2016年8月，國務院發布《“十三五”國家科技創新規劃》，規劃中明確提出促進科技金融產品和服務創新、建設國家科技金融創新中心等。2017年7月全國金融工作會議召開，提出“必須加強黨對金融工作的領導，堅持穩中求進工作總基調，遵循金融發展規律，緊緊圍繞服務實體經濟、防控金融風險、深化金融改革三項任務，創新和完善金融調控，健全現代金融企業制度，完善金融市場體系，推進構建現代金融監管框架，加快轉變金融發展方式，健全金融法治，保障國家金融安全，促進經濟和金融良性循環、健康發展。”

 

        與2012年以來，第三方支付、P2P、眾籌、互聯網理財等借助于科技進步不斷創新的金融業務以及影子銀行的發展亂象相比，2017年全國金融工作會議的最大看點就是把防控風險提到了從未有的高度，圍繞防控風險，全國金融工作會議提出金融要回歸本質，即要為實體經濟服務，而不可自我循環，為了防控風險，金融工作會議也提出必須加強監管。上一輪互聯網金融熱潮中，新技術在一定程度上更容易獲得寬容和支持，金融亂象泛起之時，技術也難免被視為應對監管的擋箭牌，然而事實證明，確有一些動輒宣稱顛覆傳統金融的從業者，往往是以最傳統的方法誤導和欺騙了投資者。新技術的引入當然可以給金融帶來更多的可能性，但金融不會因此脫離自身的屬性，所謂技術革命絕不能成為突破監管的借口。在監管加緊、政策頻出之外，金融科技成為2016年以來整個金融行業的主旋律。

 

        金融市場與其他市場的不同之處在于，金融市場交易復雜，跨時區跨地域，參與人群極其龐雜，易于引發社會群體情緒波動，因此，金融交易必須要有強有力的監管。就金融而言，對信用、杠桿和風險的關注是永恒的主題，也是金融科技的出發點和落腳點，這會成為監管者更為堅定的信念。2017年9月初，國家七部委聯手發布公告，叫停各類代幣發行融資（ICO）活動，明確此類金融活動投機炒作盛行，涉嫌非法。

 

        隨著2017年全國金融工作會議各項精神的落實，金融市場的各類參與者，包括持牌金融機構和類金融機構以及金融科技公司等參與主體，逐漸納入政府“大監管”的范疇，金融回歸服務實體經濟的初衷，就要求提供多元化的金融服務，要求利用新的金融科技的手段實現，降低金融風險、增強企業信用、降低金融杠桿率，所以，未來幾年在貸款保險、小型貸款、消費金融乃至基于互聯網大數據的金融交易方面，提供金融服務的機構或者利用金融科技創新的機構將會蓬勃發展，相關的監管條例也會逐步跟進，這是加強金融為實體經濟服務最具體和重要的措施。因此，要實現利用金融科技的創新，就是在實現監管與創新的同步協調和有針對性的金融科技的深度運用。

 

 

        近年來出現的大數據、云計算、人工智能、區塊鏈等技術成為金融科技發展的重要技術支撐。金融交易依賴于各類交易市場中的參與者，識別交易對手、豐富交易渠道、優化交易結構、控制交易風險是金融交易中的四大重要環節，隨著信息技術和互聯網的發展，金融科技在支撐金融交易中的重要性越來越大，在金融科技的實踐中，數據、算法及模型、安全成為金融科技支撐金融交易以及金融創新的三大基石。

 

        2017年，工農中建四大行均與BATJ（百度、阿里、騰訊和京東）四大互聯網巨頭簽署合作協議消息頻出，傳統金融與互聯網金融企業就行業未來的發展達成了共識，即金融業務與金融科技正變得越來越不可分割。金融科技公司一直在進行金融科技的變革與創新，通過金融科技，互金企業減少了金融產品抵達終端用戶的路徑，降低了成本，提高了效率。相對于傳統金融業較為復雜的服務流程來說，互金企業能夠更好地處理交易以及積累用戶，在積累大數據的基礎上，從而能夠在金融交易的四大重要環節中讓數據發揮重要的作用。

 

        從金融科技的角度來看，云計算技術的分布式部署、可伸縮的彈性架構、可配置的網絡帶寬的特點為大數據的存儲和計算提供了基礎，大數據中存儲的海量的結構化和非機構化數據，為各類算法的建模提供了環境和基礎，在各類算法中，如決策樹、最近鄰算法、貝葉斯算法、遺傳算法、聚類和回歸、支持向量機、關聯算法、最大期望算法、迭代算法等通過結合行業特征的建模，為神經網絡、機器學習、知識圖譜等人工智能技術提供了支持。正是基于以上關系，在通過金融科技手段進行的金融創新中，數據、算法及建模、安全成為金融創新的三大技術基石。

