当前位置:股票 > 正文
金融科技时代的券商投顾转型之路

  一、前言

  中国证券市场在不断地探索与改革中已取得长足发展,但随着外部环境的改变与行业内部的竞争,中国证券业的格局和模式也正在发生改变,大步迈进了移动互联网的新时代。

  传统券商在移动互联网平台战略上,有自建平台,也有与互联网企业合作。但是无论哪种形态,都存在着券商在移动互联网行业相对弱势的地位。以至于业务的开展和外部合作都停留在较浅的层次,比如单纯的新客户导流。

  放眼现在的券商行业,一边是经纪业务占比居高不下且竞争日益白热化,另一边是大众投资者基数庞大但需求难以被有效满足。券商的移动互联网策略应该以投资者利益为努力的方向。目前券商在互联网上开展的业务主要集中在经纪业务,个人理财以及投顾三大块。投顾业务既能满足投资者的基本投资需求,又能充分利用互联网业态的社交基因。投顾业务是券商继经纪业务之后的重要战场,面对新机遇新挑战,券商怎样做好投顾业务,成为券商接下来要思考的重要课题,发展和深耕投顾业务,也成为券商移动互联网转型的必经之路。

  二、券商的投顾新思路

  早在券商触网以前,投顾业务就已经存在了。那时候的投顾业务普遍存在着服务到达率低,服务成本高,投顾产品更新不及时等难以解决的问题。大量的投资者需要专业顾问的意见然而传统投资顾问的价格昂贵,少量的大众客户(约0.2%)有获得可信的优质的委托顾问服务的机会,大量的个人投资者完全没有得到投资理财顾问服务的机会和渠道。

  借助互联网的力量,券商可以提高投顾服务到达率,降低服务价格。而移动互联网的到来,更是让投资者可以随时随地的享受投顾服务的便捷。这种时间和空间的突破,极大的改变了以往券商固定的服务时间窗口。

  三、投顾服务社交化

  1、投顾服务的模式转变

  投顾服务在几年前经历了互联网转变后,虽然在服务成本和服务到达率等方面取得了一定成绩,但依然有很多问题没有得到改善,比如服务形式单一,服务不及时和缺乏投资者互动等。因此借助移动互联网平台的特征优势,我们对投顾服务模式进行了深度的思考,可以在以下诸多方面做出改进。

  1)投顾服务APP化

  得力于手机平台的快速发展,移动APP应用已经融入了人们的工作和生活,移动应用是客户体验投顾服务的最佳形式。

  对于投资者来说,投顾服务如果可以随时随地获得并且可以方便的进行互动的话,应用黏性无疑会大大的增强。

  对于券商来说,移动应用能最大程度的覆盖客户的碎片化时间,同时也为将来的线上服务线下拓展提供了更多可能。

  2)增强客户与投顾间的互动

  由于客户基数大,线上投顾相对较少,早期的客户与投顾沟通更多的是点到面的单向沟通,类似互联网早期的门户网站形式。随着微博和微信等WEB2.0产品的兴起,人与人之间的线上沟通形式已经基本确立,可以说投顾服务用户群体的使用习惯已经养成。互动是投顾服务的重要组成部分,良好的互动可以让客户更好的感知投顾服务的真实性,增强投顾信任感。

  在沟通形式上,早期的客户与投顾线上沟通主要通过文字。如今的移动互联网平台技术已经可以很好的支持文字,语音甚至视频互动和直播。投顾服务要积极拥抱新技术,争取给客户更完整的服务体验。

  3)多维度数据的融合

  数据之间本身是格式化的数据,可以通过数据外键建立联系,实现基本的数据整合。但是问答和评论等数据体中其实也包含了大量的非格式化数据,比如评论中涉及某只个股的观点。这些关系如果通过技术手段进一步对内容进行分析,就可以被挖掘出来,从而实现数据之间的弱关联。如果我们对这些弱关联关系再做进一步的梳理和分析,我们就可以对客户做出更全面的画像,从而实现更准确的适当性管理,完成后续的产品推荐。

