金融科技风口正当时，哪些风险不容忽视？

风口上的金融科技（Fintech）正走向何方？

当前，全球迎来新一轮科技革命和产业变革，信息化浪潮蓬勃兴起，驱动着包括金融业在内的经济社会各领域加速向数字化、网络化、智能化发展。

在此背景下，“不谈Fintech就Out了”，但怎么谈，是个严肃的问题，更重要的是“怎么做”。于是，瞭望智库联合中国互联网金融协会开展了金融科技应用专项调研。

调研发现，金融科技在服务实体经济、促进普惠金融、提升金融风险管理水平、推进金融供给侧结构性改革等方面确实正发挥着积极作用。其中，人工智能（AI）、区块链(Blockchain)、云计算(Cloud computing)、大数据（Big Data）等四大核心技术（合称“ABCD”）是金融科技蓬勃发展的主要推动力。

从发展趋势看，“ABCD”等新技术彼此的边界在不断削弱，在实际应用过程变得越来越紧密，融合的态势将推动金融科技进入新的发展阶段。

金融科技在推动金融业变革的同时，往往也带来了风险跨界传染、技术依赖、放大金融顺周期性效应和加剧混业不正当竞争等负面影响，并面临业务、技术、网络、数据等方面的安全挑战。金融监管需要适时跟进，乃至未雨绸缪，以趋利避害。

人工智能：前中后端全面渗透

人工智能正在推动金融业向智能金融时代发展。目前在金融领域，人工智能的应用已渗透到多个主要业态，是其应用较为成熟的重要领域。人工智能技术依托数据、算力和算法，赋予机器进行自主思考或行动的能力。

人工智能技术在金融业务的前中后端均有用武之地，被银行、证券、基金、保险等传统金融机构以及互联网金融机构用于身份核验、信用评估、反欺诈、客户沟通、舆情监测、流程优化、安防监控等多个环节。

随着相关监管政策和行业标准逐渐明确，人工智能在金融领域的应用有望逐步深化。领先型从业机构依托自身数据存量、业务规模等优势，在人工智能技术的应用融合方面具有较大潜力与发展空间。

在金融业务前端，人工智能多应用于身份核验和智能营销，银行、证券、基金、保险、互联网金融等均有应用。在许多银行的营业网点，智能机器人服务已不罕见，这是一个典型应用案例。

其中身份核验是重要前置工作，也是金融机构控制业务风险的重要环节。传统身份验证主要采用密码验证结合人工验证的方式，存在一些难点和痛点。比如密码与身份的关联性交叉，可能导致密码泄露，而人工验证的效率、准确率则受验证人员工作能力、主观情绪等因素影响较大。

基于人脸识别、指纹识别、活体监测等新型技术手段，人工智能可丰富身份验证手段，提高账户冒用难度，还能提高验证效率及验证结果稳定性。

智能营销则能够降低信息漏损，充分挖掘潜在需求，有助于营销服务的随时、随地、随需性；服务承载能力也更高，增量服务的边际成本也低于传统方式；服务质量能不受营销人员主观因素干扰，有助于保持营销水平的稳定性。

以某金融科技公司推出的Gamma智能销售助手为例，该产品主要针对金融机构的线下营销场景，能基于机器阅读理解、知识图谱和会议摘要，结合保险条款和用户反馈给出合理建议，提升线下营销的效率、质量及用户体验。

在金融业务中端，人工智能技术多应用于智能投顾和智能风控。这也是人工智能在金融业务核心环节的重要应用。

传统投资顾问服务模式由于投资顾问数量少、投资顾问服务能力有限、人工成本高昂等限制，只能覆盖部分高净值人群，无法充分满足市场需求。智能投顾基于人工智能技术与现代投资组合理论，既能降低服务门槛，也能综合考虑客户的风险偏好、财务目标等因素，提供定制化投资建议。

继招商银行摩羯智投后，兴业银行、江苏银行、平安银行、工商银行、浦发银行、中信银行、中国银行等也已陆续推出智能投顾服务。

智能风控在实践中的应用也逐渐成熟，尤其是在互联网金融等应用场景。由于相当一部分互联网金融机构的客户群体缺少征信信息等数据，传统风控方式并不适用。同时各类金融欺诈行为时有发生，且趋于组织化、专业化，其危害日趋严重。

许多互联网金融机构通过将知识图谱、深度学习等人工智能技术应用于风控领域，整合结构化、半结构化和非结构化数据，大规模监测各关系数据中存在的不一致性，及时发现欺诈可能，提高风险管控能力。

