0
| 本文作者： 陈伊莉 | 2017-08-11 17:12 |
蒸汽机、内燃机、电动机、信息技术等都是对人类经济社会产生广泛且深远影响的革命性技术，在金融科技领域，也有四大通用革命性技术——大数据、人工智能、区块链、云计算。在近日京东金融研究院发布的《2017金融科技报告——行业发展与法律前沿》（以下简称“报告”）中，细数了上述技术在金融领域的创新研究和应用情况。
此文为该报告第二部分，若想从宏观层面较为完整地鸟瞰全球金融科技市场格局与研究热点，点击雷锋网此前报道《金融科技2017报告（一）：鸟瞰全球金融科技市场格局与研究热点》查看。
接下来，就和雷锋网AI金融评论一起分享报告的精华内容吧！
在学术研究方面，报告通过检索 SCI-EXPANDED、SSCI、A&HCI、CPCI-S、CPCI-SSH、ESCI 等数据库，相关文献的发表时间锁定在 2015 年 1 月 1 日至 2017 年 3 月 15 日后发现，总体而言，中国是推进Fintech技术的主要国家之一，中科院、清华大学、武汉大学、浙江大学、北京大学等知名高校的相关文献数量名列前茅。此外，韩国、巴西、日本、英国、美国、德国、意大利、澳大利亚等国研发投入力度也非常可观。
此外，报告还对金融科技专利申请进行分析，并得到以下发现：
1、以大数据及数据分析领域为例，企业专利申请明显多于其他类型主体
2、以大数据及数据分析为例，金融科技专利申请以传统技术企业为主
3、物联网、大数据及数据分析、云服务等较早应用的科技领域专利数量较多，量化模型、区块链等新兴技术领域申请数量较少。这反映出专利申请与技术发展存在一致性，但仍存在滞后性。
大数据
大数据在金融领域的创新影响力巨大，金融创新很大一部分原因在于大数据与金融之间的结合。数据维度越丰富，对用户粗颗粒的画像就会越了解。在金融领域，企业对大数据掌握越全面，所能涉及到的业务也会越丰富。
据了解，与英文类文献中与大数据相关性紧密的高频词中包括云计算、预测分析、数据挖掘、 数据分析、商业智能、隐私等。而事实上，大数据技术和云计算技术相伴相生，金融云解决了金融科技服务中许多底层性的技术，并建立客户模型、账户模型等，为金融本身的安全性奠定基础。未来的大数据将摆脱本地存储硬件的限制 , 同时金融大数据又将融合个人行为、 历史痕迹及环境信息。对一个高度可控可信的金融云安全体系而言，基础环境安全、风控与审计、数据安全三者缺一不可。
大数据征信
在传统央行征信体系之外，还有大比例人群没有征信数据，无法获取相关金融服务。大数据征信是新金融风控服务的关键。目前，央行征信中心依然一枝独秀，个人征信牌照试点已有两年，但始终未获得正式牌照。
大数据风控
底层技术包括大数据和人工智能。只有先积累丰厚的大数据，运用机器学习等人工智能方法进行运算，才能确定用户的风险指数。大数据风控目前已在业界逐步普及，国内市场对于大数据风控的尝试比较积极。
大数据消费金融
与其说消费金融依赖大数据，毋宁说，消费金融依赖基于大数据的用户征信信息。消费贷、工薪贷、学生贷等面向长尾用户的网络信贷的产生，亟需用户的相关信息数据进行信用评分和欺诈风险防控。大数据技术能够通过其开发的风控模型完成这一 点。尤其是互联网商业集团通过其电商——社交——支付三大服务，获取用户数据，然后为其金融业务服务。在国内具有代表性的是京东、腾讯和阿里巴巴，国外具有代表性的 Facebook，Apple 及其支付业务 ApplePay。
大数据供应链金融
由互联网供应链平台构建者主导，依据不同中小企业客户风险偏好实施有差别的金融服务。
大数据财富管理
财富管理是传统金融企业的一项金融理财业务，意在为客户提供投顾建议，合理配置资产。但因为技术问题，传统金融机构仅针对少量大额客户展开财富管理服务，未能普及更广泛的长尾客户。
在金融领域，人工智能正逐渐深入到大数据征信、贷款、风控、保险、资产配置、财经信息分析等领域。
