金融科技大數據分析
Ⅰ 金融科技的大數據主要運用有哪些
平
安科
技的
肖
京表示
，
大
數
據
主
要
的
運
用主要
側
重於風
險
管
理
，
例如
風
險
控制、保
險定價、
欺
詐識別、精準營
銷
、運營
優
化
等
Ⅱ 閱讀《金融大數據行研究報告》 閱讀《金融科技行業研究報告 如何看待這兩個行業發展前景
2016年，中國金融科技行業融資總額躍居全球榜首，成為全球范圍內Fintech發展版的重要力量。新技術權的發展推動了世界金融科技的前行，構建了全新的業態，同時也越來越需要新的發展環境。6月17日，由清華大學法學院提供學術指導、京東金融研究院組織編寫的國內首份金融科技行業發展與法律前沿報告《2017金融科技報告：行業發展與法律前沿》發布，報告對於如何構建中國金融科技生態體系，從而推動中國金融科技引領國際競爭格局給出了建議
Ⅲ 金融需要 hadoop，spark 等這些大數據分析工具嗎
未至科技魔方是一款大數據模型平台，是一款基於服務匯流排與分布式雲計專算兩大技術架構的一屬款數據分析、挖掘的工具平台，其採用分布式文件系統對數據進行存儲，支持海量數據的處理。採用多種的數據採集技術，支持結構化數據及非結構化數據的採集。通過圖形化的模型搭建工具，支持流程化的模型配置。通過第三方插件技術，很容易將其他工具及服務集成到平台中去。數據分析研判平台就是海量信息的採集，數據模型的搭建，數據的挖掘、分析最後形成知識服務於實戰、服務於決策的過程，平台主要包括數據採集部分，模型配置部分，模型執行部分及成果展示部分等。
Ⅳ 怎樣用大數據的思想來解讀金融科技的維度
近年來，人工智慧有一系列的突破，在金融領域的應用也發展很快。我們做回FDT的時候答心目中有一個偶像，就是美國的文藝復興科技公司，它旗下基金的平均回報率，在1989年到2009年間達到35%，比索羅斯和巴菲特高出10個百分點。2015年9月花旗做了一個預測，未來10年智能理財管理會增加5萬億美元的收入。高盛預測2025年AI為金融行業帶來的增值每年達到430億美元。2017年3月摩根大通發布了一款金金融合同解析軟體，只需幾秒就能完成以前律師們36萬小時的工作。這說明人工智慧很可能大規模的在商業，特別是在金融領域應用。而且，在金融領域應用大數據也有一些先天的優勢條件和基礎。剛才黃院士講了，人工智慧的前提是必須有海量的大數據，數據越多越能說明問題，而金融公司天生就是數據公司，銀行也好，交易也好，每天和數據打交道，而且這個數據的質量和數量也能達到一定的要求，這是人工智慧得以應用的一個非常重要的數字基礎。另外，銀行金融的業務相當多的是預測和決策類的，正是人工智慧模型最擅長的領域。還有一點，金融作為全社會資源的配置工具，用AI對其加以優化，無疑有很大的社會意義和商業意義。
Ⅳ 金融科技的大數據精準營銷哪家做的比較好
永洪科技，思邁特啊，南大啊，還有潤乾，我們用的是永洪的，功能版上差別應該不大，永洪對權大數據量bi展示還是做得挺好的，分布式的方式使得硬體支撐的費用並不突出，但是數據的處理速度還是非常快的。他們是敏捷bi，對我們提出的新的分析要求響應也挺快。其他廠商不是特別了解。
Ⅵ 朋友圈的 金融科技與金融大數據如何設置
