中金公司：全球领先的投行与资管如何自建科技生态？

来源：金融界网站

来源：中金公司

摘要

全球领先的头部金融机构大多倾向于自建IT，并通过自身IT基础设施对外输出形成科技生态。究其原因，自建IT并构建科技生态的主要优势是，其不仅可以支撑自身业务发展，还可以对外输出自身科技能力并实现变现，最重要的是可以形成相对于竞争对手的独特优势。

趋势：头部投行与资管自建IT是确定性趋势。

根据TABB统计，在10家欧美第一梯队的投行和资管机构中，2010-2014年自建与第三方IT（包括硬件、软件、数据等服务）的平均比例为3.14:1。从不同头部机构的系统建设情况来看，高盛、贝莱德基本完全自建IT系统，摩根大通、摩根斯坦利、Two Sigma、State Street均自建了核心IT系统。

生态：基于风控与IT构建生态形成三层壁垒。

第一层，风控能力自身具备网络效应，头部机构搭建大规模的风控平台，获取规模经济效应，实现相对于其他机构的壁垒。第二层，开放风控与IT能力，形成开发者生态，头部金融机构通过开放风控与IT能力，与第三方开发者对接，形成开发者生态。第三层，免费对外开放能力，依托自身牌照优势，为业务引流，形成金融生态。

变现：“醉翁之意不在酒”。

传统金融机构可以通过对外输出自身IT实现变现，目前贝莱德的Aladdin销售收入已经占其收入比例近7％。更重要的是，结合科技生态，传统金融机构可以实现业务层面的变现，包括提升传统业务的效率（如Aladdin助力贝莱德投资业务）、助力新业务快速拓展（如高盛拓展零售银行）、或者是直接实现业务收入（通过生态内科技企业投资，高盛直投以及财富管理业务实现直接收益）等。

全球领先投行以及资管机构能够自建科技，并形成生态，其基础是远超平均水平的投入。以高盛为例，2017年有1/4左右的雇员（9000人左右）具备STEM学位，招聘岗位中有近一半是科技类岗位。目前国内资本市场尚没有具备相应体量投入的金融机构，因此我们预计距离全面自建IT仍有较长的周期。在这一背景下，第三方IT公司仍有充分的发展空间。

风险

资本市场创新政策落地不及预期。国内资本市场发展超出预期，快速向海外格局靠拢，头部机构自身具备IT能力。系统性估值回调。

正文

核心逻辑：风控为核，生态为先，变现角度多样，顶级投行与资管自建IT是确定性趋势全球资本市场IT概况：自建占主导

1、监管加强、传统业务承压、IT能力不足以支撑业务拓展，成为困扰头部金融机构的主要问题

商业模式承压，传统业务收入下滑。金融机构传统业务主要基于交易额收取一定佣金、管理、手续费用。由于竞争加剧、服务同质化、政策变化等因素，传统业务的交易额、费率逐步下降，导致金融机构的收入受到挤压。以高盛为例，全球市场业务条线（Global market，固收+权益）收入在2007-2019年间，由312亿美元跌至148亿美元。

图表：高盛机构客户服务/全球市场业务条线收入（固收+权益）较2007-2009年高点有较大幅度下滑

资料来源：Factset，中金公司研究部

金融危机背景下，监管不断加强，金融机构降低合规成本成为最大诉求。监管环境日益复杂，美国与欧洲的多项监管法案在金融机构报送、税务、双边风险管理等方面都做出了更为严苛的要求。金融机构面临的合规性成本也相应上升，根据估计自2008年以来银行在罚款、和解上支付了超过3,210亿美金，每年合规成本2,700亿美金，且至2022年可能翻倍[1]。

图表：监管环境日益复杂，金融机构合规成本提升

资料来源：IBS，中金公司研究部

IT能力不足以支撑业务，带来较大损失。在金融业务复杂度不断提升的背景下，传统IT系统对于创新业务的支持力度不足，导致业务无法正常开展，或者无法规避创新业务开展中的风险。如2012年摩根大通的“伦敦鲸”事件，在一次交易中产生了65亿美元的巨额亏损。其主要原因是公司内部缺乏自动化建模工具，业务人员基于excel手工建模，且模型中存在的错误未按模型检查小组（Model Review Group）意见修正[2]。

2、风控：算力与数据是核心竞争力

资本市场业务围绕风险展开。金融机构从事的主要业务均围绕挖掘风险、回避风险、通过承担风险获取对应收益等展开。例如，财富管理业务为高净值客户挖掘特定风险，资产管理、投资银行业务通过承担对应风险（如IPO余额包销等）获取报酬，衍生品业务可以帮助客户获取或规避特定风险等。

