10月17日，衡泰技术首席科学家、《投资管理》/ China JOIM编委——陈定博士，出席“2021全球基金与量化投资论坛-深圳峰会“，并发表了题为《投研和风控数字化转型，向左还是向右？》的演讲。

基金经理需要什么？

首先，投资决策流程是数据、投研、决策、执行和监控几大环节的循环，其中数据作为流程中的起点至关重要。数据不仅是数值类(Numerical Data)，还包括文字(Textual or Narrative)和图像(Visual)类的信息。

那么，基金经理需要什么样的数据，数据可以起到的作用有哪些？金融科技（ABCD）对各类信息的收集和处理，相比较传统的IT技术，能有什么样的增量贡献？

来自业界大佬们的观点：

投资能力：采集信息+分析信息的能力 = 成功PM

估值标准：数据支撑+Narratives（叙事) = 成功策略（估值）

                                                                      —Prof. Aswath Damodaran, 纽约大学，论估值 

问题分解：“资本市场：短期是投票机(Voting Machine)，长期是称重机(Weighting Machine)"

                                                                                                             —Benjamin Graham

其次，如果把向左看成激进派，意味着机器为主，人工干预为辅；向右则代表保守派，是以人工为主，工具辅助。那么，金融科技的数据化转型，是向左还是向右，其可能的突破点及超越传统金融IT的拓展空间在哪里？

陈定对数值(Data)、文字(Narratives)、 和图像(Vision)三类数据，在实际应用中通过人工和技术（量化/程序化）分别进行加工的成熟程度进行了拆解与分析。

在对数值(Data)类信息的加工中——

特定人群擅长“市场感觉“及基本面分析；技术（量化/程序化）在行情（Voting Machine）层面的“市场微观结构、量化高频”处理上已非常成熟，在估值（Weighting Machine）层面的“因子模型”上也较为成熟，最近“AI+因子”也取得了非常有意思的进展。

在对文字(Narratives)类信息的处理中——

人工擅于处理财经媒体报道及专业研报；技术（量化/程序化）则在市场情绪与企业舆情、知识图谱和量化叙事上，有非常大的可发挥的空间，虽然目前尚未成熟。

在对图像(Vision)类信息的处理中——

人工仅能对二维或三维的图像信息进行处理，但通过数学上的成熟工具，技术（量化/程序化）则可进行高维数据的降维以实现金融数据的可视化，以及拓扑数据的分析等，并且衡泰已在此方面着手研究。

最后，陈定分享了衡泰在此领域的研究成果。

一方面对全市场的新闻监控后，通过抓取的主题和段落思想对文本信息进行主题分类，再把新闻的主题作为量化因子，最终可一定程度实现全市场新闻的筛选、过滤，并辅助市场风险的预测。

另一方面，通过数据中基本面关联和市场关联的梳理，建立关联图谱和信用风险传导路径，可应用于系统性风险度量、情景分析/压力测试等场景中。

∨

本次活动由清华大学五道口金融学院《清华金融评论》编辑部等主办，来自基金、证券等资管机构、相关实业，及金融科技公司等200余位嘉宾，围绕主题“科技赋能资管行业数字化转型”进行了交流探讨。