新兴信息技术如何影响金融科技

　　8月23日中国人民银行（以下简称央行）印发《金融科技（FinTech）发展规划（2019~2021年）》，提出到2021年我国要进一步增强金融业科技应用能力，实现金融与科技深度融合、协调发展，实现金融科技应用先进可控、金融服务能力稳步增强、金融风控水平明显提高、金融监管效能持续提升等目标。

　　面对大数据、人工智能、云计算、区块链等新兴前沿技术给金融科技带来的影响，近日，北京航空航天大学经济管理学院举办主题为“金融科技理论与实践前沿”的第六届北航经商国际论坛，邀请业界专家共议金融科技的前沿研究和业界实践。《中国科学报》结合与会专家的观点，通过进一步访谈，形成此报道。

　　吴俊杰：根据安永发布的《2019年全球金融科技采纳率指数》报告，全球金融科技的采纳率已达64％，转账和支付类、储蓄和投资类以及预算和理财类是消费者使用率和知晓率最高的业务，在2019年分别达到75%、48%和34%；而消费和支付类在中国的采纳率达到了95%。

　　头部科技企业利用客户资源、数据沉淀和技术能力正全面入局金融业，百度、阿里巴巴、腾讯各自持有1家银行30%股份，京东也在3月获得了金融监管局发布的首批三张虚拟银行牌照之一。

　　传统金融机构（如银行、证券、基金、保险等）则加快了金融科技赋能的步伐，同时创新型金融科技企业以及其他科技与服务企业正逐渐兴起。

　　在研究方面，目前似乎业界先行于学术界，但同时也对学术界的相关基础研究、方法和技术的深入研究以及专业人才培养提出了更高的要求。

　　部慧：科技赋能首先解决的是成本和效率问题，其次是金融创新和金融服务能力的提升。在金融业务开展、商业模式、服务形式等发生巨大变化的时候，学术界需要抓住金融业务的本质，看清楚核心问题所在，从而推动理论和方法创新，解决关键问题，推动金融业健康发展。

　　赵韵东：金融科技可以助力业务流程优化，提高企业效率，并满足客户对金融服务流程的移动化、便捷化和个性化需求。

　　以农行一些举措为例。对公业务是商业银行最常见的复杂业务之一，农行通过配备移动设备、开发掌上银行、采纳多种技术优化业务流程，将业务办理时间从4个小时缩短到45分钟；其中信贷审核业务中文书的快速智能处理技术、证券投资顾问业务中的智能报告生成技术等，都极大提高了业务效率。

　　发展金融科技的目的不是新技术应用，而是提升金融产品和服务的竞争力。技术是支点，业务是内核。在金融科技的发展趋势下，传统金融机构最终要达到的是业务、管理和商业模式在信息技术驱动下的深度变革重构。

　　王磊：平安集团利用图像识别技术改变了车险定赔必须工作人员现场出险的业务模式。另外，平安集团的全渠道智能客服基于人工智能技术的无差别机器人客服正在逐渐替代大量人工客服的工作。

　　汤迅：大数据和智能技术推动的创新性金融产品和服务的出现，例如消费支付、消费金融、互联网货币基金等，虽然对银行的核心信贷业务并未产生严重冲击，但这些变化使银行之间价格趋向透明、竞争日趋激烈，从而影响到银行等传统金融机构的成本和定价。在此情况下，如何提高从业人员的业务能力和服务能力，触达更多客户、提高客户满意度、增加客户黏性，是提高金融产品和服务竞争力的重要手段，而金融科技在一定程度上可以做到对金融从业人员的赋能。

　　智慧风控主要是通过融合多元异构数据，利用数据挖掘和人工智能等方法改善对各类风险的评价，打造智慧风控体系，从而支撑信贷、信用卡、资产管理、投资理财等产品和服务，并助力智能决策。同时，通过利用海量数据量化客户异常交易行为，以及利用大数据风控技术对反欺诈、反洗钱活动实施监测，都是金融科技在银行业智慧风控中的重要应用场景。

　　当数据融合发展到一定阶段后，如何进一步推动方法与领域知识的融合，进一步提升风险评价和早期预警的效果，是智慧风控面临的主要问题。

　　部慧：科技与金融领域知识的深度融合是发展方向。当前金融业实践和学术研究已从技术和方法在金融领域的落地，发展到方法层面的融合和演进，直至将金融领域知识与问题、方法进行深度融合从而改进理论与方法的各种尝试。

　　例如，在量化投资实践中，将集成模型、强化学习模型分别应用在选股策略和择时策略，需要在其中借鉴经典多因子模型、资本资产定价模型和资产配置模型等，这是一种将金融理论和AI方法相融合的探索。

　　张俊：我们开发了基于文本信息的企业产业链关系挖掘方法。该方法目前主要是数据驱动的，融合了少量行业标签信息，接下来需要考虑将金融理论和领域知识中对产业链的理解融合，以进一步推进金融科技方法的升级。

　　金融科技迅猛的发展势头驱动了金融产品和服务创新，数据多样性和先进技术的应用给行业带来了一系列合规性问题和极大的监管挑战；而监管的加强则又对金融科技行业的发展提出了更高的标准和要求。因此，面对金融科技的创新如何监管、如何提升监管科技水平等是亟待解决的问题。

　　北京航空航天大学经济管理学院数据智能研究中心在此方向有一些研究成果，并进行了一系列落地实践。相较于传统基于“用户画像”构建面向各类应用的建模方法，北航数据智能研究中心创新性地提出了“风险画像”的概念，该层模型将面向应用、面向问题所需要的从宏观到微观的金融理论和领域知识加以融合，一方面提出对数据、对关键变量刻画的需求，引导和决定了“用户画像”的方向、维度、粒度等；另一方面，支撑面向应用的各层解决方案的落地实现。

　　只有金融科技与监管科技协同发展、齐头并进，才能保证我国金融系统健康有序运行，为金融科技发展提供更加安全稳定的行业环境。