IN+LAB简介
In+ Lab致力于计算机创新人才的培养，注重独立思考能力、想象力、创新力及创造力。在科研上以互联网数据为核心，开展前沿技术的基础研究及应用研究。实验室承担了多项国家级及省部级科研项目，包括国家重点研发计划、国家973项目、青年973项目、国家自然科学基金项目、广东省自然科学基金项目、广东省科技项目等。企业合作伙伴包括腾讯、百度、阿里云、华为、中国电信、中国邮政等。实验室拥有一流的软硬件平台及丰富的数字资源，具体研究方向包括软件服务、移动互联网、金融大数据、区块链等。
实验室官网：http://inpluslab.com/
电子邮箱：[email protected]
科研地点：广州大学城中山大学东校区教学南实验楼D203室
微信公众号：inpluslab
团队理念
团队理念可以用三个英文单词来概括，Internet，Innovation，Inspiration，倡导健康科研，自我驱动，综合素质，工匠精神。
团队简介
团队架构：老师+学生一共70人规模。郑子彬（负责人），客座教授1人，副教授1人，讲师1人，研究员2人，博士后1人，博士3-5人规模，硕士20人规模，实习（本科）40人规模。
郑子彬
副教授，博士生导师
实验室负责人郑子彬是中山大学数据科学与计算机学院副教授，博士生导师。软件工程系主任、IEEE高级会员。软件工程系主任、IEEE高级会员。研究兴趣包括移动互联网、大数据挖掘、软件服务、机器学习、区块链。出版Springer英文学术专著1部、发表论文100余篇，包括ESI高被引论文2篇，ACM/IEEE Transactions 26篇、获得CCF A类及B类国际学术会议最佳论文奖2次、最佳论文奖提名2次，论文谷歌学术引用超过4500次，H-Index为34。获得国家自然科学基金优秀青年科学基金、广东省青年珠江学者、广州市珠江科技新星、ACM中国新星提名奖、香港中文大学青年学者论文奖（全校三名获奖人之一）、香港中文大学工程学院杰出博士毕业论文奖（唯一获奖人）、软件工程领域顶级旗舰会议国际软件工程大会（ICSE）ACM SIGSOFT Distinguished Paper Award、国际Web服务大会（ICWS）最佳学生论文奖等；担任International Journal of Services Computing 副主编（Associate Editor-in-Chief）及多个国际期刊编委、担任CollaborateCom’16 General Co-Chair、ICIOT’18 PC-Co Chair, IoV’14 PC Co-Chair、IEEE Bigdata Congress’14 Shenzhen Session Program Committee Chair、IEEE ICWS’14 Publicity Chair，Middleware’13 Demo & Poster Chair，及多个知名国际学术会议的程序委员会成员，担任国际服务学会中国青年科学家论坛首任主席。
吕荣聪
客座教授
研究方向包括软件可靠性工程、分布式系统、服务计算、云计算、移动互联网、机器学习等。吕教授共出版学术专著6本，发表学术论文500余篇，包括SCI期刊论文超过100篇。根据谷歌学术，这些论文共被引用20615次，H指数是71。曾获得7次最佳学术论文奖。吕教授是多个顶级学术期刊的编委会成员，曾牵头或是参与组织了40多个国际学术会议并多次担任大会主席和学术委员会主席，在各个知名国际会议上进行了100多次的学术报告（其中有20余次为大会主题报告）。吕教授在2003年被选为IEEE Fellow，2007年被选为AAAS Fellow，2010年获得IEEE 可靠性分会之年度可靠性年度工程师奖（可靠性领域的最高成就奖项），2015年被选为ACM Fellow。吕教授是全球唯一一位同时获得上述4个重要国际荣誉奖项的研究人员。
