0
| 本文作者： 陳伊莉 | 2017-08-11 17:12 |
蒸汽機、內燃機、電動機、信息技術等都是對人類經濟社會產生廣泛且深遠影響的革命性技術，在金融科技領域，也有四大通用革命性技術——大數據、人工智能、區塊鏈、云計算。在近日京東金融研究院發布的《2017金融科技報告——行業發展與法律前沿》（以下簡稱“報告”）中，細數了上述技術在金融領域的創新研究和應用情況。
此文為該報告第二部分，若想從宏觀層面較為完整地鳥瞰全球金融科技市場格局與研究熱點，點擊雷鋒網此前報道《金融科技2017報告（一）：鳥瞰全球金融科技市場格局與研究熱點》查看。
接下來，就和雷鋒網AI金融評論一起分享報告的精華內容吧！
在學術研究方面，報告通過檢索 SCI-EXPANDED、SSCI、A&HCI、CPCI-S、CPCI-SSH、ESCI 等數據庫，相關文獻的發表時間鎖定在 2015 年 1 月 1 日至 2017 年 3 月 15 日后發現，總體而言，中國是推進Fintech技術的主要國家之一，中科院、清華大學、武漢大學、浙江大學、北京大學等知名高校的相關文獻數量名列前茅。此外，韓國、巴西、日本、英國、美國、德國、意大利、澳大利亞等國研發投入力度也非常可觀。
此外，報告還對金融科技專利申請進行分析，并得到以下發現：
1、以大數據及數據分析領域為例，企業專利申請明顯多于其他類型主體
2、以大數據及數據分析為例，金融科技專利申請以傳統技術企業為主
3、物聯網、大數據及數據分析、云服務等較早應用的科技領域專利數量較多，量化模型、區塊鏈等新興技術領域申請數量較少。這反映出專利申請與技術發展存在一致性，但仍存在滯后性。
大數據
大數據在金融領域的創新影響力巨大，金融創新很大一部分原因在于大數據與金融之間的結合。數據維度越豐富，對用戶粗顆粒的畫像就會越了解。在金融領域，企業對大數據掌握越全面，所能涉及到的業務也會越豐富。
據了解，與英文類文獻中與大數據相關性緊密的高頻詞中包括云計算、預測分析、數據挖掘、 數據分析、商業智能、隱私等。而事實上，大數據技術和云計算技術相伴相生，金融云解決了金融科技服務中許多底層性的技術，并建立客戶模型、賬戶模型等，為金融本身的安全性奠定基礎。未來的大數據將擺脫本地存儲硬件的限制 , 同時金融大數據又將融合個人行為、 歷史痕跡及環境信息。對一個高度可控可信的金融云安全體系而言，基礎環境安全、風控與審計、數據安全三者缺一不可。
大數據征信
在傳統央行征信體系之外，還有大比例人群沒有征信數據，無法獲取相關金融服務。大數據征信是新金融風控服務的關鍵。目前，央行征信中心依然一枝獨秀，個人征信牌照試點已有兩年，但始終未獲得正式牌照。
大數據風控
底層技術包括大數據和人工智能。只有先積累豐厚的大數據，運用機器學習等人工智能方法進行運算，才能確定用戶的風險指數。大數據風控目前已在業界逐步普及，國內市場對于大數據風控的嘗試比較積極。
大數據消費金融
與其說消費金融依賴大數據，毋寧說，消費金融依賴基于大數據的用戶征信信息。消費貸、工薪貸、學生貸等面向長尾用戶的網絡信貸的產生，亟需用戶的相關信息數據進行信用評分和欺詐風險防控。大數據技術能夠通過其開發的風控模型完成這一 點。尤其是互聯網商業集團通過其電商——社交——支付三大服務，獲取用戶數據，然后為其金融業務服務。在國內具有代表性的是京東、騰訊和阿里巴巴，國外具有代表性的 Facebook，Apple 及其支付業務 ApplePay。
大數據供應鏈金融
由互聯網供應鏈平臺構建者主導，依據不同中小企業客戶風險偏好實施有差別的金融服務。
大數據財富管理
財富管理是傳統金融企業的一項金融理財業務，意在為客戶提供投顧建議，合理配置資產。但因為技術問題，傳統金融機構僅針對少量大額客戶展開財富管理服務，未能普及更廣泛的長尾客戶。
在金融領域，人工智能正逐漸深入到大數據征信、貸款、風控、保險、資產配置、財經信息分析等領域。
