更高階的金融科技——智能金融

我們先來梳理一下中國金融科技發展的脈絡。

從20世紀80年代開始，銀行、證券機構、信托機構、保險公司就已經開始了金融的信息化過程。

到20世紀90年代，互聯網技術的引入，使金融行業進入了互聯網金融時代。到2000年，特別是2008年以后，“金融科技”這個名詞就作為一個新的分支進入了我們的視野。

近年來，隨著AI的成熟，互聯網從原來的感知智能進入了認知智能的時代，智能金融慢慢被人們所提及。

在2012年，互聯網行業內形成了一個共識，即我們現在已經開始從感知智能進入認知智能，一些新的創業科技公司把認知智能作為了自己的一個標簽。

人們不斷地利用成熟的AI做一些具體的落地應用，以進行創新。整個過程的信息化階段、互聯網金融階段及早期的金融科技階段，都是以技術作為驅動的，以推動金融業的創新發展。

在最近一兩年，已經出現了以場景加業務驅動技術，來引發業務的深層次變革。這正是因為AI越來越成熟，場景的需求慢慢被強調。其實，每個階段都有不同的側重點。

傳統意義上的金融，可以簡單定義為在不確定環境中進行資源跨級的最優配置，其主體包括銀行、保險、證券公司等。

第一階段，在互聯網金融時代，行為主體的關注重點是互聯網公司參與的金融交易，金融機構利用互聯網來拓展業務邊界和提升效率。

第二階段，在科技金融時代，側重點是用利用技術來降低成本，并且發展金融的新興商業模式，如個人征信、銀行大數據等。

總體來看，在互聯網金融時代及科技金融時代，解決了金融數據的問題。

第三階段，進入智能金融時代，尤其隨著AI的不斷發展和成熟，催生了金融業務新的發展趨勢，我們稱之為業務流程的自動化、決策的智能化。AI跟業務場景結合，衍生出很多技術化的產品，使金融業務出現了以金融技術推動整個業務流程的變革。

可以說，互聯網金融與科技金融是兩個領域，智能金融是這兩個領域重合的一部分。

我們可以將智能金融理解為更高階的金融科技，它有一個漸進的發展過程。

智能金融是更高階的金融科技

隨著技術不斷地發生變革，在2020—2025年，智能金融的發展將會更加迅速。

首先，智能金融的一些應用場景是按照金融機構的前臺、中臺、后臺這三大模塊設置的。

目前，前臺有智能支付、智能客服、智能營銷；中臺主要是智能風控、智能投研；后臺形成智能數據。可以看到，智能金融已經在金融業務的前端、中端、后端整個業務流程中帶來了變革。

其次，在后臺智能風控上，也已有所變革，例如，利用流程的自動化，把控制點形成為審核的規則。同時，這也帶動了整個業務流程效率的提升。這種效率的提升引發了一個變革，即越來越多的業務人員被機器人所取代。

這可能會使人們產生一個隱憂：AI是不是最終會取代人？

事實上，以AI為代表的智能技術，更多的是增強人的效能，提高人的效率，輔助人來做更多更有價值的分析和決策，幫助人從一些數據的重塑工作、冗余工作中解脫出來，把更多的時間花在更有價值的事情上面。

智能金融的出現，是有技術背景的，即從信息技術、感知智能到認知智能。

在金融領域，有個市場痛點：

進入大數據時代，數據量呈指數式增長，特別是每天海量的金融資訊的出現，如公司公告新聞，財報重要的事件輿情，股票、債券等金融產品的產品資料，宏觀經濟的資訊（GDP、PMI、通貨膨脹指數、失業率等），以及國家政府發布出臺的政策法規、宏觀政策、產業政策、金融監管政策、財政稅收政策等。

