據流程圖，這個圖可以看到行業所有數據的交換。

　　現在在前沿技術的研究方面，也開展無監督機器學習相關的研究，力求與數據模型為基礎，結合少量業務領域知識，用聚類、分類、神經網絡等等人工智能的方法來挖掘出盡量多的隱匿關系。這是我們正在做的工作，通過主題工程、特征工程、數據工程、計算工程和評價工程，一個完整的研究，通過知識圖譜、數據庫等等的應用，最后來落地。我們將來可以把這些數據，像內幕交易、老鼠倉、操縱市場，甚至于上市公司的財務欺詐等等，我們將來會生成各種各樣的模型。以后我們的中央數據庫里也會生成各種分類的動態分析庫。

　　基礎設施建設方面，我們還建設行業的證聯網，現在行業所有機構都接入證聯網。人民銀行反洗錢和征信中心也會接入，20多家存管銀行也接入我們這里，還有信托公司、保險公司也在申請加入證聯網當中。這個網絡比互聯網要安全。我們籌備建設行業的大數據監管平臺，分業務平臺，也分安全監管平臺，我們將來會建設行業的安全態勢感知平臺、應急指揮系統等等。

　　同時為了相應的數據安全，現在已經起草準備出臺《云技術應用規劃標準》和《數據分類分級的標準》，這兩個標準相當重要，保證行業數據安全、信息系統安全的兩個重要標準。

　　第三，行業金融科技與監管科技發展展望，分三個方面。

　　現在可以看到應用方向大概可以分為六個方面。實體畫像中，可以說現在在四方面，市場品種、上市公司、投資者、機構這方面可以進行畫像，來對上市企業的基本信息、組織架構、業務運營、重大事項等等進行抽象的和標簽化的處理。對投資者的基本信息、交易行為和風險偏好等方面建立投資者的畫像。投資產品的風險指標、業績指標等建立市場產品的畫像。經營機構的組織結構、財務數據、業務發展、合規風控和相關輿情數據構建經營機構的畫像。通過構建這些畫像來識別各方面的業務發展現狀、風控能力，還有合規情況等等。

　　精準營銷，現在也是經營機構挖掘客戶潛力的最重要的手段，經營機構根據投資者的地理位置信息、金融產品的查詢和消費信息，來動態感知投資者的投資心理，及時的提供金融銷售服務。金融機構根據投資者的畫像，比如年齡、資產規模、投資偏好，對客戶群進行精準分類，分析出他潛在的金融服務的需求，進而有針對性的開展營銷推廣活動。也可以利用大數據分析，同類投資者、不同投資的配合使用產品，適時推薦產品，還可以構建客戶生命周期管理等。可以用來防止客戶流失。

　　效率提升，在智能化應用方面，包括智能客服、智能投顧、智能交易、智能投行、智能身份認證、智能運維等各個方面。

　　行業的基礎設施，現在我們行業的核心機構應該說已經提供了不少相關的服務，包括開戶、身份認證、數據交換、估值核算、開發措施、行情、災備等等，市場核心機構在這方面確實功不可沒，也為我們行業基礎設施建設打下了一定堅實的基礎。

　　風險防范，可以說從三方面看，利用大數據和人工智能技術提升證券公司投行部門流程化、自動化的處理。上市公司財務指標和相關信息，利用人工智能技術對業務流程和合同文本進行錯誤檢查，付諸實現合同的自動起草、自動審核、履行管理，減輕合規部門的工作強度。還可以利用大數據人工智能技術，基于投資者畫像，評估用戶的信用情況，幫助金融機構判別用戶的承受能力等等。還可以對海量資訊實現自動化、全面的監控，促進行業提升工作效率，也可以幫助行業機構影響本機構的虛假信息進行輿論引導。利用人工智能技術，自動識別所有的投資策略，構建投資組合的防火墻，自動生成投資池或者凈值池，減少人為投資失誤風險。違規檢測，這里包括智能市場監察、智能公司監管和智能市場監測幾方面。利用大數據人工智能可以改造監察系統，提升監察系統的分析能力，具體的表現在虛假財務信息分析、關聯賬戶識別、內幕交易等。也可以用于基于上市公司、品種畫像，全面掌控上市公司的情況，動態分析上市公司的行為，與行業異常波動的關聯性等等。

