借力大數(shù)據(jù)技術(shù) 證券行業(yè)迎轉(zhuǎn)型契機(jī)

互聯(lián)網(wǎng)+時(shí)代，證券行業(yè)制定大數(shù)據(jù)戰(zhàn)略迫切而適時(shí)。一方面，近年來(lái)大數(shù)據(jù)被提升到國(guó)家發(fā)展戰(zhàn)略層面，政府提供資金及政策支持，鼓勵(lì)企業(yè)在大數(shù)據(jù)方面的發(fā)展和轉(zhuǎn)型，大數(shù)據(jù)技術(shù)體系發(fā)展逐漸成熟?；陂_(kāi)源和商業(yè)技術(shù)共同形成的大數(shù)據(jù)技術(shù)體系已經(jīng)在互聯(lián)網(wǎng)行業(yè)應(yīng)用多年，推出的穩(wěn)定軟件版本及云服務(wù)能夠支持后來(lái)者落地實(shí)施大數(shù)據(jù)戰(zhàn)略。另一方面，得益于部分互聯(lián)網(wǎng)行業(yè)龍頭在大數(shù)據(jù)方面的探索和推動(dòng)，具備大數(shù)據(jù)項(xiàng)目經(jīng)驗(yàn)的人才培養(yǎng)體系逐漸建立，形成了大數(shù)據(jù)發(fā)展的良好土壤。同時(shí)，經(jīng)過(guò)多年的發(fā)展積累，大數(shù)據(jù)資源已經(jīng)越來(lái)越豐富，國(guó)內(nèi)外領(lǐng)先企業(yè)為大數(shù)據(jù)應(yīng)用也提供了很多極具價(jià)值的應(yīng)用場(chǎng)景，這些典型案例可以為證券行業(yè)轉(zhuǎn)型提供較好的學(xué)習(xí)標(biāo)桿。

同時(shí)，證券行業(yè)競(jìng)爭(zhēng)壓力也與日俱增，證券公司轉(zhuǎn)型刻不容緩，已經(jīng)基本具備了大數(shù)據(jù)技術(shù)應(yīng)用的條件。

首先，證券公司的業(yè)務(wù)轉(zhuǎn)型為大數(shù)據(jù)技術(shù)提供大量的應(yīng)用場(chǎng)景。證券公司在零售業(yè)務(wù)轉(zhuǎn)型財(cái)富管理過(guò)程中，對(duì)客戶(hù)的個(gè)性化、綜合化的服務(wù)要求產(chǎn)生了對(duì)大數(shù)據(jù)技術(shù)的應(yīng)用需求；在深耕機(jī)構(gòu)業(yè)務(wù)的過(guò)程中，來(lái)自與機(jī)構(gòu)客戶(hù)相關(guān)的產(chǎn)品創(chuàng)設(shè)、銷(xiāo)售以及投資管理等需求也將與大數(shù)據(jù)技術(shù)產(chǎn)生重要聯(lián)系；其次，多維度的數(shù)據(jù)源為大數(shù)據(jù)技術(shù)應(yīng)用提供重要的分析基礎(chǔ)。證券公司不僅能獲取來(lái)自互聯(lián)網(wǎng)新聞等非結(jié)構(gòu)性文本類(lèi)數(shù)據(jù)，而且可以快速積累來(lái)自外部的交易數(shù)據(jù)，以及內(nèi)部的客戶(hù)行為數(shù)據(jù)；最后，基于大數(shù)據(jù)的深度學(xué)習(xí)算法在自然語(yǔ)言處理、語(yǔ)音語(yǔ)義識(shí)別、圖像識(shí)別等領(lǐng)域的突破，以及TensorFlow等各類(lèi)算法開(kāi)源平臺(tái)的發(fā)布，為大數(shù)據(jù)技術(shù)提供有力的算法保障；GPU/TPU等芯片技術(shù)的飛躍發(fā)展、5G等新一代通信技術(shù)的日趨成熟，為大數(shù)據(jù)技術(shù)應(yīng)用提供有力的物理保障?？傮w而言，隨著大數(shù)據(jù)時(shí)代來(lái)臨，證券行業(yè)具備了全面應(yīng)用大數(shù)據(jù)技術(shù)的條件，大數(shù)據(jù)技術(shù)將助推證券公司業(yè)務(wù)的成功轉(zhuǎn)型，持續(xù)發(fā)展大數(shù)據(jù)技術(shù)的證券公司將引領(lǐng)行業(yè)的未來(lái)。

