线上股票配资平台 屠光绍、李礼辉、肖钢最新发声

至17日,在由中国金融四十人论坛和中国金融四十人研究院联合主办的第二届明珠湾金融论坛上,中国金融四十人论坛常务理事、上海新金融研究院理事长屠光绍在主题演讲中表示,科技金融的关键环节之一为针对科技企业的投早、投小线上股票配资平台,相关方面需对这一环节加深理解、形成共识并倾注力量。 中国银行原行长李礼辉表示,粤港澳大湾区打造资产管理中心、发展财富管理市场要以质求胜,争取做到“后发先至、出奇制胜”。 中国金融四十人论坛资深研究员、中国证监会原主席肖钢表示,在数字化特别是人工智能条件下,跨市场、跨行业...


  至17日,在由中国金融四十人论坛和中国金融四十人研究院联合主办的第二届明珠湾金融论坛上,中国金融四十人论坛常务理事、上海新金融研究院理事长屠光绍在主题演讲中表示,科技金融的关键环节之一为针对科技企业的投早、投小线上股票配资平台,相关方面需对这一环节加深理解、形成共识并倾注力量。

  中国银行原行长李礼辉表示,粤港澳大湾区打造资产管理中心、发展财富管理市场要以质求胜,争取做到“后发先至、出奇制胜”。

  中国金融四十人论坛资深研究员、中国证监会原主席肖钢表示,在数字化特别是人工智能条件下,跨市场、跨行业、跨区域风险传递速度越来越快,风险形态也比过去更复杂、更多样化。有关方面要加强跨市场、跨行业、跨区域的风险管控。

  屠光绍:

  创新投资为地方科创发展提供重要资源

  屠光绍表示,创新投资(包含私募股权和风险资本投资)为地方科创发展提供重要资源。数据显示,创新资本集聚程度与地方科创发展的多项指标呈现较强的相关性。

  近日召开的中央金融工作会议指出,高质量发展是全面建设社会主义现代化国家的首要任务,金融要为经济社会发展提供高质量服务。要做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。科技金融作为“五篇大文章”之首,其重要性不言而喻。屠光绍表示,科技金融既是一篇大的文章,也是一个大的体系。该大体系中的一个关键环节,就是对于科技企业的投早、投小。他认为相关方面需对这一关键环节加深理解、形成共识并倾注力量。

  屠光绍进一步指出,近年来,创新投资市场格局出现一系列变化。一方面,创投投资增长态势、相关基金类型、投资的地区分布、行业结构等方面出现新的趋势。另一方面,创新投资面临一系列挑战。例如,募资来源有所收窄;投资机构风险容忍度降低;投后管理压力加大以及退出渠道有待进一步扩宽等。

  屠光绍总结了地方政府加大创新投资支持力度的方法与路径,并为其下一步发展提出四方面建议:一是鼓励风投集聚发展;二是开拓多元化募资渠道,包括通过给予风险补助等形式加大引导力度,促进社保、保险、银行理财等长期资本参与创投基金、S基金等;三是通过提供奖励补贴或税收优惠等政策,鼓励投早、投小、投科技;四是利用多层次资本市场体系丰富退出机制。

  李礼辉:

  从多方面着手,打造大湾区财富管理国际竞争力

  中国银行原行长李礼辉表示,粤港澳大湾区打造资产管理中心、发展财富管理市场要以质求胜。

  他解释道,作为后来者,以质取胜才有可能后发先至,出奇制胜。粤港澳大湾区应该以品质求规模,以国际化、数字化、专业化、差异化求竞争力。

  例如,在引进机构、人才和技术方面,粤港澳大湾区要有所侧重,着力打造在个人和家庭的资产配置规划、家庭和家族的财富传承规划、家族和企业的财富再创造规划等领域的优势。

  他认为可从如下方面着手打造大湾区财富管理的国际竞争力:一是机构引进力求“大专”。其中,“大”是指大型金融机构为先,“专”则是指专业化、职业化;二是业务经营力求“硕博”,“博”是指深耕耘、广覆盖,“硕”是高价值、高回报;三是技术创新力求“高中”,“高”是指引领创新占领高地,“中”是接地气的中国方案;四是风险管控力求“初小”,“初”是有能力把风险消灭在萌芽状态,“小”是实现风险概率和风险成本的最小化。

  李礼辉还提到,人工智能技术迭代可能在算力、数据治理和安全等方面为相关机构带来挑战。将尚不成熟的人工智能技术引入高风险的金融领域,则可能放大现有风险并带来新的风险。

  林少礼:

  从三方面推动数字金融产业融合发展

  广州市南沙开发区管委会总经济师林少礼,从战略定位、金融业发展、金融数字化转型、政策支持等方面介绍了南沙金融业发展情况。他指出,目前金融已成为南沙的五大支柱产业之一。南沙形成了跨境金融、航运金融、绿色金融、金融科技、融资租赁、商业保理、股权投资、期货交易等八大特色金融板块。

  林少礼表示,未来南沙将从三方面推动数字金融产业融合发展。一是强化金融服务能力。充分发挥财政资金的融资撬动功能,引导社会资本来南沙。二是充分发挥平台作用。用好、用实已落地的试点政策,继续从政策、平台、载体等方面发力,探索粤港澳在科技金融、数字金融等领域的交流、合作机制,主动承接港澳科技人才、项目、资本等要素。三是进一步提升金融支持创新力度。加大政策扶持力度,推进数字金融转型,积极配合广州市争创广深科创金融改革试验区。

