1、 PAGE 9中國金融科技前沿技術發展趨勢及應用場景研究前 言 國家高度重視金融科技應用對于強化金融監管能力和促進金融轉型發展的雙重作用。在強化監管方面，以降低合規成本、有效防范金融風險為目標的監管科技(Regtech)正在成為金融科技的重要組成部分。在促進發展方面，金融科技應用能夠有效提升金融服務效率，強化對實體經濟的服務能力。隨著云計算、大數據、人工智能和區塊鏈等新興技術在金融領域的廣泛應用，金融科技正在以迅猛態勢深刻改變金融行業生態和服務模式。本報告聚焦云計算、大數據、人工智能和區塊鏈等四大新興技術領域，從應用價值、關鍵技術、應用場景和典型產品分析等四個方面，深入剖析四大新興技術在金融領

2、域的應用情況。首先，從金融行業應用需求出發，明確技術應用的市場價值；接著，深入淺出的闡述技術基本原理，明確在金融領域技術應用的特殊屬性；然后，重點分析技術應用的具體場景，詳細描述應用細節；最后，對典型技術產品進行技術指標的對比分析。本報告還重點關注了金融科技應用背景下的信息安全問題，基于對金融科技應用帶來的信息安全風險的深入分析，從個人信息安全保護和金融信息跨境流動兩個焦點領域，分析其治理途徑和防范措施。最后，本報告分析了云計算、大數據、人工智能和區塊鏈等新興技術在金融領域的應用發展前景，并從監管科技發展、行業需求推動和技術融合生態等多個角度，進一步分析預判了金融科技前沿技術應用發展的最新趨勢

3、。目 錄 HYPERLINK l _bookmark0 一、金融科技發展的背景分析6 HYPERLINK l _bookmark1 （一）國家高度重視金融科技應用的重要價值6 HYPERLINK l _bookmark2 （二）金融科技應用正在深刻改變金融行業生態6 HYPERLINK l _bookmark3 （三）傳統金融機構轉型發展帶來金融科技應用的廣闊空間7 HYPERLINK l _bookmark4 （四）新興科技快速演進不斷強化金融科技應用能力8 HYPERLINK l _bookmark5 二、云計算在金融領域的應用9 HYPERLINK l _bookmark6 （一）云計算

4、在金融領域的應用價值探討9 HYPERLINK l _bookmark7 （二）云計算在金融領域應用的關鍵技術剖析10 HYPERLINK l _bookmark8 （三）云計算在金融領域的應用場景解讀12 HYPERLINK l _bookmark9 （四）云計算在金融領域應用的典型產品對比分析13 HYPERLINK l _bookmark10 三、大數據在金融領域的應用15 HYPERLINK l _bookmark11 （一）大數據在金融領域的應用價值探討15 HYPERLINK l _bookmark12 （二）大數據在金融領域應用的關鍵技術剖析15 HYPERLINK l _boo

5、kmark13 （三）大數據在金融領域的應用場景解讀17 HYPERLINK l _bookmark14 （四）大數據在金融領域應用的典型產品對比分析20 HYPERLINK l _bookmark15 四、人工智能在金融領域的應用21 HYPERLINK l _bookmark16 （一）人工智能在金融領域的應用價值探討21 HYPERLINK l _bookmark17 （二）人工智能在金融領域應用的關鍵技術剖析22 HYPERLINK l _bookmark18 （三）人工智能在金融領域的應用場景解讀25 HYPERLINK l _bookmark19 （四）人工智能在金融領域應用的典型

6、產品對比分析28 HYPERLINK l _bookmark20 五、區塊鏈在金融領域的應用31 HYPERLINK l _bookmark21 （一）區塊鏈在金融領域的應用價值探討31 HYPERLINK l _bookmark22 （二）區塊鏈在金融領域應用的關鍵技術剖析32 HYPERLINK l _bookmark23 （三）區塊鏈在金融領域的應用場景解讀34 HYPERLINK l _bookmark24 （四）區塊鏈在金融領域應用的典型產品對比分析37 HYPERLINK l _bookmark25 六、金融科技應用背景下的信息安全管控38 HYPERLINK l _bookmar

7、k26 （一）金融科技應用對信息安全產生的影響38 HYPERLINK l _bookmark27 （二）金融領域個人信息安全保護措施分析38 HYPERLINK l _bookmark28 （三）金融信息跨境流動的安全治理途徑分析39 HYPERLINK l _bookmark29 七、金融科技前沿技術應用發展趨勢40 HYPERLINK l _bookmark30 （一）云計算應用進入深水區，將更加關注安全穩定與風險防控40 HYPERLINK l _bookmark31 （二）大數據應用走向跨界融合，標準與規范是未來發展關鍵40 HYPERLINK l _bookmark32 （三）人工

8、智能應用加速發展，從計算向感知與認知的高階演進41 HYPERLINK l _bookmark33 （四）區塊鏈從概念走向應用，前景廣闊但仍面臨多重制約41 HYPERLINK l _bookmark34 （五）監管科技正得到更多關注，將成為金融科技新應用爆發點42 HYPERLINK l _bookmark35 （六）行業應用需求不斷擴展，將反向驅動金融科技持續創新發展42 HYPERLINK l _bookmark36 （七）新一代信息技術形成融合生態，推動金融科技發展進入新階段43一、金融科技發展的背景分析（一）國家高度重視金融科技應用的重要價值國家高度重視金融科技應用對于強化金融監管能

9、力和促進金融轉型發展的雙重作用。2017 年 6 月，中國人民銀行印發中國金融業信息技術“十三五” 發展規劃明確提出，“十三五”期間金融信息技術工作的發展目標包括金融信息基礎設施達到國際領先水平、信息技術持續驅動金融創新等。2017 年 7 月， 國務院印發的新一代人工智能發展規劃專門提出了“智能金融”的發展要求， 指出要建立金融大數據系統，提升金融多媒體數據處理與理解能力；創新智能金融產品和服務，發展金融新業態；鼓勵金融行業應用智能客服、智能監控等技術和裝備；建立金融風險智能預警與防控系統。在強化監管方面，以降低合規成本、有效防范金融風險為目標的監管科技(Regtech)正在成為金融科技的重

