AQF學員嘉賓：曾晨光，聽聽他對Python的理解與感悟，以及對未來AI時代的感慨~
金融海歸，這群擁有國際化視野、勇于摒棄傳統(tǒng)禁錮的時代追求者，在金融科技大浪潮的沖擊下更新、蛻變、迭代，緊抓行業(yè)變革的機遇，儼然正在成為新金融科技時代的寵兒。
曾晨光，就是這樣一位在新技術與金融相互追逐的大環(huán)境中不斷摸索的金融海歸。緊跟趨勢成為了懂AI的金融人，在新時代的風潮來臨前，秣兵厲馬，蓄勢待發(fā)。
曾晨光，2014年畢業(yè)于北京第二外國語學校，在校期間憑借著優(yōu)異的成績響應國家項目的號召前往美國學習，就此選擇留美攻讀金融學碩士;2016年回國深造，隨著科技發(fā)展全面席卷金融行業(yè)，他看到了傳統(tǒng)金融與科技加速融合的契機，先后在金融大數(shù)據(jù)領域、證券研究領域不斷的嘗試與探索。2018年，在金融產(chǎn)業(yè)革命的開端他選擇了將自己的金融夢融進金融科技的浪潮，與這個時代一同揚帆起航。
曾經(jīng)，人生苦短，我學 “Python”
◆ ◆ ◆ ◆
聽說Python是未來最火的編程語言之一
◆ ◆ ◆ ◆
金友匯：《量化分析》課程的學習對您有哪些幫助?
曾晨光：我現(xiàn)在是一名金融行業(yè)大數(shù)據(jù)架構師，這份工作對計算機和編程都有較高的要求，雖說曾經(jīng)有過數(shù)據(jù)分析師的經(jīng)歷，可當時在工作中用到的主要是SAS的統(tǒng)計分析、Excel或者VBA的編程，而我又是金融專業(yè)背景，因此對計算機領域是相對陌生的。直到去復旦大數(shù)據(jù)學院研修后，才發(fā)現(xiàn)目前這個行業(yè)用的編程語言大都是Python。剛開始是在網(wǎng)上自學一些免費的課程，發(fā)現(xiàn)這些視頻內(nèi)容雖然跟計算機基礎編程有關，但它的場景應用并不適用金融專業(yè)，這種零碎不系統(tǒng)的知識點讓我挺苦惱的。
很偶然的一次機會，在紀慧誠老師的微博上接觸到了金程AQF的課程。在一段時間的學習過后，我發(fā)現(xiàn)該課程的內(nèi)容與金融行業(yè)的知識是緊密聯(lián)系的，更重要的是它偏向金融量化實戰(zhàn)，涉及到一些基礎的機器學習知識和機器學習結(jié)合量化策略的編程內(nèi)容，短短的幾行或者十幾行代碼就能實現(xiàn)非常宏大的策略編寫。
我想，Python是當下我所接觸到的較好的編程語言。它有兩個很強大的庫——pandas庫和numpy庫，同時還包括scipy庫和一些人工智能的開源框架，這些就足以讓你自行搭建模型。接著，再找一個相對強大的算力CPU，就可以正常運行一個機器學習的量化策略模型，這個過程對學編程的伙伴來說是極具創(chuàng)造與挑戰(zhàn)的。我認為這是與市面上其他類似課程最大的不同之處，也是它最吸引我的地方。
另外，我真的很高興在學習中遇到了很多專業(yè)背景相似且志同道合的朋友，讓我能夠有機會近距離去請教行業(yè)內(nèi)部優(yōu)秀的人士，接觸到他們對于量化投資領域獨到的見解。同時讓我倍感欣慰的是，老師會非常高效的幫助我們解決編程和策略問題，并且還會告訴你收集前沿資料的種種途徑，這些對于在金融科技行業(yè)剛剛起步的我而言，都提供了非常大的幫助。
現(xiàn)在，要搶占金融科技下半場的“入場券"
◆ ◆ ◆ ◆
機器取代人工是大勢所趨
◆ ◆ ◆ ◆
金友匯：您的履歷非常漂亮。本科及研究生期間連獲3次獎學金，5次優(yōu)秀干部，還未畢業(yè)就已經(jīng)有2次金融行業(yè)實習經(jīng)驗，剛畢業(yè)1年不到已經(jīng)學習了2張金融行業(yè)的“黃金證書”(CFA/AQF)，中間還在復旦大學研修過。這一連串的評獎、編書、出國、考證、實習、就業(yè)后，為什么最終選擇了金融科技領域?
