2022金融科技知識(shí)圖譜

2022金融科技知識(shí)圖譜1數(shù)字經(jīng)濟(jì)和數(shù)字金融圖1.1數(shù)字經(jīng)濟(jì)和數(shù)字金融模塊知識(shí)圖譜金融在數(shù)字經(jīng)濟(jì)的場(chǎng)景下呈現(xiàn)數(shù)字金融的形態(tài)。作為我國(guó)經(jīng)濟(jì)發(fā)展中最為活躍的領(lǐng)域，數(shù)字經(jīng)濟(jì)是金融科技的理論支點(diǎn)。數(shù)字經(jīng)濟(jì)和數(shù)字金融模塊知識(shí)圖譜如圖1.1所示。首先，數(shù)字金融是數(shù)字經(jīng)濟(jì)中最具代表性的行業(yè)。數(shù)字金融是通過移動(dòng)互聯(lián)網(wǎng)及信息技術(shù)與傳統(tǒng)金融服務(wù)業(yè)態(tài)相結(jié)合的新一代金融服務(wù)。數(shù)字金融和金融科技相比，金融科技更突出技術(shù)性，而數(shù)字金融涵蓋面更廣，強(qiáng)調(diào)金融業(yè)務(wù)的數(shù)字化。在新冠肺炎疫情期間，金融科技發(fā)揮了重要的作用，從傳統(tǒng)金融機(jī)構(gòu)到數(shù)字金融平臺(tái)，金融服務(wù)的數(shù)字化水平都得到了大幅度的提升。2014年，在世界銀行春季研討會(huì)上，國(guó)際金融公司執(zhí)行副總裁兼首席執(zhí)行官蔡金勇在開幕式上說：“數(shù)字金融的好處遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)金融服務(wù)：這也可以成為發(fā)展中國(guó)家強(qiáng)大的工具和創(chuàng)造就業(yè)機(jī)會(huì)的引擎?！?小微企業(yè)金融雖然在發(fā)展中國(guó)家對(duì)于繁榮經(jīng)濟(jì)發(fā)揮著重要作用，但是一個(gè)全球性難使它們可以使用電子支付系統(tǒng)、安全的金融產(chǎn)品，以及獲得建立財(cái)務(wù)歷史記錄的機(jī)會(huì)。數(shù)字技術(shù)的進(jìn)步，從多維大數(shù)據(jù)到智能風(fēng)險(xiǎn)分析，都為改善小微企業(yè)金融服務(wù)狀況提供了有力的工具。數(shù)字金融也為擴(kuò)大普惠金融覆蓋面提供了巨大的機(jī)會(huì)。金融服務(wù)的新進(jìn)入者，從移動(dòng)運(yùn)營(yíng)商、金融科技公司到超級(jí)平臺(tái)，正在利用這些數(shù)字化技術(shù)延展金融服務(wù)的邊界并豐富金融服務(wù)的內(nèi)容，體現(xiàn)了科技向善的潮流。其次，在數(shù)字化浪潮的沖擊下，金融風(fēng)險(xiǎn)管理的內(nèi)涵和外延得到了進(jìn)一步的豐富，例如，網(wǎng)絡(luò)安全變得越來越重要，但是金融風(fēng)險(xiǎn)管理的本質(zhì)和基本形態(tài)沒有變化，信用風(fēng)險(xiǎn)仍是金融風(fēng)險(xiǎn)管理的核心內(nèi)容。在數(shù)字金融下，金融風(fēng)險(xiǎn)管理的數(shù)字化特征越來越明顯，可以進(jìn)行數(shù)字化分析和決策，但同時(shí)更多新的業(yè)態(tài)和場(chǎng)景需要金融風(fēng)險(xiǎn)管理與時(shí)俱進(jìn)。大數(shù)據(jù)風(fēng)控成為新趨勢(shì)，依賴于金融科技的監(jiān)管科技越來越受關(guān)注。再次，數(shù)字金融催生出開放銀行和虛擬銀行等新金融服務(wù)形態(tài)。銀行在數(shù)字化技術(shù)的推動(dòng)下開始變革，開放銀行的推出是銀行數(shù)字化轉(zhuǎn)型自我革命的一步。而虛擬銀行的發(fā)展可以讓更多的互聯(lián)網(wǎng)科技公司參與金融服務(wù)，促進(jìn)金融與科技的融合。不同于傳統(tǒng)銀行，虛擬銀行不需要依賴實(shí)體銀行開展業(yè)務(wù)，所有的金融服務(wù)（存貸取等）都在網(wǎng)上通過數(shù)字化方式實(shí)現(xiàn)。開放銀行則指商業(yè)銀行通過應(yīng)用程序編程接口（ApplicationProgrammingInterface,API）對(duì)外進(jìn)行數(shù)字化輸出，包括數(shù)據(jù)、算法、流程和其他業(yè)務(wù)功能，提供更加多樣化的金融產(chǎn)品和服務(wù)，促進(jìn)個(gè)人金融信息的有效合規(guī)開放和金融數(shù)據(jù)聚合更好地發(fā)揮作用。銀行數(shù)據(jù)和服務(wù)開放的同時(shí)也要注意相應(yīng)的保護(hù)，《通用數(shù)據(jù)保護(hù)條例》（GDPR）和《支付服務(wù)指令》第二版（PSD2）就是歐洲提出的在數(shù)據(jù)保護(hù)的前提下開放金融數(shù)據(jù)的發(fā)展規(guī)范。最后，眾籌、行為經(jīng)濟(jì)學(xué)和共享經(jīng)濟(jì)不僅是數(shù)字經(jīng)濟(jì)發(fā)展的脈絡(luò)分支，還是金融科技創(chuàng)新的理論基礎(chǔ)。眾籌、行為經(jīng)濟(jì)學(xué)和共享經(jīng)濟(jì)在數(shù)字經(jīng)濟(jì)形態(tài)下出現(xiàn)了新的消費(fèi)場(chǎng)景，也催生出新的金融服務(wù)業(yè)態(tài)。股權(quán)眾籌給資本市場(chǎng)帶來新思路，然而基于數(shù)字貨幣和區(qū)塊鏈的ICO（首次代幣發(fā)行）也帶來全球范圍內(nèi)的巨大爭(zhēng)議。行為經(jīng)濟(jì)學(xué)在金融領(lǐng)域不斷被成功應(yīng)用，如量化投資交易、基于心理測(cè)量的個(gè)人信用評(píng)分。共享經(jīng)濟(jì)更是帶來一些金融交易模式的革命性變革，例如，P2P（點(diǎn)對(duì)點(diǎn)）網(wǎng)貸和P2P保險(xiǎn)改變了原有的金融模式，對(duì)未來金融科技的發(fā)展有著深遠(yuǎn)意義。數(shù)字經(jīng)濟(jì)|DigitalEconomy關(guān)聯(lián)詞：大數(shù)據(jù)、共享經(jīng)濟(jì)、普惠金融、互聯(lián)網(wǎng)支付、跨境支付、個(gè)人信息保護(hù)、開放銀行數(shù)字經(jīng)濟(jì)是以數(shù)字資源為核心要素，以信息技術(shù)（數(shù)字技術(shù)）為主要驅(qū)動(dòng)力，通過信息網(wǎng)絡(luò)（通信網(wǎng)、互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、內(nèi)聯(lián)網(wǎng)等）連接進(jìn)行的生產(chǎn)、分配、交換、消費(fèi)等全部經(jīng)濟(jì)活動(dòng)的總和。數(shù)字經(jīng)濟(jì)的發(fā)展不僅包括以知識(shí)為核心的信息技術(shù)產(chǎn)業(yè)的興起和快速發(fā)展，也包括由信息技術(shù)推動(dòng)的傳統(tǒng)產(chǎn)業(yè)、傳統(tǒng)經(jīng)濟(jì)部門的深刻變革和飛躍性發(fā)展。數(shù)字經(jīng)濟(jì)并非獨(dú)立于傳統(tǒng)經(jīng)濟(jì)之外的“虛擬”經(jīng)濟(jì)，而是在傳統(tǒng)經(jīng)濟(jì)基礎(chǔ)上產(chǎn)生的，經(jīng)過現(xiàn)代信息技術(shù)提升的高級(jí)經(jīng)濟(jì)發(fā)展形態(tài)。同時(shí)，互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、電子商務(wù)等產(chǎn)業(yè)和正在涌現(xiàn)的未知的新興業(yè)態(tài)，也都是數(shù)字經(jīng)濟(jì)的組成部分。2數(shù)字經(jīng)濟(jì)是指一種基于數(shù)字計(jì)算技術(shù)（DigitalComputingTechnology）的經(jīng)濟(jì)，盡管人們認(rèn)為數(shù)字經(jīng)濟(jì)通過基于互聯(lián)網(wǎng)（Internet）和萬維網(wǎng)（WorldWideWeb）的市場(chǎng)開展業(yè)務(wù)。數(shù)字經(jīng)濟(jì)也被稱為互聯(lián)網(wǎng)經(jīng)濟(jì)（InternetEconomy）、新經(jīng)濟(jì)（NewEconomy）或網(wǎng)絡(luò)經(jīng)濟(jì)（WebEconomy）。數(shù)字經(jīng)濟(jì)與傳統(tǒng)經(jīng)濟(jì)交織在一起，使得區(qū)分兩者間清晰的界限變得更加困難。在20紀(jì)90年代日本經(jīng)濟(jì)的衰退中，日本經(jīng)濟(jì)學(xué)家首先提出了“數(shù)字經(jīng)濟(jì)”一詞。在西方，這個(gè)名詞在唐·塔普斯科特（DonTapscott）于1997風(fēng)險(xiǎn)》（TheDigitalEconomy:PromiseandPerilintheAgeofNetworkedIntelligence）中被提出。它著重指出了數(shù)字時(shí)代價(jià)值創(chuàng)造的兩個(gè)主要驅(qū)動(dòng)力——數(shù)字?jǐn)?shù)據(jù)化和平臺(tái)化。數(shù)字技術(shù)的進(jìn)步在創(chuàng)紀(jì)錄的時(shí)間內(nèi)創(chuàng)造了巨大的財(cái)富，但是這些財(cái)富集中在少數(shù)個(gè)人、公司和國(guó)家手里。在現(xiàn)行的政策和法規(guī)下，這種趨勢(shì)可能會(huì)繼續(xù)，進(jìn)一步加劇不平無法上網(wǎng)。普惠性對(duì)于建設(shè)惠及所有人的數(shù)字經(jīng)濟(jì)至關(guān)重要。3數(shù)字鴻溝（DigitalDivide）是指在全球數(shù)字化進(jìn)程中，不同國(guó)家、地區(qū)、行業(yè)、企造成的信息落差及貧富差距進(jìn)一步兩極分化的趨勢(shì)。特別是人工智能等新技術(shù)的出另一些部門則出現(xiàn)大量就業(yè)機(jī)會(huì)。數(shù)字經(jīng)濟(jì)是我國(guó)經(jīng)濟(jì)發(fā)展中最為活躍的領(lǐng)域，與之相關(guān)的各類技術(shù)與商業(yè)模式的創(chuàng)新速度非?？欤渲械拇硇孕袠I(yè)就是數(shù)字金融和互聯(lián)網(wǎng)金融。4數(shù)字金融泛指金融機(jī)構(gòu)利用數(shù)字化技術(shù)實(shí)現(xiàn)融資、支付、投資和其他新型金融業(yè)務(wù)的模式。金融機(jī)構(gòu)包括傳統(tǒng)金融機(jī)構(gòu)和新興互聯(lián)網(wǎng)金融機(jī)構(gòu)。5數(shù)字金融、互聯(lián)網(wǎng)金融和金融科技內(nèi)涵接近，經(jīng)常被混用?；ヂ?lián)網(wǎng)金融更多地被看作利用互聯(lián)網(wǎng)平臺(tái)和技術(shù)從事金融業(yè)務(wù)；金融科技則更突出技術(shù)特性；數(shù)字金融更加中性，所涵蓋的面也更廣一些，強(qiáng)調(diào)金融業(yè)務(wù)的數(shù)字化形態(tài)。在數(shù)字化時(shí)代，數(shù)字金融是通過互聯(lián)網(wǎng)及信息技術(shù)手段與傳統(tǒng)金融服務(wù)業(yè)態(tài)相結(jié)合的新一代金融服務(wù)。數(shù)字金融為增強(qiáng)金融普惠性和擴(kuò)展基本服務(wù)提供了巨大的機(jī)會(huì)。發(fā)展中國(guó)家只有將50%的人擁有手機(jī)。金融服務(wù)的新進(jìn)入者，例如移動(dòng)網(wǎng)絡(luò)運(yùn)營(yíng)商（Mobile NetworkOperator,MNO）、支付服務(wù)提供商（PaymentServiceProvider,PSP）、商戶聚合商、零售商、金融科技公司、新銀行和超級(jí)平臺(tái)，正在利用這些數(shù)字化技術(shù)改變金融服務(wù)的競(jìng)爭(zhēng)局。通過技術(shù)創(chuàng)新（包括加密貨幣）提供金融服務(wù)可以促進(jìn)其他各種金融服務(wù)的提供和使用，包括信貸、保險(xiǎn)、儲(chǔ)蓄和金融教育。現(xiàn)在被排除在外的人可以享受更多的轉(zhuǎn)賬、小額貸款和保險(xiǎn)服務(wù)。數(shù)字金融對(duì)于小微企業(yè)也發(fā)揮著重要作用。數(shù)字金融不僅為小微企業(yè)提供了融資渠道，還使它們可以使用電子支付系統(tǒng)、安全的金融產(chǎn)品，以及獲得建立財(cái)務(wù)歷史記錄的機(jī)會(huì)。小微企業(yè)金融|SmallandMediumEnterprise（SME）Finance/Micro,SmallandMediumEnterpriseFinance關(guān)聯(lián)詞：個(gè)人征信、企業(yè)征信、信用評(píng)估、供應(yīng)鏈金融、替代數(shù)據(jù)、征信體系小微企業(yè)金融主要是指專門向小型和微型企業(yè)提供相關(guān)金融產(chǎn)品和服務(wù)，包括銀行貸款、租賃、分期付款、股票/公司債券發(fā)行，風(fēng)險(xiǎn)投資或私募股、資產(chǎn)融資（如保理和發(fā)票貼現(xiàn)）、政府資助或提供貸款等形式。