大数据技术在证券公司财富管理转型中的应用

陈辉

中图分类号：F830.91 文献标识：A 文章编号：1674-1145（2019）3-083-04

摘 要 随着我国居民收入的提高，人们对资产配置和财富管理的需求也越来越强烈。2018年12月，中信证券将公司经纪业务发展与管理委员会更名为财富管理委员会，正式拉开了券商急速转型财富管理的序幕。在科技迅速发展的时代，大数据技术在证券公司财富管理转型中扮演着重要的角色：客户画像、智能投顾、量化投资以及风险管理等等，但国内证券行业大数据技术的应用仍面临着不少挑战：缺乏行业标准、投入不足、数据管理有待提高。

关键词 证券公司 财富管理转型 大数据 客户画像

一、财富管理需求强烈

根据国家统计局的数据，我国居民人均可支配收入从2013年的18，311元上升至2018年的28，228元，名义年均复合增长率为9.04%，从2013年至2017年（2018年的收入结构还未统计）的收入结构来看，工资性收入占比最重，占比55%以上，其次是经营净收入，占比18%左右，再次是转移净收入，占比16%以上，最后是财产净收入，占比7%以上。财产性收入虽然占比较小，但是年复合增长率较高，达到10.31%。福布斯中国联合太平洋保险金玉兰财富共同推出的《2017年福布斯中国中高端富裕人群财富白皮书》，投资资产规模在100-500万元的人群即为中高端富裕人群，白皮书显示我国中高端富裕人群从2012年的748万人增加至2016年的1261.08万人，年均复合增长率达到13.95%。

随着居民收入的提高，人们对资产配置和财富管理的需求也越来越强烈。但是居民的投资需求和其专业能力明显不匹配，这给财富管理业务带来了广阔的空间。高净值群体更倾向于选择专业的财富管理机构为自己系统地、长期地进行资产管理，如何更好地服务他们也是金融机构面临的一个重大挑战。

二、经纪业务急需转型

传统经纪业务一直是券商重要的一块业务，根据中国证券业协会的数据，近5年证券行业收入具有较大的波动性，营业收入从2014年的2，602.84亿元，上升到2015年高峰时期的5，751.55亿元，随后又跌落至2018年的2，662.87亿元。证券行业的收入和整个证券市场的景气度有着强烈的正相关，“靠天吃饭”属性较强。从收入结构来看，代理买卖证券业务、证券投资收益、证券承销与保荐业务、资产管理业务及利息净收入贡献了证券行业主要的收入来源，财务顾问及投资咨询占比较小。

经纪业务仍然是证券行业较重要的收入板块，除了2015年外，近5年经纪业务收入比重却在不断降低，下降趋势较为明显，从2014年的40.32%降至2018年的23.41%，经纪业务面临着较大的挑战。传统的经纪业务主要依靠交易量和佣金率，随着互联网金融及移动证券的不断冲击，券商的交易佣金率越来越低，根据中国证券业协会的数据，行业平均佣金率已经从2008年的0.126%下降到2018年前三季度的0.032%。

传统的经纪业务急需寻找新的突破口，借助国外证券行业发展历史来看，在同质化、佣金自由化时代，券商经纪业务转型财富管理俨然成为必经之路。

三、大数据技术在证券公司财富管理转型中扮演重要角色

2017年12月4日证监会副主席姜洋在深交所技术大会上表示，据预测，2020年，金融科技在中国资产管理市场上的份额将达到10%，规模超过10万亿元。证券公司财富管理转型的核心在于将以产品为中心转变为以客户为中心，协助客户打理财富，优化资产配置，而这其中最主要的一环就是将适当的产品或服务与适当的客户配对。目前大数据技术在证券公司财富管理转型中在以下几方面发挥作用：用户画像、智能投顾、量化投资以及风险控制。

