剖析金融科技创新的实施路径

曹新民

本文通过对金融监管与金融科技协同发展影响的分析，以及对金融科技的技术原理和特点的阐述，从金融机构以及金融业务的本质和金融科技融合互补的角度，对金融科技创新的实施路径进行了探讨并提出观点。

金融监管与金融科技创新的协同和保障

2016年8月，国务院发布《“十三五”国家科技创新规划》出台，规划中明确提出促进科技金融产品和服务创新、建设国家科技金融创新中心等。2017年7月全国金融工作会议召开，提出“必须加强党对金融工作的领导，坚持稳中求进工作总基调，遵循金融发展规律，紧紧围绕服务实体经济、防控金融风险、深化金融改革三项任务，创新和完善金融调控，健全现代金融企业制度，完善金融市场体系，推进构建现代金融监管框架，加快转变金融发展方式，健全金融法治，保障国家金融安全，促进经济和金融良性循环、健康发展。”

与2012年以来，第三方支付、P2P、众筹、互联网理财等借助于科技进步不断创新的金融业务以及影子银行的发展乱象相比，此次全国金融工作会议的最大看点就是把防控风险提到了从未有的高度，围绕防控风险，全国金融工作会议提出金融要回归本质，即要为实体经济服务，而不可自我循环，为了防控风险，金融工作会议也提出必须加强监管。上一轮互联网金融热潮中，新技术在一定程度上更容易获得宽容和支持，金融乱象泛起之时，技术也难免被视为应对监管的挡箭牌，然而事实证明，确有一些动辄宣称颠覆传统金融的从业者，往往是以最传统的方法误导和欺骗了投资者。新技术的引入当然可以给金融带来更多的可能性，但金融不会因此脱离自身的属性，所谓技术革命绝不能成为突破监管的借口。在监管加紧、政策频出之外，金融科技成为2016年以来整个金融行业的主旋律。

金融市场与其他市场的不同之处在于，金融市场交易复杂，跨时区跨地域，参与人群极其庞杂，易于引发社会群体情绪波动，因此，金融交易必须要有强有力的监管。就金融而言，对信用、杠杆和风险的关注是永恒的主题，也是金融科技的出发点和落脚点，这会成为监管者更为坚定的信念。2017年9月初，国家七部委联手发布公告，叫停各类代币发行融资（ICO）活动，明确此类金融活动投机炒作盛行，涉嫌非法。

随着2017年全国金融工作会议各项精神的落实，金融市场的各类参与者，包括持牌金融机构和类金融机构以及金融科技公司等参与主体，逐渐纳入政府“大監管”的范畴，金融回归服务实体经济的初衷，就要求提供多元化的金融服务，要求利用新的金融科技的手段实现，降低金融风险、增强企业信用、降低金融杠杆率。所以，未来几年来在贷款保险、小型贷款、消费金融乃至基于互联网大数据的金融交易方面，提供金融服务的机构或者利用金融科技创新的机构将会蓬勃发展，相关的监管条例也会逐步跟进，这是加强金融为实体经济服务最具体和重要的措施。因此，要实现利用金融科技的创新，就是在实现监管与创新的同步协调和有针对性的金融科技的深度运用。

金融科技与传统金融业务的互补和融合

近年来出现的大数据、云计算、人工智能、区块链等技术成为金融科技发展的重要技术支撑。金融交易依赖于各类交易市场中的参与者，识别交易对手、丰富交易渠道、优化交易结构、控制交易风险是金融交易中的四大重要环节，随着信息技术和互联网的发展，金融科技在支撑金融交易中的重要性越来越大，在金融科技的实践中，数据、算法及模型、安全成为金融科技支撑金融交易以及金融创新的三大基石。

近日，工农中建四大行均与BATJ（百度、阿里、腾讯和京东）四大互联网巨头签署合作协议消息频出，传统金融与互联网金融企业就行业未来的发展达成了共识，即金融业务与金融科技正变得越来越不可分割。金融科技公司一直在进行金融科技的变革与创新，通过金融科技，互金企业减少了金融产品抵达终端用户的路径，降低了成本，提高了效率。相对于传统金融业较为复杂的服务流程来说，互金企业能够更好地处理交易以及积累用户，在积累大数据的基础上，从而能够在金融交易的四大重要环节中让数据发挥重要的作用。