陈武辉
副教授
任职于中山大学数据科学与计算机学院。2014年3月于日本会津大学计算机与信息系统系获博士学位。2014.4-2016.3担任日本学术振兴学会博士后特别研究员，2016.4-2017.3担任日本会津大学福岛复兴支援中心研究员，参与云机器人系统的搭建工作。主要研究方向为：软件工程，服务计算，云计算，云机器人。近年共发表国际期刊及国际会议论文50余篇，包括第一作者SCI索引国际期刊9篇、其中第一作者中科院一区及CCF A类期刊论文5篇。
吴嘉婧
讲师
任职于中山大学数据科学与计算机学院。2010年6月于北京交通大学通信工程专业获工学学士学位，2014年10月于香港理工大学电子与咨讯工程学系获博士学位。主要研究方向为复杂系统，大数据分析等。就读博士期间，获得香港首届政府博士奖学金（Hong Kong PhD Fellowship 2010），发表论文多篇，包括国际顶级SCI期刊论文6篇及国际会议论文10篇。
陈亮
研究员
任职于中山大学数据科学与计算机学院。2009年和2015年分别获得浙江大学计算机学院的学士和博士学位，2015.9-2016.9于澳大利亚墨尔本皇家理工大学从事博后研究。
主要研究方向为大数据挖掘、软件工程和服务计算。近年共发表国际期刊及国际会议论文50余篇，包括SCI索引国际期刊15篇、其中一区期刊4篇、及WWW、ICDM、CIKM、ICSOC、ICWS等数据挖掘和服务计算方向的重要国际会议论文20余篇，根据Google Scholar统计，论文被引用超过440次，H-index为10。担任多次workshop主席或者程序委员会主席，包括CIKM-DUBMOD(2014)，PAKDD-BDSD(2014,2015)等。担任多个知名国际学术会议的程序委员会成员，包括IEEE SCC, ICWS, ICSOC, ADMA等。
陈川
副研究员
任职于中山大学数据科学与计算机学院。2012年7月于中山大学数学与应用数学系获理学学士学位，2016年5月于香港浸会大学数学统计系获博士学位。主要研究方向为：数值代数，张量分解，机器学习。就读期间，获多项香港浸会大学研究生奖学金，并在数学/计算机类国际顶级SCI期刊发表论文5篇。
团队荣誉
研究方向
1、研究方向简介
事件汇聚
利用深度学习技术RNN、自然语言处理技术TextRank等技术抽取新闻摘要以及关键词，利用句法分析、语法分析提取相关的事件，挖掘每一个事件背后的关联关系。
用户画像
用户画像是根据用户的社会属性、社交关系、偏好习惯、消费行为等信息抽象出来的标签化用户模型。构建用户画像的核心工作是给用户打上各种“标签”，这些标签是根据对用户的行为数据经过一系列的算法或规则挖掘所得到的高度精炼的特征标识。
推荐系统
个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。 一个简单的用户购买物品的流程为根据用户自身独有的行为数据，可以为每一个用户生成特有的画像，然后进行算法分析，为用户做出推荐。
社交网络
社区现象是复杂网络中的一种普遍现象，表达了多个个体具有的共同体特性。 网络的社区发现可为个性化服务、信息推送等提供基本数据，尤其是在信息时代，社区的存在更加普遍，发现技术应用更加方便，其商业价值和服务价值更大。
信用评估
用户信用评级，主要为消费信贷机构提供个人信用分析研究。由于互联网与移动互联网的高速发展，互联网大数据将在征信中占据越来越重要的地位，而这亦是央行征信系统以及传统的商业征信机构所缺乏的。
计算广告
