2017-【智能金融分会场】证券行业智能应用的思路和实践_24页-3mb

文档总结：证券行业智能应用的思路和实践

核心内容概述

本文档围绕证券行业的智能应用展开，重点分析了金融科技与智能应用的关系、国内外智能应用的发展现状以及国泰君安证券在智能应用领域的思考和实践。文档强调了智能应用在提升服务效率、优化客户体验、增强投资决策能力等方面的重要性，并提供了多个案例与技术应用方向。

主要观点与关键信息

1. 智能应用的定义与发展趋势

• 智能应用是指能够完成通常需要人才能完成的任务的技术，应用领域包括：认知自动化、认知交互、认知洞察力。
• 智能应用的发展趋势是从有限的自动化建议向更丰富的自动化投资建议转变。
• 智能应用在数据化程度高的企业中发展较快，如科技、通信、金融等行业。

2. 国内外智能应用发展情况

• 国外发展情况：

  • 智能应用技术广泛应用于资讯服务、实时定价、产品设计、研究分析、数据安全等领域。
  • 典型应用包括智能投顾、智能客服、智能投研，如IBM Watson、Trizic平台、Motif Investing等。
  • 美国在AI产业人才储备上是中国的两倍，具备更强的科技实力。

• 国内发展情况：

  • 国内互联网巨头（如腾讯、百度、阿里）在智能应用领域有显著布局，涵盖社交、内容推荐、金融、医疗、智能硬件等多个领域。
  • 国内券商APP智能化浪潮兴起，如国泰君安君弘APP推出相似K线、数据解盘、筹码分布、指纹登录等功能，提升用户体验。
  • 国内在政策、资金、应用场景、技术算法、数据积累、计算设施等方面与国外差距不大，甚至有弯道超车的潜力。

3. 国泰君安的智能应用实践

• 平台策略：采用“社交化-智能化-超级APP”三步走策略，以APP为核心，推动“三端一微”同步运营。
• 投顾服务痛点：当前券商投顾服务存在数量少、成本高、水平不一等问题，导致客户流失或沉寂。
• 人机协同模式：通过引入智能应用和大数据分析，结合专业投顾，为用户提供专业投资建议，包括账户诊断、资产配置建议、跟踪调优等。
• 智能化投资工具：
  • 相似K线：辅助用户对个股走势进行预判，提供次日涨跌预测、模拟走势等功能。
  • 量化基本面分析法（Quantamental）：结合数量分析与基本面分析，提升投资组合管理的科学性与专业性。
  • 智能选股、策略定投、智能基金优选：基于经典模型和回测分析，优化投资策略，提升收益。

4. 智能应用的技术支撑与方法论

• 技术支撑：
  • 云计算、大数据、区块链、机器学习等技术是智能应用的核心支撑。
  • 通过非结构化信息预处理、智能搜索、数据模型定义、特征提取等方式，提升智能应用的准确性与实用性。
• 方法论：
  • 3A3R运营方法论：包括智能投顾、语义分析、智能匹配、机器学习、大数据分析、量化引擎、特色内容库等模块，构建全面的智能应用体系。
  • 人机料法环：从人才、机器、材料、方法、环境五个方面分析智能应用的布局与优化路径。

智能应用的未来展望

• 智能应用将进一步推动证券行业的科技化与智能化，提升服务效率与客户体验。
• 人机协同模式将成为主流，智能系统将辅助专业投顾，而非完全替代。
• 国内券商需加快引进金融科技人才，建立专业团队，以提升智能应用的竞争力。

总结

智能应用是金融科技发展的关键，其在证券行业中的应用涵盖了从资讯服务到投资决策的各个环节。国外在智能应用领域已有较成熟的实践，而国内在政策、资金、应用场景等方面具备追赶潜力，但在人才储备方面仍需加强。国泰君安证券通过平台策略、人机协同、智能化工具等方式，积极探索智能应用在证券业务中的应用，为未来的发展奠定了基础。