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。”

金融新动力：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，清华大学交叉信息研究院智能金融科技中心在姚期智院士的领导下成立于2016年4月份。据介绍，中心做了两年的产学研研究，同时2017年12月份，在清华大学五道口金融学院的主导下又联合成立了金融科技研究院。

清华大学智能金融科技中心在2016年10月份与蚂蚁金服成立了全球首个专注于金融科技的实验室，在这个基础上，又成立了一个四校联盟——世界上顶级的四个学校：清华大学、普林斯顿大学、韩国高等技术研究院、法国北方高等商学院风险与管理的中心。

中心一方面引进欧美先进的金融科技，另外一方面结合中国、结合人工智能新的发展，进行本土化的产学研实践。我们海外的联盟学校, 如普林斯顿大学, EDHEC输出金融科技的算法与技术给上百家大型机构投资者, 其中包括美林证券, UBS, Blackrock等上百家机构投资者, 其中包括了证券, 资产管理公司, 养老基金, 银行, 大型保险公司, 财富管理公司等等。

据介绍，例如, 普林斯顿大学输出的金融市场模拟和金融优化算法为各大机构投资者提供专业的科学化投资框架, 与Towers Perrin公司 ( 美国最大的投资咨询公司 )的合作产生了巨大的业界影响, 也入围了运筹届的诺贝尔奖。

作为站在欧美最先进的成熟金融科技成果的巨人肩膀上, 更进一步利用更新的机器学习与大数据技术, 并结合，本次大会上清华大学智能金融科技中心也首次对外介绍了他们的研究成果。以下内容来自清华大学智能金融科技中心发言人演讲，雷锋网AI金融评论编辑整理如下：

现代化金融机构的投资或风险引擎系统都应是可以被解释

每一个现代化的金融机构其实都需要专业的投资引擎系统或是风险引擎系统。在投资领域， 非专业的投资者关注的点都在收益率的高低上, 然而真正专业的投资者更关注的是风险管理。

收益率只是一个单一的数字, 4% 12%, 30%, 幼儿园小孩都会排列高低大小, 不需要什么专业知识。但是风险是无穷个数, 是资产收益的无限个可能性，是金融市场这个庞大的随机系统的联合概率分布随时间的演化。

所以针对资产收益率的建模事实上是对资产风险的联合建模, 才是专业机构投资者最关心的, 在监管推行“资管新规”, 打破刚性兑付的今天会越来越重要。

我们所引进的金融科技盟校的底层技术与算法，在美国覆盖了85%以上的金融机构，专业的投资者, 不论是价值基本面投资, 还是量化投资都需要科学化的投资决策框架与投资引擎系统的辅助。科学的意思就是可以解释可以判定对错, 而不是经验主义的含含糊糊与依赖所谓的“感觉”。

专业投资者与非专业投资者的核心区别就在于——能知道自己为什么赚钱和为什么亏钱, 自己的风险敞口在哪里, 哪些决策会导致哪些后果; 而不是纯依赖于人的感觉或历史数据的单一回测, 在投资的过程中听天由命。我们在做的事情就是为中国引入科学化投资的框架，提供本土化落地的投资引擎系统。

MSG金融市场模拟器：系统解释金融市场

首先, 智能金融科技中心投资引擎系统项目团队开发了整合各方面信息的大数据底层平台，将股票、债券、基金、理财与另类资产的全方位深度数据聚合在一起，也将经济数据与非结构化的信息数据整合在同一平台上，作为上层建模分析工具的基础。

在建模层，系统结合人工智能的算法与金融工程、金融计量技术构建了建模的火药库。机器学习算法在处理大规模数据、发掘风险驱动因素与迭代共同因子等方面有非常好的优势，而金融计量和金融工程的模型具有可解释性，这对大噪音环境下的金融市场建模至关重要。

两相结合，我们在中国市场的模型解释力高达80%-90%以上, 把握住了金融市场绝大部分的风险驱动来源。这块的系统解决方案叫MSG金融市场模拟器。

技术的细节很复杂。我举一个通俗易懂的例子: 

比如说中国有八大菜系，有成千上万的菜品。经验主义的评价方法可能是看这个菜的色香味，也就是表层的特征。那如果我们想科学定量的对菜进行分析，我们就要测量其中的营养成分，比如包含多少微量元素，多少蛋白质，多少碳水化合物等。

金融市场建模器就是干这个的，它是对资产内部的风险成分做深入的分析。首先我需要洞察资产内部受多少宏观层面、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，才能做好建模，摆脱经验主义的不靠谱，进入科学化投资管理与风险管理的框架。

事实上，在美国每家现代化金融机构都会拥有自己的风险引擎，一天没有就活不下去。金融市场的风险管理得不好，有些券商可能上午还在，下午就倒了。这个是有过先例的，当年最大的做市券商之一骑士资本在交易环节出了问题，一天就把这个公司所有的钱亏掉了，下午就被人收购了。

现代化金融机构有非常多的业务线，每个业务线每天可能有上千种风险敞口，进行上千亿规模的交易， 对市场风险的建模与管理， 对整体公司风险敞口的估计与集中， 对于现代化的金融机构的生存是至关重要的。随着我国金融市场的发展，以后每家金融机构也都会需要这样子的核心的引擎的系统。

金融决策优化引擎DoE：无监督学习监测管理投资风险

如果我们说金融市场模拟器MSG是解决投资管理与风险管理中的“是什么”( 也就是对金融市场的洞察 )这个问题, 那么接下来要介绍的金融决策优化引擎解决的就是投资管理与风险管理中的“怎么办”的问题。

我们的金融决策优化引擎DoE包含几十种金融优化算法, 对不同的投资管理与风险管理场景都会有最匹配的优化算法解决, 例如：单周期的投资组合优化, 风险敞口控制, 降低模型误差的降噪优化, 解决路径依赖问题的防回撤优化, 多周期战略与战术资产配置, 大型机构资产负债优化, 整体风险管理控制等等。

另外，我们在洞察金融市场与优化金融决策之外，我们也对金融机构服务的终端用户进行深度的洞察。我们用标签体系、无监督学习、半监督学习与有监督学习的方法深度了解用户，从服务、运营、合规与客户教育等维度提供系统解决方案。帮助金融机构获客留客，精准服务，开源节流；反欺诈，识别合规风险；进行客户教育。例如，我们与蚂蚁金服的合作应用支付宝的数据构建了客户洞察的高清画像。

我们打造的是一个金融科技的基础架构和底层的能力，在应用层面也通过金融科技公司的合作对金融机构赋能，真正形成业界影响力。

==============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：

• 世界经济论坛报告：全方位评估Fintech将如何颠覆金融业竞争格局，包括路径、模式和终局

• 前瑞银大牛：区块链如何变革传统金融两大应用模式？

• 区块链+金融，带你直击实践应用中的需求和痛点

• 比特币、以太坊、区块链、代币、ICO，你需要知道的一切都在这了

戳这里 https://www.leiphone.com/specialEdition/detail/s/5a4c9564b9e38  ，查看特辑全文。

。