ABCD：金融科技應用圖譜

　　“不談Fintech就Out了”，但怎么談，是個嚴肅的問題。更重要的是，怎么做。

　　文／瞭望智庫課題組

　　風口上的金融科技（Fintech）正走向何方？

　　當前，全球迎來新一輪科技革命和產業變革，信息化浪潮蓬勃興起，驅動著包括金融業在內的經濟社會各領域加速向數字化、網絡化、智能化發展。

　　在此背景下，“不談Fintech就Out了”，但怎么談，是個嚴肅的問題，更重要的是“怎么做”。于是，瞭望智庫聯合中國互聯網金融協會開展了金融科技應用專項調研。

　　調研發現，金融科技在服務實體經濟、促進普惠金融、提升金融風險管理水平、推進金融供給側結構性改革等方面確實正發揮著積極作用。其中，人工智能（AI）、區塊鏈(Blockchain)、云計算(Cloud computing)、大數據（Big Data）等四大核心技術（合稱“ABCD”）是金融科技蓬勃發展的主要推動力。

　　從發展趨勢看，“ABCD”等新技術彼此的邊界在不斷削弱，在實際應用過程變得越來越緊密，融合的態勢將推動金融科技進入新的發展階段。

　　金融科技在推動金融業變革的同時，往往也帶來了風險跨界傳染、技術依賴、放大金融順周期性效應和加劇混業不正當競爭等負面影響，并面臨業務、技術、網絡、數據等方面的安全挑戰。金融監管需要適時跟進，乃至未雨綢繆，以趨利避害。

　　人工智能：前中后端全面滲透

　　人工智能正在推動金融業向智能金融時代發展。目前在金融領域，人工智能的應用已滲透到多個主要業態，是其應用較為成熟的重要領域。人工智能技術依托數據、算力和算法，賦予機器進行自主思考或行動的能力。

　　人工智能技術在金融業務的前中后端均有用武之地，被銀行、證券、基金、保險等傳統金融機構以及互聯網金融機構用于身份核驗、信用評估、反欺詐、客戶溝通、輿情監測、流程優化、安防監控等多個環節。

　　隨著相關監管政策和行業標準逐漸明確，人工智能在金融領域的應用有望逐步深化。領先型從業機構依托自身數據存量、業務規模等優勢，在人工智能技術的應用融合方面具有較大潛力與發展空間。

　　在金融業務前端，人工智能多應用于身份核驗和智能營銷，銀行、證券、基金、保險、互聯網金融等均有應用。在許多銀行的營業網點，智能機器人服務已不罕見，這是一個典型應用案例。

　　其中身份核驗是重要前置工作，也是金融機構控制業務風險的重要環節。傳統身份驗證主要采用密碼驗證結合人工驗證的方式，存在一些難點和痛點。比如密碼與身份的關聯性交叉，可能導致密碼泄露，而人工驗證的效率、準確率則受驗證人員工作能力、主觀情緒等因素影響較大。

　　基于人臉識別、指紋識別、活體監測等新型技術手段，人工智能可豐富身份驗證手段，提高賬戶冒用難度，還能提高驗證效率及驗證結果穩定性。

　　智能營銷則能夠降低信息漏損，充分挖掘潛在需求，有助于營銷服務的隨時、隨地、隨需性；服務承載能力也更高，增量服務的邊際成本也低于傳統方式；服務質量能不受營銷人員主觀因素干擾，有助于保持營銷水平的穩定性。

　　以某金融科技公司推出的Gamma智能銷售助手為例，該產品主要針對金融機構的線下營銷場景，能基于機器閱讀理解、知識圖譜和會議摘要，結合保險條款和用戶反饋給出合理建議，提升線下營銷的效率、質量及用戶體驗。

　　在金融業務中端，人工智能技術多應用于智能投顧和智能風控。這也是人工智能在金融業務核心環節的重要應用。

　　傳統投資顧問服務模式由于投資顧問數量少、投資顧問服務能力有限、人工成本高昂等限制，只能覆蓋部分高凈值人群，無法充分滿足市場需求。智能投顧基于人工智能技術與現代投資組合理論，既能降低服務門檻，也能綜合考慮客戶的風險偏好、財務目標等因素，提供定制化投資建議。