近年來，人工智慧有一系列的突破，在金融領域的應用也發展很快。我們做FDT的時候心回目中有一個答偶像，就是美國的文藝復興科技公司，它旗下基金的平均回報率，在1989年到2009年間達到35%，比索羅斯和巴菲特高出10個百分點。2015年9月花旗做了一個預測，未來10年智能理財管理會增加5萬億美元的收入。高盛預測2025年AI為金融行業帶來的增值每年達到430億美元。2017年3月摩根大通發布了一款金金融合同解析軟體，只需幾秒就能完成以前律師們36萬小時的工作。這說明人工智慧很可能大規模的在商業，特別是在金融領域應用。而且，在金融領域應用大數據也有一些先天的優勢條件和基礎。剛才黃院士講了，人工智慧的前提是必須有海量的大數據，數據越多越能說明問題，而金融公司天生就是數據公司，銀行也好，交易也好，每天和數據打交道，而且這個數據的質量和數量也能達到一定的要求，這是人工智慧得以應用的一個非常重要的數字基礎。另外，銀行金融的業務相當多的是預測和決策類的，正是人工智慧模型最擅長的領域。還有一點，金融作為全社會資源的配置工具，用AI對其加以優化，無疑有很大的社會意義和商業意義。
Ⅶ 純粹的金融科技行業分析（通俗易懂最好）
2019年中國金融科技行業市場現狀及發展前景分析 未來十大發展趨勢分析
2019年中國金融科技行業發展概況分析
《經濟參考報》3月26日刊發題為《機構加速搶灘布局金融科技》的報道。文章稱，隨著金融與科技的深度融合，金融科技正躍上新風口。一方面，銀行等傳統金融機構不斷加註金融科技砝碼。郵儲銀行、農業銀行等多家金融機構近日召開了金融科技專場校園招聘，2019年將在金融科技領域加大研發投入。另一方面，互聯網系的金融科技公司快速崛起，騰訊、360金融、樂信等多家巨頭近日發布的業績報告顯示，2018年金融科技收入增長迅猛，其中360金融2018年凈收入同比增長464%。同時，傳統金融機構與科技公司的「跨界合作」也愈加緊密，金融科技發展生態正在形成。
業內專家表示，金融科技的發展將提高金融運行效率，為民企融資、金融防風險帶來新的環境，但同時也為金融監管帶來了新的挑戰。根據監管層近期密集釋放的信號，金融科技將獲更大力度政策支持，金融科技監管也將同步趨嚴。
未來中國金融科技營收規模將接近2萬億
據前瞻產業研究院發布的《中國科技金融服務深度調研與投資戰略規劃分析報告》統計數據顯示，2013年中國金融科技營收規模僅僅達695.1億元。之後呈現高速增長狀態，2016年以來，我國互聯網金融正逐漸從用戶流量驅動向金融科技驅動轉型。雖然目前我國金融科技仍處於發展初期，但是我國尚未成熟的金融市場給予了金融科技快速發展的土壤。截止至2017年我國金融科技企業的營收總規模達到6541億元左右，同比增速55.2%。根據前瞻產業研究院測算：2018年，我國金融科技企業的營收總規模達到9698.8億元，同比增速48.3%。前瞻認為，目前金融科技服務於金融機構，更偏向實際金融業務的後端，並不是金融產業鏈中利潤最豐厚的一環，因此短時間內金融科技營收規模很難迎來爆發式增長，或將繼續保持這樣的增速穩定增長。並預測在2020年中國金融科技營收規模將達19704.9億元。
2013-2020年中國金融科技營收規模統計及增長情況預測
數據來源：前瞻產業研究院整理
未來中國金融科技十大發展趨勢分析
雲計算、大數據、人工智慧和區塊鏈等新興技術與金融業務不斷融合，科技對於金融的作用被不斷強化，在政策的大力支持下，金融機構、科技企業對金融科技的投入力度持續加大，數據價值持續不斷的體現並釋放出來，金融業務環節的應用場景更加豐富，金融解決方案創新推陳出新。開發銀行、無人銀行、資產證券化、數字票據、不良資產處置等方面業務在科技的賦能下由概念逐步變為現實，隨著第五代移動通信技術(5G)、量子計算等前沿技術由概念階段到實際應用，金融作為最先擁抱技術的領域，也會摩擦出新的火花。未來，金融科技發展趨勢體現在十個方面：