據統計，這樣的資訊每天的產生量都在40萬條以上。

在如此浩大的資訊規模中，要找到有價值的文章和資訊，對我們來說是一個巨大的挑戰。

在傳統意義上的市場里，如早期的金融階段，我們的數據可能更多的是一個財報數據（結構化數據），到大數據時代，更多的數據是以非結構化數據的形式呈現的。

傳統的數據不足以支撐整個未來投資風險的分析預測和做一些資管的分析所用。這時候我們就必須要借助外力（AI）對這種非結構化數據進行讀取，獲得信息。

減負增值，是用智能處理冗余重復的數據工作，使人投入更少的資源來做更多的事情。

這是認知智能在智能金融應用中最大的痛點和剛需，讓機器讀懂文字，需要運用一系列的AI技術，其中包括了自然語言處理（NLP）和知識圖譜構建。

人類的語言是非常復雜的，機器要像人一樣去理解語言是很難的。但隨著技術的不斷成熟，目前機器可以在NLP技術加持下理解一些簡單淺白的句子。知識圖譜于2012年由谷歌公司提出，近兩年熱度非常高，其本質是大規模的語義網絡。

簡單來說，在不同的信源上采集、解析和加工數據，并且通過結果聚合形成一個知識網絡。通過這樣的網絡圖形成的知識網絡構建的圖數據庫，和傳統的矩陣式的數據庫是不同的，我們稱之為網數據庫或圖數據庫。

那么，圖數據庫跟傳統的數據庫有什么區別？傳統的數據庫（數據倉庫）是按一個設計好的維度來存儲和統計的。在這種數據庫中的數據是不善于被用作推理和預測的。使用知識圖譜來構建網狀的知識圖數據庫，能夠幫助我們從更多的維度來觀察我們主體本身的動態變化，也就可以把不同的數據維度進行關聯，根據不同的指標、屬性來構建整個系統。

在目前的應用中，傳統的數據庫（數據倉庫）可以與圖數據庫融合獲得增強或迭代。但在未來，在知識組織層面上，圖數據庫將是企業進行數據管理的一個重要趨勢。

如何構建一個行業知識圖譜平臺

構建行業知識圖譜平臺有三個步驟：

第一個步驟是多源異構數據的融合，包括公司機構內部的運營數據，第三方的資訊數據，如萬德、彭博及外部機構的采集。

第二個步驟是通過大數據的儲存與計算平臺，即圖數據庫、NLP、機器學習構建的大數據支撐平臺進行進一步的數據深加工。

第三個步驟是構建整個知識建模，進行知識抽取、知識融合及知識挖掘，從而形成整個行業的知識圖譜。

通過構建整個技術框架，實際上我們把一個企業的行業知識圖譜平臺也構建起來了。

目前，金融知識圖譜包括創投（VC）[1]類的數據庫、公眾公司基本面的數據及行情數據庫、公告數據的提取、兩年報數據的提取、泛輿情數據等。這些數據能夠通過金融支持、知識圖譜構建整個專項的知識庫。

具體應用到不同的場景，金融知識圖譜主要包括了傳統數據終端的增強或替代、金融搜索進入問答、公告研發的摘要、個人信貸的反欺詐、信用評級數據準備自動化等。在一些具體的業務場景上面，金融知識圖譜主要包括自動化報告、自動化新聞、自動化監管預警、自動化審計等。

數據智能的應用

數據智能應用的技術框架，實際上是基于知識圖譜、NLP，并應用一些智能數據的處理功能。

傳統公司的數據流程主要包括收集、采集數據，知識的整理、分析、研究，形成報告這三個步驟。

傳統的業務先通過看新聞、公告、年報，然后通過萬達、彭博、財經媒體來做數據的知識整理，接著通過Excel來搭建整個模型，最后通過PPT和Word來做一個報告進行呈現。

利用AI，或者打造數據智能化的流程，就會形成不同的具體應用。

首先，是智能搜索、智能推送。這部分會運用到一些智能資訊的推送，通過自然語言的查詢、語義聯想、語義搜索、企業畫像和AI來實現。

其次，是數據的智能解析，通過進行大數據的采集、構建智能產業鏈、分析智能財務模型來實現。

再次，通過關系知識圖譜，構建動態的傳導關系、構建思維邏輯推理，來實現大數據多維度、多角度的統計分析。

最后，把整個報告的編制實現自動化和可視化。

對這一部分業務的處理非常適用于現在的行業研究，如智能投研。目前一些大型的研究機構，如基金研究部門，會涉及智能搜索。在一些大型的基金金融機構，每一個研究員都會在不同的平臺上采集不同的數據。

