金融科技创新
近年来，在互联网的助推下，金融业态出现了许多新的模式、新的产品。这些新事物主要有以下几类：交易结构的创新、科技融合的创新、交易流程的创新、交易渠道的创新。
科技是第一生产力。而作为出资方，金融市场更是科技创新的主要受益者。而科技创新带来的产品改进，产业改革，都为金融市场源源不断地注入了活力，扩展了金融市场的广度和深度，驱动着金融市场的健康发展。
本文主要盘点科技融合的创新。
1 区块链
区块链起源于比特币，是一位网名为中本聪的一位密码学极客在创建比特币时设计的一套数据库技术。在比特币风靡全球时，人们发现其背后的区块链技术原理有神奇的独到之处，比如去中心化、信息高度透明、不易被恶意篡改、数据可追溯等特点。而这些方面恰恰是金融领域多年来容易出问题、或者需要高成本投入解决的问题。
简单来讲，区块链原理是：
1、数据可追溯：一个数据节点包含两部分内容，区块头和区块体 。区块头包含了每个区块自身的身份识别信息。其中块高度是本区块在队列中的顺序，头哈希是本区块的id号，“父哈希”是本区块的上级区块的编号。区块之间就是通过“父哈希”一个一个链接起来形成一个“链”。这就是区块链的名词来由。
区块体则包含了上一个区块以来到本次区块记录信息之间的时间段内发生的所有交易信息。这种记录方式意义非凡，即：人们可以把各个区块的交易信息串起来，就形成了完整的交易明细清单，每笔交易来龙去脉非常清晰、透明。另外，最重要的作用是，当人们对某个区块的“值”有疑问时，可方便的回溯历史交易记录进而判别该值是否是正确的，识别出该值是否已被篡改或记录有误。
2、数据防篡改：区块链的信息是分布存储的，没有中心节点。每个节点之间平等，并存储其中的一份完整的数据副本(业界称为账本)。任何个人、机构的计算机资源都可以用来加入节点。当节点不断扩充过程中，除非能够控制整个系统中51%的节点，否则单个节点的数据库篡改是无效的，也无法影响其他节点的内容，当加入的节点越多，整个系统越安全。
区块链可应用领域：
1、征信：当前我们的征信主要采用的模式是中心记录，中心查询模式，存在信息不完整、维护成本高、数据滞后等问题。区块链可记录海量的行为信息，并存储在每个节点上，信息透明，防止篡改，维护成本低。也许，以后人们申请贷款时，从区块链调用信息即可完成审批，真正的闪电贷。
2、支付：当前的支付模式，不论是银行体系的支付，还是第三方支付公司的支付，都是中心维护模式。交易记录，账户余额，账户安全管理都是以中心支付系统为核心来构建的，这样存在几个问题：1)安全风险：中心系统一旦被攻破，后果不堪设想。2)成本过高：而为了不被攻破，中心系统需要投入巨额资金进行风险防范，另外中心系统需要大量的人力进行运营，且权力集中后的中心系统运营机构开始以此进行牟利：通道费用，服务费用，安全费用等等，据报道，目前银行业提供的项目中有数百项需要收取服务费。
3、积分：某保险公司最近基于区块链技术推出的积分，用户可以向朋友转增积分，还可以基于与其他基于区块链技术的积分进行互换。积分互换定价是一个长期的难题，而基于区块链的互换采用的市场化的定价方式，为积分互通构建了坚实的基础。
日前，已有多家金融机构通过成立区块链实验室、投资相关技术公司等方式布局这一领域。包括纳斯达克、摩根大通、花旗银行、瑞银集团、高盛集团、桑坦德银行、巴克莱银行、德勤会计师事务所等，区块链技术的应用实验已在证券、银行、审计等行业启动。
区块链技术尚处于萌芽阶段，虽实际应用尚未普及，但其创新来自底层，与传统金融系统原有逻辑完全不同，这种颠覆是根本性的，为金融走向全面数字化、去中心化，加强风险控制、以及解决金融交易不信任等方面提供了全新的思路。
这，才是互联网金融的未来。
2 智能客服机器人
