FinTech强势来袭，金融人何去何从？

卷首语

金融海归，这群拥有国际化视野、勇于摒弃传统禁锢的时代追求者，在金融科技大浪潮的冲击下更新、蜕变、迭代，紧抓行业变革的机遇，俨然正在成为新金融科技时代的宠儿。

曾晨光，就是这样一位在新技术与金融相互追逐的大环境中不断摸索的金融海归。紧跟趋势成为了懂AI的金融人，在新时代的风潮来临前，秣兵厉马，蓄势待发。

曾晨光，2014年毕业于北京第二外国语学校，在校期间凭借着优异的成绩响应国家项目的号召前往美国学习，就此选择留美攻读金融学硕士;2016年回国深造，随着科技发展全面席卷金融行业，他看到了传统金融与科技加速融合的契机，先后在金融大数据领域、证券研究领域不断的尝试与探索。2018年，在金融产业革命的开端他选择了将自己的金融梦融进金融科技的浪潮，与这个时代一同扬帆起航。

曾经，人生苦短，我学 “Python”

◆ ◆ ◆ ◆

听说Python是未来z火的编程语言之一

◆ ◆ ◆ ◆

金友汇：《量化分析》课程的学习对您有哪些帮助?

曾晨光：我现在是一名金融行业大数据架构师，这份工作对计算机和编程都有较高的要求，虽说曾经有过数据分析师的经历，可当时在工作中用到的主要是SAS的统计分析、Excel或者VBA的编程，而我又是金融专业背景，因此对计算机领域是相对陌生的。直到去复旦大数据学院研修后，才发现目前这个行业用的编程语言大都是Python。刚开始是在网上自学一些免费的课程，发现这些视频内容虽然跟计算机基础编程有关，但它的场景应用并不适用金融专业，这种零碎不系统的知识点让我挺苦恼的。

很偶然的一次机会，在纪慧诚老师的微博上接触到了金程AQF的课程。在一段时间的学习过后，我发现该课程的内容与金融行业的知识是紧密联系的，更重要的是它偏向金融量化实战，涉及到一些基础的机器学习知识和机器学习结合量化策略的编程内容，短短的几行或者十几行代码就能实现非常宏大的策略编写。

我想，Python是当下我所接触到的z好的编程语言。它有两个很强大的库——pandas库和numpy库，同时还包括scipy库和一些人工智能的开源框架，这些就足以让你自行搭建模型。接着，再找一个相对强大的算力CPU，就可以正常运行一个机器学习的量化策略模型，这个过程对学编程的伙伴来说是极具创造与挑战的。我认为这是与市面上其他类似课程z大的不同之处，也是它z吸引我的地方。

另外，我真的很高兴在学习中遇到了很多专业背景相似且志同道合的朋友，让我能够有机会近距离去请教行业内部优秀的人士，接触到他们对于量化投资领域独到的见解。同时让我倍感欣慰的是，老师会非常高效的帮助我们解决编程和策略问题，并且还会告诉你收集前沿资料的种种途径，这些对于在金融科技行业刚刚起步的我而言，都提供了非常大的帮助。

现在，要抢占金融科技下半场的“入场券"

◆ ◆ ◆ ◆

机器取代人工是大势所趋

◆ ◆ ◆ ◆

金友汇：您的履历非常漂亮。本科及研究生期间连获3次奖学金，5次优秀干部，还未毕业就已经有2次金融行业实习经验，刚毕业1年不到已经学习了2张金融行业的“黄金证书”(CFA/AQF)，中间还在复旦大学研修过。这一连串的评奖、编书、出国、考证、实习、就业后，为什么z终选择了金融科技领域?》》》想要考CFA或者AQF证书的点我咨询

曾晨光：金融行业在科技驱动下的变革让我看到了危机与机会。金融专业刚毕业，回国找工作那段时间是非常艰难的，当时对金融行业也是持一种观望的态度，z终选择了券商研究所。

大型券商的架构规划一定是标准化很高的业务模型，比如风控、统计分析或者离线批处理在数据结构上包括规则上都有非常严格的标准化。行业内部把金融科技划分为“1.0”、“2.0”、“3.0”。1.0阶段储存信息、2.0阶段针对信息做统计分析、3.0阶段是信息和产品的应用。我的工作主要是在1.0和2.0阶段，其中保证标准化、归一化的工作量真的很大，如果完成一个项目分析需要7天，可能有4天需要做数据处理，而我认为这部分工作将来可能会被机器所取代。

其实我们都不愿意探讨“被机器取代”的话题，因为害怕自己被取代，更不想被取代。短期来看，在投行或者金融研究领域对专业知识的要求是非常高的，但是目前像自然语言处理还有文本的OCR识别这些比较前沿的技术使用，未来很大程度上会减少投行人在法务合规和风控上的参与，包括智能的一些尽调和估值模型都是可以通过程序化手段来实现。非常典型的例子就是银行的ATM，现在远程的客服通过ATM就能帮你开户解决银行卡办理问题，仅此简单的金融科技的应用就取代了一大批的银行工作人员。

面对大环境，如何能让我们有限的精力投入到业务和应用之中，给出专业的分析和意见实现自身更大的价值，我认为紧跟时代的变化，成为一个金融+科技“复合型”的专业知识背景的金融人会更顺应这个行业对人才的需求。

◆ ◆ ◆ ◆

站在“巨人”的肩膀上看世界

◆ ◆ ◆ ◆

金友汇：您所在的公司目前主要客户有哪些?