（一）用户画像

客户在券商现有的大量数据，如个人属性包括用户年龄、性别、学历、工作单位，交易数据如用户的资产情况、委托记录、成交记录、收益数据等等，证券公司可以利用大数据技术来对客户进行画像，将客户进行分类。

客户画像可以帮助证券公司更好地了解客户，这比传统的问卷调查或者简单的回访要更加有效率，客户的个人属性及交易轨迹在很大程度上反映了客户真实的交易偏好、风险特征及交易需求等，证券公司可以利用客户画像的结论为客户提供更个性化的服务于产品。此外，客户的交易轨迹反过来也有助于证券公司了解市场，进而随时调整服务与产品，更好地满足客户的需求。

目前很多证券公司已经建立了基于客户画像的CRM系统，大券商如国信证券、平安证券、招商证券等已经能够实现CRM系统覆盖100%的客户。CRM系统覆盖证券公司的前中后台，客户画像也是其重要的一项功能，利用客户的特征和行为对客户进行分类，对客户进行价值分析和服务分析，从而进行精准化营销挖掘。

（二）智能投顾

财富管理转型的关键在于投资顾问服务能力，但是在证券公司客户庞大的情况下，一对一投顾服务基本不太可能，利用大数据技术的智能投顾可以很好地弥补这一空缺，让有经验的人工投顾贴身服务高净值客户，而普通客户可以由智能投顾来服务。智能投顾，简单地说就是运用云计算、大数据、人工智能等技术将资产组合理论建成模型，结合投资者风险偏好、投资期望、财务状况、投资规划等情况，为用户生成自动化、智能化、個性化的资产配资建议，并对组合实现跟踪和自动调整。

与传统的人工投顾相比，智能投顾具有投资门槛低、服务门槛低、智能化、分散化等优势。

智能投顾起源于美国，在国外发展的较为成熟，国内智能投顾2016年才开始迅速发展，目前已有多个证券公司推出其智能投顾产品。

2015年底，东吴证券在其“东吴秀财”APP中推出首款智能投顾产品“量身定制”，投资者选择自身的风险偏好及投资金额后，系统会随之生产包括1-6只股票的投资组合，投资者不需要过多的专业知识，就可以简单地一键跟买。

2016年6月广发证券为中心投资者推出了智能投顾“贝塔牛”，该产品可以提供4类策略，对应不同的投资风格，包括短线智能、综合轮动、价值精选、灵活反转。

2016年10月华泰证券成功收购美国领先的资产管理平臺AssetMark，从而进军智能投顾领域。

2017年4月，长江证券推出了国内首个券商智能财富管理系统“iVatarGo”，通过对客户的投资特征、交易行为特征、投资能力、投资风格、投资策略、当前持仓等交易行为数据运算和分析，为每位客户提供适当性且个性化的投资资讯、理财产品以及投资顾问等服务。

除此之外，不少大中型券商如国泰君安、海通证券、光大证券、平安证券、东兴证券等也纷纷进军智能投顾领域。

（三）量化投资

财富管理的另一端是产品，证券公司具有资管牌照，能够发行资管产品，量化投资产品可以丰富券商的产品行线。量化投资起源于20世纪70年代的美国，国外发展地已较为成熟，我国是从推出股指期货后才有进一步的发展。随着大数据云计算的发展，依靠大数据进行量化投资成为一门新兴的技术。《打开量化投资的黑箱》的作者里什·K·纳兰认为“量化投资就是借助现代统计学、数学的方法，从海量历史数据中寻找能够带来超额收益的多种大概率策略，并纪律严明地按照这些策略所构建的数量化模型来指导投资，力求取得稳定持续的超额回报”。2018年美国市场的量化对冲基金资产管理规模突破1万亿美元，约占整个对冲基金行业管理规模的1/3，而根据wind的统计，截至2018年6月底，国内市场共有约250只量化公墓基金，规模约900亿元，占比低于公募基金总规模的1%，我国量化投资具有较大的发展空间。

