轻金融简介：

从金融业务发展场景来看，金融科技主要包括金融产品差异化定价、智能营销与客户服务、智能研投、高效支付结算四大方面；

金融科技的四大代表技术：云计算技术、大数据风控技术、人工智能风控技术、区块链技术在风险管理场景中的应用深度不同，各自的侧重点也不同，并且存在一定的交叉。

本文经微信公众号当代金融家（）授权转载，首发于《当代金融家》杂志2018年第4期。 作者：于勇 粤财集团首席风险官

近年来，从互联网金融到比特币、区块链，金融科技发展如火如荼，各种概念层出不穷； 但在实践层面，金融科技的应用内涵并不明确。 党的十九大报告和中央经济工作会议强调，防范化解重大风险，重点是防控金融风险，加强互联网金融监管，引导金融科技发展追本溯源，把服务经济社会发展作为金融科技的宗旨。 正源固本，金融科技在金融领域的应用亟待明确。

“金融科技”()是金融()和技术()的综合体。 根据金融稳定委员会（FSB）的定义，金融科技是指科技带来的金融创新，具体是运用“A”（人工智能）“B”（区块链）“C”（云计算）”D （大数据）等科技手段正在重塑传统金融产品、模式、流程和组织。 从科技创新在金融领域的应用场景来看，主要包括业务发展和风险管理两大场景。

▌ 金融科技在业务发展中的应用

金融科技的业务发展场景主要包括金融产品差异化定价、智能营销与客户服务、智能研究与投资、高效支付与清算等。

大数据和人工智能可以改变以往金融产品的统一定价模式，根据每个用户的情况实现差异化定价。

1.差异化的优质设计

保险公司推出的任何产品都必须基于所获得的数据并精算定价。 合理利用大数据有助于更准确地确定保险费率。 传统的定价方法是根据样本统计的历史数据来预测保险主体发生损失的概率。 然而，保险主体的风险状况不断变化，历史数据无法准确反映当前情况，样本数据也无法完全准确反映保险主体的风险特征。 保险公司可以利用大数据技术获取更多维度、更完整的数据，进而更准确地评估风险。

以车险为例，目前的定价主要考虑购买年份、价格等因素，并根据被保险人过往事故发生情况进行浮动。 保险公司可以利用大数据分析技术，根据被保险人的车辆使用频率、行驶路线、驾驶习惯等数据，精准计算损失概率，实现差异化定价； 对优质低风险客户降低费率，对高风险客户提高费率，吸引更多优质客户。

2、利率信贷差异化设计

当借款人申请贷款时，征信平台会评估用户的信用状况，以确定其是否会因贷款到期后无法偿还贷款而违约。 这样可以实现差异化定价，让信用良好、违约风险较低的优质用户能够以较低的成本获得融资和借贷服务，而信用相对平均、违约风险较高的用户则无法享受到信用溢价带来的好处。 此后，用户每在征信平台正常完成一次借贷和还款闭环，贷款利率就会相应降低。 当每个人的信用档案变得更加全面和完整时，就可以根据不同的信用级别实施精准的客户贷款利率和信用额度安排。

1、精准营销

在个人客户个性化营销方案和服务体系下，金融机构可以聚焦个体、差异化，通过用户画像和大数据模型实现基于个人客户精准定位的营销，最大化稀释成本。 精准营销是对客户的兴趣、爱好、购买能力进行预测和判断，根据综合评分推荐金融服务和产品。 以银行业为例，在购买服务和产品的三个基本步骤（了解服务和产品、产生利息、支付购买费用）中，客户通过互联网和私人渠道搜索，了解产品信息和类别，从而确定自己的产品。需要。 购买信息； 在这个认知过程中产生的搜索数据可以定位客户的收入水平、兴趣和爱好。 该银行利用分布式存储和云计算来挖掘客户信息，形成完整的客户关系（CRM）系统，设计并推送各种向消费者提供营销方案，实现精准营销。

2. 智能客服

金融客户的业务咨询中最常见的问题都是重复的且范围有限。 传统的人工客服需要大量的人力成本，但基于自然语言理解的会话机器人可以通过对话发现用户需求，解释和推荐产品，进而带来销售转化。 智能金融客服可以解决用户的大部分标准化问题。 当它非常确定答案时，它会直接回答。 当不确定时，它会给人工客服提供可能的选择。 人工客服只需快速判断，点击选择即可。 可以发送。 随着人工智能客服对传统人工客服的替代率提高，客服效率和问题解决率将大幅提升，人力成本也将大幅降低。