 

        金融本質仍然是風險管理，風控是所有金融業務核心。在泛互聯網的環境里，金融風控面臨的欺詐風險、關聯風險更加難于識別和控制。以中小企業融資為例，由于在信息方面存在不對稱性和不完全性，在中小企業信用風險控制中，中小企業具有資產規模小，股權結構集中，組織機構不健全，生命周期短，易受外部環境和不確定因素影響，經營管理過程變數大， 信息資料透明度低，擔保抵押物少的特點，實際業務中，中小企業在借貸時可能產生逆向選擇和道德風險等。在以往的中小企業信用評級從評價方法主要有專家判斷法、財務比率分析法兩種，專家判斷法突出的優點是具有較好的靈活性，以及在處理定性指標上的優勢， 但是存在著不連續性和主觀性，評級效率較低、成本較高；而財務比率分析法是屬于古典信用分析評估方法,是將各項財務指標作為一個整體，系統、綜合、全面地對貸款人財務狀況進行分析、評價。

 

        通過金融科技的手段，運用大數據建模的方法，將評價企業的定性指標和定量指標相結合，基于較為嚴謹的統計模型分析方法,是根據歷史數據庫來構建概率統計模型，運用人工神經網絡算法，通過算法的自學習和自適應特點，不斷的優化和調整各項參數及權重，使得評價達到最優效果，實現違約概率度量和違約損失率度量等信用風險評價指標的計算，從而為金融機構的信貸工作人員和管理部門提供高效科學的決策支持工具。

 

 

        金融科技在金融業務中的運用，要以防范風險、提高效率、降低成本、提升服務為目的，為此要結合金融科技的核心技術和特點，有的放矢的進行優化和創新，實現深度運用。

 

        （一）運用機器學習、神經網絡等技術賦能金融核心業務

 

        相比于人工智能其他細分領域，機器學習、神經網絡技術的應用受到大量金融科技公司和大型金融機構的青睞，研發力度更大，使用頻率更高。研究基于人工智能的量化投資、授信融資、保險定價、反欺詐、輔助決策等應用，在具體的實踐中，通過導入大量相關數據，利用機器學習形成知識圖譜或者建立模型，通過不同算法和神經網絡應用預測交易趨勢發現商機，識別欺詐把控風險。通過將這幾項技術組合運用，作為自身核心技術壁壘，從而提升核心業務的競爭力。

 

        在機器學習算法的分類中，人們最常用的主要是監督學習和無監督學習的模型，在金融行業中一個天然而又典型的應用就是風險控制中對借款人進行信用評估。因此依托互聯網獲取用戶的網上消費行為數據、通訊數據、信用卡數據、第三方征信數據等豐富而全面的數據，可以借助機器學習的手段搭建金融業務的大數據風控系統。金融企業除了在放貸前的信用審核外，還可以借助機器學習完成傳統金融業務中無法做到的放貸過程中對借款人還貸能力進行實時監控，以及時對后續可能無法還貸的人進行事前的干預，從而減少因壞賬而帶來的損失。

 

        （二）運用區塊鏈等技術，提升金融交易的互信度和效率

 

        近年來，在比特幣市場瘋狂增長的同時，也有許多公司借助區塊鏈的概念進行炒作，但區塊鏈和比特幣之間并不能簡單的劃上等號，畢竟比特幣僅僅是區塊鏈技術的一個應用。區塊鏈基于數學原理解決了交易過程的所有權確認問題，保障系統對價值交換活動的記錄、傳輸、存儲結果都是可信的。作為一種用于記錄、追蹤、檢測、轉移所有資產的數據庫和庫存清單，共識算法、超級賬本、不可逆加密、去中心等技術實現的細節才是區塊鏈的核心所在。對于目前的金融行業而言，無論是各個機構之間還是機構內部的交易流程中都存在效率瓶頸、交易時滯、欺詐和操作風險等痛點，而區塊鏈因其安全、透明、去中心化及不可篡改的特性都使得這些問題可以通過技術手段得到解決。

 

        在具體應用中，目前各國央行都十分重視的數字貨幣改革、跨境支付與結算、征信、供應鏈金融，以及證券發行與交易這些方面，區塊鏈可以產生最直接有效的應用。2016年10月，中國證券登記結算有限公司（CSDC，以下簡稱“中國結算”）與俄羅斯國家證券存管公司（NSD）簽署合作備忘錄，未來將展開“交易后領域”區塊鏈應用的合作。運用區塊鏈技術，完成在交易指令下達后，買方和賣方比較交易細節、批準交易、改變所有權記錄、安排證券和現金的轉移、抵押品管理等，從而提升交易的安全和效率。

 

