首页 > 新闻 > 要闻

分享到微信

打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。

圆桌论坛:金融科技:来自中国的领先者 | 2017第一财经技术与创新大会

第一财经 2017-05-23 15:40:00

责编:王艺

在底层的技术支持,中间配套服务,服务的前端客户整个价值链条上,中国的金融科技的企业进行了哪些探索?应用了哪些技术?对于整个行业而言产生了哪些贡献?
圆桌论坛:金融科技:来自中国的领先者丨2017第一财经技术与创新大会

主持人:

杨燕青 第一财经日报副总编辑、第一财经研究院院长

对话嘉宾:

杨文斌 好买财富董事长兼总经理

唐阳 现金巴士创始人兼首席执行官

丛郁 宜人贷CFO

余鹏 蚂蚁金服财富事业群数据部资深专家

文字实录

主持人:广阔的市场,迅猛发展的移动互联网技术,以及巨大的社会财富,这些都构成了中国的金融科技领域成为全球领先者的先决条件。我们就拿互联网金融来说,互联网金融诞生于英国,发展于美国,而壮大于中国。那么在底层的技术支持,中间配套服务,服务的前端客户整个价值链条上,中国的金融科技的企业进行了哪些探索?应用了哪些技术?对于整个行业而言产生了哪些贡献?接下来我们将会进入到的是今天上午第二场圆桌讨论环节:“金融科技:来自中国的领先者”。

分别请上的是:好买财富董事长兼总经理杨文斌、现金巴士创始人兼首席执行官唐阳、宜人贷CFO丛郁、蚂蚁金服财富事业群数据部资深专家余鹏。

主持人是第一财经日报副总编辑、第一财经研究院院长杨燕青女士,掌声有请各位!

杨燕青:非常感谢大家,再次光临第一财经技术与创新大会。大家非常关注关于金融科技这个领域的讨论和话题,那么关于金融科技呢,实际上在中国走过了几年非常有趣的历程。金融科技在中国第一阶段我们理解为是互联网金融,那么互联网金融在中国和在西方略有不同,但是目前看起来中国的互联网金融慢慢的在融入全球的科技金融的大的趋势。科技金融我们理解是比互联网金融可能更宽、覆盖可能更广也更加影响未来的比较全球化的概念,当然中国在其中有中国的特色。

今天讨论关于科技金融,金融科技,全都混在一起。我们也知道现在业界也有很多新的讨论和发明,所以我们这一环节希望能够在全球的背景下,能够聚焦中国,一起来讨论中国的科技金融这个产业的现状究竟是怎样的?科技金融怎样的改变了业界、改变了金融,也改变了大家的消费和生?同时我们可能有时间的话也会讨论所有的科技改变了金融业,改变了人类世界的话,可能也带来了一些新的挑战,这些挑战在监管上如何来解决和应对?我们也想能够一起跟大家做一些分享。

这个圆桌非常强大,我们的嘉宾有来自好买财富的杨总,他是业界从私募到了互联网金融,到了金融科技,一路走来是把金融和科技结合的非常非常好;我们现金巴士是非常有意思的创新,它也是用科技的方法,同时又是和金融密切相关;我们的宜人贷是宜信集团P2P的一个部门,也做了非常多有意义的尝试;最后是蚂蚁金服,一财也和蚂蚁金服有非常多的合作,蚂蚁聚宝的余总也在来到了这里。

第一个问题带领大家进入到金融科技领域,虽然大家也都对于这个领域非常熟,我们可能对四家公司具体在做什么,商业模式可能还不是特别的了解。第一个问题请四位,从你的角度定义一下你认为的金融科技是什么?不用特别的复杂,就说你感觉金融科技大致是什么样的概念,然后从你公司的角度是怎样来实践金融科技在中国市场的推进,在其中你觉得最关键的点可能是什么?

杨文斌:我觉得好买财富算是一个真正意义上的Fintech公司。今年正好是好买财富成立10周年,10年前我们写第一版商业计划书的时候就把这个词落进去了,我是亲手写进去就是Fintech。现在说你是Fintech,10年前2007年的时候我们当时就弄了这个词,我们只写了英文,不叫科技金融,就写Fintech。刚才提到我们整个在业内定位就是说以专业的科技力量然后聚焦在专业的金融服务,就是我们一个硬币的双面。我大概在业内做了几个事情,可能有一些小小的推动吧。一个是我们在2000年中国的第一个开放式基金是我主导的;第一个生命科学基金是我主导的;中国第一个在互联网上卖基金全程无纸化是我在2002年推出的;在2009年我们推出了第一个公募基金的无线APP端,就全程无线的产品。这么多年我们与金融科技应该说是结合很紧,就是金融产品的高度专业化以及最新科技在整个客户服务的售前、售中的应用,可能是我们这么多年好买财富的尝试。

