学术界与金融业Fintech创新迸发：一文总览3大行、清华叉院最新Fintech成果

雷锋网 • 6年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

雷锋网AI金融评论报道，2018年1月20日，由中国网络空间安全协会、金融科技创新联盟、中国工商银行、中国金融电脑杂志社主办，腾讯公司、百度公司、IBM（中国）联合主办的“第二届中国金融科技创新大会”在北京举行。

据雷锋网 (公众号：雷锋网) AI金融评论了解，大会联合发布了专题报告《智能金融联合报告：与AI共进，智胜未来》；同时中国工商银行、中国农业银行、中国银行、国泰君安证券等国内主流金融机构，以及清华大学交叉信息研究院智能金融科技中心等研究机构发布了金融科技最新成果和应用创新案例。

从中国农业银行分享的案例中，可以看到目前农村金融服务的机遇和困境，以及农行实践出的解决方案；从中国工商银行的案例中，可以看到物联网对于新金融的机遇；清华大学交叉信息研究院金融科技中心的引擎系统，为我们呈现了全金融市场的系统性风险量化管理的必要性和可行性……

具体来说，对这些成果和案例，雷锋网AI金融评论作以下盘点和梳理：

金融机构的创新求变

中国工商银行：物联网技术是植根互联网的重要抓手

中国工商银行发言人表示，现在整个金融服务朝着数字化、线上化智能化方向发展。而为了应对“三化”的趋势，工商银行未来必须要打造“发展的核心理念、优质服务供给的能力，洞察分析、快速响应创新发展的能力，风险控制等的能力”。

为了形成这些能力，工商银行采取了三个方向为主要的抓手：

第一个从2014年开始我们推进实施IP效率转型，将原有的大核心为核心的系统，向未来主机核心加开放平台的双核心转变。
二是内部的组织机制和管理方面做出相应的适应和挑战。到2017年，中国工商银行成立了七大创新实验室 ，2017年先期投入300人的规模从事研究工作，未来三年预计投入500名专职人员从事相应的创新应用研发。研发方向包括企业级的应用，包括所谓的分布式技术，大数据跟云计算，以及物联网，生物识别，区块链和量子通讯。上述这些集群技术，工商银行内部进行了相应一些应用试点。
三是进行了人工智能、图计算、GPU、虚拟现实、增强现实等技术的验证的工作。 2017年工商银行新吸纳一个团队开展前瞻性的拟态防御的构造，以在金融安全方面能够更好满足实际需求。

具体的技术研发和验证工作，中国工商银行发言人介绍有：

第一是分布式技术体系。中国工商银行通过近几年的摸索，对分布式数据库，分布式服务，分布式构建等等打造了一些技术平台，通过这些技术平台可以快速向产品线或者是在研发过程提供分布式技术支持。
在大数据方面，工商银行打造了‘两库一平台’为核心架构的大数据服务体系，即所谓结构化数据，就是数据仓库；以及非结构化数据图片视频、音频文档，所谓集团的信息库；另外，行内构建了五个流数据平台。例如，在客户营销场景中，通过客户画像可以为客户提供比较精准的服务推荐；同时在风控领域发挥了作用。
云计算方面，将努力建设Iass跟Pass的平台，其中Iass也做了落地，现在有万级容器的规模，但跟阿里公有云比还是要弱一些。

据介绍，业务方面中国工商银行也做了相应的探索：

消费互联网金融领域比较被动，还有广阔的空间可以进一步探索。如果银行去植根到所谓产业互联网，物联网技术是非常重要的抓手。某种技术跟工业、农业、商业等消费领域进行融合集成，可以加速相应的信息的交换、融合。同时风险防控应该有更好的措施和手段。
此外，行内信用卡分期、车押贷款、车辆管理还是松散，在2018年继续深入扩大物联网应用。
区块链方面，工商银行打造了自主的区块链平台，申请了十一项专利。两个试点包括：贵州拆迁款记录，雄安新区智慧森林的建设。因为其实用的比较简单，就是应用区块链技术的不可篡改特性，保证整个交易过程资金划归过程都是可回溯的。
生物识别确定一定应用成绩，但生物识别技术还是存在着潜在风险，工商银行一直把它作为一个辅助手段，该技术未来还是需要加强。
上线了智能投顾应用AI投。详见雷锋网AI金融评论此前报道—— 《工行公布上线智能投顾“AI投”，“四大行”在金融科技赛道的新发力》
最后，是通过API开放平台打造更加开放互联融合的金融生态。通过这个API平台可以很方便地跟工商银行一些金融工商服务进行集成。