1、開放銀行
開放銀行是銀行通過開放應用編程介面(API)對外開放服務。即指銀行把自己的金融服務，通過開放平台(OpenAPI)等技術方式開放給外部客戶(企業或個人)，客戶可以通過調用API來使用銀行的服務，而不需要直接面向銀行。銀行通過API的開放開展跨界融合，實現銀行與銀行、銀行與非銀金融機構、銀行與跨界企業間的數據共享與場景融合，極大拓展了銀行服務的生態。
開放銀行成為近年來國內外銀行轉型的新浪潮。「開放銀行」概念起源於英國，2018年1月英國9家銀行共享數據，首次落地開放銀行理念。2018年7月，浦發銀行在北京率先發布「APIBank」無界開放銀行，標志著國內「開放銀行」的首家落地。隨後，工商銀行、建設銀行、招商銀行、興業銀行、光大銀行等紛紛展開探索，通過開放API,
實現金融和生活場景的鏈接。
以API
Bank為代表的開放銀行4.0時代即將到來。未來，銀行的商業模式將從B2C變為B2B2C，服務標准也將從標准NPS升級為整合型NPS。隨著金融服務嵌入生活與生產的方方面面，「場景在前，金融在後」的跨界生態圈將成為主流。雖然目前開放銀行應用仍處於早期階段，但未來，銀行的賬戶功能、支付功能、理財產品、貸款產品等將勢必形成標准化的API集中輸出，成為打通跨界生態的介面。
2、無人銀行
無人銀行是指通過科技手段減免傳統銀行的人力使用。通過運用生物識別、語音識別、數據挖掘、人工智慧、VR、AR、全息投影等科技手段，替代傳統銀行的櫃員、大堂經理、引導員等崗位，為客戶提供全自助式的智能銀行服務。
銀行人力減少是目前大勢所趨。目前大部分銀行都實現了人力的部分替代，少數銀行試點幾乎實現了廳店全替代。至2018年5月28日，我國銀行物理網點共退出4591家，從2017年下半年開始銀行退出網點數目同比增速平均是55%。截至2018年6月底，四大行員工數與2017年底相比，減少已超過3.2萬人。
短期內無人銀行將仍處在試點階段。目前建設銀行已經開啟了無人銀行試點，通過更高效率的智能櫃員機替代櫃員、保安、大堂經理，刷臉刷身份證替代人工驗證的方式，覆蓋90%以上現金及非現金業務。盡管無人銀行為銀行網點轉型打開探索新路徑，但目前銀行業務還難以實現百分之百無人化，例如需要安排保安值班;客戶在智能終端上開卡、匯款時，出於安全風險考慮，也會安排工作人員現場服務。因此未來的一段時間內，無人銀行仍將作為探索性的試點存在。
3、量子計算與金融
量子計算是一種遵循量子力學規律的新型計算模式。普通計算機使用比特(bit) 中0與1的兩種狀態存儲數據，而量子計算機的存儲單位量子比特，除0和1外，
同時還可以實現多個狀態的相干疊加態。 所以，
基於量子計算的量子計算機就可以通過控制原子或小分子的狀態，記錄和運算信息，其存儲和運算速度都能遠遠超越傳統通用計算機。例如使用超級計算機分解一個400位的數字，需要60萬年，而用量子計算機只需要幾小時甚至幾十分鍾。
量子計算的應用能極大提升金融服務效率。量子計算由於其超強大的計算能力，可應用於在金融業多個方面。例如金融高頻交易，利用演算法根據預先設定好的交易策略自動執行股票交易，在達到相同結果的前提下，量子計算比傳統計算機的速度要快得多。再比如詐騙檢測，利用量子計算機的快速學習的特點，能大大加速神經網路學習速度，迅速打擊新興的詐騙方式。