在金融业务后端，人工智能技术多应用于智能客服和智能理赔业务，这不仅是对人工的有效替代，也能提升金融服务效率。

金融机构往往需要雇用大量的客户服务人员，应对大量关于产品信息、系统操作等方面的咨询。但由于工作人员的知识掌握程度不一，信息处理速度也有差别，金融机构往往付出了大量人力成本，仍面临服务效率低、服务质量参差不齐等痛点。

智能客服集成智能语音、自然语言处理、深度学习等人工智能技术，使得机器不仅能听会说，而且能够自主完成对客户问题的解答，将传统的人人交流转化为人机交流，有助于解决传统金融机构前台服务人员不足、人员成本居高不下等问题，并提高响应速度、改进客户体验。

智能理赔在保险业的应用日渐成熟。利用计算机视觉、机器学习等技术，当消费者将标的物损害情况等信息上传至从业机构后，智能理赔系统即可辅助实现远程定损，在提高速度、节省成本的同时降低人工操作导致的相关风险，优化理赔环节的效率和客户体验。

人工智能技术在金融领域各个业态的应用也引发了一些新风险，具体包括技术安全风险、隐私泄露风险、责任主体认定困难、放大市场顺周期性效应和监管套利风险。

业务挑战也同样存在。数据共享交流整合不足、技术成熟度不足、人才储备不足等，都会影响人工智能技术在金融领域的成熟应用。

但人工智能在金融领域的应用前景仍然可观。未来人工智能技术还可用于金融机构合规管理，有助于降低合规成本、提升业务合规性。可通过探索运用机器学习、知识图谱等人工智能技术，增强监管数据采集、整合、运用的精准性和实时性，不断提升金融风险态势感知能力和监管科技水平。

区块链：“币圈”熄火，“链圈”崛起

2018年，“币圈”（专注于虚拟货币）熄火，“链圈”（专注于技术）崛起，区块链在金融领域的应用正开疆拓土。

区块链技术通过数据加密、共识机制、时间戳、智能合约等技术手段，在分布式系统中实现点对点交易、协调和协作，具有分布式、难以篡改、可追溯、开放性、算法式信任等特点，可以解决集中式结构中存在的数据安全、协同效率和风险控制等问题。

这将有效改善金融业信息不对称、对账结算复杂、协作效率低下等问题。在我国，区块链技术已在银行、证券、保险和互联网金融等领域部分场景开展应用探索，并开始从概念验证逐步迈向具体实践。

其中银行业探索区块链技术颇为积极，部分场景已实现小范围应用。在银行业，区块链技术主要在多方参与的信用交易、信息传递领域，包括银行的供应链融资、电子票据、跨境支付、资产管理和跨行客户信息共享、跨机构对账清算等方面发挥作用。

据不完全统计，目前已有15家银行开展了区块链技术的应用探索。其中，供应链金融和贸易融资是当前商业银行区块链技术应用较多的场景。

在供应链融资方面，区块链可以解决传统供应链中信息分散、信用无法传递的问题，提升效率。利用区块链难以篡改的特点保证交易真实性，减少银行对信息被篡改的顾虑，降低中小企业融资成本。利用区块链智能合约可编程化的特点，可以根据企业间资金结算的情况，在还款期限、核心企业结款等符合智能合约预设条件时，自动划转还款资金到银行。

贸易融资涉及信息流、货物流和资金流传递，参与方多、交易流程长、信息交互复杂。目前，贸易融资业务流程大多为半手工操作，缺乏统一多信息交互渠道，交易各环节不透明，贸易背景真实性难核实、易篡改，在信息传输、身份认证、数据安全等方面有待完善。而通过区块链技术以联盟链等形式建立银行间报文交互网络，同时邀请海关、税务、司法、工商等部门参与，一方面可提高参与方之间的信任，提高信息透明度和交易效率，另一方面也有助于银行、监管部门识别贸易背景真实性，跟踪信贷风险。已经有银行联合推出基于区块链的国内信用证信息传输系统，建立基于信用证信息和贸易单据电子化传输体系。

非银金融体系中也在不断尝试区块链技术。部分证券公司和银行已研发推出基于区块链技术的资产证券化平台，并已发行数笔基于区块链技术的资产证券化产品；保险机构也推出了基于区块链技术的航空意外险。

具体来看，区块链技术在资产证券化业务中的应用相对更为成熟。在底层资产形成环节、基础资产转让环节、发行环节、基础资产存续期监控环节以及二级市场证券交易环节，区块链技术都有很好应用。

以某金融科技公司ABS云平台为例，该平台采用面向多权限的数据安全保障机制，结合分链、多通道技术以及共识节点负载均衡的底层架构，提高了系统处理并发数，保障各个业务参与方的数据和信息安全。系统设置了三个验证节点，底层资产池中每笔贷款的申请、审批、放款等资金流转都将通过区块链由各个验证节点共识完成。目前该金融ABS云平台每天处理交易数千万笔，单项证券化产品日均交易超百万笔。

