科技猎璇玑智能科技公司CEO郑毓栋畅聊人工智能的金融应用（重磅干货）
导读：9月22日晚20:00，数据观成功开展了第二期群访活动——“人工智能的金融应用”。围绕人工智能、金融科技及大数据等相关话题，璇玑智能科技公司CEO郑毓栋与数据观社群人员进行了一场精彩的互动交流活动。
Part1 璇玑智能科技公司CEO郑毓栋开场
大家好！我是PINTEC集团璇玑智能科技公司CEO郑毓栋，今天非常高兴和数据观的各位做这样的一个专访。我们来聊一下人工智能在金融方面的应用，或者是现在非常火热的Fintech(金融科技)，这一块到底有什么样的前景？
首先，我介绍一下我们集团PINTEC，PINTEC现在有6个全资子公司，璇玑是其中的一个。其他的子公司包括读秒、积木盒子、企乐汇、虹点基金和麦芬保险，大家熟知PINTEC，可能是从最早的一个品牌积木盒子开始。积木盒子是一个网贷平台，在3年的发展中已经累积了300万客户，撮合的交易达200多亿。其实，PINTEC集团以智能金融为主的两家子公司都比积木盒子要新，一家是读秒，还有一家就是璇玑。
读秒是更早发展起来的一家公司，它目前已经服务了大约400万的贷款的客户，所做的业务是智能信贷，这块的核心能力是可以在非常短的时间内能够从一个非常陌生的客户申请贷款行为中探知他的信用，可以去做到个人征信，能够在短时间内去帮助客户来判断信用是什么样子，能不能把资金借给这样的一个客户，这是读秒的技术。
璇玑刚成立两个月左右时间，公司是数字化资产配置，也叫智能理财，英文叫Robo-Advisor，也是一家机构服务商，所提供的服务对象是财富管理机构，第三方财富管理或者是商业银行、券商等这些有财富管理需求的机构客户。用标准化、智能的资产配置，让他们能够以一种更标准的方式来服务客户。
所以，PINTEC集团是一个FinTech公司，业务主要以读秒和璇玑为主，我们也非常相信人工智能在未来能够在金融上有非常大的潜力和发挥。接下来，我简单的对读秒和璇玑做一个介绍，就是为什么我们会认为读秒和璇玑这两家公司能够在人工智能上以及与金融的结合上有所发展和补充现有的金融体系。
首先介绍下读秒。读秒是一个服务于非常个人的客户、个人消费，是非常小微的一个企业，这样的一些客户在中国现有的金融体系下，是没有能够被很好服务的。它主要的一个原因，并不是我们金融机构没有能力去对他们进行信用判断，而是这样的信用判断的效率太低，成本又太高，那么通过大数据的方式，通过人工智能的方式，我们也可以去对非常小微的借贷做出实时的信用判断，能够大幅的降低信贷的成本，从而提升效率。
现在读秒每月可以处理几百万笔信贷，它后台只有5到6位信审人员，所处理的消费分期贷款最少可以达到几百，甚至100也能去做消费分析，在传统的金融领域当中，这样低的金额贷款分析是无法被想象的，因为你需要通过前台的申请、中台的审核以及后台的放款，这当中有大量的时间消耗成本在里面，所以，这单业务在传统金融上一定是不赚钱的。但是通过大数据征信，通过金融科技的结合，我们可以用非常低的成本去做大量的非常小微的贷款，使得整个效率提升。
同样，我们今天在璇玑上碰到一个业务，在中国的市场上，我们现在处在了一个资产荒的阶段，资产荒有很大的一个问题，就是现在有很多的资金在市场上，但是大家不知道去做什么样的投资。
第一，传统的固收产品，它的利率越来越低，而且它的风险也在上升。
还有一种投资的方式就是炒股票，但是炒股呢，去年下半年的股灾和今年上半年的融断，使得很多人的损失也比较惨重。
那还有一种中国人喜闻乐见的投资方式就是买房。但是经过这一年以来房价的飞速上涨，很多地方的房价已经不这么低了，现在也有声音说房屋处在一个泡沫当中。另外，人民币也处在一个波动的状态当中，跟以前的单边升值不一样。