通過智能搜索，我們可以構建一個“一站式”的搜索終端來把不同的終端數據進行采集與融合。很多金融機構需要根據監管來做智能監管報送。傳統的業務流程通常是通過人工去操作采集的，在不同的報表中采集數據。

整個編制的過程都是由專職的人員來實施的。業務場景是業務員完成每一期報表的編制，提交監管后又開始準備下一期報表。智能監管報送，是幫助金融機構集中管理多監管對象、多報送任務。該功能可直接對接業務系統數據和文本數據，全自動采集報送數據，并自動完成數據轉化、報送生成、勾稽校驗、一鍵上報等。

很多數據處理過程采用的是智能表格識別。將傳統的確認單、表單及圖片文字等，通過具體需求定制識別模板的方式自動地將表單區分成不同的模塊，再逐步識別。這樣能大大地節省時間。這種智能技術從數據的產生到加工，再到處理，最后到報告形成，可以實現整個流程的自動化，能夠幫助人們提升效率。

關于智能報告，從數據采集到最后報告的結果生成，整個環節下來，我們看到利用NLP技術，可以把我們需要編制的報告進行構建，分解成解析要素，把內部的和外部的各種信息源，包括資訊公告及一些內部報告，實現通過自動抽取來解析，最后融合成結構化的數據，根據定制化的結果等模板來生成各種金融文本。

目前，大多信息報告都可以通過這種方式來實現。優點是自動提取數據、報告編輯可視化、可以實現自主配置及個性化定制、數據的全程可追溯。一年多以來，AI公司，特別是金融領域的創新公司，其大部分的創新產品和應用都是圍繞這幾類產品或應用來展開的。

隨著AI廣為人知，越來越多的金融機構愿意采用這種技術來改進整個業務的流程，提升數據的處理效率。

衛星遙感數據應用新趨勢

衛星遙感數據作為金融分析的另類數據在近年開始取得應用落地。在這個領域，我們和美國華爾街的差距不算太大，即便在美國，運用衛星遙感數據做投融資風險分析，也是比較新的領域。

衛星遙感數據應用，是通過衛星圖片（可見光相機、紅外相機及成像雷達等），使用亞米級別的圖片或數據來分析。可以應用到森林、海岸、設施、形變、土地、綠地、道路、水體、農田、環境、建筑等領域，來觀測我們分析的資產的變化情況，或者說，是通過活動軌跡來分析出一些投資的風險信號或機會信號。

在實際生活中，衛星遙感數據的具體應用有以下幾個案例：

（1）在新冠肺炎疫情期間，利用衛星圖片識別的數據制作夜光指數，通過晚上燈光區域的燈光明亮度及密度，來分析區域經濟的活躍度。

（2）在獐子島事件中，監管單位通過北斗衛星復原漁船捕撈的軌跡。

（3）在森林火災中，可用衛星遙感數據來監測火災的變化，分析損失情況。

國家是鼓勵衛星遙感數據的商業應用的。在“十四五”規劃中，涉及了衛星遙感行業的行業發展，該行業會有很大的發展空間。

目前，衛星遙感數據在經濟領域上面的應用，包括對區域經濟的景氣分析、夜光指數分析、對農業種植的分析、對港口交通樞紐及重大項目工程進度的跟進。這些都可以通過衛星圖片來做分析。

在國內，已經有公司利用衛星遙感數據做創新應用，大家有興趣可以關注下有關領域的發展，甚至在日常研究或個人專業發展方面，這個新領域的發展也值得大家進一步研究與了解，因為它很可能是一個新藍海市場。

行業發展的變化及建議

目前，金融行業的發展有兩個變化趨勢，我們據此給大家兩個建議：

（1）隨著金融行業智能化發展，我們在考慮職業發展的時候，可以更多地考慮智能金融領域技術方法方面的發展（如NLP、知識圖譜）。

（2）未來，中國金融市場會發生重大變化，有巨大成長，此時會出現非常大的一個風口。建議大家可以把AI和智能金融作為自己專業發展的方向，來拓展自己的發展空間。