Fintech核心技術(shù)及其在期貨市場中的應(yīng)用

大數(shù)據(jù)

基本定義

大數(shù)據(jù)指的是一種規(guī)模大到在獲取规丽、存儲蒲牧、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合赌莺，具有海量的數(shù)據(jù)規(guī)模冰抢、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類型和價值密度低四大特征艘狭。大數(shù)據(jù)通過對海量數(shù)據(jù)的收集挎扰、處理和展示，使人類第一次可以無限接近真實地了解自然和社會巢音，從而揭示規(guī)律遵倦，預(yù)測未來。大數(shù)據(jù)能夠幫助各行各業(yè)的企業(yè)從原本毫無價值的海量數(shù)據(jù)中挖掘出用戶的需求官撼，使數(shù)據(jù)能夠從量變到質(zhì)變梧躺，真正產(chǎn)生價值。近年來傲绣，經(jīng)過多年的發(fā)展和積累掠哥，在互聯(lián)網(wǎng)及智能硬件快速普及的當下，數(shù)據(jù)以爆炸方式增長秃诵，數(shù)據(jù)無論是在數(shù)量续搀、速度還是種類上都發(fā)生了顯著的變化。

資料來源：36Kr

技術(shù)構(gòu)成

大數(shù)據(jù)技術(shù)菠净，就是從各種類型的數(shù)據(jù)中快速獲得有價值信息的技術(shù)禁舷。大數(shù)據(jù)領(lǐng)域已經(jīng)涌現(xiàn)出了大量新的技術(shù)彪杉，從數(shù)據(jù)處理流程來看，大數(shù)據(jù)技術(shù)可以分為5個部分：數(shù)據(jù)采集榛了，數(shù)據(jù)存儲在讶，數(shù)據(jù)清洗煞抬，數(shù)據(jù)挖掘霜大，數(shù)據(jù)可視化。數(shù)據(jù)采集有硬件采集革答，如RFID射頻數(shù)據(jù)战坤、傳感器數(shù)據(jù)，有軟件采集残拐，如社交網(wǎng)絡(luò)交互數(shù)據(jù)及移動互聯(lián)網(wǎng)數(shù)據(jù)途茫。數(shù)據(jù)存儲就包括NoSQL，Hadoop等等溪食。數(shù)據(jù)清洗包括語義分析囊卜，流媒體格式化等等。數(shù)據(jù)挖掘包括關(guān)聯(lián)分析错沃，回歸分析栅组，聚類分析等等。數(shù)據(jù)可視化包括Web可視化等等。

資料來源：作者

從大數(shù)據(jù)產(chǎn)業(yè)鏈來看，從底層架構(gòu)到上層應(yīng)用纹磺，基本上整個產(chǎn)業(yè)鏈是按照數(shù)據(jù)處理流程所需的大數(shù)據(jù)技術(shù)進行布局的蜘醋。首先從數(shù)據(jù)源獲取海量數(shù)據(jù)，然后經(jīng)過有效的分析處理從而可以支撐大數(shù)據(jù)應(yīng)用微饥，完成“數(shù)據(jù)→信息→知識→決策”的一整套數(shù)據(jù)到應(yīng)用變現(xiàn)鏈條。大數(shù)據(jù)挖掘、強化啊易、分析這些中間技術(shù)環(huán)節(jié)構(gòu)成了整個大數(shù)據(jù)產(chǎn)業(yè)的必要工具。過去幾年對大數(shù)據(jù)挖掘饮睬、強化租谈、分析的投資與建設(shè)已經(jīng)幫助大數(shù)據(jù)工具在2015年基本成型，大數(shù)據(jù)工具走向成熟续捂，開始能有效垦垂、及時、深入地處理牙瓢、分析大數(shù)據(jù)源提供的海量數(shù)據(jù)劫拗，挖掘其中的價值從而支撐大數(shù)據(jù)應(yīng)用。2015年是大數(shù)據(jù)應(yīng)用元年也是大數(shù)據(jù)走向落地的關(guān)鍵年矾克。

資料來源：中銀國際

在期貨市場的應(yīng)用模式

構(gòu)建大數(shù)據(jù)中心在期貨市場中很多方面都大有可為页慷。首先，在監(jiān)管模式允許的范圍內(nèi)，探索接入外部期貨公司數(shù)據(jù)酒繁、保證金監(jiān)控中心及互聯(lián)網(wǎng)數(shù)據(jù)滓彰，通過海量交易數(shù)據(jù)對投資者行為進行分析，可以大幅度提高期貨交易所和期貨公司客戶服務(wù)和產(chǎn)品服務(wù)的精準度州袒，增強客戶體驗揭绑。其次，可以對期貨公司及其子公司的大數(shù)據(jù)進行整合郎哭，進行深入挖掘他匪，通過投資者交易行為的分析，為期貨交易所以及其他機構(gòu)監(jiān)管夸研、監(jiān)察以及采取風險控制提供數(shù)據(jù)支持邦蜜，不斷提升監(jiān)管效率。再次亥至，在大數(shù)據(jù)的基礎(chǔ)上悼沈，建設(shè)交易者信用評價系統(tǒng)將有助于交易所完善風控、推動會員業(yè)務(wù)創(chuàng)新姐扮。同時絮供，能夠為未來保證金監(jiān)管制度的發(fā)展和完善提供技術(shù)支持。

1溶握、基于大數(shù)據(jù)的資源共享杯缺，建立大數(shù)據(jù)平臺系統(tǒng)，完善風險控制與投資者行為分析睡榆。

期貨公司應(yīng)當針對自己的特色有選擇性地收集相關(guān)數(shù)據(jù)萍肆，同時形成自身的邏輯體系。重視經(jīng)紀業(yè)務(wù)的胀屿，不妨對投資者的投資偏好塘揣、客戶來源等方面做具體的收集，為更好地服務(wù)經(jīng)紀業(yè)務(wù)做鋪墊宿崭；重視投研部分的亲铡，本身就對數(shù)據(jù)非常敏感，那么大數(shù)據(jù)方面應(yīng)當盡可能地在數(shù)據(jù)的精確性葡兑、時效性等方面做更多的整理奖蔓，同時也應(yīng)當盡可能搜集產(chǎn)業(yè)鏈數(shù)據(jù)，為形成完整的基本面分析鏈條做鋪墊讹堤；產(chǎn)品設(shè)計和程序化則可能需要更多高頻數(shù)據(jù)吆鹤，從中尋求一定的交易規(guī)律洲守。

