來源：中金公司
摘要
全球領先的頭部金融機構大多傾向於自建IT，並通過自身IT基礎設施對外輸出形成科技生態。究其原因，自建IT並構建科技生態的主要優勢是，其不僅可以支撐自身業務發展，還可以對外輸出自身科技能力並實現變現，最重要的是可以形成相對於競爭對手的獨特優勢。
趨勢：頭部投行與資管自建IT是確定性趨勢。
根據TABB統計，在10家歐美第一梯隊的投行和資管機構中，2010-2014年自建與第三方IT（包括硬件、軟件、數據等服務）的平均比例為3.14:1。從不同頭部機構的系統建設情況來看，高盛、貝萊德基本完全自建IT系統，摩根大通、摩根斯坦利、Two Sigma、State Street均自建了核心IT系統。
生態：基於風控與IT構建生態形成三層壁壘。
第一層，風控能力自身具備網絡效應，頭部機構搭建大規模的風控平臺，獲取規模經濟效應，實現相對於其他機構的壁壘。第二層，開放風控與IT能力，形成開發者生態，頭部金融機構通過開放風控與IT能力，與第三方開發者對接，形成開發者生態。第三層，免費對外開放能力，依託自身牌照優勢，為業務引流，形成金融生態。
變現：“醉翁之意不在酒”。
傳統金融機構可以通過對外輸出自身IT實現變現，目前貝萊德的Aladdin銷售收入已經佔其收入比例近7％。更重要的是，結合科技生態，傳統金融機構可以實現業務層面的變現，包括提升傳統業務的效率（如Aladdin助力貝萊德投資業務）、助力新業務快速拓展（如高盛拓展零售銀行）、或者是直接實現業務收入（通過生態內科技企業投資，高盛直投以及財富管理業務實現直接收益）等。
全球領先投行以及資管機構能夠自建科技，並形成生態，其基礎是遠超平均水平的投入。以高盛為例，2017年有1/4左右的僱員（9000人左右）具備STEM學位，招聘崗位中有近一半是科技類崗位。目前國內資本市場尚沒有具備相應體量投入的金融機構，因此我們預計距離全面自建IT仍有較長的週期。在這一背景下，第三方IT公司仍有充分的發展空間。
風險
資本市場創新政策落地不及預期。國內資本市場發展超出預期，快速向海外格局靠攏，頭部機構自身具備IT能力。系統性估值回調。
正文
核心邏輯：風控為核，生態為先，變現角度多樣，頂級投行與資管自建IT是確定性趨勢全球資本市場IT概況：自建佔主導
1、監管加強、傳統業務承壓、IT能力不足以支撐業務拓展，成為困擾頭部金融機構的主要問題
商業模式承壓，傳統業務收入下滑。金融機構傳統業務主要基於交易額收取一定佣金、管理、手續費用。由於競爭加劇、服務同質化、政策變化等因素，傳統業務的交易額、費率逐步下降，導致金融機構的收入受到擠壓。以高盛為例，全球市場業務條線（Global market，固收+權益）收入在2007-2019年間，由312億美元跌至148億美元。
圖表：高盛機構客戶服務/全球市場業務條線收入（固收+權益）較2007-2009年高點有較大幅度下滑
資料來源：Factset，中金公司研究部
金融危機背景下，監管不斷加強，金融機構降低合規成本成為最大訴求。監管環境日益複雜，美國與歐洲的多項監管法案在金融機構報送、稅務、雙邊風險管理等方面都做出了更為嚴苛的要求。金融機構面臨的合規性成本也相應上升，根據估計自2008年以來銀行在罰款、和解上支付了超過3,210億美金，每年合規成本2,700億美金，且至2022年可能翻倍[1]。
圖表：監管環境日益複雜，金融機構合規成本提升
資料來源：IBS，中金公司研究部
IT能力不足以支撐業務，帶來較大損失。在金融業務複雜度不斷提升的背景下，傳統IT系統對於創新業務的支持力度不足，導致業務無法正常開展，或者無法規避創新業務開展中的風險。如2012年摩根大通的“倫敦鯨”事件，在一次交易中產生了65億美元的鉅額虧損。其主要原因是公司內部缺乏自動化建模工具，業務人員基於excel手工建模，且模型中存在的錯誤未按模型檢查小組（Model Review Group）意見修正[2]。
2、風控：算力與數據是核心競爭力
資本市場業務圍繞風險展開。金融機構從事的主要業務均圍繞挖掘風險、迴避風險、通過承擔風險獲取對應收益等展開。例如，財富管理業務為高淨值客戶挖掘特定風險，資產管理、投資銀行業務通過承擔對應風險（如IPO餘額包銷等）獲取報酬，衍生品業務可以幫助客戶獲取或規避特定風險等。
