Ⅰ 金融科技的大数据主要运用有哪些

平
安科
技的
肖
京表示
，
大
数
据
主
要
的
运
用主要
侧
重于风
险
管
理
，
例如
风
险
控制、保
险定价、
欺
诈识别、精准营
销
、运营
优
化
等

Ⅱ 阅读《金融大数据行研究报告》 阅读《金融科技行业研究报告 如何看待这两个行业发展前景

2016年，中国金融科技行业融资总额跃居全球榜首，成为全球范围内Fintech发展版的重要力量。新技术权的发展推动了世界金融科技的前行，构建了全新的业态，同时也越来越需要新的发展环境。6月17日，由清华大学法学院提供学术指导、京东金融研究院组织编写的国内首份金融科技行业发展与法律前沿报告《2017金融科技报告：行业发展与法律前沿》发布，报告对于如何构建中国金融科技生态体系，从而推动中国金融科技引领国际竞争格局给出了建议

Ⅲ 金融需要 hadoop，spark 等这些大数据分析工具吗

未至科技魔方是一款大数据模型平台，是一款基于服务总线与分布式云计专算两大技术架构的一属款数据分析、挖掘的工具平台，其采用分布式文件系统对数据进行存储，支持海量数据的处理。采用多种的数据采集技术，支持结构化数据及非结构化数据的采集。通过图形化的模型搭建工具，支持流程化的模型配置。通过第三方插件技术，很容易将其他工具及服务集成到平台中去。数据分析研判平台就是海量信息的采集，数据模型的搭建，数据的挖掘、分析最后形成知识服务于实战、服务于决策的过程，平台主要包括数据采集部分，模型配置部分，模型执行部分及成果展示部分等。

Ⅳ 怎样用大数据的思想来解读金融科技的维度

近年来，人工智能有一系列的突破，在金融领域的应用也发展很快。我们做回FDT的时候答心目中有一个偶像，就是美国的文艺复兴科技公司，它旗下基金的平均回报率，在1989年到2009年间达到35%，比索罗斯和巴菲特高出10个百分点。2015年9月花旗做了一个预测，未来10年智能理财管理会增加5万亿美元的收入。高盛预测2025年AI为金融行业带来的增值每年达到430亿美元。2017年3月摩根大通发布了一款金金融合同解析软件，只需几秒就能完成以前律师们36万小时的工作。这说明人工智能很可能大规模的在商业，特别是在金融领域应用。而且，在金融领域应用大数据也有一些先天的优势条件和基础。刚才黄院士讲了，人工智能的前提是必须有海量的大数据，数据越多越能说明问题，而金融公司天生就是数据公司，银行也好，交易也好，每天和数据打交道，而且这个数据的质量和数量也能达到一定的要求，这是人工智能得以应用的一个非常重要的数字基础。另外，银行金融的业务相当多的是预测和决策类的，正是人工智能模型最擅长的领域。还有一点，金融作为全社会资源的配置工具，用AI对其加以优化，无疑有很大的社会意义和商业意义。

Ⅳ 金融科技的大数据精准营销哪家做的比较好

永洪科技，思迈特啊，南大啊，还有润乾，我们用的是永洪的，功能版上差别应该不大，永洪对权大数据量bi展示还是做得挺好的，分布式的方式使得硬件支撑的费用并不突出，但是数据的处理速度还是非常快的。他们是敏捷bi，对我们提出的新的分析要求响应也挺快。其他厂商不是特别了解。

Ⅵ 朋友圈的 金融科技与金融大数据如何设置

近年来，人工智能有一系列的突破，在金融领域的应用也发展很快。我们做FDT的时候心回目中有一个答偶像，就是美国的文艺复兴科技公司，它旗下基金的平均回报率，在1989年到2009年间达到35%，比索罗斯和巴菲特高出10个百分点。2015年9月花旗做了一个预测，未来10年智能理财管理会增加5万亿美元的收入。高盛预测2025年AI为金融行业带来的增值每年达到430亿美元。2017年3月摩根大通发布了一款金金融合同解析软件，只需几秒就能完成以前律师们36万小时的工作。这说明人工智能很可能大规模的在商业，特别是在金融领域应用。而且，在金融领域应用大数据也有一些先天的优势条件和基础。刚才黄院士讲了，人工智能的前提是必须有海量的大数据，数据越多越能说明问题，而金融公司天生就是数据公司，银行也好，交易也好，每天和数据打交道，而且这个数据的质量和数量也能达到一定的要求，这是人工智能得以应用的一个非常重要的数字基础。另外，银行金融的业务相当多的是预测和决策类的，正是人工智能模型最擅长的领域。还有一点，金融作为全社会资源的配置工具，用AI对其加以优化，无疑有很大的社会意义和商业意义。

