银行理财作为大资管行业的重要组成部分，近年来在中国金融市场中扮演着越来越重要的角色。2024年上半年，理财市场规模近30万亿元，占全国资管存量规模半壁江山，2030年有望增长至50万亿元。银行理财作为中国资管领域的主力，是连接资金和资本市场的核心纽带，肩负扩大居民财产性收入的重要职责，支撑居民对个人养老金融产品日益增长的需求，同时承担着服务实体经济的重要责任，是落实科技金融、绿色金融、普惠金融、养老金融的实践领域。数字金融是“五篇大文章”的重要组成部分，也是打造理财公司高质量发展增长极的内在要求。
日前，中国人民银行等七部门联合印发《推动数字金融高质量发展行动方案》，明确提出系统推进金融机构数字化转型、运用数字技术提升重点领域金融服务质效、夯实数字金融发展基础、完善数字金融治理体系等方面的重点工作任务。
北银理财高度重视科技引领，积极落实“数字化转型”战略，借助后发优势，充分借鉴国内外领先机构的实践经验，从打造坚实的数字化基础出发，以企业级视角统一规划设计新一代数字化资管业务平台（Trusted Operation System，TOS）。以“可信”为理念，通过高内聚、高复用、高可靠的企业级统一数字化底座，整合理财公司前中后业务场景的数字化需求，构建一体化的数字化决策能力。
顶层设计可信的数字化基础架构
数字金融具有金融与数字的双重属性，其本质是金融，其依托是数字技术，其基础是数据。资管行业是数据密集型、智力密集型行业，对资本市场海量数据资源有深度的依赖，数据本身具有量大、业务属性强、勾稽关系复杂、时效性强的基本特征，分析模型也通常含有大量金融工程知识，用数场景要求时效性和准确度高，且大量场景是决策支撑。因此，在数据架构的设计上，满足及时性和可信性要求是重点。
北银理财在TOS平台建设初期，先行规划了一套“三态五层”的数字化基础架构，即从数字化能力逐渐成熟的角度划分为“可视—可信—可决策”三个状态，从数字化能力研发构建角度自底向上划分为“数据—模型—指标—能力—应用”五层。以此架构为基础，可实现资管领域多渠道海量复杂数据的解构，建立不同层级的用数口径，在企业级维度实现统一口径的指标，支持以“乐高积木”形式快速组装指标集合，形成基于数据要素的量化决策能力。
“五层”中，数据层关注底层数据的标准、清洗、质量；模型层关注数据的结构、模型、血缘；指标层纳管指标的规则、计量结果；能力层基于业务场景形成数据能力；应用层依托能力组合形成业务应用。“三态”中，可视态是指借由元数据、数据血缘实现数据的结构可视、全生命周期可视；可信态是指在可视的基础上，依托属主责任制、质量管控体系实现数据的定义准确、属主明确、责任到人、规则完善、依赖清晰；可决策态要求最终形成时效性强、丰富度足够、质量一致性高的可决策能力。
体系化推进数据基础能力建设
“数据—模型—指标”三层是面向技术视角为主的数据底座，也是TOS平台能否有效以一体化方式构筑上层面向业务的数字化能力的关键。
一是在数据标准层面，北银理财结合资管行业的数据特点，首先按照业务领域自上而下建立了一套数据要素标准，划分为产品、资产、客户、渠道、交易、账户、风险、营销、合同、估值、财务资金、公共十二大主题域，并依据相关主题进行分层拆解、逐级细化。其次，资管行业普遍存在各业务环节的作业系统依赖外部厂商成熟产品，底层数据标准在系统的技术实现上标准各异，北银理财在初期先行建设企业级统一大数据平台，并在大数据平台基础层划分出贴源层和主仓层，贴源层不改变源头异构系统的数据标准，从贴源到主仓时，按照公司企业级数据标准进行映射落标，形成公司企业级主数据。
二是在模型体系层面，模型可以简单概括为运算和关系映射，可能是简单的函数公式，也可能是复杂的统计或AI算法模型，其输入是数据集合，输出是指标集合。因而，在数据层标准且可视之后，模型层同样需要统一的设计和治理。我们按照资管业务特点，重点统一梳理出客户画像、产品分析、投研决策、风控合规、监管报送等几个重点量化分析密集型业务能力场景，技术实现上在数据平台构建对应的产品、投研、风险、报送等领域集市，支持模型的自主研发，以及插件式的集成成熟的模型引擎，在市场风险方面成功引进集成了MSCI的Risk Metrics引擎。在模型的扩展能力上，一方面充分考虑到模型的复用性，如业务上新增“收益互换”的品种，合同约定买入看涨股票期权，卖出浮息债券，二者名义本金相同，方向相反，在计算其PV和希腊字母时，可拆解为Equity Option和Float Bond两个已有模型PV和希腊字母的线性叠加，不用重新研发一套新模型；另一方面支持模型的自助更新，建成了支持Python的金融算法研发工作台，后续可由业务人员灵活定义个性模型。