小微企業(yè)金融全稱為中小微企業(yè)（Micro,SmallandMediumEnterprise,MSME）金融，也被稱為中小企業(yè)金融。小微企業(yè)在大多數(shù)經(jīng)濟(jì)體，尤其是發(fā)展中國(guó)家起著重要作用，占全球企業(yè)的大多數(shù)，是就業(yè)機(jī)會(huì)和全球經(jīng)濟(jì)發(fā)展的重要貢獻(xiàn)者。它們代表著全球約90%的企業(yè)和超過50%的就業(yè)機(jī)會(huì)。與大中型企業(yè)相比，小微企業(yè)獲得銀行貸款的可能性較小。相反，它們依靠?jī)?nèi)部資金或來自親朋好友的現(xiàn)金來創(chuàng)辦或經(jīng)營(yíng)。國(guó)際金融公司2018年估計(jì)，發(fā)展中國(guó)家有6500萬家小微企業(yè)（約占小微企業(yè)的40%）的融資需求得不到滿足，每年未滿足的融資需求為5.2萬億美元，相當(dāng)于當(dāng)前全球小微企業(yè)貸款水平的1.4倍。根據(jù)波士頓咨詢公司（BCG）的研究報(bào)告，中國(guó)的小微企業(yè)中有80%難以獲得金融信貸支持，12%可以獲得正規(guī)金融機(jī)構(gòu)的信貸支持，8%可以獲得新金融機(jī)構(gòu)的信貸支持。2020年4月，美國(guó)聯(lián)邦政府實(shí)施了專門針對(duì)小微企業(yè)的薪資保護(hù)計(jì)劃（PaycheckProtectionProgram,PPP），用金融手段幫助受新冠肺炎疫情沖擊的小微企業(yè)渡過難關(guān)。2020年6月1日，中國(guó)人民銀行等金融監(jiān)管部門連續(xù)發(fā)布3份文件，強(qiáng)調(diào)加大金融對(duì)實(shí)體經(jīng)濟(jì)的支持力度。其中包括兩項(xiàng)直達(dá)實(shí)體經(jīng)濟(jì)的創(chuàng)新貨幣政策工具：普惠小微企業(yè)貸款延期支持工具和普惠小微企業(yè)信用貸款支持計(jì)劃。6金融科技可以為改善中小微企業(yè)金融服務(wù)狀況提供技術(shù)支持，例如，一家秘魯?shù)墓緞?chuàng)業(yè)金融實(shí)驗(yàn)室（EntrepreneurialFinanceLab,EFL）通過心理測(cè)量（Psychometrics）技術(shù)對(duì)小微企業(yè)主進(jìn)行信貸信用評(píng)估，不完全依賴信用記錄和資產(chǎn)抵押，目前運(yùn)營(yíng)10年，業(yè)務(wù)擴(kuò)展至東南亞和非洲地區(qū)。案例基于在哈佛大學(xué)肯尼迪政府學(xué)院的研究成果，2006學(xué)教授阿西姆·赫瓦賈（AsimKhwaja）和博士貝利·科林格（BaileyKlinger）EFL，目的是激發(fā)新興市場(chǎng)企業(yè)的金融活力，開發(fā)低成本的信貸審查工具，解決信息不對(duì)稱問題。2013年，EFL瓜多爾的銀行到津巴布韋的服裝商店，都開始使用EFL的心理信用評(píng)估模型。截至2013年，利用這一模型已經(jīng)放貸超過2平均每位可獲貸款7500美元。EFL的服務(wù)內(nèi)容：EFL最初只是針對(duì)小微企業(yè)主進(jìn)行風(fēng)險(xiǎn)評(píng)估，由于消費(fèi)者和小微企業(yè)主的信貸記錄有很多相似之處，EFL也開始針對(duì)消費(fèi)者進(jìn)行風(fēng)險(xiǎn)評(píng)估。在商業(yè)借貸方面，EFL主要針對(duì)小企業(yè)主和個(gè)體戶，借貸的范圍為500美元到25萬美元，時(shí)間為3個(gè)月到48個(gè)月，貸款可以用于資本運(yùn)營(yíng)和資產(chǎn)購(gòu)買等，正式或非正式的行業(yè)都可以申請(qǐng)。在消費(fèi)者信貸方面，零售商和銀行利用EFL的工具，增加對(duì)消費(fèi)者購(gòu)買時(shí)點(diǎn)預(yù)購(gòu)能力的判斷，向通常被傳統(tǒng)信貸機(jī)構(gòu)拒之門外的消費(fèi)者（如無法驗(yàn)證收入的雇員或其他人）提供貸款。貸款金額一般為300美元到10萬美元，時(shí)間為3個(gè)月到48個(gè)月以上。效果：EFL的實(shí)踐證明，小微企業(yè)如果保持正常運(yùn)轉(zhuǎn)，就能夠不斷帶來效益，所以小微企業(yè)貸款業(yè)務(wù)被證明是很好的收入來源。由于使用了EFL的信用評(píng)估模型，秘魯?shù)囊患毅y行的業(yè)務(wù)增長(zhǎng)了50%。利用EFL的信用評(píng)估模型計(jì)算出的償付率和傳統(tǒng)信用評(píng)估模型一致，但利用傳統(tǒng)信用評(píng)估模型時(shí)，貸款申請(qǐng)者需要有一定長(zhǎng)度的信貸歷史，而且要償付60%的利息，相比之下，利用EFL的信用評(píng)估模型，這種短期貸款只需要償付30%~45%的利息。7，8普惠金融|InclusiveFinance關(guān)聯(lián)詞：移動(dòng)支付、消費(fèi)金融、消費(fèi)者征信、企業(yè)征信、替代數(shù)據(jù)、個(gè)人信息保護(hù)、數(shù)據(jù)代理商、社交網(wǎng)絡(luò)普惠金融（InclusiveFinance）也被稱作包容性金融，最早由聯(lián)合國(guó)于2005年提出。普惠金融強(qiáng)調(diào)通過加強(qiáng)政策扶持和完善市場(chǎng)機(jī)制，使邊遠(yuǎn)貧窮地區(qū)人群、小微企業(yè)和社會(huì)低收入人群能夠獲得價(jià)格合理、方便快捷的金融服務(wù)，不斷提高金融服務(wù)的可獲得性。普惠金融的主要特征如下：一是逐步涵蓋整個(gè)金融體系和全部人群。如世界銀行將普惠金融定義為：“在一個(gè)國(guó)家或地區(qū)，所有處于工作年齡的人都有權(quán)使用一整套價(jià)格合理、形式方便的優(yōu)質(zhì)金融服務(wù)?！苯鹑诎萋?lián)盟（AllianceforFinancialInclusion,AFI）認(rèn)為：“普惠金融是將被金融體系排斥的人群納入主流金融體系?！倍莾?nèi)涵豐富。金融包容聯(lián)盟認(rèn)為，普惠金融包括6個(gè)核心內(nèi)容，即金融消費(fèi)者保護(hù)、代理銀行、手機(jī)銀行、國(guó)有銀行改革、金融服務(wù)提供者多元化、數(shù)據(jù)收集與評(píng)估體系。三是多方參與。從國(guó)際到國(guó)內(nèi)，從政府到非政府組織共同推進(jìn)。國(guó)際上正組織研究開發(fā)普惠金融指標(biāo)體系，并要求各國(guó)制定國(guó)家戰(zhàn)略，明確做出相關(guān)承諾。各國(guó)也積極推進(jìn)普惠金融發(fā)展。新興經(jīng)濟(jì)體與發(fā)展中國(guó)家在普惠金融方面進(jìn)行了積極探索，取得了可喜的成績(jī)。巴西、印度尼西亞、肯尼亞、墨西哥等國(guó)的做法具有一定的代表性。案例 肯尼亞大約有1900萬人，其中大部分都沒有銀行賬戶，但約80%的人有手機(jī)在肯尼亞，手機(jī)支付平臺(tái)M-Pesa就成了肯尼亞的“支付寶”。在M-Pesa這個(gè)名字里，“M”代表流動(dòng)，“Pesa”在當(dāng)?shù)卣Z言中是錢的意思。在肯尼亞，在藥房、路邊香料鋪、理發(fā)店，甚至公共廁所都可以使用M-Pesa，在很多小門店（類似于中國(guó)售賣手機(jī)卡的小門店），人們可以用M-Pesa存錢提現(xiàn)，店員則手工記在賬本上。在肯尼亞農(nóng)村地區(qū)，M-Pesa允許使用者將貨幣保存在虛擬的“貯值”賬戶里面，這一賬戶由電信運(yùn)營(yíng)商的服務(wù)器維持，由使用者通過手機(jī)操作。使用者可以通過本地的M-Pesa代理商存款和取款，也可以使用其可用余額，將貨幣發(fā)送給其他手機(jī)用戶、購(gòu)買話費(fèi)或者貯存貨幣等。電信運(yùn)營(yíng)商將客戶存儲(chǔ)在M-Pesa賬戶上的資金匯集到統(tǒng)一賬戶，委托商業(yè)銀行集中管理。盡管看上去“簡(jiǎn)陋”，但M-Pesa的創(chuàng)新性非常符合肯尼亞的國(guó)情。它對(duì)手機(jī)的要求非常簡(jiǎn)單：不需要高級(jí)的智能手機(jī)，即使是最便宜的手機(jī)——一部老式的諾基亞手機(jī)也可以做到。值得一提的是，M-Pesa的成功并不是靠慈善，它已經(jīng)實(shí)現(xiàn)了健康的運(yùn)轉(zhuǎn)——每年為運(yùn)營(yíng)商Safaricom帶來1.5億美元的收入，達(dá)到了普惠金融和商業(yè)可持續(xù)盈利的效果。9行為經(jīng)濟(jì)學(xué)|BehavioralEconomics,BE關(guān)聯(lián)詞：信用評(píng)估、量化投資、系統(tǒng)性風(fēng)險(xiǎn)、心理測(cè)量行為經(jīng)濟(jì)學(xué)將行為分析理論、心理學(xué)與經(jīng)濟(jì)學(xué)有機(jī)結(jié)合起來，從而修正古典經(jīng)濟(jì)學(xué)中關(guān)于理性人、偏好及效用最大化等假設(shè)的不足，以更好地解釋個(gè)人決策中的非理性現(xiàn)象。丹尼爾·卡尼曼（DanielKahneman）和阿莫斯·特沃斯基（AmosTversky）提出的前景理論（ProspectTheory）、錨定效應(yīng)（AnchoringEffect），與理查德·泰勒（RichardThaler）提出的心理賬戶（MentalAccounting）理論，被認(rèn)為是行為經(jīng)濟(jì)學(xué)的三大理論基石。丹尼爾·卡尼曼與理查德·泰勒因此分別獲得了2002年與2017年的諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。前景理論，也被稱作預(yù)期理論或展望理論，描述的是在不同的風(fēng)險(xiǎn)預(yù)期條件下，人的行為傾向是可以預(yù)測(cè)的。前景理論包括確定性效應(yīng)（Certainty Effect）、反射效應(yīng)（ReflectionEffect）、損失規(guī)避（LossAversion）和參照依賴（ReferenceDependence）等內(nèi)容。確定性效應(yīng)，描述的是在確定性收益與不確定性收益之間，大多數(shù)人會(huì)選擇前者。在股票市場(chǎng)，確定性效應(yīng)表現(xiàn)為強(qiáng)烈的獲利了結(jié)傾向，人們喜歡將盈利的股票賣出，而持有虧損的股票。反射效應(yīng)，與確定性效應(yīng)“相反”，是指當(dāng)面對(duì)兩種虧損選擇時(shí)，大多數(shù)人會(huì)變?yōu)轱L(fēng)險(xiǎn)偏好型，在確定性虧損和不確定性虧損之間，往往會(huì)選擇后者，選擇賭一把。在股票市場(chǎng)，反射效應(yīng)表現(xiàn)為持有虧損的股票，而不忍心“割肉”，不愿承認(rèn)自己做錯(cuò)，期待股票能再漲回來。同額度的收益帶來的幸福感要強(qiáng)烈。虧100元錢的痛苦，比賺100元錢的快樂，要強(qiáng)烈得不忍“割肉”離場(chǎng)。參照依賴，是指多數(shù)人對(duì)得失的判斷往往基于參照點(diǎn)。例如，假設(shè)選擇一是自己年收入10萬元，同事年收入15萬元；選擇二是自己年收入12萬元，同事年收入20萬元。大部分人會(huì)選擇一，人的選擇除了受金錢本身影響，還受比較、嫉妒等心理影響。錨定效應(yīng)，是指當(dāng)人們需要對(duì)某個(gè)事件做定量估測(cè)時(shí)，會(huì)將某些特定數(shù)值作為起始值，起始值像錨一樣制約著估測(cè)值。在做決策的時(shí)候，人們會(huì)不自覺地給予最初獲得的信息過多的關(guān)注。10例如，在價(jià)格談判中，人們常常以“先入為主”的價(jià)格作為錨定價(jià)格。如果賣方要價(jià)1000元，買家就會(huì)基于此價(jià)格砍價(jià)；如果買方先報(bào)價(jià)500元，賣方就會(huì)基于此價(jià)格加價(jià)。尤其是在價(jià)值標(biāo)準(zhǔn)難以判定的市場(chǎng)，如股票市場(chǎng)，這種先入為主的心理更能影響人們對(duì)價(jià)格的預(yù)測(cè)。心理賬戶理論，用于解釋個(gè)體在做消費(fèi)決策時(shí)為什么會(huì)受到沉沒成本（Sunk 的影響。心理賬戶，是指人們會(huì)根據(jù)金錢的獲取方式、存儲(chǔ)方式或支付方式，無意識(shí)地金錢加以歸類，并賦予不同價(jià)值，進(jìn)行管理。11比如，大部分人對(duì)打工賺來的錢精打細(xì)算，而對(duì)股票的投資收益則大手大腳。心理賬戶理論的一個(gè)重要結(jié)論是，合并和分開事件會(huì)對(duì)人的心理造成不同影響。例公司在做市值管理時(shí)，往往持續(xù)發(fā)放“小”的利好消息；而關(guān)于財(cái)務(wù)丑聞，則會(huì)一次性釋放“大”的利空消息。眾籌|Crowdfunding關(guān)聯(lián)詞：ICO、P2P網(wǎng)貸眾籌是指通過互聯(lián)網(wǎng)來展示和宣傳創(chuàng)意作品或創(chuàng)業(yè)計(jì)劃，吸引感興趣的購(gòu)買者或投資者對(duì)項(xiàng)目進(jìn)行資金上的支持，在一定時(shí)間內(nèi)募集預(yù)先設(shè)定的募資金額的過程。