在当前大数据下的个性化广告与传统在线广告具有广告位实时竞价、精准的定向受众，同一个广告位内容个性化的优点，而在这个过程中广告的个性化推荐以及广告点击率的预估是非常重要的。
时序分析
根据系统的有限长度的运行记录(流量数据、资金流数据)，建立能够比较精确地反映序列中所包含的动态依存关系的数学模型，并借以对系统的未来进行预测。
移动应用分析
分析用户历史记录，结合地理位置及相似用户等信息，为用户推荐最适时宜地的应用，并评估应用安全性。对于开发者，提供应用相似性分析、用户行为建模、第三方库调用分析和推荐等。
区块链
区块链是一种新型的去中心化协议，具有分布式、去中介、去信任、不可篡改、可编程等特征，未来可应用于金融市场交易、博彩业、智能合约等领域。
2、研究小组介绍
a. 区块链研究小组
中山大学区块链研究小组致力于深入研究区块链技术的共识机制和智能合约，力争突破行业应用瓶颈；以区块链公共账本为数据集，挖掘潜在网络特性，创造数据价值。
研究小组下设三个研究方向：
共识机制
共识机制是在去中心化的分布式网络中达成共识的关键机制，是以比特币为代表的区块链的关键支撑技术。
团队致力于深入分析现有共识机制的原理与特点，突破网络延迟、吞吐量、安全等关键技术，力争根据不同应用场景，设计恰当机制，解决区块链应用的底层难题。
智能合约
智能合约是一种去中心化、事件驱动、相比中心化系统具有较高安全性的分布式执行验证的程序，团队主要围绕智能合约的编写、漏洞分析、升级优化等问题展开研究，力争实现行业认可的智能合约代码分析、评测平台与标准。
数据挖掘
区块链是一个分布式的账本数据库，包含大量的交易信息，如何充分利用交易数据，识别异常行为是本研究方向的主要目的。
团队主要以比特币、以太坊等数字货币的公共账本为数据集，分析提取交易特征，识别异常交易，解释价格波动成因，发现数据价值。
b. 智能金融研究小组
智能金融研究小组又叫InPlus金融科技小组，InPlus金融科技主要致力于在人工智能与机器学习等前沿方向做出研究，为各类投资者以及企业提供金融信息服务。InPlus金融科技研究小组下设交流分享、科学研究、量化交易三个研究平台。
交流分享平台
主要分享金融科技的一些前沿问题的研究观交易算法的讨论等。
科学研究平台
主要致力于科学研究，例如：信息服务平台构建（新闻、事件的抓取，以及程序算法处理，分析新闻事件的火热程度以及影响程度等），人工智能量化平台的搭建（主要基于机器学习、深度学习、强化学习的框架的量化平台构建）。
量化交易平台
主要致力于策略的研究，例如：股票（多因子选股以及择时，也包含局部的行业、板块轮动等，其中应用多种机器学习算法），CTA(深度学习，机器学习等方法自动交易。主要包含：多策略多品种、套利策略、强化学习训练的自动交易机器人）。
c. 数据挖掘研究小组
d. 服务计算研究小组
服务计算研究小组旨在将服务计算的研究与新兴的技术相结合，研究新环境下服务计算领域面临的新问题，做出高水平、高质量的论文。
e. 机器学习研究小组
机器学习小组包含图挖掘小组(GDM)和机器学习可靠性小组(ReML)。小组注重理论与实践的结合，致力于做出高质量、高水平的论文。研究领域涵盖高阶数据机器学习算法、多视角学习、社交网络分析等内容。
高阶数据机器学习算法
Tensor Applications in Machine Learning
随着数据量的激增，矩阵分析局限性日益凸显。张量或高维数组是一种数据结构，能够满足高维数据的存储要求。张量作为矩阵的一种拓展，具有广泛的应用潜力，除了能胜任过往以矩阵存储分析二维数据的任务以外，还因其具有很多良好的特性，能够适应高维数据的处理要求。比如过往将用户-兴趣存储于矩阵中分析，通过张量则能加入时间维度，分析用户兴趣随时间的变化情况，加强数据挖掘的实用性。张量已经在众多领域中有着广泛的应用，包括信号处理、机器学习、化学计量学以及医学测量学等。张量作为新兴研究领域，具有良好的研究前景和广阔的应用范围。