　　繼招商銀行摩羯智投后，興業銀行、江蘇銀行、平安銀行、工商銀行、浦發銀行、中信銀行、中國銀行等也已陸續推出智能投顧服務。

　　智能風控在實踐中的應用也逐漸成熟，尤其是在互聯網金融等應用場景。由于相當一部分互聯網金融機構的客戶群體缺少征信信息等數據，傳統風控方式并不適用。同時各類金融欺詐行為時有發生，且趨于組織化、專業化，其危害日趨嚴重。

　　許多互聯網金融機構通過將知識圖譜、深度學習等人工智能技術應用于風控領域，整合結構化、半結構化和非結構化數據，大規模監測各關系數據中存在的不一致性，及時發現欺詐可能，提高風險管控能力。

　　在金融業務后端，人工智能技術多應用于智能客服和智能理賠業務，這不僅是對人工的有效替代，也能提升金融服務效率。

　　金融機構往往需要雇用大量的客戶服務人員，應對大量關于產品信息、系統操作等方面的咨詢。但由于工作人員的知識掌握程度不一，信息處理速度也有差別，金融機構往往付出了大量人力成本，仍面臨服務效率低、服務質量參差不齊等痛點。

　　智能客服集成智能語音、自然語言處理、深度學習等人工智能技術，使得機器不僅能聽會說，而且能夠自主完成對客戶問題的解答，將傳統的人人交流轉化為人機交流，有助于解決傳統金融機構前臺服務人員不足、人員成本居高不下等問題，并提高響應速度、改進客戶體驗。

　　智能理賠在保險業的應用日漸成熟。利用計算機視覺、機器學習等技術，當消費者將標的物損害情況等信息上傳至從業機構后，智能理賠系統即可輔助實現遠程定損，在提高速度、節省成本的同時降低人工操作導致的相關風險，優化理賠環節的效率和客戶體驗。

　　人工智能技術在金融領域各個業態的應用也引發了一些新風險，具體包括技術安全風險、隱私泄露風險、責任主體認定困難、放大市場順周期性效應和監管套利風險。

　　業務挑戰也同樣存在。數據共享交流整合不足、技術成熟度不足、人才儲備不足等，都會影響人工智能技術在金融領域的成熟應用。

　　但人工智能在金融領域的應用前景仍然可觀。未來人工智能技術還可用于金融機構合規管理，有助于降低合規成本、提升業務合規性?？赏ㄟ^探索運用機器學習、知識圖譜等人工智能技術，增強監管數據采集、整合、運用的精準性和實時性，不斷提升金融風險態勢感知能力和監管科技水平。

　　區塊鏈：“幣圈”熄火，“鏈圈”崛起

　　2018年，“幣圈”（專注于虛擬貨幣）熄火，“鏈圈”（專注于技術）崛起，區塊鏈在金融領域的應用正開疆拓土。

　　區塊鏈技術通過數據加密、共識機制、時間戳、智能合約等技術手段，在分布式系統中實現點對點交易、協調和協作，具有分布式、難以篡改、可追溯、開放性、算法式信任等特點，可以解決集中式結構中存在的數據安全、協同效率和風險控制等問題。

　　這將有效改善金融業信息不對稱、對賬結算復雜、協作效率低下等問題。在我國，區塊鏈技術已在銀行、證券、保險和互聯網金融等領域部分場景開展應用探索，并開始從概念驗證逐步邁向具體實踐。

　　其中銀行業探索區塊鏈技術頗為積極，部分場景已實現小范圍應用。在銀行業，區塊鏈技術主要在多方參與的信用交易、信息傳遞領域，包括銀行的供應鏈融資、電子票據、跨境支付、資產管理和跨行客戶信息共享、跨機構對賬清算等方面發揮作用。