通過不同的數(shù)據(jù)源對期貨交易數(shù)據(jù)的不斷收集疑务，可以形成規(guī)恼雌啵可觀的大數(shù)據(jù)資源庫。依托于大數(shù)據(jù)資源庫知允，期貨交易所集團撒蟀、期貨公司與其母公司、以及股東單位旗下公司擁有的巨量的客戶資源都可以得到有效的整合和共享温鸽。一方面保屯，以大數(shù)據(jù)分析為基礎(chǔ)，通過海量交易數(shù)據(jù)對投資者行為進行分析嗤朴，提高期貨交易所和期貨公司客戶服務(wù)和產(chǎn)品服務(wù)的精準度配椭，助推高端服務(wù)以及定制化服務(wù)虫溜，增強客戶體驗雹姊。另一方面，隨著期貨公司設(shè)立風險管理子公司以及資產(chǎn)管理子公司衡楞，業(yè)務(wù)的種類增加吱雏，復(fù)雜程度提高犬绒，風險也在不斷加大，并且由于這些業(yè)務(wù)都是在子公司層面開展，因此可能存在監(jiān)管盲區(qū)“羲眩可以對期貨公司及其子公司的大數(shù)據(jù)進行整合讹蘑，進行深入挖掘座慰，通過投資者交易行為的分析，為期貨交易所以及其他機構(gòu)所監(jiān)管谜慌、監(jiān)察以及采取風險控制提供數(shù)據(jù)支持妨蛹，不斷提升監(jiān)管效率。

資料來源：夏步剛等（2016）

圍繞“以客戶為中心”的理念，期貨公司在大數(shù)據(jù)應(yīng)用上的實踐和研究開始逐步加速甜滨。以南華期貨為例衣摩，在大數(shù)據(jù)和IT的支持下，公司戰(zhàn)略性地開發(fā)了基于客戶數(shù)據(jù)池的個性化服務(wù)體系艾扮，該體系建立在CRM系統(tǒng)之上既琴，可以根據(jù)客戶的行為分析泡嘴，為客戶提供實時的酌予、針對性的策略服務(wù)简僧、風險管理產(chǎn)品以及對客戶交易行為的診斷，讓客戶在風險管理和投資管理上得到提升屠列。

值得注意的是啦逆，無論在客戶風險控制還是公司風險控制上，大數(shù)據(jù)都可以極大地提升期貨公司處理風險的能力笛洛。業(yè)內(nèi)人士指出夏志，一方面，期貨公司可以在云計算的基礎(chǔ)上撞蜂，建立統(tǒng)一的服務(wù)器進行從業(yè)人員管理平臺盲镶，完成合規(guī)性風控和道德風險最小化管理。另一方面蝌诡，由于有了數(shù)據(jù)支撐，期貨公司比過去更了解客戶的交易模式枫吧、交易行為等浦旱，可以對其進行市場風險監(jiān)控、合規(guī)風險監(jiān)控九杂。

2颁湖、基于大數(shù)據(jù)用戶畫像進行定制服務(wù)，開發(fā)期貨理財產(chǎn)品例隆，提供期貨財富管理服務(wù)甥捺。

基于大數(shù)據(jù)進行用戶畫像，期貨公司能在法律范圍內(nèi)提前獲知客戶的一些個人身份信息及信用信息等基本信息镀层，接著就或準備相應(yīng)的保證金镰禾、傭金的價格以及對應(yīng)偏好的交易品種的基礎(chǔ)信息以及研究報告等（交易偏好被獲知），通過設(shè)計相應(yīng)的交易程序來滿足客戶的需求唱逢，甚至不排除能夠提供針對性的資產(chǎn)管理服務(wù)吴侦。未來參與交易的投資者可能更偏向于購買或者交易期貨公司提供的財富管理服務(wù)，而非單純地自身去進行交易坞古，那么大數(shù)據(jù)就能夠為客戶進行量身定做备韧，提供個性化的金融服務(wù)。

據(jù)悉痪枫，美國期貨公司經(jīng)營客戶的三大步驟即了解客戶的需求和投資偏好织堂，設(shè)計交易程序叠艳、策略和量化模型，提供合適的產(chǎn)品組合以供交易易阳。與此對應(yīng)的是虑绵，隨著大數(shù)據(jù)的引入，國內(nèi)客戶的交易模式闽烙、交易習慣也會發(fā)生一些大的改變翅睛，高頻交易、量化交易方式或被更多采用黑竞。由于大數(shù)據(jù)所涉數(shù)據(jù)相對客觀捕发，回避風險的時間周期較短，客戶可能越來越注重通過大數(shù)據(jù)來挖掘交易模型很魂，再依據(jù)交易模型設(shè)計更多的低風險理財產(chǎn)品扎酷。

而對于中國的期貨市場來說，目前還鮮有類似的金融理財產(chǎn)品推出遏匆，如果能在風險可控的前提下法挨，與期貨資產(chǎn)管理業(yè)務(wù)相結(jié)合，通過合理的產(chǎn)品設(shè)計和風險控制措施幅聘，推出基于保證金凡纳、結(jié)算準備金余額的類似于“余額寶”的低風險理財產(chǎn)品，不但能有效拓展期貨市場的產(chǎn)品創(chuàng)新帝蒿，降低出金率荐糜，還能有效地推動期貨資產(chǎn)管理業(yè)務(wù)規(guī)模的增長與影響力的提升。

云計算

基本定義

云計算是指一種按使用量付費的模式葛超，這種模式提供可用的暴氏、便捷的、按需的網(wǎng)絡(luò)訪問绣张，進入可配置的計算資源共享池（資源包括網(wǎng)絡(luò)答渔、服務(wù)器、存儲侥涵、應(yīng)用軟件沼撕、服務(wù)），這些資源能夠被快速提供独令，而只需投入很少的管理工作端朵，或與服務(wù)供應(yīng)商進行很少的交互。

