對話工銀瑞信基金首席信息官王建：新時期的資管科技賦能與平臺建設思考

今日恰逢七夕

為大家特別奉上一場關於「資管科技」的深度對話

自2018年資管新規發佈以來，公募機構逐步在居民財富管理和資本市場資源配置中發揮越來越重要的作用。與此同時，伴隨着國內外市場環境變化與政策改革的深入，公募機構也正面臨着新的業務佈局挑戰。

今年五月，證監會《推動公募基金高質量發展行動方案》，正式以「投資者回報」作為行業發展的關鍵錨點，吹響了高質量發展的「號角」。

值此行業變革之際，《恆生世界》邀請工銀瑞信基金首席信息官王建、恆生電子資產管理業務總部部長何華進行「爐邊對話」，聚焦當前的資管行業業務重塑，以及智能交易應用、實時數據底座等資管科技熱點，共同探討如何搭建適應行業變革的資管科技體系。

Q1

當前，資管機構面臨着愈發複雜的宏觀經濟與世界局勢挑戰，風險特徵日趨複雜，這將為投資經理投資決策和風險管理帶來什麼樣的變化和挑戰？

   王 建   

從宏觀大趨勢來看，全球經濟和金融市場的整體聯動性增強，國內基金行業既面臨着嚴峻挑戰，也肩負着服務國家戰略、踐行金融人民性的重要使命，近幾年來個人投資者持有基金佔比逐年上升，已經超過了半壁江山，個人投資者和機構投資者在風險偏好和投資邏輯上存在着顯著的不同，這些差異化的投資訴求對投資經理來説意味着多重考驗。

投資策略方面

投資經理越來越重視穿越周期的資產多元化配置，覆蓋權益、固收、大宗商品、衍生品等多元化投資領域，提供適應多層次客羣的差異化產品，這將降低單一資產波動影響，能夠更敏鋭地挖掘各類資產的投資機會，在經濟周期的循環調整中保持相對穩定的表現，提升投資者獲得感。

投資風險方面

宏觀及市場的變化都可能迅速波及全球，引發市場波動，投資組合面臨的利率風險、匯率風險、信用風險特徵更加複雜多樣，這就要求投資經理進一步加強全面風險控制，充分考慮多類資產特性，構建各種極端風險場景下組合風險壓測能力以及投前試算能力，精準評估投資策略有效性和風險暴露情況，及時調整優化投資組合策略，增強組合的抗風險性。

守好人民的錢袋子不僅需要卓越的投資分析能力和風險防控能力，也需要充分藉助數字化建設的力量，應用好人工智能和大數據前沿技術，切實提升投資及風險防控質效。

   何 華   

王總強調了在當前環境下風險特徵的複雜化，以及在這種背景下對全面風險控制和極端場景壓測能力的更高要求，我特別認同。

從投資模式的歷史發展脈絡來看，2008年前，全球主流的投資模式是收益驅動型，追求合規範圍內的最大收益。交易前僅需滿足合規要求，風險管理以事后管理為主，二者分別依賴交易系統的實時數據和估值系統的日終數據。由於兩個系統數據口徑差異，尤其是持倉計算差異，導致合規與風險管理存在不一致性。

但是2008年金融危機后，投資模式開始轉向風險驅動型，投資決策在一個箱體內做出，箱體的下限是合規底線，是不能向下突破的，而風險佔用的最大值是上限，投資決策是不能向上突破的。因此，投資經理交易前需實時評估風險佔用，追求風險可控下的最大收益。該模式通過提前識別風險提升決策質量，更好管理風險以定製產品適配不同風險承受能力的客户需求。