大數(shù)據(jù)技術(shù)在證券行業(yè)的應(yīng)用探討

大數(shù)據(jù)技術(shù)助力證券行業(yè)的轉(zhuǎn)型和發(fā)展可以體現(xiàn)在三個(gè)方面：第一，推動(dòng)證券公司日常經(jīng)營(yíng)活動(dòng)中的數(shù)據(jù)化運(yùn)營(yíng)，利用大數(shù)據(jù)提升證券公司各業(yè)務(wù)線(xiàn)以及中后臺(tái)職能部門(mén)日常工作中各個(gè)環(huán)節(jié)的運(yùn)營(yíng)效率；第二，利用大數(shù)據(jù)技術(shù)推動(dòng)證券公司業(yè)務(wù)的智能化應(yīng)用，并從中挖掘新的業(yè)務(wù)形態(tài)與業(yè)務(wù)機(jī)會(huì)；第三，基于大數(shù)據(jù)及相關(guān)技術(shù)建立一套更加有效科學(xué)的管控工具，保障證券公司各項(xiàng)業(yè)務(wù)經(jīng)營(yíng)風(fēng)險(xiǎn)可控，確保堅(jiān)守合規(guī)底線(xiàn)。

1.零售業(yè)務(wù)：深化數(shù)字化運(yùn)營(yíng)，推動(dòng)業(yè)務(wù)智能化轉(zhuǎn)型

零售業(yè)務(wù)是證券公司最重要的基礎(chǔ)業(yè)務(wù)，合理運(yùn)用大數(shù)據(jù)技術(shù)，實(shí)現(xiàn)零售業(yè)務(wù)的數(shù)字化運(yùn)營(yíng)，提高客戶(hù)服務(wù)的效率及質(zhì)量尤為重要。證券公司能夠服務(wù)多少客戶(hù)、管理多大的團(tuán)隊(duì)、經(jīng)營(yíng)多少營(yíng)業(yè)網(wǎng)點(diǎn)，與其對(duì)大數(shù)據(jù)應(yīng)用的能力息息相關(guān)。證券公司可以運(yùn)用大數(shù)據(jù)技術(shù)推動(dòng)“去中心化”的分布式管理。在這套管理體系下，不僅可以采用數(shù)字化的工具為一線(xiàn)員工提供精良的裝備，驅(qū)動(dòng)員工自我發(fā)現(xiàn)問(wèn)題與改變戰(zhàn)法；還可以借助制度與技術(shù)的力量，實(shí)現(xiàn)整個(gè)生態(tài)系統(tǒng)的自我糾偏和完善。以廣發(fā)證券的分布式管理體系為例，“金鑰匙”是基礎(chǔ)任務(wù)分發(fā)平臺(tái)，公司的各大互聯(lián)網(wǎng)終端負(fù)責(zé)收集客戶(hù)的需求，經(jīng)過(guò)金鑰匙平臺(tái)的算法分析后分派到全國(guó)各地的7000名理財(cái)顧問(wèn)，并按照服務(wù)響應(yīng)時(shí)間、客戶(hù)滿(mǎn)意度以及業(yè)務(wù)轉(zhuǎn)化率對(duì)業(yè)務(wù)進(jìn)行管理和優(yōu)化。同時(shí)，根據(jù)公司內(nèi)多平臺(tái)數(shù)據(jù)資源，廣發(fā)證券自主開(kāi)發(fā)的“經(jīng)營(yíng)駕駛艙”，可提取其中與業(yè)務(wù)經(jīng)營(yíng)最相關(guān)的信息，根據(jù)各級(jí)管理人員和員工的需求為其提供不同側(cè)重點(diǎn)的數(shù)據(jù)支持，高層管理人員著重對(duì)全局的把握以便及時(shí)調(diào)配資源，中層管理人員圍繞KPI完成與系統(tǒng)內(nèi)排名變動(dòng)及時(shí)調(diào)整經(jīng)營(yíng)策略，基層人員則重點(diǎn)關(guān)注管轄客戶(hù)、資產(chǎn)與個(gè)人績(jī)效錢(qián)包。通過(guò)大數(shù)據(jù)技術(shù)的應(yīng)用，公司不僅有效提升各級(jí)管理的運(yùn)營(yíng)效率，而且大幅提升客戶(hù)的服務(wù)質(zhì)量。目前，產(chǎn)品同質(zhì)化也困擾著整個(gè)證券行業(yè)，證券公司更需對(duì)客戶(hù)進(jìn)行深入分析和細(xì)分管理，通過(guò)精準(zhǔn)營(yíng)銷(xiāo)為其推送合適的產(chǎn)品服務(wù)。而精準(zhǔn)營(yíng)銷(xiāo)的核心在于對(duì)用戶(hù)進(jìn)行畫(huà)像描繪，而大數(shù)據(jù)技術(shù)的應(yīng)用能夠幫助證券公司更好地做到這一點(diǎn)。通過(guò)提取客戶(hù)投資交易等核心數(shù)據(jù)，分析其投資習(xí)慣、品種偏好以及風(fēng)險(xiǎn)承受能力等深度信息，進(jìn)而有針對(duì)性地對(duì)其展開(kāi)產(chǎn)品營(yíng)銷(xiāo)活動(dòng)，從而提高營(yíng)銷(xiāo)成功率。