另外为了加大我们的影响力,我们在2013、2014年引进了腾讯,也是持有好买基金30%的股权,我们希望我们的科技金融的专业服务能够跟腾讯的力量一起合作,影响更多的人,谢谢。

杨燕青:杨总把好买财富过去一路走来的历程给大家做了一个描述,同时也看了一下杨总当下最关注或者现在最大的侧重点就是科技金融。虽然你的团队里面有非常强的科技人才,但你的背景是金融,你是从金融出发,然后到了金融科技,你觉得这个中间最大的转换的点是什么?对于做金融的人而言,如果最后要转到金融科技,可能会受到一个制约是什么?另外的优势是什么?

杨文斌:我觉得其实最难的是招人,因为我个人的背景比较特别。我最早是做研究出身的,我做基金20多年,第一个职位是在华润基金做研究总监,我研究的主要方向就是TMT,包括519的互联网那一波,包括2000年互联网泡沫,我们作为研究的团队实际上深度介入的。这是一个巧合吧,刚才燕青你也说到,现在基本上从我们人员构成也会看到,就是我们差不多600位同事里基本上是一半一半。我们300位同事实际上是在金融产品里面研究采购、风控环节;但是另外300人,我们有一个研发基地,这300人全是偏IT的。研发的工程师大概150多位,所以说你会看到就是这种融合是非常迫切的。

杨燕青:300个偏金融,300个偏科技,在公司里面谁的地位高?

杨文斌:我觉得科技的要高一些,说实话这几年,我一直开玩笑说科技金融就是,金融的人工资都挺贵的,但是搞科技的人工资更贵。过去3年科技人员整个的待遇什么的,其实平均的涨幅一定是高于金融行业,相对来说我觉得可能也是稀缺性。但是我想说一点,两者融合的人才是特别稀缺的。

杨燕青:有没有可能从金融出发最后又成了科技的人才,然后从科技出发最后又成了金融的人才,就在你的公司里面有没有这样的出现?

杨文斌:这些人才到我们中层这一层,但还没有完全进入高层,我觉得这是我们努力的方向,就是跨界。金融人更懂科技,科技人更懂金融,这一直是我们努力的方向。

杨燕青:从金融出发到科技,从科技出发到金融,目前以你们有的案例,已经出现的类似的这样的一些端倪,就是刚刚呈现出这样的趋势的人来比较,如果是说已经基本成型了,那么从金融出发的人总体实力更强,还是从科技出发的人总体实力更强?

杨文斌:这个问题说实话没有考虑过,但是我会觉得从科技出来的人去做金融他的潜力可能会更强一点,因为我自己实际上就是一个理工男,我是学物理出身的,后来做物理转到金融完全是跨界的。

杨燕青:当时的金融工程全是学物理的,你当时是不算跨界。

杨文斌:学科技的人相对来说跨到金融专业方面的容易度相对要比反向的更容易一些。

杨燕青:非常感谢杨总,下面请出我们的唐总,现金巴士商业模式非常独特,请唐总介绍一下,从你个人的经历角度也聊一聊科技和金融相互的结合。

唐阳:刚才杨总提到了是学理工的,我是1994年进入清华大学电子工程系。我心目中的科研很神秘,到了教研组一看大家都是在编程。当时是球面显示器,圆的,键盘在那敲程序。但是后来我又到经管学院念的双学位,也有企业管理和金融的一些基本的理念。当时我心目中的金融就是签字,一大堆的文件很厚然后签字。现在整个这个现金巴士,大部分的员工是2个以上的显示器在编程序,用户就是在手机上下载一个APP,人也见不着,签字就是点一点。我们形容在被窝里点一点,获取了用户的一些数据,然后就给他进行了一个非常金融科技的一个概率计算,就是根据一个普通人授权过来的数据,计算他这一笔一千块借款的还款概率,来计算是不是借给他这一千块。

杨燕青:这个模式就像小额贷款用了互联网的模式。

唐阳:对,现金巴士是一个微额借款,最小的是500,最大的是1000,就这两个数,要么你就500,要么你就是1000。我们现在已经被22万个坏人骗了,借了500或者1000没还,我一开始以为骗子都是逻辑性的,都是骗1000,后来发现有人骗500,我也不是太理解,既然已经决定骗了,为什么不骗1000。

杨燕青:骗1000的多还是500的多?

唐阳:骗1000的多,我以为22万个骗子都借1000的,但是惊讶的发现还是有大概一万个是借500的。

杨燕青:你总的客户是多少?你坏账率是多少?