Ⅶ 纯粹的金融科技行业分析（通俗易懂最好）

2019年中国金融科技行业市场现状及发展前景分析 未来十大发展趋势分析

2019年中国金融科技行业发展概况分析

《经济参考报》3月26日刊发题为《机构加速抢滩布局金融科技》的报道。文章称，随着金融与科技的深度融合，金融科技正跃上新风口。一方面，银行等传统金融机构不断加注金融科技砝码。邮储银行、农业银行等多家金融机构近日召开了金融科技专场校园招聘，2019年将在金融科技领域加大研发投入。另一方面，互联网系的金融科技公司快速崛起，腾讯、360金融、乐信等多家巨头近日发布的业绩报告显示，2018年金融科技收入增长迅猛，其中360金融2018年净收入同比增长464%。同时，传统金融机构与科技公司的“跨界合作”也愈加紧密，金融科技发展生态正在形成。

业内专家表示，金融科技的发展将提高金融运行效率，为民企融资、金融防风险带来新的环境，但同时也为金融监管带来了新的挑战。根据监管层近期密集释放的信号，金融科技将获更大力度政策支持，金融科技监管也将同步趋严。

未来中国金融科技营收规模将接近2万亿

据前瞻产业研究院发布的《中国科技金融服务深度调研与投资战略规划分析报告》统计数据显示，2013年中国金融科技营收规模仅仅达695.1亿元。之后呈现高速增长状态，2016年以来，我国互联网金融正逐渐从用户流量驱动向金融科技驱动转型。虽然目前我国金融科技仍处于发展初期，但是我国尚未成熟的金融市场给予了金融科技快速发展的土壤。截止至2017年我国金融科技企业的营收总规模达到6541亿元左右，同比增速55.2%。根据前瞻产业研究院测算：2018年，我国金融科技企业的营收总规模达到9698.8亿元，同比增速48.3%。前瞻认为，目前金融科技服务于金融机构，更偏向实际金融业务的后端，并不是金融产业链中利润最丰厚的一环，因此短时间内金融科技营收规模很难迎来爆发式增长，或将继续保持这样的增速稳定增长。并预测在2020年中国金融科技营收规模将达19704.9亿元。

2013-2020年中国金融科技营收规模统计及增长情况预测

数据来源：前瞻产业研究院整理

未来中国金融科技十大发展趋势分析

云计算、大数据、人工智能和区块链等新兴技术与金融业务不断融合，科技对于金融的作用被不断强化，在政策的大力支持下，金融机构、科技企业对金融科技的投入力度持续加大，数据价值持续不断的体现并释放出来，金融业务环节的应用场景更加丰富，金融解决方案创新推陈出新。开发银行、无人银行、资产证券化、数字票据、不良资产处置等方面业务在科技的赋能下由概念逐步变为现实，随着第五代移动通信技术(5G)、量子计算等前沿技术由概念阶段到实际应用，金融作为最先拥抱技术的领域，也会摩擦出新的火花。未来，金融科技发展趋势体现在十个方面：

1、开放银行

开放银行是银行通过开放应用编程接口(API)对外开放服务。即指银行把自己的金融服务，通过开放平台(OpenAPI)等技术方式开放给外部客户(企业或个人)，客户可以通过调用API来使用银行的服务，而不需要直接面向银行。银行通过API的开放开展跨界融合，实现银行与银行、银行与非银金融机构、银行与跨界企业间的数据共享与场景融合，极大拓展了银行服务的生态。

开放银行成为近年来国内外银行转型的新浪潮。“开放银行”概念起源于英国，2018年1月英国9家银行共享数据，首次落地开放银行理念。2018年7月，浦发银行在北京率先发布“APIBank”无界开放银行，标志着国内“开放银行”的首家落地。随后，工商银行、建设银行、招商银行、兴业银行、光大银行等纷纷展开探索，通过开放API,
实现金融和生活场景的链接。

