2014年,中國(guó)債券市場(chǎng)開(kāi)啟“違約元年”,到2019年,違約債券數(shù)量已飆升至179只,違約總金額高達(dá)1444億元,而近期所爆發(fā)的新冠肺炎疫情更是讓大量發(fā)債企業(yè)的信用狀況充滿變數(shù)。面對(duì)層出不窮的違約事件,每一個(gè)信用債投資人都希望能手握一只可以預(yù)見(jiàn)未來(lái)的“水晶球”,及早規(guī)避違約債券。

在平安資管內(nèi)部,一支由AI工程師組成的團(tuán)隊(duì),通過(guò)人工智能賦能,為平安資管超2萬(wàn)億元的固定收益持倉(cāng)打造了一套名為“KYZ Credit”的信用風(fēng)險(xiǎn)預(yù)警系統(tǒng),針對(duì)有潛在信用風(fēng)險(xiǎn)的債券,平均可在違約發(fā)生前300天發(fā)出預(yù)警,這為投資經(jīng)理趨利避害提供了極大便利。本期“十人談”科技先鋒系列人物專(zhuān)訪將深度訪談這套系統(tǒng)的領(lǐng)軍研發(fā)人,平安資管人工智能團(tuán)隊(duì)負(fù)責(zé)人李果夫博士。

數(shù)據(jù)天堂到風(fēng)險(xiǎn)預(yù)警神器

李果夫,本科畢業(yè)于復(fù)旦大學(xué)軟件學(xué)院,隨后赴愛(ài)爾蘭都柏林大學(xué)攻讀計(jì)算機(jī)與信息科學(xué)博士學(xué)位,后在上海高校任教。而之所以從學(xué)界跨界進(jìn)入業(yè)界,在李果夫看來(lái),平安資管在人工智能實(shí)踐領(lǐng)域豐富的數(shù)據(jù)資源和龐大的應(yīng)用場(chǎng)景,是促使他加盟平安的直接動(dòng)力。

人工智能,作為過(guò)去數(shù)年最閃耀的計(jì)算機(jī)學(xué)科分支之一,從基礎(chǔ)理論到算力再到業(yè)界應(yīng)用,都處于高速成長(zhǎng)期。但發(fā)展到當(dāng)下階段,如何找到合適人工智能的應(yīng)用場(chǎng)景,本身就成為了一個(gè)制約人工智能普及的瓶頸。“在初期的人臉識(shí)別、文字識(shí)別等高頻場(chǎng)景不斷普及之后,下一個(gè)價(jià)值點(diǎn)在哪里?”此時(shí),當(dāng)李果夫了解到平安資管啟動(dòng)了一個(gè)名為“智能債券一體化平臺(tái)”(KYZ)的項(xiàng)目后,很快就被吸引加盟了。

平安資管吸引李果夫的,除了基礎(chǔ)的債券市場(chǎng)應(yīng)用場(chǎng)景外,更在于平安資管持有近3萬(wàn)億元固定收益頭寸、超 20年的專(zhuān)業(yè)固收投資經(jīng)驗(yàn),擁有海量債券交易、信用評(píng)級(jí)數(shù)據(jù),堪稱是中國(guó)債券領(lǐng)域開(kāi)展人工智能實(shí)踐的“數(shù)據(jù)天堂”。

借助KYZ平臺(tái),平安資管首先從底層類(lèi)41個(gè)數(shù)據(jù)源開(kāi)始,逐層清洗、加工、抽象,形成了包括企業(yè)庫(kù)、債券庫(kù)、市場(chǎng)庫(kù)、宏觀庫(kù)、行業(yè)庫(kù)等在內(nèi)五大主題庫(kù),涵蓋了超600萬(wàn)家企業(yè)、超20萬(wàn)只債券的基礎(chǔ)信息。在此基礎(chǔ)上,數(shù)據(jù)專(zhuān)家們?cè)賹?duì)這些結(jié)構(gòu)化和非結(jié)構(gòu)化信息進(jìn)行深度挖掘和深度加工,形成全直通、全口徑、全流程、全方位的數(shù)據(jù)湖,真正對(duì)債券投研發(fā)揮實(shí)戰(zhàn)意義。

有了如此強(qiáng)大的大數(shù)據(jù)平臺(tái),結(jié)合平安資管沉淀20年的專(zhuān)家經(jīng)驗(yàn)和李果夫團(tuán)隊(duì)研發(fā)的前沿人工智能模型,“KYZ Credit”風(fēng)險(xiǎn)預(yù)警系統(tǒng)的誕生自是水到渠成。在幫助投資經(jīng)理高效篩選低風(fēng)險(xiǎn)企業(yè),關(guān)注高風(fēng)險(xiǎn)標(biāo)的,實(shí)施自動(dòng)化預(yù)警方面,“KYZ Credit”可謂做到了“人機(jī)互動(dòng)”的極致,堪稱債券領(lǐng)域的“風(fēng)險(xiǎn)預(yù)警神器”。

