平安资管李果夫：金融数据是石油，AI就是化工厂

2014年,中国债券市场开启“违约元年”,到2019年,违约债券数量已飙升至179只,违约总金额高达1444亿元,而近期所爆发的新冠肺炎疫情更是让大量发债企业的信用状况充满变数。面对层出不穷的违约事件,每一个信用债投资人都希望能手握一只可以预见未来的“水晶球”,及早规避违约债券。

在平安资管内部,一支由AI工程师组成的团队,通过人工智能赋能,为平安资管超2万亿元的固定收益持仓打造了一套名为“KYZ Credit”的信用风险预警系统,针对有潜在信用风险的债券,平均可在违约发生前300天发出预警,这为投资经理趋利避害提供了极大便利。本期“十人谈”科技先锋系列人物专访将深度访谈这套系统的领军研发人,平安资管人工智能团队负责人李果夫博士。

李果夫,本科毕业于复旦大学软件学院,随后赴爱尔兰都柏林大学攻读计算机与信息科学博士学位,后在上海高校任教。而之所以从学界跨界进入业界,在李果夫看来,平安资管在人工智能实践领域丰富的数据资源和庞大的应用场景,是促使他加盟平安的直接动力。

人工智能,作为过去数年最闪耀的计算机学科分支之一,从基础理论到算力再到业界应用,都处于高速成长期。但发展到当下阶段,如何找到合适人工智能的应用场景,本身就成为了一个制约人工智能普及的瓶颈。“在初期的人脸识别、文字识别等高频场景不断普及之后,下一个价值点在哪里?”此时,当李果夫了解到平安资管启动了一个名为“智能债券一体化平台”(KYZ)的项目后,很快就被吸引加盟了。

平安资管吸引李果夫的,除了基础的债券市场应用场景外,更在于平安资管持有近3万亿元固定收益头寸、超 20年的专业固收投资经验,拥有海量债券交易、信用评级数据,堪称是中国债券领域开展人工智能实践的“数据天堂”。

借助KYZ平台,平安资管首先从底层类41个数据源开始,逐层清洗、加工、抽象,形成了包括企业库、债券库、市场库、宏观库、行业库等在内五大主题库,涵盖了超600万家企业、超20万只债券的基础信息。在此基础上,数据专家们再对这些结构化和非结构化信息进行深度挖掘和深度加工,形成全直通、全口径、全流程、全方位的数据湖,真正对债券投研发挥实战意义。

有了如此强大的大数据平台,结合平安资管沉淀20年的专家经验和李果夫团队研发的前沿人工智能模型,“KYZ Credit”风险预警系统的诞生自是水到渠成。在帮助投资经理高效筛选低风险企业,关注高风险标的,实施自动化预警方面,“KYZ Credit”可谓做到了“人机互动”的极致,堪称债券领域的“风险预警神器”。

举例来说,自武汉新冠肺炎疫情爆发后,李果夫团队研发的“KYZ Credit”系统通过对大数据和舆情分析,结合历史疫情的比较,迅速定位了一组核心分析因子,指出在这一特殊时期内,除了企业所在地和所在行业外,企业自身的财务质量、经营情况、盈利能力、短期偿债能力、债务结构/负担相关的指标将比以往更为重要。在此基础上,借助“KYZ Credit”风险预警模型,系统自动进行企业风险打分,成功捕捉到了一批可能出现风险大幅上升的企业,而后再基于企业关联图谱和供应链图谱,通过风险的逐层传导,进一步排查出一批可能受到波及的风险企业,第一时间为信评分析师和投资经理给予风险提示。

根据系统回测数据显示,目前“KYZ Credit”已经展现出极佳的信用评级调整预见性。针对有潜在信用风险的债券,平均可以在违约发生前超300天发出预警。

在刚刚过去的2019中,“KYZ Credit”系统输出的Top10风险预警名单中,有8家在当年发生实质违约;而在所有被归为高危预警的企业中,有约六成企业在随后6到12个月时间内发生实质违约,有近三成企业遭遇外部评级下调。由此可见,“KYZ Credit”通过提供具有前瞻性的信用债违约风险信号,真正成为信评分析师和投资经理趋利避害、提升效能的实操利器。