與此同時(shí)，智能投顧成為財(cái)富管理新藍(lán)海，也是近年證券公司應(yīng)用大數(shù)據(jù)技術(shù)匹配客戶(hù)多樣化需求的新嘗試之一。該業(yè)務(wù)提供線(xiàn)上的投資顧問(wèn)服務(wù)，能夠基于客戶(hù)的風(fēng)險(xiǎn)偏好、交易行為等個(gè)性化數(shù)據(jù)，采用量化模型，為客戶(hù)提供低門(mén)檻、低費(fèi)率的個(gè)性化財(cái)富管理方案。

智能投顧在客戶(hù)資料收集分析、投資方案的制定、執(zhí)行以及后續(xù)的維護(hù)等步驟上均采用智能系統(tǒng)自動(dòng)化完成，且具有低門(mén)檻、低費(fèi)率等特點(diǎn)，因此能夠?yàn)楦嗟牧闶劭蛻?hù)提供定制化服務(wù)。隨著線(xiàn)上投顧服務(wù)的成熟以及未來(lái)更多基于大數(shù)據(jù)技術(shù)的智能投資策略的應(yīng)用，智能投顧有望從廣度和深度上都將證券行業(yè)帶入財(cái)富管理的全新階段，為未來(lái)政策放寬證券公司投資顧問(wèn)從前端傭金收費(fèi)向后端的管理費(fèi)收取模式轉(zhuǎn)變進(jìn)行探索準(zhǔn)備。