区块链技术在保险业的典型应用体现在保险理赔和再保险交易环节中，多是利用区块链解决数据共享和信息不对称的问题，从而缩短理赔、承保流程，提升交易安全，减少交易纠纷。

互联网金融机构也在跨境支付、联合贷款对账、供应链综合金融服务、票据市场等业务中，在其中一个或多个交易环节应用区块链技术，来解决包括欺诈、风控、数据共享等问题。

随着区块链技术进一步发展成熟，其在金融领域的应用价值也将逐渐被放大，但其中也存在诸多风险，包括安全稳定性风险、金融消费者隐私泄露风险、责任主体难认定以及合规风险。

首先，区块链技术本身就存在稳定性缺陷。其次，区块链对网络中的有权参与者公开透明的特点，使得金融消费者交易数据、地址、身份等敏感信息缺乏保护，增加泄露风险。再次，区块链承载业务记录的难以篡改特性、智能合约的法律有效性尚未完全得到认可，仍存在法律上的不确定性风险。此外，区块链技术会对当前中心化监管手段带来挑战，或使金融消费者保护和反洗钱工作难度加大。

随着区块链技术不断迭代更新，吞吐量和存储能力进一步提升，安全稳定性、业务连续性等问题得到较好解决，这将为区块链技术在金融领域大规模应用提供支持。

另外随着区块链技术与云计算、人工智能等技术的进一步融合互补，基于云计算技术的区块链开放平台模式，将提高金融机构对于区块链技术的可得性。未来将有更多大型金融机构和技术实力较强的互联网金融机构对外提供开放的区块链平台服务，降低中小金融机构自主开发成本，提高服务可得性。

云计算：“财大气粗”私有云

2018年，云服务成为互联网巨头的必争之地。其中金融机构的云服务更是重头戏，这与金融机构上云的迫切需求相关。随着云计算技术的发展，以及金融监管部门金融业信息化要求的提高，云计算逐步向以金融行业为代表的传统行业加速渗透。

《中国金融业信息技术“十三五”发展规划》提出，拓展云服务的应用领域，鼓励发展业务系统、技术测试、信息安全等云服务，探索基于“云”构建风控、征信、反洗钱等行业公共服务应用，提升金融服务和监管能力。

目前金融机构主要将渠道服务、内部支持、客户服务、管理信息等非核心系统上云，核心系统上云仍面临系统架构、安全性等问题。同时包括银行旗下金融科技子公司、金融科技公司等公司正在加大金融云服务。

根据中国信息通信研究院2018年的调查数据，目前我国41.18%的金融机构已应用云计算技术，46.80%的金融机构计划应用云计算技术，已经或计划应用云计算的金融机构共占比87.98%。中国金融机构的上云已取得一定成绩，未来仍将保持积极状态。

其中，在已使用云计算技术的金融机构中，近七成自建私有云搭建云平台，另外还有近两成采购由专业金融行业云服务商提供的行业云服务，而使用公有云的金融机构只占一成。

具体而言，规模较大、技术实力较强的大型金融机构大多采取私有云模式，通过合作研发或技术外包方式完成私有云平台建设。中小金融机构由于自身技术实力偏弱、人才储备不足、资金投入有限等原因，更倾向于选择专为金融机构服务的行业云模式，以同时满足监管合规和成本控制的需求。

目前，已有多家商业银行依托各自旗下的金融科技子公司开展金融云服务。比如有银行设立的金融科技子公司，依托该银行“银银平台”输出业务，已为200多家中小银行提供以核心系统为主的银行信息系统云服务。

金融科技公司多在大数据分析、精准营销、客户服务等方面普遍应用云计算技术，并逐步推进云计算技术在信贷风控、支付清算等部分核心业务环节的应用。

云计算在我国金融领域的典型应用场景包括银行IT运营管理、银行金融服务生态圈构建、证券客户端行情查询、证券交易量峰值分配、保险个性化定价、保险产品上线销售、网贷平台网络安全管理及支付清算等。多借力于云计算的计算、存储、网络等核心能力，打造底层技术支持和运营生态圈层。

以搭建开放型底层平台为例，随着线上线下融合程度加深，单一金融产品已无法充分满足不同场景下客户多元化、差异化的金融需求。某银行通过打造云开放平台，可以给合作伙伴提供二维码支付、缴费、生活等数十个开放接口，构建了一站式、个性化、场景化的金融服务生态圈。

由于互联网金融的兴起，许多长尾客户的金融需求被挖掘出来，这部分业务具有单笔收益低、交易笔数多、产品迭代快、规模增长快等特点，应用云计算技术可减少设备配置升级所需时间、资金成本。