所以，任何一个单一资产现在的风险都变大，唯一能够帮助这个中产阶级、帮助投资者能够去保护财产，去降低单一资产的黑天鹅事件的风险，那只有通过一种科学的资产配置。
璇玑就是帮助大家去做这样的一种科学化的资产配置服务。提到资产配置，大家可能最常听到的一句话是：不要把鸡蛋放在同一个篮子里，但是大家可能不知道的是什么叫不同的篮子？哪几种产品才叫不同的篮子？在每个篮子里面又放多少个鸡蛋？这是每个人都在思考一个问题，怎么去配置才能对自己是一个最有效的投资理财方式？其实这样的方式是完全能够通过人工智能、通过机器去解决的。
我们经常说投资是艺术和科学的一个结合，当我们通过人工智能、通过科学方式来投资的时候，我们可能没有办法去做到投资大师像艺术家的神来之笔，比如说抓到一只翻很多倍的股票。但是我们可以去做好科学的部分，使得整个你的风险能够非常好的被得到控制，风险和收益得到一个最优化的组成。在市场的变化当中，这个组合能够被实时的调整，永远处在一个风险收益最优的状态当中，使得这个投资组合回报稳健而得到一个长期回报。这个就是璇玑能够帮助机构客户来做的事情。
我们现在和机构客户经常采取人机结合的方式，机构客户的客户经理或是财富管理的从业人员去跟客户做他擅长的事情，人擅长的事情是什么呢？就是情感的上交流，客户的获取，关系的维护，而把整个对市场的分析组和的判断，资产的再平衡，比较复杂的、对数据要求比较高的事情交给一个机器来做，这样的一种模式目前是比较受到客户的欢迎。璇玑成立的时间比较短，但是已经有大量的机构客户来开始和我们合作。
现在简单的讲一下今天的活动主题：人工智能。我先解释一下什么叫人工智能，其实这个词的提出已经非常非常久了，从四五十年代，大家就开始提出AI这个词语。人工智能其实是泛指通过一个机器的方式来模拟一个人的行为，或者去完成一个人才能完成的工作，在这当中展示机器可以有人的智慧来完成一定的工作，这是人工智能比较粗浅的一个解释。
在人工智能领域，长期有两种截然不同的观点。
一种观点认为强人工智能是有可能的，也就是说，当机器发展到一定的阶段，机器可以自我思考，产生思想。
还有一种就是弱人工智能，认为机器永远只能模仿人的思维的方式，而不能完全产生自己的思想。如何来辨别人和机器，那是一个非常经典的问题，要回答这个问题，一个很有名的科学家叫图灵，他提出了图灵测试，如果一个提问者和回答者进行交流，当提问者分不出这个回答他的到底是一个人还是机器的时候，那我们就说这个机器通过了图灵测试。
第一台通过图灵测试的是一个美国的机器，在前几年，它成功的被提问者判定为是一个13岁的小孩，但其实它是一个机器。所以我们已经有机器通过了图灵测试。大家在谈人工智能的时候要先厘清人工智能概念，然后再来探索。
说到人工智能在金融方面有什么样的应用？人工智能是一项技术，技术要用在金融上，主要是帮金融去提升效率，所以金融本身还是一个内在逻辑，它的本质是金融。就先介绍到这些，接下来大家有什么样的问题可以提问，我也很愿意来回答大家的问题，谢谢。
Part2 数据君主持提问
Q1:请郑总从宏观层面跟我们谈一下人工智能在金融领域的应用有哪些？
郑毓栋：
好的，我简单的讲一下人工智能在金融领域的应用状况。其实人工智能分很多种技术，包括语义识别、人脸识别、深度学习等，各种技术在金融领域当中都有非常广泛的应用。
给大家举一些例子。比如对金融客户的服务中，语意识别就是一种现在被广泛采取的技术，它能够去取代人工的客服，能智能的回答客户提出的问题。这个通过机器学习，通过对客户提问的语义和语音的识别，一个智能的金融客服能够准确地识别客户提出的相关的问题，并且去进行最优和最精确的一个精准的回答，这个是其中的一个应用。
第二个应用是可以通过大数据来防止金融犯罪或者金融欺诈，英文叫fraud detection，这里面有两种相关的应用。