這種模式轉變促使資管機構需要實現精細化組合管理，投資管理系統也需要實現進一步的整合：

整合數據管理

建立統一的數據管理平臺，保證系統能夠共享和訪問相同的外部資訊和內部持倉數據源，提升數據的準確性和一致性；

整合合規風險模型

構建統一的合規和風控模型體系，確保投資組合管理系統能實時共享信息和統一計算過程，從而提升監控和預警能力的準確性和一致性；

整合工作流程

使合規和風控團隊在日常操作中能夠緊密合作，同時資源向投資決策過程傾斜，確保投資決策有充分的風險評估支撐。

通過以上工作，投資團隊可以便捷地基於所需維度、口徑進行實時業務分析與風險計量，計算風險佔用，實現更科學的投資決策。

Q2

今年五月中旬，證監會發布了《推動公募基金高質量發展行動方案》，促使公募機構從追求相對排名轉向絕對收益創造。這種轉變將會給資管行業主動管理及投資策略帶來哪些影響？與此同時，這樣的轉變會給我們的新一代資管核心系統建設提出怎樣的要求？

   何 華   

資產管理行業中，主動管理始終扮演關鍵角色。其策略隨資金屬性與市場環境持續豐富：從依賴投研的「自下而上」基本面分析，發展到基於宏觀的「自上而下」資產配置，再到金融危機后的風險中性策略。底層資產也從單一走向多資產、多策略、多幣種，以滿足多元配置需求。我國人均國民收入GNI邁過1萬美元門檻后，投資者行為顯著變化：更注重資產保值增值與長期價值，主動進行跨領域、跨類別配置以優化風險收益組合。同時，全球化推動跨境投資需求增長，成為分散風險、尋求機遇的重要途徑。

正如改革方案提出的，公募行業要向創造絕對收益的高質量發展轉型。為此，機構將通過工業化投資與專業化分工，分層管理策略研發與產品運作，提升策略穩定性與產品多元化。依託系統化模式可以克服個體不確定性，強化產品供給能力。從科技角度來看，在單資產、單策略階段，市場更加註重高效的電子化執行和投研分析。但隨着市場風險的多元化、投資策略的豐富，風險管理、數據運營、金融計量能力成為投資經理決策的重要支撐。

基於改革方案的要求，從恆生視角來看，技術支持上首先要圍繞核心投資團隊構建高質量、實時、多維的數據賬簿，支持投資團隊更好地圍繞策略進行模擬回測、損益分析、風險監測和歸因分析，提供「千人千面」的決策支持能力；其次，需要應對跨市場跨幣種投資下，如何遵循境內外雙重合規體系，特別是聯合風控建設，更好應對「走出去」的發展問題；再是，積極對接跨境交易通道，打造自主可控境外交易能力，實現境內/境外的一體化交易能力。

   王 建   

目前國內主動權益類基金整體規模已超3萬億元，公募基金正在加速構建全資產主動投資能力以滿足投資者對跨市場多資產的需求。《推動公募基金高質量發展行動方案》中提出的中長期業績考覈方向及浮動管理費機制，要求主動權益投資立足長遠，在不斷創新的同時加快「平臺式、一體化、多策略」投研體系建設。中長期業績收益創造要求研究層面更加註重宏觀分析及個股的基本面分析，深入挖掘企業的內在價值。

因此，市場需求和政策導向，正驅動投資模式逐步向工業化轉型，意味着投研分工的更加專業化、特定領域研究的進一步精細化以及投資品類的持續擴充。這一點，我想我跟何總達成了共識，對於數字化的方向，我從我的視角上提一些想法。

當下基金行業數字化轉型聚焦投研一體化支持平臺構建，基本形成了覆蓋固收、權益、基金等資產的數字化支撐體系。

而投資工業化模式要求資管核心系統需具備強大的數據處理能力，通過統一的數據底座實現投資數據的聚合共享，構建靈活的指標體系以及高度集成的展示面板，為投研提供豐富的分析工具及監控預警體系，從而提升投資決策效率。

