皇家娱乐代理申请 - 陈芳:通过更智能的企业提供更智能的产品-mg官网
 
 
皇家娱乐代理申请 - 陈芳:通过更智能的企业提供更智能的产品 [返回]
您所在的位置:mg官网>热点新闻>皇家娱乐代理申请 - 陈芳:通过更智能的企业提供更智能的产品

皇家娱乐代理申请 - 陈芳:通过更智能的企业提供更智能的产品

  发布日期:   2020-01-11 13:32:44    

皇家娱乐代理申请 - 陈芳:通过更智能的企业提供更智能的产品

皇家娱乐代理申请,“2019中国金融科技论坛”于2019年5月31日在北京举行,本次活动为京交会论坛活动之一,主题为:新时代 新金融新科技,路孚特中国区董事总经理陈芳出席并演讲。

陈芳表示,路孚特希望通过更智能的企业提供更智能的产品,服务更智能的客户。“我们的解决方案可以帮助客户来构建自己在机器学习、人工智能方面的这样一些应用,其中细分为数据管理,数据管理里面包括适当的一些客户的数据、源数据、数据的一些托管、访问管理等方面。”

以下为演讲实录:

陈芳:各位嘉宾、各位同仁、各位朋友,大家下午好!首先我想自我介绍一下,我叫陈芳,我是路孚特公司的中国区董事总经理。

我觉得今天这个机会非常难得,能够跟各位行业内的专家分享一下作为一家金融市场数据提供商,我们如何来看待现在我们提到的人工智能的时代的来临,对我们来讲机会意味着什么。

所以我今天演讲的题目叫Smarter Humans with Smarter Machines。

可能大家对路孚特这个名字非常陌生,另外一个名字我相信金融界的各位同仁应该会比较熟悉,那就是汤森路透。

我们是一家什么样的公司?我们的前身是汤森路透公司金融与风险业务。去年的10月份,黑石集团收购了汤森路透的这一业务,并将其独立出来,更名为了路孚特。

我想跟大家分享的是虽然名字更改了,但是我们的愿景、我们的战略包括我们对中国市场的决心是没有任何变化的。因为我们是金融市场数据的提供商,所以我们比较习惯于用数据说话,所以我给大家展示了一些我们的数据。

大家可以看到现在路孚特已经在全球服务超过4万家的客户,其中包括40多万名终端用户遍布全球190多个国家和地区,当然毋庸置疑地是说中国市场是我们路孚特在全球非常重要的一个战略市场。

我们的数据支持全球5千多家投资公司和对冲基金,中间这张图我不用每个都说到,但是大家都可以看到。比如说每天在路孚特交易平台上面的外汇交易额超过4千亿美元,大家可以想象得到流动性在我们的外汇交易平台上是非常大的。我们也是全球最大规模的专业的外汇的社区,里面有囊括1700多位机构的客户和160多家提供商。每年我们给大家推出的新闻报道达到1.4亿条,举个例子,大家比较关注的几年前英国公投时期的事情和美国大选之后的时期,我们在24小时之内管理了790亿条相关的市场信息,另外每秒钟我们向金融市场之传递高达700多万条的价格更新的消息。

包括在右边我们也可以看到,每天我们有6000亿美元的债券交易。

World-Chek这是一个专门用于我们来进行KYC和反洗钱筛查的名单,我们每个月都会创建和更新19多万份World-Check档案。

我们致力于通过我们专业的数据、专业的信息、新闻报道和洞察来帮助全球的投资人做出最智能的、最明智的投资决策,这个就是我们公司的定位。

我想给大家分享一下我们的DNA。

路孚特是一个拥有近170年历史的、世界上最早的fintech公司,为什么这样说呢?我给大家分享几个非常有意思的时间点:

在1850年的时候,也就是近170年以前,当时的路透的创始人Paul Julius Reuter是第一位在全球使用信鸽在欧洲的某些市场传送股票的市场报价,开创了在信息传递上的先河。

1865年,路透社首次通过电报向伦敦传送了林肯总统遇刺的信息。

1964年,路透社首次用电脑把伦敦的市场价格传递到伦敦,当时是纽约和伦敦是两大主要的金融交易中心,以便传送至全欧洲的股票大师的这样一个机器。

这都是在金融发展史上非常有意思的时间点,跟大家做一个分享。

我还想给大家分享另外一个比较有意思的发现,在今年的4月份,路孚特在全球针对450个全球的金融行业相关的CTO还有数据科学家以及AI科学家进行了调查访问,其中有10多位受访者来自于中国大陆市场。

通过调查我们发现了关于人工智能和机器学习主要的驱动因素和应用。很有意思的一些发现,有82%的受访者希望能够将AI和机器学习的技术运用到风险管理里面,74%的受访者希望运用AI和机器学习来支持更好的业绩表现的分析与报告。大家看到63%的受访者希望看到将人工智能与机器学习的这样一些技术手段,用于投资交易的策略,就是阿尔法策略生成的过程。