以API
Bank为代表的开放银行4.0时代即将到来。未来，银行的商业模式将从B2C变为B2B2C，服务标准也将从标准NPS升级为整合型NPS。随着金融服务嵌入生活与生产的方方面面，“场景在前，金融在后”的跨界生态圈将成为主流。虽然目前开放银行应用仍处于早期阶段，但未来，银行的账户功能、支付功能、理财产品、贷款产品等将势必形成标准化的API集中输出，成为打通跨界生态的接口。

2、无人银行

无人银行是指通过科技手段减免传统银行的人力使用。通过运用生物识别、语音识别、数据挖掘、人工智能、VR、AR、全息投影等科技手段，替代传统银行的柜员、大堂经理、引导员等岗位，为客户提供全自助式的智能银行服务。

银行人力减少是目前大势所趋。目前大部分银行都实现了人力的部分替代，少数银行试点几乎实现了厅店全替代。至2018年5月28日，我国银行物理网点共退出4591家，从2017年下半年开始银行退出网点数目同比增速平均是55%。截至2018年6月底，四大行员工数与2017年底相比，减少已超过3.2万人。

短期内无人银行将仍处在试点阶段。目前建设银行已经开启了无人银行试点，通过更高效率的智能柜员机替代柜员、保安、大堂经理，刷脸刷身份证替代人工验证的方式，覆盖90%以上现金及非现金业务。尽管无人银行为银行网点转型打开探索新路径，但目前银行业务还难以实现百分之百无人化，例如需要安排保安值班;客户在智能终端上开卡、汇款时，出于安全风险考虑，也会安排工作人员现场服务。因此未来的一段时间内，无人银行仍将作为探索性的试点存在。

3、量子计算与金融

量子计算是一种遵循量子力学规律的新型计算模式。普通计算机使用比特(bit) 中0与1的两种状态存储数据，而量子计算机的存储单位量子比特，除0和1外，
同时还可以实现多个状态的相干叠加态。 所以，
基于量子计算的量子计算机就可以通过控制原子或小分子的状态，记录和运算信息，其存储和运算速度都能远远超越传统通用计算机。例如使用超级计算机分解一个400位的数字，需要60万年，而用量子计算机只需要几小时甚至几十分钟。

量子计算的应用能极大提升金融服务效率。量子计算由于其超强大的计算能力，可应用于在金融业多个方面。例如金融高频交易，利用算法根据预先设定好的交易策略自动执行股票交易，在达到相同结果的前提下，量子计算比传统计算机的速度要快得多。再比如诈骗检测，利用量子计算机的快速学习的特点，能大大加速神经网络学习速度，迅速打击新兴的诈骗方式。

量子计算也可能会为金融业带来巨大风险。量子计算在计算速度上的飞跃式提升，也可能会对现有金融体系带来威胁。例如目前正在使用的许多公钥密码系统，在量子计算极大的计算性能下，很有可能会遭到破解，这些将严重影响互联网及各地数字通信的保密性和完整性，对现有的安全系统和管理机制造成大范围和系统性的破坏。因此，在量子计算机瓦解当前密码体系并实现商业化之前，必须建立量子安全解决方案形成安全的过渡。

4、5G与金融

5G是第五代移动通信技术，是4G之后的延伸。5G概念由标志性能力指标“Gbps用户体验速率”和一组关键技术组成。5G技术创新主要来源于无线技术和网络技术两方面。在无线技术领域，大规模天线阵列、超密集组网、新型多址和全频谱接入等技术已成为业界关注的焦点;在网络技术领域，基于软件定义网络(SDN)和网络功能虚拟化(NFV)的新型网络架构已取得广泛共识。

5G将进一步优化金融服务，实现金融场景的再造，为金融行业注入新的生机。5G技术的热点高容量场景，将为用户提供极高的数据传输速率，满足网络极高的流量密度需求，该技术场景将有效提升移动端金融服务的速率，减少因网络延迟造成的支付卡顿等情况，同时速率的提升也有助于通过AR/VR技术进一步丰富支付模式，提供更加真实的场景体验;5G技术的连续广域覆盖场景还可有助于银行无人网点的部署，通过AR/VR技术将金融服务带到此前网点无法覆盖的偏远地区，实现普惠金融服务。此外，5G面向物联网业务的低功耗大连接和低时延高可靠场景还将通过实现万物互联，获取海量、多维度、相关联的人、物、企业数据，进一步优化供应链金融、信用评估、资产管理等相关金融服务，实现更多丰富场景的探索。