量子計算也可能會為金融業帶來巨大風險。量子計算在計算速度上的飛躍式提升，也可能會對現有金融體系帶來威脅。例如目前正在使用的許多公鑰密碼系統，在量子計算極大的計算性能下，很有可能會遭到破解，這些將嚴重影響互聯網及各地數字通信的保密性和完整性，對現有的安全系統和管理機製造成大范圍和系統性的破壞。因此，在量子計算機瓦解當前密碼體系並實現商業化之前，必須建立量子安全解決方案形成安全的過渡。
4、5G與金融
5G是第五代移動通信技術，是4G之後的延伸。5G概念由標志性能力指標「Gbps用戶體驗速率」和一組關鍵技術組成。5G技術創新主要來源於無線技術和網路技術兩方面。在無線技術領域，大規模天線陣列、超密集組網、新型多址和全頻譜接入等技術已成為業界關注的焦點;在網路技術領域，基於軟體定義網路(SDN)和網路功能虛擬化(NFV)的新型網路架構已取得廣泛共識。
5G將進一步優化金融服務，實現金融場景的再造，為金融行業注入新的生機。5G技術的熱點高容量場景，將為用戶提供極高的數據傳輸速率，滿足網路極高的流量密度需求，該技術場景將有效提升移動端金融服務的速率，減少因網路延遲造成的支付卡頓等情況，同時速率的提升也有助於通過AR/VR技術進一步豐富支付模式，提供更加真實的場景體驗;5G技術的連續廣域覆蓋場景還可有助於銀行無人網點的部署，通過AR/VR技術將金融服務帶到此前網點無法覆蓋的偏遠地區，實現普惠金融服務。此外，5G面向物聯網業務的低功耗大連接和低時延高可靠場景還將通過實現萬物互聯，獲取海量、多維度、相關聯的人、物、企業數據，進一步優化供應鏈金融、信用評估、資產管理等相關金融服務，實現更多豐富場景的探索。
5G及相關產業的發展帶來廣闊投資空間，引發金融高度關注。5G一方面提供更快的速率和更高的帶寬，促進移動互聯網進一步的蓬勃發展和人機交互新模式的創新，另一方面還將實現機器通信，千億量級的設備將接入5G網路。5G還將與雲計算、人工智慧、AR/VR、無人駕駛等技術相結合在車聯網、物聯網、工業互聯網、移動醫療、金融等領域帶來更加豐富的應用場景，此外，5G網路還將是能力開放的網路，通過與行業的結合，運營商將構建以其為核心的開放業務生態，拓展新的業務收入模式，目前中國移動已經聯合戰略夥伴打造了百億級規模的5G投資基金，國內外險資、券商、陽光私募、風投等眾多機構，也早在2017年成立了數十支5G產業專項投資基金，未來5G及相關產業將持續引發金融高度關注。
5、移動金融安全
移動金融指的是使用移動智能終端及無線互聯技術處理金融企業內部管理及對外產品服務的解決方案的總稱，移動金融安全指的是移動金融業務開展過程中的安全。當前移動智能終端的普及加速了金融信息化建設，越來越多的金融服務向移動化逐步轉型。移動金融豐富了金融服務的渠道，為金融產品和服務模式的創新、普惠金融的發展提供了有效途徑。央行印發《關於推動移動金融技術創新健康發展的指導意見》將「安全可控」作為移動金融的健康發展的重要原則之一，強調了移動金融安全的對於移動金融技術創新發展的保駕護航的地位。
移動金融在創新與安全的博弈中發展，安全問題愈發引起重視。隨著金融產業的發展，金融行業移動應用日漸成為金融服務及產品的重要支撐手段，移動金融未來將繼續在規模和創新上發展。金融科技快速發展給移動金融帶來了無限生機，但同時也滋生了諸多風險。移動金融應用中頻發木馬病毒、支付安全、敏感信息泄露、身份認證繞過、仿冒等安全問題，引發了監管部門乃至社會的廣泛關注，移動金融安全成為金融創新發展中至關重要的保障。