資料來源：廣證恒生

云計算有3種服務(wù)模式：IaaS燃箭、PaaS及SaaS冲呢，這其實就是云計算的三個分層≌欣辏基礎(chǔ)設(shè)施在最下端敬拓，平臺在中間邻薯，軟件在頂端，分別是Infrastructure-as-a-Service(IaaS)乘凸，Platform-as-a-Service(PaaS)厕诡，Software-as-a-Service(SaaS)，區(qū)別在于云端提供服務(wù)種類不同营勤。IaaS公司會提供場外服務(wù)器灵嫌，存儲和網(wǎng)絡(luò)硬件，用戶可以租用葛作，從而節(jié)省了維護成本和辦公場地寿羞。PaaS公司在網(wǎng)上提供各種開發(fā)和分發(fā)應(yīng)用的解決方案，比如虛擬服務(wù)器和操作系統(tǒng)赂蠢，這讓分散的工作團隊之間的合作變得更加容易绪穆。SaaS與用戶的接觸更廣泛，任何一個遠程服務(wù)器上的應(yīng)用都可以通過網(wǎng)絡(luò)來運行虱岂，這些都可以稱作SaaS玖院。

云計算有4種部署模式：公有云、私有云第岖、社區(qū)云难菌、混合云，區(qū)別在于受眾范圍不同绍傲。公有云一般是由云服務(wù)運營商搭建扔傅，面向公眾的云計算類型；私有云是部署在企業(yè)內(nèi)部烫饼，服務(wù)于內(nèi)部用戶的云計算類型；社區(qū)云是由數(shù)個有共同利益關(guān)系或目標的企業(yè)和組織共同構(gòu)建的云計算業(yè)務(wù)试读，其服務(wù)面向這幾個組織的內(nèi)部人員杠纵；混合云則是包含了兩種以上類型的云計算形式。

資料來源：廣證恒生

技術(shù)構(gòu)成

云計算一共有6大核心技術(shù)钩骇，除了構(gòu)成基礎(chǔ)設(shè)施的IaaS硬件層以外比藻，還有編程模型、海量數(shù)據(jù)分布式存儲技術(shù)倘屹、海量數(shù)據(jù)管理技術(shù)银亲、虛擬化技術(shù)以及云平臺管理技術(shù)。而且云計算的每種技術(shù)都有相應(yīng)的開源程序纽匙。

資料來源：廣證恒生

在期貨市場的應(yīng)用模式

1务蝠、建立基于云平臺的虛擬營業(yè)部，降低運營成本烛缔。

當前期貨業(yè)最經(jīng)典的商業(yè)模式還是經(jīng)紀業(yè)務(wù)馏段，由于手續(xù)費的降低轩拨，同時還由于租金上漲、業(yè)績拖累院喜、客戶不穩(wěn)定等因素亡蓉，很多期貨公司將考慮關(guān)閉營業(yè)部。云計算正在改變著期貨公司的經(jīng)營模式喷舀，許多期貨營業(yè)部在向網(wǎng)點與互聯(lián)網(wǎng)+的方向上轉(zhuǎn)型砍濒，將其轉(zhuǎn)移到基于云計算的互聯(lián)網(wǎng)上，網(wǎng)上交易或?qū)⒔鉀Q線下經(jīng)營的種種難題硫麻。

云端服務(wù)模式下爸邢，云技術(shù)突破了地域、時間的限制庶香，人們可以隨時隨地利用互聯(lián)網(wǎng)和通信設(shè)備完成業(yè)務(wù)辦理甲棍，這使得虛擬營業(yè)部成為金融機構(gòu)未來業(yè)務(wù)發(fā)展的方向。以期貨市場為例赶掖，在保證金監(jiān)控中心感猛、期貨交易所等多方監(jiān)管下，建立基于云平臺的虛擬營業(yè)部是利用電子化服務(wù)手段提供非柜臺服務(wù)奢赂，將營業(yè)部的功能遷移到云端網(wǎng)絡(luò)環(huán)境之中陪白。借助于應(yīng)用軟件、手機客戶端等工具膳灶，實現(xiàn)網(wǎng)絡(luò)開戶咱士、合約買賣和資金劃轉(zhuǎn)，在技術(shù)上已經(jīng)完全可以實現(xiàn)轧钓。相對于傳統(tǒng)網(wǎng)點序厉，虛擬營業(yè)部具有成本低、效率更高毕箍、覆蓋面更廣的優(yōu)勢弛房，并有助于期貨公司在總部層面實現(xiàn)大數(shù)據(jù)管理與監(jiān)控。依托互聯(lián)網(wǎng)的云計算平臺技術(shù)的成熟將為期貨營業(yè)部降低成本而柑，期貨公司營業(yè)部通過公司云平臺可以解決員工業(yè)務(wù)終端問題文捶，且可以有效降低會員公司的經(jīng)營成本；云平臺的利用大大降低了新設(shè)期貨營業(yè)部的建設(shè)成本和建設(shè)周期媒咳，有利于期貨公司快速部署新的營業(yè)網(wǎng)點粹排。其次，目前涩澡，期貨公司對高端客戶資源的爭奪日益激烈顽耳，高端客戶對期貨公司的可選擇性也越來越多。這要求期貨公司在原來的“行情交易服務(wù)”的基礎(chǔ)上，結(jié)合市場需求斧抱，強化對高端客戶的高端服務(wù)以及定制化服務(wù)常拓，以服務(wù)品牌替代傭金競爭，順應(yīng)期貨市場的轉(zhuǎn)型發(fā)展辉浦。

