大資管行業數字化轉型解決方案 | 行業方案

来源:https://www.cnblogs.com/DTinsight/archive/2023/03/17/17226680.html
-Advertisement-
Play Games

大資管包括原銀保監監管下的銀行理財、信托、保險,原證監會監管下的公募基金、私募基金專戶及基金子公司、券商資管以及期貨資管。據統計,2022年底資管行業的資產管理規模也達到了136萬億元。 在《商業銀行理財業務監督管理辦法》《關於規範金融機構資產管理業務的指導意見》等理財新規、資管新規的要求下,大資管 ...


大資管包括原銀保監監管下的銀行理財、信托、保險,原證監會監管下的公募基金、私募基金專戶及基金子公司、券商資管以及期貨資管。據統計,2022年底資管行業的資產管理規模也達到了136萬億元。

在《商業銀行理財業務監督管理辦法》《關於規範金融機構資產管理業務的指導意見》等理財新規、資管新規的要求下,大資管行業結構持續優化,通過打破剛兌、去除通道、凈值管理、禁止錯配、禁資金池、限額管理、凈資本管理等措施,存量金融風險明顯收斂。

file

2023年3月1日,資管新規做了更新,為資管業務做了一些鬆綁,例如取消了結合產品募資驗資的義務,向員工持股計劃不穿透計算人數,以及擴大了一些封閉式資管計劃分期支付的現象,提高了自有資金參與資管計劃的比例。

另外,資管新規也繼續強調了一些禁止性的行為,來確保資管業務的健康發展。例如禁止自融、違規持有金融機構股權,還強調了資管計劃不得開展明股實債。

此外,還收緊了一些杠桿債務比例,例如投資於同一發行人及關聯方發行的債券比例,超過其凈資產50%時該資產管理計劃的總資產不得超過其凈資產的120%(原比例是200%)。

同時,新規當中也強化了一些關聯交易的規則,加強了監管信息共用機制。銀保監製定的《商業銀行理財業務監督管理辦法》與資管新規充分銜接,共同構成了銀行開展理財業務的監管規範。

而且,新規也嚴格區分公募私募理財產品,加強投資者的適當性管理,規範產品的運作。例如去通道控制影子銀行的風險,強化穿透管理,設定限額控制集中度。對客戶投資者進行信息披露,保護投資者合法權益。通過監管、數字化手段,對於風險客戶、產品能夠進行有效識別和相應處理。因而,促使資管行業在產品、風險、投研、客戶、營銷、管理、服務等各個層面加速數字化轉型

數據成為重要的資源要素

為了更好地為在資產管理端、用戶配置端提供到相應的產品的服務,在整個資管服務當中數據也成為了非常重要的資源要素

file

精細化客戶運營:以數據為依托深度提取客戶特征(如投資偏好、資產穿透、購買歷史等),刻畫全維度、全屬性的客戶畫像,提升運營效率、降低運營成本。

知識化投研體系:全面整合證券巨集觀、政策、基本面等多維信息,提取投資因數構建知識圖譜提升資產投資收益。

智能化投顧服務:基於整體探索最優資產組合配置,結合客戶畫像特征靈活定製投顧產品,實現客戶最大平穩收益。

全面化風險監控:通過數據整合全面分析市場、信用、流動性風險因素,實現從單一風險管理向全面風險管理轉型。

指標化業績分析:圍繞資管新規優化估值模式,通過數據全面分析產品風險及收益,推動產品運作信息披露透明化。

自動化理財監管:藉助數據推動理財新規動態監管,分析識別產品在打破剛兌、凈值轉型、去嵌套等環節的風險隱患。

數據中台,資管行業數字化轉型的基礎設施

在資管行業數字化過程中,數據中台在保障數據從生成、使用到共用的整個階段當中起到非常作用重要的作用。

file

通過中台進行全域數據治理,從數據加工處理到數據的標簽化、服務化、應用化,全面、深度挖掘數據形成數據投研投顧能力。同時整合前端各業務數據,打破業務部門壁壘,將異構數據進行集成加工處理,從而更好服務前端投資者。

中台為應用提供統一的數據支撐。在數據匯聚層,通過批流一體的方式進行相應的數據採集,包括資訊行情、櫃臺業務、 Mot等各種異構數據。採集完成之後,對各種異構數據加工處理、整合,這個過程可以數棧平臺的模型集市進行處理。

在應用層面,為網金零售、資訊風控等部門提供到相應數據支持,保障業務能夠有數可有數可用,包括我們是高質量的數據能夠提升到我們整個平臺的服務和相應的能力。

file

現在主流的引擎比較多,計算引擎包括Spark、presto、Flink,智能引擎Impala等,袋鼠雲進行相應能力的分裝。底層不管是Database,還是基於Iceberg相關的計算場景,都可以基於袋鼠雲的平臺做整合。在業務側能夠提供一些營銷推薦、投資管理,包括證券行情當中的實時管控、投顧服務。

file

數據類型多、結構複雜如何整合?