在底層資產核心估值模型及資產定價研究上，要注重投研工具庫的建設，藉助金融數學、人工智能及歷史數據提供深度分析平臺化支持。

同時，風險的精準分解與控制也是投資工業化建設的關鍵問題之一，在這方面國外頭部機構貝萊德已藉助其Aladdin系統在風險管理方面實現了「風險前置-動態調整-收益保護」的全周期管理，並在極端風險場景中發揮作用。未來藉助AI大模型能力及本地化風險模型，可以更好的支持風險計量和風險定價，進一步拆解風險與績效的驅動因素，從而提升投資組合在複雜市場環境中風險收益的穩定性。

Q3

除了主動投資策略，當下，被動投資也已成為公募基金行業的重要發展趨勢。隨着市場效率的提升和投資者教育的深入，其在資產配置中的重要性日益凸顯。在被動投資白熱化競爭的格局下，資管科技如何實現在安全運營基礎上助力新產品獲取先發優勢，提升被動投資管理半徑？

   王 建   

2024年ETF迎來了爆發式增長，新發規模突破了千億大關，在產品數量及規模不斷攀升的態勢下，傳統單兵作戰式的研究方法及運營體系已經難以匹配擴張與創新的需求，如何解決策略同質化問題、平衡產品運營安全與效率，成爲了行業關注的焦點。

產品研究層面

隨着策略同質化現象的加重，可以觀察到因子擁擠度不斷上升，競爭日趨白熱化，使得原有的量化策略難以持續有效。

在指數增強及SmartBeta策略研究支持方面，需要結合AI技術，圍繞研究數據治理、因子挖掘、策略構建及回測、策略執行到策略歸因，構建量化研究與投資體系的完整閉環，提升因子挖掘效率，並通過組合優化技術提高策略可靠性和有效性。

此外指數編制及業績比較基準的選擇對產品至關重要，因子選股算法支持及多維度權重構建方式和指數回測框架的建設，可以為指數研究提供更廣闊的空間。

產品投資及運營管理層面

產品投資及運營管理層面，隨着投資標的的多元化及跨境ETF品類的拓展，ETF產品整體運營難度和合規風險逐步顯現，一方面要通過平臺化的能力拓寬投資管理半徑，為指數型產品的組合倉位管理、調倉計算、頭寸預測、指數調整、補券、分紅等場景進行有力支撐，打通調倉計算及各類資產指令閉環，為投資人員提供「調倉策略-指令下達-執行監控」的一站式服務。

另一方面要結合ETF產品運營鏈條長、產品業務模式複雜、內外部協作廣的特性，及時掌握運作過程中的重要風險點，聚焦全流程風險監控，形成常規預警機制，提升產品運營的平穩性及安全性。

Q4

王總剛剛從國內的視角介紹了被動投資的發展和資管科技的助力，何總可否從全球的視角來談談？

   何 華   

從被動投資的發展歷史來看，約翰·博格創立首支指數基金不足半世紀，但低費率指數基金與ETF已爆發式增長。就被動投資規模最大的美國市場來説，2000年以來被動股基佔比持續攀升，2024年已超60%，產品從寬基擴展至行業、債券、商品等各類，並衍生出SmartBeta型ETF，為投資者提供了低成本工具。

在國內，隨着指數化理念普及、政策支持及機構增持，國內ETF市場進入快車道。市場規模將持續擴大，產品圖譜日益豐富，迎來重要發展機遇。但國內ETF存在短板，如備兑期權、混合資產類ETF仍空白，底層資產、產品規模均低於境外，存在較大發展空間。搶佔創新產品先機成管理機構重點，依賴其被動投資基礎能力與運營效率。

從美國經驗來看，ETF市場可能面臨馬太效應，當前貝萊德、先鋒、道富等頭部機構已佔據全球80%份額，並且隨着競爭加劇將面臨費率的不斷降低。資產管理機構應注重通過系統的建設，從數據時效性、交易算法、系統穩定性、運營效率方面，建立ETF全生命周期管理平臺，通過高容量補券能力，打造競爭壁壘。

Q5

隨着投資團隊對數據及時性要求的提升，科技團隊應如何圍繞業務訴求，構建前臺投資交易賬簿，提供實時估值、實時運營指標更新、實時頭寸測算等體系，助力投資的管控和收益提升？

