在財富管理領域,金融AI科技風險控制的重要性,從其關聯的金融業務和結合的技術維度可見一斑:風控涉及投資、信用、供應鏈金融等場景,並運用大數據處理、機器深度學習、新算法及模組等多項技術。【讀友提問1】李總裁問到:「金融AI風控其正確作法為何?要如何才能落實呢?」答:目前來講,一般金融AI業內的風控作法:連接數據和AI的中間件還是人,不是機器;風控目前還是以人為本,無法做到完全防止,只能說能夠做到降低損失。為此,宜採保守傾向的量化交易策略及充分訓練的模型與優秀的人工風控團隊。 但若能給金融AI投資(機)模型提供足夠的數據的話,金融AI是有一定的應對系統性風險的能力的;金融AI模型方面可以製作專門的數據來訓練機器人強化風控效果,減少損失。就系統風控視角,要進行資產配置,期貨品種、個股期權也要進行品種、合約…等配置。換言之,金融AI通過資產配置優化風控機制:期貨各品種、個股期權各品種、不同的期貨合約、期權合約等多種組合、多種策略投資模型;經由數據採擷、人工智能和機器學習三者, 通過資產配置多品種組合、多種策略投資模型,讓系統風險的風控效果最優化。【讀友提問2】付總問到:「金融AI財富管理,通常會有哪些配置模組呢?」答:金融AI財富管理,通常會有七大配置模組:1.金融AI研發人力配置:需要經驗豐富的優秀量化交易員、人工智能演算法工程師、數據處理人員、後端工程師(指處理平臺下單、交易數據接入模組的工程師)。2.策略研發模組:由計量、財工專家與人工智能模組共同建制,可依客戶自身的投資需求建立對應的投資組合。3.策略組合模組:最適資產品種配置的策略模組。4.資產配置模組:提供資產靜態配置及資產動態配置,並由系統建議符合投資策略的投資目標及相應的資產配置方案。5.風險控管模組:在完成資產配置後,將進行量化投資組合模擬回測分析與風險控管矩陣,透過高度整合情境分析與壓力測試分析,在不同經濟情況下投資資產配置可能的報酬及風險。6.自動下單(及匯出交易報表)模組:可串接券商期貨商API下單,並可透過即時消息,讓風控人員監控投資狀況。7.外匯避險模組:協助擁有大量外幣計價資產部位的外銷業者進行風險規避。