  4)投顾服务标准化和产品化

  证券经纪业务正在从过往“守株待兔”式的靠天吃饭转向“主动上门”式的专业服务,标配以投顾产品,开启了专业化、精细化服务时代。投顾服务可以说在券商行业正在经历着野蛮生长的阶段。在这一过程中,各家推出的投顾服务遍地开花,形式多样。客户在选择和使用投顾服务的过程中,难免晕头转向,无法判断是否就是自己需要的服务。

  如何把投顾服务推向标准化,把更多的投顾资源产品化,是券商值得思考的问题。新的投顾平台需要呈现标准化的投顾服务,并实现多平台的产品互通,从而为客户提供更优质的服务,同时也为证券公司降低成本,创建良好的行业氛围。

  5)良好的投顾成长体系和环境

  投顾以前更多的是在线下与客户接触。投顾水平本身也是良莠不齐,普通的投顾无法获得足够的客户信任,而资深的投顾更是显得神秘莫测,让人捉摸不透。让客户有机会了解和接触更多优质的投顾,对于广大投顾来说也是个成长的过程。参考互联网点评模式,投顾服务的质量可以让客户自行来判断,券商要提供的是一个公开公平竞争服务的环境。

  优质的投顾可以获得更多优质的客户,这是投顾平台必须要为投顾考虑的事情。

  6)投顾自助分析工具

  作为平台,需要最大可能的给平台用户提供自助服务的可能。投顾作为平台的重要用户,除了发布观点与客户互动等基本功能之外,还有更多的功能诉求。

  投顾可以方便的查看自己发布的组合产品的点击数,关注数以及历史趋势曲线。作为自助工具的一部分,投顾还可以查看自己的收费产品业绩报表,了解自己的产品热度和回报率。

  投顾平台还引入了大数据分析技术的优势,让投顾进一步借助数据技术的手段,发掘优质客户。比如客户的互动时间,互动次数,关心的个股,关心的行业等等,可以对客户准确的画像,结合客户的投顾服务消费历史,投顾可以更好的了解客户的需求。

  7)实现线上智能风控

  客户与投顾互动功能的引入需要内容审核机制来保证。券商行业的风控要求高于互联网行业的平均水平。除了必要的人工审核外,更多的需要借助最新的技术手段来完成智能的风控内容审核。内容审核之外,客户与投顾的行为也需要纳入风险管控。

  风险控制的智能化,有利于帮助平台提升对用户个人信用评估的信审效率,是建设一个高效的风控体系的基础。

  2、投顾平台的功能结构

  投顾平台的功能结构大体上可以分为两大类,即投顾服务和投顾管理。投顾服务类功能的使用者是投顾,投顾可以在后台使用权限许可范围内的所有功能。投顾管理主要是平台管理员使用,管理对象是平台上的所有投顾。

  具体功能结构如图所示:

  3、投顾平台的技术革新

  早期的投顾平台普遍存在技术单薄,服务单一的问题。数据层通常采用传统关系型数据库,仅支持结构化数据,在业务变更时,改造成本高。性能问题在系统建设的时候也通常被忽略,一旦用户访问量上去后,发现扩容难,性能严重被业务绑架。要实现新一代的社交化投顾平台,技术上必须充分革新。

  1)多种数据类型支持

  投顾平台的大量非结构化数据比如有问必答,评论,用户行为数据等需要NoSQL类型的存储仓库。关系数据库依然担当重要的角色,与非关系数据库并存,以应对将来不可知的业务变更需求。

  2)多级数据缓存技术

  缓存技术是解决系统性能问题的利器。在主流的互联网平台中,多级缓存技术已经是必不可少的环节。缓存技术涉及的面比较多,如缓存算法、热点数据与缓存更新策略、缓存更新的原子性、缓存崩溃与快速恢复等。在选择缓存技术的时候,应充分考虑应用场景。不同的应用场景对缓存的需求是不同的,比如有的场景侧重缓存的高可用性,有的场景侧重缓存的数据一致性。

