平安资产管理有限责任公司党委委员、固收金融科技总监 祝佳
以下为发言全文：
感谢主办方邀请我们参加这样的一个盛会，今天因为时间有限向大家汇报一个题目保险资管公司与平安资管这样的一个案例，我们在资管业转型过程当中所做的实践探索。只能说抛砖引玉供大家来做讨论，今天汇报题目科技赋能人机合一。前面上半场在上午的时候有三位基金公司的老总介绍了基金行业的一些关于行业包括转型的一些思考，前面也有两位银行理财的领导做了非常干货的分享，变跟不变包括如何从行业发展来看资管行业的变迁。
从我们保险资管、平安资管来说，我们认识到目前转型期我们面临的挑战机遇其实是并存的，从总体宏观环境来说，我们面临的是一个数字化转型的整体要求，无论是国家“十四五”规划到发改委，再到相应的一行两会提出了关于数字化转型的明确要求。
如果看一下保险资管行业的整体行业，大家可以发现整体规模在稳健的上升，但是同时保险资金的一个运用总体来说还是以固定收益型为主，大家可以理解这是跟保险的负债端的需求匹配，长期限，长久期的跨越周期的绝对收益为主的负债端的需求。
面临这些整体的背景，还有整个政策新的要求，其实我们在保险资管公司来说我们思考我们的挑战，挑战应该说非常多，无论整个发展环境，前面几位领导提到了资管新规今年全部最后并轨，管理角度我们很多挑战，在很多新的基金公司，或者理财子公司创立当中，我们也有很多的人员交流，其实保险资管来说面临着铁打营盘流水的兵情况。
怎么样做强我们自己，在转型当中通过基础设施的建设加强或者迎接转型的挑战。简单来说痛点或者转型期间的核心挑战两个方面，用我今天主题来说，一个是机的方面，另一个是人的方面，我们一个术语叫做点亮科技树，资管来看走三个阶段的科技树，1.0阶段可能大家提到了一体化平台，流程性作业系统，这个解决我们当下每一个岗位完成工作的线上化的操作，这一块在发改委关于加快产业数字化的文件里面提的特别好，他用两个字叫“上云”概括这个阶段。
我们理解“上云”说去年疫情以来，防范疫情以来随时随地可以更好的利用我们的办公资源在安全可靠的情况下开展各项工作，完成各个流程环节，这个是应有之意，点亮第一个科技树之后，2.0我们就是产生线上化的数据可以贯通，可以多视角完成应用，这一块两个字概括，就是用数，这个回到转型期的挑战痛点，无论我们建再多的系统，我们经常听到业务一线同事抱怨，他们做一个监管报表的时候，他们做一个风控报表的时候，他们做一个面对客户绩效汇报的时候数据需要大量人工整合工作，这个里面其实涉及到我们整体如何把这个分析型工具平台做好。
如果还有3.0的节点，我们认为智能化，就是赋智，我们经常讲赋能，这个上面我们理解是赋智。如果通过金融科技的手段应用，使得我们投资决策环节当中有一个模型量化参考。另外的一个视角来看我们数字周期来看，我们1.0解决当下如何产生数据，2.0我们现在往回看解决过去的问题，3.0我们希望有一些预测预判看未来。
第二个挑战跟人有关，我们面对的现实投资最终靠领导层，也有实际操作层，靠很多岗位的同事实现。我们经常遇到的一个跟很多业务同事交流的他们的反馈就是整个行业无论是什么岗位感觉时间不够用，或者用一个非常流行的术语叫内卷。我们总有看不完的研究报告，总有做不完的统计分析，背后的痛点究竟什么具体的层面或者概括一下我们理解为四个方面，四个方面分别跟信息统计模型的数据，信息知识跟智慧四个层次对应，简单来说数据量比较庞杂无法为我所用，信息提取费时费力，算力与个人岗位结合场景结合大量的痛点。我们希望能够使用AI，但是坦率来说我们AI业务同事看来很多场景下可解释性仍然不足。最后，对管理层来说，面临这样一个流动的团队，如何将我们的智慧沉淀下来，传承下去迭代起来。这是四个主要的痛点，解决四个痛点，我们认为需三个方面入手，正如奥运会开幕了，更快更高更强，更快就是算力，更高就是更高级的数据，更强就是更强大的模型。