舉例來(lái)說(shuō),自武漢新冠肺炎疫情爆發(fā)后,李果夫團(tuán)隊(duì)研發(fā)的“KYZ Credit”系統(tǒng)通過(guò)對(duì)大數(shù)據(jù)和輿情分析,結(jié)合歷史疫情的比較,迅速定位了一組核心分析因子,指出在這一特殊時(shí)期內(nèi),除了企業(yè)所在地和所在行業(yè)外,企業(yè)自身的財(cái)務(wù)質(zhì)量、經(jīng)營(yíng)情況、盈利能力、短期償債能力、債務(wù)結(jié)構(gòu)/負(fù)擔(dān)相關(guān)的指標(biāo)將比以往更為重要。在此基礎(chǔ)上,借助“KYZ Credit”風(fēng)險(xiǎn)預(yù)警模型,系統(tǒng)自動(dòng)進(jìn)行企業(yè)風(fēng)險(xiǎn)打分,成功捕捉到了一批可能出現(xiàn)風(fēng)險(xiǎn)大幅上升的企業(yè),而后再基于企業(yè)關(guān)聯(lián)圖譜和供應(yīng)鏈圖譜,通過(guò)風(fēng)險(xiǎn)的逐層傳導(dǎo),進(jìn)一步排查出一批可能受到波及的風(fēng)險(xiǎn)企業(yè),第一時(shí)間為信評(píng)分析師和投資經(jīng)理給予風(fēng)險(xiǎn)提示。

圖示:KYZ信用風(fēng)險(xiǎn)預(yù)警模型總覽;來(lái)源:平安資管

根據(jù)系統(tǒng)回測(cè)數(shù)據(jù)顯示,目前“KYZ Credit”已經(jīng)展現(xiàn)出極佳的信用評(píng)級(jí)調(diào)整預(yù)見(jiàn)性。針對(duì)有潛在信用風(fēng)險(xiǎn)的債券,平均可以在違約發(fā)生前超300天發(fā)出預(yù)警。

在剛剛過(guò)去的2019中,“KYZ Credit”系統(tǒng)輸出的Top10風(fēng)險(xiǎn)預(yù)警名單中,有8家在當(dāng)年發(fā)生實(shí)質(zhì)違約;而在所有被歸為高危預(yù)警的企業(yè)中,有約六成企業(yè)在隨后6到12個(gè)月時(shí)間內(nèi)發(fā)生實(shí)質(zhì)違約,有近三成企業(yè)遭遇外部評(píng)級(jí)下調(diào)。由此可見(jiàn),“KYZ Credit”通過(guò)提供具有前瞻性的信用債違約風(fēng)險(xiǎn)信號(hào),真正成為信評(píng)分析師和投資經(jīng)理趨利避害、提升效能的實(shí)操利器。

成為平安資管的發(fā)動(dòng)機(jī)

李果夫帶領(lǐng)的平安資管人工智能團(tuán)隊(duì)現(xiàn)擁有15名成員,包括5位博士,專(zhuān)業(yè)背景從NLP到CV再到時(shí)間序列分析、數(shù)據(jù)挖掘等技術(shù)領(lǐng)域都有覆蓋。更幸運(yùn)的是,他們從來(lái)不是單獨(dú)在戰(zhàn)斗,而是背靠多個(gè)團(tuán)隊(duì),相互賦能。

在模型構(gòu)建方面,參與KYZ項(xiàng)目的除了李果夫的人工智能團(tuán)隊(duì),還有一只金融模型團(tuán)隊(duì),兩者共同成為了KYZ的重要引擎。例如,人工智能團(tuán)隊(duì)通過(guò)其擅長(zhǎng)的NLP(自然語(yǔ)言處理)方法,從大量非結(jié)構(gòu)化的文檔中解析抽取出各種信息,為金融模型團(tuán)隊(duì)的建模工作提供基礎(chǔ)數(shù)據(jù);與此同時(shí),對(duì)于某些金融模型,由于底層的數(shù)學(xué)理論統(tǒng)計(jì)基礎(chǔ)與人工智能極為相近,兩大模型團(tuán)隊(duì)也會(huì)時(shí)常并肩作戰(zhàn),進(jìn)行新的嘗試和探索。

如果說(shuō)人工智能團(tuán)隊(duì)和金融模型團(tuán)隊(duì)更偏向于數(shù)據(jù)思維,用數(shù)據(jù)和模型說(shuō)話,那么日常工作中李果夫的人工智能團(tuán)隊(duì)還少不了與傳統(tǒng)的信評(píng)分析師、風(fēng)控經(jīng)理、投資經(jīng)理相互協(xié)作。事實(shí)上,在“KYZ Credit”風(fēng)險(xiǎn)預(yù)警系統(tǒng)開(kāi)發(fā)中,李果夫的人工智能團(tuán)隊(duì)經(jīng)常要做的一件事情就是借鑒當(dāng)前深度學(xué)習(xí)領(lǐng)域非常熱門(mén)的“知識(shí)蒸餾”思想,把專(zhuān)家的知識(shí)轉(zhuǎn)移到模型中去。

