1、金融科技金融科技(Fintech)在金融行业的发展趋势研究在金融行业的发展趋势研究背景介绍背景介绍华尔街失守：摩根大通家的华尔街失守：摩根大通家的AIAI将将3636万小时的工作缩至秒级万小时的工作缩至秒级银行家向码农低头。曾经汇聚全球顶尖金融人才的华尔街可能率先被人工智能攻陷。据外媒报道，摩根大通利用AI开发了一款金融合同解析软件，经测试，原先律师和贷款人员每年需要360000小时才能完成的工作，这款软件只需几秒就能完成。而且，不仅错误率大大降低，重要的是它还从不放假。8年前瑞银集团的交易大厅：现在的交易大厅：背景介绍背景介绍1金融科技含义金融科技含义1.11.1什么是金融科技？什么是金融科
2、技？金融科技（FinTech）一词为英文Finance+Technology的缩写，指金融和信息技术的融合型产业；2016 年 3 月，全球金融治理的牵头机构金融稳定理事会发布了金融科技的描述与分析框架报告，第一次在国际组织层面对金融科技做出了初步定义，即金融科技是指通过技术手段推动金融创新，形成对金融科技是指通过技术手段推动金融创新，形成对金融市场、机构及金融服务产生重大影响的业务模式、技术应用以及流程和产品金融市场、机构及金融服务产生重大影响的业务模式、技术应用以及流程和产品（FSB，2016）；金融科技(FinTech)通过利用大数据、人工智能、区块链大数据、人工智能、区块链等新兴技术对
3、传统金融进行改造、革新乃至颠覆，从而提供更为普惠的金融服务。它几乎正被应用到金融领域的方方面面：支付结算、借贷、投资管理、保险、众筹、征信，甚至是零售银行和房屋中介。1.21.2金融科技的发展历程金融科技的发展历程金融科技在中国的发展阶段，可以大致分为早期信息化阶段、互联网阶段、移动化阶段、智能化阶段和未来全面变革五个阶段。目前金融行业已经逐渐迈入“智慧金融”阶段，金融机构对科技人员、资源的投入逐渐加深。大数据、云计算、人工智能等前沿技术将进一步改造金融行业营销、风控、投研、投顾、产品创新、客户管理等环节。2金融科技在金融行业的应用金融科技在金融行业的应用2.2.金融科技的应用金融科技的应用目
4、前金融科技在金融行业的应用主要体现在以下三大方面：1.大数据大数据 大数据贷款 保险定价 用户画像和精准营销 2.人工智能人工智能3.区块链区块链 对账与结算 电子合同 智能合约 自动报告生成 量化交易 金融搜索引擎 智能投顾 2.12.1大数据在金融行业的应用大数据在金融行业的应用大数据在金融行业的应用主要体现在以下三个层次：1.数据架构数据架构+信息整合信息整合+人工建模人工建模 该阶段的大数据分析主要指建立一个收集和存储的大数据系统，加之信息整合和数据计算，通过人工建模的方式对金融数据进行初步分析。但是由于传统数据分析模型对于多维度、多形态的数据存在不适用的情况，因此该类技术应用仅仅是大
5、数据分析的初级阶段。2.征信及风控征信及风控 大数据在金融行业的另一重要应用便是贷款征信，其中主要包括贷前评估、贷中监测、贷后反馈三个主要的方面。贷前评估：贷前评估：国内个人征信试点于2015年才开始试行，最具代表的是芝麻信用。阿里体系的交易数据以及蚂蚁体系的金融数据形成强有力的数据支撑，自主研发信贷模型可用以支持银行、小贷机构进行征信及授信活动。但是信贷模型的训练需要人工智能技术作为辅助，通过机器学习不断完善模型并实时校正。贷中监测：贷中监测：主要是通过用户在贷款期的行为数据来发现问题客户并及时报警。贷后反馈：贷后反馈：基于用户本次贷款期间的数据，对该用户原有信贷记录评分进行补充，提升或降低