（四）风险管理

2016年证监会在《证券公司全面风险管理规范》中明确提出证券公司应当建立健全数据治理和质量控制机制等数据治理相关要求。大数据的发展直接推动券商风险管理模式变革，以某证券使用的恒生开发的两款风险管理软件反洗钱监控系统和异常交易监控系统为例。

这款异常交易系统将风险类型分为几个大类，每个大类分别有细致的风险项，一旦客户的交易行为触发这些指标，系统就会按照超过阈值的强度进行报警，分为1-5级，若是触发5级预警，证券公司工作人员得高度关注该客户，采取核查、回访等方式调查原因并进行批注汇报。表2截取了部分监控指标，可以看到大数据技术的应用让可疑交易基本逃不出系统的监测。

另一款恒生开发的反洗钱监控系统主要针对反洗钱行为进行监测，系统会根据预先设定的阈值筛选出可疑的反洗钱客户，这些行为可能是大额交易，可能是开户地址与联系地址不一致等，工作人员根据触发的具体情况进行分析排查，确定是否为反洗钱交易。

随着证券公司转型财富管理，大数据技术在其中会扮演越来越多的角色，起到越来越重要的作用，推动证券公司创新产品、优化技术，提供更高质量的服务。

四、大数据技术在证券行业应用的挑战

1.证券行业大数据的行业标准还未建立，安全规范仍待完善。没有统一的标准体系，数据共享、分析、挖掘、决策支持将无从谈起。大数据涉及到客户的个人信息，如何保证在使用过程中不产生泄露风险，需要建立行业标准，包括数据采集标准、存储标准、流通标准、使用标准。与此对应的软硬件技术标准现阶段也仍然缺失。只有统一的标准建立，客户的信息安全才能收到保障。

2.证券公司对金融科技的投入不足。国际领先投行近年来对数字化转型和金融科技创新的投入占到税前利润的近20%， 技术人才比例高达30%，线上平台已成为标配。国内证券行业对金融科技的投入不足，研发投入占营收的比例不足5%。券商拥有自主IT研发团队的不多，主要依靠供应商，创新动力不足，对系统的认知不够深入，当系统出现故障时，只能依靠供应商解决。此外，目前大数据技术供应商比较集中，比如恒生、金证、新意，导致供应的产品均是标准化产品，针对各个公司定位的个性化产品较少。

3.数据管理应用水平有待提高。虽然证券公司拥有大量的数据，但随着互联网技术的广泛应用，很多数据均是由客户直接在平台上提供，数据质量不足。例如，投资者在开户时需要填一份问卷调查，很多客户并没有按照自己的实际情况填写，而是随便勾选，这给证券公司如何利用这些数据带来一定挑战。此外，证券公司获取数据的来源相对单一，对于外部数据的引入和应用仍需加强。

参考文献：

[1] 孟醒，申曙光.证券公司财富管理业务的竞争优势、战略目标与转型路径[J].南方金融，2018（04）：90-98.

[2] 陆岷峰，沈黎怡.关于证券公司中财富管理业务痛点及策略研究[J].经济与管理，2018，32（01）：38-45.

[3] 覃婧，张凯.券商财富管理业务的转型突破口[J].金融博览（财富），2017（06）：54-56.

[4] 上官乐奇.证券公司财富管理转型的SWOT分析[J].理财广场，2018（11）：3-7.

[5] 孙琳.大数据技术在开户细分中的应用[J].信息系统工程，2017（4）：3-7.

[6] 李映坤.大数据背景下用户画像的统计方法实践研究[D].首都经济贸易大学，2016：1-63.

[7] 马元平，曹伊.我国证券公司智能投顾业务发展对策[J].合作经济与科技，2019（01）：58-60.

[8] 张立钧.中国智能投顾市场蕴藏巨大潜力[J].清华金融评论，2016（10）：93-97.