关于自身

自我介绍

各位交易所的领导，各位同仁，大家下午好。我叫肖子龙，来自华中科技大学，金融学博士，今年29岁。虽然个人只是金融学学历背景，在金融领域的知识储备和量化建模经验丰富，同时自己在数据分析、数据科学领域也取得了一定的进展。特别是最近几年，随着大数据、云计算、人工智能、区块链等技术的兴起，社会各行各业乃至金融行业均发生了深刻的变革。从去年3月AlphaGo战胜李世石开始，我似乎感觉从内心深处迸发出一股强大的推动力，原力觉醒，整个人被激活了，从没有过这样的状态和充沛的精力，这促使着我不断的学习新知识和新技术，以跟进时代的步伐，不被时代所遗弃。7月份参加深圳人工智能知识图谱论坛，8月份参加全球人工智能与机器人峰会，然后加入雷锋网牵头成立的金融科技Fintech业界百人群，聆听各领域大牛在硬创公开课上的干货分享，以及这一年来自己在数据科学、人工智能等领域取得的令人激动的成就，让我在技术知识方面成长迅速，和业界的广泛交流也让我对整个行业的发展程度和现状了解透彻，并积累了一定的人脉和资源。对于深圳特别是深交所我一直有着美好的向往，深圳是一座科技创新驱动的城市，是一座智能未来导向的城市，是一座人才和知识扎堆的城市，深交所处于资本市场前沿，站在这里能够敏锐的嗅到多层次资本市场的脉动，强大的资源人脉和平台优势让我颇为心动，来深圳已经许多次，每次来到或者经过深交所门前都会被其宏观壮阔所深深吸引，并产生强烈的心里共鸣。今年年初李湛教授来到我校进行博士后招聘宣讲，而且刚好有金融科技这方面的研究课题，所以就毫不犹豫的进行了申请和填报。有了知识和技术储备做基础，再加上兴趣为引导，希望能得到贵所的青睐，从而为交易所在开展金融科技业务研究时做出贡献。

谈下深交所

深交所有主板、中小板、创业板。

固定收益包括公募债、私募债、资产支持证券等各类产品，股债结合品种和资产支持证券特色突出，标准化质押式回购优势显著。

基金包括ETF、LOF、分级基金和封闭式基金四大类，其中LOF为深市首创。

指数序列全覆盖规模、综合、行业、风格、主题和策略六大类，深成指、中小板指和创业板指分别表征深市全市场和特色板块。

金融科技

关键技术：大数据、云计算、人工智能和区块链等
行业领域：金融支付、借贷、众筹、零售银行、财富管理、征信、保险
发展阶段：1.0 互联网金融，模式创新，线下业务的线上化，互联网，移动互联网；2.0 金融科技，技术创新，业务领域环节全面创新，深度变革，影响全部参与者
传统金融vs科技金融：在业务和渠道上传统金融无法同时解决成本和效率问题；科技金融有效匹配普惠金融的需求，脱媒、去中心化和定制化个性化，草根金融。

大数据要点：
概念（规模、速度、种类）
技术（数据采集、数据存储、数据清洗、数据挖掘、数据可视化）
商业模式（TAAS模式、分成模式、内部生态模式）
应用场景（个人和企业用户画像，风控/定价/营销/征信/评级）

云计算要点：
概念（按需访问和付费，可配置的计算资源共享池）
三种模式（IaaS网络/硬件/存储/管理程序+PaaS虚拟机操作系统+SaaS中间件/应用程序）
四种部署（公有云/私有云/社区云/混合云）
六种技术（IaaS硬件Amazon EC2、编程模型MapReduce、海量数据分布式存储HDFS/Hive、海量数据管理HBase、虚拟化技术VMWare、云平台管理OpenStack）
商业模式：大公司提供云支持构建云生态，小公司弹性快速的云端业务部署
商业模式：前端（销售，交易前事务，交易中事务），中端（交易服务，交易进程处理），后端（清算/结算，结算后事务）
应用场景：数据管理、合规&控制

