Page 93 - NO.109銀行家雜誌
P. 93
長以及提高經營利潤的優勢，在以下幾個方向投 力，這也包含了提高系統效率、降低長期成本、
入相當大的資源，主要包含：（1）產品製造的能 帶動營收成長和改善投資績效。大型資產管理公
力── 在地卻多元；（2）人才管理及培育的能力； 司對科技的期待以及投入，不再僅限於優化內部
（3）數位化的能力。 流程，相反地，經理人對科技投資的熱衷旨在對
這些能力對資產管理公司在亞洲的競爭尤其 投資組合管理、銷售、後勤部門管理都能有顯著
重要，主要是因為亞洲市場的獨特性有別於歐美 的績效提升，因此數據以及人工智慧（AI）皆是資
市場，亞洲的投資者組成因為市場多元的原因也 產管理公司投資以及關注的焦點科技能力。
趨於多元化，資產管理公司在亞洲主要的管理資 不過，有人誤解科技可能讓機器變成資產管
產來源，除了傳統的退休基金以及保險基金外， 理者，事實不然，科技是讓資產管理者有更強大
還包含了零售投資者以及高淨值資產投資者。與 的後盾來產生更佳報酬，以及更好的風險管理。
歐美市場不同的是，退休基金以及保險基金獨占 以美國消費信貸為例，隨著人工智慧的崛起，風
鰲頭，亞洲的個人投資者在資產管理市場也是舉 險評估已經可以做得更仔細，因為相對傳統銀行
足輕重，因此在亞洲如何能夠提供適合亞洲投資 的十多項常用評估基準，人工智慧可以合理的成
者偏好的產品，是許多大型資產管理公司具有競 本從個人徵信資料庫及大數據中，深入發掘成千
爭力的指標。另外一個專屬亞洲的特色是高淨值 上萬的個人及行業的借貸屬性，並綜合出多項的
資產族群管理資產成長的速度，亞洲在過往 6 年 借貸評估基準。
（2011 至 2016 年）成長速度驚人。 同時，人工智慧還會模擬貸款經理的思維，
這使得「新財富」累計快速的亞洲新興市場 及以個人信貸紀錄及大數據為基礎，做出判斷，
在過往 10 年（2008 至 2017）驅動了亞洲資產管 讓評級參數更能精準地反映每位借款人的財務狀
理公司的主要管理資產的成長，這個高成長的投 況，對於借貸人的風險評估可以做得更精準。
資者並不是被動管理的愛好者，相反地，他們較 科技之所以能改造資產管理，有個關鍵在於
為信任主動管理基金的能力，並且以投資收益作 機器能自我學習，機器學習的過程是透過精緻的
為主要的選擇因素。這也說明了為何在亞洲有高 演算法，在大量被記錄的資料挖掘以及學習的過
達 75%的管理基金為主動式管理，有別於北美有 程中進行預測，優化不確定情況下的隱藏結構，
高達 57%，歐洲 28%的資金為被動式管理，而以 所以它可以預測出消費者的使用習性，預測出借
投資收益作為主要考量的特色使得在亞洲多資產 款者的逾期風險。所以，它也可以提供企業因為
類別的產品較受投資者青睞。事實上，在 2017 對消費者習性的掌握而做出有效推介，也可以提
及 2018 年成長快速的操作策略多集中在另類資 供風控官對可能壞帳的借款者風險溢價的評估更
產投資要求。 準確。
我們可以預見，在過往 10 年整體數位以及
科技能優化資產管理產品與經營績效 科技產業的帶動下，金融科技所提供的服務可能
比傳統金融業更加貼近使用者，科技將讓金融服
資產管理業者正運用新技巧、新科技來提升 務品質更好、更普及。（本文作者為亞盟金融聯
自體本身產生新型產品，以及提高經營績效的能 合創辦人及主席）
台灣銀行家2019.1月號 93
1 5% JOEE