报告指出，2015 年至今，英文类文献中与人工智能相关性紧密的高频词，包括神经网络、分类、预测、数据挖掘、大数据、机器学习等。人工智能的三种主要技术均需专有类型的数据。机器学习需大量的标签样本数据；模式识别偏重于信号、图像、语音、文字、指纹等非直观数据；人机交互则需要积累大量的用户数据。人工智能与数据的关系非常紧密 , 随着人工智能发展，我们进入到智能数据时代。
智能数据时代中金融业态主要表现为以下三个发展方向。
智能投顾
智能的投资理财机器人，可能改变人们对理财的理解，金融市场由于信息不平等产生的风险，在一定程度上得到规避。有了大量数据输入的人工智能，可以对金融市场的走向进行较为准确的预测，并给出合理的建议。
金融预测与反欺诈
利用机器对数据大规模以及高频率的处理能力，获取用户的征信信息和交易行为信息，判断用户的真实度、还款意愿以及还 款能力。
融资授信
在人工智能环境下，通过智能系统判定用户信用程度，甚至还具备自动决策功能，免去人工决定这一最后步骤。
区块链是去中心化的分布式账本。当区块链运用到不同场景时，将会给交易各方带来如下影响：一是降低交易成本，去中介化；二是提高交易效率，实现交易结算实时化；三是实现交易流程自动化；四是去中心化存储。
由于区块链是一种极为年轻的技术。因此，总体而言，区块链的文献数量相对大数据和人工智能较少。不过从2015 年至今，发达市场和新兴市场与区块链的相关文献数量呈现上升趋势，可见这些市场的监管机构、研究机构、业界专家正在利用此类科技在金融市场上探讨、 开发和应用金融解决方案。
数字货币
数字货币便利、安全、低交易成本的特点，更适合网络商业行为，很有可能取代物理货币的主流地位。 2017 年初，中国央行推动的基于区块链的数字票据交易平台已测试成功。
支付与结算 通过区块链将绕过中转银行，既减少中转费用，还能实时到账。
票据与供应链金融
依靠区块链技术，不再需要独立的第三方角色进行控制和验证，转而可以直接实现点对点的连接，减 少人工行为的干涉。2016 年末，京东金融区块链数字票据已顺利完成第一次概念证明。此外，京东金 融于 2017 年 3 月宣布推出了基于技术的资产云工厂底层资产管理系统，将区块链技术应用在国内 资产证券化领域。
证券发行交易
可实时地记录交易者的身份、交易量等关键信息，有利于证券发行者更快速清晰地了解股权结构，减 少暗箱操作、内幕交易的可能性，使得证券交易日和交割日时间间隔大幅缩短，减少交易风险。
客户征信与反欺诈
区块链的技术特性，可改变现有的征信体系，将有不良记录的客户信息储存在区块链中，随时更新客 户信息和交易记录，银行能省去“认识你的客户”（KYC）的重复工作，检测异常的客户交易行为，及时发现用户欺诈行为。
在AI、云计算、大数据、区块链等技术的推动下，科技触碰到金融真正的核心。而这几种技术之间存在相互依赖、相互促进的关系。
例如，大数据和云计算技术相伴相生，对金融大数据至关重要的是金融云。有分析者打比方说，大数据是矿藏，而金融云是矿井。矿井的安全性、可靠性决定了挖煤的效率和结果。大数据将逐步摆脱存储硬件的限制，对金融云安全体系提出了更高的挑战。
又如，人工智能与大数据是同生同涨的有机整体。人工智能，帮助人自动地感知、认知、分析和预测世界，它在数据的基 础上诞生，人工智能的三种主要技术，都需专有的、海量的、精准的、高质量的训练数据；反过来，人工智能又能促进数 据的发展，提高数据的收集速度和质量，推动大数据产业的发展。
雷锋网发现，已经不止一家带有fintech基因的公司在阐述自己的金融科技战略时，提及这四种技术的缩略词——ABCD，CDAB。前者是京东金融的说法，后者来自微众银行。
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