個人信息安全是移動金融安全的重中之重。近年來，移動互聯網應用程序(APP)越界獲取用戶隱私許可權、超范圍收集個人信息的現象頻發。移動金融應用中隱私竊取類惡意應用佔比最高，用戶個人信息受到極大威脅。為保障個人信息安全，維護網民合法權益，中央網信辦、工業和信息化部、公安部、市場監管總局開展「App違法違規收集使用個人信息專項治理」，加強個人信息保護，推動移動信息安全建設。
生物特徵識別兼顧安全與便捷，成為移動金融安全關注的熱點。目前，生物特徵識別技術已經基本成為移動智能終端的標准配置，逐漸成為了金融業務中新型用戶身份核實和認證的發展方向。中國人民銀行於2018年10月頒布金融行業首個生物識別技術標准《移動金融基於聲紋識別的安全應用技術規范》，將安全性和個人隱私保護擺到了突出位置，規范如聲紋等生物特徵識別的安全應用。
6、數字票據
數字票據是一種將區塊鏈技術與電子票據進行融合，實現自動安全交易的新型票據。數字票據藉助區塊鏈具有分布式賬本、去中心化、集體維護、信息不可篡改等特點，使數字票據更具安全性和信息公開性，更加智能交易，更加便捷使用。
數字票據可以實現全程高效真實的信息傳遞，全程自動化交易，以及交易過程全程追蹤，提高用戶隱私保護。區塊鏈具有點對點傳輸，採用去中心化的信任機制的優勢，保證數字票據的數據安全性、完整性和不可篡改性。數字票據利用區塊鏈提供可編程的智能合約，實現票據的自動抵押、清付和償還，避免交易風險。並且，所有交易都被記錄在完整的「時間鏈」上，一旦有違約行為發生，可以追溯其責任，並且通過隱私保護演算法保護參與者隱私，可實現參與者在區塊鏈上的匿名性。
上海票據交易所數字票據實驗性生產系統成功上線，工行中行浦發等銀行參與其中。數字票據交易平台實驗性生產系統已在2018年1月25日成功上線試運行，工商銀行、中國銀行、浦發銀行和杭州銀行在數字票據交易平台實驗性生產系統順利完成基於區塊鏈技術的數字票據簽發、承兌、貼現和轉貼現業務。數字票據交易平台實驗性生產系統結合區塊鏈技術和票據業務實際情況，對前期數字票據交易平台原型系統進行了全方位的改造和完善，使結算方式更加創新，業務功能更加完善，系統性能不斷提高，安全防護不斷加強，隱私保護更加優化，實現實時監控管理。
7、數字資產證券化
數字資產證券化是將數字資產轉化為證券的過程。將域名、商標、品牌、數字貨幣、游戲裝備、賬戶號碼等相關缺乏市場流動性的數字資產，轉換為在金融市場上可以自由買賣的證券的行為。
數字資產證券化目的在於獲取融資，以最大化提高資產的流動性。數字資產是文化產業的創新藍海，是互聯網+文化產業的新業態，是「文化互聯網+」的文化大產業下的商業模式創新。域名、商標等數字資產缺乏市場流動性，通過數字資產證券化，有效打破剛性兌付，有效盤活巨大的金融資產和社會的存量資產，能把缺乏流動性但有收益性的數字資產設計成證券化產品賣出去，收回現金，提高流動性，進而獲得融資。
數字資產證券化是區塊鏈的最佳實踐場景。我國央行貨幣研究所也在不斷探索數字資產證券化區塊鏈平台，藉助區塊鏈的分布式數據儲存、去中心化的特點，保證了以及底層數字資產數據真實性，且不可纂改，降低了信息不對稱性，增強了信息的透明及可靠程度，有效解決了機構間費時費力的對賬清算問題，降低數字資產的融資成本，提高融資效率。
8、消費金融