区块链要点：
概念（分布式记账原理，去中心化，共识机制，完整分布式不可篡改的账本数据库）
技术（P2P、密码学、共识机制）
核心技术：共识机制（POW，POS，DPOS）
POW：非对称加密，花费很大算力完成数学难题，获得记账权限，其他节点轻松验证（难求解、易验证），篡改需51%算力
POS：出问题时，持币越多损失越大作弊动机越小，给予更多记账权限，但每一次记账后减小下一次记账概率，没有记账则增加记账概率
DPOS：先选出代表性节点，再从中选一个记录，其他负责核对
基础架构：区块、区块头、创始区块、区块分叉
网络架构：公有链、联盟链、私有链
主要特点：去中心化（P2P传输，密码学，单节点出现问题无影响），不可篡改（篡改会出现分支，且需要51%算力），加密安全性（非对称密钥，公钥加密私钥解密）
商业模式：加密电子货币（电子钱包）、传统金融网络（零售银行）、金融服务区块链（金融基础设施&API）、分布式总账（智能合约）
智能合约：数据层，网络层，共识层，应用层
应用场景：数字货币（法定/非法定），支付与清算（跨境支付与清算/银行间清算/OTC清算），金融资产发行与交易（区域股权市场股票发行/金融资产交易/票据交易）
应用标准（深交所）：有无中心点？存在互联互通需要？存在增信需要？（一级市场证券发行）存在代码化可能？（金融衍生品），区域股权市场（4个标准全满足）

人工智能要点：
概念：对人的意识、思维的信息过程的模拟
技术：基础层（大数据、云计算、智能芯片、传感器及智能硬件）、技术层（语音识别、图像识别、生物特征识别、机器学习、知识图谱、自然语言处理）和应用层（计算智能、感知智能和认知智能）
商业模式：生态构建者、技术算法驱动者、应用聚焦者、垂直领域先行者和基础设施提供者
应用场景：有智能投顾（理财魔方）、征信、风控（启信宝）、金融搜索引擎（融360）、身份验证（Face++、商汤科技）和智能客服（智齿客服）

机器学习：模仿人学习的过程让机器来学习些程序。对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习。有监督学习（训练时有特征标签，告诉你对错），无监督学习（训练时无特征标签）

深度学习：深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。

智能投顾要点：

Fintech与交易所要点：
影响：提升市场效率；改变运营方式；促进交易所行业竞争和整合
创新点（6个层面）：交易层面（领先交易系统处理容量与低系统延迟）、清算层面（保证金系统）、结算层面（区块链）、监控层面（人工智能&机器学习）、服务层面（移动互联网+云计算，APP）、分析层面（大数据挖掘）
风险点：技术风险（高频交易、程序化交易），操作风险（乌龙指）
发展方向：数据规模上升，实时化处理，智能化
发展重点：积极探索Fintech核心技术、积极探索市场风险的实时评估

微众银行：既无营业网点，也无营业柜台，更无需财产担保，而是通过人脸识别技术和大数据信用评级发放贷款。

消费金融（微粒贷）、大众理财、平台金融（连接有数据、有用户的互联网企业，将微众银行的金融产品应用至它们的服务场景中，将互联网金融带来的普惠利好）

CDS

深交所与CDS：
本来CDS这个产品的业务规则是NAFMIN提出的。但是对债券市场而言，交易所比银行间市场的市场主体更为多元，资产荒问题与困局更为突出，因此未来深交所对CDS产品的创新需求会更加迫切，在明确风险管理的基础上，进一步丰富债券衍生产品，以促进现券市场发展，完善产品架构，在债券市场（特别是私募债市场）领域真正打破刚性兑付。

CDS要点：
定义：和信用风险相挂钩，交易双方实体用于交换参考实体的信用风险的信用衍生品。
交易结构：买方购买了信用保护，定期支付保费；卖方在参考实体发生信用事件或参考实体信用状况恶化时支付赔偿。买方为信用风险空头。
交易要素：
参考实体（以信用风险为交易标的，单个或多个实体，基础资产通常是债券，参考债务）
名义本金
利差/保费（基点报价，季度支付）
到期日/支付时间（每季尾20号）
信用事件：破产（解散、资不抵债、无力偿债）、支付违约（宽限期满仍未偿还，未偿债务金额超过起点金额）、债务重组（参考实体与债权人重新协议利率本金期限顺序币种等）、债务加速到期（违约触发加速到期条款）、债务潜在加速到期（违约导致相关债务可被宣告提前到期）
交割方式：现金交割（估值难统一，信用事件拍卖，市场公允的违约债券回收率）、实物交割（最便宜交割权对卖方不利，可交付违约资产数量不足（并不持有基础资产或者一个基础资产对应多个CDS合约））
定价方法：约化模型（信用市场缺位使得违约概率数据空缺，跳过风险中性概率计算过程，直接现金流复制）、蒙特卡洛模拟（对实际信用违约模拟）