5G及相关产业的发展带来广阔投资空间，引发金融高度关注。5G一方面提供更快的速率和更高的带宽，促进移动互联网进一步的蓬勃发展和人机交互新模式的创新，另一方面还将实现机器通信，千亿量级的设备将接入5G网络。5G还将与云计算、人工智能、AR/VR、无人驾驶等技术相结合在车联网、物联网、工业互联网、移动医疗、金融等领域带来更加丰富的应用场景，此外，5G网络还将是能力开放的网络，通过与行业的结合，运营商将构建以其为核心的开放业务生态，拓展新的业务收入模式，目前中国移动已经联合战略伙伴打造了百亿级规模的5G投资基金，国内外险资、券商、阳光私募、风投等众多机构，也早在2017年成立了数十支5G产业专项投资基金，未来5G及相关产业将持续引发金融高度关注。

5、移动金融安全

移动金融指的是使用移动智能终端及无线互联技术处理金融企业内部管理及对外产品服务的解决方案的总称，移动金融安全指的是移动金融业务开展过程中的安全。当前移动智能终端的普及加速了金融信息化建设，越来越多的金融服务向移动化逐步转型。移动金融丰富了金融服务的渠道，为金融产品和服务模式的创新、普惠金融的发展提供了有效途径。央行印发《关于推动移动金融技术创新健康发展的指导意见》将“安全可控”作为移动金融的健康发展的重要原则之一，强调了移动金融安全的对于移动金融技术创新发展的保驾护航的地位。

移动金融在创新与安全的博弈中发展，安全问题愈发引起重视。随着金融产业的发展，金融行业移动应用日渐成为金融服务及产品的重要支撑手段，移动金融未来将继续在规模和创新上发展。金融科技快速发展给移动金融带来了无限生机，但同时也滋生了诸多风险。移动金融应用中频发木马病毒、支付安全、敏感信息泄露、身份认证绕过、仿冒等安全问题，引发了监管部门乃至社会的广泛关注，移动金融安全成为金融创新发展中至关重要的保障。

个人信息安全是移动金融安全的重中之重。近年来，移动互联网应用程序(APP)越界获取用户隐私权限、超范围收集个人信息的现象频发。移动金融应用中隐私窃取类恶意应用占比最高，用户个人信息受到极大威胁。为保障个人信息安全，维护网民合法权益，中央网信办、工业和信息化部、公安部、市场监管总局开展“App违法违规收集使用个人信息专项治理”，加强个人信息保护，推动移动信息安全建设。

生物特征识别兼顾安全与便捷，成为移动金融安全关注的热点。目前，生物特征识别技术已经基本成为移动智能终端的标准配置，逐渐成为了金融业务中新型用户身份核实和认证的发展方向。中国人民银行于2018年10月颁布金融行业首个生物识别技术标准《移动金融基于声纹识别的安全应用技术规范》，将安全性和个人隐私保护摆到了突出位置，规范如声纹等生物特征识别的安全应用。

6、数字票据

数字票据是一种将区块链技术与电子票据进行融合，实现自动安全交易的新型票据。数字票据借助区块链具有分布式账本、去中心化、集体维护、信息不可篡改等特点，使数字票据更具安全性和信息公开性，更加智能交易，更加便捷使用。

数字票据可以实现全程高效真实的信息传递，全程自动化交易，以及交易过程全程追踪，提高用户隐私保护。区块链具有点对点传输，采用去中心化的信任机制的优势，保证数字票据的数据安全性、完整性和不可篡改性。数字票据利用区块链提供可编程的智能合约，实现票据的自动抵押、清付和偿还，避免交易风险。并且，所有交易都被记录在完整的“时间链”上，一旦有违约行为发生，可以追溯其责任，并且通过隐私保护算法保护参与者隐私，可实现参与者在区块链上的匿名性。

上海票据交易所数字票据实验性生产系统成功上线，工行中行浦发等银行参与其中。数字票据交易平台实验性生产系统已在2018年1月25日成功上线试运行，工商银行、中国银行、浦发银行和杭州银行在数字票据交易平台实验性生产系统顺利完成基于区块链技术的数字票据签发、承兑、贴现和转贴现业务。数字票据交易平台实验性生产系统结合区块链技术和票据业务实际情况，对前期数字票据交易平台原型系统进行了全方位的改造和完善，使结算方式更加创新，业务功能更加完善，系统性能不断提高，安全防护不断加强，隐私保护更加优化，实现实时监控管理。