10、要組成部分。利用監管科技，一方面金融監管機構能夠更加精準、快捷和高效的完成合規性審核，減少監管的人力支出，并實現對于金融市場變化的實時把控，從而進行監管政策和風險防范的動態匹配調整。另一方面金融從業機構能夠無縫對接監管政策，及時自測與核查經營行為，完成風險的主動識別與控制，有效降低合規成本，增強合規能力。在促進發展方面，金融科技應用能夠有效提升金融服務效率，強化對實體經濟的服務能力。大數據、人工智能等新技術應用能夠幫助金融機構更好地識別風險，降低金融服務成本，為普惠金融服務創造有利條件，還能加強金融精準服務能力，設計提供更個性化的金融服務產品。此外，金融科技的應用能夠更廣泛的收集、整理和分析金

11、融客戶信息，讓更多弱勢群體進入金融服務范圍，有效提升金融服務覆蓋能力。（二）金融科技應用正在深刻改變金融行業生態隨著金融科技的廣泛應用，金融行業的對外服務模式和對內管理模式都在發生深刻變革。金融科技已經全面覆蓋客服、風控、營銷、投顧和授信等各大金融業務核心流程，衍生出互聯網銀行、直銷銀行、互聯網保險、互聯網證券、消費金融、小額信貸、網上征信、第三方支付等一系列新興金融業務領域。金融科技正在重塑金融行業的產業鏈、供應鏈和價值鏈。一是互聯網金融快速興起，對傳統金融行業帶來巨大沖擊。首先，互聯網技術極大拓展了信息傳播的渠道、方式，大幅減小了信息不對稱的現象，擴展了金融服務供需雙方的客戶群。其次，互聯

12、網金融模式下，交易雙方直接在網上進行互動，打破了時空上的限制，提高了交易效率，減少了中間環節與中間成本的消耗。再者，互聯網利用先進的技術實現資源高度實時共享，能夠使業務處理逐步實現自助化、自動化與系統化，使交易更加便捷、有效。二是大量非金融企業進入金融行業，金融市場主體出現顯著變化。一方面大量科技企業借助金融科技發展契機，積極獲取金融牌照，跨界提供金融服務，“科技+牌照”成為趨勢。另一方面，大量具有 To C 服務經驗的傳統企業，發揮用戶規模優勢，通過用戶數據資源與金融科技的結合，也積極跨界提供金融服務。此外， 大量依托于金融科技的新興創業企業，成為金融市場的新興力量，在金融科技領域的技術和商

13、業模式創新成為其核心競爭力。（三）傳統金融機構轉型發展帶來金融科技應用的廣闊空間面對 P2P、移動支付、眾籌等互聯網金融業態的快速發展，傳統金融行業在挑戰和壓力下紛紛轉型升級。為了抓住金融服務結構化調整升級機遇，搶占增量市場價值，傳統金融結構紛紛將小微金融、普惠金融和智能金融，列為戰略發展重點方向，從而帶來了金融科技更加廣闊的應用空間。在普惠金融方面，金融科技所帶來的金融創新能夠降低成本、提高效率，擴大覆蓋面，真正服務于基層。例如，大數據技術能將各方信息匯總并綜合評估判斷，擴展信用數據邊界，將原本非信用數據作為信用評估的來源，覆蓋原本沒有被傳統征信系統記錄的人群或企業，從而提升信貸的覆蓋面。在

14、小微金融方面，面對小微企業個性化、特色化和專業化金融需求特征，金 額科技能夠為商業銀行解決小微企業金融服務中存在的信息不對稱、交易成本高、場景服務不足和風控難等問題，為小微金融服務提供解決方案。在智慧金融方面，以 P2P 網貸平臺、職能投顧、大數據征信行業為代表的依托金融科技手段的智慧金融能夠使金融行業在業務流程、業務開拓和客戶服務等方面得到全面的智慧提升，實現金融產品、風控、獲客、服務的智慧化。（四）新興科技快速演進不斷強化金融科技應用能力當前，“大智移云”等新興科技快速演進，人類社會正在從信息化走向數字化和智能化。隨著云計算、大數據、人工智能和區塊鏈等新興技術在金融行業的深入應用，科技對于

15、金融的作用被不斷強化，創新性的金融解決方案層出不窮， 金融科技發展進入新階段。其中，云計算技術能夠為金融機構提供統一平臺，有效整合金融結構的多個信息系統，消除信息孤島，在充分考慮信息安全、監管合規、數據隔離和中立性等要求的情況下，為機構處理突發業務需求、部署業務快速上線，實現業務創新改革提供有力支持。大數據技術為金融業帶來大量數據種類和格式豐富、不同領域的大量數據，而基于大數據的分析能夠從中提取有價值的信息，為精確評估、預測以及產品和模式創新、提高經營效率提供了新手段。人工智能能夠替代人類重復性工作，提升工作效率與用戶體驗，并拓展銷售與服務能力，廣泛運用于客服、智能投顧等方面。區塊鏈技術能夠有

16、效節約金融機構間清算成本，提升交易處理效率，增強數據安全性。二、云計算在金融領域的應用（一）云計算在金融領域的應用價值探討1.有效降低金融機構 IT 成本 2.具有高可靠性和高可擴展性 性能上，云計算通過虛擬化技術將物理 IT 設備虛擬成 IT 能力資源池，以整個資源池的能力來滿足金融機構算力和存儲的需求。在物理設備上，云計算采用X86 服務器和磁盤陣列作為基礎設施。此外，通過云操作系統可以實現 IT 設備的負載均衡，提高單位 IT 設備的使用效率，降低單位信息化成本。因此，在 IT 性能相同的情況下，云計算架構的性價比遠高于以大型機和小型機作為基礎設施的傳統金融架構。 傳統金融架構強調穩定性

