记者了解到，11月17日消息，由中国金融四十人论坛和金融城联合举办的2018全球金融科技(北京)峰会今日召开，港交所创新实验室联席主管许慎在“监管科技与金融风险防范”的专题会议上发表演讲，许慎指出，对于区块链，我们是很客观、公正地看这样的技术，也希望在实践当中理解它的效能、效应，同时，也是彻底的拥抱它。我们不认为在新的技术发展和传统的金融领域会有很强烈的冲突。

　　以下为发言实录：

　　主持人李文红：最后请许慎先生分享他在港交所创新实验室的一些实践案例、经验和体会。

　　许慎：非常荣幸，也非常高兴能有机会参加这个峰会。先简单介绍一下创新实验室。前面几位嘉宾讲到，他们部门的名字都和我们有一个比较本质的区别，我们最重要的特点是叫实验室，顾名思义，我们会跟注重实际的实践和实验的层面。所以，我想先从对于新事物的接受和理解意义探索方法论的角度来介绍一下港交所的思路。

　　一般一个新的东西，特别是对于创新来讲有两个不同的方法，一个是宏观的战略，各个部门配合去支持。另一种方式是从业务的前线找到具体的应用场景，根据具体的问题入手来看，能够用什么样的新科技或者新方法和理念，要么提高效率，要么做以前不能做到的东西。港交所的思路基本上是两者皆有。

　　创新实验室是在这个战略层面上起到比较重要的作用，一方面我们能够帮助整个港交所从认识技术、理解技术的角度有一个宏观的大的战略，但同时我们有一个很重要的职能，找到具体的一些应用场景，能够快速有效地把新的一些技术和理念应用起来，能够迅速地得到一些反馈和机制。

　　今天特别希望跟大家分享我们在过去一段时间做的一些简单的尝试，也欢迎大家探讨过去遇到的一些障碍或者经验、教训。既然称之为实验室，肯定是有成功，也有失败。

　　第一个领域是在区块链。港交所关注区块链的时间很长，我加入港交所之前就在关注，最早关注是因为区块链当时的口号太吓人，说要颠覆传统金融，特别是要去中心化，颠覆交易所。当然一路走下来，我们一直在关注、学习，现在我个人的感觉，至少现在知名的加密货币本身的交易所绝大部分还是中心化的交易所。但我们在关注的过程当中也认识到，区块链本身的确有它的价值和意义，而且它也能够解决一些新的问题。在香港有一个平台，我们在区块链的领域有一个新的合作，特别是针对于南北向资金领域的合作，希望借助于区块链技术本身的特点解决交易清结算方面的问题，提升它的效率，特别是实现“T+0”的要求。这表明了我们很重要的一个态度，对于区块链，我们是很客观、公正地看这样的技术，也希望在实践当中理解它的效能、效应，同时，也是彻底的拥抱它。我们不认为在新的技术发展和传统的金融领域会有很强烈的冲突。

　　对于区块链本身来讲，看的不仅是区块链，还做了很多的工作，甚至在区块链上的应用，更关注于实现区块链底层的技术，这些底层的技术能够为交易的市场、传统的金融业务带来一些什么样的新启发和思索?从这个角度来讲，我们把区块链当成一种现象来研究。

　　最近，不知道有没有人关注BCH大战，非常热闹。对于这样的发展，对于我们的监管是什么样的启迪和启发?相信在座的同事有所关注。

　　第二个领域是人工智能/AI。对于人工智能来讲，这个词很大，意义也很大，像我前面讲到的，一方面，各个国家不同的金融机构有不同的人工智能战略。我们在理解人工智能的同时选择了几个领域去进行一些小规模的实践，涉及到比较多的，第一个是自然语言处理。我们在做自然语言处理时有很多方面的应用，一方面作为交易所，我们有大量的文本需要审计，包含上市的文档前后的一致性以及这些文档、公告对于实际市场当中发生的事件是否能够有相互的匹配和对应。在这里面，如果花人工一个个看，效率相对比较低。人工智能自然语言的处理在这里面起到非常关键的作用，把非结构化的文本变成结构化的，能够把里面的实际财务数字从长篇大论当中有效提取出来，同时还可以做到前后的比对。对这样的文档的梳理有一些很细节的挑战，特别是包含表格的一些梳理，因为表格的行和行、列和列之间都有它的逻辑关系。同时还涉及到有边界表格、无边界表格、跨页表格等等一系列的问题需要处理。