  肖钢:

  进一步完善中国式监管沙箱制度

  本届论坛发布了《明珠湾智能金融发展报告(2022)》(下称《报告》),这是中国金融四十人论坛连续第四年发布智能金融报告。

  《报告》针对人工智能对人类社会、金融行业的影响提出了新问题和新思考,并专设章节从生成式人工智能对金融行业的影响、元宇宙与金融等方面探讨了智能金融的未来发展趋势。

  据了解,该报告为中国金融四十人研究院课题项目“中国智能金融发展报告(2022)”的研究成果。这一课题项目由中国金融四十人论坛资深研究员、中国证监会原主席肖钢牵头。相关篇章负责人包括香港理工大学人工智能物联网研究院副研究员李鸣、中国工商银行首席技术官吕仲涛、中国银行业协会首席信息官高峰以及国家金融监督管理总局相关人士等。

  《报告》指出,以ChatGPT为代表的生成式人工智能(AIGC)可快速提供信息,并进行自动化的任务处理等,将为金融业带来深远的影响。但由于AIGC技术目前尚处于起步阶段,其大规模应用还面临可信度、成本投入等多方面的挑战,还存在着一定的风险,需要谨慎探讨。

  在谈到如何平衡技术发展和管控风险之间的矛盾时,肖钢表示,首先,数字化的发展有利于管控风险。我们不应该将数字化发展和风险防控对立。其次,先进的数字技术有利于我们提升金融风控能力。

  肖钢表示,虽然智能金融并没有消除金融风险,但是数字技术、人工智能有助于金融机构提高识别和防范风险的能力。例如,有数据表明数字化的信贷产品的不良率远低于传统贷款的不良率。这说明通过数字技术,金融机构能够提升防范风险的能力。此外,数字技术发展也可能放大已经存在的金融风险,并带来新的风险。

  肖钢认为,可以从三个方面入手在鼓励创新和管控风险之间寻求平衡。

  第一,进一步完善中国式监管沙箱制度。近年来,中国式监管沙箱试点取得良好成效,这是鼓励创新并防范风险的有效制度安排。建议进一步推广,让符合要求的创新项目进入沙箱。因为创新可能需要突破现有的监管规则和制度。但将其置于沙箱中,经过批准后可允许它在业务制度上进行创新。

  第二,加快发展监管科技。

  第三,建立跨市场的风险监测预警和防控体系。数字化条件下特别是人工智能条件下,跨市场、跨行业、跨区域风险传递速度越来越快,风险形态也比过去复杂多样。肖钢认为要加强跨市场、跨行业、跨区域的风险管控,需要建设跨平台、跨市场的风险监控数据平台和监控体系。

  高峰:

  鼓励引导行业自律组织发挥作用

  推进智能金融自律规范

  被问及有关方面应该如何加强智能金融消费者权益保护时,中国银行业协会首席信息官高峰表示,一是鼓励引导行业自律组织发挥桥梁纽带作用,大力推进智能金融自律规范工作,协助监管部门落实监管规则,督促市场机构遵守法律法规、健全落实管理制度。

  二是研究制订相关标准,加大从业人员培训力度,切实履行自律惩戒职责。

  三是加强金融教育,着力推动消费者金融素养体系建设。进一步加强金融知识普及和消费者教育工作,增强消费者的金融素养,培养理性消费、理性投资的行为习惯。

  四是畅通消费者咨询和投诉渠道,切实帮助他们解疑释惑和维护自身合法权益。

  李鸣:

  通过解释算法、验证算法来明确算法到底能带来什么

  如何才能更好地在金融领域应用大模型并防范风险?针对这个问题,香港理工大学人工智能物联网研究院副研究员李鸣表示,在业务层面,要明确业务主体责任和用户的身份认证责任。运营大模型业务的主体负有相应责任。用户要先进行身份认证才能使用大模型服务。此外,要明确生成信息的知识产权,厘清内容规范性的责任。

  在技术层面,要加强人工智能和新一代信息的集成应用。AIGC需要包括前端数据采集、后端数据分析、云计算资源的调度、以及其他新一代信息技术等方面的支撑。应该从新一代信息技术整体去看AIGC的发展。

  他进一步表示,要通过解释算法或者通过验证算法结果,来明确算法到底能给我们带来什么。此外,大模型对算力提出了很高的要求,我们也面临算力突破的问题。最后,数据质量亦是关键因素。从质量差的数据出发,研究人员得不到好的模型。数据方面,隐私保护和数据的跨境流通也是有待解决的问题。

  吕仲涛:

  优质数据是企业大模型应用成功的基石

  大型金融机构怎样做好数据治理、并安全合规地发展金融大模型?针对这个问题,中国工商银行首席技术官吕仲涛表示,高质量的数据是企业大模型应用成功的基石。大模型训练需要巨量数据,且对数据多样性要求高。这对数据采、洗、管、用的数据工程平台能力提出新挑战。

  为应对这一挑战线上股票配资平台,大型金融机构一是要夯实标准化、流水线的数据采集之“基”,打破数据孤岛。二是要持续提升数据处理、知识沉淀、数据治理之“器”,降低数据处理门槛。三是要加强训练数据安全管理之“术”,守牢大模型数据安全质量。四是要建立大模型应用的数据运营之“道”,实现大模型的数据闭环。



相关资讯