因此，頭部投行與資管均在風控領域投入遠超平均水平。 資本市場擁有數以億計的高頻價格數據、龐大頭寸、情景假設等，一個完善的風控系統需處理大量複雜數據。例如，高盛自建SecDB數據庫，做出證券定價、分析潛在交易並監控風險，貝萊德打造Aladdin風控平臺，管理投資組合的績效、風險與敞口。二者均以龐大的算力投入作為支撐，SecDB由1500-4000萬行代碼組成，每日需計算2300萬個價格、管理280萬個頭寸，Aladdin有11個數據中心進行支持，運行著數十億個金融場景預測。
3、生態：基於風控與IT構建生態形成三層壁壘
第一層壁壘：風控能力自身具備網絡效應。風控能力取決於對於不同風險因素、不同場景的模擬測算，用戶數越多、使用頻率越高，其測算越全面準確。因此貝萊德提出“Collective Intelligence”（集體智慧）理念，通過超過兩萬個用戶的個性化使用，提升自身的風控效果。
第二層壁壘：開放風控與IT能力，形成開發者生態。頭部金融機構通過開放風控與IT能力，與第三方開發者對接，形成開發者生態。自身IT能力也可以與投資能力結合，將IT輸出賦能到被投金融科技企業，有助於被投企業快速成長。例如高盛推出Marquee講自身SecDB的能力對外開放，貝萊德也推出Aladdin Studio與Aladdin developer，開放其平臺能力。
第三層壁壘：免費對外開放能力，為業務引流，形成金融生態。金融機構具備牌照優勢，免費對外開放風控與IT能力的最終目的是為業務引流，最終實現變現。如高盛嘗試提高結構化票據在經紀商渠道中的滲透率，因此開放SIMON應用為客戶免費提供結構化票據產品學習、風險評估等功能，為業務引流效果顯著，運營第一年則吸引近2萬億美元資產。
4、變現：“醉翁之意不在酒”
直接銷售是最直接的變現方式。與第三方廠商類似，頭部金融機構也可通過直接銷售將自身IT能力變現。貝萊德通過BRS銷售貢獻的收入從2010年的4.6％提高的2019年的6.7％，公司計劃在2022年達到30％。[3]
圖表：BRS貢獻收入佔比逐年提升
資料來源：公司公告，中金公司研究部
交易額分成等類似於研究佣金的收費方式也可以實現。得益於牌照優勢，金融機構相對於第三方機構的變現方式更加多樣。類似於傳統股票交易中通過佣金等方式為研究付費，客戶也可以通過佣金方式為IT服務如資訊、風控數據等付費。貝萊德通過Aladdin創造投資中的Alpha收益、進行產品創新，從而實現間接的科技變現。
5、趨勢：頭部投行與資管自建IT是確定性趨勢
全球範圍內看，頭部金融機構自建IT是常態。根據TABB統計，在10家歐美第一梯隊的投行和資管機構中，2010-2014年自建與第三方IT（包括硬件、軟件、數據等服務）的平均比例為3.14:1。
圖表：2010-2014年歐美一線投行和資管機構IT支出中自建和第三方平均比例
資料來源：TABB，中金公司研究部
從賣方看，高盛基本以自建IT為主，其他投行的核心繫統也通過自建實現。高盛在賣方機構中自建程度最高，不使用完全獨立的第三方IT系統。高盛使用的外部產品多來自於收購或投資公司，如Cadre、Kensho等。摩根大通的RiskMetrics數據庫也是自建成果，與Cazenove的合資子公司在2005年採用GBST的Syn settlements作為Cash markets系統，但在Cazenove成為摩根大通合資子公司後，該系統亦轉為自建。
圖表：部分投行自建或第三方IT產品情況
資料來源：IBS，中金公司研究部
頭部資管機構也通過自建或收購形成自有IT，並對外輸出。貝萊德自建並輸出IT起步較早，其自建Aladdin系統在市場中擁有絕對競爭優勢，我們將在後文詳細分析。2019年道富集團也通過收購原第三方OEMS供應商Charles River，推動自建IT對外輸出進程。此外規模相對較小的資管機構也是市場內玩家：量化投資機構Two Sigma自建數據和風險管理工具Venn；Alliance Bernstein持股Algomi，對外提供ALFA、PIMCO等工具。
圖表：資管系統通過自建或收購形成自有IT
資料來源：貝萊德官網，道富銀行官網，Two Sigma官網，Alliance Bernstein官網，中金公司研究部
1、高盛：打造華爾街的谷歌
高盛將自身比作“華爾街的谷歌”，打造科技生態。投行業務圍繞著風險展開，高盛將風控作為最重要的能力，並打造SecDB數據庫作為立身之本。通過開源其能力，高盛逐步打造圍繞著自身業務、被投企業、第三方機構而形成的科技生態。這一生態在不同業務部門通過不同方式實現了直接或者間接的變現。
圖表：高盛IT架構和戰略
