数据、算法、算力将是资产管理公司新核心能力

标签: Fintech&区块链 | 发表时间:2018-11-04 18:42 | 作者:
出处:https://www.leiphone.com

雷锋网AI金融评论报道,11月3日,中国机构投资者峰会--2019年资本市场高质量发展论坛在北京举行,中国万向控股副董事长、通联数据董事长肖风在峰会上表示,未来科技将从投资策略、估值方法、组织结构、核心能力、市场认知、公司文化等方面改变资产管理行业。

比如,在投资策略方面,肖风预测道,在AI技术成熟起来之后,也许主动投资策略会以另外一种形式重新回到这个市场的中心,成为主流投资策略。

在估值方面方面,他指出,“许多科技公司大部分的价值体现在无形资产上,知识产权、软件系统,数据或者代码的形态上面,不再是厂房、机器、土地等。原来一整套的认知体系需要进行更新、优化。”

另外,他认为,未来数据、算法、算力可能会成为一家资产管理公司新的核心能力,而如果不转换,就有像宝马、奥迪这样的传统车企一样,面临特斯拉杀入这个行业的局面。

以下为肖风演讲摘录,雷锋网AI金融评论作了不改变原意的编辑:

1975年,标普500公司的无形资产只有几千亿美元,占公司价值的17%,但是到了2018年,标普500公司的无形资产达到19.8万亿美元,占公司价值比例超过83%。今天一个公司的绝大部分资产都是无形资产,这就是数字化迁徙的经济结果。

10月28日,IBM以330亿美元的价格收购了Red Hat,这是一家以社区方式运营的开源软件平台,它大部分的代码不是自己生产的,是由社区开发者共同贡献放到上面的。它一年的收入是29亿美元,一年的利润是2.59亿美元。IBM以市销率10倍、市盈率超过100倍的价格收购了它。在此之前,微软也买了一家差不多性质的开源软件平台Github,花了75亿美元,也是以社区的方式运行,全球有3100万技术开发者。

像这样的公司如何做出估值,给我们资产管理业和基金经理、分析员带来很多新的问题。用传统的估值方法和估值体系,不管PE、PS还是PB,真“P”不出这个价钱来,一定是这个世界发生了一些变化。从这上面我们可以看出来,这公司大部分的价值体现在无形资产上,知识产权、软件系统,数据或者代码的形态上面,不再是厂房、机器、土地等。这个时代发生了非常大的变化,我们原来一整套的认知体系可能需要进行更新,需要进行优化。

我们还看到全球资产管理行业领先者开始在资产管理的流程当中、结构当中,估值方法当中引入一些新的技术,华尔街的这些机构都纷纷宣称自己是科技公司,在技术人才聚集的地方建立办公室,比如卡耐基梅隆大学计算机系主任、谷歌AI+云计算的负责人加盟摩根大通,NASA首席数据科学家加盟贝莱德;微软首席人工智能学家加盟Citadel;桥水、Two Sigma、Man Group……也都拥有自己的“机器学习专家队伍”。

我觉得这个还不够,大部分是在找大数据、AI等等这方面的科学家来加入到资产管理机构里面来,但影响我们资产管理行业的不仅仅是AI,很多技术看似不相关,最终都会影响到我们,比如说移动互联网,其随时、随地、随身的特点使得App成为销售渠道,同时也令投资场景化,像余额宝,如果没有支付宝钱包,没有电商,是不会出现余额宝的。再比如,生命科技也会给我们带来很大的冲击。我今年去硅谷访问两家生命科技公司,他们告诉我10年左右,就会有生命科技的发展,使人平均的寿命活到120岁。那就出问题了,如果60岁就退休还要领60年的养老金,那么养老金怎么设定投资回报,得放什么资产在里面,才能够达到这样的投资回报,这带来投资者风险偏好的改变,带来的风险模型、资产配置都会面临考验。

科技还会改变投资策略。过去十几年被动投资大行其道,当AI技术成熟起来之后,会有更便宜的管理费,更高的超额收益,提供大规模主动化的资产配置。这个时候也许主动投资策略会以另外一种形式,从更高层面,在AI技术帮助之下,重新回到这个市场的中心,成为主流投资策略。