12眾籌的概念來自眾包（Crowdsourcing），眾包是一種通過分布式協(xié)作來解決問題的方式。眾籌與眾包略有不同，眾籌不僅要解決一個(gè)小的任務(wù)，還需要籌集一定數(shù)額的資金。眾籌概念進(jìn)入公眾視野源于美國(guó)最早的創(chuàng)意眾籌網(wǎng)站Kickstarter。Kickstarter的創(chuàng)始人陳佩里（PerryChen）是一名期貨交易員，他熱愛藝術(shù)，曾開辦一辦的音樂會(huì)，于是便有了建立一個(gè)募集資金的網(wǎng)站的想法。2009年4月，Kickstarter正式上線。Kickstarter平臺(tái)上最知名的項(xiàng)目是Pebble 智能手表。發(fā)起者在Kickstarter上設(shè)置的“融資”目標(biāo)是10萬美元，在37天內(nèi)籌集了10266845美元，來自大約69000個(gè)眾籌支持者。實(shí)際上，Kickstarter的“融資”本質(zhì)上并不是一種融資，而是一種商品預(yù)售，只不過這種商品還在設(shè)想中，并不是成熟產(chǎn)品，比正常商品預(yù)售的風(fēng)險(xiǎn)要大得多。按照美國(guó)著名眾籌研究機(jī)構(gòu)Massolution的分類，眾籌可以分為4種類型：一是捐贈(zèng)眾籌，二是商品眾籌，三是債權(quán)眾籌，四是股權(quán)眾籌。其中，債權(quán)眾籌一般可以理解為通常意義上的P2P網(wǎng)貸，捐贈(zèng)眾籌被劃歸為慈善領(lǐng)域。狹義上，眾籌一般指的是商品眾籌和股權(quán)眾籌。Kickstarter是為創(chuàng)意提供融資的商品眾籌平臺(tái)，還有一些為創(chuàng)業(yè)者提供早期創(chuàng)業(yè)融資的股權(quán)眾籌平臺(tái)，如美國(guó)的AngelList。由于股權(quán)眾籌本質(zhì)上是一種股權(quán)融資行為，需要接受公司或證券相關(guān)法律的約束。對(duì)于向公眾公開募集資金的行為，各個(gè)國(guó)家有不同的法律限制。美國(guó)為了支持創(chuàng)業(yè)小微企業(yè)融資，順應(yīng)互聯(lián)網(wǎng)股權(quán)眾籌浪潮，專門制定并出臺(tái)了《創(chuàng)業(yè)企業(yè)融資法案》（JumpstartOurBusinessStartupsAct,JOBS），又名《JOBS法案》，以對(duì)小額股權(quán)眾籌進(jìn)行豁免。眾籌涉及的領(lǐng)域很廣，不僅包括藝術(shù)作品、發(fā)明創(chuàng)造、科學(xué)研究、創(chuàng)業(yè)募資，還包括演藝、競(jìng)選等領(lǐng)域的資金募集。在數(shù)字貨幣與區(qū)塊鏈領(lǐng)域，ICO是一種新技術(shù)形態(tài)下的眾籌行為?，F(xiàn)有眾籌監(jiān)管框架對(duì)ICO監(jiān)管也是一種參考，相關(guān)部門應(yīng)對(duì)數(shù)字貨幣的性質(zhì)加以區(qū)分，制定相應(yīng)的監(jiān)管政策。共享經(jīng)濟(jì)|SharingEconomy關(guān)聯(lián)詞：P2P網(wǎng)貸、P2P保險(xiǎn)、區(qū)塊鏈共享經(jīng)濟(jì)是一種經(jīng)濟(jì)模式，通常被定義為基于點(diǎn)對(duì)點(diǎn)的活動(dòng)，通過社區(qū)的在線平臺(tái)獲取、提供或共享對(duì)商品和服務(wù)的訪問。共享經(jīng)濟(jì)允許個(gè)人和團(tuán)體從未被充分利用的閑置資產(chǎn)中賺錢。通過這種方式，物理資產(chǎn)作為服務(wù)載體可以被共享。共享經(jīng)濟(jì)在過去幾年里不斷發(fā)展，如今它已成為一個(gè)“包羅萬象”的概念，指的是大量在線交易，甚至可能包括企業(yè)對(duì)企業(yè)（B2B）的交互。其他加入共享經(jīng)濟(jì)的平臺(tái)包括：聯(lián)合工作平臺(tái)——在大城市為自由職業(yè)者、企業(yè)家和在家工作的員工提供共享的開放工作空間的公司。P2P借貸平臺(tái)——允許個(gè)人以比傳統(tǒng)信貸實(shí)體更低的利率向其他人放貸的公司。時(shí)尚平臺(tái)——允許個(gè)人出售或出租衣服的網(wǎng)站。自由職業(yè)平臺(tái)——為自由職業(yè)者提供匹配服務(wù)的網(wǎng)站，范圍從傳統(tǒng)的自由職業(yè)到勤雜工服務(wù)。典型的例子包括出行類的優(yōu)步（Uber）和滴滴出行，短租類的愛彼迎（Airbnb）等。虛擬銀行|VirtualBank,VB關(guān)聯(lián)詞：數(shù)字金融、互聯(lián)網(wǎng)金融、開放銀行虛擬銀行是指通過互聯(lián)網(wǎng)或其他形式的電子渠道而非實(shí)體分支機(jī)構(gòu)提供零售銀行服務(wù)的銀行。13虛擬銀行也被稱為網(wǎng)絡(luò)銀行，主要通過互聯(lián)網(wǎng)、通信系統(tǒng)和計(jì)算機(jī)系統(tǒng)向客戶提供銀行服務(wù)，包括ATM機(jī)（自動(dòng)取款機(jī)）、POS機(jī)（零售終端）、自助銀行、電話銀行、網(wǎng)上銀行和手機(jī)銀行等載體。不同于傳統(tǒng)銀行，虛擬銀行沒有實(shí)體網(wǎng)點(diǎn)，所有服務(wù)（包括申請(qǐng)賬號(hào)、存款、借貸、投資咨詢等）都在網(wǎng)上實(shí)現(xiàn)，大大縮減了實(shí)體網(wǎng)點(diǎn)的租賃成本和人工成本。虛擬銀行同時(shí)能夠?qū)崿F(xiàn)3A（Anytime、Anywhere、Anyhow）金融服務(wù)。全球第一家真正意義上的虛擬銀行是1995年10月18日開業(yè)的美國(guó)安全第一網(wǎng)絡(luò)銀行（Security First Network Bank, SFNB）。1994年4月，由Area銀行、美聯(lián)銀行（Wachovia）、HuntingBancshares股份公司、Secureware和FiveSpace計(jì)算機(jī)公司等聯(lián)合成立。SFNB獲得了美國(guó)聯(lián)邦銀行管理機(jī)構(gòu)的批準(zhǔn)，其前臺(tái)業(yè)務(wù)幾乎全部在互聯(lián)網(wǎng)上開展，當(dāng)時(shí)在金融界引起極大反響。1998年10月，SFNB除技術(shù)部門以外的所有部門被加拿大皇家銀行（RoyalBankofCanada）以2000萬美元收購(gòu)。14在中國(guó)香港，香港金融管理局率先引入虛擬銀行的概念，并于2018年5月30日公布《虛擬銀行的認(rèn)可》指引修訂本，闡釋了虛擬銀行的發(fā)牌原則。截至2019年年底，已經(jīng)有8家機(jī)構(gòu)獲得了香港金融管理局發(fā)放的虛擬銀行牌照。香港虛擬銀行持牌名單見表1.1。中國(guó)境內(nèi)的虛擬銀行主要由互聯(lián)網(wǎng)公司設(shè)立，例如，浙江網(wǎng)商銀行、深圳前海微眾銀行，是持有銀行牌照的獨(dú)立法人實(shí)體。此外，傳統(tǒng)商業(yè)銀行也在逐步向虛擬銀行轉(zhuǎn)型，隨著用戶習(xí)慣于網(wǎng)絡(luò)金融服務(wù)，大量的銀行網(wǎng)點(diǎn)將退出歷史舞臺(tái)。表1.1香港虛擬銀行持牌名單15，16開放銀行|OpenBanking關(guān)聯(lián)詞：個(gè)人信息、個(gè)人金融信息、大數(shù)據(jù)、數(shù)據(jù)挖掘、金融數(shù)據(jù)聚合、賬戶信息服務(wù)、GDPR開放銀行是一種新型商業(yè)模式，指的是商業(yè)銀行通過API，向第三方機(jī)構(gòu)和信息技術(shù)服務(wù)商開放數(shù)據(jù)、算法、交易、流程或其他業(yè)務(wù)功能，提供更加多樣化的金融產(chǎn)品和服務(wù)的模式。開放銀行的概念最早于2015年出現(xiàn)在英國(guó)。這一概念的提出是有其商業(yè)背景的。當(dāng)時(shí)，英國(guó)前五大商業(yè)銀行在零售銀行市場(chǎng)的占有率達(dá)80%以上。大銀行失去充分競(jìng)爭(zhēng)的動(dòng)高的交易和服務(wù)費(fèi)用，卻無法享受到更好的金融服務(wù)。為了打破這一僵局，歐盟發(fā)布的《支付服務(wù)指令》第二版（PSD2）要求歐洲的商業(yè)銀行“必須”把支付服務(wù)和相關(guān)消費(fèi)者數(shù)據(jù)開放給消費(fèi)者授權(quán)的第三方機(jī)構(gòu)和信息技術(shù)服務(wù)護(hù)。不僅如此，2018年，歐盟進(jìn)一步推出了《通用數(shù)據(jù)保護(hù)條例》（General ProtectionRegulation,GDPR）。GDPR通過賦予歐盟居民對(duì)個(gè)人數(shù)據(jù)更多的控制權(quán)，對(duì)網(wǎng)絡(luò)安全、數(shù)字經(jīng)濟(jì)進(jìn)行嚴(yán)格監(jiān)管?；ヂ?lián)網(wǎng)經(jīng)濟(jì)和商業(yè)銀行體系等眾多領(lǐng)域受GDPR約束。可以說，PSD2和GDPR為開放銀行的規(guī)范有序發(fā)展和歐盟個(gè)人數(shù)據(jù)保護(hù)提供了基礎(chǔ)保障。數(shù)據(jù)屬于客戶，而不是銀行，這是PSD2賦予開放銀行的一個(gè)超前的價(jià)值主張。盡管聽起來很簡(jiǎn)單，但它足以改變銀行和客戶之間的“權(quán)力平衡”。開放銀行使客戶更加自由，客戶可以把數(shù)據(jù)交給任何他/它們認(rèn)為能夠提供更好服務(wù)的機(jī)構(gòu)。在該商業(yè)模式下，商業(yè)銀行體系將演變?yōu)樘峁┙鹑诜?wù)的基礎(chǔ)設(shè)施平臺(tái)。案例2017年5月，西班牙對(duì)外銀行（BancoBilbaoVizcayaArgentaria,BBVA）的API開放市場(chǎng)正式對(duì)西班牙客戶開放。在API類型方面，根據(jù)BBVA官網(wǎng)的數(shù)據(jù)，截至2018年8月，BBVA的API開放市場(chǎng)在西班牙、墨西哥、美國(guó)3個(gè)國(guó)家共計(jì)開放12類API，主要基于零售客群數(shù)據(jù)、企業(yè)客群數(shù)據(jù)、多渠道數(shù)據(jù)整合和支付貸款授權(quán)。我國(guó)的開放銀行尚處于起步階段。由于我國(guó)金融業(yè)務(wù)采取牌照制度，以及個(gè)人數(shù)據(jù)保護(hù)制度尚未制定，共享用戶數(shù)據(jù)、開展開放銀行業(yè)務(wù)還需要監(jiān)管和立法的進(jìn)一步完善。2020年5月，全國(guó)人大常委會(huì)工作報(bào)告已經(jīng)明確指出，圍繞我國(guó)安全和社會(huì)治理，制定生物安全法、個(gè)人信息保護(hù)法、數(shù)據(jù)安全法。這意味著個(gè)人信息保護(hù)法終于有望出臺(tái)。在商業(yè)模式方面，與國(guó)外銀行開放數(shù)據(jù)接口不同，國(guó)內(nèi)銀行主要借助互聯(lián)網(wǎng)渠道為各種金融科技應(yīng)用場(chǎng)景提供新型金融產(chǎn)品和服務(wù)。17金融風(fēng)險(xiǎn)管理|FinancialRiskManagement關(guān)聯(lián)詞：信用風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)管理、征信體系、征信機(jī)構(gòu)、系統(tǒng)性風(fēng)險(xiǎn)、網(wǎng)絡(luò)安全金融風(fēng)險(xiǎn)管理是指企業(yè)通過使用金融工具來管理風(fēng)險(xiǎn)敞口的業(yè)務(wù)操作，金融風(fēng)險(xiǎn)管理需要確定風(fēng)險(xiǎn)來源，進(jìn)行度量并計(jì)劃解決這些問題。視和控制不利事件發(fā)生的可能性，以最大限度地把握機(jī)會(huì)。在2008所有業(yè)務(wù)都基于兩個(gè)因素來承擔(dān)風(fēng)險(xiǎn)：不利情況發(fā)生的可能性以及此不利情況帶來的成本。金融風(fēng)險(xiǎn)管理可以通過定性和定量的角度開展。作為一個(gè)專業(yè)化風(fēng)險(xiǎn)管理領(lǐng)域，金融風(fēng)險(xiǎn)管理側(cè)重于何時(shí)及如何使用金融工具來對(duì)沖高風(fēng)險(xiǎn)敞口。銀行和金融科技初創(chuàng)公司都面臨3種主要的風(fēng)險(xiǎn)：信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)。信用風(fēng)險(xiǎn)是最常見和重要的金融風(fēng)險(xiǎn)，是指由于借款人未能及時(shí)、足額償還債務(wù)而產(chǎn)生的債務(wù)違約風(fēng)險(xiǎn)。市場(chǎng)風(fēng)險(xiǎn)是指因市場(chǎng)價(jià)格變動(dòng)而導(dǎo)致頭寸損失的風(fēng)險(xiǎn)。操作風(fēng)險(xiǎn)是指由于內(nèi)部流程、人員和系統(tǒng)的不完備或失效，或者外部事件（包括法律風(fēng)險(xiǎn)）而導(dǎo)致?lián)p失的風(fēng)險(xiǎn)。