唐阳:董事会不让说,但是小于等于5%。

杨燕青:那很不错。

唐阳:所以我们还是很自豪的,因为现在公司有100多个同事都是面前架着两个显示器,那架式跟电子工程系搞科技的人一模一样,但做的又是大众民生金融服务,我们很多客户是司机、厨师、服务员、房地产经纪人,特别有意思。有一次我在北京找写字楼,后来一个房地产中介给我推了一栋写字楼之后突然给我发了一个信息,说大哥我看你朋友圈是做现金巴士的,说我也是你们的用户,我觉得你们的服务做的比较专业比较好。我已经觉得他是在巴结我,后来我到后台去拉了一下他的记录,发现已经借还两次了,就这个兄弟,他是在国贸地区租整层写字楼,经常很难开张,但是他一开张就可能活三个月到半年。

杨燕青:这个故事特别有意思,能不能从微观到一个相对的中观概念,你的客户一共有多少?

唐阳:客户有几百万,根据流量统计,上个月现金巴士月活用户是支付宝用户的1%,支付宝用户上个月月活有3亿多,现金巴士有330万。差不多100个支付宝用户里面就有一个是现金巴士的。

杨燕青:那已经很不错了。

唐阳:我觉得挺好,还是有更多的用户在骂街,我们有一个功能叫留言给CEO,看到大量的用户在骂街,说我这么优秀的一个人给你们已经看了这么多的数据,我的支付宝流水,我京东购物记录,你们竟然连一千块都不借给我,所以说这是咱们中国现在发生的一个特别可笑的事。

杨燕青:能分析一个案例吗?你的风险管理程序是怎么运转的?

唐阳:你仔细看一下骂街这个人的数据,你发现他并不积极的打电话,也不积极的使用支付宝,也不积极的京东购物,导致了他没有信用记录的情况下,他也没有电商记录,也没有运营商记录,导致你这个风险计算引擎没有一个可以去置信他的数据维度。因为现在中国没有一个很完善覆盖的信用数据库,只有两亿人有信用卡,剩下的人没有信用卡,是信用白户。

杨燕青:你的商业模式是面向用信用卡的人。

唐阳:恰恰相反,大量用户是无卡用户,现在中国大概有5、6亿人是靠谱青年,但是没有信用卡。

杨燕青:你真的是普惠金融。

唐阳:我是正经的普惠金融,民生服务。

杨燕青:我顺着骂街的思路来讨论一下你的大数据的管理或者说大数据管理风险的模型特点,我理解不一定对,但是你首先是用这个人民银行的征信系统吗?

唐阳:不用。

杨燕青:你不用就没有办法用以前的金融数据,你就不能够从我们现在的新的互联网平台上能够找到的数据,比如支付宝,比如其他的购物,你用支付宝的数据支付宝给你吗?

唐阳:用户授权的情况。

杨燕青:基本用户都授权,你的数据是有可能有,有可能没有,有的情况下就是用户给你,正好这个数据有。如果用户不给你这个数据就没有,这个没有授权的数据你也没有,所以就你的数据完全是自选择的,也就是说比如两个人的用户,一个人可能资信状况非常好但是没有这个记录,月收入可能是两万,但不太喜欢购物,喜欢自己用其他的方式,或者不用支付宝,用其他的;另外一个人资信状况不见得好,比如月收入只有五千,但是消费支付记录是有的,所以你在这个风险管理上,会不会可能发生错失?

唐阳:有信用卡的用户已经有了信贷解决方案了,他来的少。大部分来的人没有卡的,没有卡就是信用记录的白户,这个时候你就缺失了他的信用记录的一环。这时候金融科技的魅力就在于用非信用数据去进行概率计算,为什么我能计算呢?因为我被22万个坏人骗了,所以说新来的一个人根据他的数据能够计算出他更像是一个要还的人是更像一个不要还的人,但这些骂街的用户他的数据不饱满。

杨燕青:会不会骂街的人本来资信状况特别好,本来应该成为你的优质客户,但是因为数据不全,所以你把他错失了,有没有什么办法把他拉回来?

唐阳:现在试图让用户授权更多的数据。

杨燕青:可能额度高一点,或者通过其他的方式把这些可能更加有钱人拉过来。

唐阳:额度更高就更没有数据,我连一千都没有给他, 怎么可能给他四千,现在他能不能给我更多数据,比如滴滴打车的数据,比如摩拜单车的数据,比如饿了么的数据,如果有更多的数据洞察他就可以更好的评估。

杨燕青:你对一个要求来借款的人,评估他的维度一共有多少个?