近幾年智能投顧業(yè)務(wù)在國(guó)內(nèi)外均取得快速發(fā)展，截至2016年末，境外領(lǐng)先的金融機(jī)構(gòu)先鋒及嘉信的智能投顧業(yè)務(wù)已經(jīng)分別管理了數(shù)百億美元的規(guī)模。國(guó)內(nèi)近一年來(lái)，部分機(jī)構(gòu)在該業(yè)務(wù)領(lǐng)域也開(kāi)始起步，廣發(fā)證券的“貝塔牛”以及招商銀行的“摩羯智投”均為所屬行業(yè)的代表產(chǎn)品。雖然目前國(guó)內(nèi)該業(yè)務(wù)的用戶(hù)體量尚無(wú)法與美國(guó)市場(chǎng)相比較，但國(guó)內(nèi)財(cái)富管理領(lǐng)域存在較大的需求，同時(shí)證券公司在客戶(hù)的數(shù)據(jù)儲(chǔ)備以及互聯(lián)網(wǎng)技術(shù)應(yīng)用上也具有較大優(yōu)勢(shì)，因此未來(lái)有望借助大數(shù)據(jù)技術(shù)大力發(fā)展該業(yè)務(wù)，實(shí)現(xiàn)傳統(tǒng)經(jīng)紀(jì)業(yè)務(wù)往財(cái)富管理的成功轉(zhuǎn)型。

2.資產(chǎn)管理業(yè)務(wù)：借力大數(shù)據(jù)，開(kāi)辟產(chǎn)品創(chuàng)設(shè)與投資管理新思路

互聯(lián)網(wǎng)時(shí)代，信息的多樣化與扁平化，新聞等互聯(lián)網(wǎng)文本挖掘類(lèi)數(shù)據(jù)對(duì)市場(chǎng)的影響日漸緊密，基于互聯(lián)網(wǎng)文本數(shù)據(jù)與傳統(tǒng)交易數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)相結(jié)合進(jìn)行投資的金融產(chǎn)品也得到投資者的普遍認(rèn)可。應(yīng)用大數(shù)據(jù)技術(shù)，結(jié)合傳統(tǒng)量化投資模型，推出大數(shù)據(jù)基金產(chǎn)品是對(duì)傳統(tǒng)資產(chǎn)管理產(chǎn)品的有力補(bǔ)充，為投資者提供新的選擇。2014年底，廣發(fā)基金與百度合作，綜合了百度客戶(hù)的搜索數(shù)據(jù)及廣發(fā)基金自己搭建的選股因子數(shù)據(jù)庫(kù)，推出了備受市場(chǎng)關(guān)注的百發(fā)100指數(shù)基金。近兩年，相繼又有多家公募基金與不同互聯(lián)網(wǎng)企業(yè)合作推出了數(shù)十只大數(shù)據(jù)主題基金，大數(shù)據(jù)在產(chǎn)品創(chuàng)新中的應(yīng)用已經(jīng)得到實(shí)現(xiàn)。未來(lái)隨著大數(shù)據(jù)技術(shù)的更加成熟，更多數(shù)量、更深層的大數(shù)據(jù)主題產(chǎn)品將有望陸續(xù)面市。

與此同時(shí)，隨著深度學(xué)習(xí)等人工智能技術(shù)的日趨成熟，基于大數(shù)據(jù)以及人工智能算法的量化投資策略逐漸興起。通過(guò)基于自然語(yǔ)言處理技術(shù)（NLP），從網(wǎng)絡(luò)文本中獲取數(shù)據(jù)，基于深度學(xué)習(xí)等機(jī)器學(xué)習(xí)算法對(duì)獲取的各類(lèi)數(shù)據(jù)進(jìn)行分析預(yù)測(cè)，建立財(cái)經(jīng)新聞、公司公告等文本事件與相關(guān)資產(chǎn)在金融市場(chǎng)中的表現(xiàn)的關(guān)聯(lián)，迅速判斷市場(chǎng)中出現(xiàn)的各類(lèi)機(jī)會(huì)。這類(lèi)基于大數(shù)據(jù)技術(shù)與人工智能算法的投資策略不僅拓寬了信息獲取源，提升了信息的分析深度與廣度，而且與傳統(tǒng)投資策略表現(xiàn)相關(guān)性低，是對(duì)傳統(tǒng)策略的有力補(bǔ)充。

2012年，英國(guó)對(duì)沖基金CAYMANATLANTIC公司發(fā)行了一只量化對(duì)沖基金，通過(guò)Twitter、Google以及其他媒體平臺(tái)上的投資者情緒大數(shù)據(jù)進(jìn)行分析，得到對(duì)市場(chǎng)各類(lèi)資產(chǎn)的預(yù)測(cè)結(jié)果并依次進(jìn)行投資決策，并取得不錯(cuò)的業(yè)績(jī)。