風(fēng)險(xiǎn)管理是一套完善的專業(yè)流程，如圖1.2所示，包括風(fēng)險(xiǎn)識(shí)別（RiskIdentification）、風(fēng)險(xiǎn)測(cè)量（Risk Measurement）、風(fēng)險(xiǎn)處置策略（Risk Strategy）和風(fēng)險(xiǎn)管理實(shí)施（RiskManagementImplementation）。風(fēng)險(xiǎn)識(shí)別：在確定的風(fēng)險(xiǎn)管理范圍內(nèi)，識(shí)別所有潛在的風(fēng)險(xiǎn)。通過風(fēng)險(xiǎn)識(shí)別可以分析潛在風(fēng)險(xiǎn)的來源（例如，較低的房?jī)r(jià)可能會(huì)導(dǎo)致較低的回收率和較高的抵押貸款損失）或識(shí)別潛在的威脅（例如，哪些因素會(huì)導(dǎo)致按揭貸款損失增加）。識(shí)別所有風(fēng)險(xiǎn)需要對(duì)金融產(chǎn)品有很好的了解。一個(gè)主要的風(fēng)險(xiǎn)是在組織中由于能力不足而缺乏識(shí)別能力。圖1.2風(fēng)險(xiǎn)管理風(fēng)險(xiǎn)測(cè)量：要給出確定的風(fēng)險(xiǎn)來源，需要對(duì)風(fēng)險(xiǎn)進(jìn)行量化。對(duì)于信用風(fēng)險(xiǎn)，這意味著，需要確定實(shí)際違約概率和風(fēng)險(xiǎn)驅(qū)動(dòng)因素（如企業(yè)的盈利能力）響。如果房?jī)r(jià)下降10%，那么違約損失會(huì)增加多少？風(fēng)險(xiǎn)測(cè)量需要對(duì)過去的事件進(jìn)行徹底化風(fēng)險(xiǎn)。風(fēng)險(xiǎn)處置策略：可以通過以下4種方法對(duì)風(fēng)險(xiǎn)進(jìn)行處置。太高或?qū)ζ滹L(fēng)險(xiǎn)了解不充分的產(chǎn)品。高風(fēng)險(xiǎn)的行業(yè)，可能需要銀行在個(gè)體違約的情況下出售其抵押品。通常適用于低風(fēng)險(xiǎn)資產(chǎn)。公司為信用風(fēng)險(xiǎn)提供擔(dān)保。風(fēng)險(xiǎn)管理實(shí)施：一旦定義了風(fēng)險(xiǎn)管理策略，就開始實(shí)施，并投入相應(yīng)的人力、物力、財(cái)力，包括人員、統(tǒng)計(jì)模型和IT（信息技術(shù)）系統(tǒng)。18頭寸（Position）是一個(gè)金融術(shù)語，指的是個(gè)人或?qū)嶓w持有的特定商品、證券、貨幣等的數(shù)量。漢語將Position翻譯為頭寸，源于舊社會(huì)作為貨幣的“袁大頭”每10個(gè)摞起來為1寸。2人工智能相關(guān)支持技術(shù)圖2.1人工智能相關(guān)支持技術(shù)模塊知識(shí)圖譜在歷屆金融博覽會(huì)上，可以看到全球各大IT公司頗具規(guī)模的展位，這是因?yàn)榻鹑谑切畔⒓夹g(shù)的最佳應(yīng)用場(chǎng)景之一。新技術(shù)不僅在金融領(lǐng)域的應(yīng)用最容易產(chǎn)生效果，而且金融業(yè)也最容易為新技術(shù)的紅利買單。金融科技的成功應(yīng)用往往能夠帶動(dòng)一般經(jīng)濟(jì)場(chǎng)景的技術(shù)應(yīng)用，例如，從作為金融科技代表性產(chǎn)品的ATM機(jī)的引入到現(xiàn)在各種各樣的民用一體機(jī)的廣泛應(yīng)用，從金融領(lǐng)域的人臉識(shí)別的深入應(yīng)用推廣到各種生活場(chǎng)景的生物識(shí)別。人工智能相關(guān)支持技術(shù)模塊知識(shí)圖譜如圖2.1所示。首先，金融科技并不是一個(gè)全新的名詞。從過去的機(jī)械動(dòng)力和電子技術(shù)對(duì)金融業(yè)的改變，到信息技術(shù)和金融業(yè)務(wù)的融合，只能說技術(shù)進(jìn)步對(duì)金融業(yè)的影響越來越深入，其迭代升級(jí)越來越快。本次信息技術(shù)浪潮以大數(shù)據(jù)、云計(jì)算和物聯(lián)網(wǎng)等技術(shù)為驅(qū)動(dòng)力，以人工智能技術(shù)為核心，人工智能技術(shù)包羅萬象，以理論分析為主的機(jī)器學(xué)習(xí)和以應(yīng)用實(shí)踐為主的數(shù)據(jù)挖掘都是其重要分支，人工智能也是金融智能的理論基礎(chǔ)。2016年5月，中央四部委發(fā)布了《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》。2019年9月6日，中國(guó)人民銀行正式發(fā)布的《金融科技（FinTech）發(fā)展規(guī)劃（2019—2021年）》中也提出要穩(wěn)步應(yīng)用人工智能技術(shù)。其次，波士頓咨詢的研究表明：從不同行業(yè)來看，金融行業(yè)的數(shù)據(jù)強(qiáng)度為各個(gè)行業(yè)之首，因此大數(shù)據(jù)理念很受金融機(jī)構(gòu)重視。舉例而言，銀行中有著海量的數(shù)據(jù)存儲(chǔ)，在每100萬美元收入中，銀行業(yè)創(chuàng)造和使用的數(shù)據(jù)大約是820GB，遠(yuǎn)多于其他行業(yè)。麥肯錫的研究報(bào)告也稱，大數(shù)據(jù)、云計(jì)算以及區(qū)塊鏈等下一代金融顛覆性技術(shù)正逐步成熟。大數(shù)據(jù)提供了豐富信息的原材料，云計(jì)算則提供了計(jì)算服務(wù)的新動(dòng)能，物聯(lián)網(wǎng)延伸了信息感知的邊界。基礎(chǔ)支撐技術(shù)的飛躍發(fā)展讓金融智能化有了可能，深度學(xué)習(xí)的異軍突起使人臉識(shí)別和語音識(shí)別的準(zhǔn)確率得到大幅度的提升，使金融身份識(shí)別技術(shù)升級(jí)換代。作為深度學(xué)習(xí)的一個(gè)分支，聯(lián)邦學(xué)習(xí)目前被應(yīng)用于解決個(gè)人隱私安全問題。反洗錢領(lǐng)域也是人工智能技術(shù)的應(yīng)用場(chǎng)景。智能分析算法的進(jìn)步使自動(dòng)量化投資和聊天機(jī)器人得到越來越多的應(yīng)用。國(guó)內(nèi)“人工智能+投資顧問”形式的智能投顧初創(chuàng)企業(yè)陸續(xù)出現(xiàn)。信用評(píng)分產(chǎn)品是機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘在金融領(lǐng)域成功應(yīng)用的一個(gè)典范，自動(dòng)化決策代替了人工分析，促進(jìn)了全球信貸市場(chǎng)的快速發(fā)展。目前，越來越多的人工智能技術(shù)被逐漸應(yīng)用于未來信用評(píng)分產(chǎn)品的研發(fā)。同時(shí)，技術(shù)的進(jìn)步也帶來了商業(yè)模式的創(chuàng)新，例如，物聯(lián)網(wǎng)技術(shù)就催生出物聯(lián)網(wǎng)保險(xiǎn)業(yè)態(tài)。再次，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)以查詢?yōu)橹?，適合存儲(chǔ)結(jié)構(gòu)化數(shù)據(jù)。大數(shù)據(jù)和智能分析對(duì)數(shù)據(jù)庫(kù)技術(shù)提出了新的要求，于是非關(guān)系型數(shù)據(jù)庫(kù)應(yīng)運(yùn)而生，對(duì)統(tǒng)治金融領(lǐng)域數(shù)十年的大型機(jī)、小型機(jī)帶來了挑戰(zhàn)和沖擊。知識(shí)圖譜是一種特殊的圖數(shù)據(jù)庫(kù)。對(duì)大數(shù)據(jù)進(jìn)行深入挖掘和智能分析可以獲得豐富的知識(shí)，就金融機(jī)構(gòu)如何對(duì)知識(shí)進(jìn)行管理以便于檢索和理解，知識(shí)圖譜技術(shù)提供了有力的工具。目前，國(guó)內(nèi)多家金融機(jī)構(gòu)正在嘗試知識(shí)圖譜的商業(yè)應(yīng)用。充斥著各種關(guān)聯(lián)的金融系統(tǒng)，適合復(fù)雜系統(tǒng)建模的復(fù)雜網(wǎng)絡(luò)分析技術(shù)在2008后變得越來越重要，從“太大而不能倒”到“太關(guān)聯(lián)而不能倒”，從宏觀系統(tǒng)性風(fēng)險(xiǎn)分析到微學(xué)中的一項(xiàng)關(guān)鍵技術(shù)，其理念和技術(shù)相對(duì)比較成熟，可以用于一些金融分析場(chǎng)景，例如反洗錢?！耙粓D勝千言。”無論是知識(shí)的可視化還是網(wǎng)絡(luò)分析結(jié)果的可視化，都可以更好地幫助決策人員或跨領(lǐng)域、跨部門的專業(yè)人士理解金融現(xiàn)象。關(guān)于人工智能的挑戰(zhàn)和未來展望，目前金融智能的發(fā)展仍低于預(yù)期，在很多金融交易環(huán)節(jié)很難完全實(shí)現(xiàn)自動(dòng)化，可以預(yù)見，在未來一段時(shí)間內(nèi)，金融智能仍會(huì)以“人工智能+專業(yè)經(jīng)驗(yàn)”的形式提供金融決策支持。人工智能在金融領(lǐng)域應(yīng)用中的“黑箱”問題，即算法的可解釋性問題，一直沒有得到很好的解決，因此金融智能應(yīng)用中存在的交易風(fēng)險(xiǎn)不容忽視。同時(shí)，人工智能帶來的道德倫理問題和監(jiān)管問題也需要引起關(guān)注。人工智能對(duì)金融領(lǐng)域的深遠(yuǎn)影響還無法預(yù)測(cè)，找到真正的應(yīng)用場(chǎng)景還需要認(rèn)真思考。 社交網(wǎng)絡(luò)分析和社會(huì)網(wǎng)絡(luò)分析的英文都是ScoialNetworkAnalysis，社會(huì)網(wǎng)絡(luò)分析的研究對(duì)象是社會(huì)中的主體，覆蓋面廣；社交網(wǎng)絡(luò)分析的對(duì)象往往是個(gè)人，數(shù)據(jù)來源是各種社交媒體，本書采用社交網(wǎng)絡(luò)分析的概念。人工智能|ArtificialIntelligence,AI關(guān)聯(lián)詞：量化投資、智能投顧、信用評(píng)分、監(jiān)管科技、反洗錢、生物識(shí)別、身份驗(yàn)證、欺詐檢測(cè)、大數(shù)據(jù)、云計(jì)算人工智能指一系列可以執(zhí)行感知、學(xué)習(xí)、推理和決策任務(wù)的計(jì)算機(jī)技術(shù)，目的是讓機(jī)器能像人一樣解決問題。人工智能系統(tǒng)通過正確解釋外部數(shù)據(jù)，從外部數(shù)據(jù)中學(xué)習(xí)，并獲取解決任務(wù)的能力，從而實(shí)現(xiàn)特定的目標(biāo)。人工智能是一個(gè)綜合性、跨學(xué)科的技術(shù)概念，側(cè)重于感知、分析、預(yù)測(cè)和決策，涵蓋機(jī)器學(xué)習(xí)等學(xué)科。在過去十幾年中，得益于大數(shù)據(jù)技術(shù)、算法和計(jì)算能力的提升，人工智能在金融科技、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等行業(yè)取得長(zhǎng)足發(fā)展。阿爾法圍棋（AlphaGo）所代表的人工智能在2015年大放異彩，所展示出的機(jī)器深度學(xué)習(xí)能力讓大數(shù)據(jù)處理有了新的方向?？萍冀缛耸繉?duì)于人工智能在金融行業(yè)的應(yīng)用充滿了期待，希望機(jī)器人通過大量學(xué)習(xí)現(xiàn)有的金融數(shù)據(jù)、策略、研報(bào)等，成為一個(gè)腦容量巨大、計(jì)算力超群的投資大師。目前，業(yè)界普遍應(yīng)用的人工智能方面的算法和技術(shù)包括自然語言處理（NaturalLanguageProcessing,NLP）、計(jì)算機(jī)視覺（ComputerVision）和機(jī)器人（Robotic）等。方法。自然語言處理廣義上被定義為通過軟件自動(dòng)識(shí)別和處理自然語言（語音和文本）。借助自然語言處理，通過文本分析，可以進(jìn)行垃圾郵件檢測(cè)（EmailSpamDetection）。在金融領(lǐng)域，自然語言處理可以用來構(gòu)建金融知識(shí)圖譜和進(jìn)行輿情分析。自然語言處理也是智能客服應(yīng)用的重要支撐。計(jì)算機(jī)視覺是指使用計(jì)算機(jī)及相關(guān)設(shè)備對(duì)生物視覺功能進(jìn)行模擬，從而使機(jī)器具備視覺功能。機(jī)器視覺（MachineVision）是指使用攝像機(jī)等圖像攝取裝置將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(hào)，然后傳送給專用的圖像處理系統(tǒng)，圖像處理系統(tǒng)將圖像信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，進(jìn)行數(shù)字信號(hào)處理，從而捕獲并分析視覺信息。計(jì)算機(jī)視覺和機(jī)器視覺都可用于金融身份識(shí)別和欺詐檢測(cè)。機(jī)器人通常被用于執(zhí)行人類難以執(zhí)行或難以持續(xù)執(zhí)行的任務(wù)。