資料來源：Harvard Business Review，高盛官網，中金公司研究部
1.1 風控為核，歷時30年打造核心風控平臺
賣方業務圍繞風險展開。根據高盛前CIO及前CFO Martin Chavez，賣方業務從事的是承擔風險（如IPO）、匹配風險（根據客戶意願在兩個客戶之間轉移風險）以及挖掘風險（如幫助客戶尋找投資機會）等。業務性質可類比於搜索引擎，幫助客戶找到對應的風險，因此高盛努力將自身打造成“華爾街的谷歌”。
圖表：高盛將自身定義為全球金融市場參與者的風險樞紐
資料來源：Martin Chavez在哈佛大學的演講（https://www.youtube.com/watch？v=VF6DrX9H0Ug），中金公司研究部
作為支持所有業務的核心，高盛自研SecDB（Securities Database）支持風控。20世紀90年代高盛開始使用自創的Slang語言構建SecDB數據庫，整個數據庫包括1500-4000萬行Slang代碼，實現跟蹤和管理全公司的風險。從技術架構來看，SecDB本質是一個分析數據庫，具有高性能的併發讀寫特徵。同時支持分佈式結構部署，具有面向對象的可擴展性。因此SecDB類似於一張電子表格，單線程、計算快，可以令倫敦、東京和紐約的用戶同時看到實時的數據變化。從業務功能來看，SecDB幫助高盛實現跟蹤和管理全公司的風險。在導入頭寸、客戶成本/佣金等業務數據後，SecDB功能包括為證券定價、分析潛在交易並監控風險。
SecDB目前已成為高盛內部最核心的系統之一。SecDB是高盛主要的自研成果，是公司核心競爭優勢之一。市場普遍認為，在2008年金融危機時，SecDB強大的風控能力令高盛避免了多個市場極端情況下的重大損失[4]。因此在2019年戰略轉變前，高盛始終拒絕對外售賣SecDB使用權。
圖表：SecDB是高盛技術投入的重要成果
資料來源：Martin Chavez在哈佛大學的演講（https://www.youtube.com/watch？v=VF6DrX9H0Ug），中金公司研究部
1.2 生態為先，Marquee將自身能力無差別對外開放
打造生態，高盛通過Marquee開放自身能力。一方面，金融危機後監管對自營交易下達禁令，SecDB對高盛的收入貢獻減弱，另一方面高盛自身積極尋求轉型，希望通過平臺方式開放自身風控能力，形成生態。因此，高盛基於SecDB打造Marquee平臺，並於2019年4月宣佈客戶直接與基於SecDB的Marquee進行交互，通包括數據提取、定價引擎和其他功能。客戶通過Marquee API訪問SecDB可以降低基礎設施開銷，並根據提供的服務減少投放市場的時間。
圖表：Marquee為客戶業務全流程賦能
資料來源：公司公告，中金公司研究部
Marquee覆蓋“交易生命週期”全階段，實現全流程賦能效果。高盛提出“客戶交易生命週期”概念，並計劃通過Marquee內部的GS Markets、SIMON、Marquee Trader等多個應用程序覆蓋交易週期全階段，為外部客戶賦能。Marquee的進一步發展目標是打造成世界級的金融服務與風險管理平臺，推動大宗股票交易電子化，允許接入多種投資應用。
GS Markets提供實時信息和研究成果。不僅提供全球股票、商品、債券、掉期利率以及超過100個外匯交叉提供實時價格，還提供來自內部機構客戶服務團隊和研究團隊的最新研究成果。
SIMON打通結構化投資市場。SIMON全稱為Structured Investment Marketplace and Online Network（結構化投資市場和在線網絡），幫助客戶瞭解結構化投資並執行交易。SIMON令高盛在獨立的區域性公司之間開通新的第三方分銷渠道。2017年已有18家經紀公司簽署SIMON，即意味著通過SIMON可接觸上千名投資顧問，以及其名下管理的約2萬億美元的客戶資產，幫助高盛在票據業務上獲得市場第4的地位，有效擴大了高盛的商業影響力。
Marquee Trader是外匯和商品電子執行平臺。該應用程序同時應用於外部客戶和高盛內部銷售人員。隨著市場動態數據的改善和用戶採用率增長，2017年Marquee Trader客戶平均每日交易量超過100億美元，同比增長超過40％，用戶數量同比增長超過20％。
Trade Tracker注重交易後管理。該應用程序可以幫助客戶監視交易並根據市場情況變化管理頭寸，並從理論上分析新交易對現有風險敞口的影響。客戶可通過Trader Tracker獲取詳細的實時分析，以重組期權組合。目前高盛內部主要將Trader Tracker用於股票期權，外部客戶將其較多用於外匯期權。
