作者：孙翔峰
来源：券商中国（ID:quanshangcn）
编者荐语：恒生电子副总裁兼金纳科技总经理张慧海“2023中国金融机构年度峰会暨2023中国证券业财富经纪高峰论坛”上表示，中国财富管理业务前景广阔！
近期，由证券时报主办的“2023中国金融机构年度峰会暨2023中国证券业财富经纪高峰论坛”在深圳举行。恒生电子副总裁张慧海在论坛发表了主题演讲。
张慧海表示，随着个人财富进一步积累，居民财富配置金融资产比例将持续提升，金融机构的机构业务也在迅猛发展；科技方面，大语言模型相关应用不断升级、落地，将大幅改变证券行业应用场景，提升行业运营效率，证券公司必须为科技进步带来的相关变化做好准备。
张慧海在演讲中表示，券商财富管理业务转型有着广阔的市场机遇。麦肯锡预测，随着个人财富进一步积累，居民财富配置金融资产比例将持续提升，预计2022年至2030年中国个人金融资产仍将保持9%的年均增长，至2030年达到人民币475万亿元；2030年预计个人持有资管产品规模将达到人民币118万亿元，较2022年新增70万亿元资金净流入。
另外，随着个人养老金制度的落地，中国养老金第三支柱进入实质性发展阶段。预计至2030年，中国养老金规模接近人民币42万亿元，其中二三支柱合计占比有望提升至70%，带来约19万亿元资金净流入。
同时，机构业务发展非常迅猛，从机构投资者持股比例来看，2021年，机构投资者的持股比例首度超过了市场的一半，达到了51%。另外机构业务占券商收入的比例持续增长，去年整个券商机构业务的收入达到千亿的水平，业务收入的占比逐年增加，机构交易占券商交易份额逐渐增长。头部券商机构交易占比达到60%以上，甚至有券商超过80%。
张慧海表示，资管新规时代，券商机构业务蓬勃发展。深化资本市场改革，提高直接融资比例，为资本市场引入中长期资金，金融服务实体经济成为重要的政策主线。财富管理市场大发展，资产管理行业管理规模增长稳健，机构业务需求旺盛，养老金及基金等资产管理机构逐步成为机构业务核心客群。同时，机构投资者入市下交易需求率先崛起，流动性需求上涨，推动证券业交易业务由通道经纪向交易做市转型。
张慧海在演讲中谈到了现在热门的大语言模型，最近半年多时间，ChatGPT对每个人都造成了很多事情上的冲击。在短短两个月内ChatGPT的月活用户数就超过了1亿，在随后的几个月的时间里，基于大模型的应用层出不穷。
“每一次科技进步都催生新的业务模式。”张慧海表示，金融科技对行业的影响分为三个阶段：
首先是信息化阶段，这个阶段用科技代替一些手工操作，比如证券行业出现电子报单等一系列业务，银行通过在PC终端上开展业务，替代了营业网点办理相应的业务。这个时代的竞争焦点是IT技术，也产生了一些优秀的公司，比如招商银行在商业银行里脱颖而出。
第二个阶段，网络化。网络化是科技延伸的触角，重在发挥媒介的作用。这个阶段的竞争焦点是流量和场景的应用，比如支付宝、东方财富、同花顺等公司在这个阶段脱颖而出，成为这个行业里的一些领头羊。
第三个阶段，数智化。这个阶段的重点是以科技代替脑力劳动，这跟前面两个阶段有根本性的变化，这个时代的竞争焦点是数据，特别是一些可训练的专业的数据以及用于数据处理的算力。
“为什么把大语言模型提到一个很重要的角度？我们并不是第一次提出人工智能，但是在千亿级参数和超大的算力的高投入情况下，大模型目前在很多方面已经能够替代人类的一些工作，赋能业务发展。”张慧海表示，在大模型推出的背景下，目前的财富和经纪业务进入一个新的起点，新赛道、新机遇，大模型将会引领金融机构进入数智化时代。
张慧海在演讲中介绍了大模型在金融行业的一些应用场景。智能投顾方面，在客户洞察、服务匹配、客户沟通、资产配置建议、投资组合、智能下单等全业务流程里，大模型通过数据对接之后，能够自动化地帮助投资顾问完成大量相关工作，让投顾服务更加高效。
在营销服务方面，大模型改变了多媒体的生产方式。通过大模型的内容生成能力，营销部门可以快速生成文案、图片、视频等营销内容，提升内容生产效率。同时，大模型还可以赋能相关策略探索、运营数据分析、内容渠道管理等工作，助力业务运营。
“投研应该是目前来说大模型用得最多的场景。近期，我们根据投研场景对于数据分析和智能处理的实际需求，发布了基于大模型技术全新升级的WarrenQ，推出两款AI工具产品——WarrenQ-Chat和ChatMiner，通过智能对话的方式，帮助分析师和投资经理提高工作效率。”张慧海表示。
WarrenQ-Chat是一款金融垂直领域的Chat产品，利用大模型叠加搜索和聚源金融数据库，通过对话指令，轻松获得金融行情、资讯和数据，且每一句生成的对话均支持原文溯源，确保消息出处可追溯，还可以生成金融专业报表，轻松实现“语控万数”。
ChatMiner则是一款金融文档挖掘器，基于大模型和向量数据库构建，可以根据用户对话指令对指定文档进行快速解读，提供精准检索与定位，提取关键信息，还可以将信息进行有效的整合归纳和精炼或拓展，智能化处理海量文本数据。
张慧海还介绍了大模型在量化投资上的一些应用场景。大模型可以参与因子挖掘与量化策略编写、市场情绪分析。
“前两天我们自己做一个策略的时候，用原来的系统写的话，需要一周的时间，但在使用大模型后，只用了一个下午，并且写出来的代码90%可用，只需要人工做一些修改，让我们非常震撼，因为这个效率提高非常多。”张慧海说。
还有一个大模型的应用场景是基金经理投资指令解析：一是大模型可以“翻译”基金经理的下单指令，通过下单指令自动做相应参数的填入，经过校验之后开始执行；二是可以根据基金经理的查询指令，把查询结果返回到基金经理想要的内容，提升基金经理的决策效率。
“大模型在证券基金行业可以有很多相关的创新应用场景。”张慧海说，要达到这样的目标，要做几个方面的建设：一是基于大模型技术全面升级重构客户、员工交互模式；二是基于大模型技术实现场景、业务逻辑、产品的重构；三是基于大模型技术的基础设施和技术架构的升级。
为此，恒生电子也推出了金融行业大模型LightGPT和基于大模型技术打造的面向投顾、运营、合规等业务场景的金融智能助手光子，解决大模型在落地过程中存在的技术连接、应用连接、数据安全合规即时等问题，实现金融业务系统的智能化升级和重构。