中国农业银行，以金融科技助力“三农”金融服务转型

第一部分是和大家一起看一下三农金融服务的机遇和挑战。第二部分是农行前期探索与实践。第三三农综合服务平台—惠农E通。最后未来的展望与愿景。

三农金融的服务机遇和挑战

据雷锋网AI金融评论了解，演讲中中国农业银行发言人表示，从基础建设的角度来分析，农村的信息化程度在不断的提高，同时农村网络环境大幅度提升，农村人口结构和收入都在持续优化，但是我们还是面临着重大的一个挑战和问题——三农地区获客成本比较高，而且利润很低，服务可获得性非常差，信用体系不完善。基于这样一个，怎样面对挑战解决这些问题？金融科技是我们最好的切入点。

中国农业银行通过多年的总结、实践，探索出来的互联网三农金融服务有以下五个模式：

第一就是电商加涉农，第二是商业银行线上化服务，第三是以农业的龙企业为代表的农业产业链加在线金融的模式。第四是以农产品交易市场加供应链金融。最后是P2P、众筹。

相应的，农业银行形成了「三大平台五大产品线」的长期战略。三大平台分别是社交生活平台，电子商务平台，金融服务平台。五大产品体系就是网络支付，网络融资等。

2017的金融科技创新和试点方面，农业银行称内部做了大量的前期探索：

以区块链为例，区块链部分搭建了农行区块链技术平台，支持整个雄安新区拆迁款的补偿和发放；
移动互联方面与农行安全支付体系结合，推进三农服务的移动化。
人工智能方面，我们和百度联手构建了一个「金融大脑」，在业内率先推出了安全边界的刷脸服务，提供了语音导航。其中，中国农业银行2015年将智能客服用到了三农领域，今天对人工的转流率、分流率已经超过60%。
大数据方面，中国农业银行推出了数据网贷等现代产品，每月7000万的用户推送精准的营销信息。
云计算方面我，中国农业银行是和华为开展的联合创新，建设了新一代的基础架构云计算的平台。

中国农业银行一号工程：惠农E通平台

惠农E通平台，是中国农业银行一号工程，主要以互联网金融服务三农的综合平台。在此平台上，又有三大产品线，分别是惠农E贷、惠农E付、惠农E商，每个产品下有五个子产品，共同支撑着惠农E通平台。据雷锋网AI金融评论了解，该平台实际的生产场景就是生产+流通，包括生产、库存、配送、订单，实现农产品的进程和工业品的下乡，同时把中国农业银行的服务，包括电商服务和传统的金融服务融合到管家服务中，即把供销层的关系，和金融服务结合在一起，有场景有服务，有流量，形成生态闭环。

未来的展望和愿景，无论是服务三农还是服务城乡，实际上永远离不开基础设施的建设。所以说这些后续的创造，还是依赖于整个农业银行金融科技具体的应用和实践。

中国银行：金融科技助力商业银行业务发展

中国银行金融技术创新办公室（以下简称“办公室”）发言人介绍称，

中国银行于2016年8月份成立了金融技术创新办公室，主要面向一个痛点——解决现在整个商业银行风险偏好和金融科技创新的风险激进这两者之间的不平衡的问题。

强监管场景的技术应用采用自主研发

中国银行方面介绍称，该行做人工智能的尝试，选取的角度和同业的想法不太一样。首先，生物识别、智能客服等采用外包形式完成。而对于涉及数据等强监管的场景，办公室希望在保障数据隐私安全的情况下，通过一定的外界合作实现自主研发。具体来说，中国银行目前希望自主研发的应用，集中在两个场景：

第一个场景是应用人工智能技术提升效率，比如SWIFT分报。这个场景中国银行现在应用在运营方面，就是运营的智能化。这个场景为什么自己做的？这里面包含了很多客户信息，这些受到强监管。
第二部分应用人工智能技术预测金融市场的初步探索，比如基金风格模型、稳健风格模型等。“做这些模型的时候涉及到大量的业务知识产权，所以这一类工作我们很难通过引进合作的方式去做。”据介绍，这个场景有一些阶段性的成果，主要在基准生成模块，回看市场的信息，给出未来的一个交易方向和交易强度的建议。