苹果的Siri，微软的小冰、小娜，百度的度蜜，以及更早出现的小i，均是智能客服的佼佼者，交通银行也启用了智能大堂经理“交交”。通过机器学习、语音识别、语义分析等技术，人工智能助手走进人们的生活，让人与机器的对话趋势越来越普遍。
金融业产品通常比较复杂，手续也相对繁琐，所以金融机构往往需要大量的客服人员。智能客服通过把高频问题标准化、模板化，搭建知识库不断积累词条，同时提升语义分析及匹配技术。可实现大部分问题可自动处理，少部分人工介入。这不仅仅对金融机构成本节约有好处，对客户体验来说也是极好的：您不再排队等待人工受理，立即就能解决问题。
这不是幻想，智能客服机器人已然真真切切走入了我们的生活，并正在影响着我们的生活。(对此，钛媒体也有报道《传统即时通讯商独揽大盘，起底苦逼的 SaaS 客服创业系》)
3 刷脸技术
平安普惠金融人脸识别即可贷款、招商银行的ATM人脸识别即可取款、海通证券人脸识别即可远程开户......在科幻片中出现的场景，不经意间，已然飘到身边。由于人脸与人的其他生物特征如指纹、虹膜一样，具备唯一性和不可复制性，具备做为身份验证的条件。
人脸识别技术通过摄像头采集人脸照片或视频，自动分析其中的人脸图像，并与系统中存储的人脸数据库进行匹配并验明真身。具备以下优点：
1、使用方便：刷脸过程体验很好，不需要遮遮掩掩的输入密码，不需要输入错误还得重试，帅帅的露个脸就搞定，实在很潇洒。
2、安全：信用卡被复制、密码泄露等问题将彻底解决，再也不需要用一个厚厚的本子记录下那几百个密码了
3、远程受理：由于担心欺诈风险，许多金融业务多年来一直坚持面谈、面签，有时候，请证明你就是你，还真是一个麻烦事。现在人脸识别技术可以解决你就是你，非现场金融业务受理将成为一种趋势。
基于“id+密码”的用户验证模式已被用了几十年，目前看来有机会被人脸识别所突破。(钛媒体文章《赵薇老公卷入首起“人脸识别案”，“刷脸”时代还有多远》对该行业有详细报道)
4 大数据
不同于传统的抽样调研方法，大数据是对全量可使用的数据进行多维度的分析，挖掘数据底下隐藏的逻辑关系，并用于商业场景。
具体到金融行业，大数据主要应用为有以下方向。
1、客户画像分析及精准服务：
大数据现逐步为金融机构所用，分析客户历史数据，为客户打上各类标签，形成客户轮廓，为客户精准推荐服务或产品。比如，通过分析客户的炒股行为，发现客户多次高吸低抛，喜欢追涨杀跌，可为客户打上“高风险偏好”，“短线”，“情绪化”，“新手”等标签，基本上我们可以了解该客户是一个比较情绪化的，喜欢博一把的，没有一套合适操作方法论的初级股民。那么后续可以为客户推荐一些炒股基础知识的内容引导客户成为一个合格投资人，另外，可以为该客户推荐股票型基金，符合客户的风险偏好，但资金交由专业机构打理。
2、信用分析：
互联网信贷领域开始尝试利用大数据来进行信用分析，因为，其一，国内还有很多人的信用报告是空白的，而这些人恰恰是消费金融的目标群体。其二，基于数据的分析能更加立体的了解一个人的社会特征，社会特征与信贷重要要素中的“还款能力”密切相关。比如某社交应用旗下的微*贷，由于客户在其社交应用中高频使用沉淀了许多数据，比如，好友数量，好友的层次(好友授信额度情况)，好友互动情况(与信用好的好友互动多还是与信用差的互动多)，位置信息，日常移动路线(衡量生活稳定性)，等等，笔者认为这些很有机会可进入其信用分析模型用于授信参考。
3、反欺诈：
通过分析历史欺诈客户的行为特征和结果特征，当新的客户进来申请贷款、申请信用卡、申请保险时，自动与反欺诈模型匹配，匹配度高的转人工判断或直接拒绝。欺诈是导致贷款损失的重要原因，目前已经有若干企业专攻此领域，如国内的同盾。