　　據不完全統計，目前已有15家銀行開展了區塊鏈技術的應用探索。其中，供應鏈金融和貿易融資是當前商業銀行區塊鏈技術應用較多的場景。

　　在供應鏈融資方面，區塊鏈可以解決傳統供應鏈中信息分散、信用無法傳遞的問題，提升效率。利用區塊鏈難以篡改的特點保證交易真實性，減少銀行對信息被篡改的顧慮，降低中小企業融資成本。利用區塊鏈智能合約可編程化的特點，可以根據企業間資金結算的情況，在還款期限、核心企業結款等符合智能合約預設條件時，自動劃轉還款資金到銀行。

　　貿易融資涉及信息流、貨物流和資金流傳遞，參與方多、交易流程長、信息交互復雜。目前，貿易融資業務流程大多為半手工操作，缺乏統一多信息交互渠道，交易各環節不透明，貿易背景真實性難核實、易篡改，在信息傳輸、身份認證、數據安全等方面有待完善。而通過區塊鏈技術以聯盟鏈等形式建立銀行間報文交互網絡，同時邀請海關、稅務、司法、工商等部門參與，一方面可提高參與方之間的信任，提高信息透明度和交易效率，另一方面也有助于銀行、監管部門識別貿易背景真實性，跟蹤信貸風險。已經有銀行聯合推出基于區塊鏈的國內信用證信息傳輸系統，建立基于信用證信息和貿易單據電子化傳輸體系。

　　非銀金融體系中也在不斷嘗試區塊鏈技術。部分證券公司和銀行已研發推出基于區塊鏈技術的資產證券化平臺，并已發行數筆基于區塊鏈技術的資產證券化產品；保險機構也推出了基于區塊鏈技術的航空意外險。

　　具體來看，區塊鏈技術在資產證券化業務中的應用相對更為成熟。在底層資產形成環節、基礎資產轉讓環節、發行環節、基礎資產存續期監控環節以及二級市場證券交易環節，區塊鏈技術都有很好應用。

　　以某金融科技公司ABS云平臺為例，該平臺采用面向多權限的數據安全保障機制，結合分鏈、多通道技術以及共識節點負載均衡的底層架構，提高了系統處理并發數，保障各個業務參與方的數據和信息安全。系統設置了三個驗證節點，底層資產池中每筆貸款的申請、審批、放款等資金流轉都將通過區塊鏈由各個驗證節點共識完成。目前該金融ABS云平臺每天處理交易數千萬筆，單項證券化產品日均交易超百萬筆。

　　區塊鏈技術在保險業的典型應用體現在保險理賠和再保險交易環節中，多是利用區塊鏈解決數據共享和信息不對稱的問題，從而縮短理賠、承保流程，提升交易安全，減少交易糾紛。

　　互聯網金融機構也在跨境支付、聯合貸款對賬、供應鏈綜合金融服務、票據市場等業務中，在其中一個或多個交易環節應用區塊鏈技術，來解決包括欺詐、風控、數據共享等問題。

　　隨著區塊鏈技術進一步發展成熟，其在金融領域的應用價值也將逐漸被放大，但其中也存在諸多風險，包括安全穩定性風險、金融消費者隱私泄露風險、責任主體難認定以及合規風險。

　　首先，區塊鏈技術本身就存在穩定性缺陷。其次，區塊鏈對網絡中的有權參與者公開透明的特點，使得金融消費者交易數據、地址、身份等敏感信息缺乏保護，增加泄露風險。再次，區塊鏈承載業務記錄的難以篡改特性、智能合約的法律有效性尚未完全得到認可，仍存在法律上的不確定性風險。此外，區塊鏈技術會對當前中心化監管手段帶來挑戰，或使金融消費者保護和反洗錢工作難度加大。

　　隨著區塊鏈技術不斷迭代更新，吞吐量和存儲能力進一步提升，安全穩定性、業務連續性等問題得到較好解決，這將為區塊鏈技術在金融領域大規模應用提供支持。

　　另外隨著區塊鏈技術與云計算、人工智能等技術的進一步融合互補，基于云計算技術的區塊鏈開放平臺模式，將提高金融機構對于區塊鏈技術的可得性。未來將有更多大型金融機構和技術實力較強的互聯網金融機構對外提供開放的區塊鏈平臺服務，降低中小金融機構自主開發成本，提高服務可得性。

