金融科技專題報告：全球領先的投行與資管如何自建科技生態
來源：未來智庫 發佈時間：2020-10-26
溫馨提示：如需原文檔，請登陸未來智庫官網www.vzkoo.com，搜索下載。
報告綜述
全球領先的頭部金融機構大多傾向於自建 IT，並通過自身 IT 基礎設施對外輸出 形成科技生態。究其原因，自建 IT 並構建科技生態的主要優勢是，其不僅可以 支撐自身業務發展，還可以對外輸出自身科技能力並實現變現，最重要的是可以 形成相對於競爭對手的獨特優勢。
發現
趨勢:頭部投行與資管自建 IT 是確定性趨勢。根據 TABB 統計，在 10 家歐美第 一梯隊的投行和資管機構中，2010-2014 年自建與第三方 IT(包括硬件、軟件、 數據等服務)的平均比例爲 3.14:1。從不同頭部機構的系統建設情況來看，高盛、 貝萊德基本完全自建 IT 系統，摩根大通、摩根斯坦利、Two Sigma、State Street 均自建了核心 IT 系統。
生態:基於風控與 IT 構建生態形成三層壁壘。第一層，風控能力自身具備網絡 效應，頭部機構搭建大規模的風控平臺，獲取規模經濟效應，實現相對於其他機 構的壁壘。第二層，開放風控與 IT 能力，形成開發者生態，頭部金融機構通過 開放風控與 IT 能力，與第三方開發者對接，形成開發者生態。第三層，免費對 外開放能力，依託自身牌照優勢，爲業務引流，形成金融生態。
變現:“醉翁之意不在酒”。傳統金融機構可以通過對外輸出自身 IT 實現變現， 目前貝萊德的 Aladdin 銷售收入已經佔其收入比例近 7%。更重要的是，結合科技 生態，傳統金融機構可以實現業務層面的變現，包括提升傳統業務的效率(如 Aladdin 助力貝萊德投資業務)、助力新業務快速拓展(如高盛拓展零售銀行)、 或者是直接實現業務收入(通過生態內科技企業投資，高盛直投以及財富管理業 務實現直接收益)等。
投資建議
全球領先投行以及資管機構能夠自建科技，並形成生態，其基礎是遠超平均水平 的投入。以高盛爲例，2017 年有 1/4 左右的僱員(9000 人左右)具備 STEM 學 位，招聘崗位中有近一半是科技類崗位。目前國內資本市場尚沒有具備相應體量 投入的金融機構，因此我們預計距離全面自建 IT 仍有較長的週期。在這一背景 下，第三方 IT 公司仍有充分的發展空間。
核心邏輯：風控爲核，生態爲先，變現角度多樣，頂級投行與資管自建 IT 是確定性趨勢
1、監管加強、傳統業務承壓、IT 能力不足以支撐業務拓展，成爲困擾頭部金融機構的主 要問題
商業模式承壓，傳統業務收入下滑。金融機構傳統業務主要基於交易額收取一定佣金、 管理、手續費用。由於競爭加劇、服務同質化、政策變化等因素，傳統業務的交易額、 費率逐步下降，導致金融機構的收入受到擠壓。以高盛爲例，全球市場業務條線（Global market，固收+權益）收入在 2007-2019 年間，由 312 億美元跌至 148 億美元。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
金融危機背景下，監管不斷加強，金融機構降低合規成本成爲最大訴求。監管環境日益 複雜，美國與歐洲的多項監管法案在金融機構報送、稅務、雙邊風險管理等方面都做出 了更爲嚴苛的要求。金融機構面臨的合規性成本也相應上升，根據估計自 2008 年以來銀 行在罰款、和解上支付了超過 3,210 億美金，每年合規成本 2,700 億美金，且至 2022 年 可能翻倍。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
IT 能力不足以支撐業務，帶來較大損失。在金融業務複雜度不斷提升的背景下，傳統 IT 系統對於創新業務的支持力度不足，導致業務無法正常開展，或者無法規避創新業務開 展中的風險。如 2012 年摩根大通的“倫敦鯨”事件，在一次交易中產生了 65 億美元的 鉅額虧損。其主要原因是公司內部缺乏自動化建模工具，業務人員基於 excel 手工建模， 且模型中存在的錯誤未按模型檢查小組（Model Review Group）意見修正。
2、風控：算力與數據是核心競爭力
