第一节
理解金融科技

如果将时间向前推10年，彼时的“金融科技”还是一个相当新颖的词语。就10年前的国内金融市场而言，银行各分行、券商各营业部使用的大量线下数据、线上数据处于未打通的状态；私募基金尚在某种灰色地带徘徊，仅仅处于起步阶段，而量化私募在国内更是无从谈起。如果实在要谈金融科技，只有当时以点对点网络借款（Peer-to-Peer，简称P2P）创新为代表的小额信贷勉强可以称之为“互联网科技+金融”——P2P那时仍处于蛮荒时期。

10年后的今天，金融科技离人们已经不再遥远。即使我们对金融科技一词还不够了解，但在使用支付宝、手机银行的过程中，我们都直接或间接地和金融科技这一概念扭结在一起。

支付和交易变得越来越简单，过去出于安全和成本考虑的柜台业务，如今绝大部分都可以通过手机端在线办理；过去许多需要人工处理而耗费大量时间的业务审核，如今可以使用各种算法模型在短时间内予以确认。

这些在我们生活中愈发不可或缺的金融工具，正是金融科技这座冰山展露出的一角：它们能使客户感知到最直接、最有冲击力的改变。而金融科技隐藏起来的“冰山”，如银行的数字化转型、信息的线上迁移、大数据计算“上云”“刷脸支付”背后的人工智能技术等则让颇具冲击力的改变成为可能。

想要理解金融科技的全貌，我们就不能只看展现在海平面上的冰山一角，而是需要理解清楚“整座冰山是怎样的”。

但是，理解清楚这一点并不容易——对这样一个交叉领域尤其如此。如果一个人是金融专家，但对科技知之甚少，那他很难判断清楚哪些事情从技术层面是真正可行的；如果一个人只是某方面的技术专家，但对金融业务知之甚少，那么他很有可能找不到真正有价值、能提升效率的业务点。这座冰山相当庞大，想要看懂它，我们就必须先在头脑中有一条清晰的路径，从这条路径出发去理解各种技术和业务。

因此，我们可以从这两个角度来理解金融科技的全貌：金融科技的主线是什么？如今我们走到了哪一个阶段？

一、金融科技的主线

金融是一个相当宽泛的领域，科技同样是一个包罗万象的集合体，那么“金融+科技”所内蕴的场景和应用就更加纷繁复杂了。如果我们不能清晰地抓住其主要的脉络就很容易迷失其中，陷入盲人摸象的困局。

金融科技的主线是什么？一言以蔽之，科技赋能金融。既是赋能，就绕不开金融行业本身的属性：其核心是围绕货币和信用展开的。或者通俗来说，是围绕“钱”展开的。因此，金融科技的核心和金融没有区别，它仍然是围绕着以下三个问题展开的：钱从哪里来？钱流到哪里去？如何保障钱的流动？

这三个问题的回答，分别对应三个关键词，即：客户、资管、风控。

钱来自客户。 银行需要从每个客户的口袋里拿到存款，这些存款就是银行信用的根本来源；基金公司需要从每一位基金份额持有人手中拿到资金，当基金份额持有人认购了一款基金产品后，基金经理就能够用基金份额持有人的资金去市场上进行投资；受托人需要从委托人处获得资金，委托人即是信托业务的客户；保险公司需要从保单中获得客户缴纳的保费，这依赖于保险代理人或其他线上渠道的推广。如何触达更多的客户、如何降低客户服务成本、如何提升客户服务的满意度，这一直是金融重要的创新领域，也正是科技融入其中的价值所在。归根结底，资金端的钱来自客户，需要服务好客户才能获得。

钱用于投资。 投资可以看作是资产端的业务。银行需要将理财产品募集的资金用于投资；同样，基金公司需要有专业的经理人将募集到的资金投资于债权或股权；券商的自营业务显然具有与基金公司类似的属性，而其首次公开募股（Initial Public Offering，简称IPO）和并购业务则可以看成是股权投资服务在一级市场的延拓。无论是债权投资还是股权投资，无论身处一级市场还是二级市场，投资者、管理者关心的核心问题是一致的：如何让投资更稳健和透明，如何提升投资收益。这依赖于投资者和管理者对信息的捕捉能力、对信息的分析能力以及对资产组合的管理能力。而这些方面正是科技可以赋能的关键。

