数智金融加快布局，资管科技如何解决痛点、驱动转型？

科技创新、数字化转型是近年来全球金融业发展的焦点和趋势。数字化浪潮下，我国正在加快数智金融布局。

10月21日，第四届1024资管科技开发者大会（ITDC2023）在临港新片区召开，聚焦资产管理垂直领域大模型开发与应用，探讨大模型开发应用落地、人工智能赋能金融业高质量发展、大语言模型技术发展与挑战等多个主题，为资管机构转型发展带来新思考和启迪。这次大会也是“全球资产管理中心上海国际活动周2023”的重要环节。

“在科技赋能之下，金融配置资源的效率得到提升，推动金融服务和创新向数字、智能、可持续等方向不断演进。金融科技已经成为推动包括资管领域在内金融行业转型发展的重要驱动力。”上海市地方金融监督管理局副局长葛平称。

那么，资管科技落地的方向与场景有哪些？上海资产管理协会秘书长韩康认为，现阶段有智能投研、智能投顾、智能风控三大方向；场景则包括反财务舞弊、产业行业分析、机构风险预警、投资顾问、金融资管类法规法库等五大方面。

金融领域数字化转型加速推进

今年2月，中共中央、国务院印发了《数字中国建设整体布局规划》，明确提出要促进数字经济和实体经济深度融合，以数字化驱动生产生活和治理方式变革。要全面赋能经济社会发展，在金融等重点领域，加快数字技术创新应用。

葛平称，上海高度重视金融领域数字化转型和资管中心建设。自智能投研技术联盟（ITL）成立以来，以推动上海金融科技中心与全球资产管理中心建设融合发展为目标，聚焦资管科技推进前沿技术应用，已成为连接金融与科技的重要平台。

2020年，智能投研技术联盟在临港新片区挂牌成立。临港新片区在《上海国际金融中心建设“十四五”规划》中被纳入“一城一带一湾”金融发展新布局。

“立足新发展阶段，临港新片区进一步加快数字经济发展，围绕非结构化数据研究、智能投资想法生成和智能投资决策赋能三个方面，加强金融科技对传统资产管理行业的赋能。”中国（上海）自由贸易试验区临港新片区管理委员会副主任赵义怀称。

赵义怀表示，为加快培育发展新兴金融业态，新片区发布了《加快发展新兴金融业行动方案》。未来，临港将聚合金融科技资源，为科技企业创新创业提供丰富的金融支持工具，支持金融科技基础设施建设与底层技术研发。

“我们看到数字时代财务管理正处在重要的发展机遇期，资管机构在投顾服务、资产配置、风险管理等领域，普遍加大了科技投入力度。”葛平称，智能投研技术联盟（ITL）持续聚焦资管行业数字化转型最佳实践，关注前沿技术演化和数字化转型应用场景，着力促进资管行业与科技的融合发展。

赵义怀也称，希望智能投研技术联盟继续聚焦资管科技领域，围绕相关专业领域推动更多领域专委会的成立，加快形成资管科技评测标准和评测体系，利用资管科技支撑行业监管，加强资管机构、资管科技公司在人才交流、技术研修方面的互动交流，立足临港服务全国。

资管科技的价值与挑战

投资技术的IT（Investment Technology）正在从信息技术的IT（Information Technology）迈向智能技术的IT（Intelligent Technology），但现实中还是有不少人认为大数据与人工智能发挥作用还为时过早。以大数据人工智能发展为代表的资管科技价值究竟在哪里？

在资管科技的发展观念方面，韩康认为，拥抱数智科技，重在持续努力与积累；引导行业不盲目排斥、不观望等待、不操之过急；严格规范发展和风险防范控制，高度重视业务系统的合规建设、技术系统的风控建设和智能系统的伦理建设，关注创业科技公司及其产品可能出现的风险。

同时，“要充分用好全国乃至国际性资源，用好资管持牌机构以及金融要素市场资源；坚持业务场景的技术实现，加强项目落地和加强应用见效，做好相关科技知识普及；发挥持牌资管机构数字化转型与金融科技发展优势，与数智科技创业企业的技术创新与快速产品推出优势相结合。”韩康称。

今年7月5日，资产管理与人工智能联合创新实验室（AIAM Lab）成立，联合ITL及其他相关机构承载未来资管创新发展使命。

据韩康介绍，目前主要任务包括：多资产配置组合投资模拟、合规及风险管理数智化工具集成、气候变化及碳金融技术应用、基本面和产业链量化投资技术研究、资管领域垂直行业大模型应用、“数据资产管理”前瞻性研究、智能投顾技术与投资者保护、信创技术及稳定性保障、相关基础技术设施支持系统、与相关机构的技术互动支持和融合型数智化资管人才发展等。

其中，大语言模型作为人工智能领域的一项重大突破，正以前所未有的速度和广度深刻影响着各行各业，包括金融领域。

智能投研技术联盟主席杨强认为，大语言模型有很多特点：首先，大语言模型可以提供更加个性化、定制化的资产管理服务；其次，大语言模型可以加强资产管理的智能决策能力；大语言模型还可以优化资产管理的运营效率。

当然，大语言模型本身也面临着一些挑战和考验。杨强认为，这体现在两个方面：首先是数据安全和隐私保护问题，资产管理涉及大量敏感的个人和企业财务信息，如何确保这些数据在使用过程中得到充分的保护；其次是模型的可解释性和稳定性，大语言模型由于其复杂的结构和训练方式，可能导致其决策过程缺乏可解释性，这对于资产管理行业来说是一个不容忽视的问题。

“我们需要找到合适的方法和技术手段，提高模型的可解释性和鲁棒性（稳定性），以确保资产管理决策的可信度和可靠性。针对以上问题和挑战，智能投研技术联盟将持续关注并积极探索解决方案。”杨强称，将与行业专家学者、从业者共同合作，推动大语言模型在资产管理领域的创新应用，并推动相关政策和标准的制定与落实，为行业的健康发展提供支持和指导。