7、数字资产证券化

数字资产证券化是将数字资产转化为证券的过程。将域名、商标、品牌、数字货币、游戏装备、账户号码等相关缺乏市场流动性的数字资产，转换为在金融市场上可以自由买卖的证券的行为。

数字资产证券化目的在于获取融资，以最大化提高资产的流动性。数字资产是文化产业的创新蓝海，是互联网+文化产业的新业态，是“文化互联网+”的文化大产业下的商业模式创新。域名、商标等数字资产缺乏市场流动性，通过数字资产证券化，有效打破刚性兑付，有效盘活巨大的金融资产和社会的存量资产，能把缺乏流动性但有收益性的数字资产设计成证券化产品卖出去，收回现金，提高流动性，进而获得融资。

数字资产证券化是区块链的最佳实践场景。我国央行货币研究所也在不断探索数字资产证券化区块链平台，借助区块链的分布式数据储存、去中心化的特点，保证了以及底层数字资产数据真实性，且不可纂改，降低了信息不对称性，增强了信息的透明及可靠程度，有效解决了机构间费时费力的对账清算问题，降低数字资产的融资成本，提高融资效率。

8、消费金融

消费金融是为满足消费者具体消费需求的现代金融服务方式。是金融机构向消费者提供用于购买装修、旅游、电子产品、教育、婚庆等具体的消费需求的个人消费贷款服务。除银行提供的贷款服务外，接触较多的消费金融服务有京东金融的“京东白条”、蚂蚁金服的“花呗”、苏宁的“任性付”等以及被大众接受的P2P小额理财服务。根据银监会发布的《消费金融公司试点管理办法》中定义，消费贷款是指消费金融公司向借款人发放的以消费(不包括购买房屋和汽车)为目的的贷款。

未来中国消费金融行业迎来巨大发展空间。2018
年，国家出台了多项鼓励消费金融发展的政策。特别提到“加快消费信贷管理模式和产品创新、不断提升消费金融服务的质量和效率。“作为消费主体的80、90后，更愿意通过借贷的方式满足产品购买需求。同时，随着消费金融规模的不断扩大，消费金融会向二三线城市下沉，各类金融应用场景需求增多。

金融科技助力消费金融产品创新和风控体系建设。目前，
我国消费金融存在监管机制有待完善、企业产品创新不足、风险防控体系不健全等问题。金融科技的发展为消费金融开发更多的产品应用场景，提升消费者体验，激活和拓展市场空间;同时，利用金融科技建立构建完善的风控运营体系，解决消费金融面临的征信记录缺失、运营经验缺乏，降本增效。在科技的驱动下，消费金融将不断提升风险防控能力，不断提升运营能力与科技创新能力，科技驱动下的产品创新和风控体系的建立将为消费金融迎来更大的发展空间。

9、智能客服

智能客服可以显著提高金融服务效率。智能客服系统是利用机器学习、语音识别和自然语言处理等人工智能技术，处理金融客户服务中重复率高、难度较低且对服务效率要求较高的事务，如服务引导、业务查询、业务办理以及客户投诉等业务。目前应用的智能客服场景有智能客服机器人、智能语音导航、智能营销催收机器人、智能辅助和智能质检等。

金融机构及互联网企业都在加大智能客服的探索和应用。金融机构在线上线下对智能客服系统应用广泛，网站、App客户端等线上智能客服服务系统能够实现自动理解客户问题并进行解答和办理简单业务。在线下网点的智能化进程加速，逐步推广无人银行，智能机器人、智慧柜员机、VTM机、外汇兑换机等大量智能自主终端，大幅减少人工服务成本，使客户获得更满意和周到的服务体验。同时，互联网企业在智能机器人方面的研发投入力度不断加大，为这些金融客户提供个性化的智能客户服务。

智能客服系统逐渐渗透到金融业务的售前、售中、售后全流程。目前，智能客服系统已经能够代替人工客服为客户解决许多简单、重复的问题，为金融机构节约了大量的人工成本。随着社会的发展，客户对服务的及时性、移动性、多渠道性提出更多的要求，智能客服的应用为金融机构留住更多客户，提供全天候及时、便捷的服务，增强客户粘性。在智能客服的应用过程中，大量用户数据通过智能客服积累和沉淀下来，为精准营销和业务流程优化提供参考。同时，智能客服系统利用大量完备的用户数据，逐渐承担起更多售前、售中、售后全流程的金融业务。

