10月17日，衡泰技術首席科學家、《投資管理》/ China JOIM編委——陳定博士，出席“2021全球基金與量化投資論壇-深圳峰會“，并發表了題為《投研和風控數字化轉型，向左還是向右？》的演講。
基金經理需要什么？
首先，投資決策流程是數據、投研、決策、執行和監控幾大環節的循環，其中數據作為流程中的起點至關重要。數據不僅是數值類(Numerical Data)，還包括文字(Textual or Narrative)和圖像(Visual)類的信息。
那么，基金經理需要什么樣的數據，數據可以起到的作用有哪些？金融科技（ABCD）對各類信息的收集和處理，相比較傳統的IT技術，能有什么樣的增量貢獻？
來自業界大佬們的觀點：
投資能力：采集信息+分析信息的能力 = 成功PM
估值標準：數據支撐+Narratives（敘事) = 成功策略（估值）
—Prof. Aswath Damodaran, 紐約大學，論估值
問題分解：“資本市場：短期是投票機(Voting Machine)，長期是稱重機(Weighting Machine)"
—Benjamin Graham
其次，如果把向左看成激進派，意味著機器為主，人工干預為輔；向右則代表保守派，是以人工為主，工具輔助。那么，金融科技的數據化轉型，是向左還是向右，其可能的突破點及超越傳統金融IT的拓展空間在哪里？
陳定對數值(Data)、文字(Narratives)、 和圖像(Vision)三類數據，在實際應用中通過人工和技術（量化/程序化）分別進行加工的成熟程度進行了拆解與分析。
在對數值(Data)類信息的加工中——
特定人群擅長“市場感覺“及基本面分析；技術（量化/程序化）在行情（Voting Machine）層面的“市場微觀結構、量化高頻”處理上已非常成熟，在估值（Weighting Machine）層面的“因子模型”上也較為成熟，最近“AI+因子”也取得了非常有意思的進展。
在對文字(Narratives)類信息的處理中——
人工擅于處理財經媒體報道及專業研報；技術（量化/程序化）則在市場情緒與企業輿情、知識圖譜和量化敘事上，有非常大的可發揮的空間，雖然目前尚未成熟。
在對圖像(Vision)類信息的處理中——
人工僅能對二維或三維的圖像信息進行處理，但通過數學上的成熟工具，技術（量化/程序化）則可進行高維數據的降維以實現金融數據的可視化，以及拓撲數據的分析等，并且衡泰已在此方面著手研究。
量化文本分析+關聯網絡
最后，陳定分享了衡泰在此領域的研究成果。
一方面對全市場的新聞監控后，通過抓取的主題和段落思想對文本信息進行主題分類，再把新聞的主題作為量化因子，最終可一定程度實現全市場新聞的篩選、過濾，并輔助市場風險的預測。
另一方面，通過數據中基本面關聯和市場關聯的梳理，建立關聯圖譜和信用風險傳導路徑，可應用于系統性風險度量、情景分析/壓力測試等場景中。
∨
本次活動由清華大學五道口金融學院《清華金融評論》編輯部等主辦，來自基金、證券等資管機構、相關實業，及金融科技公司等200余位嘉賓，圍繞主題“科技賦能資管行業數字化轉型”進行了交流探討。