总而言之，云平台能够整合各业务条线所需的基础组件，在减少重复开发的同时，也有助于平台统一管理业务系统，实现“一次构建，处处运行”。

云计算技术为大数据、人工智能等技术应用提供了重要基础支撑，其与金融行业的深度融合是互联网时代下的必然选择。展望未来，云计算技术在金融领域的应用广度和深度将进一步提升，各类领先金融从业主体将加大云计算技术投入并赋能小机构。

兴业银行旗下的兴业数金、招商银行旗下的招银云创、平安集团旗下的金融壹账通目前均已向同业金融机构输出信息科技系统。建设银行、民生银行、光大银行也已成立金融科技子公司。

领先的金融科技企业也正发力云计算领域，比如宜信成立了互联网企业级金融服务云平台翼启云服。各类领先金融从业主体未来将与阿里云、腾讯云等公有云厂商、中国电信等电信运营商、华为等传统IT厂商、UCloud等开源创业公司一起竞争，共同赋能中小金融机构，推动其业务系统上云。

新兴金融科技企业搭载云计算将为客户提供更低成本、更高效的服务模式。传统金融机构将依据自身技术实力，探索从辅助性业务系统上云向核心系统上云转变，从单一私有云向私有云为基础、行业云和公有云为补充的转变。

大数据：金融核心竞争力

大数据技术发展多年，在金融领域的应用已颇为成熟和广泛。其应用场景包括个人信贷风险管理、供应链融资、反洗钱、投研分析、智能投顾、骗保识别、风险定价、交易欺诈识别、骗贷识别、金融机构运营管理等。

从应用成熟度和应用效果来看，在金融风险识别与风险定价方面，大数据技术发挥了显著作用。信贷业务的信用评估、风险定价、反欺诈、贷后管理等各个环节，大数据技术都有深入介入，并起到了关键作用。

按传统方法，银行对个人客户的违约风险评估多是基于过往的个人征信数据，其维度不够丰富，时效性也不足，尤其是对小微企业的信用评估，要面对信贷历史短、财务不规范、缺少抵押物等困难。

利用大数据技术，可以根据多维度数据，对信贷客户进行全面分析。针对小微企业，银行可以拓展数据维度，综合分析小微企业主的信用、逐笔进存销等情况，能够更精准地评估其信用水平。某银行小微企业信用贷款产品数据显示，该行已经累计服务小微商户超过200万家，户均贷款7000元，不良率低于1%。

利用大数据技术，可通过账户基本信息行为模式，结合智能规则引擎进行实时的交易反欺诈分析。

随着金融与科技的深度融合，各类借助科技手段的伪金融创新、金融诈骗的隐蔽性越来越强，危害涉众性也越来越大，也给金融监管带来了较大挑战。

地方金融机构近年来发展迅猛，具有规模小、门类多、企业数量庞大等特点，全国各地小贷公司、担保公司、典当行等某种程度上处于野蛮生长状态。同时地方金融机构监管空白与重复监管并存。运用大数据技术，能够将广域多维的信息进行关联，从而发现与识别异常情况，并及时预警风险事件。

某金融科技公司推出了服务金融监管的金融安全平台。该平台能全面监测互联网上活跃的类金融平台，从基于人工智能的平台识别、基于数据挖掘的多维度信息关联、基于知识图谱的平台风险指数计算、基于涉众人数增长的异常规模预警这四个维度出发，结合海量政务数据，运用多源数据融合技术，能够分析投资理财、外汇交易等十多个金融场景并计算其风险指数，预警高风险平台。

在该平台试运行期间，某市金融办先后扫描了25万多家从事金融业务的企业，对其中的11354家做了重点分析，识别出790家风险企业，对其中19家预警并移交处置，同时面向10多个省市输出风险预警。

普华永道报告显示，83%的中国金融机构表示将投资于大数据技术。金融行业是提供大数据产品和解决方案最多的领域。金融业竞争力的核心也体现在数据收集、加工和利用的能力，大数据技术势必会成为金融企业竞争力的核心要素。

金融大数据与其他跨领域数据的融合不断强化，金融机构可借此推动营销和风控等服务的更加精准化。也因此，适应和满足金融行业属性的大数据技术标准和应用规范将越来越成为金融大数据应用拓展的关键点。

金融机构普遍表示未来将加大在数据治理项目中的投入，结合大数据平台建设项目，构建企业内统一的数据池，实现数据的“穿透式”管理。

越来越多的金融机构正通过建立业务、数据、技术间全流程多层级协同工作机制，建立数据需求的分类统筹管理和快速实施响应模式，推动金融机构向集中式自主、专业化用数阶段迈进，并形成大数据成果快速复制推广机制，促进项目成果尽快转化为业务价值。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。