唐阳:目前维度非常有意思,比如用户授权了一个他的运营商通话记录,这是一个很可笑的情况,6个月全部的通信详单短信进出,没有内容,但是有号码。我发现这6个月里经常致电去KTV唱歌,很不错,比较稳定,这个计算引擎会斟酌地计算,具体怎么算这是商业机密。

杨燕青:你肯定有很多的商业机密,维度很多那能不能分享一两个不是那么尖端的,就你怎么来判断风险?能不能分享一、两个案例。

唐阳:数据维度就是运营商记录、电商记录还有社保记录,甚至是京东的浏览记录,你没有买但你不停的在看一个大电视,我们也能够爬取下来。比如我能发现一个用户是宠物主人,每一个月都买狗粮,这些也是数据。

杨燕青:狗的主人信用状况是更好还是更不好?是不是更有爱心?

唐阳:关于狗主人是更好还是更不好,是风控引擎根据那22万个不还的人和这些还的人进行一个复杂的概率计算。

杨燕青:那这个养狗的人是还得多,还是不养狗的还得多?

唐阳:这个东西就活人说不出来了,因为它是一个咱们不能理解的一个数学模型,好像AlphaGo下围棋一样是综合的。

杨燕青:明年你仔细看看这个结果,我们先放过你,请出丛总,讲讲宜人贷的故事。

丛郁:首先谢谢第一财经邀请给我们这个机会,那当然最开始这个问题,金融科技的理解,从我们的业务或者是宜人贷也好,我们认为是通过科技做更好的金融,包括我们2000年创建最早的中国P2P平台,也是服务大众个人消费的市场,这个市场其实在整个中国服务的并不是很好,最初是通过更多的线下的业务去做的。

杨燕青:大家对宜信还是比较熟悉的,对丛总很多开创性工作也都非常的敬仰,就讲讲你的宜人贷P2P,讲讲科技在里面究竟发生了怎样的一些巨大的改变,比如说过去几年关于P2P的监管环境也发生了很大的变化,科技怎么来应对监管环境,或者科技有什么方式绕过监管?

丛郁:科技其实刚才唐阳以非常浅显已经讲了,所谓科技对于信贷有非常重要的作用。从宜人贷的角度,我们2013年就推出了通过移动端手机做放贷。我们客户人群跟现金巴士稍微有所不同,我们都是信用卡人群。虽然已经是银行客户,但银行没有很好的覆盖,还有很大的市场。通过线上获取客户对他们的有限数据进行风控,还有比较重要一点就是反欺诈,因为在线上做借贷,尤其我们借贷的量相对比较大,几万几年的还款期,整个风控要求是非常高的。通过互联网抓取的这些数据的分析以及风控模型的建立,需要很长时间的周期,因为我们每一个借贷周期都要2—3年,对于这个风控的模型建立要求非常高。

当然再一点就是我们P2P是两端,一端做信用的借贷或者是风险控制,另一端也是对稍微有钱的人群做一些投资的帮助。当然P2P本身是非常优质的资产,现在应该也开始逐渐开放,对我们出借人做其他的资产的推荐,比方说保险基金,所以我们现在整个的商业模式是定位于通过互联网向个人消费者提供全方面的服务。

杨燕青:你和杨总就慢慢有点接近了。

丛郁:可能不完全一样。

杨文斌:其实一个是借钱的,一个是理财的,这是反向的。就一类是缺钱需要钱,另外一端是有钱的。

杨燕青:他是两端都有了。

丛郁:本身这个P2P就是两端都有,两端服务人群都有他的需求,我们是说有了这个客户我们拿到这个客户对他有什么很好的理解和其他的服务可以去做,这是我们的想法和理念。而且通过这个技术的话,你可以降低整个运营的成本。实际上原来这个客户比如他可投资产就是10万或者20万,你传统银行对于他的服务可能是没有多大的营利空间,但我们通过这种技术减少顾客成本以及所有的运营成本,可能会为更多的人提供服务。

杨燕青:我们知道你在德意志银行待过,你对金融整体效率成本和风控非常熟悉,你能说下整体的数据吗?从宜人贷的数据来看,用了新的大数据风控方法,进行风险评估和风险管理,我们的成本能够降多少?效率能够提多少?

丛郁:这个关键还是数据对于风险,就是如果你看我们整个业务的成本,一部分是获客,一部分是风险。当然其他运营相对是比较少的,尤其是互联网的角度,你毕竟都是工程师,如果看宜人贷有800人,几乎很多是在计算机前,一个屏幕、两个屏幕。我想从获客的角度,这个实际上是和风险相关的,包括我们CTO、COO原来就是做移动互联网的广告,对这种渠道获客,通过各种各样的线上的数据有效的获客,同时把他的数据和整个风险相匹配。因为风险和你获客的通过率是有关的,这一点对我们是非常非常重要的,那你说这个成本的减少或者是怎样的话,这个空间是非常大的。

杨燕青:能有多大?

