浅析Kensho对我国互联网金融智能投研发展的启示

倪隆洁 田发

摘 要：从国内目前互联网金融智能投研的发展形势来看，仍有许多需要改善和提高的方面，并且目前传统的投研方式已经不能满足市场的需求，同时科技创新的大环境也给传统投研带来了极大的冲击，国内智能投研更加快速的发展已经是迫在眉睫。我国金融科技公司在技术方面还不够成熟，数据库基础还不够充分，而Kensho公司是较早地在全球范围内利用云计算技术建立的全球事件的数据库，而且是世界上目前最大的与数据相关的信息库之一。分析Kensho的发展情况、我国智能投研目前的发展情况，以及它对我国智能投研的启示。

关键词：Kensho;Warren;智能投研;启示

中图分类号：F832        文献标志码：A      文章编号：1673-291X（2020）30-0061-02

Kensho是一家以数据分析和机器学习为主的创新科技公司，其主要提供服务的行业和部门有：金融、医疗健康、国家安全等。Kensho在2013年成立，目标在于日后成为金融领域的谷歌，能够实时回答用户一切关心的投资问题。它在金融领域的成就更为大众所熟悉，其分析软件Warren，以大数据为基础，借用机器学习和自然语言处理技术，将数据和相关信息进行整合，给出相应的决策，并且发挥知识图谱的作用，将数据之间进行智能化关联，确保决策的准确性，大大减轻了投资分析者的工作量，同时也保证了结论的客观性。2018年3月7日，Kensho被标普全球以5.5亿美元进行了收购，这也是华尔街目前为止最大规模的人工智能的收购交易。如今，我国也在大力推广金融智能化产业的发展，在这种良好的政策支持之下，传统投研的智能化趋势也成为必然。Kensho的成功之处也给我国提供智能投研服务的公司提供了宝贵的经验。

一、Kensho的发展情况

Kensho自2003年成立后，累计融资超过1亿美元，2017年获得了标普全球B轮领投的5 000万美元，已于2018年被标普全球收购。其核心产品Warren能够通过寻找事件与投资资产之间的相关程度来预测接下来的各种时事新闻对资产价格走势的影响，解决了传统智能投研中的“速度、规模、自动化”这三大挑战。但是，其明显的缺点就是，机器学习无法辨认出事件之间的因果关系，这也对其相关性的评价准确程度造成了一定的困难。Kensho能够在众多的科技创新公司凸显出来，主要是由于以下三个方面。

1.数据库基础深厚，具有很强的行业壁垒，普通的创业公司根本无法做到。Kensho的主打产品Warren的数据库是基于纳斯达克的OMX FinQloud，这使得Warren避免了从零开始搭建数据库的困难，技术人员需要做的是如何把数据进行扩充和针对数据的有效性进行优化。这相对于其他科技初创公司已经是极大的进步，这也表示了智能投研所需要的第一个基础——数据库，这个壁垒没有办法攻克的话，是没有办法在此基础之上进行进一步的数据匹配的。

2.智能投研中可以输入多种数据分析模型，比如一些回归分析和财务模型等等。在相关有价值的资讯整合中，可以采用自然语言处理技术实现数据库内部的智能搜索步骤，把类似的事件和相应的数据进行一个整合，从而大大增加产出的客观性。此外，还可以采取情感分析技术对一些非数据的文本进行分类，这样能够使得机器抓取的信息不单单局限于普通的数据，还包括一些照片和社交平台的资料等等。

3.面对用户前端的智能机器人回答技术。比如说Kensho的Warren，如果用户提问这一次的飓风袭击导致哪些建筑商的价格变化最明显时，机器可以自动给出相应的答案，并且这些预测的结果最后的准确率都非常高。借用智能技术，大大减轻了分析师们需要翻阅相应数据并进行比较分析才能产出结果的压力。

二、我国智能投研目前发展的情况

智能投研目前并没有比较准确的定义，比较被大家所接受的是：智能投研是在金融市场上现有的数据为基础，通过采用机器学习、知识图谱等方法来进行智能化的处理，为广大金融机构相关的从业人员减轻业务压力，提高工作效率。2016年12月国务院颁布“十三五”规划，提出今后要大力促进科技金融相关的产品和服务有所创新，形成各类金融工具相融合的科技金融新生态。之后在2017年12月，我国明确将金融列为人工智能产业应用的重要领域之一。因此，在2017年前后，我国有许多相关的创业公司成立。在当下，我国的智能投研发展还处于一个较早阶段，国内的公司主要提供的服务大多是面向金融机构、政府等不同的群体，推出的产品比如一些搜索类、问答类、解析类产品。

