摘要：
不是能在網(wǎng)上買點(diǎn)理財(cái)產(chǎn)品就可以叫“Fintech”，能稱得上金融科技的，好歹得有一點(diǎn)點(diǎn)科技含量吧？
P2P平臺(tái)大批跑路后，不少幸存者為了避嫌開始改名，管本身叫“Fintech平臺(tái)”，首先我們要知道，不是能在網(wǎng)上買點(diǎn)理財(cái)產(chǎn)品就可以叫“Fintech”，能稱得上金融科技的，好歹得有一點(diǎn)點(diǎn)科技含量吧？
在人工智能概念火了之后，，F(xiàn)intech又被帶了一波節(jié)奏，其實(shí)Fintech+AI是個(gè)有著清晰前景的命題，只是現(xiàn)在市面上出現(xiàn)了太多假Fintech結(jié)合假AI的產(chǎn)品。
Fintech最喜歡吹噓的往往是本身的風(fēng)控系統(tǒng)：傳統(tǒng)金融做風(fēng)控要業(yè)務(wù)員實(shí)地考察、要客戶三番五次提供一大堆資產(chǎn)收入證明，現(xiàn)在有了人工智能，我們只需要?jiǎng)觿?dòng)手指就能完成這一切。
實(shí)際上幫他們做到這些的不是人工智能，而是征信系統(tǒng)，好比芝麻分什么。在這個(gè)時(shí)代，還有誰能不在網(wǎng)上留下點(diǎn)痕跡呢，數(shù)據(jù)夠大了，很多事就能做到了。
大數(shù)據(jù)是怎么幫Fintech做到風(fēng)控的呢？簡(jiǎn)單舉幾個(gè)例子，在授信環(huán)節(jié)，在用戶授權(quán)的前提下，用爬蟲可以抓取用戶的信用卡還貸數(shù)據(jù)、電商交易數(shù)據(jù)、各種O2O消費(fèi)數(shù)據(jù)……甚至可以在學(xué)信網(wǎng)上看到你上哪個(gè)學(xué)校。如果你是小微創(chuàng)業(yè)者，還可以看到你的交易數(shù)據(jù)和所有的企業(yè)注冊(cè)信息。而這些往往是征信機(jī)構(gòu)做的，和Fintech平臺(tái)無關(guān)。
征信機(jī)構(gòu)通過用戶數(shù)據(jù)的采集、共享、分析做到了這一切，要說有多么智能，恐怕有些牽強(qiáng)了。
真智能的Fintech不但僅是風(fēng)控
那么Fintech+AI到底能做到什么呢，顯然不但僅是風(fēng)控，但我們可以先從風(fēng)控說起。
好比在風(fēng)控上，雖然征信機(jī)構(gòu)可以構(gòu)建出幾乎完美的風(fēng)控模型，但在消費(fèi)金融領(lǐng)域，中國(guó)有65%的人沒有被征信記錄覆蓋，面對(duì)這些人離散在互聯(lián)網(wǎng)遍地的復(fù)雜數(shù)據(jù)，AI是如何幫手Fintech進(jìn)行授信的？
目前比較流行的方式是知識(shí)圖譜，知識(shí)圖譜是人工智能大概念下的子集之一，其價(jià)值在于理解數(shù)據(jù)的內(nèi)在含義，把以往的“名詞搜索”釀成語義搜索，從而在離散的數(shù)據(jù)間建立聯(lián)系。
應(yīng)用到金融中，知識(shí)圖譜可以把個(gè)人信息和履約記錄、社交媒體數(shù)據(jù)等等聯(lián)系起來。舉個(gè)例子，如果我們僅僅擁有客戶的姓名和聯(lián)系方式卻沒有授信記錄，我們可以通過他的通話記錄發(fā)現(xiàn)他所聯(lián)系的其他用戶授信記錄如何，從而進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)。
當(dāng)然，這只是知識(shí)圖譜在Fintech方面最簡(jiǎn)單的應(yīng)用。知識(shí)圖譜還能做更多的事，好比不看財(cái)報(bào)而是通過社交媒體新聞分析某只股票的股價(jià)走勢(shì)等等?？傊?，在個(gè)體數(shù)據(jù)匱乏的情況下，知識(shí)圖譜可以利用其它可獲得的數(shù)據(jù)，通過“聯(lián)想”完成很多分析工作。如果建立的足夠完善，知識(shí)圖譜幾乎可以成為一個(gè)應(yīng)對(duì)無數(shù)維度的征信系統(tǒng)。
分析師：你學(xué)我！
除了知識(shí)圖譜，深度學(xué)習(xí)和NLP在Fintech中的應(yīng)用也很遍及。好比通過深度學(xué)習(xí)中的回歸分析來模仿分析師的交易行為，從而推導(dǎo)出相關(guān)交易策略的算法模型來輔助報(bào)答操作。
而為了優(yōu)化處理效果，一些機(jī)構(gòu)開始試圖在算法中引入非結(jié)構(gòu)數(shù)據(jù)——新聞、分析陳訴、社交媒體輿情等等。通過NLP技術(shù)對(duì)其進(jìn)行分析處理，增強(qiáng)算法在演算時(shí)的邏輯性。
最后這些算法就可以像入行多年的金融老司機(jī)一樣，通過內(nèi)部數(shù)據(jù)和外部環(huán)境影響做出決策。
倫敦、香港、日本等等地區(qū)都有團(tuán)隊(duì)在從事相關(guān)的研究，其中著名的有投資機(jī)器人Kensho，這家專注于量化投資的技術(shù)企業(yè)通過NLP、圖像識(shí)別和云計(jì)算等等技術(shù)，可以快速處理投資關(guān)聯(lián)業(yè)務(wù)。
面對(duì)類似于美國(guó)大選一類的黑天鵝事件，分析師們只能從本身短暫的從業(yè)經(jīng)歷中總結(jié)方法，Kensho卻可以通過總結(jié)歷史上所有類似事件產(chǎn)生的影響而給出答案。
經(jīng)驗(yàn)、直覺這些原本在金融行業(yè)不成替代的特質(zhì)正在被AI通過深度學(xué)習(xí)快速?gòu)?fù)制，華爾街的魔法正在慢慢褪去。
大多數(shù)Fintech只有人工，沒智能
風(fēng)控、量化分析這些金融產(chǎn)業(yè)中較為重要的環(huán)節(jié)正在被AI入侵，一些自己就技術(shù)含量不高的環(huán)節(jié)更是不能幸免。最簡(jiǎn)單的，像是招股書、陳訴等等文件的撰寫，通過自然語言理解和自然語言生產(chǎn)就可以處理。在信貸審批中生物識(shí)別（指紋、虹膜）和設(shè)備指紋識(shí)別（移動(dòng)設(shè)備的唯一編號(hào)）也在替代著傳統(tǒng)的流程模式。
但說到底，真正能運(yùn)用上人工智能的Fintech企業(yè)基本都有著強(qiáng)大的“靠山”。前文提到的Kensho已經(jīng)被高盛收購(gòu)，對(duì)沖基金橋水聯(lián)合也早已招兵買馬試水AI，在國(guó)內(nèi)，螞蟻金服也是托身與阿里巴巴的。
