机器学习、数据科学与金融行业
系列十四：人工智能，大数据和投资管理（7）
6. AI和大数据助推债券投资组合管理（中国人寿资产管理有限公司和中证信用增进股份有限公司）
• 背景
中国人寿(CLAMC)是中国最大的资产管理机构，包括国内和国外的公开市场、共同基金、另类投资以及其他投资领域。中国人寿管理的资金到2018年底超过3万亿人民币(约4360亿美元)，主要投资在其固收类投资组合。因此，对于中国人寿来说，有一个技术解决方案非常重要。
中证信用 (CSCI)是一个信用管理技术服务提供商。CreditMaster是一个合成的信用管理解决方案，针对中国债券市场。在2018年七月，CLAMC开始使用CreditMaster。
• 方法论
中国债券市场的成长期相对较短，也面临各种各样的披露问题，且缺乏产品标准化，但目前拥有13万亿美元的市值。CLAMC的投资组合中有3300亿人民币的国内债券。CLAMC需要一个技术解决方案，既能够对固收产品进行估值，也能够监视市场变化和个别事件。
CreditMaster提供了多个功能来满足CLAMC的需求：
1） 信用风险数据，包括实体、金融机构相关数据，风险告警，一个信用评估引擎和评估历史，用户访问权限。
2） 信用评估引擎与评级机构或可产生定制化评级的第三方协同，基于前面所提的数据和其他数据，整个过程是实时的。
3） 分析模块将CreditMaster集成到信用分析和风险管理工作流中。该模块允许客户根据其自己的经验和分析来调整模型参数。
4） 自动生成分析报告
这个解决方案可以用来做信用分析，也可以被投资组合经理所使用，当然还可以在投资监控过程中被CLAMC的核查团队所使用。这个系统在信用分析和投资过程中完成了80%的分析、模型建立和训练工作。公开信息包含公司年报、财务陈述、法律程序、合规填充和新闻等，所使用的数据囊括了20，000多个权益和债券发行商以及相关金融机构，另外还有1700个地方政府发行的债券。
CLAMC的分析师和投资组合经理使用逻辑回归来预测违约率的似然性。系统也会推荐证券基于其风险和收益特性，自动产生告警。
总的来说，CreditMaster为分析师和风控人员在收集数据，阅读新闻，生成报告等多方面节省了时间。
• AI/Big data技术
AI和机器学习模型为投资专家在监控复杂的风险相关信息上提供了工具，包括：
1） 分布式网页爬虫系统
2） NLP，帮助从动态非结构文本数据中提取信息，使用Simhash算法来找到相同主题的文章和30%的相关文章。
3） 实体识别采用BiLSTM（双向长短期记忆网络），帮助分辨文章专注于某个主题或只是提及到。
4） 语义分析采用的是文本卷积神经网络，结合负面信息识别，可达到90%的正确率。
5） CSCI使用知识图谱建立了容纳7千万个企业，包含了上亿个股权所有者；系统可以利用知识推理技术进一步挖掘关联企业，从而帮助避免风险传播。
• 团队结构和开发过程
CSCI的团队的工作包含从风险建模到系统开发，主要角色包括：
1） 信用分析师
2） 量化研究员提供量化和机器学习技术
3） 数据科学家
4） 工程师，这是团队中人数最多的
5） 产品经理
• 关键点
开发这样一个系统需要多种技能
前面所提的五个职位非常必要
保持和客户沟通，持续得到反馈，迭代开发