資本市場業務圍繞風險展開。金融機構從事的主要業務均圍繞挖掘風險、迴避風險、通 過承擔風險獲取對應收益等展開。例如，財富管理業務爲高淨值客戶挖掘特定風險，資 產管理、投資銀行業務通過承擔對應風險（如 IPO 餘額包銷等）獲取報酬，衍生品業務 可以幫助客戶獲取或規避特定風險等。
因此，頭部投行與資管均在風控領域投入遠超平均水平。資本市場擁有數以億計的高頻 價格數據、龐大頭寸、情景假設等，一個完善的風控系統需處理大量複雜數據。例如， 高盛自建 SecDB 數據庫，做出證券定價、分析潛在交易並監控風險，貝萊德打造 Aladdin 風控平臺，管理投資組合的績效、風險與敞口。二者均以龐大的算力投入作爲支撐，SecDB 由 1500-4000 萬行代碼組成，每日需計算 2300 萬個價格、管理 280 萬個頭寸，Aladdin 有 11 個數據中心進行支持，運行着數十億個金融場景預測。
3、生態：基於風控與 IT 構建生態形成三層壁壘
第一層壁壘：風控能力自身具備網絡效應。風控能力取決於對於不同風險因素、不同場 景的模擬測算，用戶數越多、使用頻率越高，其測算越全面準確。因此貝萊德提出 “Collective Intelligence”（集體智慧）理念，通過超過兩萬個用戶的個性化使用，提升自 身的風控效果。
第二層壁壘：開放風控與 IT 能力，形成開發者生態。頭部金融機構通過開放風控與 IT 能 力，與第三方開發者對接，形成開發者生態。自身 IT 能力也可以與投資能力結合，將 IT 輸出賦能到被投金融科技企業，有助於被投企業快速成長。例如高盛推出 Marquee 講自 身 SecDB 的能力對外開放，貝萊德也推出 Aladdin Studio 與 Aladdin developer，開放其平 臺能力。
第三層壁壘：免費對外開放能力，爲業務引流，形成金融生態。金融機構具備牌照優勢， 免費對外開放風控與 IT 能力的最終目的是爲業務引流，最終實現變現。如高盛嘗試提高 結構化票據在經紀商渠道中的滲透率，因此開放 SIMON 應用爲客戶免費提供結構化票據 產品學習、風險評估等功能，爲業務引流效果顯著，運營第一年則吸引近 2 萬億美元資 產。
4、變現：“醉翁之意不在酒”
直接銷售是最直接的變現方式。與第三方廠商類似，頭部金融機構也可通過直接銷售將 自身 IT 能力變現。貝萊德通過 BRS 銷售貢獻的收入從 2010 年的 4.6%提高的 2019 年的 6.7%，公司計劃在 2022 年達到 30%。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
交易額分成等類似於研究佣金的收費方式也可以實現。得益於牌照優勢，金融機構相對 於第三方機構的變現方式更加多樣。類似於傳統股票交易中通過佣金等方式爲研究付費， 客戶也可以通過佣金方式爲 IT 服務如資訊、風控數據等付費。貝萊德通過 Aladdin 創造 投資中的 Alpha 收益、進行產品創新，從而實現間接的科技變現。
5、趨勢：頭部投行與資管自建 IT 是確定性趨勢
全球範圍內看，頭部金融機構自建 IT 是常態。根據 TABB 統計，在 10 家歐美第一梯隊的 投行和資管機構中，2010-2014 年自建與第三方 IT（包括硬件、軟件、數據等服務）的平 均比例爲 3.14:1。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
從賣方看，高盛基本以自建 IT 爲主，其他投行的核心繫統也通過自建實現。高盛在賣方 機構中自建程度最高，不使用完全獨立的第三方 IT 系統。高盛使用的外部產品多來自於 收購或投資公司，如 Cadre、Kensho 等。摩根大通的 RiskMetrics 數據庫也是自建成果， 與Cazenove的合資子公司在2005年採用GBST的Syn settlements作爲Cash markets系統， 但在 Cazenove 成爲摩根大通合資子公司後，該系統亦轉爲自建。