这些我们认为都是比较有意思的一些市场的趋势。

此外,随着人工智能和机器学习的部署率在上升,数据质量成为一大挑战。43%的受访者他们认为现在碰到的最大的一个问题是数据质量的问题, 38%的受访者认为缺乏一个比较可信任的数据源,即难以获取非常值得信任的数据。还有33%的受访者认为现在在市场上去聘请到一位非常专业的数据科学家是一个挑战。在座的各位应该有同样的感觉,其实我在最近跟伦敦和欧洲其他国家从事AI这一块的同仁交流的时候,大家反映数据科学家在全球都是非常欠缺的。

另外,不同数据在人工智能和机器学习应用的程度也是有所区别的,不过很明显的我们可以看到,对于另类数据这一块的应用和需求是逐渐在增加,而且增幅是非常高的。

这一页我想给大家分享一下,路孚特作为一家专注于金融市场数据的公司,我们自身对于AI的探索和布局。可以给大家分享的是我们的产品和我们的服务基本上已经在以下的这四个方面,在机器学习、自然语言处理、知识图谱的建立、文本分析方面,已经广泛地运用到我们公司自身提供的产品和服务里面,这个应用已经超过十年之久。

我们从我们的客户这边获取到的来自于四个方面的压力,让他们必须要加速对于AI的投入。

1,来自于监管和合规方面的压力。路孚特的数据显示,现在全球每45分钟就有一处新的监管的变动发生,同时反洗钱、KYC等来自于监管和合规方面的挑战现在是越来越大、越来越严峻。

2,新兴技术对于融资方面的创新,通过一些在线的金融市场包括P2P或者是区块链的应用,以确保更加安全的融资,数字货币还有虚拟货币也变得越发频繁。这一块来自于新的融资渠道这一块带来的压力,也使得我们的客户现在告诉我们,他们必须要加大对于AI方面的一些投入。

3,在数字化的时代下的成本压力很大,AI和一些预测性的工具将发挥更加重要的作用。

4,新兴市场从长期来看充满机会,短期内有非常大的挑战。传统企业往往在新兴市场里面更加容易受到来自于垂直领域还有包括地方性竞争者的挑战,数据驱动的个性化也会成为今后竞争的一个非常关键的因素之一。

我想给大家分享一下路孚特未来的愿景。除了我刚才提到的我们希望我们自身通过刚才我说的这些新兴技术,能够让我们自己变成一个更加智能的企业,同时我们也希望通过新技术的利用,不断地提供一些更加智能的产品,服务于我们广大的机构客户,帮助他们做出一些更加智能的决策和选择。

下面我想用几个案例来简单地给大家展示一下我们在这方面的一些应用。

首先在金融大数据的过程当中,我们现在观察到一个现象是当前有80%的数据都是来自于非结构化数据,这个非结构化数据就使得关键数据的提取会变成一项非常明显的挑战。非结构化数据的激增,使得我们从自有的数据内容当中获取洞察力会变得更加困难。

在路孚特提供的数据库里面,大家可以看到我们现有的数据库里面在全球有4千多位内容分析师,同时有超过5千家的内容方面的合作伙伴,这些合作伙伴也把他们的数据放在我们的数据平台里面,通过路孚特的数据平台来发布和传输到全球的金融从业人员手中。

还有两万多的包括新闻和文本的来源,也在路孚特的这个平台里面。

路孚特通过对于内容和数据的搜集,包括一定程度的标准化和结构化以后,我们创建了一致的数据模型和所有的关键内容的一些展示。同时我们也使用了唯一的一个标签,就是标识符(PermID),链接到主要的数据图谱集里面。结果是我们用AI和Linked Data模型可以支持更加深层次的数据转换和挖掘的提炼。

我想用一个生动一点的例子来形容路孚特,如果大家把Facebook和微信想象成是社交媒体的一个知识图谱,把LinkedIn看做是关于职场的知识图谱,那么路孚特提供的是针对于金融市场的知识图谱。当然我们必须要提到的一点是我们有自己的数据库,同时我们也可以根据市场上的客户不同的数据需求,来定制化一些属于客户自己的数据图谱。

我想用一个例子来分享一下,这是我们日常处理比较多的一个案例,就是我们从网上或者从邮件的形式、从Facebook获取到一个公司的公告,它是非结构化的数据的展现形式,我们能做的是什么呢?我们通过路孚特的智能标签的系统,我们可以识别并且提取在这个公司公告里面的关于公司信息、包括关于关键的高管信息、包括这家公司和相应的其他公司的关联信息、包括主要的大事、包括它所在的位置等关键信息进行提取,把它进行分类和标签化,这样我们就达到了将非结构化的数据转化成结构化数据的过程。