从金融科技的角度来看，云计算技术的分布式部署、可伸缩的弹性架构、可配置的网络带宽的特点为大数据的存储和计算提供了基础，大数据中存储的海量的结构化和非机构化数据，为各类算法的建模提供的环境和基础，在各类算法中，如决策树、最近邻算法、贝叶斯算法、遗传算法、聚类和回归、支持向量机、关联算法、最大期望算法、迭代算法等通过结合行业特征的建模，为神经网络、机器学习、知识图谱等人工智能技术提供了支持。正是基于以上关系，在通过金融科技手段进行的金融创新中，数据、算法及建模、安全成为金融创新的三大技术基石。

金融本质仍然是风险管理，风控是所有金融业务核心。在泛互联网的环境里，金融风控面临的欺诈风险、关联风险更加难于识别和控制。以中小企业融资为例，由于在信息方面存在不对称性和不完全性，在中小企业信用风险控制中，中小企业具有资产规模小，股权结构集中，组织机构不健全，生命周期短，易受外部环境和不确定因素影响，经营管理过程变数大， 信息资料透明度低，担保抵押物少的特点，实际业务中，中小企业在借贷时可能产生逆向选择和道德风险等。在以往的中小企业信用评级从评价方法主要有专家判断法、财务比率分析法两种，专家判断法突出的优点是具有较好的灵活性，以及在处理定性指标上的优势， 但是存在着不连续性和主观性，评级效率较低、成本较高；而财务比率分析法是属于古典信用分析评估方法，是将各项财务指标作为一个整体，系统、综合、全面地对贷款人财务状况进行分析、评价。

通过金融科技的手段，运用大数据建模的方法，将评价企业的定性指标和定量指标相结合，基于较为严谨的统计模型分析方法，是根据历史数据库来构建概率统计模型，运用人工神经网络算法，通过算法的自学习和自适应特点，不断地优化和调整各项参数及权重，使得评价达到最优效果，实现违约概率度量和违约损失率度量等信用风险评价指标的计算，从而为金融机构的信贷工作人员和管理部门提供高效科学的决策支持工具。

金融科技在金融业务中要实现深度运用

金融科技在金融业务中的运用，要以防范风险、提高效率、降低成本、提升服务为目的，为此要结合金融科技的核心技术和特点，有的放矢的进行优化和创新，实现深度运用。

（一）运用机器学习、神经网络等技术赋能金融核心业务

相比于人工智能的其他细分领域，机器学习、神经网络技术的应用受到大量金融科技公司和大型金融机构的青睐，研发力度更大，使用频率更高。研究基于人工智能的量化投资、授信融资、保险定价、反欺诈、辅助决策等应用，在具体的实践中，通过导入大量相关数据，利用机器学习形成知识图谱或者建立模型，通过不同算法和神经网络应用预测交易趋势发现商机，识别欺诈把控风险。通过将这几项技术组合运用，作为自身核心技术壁垒，从而提升核心业务的竞争力。

在机器学习算法的分类中，人们最常用的主要是监督学习和无监督学习的模型，在金融行业中一个天然而又典型的应用就是风险控制中对借款人进行信用评估。因此依托互联网获取用户的网上消费行为数据、通讯数据、信用卡数据、第三方征信数据等丰富而全面的数据，可以借助机器学习的手段搭建金融业务的大数据风控系统。金融企业除了在放贷前的信用审核外，还可以借助机器学习完成传统金融业务中无法做到的放贷过程中对借款人还贷能力进行实时监控，以及时对后续可能无法还贷的人进行事前的干预，从而减少因坏账而带来的损失。

（二）运用区块链等技术，提升金融交易的互信度和效率

近年来，在比特币市场疯狂增长的同时，也有许多公司借助区块链的概念进行炒作，但区块链和比特币之间并不能简单的划上等号，毕竟比特币仅仅是区块链技术的一个应用。区块链基于数学原理解决了交易过程的所有权确认问题，保障系统对价值交换活动的记录、传输、存储结果都是可信的。作为一种用于记录、追踪、检测、转移所有资产的数据库和库存清单，共识算法、超级账本、不可逆加密、去中心等技术实现的细节才是区块链的核心所在。对于目前的金融行业而言，无论是各个机构之间还是机构内部的交易流程中都存在效率瓶颈、交易时滞、欺诈和操作风险等痛点，而区块链因其安全、透明、去中心化及不可篡改的特性都使得这些问题可以通过技术手段得到解决。