頭部資管機構也通過自建或收購形成自有 IT，並對外輸出。貝萊德自建並輸出 IT 起步較 早，其自建 Aladdin 系統在市場中擁有絕對競爭優勢，我們將在後文詳細分析。2019 年 道富集團也通過收購原第三方 OEMS 供應商 Charles River，推動自建 IT 對外輸出進程。 此外規模相對較小的資管機構也是市場內玩家：量化投資機構 Two Sigma 自建數據和風 險管理工具 Venn；Alliance Bernstein 持股 Algomi，對外提供 ALFA、PIMCO 等工具。
1、高盛：打造華爾街的谷歌
高盛將自身比作“華爾街的谷歌”，打造科技生態。投行業務圍繞着風險展開，高盛將風 控作爲最重要的能力，並打造 SecDB 數據庫作爲立身之本。通過開源其能力，高盛逐步 打造圍繞着自身業務、被投企業、第三方機構而形成的科技生態。這一生態在不同業務 部門通過不同方式實現了直接或者間接的變現。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
1.1 風控爲核，歷時 30 年打造核心風控平臺
賣方業務圍繞風險展開。根據高盛前 CIO 及前 CFO Martin Chavez，賣方業務從事的是承 擔風險（如 IPO）、匹配風險（根據客戶意願在兩個客戶之間轉移風險）以及挖掘風險（如 幫助客戶尋找投資機會）等。業務性質可類比於搜索引擎，幫助客戶找到對應的風險， 因此高盛努力將自身打造成“華爾街的谷歌”。
作爲支持所有業務的核心，高盛自研 SecDB（Securities Database）支持風控。20 世紀 90 年代高盛開始使用自創的 Slang 語言構建 SecDB 數據庫，整個數據庫包括 1500-4000 萬行 Slang 代碼，實現跟蹤和管理全公司的風險。從技術架構來看，SecDB 本質是一個分析數 據庫，具有高性能的併發讀寫特徵。同時支持分佈式結構部署，具有面向對象的可擴展 性。因此 SecDB 類似於一張電子表格，單線程、計算快，可以令倫敦、東京和紐約的用 戶同時看到實時的數據變化。從業務功能來看，SecDB 幫助高盛實現跟蹤和管理全公司 的風險。在導入頭寸、客戶成本/佣金等業務數據後，SecDB 功能包括爲證券定價、分析 潛在交易並監控風險。
SecDB 目前已成爲高盛內部最核心的系統之一。SecDB 是高盛主要的自研成果，是公司核 心競爭優勢之一。市場普遍認爲，在 2008 年金融危機時，SecDB 強大的風控能力令高盛 避免了多個市場極端情況下的重大損失。因此在 2019 年戰略轉變前，高盛始終拒絕對 外售賣 SecDB 使用權。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
1.2 生態爲先，Marquee 將自身能力無差別對外開放
打造生態，高盛通過 Marquee 開放自身能力。一方面，金融危機後監管對自營交易下達 禁令，SecDB 對高盛的收入貢獻減弱，另一方面高盛自身積極尋求轉型，希望通過平臺 方式開放自身風控能力，形成生態。因此，高盛基於 SecDB 打造 Marquee 平臺，並於 2019 年 4 月宣佈客戶直接與基於 SecDB 的 Marquee 進行交互，通包括數據提取、定價引擎和 其他功能。客戶通過 Marquee API 訪問 SecDB 可以降低基礎設施開銷，並根據提供的服 務減少投放市場的時間。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
Marquee 覆蓋“交易生命週期”全階段，實現全流程賦能效果。高盛提出“客戶交易生 命週期”概念，並計劃通過 Marquee 內部的 GS Markets、SIMON、Marquee Trader 等多 個應用程序覆蓋交易週期全階段，爲外部客戶賦能。Marquee 的進一步發展目標是打造 成世界級的金融服務與風險管理平臺，推動大宗股票交易電子化，允許接入多種投資應 用。
► GS Markets 提供實時信息和研究成果。不僅提供全球股票、商品、債券、掉期利率 以及超過 100 個外匯交叉提供實時價格，還提供來自內部機構客戶服務團隊和研究 團隊的最新研究成果。