10、不良资产处置的科技运用

科技带来不良资产处置方式创新发展。不良资产可分为股权类资产、债券类资产和实物类资产。不良资产处置有破产清算、拍卖、招标、协议转让、折扣变现，以及债转股、债务重组、资产证券化、资产重组、实物资产出租、实物资产投资等方式。近年来，随着云计算、大数据、人工智能、区块链技术的发展应用，出现了以互联网为基础的创新处置模式，如不良资产综合处置平台，众筹投资、撮合催收等。

经济新常态背景下对不良资产处置任务艰巨。不良资产率的持续攀升，政府鼓励不良资产处置的市场化。据银保监会称，2018年中国商业银行的不良贷款率为1.89%，为10年新高，截至12月底，商业银行不良贷款总额为2万亿元。
在经济新常态下，风险和各种不确定因素增多，对不良资产处置的效率和处置效益提出更高的要求。近年来，银行机构、资产管理公司等纷纷与互联网企业合作，通过网络平台模式进行不良资产的拍卖，涉及股权、债权和各种实物抵押物，取得良好效果。

金融科技已经在多个环节开发实际应用场景。科技运用可以快速发现资产价值，减少错配情况的发生，同时，可以显著提高信息互通，提升效率，提高不良资产处置回收率。目前金融科技已经在多个环节开发应用场景。如在运用自然语言处理和机器学习技术优化催收策略，同时，实现催收业务流程自动化，缩短处置的时间周期;通过大数据分析实现信用风险的精准定价;区块链分布式记账解决信用机制、信息不对称等问题，优化不良资产证券化流程，缩短处置周期，保证信息的真实有效性。