因此，头部投行与资管均在风控领域投入远超平均水平。资本市场拥有数以亿计的高频价格数据、庞大头寸、情景假设等，一个完善的风控系统需处理大量复杂数据。例如，高盛自建SecDB数据库，做出证券定价、分析潜在交易并监控风险，贝莱德打造Aladdin风控平台，管理投资组合的绩效、风险与敞口。二者均以庞大的算力投入作为支撑，SecDB由1500-4000万行代码组成，每日需计算2300万个价格、管理280万个头寸，Aladdin有11个数据中心进行支持，运行着数十亿个金融场景预测。

3、生态：基于风控与IT构建生态形成三层壁垒

第一层壁垒：风控能力自身具备网络效应。风控能力取决于对于不同风险因素、不同场景的模拟测算，用户数越多、使用频率越高，其测算越全面准确。因此贝莱德提出“Collective Intelligence”（集体智慧）理念，通过超过两万个用户的个性化使用，提升自身的风控效果。

第二层壁垒：开放风控与IT能力，形成开发者生态。头部金融机构通过开放风控与IT能力，与第三方开发者对接，形成开发者生态。自身IT能力也可以与投资能力结合，将IT输出赋能到被投金融科技企业，有助于被投企业快速成长。例如高盛推出Marquee讲自身SecDB的能力对外开放，贝莱德也推出Aladdin Studio与Aladdin developer，开放其平台能力。

第三层壁垒：免费对外开放能力，为业务引流，形成金融生态。金融机构具备牌照优势，免费对外开放风控与IT能力的最终目的是为业务引流，最终实现变现。如高盛尝试提高结构化票据在经纪商渠道中的渗透率，因此开放SIMON应用为客户免费提供结构化票据产品学习、风险评估等功能，为业务引流效果显著，运营第一年则吸引近2万亿美元资产。

4、变现：“醉翁之意不在酒”

直接销售是最直接的变现方式。与第三方厂商类似，头部金融机构也可通过直接销售将自身IT能力变现。贝莱德通过BRS销售贡献的收入从2010年的4.6％提高的2019年的6.7％，公司计划在2022年达到30％。[3]

图表：BRS贡献收入占比逐年提升

资料来源：公司公告，中金公司研究部

交易额分成等类似于研究佣金的收费方式也可以实现。得益于牌照优势，金融机构相对于第三方机构的变现方式更加多样。类似于传统股票交易中通过佣金等方式为研究付费，客户也可以通过佣金方式为IT服务如资讯、风控数据等付费。贝莱德通过Aladdin创造投资中的Alpha收益、进行产品创新，从而实现间接的科技变现。

5、趋势：头部投行与资管自建IT是确定性趋势

全球范围内看，头部金融机构自建IT是常态。根据TABB统计，在10家欧美第一梯队的投行和资管机构中，2010-2014年自建与第三方IT（包括硬件、软件、数据等服务）的平均比例为3.14:1。

图表：2010-2014年欧美一线投行和资管机构IT支出中自建和第三方平均比例

资料来源：TABB，中金公司研究部

从卖方看，高盛基本以自建IT为主，其他投行的核心系统也通过自建实现。高盛在卖方机构中自建程度最高，不使用完全独立的第三方IT系统。高盛使用的外部产品多来自于收购或投资公司，如Cadre、Kensho等。摩根大通的RiskMetrics数据库也是自建成果，与Cazenove的合资子公司在2005年采用GBST的Syn settlements作为Cash markets系统，但在Cazenove成为摩根大通合资子公司后，该系统亦转为自建。

图表：部分投行自建或第三方IT产品情况

资料来源：IBS，中金公司研究部

头部资管机构也通过自建或收购形成自有IT，并对外输出。贝莱德自建并输出IT起步较早，其自建Aladdin系统在市场中拥有绝对竞争优势，我们将在后文详细分析。2019年道富集团也通过收购原第三方OEMS供应商Charles River，推动自建IT对外输出进程。此外规模相对较小的资管机构也是市场内玩家：量化投资机构Two Sigma自建数据和风险管理工具Venn；Alliance Bernstein持股Algomi，对外提供ALFA、PIMCO等工具。