2017年1月，境外資產(chǎn)管理公司貝萊德宣布，將公司原來(lái)專(zhuān)注于“基本面”主動(dòng)研究以及專(zhuān)注于“大數(shù)據(jù)”的量化研究?jī)蓚€(gè)團(tuán)隊(duì)合并成一個(gè)大部門(mén)。貝萊德此舉表明，隨著資本市場(chǎng)數(shù)據(jù)規(guī)模的提升以及大數(shù)據(jù)技術(shù)的逐漸成熟，投資將更多依賴(lài)于大數(shù)據(jù)分析結(jié)果進(jìn)行輔助決策?？梢哉f(shuō)，投資管理已成為大數(shù)據(jù)技術(shù)的下一個(gè)目標(biāo)。

3.研究業(yè)務(wù)：提升工作效率，打造智能化投研新模式

隨著互聯(lián)網(wǎng)及大數(shù)據(jù)技術(shù)的迅速發(fā)展，目前證券公司所提供的賣(mài)方研究服務(wù)中，部分低效的人工統(tǒng)計(jì)工作將被以大數(shù)據(jù)技術(shù)為核心的量化研究所取代。包括上市公司調(diào)研、數(shù)據(jù)分析等重復(fù)性統(tǒng)計(jì)分析工作將率先受到?jīng)_擊。RSMetrics是一家總部位于芝加哥的衛(wèi)星情報(bào)分析公司，通過(guò)高分辨率衛(wèi)星影像，對(duì)零售店、餐館、商場(chǎng)、辦公樓和其他商業(yè)地產(chǎn)的停車(chē)場(chǎng)進(jìn)行監(jiān)控，可以估計(jì)出它們?cè)谌珖?guó)范圍內(nèi)或者某一地區(qū)的客流量增長(zhǎng)情況，幫助分析師了解公司基本面，預(yù)測(cè)銷(xiāo)售量，預(yù)估企業(yè)運(yùn)營(yíng)狀況。這類(lèi)借助于衛(wèi)星遙感大數(shù)據(jù)技術(shù)手段，相比于傳統(tǒng)的分析師實(shí)地調(diào)研能夠大幅提升工作效率與準(zhǔn)確度。

可以預(yù)期的是，隨著大數(shù)據(jù)技術(shù)應(yīng)用成本的降低，這類(lèi)替代分析師人工調(diào)研的手段將得到普遍應(yīng)用。不過(guò)，大數(shù)據(jù)技術(shù)的應(yīng)用不只是提升分析師的調(diào)研效率，或許也將誕生新的服務(wù)與盈利模式，推動(dòng)傳統(tǒng)研究銷(xiāo)售業(yè)務(wù)往線(xiàn)上智能化發(fā)展。誕生于硅谷的Kensho為大數(shù)據(jù)技術(shù)在研究領(lǐng)域的成功應(yīng)用提供了非常好的范本。Kensho公司成立于2013年，專(zhuān)注于通過(guò)機(jī)器學(xué)習(xí)及云算法搜集和分析數(shù)據(jù)，把長(zhǎng)達(dá)幾天時(shí)間的傳統(tǒng)投資分析周期縮短到幾分鐘，能夠分析海量數(shù)據(jù)對(duì)資本市場(chǎng)各類(lèi)資產(chǎn)的影響，并回答復(fù)雜的金融問(wèn)題。它能取代部分人類(lèi)知識(shí)密集型的分析工作，提供快速化、規(guī)?；?、自動(dòng)化的分析結(jié)果。