        （三）運用數據挖掘和分析等技術實現精準營銷

 

        精準營銷，是在準確定位的基礎之上，利用大數據挖掘和分析的手段搭建個性化的客戶溝通服務體系，實現可衡量的低成本營銷之路。精準營銷的提出和實現，都是建立在大數據工具之上的。金融機構可以通過對用戶特征、交易行為及服務需求進行全面采集與刻畫，提取關鍵標簽并形成用戶的多維標簽體系，實現用戶畫像，運用客戶分層理論進行定位，實現更低成本的、更具針對性的精準營銷。同時通過社交媒體與大數據技術的配合使用，對用戶從社交到交易的行為路徑進行挖掘、分析與管理，做到精細化管理，有針對性的吸引潛在需求客戶，實現金融產品的智能推薦和精準營銷，提升銀行金融產品的匹配度，進而實現客戶價值。

 

        就具體應用來說，現在很多金融機構都有APP，就可以分析用戶在尋找什么產品，用戶在找到一款產品并真正實現交易的過程中會瀏覽哪些頁面，在哪個頁面停留最長時間，交易中斷是什么原因造成的等，這些信息獲取到以后，就可以通過數據挖掘和分析，得到結果可以用于提升運營效果。再比如說做存貸款產品營銷時，可對高價值信用卡用戶的AUM進行分析，篩選他們每月的消費金額、信用額度、當前存款情況、貸款有沒有拖欠，是不是商務卡持有者等，通過這些維度對用戶進行分析，再針對不同用戶分群給出不同的營銷策略。比如說哪些用戶該提升額度，哪些應該為其推薦金融產品。在落實營銷時，可以先通過短信進行營銷，再通過呼叫中心來了解客戶意圖，當客戶有意向時，再交由理財經理進行進一步跟進，提升客戶貢獻度。

 

        （四）運用視覺和生物特征識別技術提升金融交易安全性

 

        從金融監管的角度來講，要“了解你的客戶”是辦理業務的前提，了解你的客戶和做好客戶的適當性管理是防范金融風險的基礎，運用人工智能和生物識別技術能夠提升客戶識別的準確度和防止客戶抵賴行為發生，提升金融交易的安全性。2017年5月，央行成立了的金融科技委員會，旨在加強金融科技工作的研究規劃和統籌協調，關注金融科技發展的動向和潛在風險。基于人工智能、大數據的金融風險防控，以及基于生物識別的身份認證與交易驗證，將成為重點引導的試點。

 

        就視覺與生物特征識別技術在金融行業的應用來講，主要聚焦在安保方面，其應用較為成熟。通過臉像識別、指紋識別、虹膜識別等生物特征，協助識別驗證客戶身份，預警可疑行為和可疑人員，達到安全防范的目的。在所有的技術中，現階段最受矚目并迅速發展的是人臉識別。它目前主要有3種應用模式：人臉識別監控、人臉識別比對檢索、身份確認。通過這些手段的綜合運用，從而保障了金融交易的安全性。

 

        （五）運用自然語言處理和知識圖譜技術實現智能服務

 

        曾經以來，金融機構的網點眾多，尤其是銀行業金融機構，網點也曾經是金融機構的渠道優勢，而現在網點越來越成為金融機構的成本劣勢。五年前銀行還在不斷申請新設網點，現在卻開始主動關閉網點或進行智能改造，爭奪個人客戶的陣地從開更多的網點向客戶的手機屏幕轉變。銀行網點雖然不會消失但是會變得越來越“隱身”，越來越智能，更多銀行也在進行網點改造，智能設備乃至全自助服務成為主流。

 

        在渠道智能化進程中，自然語言處理和知識圖譜技術功不可沒。其主要場景模式是智能客服和語音數據的挖掘。智能客服主要是通過電話客服渠道、網上客服、APP、短信、微信以及智能機器人終端與客戶進行語音或文本的互動交流，理解客戶業務需求，一方面減少人工重復性工作，另一方面采集客戶數據，展開智能服務。語音數據的挖掘主要通過音語義分析自動給出重點信息聚類，聯想數據集合關聯性，檢索關鍵詞，并匯總熱詞，發現最新的市場機遇和客戶關注熱點，促進市場營銷和智能服務。

 

        在金融監管的協同和保障下，開展金融科技創新有著廣闊的未來，但是從金融科技的原理來看，大數據是基礎設施中重要的一環，數據的廣度、數據的深度、數據的鮮活度是影響創新進程的一個因素，同時基于金融大數據的建模復雜度高和訓練成本高也是金融業務的本質表現，相信隨著金融科技的深度應用，金融科技會在整個金融業的穩健發展和風險防范中發揮越來越重要的作用。

 

（文章來源：新金融世界雜志）