海外CDS要点：
发展阶段：
平稳发展（1995-2002，首只CDS）
迅速发展及过度投机（2002-2008，2007年底CDS名义金额达到62.2万亿美元，次级房贷及资产证券化是推手（MBS、CDO），911经济不振 量化宽松 降息 发放次级贷款 产生MBS 打包成CDO 市场快速扩容定价脱离实际 金融危机导致违约）
进一步规范发展（2009-至今，提倡单名称CDS，加强立法监管，CCP，合约标准化，信息披露。大爆炸协定书：息票标准化，建立决定委员会，强制拍卖机制）
发展现状：
参考实体（以单名称政府CDS为主）、实体评级（A/BBB级为主）、剩余期限（1-5年）、违约频率（低于债券市场）、回收率（两级分化）、参与主体（商业银行买、保险公司卖、对冲基金看策略、企业买）
主要工具：
CDS指数（CDX、iTraXX，由多个单一实体CRM合成指数）
信用联结票据CLN（由CRM制造出来的投资产品，投资者投入名义本金给发行人SPV，SPV收到钱后投资高等级债券且选择一个对手方交易CDS，向投资者支付定期票息来自CDS保费+担保品收益，信用事件发生变卖担保品支付赔偿剩余资金归还投资者）
债务抵押凭证CDO（现金流CDO，总票息6.5%重新分配产生分层产品，高级层中间层权益层75%15%10%，4%10%20%）
合成CDO（资产池不再是现券或贷款，而是100个单一实体CRM合约组合，名义本金100万，平均保费6.5%，价格波动：信用资质变化+信用风险相关系数）
债务抵押凭证平方/立方（CDO2/CDO3，把CDO中间层拿出来再来构造CDO，如此类推)
分层指数交易产品（以CDS指数为基准，设置风险发生点和停止点，按照信用风险相关系数分层，iTraXX Europe）
总收益互换TRS（将债券全部风险都进行转移，总收益互换成Libor+Xbp）
首次违约篮互换（仅对一篮子参考资产中首次违约保护，保费高于单一保费但低于全体保费之和）

国内CDS要点：
产生背景：
债券市场刚性兑付打破，信用债违约常态化（最主要原因），定价市场化
经济不确定性增强，信用风险逐渐累积（CDS来缓释风险）
银行信贷扩张和不良资产集中（通过债转股和资产证券化）
国际CDS规模处于历史低位（可以触底反弹）
CDS的出现可以提高市场定价和监管效率等（债市刚兑打破，信用风险市场化定价，供求违约概率违约回收率，基于CDS对信用实体质量进行预警）

信用债风险：
流动性风险、利率相关风险、信用相关风险（赎回或提前偿付风险/评级下调风险/信用利差风险（信用贴水升高）/事件风险/违约风险）、以及其他风险；信用债市场的违约现状非常严重，债券违约已经常态化，且信用风险事件涉及的债券数量和金额也快速增加。

产品现状：
2010.10 NAFMII 《CRM工具试点业务指引》
2016.9.23 NAFMII 《CRM工具试点业务规则》

28家CRM核心交易商，7家CRM一般交易商，19家CLN创设机构，18家CRMW创设机构，CLN和CRMW创设条件是核心交易商且净资产不少于40亿元。

区别：参考标的（CRMA/CRMW盯住单一债项，CDS和CLN盯住多个债项），产品类别（标准化的流通性好的凭证类CRMW/CLN，非标准化的流通性差的合约类CRMA/CDS），参与者（核心交易商 金融机构/合格信用增进机构净卖不超过净资500% 一般交易商 非法人产品/其他非金融机构 净卖不超过净资100%）

规则比较：新旧规则（推出新产品，降低准入门槛，新增标的债务种类（贷款），简化凭证类产品的创设流程（创设备案，取消专家会议），改变风险控制指标500% 100%）

国内国际差异：债务范围，信用事件范围，交割方式等。。

CDS业务要点：

市场准入：场内和场外交易 准入门槛 裸卖空的限制（无券购入CDS拉高利差）
发行：发行主体（28 7 19 18） 债务保护范围（NAFMII注册的债务，未来可以将企业债公司债和企业贷款考虑纳入） 供给侧不足（保险公司未参与）
定价：约化模型（信用市场缺位使得违约概率数据空缺，跳过风险中性概率计算过程，直接现金流复制）、蒙特卡洛模拟（对实际信用违约模拟）
交易：交易商资质 做市商制度（激励券商做市）
风险控制：杠杆控制（5倍以内） 合约标准化 CCP（防范CDS头寸太大超过代偿额，防止过度投机和裸卖空）
监管框架：加强CDS基础设施建设，增设CDS产品决定委员会，CDS产品透明度监管，信用评级机构监管
问题：信用债市场没有有效的分层（虽然信用分化，但未市场分层）；监管机构也未有效分层，前中后台分割问题；定价难（缺乏交叉违约条款，不覆盖全部债务，无法估算违约概率和回收率）