第一种是人脸识别，国内已经有一家很有意思的银行，在你用手机大额转账的时候，会需要你去对着镜头做一些人脸识别，这也是一个防欺诈的应用。
第二个是通过大数据，大家可能也碰到过，比如你在某些地方用信用卡，它可能会给你打电话，防止你的信用卡被盗用。有的银行利用人工智能去查海量的交易信息，从中筛选出可疑的交易，去防止反洗钱、反欺诈或是反诈骗这些动作，这是人工智能在金融安全方面的一些应用。
另外，还有一个应用是在投行中的数据分析和金融分析，通过大数据，通过语意的收集和搜索，可以完成一个类似投行或者证券初级分析师这样的工作。如果你需要去查询某一事件对于某支证券可能造成的影响，机器可以帮助你去自动收集在过去历史上发生类似事件时候对金融市场造成的影响，并且可以自动去生成一份报告，来供高级的投资人员进行参考，这样，很多初级分析员的工作在这个方面就被人工智能化了。
还有一种应用比如在投资上，刚刚讲到的智能投资，通过大数据对海量的数据和客户数据的分析，它能够自动生成一个对客户个性化最优的资产配置组合。而且在市场变化的时候，能实时地帮客户去追踪并进行资产配置组合。
人工智能在信贷领域的应用，就像读秒这样的一个公司，它通过大数据对一个人各方面信息去进行抓取，再进行判断他的信用等级，看能不能借钱给他，或是能借多少钱给他。可以说，人工智能在金融方面应用非常广泛。
Q 2：国内外关于人工智能在金融领域的应用有哪些案例可以分享？
郑毓栋：
其实国内外成功利用人工智能的公司也是相当多的，比如有一家被高盛收购的公司叫Kensho，它是一家做金融分析和报告的人工智能公司，这家公司所做的事情：比如有一个分析师想要知道当叙利亚战争开始的时候，对金融市场可能会造成什么样的影响？当他输入这样一个问题给Kensho的时候，它就能够从过去的历史中来自动搜索发生战争，特别是在中东发生战争的时候，全球的金融市场所遭到的冲击。然后它会自动分析出哪一个金融市场可能大概率的受益于这样的事件，或者哪一个金融市场和投资品种可能会遭到损失，以及它们分别的概率，同时把这个相关的结果和数据形成一个简单易读的报告提供给这个提问者。
在国外还有一些和璇玑对标的公司，叫Wealthfront和 Betterment，是数字化资产配置的先驱，通过对海量的数据的分析，去形成最优的资产配置和自动再平衡的建议，它取代了传统的投资顾问，去为客户提供一种7×24小时不间断、低费用、没有情绪影响、非常科学和冷静的去处理这个投资人的投资组合，是做这样的一种投资顾问服务。
在美国有一家公司叫ZestFinance，跟国内的读秒所做的事情也非常像，做的是智能信贷，通过对几万个数据源的分析，从中提取出几百个甚至上千个变量，在这些变量当中去进行交叉验证，进行逻辑的梳理和分析，从而得出客户的信贷的信用评分。这样的公司是通过大数据来进行信贷的征信和评审。
同时，在金融欺诈和反洗钱领域中有一家非常有名的公司叫Actimize，已经被Nice公司收购了，是一家在全球通过大数据进行金融欺诈反洗钱的先驱的金融科技公司。
在资产管理中非常细分的领域债券资产管理也有一家以色列的公司叫Bondit，通过人工智能的技术去自动帮助客户和客户经理分析它持有的债券组合如何能够得到更好的优化。
我们可以看到，国内外在这方面的案例还是相当多的。
Q 3：人工智能技术应用到财富管理领域，和传统的“以人为主”的资产管理相比，区别在哪里？最大的优势是什么？
郑毓栋：
这个问题非常好，人工智能技术应用到财富管理和传统以人物为主的资产管理相比不一定都是优势。
我分别讲一下它的优势、劣势及区别。先讲下它最大的区别，投资往往是一件艺术加上科学的事情，作为机器来说，它有一个非常严谨的大数据的分析。但是，它往往缺乏了非常厉害的投资家眼光和为人处事，缺乏几十年对市场分析和观察形成的对行业的洞察和洞见。