機(jī)器人技術(shù)是一個(gè)專注于設(shè)計(jì)和制造的工程領(lǐng)域。例如，配置到汽車裝配線、在醫(yī)院辦公室清潔、在旅館提供食物和準(zhǔn)備食物、在農(nóng)場(chǎng)巡邏甚至完成警察的功能。在金融科技領(lǐng)域，機(jī)器人可用于智能客服應(yīng)用和機(jī)器人流程自動(dòng)化。商業(yè)銀行應(yīng)用人工智能的歷史可以追溯到1987年。當(dāng)時(shí)，美國(guó)平安太平洋國(guó)際銀行（SecurityPacificNationalBank,SPNB）成立了一個(gè)防欺詐小組來打擊未經(jīng)授權(quán)使用借記卡的行為。諸如Kasisto和MoneyStream之類的程序在金融服務(wù)中使用了人工智能?，F(xiàn)在，人工智能在金融行業(yè)的應(yīng)用主要涉及基于生物識(shí)別的身份驗(yàn)證（例如人臉識(shí)別和語音識(shí)別）、自動(dòng)量化投資和聊天機(jī)器人等。案例一家新興對(duì)沖基金Aidyia據(jù)，集合不同語言的新聞報(bào)道、基本因素和經(jīng)濟(jì)數(shù)據(jù)，以及其他多個(gè)市場(chǎng)的價(jià)格和成交出現(xiàn)的價(jià)格走勢(shì)做出預(yù)測(cè)。1案例Kensho是美國(guó)一家基于大數(shù)據(jù)和人工智能技術(shù)的金融科技公司，專注于就各類事件對(duì)金融市場(chǎng)的影響進(jìn)行智能分析。該公司在2014年獲得了高盛的投資。Kensho研發(fā)了一種針對(duì)專業(yè)投資者的大規(guī)模數(shù)據(jù)處理分析平臺(tái)。該平臺(tái)將取代現(xiàn)有各大投行分析師們的工作，可以快速、大量地進(jìn)行各種數(shù)據(jù)處理分析并能實(shí)時(shí)回答投資者所提出的復(fù)雜的金融問題，如各種數(shù)據(jù)、股票走向等，有望成為金融領(lǐng)域的虛擬市場(chǎng)研究助手。如對(duì)于“當(dāng)油價(jià)高于100美元一桶時(shí)，中東政局動(dòng)蕩會(huì)對(duì)能源公司的股價(jià)產(chǎn)生怎樣的影響”等問題，即使對(duì)沖基金的分析師能找到所有數(shù)據(jù)，也要花數(shù)天的時(shí)間才能得出答案。但Kensho的軟件可以通過掃描藥物審批、經(jīng)濟(jì)報(bào)告、貨幣政策變更、政治事件以及這些事件對(duì)全球幾乎所有金融資產(chǎn)的影響等9萬余份資料，立刻為6500萬個(gè)問題找到答案。2現(xiàn)在，腦科學(xué)的發(fā)展程度還遠(yuǎn)遠(yuǎn)不夠，甚至可以說人們對(duì)人類大腦的運(yùn)行過程知之甚少。從這個(gè)角度看，說人工智能可以理解大數(shù)據(jù)還為時(shí)尚早。人類對(duì)于大數(shù)據(jù)的應(yīng)用仍處于數(shù)據(jù)收集和基本分析的發(fā)展階段。因此，智能金融在一些重要的交易環(huán)節(jié)還不能完全實(shí)現(xiàn)自動(dòng)化?？梢灶A(yù)見，未來一段時(shí)間內(nèi)，智能金融仍會(huì)以“人工智能+專業(yè)經(jīng)驗(yàn)”的形式提供金融決策支持。3機(jī)器學(xué)習(xí)|MachineLearning,ML關(guān)聯(lián)詞：信用評(píng)分、欺詐檢測(cè)、量化投資、反洗錢、監(jiān)管科技機(jī)器學(xué)習(xí)是專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能的計(jì)算機(jī)應(yīng)用領(lǐng)域。機(jī)器學(xué)習(xí)是人工智能的核心子集。機(jī)器學(xué)習(xí)是人工智能的熱點(diǎn)研究方向。在圖像識(shí)別、語音識(shí)別、自然語言處理、天氣預(yù)測(cè)、基因表達(dá)、內(nèi)容推薦等方面都有重要應(yīng)用。機(jī)器學(xué)習(xí)的核心思想是通過輸入海量訓(xùn)練數(shù)據(jù)（也稱樣本數(shù)據(jù)）對(duì)模型進(jìn)行訓(xùn)練，使模型掌握數(shù)據(jù)所蘊(yùn)含的潛在規(guī)律，進(jìn)而對(duì)新輸入的數(shù)據(jù)進(jìn)行準(zhǔn)確的分類或預(yù)測(cè)。這與人的學(xué)習(xí)過程類似，人通過分析以往的經(jīng)驗(yàn)，獲得新的方法，從而對(duì)未來的新問題進(jìn)行預(yù)測(cè)。機(jī)器學(xué)習(xí)流程如圖2.2所示。圖2.2機(jī)器學(xué)習(xí)流程機(jī)器學(xué)習(xí)與計(jì)算統(tǒng)計(jì)學(xué)（ComputationalStatistics）緊密相關(guān)，其基于訓(xùn)練數(shù)據(jù)建立數(shù)學(xué)模型，以便進(jìn)行預(yù)測(cè)或決策，而無須明確編程以執(zhí)行任務(wù)。數(shù)據(jù)挖掘（DataMining,DM）是機(jī)器學(xué)習(xí)中的一個(gè)研究領(lǐng)域，專注于通過無監(jiān)督學(xué)多重疊之處。兩者的區(qū)別在于，機(jī)器學(xué)習(xí)側(cè)重于預(yù)測(cè)，從訓(xùn)練數(shù)據(jù)中獲知已知知識(shí)的屬性，而數(shù)據(jù)挖掘則側(cè)重于從大規(guī)模數(shù)據(jù)中發(fā)現(xiàn)新知識(shí)。機(jī)器學(xué)習(xí)在金融領(lǐng)域的應(yīng)用是近年來的熱點(diǎn)領(lǐng)域，包括市場(chǎng)營(yíng)銷獲客、信用風(fēng)險(xiǎn)評(píng)估、反欺詐、金融數(shù)據(jù)質(zhì)量檢測(cè)、量化投資和監(jiān)管科技應(yīng)用等。案例ZestFinance信用評(píng)估模型美國(guó)金融科技公司ZestFinance采集與信貸相關(guān)的70000個(gè)信號(hào)，如圖2.3所示，在10個(gè)分散的模型上運(yùn)行，每一個(gè)模型都需要成百上千個(gè)變量，都有不同的預(yù)測(cè)功能。這10個(gè)模型以如下方式進(jìn)行投票：讓你最聰明的10個(gè)朋友坐在一張桌子旁，然后詢問他們對(duì)某一件事情的意見。這種機(jī)制的決策性能遠(yuǎn)遠(yuǎn)好于業(yè)界的平均水平。4此外，機(jī)器學(xué)習(xí)的前沿研究和應(yīng)用還包括集成學(xué)習(xí)（EnsembleLearning）和聯(lián)邦學(xué)習(xí)（FederatedLearning）。圖2.3基于集成學(xué)習(xí)的信用評(píng)估模型集成學(xué)習(xí)是使用一系列算法模型進(jìn)行分析預(yù)測(cè)，并使用某種規(guī)則對(duì)各個(gè)模型的分析結(jié)果進(jìn)行整合從而獲得比單個(gè)算法模型更好的預(yù)測(cè)效果的一種機(jī)器學(xué)習(xí)方法。如果把單個(gè)模型比作一個(gè)決策者的話，那么集成學(xué)習(xí)就相當(dāng)于多個(gè)決策者共同進(jìn)行一項(xiàng)決策。由于融合多種信息和綜合多種決策機(jī)制，經(jīng)過集成學(xué)習(xí)得到的分析預(yù)測(cè)要明顯優(yōu)于單一模型。不同角度的信息存在關(guān)聯(lián)，各自包含互補(bǔ)信息，多角度學(xué)習(xí)過程相當(dāng)于一個(gè)不斷收集證據(jù)的過程，加強(qiáng)信息互補(bǔ)，進(jìn)行信息融合。假設(shè)兩個(gè)獨(dú)立的評(píng)估模型關(guān)于利潤(rùn)率提升的結(jié)果分別是提升至16.9%和9.4%，傳統(tǒng)信用評(píng)估中，第二個(gè)模型可能被棄用，但如果發(fā)現(xiàn)這兩個(gè)模型包含互補(bǔ)信息，那么將這兩個(gè)模型的結(jié)果融合，可以將利潤(rùn)率提高至38%。聯(lián)邦學(xué)習(xí)是機(jī)器學(xué)習(xí)的應(yīng)用話題，這是由于金融行業(yè)的數(shù)據(jù)源往往分散在不同的互聯(lián)網(wǎng)公司，這些數(shù)據(jù)是互聯(lián)網(wǎng)公司的核心資源，它們并不愿意與其他商業(yè)實(shí)體進(jìn)行交換。并且，大規(guī)模的數(shù)據(jù)交換也會(huì)產(chǎn)生個(gè)人隱私問題、數(shù)據(jù)泄露和信息安全事件。金融科技行業(yè)為解決這一問題，提出了聯(lián)邦學(xué)習(xí)的概念。數(shù)據(jù)挖掘|DataMining,DM關(guān)聯(lián)詞：大數(shù)據(jù)、信用評(píng)分、替代數(shù)據(jù)、數(shù)據(jù)代理商、個(gè)人信息保護(hù)、欺詐檢測(cè)、受益所有人數(shù)據(jù)挖掘是指從大型數(shù)據(jù)集里自動(dòng)搜索隱藏于其中的有著特殊關(guān)聯(lián)的信息的過程。數(shù)據(jù)挖掘是跨計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)的一個(gè)子領(lǐng)域，其價(jià)值是使用智能方法從數(shù)據(jù)集中提取信息，并將信息轉(zhuǎn)換為可理解的結(jié)構(gòu)，以供進(jìn)一步使用。數(shù)據(jù)挖掘是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)（KnowledgeDiscoveryinDatabase,KDD）的子過程。除了數(shù)據(jù)挖掘，數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)還涉及數(shù)據(jù)庫(kù)管理、數(shù)據(jù)預(yù)處理、頻繁模式挖掘、聚類分析、分類、文本分析和可視化等方面。數(shù)據(jù)挖掘?qū)Υ罅繑?shù)據(jù)進(jìn)行半自動(dòng)或自動(dòng)分析，以提取以前未知的有趣模式，包括數(shù)據(jù)記錄組（集群分析）、異常信息記錄（異常檢測(cè)）和依存關(guān)系（關(guān)聯(lián)規(guī)則挖掘、順序模式挖掘）。數(shù)據(jù)挖掘通常需要使用數(shù)據(jù)庫(kù)（DataBase,DB）和數(shù)據(jù)倉(cāng)庫(kù)（DataWarehouse,DW）技術(shù)。數(shù)據(jù)挖掘與數(shù)據(jù)分析有所不同。數(shù)據(jù)分析用于測(cè)試數(shù)據(jù)集上的模型和假設(shè)，與數(shù)據(jù)量無關(guān)。數(shù)據(jù)挖掘則借助機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型來發(fā)現(xiàn)大量數(shù)據(jù)中的隱含模式。由于金融領(lǐng)域的數(shù)據(jù)密度高、質(zhì)量好，數(shù)據(jù)挖掘在該領(lǐng)域的應(yīng)用最為廣泛，例如，信貸風(fēng)險(xiǎn)評(píng)估（信用評(píng)分），市場(chǎng)營(yíng)銷中的顧客分類、分群和推薦，反洗錢和欺詐檢測(cè)等。信用評(píng)分是數(shù)據(jù)挖掘在金融領(lǐng)域最成功的應(yīng)用，可以說信用評(píng)分是數(shù)據(jù)挖掘的“前輩”，因?yàn)槠涑霈F(xiàn)和應(yīng)用的時(shí)間遠(yuǎn)早于數(shù)據(jù)挖掘（數(shù)據(jù)挖掘的歷史還不到30年），用評(píng)分是消費(fèi)者行為數(shù)據(jù)方面最早的應(yīng)用之一。說起信用評(píng)分模型，大家就會(huì)提起邏輯回歸模型，但是實(shí)際上信用評(píng)分模型的構(gòu)建過程并不是簡(jiǎn)單應(yīng)用邏輯回歸之類的預(yù)測(cè)算法，目前數(shù)據(jù)挖掘中最常用的技術(shù)，包括聚類、分類特征選擇、相關(guān)性分析以及預(yù)測(cè)分析等，在信用評(píng)分中都得到了成功的應(yīng)用。圖2.4展示了信用評(píng)分的基本流程。5圖2.4數(shù)據(jù)挖掘應(yīng)用示例（以信用評(píng)分為例）大數(shù)據(jù)|BigData關(guān)聯(lián)詞：人工智能、替代數(shù)據(jù)、個(gè)人信息保護(hù)、信用評(píng)估、復(fù)雜網(wǎng)絡(luò)分析、壓力測(cè)試、物聯(lián)網(wǎng)大數(shù)據(jù)是利用高級(jí)分析技術(shù)來處理大規(guī)模、結(jié)構(gòu)復(fù)雜和高頻的數(shù)據(jù)集，以獲得高價(jià)值信息的工程領(lǐng)域。大數(shù)據(jù)分析技術(shù)所處理的數(shù)據(jù)集包括結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)規(guī)模從萬億字節(jié)（TeraByte,TB）到澤字節(jié)（ZettaByte,ZB）不等。