图表：资管系统通过自建或收购形成自有IT

资料来源：贝莱德官网，道富银行官网，Two Sigma官网，Alliance Bernstein官网，中金公司研究部

1、高盛：打造华尔街的谷歌

高盛将自身比作“华尔街的谷歌”，打造科技生态。投行业务围绕着风险展开，高盛将风控作为最重要的能力，并打造SecDB数据库作为立身之本。通过开源其能力，高盛逐步打造围绕着自身业务、被投企业、第三方机构而形成的科技生态。这一生态在不同业务部门通过不同方式实现了直接或者间接的变现。

图表：高盛IT架构和战略

资料来源：Harvard Business Review，高盛官网，中金公司研究部

1.1 风控为核，历时30年打造核心风控平台

卖方业务围绕风险展开。根据高盛前CIO及前CFO Martin Chavez，卖方业务从事的是承担风险（如IPO）、匹配风险（根据客户意愿在两个客户之间转移风险）以及挖掘风险（如帮助客户寻找投资机会）等。业务性质可类比于搜索引擎，帮助客户找到对应的风险，因此高盛努力将自身打造成“华尔街的谷歌”。

图表：高盛将自身定义为全球金融市场参与者的风险枢纽

资料来源：Martin Chavez在哈佛大学的演讲（https://www.youtube.com/watch？v=VF6DrX9H0Ug），中金公司研究部

作为支持所有业务的核心，高盛自研SecDB（Securities Database）支持风控。20世纪90年代高盛开始使用自创的Slang语言构建SecDB数据库，整个数据库包括1500-4000万行Slang代码，实现跟踪和管理全公司的风险。从技术架构来看，SecDB本质是一个分析数据库，具有高性能的并发读写特征。同时支持分布式结构部署，具有面向对象的可扩展性。因此SecDB类似于一张电子表格，单线程、计算快，可以令伦敦、东京和纽约的用户同时看到实时的数据变化。从业务功能来看，SecDB帮助高盛实现跟踪和管理全公司的风险。在导入头寸、客户成本/佣金等业务数据后，SecDB功能包括为证券定价、分析潜在交易并监控风险。

SecDB目前已成为高盛内部最核心的系统之一。SecDB是高盛主要的自研成果，是公司核心竞争优势之一。市场普遍认为，在2008年金融危机时，SecDB强大的风控能力令高盛避免了多个市场极端情况下的重大损失[4]。因此在2019年战略转变前，高盛始终拒绝对外售卖SecDB使用权。

图表：SecDB是高盛技术投入的重要成果

资料来源：Martin Chavez在哈佛大学的演讲（https://www.youtube.com/watch？v=VF6DrX9H0Ug），中金公司研究部

1.2 生态为先，Marquee将自身能力无差别对外开放

打造生态，高盛通过Marquee开放自身能力。一方面，金融危机后监管对自营交易下达禁令，SecDB对高盛的收入贡献减弱，另一方面高盛自身积极寻求转型，希望通过平台方式开放自身风控能力，形成生态。因此，高盛基于SecDB打造Marquee平台，并于2019年4月宣布客户直接与基于SecDB的Marquee进行交互，通包括数据提取、定价引擎和其他功能。客户通过Marquee API访问SecDB可以降低基础设施开销，并根据提供的服务减少投放市场的时间。

图表：Marquee为客户业务全流程赋能

资料来源：公司公告，中金公司研究部

Marquee覆盖“交易生命周期”全阶段，实现全流程赋能效果。高盛提出“客户交易生命周期”概念，并计划通过Marquee内部的GS Markets、SIMON、Marquee Trader等多个应用程序覆盖交易周期全阶段，为外部客户赋能。Marquee的进一步发展目标是打造成世界级的金融服务与风险管理平台，推动大宗股票交易电子化，允许接入多种投资应用。

GS Markets提供实时信息和研究成果。不仅提供全球股票、商品、债券、掉期利率以及超过100个外汇交叉提供实时价格，还提供来自内部机构客户服务团队和研究团队的最新研究成果。

SIMON打通结构化投资市场。SIMON全称为Structured Investment Marketplace and Online Network（结构化投资市场和在线网络），帮助客户了解结构化投资并执行交易。SIMON令高盛在独立的区域性公司之间开通新的第三方分销渠道。2017年已有18家经纪公司签署SIMON，即意味着通过SIMON可接触上千名投资顾问，以及其名下管理的约2万亿美元的客户资产，帮助高盛在票据业务上获得市场第4的地位，有效扩大了高盛的商业影响力。

