金融科技已经成为仅次于互联网软件与服务的最热门创投领域(CBInsights:宗VC投资,亿美元),一个能够获得监管支持、多机构分担风险的新风口。
随着新兴技术的崛起,金融科技从互联网技术转向了智能技术,并被写入《中国金融业信息技术“十三五”发展规划》、《新一代人工智能发展规划》和《促进新一代人工智能产业发展三年行动计划(-年)》等重要文件。
本期的智能内参,我们推荐来自中国信息通信研究院的中国金融科技产业生态和前沿技术研报,结合埃森哲的智能金融行研,从人工智能、区块链、云计算、大数据四大新兴技术出发扒一扒智能金融的老底。
以下为智能内参整理呈现的干货:
一、什么是智能金融
▲金融行业科技应用的三大发展阶段(电子化/电子金融→互联网+/线上金融→智能金融)
▲科技与金融的融合历程
▲智能金融的三个阶段
金融已经经历了电子化到互联网化的转变,现在又因其与数据的高度相关性,已成为最先与人工智能相融合的行业之一。相比于互联网金融/线上金融,智能金融具有以下四点特征:
1、自我学习的智能技术。
人工智能将实现自我学习的实时正循环,云端将无缝融合,介入式芯片等新的硬件形式将催生人机共融。
2、数据闭环的生态合作。
智能金融企业的战略重点从互联网时代的业务闭环转向实现数据闭环,合作企业间数据结果回传将可持续满足用户需求的能力的提升。
3、技术驱动的商业创新。
在金融领域,移动互联网时代更多体现的是“渠道”迁移;人工智能时代则使得技术在金融的核心,即风险定价上发挥更大的想象力。
4、单客专享的产品服务。
“个性化”不再仅限于客群层面,而是针对“某个”实时客户,实现产品服务的终极个性化。
▲金融新阶段四大特征
▲智能金融拓展了金融服务的广度和深度
由上可知,智能金融将重塑产业链、供应链和价值链,拓宽金融服务的边界,推动金融服务朝着“随人”、“随需”、“随时”、“随地”的标准不断进步。
目前,智能金融已经全面覆盖客服、风控、营销、投顾和授信等各大金融业务核心流程,衍生出互联网银行、直销银行、互联网保险、互联网证券、消费金融、小额信贷、网上征信、第三方支付等一系列新兴金融业务领域。
▲支持金融技术创新的政策
因此,智能金融融入各国顶层设计。我国年7月印发的《新一代人工智能发展规划》提出:将建立金融大数据系统,提升金融多媒体数据处理与理解能力;创新智能金融产品和服务,发展金融新业态;鼓励金融行业应用智能客服、智能监控等技术和装备;建立金融风险智能预警与防控系统。
埃森哲指出,年将是消费金融的分水岭,也会成为消费金融的风控元年。
二、ABCD技术解读
▲智能金融四大关键技术
▲人工智能、区块链、云计算和大数据重构金融基础设施的建设标准和运行逻辑
智能金融依赖“ABCD四大技术”,即人工智能(ArtificialIntelligence)、区块链(Blockchain)、云计算(CloudComputing)和大数据(Data)。
其中,人工智能能够替代人类重复性工作,提升工作效率与用户体验,并拓展销售与服务能力,广泛运用于客服、智能投顾等方面。
区块链技术能够有效节约金融机构间清算成本,提升交易处理效率,增强数据安全性。
云计算技术能够为金融机构提供统一平台,有效整合金融结构的多个信息系统,消除信息孤岛,在充分考虑信息安全、监管合规、数据隔离和中立性等要求的情况下,为机构处理突发业务需求、部署业务快速上线,实现业务创新改革提供有力支持。
大数据技术为金融业带来大量数据种类和格式丰富、不同领域的大量数据,而基于大数据的分析能够从中提取有价值的信息,为精确评估、预测以及产品和模式创新、提高经营效率提供了新手段。
A:提高效率助力惠普
在金融领域应用中,人工智能主要包括五个关键技术:机器学习、生物识别、自然语言处理、语音技术以及知识图谱。目前,人工智能技术在金融领域应用的范围主要集中在智能客服、智能投顾、智能风控、智能投研、智能营销等方面。
▲人工智能在金融领域应用的关键技术
其中,机器学习是海量金融数据的解决方案:虽然大数据技术的出现对此有所改善,但在数据的有效处理与分析挖掘上仍面临较大挑战。详细来看,有以下四种途径:
1、监督学习可以用于对历史数据进行分析与挖掘,寻找数据集的规律,对未来趋势进行预测;
2、无监督学习用于尝试解析数据的结构,并确定其背后的主要规则(聚类分析可将金融数据集基于某些相似性概念将其进行分组,因子分析旨在识别金融数据中的主要内在规律或确定数据的最佳表示方法);
3、深度学习方法通过深度网络的表示从大数据学习各种规律,可用于金融交易各个阶段;
4、强化学习则使用算法来探索和寻找最有利的交易策略。
生物识别技术则主要应用于客户身份验证、远程开户、无卡取款、刷脸支付、金库管理和网络借贷等金融场景,常用的方式包括指纹识别、人脸识别、虹膜识别和指静脉识别。
自然语言处理(NLP)技术,结合知识图谱,大大提升了获取数据、数据清洗、深度加工的效率。尤其在投研领域,NLP可对海量复杂的企业信息进行处理,提取分析员最