你不能错过的最新解读【区块链、人工智能与行为金融】|

2017：

大数据和匹配的数据分析能力已经成为金融科技行业的基础设施；

在区块链领域，加密货币总市值已达1500亿美元，ICO也十分火爆，仅2017年融资就超过2亿美元；

人工智能持续爆发，AlphaGo Zero不断书写神话，并已进入各个领域的实战阶段；

行为金融学第三次登上诺贝尔经济学奖的最高领奖台。

这四大领域成为2017年资本和媒体热词的热点，它们既独立发展又相互交叉。 能看到行业“十字路口”的人，总会把行业看得更远，走得更远。 走得更远的人。

因此，在1月18日的“行为金融学与金融科技”论坛上比特币区块链的经济机制包括，我们邀请了四位业内顶尖专家，他们不仅精通各自领域，而且跨界洞察力极强——希望他们总结的“过去”与分享能带给你对未来的思考。

肖枫谈“区块链”：

即使比特币区块链在三年后消失，它对我们现代商业文明的影响也是革命性的。

万向控股副董事长、通联数据董事长肖峰创立博时基金公司，是目前国内资产管理规模最大的基金公司之一。

>> 区块链发展的三个阶段

区块链是建立在分布式网络的基础上，未来的物联网也将非常依赖分布式网络。 第一代物联网是传感器将数据传输到一个集中的数据库，处理后返回给终端。 如果采用这种模式，到了5G网络，每秒将有千亿设备发送数据比特币区块链的经济机制包括，带宽和数据库都不够支撑。 因此，大部分数据必须在终端本身进行计算和处理。 作为交换，将会有“雾计算”。

分布式账本是在点对点网络中加入密码学账本系统，可以实现点对点交易。 现在我们所有的公司、企业、单位都有自己的账户，一笔交易变得非常复杂。 分布式账本和现在的计算方式最大的区别在于，每个人都记账在一个“账本”上。 大大提高了交易效率。

区块链第三阶段就是在前面两个的基础上增加两个东西。 一种是系统创建货币发行系统，系统会根据算法给你比特币奖励； 另一个是基于算法。 博弈论建立了一套共识算法。 共识算法的作用是重建商业组织的治理机制。 公司不设董事会、监事会、股东和管理层。 这些新的激励机制和治理机制是区块链的第三层，称为公链。

>> 区块链，信任机器

区块链到底是什么？ 《经济学人》封面文章称，区块链是“信任机器”。 当今社会，我们需要司法系统、公安、监狱、审计师，还有很多中介来建立信任关系，而现在我们可以用机器来代替这些信任中介。

机器建立的信用交易成本为零，信任成本为零。 过去需要“企业”的性质，因为市场的成本非常高。 现在我们不再需要企业，也不需要相应的产权制度。 那么现代经济制度是否也需要重新审视呢？

>> 2018，区块链3.0来了

比特币区块链是区块链1.0时代，不支持任何应用开发，只是一个账本系统； 2014年，以太坊创始人致力于支持大家用新的区块链做开发，这是区块链Chain 2.0时代。

区块链3.0时代尚未到来。 3.0时代的主要特点是区块链可以支持大规模的商业应用开发，比以太坊区块链更近了一步。 从性能、技术、应用开发等方面来看，2018年完全可以实现大规模商业应用开发。

最终，区块链的性能会更好，治理机制会更好，共识算法会更好，能够支持多个区块链之间的跨链通信。

现在有一种新的基于区块链的商业模式，我把它命名为分布式商业，分布式商业最经典的案例就是“比特币”。 比特币区块链是开源没有产权，所有东西都可以免费使用，系统自动发放货币奖励，治理机制不再是像董建高那样的金字塔式、层级治理机制，终于真正实现了共享经济模式应该在区块链中诞生。

喻方谈“行为金融学”：

在投资界，无论工具多么复杂、多么先进，“人”才是最根本的。

于方，中欧国际工商学院金融学副教授，师从诺贝尔经济学奖得主理查德塞勒，曾任巴克莱全球投资管理公司研究员。

>> 传统经济学与行为金融学之争

金融领域有两个重要流派，一个是传统金融学理论——有效市场理论，另一个是行为金融学。 目前，80%的学者认同“有效市场理论”，而行为金融学的受众相对较少。 “有效市场理论”最著名的代表人物是法玛，其主要思想是“市场是反映信息非常有效的场所，当竞争充分时，这个市场的信息是有效的，价格也是有效的” ”