多视角学习
Multi-View Learning
大数据时代，数据的采集方式更为多样化，数据的表征形态更为多元化，因而数据对象可以由不同的特征进行描述，即为多视角数据。多视角数据来自于多个数据源或者多个特征子集，比如一个人可以通过面部、指纹、签名等识别，一张图片可以由颜色、纹理特征等多个特征子集来表示。相比于单视角学习，多视角学习通过利用一致性和互补性原则，整合多个视角的数据，使得学习模型更有效并具有更好的泛化能力。根据多视角数据的不同整合方式，衍生出多种多视角学习策略。近年来，多视角学习在机器学习领域获得了广泛关注。
社交网络分析
Social Network Analysis
随着互联网和移动互联网的飞速发展，社交网络在过去二十年经历了爆发式的增长，极大地丰富了人们的在线生活。社交网络分析具有重大的应用价值，例如提高用户粘性、精准广告投放、好友推荐、内容推送等。社交网络分析作为一门交叉学科，吸引了众多领域的研究者对其进行深入研究，研究前景十分广阔。本小组致力于从macro、mecro、micro三个维度全方位的分析社交网络的特征，充分挖掘社交网络的价值。目前，小组已经开展的研究点包括网络重构、多源数据融合、社区发现、异构信息网络映射、影响力最大化、节点排序、异常点检测。此外，小组与微信就社区发现展开了深入合作研究。
f. 复杂网络研究小组
复杂网络科学是21世纪初发展起来的新兴学科。建立在大数据的观测基础上，生活中的各种大型系统在宏观层面往往呈现出网络状的结构。网络科学探索这些系统的静态结构、动态特征，并利用这些结果揭示原系统的工作机制、优化原系统的功能、预测原系统的趋势，建立起了一套普适性方法。
复杂网络的具体研究领域包括真实世界中的各种网络，例如：
复杂网络研究的当前热点是将已有的一些理论和方法应用与大规模实际网络，本小组主要关注的是以下几大实际应用方向：
（1）技术型网络应用：研究包括通信网，电力网以及其他大规模设施网络上的动态过程和优化。
（2）网络耦合问题：大量的真实世界网络都不是独立存在的，而是可能存在相依（interdependent）相连（interconnected）多层（multilayer）等关系，这些关系会影响网络上的动态过程，让网络分析更加复杂。
（3）链路预测：链路预测利用已知的网络信息预测网络中未知（实际存在但尚未探测到）或未来（目前不存在，但未来很可能存在）的连边。链路预测技术具有非常广泛的应用，例如在线社交网络(例如QQ、微博等)上的好友推荐，电子商务网站(例如淘宝、亚马逊等)上的推荐系统等。同时，它也具有重要的理论研究意义，可以帮助我们认识真实网络的结构及其演化机制。
我们尝试将网络科学与信息科学相结合，利用信息论、网络结构相似性等方法设计新的链路预测算法，提高链路预测的精确度。
（4）与软件工程结合：将复杂网络应用到软件工程领域，例如将软件代码中的一个模块（方法/类/文件）作为一个节点，模块间的依赖或其他关系作为连边，构建”软件网络”。除此之外，也可以构建与开发人员相关的协作网络。通过对软件网络或协作网络的研究来发现软件的重要性质，同时解决包括软件缺陷预测在内的众多重要问题。
（5）与其他相关研究的结合：可以与实验室其他相关研究方向结合。例如，用网络科学的思想来对区块链网络，金融数据网络进行分析。当前的另一个研究热点是与机器学习的交叉结合方向，具体可以参考Stanford一个研究组的主页：http://snap.stanford.edu/node2vec/。
g. 云机器人