丛郁:这个看怎么去量化,我们现在如果看宜人贷的话,净利润在百分之二、三十。在整个行业,如果你和跟美国一些同样的平台来讲,我们的净利润是非常高的。

杨燕青:20%是蛮高的,杨总你们的净利润是多少?

杨文斌:放贷的这个,是吗?。

丛郁:整个平台的净利润。

杨燕青:综合都放在一块了。

杨文斌:我们算法不一样,我们不借钱,我们只负责牵头,如果每年有20%回报,我们客户我觉得要饿死了,实际这几年整个理财市场远远没有那么高的回报。

丛郁:商业模式不太一样,可能你那边更像电商的模式,因为我们这个还是金融科技里面,金融会稍微重一点的,因为我们整个风险控制都要做足。

杨燕青:坏账率是多少?

丛郁:都有披露,你看我们的全周期的坏账率,差不多8%到9%左右。

杨燕青:你比唐总还要高。

丛郁:这是全周期,如果年化就是2%—3%,这个没有关系。

杨燕青:这个5%以下,唐总你是全周期还是年化?

唐阳:现金巴士借款是一周、两周,两个礼拜就还,发了工资就还。

杨燕青:你可能不止5%?

丛郁:这可比性不是特别高。

唐阳:业务模式不太一样。

杨燕青:你们PK一下你们的风控或者是对风险评估的模型,这两个模型肯定会非常的不一样。因为丛总这边是信用卡的客户,你这个量比较大;唐总是500、1000元,就量特别小,然后你们觉得和对方相比,你们的风控模型是更强大还是更加简单?唐总。

唐阳:不太一样,微额借款我们是从英国的同行,从伦敦请来了一个他管自己叫Data  Player的一个哥们,他来当这个CRO。这个哥们就是3个屏幕,然后就是计算,他这个叫无监督学习,具体我也不太懂,就属于天马行空。比如说AlphaGo下棋,是属于各种的路数都覆盖了,我以前不太了解宜人贷,我心目中宜人贷好像是属于华山派。

杨燕青:你是什么派?周伯通?

唐阳:就是比较天马行空的,应该是周伯通。

杨燕青:丛总你们是华山派吗?

丛郁:我们这个人群相对还是比较成熟的人群,我们的模型相对还是比较长期的模型。但是我想基础的这种数据获取以及数据分析和互联网数据应用的本身,包括这种虽然说叫机器学习,机器学习其实也就是数据分析的一些不同的方式,包括人工智能也是一样的。我想这个基本的本身可能没有太大的区别,只不过是说根据你人群不同可以采取什么数据,以及你这个风控和你资产的质量的一些特性和风险调节,可能我们的风控模型是3个月调一次,他们可能几周就调一次,这可能会有区别,从整个利用科技来去做更好的金融,这个基础是一样的。

杨燕青:能不能简单说说监管,监管对你们的影响大吗?

丛郁:其实我想讲一点,如果你看中国整个金融科技的发展和美国相比的话,中国的监管还是非常支持的,P2P从2006年开始做,真正的监管开始,而我们和监管机构的互动是2008、2009年开始,其实一直整个监管机构包括银监会也好还是非常认可整个行业的。

杨燕青:这个监管在过去发生了非常大的变化,开始不管,现在实际上是某种角度来说管的比较严。

丛郁:对,实际上原来是让行业继续做一定的发展,发展之后再以一些最好的行业的经验来去做监管。如果你从外面看阶段性的方案是说去年8月24号出了一个文件,从行业角度来说都知道整个的时间表,就没有任何影响。

杨燕青:这个8月24号文件对你们没有影响。

丛郁:对我们应该是,因为从宜人贷的角度各方面我们是非常合规的,包括银监会去制定所有这些政策的时候,也是拿行业里面领先的平台来(作为参考制定)的。

杨燕青:你们有资金池吗?

丛郁:这肯定没有,我们都是由第三方银行托管的广发银行托管的,所有资金就是剥离的,你就不能动客户的资金。

杨燕青:非常感谢,有请余总,我印象中你在国外学的是类似有一点人类的健康科技概念,又和大数据结合,现在又到了蚂蚁聚宝和金融有关的跨界,给我们从跨界的角度讲讲你心目中的科技金融,包括蚂蚁聚宝做的尝试。

余鹏:大家好!很荣幸来到这个论坛。我是在美国学习工作十几年,在麻省理工读的是数据挖掘方向,主要是在生物医学界的应用。上一家工作也是在美国制药公司。我自己也是各种原因算是海归派,2015年加入支付宝,现在叫蚂蚁金服财富事业群任数据事业部的负责人。