曾晨光：金融行業(yè)在科技驅(qū)動下的變革讓我看到了危機與機會。金融專業(yè)剛畢業(yè)，回國找工作那段時間是非常艱難的，當時對金融行業(yè)也是持一種觀望的態(tài)度，最終選擇了券商研究所。
大型券商的架構規(guī)劃一定是標準化很高的業(yè)務模型，比如風控、統(tǒng)計分析或者離線批處理在數(shù)據(jù)結(jié)構上包括規(guī)則上都有非常嚴格的標準化。行業(yè)內(nèi)部把金融科技劃分為“1.0”、“2.0”、“3.0”。1.0階段儲存信息、2.0階段針對信息做統(tǒng)計分析、3.0階段是信息和產(chǎn)品的應用。我的工作主要是在1.0和2.0階段，其中保證標準化、歸一化的工作量真的很大，如果完成一個項目分析需要7天，可能有4天需要做數(shù)據(jù)處理，而我認為這部分工作將來可能會被機器所取代。
其實我們都不愿意探討“被機器取代”的話題，因為害怕自己被取代，更不想被取代。短期來看，在投行或者金融研究領域?qū)I(yè)知識的要求是非常高的，但是目前像自然語言處理還有文本的OCR識別這些比較前沿的技術使用，未來很大程度上會減少投行人在法務合規(guī)和風控上的參與，包括智能的一些盡調(diào)和估值模型都是可以通過程序化手段來實現(xiàn)。非常典型的例子就是銀行的ATM，現(xiàn)在遠程的客服通過ATM就能幫你開戶解決銀行卡辦理問題，僅此簡單的金融科技的應用就取代了一大批的銀行工作人員。
面對大環(huán)境，如何能讓我們有限的精力投入到業(yè)務和應用之中，給出專業(yè)的分析和意見實現(xiàn)自身更大的價值，我認為緊跟時代的變化，成為一個金融+科技“復合型”的專業(yè)知識背景的金融人會更順應這個行業(yè)對人才的需求。
◆ ◆ ◆ ◆
站在“巨人”的肩膀上看世界
◆ ◆ ◆ ◆
金友匯：您所在的公司目前主要客戶有哪些?
曾晨光：星環(huán)科技是針對金融、制造業(yè)、安防、航空等行業(yè)提供大數(shù)據(jù)底層架構和底層軟件服務的平臺。
我們有強大算力技術支撐的大數(shù)據(jù)底層平臺。行業(yè)中有很多金融科技公司都在做上層應用，如果用到的機器學習的算法是矩陣式運算，那么一般架構是很難滿足實時性大規(guī)模的批處理需求，若想有效的處理數(shù)據(jù)，就需要用到大數(shù)據(jù)平臺，而此時星環(huán)就是擔任承上啟下的底層平臺。除了底層平臺，我們還有能滿足編程人員和業(yè)務人員需求的Sophon人工智能平臺。它可以將機器學習的模型分解成算子給予業(yè)務人員，通過拖拉拽可視化圖形操作的形式就可以實現(xiàn)業(yè)務分析等日常工作來滿足用戶的需求。比如，目前券商的第一期數(shù)據(jù)治理和清洗結(jié)束以后，在第二階段大數(shù)據(jù)的架構包可能會落地到一些人工智能的應用。這也是目前行業(yè)最集中的領域，大部分人工智能的應用是基于開源框架，但是開源框架是存在很多bug的，而我們基礎平臺會將前期數(shù)據(jù)自動化的清洗、匯集，避免大量的bug，讓人員能騰出更多的時間專注于業(yè)務、專注于應用、專注于創(chuàng)新。
目前國內(nèi)的證券行業(yè)急需一個平臺去支撐多元業(yè)務，而我們可以通過金融科技來幫他們解決財務、人力、風控合規(guī)等方向的技術支持和儲備，幫助他們來支撐多元業(yè)務模式，助力國內(nèi)證券行業(yè)向現(xiàn)代投資銀行轉(zhuǎn)型。在海外的業(yè)務不僅僅涉及二級市場，還會出現(xiàn)股票、債券、期貨、信托等資產(chǎn)管理模式，這些對我們而言都有非常大的市場預見性。未來，公司不僅是專注在AI、bigdate、cloud領域，而是希望將這些資源和模型都變成數(shù)據(jù)資產(chǎn)和服務，不僅對內(nèi)能賦能輸出，對外也會產(chǎn)生經(jīng)濟效益，最后通過成熟數(shù)據(jù)服務產(chǎn)品服務于外部客戶，形成數(shù)據(jù)生態(tài)的一個閉環(huán)。
未來，用“年輕”征服“年輕”
◆ ◆ ◆ ◆
金融業(yè)，AI的樂園
◆ ◆ ◆ ◆
金友匯：作為一名金融行業(yè)大數(shù)據(jù)架構師，可否分享一些科技在金融領域的最新應用?