► SIMON 打通結構化投資市場。SIMON 全稱爲 Structured Investment Marketplace and Online Network（結構化投資市場和在線網絡），幫助客戶瞭解結構化投資並執行交 易。SIMON 令高盛在獨立的區域性公司之間開通新的第三方分銷渠道。2017 年已有 18 家經紀公司簽署 SIMON，即意味着通過 SIMON 可接觸上千名投資顧問，以及其 名下管理的約 2萬億美元的客戶資產，幫助高盛在票據業務上獲得市場第 4的地位， 有效擴大了高盛的商業影響力。
► Marquee Trader 是外匯和商品電子執行平臺。該應用程序同時應用於外部客戶和高 盛內部銷售人員。隨着市場動態數據的改善和用戶採用率增長，2017 年 Marquee Trader 客戶平均每日交易量超過 100 億美元，同比增長超過 40%，用戶數量同比增 長超過 20%。
► Trade Tracker 注重交易後管理。該應用程序可以幫助客戶監視交易並根據市場情況 變化管理頭寸，並從理論上分析新交易對現有風險敞口的影響。客戶可通過 Trader Tracker 獲取詳細的實時分析，以重組期權組合。目前高盛內部主要將 Trader Tracker 用於股票期權，外部客戶將其較多用於外匯期權。
► Strategy Studio 構建跨資產投資組合。Strategy Studio 允許客戶使用股票指數、固定 收益指數和 GS baskets 快速建立和分析自定義投資策略。同時還提供回測和其它高 級功能，以每天監控和管理投資組合。
1.3 從技術與組織兩個層面確保 IT 戰略落地
1.3.1 技術：積極擁抱雲計算、大數據、開源等創新技術
基礎設施上，積極與雲廠商合作。在高盛自研過程中，Marquee、GIR 以及 ClearFact 平臺 均部署在亞馬遜公有云。公有云令傳統產品獲得新賦能，以 GIR 爲例，高盛將原有研究 門戶網站的核心功能都遷移上雲，以獲得高適應性和高性能，並藉此向非傳統客羣進行 拓展。
大數據應用上，形成數據湖，沉澱海量數據。高盛建立數據湖，整合有關交易、市場和 投資研究的信息，以及通過電子郵件、語音電話和即時消息等各渠道的市場觀點。將所 有數據整合一處後，讓機器進行學習，沉澱海量數據。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
開源技術上，合理使用技術，節約時間和成本。如前所述，在 Marquee 等平臺的前端應 用中，高盛通常自研以形成差異化優勢。而在相對同質化的後臺中，高盛大量使用了 React， Elasticsearch，MongoDB 和 D3 等多項開源代碼與技術知識，以準確、低成本地執行後臺流程。開源代碼的使用有效節約了 IT 人員成本，令其專注於高附加值工作（如風控、交 易算法等），而非基礎功能。
1.3.2 組織：從科技、投資、協同三個方面確保 IT 戰略有效落地
科技人才：高盛擁有龐大的技術人力支持。2017 年高盛近 1/4 員工擁有 STEM 學位，近 9000 人。同年，根據 CB Insight 統計，在高盛招聘的崗位中有多達 46%的技術相關崗位， 其中平臺開發的人才需求最大，其次爲運營工程師和股票技術崗位。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
投資支持：PSI（Principal Strategic Investment）團隊通過投資實現業務合作。PSI 團隊與 證券（Securities，包括權益與固收）、運營、科技、投行等團隊密切合作，實現通過投資 初創科技公司，尋求業務合作，達到協同的作用。由 PSI 投資的初創企業大多爲金融科技、 企業服務、交易所基礎設施等領域的創新創業公司，與高盛的主業有較強協同作用。目 前 PSI 已經併入高盛成長企業投資條線 GS Growth。
內部協同：數字戰略集團（DSG，Digital Strategies Group）推動數字化轉型。2016 年高 盛成立 DSG 部門，協調不同部門間的數字戰略，同時確保證券部門（Securities，包括權 益與固收）的執行落地。在數字化轉型過程中，權益（Equity）與固收（FICC）部門開發 了較多的應用與工具，爲確保減少資源浪費，統一客戶體驗，特設立 DSG 部門，2019 年 DSG 部門由 CTO Boe Hartman 領導。