科技也会改变估值方法。就像前面讲的,当一个公司不再是以土地、厂房、机器作为最核心的最有价值的东西的时候,真正无形资产占到整个价值的83%。到这样的程度的时候,估值方法一定会要变化。看巴菲特就看出来,他从2011年好不容易开始买科技股,买了IBM,这是符合巴菲特逻辑的,得要现金流,对股东好,得有护城河,每年花100亿美元回购股票。但结果很不好,之后股东会他检讨说IBM他看错了,后悔没有很早去买亚马逊这样的股票,可是真正的把IBM卖了之后他会买亚马逊吗?他买苹果,确实一直符合他宣扬的价值论、方法论。苹果也有硬件,也有现金流,利润率很高。这是他一贯的东西,我觉得这并没有错,但是现在你又不是80岁、90岁,为什么要完全学他这样的,如果你学习这样一个人,再这样走一遍肯定是输家,所以一定要想清楚,如何看待无形的东西,数字化的东西,如何对它进行估值,怎么样发现价值,为我们投资者分享到企业的成长。

科技也会改变组织结构。越来越多的金融机构说自己是一家科技公司,不能简单的说你是一家科技公司,应该是一个科技场景化的公司。你并不是去研究AI核心算法,那是大学教授干的,AI学家干的,你只是把这些算法在这个场景里做了应用,不断的在具体的业务场景优化这些算法,帮助你提升效率,或者在技术的帮助下开创新的业务模式,算法驱动业务流程,代码成为核心资产。

科技改变的还有核心能力。数据、算法、算力可能会成为一家资产管理公司新的核心能力,这就像电动汽车给汽车行业带来的核心动力的转换一样。传统汽车有上万个部件,奔驰宝马花了上百年时间不断改进汽车引擎,汽车发动机是人家命根子。但是电动汽车的到来,意味着宝马、奔驰最核心的资产,一夜之间作废了。电动汽车的核心是电极、电控、电池。也正是因为有这样大的变化,如果传统汽车厂不能转换这样的核心能力,特斯拉就来革你的命。随着科技的发展,总有一天资产管理行业也会面临这样的核心能力的转换,如果你不转换,就有像特斯拉这样的,带领一群人杀入这个行业来取代你。

科技还将改变市场认知。大家都知道AlphaGo的阶段是把人的无数的棋谱交给机器,让它熟读然后记住,再回来跟人对战。AlphaGo Zero阶段则不再告诉机器人棋谱的数据,只把围棋规则教给机器,机器自己去产生数据,自己训练自己,最后的结果,发展了一套新的围棋的世界观。跟我们3000多年来对围棋的认识不一样,建立了一套新的认知体系,最后战胜人类。AI带来的一套新的市场认知体系是非常非常可怕的,它不一定需要我们找10个基金经理,把最佳实践和最佳认知教给机器,它可以自己产生数据,自己训练自己,最后形成一套对市场的另外的一个全面的认知。

技术也将改变公司结构。像刚才我讲到的微软收购的Github和IBM收购的Red Hat,已经不是我们所熟悉的公司组织形式,是用社区的方式在运行,Github是3100万个技术开发者,根本不是他们的员工,大家把代码放在上面,而且开源,任何人可以直接去读,把代码copy下来放到你系统里面去。

将来在数字技术的帮助下,会有越来越多的商业可能是用社区的方法在运行,不再是严密的组织结构,我们所熟悉的现有的公司结构。社区的方法就是没有上班时间,没有HR管理,也没有财务部管理财务预算等等,就是一帮价值观驱动下的技术极客,没日没夜吃方便面然后写代码,写完了贡献给全人类。

最后,科技带来资产管理行业的文化冲突。原来银行办的资产管理公司,保险办的资产管理公司还有公募办的资产管理公司,在文化上有很大不同,要跟集团文化相匹配,但是银行的文化和资产管理的文化会有冲突,现在这个冲突又加了一层,那就是工程师文化跟基金经理的角色冲突,极客文化和金领文化的差异非常大。现在的资产管理公司是被投资文化,被金融文化主导,那么5年、10年之后是不是会被科技、极客文化所主导,我们已经看到这种趋势。以我为例,我已经多少年不打领带了,已经很久没有添置新的西装了,因为在工程师的文化中你不需要。

更多内容,请关注雷锋网AI金融评论

相关 [数据 算法 资产管理] 推荐:

数据、算法、算力将是资产管理公司新核心能力

- - 雷锋网
雷锋网AI金融评论报道,11月3日,中国机构投资者峰会--2019年资本市场高质量发展论坛在北京举行,中国万向控股副董事长、通联数据董事长肖风在峰会上表示,未来科技将从投资策略、估值方法、组织结构、核心能力、市场认知、公司文化等方面改变资产管理行业. 比如,在投资策略方面,肖风预测道,在AI技术成熟起来之后,也许主动投资策略会以另外一种形式重新回到这个市场的中心,成为主流投资策略.