我之前在美国学到很多人工智能、机器学习、海量数据挖掘等这方面的方法系统和知识。生物医学是数据的蓝海,有很复杂的生物基因、医学方面的一些难题,所以应用是非常的多,也很多长足的发展。我会加入蚂蚁金服以及把这些技术开始向金融方面利用,自己是觉得真的是我们在一个很好的平台上,有非常非常多的数据,有很多的挖掘,有很多的人工智能、机器学习、语音处理等这些技术可以用到这个领域,为用户创造更多的价值。大家熟悉蚂蚁金服的嘉宾应该都知道,从十几年前的支付宝到后面的钱包移动支付,到现在广泛的铺开,在信贷、个人小微企业的信贷、芝麻信用、财富管理保险上各个领域都有很多的产品和服务,都已经在各种不同的阶段在为用户提供金融的服务。我们能做到这些其实就是因为我们对数据、对计算能力有了一些比较好的令人欣喜的探索和应用。

但是其实还是不够的,我觉得我们真的还可以做的更好,把这个东西做的更极致。

杨燕青:不够在什么地方?

余鹏:比如说就是中美比较的差别,我们拿财富管理这个领域来讲,在美国的话,应该是四、五年前,有些就已经开始做机器人的投顾。

杨燕青:杨总也在做机器人投顾了。

杨文斌:已经做出来了。

杨燕青:你们那边的尝试是怎样?

余鹏:我们是一个领域。

杨燕青:请杨总和余总两个人PK一下机器人投顾,请杨总介绍一下你的智能投顾,余总用蚂蚁聚宝也包括用美国的方式进行比较。

杨文斌:我觉得好买财富做的基金投顾,就我自认为是最正宗的一个,余总下一步可能做出更好的产品。其实美国整个的财富管理领域有两个大的分支,一个是做资产配置的,另外还有一个流派就是崇拜偶像,像跟投共享经济,这是另外一个方向,就是跟人的,不像资产配置。

回到我们机器人投顾,基本上我们大概研究了三年左右,最后我们把它推出来,最核心的就是机器人投顾具有五种平衡的功能。最重要的功能应该是波动平衡,也就是说在一个既定的资产配置下面,比如你风险测试出来50%是应该持有股票仓位。我们举这么一个例子,我们现在设定阈值,如果说这个股票的仓位到53%的话,也就是超越了3个点,那么我自动帮你平掉这3个点的股票,帮你再去补3个点的债券或者其他的现金工具。举个例子,实际的场景就是在我们2015年股票暴涨翻了一番的时候,实际上大部分人在做什么,机器在做什么。那时候人在不断的加仓,我有朋友把房子卖掉的,真的是在2015年4、5月份把房子卖掉抓到最高点了,那个时候股票暴涨时候人的行为是什么,就是追涨杀跌。人是贪婪的,不断去买。

杨燕青:哪个时候叫智能投顾还是什么?

杨文斌:智能投顾,机器帮你规定好,跟人的行为相反的,一路减仓,到5000点翻了一倍,股票仓位依然是50%,这样的话其实就是对冲掉人性的贪婪,其实是一方面。另外一个就是说其他的四个平衡功能,基本上是观点平衡,刚才说的是波动平衡。举个例子,就是说整个的数据分析下来,整个未来的市场上,比如说沪港通、美股这几年是相当不错的,实际上我们最近一季度末把港股配置加进来,很明显就是我们的组合当中,最近不是A股跌了吗,客人很少损失,因为港股和美股收益对冲。

杨燕青:还是资产配置的概念?

杨文斌:还是资产配置的,但是就是有算法的,我们就是叫观点平衡,还有三个平衡是买入平衡、卖出平衡和拉杆平衡,最后一个选择权交给了投资人,就是如果说你不相信专业,你不相信前面四种,最后可以动用自己的极端权利,就是放弃你这个组合,自己用拉杆定义自己新的一个平衡点,这也是可以的。就最后一个权利实际上是投资人自己的,就简单介绍一下。

杨燕青:非常有意思,请余总评价一下杨总的五个平衡。

余鹏:这里不想做PK,对这个领域为什么说还有很多可以做的,个人理解里边就是个人中国财富管理上有很大的空白,很多人有钱但不知道怎么投资。个人理解很多算法数据的应用是两个方面,一个是人的财富规划和理解,很多人不知道到底是高风险还是低风险,所以我们可以用大数据去真的洞察人性,了解你的风险承受能力和你的偏好,这是对人的。另外一方面对资产,杨总更多说是资产,在资产配置上怎么用数据,很多很成熟的理论,欧美都发展的非常的成熟了,我们怎样把大数据、知识图谱用到里面,去更好的了解市场行情,找出更好的投资方法,然后把人跟资产做一个适配,中间也是可以用算法的。过去的传统机构都是做一对一的配置。所以这里面其实欧美也没有做到极致,大家知道有一家很有名的创业公司,可以类比中国的互联网公司。就是通过对数据的挖掘、新闻处理找出一些投资的方向,供给投资人,让他们做投资决策,后来就转为用这些东西自己出策略卖给公司。借这个我是想引出说大家可能有留意到去年我们宣布了不再是一家Fintech公司,我们是Tech-Fin的公司,我们重点做Tech这部分,把算法数据模型做到极致,然后我们要把这个给到我们的传统的金融公司,或者是金融行业来帮助他们更好的服务客户。所以从大的策略来讲,真的希望我们可以深挖,可以合作,和各个金融机构合作,让他们的优势发挥得更好。