当然，在用户画像识别、精准营销、智能风控等领域，中国银行都在进行相应的研发与应用。中国银行金融科技创新办公室发言人表示，

“未来我们觉得银行对客户提供的服务就是一个被客户领养的AI，AI每天和你在一起，不断学习客户的喜好，学习客户的整个情况，以帮助客户更好地使用银行提供各种各样的金融服务。这样AI未必是长成一个人或者是什么样的东西，它可以在你手机里，也可以在你车里，可以在各个使用的，这些背后就是银行通过自己内部强大的运营能力来给它提供服务支持。这也是我们未来的一个愿景。”

国泰君安证券：技术助力市场、资产的定价把握能力提升

雷锋网AI金融评论获悉，国泰君安证券发言人表示，国泰君安未来希望能够进一步提升对市场、资产的定价把握能力，成为领先的信贷投资银行。

为什么讲“科技+服务”？据介绍，国泰君安要服务的客户有1.3亿左右，大部分是持有零到50万的资产，采用传统的人工服务基本无法完全覆盖。因此，在技术的帮助下，国泰君安的服务追求四个方面：

跨条线，全场景流程，商业价值传递，普惠金融服务。

国泰君安证券方面表示，当前是一个弱人工智能时代，最大的特征不能替代人，只是帮助人。所以目前是定位是提供智能服务，以人机同行的方式辅助客户解决问题。

所以，国泰君安发布了国泰君安智能化服务的品牌“君弘灵犀”智能引擎，这个智能引擎包括面向投资者的投资辅助决策平台，主要解决三个用户痛点——“投什么？怎么投？为何投？”；同时包括自营用的系统。

据介绍，“君弘灵犀”通过用户数据来为其提供所需的服务，包括证券交易、理财产品、支撑内容、客户服务。具体来说，其技术链条可拆解为：

大数据。国泰君安四年前已经做好大数据的平台，能够提供海量客户的用户数据跟行情数据，能够提供每秒钟两万笔的运算。
机器学习。通过向量模型、知识图谱等技术，快速地解读海量的研究报告、判断行情、跟踪热点投资者、提供股票策略等。
标签体系。可以服务于各个场景，很多场景的基础就是这个标签体系。200多家的基础业务运营指标，除了用户专项还有用户指标的专项。
智能匹配。大家知道，真正能把服务做成个性化、场景化、智能化，有一个很重要的，把相应的服务、产品进行智能化的匹配，“我们现在整个匹配的准确率要高于90%，我们有50万以上的业务推荐的规则已经产生了，可以用实时的资讯、行情、产品等数据进行营销转化，帮助用户进行实时的匹配。”
量化策略，国泰君安提供了包含十二年的分钟级的数据，能够提供回测的服务，帮助投资者作出量化策略的自我的选择。
语义分析。典型场景之一是智能客服。“通过机器学习，我们可以从海量当中提取特征做很好的语义处理。”

金融新势力：基础学科交叉结合

清华大学交叉信息研究院：建设金融市场建模决策优化的底层架构

据雷锋网AI金融评论了解，清华大学金融科技中心成立于2016年4月份，2017年12月份，又把这个金融科技中心升级为金融科技研究院，同时成立了自己的金融科技公司——财富引擎科技公司，用以进行金融科技中心科技的产业化合作。

与此同时，中心发言人介绍称，清华大学交叉信息研究院在2016年10月份跟蚂蚁金服成立了全球首个金融科技实验室，并且在这个基础上成立了一个四校联盟，包括：清华大学、普林斯顿、韩国高等技术院、法国北方高等商学院风险与管理中心。“此前，我们在欧美实践产学研的项目，做了金融市场模拟和金融优化算法方面的产学研部署和系统的研究。另外一个是给TowersPerrin公司搭建了系统。”

清华大学交叉信息研究院表示，为财富管理界搭建顶层架构，专业投资者更关注的是风险管理。在美国，底层技术和底层算法，覆盖了85%以上的金融机构，专业不专业最大的区分在于，专业的投资指不管是价值投资，还是量化投资、基本面投资显著的差别就是专业的投资者，能知道自己为什么亏钱，为什么赚钱。“所以，引入科学化投资投资系统，就是要解决“投什么，为什么投、怎么投”的问题。”

他介绍道，

“我们做的技术架构，就是做一个大数据的平台，所有的底层资产数据全都整合在一起，在上面进行建模与分析。我们结合了可显示的传统统计与金融计量分析的方法，以及现在新的机器学习的方法——机器学习在大规模的风格挖掘上非常有竞争力，另外一方面，统计和计量分析在金融建模可解释性方面有优势，所以两者结合起来。”