1.4 成效：形成自身科技生態圈、快速孕育新業務
直接實現業務收益。依託於高盛自身的背書、業務以及發展，部分被投公司實現了較好 收益，例如 Direct Edge 通過併購退出，Tradeweb 於 2019 年實現上市等。同時，一級市 場投資也支撐了其財富管理業務，如地產投資平臺公司 Cadre 獲得了高盛私人銀行客戶 的 2.5 億美元投資（2018 年）等。
依託於自身科技能力，快速實現業務快速擴張。通過構建技術能力，高盛實現了業務的 快速拓展與擴張。2016 年高盛成爲銀行控股公司，並取得相應牌照，能夠向零售客戶進 行銷售。在 11 個月內，高盛通過其開放平臺 Marquee 快速開發了 Marcus 借貸平臺，消 費者提供個人貸款。截止 2017 年 4 月，GS Bank 的存款達到了 1150 億美元，成爲美國排 名前 25 位的銀行之一，GS Bank 的個人存款爲高盛提供了比傳統資金來源更低成本的資 本金，Marcus 也成功將高速客羣從高淨值客戶、機構投資者拓展至零售消費者。
2、貝萊德：頭部機構如何成功輸出自身能力？
貝萊德基於自身風控能力實現了技術的同業輸出。貝萊德由於依靠其自身出色的風控能 力，打造了 Aladdin 資管與風控平臺，實現了其在大量同業資管機構的輸出。基於這一平 臺，貝萊德不僅在買方系統市場取得了領先市佔率，還實現了自身投資業務的快速發展。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
2.1 貝萊德基於風控優勢打造 BRS
貝萊德在風控領域具備較強優勢。貝萊德在風控意識上領先於競爭對手，在早期貝萊德 已經前瞻性地認識到風險管理重要性，並致力幫助投資者理解他們所持債券組合中蘊含 的風險，以此爲起點爲機構客戶提供資產管理服務。風控能力也成爲貝萊德差異化核心 優勢，讓公司迅速發展，成爲全球 AUM 第一的資管公司。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
基於風控優勢打造 BRS，逐漸以 Aladdin 爲中心。2000 年，貝萊德成立 BRS（BlackRock Solutions），對外輸出技術。BRS 以貝萊德的資管與風控平臺 Aladdin 爲主要業務，同時包 括 FMA（Financial Market Advisory，爲金融機構提供諮詢服務）與外包兩類業務。自 2017 年以來，Aladdin 的收入已佔 BRS 收入的 100%。
2.2 Aladdin 以數據算力爲基，六大模塊爲柱，形成功能全面的一體化平臺
算力是 Aladdin 強大風控能力的基石。截止 2018 年，有 11 個數據中心支持 Aladdin 運行 數十億個經濟場景預測，並基於預測檢查客戶投資組合中的每一項資產，對投資組合進 行測試。同時重要歷史事件也被記錄在數據庫中，包括利率和匯率變動、惡劣天氣災難 等，以便通過蒙特卡洛模擬建立統計模型，計算重大事件對其管理資產所存在的潛在影 響。
大數據之上，覆蓋全生命週期與不同業務條線。Aladdin 將複雜風險分析、全面投資組合、 交易、運營、合規和會計工具結合在一個平臺上，由 Enterprise、Risk、Provider、Accounting、 Wealth 和近期收購的 eFront 六大模塊組成，涵蓋所有資產類別的全生命週期。同時，不 同業務模塊也覆蓋不同業務條線，爲多類客戶羣體提供服務。
► Risk：可獨立於 Aladdin 平臺進行單獨提供的模塊。Risk 結合了貝萊德強大的風險分 析和高擴展性處理能力，通過提供可配置報告、假設分析工具，幫助客戶瞭解投資 組合的績效、風險與敞口，以快速、準確做出投資決策。其目標客戶包括風控經理、 投資組合經理、合規人員、執行人員、投資委員會以及董事會。
► Accounting：爲金融機構提供定製化會計服務，包括數據管理、交易和託管業務、 衍生品業務、對賬和績效衡量等。與 Risk 模塊相輔相成，爲後者提供績效和財務方 面的數據，共同衡量投資組合績效並提供風險分析報告。