2012年，英国卫报举办选股大赛。 参赛队伍有经验丰富的基金经理、高中生，还有编辑部养的一只猫。 哪只股票，你认为谁的一年表现最好？

猫。

基金经理赚了 3.5%，猫赚了 11%——尽管这三组的表现都没有市场平均指数好。 Fama的核心思想是股价反映的是已有的信息，即使你分析这些波浪和趋势，也不能给你带来什么。 投资者应该做的是购买股票指数，从长远来看，这肯定会带来安全的回报。 他的理论提出后，指数产品就诞生了。

行为金融学的代表人物、2017年诺贝尔奖得主塞勒认为，传统金融学“过头了”。 传统金融普遍认为所有的投资者都是非常理性的，但塞勒认为，去掉“人性”之后，并不是不会产生好的模型。

这两个流派在过去的20到30年间有过多次争论，但中国有“知之于争”之说。 您不希望任何领域都只存在一种声音。 人们常常在争论的过程中向前迈进，以获得更深刻的理解。

>> 损失厌恶：失去比赢痛苦2.5倍

行为金融学主要是研究投资者的系统性行为偏差如何影响市场价格，主要依据是认知心理学。 当市场上存在一些非理性的投资者时，有效市场理论认为这些人迟早会被淘汰，这些人不会对市场产生影响； 但行为金融学并不这么认为。

行为经济学中有一个著名的理论，叫做“前景理论”。 其中一个结论是，失败的痛苦远大于获胜的痛苦。 经过实验计算发现，输球的痛苦是赢球的2.5倍。 这就是“损失”的厌恶；还有一个很重要的结论：

在“赢”的象限内，曲线呈现的是“避险”。 按照传统经济学，如果在这个场景下是“避险”，那么在其他场景下也是如此； 但实际上，同样是人在“输”的场景下，可能会变成“风险偏好”，因为输是痛苦的，他想尽快回到“赢”象限，所以变得愿意去追求风险，可以解释很多赌博行为。

比如在金融科技领域，通联数据也在开发可以帮助普通人投资的机器顾问。 在这个过程中，机器不仅要不断优化用户的投资组合，还要懂得如何让客户在心理上更加满意：

人对随机性的感知很差，所以在投资过程中要有意识地避免一些问题，比如避免过度自信，接受自己知识的局限性，不要过度用短期现象来预测长期行为。 并以开放的心态接受你的损失，不要非理性地坚持损失。

“量化投资”可以帮助我们有效避免上述问题。 它可以帮助我们理解投资策略背后的逻辑和原因，判断一些现象和趋势是随机的还是相关的，帮助我们克服各种心理问题。 投资障碍，理性认识世界，认识市场。

最后，我们都必须认识到，在投资的世界里，无论工具多么复杂、多么先进，人才是最根本的。

丛林谈论“金融科技”：

我们需要关注的是创新的根源，无论是来自技术创新还是商业模式创新。

聪聪是芝加哥大学商学院教授和博士。 斯坦福大学金融学士。 他的研究领域包括金融科技与创新、实物期权、市场效能与缺陷、中国经济与金融体系以及统计学习。

>> 金融科技创新的根源

我们讨论了金融科技的创新可以分为两个部分，一个是技术，以技术为基础，改变了行业和企业的运作方式； 另一种更多是金融产品或商业模式的创新技术，但主要创新还是在商业模式上：

如上图所示，技术创新主要通过分布式系统、云计算、物联网等草根技术进行。 另一类更多是基于数字技术，包括一些网络安全或公司安全应用、人工智能应用、数据采集、替代数据提取、智能学习、自然语言处理等等。

金融产品和商业模式的创新包括证券产品的设计，包括ETF和smart beta，还有一类服务，比如智能投顾。 虽然使用了一些人工智能技术，但更多的是商业模式的问题。 创新。

>> 区块链泡沫中的思考

上图是截至2017年第三季度各资产收益率，全球股市收益率在20%左右，比特币300%，很多电子货币的资产收益率甚至达到近700%。 里面一定有很多气泡。 ，但当然也有创新。

在我看来，区块链的核心是分布式、去中心化的共识。 在产生去中心化共识时，需要分发更多的信息，但信息分散未必是好事。 首先是隐私问题。 为了保护个人隐私，我们会有很多私有化的区块链，银行联盟的区块链会有一些限制。 交易产生后，会限制发送给哪些人，这与“去中心化”背道而驰。

这是从信息渠道来看，还有一个渠道也是“反中心化”的。 比如挖矿，一个人挖，即使投入大量算力，挖矿也不方便。 这就是为什么很多矿石，大家可以集中算力一起挖，这样我们就可以降低挖不到的风险。 虽然比特币最终分配较少，但风险已经分担。