Marquee Trader是外汇和商品电子执行平台。该应用程序同时应用于外部客户和高盛内部销售人员。随着市场动态数据的改善和用户采用率增长，2017年Marquee Trader客户平均每日交易量超过100亿美元，同比增长超过40％，用户数量同比增长超过20％。

Trade Tracker注重交易后管理。该应用程序可以帮助客户监视交易并根据市场情况变化管理头寸，并从理论上分析新交易对现有风险敞口的影响。客户可通过Trader Tracker获取详细的实时分析，以重组期权组合。目前高盛内部主要将Trader Tracker用于股票期权，外部客户将其较多用于外汇期权。

Strategy Studio构建跨资产投资组合。Strategy Studio允许客户使用股票指数、固定收益指数和GS baskets快速建立和分析自定义投资策略。同时还提供回测和其它高级功能，以每天监控和管理投资组合。

1.3 从技术与组织两个层面确保IT战略落地

1.3.1 技术：积极拥抱云计算、大数据、开源等创新技术

基础设施上，积极与云厂商合作。在高盛自研过程中，Marquee、GIR以及ClearFact平台均部署在亚马逊公有云。公有云令传统产品获得新赋能，以GIR为例，高盛将原有研究门户网站的核心功能都迁移上云，以获得高适应性和高性能，并借此向非传统客群进行拓展。

图表：GIR部署在AWS公有云

资料来源：Martin Chavez在哈佛大学的演讲（https://www.youtube.com/watch？v=VF6DrX9H0Ug），中金公司研究部

大数据应用上，形成数据湖，沉淀海量数据。高盛建立数据湖，整合有关交易、市场和投资研究的信息，以及通过电子邮件、语音电话和即时消息等各渠道的市场观点。将所有数据整合一处后，让机器进行学习，沉淀海量数据。

图表：高盛数据湖集成各类数据供不同人员使用

资料来源：Martin Chavez在哈佛大学的演讲（https://www.youtube.com/watch？v=VF6DrX9H0Ug），中金公司研究部

开源技术上，合理使用技术，节约时间和成本。如前所述，在Marquee等平台的前端应用中，高盛通常自研以形成差异化优势。而在相对同质化的后台中，高盛大量使用了React，Elasticsearch，MongoDB和D3等多项开源代码与技术知识，以准确、低成本地执行后台流程。开源代码的使用有效节约了IT人员成本，令其专注于高附加值工作（如风控、交易算法等），而非基础功能。

1.3.2 组织：从科技、投资、协同三个方面确保IT战略有效落地

科技人才：高盛拥有庞大的技术人力支持。2017年高盛近1/4员工拥有STEM学位，近9000人。同年，根据CB Insight统计，在高盛招聘的岗位中有多达46％的技术相关岗位，其中平台开发的人才需求最大，其次为运营工程师和股票技术岗位。

图表：根据招聘岗位数据，高盛招聘的技术类岗位接近一半

资料来源：CB insights，中金公司研究部

投资支持：PSI（Principal Strategic Investment）团队通过投资实现业务合作。PSI团队与证券（Securities，包括权益与固收）、运营、科技、投行等团队密切合作，实现通过投资初创科技公司，寻求业务合作，达到协同的作用。由PSI投资的初创企业大多为金融科技、企业服务、交易所基础设施等领域的创新创业公司，与高盛的主业有较强协同作用。目前PSI已经并入高盛成长企业投资条线GS Growth。

图表：高盛PSI部门投资的部分公司以及其与高盛的业务协同

资料来源：Havard Business Review，高盛官网，各公司官网，中金公司研究部

内部协同：数字战略集团（DSG，Digital Strategies Group）推动数字化转型。2016年高盛成立DSG部门，协调不同部门间的数字战略，同时确保证券部门（Securities，包括权益与固收）的执行落地。在数字化转型过程中，权益（Equity）与固收（FICC）部门开发了较多的应用与工具，为确保减少资源浪费，统一客户体验，特设立DSG部门，2019年DSG部门由CTO Boe Hartman领导。

1.4 成效：形成自身科技生态圈、快速孕育新业务

直接实现业务收益。依托于高盛自身的背书、业务以及发展，部分被投公司实现了较好收益，例如Direct Edge通过并购退出，Tradeweb于2019年实现上市等。同时，一级市场投资也支撑了其财富管理业务，如地产投资平台公司Cadre获得了高盛私人银行客户的2.5亿美元投资（2018年）等。