比如一个机器不会像巴菲特一样到公司附近的邻里跟CEO的邻居聊聊天，去理解这个CEO的脾气和笔秉性如何？所以，这样的缺陷导致了人工智能技术或者数字化技术在财富管理当中必定是以科学为主，正反两面可能也成为一个优势，当你是以数据为驱动，非常科学的时候，就排除了去犯巨大错误的一种可能性，因为凡事都是通过数据、通过验证，和人做主观的投资会有非常大的不同，因为人的主观可能会进行错误的判断，受到自己情绪影响的判断所造成的损失会非常大。所以，用人工智能技术运用在财富管理上的第一大优势就是避免情绪的影响和主观的判断。
第二个优势是它可以在海量的数据中进行快速运算来得到非常精确答案。
以资产配置为例，十大类资产需要去穷尽所有的组合，它的组合的可能性高达10的36次方，这是任何一个投资专家或者投资顾问都没有办法去穷尽的一种可能，但是通过大数据、云计算，通过分布式计算这些方式，机器能够快速的计算出这样的一种组合可能性，从中选出最优的组合，而且它可以帮助每个客户去做这样的计算，大大提升了资产配置方案产生的效率。第三个优点，它在后续的服务中能够不间断的去服务，而且是一视同仁和平等的，因为大家知道每个人的时间和精力都是有限的，一个投资顾问可能没有办法去服务到所有的客户，而且他也有可能休假、生病或者不能够7×24小时的去监察市场。但是人工智能、数字化技术能够时时的去监测市场，能及时的去应对由于市场发生的一些事情可能对客户的组合造成的影响，并且实时进行调整。这就是它的三个相对的优点。
Q 4：“机器人投顾”会逐渐取代经过良好专业技能和职业道德训练的专业人士来提供服务吗？
郑毓栋：
我个人相信机器人投顾会逐渐扩大它的市场份额，主要的原因和优势除了上面讲的几点以外，也是因为我们千禧一代（年轻人）越来越习惯和一个机器打交道，越来越不愿意到银行去跟一个人做面对面的交谈，所以，从这样的趋势来说，我相信机器人投顾在市场的占有比例会越来越大。但是我相信，拥有良好专业技能和职业道德训练的专业人士，在财富管理领域是永远缺乏的，原因是有大量的高端客户，他们有非常复杂的财富管理需求，仍然需要一个人的介入去做相应的服务。
我举个例子，比如一个高端的客户，他需要处理遗产，需要在自己的亲属当中去进行遗产划分，这样高度情感化的问题，他没有办法通过机器或者数据、科学去帮他解决这样的问题，他一定要通过一个人的顾问去做这样类似的服务。同理，进行一个人的保障，选择相应的保障是非常主观和个人的，会牵扯到很多隐私，所以这些可能也需要一个良好的专业人士来提供相应的服务。
但是，我相信机器人投顾会淘汰大量的非专业、没有良好专业技能、只以推销产品为主的一些人士，不幸的是，这样的财富管理从业人员在今天的市场还是占大多数，所以，财富管理和资产管理的专业人士需要迅速提升自己的技能，至少要比一个机器人能够做的更多做的更好，才能够赢得客户的信任。
Q 5：当“机器人投顾”跟专业投资顾问建议相背离或出现较大差异时，金融专业人士应享有多大的自由裁量权力？
郑毓栋：
这个要看整个模式是一个完全自动的模式还是人机结合的模式，在一个全自动的投资服务当中，客户不应该有太大的自由裁量权利，这个基础是在客户本身的专业度不足，而且一个非专业的客户往往容易受到情绪的影响，而导致追涨杀跌，经常会进行错误的交易。但当这是一位金融专业人士的时候，这种所谓的全自动投资就转变为一种人机结合的投资服务模式，在这个时候，机器人投顾已经成为了一种辅助，所以金融人士应该能够用这样的工具来对客户提出更加个性化的建议。
Q 6：接下来我们问几个关于金融科技的问题。金融科技（FinTech）作为今天最热门的概念，郑总能否简单解释下什么是金融科技？
郑毓栋：
简单的来说，金融科技就是两个词的一个组成——Financial technology，所以它是一个用科技来提高金融效率的细分领域。