另外，如果有一个公司和一个组织，也比较有可能做到一定的经济规模。 在一个完全去中心化的系统中，我们如何实现这种规模也是一个挑战。

这三点都是关于为什么在“去中心化”的系统中会有中心化的权力。 这些都是我们需要思考的问题。

>> 人工智能在投资中的宏观应用

上图是一个投资系统。 底层是数据库处理，包括数据访问权限的设计。 中间会有一些算法和执行应用。 算法包括很多人工智能技术，比如自然语言处理等，最上层是投资部门和企业运营管理部门。

在我看来，人工智能可以应用于一个系统，而不是局部化。 部分可以通过智能算法更好的选资产或者风控，但是我能不能在风控好之后通过实时数据预警给选股系统一些反馈，这些反馈能不能帮助我进一步提高风控？ 系统，这在我看来是未来金融科技发展的一个重要方向。

>> 非结构化数据的价值与实践

当你进行投资或公司财务分析时，你看到的都是结构化数据，但现在一些顶级金融科技公司开始越来越关注非结构化数据的收集和分析，包括通信数据。 许多新的发展。

比如有很多文本数据，包括新闻、会议记录、公司管理层讲话等。 我们通常先定义一些词汇，比如“公司创新”，然后搜索这篇文章有多少这样的词； 您还可以定义表达正面或负面市场情绪的词，然后查看出现次数。 这些都是比较简单的操作。

但实际上，文本中包含的数据和信息其实是非常丰富的，这样简单的分析并不能提取出最有效的信息，而自然语言处理可以更好地解决这个问题——我们让数据自己生成一些信息主题，对一些文本进行分类，比如大致判断是关于公司盈利能力、风险还是市场情绪，判断这些内容是否对投资有帮助。

包括音频和图片在内的非结构化数据，无论是投资还是其他领域的创新，都可以在未来得到更好的应用。

在“金融科技与创新”的大命题下，我们更需要关注创新的根源，无论是来自技术创新还是商业模式创新。

洪融谈“中国投资者行为”：

A股市场将分裂为两个截然不同的投资群体，即价值投资群体和投机群体。

宏大教育创始人、知名投资导师洪融曾任上海大智慧股份有限公司执行总裁，拥有丰富的金融经验和企业管理经验。

>> 具有“中国特色”的A股市场

投资不忘祖国。 我们常说“有什么样的土壤，就长什么样的庄稼，要想有所收获，就要知道自己扎根的土壤是什么”。 中国A股市场有自己的特点：

正是因为这种情况，市场化改革才会变得十分艰难。 A股市场被“散户”绑架例如，我们市场没有“加速退市”政策。 只有退市速度变得非常快，甚至上市速度和IPO差不多的时候，市场上的散户才会慢慢消失。

>> 被散户绑架的A股市场

我们的市场一直在努力迎合和取悦散户投资者。 由于散户和输家占据了市场的大部分，追求流量的媒体不得不迎合输家，提供输家喜欢的信息。 这个信息进一步强化了失败者的自卑感，因为人们更倾向于接受自己愿意接受的、与之前观点一致的信息。

媒体在迎合散户，监管部门也在保护散户的存在，这也让那些真正理性的投资者更容易在A股市场获得可观的回报。 市场也意识到了这一点，开始实施强监管。 为了改变A股市场的“特点”，监管层付出了艰苦的努力，似乎硕果累累。 虽然炒作被严厉打压，价值投资开始流行，但土壤并没有太大变化——政策还在变化，散户的相对比例在下降，但绝对值仍然不小。 新股上市已经常态化，但仍然有审批制度和交易制度。 依旧不变。

改革之路虽然漫长艰辛，但在“土壤”​​不断改良下，投资者行为也在发生变化：机构投资者占比不断提高，A股市场日趋成熟，散户投资者将逐渐被淘汰出局。市场; 目前，我们的市场处于转型期，A股市场将分裂成两个截然不同的投资群体，价值投资群体和投机群体。

活动当天，会场座无虚席，就连临时增设的几排座位也坐满了——谁都不想被时代甩在后面，永远站在时代的最前沿。时代不仅要看到你所从事的行业的未来，更要能够看到不同领域之间互动和碰撞的可能性。

通联数据一直致力于不同学科、不同领域的知识、数据和技术的融合，也汇集了各行各业的精英，通过讲座、论坛、峰会等不同形式进行分享和交流。 正如于方教授评价的那样：“通联数据是一家新兴的金融科技公司，最好的感受就是这家公司有非常强的好奇心，非常愿意去接触新鲜事物，非常愿意把学术界的东西应用到练习。去。

本次论坛为我们2018年开了个好头，未来我们将继续怀着“好奇心”探索各领域投资实践的无限可能。

- 结束 -

↓↓↓或者点这里直接报名通联数据接下来的活动~