從數據集成到數據治理再到數據分析探索和應用支撐過程中,會面臨各種異構的數據源。例如資訊數據就有二三十種,比如德勤、萬德、同花順、雪球等等,還有客戶交易數據、客戶適當性評估,全市場當中的產品數據、托管數據、投顧數據。

數據應用多、場景複雜如何分析?

報送類、監管類、業績管理類、客戶運營類、零售網金類等場景,可以通過袋鼠雲的平臺會去做更多的業務數據類場景。

客戶畫像、組合分析、績效歸因、投研整合等,可以通過袋鼠雲的平臺進行多元異構場景處理。通過一套數據模型的管控,以及統一數據化服務,從而為應用提供支持。

file

傳統數據處理模式一般基於Lambda架構而做,一般存在多套的架構,包括一套流式的框架,一套批處理的框架,還有一套基於分析檢索的框架,傳統模式當中數據增量整體維護起來成本是非常高的。

通過袋鼠雲批流一體的方式,對於像行情類、實時業務,可以通過統一的flink的處理框架進行處理數據,對於技術減負能夠到相應的提升。

在效率上,通過袋鼠雲的一套平臺對增量存量的數據進行實時分析,統一降低技術成本,那麼通過一套架構來去解決就是我們原來多套的這種應用服務的架構的一些管理和維護,整個在運維成本上大大效率的進行相應的提升和相應的管理。

在應用場景當中,像我們場外基金的實時預估、場內基金分析,可以用流批一體的方式進行相應計算,流式滾動地處理申購份額,更好服務前端的業務。

file

通過數據中台的構建,可以將業務數據、財務數據等進行統一加工處理,搭建起數據資產中心。結合金融數據分層分類的規範,進行數據資產管理,對於數據的安全許可權進行相應的管控。

file

在數據資產賦能上,能匹配前端客戶畫像,以及後端投研的能力當中,發行產品更好和市場結合,更好推薦給客戶。結合客戶場景、客戶需求去打磨產品,幫助設計更多高收益、高成長、高價值的產品。

file

投研能力結合資產平臺當中的投研機制、外部資訊,構建數字化投研知識圖譜,結合股票漲跌、換手率、實時行情、股東持股信息,打磨投研能力。此外,結合客戶留存、簽約的情況、付費轉化、客戶投訴量、客戶流失率做綜合的計算,對投顧體系進行評價和支撐。

在風險管控層面,結合歷史持倉、實時數據,基於流式框架,對動態指標進行監控,包括投資範圍、投資偏離度、投資杠桿率、資產集中度等進行事前事中事後的管控。

file

通過平臺進行統一的數據整合、數據服務,實現研發質量推送,前端風險可視化監測,投顧績效歸因,投研分析,自動化輸出行情監測報告,更好進行經營報表分析、資訊整合、業務指標展示。

file

截至目前,袋鼠雲在金融領域已成功服務了銀行、證券、壽險、財險、基金、理財、支付、租賃、信托、期貨、金控、財務公司、投資集團等數百家客戶,擁有豐富的產品和項目經驗。公司已沉澱出一套成熟的解決方案,涵蓋了信貸反欺詐、精準推薦、證券行情、風險管理、智能投研等多個金融業務場景,歡迎聯繫我們瞭解更多。
《數據治理行業實踐白皮書》下載地址:https://fs80.cn/380a4b

想瞭解或咨詢更多有關袋鼠雲大數據產品、行業解決方案、客戶案例的朋友,瀏覽袋鼠雲官網:https://www.dtstack.com/?src=szbky

同時,歡迎對大數據開源項目有興趣的同學加入「袋鼠雲開源框架釘釘技術qun」,交流最新開源技術信息,qun號碼:30537511,項目地址:https://github.com/DTStack