钱需要风控。 银行不希望有坏账，基金公司不希望有亏损，券商希望自己承销的IPO业务不存在风险，各类消费金融公司也不希望自己的消费贷款出现违约，然而，在金融市场中风险是永恒存在的。如果不存在任何风险和不确定性，金融体系也将失去存在的必要性和正当性。虽然银行不希望有坏账，但在具体实践中其希望的是坏账率保持在某个范围以内；虽然基金公司不希望有亏损，但具体而言其希望的是最大回撤率控制在某个范围以内……其基本的含义是：风险控制是一个统计意义下的、基于历史数据总结出的管理风险的机制。传统风控依赖主观判断，而计算机基于大数据进行的征信处理、模型计算，显然比主观判断要更可靠。这些方面，我们已经看到了诸多科技推动金融的具体实践。

钱的流动以及钱如何以更低成本创造更多价值、更风险可控地流动，构成了金融科技的脉络：科技从客户、资管、风控的角度让金融领域相关工作变得更高效、成本更低。

当然，“客户—资管—风控”的视角远不足以概括金融的全貌，例如结算或清算业务就难以归类到这一视角之中。但是，至少在我们思考金融科技时，它提供了一个很好的框架和范式。当我们接触到任何金融科技应用、金融科技公司时，我们都可以问这样一个问题：这一科技运用到底是解决了哪个维度的问题？客户、资管还是风控？再进一步讲，科技究竟是如何在这一维度提升效率、降低成本的？

越是对金融科技有深入理解、抛开对其浮光掠影的认知，就越能意识到金融科技并非只是新兴科技和金融业务的简单叠加。

2017—2018年，随着比特币备受关注，区块链和加密货币也成了金融科技中最火的领域，彼时的首次代币发行（Initial Coin O◆ering，简称ICO）如火如荼地开展。但在今天，我们可以看到许多当时的区块链项目只是披上了一层区块链外衣，根本没有能力解决金融中真正的信用问题。这并非因为区块链技术本身有什么问题，而是因为太多应用场景只是盲目地使用这一新兴技术，仅仅从概念上将“加密”和“信用”联系在一起，却没有真正去思考客户、资管、风控三个方面如何能够在区块链的“去中心化”机制下做得更好。

金融科技的目的并非为技术而技术、为科技而科技，而是让金融创新自然而然地发生。从客户的角度而言，客户并不会因为科技含量高而选择一项金融服务，他们关注的仍然是自身的体验是否够好、费用是否降低；从机构的角度而言，机构也并不会因为“科技含量高”而取得必然的成功，他们关注的仍然是能否触达更多的客户、能否使服务变得更简单和高效。

二、金融科技的发展阶段

具备横向和纵向的视野对认识金融科技是有益的：我们一方面要重视国内金融市场如今从数字化转型到智能化的整体趋势，另一方面也要看到全球范围内较为领先的成功经验。

1.纵向看金融科技

纵向来看，金融行业整体的数字化程度已经较高，但离智能化还有很远的距离。我们可以继续以“客户—资管—风控”的视角，概括性地了解其现状。

在客户方面， 目前银行、证券、保险的数字化转型都已经有了不错的成效，较大的金融机构基本上完成了线下数据向上迁移、重要数据全链路打通的数据库和平台的搭建。实际上，在最近5年，国内金融机构的关键词就是数字化转型和数据“上云”。

接下来，科技对金融的赋能将越来越多地集中在“智能化”上，例如，如何利用客户消费数据、客户交易数据，构建客户画像以及实现“千人千面”的产品推荐等问题。再如，各大银行都在努力发展信用卡业务，那么如何通过数据分析、客户挖掘，找准营销渠道、提升客户黏性呢？类似这样的场景还有很多。在这些领域，大部分金融机构还处在“有数据、缺智能”的状态，因此这一类产品、平台的智能化还需要付出更多努力去实现。

在资管方面， 国内一些大机构已经有了智能投顾、智能投研的雏形，如平安科技、蚂蚁集团、华泰证券都投入了相当丰富的资源。这类业务的优势在于，智能投顾和智能投研领域本身已经有相当多的行业专家，他们在这方面耕耘多年，智能投顾或智能投研可以很大程度上依赖这些行业专家的判断、认知，而并不需要完全重新造车；另外，智能投顾、智能投研能够使用的数据资源较为成熟，无论是市场数据、基本面数据还是宏观数据，市场上都已经有丰富的数据供应商，相比于缺失的、割据的客户数据，智能投顾和智能投研业务的数据优势是很显著的。