3、智能理赔

保险公司可以利用多年积累的理赔数据，建立自主知识产权的智能定损平台，利用人工智能技术对险情车辆进行智能图片定损，以海量真实理赔图片数据作为训练样本，使用机器学习算法来评估车辆的外观损坏。 决定是自动做出的。 过去，车险理赔不仅需要几天的时间，还需要客户提前付款，但现在只需要几分钟。

1. 研究自动化

在投资银行领域，存在大量固定格式文档的撰写工作，如招股说明书、研究报告、尽职调查报告、投资意向书等。在人工智能环境下，用户只需输入收集到的信息即可数据输入计算机并自动生成图表和报告。 研究人员只需修改、审查、总结并定稿即可。 同时，人工智能还可以自动采集各种公告、研究报告、公共知识库等，通过自然语言处理和知识图谱自动生成报告，每份速度可达0.4秒。

2. 机器人投顾

机器人投顾又称机器人理财，其核心是基于数据的积累和算法模型的不断优化，根据风险承受水平、收益目标和风格偏好，采用一系列智能算法和投资组合。由个人投资者提供。 优化等理论模型为用户提供最终的投资参考，并根据市场动态为资产配置再平衡提供建议。

随着金融市场不断向纵深发展，金融产品、交易策略、交易工具的层次日益复杂。 普通投资者的学习成本越来越高，难以跟上市场发展的步伐。 对专业投资顾问服务的需求日益凸显； 而传统投资顾问服务的限制（百万美元资金起步、服务流程繁琐、服务费用高、无法随时随地咨询、投资顾问技能参差不齐等）无法满足普通投资者的需求。 面对上述问题，智能投顾实际上让金融机构的服务在线化、智能化，从而以更低的费率服务于更广泛的普通个人投资者。

3、量化投资

人工智能中的机器学习算法通过自主学习找到信息与资产价格之间的相关性。 自然语言处理技术可以理解新闻、政策文件、社交媒体中的文本信息，通过知识图谱建模发现市场变化的内在规律。 这种方法赋予计算机常识，例如行业规则和投资关系，帮助机器消除干扰并更好地构造信息。

量化投资领域的智能机器从基本面、技术面、交易行为、终端行为、互联网大数据信息、第三方信息等衍生成因子库，提取因子数据生成训练样本，并选择用于建模训练的机器学习算法。 ，保留有效因素生成评分方程输出组合。 与人类智能相比，机器人大数据量化选股倾向于从基本面、技术、投资者情绪和行为等方面进行选择因素，对IT技术和数据处理技术的要求更高。

1、支付技术创新

金融科技创新在工具层面的应用，包括非接触式支付创新、智能穿戴设备支付创新、生物识别技术支付创新等，是安全与效率相结合的综合性支付技术创新。 例如亚马逊2017年推出的Go将个人生物识别与云计算等技术相结合。 无需对个人身份、账户、信用等级进行中间身份识别，消除支付载体，直接完成支付。

2、清算技术创新

市场参与者在使用区块链技术进行交易时可以享有平等的数据来源，交易过程更加公开、透明、有效。 例如，通过共享网络系统参与证券交易，使原本依赖中介机构的传统交易模式变成了去中心化的扁平化网络交易模式。

西方金融市场的实践表明，区块链技术支持的交易模式具有三大优势：一是降低证券交易成本，使交易流程更加简洁、透明、快捷，减少重复功能的IT系统，改善市场运行。效率。 二是准确、实时记录交易者身份、交易量等关键信息，让证券发行人清晰了解股权结构，提高经营决策效率，减少暗箱操作和内幕交易。帮助证券发行人和监管机构维护市场。 三是可以将交易日与交割日的间隔从13天缩短至10分钟，降低交易风险，提高效率和可控性。

3、跨境支付结算方式创新

当前跨境支付结算方式日趋复杂，存在时间长、成本高、中间环节多等问题。 付款人和收款人之间的第三方中介的作用非常重要。 同时，不同国家的清算程序也不同。 汇款通常需要23天才能到账，效率极低，且占用大量资金在途。

以银行为例，区块链将放弃中转银行的角色，实现点对点快速、低成本的跨境支付； 区块链安全、透明、低风险的特性提高了跨境汇款的安全性，加快了结算和清算速度，提高了资金利用率。 同时，银行可以不再通过第三方，应用区块链技术实现点对点支付，无需第三方中间环节。 全天候支付、实时到账、轻松提现，在满足支付需求的同时降低跨境风险。 对清算服务的及时性、便捷性的需求。

