在2019年博鳌亚洲年会论坛《数据：有待开发的巨大资源》上，京东数字科技通过调节一个中型锅炉内约1.5万个存储器节点，帮助每台机器节省0.5%的能耗，折合下来，平均每台机器每年可节约200多万元人民币；科大讯飞则通过推进机器深度学习，提升识别医疗影像诊疗准确度，让医生有更多时间投入到复杂疾病的研究中去。由此可见，大数据与人工智能技术已经逐渐渗透到工业、医疗等各行各业之中，那在金融行业能否同样大放异彩呢？
本文图片来源与卡方科技，经授权使用
对于金融行业而言，确实存在数字化转型的需求。举例来讲，过去130年间，美国金融资产产生的平均成本是2%，这意味着，1块钱的资金，从供给方转移到需求方，中间的人员、服务、信息对接成本大概是2分钱。尽管金融机构试图通过海外低人力成本地区招募交易员的方式以节省成本，但随着地区经济发展，人力成本提高，交易员的招募地点也不得不一迁再迁，长久来看通过数字化转型降低金融生产成本势在必行。
数字化转型降低金融生产成本这件事不仅能为金融行业“赋能”，更能够“赋值”。
卡方科技（以下简称“卡方”）成立于2017年8月，是国内金融科技领域中高端算法供应商，为金融机构提供算法交易的技术解决方案，服务对象也主要是私募基金及其他专业金融机构，卡方可以帮助他们达到提高交易效率、减少交易成本。简单来讲，卡方通过人工智能算法，将交易所行情实时大数据进行集成整合，帮助金融机构选择合适的渠道与市场完成资产的量化交易，以减少人工交易的判断失误、心理因素等带来的利益不能最大化的问题。同时卡方的交易机器人也能在效率上优于人工，减少金融企业70~80%的人员配置成本，提高利润。
本文图片来源与卡方科技，经授权使用
回到原来的问题：人工智能能否同样在金融行业中大放异彩呢？答案既是肯定的也是否定的。原因从两方面考虑：新技术本身存在的风险性与金融行业对于试错的低忍耐性。从新技术角度来谈，从技术的发展到完全成熟需要一个冗长的周期，而现如今的机器学习尽管在绝大多数场景中应用效果得到了印证，但仍存在数据库被污染，计算结果也存在偏差的情况，同时在多个算法并行的情况下，容易造成市场拥堵和判断决策出现失误。而金融行业历来试错成本极高，百分点跌落背后带来的经济损失是难以估计的。因此在二者同时作用下，金融行业对新技术的需求始终难以形成高速增长。
卡方作为金融科技算法供应商，若想要在金融行业推进新技术的落地，那么如何控制产品在实际应用中的误差率和明确自身在金融市场中的定位成了两座绕不开的“大山”。
本文图片来源与卡方科技，经授权使用
卡方的核心产品ATGO平台本质是基于量化交易决策之下的智能交易执行平台，可根据用户需求帮助客户在最合适的价格和市场中淘选所需股票。产品本身原理基于机器学习，将行业内数据（新闻，公开信息等）聚合、清洗，建立模型并形成前端的预测模块，以更优的价格和渠道以及对市场影响较小的策略来进行股票买卖。卡方的交易机器人相较于人工交易最显著的优势体现在三个方面。
首先是无情绪优势，价格波动会显著影响交易员情绪，这一点对于新手交易员尤为显著，过度恐慌和过度贪婪会影响决策质量，在交易过程中通过算法和模型搭建的量化交易平台能有效避免情绪所带来的负面影响。
其次是交易效率优势，对于人工智能而言，尤其是交易方面，可以做到全年无休运转，这一点是交易员很难做到的，全时段紧盯市场也就意味着效率能够显著提升，也能为资方在交易过程中发觉更多可能机会，快速的交易效率也让市场变化对交易执行的影响降到一个非常低的程度，在一定程度上保证了决策的预期与实际收益的一致性。同时也避免了误操作带来的合规风险。
本文图片来源与卡方科技，经授权使用
最后卡方产品本身也是基于大数据机器学习所打造的一款智能产品，对于市场的判断是否准确很大程度依赖于数据库的量级，据卡方联合创始人郑盛介绍：“卡方的数据库在业内，尤其是国内是非常庞大且突出的，这样让我们在产品稳定性上得到了保障，因此很多大中型私募基金都很积极与我们合作。我们也通过收取交易金额部分比例服务费用的商业模式，持续企业运营正向增长。”
截至目前，卡方已签约的证券公司达数十家家。自2017年Q4业务上线至今持续保持高速增长，2019年全年收入增长达500%并已实现盈利。
目前核心团队由联合创始人郑盛、陆洋与CEO何剑勇三人组成，其中何剑勇在金融科技行业有着超过15年的从业经验。团队规模约有50人，接下来卡方将继续扩充团队，以满足新产品的研发需求。
本文图片来源与卡方科技，经授权使用
目前卡方已获得过黑盒资产、珠池资产的天使轮融资、明势资本的PRE-A轮投资、以及华盖资本领投、铭笙资本跟投的数千万A轮融资。
本文图片来源与卡方科技，经授权使用。本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系editor@cyzone.cn。