   王 建   

隨着費率改革的不斷深化，以技術重構運營效率邊界、提高資金利用質效成為運營領域要考慮的主要問題。投資交易精細化水平的提升依賴於估值、交易指令、意向指令及頭寸管理等核心數據，組合實時估值及實時指標計算能力可以為盤中的投資指標測算、指令試算、頭寸安排、實時風控提供依據，進一步提升投資策略的準確性。

投資記賬簿（IBOR）作為實時指標協同體系建設的核心，業務場景方面要涵蓋全組合、全品類的實時數據，幫助基金經理不斷優化投資策略，提升組合收益率，同時通過歷史時點數據的全景回放，為盤中投資風險的測算及投資業績的回顧分析提供更加準確豐富的數據支撐。

技術方面需要搭建先進的數據模型及高效的實時數據計算框架，支持海量數據快速存儲和讀取，通過多任務集羣、智能緩存等計算方法，縮短計算時長，提升實時計算性能。

   何 華   

我認爲準確的數據對投研人員來源是最重要而往往又是最難的需求。在投資端，最重要的是圍繞交易全生命周期，實現從模擬、意向、詢價、指令、成交、結算的實時全狀態管理，基於此面向投資團隊提供投資決策所需的實時估值和損益計算能力、頭寸測算能力。

實時估值方面

行業正從依賴T-1后臺估值的「Flush&Fill」模式轉向實時業務事件驅動的IBOR模式轉變，通過感知全狀態業務事件（主動交易及被動事件），實時刷新基礎Position，並基於多口徑計算能力，實現7*24小時的實時估值計算能力，滿足不同崗位的前臺估值需求。

頭寸方面

由於全狀態業務事件的完整簿記，結合多維度的頭寸計算規則，能夠結合金融工具中的未來被動事件和模擬決策調整事件，精細化測算頭寸變動，為投資經理頭寸排布和流動性管理提供助力，實現更大化的資金利用效率，間接提升投資收益。

Q6

剛剛我們聊了投資和風險這兩個資管業務的核心。從科技的角度來看，眼下人工智能已經成為金融行業創新發展的關鍵。在投研領域，二位認為行業能夠如何應用AI能力提升效率、創造價值？

   何 華   

當前投資研究工作好比「淘金」，外部信息處於爆炸式增長，投研領域面臨信息過載問題。而值得慶幸的是，AI在資訊數據處理、信號挖掘方面展現了較高的應用潛力，從數據獲取到研究結論生成，AI正在深刻重構投研流程，從數字化投資研究走向智能化投資研究。

我認為智能化投資研究的主要目標是實現高效資產價值發現，從不確定性中提高確定性。為此，需要積極利用AI和大數據技術，為投研人員提供強大的數據處理平臺，裝備高效的投研工具，提高投研效能，需要面向更多業務場景進行需求下沉，面向公司內部反覆迭代打造高效「搜、讀、算、寫」工具應用，提升研究和管理效率。

   王 建   

的確，投研領域屬於知識密集型的領域，在數據爆炸的時代，傳統的投資研究模式面臨着效率瓶頸，而AI正逐步成為提升效率和創造價值的關鍵驅動力。

在數據處理方面

以往研究員要耗費大量時間從海量的金融數據、研報、路演以及新聞資訊中提取有效信息，依靠人工方式很難突破效率及覆蓋面的極限。

運用好數據治理機制並進行數據清洗、存儲和分析，實現研究數據的聚合、脱水、解讀，結合AI大模型能力和Agent智能體構建智能研究助手可以實現精準投喂，將研究方式從「人找數據」升級為「數據找人」,把研究員從數據處理工作中真正釋放出來，可以更加聚焦投研的前瞻性，專注於精度和深度的提升。