17、，擴展能力相對較差。在基礎資源上，大型機或小型機只能縱向擴展提升能力（ scale-up ）， 不能實現更加靈活的橫向擴展3.運維自動化程度較高 （scale-out）。因此，隨著業務需求增加，服務器越來越大，且交付時間越來越長。傳統應用架構強調單體應用，數據庫強調數據強一致性，可擴展性差。在可靠性上，云計算可以通過數據多副本容錯、計算節點同構可互換等措施，有效保障金融企業服務的可靠性。在可擴展性上，云計算支持通過添加服務器和存儲等IT 設備實現性能提升，快速滿足金融企業應用規模上升和用戶高速增長的需求。 目前，主流的云計算操作系統都設有監控模塊。云計算操作系統通過統一的平臺管理金融企業內服務

18、器、存儲和網絡設備。通過設備的集中管控，可以顯著提升企業對 IT 設備的管理能力，有助于實現精益管理。此外，通過標簽技術可以精準定位出現故障的物理設備。通過現場設備更換可以快速實現故障排除。傳統金融架構下，若設備發生故障，基本每次都需要聯系廠家進行維修，缺少自主維護能力。 4.大數據和人工智能的支撐技術 云計算技術可以幫助金融機構通過統一平臺，承載或管理內部所有的信息系統，消除信息孤島。此外，信息系統的聯通可以將保存在各系統的數據集中到一起，形成“數據倉庫”，從而實現內部數據的集中化管理。如果說大數據是金礦， 金融云則可被看作是礦井。礦井的安全性、可靠性直接決定了金礦的開采效率。此外，云計算還

19、為大數據和人工智能技術提供便利且可擴展的算力和存儲能力。（二）云計算在金融領域應用的關鍵技術剖析1.云計算的基本原理 在云計算技術架構中，核心是云計算基礎設施和云計算操作系統。云計算基礎設施由數據中心基礎設施、物理資源和虛擬資源組成。云計算操作系統由資源管理系統和任務調度系統構成。 云計算基礎設施指的是計算、存儲和網絡等物理資源和虛擬資源組成的資源池。云計算操作系統是對資源池中的 ICT 資源進行調度和分配的軟件系統。云計算操作系統的主要目標是對云計算基礎設施中的 ICT 資源進行統一管理，構建具備高度可擴展性、能夠自由分割的 ICT 資源池，做到同時向云計算各服務層提供多種粒度的計算和存儲能

20、力。 圖 1：云計算技術架構1 2.金融云特性 物理設備層，大型金融機構經過數十年的信息化建設，擁有非常復雜的 IT基礎設施體系，包括 X86 服務器、小型機、大型機、SAN 存儲、NAS 存儲、OSD 存儲和網絡等。虛擬化層，不同的設備擁有各自的虛擬化軟件，各類設備組成多個資源池。因此，金融機構需要一個多云管理平臺來統一管理這些 IT 資源，以實現內部系統的打通和數據的整合。 為滿足業務連續性要求，金融企業還要建立完善的災難備份和災難恢復體系。災難備份主要有三種方式，分別為同城災備、異地災備和兩地三中心模式。通過業務和數據的備份可以減少系統停機時間，保證業務的連續運行。 金融行業對業務連續性

21、有著非常嚴格要求，它的實現涉及到管理制度、技術方案和物理設施等多個層次，要確保這些關鍵職能在任何環境下都能持續發揮作用。這就使得金融機構對 IT 系統的穩定性、可用性、網絡時延性以及數據安全性具有更高的要求。銀行、券商等金融機構的關鍵業務系統如果停機 10 分鐘以上，就屬于極度嚴重的金融事故，會造成巨大的經濟損失。 圖 2：大型金融機構云計算技術架構1 1 商業銀行私有云設計與實現，機械工業出版社 PAGE 17（三）云計算在金融領域的應用場景解讀 金融機構一般會選擇從渠道類系統、客戶營銷類系統和經營管理類系統等輔助性系統開始嘗試使用云計算服務，因為這些非金融的輔助性業務系統安全等級較低，不涉

22、及核心業務管控風險。此外，互聯網金融系統優先應用云計算架構， 包括網絡支付、網絡小貸、P2P 網貸、消費金融等業務，這些系統基本全部需要重新建設，歷史包袱相對較輕。 金融行業 IT 系統建設的歷史較長，系統復雜性強，實現云化集中遷移仍需逐步進行。金融機構使用云計算技術通常采取從外圍系統開始逐步遷移的實施路徑。在部署順序上，優先部署開發測試環境，其次部署生產環境。互聯網金融、輔助性業務優先使用云計算架構，強一致性核心業務最后考慮上云。 圖 3：金融行業 IT 系統1 金融科技企業的基礎架構大都以云計算為依托，并充分應用大數據技術以及人工智能技術。這些技術不僅改變了金融科技企業的 IT 架構，也使

23、得其能夠隨時隨地的對接客戶，為客戶提供更加便捷及時的服務，深刻改變了金融行業的服務模式。 件、運維管理系統等方式搭建私有云平臺。在生產過程中，實施外包駐場運維、自主運維或外包運維。在公有云上，運行面向互聯網的營銷管理類系統和渠道類系統。 小型金融機構傾向于將全部系統放在公有云上，通過金融機構間在基礎設施領域的資源合作共享，在金融行業內形成公共基礎設施、公共接口、公共應用等一批公共云服務。小型金融機構一般購買云主機、云存儲、云數據庫、容器 PaaS服務、金融 SaaS 應用等服務。 中大型金融機構傾向使用混合云。在私有云上運行核心業務系統，存儲重要敏感數據。通過購買硬件產品、虛擬化管理解決方案、

24、容器解決方案、數據庫軟（四）云計算在金融領域應用的典型產品對比分析云計算在 IaaS 層的產品同質化程度較高，均是提供云主機、云存儲、網絡和 CDN 服務等 ICT 資源。 在云平臺技術上，阿里云、騰訊云和 UCloud 采用自研技術，金山云和電信云采用開源的 OpenStack 技術。自研云平臺的優勢是可控性高，難點是對研發能力要求較高。使用開源云平臺的優勢是有大量基礎代碼，開發快，成本低，缺點是對開源社區依賴性高，具有較高技術選型風險。在服務等級協議上，金融云的SLA 通常高于其他產品。在金融云主機產品上，重點云計算企業的產品可用性都為 99.95%，關系型數據庫可用性基本都為 99.95