　　云計算：“財大氣粗”私有云

　　2018年，云服務成為互聯網巨頭的必爭之地。其中金融機構的云服務更是重頭戲，這與金融機構上云的迫切需求相關。隨著云計算技術的發展，以及金融監管部門金融業信息化要求的提高，云計算逐步向以金融行業為代表的傳統行業加速滲透。

　　《中國金融業信息技術“十三五”發展規劃》提出，拓展云服務的應用領域，鼓勵發展業務系統、技術測試、信息安全等云服務，探索基于“云”構建風控、征信、反洗錢等行業公共服務應用，提升金融服務和監管能力。

　　目前金融機構主要將渠道服務、內部支持、客戶服務、管理信息等非核心系統上云，核心系統上云仍面臨系統架構、安全性等問題。同時包括銀行旗下金融科技子公司、金融科技公司等公司正在加大金融云服務。

　　根據中國信息通信研究院2018年的調查數據，目前我國41.18%的金融機構已應用云計算技術，46.80%的金融機構計劃應用云計算技術，已經或計劃應用云計算的金融機構共占比87.98%。中國金融機構的上云已取得一定成績，未來仍將保持積極狀態。

　　其中，在已使用云計算技術的金融機構中，近七成自建私有云搭建云平臺，另外還有近兩成采購由專業金融行業云服務商提供的行業云服務，而使用公有云的金融機構只占一成。

　　具體而言，規模較大、技術實力較強的大型金融機構大多采取私有云模式，通過合作研發或技術外包方式完成私有云平臺建設。中小金融機構由于自身技術實力偏弱、人才儲備不足、資金投入有限等原因，更傾向于選擇專為金融機構服務的行業云模式，以同時滿足監管合規和成本控制的需求。

　　目前，已有多家商業銀行依托各自旗下的金融科技子公司開展金融云服務。比如有銀行設立的金融科技子公司，依托該銀行“銀銀平臺”輸出業務，已為200多家中小銀行提供以核心系統為主的銀行信息系統云服務。

　　金融科技公司多在大數據分析、精準營銷、客戶服務等方面普遍應用云計算技術，并逐步推進云計算技術在信貸風控、支付清算等部分核心業務環節的應用。

　　云計算在我國金融領域的典型應用場景包括銀行IT運營管理、銀行金融服務生態圈構建、證券客戶端行情查詢、證券交易量峰值分配、保險個性化定價、保險產品上線銷售、網貸平臺網絡安全管理及支付清算等。多借力于云計算的計算、存儲、網絡等核心能力，打造底層技術支持和運營生態圈層。

　　以搭建開放型底層平臺為例，隨著線上線下融合程度加深，單一金融產品已無法充分滿足不同場景下客戶多元化、差異化的金融需求。某銀行通過打造云開放平臺，可以給合作伙伴提供二維碼支付、繳費、生活等數十個開放接口，構建了一站式、個性化、場景化的金融服務生態圈。

　　由于互聯網金融的興起，許多長尾客戶的金融需求被挖掘出來，這部分業務具有單筆收益低、交易筆數多、產品迭代快、規模增長快等特點，應用云計算技術可減少設備配置升級所需時間、資金成本。

　　總而言之，云平臺能夠整合各業務條線所需的基礎組件，在減少重復開發的同時，也有助于平臺統一管理業務系統，實現“一次構建，處處運行”。

　　云計算技術為大數據、人工智能等技術應用提供了重要基礎支撐，其與金融行業的深度融合是互聯網時代下的必然選擇。展望未來，云計算技術在金融領域的應用廣度和深度將進一步提升，各類領先金融從業主體將加大云計算技術投入并賦能小機構。

　　興業銀行旗下的興業數金、招商銀行旗下的招銀云創、平安集團旗下的金融壹賬通目前均已向同業金融機構輸出信息科技系統。建設銀行、民生銀行、光大銀行也已成立金融科技子公司。

　　領先的金融科技企業也正發力云計算領域，比如宜信成立了互聯網企業級金融服務云平臺翼啟云服。各類領先金融從業主體未來將與阿里云、騰訊云等公有云廠商、中國電信等電信運營商、華為等傳統IT廠商、UCloud等開源創業公司一起競爭，共同賦能中小金融機構，推動其業務系統上云。

