复泛笃志讲坛 | 钱军教授畅谈金融科技创新与发展

发布时间:2018-06-19    信息来源:复旦大学泛海国际金融学院

2018年6月12日,复泛笃志讲坛如约在复旦大学泛海国际金融学院黄浦校区举行,学院EED副主任李元红老师主持本次活动。


学院执行院长钱军教授在致辞中首先向在座嘉宾介绍了学院的办学宗旨,并列举了包括师资、科研、教学等多方面成果。他表示做金融研究不仅仅是一个数学问题或科学问题,金融研究的是人,最终依然要回溯历史从人文层面进行探究,而这正是学院办学的一大特色,学院会借助百年复旦深厚的人文底蕴,加上顶级的师资团队,提供最优质的教学,相信能够帮助每一位学员解决个人成长与企业发展中的现实问题。


浦东新区金融服务局公募基金负责人季利剑在致辞中表示,金融科技发展与风险防控必然是未来行业发展的大方向。而在金融行业中,市场和岗位不断在变化,学习是非常重要的一个部分,希望后续可以有更多来学院交流学习的机会。



随后,学院执行院长钱军教授围绕金融科技发表主旨演讲。钱军教授表示,好的金融科技的定义应该是能够帮助解决金融的核心问题,并从三个方面论证了此问题。


第一个是信贷。企业要运作,要发展,要融资,在借钱这件事上,很多信息是不对称的。有融资需求的企业对自己的风险是比较了解的,而银行获取的信息的真实性和可靠度远不及这些小微企业,即存在信息不对称问题。银行并非没有信息,而是即使拿到了信息,这个信息是否可靠,要打个问号。在信息不对称的情况下,银行在实际当中怎么借钱呢?第一是花费大量时间亲自对项目进行调研,第二是要求抵押品。从传统金融来讲,抵押品是准确信息的替代品。所以在借贷这件事里,核心的问题并不是没有信息,而是信息的不对称。


个人信贷也是如此,去年有很多现金贷的平台,最终的风险在于判断借款主体的违约风险,判断借款人不具备还款能力的可能性。从这点来讲,小微企业融资和个人贷款业务很像,它的特点是信息严重不对称,而且没有对应的抵押品可以担保。所以传统的金融机构无法满足他们的需求。


另外,中国金融机构的特点是拥有大量长尾客户。传统金融机构的商业模式,例如银行,并不适合开展小微企业业务。商业模式不匹配的核心问题就是信息不对称,追根究底,个人信贷或小微企业融资都需要判断个人或小微企业创始人的个人信用。



判断一个人是否具备还款能力的最重要信息是个人收入。在不知道一个人真实收入的情况下,有没有什么相关的信息能够帮助我们判断一个人违约的可能性?有什么样的信息,能够帮助我们判断一个人是不是借了钱以后会还钱?可以根据数据,比如信用卡数据。怎么判断一个人借了钱是否会负责任的按时还钱?可以根据他的消费习惯。


如果拥有比较详尽的、时间跨度比较长的消费和支付数据,就能够比较准确的判断这个人是否花钱有规律,是否可以按时还钱。所以数据就是核心,可以帮助传统金融机构解决不能服务小微企业借贷的问题。相关的数据采集必须跨行业、跨地域且长时间,只有这样才能精确推算出合适的借款时间、借款额度和利率高低。


目前中国信贷的风险有两种,一个是企业本身的风险,第二个是人的风险,即存在欺诈问题。现在金融机构也大量使用新型技术,例如人脸识别、调查问卷、身份识别等。蚂蚁金服的关键是用支付和消费数据来测算不知道收入的情况下一个人违约的可能性,比如利用芝麻信用可以测算出一个人的借款额度和利率水平,其核心是蚂蚁金服的相关数据已经极具规模。当前,蚂蚁金服消费贷的规模已经达到6000亿,是建行消费贷的3.5倍,并已经超过四大行。目前,中国传统金融机构的发展远远落后于实体经济,传统金融机构并不能服务绝大多数的家庭和小微企业。



传统金融机构怎么参与?国内有一个词叫倒逼。传统银行因为自身商业模式设定,很难大规模开展小微贷业务,因此目前银行多是通过与数据平台合作参与其中。比如,京东金融目前已经与100多家银行合作,银行有流动性,而京东作为消费和支付平台,可以提供数据,两者相结合打造出京东金融,本质上与蚂蚁金服类似。


第二个是高频交易。程序交易是什么呢?第一,要有历史数据,第二,要随时观测在前面一个小时、十分钟、五分钟、一秒钟里面发生的事情,而且最重要的是观察大型机构投资者最近下单了什么。美国的股市交易是由高频程序交易完成的,投资者也以机构投资者为主,即大型基金,所以美国股市价格的最重要决定因素是大型基金交易。


程序交易的背后是通过对历史和实时数据的分析,判断在下一个毫秒最大的基金会干什么,以此获得更好的入市时机和更低的入市价格。这里面除了计算机程序以外,还涉及金融、统计与交易者行为。