在研究模型沉澱和策略挖掘方面

傳統的建設方向多圍繞知識圖譜、研究指標及研究模型實現邏輯和研究方法的積累展開，未來結合大模型能力，研究價值將從「信息整理」轉向「認知迭代」，結合垂直領域模型的精調訓練提升模型泛化能力，AI將有望成為研究員的「第二大腦」。

與此同時AI自動化編程使得研報復現成為可能，藉助大模型將最新的學術研究成果快速落地為策略組合，可以高效實現投資價值挖掘，讓研究成果不斷匯聚凝練，形成投研合力。

Q7

智能交易也是人工智能在金融領域大放異彩的重要場景，從高頻交易到量化投資策略的優化，AI技術正不斷革新交易模式，提升交易效率與收益。在二位各自的工作實踐當中，對於交易智能化及算法深化，又有哪些經驗可以交流？

   王 建   

隨着傳統的交易執行逐步向交易智能管理轉變，算法策略優化、交易機會深度分析成爲了業務領域的建設重點。在交易流程線上化、崗位操作自動化的傳統建設場景之外：

一是要充分發揮AI大模型優勢提升流程智能化水平，基於Agent技術構建多場景智能交易AI助手，參與到交易詢價、指令生成、執行監控業務場景中，提升交易質效。工銀瑞信前期在交易詢價要素解析、交易分量等方面已經引入了金融數學和人工智能技術，在場外交易端線上化的基礎上，有效解決了業務痛點。

二是在交易策略及機會捕捉上，藉助大模型的能力結合宏觀經濟指標、市場情緒數據與內部交易行為構建預測模型，在流動性分析預測方面，大模型可以結合過往經紀商、CFETS、交易所等全行情數據進行深度挖掘，構建智能流動性模型。在這方面，我們前期進行了大模型在資金情緒指數場景的應用探索，輔助交易員預判利率中樞變化趨勢，降低資金交易成本。

   何 華   

我從具體的實操上來談一談。雖然資產管理市場規模龐大，但交易量化程度仍然偏低，部分交易環節割裂，交易效率提升、成本優化應是當前投資交易環節的關鍵。目前在交易自動化方面，場外交易因為其流程長、詢價渠道分散、部分環節依賴線下等問題，效率急需提升。

恆生與工銀瑞信正在共同探索利用AI技術，實現報價多源整合、自動化對外詢報價、智能盯盤及意向匹配，疏通場外固收交易堵點。

而在交易智能化方面，我們提出了「算法輪盤」的概念，可以幫助交易員更好、更智能地完成交易指令的執行。

對於策略多樣化方面，量化交易平臺需要具備開放性，支持用户更快、更好地完成量化業務自主開發，結合O32、O45等交易通道，實現面向股票、期貨、期權、債券等多資產的量化交易。

Q8

隨着全球資產配置的需求旺盛，「公募基金」出海成為必然選擇，公募基金境外子公司將直接面臨多市場的投資管理和運營。在境外子公司運營一體化上，如何進行相關的業務支持？

   王 建   

在全球經濟一體化的背景下，各金融市場之間的聯繫趨於緊密，資本流動更加國際化，投資者對於跨市場、跨幣種、跨資產類別的投資需求日益增長，出海是全球化收益覆蓋的必要路徑。

同業前期紛紛佈局香港子公司業務，搭建全球化投資體系。在整體運營上，如何發揮母公司的數字化體系建設優勢，通過一體化運營在降本增效的同時嚴控跨境風險，成爲了運營領域的新課題。

在系統建設上，我們要重點考慮子公司業務的特殊性，提升現有體系的開放性，識別可複用的業務場景及數字化基礎服務，如跨境簿記、註冊登記、資產估值、頭寸管理、資金清算交收等基礎業務，做好複用與差異化的平衡。

再是投資、研究及交易各領域要更廣泛的鏈接海外投資工具，在境外數據資訊、風險聯合控制、投資渠道上更全面的融合打通，提升子公司投資效率。當然還要關注監管要求的差異化，在支撐業務高效開展的同時滿足境內外產品合規報送的需求。