消費金融是為滿足消費者具體消費需求的現代金融服務方式。是金融機構向消費者提供用於購買裝修、旅遊、電子產品、教育、婚慶等具體的消費需求的個人消費貸款服務。除銀行提供的貸款服務外，接觸較多的消費金融服務有京東金融的「京東白條」、螞蟻金服的「花唄」、蘇寧的「任性付」等以及被大眾接受的P2P小額理財服務。根據銀監會發布的《消費金融公司試點管理辦法》中定義，消費貸款是指消費金融公司向借款人發放的以消費(不包括購買房屋和汽車)為目的的貸款。
未來中國消費金融行業迎來巨大發展空間。2018
年，國家出台了多項鼓勵消費金融發展的政策。特別提到「加快消費信貸管理模式和產品創新、不斷提升消費金融服務的質量和效率。「作為消費主體的80、90後，更願意通過借貸的方式滿足產品購買需求。同時，隨著消費金融規模的不斷擴大，消費金融會向二三線城市下沉，各類金融應用場景需求增多。
金融科技助力消費金融產品創新和風控體系建設。目前，
我國消費金融存在監管機制有待完善、企業產品創新不足、風險防控體系不健全等問題。金融科技的發展為消費金融開發更多的產品應用場景，提升消費者體驗，激活和拓展市場空間;同時，利用金融科技建立構建完善的風控運營體系，解決消費金融面臨的徵信記錄缺失、運營經驗缺乏，降本增效。在科技的驅動下，消費金融將不斷提升風險防控能力，不斷提升運營能力與科技創新能力，科技驅動下的產品創新和風控體系的建立將為消費金融迎來更大的發展空間。
9、智能客服
智能客服可以顯著提高金融服務效率。智能客服系統是利用機器學習、語音識別和自然語言處理等人工智慧技術，處理金融客戶服務中重復率高、難度較低且對服務效率要求較高的事務，如服務引導、業務查詢、業務辦理以及客戶投訴等業務。目前應用的智能客服場景有智能客服機器人、智能語音導航、智能營銷催收機器人、智能輔助和智能質檢等。
金融機構及互聯網企業都在加大智能客服的探索和應用。金融機構在線上線下對智能客服系統應用廣泛，網站、App客戶端等線上智能客服服務系統能夠實現自動理解客戶問題並進行解答和辦理簡單業務。在線下網點的智能化進程加速，逐步推廣無人銀行，智能機器人、智慧櫃員機、VTM機、外匯兌換機等大量智能自主終端，大幅減少人工服務成本，使客戶獲得更滿意和周到的服務體驗。同時，互聯網企業在智能機器人方面的研發投入力度不斷加大，為這些金融客戶提供個性化的智能客戶服務。
智能客服系統逐漸滲透到金融業務的售前、售中、售後全流程。目前，智能客服系統已經能夠代替人工客服為客戶解決許多簡單、重復的問題，為金融機構節約了大量的人工成本。隨著社會的發展，客戶對服務的及時性、移動性、多渠道性提出更多的要求，智能客服的應用為金融機構留住更多客戶，提供全天候及時、便捷的服務，增強客戶粘性。在智能客服的應用過程中，大量用戶數據通過智能客服積累和沉澱下來，為精準營銷和業務流程優化提供參考。同時，智能客服系統利用大量完備的用戶數據，逐漸承擔起更多售前、售中、售後全流程的金融業務。
10、不良資產處置的科技運用
科技帶來不良資產處置方式創新發展。不良資產可分為股權類資產、債券類資產和實物類資產。不良資產處置有破產清算、拍賣、招標、協議轉讓、折扣變現，以及債轉股、債務重組、資產證券化、資產重組、實物資產出租、實物資產投資等方式。近年來，隨著雲計算、大數據、人工智慧、區塊鏈技術的發展應用，出現了以互聯網為基礎的創新處置模式，如不良資產綜合處置平台，眾籌投資、撮合催收等。
經濟新常態背景下對不良資產處置任務艱巨。不良資產率的持續攀升，政府鼓勵不良資產處置的市場化。據銀保監會稱，2018年中國商業銀行的不良貸款率為1.89%，為10年新高，截至12月底，商業銀行不良貸款總額為2萬億元。