云机器人是最近几年提出的一个概念，它是云计算与机器人学的结合，如同其它网络终端一样，机器人本身不需要存储所有资料信息或具备超强的计算能力，只是在需要的时候连接相关服务器并获得所需信息。云机器人不仅可以卸载复杂的计算任务到云端，还可以接收海量数据，并分享信息和技能。较之传统机器人，云机器人的优势是存储与计算能力更强，学习能力更强，机器人之间共享资源更加方便，对相同或相似场景下的机器人负担更小，并减少了开发人员重复工作时间。
该小组将把重点放在云机器人软件研发上，而非机器人本身的硬件开发。特别地我们将通过利用服务计算，云计算，大数据和机器学习的思想提高云机器人系统的协同工作能力。主要研究课题包括云机器人系统的面向服务质量的资源优化算法设计（任务布局算法，数据布局算法，服务布局算法，和联合优化算法），面向智能机器人的算法研究（利用信号处理,图像处理算法让机器人感知环境；利用机器学习比如神经网络算法让机器人应对环境变化），机器人服务组件及其服务组合算法研究，云机器人大数据分享平台的构建，和基于HTcondor的云机器人系统的搭建等。
h. 分布式系统
分布式系统小组旨在搭建基于HTCondor的分布式高吞吐计算环境，支持合作团队的分布式需求，力求自身平台的系统化和产品化，努力打造属于可用可靠的计算集群。
分布式系统小组的工作主要分成四个部分：运维、应用、设计、研究。
运维
- 前期：部署运营超算中心140台主机，组成稳定的计算资源；
- 中期：开创计算资源共享模式，扩散到实验室内部个人电脑；
- 后期：扩散到实验室外部
应用
- 前期：小组成员学习HtCondor平台的应用，熟悉相关机制
- 中期：书写使用教程，培训实验室同学使用HtCondor
- 后期：外部推广
设计
- 根据主机归属设计不同的配置策略，最大化计算资源
- 设计更加友好的编程模型
- 面向大数据大存储的解决方案
研究
- log收集和分析
3、研究亮点介绍
注：由作者总结自2017年11月15日参加的《智能金融与区块链技术论坛》。
a. 无人量化交易系统
数据InData，回测InBacktest，分析InAnalyze，因子InFactor，策略InStrategy五个模块构成量化交易系统InTrader。机器学习ML深度学习DL强化学习RL用来提升系统策略智能程度Intelligence，最终打造一个不用进行人为因子设定的，只用告诉交易规则和标的价格的，无师自通的，无人量化交易机器。
b. 智能合约骗局识别
区块链大热，各路玩家纷纷杀入，币圈玩着不过瘾的转战ICO，都想尝试空手套白狼的财富自由之路，大咖大v们圈钱变现喜笑颜开，留下的是投资者满地殇。比特币被限，ICO被禁，国家重拳出手痛击智能合约骗局。那么问题来了，如何用数据挖掘、机器学习的手段去识别这些庞氏骗局合约？有两种手段，一个是通过监测资金流图，看看投入（红点）和回报（绿点）的分布，庞氏骗局的资金流只有初期投资才有回报，后期会逐步减轻回报次数和金额，这是明显的账户特征；再一个就是通过以太坊的智能合约语言Solidity，对合约源代码进行编译反解获得操作码，获取操作码的代码特征（词频分布）。结合账户特征和代码特征，就可以识别出哪些智能合约是骗局合约。
QFH LAB产品规划
1、智库报告
课题专项研究
宏观研究报告
行业研究报告
公司研究报告
前沿研究报告
峰会论坛总结
研究智库是实验室的主要研究机构，关注和研究Fintech等领域中那些即将颠覆未来的创新、技术及趋势，进行深度研究并输出专业的研究报告，同时承接国家省市重点专项课题研究。
对金融市场和全球经济和环境进行宏观的深度研究，对从事金融科技创新的公司和产品进行深度调研，分析其商业模式和市场定位，找出价值亮点，挖掘独角兽。
对大数据、云计算、人工智能、区块链等Fintech核心技术进行解构，直达算法核心，发现应用价值。研读海内外Fintech前沿的研究论文并进行翻译，吸收最新思想。