4、预测：
美国有一家金融科技公司kensho是这方面的代表，通过扫描世界市场上可以查询到的、直接或间接影响金融股票市场的一切可能的、实时变化的各种宏观和微观大数据，诸如政治事件，经济事件、商业事件、社会事件等，利用极其复杂的统计学、人工智能、机器学习、大数据算法、数量经济学理论和模型，推演出与某个事件相关联的特定类型股票(甚至是个股)最可能的变化趋势及其概率，最后通过通俗的方式呈现出来。比如iphone6发布哪些个股会受益。这种体验类似与google搜索的体验：提问题，得答案。还好kensho目前只向机构开放，否则各种证券分析师，基金经理什么的恐怕会饭碗不保。
5 量化交易
量化交易指的通过分析历史数据，观察某类型“事件”、“信号”出现之后，标的(或组合)标的的回报情况，当回报超越基准收益时，会被当做一个模型来制定策略，并指导后续的投资。并且，后续投资将有机器主导，最大程度避免了人性的贪婪、恐惧的弱点。
量化交易的优势有：
1、以史为鉴：通过大数据分析历史尽可能多的数据，找到能带来超额回报的模型。
2、自动化：采用程序化交易，依据模型，当某种预设的信号出现时，即买入或卖出，完全自动化。
3、碎片利润：每次交易不追求高额回报而是追求成功率，每次利润可能很少，但积少成多会带来可观回报。
近年来纽交所程序化系统交易量所占比例基本维持在30%左右。国内也在蓬勃发展。采用量化交易进行投资的人，有一个高逼格的名字，宽客。记住了，想装X的话，以后你可以跟别人说：我不是股民，我叫宽客!
6 智能投顾
私人投顾，通常只有银行的私人银行部，或者证券公司、基金公司的面对大客户时，才提供这类服务。私人投资顾问们通常拥有高学历、履历靓丽，衣着光鲜、彬彬有礼，颜值惊人。对全球经济形势侃侃而谈，对不同经济体的现状了如指掌，对海外资产配置了然于心。可根据客户的风险偏好及资产规模，进行全球化的资产筛选、风险匹配、比例配置及流动性管理。确保贵宾们资产安全无虞的同时确保合理的收益。然而这种贵宾尊享的服务只有资产规模数百万的客户方可拥有。
现在，金融极客们想打破这个现状。
以Betterment为例，我们来了解一下智能投顾。首先你需要先设定你的投资目标，然后Betterment会根据您的目标提问一系列的问题。Betterment会根据你的回答做出分析，然后给出相应的投资组合建议，包括股票基金(ETF)组合建议，债券基金组合建议。并可通过Betterment平台直接投资。与用户的银行账号绑定，从活期存款账户中自动扣款。用户还可以参考同收入，同职业的其他用户的投资计划。Betterment目前管理着30亿美元的资产。
智能投顾有几个核心的价值：
1、专业选择：大多用户并不专业，在面向众多的产品时，存在信息不对称，认知不到位等问题，选择无从下手。机器人模型背后是金融产品专家，替用户完成了产品筛选的工作。
2、动态跟踪：组合可以设定进入模型，退出模型。当达到预设的阀值时，即预警甚至自动操作。 它是您的忠实仆人，7*24小时全天候不间断看好您的钱。
3、自动化：组合开始运行后，随着市场的变化，也是需要调整的，仓位调整、资产配比调整、组合标的调整。人力无法实时跟踪及操作，此时机器智能就派上用场。
国外金融科技机构已经在此领域探索多年，其中Wealthfront、Betterment、PersonalCapital、FutureAdvisor的是该领域的佼佼者。根据A.T. Kearney数据预测，到2020年，美国智能投顾的资产管理数量将达到2万亿。
目前，中国的金融科技的产品经理和技术开发人才严重缺乏，据我所知区块链技术开发者的身价炒到很高，比普通开发者价格贵一倍，有完整技术实力的公司做创业公司，更是以天价估值获得融资。好在有不少开源的区块链、量化投资等技术，让有见识的技术人员很容易地学习金融科技。