在經濟新常態下，風險和各種不確定因素增多，對不良資產處置的效率和處置效益提出更高的要求。近年來，銀行機構、資產管理公司等紛紛與互聯網企業合作，通過網路平台模式進行不良資產的拍賣，涉及股權、債權和各種實物抵押物，取得良好效果。
金融科技已經在多個環節開發實際應用場景。科技運用可以快速發現資產價值，減少錯配情況的發生，同時，可以顯著提高信息互通，提升效率，提高不良資產處置回收率。目前金融科技已經在多個環節開發應用場景。如在運用自然語言處理和機器學習技術優化催收策略，同時，實現催收業務流程自動化，縮短處置的時間周期;通過大數據分析實現信用風險的精準定價;區塊鏈分布式記賬解決信用機制、信息不對稱等問題，優化不良資產證券化流程，縮短處置周期，保證信息的真實有效性。
Ⅷ 金融科技在大數據和人工智慧方面有哪些應用
近年來，人工智慧有一系列的突破，在金融領域的應用也發展很快。我們做FDT的時候心目中有一個偶像，就是美國的文藝復興科技公司，它旗下基金的平均回報率，在1989年到2009年間達到35%，比索羅斯和巴菲特高出10個百分點。2015年9月花旗做了一個預測，未來10年智能理財管理會增加5萬億美元的收入。高盛預測2025年AI為金融行業帶來的增值每年達到430億美元。2017年3月摩根大通發布了一款金金融合同解析軟體，只需幾秒就能完成以前律師們36萬小時的工作。這說明人工智慧很可能大規模的在商業，特別是在金融領域應用。而且，在金融領域應用大數據也有一些先天的優勢條件和基礎。剛才黃院士講了，人工智慧的前提是必須有海量的大數據，數據越多越能說明問題，而金融公司天生就是數據公司，銀行也好，交易也好，每天和數據打交道，而且這個數據的質量和數量也能達到一定的要求，這是人工智慧得以應用的一個非常重要的數字基礎。另外，銀行金融的業務相當多的是預測和決策類的，正是人工智慧模型最擅長的領域。還有一點，金融作為全社會資源的配置工具，用AI對其加以優化，無疑有很大的社會意義和商業意義。
下面講講智能教育。FDT最初的宗旨就是為了培養交易員，是一種公益教育。FDT有自己的教育理念，有智能的訓練軟體作為教育工具，還有一套完整的教育准則和評價體系。這套教育准則和評價體系就是FDT財商指數，這不僅是我們評價交易員的標准，也是個性化教育的工具。這個財商指數本質上是通過大數據給用戶畫像，我們的用戶就是交易員和散戶，以加深對他們交易行為和交易心理的理解。我們根據海量的模擬交易數據發明了FDT財商指數。大家看這張圖，這張圖的橫坐標是風險控制能力，縱坐標是盈利能力，用這個可以分清不同的交易員的情況，然後對他進行個性化教育。我們把交易員分為四類。第一類是優秀的模擬交易員。他們相對於龐大的FDT用戶是很少的，佔比不足1%，這部分交易員收益風險俱佳，可以重點培養，甚至可以給他實盤操作。第二類就是高級模擬交易員，佔比約9%，他們交易的意願比較強，可以通過個性化的智能教育和培訓幫助他提高。第三類就是中極模擬交易員，佔比超過40%，他們風險意識較強，可以考慮被動投資。第四類是初級模擬交易員，FDT財商指數值比較低，但人數最多，佔比超過50%，需要繼續幫助他們上金融教育課。