  整体分了三部分缓存: 应用Nginx本地缓存、Tomcat堆缓存、分布式缓存,每一层缓存都用来解决相关的问题,如应用Nginx本地缓存用来解决热点缓存问题,分布式缓存用来减少访问回源率、Tomcat堆缓存用于防止相关缓存失效/崩溃之后的冲击。

  3)分布式服务层和数据层

  系统要拥有优秀的水平扩展能力,必须在服务层和数据层都充分使用分布式结构。 得益于无状态服务的兴起,现在的系统已经可以很容易的做到服务层的水平扩展。负载均衡的方案也已经非常成熟,可选择众多。无论是硬件级的F5还是软件层面的LVS,都可以实现系统前置分流负载均衡。很多互联网公司也在使用Nginx和HAProxy作为应用负载均衡。

  数据层的分布式技术相对复杂一些。一些传统的关系数据库如Oracle和MySQL在分布式方面起步比较晚,虽然有可用的分布式方案,无论性能还是扩展容量都不如现在天生为分布式数据而生的新型数据库技术。比如MongoDB数据库,以及Apache旗下的Hadoop、Spark等分布式大数据生态体系。

  我们考虑关系数据库和非关系数据库并存以更好的应对业务延续和变更,所以在这里也相应的在数据层考虑两种分布式技术并存的方案。

  如图所示:

  4)多维度的数据预处理

  数据查询性能的问题根源在于数据量大且数据结构并没有为查询方式优化。虽然我们在系统开发的时候是围绕业务流程来构建数据维度的,但是业务需求变更是不可避免的。如果可以预测业务的需求,在查询之前就做好相应维度的数据预处理就能提供更好的数据查询能力。

  多维度的数据预处理从本质上来说就是用空间换时间,使用更具有特定查询特征的索引和数据存储结构。适当的多维度数据预处理可以提高查询性能,但是过多的多维度数据预处理则会带来负面影响,比如存储空间的过多浪费,数据一致性降低以及数据刷新困难等。所以需要结合具体业务特征做取舍。

  5)流式数据处理

  带有社交功能的投顾平台有个显著特征,就是客户端会产生大量的流式数据。比如客户与投顾之间的互动问答,客户在APP内的操作行为。这些数据的处理如果用普通的同步响应式接口处理,会严重拖慢系统性能。如果接口只把这些数据存储下来做定时处理,又会带来业务响应不及时的问题。流式数据处理是新一代投顾平台必须要具备的功能。

  目前流式数据处理框架比较流行的有Apache Storm, Spark Streaming 和 Apache Samza。他们的实现原理不同,应用的场景也有所不同。

  在研究了这几个主要的流式数据处理框架后,东吴证券自己开发了针对投顾业务特征的流式数据处理平台。很好的满足了系统易用性,可靠性和扩展性的需求。

  处理结构如图所示:

  6)历史数据可回放

  从系统事件模型来看,投顾平台数据就是一个事件叠加的时间序列。任何用户行为都可以记录一个事件。系统对于事件的处理是永远不会满足的,当前的事件处理机制只能处理有限的事件。未来业务端会提交更多的事件处理需求,有些新的处理需求可能要求涉及历史数据,所以保存原始事件信息是必要的。

  保存历史事件并且支持事件回放可以应对来自业务的变更以及风险控制的需求。

  四、投顾服务智能化

  1、发展背景/历程

  1)智能投顾的历程

  智能投顾(Robot-Advisor),又被称为机器人投顾,是一种新兴的在线财富管理方式。这种新式的方式主要根据个人投资者提供的风险承受水平、收益目标以及风格偏好等要求,运用后台的一系列算法以及相关的量化交易决策模型为用户提供投资参考以及为市场的动态对资产配置再平衡提供建议。智能投顾目前被广泛运用于资产配置建议、税收筹划、资产再平衡、贷款风险评估等金融各个领域。