在具体应用中，目前各国央行都十分重视的数字货币改革、跨境支付与结算、征信、供应链金融，以及证券发行与交易这些方面，区块链可以产生最直接有效的应用。2016年10月，中国证券登记结算有限公司（CSDC，以下简称“中国结算”）与俄罗斯国家证券存管公司（NSD）签署合作备忘录，未来将展开“交易后领域”区块链应用的合作。运用区块链技术，完成在交易指令下达后，买方和卖方比较交易细节、批准交易、改变所有权记录、安排证券和现金的转移、抵押品管理等，从而提升交易的安全和效率。

（三）运用数据挖掘和分析等技术实现精准营销

精准营销是在准确定位的基础之上，利用大数据挖掘和分析的手段搭建个性化的客户沟通服务体系，实现可衡量的低成本营销之路。精准营销的提出和实现，都是建立在大数据工具之上的。金融机构可以通过对用户特征、交易行为及服务需求进行全面采集与刻画，提取关键标签并形成用户的多维标签体系，实现用户画像，运用客户分层理论进行定位，实现更低成本的、更具针对性的精准营销。同时通过社交媒体与大数据技术的配合使用，对用户从社交到交易的行为路径进行挖掘、分析与管理，做到精细化管理，有针对性的吸引潜在需求客户，实现金融产品的智能推荐和精准营销，提升银行金融产品的匹配度，进而实现客户价值。

就具体应用来说，现在很多金融机构都有APP，就可以分析用户在寻找什么产品，用户在找到一款产品并真正实现交易的过程中会浏览哪些页面，在哪个页面停留最长时间，交易中断是什么原因造成的等，这些信息获取到以后，就可以通过数据挖掘和分析，得到结果可以用于提升运营效果。再比如说做存贷款产品营销时，可对高价值信用卡用户的AUM进行分析，筛选他们每月的消费金额、信用额度、当前存款情况、贷款有没有拖欠，是不是商务卡持有者等，通过这些维度对用户进行分析，再针对不同用户分群给出不同的营销策略。比如说哪些用户该提升额度，哪些应该为其推荐金融产品。在落实营销时，可以先通过短信进行营销，再通过呼叫中心来了解客户意图，当客户有意向时，再交由理财经理进行进一步跟进，提升客户贡献度。

（四）运用视觉和生物特征识别技术提升金融交易安全性

从金融监管的角度来讲，要“了解你的客户”是办理业务的前提，了解你的客户和做好客户的适当性管理是防范金融风险的基础，运用人工智能和生物识别技术能够提升客户识别的准确度和防止客户抵赖行为发生，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员会，旨在加强金融科技工作的研究规划和统筹协调，关注金融科技发展的动向和潜在风险。基于人工智能、大数据的金融风险防控，以及基于生物识别的身份认证与交易验证，将成为重点引导的试点。

就视觉与生物特征識别技术在金融行业的应用来讲，主要聚焦在安保方面，其应用较为成熟。通过人脸、指纹、虹膜等生物特征识别，协助识别验证客户身份，预警可疑行为和可疑人员，达到安全防范的目的。在所有的技术中，现阶段最受瞩目并迅速发展的是人脸识别。它目前主要有3种应用模式：人脸识别监控、人脸识别比对检索、身份确认。通过这些手段的综合运用，从而保障了金融交易的安全性。

（五）运用自然语言处理和知识图谱技术实现智能服务

银行网点虽然不会消失但是会变得越来越“隐身”，越来越智能，更多银行也在进行网点改造，智能设备乃至全自助服务成为主流。

在渠道智能化进程中，自然语言处理和知识图谱技术功不可没。其主要场景模式是智能客服和语音数据的挖掘。智能客服主要是通过电话客服渠道、网上客服、APP、短信、微信以及智能机器人终端与客户进行语音或文本的互动交流，理解客户业务需求，一方面减少人工重复性工作，另一方面采集客户数据，展开智能服务。语音数据的挖掘主要通过音语义分析自动给出重点信息聚类，联想数据集合关联性，检索关键词，并汇总热词，发现最新的市场机遇和客户关注热点，促进市场营销和智能服务。

在金融监管的协同和保障下，开展金融科技创新有着广阔的未来，但是从金融科技的原理来看，大数据是基础设施中重要的一环，数据的广度、深度和鲜活度是影响创新进程的一个因素，同时基于金融大数据的建模复杂度高和训练成本高也是金融业务的本质表现，相信随着金融科技的深度应用，金融科技会在整个金融业的稳健发展和风险防范中发挥越来越重要的作用。