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 1.導入 Elasticsearch GPG KEY: rpm --import ./GPG-KEY-elasticsearch or apt-key add ./GPG-KEY-elasticsearch 2.添加elasticsearch的yum repo文件 vim /etc/yum.repo ...
  • ​ 第一步、下載壓縮包 下載社區版的 MySQL,根據需求下載對應版本,其中有最小安裝版本。具體各個版本的區別,可以上網查詢,鏈接 MySQL :: Download MySQL Community Server 第二步,解壓壓縮包,並複製到安裝目錄 進入到壓縮包所在的文件夾,解壓分為兩次,第一次解 ...
  • 使用 NMCLI 配置靜態乙太網連接 要在命令行上配置乙太網連接,請使用 nmcli 工具。 例如,以下流程使用以下設置為 enp7s0 設備創建 NetworkManager 連接配置文件: 靜態 IPv4 地址 - 192.0.2.1 和 /24 子網掩碼 靜態 IPv6 地址 - 2001:d ...
  • 報錯信息: 在進入系統時,不能正常進入系統,出現了Give root password for maintenance(or type Control-D to continue):的報錯。 報錯原因: 1、在之前寫入的/etc/fstab文件有問題,導致系統在讀取的時候識別不到從而報錯。 解決方法 ...
  • 什麼是消息隊列? 假設你是一個快遞員,你需要將貨物從一個倉庫運到另一個倉庫。但是你發現自己的時間不夠用,需要另外請一個人來幫忙。那麼,你們之間如何進行協作呢? 一種方式是直接將貨物全部交給對方,但這樣存在風險:對方可能會出現問題,導致貨物丟失或損壞。 而另一種更安全的方式是,你將貨物分批發送給對方, ...
  • MySql存儲結構 參考視頻:MySql存儲結構 1.表空間 不同的存儲引擎在磁碟文件上的結構均不一致,這裡以InnoDB為例: CREATE TABLE t(id int(11)) Engine = INNODB; 在新表創建的過程中,InnoDB會在磁碟的data目錄下創建與這個表對應的兩個文件 ...
  • 您可以使用以下 SQL 語句刪除 MS SQL Server 表中重覆的行: WITH CTE AS ( SELECT ROW_NUMBER() OVER(PARTITION BY column1, column2, ... columnN ORDER BY (SELECT 0)) RN FROM ...
  • 摘要:DWS的PL/pgSQL函數/存儲過程中有一個特殊的語法PERFORM語法,用於執行語句但是丟棄執行結果的場景,常用於一些狀態判斷的場景。 本文分享自華為雲社區《GassDB(DWS)功能 -- 函數出參 #【玩轉PB級數倉GaussDB(DWS)】》,作者:譡里個檔。 DWS的PL/pgSQ ...
一周排行
    -Advertisement-
    Play Games
  • 背景 在瀏覽器中訪問本地靜態資源html網頁時,可能會遇到跨域問題如圖。 是因為瀏覽器預設啟用了同源策略,即只允許載入與當前網頁具有相同源(協議、功能變數名稱和埠)的內容。 WebView2預設情況下啟用了瀏覽器的同源策略,即只允許載入與主機相同源的內容。所以如果我們把靜態資源發佈到iis或者通過node ...
  • 最近看幾個老項目的SQL條件中使用了1=1,想想自己也曾經這樣寫過,略有感觸,特別拿出來說道說道。編寫SQL語句就像炒菜,每一種調料的使用都會影響菜品的最終味道,每一個SQL條件的加入也會影響查詢的執行效率。那麼 1=1 存在什麼樣的問題呢?為什麼又會使用呢? ...
  • 好久不見,我又回來了。 給大家分享一個我最近使用c#代碼操作ftp伺服器的代碼示例: 1 public abstract class FtpOperation 2 { 3 /// <summary> 4 /// FTP伺服器地址 5 /// </summary> 6 private string f ...
  • 一:背景 1. 講故事 過年喝了不少酒,腦子不靈光了,停了將近一個月沒寫博客,今天就當新年開工寫一篇吧。 去年年初有位朋友找到我,說他們的系統會偶發性崩潰,在網上也發了不少帖子求助,沒找到自己滿意的答案,讓我看看有沒有什麼線索,看樣子這是一個牛皮蘚的問題,既然對方有了dump,那就分析起來吧。 二: ...
  • 自己製作的一個基於Entity Framework Core 的資料庫操作攔截器,可以列印資料庫執行sql,方便開發調試,代碼如下: /// <summary> /// EF Core 的資料庫操作攔截器,用於在資料庫操作過程中進行日誌記錄和監視。 /// </summary> /// <remar ...
  • 本文分享自華為雲社區《Go併發範式 流水線和優雅退出 Pipeline 與 Cancellation》,作者:張儉。 介紹 Go 的併發原語可以輕鬆構建流數據管道,從而高效利用 I/O 和多個 CPU。 本文展示了此類pipelines的示例,強調了操作失敗時出現的細微之處,並介紹了乾凈地處理失敗的 ...
  • 在上篇文章中,我們介紹到在多線程環境下,如果編程不當,可能會出現程式運行結果混亂的問題。出現這個原因主要是,JMM 中主記憶體和線程工作記憶體的數據不一致,以及多個線程執行時無序,共同導致的結果。 ...
  • 1、下載安裝包首先、進入官網下載安裝包網址:https://www.python.org/downloads/windows/下載步驟:進入下載地址,根據自己的電腦系統選擇相應的python版本 選擇適配64位操作系統的版本(查看自己的電腦操作系統版本), 點擊下載安裝包 也可以下載我百度雲分享的安 ...
  • 簡介 git-commit-id-maven-plugin 是一個maven 插件,用來在打包的時候將git-commit 信息打進jar中。 這樣做的好處是可以將發佈的某版本和對應的代碼關聯起來,方便查閱和線上項目的維護。至於它的作用,用官方說法,這個功能對於大型分散式項目來說是無價的。 功能 你 ...
  • 序言 在數字時代,圖像生成技術正日益成為人工智慧領域的熱點。 本討論將重點聚焦於兩個備受矚目的模型:DALL-E和其他主流AI繪圖方法。 我們將探討它們的優勢、局限性以及未來的發展方向。通過比較分析,我們期望能夠更全面地瞭解這些技術,為未來的研究和應用提供啟示。 Q: 介紹一下 dall-e Ope ...