Strategy Studio構建跨資產投資組合。Strategy Studio允許客戶使用股票指數、固定收益指數和GS baskets快速建立和分析自定義投資策略。同時還提供回測和其它高級功能，以每天監控和管理投資組合。
1.3 從技術與組織兩個層面確保IT戰略落地
1.3.1 技術：積極擁抱雲計算、大數據、開源等創新技術
基礎設施上，積極與雲廠商合作。在高盛自研過程中，Marquee、GIR以及ClearFact平臺均部署在亞馬遜公有云。公有云令傳統產品獲得新賦能，以GIR為例，高盛將原有研究門戶網站的核心功能都遷移上雲，以獲得高適應性和高性能，並藉此向非傳統客群進行拓展。
圖表：GIR部署在AWS公有云
資料來源：Martin Chavez在哈佛大學的演講（https://www.youtube.com/watch？v=VF6DrX9H0Ug），中金公司研究部
大數據應用上，形成數據湖，沉澱海量數據。高盛建立數據湖，整合有關交易、市場和投資研究的信息，以及通過電子郵件、語音電話和即時消息等各渠道的市場觀點。將所有數據整合一處後，讓機器進行學習，沉澱海量數據。
圖表：高盛數據湖集成各類數據供不同人員使用
資料來源：Martin Chavez在哈佛大學的演講（https://www.youtube.com/watch？v=VF6DrX9H0Ug），中金公司研究部
開源技術上，合理使用技術，節約時間和成本。如前所述，在Marquee等平臺的前端應用中，高盛通常自研以形成差異化優勢。而在相對同質化的後臺中，高盛大量使用了React，Elasticsearch，MongoDB和D3等多項開源代碼與技術知識，以準確、低成本地執行後臺流程。開源代碼的使用有效節約了IT人員成本，令其專注於高附加值工作（如風控、交易算法等），而非基礎功能。
1.3.2 組織：從科技、投資、協同三個方面確保IT戰略有效落地
科技人才：高盛擁有龐大的技術人力支持。2017年高盛近1/4員工擁有STEM學位，近9000人。同年，根據CB Insight統計，在高盛招聘的崗位中有多達46％的技術相關崗位，其中平臺開發的人才需求最大，其次為運營工程師和股票技術崗位。
圖表：根據招聘崗位數據，高盛招聘的技術類崗位接近一半
資料來源：CB insights，中金公司研究部
投資支持：PSI（Principal Strategic Investment）團隊通過投資實現業務合作。PSI團隊與證券（Securities，包括權益與固收）、運營、科技、投行等團隊密切合作，實現通過投資初創科技公司，尋求業務合作，達到協同的作用。由PSI投資的初創企業大多為金融科技、企業服務、交易所基礎設施等領域的創新創業公司，與高盛的主業有較強協同作用。目前PSI已經併入高盛成長企業投資條線GS Growth。
圖表：高盛PSI部門投資的部分公司以及其與高盛的業務協同
資料來源：Havard Business Review，高盛官網，各公司官網，中金公司研究部
內部協同：數字戰略集團（DSG，Digital Strategies Group）推動數字化轉型。2016年高盛成立DSG部門，協調不同部門間的數字戰略，同時確保證券部門（Securities，包括權益與固收）的執行落地。在數字化轉型過程中，權益（Equity）與固收（FICC）部門開發了較多的應用與工具，為確保減少資源浪費，統一客戶體驗，特設立DSG部門，2019年DSG部門由CTO Boe Hartman領導。
1.4 成效：形成自身科技生態圈、快速孕育新業務
直接實現業務收益。依託於高盛自身的背書、業務以及發展，部分被投公司實現了較好收益，例如Direct Edge通過併購退出，Tradeweb於2019年實現上市等。同時，一級市場投資也支撐了其財富管理業務，如地產投資平臺公司Cadre獲得了高盛私人銀行客戶的2.5億美元投資（2018年）等。
依託於自身科技能力，快速實現業務快速擴張。通過構建技術能力，高盛實現了業務的快速拓展與擴張。2016年高盛成為銀行控股公司，並取得相應牌照，能夠向零售客戶進行銷售。在11個月內，高盛通過其開放平臺Marquee快速開發了Marcus借貸平臺，消費者提供個人貸款。截止2017年4月，GS Bank的存款達到了1150億美元，成為美國排名前25位的銀行之一，GS Bank的個人存款為高盛提供了比傳統資金來源更低成本的資本金，Marcus也成功將高速客群從高淨值客戶、機構投資者拓展至零售消費者。