2弄抬、借助于云計算，整合信息與資源宪郊，構(gòu)建期貨企業(yè)的云聯(lián)盟服務(wù)系統(tǒng)掂恕。

近年來，隨著信息技術(shù)的革新弛槐，證券期貨行業(yè)信息技術(shù)已完成規(guī)范化和標準化的轉(zhuǎn)變懊亡，隨之而來的買方市場和賣方市場對于信息系統(tǒng)及資源的需求越來越豐富、專業(yè)乎串。傳統(tǒng)的軟件服務(wù)店枣、信息行情服務(wù)、托管服務(wù)資源的分散叹誉，消耗市場直接參與者巨大的時間成本鸯两、交易成本，也加大了證券期貨經(jīng)紀公司與交易所和市場投資者的溝通成本长豁，無法快速整合與集成優(yōu)勢信息技術(shù)優(yōu)勢資源钧唐，并快速反饋給市場。

針對以上問題匠襟，期貨行業(yè)可以構(gòu)建期貨云聯(lián)盟服務(wù)系統(tǒng)钝侠，將服務(wù)器、存儲酸舍、網(wǎng)絡(luò)帅韧、安全、運營和應(yīng)用以集成的解決方案結(jié)合在一起啃勉，實現(xiàn)從基礎(chǔ)設(shè)施到應(yīng)用再到整個生命周期的自動化弱匪，從而形成完整的期貨業(yè)務(wù)解決方案。

具體而言璧亮，期貨企業(yè)可借助云計算技術(shù)，建立一些有共同利益（如交易斥难、安全需求枝嘶、策略目標考慮等）并打算共享計算資源、網(wǎng)絡(luò)資源哑诊、軟件和服務(wù)能力的企業(yè)聯(lián)盟組織群扶，即期貨企業(yè)云聯(lián)盟。基于企業(yè)聯(lián)盟內(nèi)的網(wǎng)絡(luò)互連優(yōu)勢和技術(shù)易于整合等特點竞阐，通過對企業(yè)聯(lián)盟內(nèi)各種計算能力進行統(tǒng)一服務(wù)形式的整合缴饭，結(jié)合企業(yè)聯(lián)盟內(nèi)的用戶需求共性，實現(xiàn)面向企業(yè)用戶需求的云計算聯(lián)盟服務(wù)模式骆莹。

系統(tǒng)主要采用聯(lián)盟“服務(wù)中心-成員中心-服務(wù)終端”的多層次交易服務(wù)體系結(jié)構(gòu)颗搂。其中用戶可采用多種訪問手段包括移動設(shè)各通過互聯(lián)網(wǎng)與服務(wù)終端相聯(lián)系，以便執(zhí)行相應(yīng)的操作幕垦。聯(lián)盟成員中也主要部署相應(yīng)的交易節(jié)點系統(tǒng)丢氢，通過注冊和同步把數(shù)據(jù)、交易和訂單等資源信息反饋到聯(lián)盟中必先改，實現(xiàn)企業(yè)間的服務(wù)資源訪問和共享疚察，從而完成企業(yè)信息資源整合。其云聯(lián)盟服務(wù)系統(tǒng)總體拓撲圖如下所示仇奶。

資料來源：尚廣安（2014）

每個成員的服務(wù)節(jié)點系統(tǒng)基于Hadoop構(gòu)建云計算環(huán)境貌嫡，通過標準網(wǎng)絡(luò)協(xié)議實現(xiàn)服務(wù)信息資源的發(fā)布和訪問，并通過統(tǒng)一的云服務(wù)接口该溯，實現(xiàn)對不同環(huán)境下異構(gòu)的主機岛抄、存儲和數(shù)據(jù)庫等資源的統(tǒng)一管理，屏蔽了底層軟硬件資源的分布性和異構(gòu)性朗伶，為用戶提供單點登錄和個性化界面弦撩，實現(xiàn)對異構(gòu)資源的透明訪問、整合和利用论皆。

成員的服務(wù)節(jié)點系統(tǒng)邏輯結(jié)構(gòu)分為3層：第1層為數(shù)據(jù)層益楼，利用云數(shù)據(jù)庫實現(xiàn)異構(gòu)數(shù)據(jù)的存儲和連接訪問服務(wù)，提供云環(huán)境下數(shù)據(jù)庫資源的異構(gòu)透明性和數(shù)據(jù)源聚合点晴；第2層是核心層感凤，基于SOA框架下提供服務(wù)目錄和代理中也功能的服務(wù)接口，解決成員企業(yè)間的服務(wù)集成和組合等更高次的要求粒督，可實現(xiàn)期貨企業(yè)系統(tǒng)的咨詢服務(wù)陪竿，交易服務(wù)和業(yè)務(wù)服務(wù)等功能；第3層是面向用戶提供的期貨交易服務(wù)使用的界面和接口屠橄，其節(jié)點系統(tǒng)層次結(jié)構(gòu)如下所示族跛。

資料來源：尚廣安（2014）

3、基于云計算锐墙，提高量化投資的計算性能礁哄、安全系數(shù)和交易效率。

量化交易改變了傳統(tǒng)的交易方式溪北，高頻交易桐绒、算法交易等程序化交易方式在國外非常普遍夺脾，它們在提升市場效率的同時，也隱含對市場茉继、交易所的極大傷害咧叭。在云計算模型下，投資者需要在云端對量化模型經(jīng)過海量歷史數(shù)據(jù)的仿真測試烁竭，來確定投資策略與動向菲茬。既要考慮量化投資的交易信息系統(tǒng)是否可以安全穩(wěn)定地運行，也要考慮系統(tǒng)是否存在漏洞與缺陷颖变，系統(tǒng)是否經(jīng)過安全認證等生均。

一種量化投資技術(shù)，都可能涉及復(fù)雜的數(shù)據(jù)處理腥刹、存儲并要涉及高級的機器學習技術(shù)马胧。伴隨著大數(shù)據(jù)技術(shù)，云計算服務(wù)形成了一種新的商業(yè)計算模型衔峰，它將計算任務(wù)分布在大量計算機構(gòu)成的資源池（也稱為云）上佩脊，使用戶能夠按需獲取計算力、存儲空間和信息服務(wù)垫卤，云計算當前是計算機技術(shù)世界的熱點威彰，也代表了未來的技術(shù)趨勢。量化投資也必然在這種新形式下特別是云計算的影響下發(fā)生新的改變穴肘，這是大勢所趨歇盼。過去不少投資者為了提高復(fù)雜的量化數(shù)據(jù)模型的計算速度，往往采用高性能計算策略评抚，但是由于內(nèi)存的限制或者處理能力的限制豹缀，部分復(fù)雜的量化模型的計算往往在一段時間內(nèi)后不得不半途終止計算。為了應(yīng)付更加一般意義的復(fù)雜數(shù)學模型的計算出現(xiàn)此類問題，而云環(huán)境下的高性能計算，能為期貨行業(yè)的程序化交易和量化投資中復(fù)雜數(shù)學模型的計算提供了可能锥累，并可以用于量化投資的策略模型的具體計算。如在亞馬遜EC2的云平臺的結(jié)果基本上可以與雙核高性能計算（HPC）相媲美氮惯。