　　區塊鏈在行業的相關應用，現在各家交易所也進行區塊鏈應用的相關研究，上交所也搞了相關的題目，區塊鏈實際上是一種分布式的、去中心化的、可信任的，這種匿名的不可篡改的特性。實際上在期貨市場當中應用范圍也是有的，比如說我們倉單質押，前幾年風險子公司在這方面吃了苦頭，因為倉單質押的問題，有些公司損失巨大。如果我們采用這種倉單質押的區塊鏈的方式，我們就可以讓所有的交割倉庫、所有風險子公司在這個鏈上，任何倉單質押上去，在一個點記錄以后，所有的點都記錄了，防備重復的倉單質押。銀行方面，像信用票據也可以使用區塊鏈的相關技術，就需要這種大家共同信任、共同要標識的，區塊鏈將來的發展前景還是很廣闊，只是我們現在處在研究的初步階段。隨著今后研究的發展，未來5-10年，可能是區塊鏈發展的高峰期。

　　人工智能選股，這是北美的兩只基金，他們利用相關的人工智能系統來對海量的資訊、行情、財報等等，宏觀經濟進行分析，最后來選出相應的股票池，來供投資者或者投資機構來進行決策。它有的優點是不會有偏向性和情緒，也沒有固定的思想邏輯。這是比人要好的地方，我們人可能會有情緒，市場行情一失控，人可能會出現急速焦躁的心理，可能會做出一種極端的投資行為，但是機器應該說不會這樣。

　　在周一，深交所就正式掛牌成立行業的金融科技研究發展中心，我們將來要統籌行業的科技力量來對我們的金融監管相關的技術進行研究，這是非常有意義的。現在大家都在各自為政，所有的機構今后都搞相應的研究，每個機構有的人多一點、有的少一點，有的幾十人、有的幾個人，投入規模也有大小，研究的東西差不多，不如大家在一塊兒，結合行業的力量一起搞這方面的研究，可能會取得更好的效果，節約成本。

　　應用風險，金融科技、監管科技也是有相應的風險，比如說對市場穩定可能有時候會帶來一些風險，對投資者保護權益可能帶來一些風險。對市場安全穩定運行，有時候可能算法同質化、交易策略共振，可能家具市場的波動。風險傳播、放大，還有違規操作，利用現代新技術，違規者操作可能更隱蔽，我們更難發現，也許他們將來搞成智能分倉，包括什么違規者的智能交易也是有可能的，讓我們將來更難查到。還有可能引發投資者適當性管理風險，個人隱私和利益的風險。當人工智能等金融可積微客戶提供產品和服務的時候，因為算法缺陷導致產品推薦不匹配客戶自身的條件。金融科技廠商有可能非法獲得行業機構和金融投資者的數據，非持牌機構非法從事證券業務等。披著金融科技的外衣，過渡技術操作或者開展違規業務，這種風險有可能。

　　決策風險、技術風險、數據風險，這些都是我們關注的，實際上證監會重點關注的是監管科技，今后的新技術在監管科技的應用，還有經營機構的合規風險，還有應用心技術產生的相應風險，這是我們關注的方面。

　　未來我們還是要建立健全證監會系統的科技監管的組織體系，我們也是要加強大數據平臺相應的建設，有序推進監管科技在證監會的試點和應用，另外就是加強行業科研體系和科研能力的建設。這是我們未來的方向。

　　在發展規劃方面，我們也會加強金融科技和監管科技建設的統籌，監管理念方面建立符合中國資本市場動態監管模式，數據方面推薦數據管理架構和數據治理的應用，也是往更合理、更集約化的方向服務。風險防范方面，我們全面強化監管科技能力的建設，提升業務合規和風險合規的監測工作。技術能力方面，加強金融科技相關的標準和應用評價機制的建設，確保技術自主可控。

　　以上是我今天做報告的內容，有不對之處，請大家批評指正。謝謝大家！