依托于自身科技能力，快速实现业务快速扩张。通过构建技术能力，高盛实现了业务的快速拓展与扩张。2016年高盛成为银行控股公司，并取得相应牌照，能够向零售客户进行销售。在11个月内，高盛通过其开放平台Marquee快速开发了Marcus借贷平台，消费者提供个人贷款。截止2017年4月，GS Bank的存款达到了1150亿美元，成为美国排名前25位的银行之一，GS Bank的个人存款为高盛提供了比传统资金来源更低成本的资本金，Marcus也成功将高速客群从高净值客户、机构投资者拓展至零售消费者。

2、贝莱德：头部机构如何成功输出自身能力？

贝莱德基于自身风控能力实现了技术的同业输出。贝莱德由于依靠其自身出色的风控能力，打造了Aladdin资管与风控平台，实现了其在大量同业资管机构的输出。基于这一平台，贝莱德不仅在买方系统市场取得了领先市占率，还实现了自身投资业务的快速发展。

图表：贝莱德核心优势是风控能力，打造BRS对外输出

资料来源：贝莱德官网，公司公告，中金公司研究部

2.1 贝莱德基于风控优势打造BRS

贝莱德在风控领域具备较强优势。贝莱德在风控意识上领先于竞争对手，在早期贝莱德已经前瞻性地认识到风险管理重要性，并致力帮助投资者理解他们所持债券组合中蕴含的风险，以此为起点为机构客户提供资产管理服务。风控能力也成为贝莱德差异化核心优势，让公司迅速发展，成为全球AUM第一的资管公司。

图表：全球Top 5资产管理公司AUM（2019）

资料来源：Statista，中金公司研究部

基于风控优势打造BRS，逐渐以Aladdin为中心。2000年，贝莱德成立BRS（BlackRock Solutions），对外输出技术。BRS以贝莱德的资管与风控平台Aladdin为主要业务，同时包括FMA（Financial Market Advisory，为金融机构提供咨询服务）与外包两类业务。自2017年以来，Aladdin的收入已占BRS收入的100％。

2.2 Aladdin以数据算力为基，六大模块为柱，形成功能全面的一体化平台

算力是Aladdin强大风控能力的基石。截止2018年，有11个数据中心支持Aladdin运行数十亿个经济场景预测，并基于预测检查客户投资组合中的每一项资产，对投资组合进行测试。同时重要历史事件也被记录在数据库中，包括利率和汇率变动、恶劣天气灾难等，以便通过蒙特卡洛模拟建立统计模型，计算重大事件对其管理资产所存在的潜在影响。

大数据之上，覆盖全生命周期与不同业务条线。Aladdin将复杂风险分析、全面投资组合、交易、运营、合规和会计工具结合在一个平台上，由Enterprise、Risk、Provider、Accounting、Wealth和近期收购的eFront六大模块组成，涵盖所有资产类别的全生命周期。同时，不同业务模块也覆盖不同业务条线，为多类客户群体提供服务。

Risk：可独立于Aladdin平台进行单独提供的模块。Risk结合了贝莱德强大的风险分析和高扩展性处理能力，通过提供可配置报告、假设分析工具，帮助客户了解投资组合的绩效、风险与敞口，以快速、准确做出投资决策。其目标客户包括风控经理、投资组合经理、合规人员、执行人员、投资委员会以及董事会。

Accounting：为金融机构提供定制化会计服务，包括数据管理、交易和托管业务、衍生品业务、对账和绩效衡量等。与Risk模块相辅相成，为后者提供绩效和财务方面的数据，共同衡量投资组合绩效并提供风险分析报告。

Wealth：Wealth是财富管理平台，帮助财富管理机构构建符合其投资者需求的投资组合，解决财富管理机构的合规压力、费用压力。其优势在于：1）投资组合深度分析，通过资产类别、地理位置、风险因素、复杂情景分析等多途径了解投资组合风险敞口。2）生成投资提案，随着市场观点和需求变化，生成投资建议，重新调整客户投资组合。3）商业信息，为财富管理机构提供所有行业、地域、业务的企业信息，进一步了解商业模式和行业趋势。4）警报提醒，自动识别需要关注的客户和投资账户，让数据驱动业务。

Provider：通过技术手段，如实时视图、共享工作流程、Alaadin专有界面等，连接资产经理和资产服务人员，在投资流程中实现高效的交互。另外，Provider也提供自动化处理，降低资产经理和资产服务人员在托管和会计过程中的手动操作。

