܄

铜板街CTO马伟良:大数据驱动个性化财富管理

【数据猿导读】 铜板街CTO马伟良表示,传统金融机构不会根据个人的风险偏好提供理财建议,信息不透明,偏重线下,更看重高端客户,成本比较高。而智能财富管理平台能够客观、高效率 地满足用户的资金需求

铜板街CTO马伟良:大数据驱动个性化财富管理

9月10日,在“四海之内皆铜学“铜板街四周年庆典活动现场,铜板街首席技术官CTO马伟良为用户上了一堂生动的“科学课”,并演示光学字符识 别、人脸识别、智能投顾等最新技术在理财APP上应用。马伟良表示,铜板街正在向智能财富管理平台转型,其技术架构也在不断升级,未来铜板街将立足于以大 数据为核心的金融科技,在提升平台安全系数的同时,推进功能创新与智能化发展,为用户提供更加个性化、定制化的财富管理服务。

大数据在财富管理中的创新应用

“金融科技的核心,是用大数据技术驱动金融创新,提高效率,降低成本,从而为人们提供更好的金融服务。”马伟良指出,在未来财富管理当中,大数 据将发挥越来越重要的作用。一方面,金融风险需要大数据进行量化,加以控制和管理;另一方面,大数据与人工智能的结合,将颠覆财富管理行业的原有运作模 式。

当前,结合移动互联网的广泛应用,财富管理应用大数据和人工智能进行创新的实际已经成熟。以国外的Wealthfront为例,这是一家专业的 在线财富管理公司,估值超过30亿美元,借助计算机模型和技术,可以为客户量身定制包括股票配置、期权操作、债权配置、房产投资等在内的资产投资组合建 议,打造智能投顾平台。

马伟良表示,智能投顾涉及用户数据收集、用户特性分析、产品量化分析、投资组合推荐等环节,不仅要求平台要有足够大的用户基数,对平台产品种类、金融建模能力以及IT团队素质都提出了较高的要求,这将是铜板街未来重点布局的方向。

据了解,目前铜板街已经成立了大数据研究院,并与浙江大学管理学院共建大数据研究基地,致力于通过金融、数学、计算机等多领域人才的交叉合作,并结合大数据技术和分布式处理架构,构建可扩展的智能财富管理平台,为系统化的科学投资决策提供支持。

智能财富管理的技术解决方案

相对于传统财富管理模式,基于大数据和人工智能技术的智能财富管理平台具有得天独厚的优势,代表着财富管理行业未来的发展方向。

“传统金融机构不会根据个人的风险偏好提供理财建议,信息不透明,偏重线下,更看重高端客户,成本比较高。而智能财富管理平台则以金融属性数据 为主,同时参考消费记录、朋友圈、社交行为、移动设备数据、填写时间和习惯等多种行为数据,对用户进行多维度识别,对风险进行充分揭示,能够客观、高效率 地满足用户的资金需求。”

马伟良认为,从技术应用层面来看,金融科技实质就是利用大数据和算法做判断、预测和优化。互联网金融企业收集关于用户的广泛数据并基于一定的算法对用户进行反欺诈和风险定价。在此基础上,金融企业能够实现“数据-算法-客户-数据”的闭环。

以铜板街为例,为了提升用户安全体验,铜板街正引入独立的第三方电子数据保全系统存储用户交易信息,通过智能化的反欺诈模型决策,监控用户账户 和交易情况。此外,铜板街采用了基于复杂信息流的风险实时检测系统,通过数据、安全技术等手段为平台的业务安全风险保驾护航。马伟良称,未来铜板街在智能 投顾、安全体验等方面也将继续加大技术投入,为用户提供更安全、更具个性化的理财服务。

事实上,铜板街在智能投顾上面已经开始发力了。马伟良表示,最新发布的铜板街理财APP6.0版本,不仅视觉大改版,金融产品进一步丰富,新版本首页增加了个性化智能推荐功能,用户进入首页,看到的不再是大量被推荐的产品,而是针对用户个性化的需求所精选出的内容。

“金融与科技的相互结合,使金融更具个性化和平民化,也能体现出投资人的价值观念。在当今的大数据时代,怎样利用好海量的大数据来为财富管理服 务,是值得我们考虑的。”马伟良希望,未来铜板街可以运用更新的科技手段帮助投资者让钱变得更有价值,让铜板街成为一种生活方式,让理财这件事变得更加简 单快乐。


来源:中国江苏网

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑者获资本青睐
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑...

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部