　　另外，在自然语言处理方面也进行了一些小的尝试，舆情监控。舆情监控对于我们来讲，是对上市公司、合伙人舆情的监控，但我们在实践当中也遇到了很多的问题，因为之前有一些讨论，市面上有很多的公司都在做类似的舆情监控，别人做的舆情监控我们是否可以直接拿来主义为监控所用?大家在探索的时候会发现，人工智能在现在这个阶段还是处于有多少智能就有多少人工的阶段，依靠大量的数据处理和数据培训。

　　但是在监管上，提出了一个新的和一般的证券行业不太一样的定义。因为证券投资做舆情监控时会关注流动性比较高，或者有选择性自己比较擅长板块的企业有目的的去监控，这个时候监控的重点和处理的问题就不太一样了。但对于交易所来讲，所有的上市公司都需要一视同仁，我们对于所有的CP都需要一视同仁，这里面包含一些大公司，同时也包含一些流动性很低的小公司。大公司的监控往往不是大问题，往往是小公司或者中小公司的监控，是很重要的问题。为什么?因为这些公司可能平时出现的新闻很少，而他们的新闻又很难上一些主流的媒体，而是上一些非主流但是专业性很高的媒体，如果用传统的人工监控，这样的工作是很难办成的，这就是为什么需要用人工智能的方式方法去监控。

　　这就涉及另外一个很重要的课题，为什么要考虑监管科技?我们在采用监管科技时的评判思路是什么?一般的科技有两个大方向，要么提升效率，要么做到以前不可能完成的使命。对于舆情监控的领域，特别是监管，人工智能带来最大的革命性的改变很可能是完成了人不可能完成的使命，几千家上市公司，每家上市公司时时刻刻都在发生不同的信息时，如何监管、监控?人工智能的标准基本上可以做到同时监控上百家舆情的信息，24×7不间断的监控。当然，这里面涉及到监控的准确度和覆盖率的问题，这就需要进一步的技术手段不断地提高。

　　第三个领域，最近取得了比较明显的测试效果，就是人工智能和大数据相结合的技术，叫知识图谱。简单来讲，知识图谱就是把实体和实体之间的关系以及不同的属性放在非传统的图数据库当中进行数据的表示，同时也进行可视化的展示。但最重要的，知识图谱提供给我们一个新的计算方法，去发现实体和实体之间关联、关系所具备的一些可能的风险特征，而这些风险特征可能是靠传统的技术很难有效发现和计算出来的。

　　举一个简单的例子，现在的知识图谱开始的时间很短，基本上花了两三个月的时间做了一个初步的探索，在这个知识图谱里，基本上有两万多个节点，三十多万个关系，三百多万条属性。一方面是可视化，可以看到很强的关联关系。另外是风险模型，比如我是一个上市公司的股东，同时又是另外一个公司的股东，我把上市公司的股票抵押给另一个公司，这是很有意思的三角关系。之前我们想到的数字，两万个节点，三十多万条关系，三百多万个属性，在这当中，如何找出三个点的关系出来?有多少种排列组合?这可能是天文数字。

　　我们再进一步说。因为我持股的时候可以通过代理持股，可以由一级代理，可以有二级代理。如果靠传统的手段，把这样的关系发现出来是非常难的，你的计算资源非常庞大，而且可能永远算不完，这就需要引入知识图谱上新的计算方法：图计算。在这个图计算的应用当中，我们已经至少可以把三个点的关系有效发觉出来，速度非常快。而且也帮助风控部门有效监管到可能市场中潜在的风险，之前已经发现了一个很大的可能，结果我们直接打电话给我们的上市公司，减少了风险的有效抵押。

　　第四个领域，聊天机器人(14.970, -0.08, -0.53%)。希望通过聊天机器人能够提供24×7投资者的教育。

　　第五个领域，数据。对于监管来讲，数据是非常重要的一个环节，但是我们也关注到，数据真正有效为监控部门所用，对于数据多样性的要求非常高。而现在的领域中还存在着很多的数据孤岛，怎么样做到有效风控，既能够起到有效数据的关联，同时又能够保护好数据的隐私，这是非常值得探索的话题，也需要很大层面的行业合作。

　　我对于我们的大会将来可能会有一个比较大的期望，我们不仅在讨论实际的技术和场景，是不是也能够增强一些行业互动的效果，是不是有可能建一些产业针对于具体领域的联盟，大家能够共同交流这些技术，甚至交流某些领域的数据，可以更有效实现一些监管职能。