FDT財商指數的創新，在於它結合了人工智慧+大數據+行為經濟學。傳統的金融方法都是靠問卷，基於人工設定的許可權規則，對設定之外的行為特徵就無能為力了，而FDT的財商指數是基於人工智慧，通過非線性的機器學習模型，將上百個交易特徵結合在一起，自動地抽取大量的判定規則，最終形成了財商指數的分數排序。傳統的金融是基於結算後的「天」級別的數據，數據量少，非常簡單，而且是單機計算，無法發現隱藏的風險和行為特徵，而FDT的財商指數是對大數據按照毫秒級的行情識別，進行實時的分步式並發處理，可以深刻地了解交易員的心理和行為，數據越多，對交易員的個性化描繪越清楚，從而可以更有針對性的做個性化的教育和訓練。在特徵方面，傳統金融方法都是基於盈利或者回撤數據，而FDT財商指數是基於行為金融學來刻畫用戶的心理特徵和行為偏差，這背後需要大數據架構的技術支持。綜合來看，FDT財商指數的交易行為特徵，是基於行為金融學和對沖交易的專家經驗的緊密結合。這是我們對每個交易員提供的FDT財商指數的報告，這是一個大報告，四個象限，包括盈利、風險、一致性、活躍度等，每一個後面都有一些具體的分析。其他的都好理解，只解釋一下「一致性」，簡單來說就是「穿越牛熊」的能力，能夠在變化的市場中靈活調整策略來實現穩定的盈利輸出。下面是我們根據財商指數，對參與交易的這些學校做的一些排行。
下面講智能交易。交易的核心，一個是止損，一個是預測，一個是配比。我們傳統的交易都要設止損線，不管誰不管什麼情況，到了止損線一律清倉，以免出現無法承受的交易損失，這種情況實際上是忽視了個性差異。有了人工智慧以後，在大量歷史數據情況下，利用機器學習的模型，可以給每個交易員設定不同的止損線，比如可以根據交易員的歷史盈利情況設定不同的止損線，也可以根據交易員的不同風格來設定，有些交易員喜歡也善於在大起大落中把握機會，你就給他設定個性化的止損線。FDT可以根據財商指數來設定精確細致的止損線。再就是對波動的預測。搞交易的人都知道，資產的波動性很重要，因為它既代表風險也代表盈利，所以好的交易員是在風險波動中賺錢。怎麼樣預測和判斷這個波動？現在有了大數據和AI，就可以通過機器學習的方法，對A股、期貨做出一個波動的預測。還有就是資源的分配。對優秀的交易員，可以給他特定的交易機會。就像婚姻介紹所一樣，我們用這個評價指數對交易員做一個評價，對股票做一個評價，不同的交易員做不同情況的市場，這樣可以發揮每一個交易員的才幹，這也是我們利用人工智慧對交易的一種應用。
最後講一下智能投資。中國的資產管理市場在迅速增長，到2020年，估計有180萬億人民幣需要財富管理，年復合增長率達到14%。但是目前大部分用戶投資不理性，買賣的時機不當，導致大部分基金產品盈利，但是大部分用戶還是虧損。所以我們用人工智慧的辦法嘗試解決。首先，是智能的用戶理解，我們藉助模擬交易平台和大量的數據，用FDT 財商指數，從金融行為學的角度評價用戶的風險偏好。二是跟哥倫比亞大學的FDT智能資產管理中心合作，研究了一套智能資產組合優化的頂級演算法。三是智能投資的風險管理，對每一個投資組合做未來盈利的虧損的概率估計。四是智能個性化的資金分配，對不同的客戶，不同的風險偏好，給他不同的產品，這也是智能化和個性化的基金推薦，把合適的基金推銷給最合適的客戶。當然，由於中國的資本市場仍不成熟，市場運行還不完全是市場規律的反映，所以智能投顧的市場環境不穩定，所以我們還要創造一些條件。
總而言之，我們的金融交易市場結構不合理，要去散戶化，美國用了70年，我們不要用那麼多年。我們要培養優秀的交易員，通過FDT創新工廠探索有效的辦法。我們通過培養交易員掌握大量的模擬交易的數據，再與科研機構合作來挖掘這些數據的價值，用以研發智能教育，智能交易和智能投顧，應該說在人工智慧在金融市場應用方面作了初步的探索。相信在這方面我們還有非常大的空間，這件事不僅具有社會價值，而且具有商業價值。謝謝。