丛郁:其实宜信也有,对于中国来讲可能智能投顾也许叫机器投顾会更好一点,智能这部分还在逐渐的发展过程当中。

杨燕青:我的理解不知道对不对,我们做数据以前更多的是把大数据的东西都放在一起,然后通过不相关的数据、非结构化的数据最后得出一些比较有用的结论,这个可能就是你讲的叫机器的投顾。智能投顾可能是需要有深度学习,机器会不断地互动。杨总这个接近智能,可能还和完全的整体深度学习、和AlphaGo还是有一些很大的距离,有一些深度学习和自我调整。

杨文斌:余总说得很好,是两种不同的人工智能的运用,我刚才说的偏重于金融产品本身,刚才余总补充的非常好,实际上还有另外一个运用,就是说整个客户的行为,实际上风险偏好。举个例子,就是现在我们的客户从登陆我们所有的界面,包括网站、APP、微信服务号,所有的行为都会被记录,看了什么产品看了多久都会被记录。

杨燕青:先请丛总聊聊,一会再回到杨总,你刚才觉得中国的智能投顾还没有到人工智能的领域对吗?

丛郁:因为我觉得跟资产有关,其实他们可选的资产是有限的。即使在美国资产非常丰富的市场,他们可以做的匹配也是有限的。在中国智能投顾整个资产匹配非常丰富、非常有效,这个情况下做智能投顾比较好。但是中国的市场比美国大很多,因为现在美国整个资本市场可能百分之二、三十是个人投资者,中国是70%,是整个反过来。如果服务这些个人的客户群去做很好的服务,通过机器去做服务是非常有效。智能到底多智能,可能这是一个逐渐发展的过程,但是这是非常重要的。也许在未来,中国智能投顾服务个人的客户的市场前景或者创新可能远远比美国还要大。

杨燕青:能不能设想一下未来,如果是说比美国大,比美国更好,智能投顾领域可能会比美国强在什么地方?丛总展望一下。

丛郁:第一这个市场的需求会非常大,但是美国那边整个利润非常小,已经成长很长时间了,从它现在的商业模式各方面。但是在中国你要做的好,这种个人投资占70%,如果你有很好的产品,那其实对整个的人群、你整个的业务的发展是非常大的。那我想这一点可能是主要的区别,但是你说后期整个发展需要整个资本市场、资产的有效性的提升,才能更好的利用这些智能。如果本身的资本市场就不有效,你很多的一些规则或者是学习可能会出现一些问题。

杨燕青:可能就是因为资本市场不有效,让人工智能和智能学习才能有机会,如果完全有效可能也就没有机会了。

丛郁:也可以这么说,但我觉得可能一步一步走,先通过这种自动化来服务大众人群,然后整个资本市场有效性情况下提供更多的智能分析,更好的算法,可能会让我们有一个更好的发展,这样的话也许把整个一些市场中的无效性或者是过多的恐慌产生的波动去剔除,本身可能也是一个好事。

杨燕青:余总,在刚才两边的讨论基础上,能不能再给我们展望一下,因为你刚才讲到蚂蚁聚宝量非常非常大,但是同时就说它的技术也许用的还不是那么多。所以你觉得未来还是有很多的技术,因为你在技术上是一个很厉害的华山论剑的高手,你就整个从产品角度和管理角度、风险管理角度、模型角度。有可能你会觉得劲使不上,整个数据挖掘、人工智能、机器学习角度,科技的劲怎么使到聚宝上,给我们做一点展望。

余鹏:非常同意丛总和杨总讲的,智能投顾领域真的是大环境和金融市场、用户的教育状态,各种因素决定了美国发达金融市场的这种模式是不能够照抄复用的。我过来之后两年的时间就深刻感觉到,也不是说有劲用不上,你学了很多的东西,在这里面你就是根本就不起作用了,你要理解你的客户痛点到底在哪里。

杨燕青:最不起作用的一个东西是什么?在美国有用,到中国完全没有用,能不能举个例子?