► Wealth：Wealth 是財富管理平臺，幫助財富管理機構構建符合其投資者需求的投資 組合，解決財富管理機構的合規壓力、費用壓力。其優勢在於：1）投資組合深度分 析，通過資產類別、地理位置、風險因素、複雜情景分析等多途徑瞭解投資組合風 險敞口。2）生成投資提案，隨着市場觀點和需求變化，生成投資建議，重新調整客 戶投資組合。3）商業信息，爲財富管理機構提供所有行業、地域、業務的企業信息， 進一步瞭解商業模式和行業趨勢。4）警報提醒，自動識別需要關注的客戶和投資賬 戶，讓數據驅動業務。
► Provider：通過技術手段，如實時視圖、共享工作流程、Alaadin 專有界面等，連接 資產經理和資產服務人員，在投資流程中實現高效的交互。另外，Provider 也提供 自動化處理，降低資產經理和資產服務人員在託管和會計過程中的手動操作。
► Enterprise：面向投資專業人員的操作系統，應用於投資流程。
► eFront：在被收購之前，eFront 是擁有超過 20 年經驗的另類投資管理解決方案供應 商。通過 eFront 用戶可以管理投資組合中的私人資產，瞭解風險和績效歸因，並提 高投資透明度。
2.3 通過“集體智慧”（Collective Intelligence）形成網絡效應，構築壁壘
Aladdin 通過一體化平臺輸出全面投資能力。市場普遍認爲一體化平臺是未來發展趨勢， 如與 Aladdin 齊名的 Simcorp 也在打造從前到後的一體化系統。SImcorp CEO 認爲投資者 想整合“零散、高成本投資業務”的需求待釋放，多合一投資技術是大勢所趨，Aladdin 的成功就得益於其高集成度。
支撐“集體智慧”，通過網絡效應構築。截止 2019 年 Aladdin 平臺支撐 200 餘個機構投資 經理，24 萬個用戶，管理 650 萬個投資組合，據估計覆蓋了 20 萬億美元的資產（貝萊 德自身管理規模爲 7 萬億美元左右），佔全球比例 10%5。在 Aladdin 平臺上，可以提供個 性化的風控策略以及投資策略構建，提高多樣性，避免系統性風險。同時，基於用戶反 饋，可以進一步提升平臺策略以及數據的複雜度，提升其準確度，形成網絡效應構築壁 壘。
2.4 通過系統銷售與推動投資業務創新兩種路徑變現
用戶數快速增長，風控是主要採購動力。回溯 Aladdin 收入表現與機構客戶數，2012 年 歐債危機後，截止到 2015 年 Aladdin 客戶數迅速增長，3 年累計增長 109 家新機構客戶， 遠超 2015 年後客戶增長速度。客戶的累積在 2016 年業績得到體現，2016 年 Aladdin 平 臺收入實現 25%增長，是 2010-2019年間最高增速。我們判斷歐債危機後，Blackrock Aladdin 的亮眼業績來自於其債券風控傳統優勢，是客戶採購的主要動力。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
對外輸出成果斐然，Aladdin 成爲業內兩大巨頭之一。經過 20 年深耕，Aladdin 對外輸出 成果斐然，與第三方 IT 供應商 Simcorp 開發的 Dimension 系統成爲買方 IT 市場兩大巨頭， 二者合計管理全球超過 30 萬億美元的資產。2019 年 Aladdin 年收入爲 9.74 億美元，機構 客戶數已超過 200，在 Top 200 投資經理/Top 100 養老基金/Top 250 保險公司中分別佔據 20%/23%/17%份額。 Aladdin 收入貢獻同樣亮眼，2017 年後 Aladdin 幾乎取代 FMA 與 Outsourcing 貢獻 BRS 全部收入。
貝萊德藉助 Aladdin 促進投資業務的增長。在科技類收入之外，貝萊德基於 Aladdin，還 促進了傳統資產管理業務的發展。包括基於 Aladdin 平臺挖掘投資 Alpha、產品創新等直 接促進投資產品的發展，通過規模化分銷實現產品銷售，以及針對客戶實現的定製化整 體解決方案。
3、發展：未來的資本市場需要怎樣的 IT？
3.1 技術：雲計算、大數據和 AI 全面應用