目前程序交易在美国的股市已经占到90%,这样的发展提高了交易速度,并且降低了交易成本。然而程序交易也加剧了市场崩盘的可能性。这里有一个最有名的例子,2010年美股发生闪电崩盘,在5分钟内纳斯达克的市值损失了1万亿美金。最终事件调查显示为某交易员利用程序交易扰乱市场秩序。


高频交易的核心问题在于,一旦高频交易公司的程序操作(硬件或软件)发生故障或发生不当指令,大量错误的买卖盘指令将充斥着整个市场,造成价格水平的巨大波动。从市场的稳定性来讲,如果程序交易所使用的程序过于相似,一旦碰到紧急情况会加速股市的崩盘。今年2月份美国股市抽风,道琼斯指数一天内下跌一千多点,正是因为大量的程序交易法则过于相似,造成交易策略过于接近。程序交易最大的问题,就是面对真正新的情况,是否可以做修改?答案是至少现在是不行的。


股市的很多情况,取决于宏观政策,然而宏观政策最终由人制定,因此许多事情事先并无法了解,也无法写进程序,所以目前当紧急情况出现时,程序交易并不能及时应变市场的变化。



第三个是智能投顾。智能投顾最重要的优势是做投资决策时,可以避免很多人为的偏差及由于非理性的行为导致的失误。


行为金融学的核心是认为投资者是非理性的,他并不能如同机器一样永远做最优化的决策。行为金融学认为投资者存在哪些非理性呢?第一,传统的金融理论有一个核心的观点:理性的投资者应当是规避风险的投资者,两只收益率相同、波动性不同的股票,理性的定义是选择波动性小的,因为人是规避风险的。


第二,现实当中每个人规避风险的程度与个人收入有关,因为每个人衡量风险和收益的参照水平并不一样。另外,个体心理上的波动也会导致相同股票在不同时机会采取不同的策略。例如,大多数人会存在见好就收或亏损反而加码的问题,这都并非最理性的投资决策。

第三,本土偏好。本土偏好是指投资者过度地把钱配置在自己将对了解的公司里,从而忽略了别的机会,这并不利于收益最大化。通过2017年诺贝尔经济学奖得主塞勒教授对瑞士家庭养老金的研究发现,大部分家庭每年都在犯同样的投资错误,错误累加起来而造成的财富损失是一个惊人的数字。塞勒教授认为对于大多数家庭而言,使用智能投顾产生的收益会高于自己做投资决定。


人工智能可以采集信息,分析学习,及时更正投资策略。另一个方面,它不用花哨的投资方法便可以避免人由于非理性和感性色彩带来的投资错误。传统的投资顾问是由人来做,人给你做投资顾问的时候,就像卖房子中介商一样,存在代理人问题,在美国很多投资顾问在推荐产品的时候不一定推荐业绩最好的,而喜欢推荐费用很高的,因为有回扣。


人在做投资顾问时,很多时候不是为顾客着想,而是为自己着想,这也是一种偏差。智能投顾这个行业,虽然最后要交给人工智能,但仍然要考量背后的公司。如果智能投顾能够解决人作为投资主体犯下的非理性的错误,并且是一个值得信赖的公司,一个愿意为顾客着想的公司,就可以避免代理人的问题。


目前在美国智能投顾的发展主要为两个方向,一个是基金,主要是指数型基金,金融危机以后,美国基金业重要的变化是大量资金从主动管理型基金转移到了指数基金。指数基金又被称为被动管理型基金,他们不需要做行研,主要依托于指数。由于目前人工智能尚不能完全有效应对紧急情况,因此人工智能仍需要人作为辅导,所有仍处于混合型阶段。


钱军教授总结指出,金融科技可以帮助解决信息不对称、投资效率和交易成本等金融核心问题,但人工智能终究不能取代人类。人工智能对那些规则已经确定的、精细性的工作,可以做得很好,但碰到全新的情况,比如说交易、分析宏观政策,仍不能有效应对。技术可以改变世界,金额科技是一个很好的方向,但是单纯只有技术是不行的,更多的需要解决的是法律、伦理、人机共存等问题。


本次活动中,学院EED副主任李元红老师还为在场嘉宾们介绍了最新推出的“现代城市发展与地产经济领军课程”和正在进行二期班招募的“中国企业全球化课程”。“现代城市发展与地产经济领军课程”旨在关注地产企业金融战略的布局与落地、聚焦地产行业创新转型的时代需求、引领现代社会城市发展与治理的前沿探索。“中国企业全球化课程”则以最具代表性的企业全球化案例,最严谨的学术精神和最顶尖的教授资源为学员剖析如何把控足以让企业迅速壮大或倾覆产业格局的“商业魔方”。相信最顶级的师资团队配置最前沿的理念与实践探索,必将造就新一代兼具战略思维与行业智慧的企业家领袖、专业精英和社会领军人物,为当下中国企业的转型升级提供切实可行的解决方案。