广泛参加各类高级别Fintech和AI相关会议、论坛、学术沙龙，汇聚和沉淀各领域大咖最新演讲，形成报告，供研究人员参考。
2、前海政策云
政策文件分类
政策分析引擎
前海政策指数
政策精准推送
对国家、广东省、深圳市、前海的相关政策文件进行归档整理，并按照行业进行标签化分类，建立统一的政策数据共享资源中心，为后续分析引擎的解读做好数据准备。
通过自然语言处理和文本挖掘技术，分析政策文件，并通过分词标注、实体抽取、词频统计、文本分类、情感分析、文法分析、相关词挖掘等技术手段对政策文件进行全方位解读，自动提取关键信息，形成内容摘要和标签，并按照行业领域进行自动归类，将非结构化文本转变为结构化数据储存。
根据政策分析引擎生成的关键词标签，按照行业分级粒度（一级如金融、科技、物流、信息服务等；二级金融如银行、证券、保险、期货等）生成以政策文件数量和关键词频率为计算来源的政策指数，也可以按照特定关键词频率（如中小企业）来计算特定的政策指数。
以政策标签和政策指数为基础，结合前海大数据平台中的企业数据标签，进行标签匹配，对特定企业/企业群实现精准的政策推送，帮助其第一时间掌握其所在行业和业务领域的政策动态。
3、前海大数据平台
企业基础信息大数据
企业创投大数据
企业信用评级大数据
前海政策指数大数据
企业商业伦理大数据
前海企业LBS大数据
通过政府引导、民间参与、市场化运作，依法依规整合前海企业的工商、税务、公安、司法、海关、金融监管等部门的企业基础信息，打造综合的前海大数据平台，为企业提供全方位、一站式信息服务，破解信息不对称难题。
搭建前海创投大数据服务平台，所有创投公开信息一键抵达，建设债权融资服务、股权融资服务、增值服务信息服务体系，深度划分多个产业链并阐释产业链上下游关系，以热力图、动态关系图谱等数据可视化形式，生动展示融资趋势、细分行业投融资情况、投资关系等行业投融资大数据。
和信用中心合作，联手打造信用评级体系，研究多维度的企业风险测度，及早构建企业征信领域的核心竞争力，向企业征信这一潜力巨大的市场发展。
根据政策分析引擎生成的关键词标签，按照行业分级粒度生成政策指数，多行业的政策指数按照时间轴和行业轴形成指数大数据面板。
通过对企业披露的CSR报告进行系统的量化评估，构建与国际接轨的ESG评价体系，打造国内首个企业商业伦理大数据平台，提升CSR报告披露质量和实用价值。
在前海大数据平台的基础上，对企业引入带行业标签的POI地理位置信息，然后基于企业基础信息、创投信息、信用评级信息、政策指数信息进行标签管理，基于可视化的LBS，做供需热力监测，做业务匹配撮合等等，从而实现产业引导和业务生态闭环。
4、家族财富管理系统
金融资产配置（智能投顾）
家族产业规划（智能投研）
财富传承（家族信托）
税务筹划（智动税云）
子女上学（全球教育库）
品质生活（尊享生活库）
社会影响力投资（全球领袖计划）
项目简介
我们项目的主要服务客群是高净值人群中的家族。现在大家都讲服务下沉普惠金融，我却不走寻常路只做小众精品。既要投，也要顾。既要阿尔法，也要贝塔。既要机器，也要人文。满足小众痛点，在细分领域里钻营，则每一片都是蓝海。我们的项目名称叫家族财富管理系统。
我们要做的是一个数字化、专业化、智能化的家族办公室，为中国富裕家族提供金融资产配置、家族产业规划、财富传承、税务筹划、子女教育、品质生活、社会影响力投资等方面的专业财富管理服务。
- 财富管理的首要需求便是家族个人的金融资产配置，我们采用智能投顾的产品形式将底层资产归为五个大类，分别是固定收益类、浮动收益类、现金管理类、另类投资类以及全球资产配置。每个大类下都有细分的产品小类。基于现代化的MPT\BL\TB投资组合配置理论和AI+量化的投资策略，在满足用户风险偏好的基础上（KYC画像），提供分散化的全球资产大类配置，帮助客户的金融资产实现保值增值。