資料來源：葉偉（2016）

目前，期貨程序化交易的運算時間量級早已經(jīng)到了毫秒級想暗，這意味著每500毫秒一次推送的高頻數(shù)據(jù)妇汗，為策略運算提供了巨大的演算空間。速度上的優(yōu)勢意味著投資者能更快捕捉到投資機會说莫，更低的沖擊成本铛纬，以及更多樣化的策略空間，對速度的追求推動投資者改進算法唬滑，選擇更好的平臺，嘗試更新的概念。云計算平臺有著非常強的運算能力晶密，同時云平臺還可以為投資者提供個性化的定制服務(wù)擒悬，把投資者的投資策略和算法都搬到云端進行，此外交易所的公共云還可以在云端開放高頻數(shù)據(jù)稻艰，給會員公司以及投資者更好的數(shù)據(jù)信息服務(wù)懂牧。期貨公司可以在云平臺開發(fā)策略定制服務(wù)、相關(guān)程序化工具尊勿、一系列不同風險收益特征的對沖僧凤、投機及組合策略研究模型。隨著我國金融市場的發(fā)展元扔，期貨品種不斷豐富躯保，未來的期權(quán)交易給市場帶來了多樣性，國內(nèi)金融市場將出現(xiàn)越來越多的對沖澎语、期現(xiàn)套利途事、統(tǒng)計套利等較為復(fù)雜的交易策略，而這些策略的運用和實施對程序化交易擅羞、算法交易提出了更多的需求和更高的要求尸变。

在監(jiān)管方面，最近中國證監(jiān)會也頒布了新的監(jiān)管法規(guī)减俏，強調(diào)了程序化交易系統(tǒng)的測試召烂，量化投資的程序化交易者可以在“公有云”上進行測試，而不用建立公司自己的計算中心娃承，從而能降低系統(tǒng)測試的成本奏夫。2014年，國內(nèi)東部沿海城市也出現(xiàn)了由國外海歸牽頭的金融算法交易云平臺系統(tǒng)草慧，將為技術(shù)缺乏的中小投資者提供一系列交易策略解決方案桶蛔，幫助中小投資者用較低的成本來使用先進的計算機程序、大數(shù)據(jù)漫谷、統(tǒng)計套利模型和算法策略進行風險對沖仔雷。

區(qū)塊鏈

基本定義

區(qū)塊鏈（Block Chain）是基于分布式記賬原理，使用去中心化共識機制維護一個完整的舔示、分布式的碟婆、不可篡改的賬本數(shù)據(jù)庫，類似于一個公共惕稻、透明竖共、海量的記賬簿。區(qū)塊鏈起初是比特幣的一種底層技術(shù)俺祠，實現(xiàn)比特幣交易的自動記錄公给，且環(huán)環(huán)相扣借帘、不可修改、不可刪除淌铐，每筆記錄交易信息公開且準確無誤肺然。

資料來源：EY

技術(shù)構(gòu)成

核心技術(shù)

區(qū)塊鏈是一個開放式的不受單一組織控制（由整個分布式網(wǎng)絡(luò)維護）的分布式“賬本”（分布式數(shù)據(jù)結(jié)構(gòu)）。該技術(shù)融合了P2P網(wǎng)絡(luò)腿准、密碼學和共識機制三類成熟技術(shù)际起，實現(xiàn)了去中心化交易過程中節(jié)點之間信息可靠傳遞、交易賬戶安全和節(jié)點之間傳遞的信息不會被修改（可靠的交易系統(tǒng)必須保證交易者賬戶安全以及交易不被篡改）吐葱。

資料來源：方正證券

共識機制

共識機制是區(qū)塊鏈技術(shù)的核心街望，目前常見的共識機制除運用于比特幣的 POW（Proof of Work，工作量證明）外弟跑，還有 POS（Proof of Stake灾前，權(quán)益證明）， DPOS（Delegate Proof of Stake窖认，股份授權(quán)證明）等豫柬。

POW：POW 機制是首個區(qū)塊鏈應(yīng)用比特幣采用的共識機制，基于非對稱加密原理扑浸，節(jié)點需要花費很大的算力解決一個數(shù)學難題（每個節(jié)點解決的數(shù)學難題的初始條件不同烧给，但難度相同）才獲得記賬權(quán)限，而且其他節(jié)點可以很輕松地驗證試圖記賬的節(jié)點的答案是否正確（POW 機制解決的數(shù)學難題具有難求解喝噪、易驗證的特點）础嫡。此外，算法會評估每個節(jié)點的算力酝惧，并根據(jù)算力分配投票權(quán)限榴鼎，某節(jié)點想要作弊時，必須獲得系統(tǒng)51%票數(shù)晚唇，因此需要有系統(tǒng)51%算力巫财，因而需要花費極高的成本。

POS：該機制背后的思想是哩陕，系統(tǒng)出問題時平项，持幣越多的人面臨的潛在損失越大，因而持幣越多作弊的動機越小悍及，從而給與其更多的記賬機會闽瓢，但在每一次記賬后則減小其相應(yīng)的下次記賬概率，一段時間沒有記賬則增加其記賬概率心赶。

DPOS：在POS 機制基礎(chǔ)上向前一步扣讼， 首先是投票選出一批代表性的節(jié)點（如101 個），然后這些代表性的節(jié)點再選出一個節(jié)點負責記錄缨叫，其他節(jié)點核對記錄椭符，更大程度提高記賬的效率荔燎。