作为知识图谱的例子,我们从智能标签和路孚特的标签当中捕捉到了这之间互相的关联关系,并且随着时间的推移可以汇总到有关公司的一些发生的大的事情。我们是专注于做金融市场数据的公司,所以我们是有非常丰富而且经过标准化的一些数据,最终我们可以通过我刚才所说的以上的几个因素,最后打通金融产品的标的,与公司以及与事件之间的关系,形成大家看到的这样的知识图谱。

这是另外一个案例,通过路孚特的StarMine的模型,我们可以针对于包括公司的大事件、包括公司的申报、包括路透的新闻、包括券商的研究报告,通过不同数据的信息来源,通过我们对于语义分析进行了一个评分,当然这里面包含有StarMine的算法在里面,通过这个算法我们可以得到关于这家公司的违约概率、它的隐形评级的结果。而且我想特别提到的一点是我们这个评级是动态的,也就是说在任何一个时点上如果有一个新的事件出来,会触发整个评级系统评分的变化,最后会得出动态的结果。   

这是另外一个案例,我们选择了苹果公司,这是一个针对于Value Chain价值链,我们如何使用我们的AI技术和知识图谱的技术,来针对于苹果这家公司的上下游的关联企业、上下游的关联的行业进行分析。

大家可以看到我在里面再次提到刚才提到的智能标签和知识图谱两个概念,通过这样一些数据的处理的过程,来展示相关的新闻事件,然后申报,包括券商的研报,这样一些关键的一些信息源,来发现投资组合公司的供应链上下游的一些关联企业和行业之间的关系。

我们的愿景是我们希望通过我们更智能的企业能够提供更智能的产品,服务更智能的客户。我们的解决方案可以帮助客户来构建自己在机器学习、人工智能方面的这样一些应用,其中又细分为数据管理,数据管理里面包括适当的一些客户的数据、源数据、数据的一些托管、访问管理这些。

数据集的提取和创建,其中我也想特别提到关于市场情绪的一个问题,我们上周在北京和上海分别专门针对于市场情绪这一块邀请到了华尔街的一位博士,他来给我们大家分享如何针对于我们现在比较关注的社交媒体包括新闻的各种各样不同的来自于社交媒体、来自于新闻的一些数据源,进行市场情绪的生成的过程,也是非常受到各个金融机构的一些关注。

这是另外一个案例,这个案例是针对于新闻的分析这一块。新闻分析大家知道路孚特提供除了路透社新闻以外,我们还有很多其他第三方的新闻来源。这些新闻都是以非结构化的形式存在的,我们的新闻分析的这样一个功能,能够将来自于路透社和来自于第三方例如社交媒体的一些非结构化的实时新闻,转化为机器可以读的这些数据源。每一条新闻都是针对于公司或者某个资产类别的情绪指标,包括我们对情绪指标的相关性和吸引性进行评分。这个系统我们还可以实时地扫描和分析,将超过一千家公司的新闻、并且将结果输入到客户的定量的策略里面,以帮助我们的全球投资人在投资决策里面能够脱颖而出。

大家可以看到这是一个关于全球的股票市场在去年8月份的这样一个预告,可以看到红色的部分是加拿大,我们通过刚才说的新闻的数据分析,加拿大现在有最强的卖方的系统信号,巴西现在最强的是买方信号。我们得出来的这些结论,能够供于金融从业者进行更好的决策。

最后我想再次强调一下路孚特能提供的数据的范围,我不想赘述每一点,但是我想给大家看一下,从类别上来看,在新闻评论方面,我们看到我们有关于新闻本身包括对于这条新闻的评论,还有很多视频的新闻,包括我们看到的一些券商相关的投研报告。

我们还有参考数据,参考数据有行业相关的一些指数,包括条款上的一些参考数据。

宏观经济数据这点我想特别给大家说一下,宏观经济数据我们现在有全世界最广的宏观经济数据库,叫Datastream,它里面涵盖全球各个国家的包括国家级的数据、经济数据还有相关的一些投票,路孚特对中国的市场加大投入,我们会在我们的Datastream数据里面针对中国的宏观数据库里面,今年会有将近30万条的数据新增,我们的宏观经济数据库可以涵盖到省市县一级这样的水平。

市场和行情数据大家更关注一点,这是实时的,包括股票的、商品能源的、衍生品的、固定收益、外汇等所有的行情和市场数据都会在我们这里面。

最后我想强调一下关于风险与法规这一块,路孚特包含最丰富的支持反洗钱、KYC、支持做人员尽职调查相关的所有的数据库。

还是这句话,我觉得刚才李总在分享的时候说得很清楚,AI在今后的十年是AI在中国包括全球迅猛发展的四年,我们也希望用路孚特非常专业的金融市场数据和信息给各位金融从业人员提供更好的工具和帮助。   

谢谢大家!