数据挖掘 - 分类算法比较

- - IBM developerWorks 中国 : 文档库
随着计算能力、存储、网络的高速发展,人类积累的数据量正以指数速度增长. 对于这些数据,人们迫切希望从中提取出隐藏其中的有用信息,更需要发现更深层次的规律,对决策,商务应用提供更有效的支持. 为了满足这种需求,数据挖掘技术的得到了长足的发展,而分类在数据挖掘中是一项非常重要的任务,目前在商业上应用最多.

NoSQL数据库的分布式算法

- - NoSQLFan
本文英文原文发表于知名技术博客《 Highly Scalable Blog》,对NoSQL数据库中的 分布式算法和思想进行了详细的讲解. 文章很长,由@ 可观 进行翻译投稿. 英文原文:《 Distributed Algorithms in NoSQL Databases》. 译文地址:《 NoSQL数据库的分布式算法》.

大数据量的算法面试题

- - 编程 - 编程语言 - ITeye博客
作者:July、youwang、yanxionglu. 时间:二零一一年三月二十六日. 说明:本文分为俩部分,第一部分为10道海量数据处理的面试题,第二部分为10个海量数据处理的方法总结. 出处:http://blog.csdn.net/v_JULY_v. 第一部分、十道海量数据处理面试题. 1、海量日志数据,提取出某日访问百度次数最多的那个IP.

NoSQL数据库的分布式算法

- - ITeye资讯频道
系统的可扩展性是推动NoSQL运动发展的的主要理由,包含了分布式系统协调,故障转移,资源管理和许多其他特性. 这么讲使得NoSQL听起来像是一个大筐,什么都能塞进去. 尽管NoSQL运动并没有给分布式数据处理带来根本性的技术变革,但是依然引发了铺天盖地的关于各种协议和算法的研究以及实践. 正是通过这些尝试逐渐总结出了一些行之有效的数据库构建方法.

可视化的数据结构和算法

- greenar - 酷壳 - CoolShell.cn
还记得之前发布过的那个关于可视化排序的文章吗. 在网上又看到了一个旧金山大学David Galles做的各种可视化的数据结构和基本算法的主页,网址在这里,大家可以看看. 我把这个页面的目录列在下面并翻译了一下,大家可以直接点击了. 不知道国内的教育有没有相关的教学课件,至少在我大学的时候是没有的. Queues队列: 数组实现.

决策树仍是最好的数据挖掘算法

- 无藏 - 36氪
决策树仍是最好的数据挖掘算法:理由如下:. 决策树是白箱「white box」,意味着可以生成简单易懂的规则. 你可以通过查看决策树清楚明白各个分支,明白某个分支的影响,并且将其和其他分支进行对比. 决策树术为非参数「non-parametric」,意味着无需特定的数据分流. 决策树可以轻松应对连续变量和类别变量.

可视化的数据结构和算法

- yan - 博客园新闻频道
  还记得之前发布过的那个关于可视化排序的文章吗. 在网上又看到了一个旧金山大学David Galles做的各种可视化的数据结构和基本算法的主页,网址在这里,大家可以看看. 我把这个页面的目录列在下面并翻译了一下,大家可以直接点击了.   不知道国内的教育有没有相关的教学课件,至少在我大学的时候是没有的.

为什么要学习算法和数据结构

- snowflip - TopLanguage Google Group

MySQL索引背后的数据结构及算法原理

- Mike - 博客园-EricZhang's Technology Blog
在编程领域有一句人尽皆知的法则“程序 = 数据结构 + 算法”,我个人是不太赞同这句话(因为我觉得程序不仅仅是数据结构加算法),但是在日常的学习和工作中我确认深深感受到数据结构和算法的重要性,很多东西,如果你愿意稍稍往深处挖一点,那么扑面而来的一定是各种数据结构和算法知识. 例如几乎每个程序员都要打交道的数据库,如果仅仅是用来存个数据、建建表、建建索引、做做增删改查,那么也许觉得数据结构和这东西没什么关系.