資料來源：長江證券

基礎(chǔ)架構(gòu)

區(qū)塊鏈的基礎(chǔ)架構(gòu)包括區(qū)塊、區(qū)塊頭艰山、創(chuàng)始區(qū)塊及區(qū)塊鏈分叉湖雹。區(qū)塊用于記錄數(shù)據(jù)，一旦書寫就很難修改或移除曙搬；區(qū)塊頭由三組區(qū)塊元數(shù)據(jù)組成，第一組鏈接前一區(qū)塊鸽嫂，第二組即難度纵装、時間戳和nonce，與挖礦競爭相頭据某，第三組是merkle樹根橡娄，是用來總結(jié)區(qū)塊中所有交易的數(shù)據(jù)結(jié)構(gòu)；創(chuàng)始區(qū)塊是區(qū)塊鏈的第一個區(qū)塊癣籽，沿任一區(qū)塊循鏈向后回溯挽唉，最終都將到達創(chuàng)始區(qū)塊；從創(chuàng)始區(qū)塊開始即會出現(xiàn)分叉筷狼，當創(chuàng)建兩個區(qū)塊的時間僅差幾秒時瓶籽，就會出現(xiàn)一個分叉區(qū)塊，從而區(qū)塊鏈的長度被拉長埂材。

資料來源：方正證券

從技術(shù)角度理解塑顺，區(qū)塊就是一種可檢索、不能篡改的數(shù)據(jù)結(jié)構(gòu)俏险，它是前十位數(shù)字為 0 的超長隨機數(shù)密碼严拒，必須指定上一區(qū)塊，才能實現(xiàn)有序排列竖独。而從應(yīng)用角度理解裤唠，區(qū)塊是定時記錄一部分交易數(shù)據(jù)的全網(wǎng)公開并保護每個人交易穩(wěn)私的賬單。傳統(tǒng)賬單的頁碼是連續(xù)的數(shù)字莹痢，而區(qū)塊鏈賬單的頁碼是還需要指定上一頁的頁碼种蘸，才能將賬單有序排列。

網(wǎng)絡(luò)架構(gòu)

區(qū)塊鏈的網(wǎng)絡(luò)架構(gòu)非常靈活格二，按照節(jié)點授權(quán)方式可分為：公共區(qū)塊鏈劈彪、聯(lián)盟區(qū)塊鏈和私有區(qū)塊鏈。

資料來源：36Kr

公共區(qū)塊鏈（公有鏈顶猜，Public Blockchain）：公共區(qū)塊鏈是指全世界任何人都可讀取的沧奴、任何人都能發(fā)送交易且交易能獲得有效確認的、任何人都能參與其中共識過程的區(qū)塊鏈长窄。公共區(qū)塊鏈的安全由“加密數(shù)字經(jīng)濟”維護——“加密數(shù)字經(jīng)濟”采取工作量證明機制或權(quán)益證明機制等方式滔吠，將經(jīng)濟獎勵和加密數(shù)字驗證結(jié)合了起來纲菌，并遵循著一般原則：每個人從中可獲得的經(jīng)濟獎勵，與對共識過程作出的貢獻成正比疮绷。這些區(qū)塊鏈通常被認為是“完全去中心化”的翰舌。

聯(lián)盟區(qū)塊鏈（聯(lián)盟鏈，F(xiàn)ederated Blockchain）：聯(lián)盟區(qū)塊鏈是指其共識過程受到預(yù)選節(jié)點控制的區(qū)塊鏈冬骚。區(qū)塊鏈或許允許每個人都可讀取椅贱，或者只受限于參與者，或走混合型路線只冻。這些區(qū)塊鏈可視為“部分去中心化”庇麦。 如R3 CEV銀行聯(lián)盟。

私有區(qū)塊鏈（私有鏈喜德，Private Blockchain）：完全私有的區(qū)塊鏈是指其寫入權(quán)限僅在一個組織手里的區(qū)塊鏈山橄。讀取權(quán)限或者對外開放，或者被任意程度地進行了限制舍悯。如Nasdaq用的Linq航棱。

三大網(wǎng)絡(luò)架構(gòu)都充分利用了區(qū)塊鏈技術(shù)去中心化、去中介信用萌衬、數(shù)據(jù)可靠性等特點饮醇，只是在節(jié)點的接入和共識機制的建立方面存在區(qū)別。

資料來源：方正證券

主要特點

區(qū)塊鏈技術(shù)可以在互相不信任的節(jié)點之間建立去中心化的信用體系奄薇。網(wǎng)絡(luò)中的節(jié)點之間可以相互不信任驳阎，各個節(jié)點只需要信任區(qū)塊鏈運行的算法本身（各節(jié)點對算法達成共識，如果某個節(jié)點對算法不信任就沒有加入網(wǎng)絡(luò)的需求）馁蒂，整個網(wǎng)絡(luò)就可以實現(xiàn)可靠的交易和數(shù)據(jù)存儲呵晚。區(qū)塊鏈技術(shù)的主要特點是去中心化、不可篡改和加密安全性等沫屡。

• 特點一：去中心化饵隙。區(qū)塊鏈的核心思想是去中心化，是分布式記錄沮脖、分布式儲存金矛、分布式傳播，數(shù)據(jù)的傳輸不再依賴某個中心節(jié)點勺届，而是 P2P 的直接傳輸驶俊。它基于密碼學原理而非信用，全網(wǎng)絡(luò)的每個節(jié)點都依據(jù)共識開源協(xié)議免姿，自由安全地傳輸數(shù)據(jù)饼酿。所有交易記錄是對全網(wǎng)絡(luò)公開的，每個節(jié)點都負責數(shù)據(jù)的記錄、儲存故俐，沒有中心化或第三方機構(gòu)負責管理想鹰，一個節(jié)點出現(xiàn)問題，其他節(jié)點會繼續(xù)數(shù)據(jù)的更新和存儲药版，通過去中心化的方式辑舷，維持系統(tǒng)穩(wěn)定運行，信息完整可靠槽片。