25、%，阿里云稍高，達到 99.97%。CDN 節點和 CDN 總出口上，阿里云和騰訊云的優勢較為明顯。 表 1：部分云計算企業產品指標對比1 企業 阿里云 騰訊云 金山云 UCloud 電信云 云平臺 自研 自研 OpenStack 自研 OpenStack 金融云 SLA 云機:99.95% RDS:99.97% 云主機:99.95% RDS:99.95% 云主機:99.95% RDS:99.95% 云主機:99.95% RDS:99.95% 云主機:99.95% RDS:99.95% 網絡線路 BGP BGPBGPBGP電信 CDN 節點數量 1200+ 1000+ 600+ 500+ 30

26、0+ CDN 出口 80T 70T+ 20T+ 6.5T 4.5T 行 業 解決方案 銀行、保險、證券、交易所、互聯網金融 保險、銀行、證券、互聯網金融 保險、證券、數據分析、一體化 互聯網金融、銀行、證券 無 三、大數據在金融領域的應用（一）大數據在金融領域的應用價值探討1.提升決策效率 大數據分析可以幫助金融機構實現以事實為中心的經營方法。大數據可以幫助金融機構，以數據為基礎，逐步從靜態的現象分析和預測，過渡到針對場景提供動態化的決策建議，從而更精準地對市場變化做出反應。 2.強化數據資產管理能力 金融機構大量使用傳統數據庫，成本較高，而且對于非結構化數據的存儲分析能力不足。通過大數據底層

27、平臺建設，可以在部分場景替換傳統數據庫，并實現文字、圖片和視頻等更加多元化數據的存儲分析，有效提升金融結構數據資產管理能力。 3.實現精準營銷服務 在互聯網金融模式的沖擊下，整個金融業的運作模式面臨重構，行業競爭日益激烈，基于數據的精細化運營需求和產品創新需求日益迫切。大數據可以幫助金融機構更好的識別客戶需求，打造良好客戶體驗，提升綜合競爭力。 4.增強風控管理能力 大數據技術可以幫助金融機構將與客戶有關的數據信息進行全量匯聚分析，識別可疑信息和違規操作，強化對于風險的預判和防控能力，在使用更少的風控人員的條件下，帶來更加高效可靠的風控管理。 （二）大數據在金融領域應用的關鍵技術剖析1大數據技

28、術原理 大數據能夠提供數據集成、數據存儲、數據計算、數據管理和數據分析等功能，具備隨著數據規模擴大進行橫向擴展的能力。從功能角度，大數據技術主要分為數據接入、數據存儲、數據計算、數據分析四層，以及資源管理功能。 圖 4：大數據技術層次1 數據采集：負責數據的采集、傳輸工作，大規模的數據經過數據采集步驟后，才能夠進入大數據平臺，從而進行后續處理。數據存儲：負責大規模數據的存儲工作。主要利用分布式和多副本策略保證TB、PB 量級的數據安全有效的進行存儲，從而為數據分析提供底層支持。數據計算：負責大規模數據的計算工作。利用分布式和規范化的編程框架，將單機難以處理的數據分散到多臺機器上進行分析處理，從

29、而使大規模數據挖掘成為可能。數據分析：負責大規模數據的業務應用。與具體業務場景相結合，通過統計分析、深度學習等上層數據應用技術，將大數據轉化為有價值的信息，實現業務增值。資源管理：負責大數據平臺的資源管理工作。利用調度隊列，實時監測等機制，及時發現大數據平臺中的服務器健康狀況并自動化調度，保證集群工作質量。2金融大數據特性 金融機構的業務要求大數據平臺具有實時計算的能力。目前，金融機構最常使用的大數據應用場景為精準營銷、實時風控、交易預警和反欺詐等業務都需要實時計算的支撐。大數據分析平臺可以對金融企業已有客戶和部分優質潛在客戶進行覆蓋，對客戶進行畫像和實時動態監控，用以構建主動、高效、智能的營

30、銷1 大數據平臺選型建設指南，中國信息通信研究院。和風險管控體系。圖 5：金融大數據架構1 為切實做到數據驅動，金融企業需要定制化的技術平臺。首先，金融企業要進行頂層設計，把技術和業務結合起來，將技術應用在企業價值鏈的每個場景上。其次，金融企業需要大規模的系統改造。為實現數據的匯聚，需要將原來存儲在上百個信息系統的數據進行整合，重新設計并搭建數據采集、存儲、傳輸的架構。最后，金融大數據需要更加完善的安全保障措施。金融數據的泄露、篡改可能造成系統性金融風險，甚至危及社會穩定。部分數據如用于金融交易的用戶鑒別與支付授權信息需要全流程加密。（三）大數據在金融領域的應用場景解讀大數據技術的應用提升了金

31、融行業的資源配置效率，強化了其風險管控能力，1 金融科技治理與研究，銀行業信息科技風險管理高層指導委員會。 PAGE 42有效促進了金融業務的創新發展。金融大數據在銀行業、證券行業、保險行業、支付清算行業和互聯網金融行業都得到了廣泛的應用。 1大數據在銀行業中的應用 信貸風險評估：傳統風險評估方法是銀行基于過往的信貸數據和交易數據等靜態數據對企業客戶的違約風險進行評估，這種方式缺少前瞻性。大數據風險評估方法則考慮了銀行內部已掌握的客戶相關信息，也考慮了外部機構的信息，比如人行征信信息、客戶公共評價、商務經營、收支消費、社會關聯等商業銀行貸款風險評估資源。因此大數據信貸風險評估更趨近于事實，更可