三是在指标体系层面，指标可以分为原子指标、衍生指标和派生指标，大部分是模型的计算结果，也可以由一系列指标组合形成新的指标。我们首先基于行业常见量化分析场景，自顶向下梳理总结出了一套指标体系框架，即PRISM（棱镜）框架，P-产品组合（涵盖产品组合基础信息、参考业绩基准等）、R-风险计量（涵盖市场风险、信用风险、流动性风险等）、I-业绩指标（涵盖收益率、定价、估值等）、S-券种标的（涵盖券种基础信息、曲线、价格等）、M-市场数据（涵盖行情、资讯、研报等）。技术形态上，在数据平台的领域集市层之上，构建指标市场层（TDM层），从公司级视角纳管模型层发布的指标、指标层衍生和派生的指标、用户自定义指标、外部引入指标等，并在指标业务技术属性基础上，增加质量管理梳理，如属主、引用人、发布时间、更新时间、业务重要级别等属性，一方面便于保持指标的“可信度”，另一方面也为后续指标形成数据资产的定价评估预留空间。
工业化运营数据质量监测稽核
对于资管行业的核心业务领域投研和风控数字化能力的构建来说，对数据、模型、指标三层的可靠性要求很高，需要从可视化看到整个数据流的供给链路，及时发现问题环节，也需要对其可信性有客观的评价和管理机制，才可以有效支撑可决策。TOS平台同步设计了一套治理平台，主要涵盖元数据、数据标准、数据质量三大模块，并借助数据血缘分析能力，将各层之间的映射关系可视化呈现和管理，包括异构的贴源数据和落标后的主数据映射关系、模型层的输入和输出依赖关系、复杂模型的叠加关系、指标的调用关系、指标的派生衍生关系等。随后再基于数据、模型、指标的管理属性，建立实体配置页面和质量状态卡片。目标是让用数方在任何维度的数据分析过程中，随时可以找到模型细节及底层数据，在公司层面构建出可信数据空间。
目前，北银理财已纳管数据近2万项、自建模型近1000个、成熟模型引擎1套、维度指标约2000个，一方面支持用数方在前端界面进行样例数据质量探查，筛选数据，构建初始模型，挖掘关键指标，另一方面也有助于公司进一步增补未纳管数据、模型、指标。下一步，北银理财还将在此基础上以DataOps的思路，加快完善一系列自动化质量监测预警机制，组织形成一支业务、技术、数据复合型的人才队伍推进质量稽核和质量优化，努力打造一条高质量数字化能力生产线，持续优化确保可决策性能力的稳定和连续。
支撑核心业务场景数字化决策能力构建
“能力—应用”两层是针对业务场景构建的数字化能力，资管业务的核心业务场景是投研和风控，北银理财始终遵循投研风险底层逻辑一体两面的理念，从构建面向全市场、全品种的底层资产的量化风险收益特征模型出发，逐步建立组合及产品层面的资产配置、组合分析、策略模拟、风险计量等数字化能力。
一是在资产标的维度，基于统一的“数据—模型指标”构成的数据底座，针对不同类型的资产进行数字化建模。涵盖标准化的标的基础信息，投资和风险一致认可的分析计量模型和指标体系，包括但不限于：资产收益率、波动率、夏普比率、最大回撤、相关性、流动性、信用风险指标、利率敏感性指标等，确保不同领域的团队看到一致的资产视图，确保投资和风险管理在同一逻辑下运行。
二是在投资组合及产品维度，对不断完善资产配置、组合分析、组合优化、情景模拟、压力测试能力， 结合不同岗位角色特点，将数字化能力单元与业务操作流程有效组装，形成贴合用户角色的个性化的应用工作台。目前，北银理财在投资投研领域引进集成了东方汇理ALTO平台的组合管理模块，实现了支持全资产、多层穿透能力的组合构建、损益分析、时序分析、现金流分析、模拟组合订单、组合再平衡等数字化能力，并按照投资经理、投资管理人员、研究人员的特点，建立投资投研工作台。在风险管理领域，以自主设计方式，实现了信用风险管理、市场风险管理的数字化能力，形成了风险管理工作台。后续将进一步在产品层面构建数字化产品研发、产品基准对比、竞品分析等能力，持续完善全公司业务领域的数字化工作台。
积极拥抱AI技术变革，构建多智能体推动业务创新
在当前AI涌现的浪潮中，北银理财也积极拥抱技术变革，探索构建多智能体系统，推进AI技术在银行理财的核心业务领域落地。按照目前TOS平台的整体架构特点，高质量的数据基础、可不断扩展的业务计量模型，统一的指标体系，都将能够为后续在资管核心业务领域应用生成式AI降低训练和算力的难度。同时经过持续的工业化标准的数据质量管理工作，也能够圈定大语言模型的有效知识边界，审慎规避了大语言模型在内容生成方面的专业性和准确度。
下一步，北银理财将基于投研和风险领域的数字化建设成果，紧跟行业发展方向，探索多智能体的应用场景。例如，在投资研究领域构建的多智能体，可以分别由不同角色的智能体专注于市场趋势分析、公司基本面分析、特定资产价格变动跟踪等。这些智能体可以共享信息，协同工作，可以更快速、更准确地识别投资机会，并为投资决策提供支持。
（步艳红为北银理财有限责任公司董事长，高斐为北银理财有限责任公司科技专家）
设为首页
加入收藏
企业邮箱