平安资管为什么做转型，我们也是不得不转，我们从最早的直接只是对接于1对1保险公司平安人寿财产险，为他们做资产管理，我们走到市场开展三方业务，到最近的资管新规我们不得不寻求我们的亮点优势，我们走的这条道路也是科技型资管公司的转型道路。
今天的平安资管有650个员工，但是科技型人才250人，在同业里面也是比较高。简单来说，我们走的路径也有很多基金同行说过，AI HI，我们的方式人机共舞人机合一，左半部分我们有将近20年的投资经验，还有很多资深分析师，右半部分我们金融科技使他们经验沉淀下来，通过大数据更好的为他们之后的决策提供帮助。
回到投资整个生命周期来看，我们打造了一个新的六脉神剑，就是覆盖整个投资的全流程的决策点，第一，就是配置。如何将金融科技或者说我们的科技转型的点用到我们的配置这个对应的环节当中去，比如说保险资金需要做很多的SAA操作传统我们需要人工打分，我们现在一些模型进行提供支持。
第二，组合构建，我们新的资金到来之后我们如何完成资产的配置选择，同时考虑市场流动性的问题，我们这里可以利用一些组合优化的模型来完成这样的一些资产配置的自动化的方案出现，最终来提供我们的专家来做最后的决策。
第三，选券我们看主体的信用风险。以往每个分析师要完成四个步骤，如何获取数据，无论终端拉取还是报告读取最后万变不离其宗，我们以往普遍通过excel表格完成所有的数据分析操作。第二层需要完成的是数据的解析，数据调频的处理，然后经过加工得到了三层的因子，再分析最后的结论，这个过程我们基本上可以通过量化的评级模型来提供替代作用。最后我们将专家的经验，或者它的贡献放在最后一个定性调整和推翻上面，这样可以节省80%到90%的精力，同时利用大数据的技术，可以使得我们模型拟合精度达到95%左右。
第四就是交易员服务，我们有了投资指令了之后如何更快的成交，我们可以用收益率曲线还有可比券的模型，完成一级市场的投标价或者二级市场定价区间的确定，最后交给我们的交易人考虑市场情绪，考虑债券的基本面，还有投资标的基本面的定价区间。做了交易之后就是组合管理，这里涉及绩效管理的同事，传统来说我们遇到的挑战我们投资人员绩效归因负责人坐在一起互相冲突的甚至吵架的，因为大家不是基于一个视角看问题，比如说常见固收里面用一些模型，但是给出的归因因子是曲线平移、旋转，投资经理问一个问题，如果今天投资曲线平移因子使得没有办法匹配风险收益？我们现在采用的方法希望多因子模型引进进来，我们告诉大家3M，6M等关键利率久期点上面表现如何，这样有投资的建议，或者说用同一套的语言反馈出来形成正向的反馈。这两年债券违约越来越多之后，探索大数据的模型还有AI算法配合人工风控经理进行包括财务粉饰，还有舆情深度分析还有风险传导量化方面的分析辅助作用。
大家可能会问，如果建系统转型，做人机互动，我们需要怎么样实现步骤，平安资管其实走过了两个步骤，第一个步骤我们通过建立一个内循环，将260位金融科技人员其中的50位专门模型的工程师分配业务团队，紧密绑定业务专家周围，帮助他们更好的寻求可以用大数据用AI模型实现来辅助的一些具体的应用场景点，加快迭代的速度。
完成迭代之后我们将这个应用每个场景不同的衔接，我们可以对于一些场景，某些场景通过模型给一个参考，以人为主。第二种情况深度集成，模型代表一部分，人工经验入模最后形成决策意见。第三种主要靠人，模型提供了数据支持还有可视化分析作用。开箱即用还有联合发展，还有本地部署。我想这个事情不但平安资管可以做，其实很多业内同行可以一起探索在不同的层次来开展相关的一些交流合作。
从平安资管来说，我们现在开始为一些战略合作伙伴来提供服务的合作，包含统一的数据湖，两朵云以及本地化的云 端的落地服务。
最后简单说一下，我们也借鉴了海外比较成熟的比如说前面领导提到的阿拉丁平台，目前监管环境下面我们解决最终落地的问题，我们现在无法接受持仓交易数据上云，我们最终提出解决方案是将这些私有化数据在本地完成和公有数据的集成集合，就是我们所说的云 端的过程。
以上是今天汇报的内容。谢谢大家！
6