▌金融科技在风险管理中的应用

金融科技的四种代表技术在风险管理场景中的应用深度不同，关注领域也不同，存在一定的重叠。 云计算技术在提高海量数据的计算能力和速度方面带来了突破； 大数据风控技术主要应用于互联网金融信用风险管理领域，解决信息不对称问题； 人工智能风控技术是在大数据技术的基础上，主要解决风控模型优化问题； 区块链技术主要应用于支付结算等操作风险管理的技术安全领域。

大数据风控技术目前多应用于P2P、网络小贷等互联网金融领域。 主要针对的风险类型是信用风险，其中以违约风险为主。 优点是与传统风控方法相比，数据来源更广、识别速度更快、成本更低，有助于更好地解决信息不对称问题。 缺点是由于目前我国信贷数据分散、质量低下，部分风控模型过于依赖互联网、手机抓取数据进行分析，对借款人财务状况等关键变量分析不足和偿债能力。 这或许是《现金贷新规》指出“谨慎使用数据风控模型”的主要原因。

1.利用大数据技术进行欺诈识别

进行欺诈申请的客户很可能因为捏造了全部或部分信息而导致其自我申报的相关信息存在违规行为。 这些信息项可以成为欺诈识别模型中的重要变量。

（1）基于地理位置信息的欺诈识别：定位客户填写的地址信息作为地址位置坐标，并与客户常用物流地址的位置坐标进行比对。 如果发现客户提供的地址距离太远，则该地址信息有可能是虚假的。 对于移动渠道，可以定位互联网客户的具体申请地点，并与申请信息中填写的地址信息或职业信息进行比对进行验证。

（2）基于申请信息填写行为的欺诈识别：通过收集分析客户在申请过程中填写的行为信息进行识别，例如填写的时间、修改的次数、填写的内容等被修改等

（3）基于客户填写的信息与公司库存信息交叉比对的欺诈识别：如果多个申请的单位电话号码相同，但对应的单位名称和地址不同，则批量伪造申请的可能性很大。

（4）基于外部信息交叉比对的欺诈识别：恶意申请会隐瞒不利事实，如负债、运营问题、法院执行信息等，在互联网上捕获申请人的经营信息和法院执行信息。 可以验证申请人的真实资格。

2.利用大数据技术进行信用评分

排除欺诈可能性并进入评分规则引擎的客户将按类型分配到不同的细分模块，以适应不同的细分模型，包括不同的产品、不同的行业、不同的客户群体，例如汽车贷款、消费贷款不同类型的贷款申请调用不同的信用评分规则引擎，引擎根据用户授权自动捕获的数据通过特定的模型转换为个人信用评分数据和商户信用评分数据。

（1）基于个人信息抓取的信用评分：抓取用户在互联网上的购买数据、搜索引擎数据、社交数据、账单邮件信息等多维度数据，获取用户的性格、消费偏好、意愿、学历等。 个人信息。

（2）基于商户信息抓取的信用评级：抓取商户的交易数据（物流、资金流、信息流数据）和电商业务数据（如访客量、交易量、用户评价、物流信息等）提供对商家的信用评级。

3、运用大数据技术进行贷后管理

针对客户逾期还款的两大原因，即“还款意愿差”和“还款能力不足”，大数据技术通过违约信息调查和监测预警，及时追踪违约风险。

（1）违约信息排查：通过实时监控存量客户提前逾期付款、连续不付款、联系方式无效等情况，并将存量客户与新增黑名单、灰名单数据进行匹配，发现潜在违约客户及时。

（2）小微商户交易流向监控预警：利用从数据合作伙伴获取的商户交易流向信息，对其交易流向进行监控预警。 资金突然流入流出、不符合经营规则的交易流量下降、正常经营中的大额交易等都可以触发预警。

（3）负面信息监测预警：通过大数据实时监测，一旦发现客户负面信息、公安违法信息、法院执行信息、纳税信息、重要行业新闻、借款人社交网络中的负面情况，并发现借款人、互联网浏览行为、资金支付结算状况等，及时触发预警。

与互联网领域相比，金融场景中的数据有两个独特的特点：一方面，可用数据比互联网少，另一方面，存在大量无法解释的、高维稀疏的大数据。与传统的记分卡系统相比。 机器学习要解决的问题主要是模型构建和训练、性能监控和自迭代机制，包括深度学习、半监督学习、在线学习等技术。 核心是将互联网级别的机器学习技术应用于金融领域“降维”。 目前，人工智能与大数据技术的紧密结合已成为风险管理的核心技术。 其基本逻辑是通过深度学习和数据挖掘的自我更新、自我调整、自我迭代，从大数据更多维度把握风险。 法律。