　　新興金融科技企業搭載云計算將為客戶提供更低成本、更高效的服務模式。傳統金融機構將依據自身技術實力，探索從輔助性業務系統上云向核心系統上云轉變，從單一私有云向私有云為基礎、行業云和公有云為補充的轉變。

　　大數據：金融核心競爭力

　　大數據技術發展多年，在金融領域的應用已頗為成熟和廣泛。其應用場景包括個人信貸風險管理、供應鏈融資、反洗錢、投研分析、智能投顧、騙保識別、風險定價、交易欺詐識別、騙貸識別、金融機構運營管理等。

　　從應用成熟度和應用效果來看，在金融風險識別與風險定價方面，大數據技術發揮了顯著作用。信貸業務的信用評估、風險定價、反欺詐、貸后管理等各個環節，大數據技術都有深入介入，并起到了關鍵作用。

　　按傳統方法，銀行對個人客戶的違約風險評估多是基于過往的個人征信數據，其維度不夠豐富，時效性也不足，尤其是對小微企業的信用評估，要面對信貸歷史短、財務不規范、缺少抵押物等困難。

　　利用大數據技術，可以根據多維度數據，對信貸客戶進行全面分析。針對小微企業，銀行可以拓展數據維度，綜合分析小微企業主的信用、逐筆進存銷等情況，能夠更精準地評估其信用水平。某銀行小微企業信用貸款產品數據顯示，該行已經累計服務小微商戶超過200萬家，戶均貸款7000元，不良率低于1%。

　　利用大數據技術，可通過賬戶基本信息行為模式，結合智能規則引擎進行實時的交易反欺詐分析。

　　隨著金融與科技的深度融合，各類借助科技手段的偽金融創新、金融詐騙的隱蔽性越來越強，危害涉眾性也越來越大，也給金融監管帶來了較大挑戰。

　　地方金融機構近年來發展迅猛，具有規模小、門類多、企業數量龐大等特點，全國各地小貸公司、擔保公司、典當行等某種程度上處于野蠻生長狀態。同時地方金融機構監管空白與重復監管并存。運用大數據技術，能夠將廣域多維的信息進行關聯，從而發現與識別異常情況，并及時預警風險事件。

　　某金融科技公司推出了服務金融監管的金融安全平臺。該平臺能全面監測互聯網上活躍的類金融平臺，從基于人工智能的平臺識別、基于數據挖掘的多維度信息關聯、基于知識圖譜的平臺風險指數計算、基于涉眾人數增長的異常規模預警這四個維度出發，結合海量政務數據，運用多源數據融合技術，能夠分析投資理財、外匯交易等十多個金融場景并計算其風險指數，預警高風險平臺。

　　在該平臺試運行期間，某市金融辦先后掃描了25萬多家從事金融業務的企業，對其中的11354家做了重點分析，識別出790家風險企業，對其中19家預警并移交處置，同時面向10多個省市輸出風險預警。

　　普華永道報告顯示，83%的中國金融機構表示將投資于大數據技術。金融行業是提供大數據產品和解決方案最多的領域。金融業競爭力的核心也體現在數據收集、加工和利用的能力，大數據技術勢必會成為金融企業競爭力的核心要素。

　　金融大數據與其他跨領域數據的融合不斷強化，金融機構可借此推動營銷和風控等服務的更加精準化。也因此，適應和滿足金融行業屬性的大數據技術標準和應用規范將越來越成為金融大數據應用拓展的關鍵點。

　　金融機構普遍表示未來將加大在數據治理項目中的投入，結合大數據平臺建設項目，構建企業內統一的數據池，實現數據的“穿透式”管理。

　　越來越多的金融機構正通過建立業務、數據、技術間全流程多層級協同工作機制，建立數據需求的分類統籌管理和快速實施響應模式，推動金融機構向集中式自主、專業化用數階段邁進，并形成大數據成果快速復制推廣機制，促進項目成果盡快轉化為業務價值。

　　（課題組成員：聶歐、王麗娟、王亭亭、劉秋娜）

責任編輯：陳永樂