浙江大学 计算机系网络与分布式系统实验室 金融科技加速变革 为期货行业带来新机遇(3)

金融大数据广泛普及

金融行业数据资源丰富，数据应用由来已久。浙江大学 计算机系网络与分布式系统实验室从发展特点和趋势来看，金融云的快速建设落地奠定了金融大数据的应用基础，金融数据与其他跨领域数据的融合应用不断强化，人工智能正在成为金融大数据应用的新方向，金融行业数据的整合、共享与开放正在成为趋势。

金融机构的业务要求大数据平台具有实时计算能力。浙江大学 计算机系网络与分布式系统实验室目前，金融机构最常使用的大数据应用场景为精准营销、实时风控、交易预警和反欺诈等业务都需要实时计算的支撑。大数据分析平台可以对金融企业已有客户和部分优质潜在客户进行覆盖，对客户进行画像和实时动态监控，用以构建主动、高效、智能的营销和风险管控体系。

为切实做到数据驱动，金融企业需要定制化的技术平台。首先，金融企业要进行顶层设计，把技术和业务结合起来，将技术应用在企业价值链的每个场景上。其次，金融企业需要的系统改造。为实融大数据具有极高的重要性，需要更加完善的安全保障措施。金融数据的泄露、篡改可能造成系统性金融风险，甚至危及社会稳定。部分数据如用于金融交易的用户鉴别与支付授权信息需要全流程加密。

人工智能成为应用新方向

人工智能在金融领域的应用主要包括五个关键技术：机器学习、生物识别、自然语言处理、语音技术以及知识图谱。机器学习具有多种衍生方法，包括监督学习、无监督学习、深度学习和强化学习等。

金融行业的不断发展，沉淀了大量的金融数据，主要涉及金融交易、个人信息、市场行情、风险控制、投资顾问等方面。金融行业的海量数据能够有效支撑机器学习，不断完善机器的认知能力，达到与人类相媲美的水平，尤其在金融交易与风险管理这类复杂数据的处理方面，人工智能的应用将大幅降低人力成本，通过对大数据进行筛选分析，帮助人们更高效率地决策，提升金融风控及业务处理能力。

人工智能技术在金融领域应用的范围主要集中在智能客服、智能投顾、智能风控、智能投研、智能营销等方面。智能客服主要以语音技术、自然语言理解、知识图谱为技术基础，掌握客户需求，并能自动获取客户特征和知识库等内容，可以帮助客服快速解决客户问题。智能投顾是通过机器学习算法以及现代资产组合优化理论来构建标准化的数据模型，并利用网络平台和人工智能技术对客户提供个性化的理财顾问服务。智能风控是利用“大数据+人工智能技术”建立的信用评估模型，关联知识图谱可以建立精准的用户画像，支持信贷审批人员在履约能力和履约意愿等方面对用户进行综合评定，提高风险管控能力。智能投研是基于大数据、机器学习和知识图谱技术，将数据、信息、决策进行智能整合， 实现数据之间的智能化关联，并形成文档，供分析师、投资者等使用，辅助决策，甚至自动生成投研报告。智能营销是通过用户画像和大数据模型精准找到用户，在可量化的数据基础上分析消费者个体的消费模式和特点，以此来划分客户群体，精确找到目标客户，进行精准营销和个性化推荐。

区块链带来金融服务机制的深刻变革

区块链技术基于非对称加密算法进行了信用创造机制的重构：在金融交易系统中，参与者之间无需了解对方的基本信息，也无需借助第三方机构的担保，直接进行可信任的价值交换。区块链的技术特点保证了系统对价值交换的活动记录、传输、存储的结果都是可信的。

从硬件算力基础设施的服务到区块链的架构设计与底层服务技术，再到资产的数字化与场景化应用，区块链技术已经逐渐渗透到金融行业的主要应用场景。

一是供应链金融，对于多方参与的供应链金融，区块链将分类账上的货物转移登记为交易，以确定与生产链管理相关的各参与方，以及产品产地、日期、价格、质量和其他相关信息。任何一方都不会拥有分类账的所有权，也不可能为牟取私利而操控数据。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-83133-3.html