前些天“互聯(lián)網(wǎng)+金融”可謂是火花四濺膳凝，四大行分別牽手BATJ晚岭，建行&阿里鸥印、農(nóng)行&百度、工行&京東坦报、中行&騰訊库说，這年頭好像不擁抱互聯(lián)網(wǎng)科技巨頭就不是新時(shí)代的銀行了一樣。四大行齊發(fā)力金融科技燎竖，給這個(gè)今年本來就很熱的領(lǐng)域又添了一把火，徹底燒到了我們每個(gè)人身邊要销。今天帶大家聊一聊金融科技的落地應(yīng)用构回，以及它給我們的生活帶來的改變。
1、征信：通過大數(shù)據(jù)技術(shù)多維度獲取數(shù)據(jù)纤掸，并建模評(píng)估脐供，可以實(shí)現(xiàn)智能征信評(píng)估和審批。難點(diǎn)在于各個(gè)企業(yè)數(shù)據(jù)源暫未打通借跪，且信用體系覆蓋率低政己，評(píng)分系統(tǒng)不健全。
國(guó)內(nèi)的個(gè)人小額信貸普及率遠(yuǎn)遠(yuǎn)低于美國(guó)等發(fā)達(dá)國(guó)家掏愁，大量沒有信用卡的藍(lán)領(lǐng)人群的需求沒有得到滿足歇由。
實(shí)際上，基于大數(shù)據(jù)和人工智能技術(shù)果港，完全可以實(shí)現(xiàn)智能征信和審批沦泌。通過多渠道獲取多維度的數(shù)據(jù)，包括通話記錄辛掠、短信信息谢谦、購(gòu)買歷史、電商數(shù)據(jù)萝衩，以及社交網(wǎng)絡(luò)上的留存信息等回挽，可以提取出上百種變量，進(jìn)入到大數(shù)據(jù)模型猩谊，對(duì)個(gè)人信用進(jìn)行評(píng)估千劈。對(duì)于缺少抵押和擔(dān)保的中小企業(yè)，也可以通過大數(shù)據(jù)征信解決他們的融資困難問題预柒。
這塊美國(guó)已經(jīng)做得非常先進(jìn)队塘，他們有完善的個(gè)人信用評(píng)分體系FICO和三大征信機(jī)構(gòu)的數(shù)據(jù)模型。中國(guó)相對(duì)要落后得多宜鸯，信用體系覆蓋率低憔古，評(píng)分系統(tǒng)不健全，有很多創(chuàng)新企業(yè)在這塊發(fā)力淋袖。他們都在通過自己渠道資源獲得數(shù)據(jù)鸿市，構(gòu)建分析模型，不同平臺(tái)間完全沒有互通〖赐耄現(xiàn)在業(yè)界也在呼吁打通數(shù)據(jù)源焰情，這樣中國(guó)的征信體系才能大踏步地前進(jìn)，只能說期待這一天的到來吧剥懒。
2内舟、風(fēng)控：信貸業(yè)務(wù)中貸款人信息真?zhèn)闻袛啵约斑€款意愿和還款能力評(píng)估初橘。
所有金融業(yè)務(wù)中最重要的環(huán)節(jié)都是風(fēng)險(xiǎn)控制验游。以信貸為例充岛，貸前有兩個(gè)步驟非常關(guān)鍵，第一識(shí)別貸款人信息的真實(shí)性耕蝉，第二識(shí)別貸款人的還款意愿和還款能力崔梗，貸中通過監(jiān)控貸款人的行為數(shù)據(jù)及時(shí)發(fā)現(xiàn)異常，貸后通過反饋數(shù)據(jù)補(bǔ)充信用評(píng)分垒在。無論是消費(fèi)貸還是現(xiàn)金貸蒜魄，利用數(shù)據(jù)積累和大數(shù)據(jù)技術(shù)建立有效的智能化風(fēng)控體系，是一個(gè)平臺(tái)的核心能力场躯，直接決定著平臺(tái)能否持續(xù)地運(yùn)營(yíng)下去谈为。