32、以識別客戶需求、估算客戶價值、判斷客戶優劣、預測客戶違約風險。 供應鏈金融：供應鏈金融的風險控制從授信主體向整個鏈條轉變。供應鏈金融可以由資產優質、資金充足和授信額度高的核心企業做擔保，以產品或應收賬款做質押，幫助上下游企業獲得資金。銀行利用大數據技術分析企業之間的關系圖譜，進行關聯企業分析及風險控制；銀行以核心企業為切入點，將供應鏈上的多個關鍵企業作為一個整體。利用交往圈分析模型，持續觀察企業間的通信交往數據變化情況，通過與基線數據的對比來洞察異常的交往動態，評估供應鏈的健康度及企業貸后風險。 2大數據在證券行業中的應用 股市行情預測：證券企業應用大數據對海量數據進行持續性跟蹤監測，對賬本投

33、資收益率、持倉率、資金流動情況等一系列指標進行統計分析，拓寬證券企業量化投資數據維度，構建投研模型，對股票市場行情進行預測。 股價預測：證券行業沿用羅伯特席勒的投資模型，模型中主要參考三個變量：投資項目計劃的現金流、公司資本的估算成本、股票市場對投資的反應（市場情緒）。市場本身帶有主觀判斷因素，而大數據技術可以收集并分析社交網絡如微博、朋友圈、專業論壇等渠道上的結構化和非結構化數據，了解市場對特定企業的觀感，獲得股票市場對投資的反應。 3大數據在保險行業中的應用 騙保識別：賠付管理一直是險企的關注點。賠付中的“異常值”（即超大額賠付）是推高賠付成本的主要驅動因素之一。保險欺詐嚴重損害了保險公司

34、的利益，傳統的保險欺詐專項調查往往耗費大量時間。保險企業借助大數據手段，可以建立保險欺詐識別模型，篩選疑似詐騙索賠案例，再展開調查，調高調查效率。此外，保險企業可以結合內部、第三方和社交媒體等數據進行異常值檢測，包括了客戶的健康狀況、財產狀況、理賠記錄等，及時采取干預措施，減少先期賠付。 風險定價：保險企業對保費的定義是基于對一個群體的風險判斷。大數據為 風險判斷帶來前所未有的創新。保險公司通過大數據分析可以解決風險管理問題。比如，通過智能監控裝置搜集駕駛者的行車數據；通過社交媒體搜集駕駛者的行 為數據；通過醫療系統搜集駕駛者的健康數據。以這些數據為出發點對客戶進行 風險判斷，制定靈活定價模式

35、，提高客戶粘性。 4大數據在支付清算行業中的應用 交易欺詐識別：面對盜刷和金融詐騙案件頻發的現狀，支付清算企業交易詐騙識別挑戰巨大。大數據可以利用賬戶基本信息、交易歷史、位置歷史、歷史行為模式、正在發生行為模式等，結合智能規則引擎進行實時的交易反欺詐分析。整個技術實現流程為實時采集行為日志、實時計算行為特征、實時判斷欺詐等級、實時觸發風控決策、案件歸并形成閉環。 數據資產變現：目前，支付服務的客戶滲透率越來越高。人們大量使用移動設備進行網上小額支付。支付清算行業真正的“金礦”就是這些高價值的用戶消費數據。這些數據不僅可以將應用于支付清算業務的優化，還可以直接轉化成資產用于分析了解客戶的“消費路

36、徑”，包括客戶進行日常消費時的典型順序、購物地點、購買內容和購物順序。通過對數據進行關聯分析，將分析結果銷售給商家或營銷公司，實現數據資產變現。 5大數據在互聯網金融行業中的應用 精準營銷：在移動互聯網時代，客戶在消費需求和消費行為上快速轉變。在消費需求上，客戶需求出現細化；在消費行為上，客戶消費渠道多樣化。因此， 互聯網金融企業急需一種更為精準的營銷解決方案。具體來講，互聯網金融行業精準營銷的主要應用目標主要為三點：一是精準定位營銷對象。二是精準提供智能決策方案。三是精準業務流程，實現精準營銷的“一站式”操作。 黑產防范：互聯網金融企業追求服務體驗，強調便捷高效，簡化手續。不法分子利用這一特

37、點，虛假注冊、利用網絡購買的身份信息與銀行卡進行套現，“多頭借貸”乃至開發電腦程序騙取貸款等已經形成了一條“黑色”產業鏈。大數據能夠幫助企業掌握互聯網金融黑產的行為特點，從業人員規模、團伙地域化分布以及專業化工具等情況，并制定針對性的策略，識別黑色產業鏈和減少損失。 消費信貸：消費信貸具有小額、分散、高頻、無抵押和利息跨度極大的特點。貸款額度可以小到 100 元人民幣；一家機構一天放貸數量可能達到數萬到數十萬筆；90%以上是純信用貸，只能依靠數據進行審批；年化利率從 4%到 500%的都有。大數據需要貫穿到客戶全生命周期的始末。基于大數據的自動評分模型、自動審批系統和催收系統可以彌補無信用記錄

38、客戶的缺失信貸數據。 （四）大數據在金融領域應用的典型產品對比分析重點大數據企業都提供 Hadoop/Spark 大數據分析平臺、關系型數據庫和非關系型數據庫等大數據基礎產品。但在上層應用上，如分布式數據庫、畫像分析、關系網絡分析和數據可視化，僅有部分企業提供。 表 2：部分大數據企業產品指標對比1 企業 阿里云 騰訊云 京東云 金山云 UCloud 電信云 Hadoop Spark 關系型數據庫 非關系型數據庫 分布式數據庫 無 無 無 畫像分析 無無 關系網絡分析 無 無 無無 數據可視化 無無 1 第五批大數據產品評測結果，中國信息通信研究院四、人工智能在金融領域的應用（一）人工智能在金