科技是第一生产力。而作为出资方，金融市场更是科技创新的主要受益者。而科技创新带来的产品改进，产业改革，都为金融市场源源不断地注入了活力，扩展了金融市场的广度和深度，驱动着金融市场的健康发展。
本文主要盘点科技融合的创新。
1 区块链
区块链起源于比特币，是一位网名为中本聪的一位密码学极客在创建比特币时设计的一套数据库技术。在比特币风靡全球时，人们发现其背后的区块链技术原理有神奇的独到之处，比如去中心化、信息高度透明、不易被恶意篡改、数据可追溯等特点。而这些方面恰恰是金融领域多年来容易出问题、或者需要高成本投入解决的问题。
简单来讲，区块链原理是：
1、数据可追溯：一个数据节点包含两部分内容，区块头和区块体 。区块头包含了每个区块自身的身份识别信息。其中块高度是本区块在队列中的顺序，头哈希是本区块的id号，“父哈希”是本区块的上级区块的编号。区块之间就是通过“父哈希”一个一个链接起来形成一个“链”。这就是区块链的名词来由。
区块体则包含了上一个区块以来到本次区块记录信息之间的时间段内发生的所有交易信息。这种记录方式意义非凡，即：人们可以把各个区块的交易信息串起来，就形成了完整的交易明细清单，每笔交易来龙去脉非常清晰、透明。另外，最重要的作用是，当人们对某个区块的“值”有疑问时，可方便的回溯历史交易记录进而判别该值是否是正确的，识别出该值是否已被篡改或记录有误。
2、数据防篡改：区块链的信息是分布存储的，没有中心节点。每个节点之间平等，并存储其中的一份完整的数据副本(业界称为账本)。任何个人、机构的计算机资源都可以用来加入节点。当节点不断扩充过程中，除非能够控制整个系统中51%的节点，否则单个节点的数据库篡改是无效的，也无法影响其他节点的内容，当加入的节点越多，整个系统越安全。
区块链可应用领域：
1、征信：当前我们的征信主要采用的模式是中心记录，中心查询模式，存在信息不完整、维护成本高、数据滞后等问题。区块链可记录海量的行为信息，并存储在每个节点上，信息透明，防止篡改，维护成本低。也许，以后人们申请贷款时，从区块链调用信息即可完成审批，真正的闪电贷。
2、支付：当前的支付模式，不论是银行体系的支付，还是第三方支付公司的支付，都是中心维护模式。交易记录，账户余额，账户安全管理都是以中心支付系统为核心来构建的，这样存在几个问题：1)安全风险：中心系统一旦被攻破，后果不堪设想。2)成本过高：而为了不被攻破，中心系统需要投入巨额资金进行风险防范，另外中心系统需要大量的人力进行运营，且权力集中后的中心系统运营机构开始以此进行牟利：通道费用，服务费用，安全费用等等，据报道，目前银行业提供的项目中有数百项需要收取服务费。
3、积分：某保险公司最近基于区块链技术推出的积分，用户可以向朋友转增积分，还可以基于与其他基于区块链技术的积分进行互换。积分互换定价是一个长期的难题，而基于区块链的互换采用的市场化的定价方式，为积分互通构建了坚实的基础。
日前，已有多家金融机构通过成立区块链实验室、投资相关技术公司等方式布局这一领域。包括纳斯达克、摩根大通、花旗银行、瑞银集团、高盛集团、桑坦德银行、巴克莱银行、德勤会计师事务所等，区块链技术的应用实验已在证券、银行、审计等行业启动。
区块链技术尚处于萌芽阶段，虽实际应用尚未普及，但其创新来自底层，与传统金融系统原有逻辑完全不同，这种颠覆是根本性的，为金融走向全面数字化、去中心化，加强风险控制、以及解决金融交易不信任等方面提供了全新的思路。
这，才是互联网金融的未来。
2 智能客服机器人