曾晨光：我認為目前科技在金融領域的應用主要集中在精準營銷方向。銀行、券商、保險、基金包括金融監(jiān)管都是在使用金融科技的上層應用，但不同的場景在金融細分領域的需求和痛點是不一樣的，更是無法完全照搬。
例如，銀行和券商兩者對大數(shù)據(jù)應用的需求就存在很大差異。大數(shù)據(jù)較早做的是數(shù)據(jù)治理，以前是用Excel或者用離線處理來滿足需求，即把舊有的數(shù)據(jù)匯集起來經(jīng)過清洗后變成一個有質(zhì)量的數(shù)據(jù)，可用于做統(tǒng)計分析，但隨著對數(shù)據(jù)時效性和準確性的要求越來越高，一部分具有優(yōu)勢的金融行業(yè)領跑者已經(jīng)提早進入了準實時分析時代。
券商需要將當天收盤的數(shù)據(jù)快速整理分析給到次日的業(yè)務人員，而準實時分析結(jié)合了離線批量處理的統(tǒng)計分析和一些業(yè)務預測的準實時模型，基于強大算力的基礎架構之上就可以迅速將一天的交易數(shù)據(jù)進行數(shù)據(jù)整理和加工，并且保證數(shù)據(jù)的安全性。而大部分銀行會有成百上千萬的小型客戶，針對如此龐大的客戶群是需要復雜的大數(shù)據(jù)架構對底層數(shù)據(jù)做線下離線分析的。而券商主要有機構客戶和普通客戶，這兩類人群在上層需求應用就有很大出入，機構客戶的風控建模是沒有辦法復制給普通客戶的，即使是同一個場景也要深入調(diào)研才能知道客戶的應用需求。
目前金融科技的應用主要集中在智能客服、智能投顧等建立客戶畫像的方向，通過已有的數(shù)據(jù)結(jié)構對標準化的營銷模型進行前期分析，像銀行信用卡精準受限、券商客戶畫像匹配等做到精準營銷。但如果未來想做智能的運維、智能的投行或者智能盡調(diào)時，就會發(fā)現(xiàn)現(xiàn)有的數(shù)據(jù)基礎是非常稀薄，就目前的技術而言，我們還處在不斷探索的階段。
◆ ◆ ◆ ◆
未來已來， 唯變不變
◆ ◆ ◆ ◆
金友匯：您個人對量化投資未來的應用前景有什么看法?
曾晨光：我分析未來的應用場景有三個“時間窗口。”
首先是中國的金融市場開放程度。目前看到的市場開放已經(jīng)是很大力度的，“時間窗口”在離我們越來越近的地方大踏步的向我們走來;其次是衍生品的發(fā)行常態(tài)化。近期兩年期國債期貨和銅期權都是快馬加鞭的上線，另外還有金融衍生品的常態(tài)化發(fā)行。做量化一定要對沖，但是就像之前紀老師在課上所說的，A股市場衍生在市場上的衍生品很少，所以想做一個無風險的對沖套利是很難的，因此未來的衍生品發(fā)行常態(tài)化也是一個非常重要的時間窗口;最后和我們衍生品交易常態(tài)化有關系。國內(nèi)的量化交易還是偏向于量化編程或是量化策略加上一部分人工決策，用大數(shù)據(jù)的方式解讀這就是準實時的交易策略，但是從2015年開始，量化接口的準入由全部投資者變成更為理性專業(yè)的機構投資者。所以未來，我們可能會看到衍生品程序化交易的常態(tài)化正式進入我們的視野，但這一切還需等待三個時間窗口完全打開以后，繁榮期才會到來。
.jpg)
量化金融分析師AQF交流答疑群：737550026
聲明▎更多內(nèi)容請關注微信號量化金融分析師。原創(chuàng)文章，歡迎分享，若需引用或轉(zhuǎn)載請保留此處信息。