39、融領域的應用價值探討進一步提升金融行業的數據處理能力與效率 隨著金融行業的不斷發展，沉淀了大量的金融數據，主要涉及金融交易、個人信息、市場行情、風險控制、投資理財等。這些數據容量巨大且類型豐富，占據寶貴的儲存資源，而從業人員卻無法對其進行有效分析以供決策。雖然大數據技術的出現對此有所改善，但在數據的有效處理與分析挖掘上仍面臨較大挑戰。隨著深度學習技術的不斷推進，金融機構嘗試將海量數據供機器進行學習，不斷完善機器的認知能力，幾乎達到與人類相媲美的水平，尤其在金融交易與風險管理這類對復雜數據的處理方面，人工智能有效利用大數據進行篩選分析，幫助金融機構更高效的決策分析，提升金融業務能力。推動金融服務

40、模式趨向主動化、個性化、智能化 傳統技術模式下，金融行業通過面對面交流的方式發掘客戶需求。同時，受 人力資源和數據處理能力影響，金融行業只面向少數高凈值客戶提供定制化服務， 而對絕大多數普通客戶僅提供一般化服務。隨著人工智能的飛速發展，機器能夠 模擬人的認知與功能，使批量實現對客戶的個性化和智能化服務成為可能，這將 對目前金融行業溝通客戶、挖掘客戶金融需求的模式發生重大改變。整體而言， 人工智能技術將顯著改變金融行業現有格局，在前臺可以用于提升客戶體驗，使 服務更加個性化；在中臺輔助支持金融交易的分析與預測，使決策更加智能化； 在后臺用于風險識別和防控保障，使管理更加穩定化。提升金融風險控制效

41、能 在傳統模式下，金融機構難以查證客戶提供信息的真實性，交易雙方信息的不對稱性，使得金融機構面臨用戶隱瞞甚至編造個人信息的業務風險。人工智能可從大量內部與外部數據中，獲取關鍵信息進行挖掘分析，對客戶群體進行篩選和欺詐風險鑒別，并將結果反饋給金融機構。此模式不僅能夠降低交易雙方間存在的信息不對稱性，有效降低業務風險，還能對市場趨勢進行預測，為金融機構提供有效的風險預警，引導金融機構提前采取預防措施。助推普惠金融服務發展 人工智能技術能夠通過降低金融服務成本、提升金融服務效率和擴大金融服務范圍，來推動普惠金融服務的快速發展。智能營銷能幫助金融機構精準獲客， 減少營銷成本；智能風控能在金融業務流程中

42、提高風險識別、預警、防范及風險定價能力，降低風險甄別成本。智能金融業務模式可以讓金融可以有效伸延與普惠到最需要的弱勢人群，從而推動金融的普惠化。（二）人工智能在金融領域應用的關鍵技術剖析1. 人工智能通用技術原理 人工智能的技術架構層級可分為基礎層、技術層和應用層。基礎層：由數據資源、軟件設施和硬件設施組成。主要以硬件設施為核心， 其中包括 GPU/FPGA 等用于性能加速的硬件、神經網絡芯片、傳感器與中間件。軟件設施為人工智能應用的構建提供云計算與大數據平臺。這些是支撐人工智能應用的前提；技術層：主要依托基礎層的硬件、軟件平臺和數據資源，通過機器學習基礎框架與核心算法，開發面向不同領域的通用

43、技術，如計算機視覺、自然語言處理、人機交互等；應用層：主要基于基礎層與技術層的支撐搭建智能應用平臺，從而實現與傳統產業的融合，實現不同場景的應用，如智能金融、智能教育、智能醫療、智能交通等。圖 6：人工智能通用技術架構 2. 金融領域下的人工智能關鍵技術 在金融領域應用中，人工智能主要包括五個關鍵技術：機器學習、生物識別、自然語言處理、語音技術以及知識圖譜。圖 7：人工智能在金融領域應用的關鍵技術 機器學習：機器學習具有多種衍生方法，包括監督學習、無監督學習、深度學習和強化學習等。在金融領域中，監督學習用于對歷史數據進行分析與挖掘， 尋找數據集的規律，對未來趨勢進行預測；無監督學習用于嘗試解析

44、數據的結構， 并確定其背后的主要規則。其中聚類分析可將金融數據集基于某些相似性概念將其進行分組，而因子分析旨在識別金融數據中的主要內在規律或確定數據的最佳表示方法，在復雜投資組合中，因子分析可提取數據的主要成分；深度學習方法通過深度網絡的表示從大數據學習各種規律，可用于金融交易各個階段；而強化學習則使用算法來探索和尋找最有利的交易策略。生物識別：指紋識別、人臉識別、虹膜識別和指靜脈識別是金融行業應用范圍較廣的四項生物識別技術。指紋識別技術涉及指紋樣本采集、存儲以及 OCR技術，通過攝像頭提取指紋后經過指紋識別算法完成身份識別認證；人臉識別過程主要包括獲取人臉圖像、進行特征提取、根據特征進行決策

45、分類、完成匹配識別；虹膜識別采用紅外成像技術，將虹膜紋絡特征輸入計算機，成為可供自動識別的人體身份證；指靜脈識別通過指靜脈識別儀取得個人手指靜脈分布圖，將特征值存儲，然后進行匹配，進行個人身份鑒定的技術。目前，以上生物識別技術應用于客戶身份驗證、遠程開戶、無卡取款、刷臉支付、金庫管理和網絡借貸等金融場景。自然語言處理：多數金融行業的信息為文本形式，比如新聞公告、年報、研究報告。通過用自然語言處理和知識圖譜，大大提升了獲取數據、數據清洗、深度加工的效率。尤其在投研領域中，自然語言處理技術可對海量復雜的企業信息進行處理，以提取出行業分析人員最關注的數據指標，并進行投資分析總結，最大化減少不必要的重

46、復人力勞動，幫助分析人員進行投資決策。語音技術：在金融領域應用中，語音識別通常與語音合成技術結合在一起， 提供一個基于語音的自然流暢的人機交互方法。語音識別整個過程包含語音信號處理、靜音切除、聲學特征提取、模式匹配等多個環節。其應用遍布各大銀行及證券公司的電話銀行、信用卡中心、委托交易、自助繳費、充值等各項業務，以及語音導航、業務咨詢、投訴申報、帳戶查詢、政策咨詢等非交易性業務中。由于金融行業帶有明顯的客戶服務屬性，加上完整而龐大的業務及數據積累，因此成為語音技術的重要應用陣地。知識圖譜：在金融行業的數據中，存在著大量的實體和關系。通過知識圖譜技術將其建立連接形成大規模的實體關系網絡，可以突破