苹果的Siri，微软的小冰、小娜，百度的度蜜，以及更早出现的小i，均是智能客服的佼佼者，交通银行也启用了智能大堂经理“交交”。通过机器学习、语音识别、语义分析等技术，人工智能助手走进人们的生活，让人与机器的对话趋势越来越普遍。
金融业产品通常比较复杂，手续也相对繁琐，所以金融机构往往需要大量的客服人员。智能客服通过把高频问题标准化、模板化，搭建知识库不断积累词条，同时提升语义分析及匹配技术。可实现大部分问题可自动处理，少部分人工介入。这不仅仅对金融机构成本节约有好处，对客户体验来说也是极好的：您不再排队等待人工受理，立即就能解决问题。
这不是幻想，智能客服机器人已然真真切切走入了我们的生活，并正在影响着我们的生活。(对此，钛媒体也有报道《传统即时通讯商独揽大盘，起底苦逼的 SaaS 客服创业系》)
3 刷脸技术
平安普惠金融人脸识别即可贷款、招商银行的ATM人脸识别即可取款、海通证券人脸识别即可远程开户......在科幻片中出现的场景，不经意间，已然飘到身边。由于人脸与人的其他生物特征如指纹、虹膜一样，具备唯一性和不可复制性，具备做为身份验证的条件。
人脸识别技术通过摄像头采集人脸照片或视频，自动分析其中的人脸图像，并与系统中存储的人脸数据库进行匹配并验明真身。具备以下优点：
1、使用方便：刷脸过程体验很好，不需要遮遮掩掩的输入密码，不需要输入错误还得重试，帅帅的露个脸就搞定，实在很潇洒。
2、安全：信用卡被复制、密码泄露等问题将彻底解决，再也不需要用一个厚厚的本子记录下那几百个密码了
3、远程受理：由于担心欺诈风险，许多金融业务多年来一直坚持面谈、面签，有时候，请证明你就是你，还真是一个麻烦事。现在人脸识别技术可以解决你就是你，非现场金融业务受理将成为一种趋势。
基于“id+密码”的用户验证模式已被用了几十年，目前看来有机会被人脸识别所突破。(钛媒体文章《赵薇老公卷入首起“人脸识别案”，“刷脸”时代还有多远》对该行业有详细报道)
4 大数据
不同于传统的抽样调研方法，大数据是对全量可使用的数据进行多维度的分析，挖掘数据底下隐藏的逻辑关系，并用于商业场景。
具体到金融行业，大数据主要应用为有以下方向。
1、客户画像分析及精准服务：
大数据现逐步为金融机构所用，分析客户历史数据，为客户打上各类标签，形成客户轮廓，为客户精准推荐服务或产品。比如，通过分析客户的炒股行为，发现客户多次高吸低抛，喜欢追涨杀跌，可为客户打上“高风险偏好”，“短线”，“情绪化”，“新手”等标签，基本上我们可以了解该客户是一个比较情绪化的，喜欢博一把的，没有一套合适操作方法论的初级股民。那么后续可以为客户推荐一些炒股基础知识的内容引导客户成为一个合格投资人，另外，可以为该客户推荐股票型基金，符合客户的风险偏好，但资金交由专业机构打理。
2、信用分析：
互联网信贷领域开始尝试利用大数据来进行信用分析，因为，其一，国内还有很多人的信用报告是空白的，而这些人恰恰是消费金融的目标群体。其二，基于数据的分析能更加立体的了解一个人的社会特征，社会特征与信贷重要要素中的“还款能力”密切相关。比如某社交应用旗下的微*贷，由于客户在其社交应用中高频使用沉淀了许多数据，比如，好友数量，好友的层次(好友授信额度情况)，好友互动情况(与信用好的好友互动多还是与信用差的互动多)，位置信息，日常移动路线(衡量生活稳定性)，等等，笔者认为这些很有机会可进入其信用分析模型用于授信参考。
3、反欺诈：
通过分析历史欺诈客户的行为特征和结果特征，当新的客户进来申请贷款、申请信用卡、申请保险时，自动与反欺诈模型匹配，匹配度高的转人工判断或直接拒绝。欺诈是导致贷款损失的重要原因，目前已经有若干企业专攻此领域，如国内的同盾。
4、预测：