不同類別的技術全面應用於前、中後臺。AI/ML（人工智能/機器學習）及其相關技術 IWA （Intelligent workflow automation，智能工作流自動化）、PA（Predicative analysis，預測性 分析）、NLP（Natural Language Processing，自然語言處理）等和雲計算使業務流程的效率 和有效性達到新水平，並有量子計算等技術用於滿足金融機構的特定需求。因此大型金融 機構和第三方 IT 公司日益關注 AI 與雲計算等技術，推動新一輪技術革新。
3.1.1 雲計算：前臺交易系統雲上託管基本完成，下一階段雲計算技術將集中解決中後臺 數據難題
前臺交易系統雲上託管基本完成，典型第三方 IT 公司重複性收入佔比高。託管是雲計算 SaaS 的前身，意味着第三方 IT 供應商可以在自己的數據中心運行軟件，而不是在客戶自 己許可的場所運行。因此公司經常性收入佔比較高，收入可預測性強。我們以提供託管服 務的 Fidessa 和 Simcorp 爲例：
► 2011 年時 Fidessa 已經實現向交易系統雲交付的過渡，託管（Hosted）的收入佔全年 收入過半；重複性收入從 60%以上達到 80%。
► 2019 年，SimCorp Dimension 即服務（託管）解決方案獲得 4 個新客戶，總託管客戶 達到 21 個。Simcorp 年收入的大約 85%來自現有客戶，而重複性收入佔比則超過 50%。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
下一階段雲計算爲後臺提供更強算力與彈性。國內與海外均有部分金融機構選擇在雲上部 署平臺基礎架構，以獲得更優的算力與彈性。如貝萊德的 Aladdin 以及 Charles Rivers Development 的 IMS 基礎設施均託管在 Microsoft Azure 雲平臺上，以獲得更大的算力來加 速創新，並加快新功能的解鎖與研發。平安證券也與金融科技公司 Finastra 的合作，在其 雲上部署靈活且易於集成的風險管理平臺，從而迅速擴展其資本市場業務、支持更廣泛的 金融工具並縮短產品上市時間。
3.1.2 大數據：集成化大數據支持金融市場各類參與者決策
現有數據架構存在缺陷，新集成數據架構是建設目標。目前的數據架構存在較爲嚴重的低 效問題，數據從不同的數據方分發給不同客戶，存在大量重複與冗餘。高盛提出的新數據 架構基於 API，將交易所、供應商等多方產生的數據集中到數據服務中心，再分發給客戶。
3.1.3 金融機構自動化正在進行時，AI/ML 相關技術降低運營和人工成本
金融機構自動化進度尚不足半，中後臺落後於前臺更新步伐。根據 Adox Research 的調查， 完全實現端到端自動化的金融機構僅 18%，不到五分之一。而超過一半的金融機構自動化 程度不到 60%。自動化程度低的原因主要是中後臺操作流程零散，數據孤島形成，難以跟 上前臺創新步伐。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
積極運用 AI/ML 技術，提高自動化程度，實現降本增效。資本市場主要運用 AI/ML 技術 進行自動化處理，實現交易中和交易後流程優化，減少了交易完成時間和交易後結算錯誤。 一方面，通過自動化數據的收集、彙總和分析，金融機構可以在無人工干預的情況下執行 低價值、低風險的訂單，節省人力成本；另一方面，金融機構能夠將寶貴的時間花費在生 成 alpha 和管理風險上，提升業務價值。
3.1.4 其它專項技術解決金融機構細分領域難題
量子計算用於複雜計算的風險管理。風險計算需要在複雜的模擬中進行大量計算，並且如 果該算法具有可以基於現有信息構建的自學習模塊，則可以增加新的層次和能力來更好地 管理風險。IBM 與摩根大通合作，將量子計算應用於交易策略，投資組合優化，資產定價 和風險分析。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
智能合約提高交易透明度，降低人爲操縱可能性。因資本市場交易通常涉及多箇中介機 構的參與、不同階段的清算，因此交易時延嚴重、透明度低。基於分佈式分類帳技術（DLT） 的智能合約可以判斷交易是否滿足標準，滿足則由計算機系統自動執行，在交易完成後 實時進行結算，無需結算和存管的中介機構。智能合約不僅通過自動結算減少交易時間 和交易執行中的失誤，還提高了交易透明度、防範資本市場人爲操縱的可能性。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