隨著人工智能、移動(dòng)互聯(lián)網(wǎng)、社交網(wǎng)絡(luò)（SocialNetwork）和物聯(lián)網(wǎng)等新經(jīng)濟(jì)領(lǐng)域的據(jù)形式越來越復(fù)雜，并且大部分?jǐn)?shù)據(jù)還是實(shí)時(shí)產(chǎn)生并需要立即計(jì)算的。類型超出了傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)以低延遲捕獲、管理和處理數(shù)據(jù)的能力。大數(shù)據(jù)的概念最早于2001年由信息技術(shù)研究和分析公司高德納咨詢公司（Gartner）提出。盡管如此，直到2009年，大數(shù)據(jù)這個(gè)概念才逐漸在互聯(lián)網(wǎng)行業(yè)傳播開來。知名數(shù)據(jù)科學(xué)家維克托·邁爾-舍恩伯格（ViktorMayer-Sch?nberger）總結(jié)了大數(shù)據(jù)的“4V”特征，即高容量（Volume）、高速度（Velocity）、高多樣性（Variety）、高價(jià)值（Value）。6大數(shù)據(jù)分析技術(shù)使分析師、研究人員和商業(yè)用戶可以使用以前無法訪問或無法使用的數(shù)據(jù)做出更快、更好的決策。企業(yè)可以使用先進(jìn)的分析技術(shù)，例如文本分析、機(jī)器學(xué)習(xí)、預(yù)測(cè)分析、數(shù)據(jù)挖掘、統(tǒng)計(jì)和自然語言處理，單獨(dú)或與其他企業(yè)一起從以前未使用的數(shù)據(jù)源中獲取新的信息。金融領(lǐng)域是大數(shù)據(jù)分析技術(shù)應(yīng)用的理想場(chǎng)景，大數(shù)據(jù)分析技術(shù)不僅可以用于微觀信用風(fēng)險(xiǎn)分析，還可以輔助進(jìn)行系統(tǒng)性金融風(fēng)險(xiǎn)分析和經(jīng)濟(jì)決策。7，8，9圖2.5展示了大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用及其市場(chǎng)參考份額。其中，組合投資和資本市場(chǎng)分析、風(fēng)險(xiǎn)模型構(gòu)建、信貸和信用卡辦理、實(shí)時(shí)安全監(jiān)測(cè)是大數(shù)據(jù)在金融領(lǐng)域的重要應(yīng)用。10圖2.5大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用及其市場(chǎng)參考份額案例知名互聯(lián)網(wǎng)金融公司ZestFinance由谷歌和第一資本金融公司（CapitalFinancial）的前員工組建。ZestFinance放給信貸記錄差或無信貸記錄的客群。大多數(shù)美國(guó)的銀行依賴費(fèi)埃哲（FICO）的信用評(píng)估，該信用評(píng)估基于15~20個(gè)變量。然而，ZestFinance250毫秒內(nèi)得出分析結(jié)果。ZestFinance對(duì)消費(fèi)者的信用評(píng)估與費(fèi)埃哲一樣，也是基于兩個(gè)基本面的信息：消費(fèi)者的還款能力和消費(fèi)者的還款意愿。不同之處在于，傳統(tǒng)征信依賴于銀行信貸數(shù)據(jù)，而ZestFinance大數(shù)據(jù)征信的數(shù)據(jù)不僅包括信貸數(shù)據(jù)，還包括與消費(fèi)者還款能力、還款意愿相關(guān)的一些描述性風(fēng)險(xiǎn)特征數(shù)據(jù)。對(duì)這些相關(guān)描述性風(fēng)險(xiǎn)特征數(shù)據(jù)的抽取與篩選是ZestFinance的核心技術(shù)。不過，這些數(shù)據(jù)和消費(fèi)者的信用狀況的相關(guān)性較弱，ZestFinance憑借強(qiáng)大的技術(shù)引擎收集更多的數(shù)據(jù)維度來加強(qiáng)對(duì)這些弱相關(guān)數(shù)據(jù)的描述能力。這使大數(shù)據(jù)征信不依賴于傳統(tǒng)信貸數(shù)據(jù)，對(duì)傳統(tǒng)征信無法服務(wù)的信貸記錄差或無信貸記錄的人群進(jìn)行征信，從而實(shí)現(xiàn)對(duì)整個(gè)消費(fèi)人群的覆蓋。11基于大數(shù)據(jù)的信用評(píng)估思路如圖2.6所示。圖2.6基于大數(shù)據(jù)的信用評(píng)估思路案例 美國(guó)三大征信機(jī)構(gòu)之一益博睿（Experian）開發(fā)出跨渠道身份識(shí)別ChannelIdentityResolution,CCIR）引擎，利用大數(shù)據(jù)技術(shù)挖掘消費(fèi)者購(gòu)物行為、線瀏覽方式、電子郵件回應(yīng)和社交媒體活動(dòng)等數(shù)據(jù)所包含的有效信息，可以滿足營(yíng)銷人應(yīng)對(duì)社交網(wǎng)絡(luò)、網(wǎng)頁瀏覽等消費(fèi)者接觸點(diǎn)實(shí)時(shí)更新的需求。例如，跨渠道身份識(shí)別可以斷商場(chǎng)中的某一特定消費(fèi)者與關(guān)注該商場(chǎng)在臉書（Facebook）和推特（Twitter）上的營(yíng)銷賬號(hào)的某一消費(fèi)者是否為同一個(gè)人。知識(shí)圖譜|KnowledgeGraph關(guān)聯(lián)詞：機(jī)器學(xué)習(xí)、自然語言處理、復(fù)雜網(wǎng)絡(luò)分析、可視化知識(shí)圖譜是信息技術(shù)領(lǐng)域的一種基于圖的數(shù)據(jù)結(jié)構(gòu)，用來描述客觀世界中的概念、實(shí)體（Entity）和關(guān)系（Relation）。知識(shí)圖譜的數(shù)據(jù)結(jié)構(gòu)由節(jié)點(diǎn)（Point）和邊（Edge）組關(guān)系的角度去分析問題的能力。知識(shí)圖譜可以被看作一種圖結(jié)構(gòu)的數(shù)據(jù)庫(kù)，所有需要用到數(shù)據(jù)庫(kù)的場(chǎng)景都可以做成大、費(fèi)時(shí)費(fèi)力，需要長(zhǎng)期維護(hù)。知識(shí)圖譜是一種知識(shí)管理工具，和本體（Ontology）聯(lián)系密切。在表現(xiàn)形式上，知識(shí)圖譜和語義網(wǎng)絡(luò)（SemanticNetwork）相似。語義網(wǎng)絡(luò)由相互連接的節(jié)點(diǎn)和邊組成，節(jié)點(diǎn)表示概念（Concept）或者對(duì)象（Object），邊表示它們之間的關(guān)系。不過，語義網(wǎng)絡(luò)更側(cè)重于描述概念或?qū)ο笾g的關(guān)系，而知識(shí)圖譜則更偏重于描述實(shí)體之間的關(guān)聯(lián)。知識(shí)圖譜是由谷歌在2010年收購(gòu)了開放式數(shù)據(jù)庫(kù)公司MetaWeb后發(fā)展而來的。MetaWeb當(dāng)時(shí)專注于將不同文字表述與同一實(shí)體連接起來，并探索這些實(shí)體的屬性（如明星的年齡）以及彼此之間的聯(lián)系，最終提供一種新的搜索形式。有了知識(shí)圖譜，谷歌可以更好地理解用戶搜索的信息并總結(jié)出與搜索相關(guān)的內(nèi)容，幫用戶找出更準(zhǔn)確的信息。用戶利用知識(shí)圖譜往往會(huì)獲得意想不到的發(fā)現(xiàn)。例如，用戶可能會(huì)了解到某個(gè)新的事實(shí)或新的聯(lián)系，從而促使其進(jìn)行一系列全新的信息檢索。通過知識(shí)圖譜可以完成兩個(gè)重要的目標(biāo)：通過知識(shí)分類提高搜索精度。知識(shí)圖譜的關(guān)鍵技術(shù)有：實(shí)體的抽取，是指從無結(jié)構(gòu)或半結(jié)構(gòu)的Web到某個(gè)實(shí)體概念上。知識(shí)圖譜中實(shí)體和實(shí)體之間關(guān)系的建立。案例谷歌知識(shí)圖譜是谷歌的一個(gè)知識(shí)庫(kù)，其使用語義檢索從多種來源收集信息，以提高谷歌搜索的質(zhì)量。谷歌于2012年將知識(shí)圖譜加入其搜索服務(wù)，首先在美國(guó)使用。據(jù)谷歌稱，知識(shí)圖譜的信息有許多來源，包括美國(guó)中央情報(bào)局（CIA）的《世界概況》、Freebase和維基百科。其功能與A和WolframAlpha等問題問答系統(tǒng)相似。截至2012年，谷歌知識(shí)圖譜的語義網(wǎng)絡(luò)包含的對(duì)象超過570億個(gè)，介紹超過18億個(gè)，這些不同的對(duì)象之間有鏈接關(guān)系，用來理解搜索關(guān)鍵詞的含義。知識(shí)圖譜應(yīng)用示例如圖2.7所示。案例金融行業(yè)業(yè)務(wù)本體（theFinancialIndustryBusinessOntology,FIBO）是一個(gè)商業(yè)概念模型庫(kù)，描述了金融行業(yè)中的金融工具、商業(yè)實(shí)體和工作流程，將金融知識(shí)標(biāo)準(zhǔn)化和模型化，可用于數(shù)據(jù)協(xié)調(diào)、標(biāo)準(zhǔn)化數(shù)據(jù)集成和機(jī)器學(xué)習(xí)。案例騰訊知識(shí)圖譜項(xiàng)目Topbase是騰訊技術(shù)工程平臺(tái)部（TEG-AI）構(gòu)建和維護(hù)的一個(gè)通用知識(shí)領(lǐng)域圖譜項(xiàng)目。Topbase涉及226種概念和1億多個(gè)實(shí)體。在技術(shù)上，Topbase支持知識(shí)圖譜的自動(dòng)構(gòu)建和數(shù)據(jù)的及時(shí)更新。目前，Topbase主要應(yīng)用于微信的“搜一搜”、信息流推薦和智能問答等產(chǎn)品中。12圖2.7知識(shí)圖譜應(yīng)用示例注：查找TajMahal（泰姬陵），給出了相應(yīng)的結(jié)果，包括音樂家和紀(jì)念陵墓兩類。復(fù)雜網(wǎng)絡(luò)分析|ComplexNetworkAnalysis,CNA關(guān)聯(lián)詞：金融網(wǎng)絡(luò)分析、擔(dān)保圈、反洗錢、監(jiān)管科技、支付網(wǎng)絡(luò)、欺詐檢測(cè)、壓力測(cè)試、金融風(fēng)險(xiǎn)管理復(fù)雜網(wǎng)絡(luò)是指具有自組織、自相似、吸引子、小世界、無標(biāo)度中部分或全部性質(zhì)的網(wǎng)絡(luò)。通俗來講，復(fù)雜網(wǎng)絡(luò)就是一種呈現(xiàn)高度復(fù)雜性的網(wǎng)絡(luò)。復(fù)雜網(wǎng)絡(luò)是由數(shù)量巨大的節(jié)點(diǎn)（研究對(duì)象）和節(jié)點(diǎn)之間錯(cuò)綜復(fù)雜的關(guān)系（間的關(guān)系）間的關(guān)聯(lián)關(guān)系進(jìn)行非線性建模。對(duì)復(fù)雜網(wǎng)絡(luò)的研究興起于21大程度上受到了對(duì)諸如計(jì)算機(jī)網(wǎng)絡(luò)、技術(shù)網(wǎng)絡(luò)、大腦網(wǎng)絡(luò)和社交網(wǎng)絡(luò)等的經(jīng)驗(yàn)研究的啟發(fā)。復(fù)雜網(wǎng)絡(luò)分析、網(wǎng)絡(luò)科學(xué)（NetworkScience）和網(wǎng)絡(luò)理論（NetworkTheory）有密切聯(lián)系。比較有名的復(fù)雜網(wǎng)絡(luò)有無尺度網(wǎng)絡(luò)（ScaleFreeNetwork）和小世界網(wǎng)絡(luò)（SmallWorldNetwork），小世界網(wǎng)絡(luò)也稱六度分隔理論（SixDegreesofSeparation）。兩者都具有特定的結(jié)構(gòu)特征，其中，前者呈冪律（PowerLaw）分布，后者則是高聚類（Non-homogeneousNature）。復(fù)雜網(wǎng)絡(luò)分析最初應(yīng)用于文獻(xiàn)計(jì)量學(xué)（Bibliometrics），之后用于網(wǎng)絡(luò)搜索。復(fù)雜網(wǎng)絡(luò)分析最初的成功應(yīng)用是谷歌在1998年利用PageRank算法解決了海量網(wǎng)頁實(shí)時(shí)搜索的問題。13社交網(wǎng)絡(luò)分析（SocialNetworkAnalysis,SNA）緊隨其后。臉書、騰訊、推特和微博的崛起都與社交網(wǎng)絡(luò)技術(shù)的應(yīng)用有關(guān)?；谀车貐^(qū)企業(yè)之間擔(dān)保貸款的復(fù)雜網(wǎng)絡(luò)建模如圖2.8所示。圖2.8基于某地區(qū)企業(yè)之間擔(dān)保貸款的復(fù)雜網(wǎng)絡(luò)建模注：其中企業(yè)為網(wǎng)絡(luò)節(jié)點(diǎn)，連接線為企業(yè)之間的貸款擔(dān)保關(guān)系。復(fù)雜網(wǎng)絡(luò)也是研究傳染病的一種重要的數(shù)學(xué)模型，無論是曾經(jīng)的SARS（重癥急性呼吸綜合征）病毒還是現(xiàn)在的新型冠狀病毒2019-nCOV，其傳染病模型都有一個(gè)重要的概念，叫作基本再生數(shù)（BasicReproductionNumber）。其含義是一個(gè)典型的感染者會(huì)讓多少其他人被感染。若基本再生數(shù)大于1，則疾病會(huì)蔓延；若小于1，則疾病會(huì)消失。