   何 華   

隨着全球資產配置的需求旺盛，「公募基金」出海成為必然選擇，基於王總對出海路徑和運營挑戰的闡述，我做一下補充。未來，公募基金香港子公司將直接面臨多市場的投資管理和運營，特別是在中后臺運營方面需要進行完善，雖然境外子公司整體規模不及內地母公司，但由於其多市場、多幣種、多日曆、清算差異、國際合規要求遵循等特徵，整體技術架構複雜度卻更高。

另外，對於境內外母子公司一體化運營管理，除了需要統籌考慮跨市場、跨幣種的業務簿記、資產覈算、清算運營的底層模型設計，還需要從金融工具、業務事件模型、多維口徑覈算、可用因子及合規因子庫等方面，實現真正的「全資產」投資管理平臺能力。在技術服務形態上，SaaS形式是境外子公司首選的服務形態。

值得一提的是，出海機構將迎來更多創新產品（如新穩定幣法案，既規範行業又促其發展），靈活的技術架構支撐快速響應新金融工具創新，是未來的關鍵。

Q9

穩定幣作為當前熱點議題，引發多方探討。二位如何看待穩定幣對經濟與金融體系的影響？它將如何拓展資管機構金融服務的邊界，同時我們應該如何應對相關的技術安全風險？

   王 建   

2025年5月21日，香港立法會通過了《穩定幣條例》，標誌着香港在全球虛擬資產監管領域取得了重要進展，香港市場推出首支零售RWA基金，實現了代幣化的突破，此前貝萊德也實現了美債代幣化全流程鏈上操作。RWA藉助區塊鏈技術實現了更靈活的交易清算方式，能夠觸達更廣泛的投資羣體，為全球化資產管理提供創新性的解決方案。

雖然當前公募基金發行的RWA產品還處於鏈上鍊下差異運營的狀態，但可以預見的是，伴隨加速去中心化金融（DeFi）的發展趨勢，在下一代資管平臺建設中，鏈上資產投資運營融合將成為生態的一部分。

要兼容傳統金融與區塊鏈生態，就需要進一步探索鏈上資產估值框架及實時支付體系的變革，以及與央行數字貨幣支付場景等業態的融合協同。當然，創新類資產的風險也是顯而易見的，隨着合規框架的完善和鏈上資產二級市場交易的逐步放開，在風險管理方面需要考量鏈上反洗錢、鏈上資產合規體系的融合，構建虛擬資產風控能力。

   何 華   

從資產管理機構角度，我認為穩定幣將為行業帶來幾方面的影響：

穩定幣將增加新的清算資金形式。貝萊德基金已經通過推出線上貨幣基金BUIDL，允許投資者通過穩定幣USDC進行申購贖回，相對傳統的申贖機制，展現了區塊鏈自動到賬、高效清算、7x24小時可用的優點，這將對未來資產管理機構的服務模式、清算運營產生最直接的影響。

在投資範圍方面，投資者通過穩定幣，可以鏈接到數字資產。例如投資者可通過投資代幣化技術將現實資產轉化為鏈上數字收益的RWA，獲得投資收益，數字資產的投資管理能力有望成為資產管理機構的必備新「技能」。

從市場風險角度，穩定幣的1:1儲備帶來的傳統高流動性資產的供給變化、市場情緒傳導也會為現有資產管理產品帶來新的風險特徵，風險管理需要覆蓋去中心化金融系統（Defi）和傳統金融市場之間的相關性研究。

Q10

對照阿拉丁等全球領先的同業系統，國內資管核心系統在技術框架方面，特別是在融合大模型智能體等前沿技術方向上，未來還應該如何進行系統性、前瞻性的相關建設，以更好地支持資管業務的發展？

   王 建   

貝萊德的阿拉丁系統確實是目前全球領先的資產管理平臺之一，沉澱積累了國外近百年的行業經驗。對國內公募機構來説，建設新一代資產管理平臺需從戰略規劃、數據治理、技術架構、組織協同、生態合作等多維度進行系統性設計與實施，持續迭代。