3.2 前、中、後臺分別朝快速、厚重、敏捷方向進行改造
3.2.1 前臺交易朝高性能、自動化演進，充分利用中後臺產生的大量數據
交易量大幅增加，金融機構尋求自動化交易平臺以支持算法和高頻交易策略。全球金融 市場交易量與交易複雜程度都在提升，如：全球 OTC 衍生品的平均月交易量在 2010 年增 長 17%，美國以及歐洲和亞太地區的高頻交易量持續增加。因此前臺交易面對的挑戰有： 1）容納和管理更爲大量的數據；2）對於高頻交易儘量實現最小延遲；3）支持跨地區、 跨資產。金融機構均尋求高度自動化的交易平臺以應對挑戰。
AI 與大數據共同輔助前臺，提高自動化程度並輔助決策。AI 能實現自動化投資、推動更 高 Alpha，也能在交易過程中更好地進行實時貿易欺詐檢測。如法國巴黎銀行自主開發的 AI 交易匹配工具 Smart Chaser 可預測交易需要人工支持的可能性，MarketAxess 的機器學 習工具 Composite +可自動定價。集成數據架構則可講中後臺產生的大量數據進行標準化 處理，通過 API 方式提供給前臺各類角色，支持多項業務決策。
3.2.2 中臺職責擴展、業務加重，多項技術提升效率
傳統中臺僅作爲前臺投資和後臺會計系統之間的轉換層。中臺的主要作用是前臺無需在 其會計系統規定的特定帳戶結構中進行交易，同時確保後臺可以接收所需的數據。 傳統 的中臺職能包括頭寸管理，交易確認和結算，公司行動處理，抵押品管理，現金和頭寸 對賬以及維護公司的安全主管。 行業趨勢對中臺提出更多要求，中臺需承擔更多職能：
► MiFID II 增加中臺合規成本和工作量。MiFID II 規定令交易流程更爲複雜，如交易中 需驗證代客交易的標識符、交易後研究付款必須與交易佣金分開。中臺的交易後管 理難度以及協調負擔同步加重。
► 投資組合複雜性提升中臺估值難度。隨着資本市場成熟，投資經理逐漸使用更爲復 雜的投資工具和策略以提高回報，如場外衍生品等。因此中臺提供資產評估服務的 難度相應增加，需保持準確和實時的分析和估值以支持前臺風控和資產組合管理。
► 國際化加重中臺工作量和工作時長。資產管理公司日益國際化，多交易臺和 24/7 操 作越來越普遍。中臺的負擔相應加重，一方面需要與每個司法轄區的監管和清算慣 例保持一致，另一方面工作時間延長，需實時提供各部門現金和頭寸。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
IWA、PA、NLP 等相關技術大幅減少人工操作，不同程度降低各環節成本。IWA 的特性在 於自動識別、刷新，因此多用於中斷修復、抵押品優化和月度對賬。PA 的數據挖掘和建 模能力在財務過程中能發揮較爲重要的作用。NLP 結合 OCR（光學掃描識別）後，進一步 深化讀取、掃描、提取功能，可在處理重大事件時或複雜 OTC 交易時減少人工操作。
金融科技專題報告：全球領先的投行與資管如何自建科技生態
3.2.3 後臺開發注重敏捷性，SAFe 與 DevOps 技術已投入使用
爲適應前臺的快速變化，後臺朝敏捷性發展。如前所述，前臺交易量大幅增加，交易量 的增加不僅影響了公司的前臺業務，而且對後臺應用程序產生了重大影響。因此，金融 機構後臺尋求敏捷的開發和交付方式，提高效率。敏捷性可以縮短項目週期，提高質量 和可預測性。並快速適應不斷調整的企業戰略變化。
部分科技公司已推進敏捷開發進程，SAFe 與 DevOps 等相關技術開始投入使用。典型的 第三方 IT 供應商 Murex 在研發 MX.3 資本市場平臺過程中積極運用 SAFe（可伸縮敏捷框 架）和 DevOps 技術。SAFe 技術有助於實現可擴展性，可預測性和戰略目標適應性。DevOps 的試點實施則從平臺配置、數據驗證等多方面改變 IT 和業務團隊的思維和工作方式，最 終通過持續測試和持續集成實現敏捷交付。
……
（報告觀點屬於原作者，僅供參考。作者：中金公司，黃丙延、錢凱）