4.應(yīng)用大數(shù)據(jù)技術(shù)提升中后臺(tái)工作效率

證券市場(chǎng)日益豐富的投資品種以及不斷擴(kuò)充的成交規(guī)模，使得交易、清算及風(fēng)險(xiǎn)管理等中后臺(tái)業(yè)務(wù)所需應(yīng)對(duì)的數(shù)據(jù)規(guī)模也快速擴(kuò)張，引入相關(guān)技術(shù)應(yīng)對(duì)大數(shù)據(jù)可以大幅提升工作效率。在交易領(lǐng)域，運(yùn)用大數(shù)據(jù)技術(shù)搭建算法交易平臺(tái)能夠支持批量、高效地完成各種復(fù)雜交易指令，降低交易誤差。提升客戶(hù)使用體驗(yàn)的同時(shí)，也能夠?yàn)榭蛻?hù)提供對(duì)數(shù)據(jù)進(jìn)行深度挖掘所帶來(lái)更豐富的投資機(jī)會(huì)。在結(jié)算領(lǐng)域，隨著營(yíng)業(yè)網(wǎng)點(diǎn)的擴(kuò)張以及交易品種的增加，交易數(shù)據(jù)的規(guī)模與復(fù)雜程度大幅提升。大數(shù)據(jù)技術(shù)的應(yīng)用能夠?yàn)榻Y(jié)算工作提供更快的響應(yīng)速度以及更準(zhǔn)確的匹配結(jié)果，從而確保結(jié)算業(yè)務(wù)高效、安全地運(yùn)作。

芝加哥商品交易所（ChicagoMercantileExchange）每天產(chǎn)生約1100萬(wàn)份合約，存儲(chǔ)了100TB的數(shù)據(jù)，且仍在每日不斷增長(zhǎng)。交易所需要每天為內(nèi)部團(tuán)隊(duì)提供復(fù)雜的數(shù)據(jù)分析報(bào)告，為了提升報(bào)告的及時(shí)性，CME采用了Oracle公司的EXADATA的解決方案，用結(jié)構(gòu)化的RDBMS，減少每次批量處理過(guò)程的時(shí)間。同時(shí)CME采用了Hadoop數(shù)據(jù)處理平臺(tái)，通過(guò)并行查詢(xún)方法來(lái)提升數(shù)據(jù)處理性能，并且減少成本開(kāi)支。在風(fēng)險(xiǎn)管理領(lǐng)域，日益增加的交易品種與客戶(hù)數(shù)量，為證券公司實(shí)時(shí)測(cè)算、監(jiān)控以及管理各類(lèi)市場(chǎng)風(fēng)險(xiǎn)、合規(guī)風(fēng)險(xiǎn)提出了更高的要求，大數(shù)據(jù)技術(shù)在這個(gè)領(lǐng)域也能充分發(fā)揮作用。廣發(fā)證券的“風(fēng)險(xiǎn)數(shù)據(jù)集市項(xiàng)目”利用大數(shù)據(jù)技術(shù)整合公司各條業(yè)務(wù)線(xiàn)的風(fēng)險(xiǎn)相關(guān)數(shù)據(jù)、第三方市場(chǎng)數(shù)據(jù)、交易對(duì)手?jǐn)?shù)據(jù)、關(guān)聯(lián)人數(shù)據(jù)、監(jiān)管披露數(shù)據(jù)，形成相對(duì)完善的風(fēng)險(xiǎn)數(shù)據(jù)集市，在強(qiáng)大的計(jì)算力支撐下實(shí)現(xiàn)全面準(zhǔn)確實(shí)時(shí)的監(jiān)控及預(yù)測(cè)各種風(fēng)險(xiǎn)指標(biāo)，強(qiáng)化各條業(yè)務(wù)線(xiàn)的風(fēng)險(xiǎn)管理能力。

證券行業(yè)駕馭大數(shù)據(jù)技術(shù)仍須克服重重困難

目前，大數(shù)據(jù)技術(shù)在證券行業(yè)中的應(yīng)用與推廣還處于起步階段，趨勢(shì)雖不可阻擋，但同時(shí)也面臨諸多困難與挑戰(zhàn)，當(dāng)前亟須解決的核心問(wèn)題主要有以下幾方面。