資料來源：華金證券

• 特點二：不可篡改何缓。區(qū)塊鏈的不可篡改性由工作量證明機制與共識機制共同保證，最長的鏈條才被全網(wǎng)公認还栓。一旦被記錄歌殃，信息就不能被隨意篡改，若要篡改蝙云，鏈條會出現(xiàn)分支，需要耗費大量的算力路召，只有當算力達到全網(wǎng)絡(luò)總和的51%時才能修改已經(jīng)被記錄的信息勃刨，這樣做的成本是巨大的，實現(xiàn)的可能性極低股淡。

資料來源：方正證券

• 特點三：加密安全性身隐。區(qū)塊鏈通過數(shù)學方法解決了信任問題，依靠非對稱加密和可靠數(shù)據(jù)庫完成了信用背書從而不需要借助第三方機構(gòu)來進行擔保驗證唯灵，只需信任共同算法即可建立互信贾铝。 非對稱加密是通過利用公鑰與私鑰的配合而實現(xiàn)的。每個參與者都可用公鑰來加密一段信息埠帕，而要解密時只有信息的擁有者才能用對應(yīng)的私鑰來接收垢揩。私鑰的接收使用電子簽名來驗證，確保信息為真正的持有人發(fā)出敛瓷。非對稱加密將交換摩擦邊界降到最低叁巨，保護個人隱私，確保加密安全呐籽。 這些優(yōu)點的疊加可以解決兩個長期存在于加密數(shù)字貨幣行業(yè)問題：“雙花”問題（去中心化）和“拜占庭”將軍問題（工作量機制）锋勺。

資料來源：中信證券

在期貨市場的應(yīng)用模式

將區(qū)塊鏈技術(shù)引入到期貨市場中必將為該市場帶來翻天覆地的變化，強有力地促進期貨市場的發(fā)展狡蝶。

1庶橱、基于分布式總賬技術(shù)，區(qū)塊鏈在期貨市場中的應(yīng)用主要是智能合約贪惹。

分布式總賬技術(shù)（DLT）在期貨等衍生品交易的交易后周期的使用預(yù)計會：（1）讓自動化創(chuàng)造實質(zhì)性的操作效率苏章；（2）減少貿(mào)易和初始結(jié)算之間的時間差；（3）釋放資本馍乙；（4）減少雙邊的對手風險布近。

區(qū)塊鏈中的分布式總賬技術(shù)（DLT）可以允許交易商和其他市場參與者來創(chuàng)造期貨等衍生品的智能合約垫释，讓傳統(tǒng)由后臺系統(tǒng)、中臺系統(tǒng)撑瞧、抵押品管理及其他人事來完成的任務(wù)和功能自動執(zhí)行棵譬。這些衍生品合同本質(zhì)上是加了“算法”（也就是能形成計算機代碼基礎(chǔ)的邏輯指令）并用法律語言來描述的法定協(xié)議。

某些目前正在發(fā)展中的分布式賬本能夠允許參與者開發(fā)并進入期貨等衍生品智能合同预伺。這些“可編程的”分布式賬本能夠公布和記錄的不僅僅是貿(mào)易和結(jié)算記錄订咸，還有智能合約的條款和“輸出”，例如合同股價酬诀，價格變動押金的結(jié)算脏嚷，原始押金的計算，原始押金的保管瞒御，債務(wù)更替和凈額結(jié)算父叙，以及與對手違約相關(guān)的出清存貨管理。

但具體到某些場外衍生品業(yè)務(wù)來說肴裙，在集成區(qū)塊鏈技術(shù)時趾唱，需對其技術(shù)體系進行裁剪，以滿足實際的應(yīng)用場景蜻懦。

資料來源：宋濤甜癞、戈峰（2016）

人工智能

基本定義

人工智能（Artificial Intelligence, AI）是研究、開發(fā)用于模擬宛乃、延伸和擴展人類智能的理論悠咱、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學征炼。人工智能是對人的意識析既、思維的信息過程的模擬，其在初級階段實現(xiàn)對簡單勞動的替代柒室，第二階段則嘗試替代復(fù)雜勞動渡贾。目前，人工智能尚在發(fā)展初期雄右，代替人腦來進行決策尚早空骚，但至少可以做到大規(guī)模的量化、替代部分人力分析的層面擂仍。

技術(shù)構(gòu)成

技術(shù)架構(gòu)

從技術(shù)分層的視角來看囤屹，人工智能可分為基礎(chǔ)層、技術(shù)層和應(yīng)用層三個層面逢渔，基礎(chǔ)層最靠近“云”肋坚，應(yīng)用層最靠近“端”。基礎(chǔ)層作為人工智能技術(shù)的技術(shù)支持智厌，各個細分技術(shù)必不可少诲泌，如大數(shù)據(jù)、云計算铣鹏、智能芯片敷扫、傳感器及智能硬件等，特別是大數(shù)據(jù)诚卸，其為人工智能技術(shù)層面的發(fā)展提供了數(shù)據(jù)基礎(chǔ)葵第；在技術(shù)層面，人工智能技術(shù)包括語音識別合溺、圖像識別卒密、生物特征識別、機器學習棠赛、知識圖譜哮奇、自然語言處理等；在應(yīng)用層面睛约，人工智能包括計算智能屏镊、感知智能和認知智能，目前尚未實現(xiàn)具有完整認知功能的人工智能痰腮。

資料來源：作者

在人工智能產(chǎn)業(yè)鏈中，基礎(chǔ)層是構(gòu)建生態(tài)的基礎(chǔ)律罢，價值最高膀值，需要長期投入進行戰(zhàn)略布局；通用技術(shù)層是構(gòu)建技術(shù)護城河的基礎(chǔ)误辑，需要中長期進行布局沧踏；解決方案層直戳行業(yè)痛點，變現(xiàn)能力最強巾钉。

資料來源：云棲智庫

核心技術(shù)

人工智能核心技術(shù)包括語音識別翘狱、圖像識別、生物特征識別砰苍、機器學習潦匈、知識圖譜、自然語言處理等赚导。

語音識別技術(shù)就是讓機器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)茬缩。語音識別技術(shù)主要包括特征提取技術(shù)、模式匹配準則及模型訓練技術(shù)三個方面吼旧。