3、反欺詐：通過技術(shù)手段（人臉識(shí)別推盛、聲紋識(shí)別峦阁、指紋識(shí)別、虹膜識(shí)別耘成、光學(xué)識(shí)別等）判斷注冊(cè)金融用戶真實(shí)性榔昔，利用機(jī)器學(xué)習(xí)防止垃圾注冊(cè)、盜卡盜刷瘪菌、虛假交易撒会、惡意刷單、惡意套現(xiàn)师妙、營(yíng)銷作弊薅羊毛等诵肛。
金融安全是維護(hù)金融秩序穩(wěn)固的基石，任何一個(gè)金融平臺(tái)都會(huì)投入大力氣在這上面默穴。有別于虛擬的社交網(wǎng)絡(luò)怔檩，對(duì)于一個(gè)注冊(cè)的金融用戶，首先要驗(yàn)證他身份的真實(shí)性蓄诽，這里面用到的技術(shù)包括人臉識(shí)別薛训、聲紋識(shí)別、指紋識(shí)別仑氛、虹膜識(shí)別乙埃、光學(xué)識(shí)別(OCR)等等。支付寶研發(fā)了OCR系統(tǒng)用于身份證校驗(yàn)锯岖，同時(shí)內(nèi)嵌了face++的人臉識(shí)別和活體檢測(cè)技術(shù)提供刷臉驗(yàn)證服務(wù)介袜。在這些方面，人工智能確實(shí)比人更加優(yōu)秀出吹，不僅識(shí)別時(shí)間縮短到了1秒遇伞，而且識(shí)別錯(cuò)誤率大幅降低。
除了身份驗(yàn)證以外捶牢，人工智能在網(wǎng)絡(luò)反欺詐方面也發(fā)揮著巨大的威力鸠珠，比如防止垃圾注冊(cè)加派、盜卡盜刷跳芳、虛假交易、惡意刷單竹勉、惡意套現(xiàn)飞盆、營(yíng)銷作弊薅羊毛等等，這里面用到了大量的智能數(shù)據(jù)分析和機(jī)器學(xué)習(xí)技術(shù)次乓，國(guó)內(nèi)同盾科技在這方面做得非常好。以前通過專家系統(tǒng)把網(wǎng)絡(luò)安全管理員掌握的知識(shí)和規(guī)則程序化，交給機(jī)器去執(zhí)行識(shí)別欺詐典予，現(xiàn)在有了機(jī)器學(xué)習(xí)技術(shù)封救，機(jī)器可以自主地從海量實(shí)時(shí)并發(fā)的交易數(shù)據(jù)中學(xué)習(xí)，進(jìn)化的周期更短杏慰，發(fā)現(xiàn)異常的速度更快测柠。
4、差異化定價(jià)：為差異化定價(jià)產(chǎn)品提供數(shù)據(jù)支持缘滥，例如差異化車險(xiǎn)轰胁、天貓運(yùn)費(fèi)險(xiǎn)等。
過去的金融體系是統(tǒng)一定價(jià)朝扼，有了大數(shù)據(jù)和人工智能以后赃阀，可以根據(jù)每個(gè)用戶的情況差異化定價(jià)。比如很多做車聯(lián)網(wǎng)產(chǎn)品的創(chuàng)業(yè)公司擎颖，收集了車主的駕駛行為數(shù)據(jù)以后榛斯，和保險(xiǎn)公司合作推出差異化車險(xiǎn)，對(duì)駕駛習(xí)慣良好的車主給予一定保費(fèi)上的優(yōu)惠搂捧。如今個(gè)性化保費(fèi)的時(shí)代已經(jīng)到來驮俗，天貓的運(yùn)費(fèi)險(xiǎn)就是一個(gè)典型的案例。
5异旧、精準(zhǔn)營(yíng)銷&智能客服：精準(zhǔn)營(yíng)銷降低金融有效客戶甄別成本意述；智能客服解決常見金融咨詢80%重復(fù)性問題。