- 将客户定位于带家族企业的高净值客户，除了满足其个人金融资产财富配置需求外，我们的财富管理系统还可以满足其产业分析需求。首先采用人工为主、机器为辅的方法对家族企业本身进行全面的评估，并形成结构化的企业评估数据供使用和监控。其次，可结合企业所在行业标签和政策云系统，提供与行业发展密切相关的宏观经济和政策报告。再次，根据其家族企业所在行业，通过产业自动化投研模块处理海量行业研报、新闻、年报、招股书、公告等，提供覆盖15个行业大类102个行业小类的产业领域的知识图谱，客户只需选择行业模板以及报告呈现形式，便可自动生成经过机器总结的行业领域要素报告、重点公司摘要报告等脱水内容。最后，根据我们COSO专家系统，可协助家族企业搭建内控管理平台，设定关键风险控制点，帮助企业进行风险防范。
- 富裕家族在财富积累到一定程度时，创富需求会向传富需求转变，此时往往会面临财富传承的问题。我们通过设立家族信托产品，帮助家族财产在传承过程中减少损耗，通过约定一些受益人奖励机制，还能激发下一代的家族责任意识。我们的家族信托产品采用标准化与定制化相结合的方式，根据委托人的意愿和特殊情况定制产品，这不仅降低了事务管理工作的成本，也使更多的高净值家族客户享受到我们提供家族信托服务的便利。凭借财富灵活传承、财产安全隔离、节税避税、信息严格保密等独特优势，家族信托产品具有很大的市场空间。
- 家族企业和个人在进行企业生产经营和投资并购等决策时，会涉及到各种税收问题。我们有专业的会计师事务所团队，团队在金融投资、企业运营、资产重组、股权投资、海外并购、跨境金融方面具有丰富的财务和税收经验和方法，我们将这些实务问题和经验方法进行结构化处理和多重匹配，从而为家族企业和个人提供数字化的一揽子税务筹划解决方案。
- 在子女上学、品质生活和社会影响力投资方面，我们的财富管理团队都拥有丰富的领域经验。在子女上学方面，我们会基于全球教育的视角，来帮助您的子女合理规划求学路径。在对您子女进行教育测评评估和教育费用安排规划后，我们会从全球的学前幼儿教育、K12教育、高等教育、出国留学资源库里面筛选匹配最适合您子女的教育成长路径（学校+专业），在做好教育规划的同时，我们还将关注您子女的特长培养，拓展您子女的社交范围和人脉关系。
- 此外，高净值个人往往对品质生活有着更高的追求，我们将通过我们的尊享生活计划，为您提供商旅秘书、养生专家、私人医疗、高端社交、艺术品收藏和体育俱乐部等方面的尊贵生活服务，我们不仅保障您的物质财富，也要关注您的精神财富。
- 最后，社会影响力投资代表家族企业和个人对社会外部性的影响力输出，是家族企业和个人向外界传递价值和正能量的窗口。我们将通过全球领袖计划，构建个人全球影响力评估体系和企业CSR评估中心，对家族企业和个人的外部性价值进行量化，并通过慈善规划、公益工程、绿色金融、创投孵化、跨境影响力投资等手段，提高家族企业和个人在社会上的名望和声誉。社会影响力投资具有不可估量的外部价值。
5、创客平台
创客大赛
创投基金
创客扶持
定期组织以财富管理、智能投顾、监管科技为主要方向的创客大赛，海选以项目提交及展示为筛选方式、复赛或决赛以金融实验室现场开发及结果展示为评比方式，优选创业项目对接创投和孵化安排。
发起设立各类国有引导基金设立金融科技创投子基金，对实验室通过创客大赛等活动筛选的优秀项目进行股权投资，对接前海股权交易中心的“前海创投基金转让平台”以提高创投基金份额的流动性。
利用实验室专家委员会资源，组织金融科技创业辅导沙龙活动，建立创客及创业项目档案，组织投资人与创客团队的项目对接，及梦工场及金融科技专业孵化器的入驻。
合作要点