6、其信用额度以供后续使用。2.12.1大数据在金融行业的应用大数据在金融行业的应用3.保险定价保险定价金融行业也将大数据应用于保险的定价，其中最具代表性的两个例子便是车险和运费险。车险：车险：根据车主的日常行车路线、里程、行车习惯、出险记录以及车主的属性比如年龄、职业、性别等，给出适合于该车主的车险定价。其中，车载智能硬件的发展使得行车数据的获得变得简单且准确。运费险：运费险：运费险是近年才出现的险种，电商的发展是必不可少的促进因素。运费险是“小而美”的金融产品代表。据相关资料显示，其业务量近年的增长超过100%。2.22.2人工智能在金融行业的应用人工智能在金融行业的应用以大数据为基础，人工智
7、能为金融行业的发展提供了更多可能性。1.自动报告生成自动报告生成 投行业务及证券研究业务中涉及大量的固定格式的文档撰写工作，如招股说明书、研究报告及投资意向书等。这些报告的撰写需要初级研究员投入大量的时间及精力进行数据整理以及文本复制粘贴的工作。而这些文档中，有大量内容可以利用模板生成，比如公司股权变更、会计数据变更等等。而通过人工智能的自然语言处理及OCR技术可以方便快捷地完成以上工作，并最终形成文档。其中，自然语言处理包括自然语言理解和自然语言生成两种细分技术：自然语言理解：将人们自然语言消化理解，并转换结构使之可为计算机进行后续处理；自然语言生成：将计算机处理后的拆分的结构化数据转化成人
8、们可以理解的自然语言。OCR（光学字符识别）是针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。2.22.2人工智能在金融行业的应用人工智能在金融行业的应用2.量化交易量化交易 一直以来，量化交易都是运用计算机来进行辅助工作的：分析师通过编写模型，选取一些指标作为变量，利用机器来观察数据分布及计算结果。在这过程中，计算机仅是进行了简单的统计计算，并未发挥真正的作用。并且，利用传统的回归分析等方法来建模交易策略有两个弊端：首先，所用数据维度有限，仅限于交易数据；其次，模型可处理的变量有限，模
9、型的有效与否取决于所选取变量的特征和变量间的组合，而这很大程度上取决于研究员对数据的敏感程度。而金融科技的发展有效解决了上述问题。2.22.2人工智能在金融行业的应用人工智能在金融行业的应用2.量化交易量化交易 机器学习：机器学习：人工智能技术的发展与机器学习的崛起进一步提高了量化模型的准确性。计算机可以进行海量数据的处理、分计算机可以进行海量数据的处理、分析、拟合和预测。利用机器学习技术，结合预测算法，可析、拟合和预测。利用机器学习技术，结合预测算法，可以依据历史经验和新的市场信息不断演化，预测股票、债以依据历史经验和新的市场信息不断演化，预测股票、债券等金融资产价格的波动及波动间的相互关系
10、，以此来创券等金融资产价格的波动及波动间的相互关系，以此来创建符合预期风险收益的投资组合。建符合预期风险收益的投资组合。2.22.2人工智能在金融行业的应用人工智能在金融行业的应用2.量化交易量化交易自然语言处理自然语言处理 通过自然语言处理技术，引入新闻、政策以及社交媒体中的文本，将非结构化数据进行结构化处理，并从中寻找影响市场变动的因素可以进一步解决由数据推测模型的局限性。另外，自然语言处理技术可以实现“智能投融资顾问助手”。集合自然语言搜索、用户界面图形化及云计算，智能助手可以将问题与实践关联市场动态，提供研究辅助、智能回答复杂金融投融资问题。2.22.2人工智能在金融行业的应用人工智能
11、在金融行业的应用2.量化交易量化交易知识图谱知识图谱 知识图谱是一种语义网络，基于图的数据结构，根据已设计的规则及不同种类的变量连接所形成的关系网络。知识图谱提供了从关联性角度去分析问题的能力，将规则、关系及变量通过图谱的形式表现出来，进行更深层次的信息梳理和推测。以投资关系为例，知识图谱可以将公司的股权变更沿革串联起来，清楚展示某家PE机构于某一年进入某家企业、进入价格是多少、是否有对赌协议等等。这些信息可以用以判断PE机构进入时的估值及公司的成长节奏，同时该图谱还可以用来学习投资机构的投资偏好及逻辑的发展。2.22.2人工智能在金融行业的应用人工智能在金融行业的应用3.金融搜索引擎金融搜索