金融平臺(tái)和互聯(lián)網(wǎng)平臺(tái)最大的不同之處在于互聯(lián)網(wǎng)平臺(tái)有網(wǎng)絡(luò)效應(yīng)吮蛹，用戶規(guī)模越大荤崇，獲客成本越低，但是金融有效客戶的甄別和獲取成本不會(huì)降低潮针。技術(shù)可以幫助解決這個(gè)問題术荤，通過用戶畫像和大數(shù)據(jù)模型可以找到精準(zhǔn)用戶，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷每篷。
再有就是金融客服瓣戚。金融咨詢中有80%的常見問題都是重復(fù)性的端圈，而且在一個(gè)限定領(lǐng)域內(nèi)，還能得到快速反饋子库，成為自然語(yǔ)言理解和對(duì)話機(jī)器人最快落地的場(chǎng)景舱权。通過對(duì)話可以發(fā)掘用戶的需求，解釋和推薦產(chǎn)品仑嗅，還能帶來銷售轉(zhuǎn)化宴倍。
6、投資決策輔助&投資機(jī)會(huì)識(shí)別：主要在前期的數(shù)據(jù)收集以及預(yù)處理仓技，對(duì)信息的基礎(chǔ)分析和初步預(yù)測(cè)鸵贬。
其實(shí)人工智能在證券和投資研究上可以給予很多幫助，第一收集和處理數(shù)據(jù)脖捻，第二分析和預(yù)測(cè)結(jié)果阔逼。面對(duì)信息爆炸和過載，人要想從海量數(shù)據(jù)中找出相關(guān)性是很困難的地沮，機(jī)器可以讓這件事情變得更容易嗜浮。機(jī)器學(xué)習(xí)算法可以通過自主學(xué)習(xí)尋找信息和資產(chǎn)價(jià)格的相關(guān)性，自然語(yǔ)言處理技術(shù)可以理解新聞摩疑、政策文件周伦、社交媒體中的文本信息，尋找市場(chǎng)變化的內(nèi)在規(guī)律未荒。同時(shí)通過知識(shí)圖譜的建模方式专挪，人們可以把行業(yè)規(guī)則、投資關(guān)系等常識(shí)賦予計(jì)算機(jī)片排，幫助機(jī)器排除干擾寨腔，更好地結(jié)構(gòu)化信息。
（1）自動(dòng)報(bào)告生成
投資和投行行業(yè)中有大量固定格式文檔的撰寫工作率寡，試想如果把收集到的資料直接輸入給機(jī)器迫卢，機(jī)器就會(huì)自動(dòng)生成圖表和報(bào)告，我們只需要做組織冶共、修改乾蛤、復(fù)核的工作就可以了，那該多好捅僵！
（2）金融搜索引擎
人工智能還可以應(yīng)用在金融搜索引擎中家卖，分析不同事件間的相關(guān)性，比如蘋果發(fā)布iphone8會(huì)影響哪些公司的股價(jià)庙楚，也可以幫我們聚合信息進(jìn)行對(duì)比縱覽上荡，這方面美國(guó)的Kensho做得非常好，已經(jīng)被高盛收購(gòu)了馒闷，據(jù)說要替代80%投資分析師的工作酪捡，相比之下國(guó)內(nèi)要落后很多叁征。
（3）投資機(jī)會(huì)識(shí)別
數(shù)據(jù)挖掘領(lǐng)域有一個(gè)經(jīng)典案例，就是美國(guó)沃爾瑪超市發(fā)現(xiàn)尿布和啤酒放在一起賣會(huì)增加銷量逛薇。大數(shù)據(jù)可以幫助我們發(fā)現(xiàn)看似毫不相關(guān)的事件間的關(guān)聯(lián)性捺疼，應(yīng)用在投資領(lǐng)域也可以有同樣的效果。