金融網(wǎng)絡(luò)中也有類似于傳染病的問題，例如金融危機(jī)。就復(fù)雜網(wǎng)絡(luò)分析在金融領(lǐng)域的應(yīng)用而言，供應(yīng)鏈網(wǎng)絡(luò)（Supply Chain SCN）是多年來的經(jīng)典應(yīng)用。2007—2008年全球金融危機(jī)之后，金融網(wǎng)絡(luò)蓬勃發(fā)展。復(fù)網(wǎng)絡(luò)是金融系統(tǒng)的良好模型。網(wǎng)絡(luò)理論是系統(tǒng)風(fēng)險(xiǎn)的分析基礎(chǔ)。國(guó)外金融機(jī)構(gòu)、中央銀和金融監(jiān)管機(jī)構(gòu)已經(jīng)將復(fù)雜網(wǎng)絡(luò)分析應(yīng)用于銀行間拆借市場(chǎng)，監(jiān)測(cè)欺詐行為，開展流動(dòng)性、系統(tǒng)性等金融風(fēng)險(xiǎn)的管理。此外，欺詐檢測(cè)和反洗錢也是復(fù)雜網(wǎng)絡(luò)分析的合適應(yīng)用場(chǎng)景。社交網(wǎng)絡(luò)分析|SocialNetworkAnalysis,SNA關(guān)聯(lián)詞：復(fù)雜網(wǎng)絡(luò)分析、金融網(wǎng)絡(luò)分析、可視化社交網(wǎng)絡(luò)分析，也稱社會(huì)網(wǎng)絡(luò)分析，是指通過網(wǎng)絡(luò)和圖論研究社會(huì)結(jié)構(gòu)的過程。它根據(jù)節(jié)點(diǎn)（網(wǎng)絡(luò)中的各個(gè)參與者或事物）以及它們之間的連接（關(guān)系或交互作用）來表示網(wǎng)絡(luò)結(jié)構(gòu)。通常通過社交網(wǎng)絡(luò)分析得出的可視化社交結(jié)構(gòu)包括社交媒體網(wǎng)絡(luò)、模因傳播網(wǎng)絡(luò)、信息流通網(wǎng)絡(luò)、朋友和熟人網(wǎng)絡(luò)、商業(yè)網(wǎng)絡(luò)、知識(shí)網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、合作關(guān)系圖、親戚關(guān)系和疾病傳播。這些網(wǎng)絡(luò)通常借助社交網(wǎng)絡(luò)的可視化，其中節(jié)點(diǎn)用點(diǎn)表示，關(guān)系用線表示。可視化通過改變節(jié)點(diǎn)和線的視覺關(guān)系反映特定的屬性，提供了一種定性評(píng)估網(wǎng)絡(luò)的方法。一個(gè)多世紀(jì)以來，人們就使用社交網(wǎng)絡(luò)來描述復(fù)雜的社會(huì)系統(tǒng)下成員之間的關(guān)系，囊括所有層級(jí)，從人際關(guān)系到國(guó)際關(guān)系。1954年，巴恩斯（J.A.Barnes）開始使用這個(gè)術(shù)語，系統(tǒng)化地呈現(xiàn)關(guān)系模式，統(tǒng)一了大眾與社會(huì)科學(xué)家眼中的傳統(tǒng)概念：有限制的群體（如部落、家庭）和社會(huì)分類（如性別、種族）。絡(luò)分析在很多層面（從家庭到國(guó)家層面）運(yùn)作，并起著關(guān)鍵作用，決定問題如何得到解決，組織如何運(yùn)行。它還應(yīng)用于人類學(xué)、生物學(xué)、人口統(tǒng)計(jì)學(xué)、傳播研究、經(jīng)濟(jì)學(xué)、地言學(xué)和計(jì)算機(jī)科學(xué)，現(xiàn)在還可以作為一種消費(fèi)者分析工具。社會(huì)學(xué)理論認(rèn)為，社會(huì)不是由個(gè)人而是由網(wǎng)絡(luò)構(gòu)成的，網(wǎng)絡(luò)中包含節(jié)點(diǎn)及節(jié)點(diǎn)之間的關(guān)系，社交網(wǎng)絡(luò)分析通過對(duì)網(wǎng)絡(luò)中關(guān)系的分析探討網(wǎng)絡(luò)的結(jié)構(gòu)及屬性特征，包括網(wǎng)絡(luò)中的個(gè)體屬性及網(wǎng)絡(luò)整體屬性，網(wǎng)絡(luò)個(gè)體屬性分析包括點(diǎn)度中心度、接近中心度等；網(wǎng)絡(luò)的整體屬性分析包括小世界效應(yīng)、小團(tuán)體研究、凝聚子群等。社交網(wǎng)絡(luò)示意圖如圖2.9所示。對(duì)于反洗錢這種需要挖掘客戶關(guān)系、分析海量交易的工作，社交網(wǎng)絡(luò)分析特別適用。在資金網(wǎng)絡(luò)分析中，受益所有人的人際關(guān)系往往不能直接得到，即便可分析，所帶來的巨量信息也無法提供有用信息。計(jì)算能力的限制、交易對(duì)象的復(fù)雜加大了網(wǎng)絡(luò)分析的規(guī)模，洗錢者與正常交易人員在交易方式上的細(xì)微差別可能在大規(guī)模的網(wǎng)絡(luò)分析中消失。因此，要挖掘金融情報(bào)，從大規(guī)模的資金網(wǎng)絡(luò)中找出高質(zhì)量的信息，需要靈活地運(yùn)用社交網(wǎng)絡(luò)分析方法。圖2.9社交網(wǎng)絡(luò)示意圖可視化|Visualization/Inforgraphic關(guān)聯(lián)詞：數(shù)據(jù)挖掘、反洗錢、知識(shí)圖譜、情報(bào)可視化可視化（Visualization）是利用計(jì)算機(jī)圖形學(xué)和圖像處理技術(shù)，將數(shù)據(jù)轉(zhuǎn)換成圖形或圖像在屏幕上顯示出來，并進(jìn)行交互處理的理論、方法和技術(shù)。在日常生活中，可視化技術(shù)常常是被優(yōu)先選擇的技術(shù)，用來解釋氣象、經(jīng)濟(jì)和選舉等的結(jié)果。14可視化可以使一些復(fù)雜問題簡(jiǎn)化。盡管大多數(shù)技術(shù)學(xué)科（例如數(shù)據(jù)挖掘）中通常強(qiáng)調(diào)算法或數(shù)學(xué)方法，但可視化也能在數(shù)據(jù)分析和結(jié)果理解方面起到關(guān)鍵作用，特別是將分析結(jié)果呈現(xiàn)給跨領(lǐng)域或高級(jí)別的人士以輔助決策分析。通常將可視化擴(kuò)展為可視分析（VisualAnalytics）?？梢暦治鍪切畔⒖梢暬涂茖W(xué)可視化領(lǐng)域的產(chǎn)物，其重點(diǎn)在于交互式可視界面所促進(jìn)的分析推理。對(duì)于可視化，有“一圖勝千言”的說法?？梢暬蚩梢暬治鰧?duì)于金融領(lǐng)域的大數(shù)據(jù)分析變得越來越有用?？梢暬梢苑譃樾畔⒖梢暬?、知識(shí)可視化、產(chǎn)品可視化和網(wǎng)絡(luò)可視化。信息可視化（也稱數(shù)據(jù)可視化，DataVisualization）：專注于使用計(jì)算機(jī)支持的工具來探索大量抽象數(shù)據(jù)，通過圖形清晰有效地展示數(shù)據(jù)，已經(jīng)得到廣泛應(yīng)用，例如編寫報(bào)察到的數(shù)據(jù)聯(lián)系，利用數(shù)據(jù)可視化制作一些圖案，例如數(shù)據(jù)云圖。15知識(shí)可視化：使用視覺技術(shù)表示知識(shí)傳遞，其目的是通過互補(bǔ)使用計(jì)算機(jī)和基于非計(jì)算機(jī)的可視化方法來改善知識(shí)的傳遞。產(chǎn)品可視化：涉及可視化軟件，用于查看和操作產(chǎn)品相關(guān)3D模型、技術(shù)制圖、組建和裝配流程，可以方便理解產(chǎn)品。網(wǎng)絡(luò)可視化：節(jié)點(diǎn)為圓點(diǎn)或其他形狀，通過有向或無向的邊來連接，通常是理解網(wǎng)絡(luò)結(jié)構(gòu)的最佳方式。除了節(jié)點(diǎn)相互連接的基本結(jié)構(gòu)以及可選的連接方向外，網(wǎng)絡(luò)可視化還可以顯示節(jié)點(diǎn)和連接屬性，例如，社團(tuán)發(fā)現(xiàn)或連接權(quán)重。最有用的網(wǎng)絡(luò)可視化是交互式的，尤其是在網(wǎng)絡(luò)復(fù)雜的情況下。例如，交互式網(wǎng)絡(luò)可視化允許用戶放大和縮小，以及拖動(dòng)節(jié)點(diǎn)以更改其位置或選擇節(jié)點(diǎn)以僅顯示其本身及其相鄰節(jié)點(diǎn)。附加的節(jié)點(diǎn)和鏈接信息可能會(huì)在鼠標(biāo)懸停時(shí)顯示，并且高級(jí)可視化功能允許用戶交互式地更改映射和填充節(jié)點(diǎn)或鏈接?？梢暬蛷?fù)雜網(wǎng)絡(luò)分析聯(lián)系密切，復(fù)雜網(wǎng)絡(luò)分析的一個(gè)顯著特點(diǎn)就是可以對(duì)分析結(jié)果進(jìn)行可視化呈現(xiàn)，圖2.10是全球股票市場(chǎng)網(wǎng)絡(luò)的可視化。16圖2.10全球股票市場(chǎng)網(wǎng)絡(luò)的可視化深度學(xué)習(xí)|DeepLearning,DL關(guān)聯(lián)詞：量化投資、欺詐檢測(cè)、生物識(shí)別、數(shù)據(jù)挖掘深度學(xué)習(xí)是人工智能領(lǐng)域中機(jī)器學(xué)習(xí)的分支，是一種以人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork,ANN）為基礎(chǔ)架構(gòu)，對(duì)數(shù)據(jù)進(jìn)行特征學(xué)習(xí)的計(jì)算機(jī)算法。深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的相關(guān)研究。與人工神經(jīng)網(wǎng)絡(luò)類似，深度學(xué)習(xí)也試圖模仿大腦神經(jīng)元之間遞質(zhì)的傳遞和信息的處理。與人工神經(jīng)網(wǎng)絡(luò)的區(qū)別在于，深度學(xué)習(xí)是以專家系統(tǒng)（ExpertSystem,ES）為代表，用大量“如果-就”（If-Then）規(guī)則定義的“自上而下”的算法結(jié)構(gòu)，而人工神經(jīng)網(wǎng)絡(luò)則是一種“自下而上”的結(jié)構(gòu)。深度學(xué)習(xí)被應(yīng)用到機(jī)器學(xué)習(xí)領(lǐng)域。包含多個(gè)隱藏層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過多層處理，逐漸將初始的“低層”特征表示轉(zhuǎn)化為“高層”特征表示，之后用簡(jiǎn)單模型即可完成復(fù)雜的分類等學(xué)習(xí)任務(wù)。正因?yàn)橛羞@么多特性，深度學(xué)習(xí)也可以稱作特征學(xué)習(xí)（FeatureLearning）、表示學(xué)習(xí)（RepresentationLearning）或分層學(xué)習(xí)（HierarchicalLearning）。機(jī)器學(xué)習(xí)的算法和數(shù)據(jù)訓(xùn)練集中在特征學(xué)習(xí)和表達(dá)部分。有趣的是，這部分工作一般是由人工而非機(jī)器完成的。人類專家通過建立模型描述樣本的特征，但是人類專家設(shè)計(jì)出好的模型并非易事。如果用算法自動(dòng)學(xué)習(xí)取代人類專家建模，就需要用到深度學(xué)習(xí)。也就是說，深度學(xué)習(xí)使機(jī)器學(xué)習(xí)在全自動(dòng)數(shù)據(jù)分析的方向上前進(jìn)了一步。2006年，加拿大多倫多大學(xué)教授、機(jī)器學(xué)習(xí)領(lǐng)域的泰斗杰弗里·辛頓（GeoffreyHinton）和他的學(xué)生拉斯蘭·薩拉赫特迪諾夫（Ruslan Salakhutdinov）在《科學(xué)（Science）上發(fā)表了一篇文章，開啟了深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界發(fā)展的浪潮。如今，已有數(shù)種深度學(xué)習(xí)架構(gòu)，如深度神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)等，廣泛應(yīng)用于計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理、音頻識(shí)別、社交網(wǎng)絡(luò)信息過濾、機(jī)器翻譯、生物信息學(xué)、藥物設(shè)計(jì)、醫(yī)學(xué)圖像分析、材料檢查和棋盤游戲程序等領(lǐng)域，它們產(chǎn)生的結(jié)果可與人類專家媲美，甚至在某些情況下優(yōu)于人類專家。案例人類視覺系統(tǒng)信息處理的深度學(xué)習(xí)從低級(jí)的V1區(qū)提取邊緣特征，再到識(shí)別V2越能表現(xiàn)語義或意圖。抽象層面越高，存在的可能猜測(cè)就越少，就越利于分類。17人的大腦對(duì)視覺成像過程的分層處理如圖2.11所示。圖2.11人的大腦對(duì)視覺成像過程的分層處理案例反欺詐和反洗錢中的深度學(xué)習(xí)監(jiān)測(cè)欺詐或洗錢的傳統(tǒng)方法可能依賴于交易金額，而深度學(xué)習(xí)非線性技術(shù)包括時(shí)間、地理位置、IP（互聯(lián)網(wǎng)協(xié)議）地址、零售商的類型以及任何可能表明欺詐活動(dòng)的特征。神經(jīng)網(wǎng)絡(luò)的第一層處理原始數(shù)據(jù)輸入（例如交易金額），并將其作為輸出傳遞到下一層；第二層通過輸入其他信息（例如用戶的IP地址）來處理上一層的信息，并傳遞其結(jié)果。