報告指出，2015 年至今，英文類文獻中與人工智能相關性緊密的高頻詞，包括神經網絡、分類、預測、數據挖掘、大數據、機器學習等。人工智能的三種主要技術均需專有類型的數據。機器學習需大量的標簽樣本數據；模式識別偏重于信號、圖像、語音、文字、指紋等非直觀數據；人機交互則需要積累大量的用戶數據。人工智能與數據的關系非常緊密 , 隨著人工智能發展，我們進入到智能數據時代。
智能數據時代中金融業態主要表現為以下三個發展方向。
智能投顧
智能的投資理財機器人，可能改變人們對理財的理解，金融市場由于信息不平等產生的風險，在一定程度上得到規避。有了大量數據輸入的人工智能，可以對金融市場的走向進行較為準確的預測，并給出合理的建議。
金融預測與反欺詐
利用機器對數據大規模以及高頻率的處理能力，獲取用戶的征信信息和交易行為信息，判斷用戶的真實度、還款意愿以及還 款能力。
融資授信
在人工智能環境下，通過智能系統判定用戶信用程度，甚至還具備自動決策功能，免去人工決定這一最后步驟。
區塊鏈是去中心化的分布式賬本。當區塊鏈運用到不同場景時，將會給交易各方帶來如下影響：一是降低交易成本，去中介化；二是提高交易效率，實現交易結算實時化；三是實現交易流程自動化；四是去中心化存儲。
由于區塊鏈是一種極為年輕的技術。因此，總體而言，區塊鏈的文獻數量相對大數據和人工智能較少。不過從2015 年至今，發達市場和新興市場與區塊鏈的相關文獻數量呈現上升趨勢，可見這些市場的監管機構、研究機構、業界專家正在利用此類科技在金融市場上探討、 開發和應用金融解決方案。
數字貨幣
數字貨幣便利、安全、低交易成本的特點，更適合網絡商業行為，很有可能取代物理貨幣的主流地位。 2017 年初，中國央行推動的基于區塊鏈的數字票據交易平臺已測試成功。
支付與結算 通過區塊鏈將繞過中轉銀行，既減少中轉費用，還能實時到賬。
票據與供應鏈金融
依靠區塊鏈技術，不再需要獨立的第三方角色進行控制和驗證，轉而可以直接實現點對點的連接，減 少人工行為的干涉。2016 年末，京東金融區塊鏈數字票據已順利完成第一次概念證明。此外，京東金 融于 2017 年 3 月宣布推出了基于技術的資產云工廠底層資產管理系統，將區塊鏈技術應用在國內 資產證券化領域。
證券發行交易
可實時地記錄交易者的身份、交易量等關鍵信息，有利于證券發行者更快速清晰地了解股權結構，減 少暗箱操作、內幕交易的可能性，使得證券交易日和交割日時間間隔大幅縮短，減少交易風險。
客戶征信與反欺詐
區塊鏈的技術特性，可改變現有的征信體系，將有不良記錄的客戶信息儲存在區塊鏈中，隨時更新客 戶信息和交易記錄，銀行能省去“認識你的客戶”（KYC）的重復工作，檢測異常的客戶交易行為，及時發現用戶欺詐行為。
在AI、云計算、大數據、區塊鏈等技術的推動下，科技觸碰到金融真正的核心。而這幾種技術之間存在相互依賴、相互促進的關系。
例如，大數據和云計算技術相伴相生，對金融大數據至關重要的是金融云。有分析者打比方說，大數據是礦藏，而金融云是礦井。礦井的安全性、可靠性決定了挖煤的效率和結果。大數據將逐步擺脫存儲硬件的限制，對金融云安全體系提出了更高的挑戰。
又如，人工智能與大數據是同生同漲的有機整體。人工智能，幫助人自動地感知、認知、分析和預測世界，它在數據的基 礎上誕生，人工智能的三種主要技術，都需專有的、海量的、精準的、高質量的訓練數據；反過來，人工智能又能促進數 據的發展，提高數據的收集速度和質量，推動大數據產業的發展。
雷鋒網發現，已經不止一家帶有fintech基因的公司在闡述自己的金融科技戰略時，提及這四種技術的縮略詞——ABCD，CDAB。前者是京東金融的說法，后者來自微眾銀行。
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