7永罚、量化投資：反向價(jià)值錯(cuò)配獲取短期收益帅涂。（存在悖論且依賴強(qiáng)專業(yè)能力）
西蒙斯是美國(guó)量化基金之王，他的文藝復(fù)興科技公司管理的基金取得了年化35%的收益率尤蛮，遠(yuǎn)超巴菲特和索羅斯。量化投資是以數(shù)學(xué)和統(tǒng)計(jì)模型為依據(jù)斯议，發(fā)現(xiàn)市場(chǎng)上的價(jià)格偏差产捞，獲取超額收益的投資方法。現(xiàn)在這個(gè)方向上有一些創(chuàng)業(yè)公司提供策略超市哼御，供普通投資者選購(gòu)坯临。
不過這里面存在幾個(gè)明顯的悖論：首先很多量化策略是尋找價(jià)值錯(cuò)配博取短期收益的，時(shí)間一長(zhǎng)策略就會(huì)失效恋昼，再有就是在一個(gè)“零和博弈”中看靠，池子里的錢是有限的，你賺的錢就是別人賠的錢液肌，一個(gè)策略用的人越多挟炬，利潤(rùn)空間就會(huì)被攤得越薄。
8嗦哆、智能投顧：私人銀行服務(wù)在線化谤祖，智能化，平民化老速。難點(diǎn)在于Copy to China 模式產(chǎn)生的新平臺(tái)缺乏用戶教育粥喜。可以嘗試先To B 的方式利用已有用戶數(shù)據(jù)橘券，完善算法模型额湘，逐步提高數(shù)據(jù)提供方的技術(shù)能力與服務(wù)水平。
如果說量化投資以博取短期超額收益為目的旁舰，那么智能投顧則是在各市場(chǎng)和各大資產(chǎn)類別之間構(gòu)建投資組合锋华，分散風(fēng)險(xiǎn)，追求長(zhǎng)期收益箭窜。富人階層有私人銀行來服務(wù)他們供置，由專業(yè)的理財(cái)顧問根據(jù)他們的需求提供個(gè)性化的資產(chǎn)配置，門檻高绽快、費(fèi)率高芥丧。智能投顧實(shí)際上就是把私人銀行的服務(wù)在線化紧阔、智能化了，以很低的費(fèi)率服務(wù)更廣泛的受眾续担，惠及普通老百姓擅耽。
智能投顧在美國(guó)已經(jīng)被廣泛使用，但是在中國(guó)接受度卻不高物遇，為什么這種Copy to China的模式失效了呢乖仇？必須承認(rèn)中國(guó)的市場(chǎng)情況和美國(guó)還是有很大不同的。美國(guó)有養(yǎng)老金入市制度询兴，美國(guó)人會(huì)用智能投顧幫他們把養(yǎng)老賬戶里的錢分配好乃沙，美國(guó)股市過去100年一直是整體上漲的，美國(guó)有非常多的結(jié)構(gòu)化ETF產(chǎn)品诗舰，都獲得了不錯(cuò)的收益警儒。
To C的智能投顧平臺(tái)獲客確實(shí)非常難，用戶教育還沒有完成眶根，新平臺(tái)也還沒有建立起信任蜀铲，智能投顧瞄準(zhǔn)的是長(zhǎng)期投資，短期內(nèi)業(yè)績(jī)表現(xiàn)平平属百，完全沒有辦法吸引流量记劝。于是很多To C的智能投顧平臺(tái)紛紛轉(zhuǎn)型去做To B業(yè)務(wù)了，為金融機(jī)構(gòu)提供智能投資系統(tǒng)族扰，專心研究技術(shù)厌丑，不再碰銷售。金融機(jī)構(gòu)擁有C端的流量渔呵，同時(shí)也有提升自己服務(wù)能力的迫切需求蹄衷，做To B可以獲取到用戶數(shù)據(jù)，同時(shí)完善和提升自己的算法模型厘肮，也算是一條“曲線救國(guó)”的路愧口。