美国有一家金融科技公司kensho是这方面的代表，通过扫描世界市场上可以查询到的、直接或间接影响金融股票市场的一切可能的、实时变化的各种宏观和微观大数据，诸如政治事件，经济事件、商业事件、社会事件等，利用极其复杂的统计学、人工智能、机器学习、大数据算法、数量经济学理论和模型，推演出与某个事件相关联的特定类型股票(甚至是个股)最可能的变化趋势及其概率，最后通过通俗的方式呈现出来。比如iphone6发布哪些个股会受益。这种体验类似与google搜索的体验：提问题，得答案。还好kensho目前只向机构开放，否则各种证券分析师，基金经理什么的恐怕会饭碗不保。
5 量化交易
量化交易指的通过分析历史数据，观察某类型“事件”、“信号”出现之后，标的(或组合)标的的回报情况，当回报超越基准收益时，会被当做一个模型来制定策略，并指导后续的投资。并且，后续投资将有机器主导，最大程度避免了人性的贪婪、恐惧的弱点。
量化交易的优势有：
1、以史为鉴：通过大数据分析历史尽可能多的数据，找到能带来超额回报的模型。
2、自动化：采用程序化交易，依据模型，当某种预设的信号出现时，即买入或卖出，完全自动化。
3、碎片利润：每次交易不追求高额回报而是追求成功率，每次利润可能很少，但积少成多会带来可观回报。
近年来纽交所程序化系统交易量所占比例基本维持在30%左右。国内也在蓬勃发展。采用量化交易进行投资的人，有一个高逼格的名字，宽客。记住了，想装X的话，以后你可以跟别人说：我不是股民，我叫宽客!
6 智能投顾
私人投顾，通常只有银行的私人银行部，或者证券公司、基金公司的面对大客户时，才提供这类服务。私人投资顾问们通常拥有高学历、履历靓丽，衣着光鲜、彬彬有礼，颜值惊人。对全球经济形势侃侃而谈，对不同经济体的现状了如指掌，对海外资产配置了然于心。可根据客户的风险偏好及资产规模，进行全球化的资产筛选、风险匹配、比例配置及流动性管理。确保贵宾们资产安全无虞的同时确保合理的收益。然而这种贵宾尊享的服务只有资产规模数百万的客户方可拥有。
现在，金融极客们想打破这个现状。
以Betterment为例，我们来了解一下智能投顾。首先你需要先设定你的投资目标，然后Betterment会根据您的目标提问一系列的问题。Betterment会根据你的回答做出分析，然后给出相应的投资组合建议，包括股票基金(ETF)组合建议，债券基金组合建议。并可通过Betterment平台直接投资。与用户的银行账号绑定，从活期存款账户中自动扣款。用户还可以参考同收入，同职业的其他用户的投资计划。Betterment目前管理着30亿美元的资产。
智能投顾有几个核心的价值：
1、专业选择：大多用户并不专业，在面向众多的产品时，存在信息不对称，认知不到位等问题，选择无从下手。机器人模型背后是金融产品专家，替用户完成了产品筛选的工作。
2、动态跟踪：组合可以设定进入模型，退出模型。当达到预设的阀值时，即预警甚至自动操作。 它是您的忠实仆人，7*24小时全天候不间断看好您的钱。
3、自动化：组合开始运行后，随着市场的变化，也是需要调整的，仓位调整、资产配比调整、组合标的调整。人力无法实时跟踪及操作，此时机器智能就派上用场。
国外金融科技机构已经在此领域探索多年，其中Wealthfront、Betterment、PersonalCapital、FutureAdvisor的是该领域的佼佼者。根据A.T. Kearney数据预测，到2020年，美国智能投顾的资产管理数量将达到2万亿。
目前，中国的金融科技的产品经理和技术开发人才严重缺乏，据我所知区块链技术开发者的身价炒到很高，比普通开发者价格贵一倍，有完整技术实力的公司做创业公司，更是以天价估值获得融资。好在有不少开源的区块链、量化投资等技术，让有见识的技术人员很容易地学习金融科技。