但另一方面，这类业务面临的挑战也会更大。因为此类业务涉及投资，需要直接和钱打交道，所以对人工智能算法的天然不信任感可能成为业务开展的重大阻碍，正因如此，金融机构往往对这类业务的落地提出较高要求：量化模型或者人工智能算法在这些方面必须表现得比人类还要出色。另外，既然是投资业务，其核心仍然是对市场的预测是否准确、对客户的风险承受能力是否了解。这两方面都受到相当多不确定性因素影响，需要足够灵活地应对，同时需要更健全、完善的投资框架体系。

这类业务目前仍主要处于辅助投资的阶段，如提供另类数据、输出策略或者呈现以规则型为主的投资建议。如果我们认为其终极形态是能够落地成为代替客户经理的“智能顾问”，或者代替基金助理、券商分析师的“智能研究员”，那不得不承认它离终极形态还有相当远的距离。

在风控方面， 由于早期金融科技主要涉及小额信贷和个人金融，因此提到风控，科技赋能的主要场景就变成如何判断个人或公司的贷款违约率。而且，对于很多从P2P业务起家的金融科技公司，贷款违约率的高低几乎决定了公司是否能持续经营。因此从整体上讲，金融科技有关风控的业务，可以说就是围绕着贷款违约率预测、降低贷款违约率展开的。在这方面，金融科技公司采用各种技术手段去降低违约率、减少诈骗案件发生，从最开始的规则制定和人工审核系统搭建，逐渐演变到基于基础征信信息，搭建以大数据、机器学习模型为主的风控体系。

当然，金融科技所涉及的风控远不仅是贷款违约率。例如，在投资层面，投资经理需要关注其投资标的风险，这部分风险包括市场风险、流动性风险、信用风险，等等；在项目层面，不同项目之间的风险隔离、防火墙、交易合规等都涉及具体的风险管理事项。

传统的风险控制主要依赖于简单统计模型和人工手动处理的方式，尤其是人工手动处理的行为往往是“事后补丁”——这也就意味着，公司运行的风控体系是经过惨痛教训之后才建立的。智能化的风控体系，最关键的就是要能从过去的历史数据中“学习”到可能被忽略的风险点，使用程序化的手段、运用算法模型将其落地为能够提前预警的整套装置。

2.横向看金融科技

横向来看，目前国内金融科技公司在全世界范围内都具有较强的优势。全球排名前十的金融科技公司中国占3家，以“互联网+”为代表的金融科技公司在最近10年内涌现（如蚂蚁集团、陆金所、度小满、京东金融等）。但其实这类金融科技公司其业务仍主要集中在小额信贷和消费金融，少数业务涉及为传统金融公司提供软件即服务（Software-as-a-Service，简称SaaS）系统。相对于整个金融领域来说，科技赋能涉及的范围仍然较小。而在传统金融涉及的资管、保险、信托等其他领域，中美两国之间的“金融科技”发展水平差距依然很大。

在个人银行业务方面， 美国的信用卡业务从1970年就已经开展，美国人均持有信用卡数量超过3张，而国内的信用卡业务仍然处在起步阶段，以比较粗放式的增长为主。相比起来，美国信用卡公司更善于运用科技手段对客户采取更为精准的营销策略。在客户服务上，如使用智能顾问等方面，他们有更加成熟的落地经验。

在投资方面， 美国以彭博（Bloomberg）为代表的全球金融数据库，其数据覆盖度、精准度、时间跨度等都是目前我国数据供应商无法比拟的。底层数据不够完善只是一方面，我国投资界更大的问题还在于可用金融工具不足、市场体系不够完善、投资群体不够成熟。从19世纪80年代开始，美国就出现了许多量化基金（这是当年金融+科技的“明星代表”）。另一方面，美国已有成熟的、专门从事做市交易的公司，并且作为做市商的一部分为市场提供了大量流动性；而目前我国的做市制度仍然处于萌芽期。

从风控角度， 美国已经形成相当完善的征信体系（FICO），其覆盖程度相当高，对于消费数据已经形成成熟的“收集—过滤—分析—输出”体系，各类信用卡公司也建立了基于微观消费数据的数据仓库，并将其用于商业预测、风险预警等。另外，以标准普尔为代表的评级机构覆盖了大量企业，对全球金融市场都具有相当深远的影响力，其数据处理广泛使用了各类机器学习、深度学习方法。金融机构、监管部门在风险控制方面也积累了相当充足的经验，在反洗钱、防火墙隔离、重点风险事件等具体项目中也已经开始运用人工智能算法进行处理。相比起来，我国的风控和监管经验都是比较缺乏的。