余鹏:很多顾客就去买股票,他认为自己是可以承受这个风险的,股票一旦跌了就开始骂。就买了一支蚂蚁聚宝的基金跌了就是我们的错,我们去查说这个人的风险完全都是匹配。另外就是国外的先进市场里面投资的经验,或者买基金。你看中国的市场从2010年,官方有些统计数据,如果长期持有到现在不卖都是赚的。你看股民的数据还有中国个人买基金的官方披露数据,大部分是赔的,为什么?就追涨杀跌,你怎样去培养用户这种正确的健康的理财观念,你就应该长期持有,你就应该资产平衡,你就不要卖就可以了。我觉得我们是有机会在互联网这个平台上更快的教育他们,带着他跟我们共同致富。

杨燕青:你觉得在蚂蚁聚宝的平台上,经过我们的大数据的测试,价值投资是有效的吗?

余鹏:是的,价值投资当然是有效的,我们这个数据就跟所有官方研究的结果是一致的。但是我们最苦恼的地方就是说很多模型测出来,你的东西很好,别人为什么信你呢?所以我们平台有一个很大的社区,真的希望是通过这种触达的方式让更多用户体验式地进入这个领域,我们陪着他一起成长,一起去进阶,一起去达到普惠金融的目的。

杨燕青:因为余总是学生物领域的人工智能,还想问这个领域的问题,我们知道现在整个人工智能往前走是两条线,一条线是通过大数据的角度,就是通过算法和数据本身,人工智能的往前推进,逐渐的接近人类可能有的智能,当然还有很大的距离。另外一条线是从人脑,从脑神经的角度去往前推进,这两个实际上是有很大的不同,但是也有很大共同,目前在直接的接近。有人认为就说两个相结合的Interbase,有可能会是未来最会有突破的地方,就因为你是这个领域的专家,你怎么就说大数据还是两个相结合的Interbase,还是更多从脑神经的角度,未来十年推进会更快?

余鹏:这两个是不冲突的,他们结合会有最大的力量,一个是数据,一个是模糊抽象处理的能力,神经网络,现在平台上很多产品后台都用到这个能力,只是前台不会有感知。最后还是说你要优化的目标是什么,给用户提供什么东西。提到人工智能这个东西,在金融的应用里面前景非常非常广阔,大家可以感受到我们将来梦想是说每个人都会有一个你个人的理财管家或者财富管家,我在美国生活了很久,我在那边理财就要去办公室找一个人,坐下来跟面谈。

杨燕青:时间永远是讨论不够的,我们能不能最后请四位回答一个非常简单的问题,今天讨论金融科技,或者是科技金融,我们每个人也都是在做一个和金融和科技有关的金融企业,或者叫科技企业,他们也在改变整个中国的金融版图,满足中国消费者不同的金融需求,在带领中国金融走向未来,我这个问题非常简短,你觉得你这个公司本质是做金融的还是本质是做科技的?

杨文斌:我换一个角度来说,我们好买的使命是提高中国的理财质量,一直跟同事们说理财质量是从双向提高的,第一是通过资产配置提高金融产品的稳定的回报,另外一个就是改变它的产品的体验,我觉得是相辅相成的,这是一个硬币的两面,缺一不可。

杨燕青:非常快的把我的问题背后的问题做解答,可能有助于大家选哪个。如果说本质是金融,他更多的符合过去的金融的一些基本的规律,比如管理风险的基本做法;如果他说是科技,科技是没有边界,任何都有可能,很大意义上打破和抛弃了过去的金融的基本方程式,这个角度来讲杨总可以做第二次选择吗?

杨文斌:好买业务因为是做理财为主的,我们的内核依然是金融,但是不同的金融领域可能会有不同的可能性。

唐阳:现金巴士还是做科技的,我们的员工两个显示器上做的移动互联网、大数据概率计算都是我传统意义上看到的科技派的样子。

杨燕青:所以你是周伯通式的打法,根本不要过去的规律。

丛郁:我们是两个都会做,第一是现在的业务就是做科技金融。

杨燕青:我们的本质。

丛郁:本质我们两个都会做,因为我有一个技术输出的部门,这个确实是这样的,就我们是把现有的风控技术对外输出,纯粹一个技术服务的公司。

杨燕青:但是以你德意志银行的背景,我总觉得你到最后你可能心里偏金融,但是宜信是偏科技,有请余总。

余鹏:毫不犹豫是技术,这也是公司官方的,这也是吸引我来到这个公司和大批海归回来加入这个公司的原因,我们是一家科技公司,会赋能我们的金融机构。

杨燕青:非常感谢,感谢四位,感谢大家,谢谢。

主持人:刚才一再追问的本质是什么,我们中国是创新的本质,就是让未来发生,谢谢各位!

举报
一财最热
点击关闭