Enterprise：面向投资专业人员的操作系统，应用于投资流程。

eFront：在被收购之前，eFront是拥有超过20年经验的另类投资管理解决方案供应商。通过eFront用户可以管理投资组合中的私人资产，了解风险和绩效归因，并提高投资透明度。

图表：贝莱德覆盖不同业务条线，是端到端的一体化平台（2014年）

资料来源：公司公告，中金公司研究部

2.3 通过“集体智慧”（Collective Intelligence）形成网络效应，构筑壁垒

Aladdin通过一体化平台输出全面投资能力。市场普遍认为一体化平台是未来发展趋势，如与Aladdin齐名的Simcorp也在打造从前到后的一体化系统。SImcorp CEO认为投资者想整合“零散、高成本投资业务”的需求待释放，多合一投资技术是大势所趋，Aladdin的成功就得益于其高集成度。

支撑“集体智慧”，通过网络效应构筑。截止2019年Aladdin平台支撑200余个机构投资经理，24万个用户，管理650万个投资组合，据估计覆盖了20万亿美元的资产（贝莱德自身管理规模为7万亿美元左右），占全球比例10％[5]。在Aladdin平台上，可以提供个性化的风控策略以及投资策略构建，提高多样性，避免系统性风险。同时，基于用户反馈，可以进一步提升平台策略以及数据的复杂度，提升其准确度，形成网络效应构筑壁垒。

2.4 通过系统销售与推动投资业务创新两种路径变现

用户数快速增长，风控是主要采购动力。回溯Aladdin收入表现与机构客户数，2012年欧债危机后，截止到2015年Aladdin客户数迅速增长，3年累计增长109家新机构客户，远超2015年后客户增长速度。客户的累积在2016年业绩得到体现，2016年Aladdin平台收入实现25％增长，是2010-2019年间最高增速。我们判断欧债危机后，Blackrock Aladdin的亮眼业绩来自于其债券风控传统优势，是客户采购的主要动力。

图表：2010-2019 Aladdin及BRS收入增速

资料来源：公司公告，中金公司研究部

图表：2012-2019部分年份Aladdin机构客户数

资料来源：公司公告，中金公司研究部

对外输出成果斐然，Aladdin成为业内两大巨头之一。经过20年深耕，Aladdin对外输出成果斐然，与第三方IT供应商Simcorp开发的Dimension系统成为买方IT市场两大巨头，二者合计管理全球超过30万亿美元的资产。2019年Aladdin年收入为9.74亿美元，机构客户数已超过200，在Top 200投资经理/Top 100养老基金/Top 250保险公司中分别占据20％/23％/17％份额。Aladdin收入贡献同样亮眼，2017年后Aladdin几乎取代FMA与Outsourcing贡献BRS全部收入。

图表：BRS业务收入逐渐以Aladdin为主导

资料来源：公司公告，中金公司研究部

图表：2009-2019 BRS收入情况

资料来源：公司公告，中金公司研究部

图表：Aladdin抢占近50％买方IT市场规模 （2019年）

资料来源：公司公告，中金公司研究部；备注：份额为中金公司研究部根据各公司披露情况估算

图表：Aladdin在Top 200投资经理中占据20％份额（2019年）

资料来源：公司公告，中金公司研究部；备注：份额为中金公司研究部根据各公司披露情况估算

贝莱德借助Aladdin促进投资业务的增长。在科技类收入之外，贝莱德基于Aladdin，还促进了传统资产管理业务的发展。包括基于Aladdin平台挖掘投资Alpha、产品创新等直接促进投资产品的发展，通过规模化分销实现产品销售，以及针对客户实现的定制化整体解决方案。

图表：贝莱德收入包括技术直接收入与以技术为基础的收入

资料来源：贝莱德投资者交流日材料，中金公司研究部

3、发展：未来的资本市场需要怎样的IT？

3.1 技术：云计算、大数据和AI全面应用

不同类别的技术全面应用于前、中后台。AI/ML（人工智能/机器学习）及其相关技术IWA（Intelligent workflow automation，智能工作流自动化）、PA（Predicative analysis，预测性分析）、NLP（Natural Language Processing，自然语言处理）等和云计算使业务流程的效率和有效性达到新水平，并有量子计算等技术用于满足金融机构的特定需求。因此大型金融机构和第三方IT公司日益关注AI与云计算等技术，推动新一轮技术革新。