下一層獲取第二層的信息，并輸入諸如地理位置等的原始數(shù)據(jù)，使機(jī)器的模式更加完善。這一方式在神經(jīng)網(wǎng)絡(luò)的所有層次上持續(xù)進(jìn)行。聯(lián)邦學(xué)習(xí)18|FederatedLearning關(guān)聯(lián)詞：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)聯(lián)邦學(xué)習(xí)又稱聯(lián)邦機(jī)器學(xué)習(xí)（FederatedMachineLearning），是一個(gè)機(jī)器學(xué)習(xí)框架，能有效幫助多個(gè)機(jī)構(gòu)在滿足用戶隱私保護(hù)、數(shù)據(jù)安全和政府法規(guī)的要求下，進(jìn)行數(shù)據(jù)使用和機(jī)器學(xué)習(xí)建模。聯(lián)邦學(xué)習(xí)基于分布在多個(gè)設(shè)備上的數(shù)據(jù)集構(gòu)建機(jī)器學(xué)習(xí)模型，同時(shí)防止數(shù)據(jù)泄露。聯(lián)邦學(xué)習(xí)可以避免未授權(quán)的數(shù)據(jù)擴(kuò)散并解決數(shù)據(jù)孤島問題。傳統(tǒng)的數(shù)據(jù)集中處理模式存在很多弊端，由于人們需要把數(shù)據(jù)集中起來進(jìn)行處理，需要收集和傳輸數(shù)據(jù)，在這個(gè)過程中可能會(huì)侵犯隱私、泄露數(shù)據(jù)，可能會(huì)產(chǎn)生數(shù)據(jù)的集中和壟斷。為了改變這種集中處理數(shù)據(jù)的模式，聯(lián)邦學(xué)習(xí)應(yīng)運(yùn)而生。和傳統(tǒng)的機(jī)器學(xué)習(xí)算法要求集中處理數(shù)據(jù)不同，聯(lián)邦學(xué)習(xí)把算法發(fā)到所有數(shù)據(jù)擁有者手中，在本地對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí)，然后對(duì)所有學(xué)習(xí)的結(jié)果進(jìn)行整合，得到最終結(jié)果。形象地說，如果傳統(tǒng)的機(jī)器學(xué)習(xí)是把數(shù)據(jù)“喂”給算法，那么聯(lián)邦學(xué)習(xí)就是讓算法去主動(dòng)覓食。最早把聯(lián)邦學(xué)習(xí)技術(shù)投入應(yīng)用的是谷歌。2017邦學(xué)習(xí)程序。它通過將算法程序發(fā)送到每個(gè)用戶的手機(jī)上，回收反饋信息，從而獲得想要的分析結(jié)論。在看到谷歌的實(shí)踐后，國(guó)內(nèi)的大型互聯(lián)網(wǎng)企業(yè)很快認(rèn)識(shí)到聯(lián)邦學(xué)習(xí)的價(jià)值，騰訊旗下的微眾銀行、阿里巴巴旗下的螞蟻金服陸續(xù)推出了與之類似的技術(shù)解決方案，并將它們應(yīng)用到實(shí)踐領(lǐng)域。在這些大型互聯(lián)網(wǎng)企業(yè)的推動(dòng)下，目前聯(lián)邦學(xué)習(xí)技術(shù)已經(jīng)開始在金融、保險(xiǎn)、電子商務(wù)等領(lǐng)域得到應(yīng)用，而其潛在的應(yīng)用前景相當(dāng)可觀。在一些行業(yè)研究機(jī)構(gòu)發(fā)布的報(bào)告中，這一技術(shù)甚至已經(jīng)被譽(yù)為“推動(dòng)人工智能下一輪高潮的重要力量”，以及“數(shù)字時(shí)代的新基礎(chǔ)設(shè)施”。聯(lián)邦學(xué)習(xí)雖然解決了由數(shù)據(jù)集中所帶來的很多問題，但它本身又會(huì)引發(fā)很多新的問題：·企業(yè)要參與聯(lián)邦學(xué)習(xí)，就必須貢獻(xiàn)數(shù)據(jù)，并沒有完全解決數(shù)據(jù)孤島問題?！?duì)于硬件可能會(huì)提出要求，實(shí)現(xiàn)存在難度。如何處理對(duì)參與者的激勵(lì)。為造假和攻擊留下了漏洞。·給市場(chǎng)競(jìng)爭(zhēng)帶來負(fù)面影響，加強(qiáng)了平臺(tái)公司的作用?！砹酥R(shí)產(chǎn)權(quán)問題。螞蟻金服將自己的方案稱為“共享學(xué)習(xí)”，但從本質(zhì)上看，它和聯(lián)邦學(xué)習(xí)的思路是一致的。云計(jì)算|CloudComputing關(guān)聯(lián)詞：大數(shù)據(jù)、人工智能、數(shù)據(jù)挖掘、網(wǎng)絡(luò)安全云計(jì)算是指通過互聯(lián)網(wǎng)交付的計(jì)算服務(wù)，包括服務(wù)器、存儲(chǔ)、數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)、軟件、分析等，以提供更快的創(chuàng)新、靈活的資源并實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)。在計(jì)算機(jī)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)中，互聯(lián)網(wǎng)一般用“云”的形狀表示，所以通過互聯(lián)網(wǎng)實(shí)現(xiàn)的計(jì)算服務(wù)被形象地稱為云計(jì)算。云計(jì)算并非單一技術(shù)，而是分布式計(jì)算（DistributedComputing）、并行計(jì)算（ParallelComputing）、效用計(jì)算（UtilityComputing）、網(wǎng)絡(luò)存儲(chǔ)（NetworkStorage）、虛擬化（Virtualization）、負(fù)載均衡（LoadBalance）等傳統(tǒng)計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)發(fā)展融合的產(chǎn)物。因此，可以認(rèn)為云計(jì)算是一種信息技術(shù)產(chǎn)品或服務(wù)。在云計(jì)算環(huán)境下，用戶能夠?qū)⑽募蛻?yīng)用程序存儲(chǔ)在遠(yuǎn)程服務(wù)器上，然后通過互聯(lián)網(wǎng)訪問所有數(shù)據(jù)，而不用將文件保留在專有的硬盤驅(qū)動(dòng)器或本地存儲(chǔ)設(shè)備上。只要電子設(shè)備可以訪問網(wǎng)絡(luò)，用戶就可以隨時(shí)訪問數(shù)據(jù)和運(yùn)行應(yīng)用程序。這意味著用戶可以不受訪問地點(diǎn)的限制來享受遠(yuǎn)程計(jì)算服務(wù)。2006年8月9日，谷歌首席執(zhí)行官埃里克·施密特（EricSchmidt）在搜索引擎大會(huì)（SESSanJose2006）首次提出“云計(jì)算”的概念。谷歌“云端計(jì)算”源于谷歌工程師克里斯托弗·比希利亞（ChristopherBichria）所做的“谷歌101”項(xiàng)目。能和安全性。云計(jì)算服務(wù)為用戶提供一系列功能，包括電子郵件、存儲(chǔ)、備份、數(shù)據(jù)檢圖2.12所示。圖2.12云計(jì)算示意圖云計(jì)算有多種部署模式，包括公有云（PublicCloud）、私有云（PrivateCloud）、混合云（HybridCloud）等。公有云由第三方云服務(wù)提供商擁有和運(yùn)營(yíng)，通過互聯(lián)網(wǎng)交付其計(jì)算資源，例如服務(wù)器和存儲(chǔ)器。在公有云部署模式下，所有硬件、軟件和其他基礎(chǔ)結(jié)構(gòu)都由云服務(wù)提供商擁有和管理。通過公有云，用戶可以使用瀏覽器訪問這些服務(wù)并管理賬戶。私有云指的是僅單個(gè)企業(yè)或組織使用的云計(jì)算資源。私有云可以位于公司現(xiàn)場(chǎng)數(shù)據(jù)中心的物理地址上。一些公司還向第三方云服務(wù)提供商付費(fèi)以托管其私有云。私有云是在私有網(wǎng)絡(luò)上維護(hù)服務(wù)和基礎(chǔ)架構(gòu)的云?；旌显剖菍⒐性坪退接性平Y(jié)合在一起，并通過允許將數(shù)據(jù)和應(yīng)用程序共享的技術(shù)，提供對(duì)外服務(wù)的云部署模式?；旌显圃试S數(shù)據(jù)和應(yīng)用程序在私有云和公有云之間移動(dòng)，為用戶提供更大的業(yè)務(wù)靈活性、更多的部署選項(xiàng)，并有助于優(yōu)化現(xiàn)有的基礎(chǔ)架構(gòu)及其安全性和合規(guī)性。云計(jì)算的理念是“一切皆服務(wù)”。因此，云計(jì)算服務(wù)商參考互聯(lián)網(wǎng)的網(wǎng)絡(luò)架構(gòu)提供分層服務(wù)，即基礎(chǔ)設(shè)施即服務(wù)（InfrastructureasaService,IaaS）、平臺(tái)即服務(wù)（PlatformasaServicePaaS）和軟件即服務(wù)（SoftwareasaService,SaaS）?；A(chǔ)設(shè)施即服務(wù)是一種即時(shí)計(jì)算基礎(chǔ)架構(gòu)，可通過互聯(lián)網(wǎng)進(jìn)行配置和管理。使用基礎(chǔ)設(shè)施即服務(wù)，用戶可以按需付費(fèi)，從云計(jì)算服務(wù)商那里租用IT基礎(chǔ)設(shè)施——服務(wù)器和虛擬機(jī)（VirtualMachine,VM）、存儲(chǔ)器、網(wǎng)絡(luò)和操作系統(tǒng)。平臺(tái)即服務(wù)為開發(fā)、測(cè)試、交付和管理應(yīng)用程序提供按需付費(fèi)的云計(jì)算服務(wù)。平臺(tái)即服務(wù)旨在使開發(fā)人員更容易快速創(chuàng)建Web或應(yīng)用程序，而不必?fù)?dān)心設(shè)置或管理開發(fā)所需的服務(wù)器、存儲(chǔ)器、網(wǎng)絡(luò)和數(shù)據(jù)庫(kù)等基礎(chǔ)設(shè)施。軟件即服務(wù)是一種按需且通常在訂閱的基礎(chǔ)上通過互聯(lián)網(wǎng)交付應(yīng)用程序的方法。借助軟件即服務(wù)，云計(jì)算服務(wù)商可以托管和管理應(yīng)用程序以及基礎(chǔ)架構(gòu)，并負(fù)責(zé)維護(hù)工作，例如軟件升級(jí)和打安全補(bǔ)丁。用戶通常用手機(jī)、平板電腦或個(gè)人計(jì)算機(jī)上的Web瀏覽器通過互聯(lián)網(wǎng)連接到應(yīng)用程序。非關(guān)系型數(shù)據(jù)庫(kù)|NoSQLDatabase關(guān)聯(lián)詞：大數(shù)據(jù)、復(fù)雜網(wǎng)絡(luò)分析、征信系統(tǒng)非關(guān)系型數(shù)據(jù)庫(kù)是指不基于關(guān)系型數(shù)據(jù)庫(kù)表格關(guān)系的數(shù)據(jù)存儲(chǔ)和檢索機(jī)制。非關(guān)系型數(shù)據(jù)庫(kù)的英文縮寫NoSQL是“NotOnlySQL”的簡(jiǎn)寫。早在20世紀(jì)60年代后期，這樣的數(shù)據(jù)庫(kù)技術(shù)就已經(jīng)出現(xiàn)。但是，直到21世紀(jì)初，非關(guān)系型數(shù)據(jù)庫(kù)才隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，越來越多地用于大數(shù)據(jù)和實(shí)時(shí)Web應(yīng)用程序并獲得“NoSQL”的美譽(yù)。NoSQL一詞最早出現(xiàn)于1998年，是卡洛·斯特羅齊（CarloStrozzi）開發(fā)的一個(gè)輕量、開源、不提供SQL功能的非關(guān)系型數(shù)據(jù)庫(kù)。直到2009年，約翰·奧斯卡森（JohanOskarsson）發(fā)起了一次關(guān)于分布式開源數(shù)據(jù)庫(kù)的討論，來自Rackspace（全球三大云計(jì)算中心之一）的埃里克·埃文斯（EricEvans）再次提出了NoSQL的概念，這時(shí)的NoSQL主要指不提供關(guān)系型數(shù)據(jù)庫(kù)ACID（Atomic,Consistency,Isolation,Durability，原子性、一致性、隔離性、持久性）設(shè)計(jì)模式的非關(guān)系型數(shù)據(jù)庫(kù)、分布式數(shù)據(jù)庫(kù)。按照內(nèi)部的數(shù)據(jù)組織形式，可以將NoSQL劃分為鍵值存儲(chǔ)（Key-ValueStore）、寬列存儲(chǔ)（WideColumnStore）、文檔存儲(chǔ)（DocumentStore）和圖存儲(chǔ)（GraphStore）。鍵值存儲(chǔ)，也稱鍵值數(shù)據(jù)庫(kù)，是將唯一鍵與關(guān)聯(lián)值進(jìn)行匹配的簡(jiǎn)單數(shù)據(jù)模型。鍵值存儲(chǔ)主要會(huì)用到一個(gè)哈希表（HashTable），這個(gè)表中有一個(gè)特定的鍵和一個(gè)指針指向特定的數(shù)據(jù)。鍵值存儲(chǔ)模型對(duì)于IT系統(tǒng)來說，其優(yōu)勢(shì)在于簡(jiǎn)單、易部署。但是當(dāng)數(shù)據(jù)庫(kù)管理員（DatabaseAdministrat