2、貝萊德：頭部機構如何成功輸出自身能力？
貝萊德基於自身風控能力實現了技術的同業輸出。貝萊德由於依靠其自身出色的風控能力，打造了Aladdin資管與風控平臺，實現了其在大量同業資管機構的輸出。基於這一平臺，貝萊德不僅在買方系統市場取得了領先市佔率，還實現了自身投資業務的快速發展。
圖表：貝萊德核心優勢是風控能力，打造BRS對外輸出
資料來源：貝萊德官網，公司公告，中金公司研究部
2.1 貝萊德基於風控優勢打造BRS
貝萊德在風控領域具備較強優勢。貝萊德在風控意識上領先於競爭對手，在早期貝萊德已經前瞻性地認識到風險管理重要性，並致力幫助投資者理解他們所持債券組合中蘊含的風險，以此為起點為機構客戶提供資產管理服務。風控能力也成為貝萊德差異化核心優勢，讓公司迅速發展，成為全球AUM第一的資管公司。
圖表：全球Top 5資產管理公司AUM（2019）
資料來源：Statista，中金公司研究部
基於風控優勢打造BRS，逐漸以Aladdin為中心。2000年，貝萊德成立BRS（BlackRock Solutions），對外輸出技術。BRS以貝萊德的資管與風控平臺Aladdin為主要業務，同時包括FMA（Financial Market Advisory，為金融機構提供諮詢服務）與外包兩類業務。自2017年以來，Aladdin的收入已佔BRS收入的100％。
2.2 Aladdin以數據算力為基，六大模塊為柱，形成功能全面的一體化平臺
算力是Aladdin強大風控能力的基石。截止2018年，有11個數據中心支持Aladdin運行數十億個經濟場景預測，並基於預測檢查客戶投資組合中的每一項資產，對投資組合進行測試。同時重要歷史事件也被記錄在數據庫中，包括利率和匯率變動、惡劣天氣災難等，以便通過蒙特卡洛模擬建立統計模型，計算重大事件對其管理資產所存在的潛在影響。
大數據之上，覆蓋全生命週期與不同業務條線。Aladdin將複雜風險分析、全面投資組合、交易、運營、合規和會計工具結合在一個平臺上，由Enterprise、Risk、Provider、Accounting、Wealth和近期收購的eFront六大模塊組成，涵蓋所有資產類別的全生命週期。同時，不同業務模塊也覆蓋不同業務條線，為多類客戶群體提供服務。
Risk：可獨立於Aladdin平臺進行單獨提供的模塊。Risk結合了貝萊德強大的風險分析和高擴展性處理能力，通過提供可配置報告、假設分析工具，幫助客戶瞭解投資組合的績效、風險與敞口，以快速、準確做出投資決策。其目標客戶包括風控經理、投資組合經理、合規人員、執行人員、投資委員會以及董事會。
Accounting：為金融機構提供定製化會計服務，包括數據管理、交易和託管業務、衍生品業務、對賬和績效衡量等。與Risk模塊相輔相成，為後者提供績效和財務方面的數據，共同衡量投資組合績效並提供風險分析報告。
Wealth：Wealth是財富管理平臺，幫助財富管理機構構建符合其投資者需求的投資組合，解決財富管理機構的合規壓力、費用壓力。其優勢在於：1）投資組合深度分析，通過資產類別、地理位置、風險因素、複雜情景分析等多途徑瞭解投資組合風險敞口。2）生成投資提案，隨著市場觀點和需求變化，生成投資建議，重新調整客戶投資組合。3）商業信息，為財富管理機構提供所有行業、地域、業務的企業信息，進一步瞭解商業模式和行業趨勢。4）警報提醒，自動識別需要關注的客戶和投資賬戶，讓數據驅動業務。
Provider：通過技術手段，如實時視圖、共享工作流程、Alaadin專有界面等，連接資產經理和資產服務人員，在投資流程中實現高效的交互。另外，Provider也提供自動化處理，降低資產經理和資產服務人員在託管和會計過程中的手動操作。
Enterprise：面向投資專業人員的操作系統，應用於投資流程。
eFront：在被收購之前，eFront是擁有超過20年經驗的另類投資管理解決方案供應商。通過eFront用戶可以管理投資組合中的私人資產，瞭解風險和績效歸因，並提高投資透明度。
圖表：貝萊德覆蓋不同業務條線，是端到端的一體化平臺（2014年）
資料來源：公司公告，中金公司研究部
2.3 通過“集體智慧”（Collective Intelligence）形成網絡效應，構築壁壘