Ⅷ 金融科技在大数据和人工智能方面有哪些应用

近年来，人工智能有一系列的突破，在金融领域的应用也发展很快。我们做FDT的时候心目中有一个偶像，就是美国的文艺复兴科技公司，它旗下基金的平均回报率，在1989年到2009年间达到35%，比索罗斯和巴菲特高出10个百分点。2015年9月花旗做了一个预测，未来10年智能理财管理会增加5万亿美元的收入。高盛预测2025年AI为金融行业带来的增值每年达到430亿美元。2017年3月摩根大通发布了一款金金融合同解析软件，只需几秒就能完成以前律师们36万小时的工作。这说明人工智能很可能大规模的在商业，特别是在金融领域应用。而且，在金融领域应用大数据也有一些先天的优势条件和基础。刚才黄院士讲了，人工智能的前提是必须有海量的大数据，数据越多越能说明问题，而金融公司天生就是数据公司，银行也好，交易也好，每天和数据打交道，而且这个数据的质量和数量也能达到一定的要求，这是人工智能得以应用的一个非常重要的数字基础。另外，银行金融的业务相当多的是预测和决策类的，正是人工智能模型最擅长的领域。还有一点，金融作为全社会资源的配置工具，用AI对其加以优化，无疑有很大的社会意义和商业意义。
下面讲讲智能教育。FDT最初的宗旨就是为了培养交易员，是一种公益教育。FDT有自己的教育理念，有智能的训练软件作为教育工具，还有一套完整的教育准则和评价体系。这套教育准则和评价体系就是FDT财商指数，这不仅是我们评价交易员的标准，也是个性化教育的工具。这个财商指数本质上是通过大数据给用户画像，我们的用户就是交易员和散户，以加深对他们交易行为和交易心理的理解。我们根据海量的模拟交易数据发明了FDT财商指数。大家看这张图，这张图的横坐标是风险控制能力，纵坐标是盈利能力，用这个可以分清不同的交易员的情况，然后对他进行个性化教育。我们把交易员分为四类。第一类是优秀的模拟交易员。他们相对于庞大的FDT用户是很少的，占比不足1%，这部分交易员收益风险俱佳，可以重点培养，甚至可以给他实盘操作。第二类就是高级模拟交易员，占比约9%，他们交易的意愿比较强，可以通过个性化的智能教育和培训帮助他提高。第三类就是中极模拟交易员，占比超过40%，他们风险意识较强，可以考虑被动投资。第四类是初级模拟交易员，FDT财商指数值比较低，但人数最多，占比超过50%，需要继续帮助他们上金融教育课。
FDT财商指数的创新，在于它结合了人工智能+大数据+行为经济学。传统的金融方法都是靠问卷，基于人工设定的权限规则，对设定之外的行为特征就无能为力了，而FDT的财商指数是基于人工智能，通过非线性的机器学习模型，将上百个交易特征结合在一起，自动地抽取大量的判定规则，最终形成了财商指数的分数排序。传统的金融是基于结算后的“天”级别的数据，数据量少，非常简单，而且是单机计算，无法发现隐藏的风险和行为特征，而FDT的财商指数是对大数据按照毫秒级的行情识别，进行实时的分步式并发处理，可以深刻地了解交易员的心理和行为，数据越多，对交易员的个性化描绘越清楚，从而可以更有针对性的做个性化的教育和训练。在特征方面，传统金融方法都是基于盈利或者回撤数据，而FDT财商指数是基于行为金融学来刻画用户的心理特征和行为偏差，这背后需要大数据架构的技术支持。综合来看，FDT财商指数的交易行为特征，是基于行为金融学和对冲交易的专家经验的紧密结合。这是我们对每个交易员提供的FDT财商指数的报告，这是一个大报告，四个象限，包括盈利、风险、一致性、活跃度等，每一个后面都有一些具体的分析。其他的都好理解，只解释一下“一致性”，简单来说就是“穿越牛熊”的能力，能够在变化的市场中灵活调整策略来实现稳定的盈利输出。下面是我们根据财商指数，对参与交易的这些学校做的一些排行。
下面讲智能交易。交易的核心，一个是止损，一个是预测，一个是配比。我们传统的交易都要设止损线，不管谁不管什么情况，到了止损线一律清仓，以免出现无法承受的交易损失，这种情况实际上是忽视了个性差异。有了人工智能以后，在大量历史数据情况下，利用机器学习的模型，可以给每个交易员设定不同的止损线，比如可以根据交易员的历史盈利情况设定不同的止损线，也可以根据交易员的不同风格来设定，有些交易员喜欢也善于在大起大落中把握机会，你就给他设定个性化的止损线。FDT可以根据财商指数来设定精确细致的止损线。再就是对波动的预测。搞交易的人都知道，资产的波动性很重要，因为它既代表风险也代表盈利，所以好的交易员是在风险波动中赚钱。怎么样预测和判断这个波动？现在有了大数据和AI，就可以通过机器学习的方法，对A股、期货做出一个波动的预测。还有就是资源的分配。对优秀的交易员，可以给他特定的交易机会。就像婚姻介绍所一样，我们用这个评价指数对交易员做一个评价，对股票做一个评价，不同的交易员做不同情况的市场，这样可以发挥每一个交易员的才干，这也是我们利用人工智能对交易的一种应用。
最后讲一下智能投资。中国的资产管理市场在迅速增长，到2020年，估计有180万亿人民币需要财富管理，年复合增长率达到14%。但是目前大部分用户投资不理性，买卖的时机不当，导致大部分基金产品盈利，但是大部分用户还是亏损。所以我们用人工智能的办法尝试解决。首先，是智能的用户理解，我们借助模拟交易平台和大量的数据，用FDT 财商指数，从金融行为学的角度评价用户的风险偏好。二是跟哥伦比亚大学的FDT智能资产管理中心合作，研究了一套智能资产组合优化的顶级算法。三是智能投资的风险管理，对每一个投资组合做未来盈利的亏损的概率估计。四是智能个性化的资金分配，对不同的客户，不同的风险偏好，给他不同的产品，这也是智能化和个性化的基金推荐，把合适的基金推销给最合适的客户。当然，由于中国的资本市场仍不成熟，市场运行还不完全是市场规律的反映，所以智能投顾的市场环境不稳定，所以我们还要创造一些条件。
总而言之，我们的金融交易市场结构不合理，要去散户化，美国用了70年，我们不要用那么多年。我们要培养优秀的交易员，通过FDT创新工厂探索有效的办法。我们通过培养交易员掌握大量的模拟交易的数据，再与科研机构合作来挖掘这些数据的价值，用以研发智能教育，智能交易和智能投顾，应该说在人工智能在金融市场应用方面作了初步的探索。相信在这方面我们还有非常大的空间，这件事不仅具有社会价值，而且具有商业价值。谢谢。