首先要考慮是科技如何助力機構形成核心競爭力？

科技賦能最終要幫助公募機構打造自己獨特的核心競爭力，這里麪包含高效的分析決策、高效的實時交易，敏鋭的市場機會的探查，以及類似於橋水基金的「全天候」多層次風險預警和阿拉丁豐富的風險測試情景，還包括專業的資產定價能力和價值發現能力等等，這些業務層面的核心能力都需要通過技術實現平臺化支撐，同時還要在更細粒度提煉出通用的業務能力，建設一系列的更為靈活的共享業務組件，為投研風控人員提供豐富的工具庫，可以類似樂高積木一般實現快速的業務探索和創新。

再一個要考慮的是是否要走自主研發道路？

國內基金業歷史尚短，絕大部分公募機構都是先採購成熟產品展業，近年來少數實力雄厚頭部機構開始自主研發核心系統。不考慮短期成本，自主研發意味着更多的業務靈活性和持久的核心能力積累，對於建設一流投資機構這條道路也是必然選項。當然，自主研發並不排斥市場成熟產品，更好的選擇是以我為主重構業務主線，建設統一數據底座和技術底座，自主研發系統與廠商軟件定製化版本高度集成，最大限度保持自主研發優勢。

最后看AI的能力如何充分地得到應用？

從信息化到數字化再到智能化，人工智能應用模式目前普遍採用的「+AI」終究要走到「AI+」模式，尤其是MCP等智能體框架的出現，人機協同將會重構我們與機器的工作分工和業務流程，自然，智能體在新一代資管平臺架構設計中也會有重要的定位。對於公募機構的核心競爭力來説，各業務領域中的算法、模型是核心資產，這方面前沿金融數學、傳統的機器學習和大模型技術可以發揮相當大的作用，公募機構應逐步建立起自己獨特的核心資產庫。

   何 華   

回顧過去三十年，全球資管科技經歷了以「合規展業」為目標的1.0時代、「效率優化」為目標的2.0時代」，當前，以貝萊德阿拉丁平臺為代表的系統，已經邁入資管科技3.0時代，依託IBOR架構的實時數據底座和強大的風險管理、組合管理能力，幫助自身和客户管理超過20萬億美元資產。

此外，通過SaaS化模式構建生態整合能力，持續匯聚行業智慧，邁向「SaaS聚智」的新階段。未來技術發展應該從以下幾個方面着手：

業務場景驅動的技術架構

交易員層，以高性能、穩健為核心，構建基於內存計算等技術的基礎設施，滿足毫秒級交易及風控需求；

投資經理層，需提供靈活、多維的分析和試算，實現盤中準實時的決策支持能力，打造系統化投資管理能力，技術關鍵在於EDA架構的IBOR底座；

決策/監管層，需整合財富、投資、估值、財務等各類經營數據，依託T+1或實時數據中心能力，支撐經營決策。

穩敏雙態的分層設計

資管機構在基礎的投資工具、風險計量、資產定價估值等方面，存在行業的共性點，可以形成行業性的穩態平臺。

在業務場景端，理財子的直投/委外的管理、保險資管的負債驅動資金運用、公募基金的投研驅動投資模式，催生了各有差異的投資管理場景，這一「敏態」層需要結合資管機構的自身科技與行業平臺的深度結合，方可敏捷滿足「千人千面」的業務需求。

擁抱AI智能

在效率提升和價值挖掘兩端，為研究、投資、風控、交易等各崗位的提質增效都展現了應用空間。包括對海量數據和非結構化數據加工后的分析、場外交易智能化提效和風控預警、組合優化建議等。

作為金融科技系統服務商，我們也將梳理高質量行業知識庫、交易后端服務接口等基礎設施，秉承開放理念為各業務領域及智能體發展提供「接口物料」。

*本文原載於《恆生世界》2025年第4期