Aladdin通過一體化平臺輸出全面投資能力。市場普遍認為一體化平臺是未來發展趨勢，如與Aladdin齊名的Simcorp也在打造從前到後的一體化系統。SImcorp CEO認為投資者想整合“零散、高成本投資業務”的需求待釋放，多合一投資技術是大勢所趨，Aladdin的成功就得益於其高集成度。
支撐“集體智慧”，通過網絡效應構築。截止2019年Aladdin平臺支撐200餘個機構投資經理，24萬個用戶，管理650萬個投資組合，據估計覆蓋了20萬億美元的資產（貝萊德自身管理規模為7萬億美元左右），佔全球比例10％[5]。在Aladdin平臺上，可以提供個性化的風控策略以及投資策略構建，提高多樣性，避免系統性風險。同時，基於用戶反饋，可以進一步提升平臺策略以及數據的複雜度，提升其準確度，形成網絡效應構築壁壘。
2.4 通過系統銷售與推動投資業務創新兩種路徑變現
用戶數快速增長，風控是主要採購動力。回溯Aladdin收入表現與機構客戶數，2012年歐債危機後，截止到2015年Aladdin客戶數迅速增長，3年累計增長109家新機構客戶，遠超2015年後客戶增長速度。客戶的累積在2016年業績得到體現，2016年Aladdin平臺收入實現25％增長，是2010-2019年間最高增速。我們判斷歐債危機後，Blackrock Aladdin的亮眼業績來自於其債券風控傳統優勢，是客戶採購的主要動力。
圖表：2010-2019 Aladdin及BRS收入增速
資料來源：公司公告，中金公司研究部
圖表：2012-2019部分年份Aladdin機構客戶數
資料來源：公司公告，中金公司研究部
對外輸出成果斐然，Aladdin成為業內兩大巨頭之一。經過20年深耕，Aladdin對外輸出成果斐然，與第三方IT供應商Simcorp開發的Dimension系統成為買方IT市場兩大巨頭，二者合計管理全球超過30萬億美元的資產。2019年Aladdin年收入為9.74億美元，機構客戶數已超過200，在Top 200投資經理/Top 100養老基金/Top 250保險公司中分別佔據20％/23％/17％份額。Aladdin收入貢獻同樣亮眼，2017年後Aladdin幾乎取代FMA與Outsourcing貢獻BRS全部收入。
圖表：BRS業務收入逐漸以Aladdin為主導
資料來源：公司公告，中金公司研究部
圖表：2009-2019 BRS收入情況
資料來源：公司公告，中金公司研究部
圖表：Aladdin搶佔近50％買方IT市場規模 （2019年）
資料來源：公司公告，中金公司研究部；備註：份額為中金公司研究部根據各公司披露情況估算
圖表：Aladdin在Top 200投資經理中佔據20％份額（2019年）
資料來源：公司公告，中金公司研究部；備註：份額為中金公司研究部根據各公司披露情況估算
貝萊德藉助Aladdin促進投資業務的增長。在科技類收入之外，貝萊德基於Aladdin，還促進了傳統資產管理業務的發展。包括基於Aladdin平臺挖掘投資Alpha、產品創新等直接促進投資產品的發展，通過規模化分銷實現產品銷售，以及針對客戶實現的定製化整體解決方案。
圖表：貝萊德收入包括技術直接收入與以技術為基礎的收入
資料來源：貝萊德投資者交流日材料，中金公司研究部
3、發展：未來的資本市場需要怎樣的IT？
3.1 技術：雲計算、大數據和AI全面應用
不同類別的技術全面應用於前、中後臺。AI/ML（人工智能/機器學習）及其相關技術IWA（Intelligent workflow automation，智能工作流自動化）、PA（Predicative analysis，預測性分析）、NLP（Natural Language Processing，自然語言處理）等和雲計算使業務流程的效率和有效性達到新水平，並有量子計算等技術用於滿足金融機構的特定需求。因此大型金融機構和第三方IT公司日益關注AI與雲計算等技術，推動新一輪技術革新。
圖表：各項技術在前、中、後臺滿足金融機構不同需求
資料來源：Capgemini Financial Services Analysis，SS&；C官網，中金公司研究部
3.1.1 雲計算：前臺交易系統雲上託管基本完成，下一階段雲計算技術將集中解決中後臺數據難題
前臺交易系統雲上託管基本完成，典型第三方IT公司重複性收入佔比高。託管是雲計算SaaS的前身，意味著第三方IT供應商可以在自己的數據中心運行軟件，而不是在客戶自己許可的場所運行。因此公司經常性收入佔比較高，收入可預測性強。我們以提供託管服務的Fidessa和Simcorp為例：