圖像識別技術(shù)是指利用計算機對圖像進行處理凰锡、分析和理解，以識別各種不同模式的目標和對象的技術(shù)。

生物特征識別技術(shù)是指利用人體生物特征進行身份認證的一種技術(shù)掂为。更具體一點裕膀，生物特征識別技術(shù)就是通過計算機與光學、聲學勇哗、生物傳感器和生物統(tǒng)計學原理等高科技手段密切結(jié)合昼扛，利用人體固有的生理特性和行為特征來進行個人身份的鑒定。

機器學習(Machine Learning, ML)技術(shù)是一門多領(lǐng)域交叉學科智绸，涉及概率論野揪、統(tǒng)計學、逼近論瞧栗、凸分析斯稳、算法復(fù)雜度理論等多門學科。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為迹恐，以獲取新的知識或技能挣惰，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。

知識圖譜技術(shù)是基于現(xiàn)有數(shù)據(jù)的再加工殴边，包括關(guān)系數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)憎茂、文本或XML中的非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)、客戶數(shù)據(jù)锤岸、領(lǐng)域本體知識以及外部知識竖幔，通過各種數(shù)據(jù)挖掘、信息抽取和知識融合技術(shù)形成一個統(tǒng)一的全局的知識庫是偷。

自然語言處理（Natural Language Processing, NLP）技術(shù)是專門研究人與計算機交互的語言問題拳氢，其大致可分為兩個層面，一個是淺層分析蛋铆，如分詞馋评，詞性標注，這些技術(shù)一般只需對句子的局部范圍進行分析處理刺啦；另一個層面是對語言進行深層的處理留特，需要對句子進行全局分析。其中深層語言分析又可以分為三個層次：句法分析玛瘸、語義分析蜕青、語用分析。

在期貨市場的應(yīng)用模式

人工智能在期貨市場中的應(yīng)用主要是用機器學習等技術(shù)促進量化投資和程序化交易糊渊。

1市咆、將機器學習應(yīng)用到期貨產(chǎn)品風險定價中去。

將機器學習引入到期貨模型的定制和數(shù)據(jù)挖掘過程中再来，來進行風險定價蒙兰。比如對期貨做市模式建立模型磷瘤，通過數(shù)據(jù)本身來進行擬合，具體通過圖形和非結(jié)構(gòu)化的數(shù)據(jù)搜变，讓機器識別這些數(shù)據(jù)的定價采缚，做期貨的定價進行擬合。在做的過程中挠他，發(fā)現(xiàn)機器學習對RMSE（均方根誤差）傳統(tǒng)的做法有所提高扳抽，可以在期貨定價上降低成本。未來機器學習完全可以用到期貨風險定價相關(guān)的一系列業(yè)務(wù)過程當中去殖侵。

2贸呢、將機器學習應(yīng)用到期貨訂單高頻交易中去。

證券市場的交易機制可以分為報價驅(qū)動市場(Quote-driven Market和訂單驅(qū)動市場(Order-driven Market)兩類拢军，前者依賴做市商提供流動性楞陷，后者通過限價單訂單提供流動性,交易通過投資者的買進委托和賣出委托競價所形成。中國的證券市場屬于訂單驅(qū)動市場茉唉，包括股票市場和期貨市場固蛾。

訂單簿的動態(tài)建模，主要有兩種方法度陆，一種是經(jīng)典計量經(jīng)濟學方法艾凯，另一種是機器學習方法。國內(nèi)期貨市場屬于訂單驅(qū)動型市場懂傀，下圖是股指期貨主力合約IF1312的Level-1行情訂單簿截圖趾诗。從上面直接獲得的信息并不多，基礎(chǔ)信息就包括買一價蹬蚁、賣一價沧竟、買一量和賣一量。在國外的某些學術(shù)論文中缚忧，和訂單簿對應(yīng)的還有信息簿(Message Book),包括最明細的訂單撮合數(shù)據(jù)，包括每個訂單的下單量杈笔、成交價闪水、訂單類型等信息，由于國內(nèi)市場不公開信息簿的信息蒙具，因此超高頻交易我們只能依賴訂單簿球榆。

資料來源：民生證券

下圖是典型的機器學習交易策略的系統(tǒng)架構(gòu)圖，包括訂單簿數(shù)據(jù)禁筏、特征發(fā)現(xiàn)持钉、模型構(gòu)建與驗證和交易機會幾個主要模塊，值得注意的是篱昔，交易過程是由行情事件觸發(fā)的每强，tick行情的到達是其中一個事件始腾。

資料來源：民生證券

3、將機器學習應(yīng)用到期貨量化投資策略中去空执。

我們用一個神經(jīng)網(wǎng)絡(luò)和深度學習的例子來說明浪箭。分別利用單隱層神經(jīng)網(wǎng)絡(luò)和深度學習模型對股指期貨數(shù)據(jù)進行建模，并根據(jù)前t時刻的價格辨绊、交易數(shù)據(jù)和技術(shù)指標對t時刻的收盤價的漲跌進行預(yù)測奶栖，預(yù)測的結(jié)果如下表所示：

資料來源：白凱敏（2016）

結(jié)果表明，簡單神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)最終預(yù)測能力有限门坷，但理論上來說只要有超過百分之五十的預(yù)測準確率宣鄙，仍然是有套利機會存在的。

總的來說默蚌，無論是單隱層的神經(jīng)網(wǎng)絡(luò)還是深度學習模型冻晤，對股指期貨均有一定的預(yù)測能為，而且深度學習相對于單隱層的神經(jīng)網(wǎng)絡(luò)來說預(yù)測能力更強敏簿。根據(jù)模型結(jié)果來看明也，是有一定的套利機會存在的，但是由于我們的預(yù)測只是做了方向性的預(yù)測惯裕，只預(yù)測了漲跌但是并沒有給出預(yù)測具體的漲跌幅度温数，而在實際中需要考慮到交易費用的問題以及一分鐘內(nèi)可能出現(xiàn)的大幅度波動達到止損點等因素以及訓練時間的問題，因此我們的模型在實際中并不能保證絕對有效蜻势，僅作為實際量化投資中的一種參考方法撑刺。