图表：各项技术在前、中、后台满足金融机构不同需求

资料来源：Capgemini Financial Services Analysis，SS&；C官网，中金公司研究部

3.1.1 云计算：前台交易系统云上托管基本完成，下一阶段云计算技术将集中解决中后台数据难题

前台交易系统云上托管基本完成，典型第三方IT公司重复性收入占比高。托管是云计算SaaS的前身，意味着第三方IT供应商可以在自己的数据中心运行软件，而不是在客户自己许可的场所运行。因此公司经常性收入占比较高，收入可预测性强。我们以提供托管服务的Fidessa和Simcorp为例：

2011年时Fidessa已经实现向交易系统云交付的过渡，托管（Hosted）的收入占全年收入过半；重复性收入从60％以上达到80％。

2019年，SimCorp Dimension即服务（托管）解决方案获得4个新客户，总托管客户达到21个。Simcorp年收入的大约85％来自现有客户，而重复性收入占比则超过50％。

图表：2011年Fidessa超过半数的收入来自云上托管

资料来源：公司公告，中金公司研究部

图表：Fidessa经常性收入占比

资料来源：Factset，中金公司研究部

下一阶段云计算为后台提供更强算力与弹性。国内与海外均有部分金融机构选择在云上部署平台基础架构，以获得更优的算力与弹性。如贝莱德的Aladdin以及Charles Rivers Development的IMS基础设施均托管在Microsoft Azure云平台上，以获得更大的算力来加速创新，并加快新功能的解锁与研发。平安证券也与金融科技公司Finastra的合作，在其云上部署灵活且易于集成的风险管理平台，从而迅速扩展其资本市场业务、支持更广泛的金融工具并缩短产品上市时间。

3.1.2 大数据：集成化大数据支持金融市场各类参与者决策

现有数据架构存在缺陷，新集成数据架构是建设目标。目前的数据架构存在较为严重的低效问题，数据从不同的数据方分发给不同客户，存在大量重复与冗余。高盛提出的新数据架构基于API，将交易所、供应商等多方产生的数据集中到数据服务中心，再分发给客户。

图表：现有数据架构存在缺陷

资料来源：Martin Chavez在哈佛大学的演讲（https://www.youtube.com/watch？v=VF6DrX9H0Ug），中金公司研究部

3.1.3 金融机构自动化正在进行时，AI/ML相关技术降低运营和人工成本

金融机构自动化进度尚不足半，中后台落后于前台更新步伐。根据Adox Research的调查，完全实现端到端自动化的金融机构仅18％，不到五分之一。而超过一半的金融机构自动化程度不到60％。自动化程度低的原因主要是中后台操作流程零散，数据孤岛形成，难以跟上前台创新步伐。

图表：完全实现自动化的金融机构仅18％

资料来源：Adox Research，中金公司研究部

积极运用AI/ML技术，提高自动化程度，实现降本增效。资本市场主要运用AI/ML技术进行自动化处理，实现交易中和交易后流程优化，减少了交易完成时间和交易后结算错误。一方面，通过自动化数据的收集、汇总和分析，金融机构可以在无人工干预的情况下执行低价值、低风险的订单，节省人力成本；另一方面，金融机构能够将宝贵的时间花费在生成alpha和管理风险上，提升业务价值。

3.1.4 其它专项技术解决金融机构细分领域难题

量子计算用于复杂计算的风险管理。风险计算需要在复杂的模拟中进行大量计算，并且如果该算法具有可以基于现有信息构建的自学习模块，则可以增加新的层次和能力来更好地管理风险。IBM与摩根大通合作，将量子计算应用于交易策略，投资组合优化，资产定价和风险分析。

图表：量子计算应用的复杂计算场景

资料来源：Capgemini Financial Services Analysis，中金公司研究部

智能合约提高交易透明度，降低人为操纵可能性。因资本市场交易通常涉及多个中介机构的参与、不同阶段的清算，因此交易时延严重、透明度低。基于分布式分类帐技术（DLT）的智能合约可以判断交易是否满足标准，满足则由计算机系统自动执行，在交易完成后实时进行结算，无需结算和存管的中介机构。智能合约不仅通过自动结算减少交易时间和交易执行中的失误，还提高了交易透明度、防范资本市场人为操纵的可能性。