2011年時Fidessa已經實現向交易系統雲交付的過渡，託管（Hosted）的收入佔全年收入過半；重複性收入從60％以上達到80％。
2019年，SimCorp Dimension即服務（託管）解決方案獲得4個新客戶，總託管客戶達到21個。Simcorp年收入的大約85％來自現有客戶，而重複性收入佔比則超過50％。
圖表：2011年Fidessa超過半數的收入來自雲上託管
資料來源：公司公告，中金公司研究部
圖表：Fidessa經常性收入佔比
資料來源：Factset，中金公司研究部
下一階段雲計算為後臺提供更強算力與彈性。國內與海外均有部分金融機構選擇在雲上部署平臺基礎架構，以獲得更優的算力與彈性。如貝萊德的Aladdin以及Charles Rivers Development的IMS基礎設施均託管在Microsoft Azure雲平臺上，以獲得更大的算力來加速創新，並加快新功能的解鎖與研發。平安證券也與金融科技公司Finastra的合作，在其雲上部署靈活且易於集成的風險管理平臺，從而迅速擴展其資本市場業務、支持更廣泛的金融工具並縮短產品上市時間。
3.1.2 大數據：集成化大數據支持金融市場各類參與者決策
現有數據架構存在缺陷，新集成數據架構是建設目標。目前的數據架構存在較為嚴重的低效問題，數據從不同的數據方分發給不同客戶，存在大量重複與冗餘。高盛提出的新數據架構基於API，將交易所、供應商等多方產生的數據集中到數據服務中心，再分發給客戶。
圖表：現有數據架構存在缺陷
資料來源：Martin Chavez在哈佛大學的演講（https://www.youtube.com/watch？v=VF6DrX9H0Ug），中金公司研究部
3.1.3 金融機構自動化正在進行時，AI/ML相關技術降低運營和人工成本
金融機構自動化進度尚不足半，中後臺落後於前臺更新步伐。根據Adox Research的調查，完全實現端到端自動化的金融機構僅18％，不到五分之一。而超過一半的金融機構自動化程度不到60％。自動化程度低的原因主要是中後臺操作流程零散，數據孤島形成，難以跟上前臺創新步伐。
圖表：完全實現自動化的金融機構僅18％
資料來源：Adox Research，中金公司研究部
積極運用AI/ML技術，提高自動化程度，實現降本增效。資本市場主要運用AI/ML技術進行自動化處理，實現交易中和交易後流程優化，減少了交易完成時間和交易後結算錯誤。一方面，通過自動化數據的收集、彙總和分析，金融機構可以在無人工干預的情況下執行低價值、低風險的訂單，節省人力成本；另一方面，金融機構能夠將寶貴的時間花費在生成alpha和管理風險上，提升業務價值。
3.1.4 其它專項技術解決金融機構細分領域難題
量子計算用於複雜計算的風險管理。風險計算需要在複雜的模擬中進行大量計算，並且如果該算法具有可以基於現有信息構建的自學習模塊，則可以增加新的層次和能力來更好地管理風險。IBM與摩根大通合作，將量子計算應用於交易策略，投資組合優化，資產定價和風險分析。
圖表：量子計算應用的複雜計算場景
資料來源：Capgemini Financial Services Analysis，中金公司研究部
智能合約提高交易透明度，降低人為操縱可能性。因資本市場交易通常涉及多箇中介機構的參與、不同階段的清算，因此交易時延嚴重、透明度低。基於分佈式分類帳技術（DLT）的智能合約可以判斷交易是否滿足標準，滿足則由計算機系統自動執行，在交易完成後實時進行結算，無需結算和存管的中介機構。智能合約不僅通過自動結算減少交易時間和交易執行中的失誤，還提高了交易透明度、防範資本市場人為操縱的可能性。
圖表：智能合約提高交易透明度
資料來源：Capgemini Financial Services Analysis，中金公司研究部
3.2 前、中、後臺分別朝快速、厚重、敏捷方向進行改造
3.2.1 前臺交易朝高性能、自動化演進，充分利用中後臺產生的大量數據
交易量大幅增加，金融機構尋求自動化交易平臺以支持算法和高頻交易策略。全球金融市場交易量與交易複雜程度都在提升，如：全球OTC衍生品的平均月交易量在2010年增長17％，美國以及歐洲和亞太地區的高頻交易量持續增加。因此前臺交易面對的挑戰有：1）容納和管理更為大量的數據；2）對於高頻交易儘量實現最小延遲；3）支持跨地區、跨資產。金融機構均尋求高度自動化的交易平臺以應對挑戰。