12、引擎 研究员在进行研究工作时需要搜集大量的数据和信息并进行整理和分析。目前所运用的软件如Bloomberg、Wind等数据终端只解决了信息和数据的问题，并没有解决信息过载后的整理和分析问题。而金融搜索引擎可以利用人工智能技术从大量噪音信息中快速找到准确且有价值的信息，提高研究工作效率。例如，成立于2017年7月的虎博科技（TIGEROBO）于2018年6月5日宣布已完成过亿元人民币Pre-A轮融资并宣布正式推出金融信息搜索引擎“虎博搜索”，其通过全自动深度学习、自然语言处理、知识图谱构建等技术，提供一问一答、一键秒回的金融信息智能搜索，以及精准、实时的金融信息智能推荐，使虎博科技的产品彻底区别
13、于传统金融信息平台的产品形态，带给用户最佳的产品体验。2.22.2人工智能在金融行业的应用人工智能在金融行业的应用4.智能投顾智能投顾 传统的投资顾问需要站在投资者的角度，帮助投资者规划符合其投资风险偏好、符合某一时期资金需求和适应某一阶段市场表现的投资组合。以上工作需要高素质理财顾问完成，昂贵的人工费用也无形中设置了投资顾问服务对象的门槛，一般只面向高净值人群开设。而智能投顾（也成机器人投顾）则是以最少量人工干预的方式帮助投资者进行资产配置及管理：理财顾问是计算机，用户则可以是普通投资者。智能投顾的目的在于提供自动化的资产管理服务，为投资者提供符合其风险偏好的投资建议。智能投顾平台借助计算机
14、和量化交易技术，为经过问卷评估的客户提供量身定制的资产投资组合建议，提供的服务包括股票配置、债券配置、股票期权操作、房地产资产配置等。2.32.3区块链在金融行业的应用区块链在金融行业的应用 区块链技术被认为是一项颠覆性的技术，已经在金融业界与政府层面引起极大关注。变革性的算法，去中心化的设计，都让人觉得区块链是一种颠覆现有格局的底层构架体系。目前区块链的应用还在很初级的阶段，相对来说比特币算是成熟一些的应用，不过目前只是投资和投机品，对实体经济的影响还没显现出来。3金融科技给传统金融行业金融科技给传统金融行业带来的冲击带来的冲击3.3.金融科技给传统金融行业带来的冲击金融科技给传统金融行业带
15、来的冲击1.对消费金融及支付领域的冲击对消费金融及支付领域的冲击 依照目前的状况，金融可以给金融行业带来的最大冲击还是集中在消费金融及支付领域。普华永道在其2016年的一份全球金融科技调查报告中指出，到2020年，对于银行和支付来说，将有28%的业务难以为继。近年来，随着第三方支付进入市场的门槛的逐渐降低，传统银行业面临较大的经营压力，部分业务正被新兴金融科技公司所分流，客户对传统金融机构的忠诚度不断下降，银行实体网点和职位受到不断冲击，金融科技取代传统银行职位已成为不可避免的大趋势。3.3.金融科技给传统金融行业带来的冲击金融科技给传统金融行业带来的冲击2.对保险业的冲击对保险业的冲击 金融
16、科技也在全球范围内深刻改变保险行业的行业格局。首先，保险行业参与主体更趋多元，行业规则将逐渐改写。传统保险公司、大型互联网公司、保险科技创业企业以及监管机构共同参与，一个新的保险科技生态系统正在形成。另外，科技在保险业的运用也更为广泛。例如现阶段，语音处理、图像识别和智能机器人在与客户的智能交互、欺诈检测、索赔处理等环节已经开始应用，下一步在厘定保险费率、产品定价、个性化风险评估、产品开发精算和风险水平压力测试的契合度方面，保险科技也将会有更大的应用空间。在此背景下，传统保险行业的数字化转型将不可避免。3.3.金融科技给传统金融行业带来的冲击金融科技给传统金融行业带来的冲击2.对投资行业的冲击