一是海量數(shù)據(jù)分散存儲(chǔ)，整合難度大。海量數(shù)據(jù)的管理對(duì)任何一個(gè)行業(yè)都是極具挑戰(zhàn)性的難題。證券行業(yè)數(shù)據(jù)量增長(zhǎng)快速且數(shù)據(jù)結(jié)構(gòu)復(fù)雜，每天都有大量的新舊數(shù)據(jù)需要迭代處理。此外由于業(yè)務(wù)多元化的特點(diǎn)，證券公司的大數(shù)據(jù)往往分散于相互獨(dú)立的各個(gè)業(yè)務(wù)部門(mén)，無(wú)法進(jìn)行暢通共享導(dǎo)致大數(shù)據(jù)處于嚴(yán)重的切割和分散狀態(tài)，同樣的問(wèn)題在行業(yè)內(nèi)不同公司之間也存在。同時(shí)，證券行業(yè)部分?jǐn)?shù)據(jù)涉及用戶(hù)的安全與隱私，在運(yùn)用大數(shù)據(jù)技術(shù)進(jìn)行分析的過(guò)程中要避免數(shù)據(jù)的泄露，同時(shí)也要保護(hù)客戶(hù)的隱私數(shù)據(jù)不受侵犯，這對(duì)證券公司的大數(shù)據(jù)安全技術(shù)以及對(duì)合規(guī)及風(fēng)險(xiǎn)管理能力提出了更高的挑戰(zhàn)。因此，如何在政策允許的范圍內(nèi)實(shí)現(xiàn)內(nèi)部海量數(shù)據(jù)的有效整合以及與外部機(jī)構(gòu)數(shù)據(jù)的共享，是大數(shù)據(jù)技術(shù)應(yīng)用推廣過(guò)程中須解決的首要問(wèn)題。

二是尋找有效的人工智能算法需要長(zhǎng)期探索。證券行業(yè)的大數(shù)據(jù)往往具備高維度、動(dòng)態(tài)以及強(qiáng)隨機(jī)性等不確定特征，且多數(shù)為非結(jié)構(gòu)化數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)的一般性特征通常不夠清晰，而且所反映的對(duì)象背后缺乏客觀(guān)嚴(yán)謹(jǐn)?shù)倪壿嫞哂懈鼜?qiáng)的不確定性和不可預(yù)測(cè)性。從這些數(shù)據(jù)中提取基本信息結(jié)合特定的金融邏輯、應(yīng)用情景以及經(jīng)驗(yàn)，運(yùn)用人工智能算法進(jìn)行“深度挖掘”得到最終的投資決策，將高度依賴(lài)能否構(gòu)建有效的處理算法，這是大數(shù)據(jù)技術(shù)應(yīng)用的重點(diǎn)與難點(diǎn)。證券市場(chǎng)的大數(shù)據(jù)技術(shù)從“初步提取”到“深度挖掘”還有漫長(zhǎng)的路需要探索。

三是大數(shù)據(jù)業(yè)務(wù)的落地及人才的培養(yǎng)均需要繼續(xù)加大力度。從大數(shù)據(jù)技術(shù)的部署以及相關(guān)業(yè)務(wù)的開(kāi)展來(lái)看，雖然證券行業(yè)許多公司都在戰(zhàn)略上給予了高度的重視，但是在具體業(yè)務(wù)的落地和推進(jìn)中，實(shí)際投入的資源有限，取得的進(jìn)展也相對(duì)較慢。證券行業(yè)的核心競(jìng)爭(zhēng)力在于“人”，大數(shù)據(jù)應(yīng)用也不例外。但是，與其他IT領(lǐng)域不同的是，金融大數(shù)據(jù)人才往往須同時(shí)具備算法、IT以及金融等多學(xué)科交叉背景，目前證券行業(yè)該類(lèi)人才相對(duì)占比較低，未來(lái)應(yīng)對(duì)大數(shù)據(jù)浪潮還須繼續(xù)加大此類(lèi)人才的儲(chǔ)備。