本文将以通联数据的萝卜投研为例展开分析。通联数据是万向集团在2013年投资设立的，是我国目前智能投研行业具有代表性质的公司。萝卜投研目前拥有PC网页版和APP移动端两种产品形态供用户在不同的需求场景下进行相应的最优选择。萝卜投研目前支持的投研工具的选择有策略选股、宏观预测和机器研报。第一，宏观预测功能。它与Kensho的Warren有相似之处。差异之处在于，萝卜投研智能基于当前的情况预测之后1個月的大盘指数涨跌变化，不能够通过提问相应的具体时间问题进行回答和预测。这是由于萝卜投研的数据基础没有Kensho深厚，目前无法在大数据领域提供更多服务。第二，策略选股功能。用户可以通过常用的指标、股票范围、财务指标、估值指标、行情指标、公告事件和财务科目来作为考虑因素以此来综合为用户挑选出最适宜的股票。第三，机器研报功能。可以用来观察特定公司的最新市值情况、盈利预测分析和近一年的同业公司的对比估值，可以帮助用户更加直观地对考虑的公司的研报进行数据解读和对比。目前，萝卜投研的客户已经包含了银行、券商、基金、保险等，这也体现了我国目前智能投研的市场是十分广阔的。

从萝卜投研可以看出目前我国智能投研行业的明显弱势的地方：第一，各大公司的数据价值和数据容量远远不够，不能满足之后市场上的多种需求;第二，各大公司都开辟了多条服务业务，但没有选择清楚产品的核心功能的落脚点在哪里;第三，现有的客户覆盖面没有扩展到一些信贷公司业务，没有完善更多智能投研的应用场景;第四，各大创新公司在专注于智能投研的同时，没有注意要形成自身的特色;第五，各大公司目前不能把金融业务和技术团队很好地融合，根本在于二者的立场不同。

三、Kensho智能投研方面对我国的启发和借鉴

Kensho的成功为我国智能投研行业带来了许多宝贵的经验。首先，我们不可否认的一点是，在现在的时代，广泛提倡人工智能运用于各个行业，尤其是量化投资方面，但是这对许多金融机构从业者来说，这其实是机密，是不能对外公开的。但是，如果我国想要大力发展智能投研行业的话，那就必须深入了解传统投研从业者的投研策略和思路，这样才能保证后续产品的实用性。

1.初创公司要稳准狠确定产品的定位和发展方向。Kensho整个公司从成立到因提供高价值的智能投研服务被高价收购只用了五年，目前我国的智能投研行业仍旧处于一个较早阶段，对于具体的产品形态、应用场景和盈利手段都暂不明确，留给刚入局者的时间也较短，因此应做到稳准狠，才能尽快立足。

2.要注重金融与科技的融合。由于金融行业的规则和模型复杂且繁多，因此国内现有的技术还没有能够完全解析。由于Kensho的许多工作人员都拥有在各大国外金融机构工作的经历，更了解如何将这些交给计算机去解决。因此，我国许多智能投研的公司在内部协调时，一定要注意双方存在的知识盲点，避免影响后续产品研发的进度和功能迭代的时间。所以，对于我国目前的情况，只有各个公司金融专家和技术人员反复磨合，才能达到最后满意的效果。同时，也要注意引进具有复合背景的高级人才并进行统筹。

3.要加深传统投研部门对智能投研的理解。国外对于智能投研接受度已经比较高，Kensho还经常在CNBC（美国消费者新闻与商业频道）作为独家的数据分析赞助商进行循环插播。相对的，对于国内传统投研部门来说，智能投研仍旧是一个尚不明确的概念，对于他们来说，还没有足够的动力花费高昂的价格来购买这种服务，并且还是在准确性尚不能明确的情况下。因此，应加强宣传智能投研的价值，提高传统投研行业资产配置效率的核心价值。

4.要加强与传统数据服务商的合作。Kensho在成为标普旗下公司之后，能够使其业务更加专业。第一，Kensho能够获得数据服务商中的佼佼者标普多年的数据资源，能够形成自身难以被外界打破的技术壁垒和成本优势;第二，标普作为多年的数据服务商，拥有众多的金融机构资源，市场地位可见一斑，所以后续Kensho的产品推出和使用也会遇到更少的阻碍。因此对于我国一些想要做大做好的智能投研公司来说，与传统的数据服务商合作，一定也会达到事半功倍的效果，这对整个行业也是十分有益处的。

现如今，我国已经处于智能投研的较早阶段，但是目前国内的许多公司都遇到了较多的困难，做出的产品也不尽如人意，导致金融机构因此愿意购买服务的也比较少，大多用户还处于知识盲区和观望的态度。因此，向国外智能投研的优秀公司Kensho进行学习，显得非常必要，有利于我国智能投研行业更加快速地成长。

参考文献：

[1]  李嘉宝.基于智能投研提高券商投研能力的探讨[J].金融纵横，2019，（6）：65-71.

[2]  向伟.智能投资的昨天、今天和明天[J].人工智能，2018，（10）：24-47.

[3]  陆小梅.浅谈人工智能在互联网金融领域的应用[J].经济师，2017，（5）：148-149.

[4]  鲸準干货.智能投研行业分析报告[EB/OL].36Kr，2018-07-26.