47、傳統的計算模式，從“實體-關系”的角度整合金融行業現有數據，結合外部數據，從而更有效地挖掘潛在客戶、預警潛在風險，幫助金融行業各項業務提升效率、發揮價值。（三）人工智能在金融領域的應用場景解讀目前，人工智能技術在金融領域應用的范圍主要集中在智能客服、智能投顧、智能風控、智能投研、智能營銷等方面。1智能客服 智能客服主要以語音技術、自然語言理解、知識圖譜等為技術基礎，掌握客戶需求，通過自動獲取客戶特征和知識庫等內容，幫助客服快速解決客戶問題。智能客服系統采用自然語言處理技術，提取客戶意圖，并通過知識圖譜構建客服機器人的理解和答復體系。同時，智能客服以文本或語音等方式與用戶進行多渠道交互，為廣大客

48、戶提供了更為便捷和個性化的服務，在降低人工服務壓力和運營成本的同時進一步增強了用戶體驗。圖 8：智能客服技術架構 2. 智能投顧 智能投顧又稱機器人投顧，主要是根據投資者的風險偏好、財務狀況與理財目標，運用智能算法及投資組合理論，為用戶提供智能化的投資管理服務。智能投顧基于機器學習算法以及現代資產組合優化理論，來構建標準化的數據模型， 并利用網絡平臺和人工智能技術對客戶提供個性化的理財顧問服務。傳統投資顧問需要站在投資者的角度，幫助投資者進行符合其風險偏好特征、適應某一特定時期市場表現的投資組合管理。智能投顧的應用價值在于可代替或部分替代昂貴的財務顧問人工服務，將投資顧問服務標準化、批量化，降

49、低服務成本，降低財富管理的費率和投資門檻，實現更加普遍的投顧服務。圖 9：智能投顧技術架構 3. 智能風控 知識圖譜、深度學習等技術應用于征信反欺詐領域，其模式是將不同來源的結構化和非結構化大數據整合在一起，分析諸如企業上下游、合作對手、競爭對手、母子公司、投資等關系數據，使用知識圖譜等技術大規模監測其中存在的不一致性，發現可能存在的欺詐疑點。在信用風險管理方面，關聯知識圖譜可以利用“大數據+人工智能技術”建立的信用評估模型，刻畫精準的用戶畫像，對用戶進行綜合評定，提高風險管控能力。圖 10：智能風控技術架構 智能投研 傳統投研業務需要收集大量的資料，進行數據分析和報告撰寫，投研人員每天需要耗

50、費大量時間進行數據的收集與處理。智能投研基于大數據、機器學習和知識圖譜技術，將數據、信息、決策進行智能整合，并實現數據之間的智能化關聯，形成文檔供分析師、投資者使用，輔助決策，甚至自動生成投研報告。圖 11：智能投研技術架構智能營銷 人工智能可以通過用戶畫像和大數據模型精準定位用戶需求，實現精準營銷。智能營銷在可量化的數據基礎上，基于大數據、機器學習計算框架等技術，分析 消費者個體的消費模式和特點，以此來劃分客戶群體，從而精確找到目標客戶， 進行精準營銷和個性化推薦。智能營銷相較于傳統營銷模式，具有時效性強、精 準性高、關聯性大、性價比高、個性化強的特點。圖 12：智能營銷技術架構（四）人工智

51、能在金融領域應用的典型產品對比分析目前，國內大型互聯網企業均建立了自主研發的 AI 平臺，并對外開放人工智能領域相關技術，如機器學習、人臉識別、自然語言處理、知識圖譜等。此外一些企業依靠自身核心技術推出針對金融行業具體場景的智能風控和智能營銷產品。智能風控產品涉及反欺詐、個人與企業征信、金融監管等場景，輔助金融機構風險管理體系；智能客服產品則通過多渠道服務方式，優化金融企業的對外服務模式。具體產品對比如表 3 所示：AI 平臺 表 3：部分金融人工智能產品功能對比1 阿里云騰訊云百度云京東金融云 機器學習平臺 人臉識別 語音技術 圖像識別 文字識別 自然語言處理 聲紋識別 視頻技術 知識圖譜

52、智能風控 同盾科技明略數據百融金服 核心技術 決策引擎、AI 風控模型、復雜網絡 知識圖譜 機器學習、自然語言處理 服務行業反欺詐、信貸風控金融監管、內控企業征信、個人信用評估 貸前審核、貸中復查、貸后監業務場景 控、賬戶與交易安全保護 反欺詐、反洗錢、內控合規與審計、證券市場監察、精準營銷 風險評估、價值增值、失聯催收、官網管理、銷售服務 客戶案例 興業銀行、北京銀行、中信銀行、中國平安、眾安保險等 銀聯商務、河北郵政分行等 光大銀行、廣發銀行、華夏 銀行、浦發銀行、興業銀行、人人貸、馬上消費金融等 關鍵技術 知識圖譜、數據挖掘、 機器學習、大規模知識處自然語言處理、深度學習大規模知識處理、

53、自理、自然語義理解、知識圖然語義理解譜 智能客服 環信Udesk風語者 1 數據來源：各企業官網支持渠道 APP、網頁、微信、微博 APP、網頁、微信 APP、網頁、微信、微博、郵件 功能特點 單輪會話、多輪會話、人機協作、問答優化、智能質檢 三層立體式引導、輸入自動補位引導、模糊推理反問引導、職能語句橫向拓展 三層立體式引導、輸入自動補位引導、模糊推理反問引導、職能語句橫向拓展 客戶案例 新浪、中國銀聯、中信證券、中意人壽 懶財網、錢牛牛、安邦保險、盒子支付、晉城銀行 中國電信、中國移動 五、區塊鏈在金融領域的應用（一）區塊鏈在金融領域的應用價值探討重構信用創造機制 區塊鏈技術基于非對稱加密

