FinTech 带来的挑战与机遇
万达网络科技集团首席数据师兼首席架构师蔡栋以“FinTech 带来的挑战与机遇”分享了他对 FinTech 的一些看法。
他提到，表面上，金融科技是指金融企业运用科技手段，使得金融服务变得更有效。而有些公司在新创时的目标就是要瓦解或者颠覆现有的不够科技化的大型金融企业和体系。
全球金融科技的投资融资和增长的趋势如下图所示。
目前，全球尤其是以伦敦为代表的欧洲的金融科技的发展，他认为中国激烈的竞争尤甚，最大的 FinTech 落地场景一定会在中国。
如果要说 FinTech 带来了哪些挑战，那么以石油行业为例，石油的价格需要利用大量新的技术去做市场分析。2014 年伯克利银行通过政治现象、全球环境、能源消耗等大数据分析预测到石油油价崩盘，及时止损，避免了因为油价崩盘导致的大量裁员等危机。假如没有 FinTech，是很难想象如何帮助这样一个大企业渡过难关的。
而 FinTech 带来的机遇则是很明确了。首先就是新的技术，包括大数据、云计算、传统架构上升级、数据库，等等。然后就是，传统的基金、代理、理财全都应该用人工智能。最后，还有将原始信息转变成知识或者智能，所需要做的工作。这些点都是 FinTech 所带来的一些机遇。
而面对着这样的机遇和挑战，蔡栋老师以万达网络科技集团的飞凡“实体 + 互联网”开放平台和商业模式为案例，解释了万达“飞凡”立足上海，面向全国、全球的金融科技布局。最后，蔡栋老师说，还应该鼓励员工将知识的广度和深度都进行拓展。
区块链技术的一般性架构与实践
维优区块链 CTO 陈浩分享了区块链技术的一般性架构与实践。
陈浩带领大家回顾了区块链技术的演化历史，提到了关于联盟区块链的几个问题。联盟链实现的难点是它的匿名性和隐私性。而对于传统企业来说，上云这一步骤都尚未完成，企业服务数据化还没有实施，已有数据源的接入显得更难。还有一个难点就是链间协议暂无标准。接着，他又分析了公链的图谱和生态。
在对比区块链与传统架构的不同点之后，陈浩从代币的经济学解释、公式算法的选型、P2P 网络协议的选型、加密算法的选型和账户模型的选型 5 个切入点讲解如何技术选型。
最后，陈浩从工作流程、技术关键点、匿名性与隐私保护和交易提速四个方向分享公链私有实践，介绍了元界的架构，并分层介绍了开发实践。
最后，陈浩还介绍了将公有链转化为联盟链的工作流程以及技术关键点。
京东金融的上云实践
来自京东云的咨询总监施小山分享了京东金融的实践案例。他认为，传统金融目前面临着权益回报率减低的情况，需要去开拓新的市场、数字市场的破坏性竞争者增多、新兴细分市场需要业务的不断变更，日益紧缩的信贷政策和日益增长的监管压力，传统金融的变革势在必行。
他认为未来 5 年金融科技领域三件大事就是大数据、金融云和区块链。而金融行业应采用云来实现增长、提高竞争优势、提升效率。
同时，施小山还介绍了京东金融 ABS 云项目的部署架构以及京东云所提供的服务。
企业大数据在信用风险管理的应用
来自平安科技智能引擎部的企业大数据专家李想，介绍了企业大数据在信用风险管理的应用。
李想提到，到现在为止，大数据领域盈利的模式，一般还是在客户推荐、精准营销、客户画像，而实际上，大数据是对于商业领域切入最深的领域。财富 500 强中的 95% 已经运用大数据营销，有很多跟大数据的深度结合案例，比如沃尔玛率先采用的大数据物流。再就是企业架构方面，大数据深度地改变了很多企业。
传统征信存在以下问题：将信息进行收集展示，但在对潜在价值信息的挖掘还不够深入；而风险评估方法过于单一，已经满足不了日益复杂的数据环境和场景需求。大数据在征信和评级行业的应用如下图所示。
平安科技提出了用于解决以上问题的数据平台解决方案：量化、整合、数据生态圈。
同时，李想还给出了企业大数据平台数据框架，如下图所示。
最后，李想介绍了金融大数据的一些应用案例。
人工智能在量化投资分析中的实践
来自恒生研究院的人工智能及金融工程领域专家李涛，详细讲解了人工智能在量化投资分析中的实践。
首先，他从几方面讲解了浅层机器学习在量化分析中的实践，包括小波神经网络预测市场走势、SVM+Adaboost 预测证券市场走势、遗传算法在量化交易模型中的应用。
接着，他讲解了深度学习在市场走势预测中的实践。介绍了递归神经网络 RNN、长短期记忆神经网络 LSTM、卷积神经网络 CNN 等知识点，同时，他还介绍了 K 线图像识别预测未来市场走势的案例。
最后，李涛还总结了一些机器学习训练中的技巧：
- 例如防止过拟合的方法（如下图所示）。
- 深度学习训练中的技巧（如下图所示）。
- 深度学习的大规模计算（如下图所示）。
中国智能投顾的市场特点
来自德国智能投顾 Ginmon 的中国总裁以及联合创始人 Jerome Eger 向大家介绍了他对 FinTech 的看法，以及中国市场的特点。
Jerome Eger 提到，中国这个市场主要的特点是市场大，中国人有钱。从下图可以看出，中国大概有 130 万亿人民币的可投资产，非常大，跟美国差不多。
同时，他提到，智能投顾是非常受欢迎的，而策略、价格、可随时查看投资组合的情况是非常重要的三个因素。
当天活动的最后一个分享环节，来自众安科技的研究院吴小川主持了圆桌会议，邀请各位讲师就以下问题进行了探讨：
- 未来金融业会是怎么样的形式存在？
- 大数据领域的分析存在着技术瓶颈是在哪儿？
- 哪些技术会影响到自己所在的领域？
- 金融业数据的安全和隐私方面的保障有什么看法。
各位讲师就相关问题分享了自己见解，畅想了 FinTech 的未来，提出了很多发展建议。
本次上海站的分享内容充实、观点鲜明，吸引了近 600 名金融科技类高级技术工程师和主管参与。下载上海站所有讲师 PPT 请关注 InfoQ 微信公众号并回复“金融”。
暂无签名
Java 避坑指南：Java 高手笔记代码篇
本迷你书包括 86 个业务开发中常见踩坑点。每一个知识点都相当的实用，是程序员业务开发中的必备避坑指南...
评论