曾晨光：星环科技是针对金融、制造业、安防、航空等行业提供大数据底层架构和底层软件服务的平台。

我们有强大算力技术支撑的大数据底层平台。行业中有很多金融科技公司都在做上层应用，如果用到的机器学习的算法是矩阵式运算，那么一般架构是很难满足实时性大规模的批处理需求，若想有效的处理数据，就需要用到大数据平台，而此时星环就是担任承上启下的底层平台。除了底层平台，我们还有能满足编程人员和业务人员需求的Sophon人工智能平台。它可以将机器学习的模型分解成算子给予业务人员，通过拖拉拽可视化图形操作的形式就可以实现业务分析等日常工作来满足用户的需求。比如，目前券商的第一期数据治理和清洗结束以后，在第二阶段大数据的架构包可能会落地到一些人工智能的应用。这也是目前行业z集中的领域，大部分人工智能的应用是基于开源框架，但是开源框架是存在很多bug的，而我们基础平台会将前期数据自动化的清洗、汇集，避免大量的bug，让人员能腾出更多的时间专注于业务、专注于应用、专注于创新。

目前国内的证券行业急需一个平台去支撑多元业务，而我们可以通过金融科技来帮他们解决财务、人力、风控合规等方向的技术支持和储备，帮助他们来支撑多元业务模式，助力国内证券行业向现代投资银行转型。在海外的业务不仅仅涉及二级市场，还会出现股票、债券、期货、信托等资产管理模式，这些对我们而言都有非常大的市场预见性。未来，公司不仅是专注在AI、bigdate、cloud领域，而是希望将这些资源和模型都变成数据资产和服务，不仅对内能赋能输出，对外也会产生经济效益，z后通过成熟数据服务产品服务于外部客户，形成数据生态的一个闭环。

未来，用“年轻”征服“年轻”

◆ ◆ ◆ ◆

金融业，AI的乐园

◆ ◆ ◆ ◆

金友汇：作为一名金融行业大数据架构师，可否分享一些科技在金融领域的z新应用?

曾晨光：我认为目前科技在金融领域的应用主要集中在精准营销方向。银行、券商、保险、基金包括金融监管都是在使用金融科技的上层应用，但不同的场景在金融细分领域的需求和痛点是不一样的，更是无法完全照搬。

例如，银行和券商两者对大数据应用的需求就存在很大差异。大数据z早做的是数据治理，以前是用Excel或者用离线处理来满足需求，即把旧有的数据汇集起来经过清洗后变成一个有质量的数据，可用于做统计分析，但随着对数据时效性和准确性的要求越来越高，一部分具有优势的金融行业领跑者已经提早进入了准实时分析时代。

券商需要将当天收盘的数据快速整理分析给到次日的业务人员，而准实时分析结合了离线批量处理的统计分析和一些业务预测的准实时模型，基于强大算力的基础架构之上就可以迅速将一天的交易数据进行数据整理和加工，并且保证数据的安全性。而大部分银行会有成百上千万的小型客户，针对如此庞大的客户群是需要复杂的大数据架构对底层数据做线下离线分析的。而券商主要有机构客户和普通客户，这两类人群在上层需求应用就有很大出入，机构客户的风控建模是没有办法复制给普通客户的，即使是同一个场景也要深入调研才能知道客户的应用需求。

目前金融科技的应用主要集中在智能客服、智能投顾等建立客户画像的方向，通过已有的数据结构对标准化的营销模型进行前期分析，像银行信用卡精准受限、券商客户画像匹配等做到精准营销。但如果未来想做智能的运维、智能的投行或者智能尽调时，就会发现现有的数据基础是非常稀薄，就目前的技术而言，我们还处在不断探索的阶段。

◆ ◆ ◆ ◆

未来已来， 唯变不变

◆ ◆ ◆ ◆

金友汇：您个人对量化投资未来的应用前景有什么看法?

曾晨光：我分析未来的应用场景有三个“时间窗口。”

首先是中国的金融市场开放程度。目前看到的市场开放已经是很大力度的，“时间窗口”在离我们越来越近的地方大踏步的向我们走来;其次是衍生品的发行常态化。近期两年期国债期货和铜期权都是快马加鞭的上线，另外还有金融衍生品的常态化发行。做量化一定要对冲，但是就像之前纪老师在课上所说的，A股市场衍生在市场上的衍生品很少，所以想做一个无风险的对冲套利是很难的，因此未来的衍生品发行常态化也是一个非常重要的时间窗口;z后和我们衍生品交易常态化有关系。国内的量化交易还是偏向于量化编程或是量化策略加上一部分人工决策，用大数据的方式解读这就是准实时的交易策略，但是从2015年开始，量化接口的准入由全部投资者变成更为理性专业的机构投资者。所以未来，我们可能会看到衍生品程序化交易的常态化正式进入我们的视野，但这一切还需等待三个时间窗口完全打开以后，繁荣期才会到来。

金友汇：在人类历史的长河中，技术的进步总是带来失业的浪潮，面对人工智能时代的变革，脑力劳动者也不再安全。人们坚信，AI相关成果必将被应用于各行各业，深层次改变经济运行模式和人们日常生活。未来，金融科技将成为金融产业下一阶段竞争的核心生产力，在这片待开发的全新土地上，年轻的金融人你准备好了吗?你身边是否涌现了一批像曾晨光一样目标不断前移、视野不断更新的新兴金融人?而你与他们又能否成为新时代下的掘金者?

(注：据麦肯锡全球研究院的一份报告中称，在当前全部820种职业、2069项业务(工作)中，约有710项工作可被机器人替代，金融业非但不能幸免，反而是AI的乐园，其中有43%的可能性会被自动化替代。) 》》》AQF+CFA一级双证通关班