“我們大量依賴于公司內(nèi)業(yè)務(wù)專(zhuān)家的行業(yè)經(jīng)驗(yàn),幫助我們對(duì)具體的業(yè)務(wù)問(wèn)題,特別是信用分析問(wèn)題有更深入的理解,為我們對(duì)模型的輸出結(jié)果進(jìn)行校驗(yàn)”,李果夫極為感謝平安資管信評(píng)分析師團(tuán)隊(duì)的幫助。

當(dāng)然,科技的最佳實(shí)踐效果是能實(shí)現(xiàn)相互賦能?！敖鹑谛袠I(yè)的核心是信息,KYZ的核心口號(hào)也是‘先知、先覺(jué)、先行’,而這一切都依賴于對(duì)信息的快速、全面的掌握,以及深度、精細(xì)的加工。如果說(shuō)數(shù)據(jù)是信息工業(yè)的石油,那么AI團(tuán)隊(duì)就是化工廠,我們的任務(wù)是對(duì)石油進(jìn)行精細(xì)加工,其目標(biāo)就是讓這些數(shù)據(jù)所能產(chǎn)生的價(jià)值最大化?！崩罟蛉绱硕ㄎ蛔陨韴F(tuán)隊(duì)。他相信,好的人工智能模型同樣可以反哺賦能信評(píng)分析師和投資經(jīng)理。

那么,到底人工智能技術(shù)在多大程度上可以提升現(xiàn)有的信用研究?李果夫以債券評(píng)級(jí)工作舉例,“如果一個(gè)資深分析師花了大量精力去進(jìn)行研究,那么人工智能模型與之相比未必能有明顯優(yōu)勢(shì)。但即便只是與一個(gè)10年經(jīng)驗(yàn)信評(píng)分析師相當(dāng),這一系統(tǒng)依然有著重大意義——培養(yǎng)一個(gè)優(yōu)秀分析師的成本之高昂,加之市場(chǎng)上各類(lèi)發(fā)債主體數(shù)量之龐大,使得這類(lèi)系統(tǒng)為分析師所騰出的時(shí)間價(jià)值就已經(jīng)相當(dāng)可觀了?！痹诶罟虻钠诖?他希望團(tuán)隊(duì)設(shè)計(jì)出的人工智能模型可以幫助專(zhuān)業(yè)分析師去分析和過(guò)濾海量數(shù)據(jù)中的每一個(gè)細(xì)節(jié),去幫助他們超越人類(lèi)工作記憶區(qū)容量的限制,真正做到人機(jī)合一。

“人工智能團(tuán)隊(duì)希望是一臺(tái)發(fā)動(dòng)機(jī),為平安資管的投資實(shí)踐和KYZ債券生態(tài)建設(shè)提供源源動(dòng)力。”李果夫透露,除了已經(jīng)在平安集團(tuán)內(nèi)多家專(zhuān)業(yè)公司投入使用的“KYZ Credit”系統(tǒng)外,他們正在進(jìn)行更多項(xiàng)目的深度研發(fā),包括對(duì)權(quán)益量化策略、算法交易等資管其他業(yè)態(tài)需求的支持?！爱?dāng)下我們正在從投資端走向發(fā)行端,用人工智能模型對(duì)包括承攬、承做、承銷(xiāo)、投后期管理等債券生態(tài)鏈上的各個(gè)環(huán)節(jié)進(jìn)行賦能。”

這其中,李果夫團(tuán)隊(duì)目前正在投入的一項(xiàng)重要工作是智慧文書(shū)系統(tǒng)一——通過(guò)對(duì)過(guò)往數(shù)萬(wàn)篇債券發(fā)行募集說(shuō)明書(shū)的分析,幫助發(fā)行團(tuán)隊(duì)從現(xiàn)有文本中抽取需要的數(shù)據(jù),自動(dòng)生成相對(duì)完整的發(fā)行說(shuō)明書(shū)。“這項(xiàng)工程非常有挑戰(zhàn)性,通過(guò)對(duì)海量文書(shū)的學(xué)習(xí),讓AI能夠自動(dòng)生成一篇長(zhǎng)達(dá)200頁(yè)的,結(jié)構(gòu)復(fù)雜,且包含大量精確且專(zhuān)業(yè)信息的文書(shū),可以說(shuō)是已經(jīng)進(jìn)入了真正的‘無(wú)人區(qū)’?！?/p>

李果夫相信,這些研究若能出成果,將會(huì)更好地賦能平安資管和平安集團(tuán)其他專(zhuān)業(yè)公司,乃至整個(gè)資管生態(tài)圈中更多的機(jī)構(gòu)。對(duì)此,他充滿信心。