图表：智能合约提高交易透明度

资料来源：Capgemini Financial Services Analysis，中金公司研究部

3.2 前、中、后台分别朝快速、厚重、敏捷方向进行改造

3.2.1 前台交易朝高性能、自动化演进，充分利用中后台产生的大量数据

交易量大幅增加，金融机构寻求自动化交易平台以支持算法和高频交易策略。全球金融市场交易量与交易复杂程度都在提升，如：全球OTC衍生品的平均月交易量在2010年增长17％，美国以及欧洲和亚太地区的高频交易量持续增加。因此前台交易面对的挑战有：1）容纳和管理更为大量的数据；2）对于高频交易尽量实现最小延迟；3）支持跨地区、跨资产。金融机构均寻求高度自动化的交易平台以应对挑战。

AI与大数据共同辅助前台，提高自动化程度并辅助决策。AI能实现自动化投资、推动更高Alpha，也能在交易过程中更好地进行实时贸易欺诈检测。如法国巴黎银行自主开发的AI交易匹配工具Smart Chaser可预测交易需要人工支持的可能性，MarketAxess的机器学习工具Composite +可自动定价。集成数据架构则可讲中后台产生的大量数据进行标准化处理，通过API方式提供给前台各类角色，支持多项业务决策。

图表：标准化数据支持前台决策

资料来源：SEI，中金公司研究部

3.2.2 中台职责扩展、业务加重，多项技术提升效率

传统中台仅作为前台投资和后台会计系统之间的转换层。中台的主要作用是前台无需在其会计系统规定的特定帐户结构中进行交易，同时确保后台可以接收所需的数据。传统的中台职能包括头寸管理，交易确认和结算，公司行动处理，抵押品管理，现金和头寸对账以及维护公司的安全主管。

行业趋势对中台提出更多要求，中台需承担更多职能：

MiFID II增加中台合规成本和工作量。MiFID II规定令交易流程更为复杂，如交易中需验证代客交易的标识符、交易后研究付款必须与交易佣金分开。中台的交易后管理难度以及协调负担同步加重。

投资组合复杂性提升中台估值难度。随着资本市场成熟，投资经理逐渐使用更为复杂的投资工具和策略以提高回报，如场外衍生品等。因此中台提供资产评估服务的难度相应增加，需保持准确和实时的分析和估值以支持前台风控和资产组合管理。

国际化加重中台工作量和工作时长。资产管理公司日益国际化，多交易台和24/7操作越来越普遍。中台的负担相应加重，一方面需要与每个司法辖区的监管和清算惯例保持一致，另一方面工作时间延长，需实时提供各部门现金和头寸。

图表：中台将承担更多职能

资料来源：Charles River Development官网，中金公司研究部

IWA、PA、NLP等相关技术大幅减少人工操作，不同程度降低各环节成本。IWA的特性在于自动识别、刷新，因此多用于中断修复、抵押品优化和月度对账。PA的数据挖掘和建模能力在财务过程中能发挥较为重要的作用。NLP结合OCR（光学扫描识别）后，进一步深化读取、扫描、提取功能，可在处理重大事件时或复杂OTC交易时减少人工操作。

图表：多项ML衍生技术不同程度节约各业务环节成本

资料来源：SS&；C官网，中金公司研究部

3.2.3后台开发注重敏捷性，SAFe与DevOps技术已投入使用

为适应前台的快速变化，后台朝敏捷性发展。如前所述，前台交易量大幅增加，交易量的增加不仅影响了公司的前台业务，而且对后台应用程序产生了重大影响。因此，金融机构后台寻求敏捷的开发和交付方式，提高效率。敏捷性可以缩短项目周期，提高质量和可预测性。并快速适应不断调整的企业战略变化。

部分科技公司已推进敏捷开发进程，SAFe与DevOps等相关技术开始投入使用。典型的第三方IT供应商Murex在研发MX.3资本市场平台过程中积极运用SAFe（可伸缩敏捷框架）和DevOps技术。SAFe技术有助于实现可扩展性，可预测性和战略目标适应性。DevOps的试点实施则从平台配置、数据验证等多方面改变IT和业务团队的思维和工作方式，最终通过持续测试和持续集成实现敏捷交付。

------

[1]https://internationalbanker.com/technology/the-cost-of-compliance/#:~:text=Banks％20spend％20％24270％20billion％20per，regulatory％20costs％20doubling％20by％202022

[2]https://baselinescenario.com/2013/02/09/the-importance-of-excel/

[3]https://www.ft.com/content/eda44658-3592-11e7-99bd-13beb0903fa3

[4]https://www.bloomberg.com/opinion/articles/2016-09-08/goldman-sachs-wants-to-tease-you-with-its-special-sauce-secdb

[5]https://www.newstatesman.com/spotlight/2018/04/meet-aladdin-computer-more-powerful-traditional-politics