1. 提取数据的深层特征

在数据复杂的大规模风控场景中，采用基于深度学习的人工智能特征生成框架，对互联网行为和时间序列、文本、图像等非结构化数据的深层特征进行处理和提取，大大提高了模型的性能影响。 例如，消费信用风险管理利用知识图谱、自然语言处理、机器学习等人工智能技术，发现借款人、企业、行业等不同主体之间有效的信息维度关联性，深入挖掘企业集团、上下游合作伙伴、竞争对手、管理人员信息等关键信息。

2、提高风控模型与数据的匹配度

不同的数据需要合适的模型来提取最大值。 机器学习方法用于互联网广告、搜索、推荐和其他应用程序，使用不同的机器学习模型来处理不同类型的数据。 在金融场景中，还可以利用复杂的集成模型处理数千个维度的弱变量，准确估计违约风险。

3、加快风控模型迭代

互联网每天都会产生大量的用户数据。 搜索和推荐模型需要持续、频繁地优化。 自我迭代的频率比金融领域更快、更准确。 机器学习可以解决模型手动迭代速度慢的问题。 在金融风险管理中，机器学习模型可以通过监控模型特征表现、贷款群体和业务反馈来有效、快速地迭代。

4.无监督机器学习反欺诈

欺诈风险量化还利用智能模型，例如无监督机器学习模型，根据可观察的交易特征变量和案例数据来学习什么是好样本和什么是坏样本，进行风险预测； 在没有标签数据的情况下，交易无监督机器学习模型应用于账户登录、欺诈等场景，通过分析欺诈与正常用户行为模式的异同来识别欺诈风险。

目前，区块链技术主要应用于操作风险管理中的身份验证、支付安全等领域，重点解决人工操作验证困难带来的风险。

1. 身份验证

当身份证明文件需要注销或补发时，在跨境操作的背景下，金融机构需要很长时间才能知道身份已被撤销。 区块链技术使得此类敏感信息的传输过程更加便捷高效。 身份验证系统利用区块链独有的智能合约选择性展示身份信息，实现相关方范围内的部分信息共享，防止身份盗用，增强用户隐私保护。

2、票据业务风险管理

票据业务具有低频大额交易、人工操作风险等特点。 基于区块链技术的数字票据具有独特的风险防控优势：一是可以有效防范票据市场风险，避免纸质票据的“一票多销”。 、电子发票付款背书不同步等问题； 其次，可以大大降低监管审查成本，完全透明的数据管理系统提供了值得信赖的溯源路径。

3.保险公司道德风险防范

在保险承保阶段，区块链技术可以打通不同公司之间的数据并相互参考，从而及时发现重复投保、历史理赔等信息，及时识别高风险用户。 在理赔阶段，根据区块链上记录的所有客户保险信息，可以快速发现保险欺诈并及时采取措施。

▌结论

党的十九大报告指出，创新是引领发展的第一动力。 金融机构要积极拥抱和推动科技驱动的金融创新，完善服务体系，提高服务质量，实现自身转型发展，迎接新业态的到来。 ■

余勇，粤财集团首席风险官，中国人民大学兼职教授，清华大学经济管理学院研究生院外聘导师，曾从事新资本协议、战略规划、风险管理、财务等工作。美国摩根大通银行和美国运通公司的衍生品。 曾从事产品交易与定价模型、金融信息安全等工作。曾任恒丰银行总行首席风险官、平安银行总行风险管理部及新资本协议办公室总经理、监管部中国银监会二级管理人员，参与起草《国际银行先进风险管理和国内银行风险管理》的综合经验。着有《货币、银行与经济》、《综合风险管理与资本》银行管理”，等等。

更多精彩文章（点击链接直接阅读）：

一、逐句解读中央经济工作会议

2、中建工农行四大银行竞争力对比

三、41家上市银行竞争力对比

四、重点排查103名中小银行负责人

5、央行银监会3600张罚单全解读

6.区块链正在颠覆华尔街

7、银行理财综合能力50强PK！

八、存款去哪儿了：股份制银行的困境与应对策略

9. 存款时，谁来存款？

10、广发银行、恒丰银行、渤海银行为何还没有上市？

深度沟通 | 活动定制| 公关顾问请加微信