  智能投顾最早的理论是上世纪五十年代出现的投资组合理论,随着近些年大数据、云计算、人工智能等技术兴起和成熟,智能投顾也得到了长足的发展,日趋成熟。

  智能投顾应用了多领域的理论,是多领域综合性发展结合的产物。

  2)智能投顾的优势

  成本低:充分发挥互联网技术的优势,大大降低投资理财的服务费用

  高效率:精确快速匹配适合的投资策略,同时还能保持实时的数据披露和高流动性

  多资产:跨区域、低成本、全透明。能配置股票、债券、货币甚至海外ETF等资产

  2、行业现状剖析

  1)海外

  就海外而言,美国是智能投顾主要的诞生以及发展地,该领域在近十年得到了飞速发展,无论是从底层技术、理论还是上层的产品、监管政策都相对其它市场成熟得多。下图展示了美国市场几大智能投顾公司的市场占比情况。

  2)国内现状

  参照AT.Kearney公司对2020年国美智能投顾市场渗透率达到5.6%的预测值,综合考虑到我国目前资本市场产品结构比较单一、监管政策以及投资者尚不太成熟等因素,2020年国内市场渗透率以3%计,参照《2015年中国资产管理市场报告》给出的174万亿元的资产管理规模预测值,中国智能投顾市场在2020年粗略估计的管理规模约为5万亿左右,进一步如果智能投顾的管理费以平均水平0.2%计算,则这个行业的年收入规模约为100亿元左右。也就是说,未来智能投顾市场孕育着一个巨大的财富机会。

  国内的智能投顾产业虽然起步晚于国外市场几年时间,但追赶的步伐较快,目前已经有多家不同行业的公司推出了多种带有行业标签的智能投顾产品,发展态势迅猛。根据招商证券的相关报告观点,从具体的产品形态和公司类型来看,主要可以分为三类:

  a) 开始试水的互联网金融信息服务商:比如同花顺推出的iFinD产品;

  b) 开始布局的互联网和科技公司:国内的几大互联网巨头公司如BAT等都在积极布局智能投顾以及金融科技领域,比如阿里旗下的蚂蚁聚财,京东的京东智投;百度的股市通;分众的“拿铁财经”等。这类公司主要的优势主要是自己的技术。

  c) 逐步跟进的证券公司和基金公司:传统的券商基金等公司经历观望期之后也在积极布局智能投顾市场,比如华泰证券就出资8亿美元参与竞购美国资产管理软件生产商AssetMark;平安证券推出了“平安一账通”;广发证券推出的贝塔牛,提供了A股及大类资产配置的相关智能投顾服务;东吴证券也顺势推出了其智能投顾产品“量身定制”,该产品根据用户承受的风险度和资金量通过后台的智能算法计算得到相关的投资组合,用户可以查看到每一种投资组合的历史净值表现情况,然后可以一键跟单。

  当然智能投顾市场也面临的一些亟待解决的问题:

  a) 外汇管制导致全球资产配置受限:不少智能投顾平台主打海外资产配置概念,但是每年仅有5万的结售汇额度使得资产出海受限;

  b) 适合的投资标的偏少:主要是缺乏ETF等大类资产配置产品;

  c) 投资者教育滞后:国内投资者普遍盲目追求高收益,对风险和收益的认识不够;

  d) 金融数据开放程度低:国内监管规定要求金融机构的数据不能开放给第三方使用;

  3、未来趋势展望

  我们认为,智能投顾产业方兴未艾,未来有着众多的可能性,结合当下的社会热点以及行业发展方向,我们认为该领域未来主要的方向应该是进一步结合大数据以及互联网技术,整合线上线下资源,以技术和数据为依托,为用户提供一整套资产配置、风险管理方案,为用户提供真正的智能化投资服务。

  (文章内容有调整)

相关链接:

作者:范俊,吴松林,王兆郦 来源:上交所技术服务 发布时间:2017-07-12 05:16:08
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任