清华大学金融科技中心发言介绍称，从技术框架来说，解决的是整个投资管理问题：

一是金融市场的模拟性，解决的是金融市场联合的风险建模问题。其实就是回答“是什么”
二是金融市场的决策优化引擎问题，来为所有问题找到一个优化的解，这环节利用运筹优化的方法做一个优化的决策引擎。
关于“投什么”，就是一个量化基调的系统，对所有底层资产进行非常深入的分析，同时会对用户层面进行从标签系统，到无监督学习的整个建模过程，即用户画像的建模系统。

现代券商需要全业务条线的风险管理引擎

打造一个投资管理的基础架构和底层的能力，在应用层面就包括对证券公司银行风险管理，对各种公募基金、大型机构投资者、银行保险公司、养老基金资产负债优化。“所谓智能财富管理，我们其实是想用金融科技的力量去赋能中国的金融机构，可以驱动业务的增长。”

举个例子，美国每一家券商都会有一个风险引擎—— 一天没有这个风险引擎就活不下去，可能上午还存在券商，下午就不在了。这曾经有过先例，当年KCG上午还存在一家券商，但是程序里面出了大Bug，下午就把这个公司所有权亏掉了，下午被人收购了。

清华大学金融科技中心发言人称，一个非常强大的引擎对现代的券商是非常核心的东西。依靠它可以对整个公司多条业务线，整体的风险敞开估计。实施的控制是非常必要的，随着我国金融市场的发展，以后每家金融机构都会需要这样子的核心的引擎的系统。

“那就是说金融市场建模决策优化需要有人来做底层的架构。而清华大学是做这个事的最好载体。”

举个例子，目前清华大学金融科技中心研发的系统产品，其中就包括一个“MSG金融市场模拟器”，用于先看清金融市场的情况，对金融市场所有的资产进行联合风险建模，尤其像去年监管层出了资管新规，打破刚性兑付，把风险引入市场。

然而，风险是一个概率分布的事情。“我们的做法是真正走向一个科学的定量分析，对资产内部的风险成分进行深入分析，比如对一道菜里面的营养成分，包含多少微量元素、多少蛋白质、多少淀粉等进行分析，而不是目前浮于表征的建模方法。”

比如，资产内部受什么样的风险驱动因素，受多少宏观层面、基本面、技术层面、行业层面、公司层面的风险驱动因素的影响。智能财富管理引擎先利用该程序弄清楚这些驱动因素，“这方面我们总结了上千个风险驱动因素的池子。”

同时基于机器学习的方法，去筛选近期对市场有影响的风险驱动因素。据介绍，系统联合统计计量的方法，对整个金融市场的收益风险进行联合建模，以更深入地理解金融市场最后的驱动因素。

“市场上80%的风险变动都是可以量化解释的。”

决策

据雷锋网AI金融评论了解，在投资决策环节，这个决策优化引擎，一方面做投资管理优化，另外一方面是风控优化，第三方面就是用户画像建模。

但是，清华研发的投资引擎系统还有一个创新之处：对整个用户画像分为多个层次。据介绍，

一方面基于用户基本信息、流水信息，以及行为数据等信息进行全方位的评估；
但是，给用户贴上标签，对业务没有直接的驱动作用。所以，第二方面是结合无监督学习的技术，就可以对用户的行为直接建模，直接预测和解释其微观行为，从而进行投资管理和服务管理。

最后是整合整个市场上资产进行量化分析，解决“投什么”的问题。

==============全文完==============

【今日福利】比特币等虚拟货币的波动性总是出乎人意料，资本和人心难以捉摸，但价格的另一影响因素却朴素得多——技术和应用价值。这也是2017年区块链行业的关键词。过去的一年，在众多大小公司涌入区块链，POC项目和代币遍地开花的同时，也有一些先行者呼吁，“不要为了区块链而区块链”。

技术的发展永无止境，在这条探索的道路上，我们看到的不只是尸骨，还有正在建造的座座丰碑。2017年，雷锋网曾与数十家区块链行业传统企业、新创公司进行对话，并报道。现在我们选取了其中8家代表性机构的实践案例，包括工商银行、招商银行、平安集团、银联、蚂蚁金服等，汇编成特辑报告。除此外，还有20+智能金融公司案例，涵盖普惠金融、风控信贷、财富管理等议题。

以下为特辑部分目录：