17、对投资行业的冲击 金融科技对传统投资行业的冲击更是不容小觑。近年来，随着金融交易数据量的急剧增大和数据形式的进一步多样化（如交易行情的结构化数据和财经新闻等非结构化数据），传统的量化模型（一般指完全采用数学方程进行建模的金融计量模型）的应用性不断下降。因此，将近几年大热的人工智能、深度学习和量化金融模型结合，让深度学习模型自主地挖掘隐藏在数据背后的统计性规律从而指导金融交易，已经成为了不可避免的大趋势。3.3.金融科技给传统金融行业带来的冲击金融科技给传统金融行业带来的冲击2.对投资行业的冲击对投资行业的冲击已有不少传统金融公司顺应潮流、做出转型：2017年1月，恒生恒生就已宣布他们已经在金融
18、交易的深度学习上进行了一定的探索；2017年12月18日起至2018年1月19日，易方达基金携手百度易方达基金携手百度发行“易百智能量化策略灵活配置基金”，发行方声称该基金能将百度中出现的搜索关键字、词，以及舆情等特色数据，构造成能反映投资者行为和市场情绪的“搜索量因子”及“舆情因子”，并纳入量化模型，从而获得更多的维度来分析市场、规避投资风险；并且该基金能借助百度人工智能技术领域方面的优势，结合其在互联网数据挖掘方面的积累，对证券市场相关数据进行深度分析，不断学习、理解市场，在多因子量化选股框架下扩充因子维度，进一步完善量化策略模型，从而对股票超额收益进行预测，并据此筛选具有投资价值的股票构
19、建投资组合；2018年1月8日，华泰证券华泰证券宣布发行“华泰紫金智能量化股票型发起式基金”，他们表示该基金能利用人工智能技术自主研发出择时的核心逻辑，依据市场主流指数基础量价关系，利用SVM、逻辑回归、神经网络等传统机器学习方法灵活判断投资机会。3.3.金融科技给传统金融行业带来的冲击金融科技给传统金融行业带来的冲击总之，FinTech最大的意义在于去中介化。拜网络所赐，现在传统金融服务可以更优化，比如买保险与投资金融商品，可以线上交易完成；人工智能软件能帮客户算出最佳投资组合，更不容易出错。银行柜员、保险业务员、理财顾问等职位可能会因为需求降低而影响饭碗。这些从业人员将会面临两种局面：要么
20、是公司帮助转型，改变工作内容；要么则是被裁员要么是公司帮助转型，改变工作内容；要么则是被裁员。4金融科技背景下对金融从业金融科技背景下对金融从业人才的新要求人才的新要求4.4.金融科技背景下对金融从业人才的新要求金融科技背景下对金融从业人才的新要求Fintech岗位需求量从2015年开始飙升，而且在今后的岗位需求只会有增无减。图片来源：ItJobsWatch4.4.金融科技背景下对金融从业人才的新要求金融科技背景下对金融从业人才的新要求金融科技背景下，未来这些岗位将有大规模人才需求：数据和金融分析方向。数据和金融分析方向。瑞银集团创新主管维罗妮卡兰格曾明确表示瑞银目前正在为人工智能领域招聘更多
21、人才，包括数据科学家、架构师和商业分析师。量化分析方向。量化分析方向。目前高级金融人才奇缺，量化分析师更是存在巨大供需缺口，至少有95%的空缺。资产管理方向。资产管理方向。随着投行前台的大幅裁员，资管领域同时扩招了13.2%，着重发展财富管理和资产管理业务，已经成为了商业银行转型的重要方向。风险管理方向。风险管理方向。目前风险管理人才基础薄弱，面对未来的发展趋势，金融业对风险管理的人才缺口是巨大的。4.4.金融科技背景下对金融从业人才的新要求金融科技背景下对金融从业人才的新要求金融专业学生如何自我提高？金融专业学生如何自我提高？辅修有关科技、编程语言科技、编程语言的第二专业，对于科技大环境有所了解，至少当一个IT出身的同事和你交流时，能顺畅地使用专业术语。提高数据分析能力提高数据分析能力。金融行业公司对于员工数据分析能力的要求进一步提高，但是公司并不只是需要会敲代码的程序员，不同的岗位对于量化、编程等技能的要求都会不一样，现在更需要的是能够将模型结果与商业问题相结合，将生硬枯燥的数字变成可行性强的方案来支持决策的人。成为“商科商科+数学数学+技术技术”的复合型人才，注重经济学与金融学、统计学、计算机技术尤其是软件编程、大数据、区块链、人工智能等多学科交叉知识的学习和掌握。THANK YOU!