54、算法，實現了信用創造機制的重構：在金融交易系統中，通過算法為人們創造信用，從而達成共識。交易雙方無需了解對方基本信息，也無需借助第三方機構的擔保，直接進行可信任的價值交換。區塊鏈的技術特性保證了，系統內部價值交換過程中的行為記錄、傳輸、存儲的結果都是可信的，區塊鏈記錄的信息一旦生成將無法篡改，除非占有全網總算力的 51%以上才有可能對記錄進行修改。降低金融監管成本 金融行業在防范系統性風險上，需要借助多道審計來控制金融風險，監管成本較高。特別是隨著互聯網金融等新興金融服務模式的出現，金融管控要求逐步提升，監管的難度不斷增加，整個金融系統的監管成本越來越高。區塊鏈通過分布式網絡結構，將信息儲存于

55、全網中的每個節點，單個節點信息缺失不影響其余節點正常運轉。區塊鏈技術，以其防篡改、高透明的特性，保證了每個數據節點內容的真實完整性，實現了系統的可追責性，降低了金融監管的成本。實現高效低成本的交易模式 區塊鏈通過共識機制替代中心化的信任創造方式，實現任意兩個節點在不依賴任何中心平臺的情況下進行點對點交易。點對點交易模式無需第三方介入，大幅降低信息傳遞過程中出現錯誤的可能，從而提升信息傳輸效率。而且，基于區塊鏈技術的點對點交易由計算機程序自動確認執行雙方交易結果，即交易確認和清算結算在同一時間完成，大幅度提高了金融交易和結算效率。實現個人隱私保護 隨著金融業務與信息技術的不斷融合，用戶身份識別和

56、安全認證成為一項重要問題。區塊鏈技術通過基于節點的授權機制，將私密性和匿名性植入到用戶控制的隱私權限設計中，只有授權節點才有相應權限查閱和修改有關數據信息。區塊鏈技術對于完善用戶個人信息保護制度，保證個人信息、財產狀況、信用狀況等私密信息安全，具有重要應用價值。（二）區塊鏈在金融領域應用的關鍵技術剖析1. 區塊鏈通用技術原理 區塊鏈具有去中心化、時序數據、集體維護、可編程和安全可信等特點1。去中心化：區塊鏈數據的驗證、記賬、存儲、維護和傳輸等過程均是基于分布式系統結構，采用純數學方法而不是中心機構來建立分布式節點間的信任關系， 從而形成去中心化的可信任的分布式系統；時序數據：區塊鏈采用帶有時間

57、戳的鏈式區塊結構存儲數據，從而為數據增加了時間維度，具有極強的可驗證性和可追溯性；集體維護：區塊鏈系統采用特定的經濟激勵機制來保證分布式系統中所有節點均可參與數據區塊的驗證過程，并通過共識算法來選擇特定的節點將新區塊添加到區塊鏈；可編程：區塊鏈技術可提供靈活的腳本代碼系統，支持用戶創建高級的智能合約、貨幣或其它去中心化應用；安全可信：區塊鏈技術采用非對稱密碼學原理對數據進行加密，同時借助分布式系統各節點的工作量證明等共識算法形成的強大算力來抵御外部攻擊、保證區塊鏈數據不可篡改和不可偽造，因而具有較高的安全性。2. 區塊鏈在金融領域技術架構 區塊鏈系統由數據層、網絡層、共識層、激勵層、合約層和應

58、用層組成。數據層：用于封裝底層數據區塊以及相關的數據加密和時間戳等技術；區塊鏈作為公開的鏈式賬本，其中存儲的數據向網絡中所有節點公開，每個分布式節1 區塊鏈技術發展現狀與展望 袁勇 王飛躍自動化學報2016 年 04 期點都可以通過特定的哈希算法和 Merkle 樹數據結構, 將一段時間內接收到的交易數據和代碼封裝到一個帶有時間戳的數據區塊中, 并鏈接到當前最長的主區塊鏈上, 形成最新的區塊。該過程涉及區塊、鏈式結構、哈希算法、Merkle 樹和時間戳等技術要素。在金融業務場景中，業務規則和監管機構要求保護相關數據的隱私性、完整性。網絡層：用于封裝區塊鏈系統的組網方式、消息傳播協議和數據驗證機

59、制等要素。通過設計特定的傳播協議和數據驗證機制, 可使得區塊鏈系統中每一個節點都能參與區塊數據的校驗和記賬過程, 僅當區塊數據通過全網大部分節點驗證后, 才能記入區塊鏈。共識層：主要封裝網絡節點的各類共識算法；區塊鏈或分布式賬本技術應用的一種無需依賴中央機構來鑒定和驗證某一數值或交易的機制。共識機制是所有區塊鏈和分布式賬本應用的基礎。區塊鏈技術的核心優勢之一就是能夠在決策權高度分散的去中心化系統中使得各節點高效地針對區塊數據的有效性達成共識。激勵層：將經濟因素集成到區塊鏈技術體系中來，主要包括經濟激勵的發行機制和分配機制等；區塊鏈共識過程通過匯聚大規模共識節點的算力資源來實現共享區塊鏈賬本的數

60、據驗證和記賬工作, 因而其本質上是一種共識節點間的任務眾包過程. 去中心化系統中的共識節點本身是自利的, 最大化自身收益是其參與數據驗證和記賬的根本目標. 因此, 必須設計激勵相容的合理眾包機制, 使得共識節點最大化自身收益的個體理性行為與保障去中心化區塊鏈系統的安全和有效性的整體目標相吻合。合約層：主要封裝各類腳本、算法和智能合約，是區塊鏈可編程特性的基礎； 合約層封裝區塊鏈系統的各類腳本代碼、算法以及由此生成的更為復雜的智能合約. 如果說數據、網絡和共識三個層次作為區塊鏈底層“虛擬機”分別承擔數據表示、數據傳播和數據驗證功能的話, 合約層則是建立在區塊鏈虛擬機之上的商業邏輯和算法, 是實現