AI與大數據共同輔助前臺，提高自動化程度並輔助決策。AI能實現自動化投資、推動更高Alpha，也能在交易過程中更好地進行實時貿易欺詐檢測。如法國巴黎銀行自主開發的AI交易匹配工具Smart Chaser可預測交易需要人工支持的可能性，MarketAxess的機器學習工具Composite +可自動定價。集成數據架構則可講中後臺產生的大量數據進行標準化處理，通過API方式提供給前臺各類角色，支持多項業務決策。
圖表：標準化數據支持前臺決策
資料來源：SEI，中金公司研究部
3.2.2 中臺職責擴展、業務加重，多項技術提升效率
傳統中臺僅作為前臺投資和後臺會計系統之間的轉換層。中臺的主要作用是前臺無需在其會計系統規定的特定帳戶結構中進行交易，同時確保後臺可以接收所需的數據。傳統的中臺職能包括頭寸管理，交易確認和結算，公司行動處理，抵押品管理，現金和頭寸對賬以及維護公司的安全主管。
行業趨勢對中臺提出更多要求，中臺需承擔更多職能：
MiFID II增加中臺合規成本和工作量。MiFID II規定令交易流程更為複雜，如交易中需驗證代客交易的標識符、交易後研究付款必須與交易佣金分開。中臺的交易後管理難度以及協調負擔同步加重。
投資組合複雜性提升中臺估值難度。隨著資本市場成熟，投資經理逐漸使用更為複雜的投資工具和策略以提高回報，如場外衍生品等。因此中臺提供資產評估服務的難度相應增加，需保持準確和實時的分析和估值以支持前臺風控和資產組合管理。
國際化加重中臺工作量和工作時長。資產管理公司日益國際化，多交易臺和24/7操作越來越普遍。中臺的負擔相應加重，一方面需要與每個司法轄區的監管和清算慣例保持一致，另一方面工作時間延長，需實時提供各部門現金和頭寸。
圖表：中臺將承擔更多職能
資料來源：Charles River Development官網，中金公司研究部
IWA、PA、NLP等相關技術大幅減少人工操作，不同程度降低各環節成本。IWA的特性在於自動識別、刷新，因此多用於中斷修復、抵押品優化和月度對賬。PA的數據挖掘和建模能力在財務過程中能發揮較為重要的作用。NLP結合OCR（光學掃描識別）後，進一步深化讀取、掃描、提取功能，可在處理重大事件時或複雜OTC交易時減少人工操作。
圖表：多項ML衍生技術不同程度節約各業務環節成本
資料來源：SS&；C官網，中金公司研究部
3.2.3後臺開發注重敏捷性，SAFe與DevOps技術已投入使用
為適應前臺的快速變化，後臺朝敏捷性發展。如前所述，前臺交易量大幅增加，交易量的增加不僅影響了公司的前臺業務，而且對後臺應用程序產生了重大影響。因此，金融機構後臺尋求敏捷的開發和交付方式，提高效率。敏捷性可以縮短項目週期，提高質量和可預測性。並快速適應不斷調整的企業戰略變化。
部分科技公司已推進敏捷開發進程，SAFe與DevOps等相關技術開始投入使用。典型的第三方IT供應商Murex在研發MX.3資本市場平臺過程中積極運用SAFe（可伸縮敏捷框架）和DevOps技術。SAFe技術有助於實現可擴展性，可預測性和戰略目標適應性。DevOps的試點實施則從平臺配置、數據驗證等多方面改變IT和業務團隊的思維和工作方式，最終通過持續測試和持續集成實現敏捷交付。
------
[1]https://internationalbanker.com/technology/the-cost-of-compliance/#:~:text=Banks％20spend％20％24270％20billion％20per，regulatory％20costs％20doubling％20by％202022
[2]https://baselinescenario.com/2013/02/09/the-importance-of-excel/
[3]https://www.ft.com/content/eda44658-3592-11e7-99bd-13beb0903fa3
[4]https://www.bloomberg.com/opinion/articles/2016-09-08/goldman-sachs-wants-to-tease-you-with-its-special-sauce-secdb
[5]https://www.newstatesman.com/spotlight/2018/04/meet-aladdin-computer-more-powerful-traditional-politics