金融科技的根本是什么？其实不是科技，而是金融，也就是说金融的理念和根本在金融科技当中不会被颠覆，或者也不可能被颠覆，从14世纪意大利的商人就开始这种借贷服务，从真正意义上的银行产生以来，金融的信用和融资融通这两个功能就从来没有消失过。
对于资产和资源如何进行最优的配置？如何对风险进行识别？这永远是金融最核心的能力。
其实，金融科技它并不是一个新的东西，金融科技一直都存在，早在1960年代，花旗就发明了世界上第一台ATM自动取款机，这个发明是用科技取代了传统的柜员，它大大的提升了零售银行的效率，客人不需要在白天排队，也能够去取得最简单的现金和柜台的一种服务，这也是一种金融科技。所以，科技对金融业的效率提升一直在发生，并不是现在才慢慢的崛起的，这也是我再说明的一个地方。
Q 7：近年来大量资本流入了金融科技领域。包括天使投资、风投、私募基金以及家族理财等投资机构都加入了金融科技阵营。您如何看待金融科技获得资本强势支持？是否有炒作和泡沫的成分？
郑毓栋：
金融科技最主要的是能否用科技来提升金融的效率，本身来说，金融的核心、对金融的理解、对风险的敬畏是金融科技这个行业的根本。对科技的熟知和应用，能否让科技知道什么样的科技能够被用在金融的哪个链条、哪个环节和哪个流程当中来提高金融的效率，是金融科技公司成功的根本。今天来说，整个金融成了人类社会生活的非常重要的支柱，有很多地方可以提升效率，获得资本的强势支持不足为奇。
但这其中确实也会有炒作和泡沫的成分。判断一个金融科技企业，关键就是看它有没有核心的科技技术，它在什么环节上提高了金融的效率。
比如一家P2P公司，它只有通过高息去吸收存款，在放款的时候没有太多风险控制，可能通过的是一种互联网的科技技术去获得大量的存款，并且获得大量的贷款客户，但是在核心的风控上，它是缺乏的，这样的一种科技其实没有能够控制并且把握住金融的本质，它就不是一个特别成熟的所谓金融科技公司，获得资本的支持当然也是有炒作和泡沫的成分在里面。
Q 8：除了人工智能，还有哪些技术在金融领域会有比较长远的应用？
郑毓栋：
个人认为电子货币和区块链接下来可能会对金融有一个比较长远的影响。
大家知道，在金融领域除了信用、信用端、投资端，在底层还有支付、清算这样的链条。目前的支付和清算是一个中心化的支付链条，但是，我们看到电子货币，比如比特币以及比特币下面的区块链的技术产生，在某种程度上打破了支付这种中心化的趋势，形成了一种去中心化。我觉得这种技术会对金融有非常深远的影响。
它能够非常有效的提升支付的效率、对于所有权与权益认知的效率、在各个不同的中介当中融通和流转的效率，而且提供了非常好的可追溯、不可撤销、无法去抵赖或者无法去反悔的一种非常强的信任链。所以，我认为电子货币和区块链接下来可能对金融领域产生比较长远的影响。
Q 9：人工智能是如何跟财富管理结合在一起的？
郑毓栋：
人工智能跟财富管理的结合分为两类。大家知道，财富管理和资产管理是有一些区别的，资产管理就是资产管理者从不同的人当中得到了一笔钱，然后他以这笔钱为主体去进行相应的管理，比如每做一笔股票买卖的决定其实都是以自己的风控和对市场的判断为出发点去做出这样的决定的，但是财富管理则不是。
财富管理是以客户为中心的，因为客户a和客户b年龄的不同、所有资产的不同、对资产未来时间需求的不同以及对资金安全要求的不同，可能会产生非常不同的投资需求。作为一个财富管理从业人员，应该能够根据客户不同的需求和属性，以及所委托资产金额的多少来形成一个个性化的资产配置组合，这个是财富管理跟资产管理非常不一样的地方。
在财富管理中，人工智能可以起到什么样的作用呢？财富管理有两个非常大核心。
第一个是了解客户，能够随时认知客户的需求。第二个就是根据客户的需求做出个性化的资产配置组合。
我之前花了很长的时间讲了第二点，如何通过海量的市场数据来做出个性化的资产组合。其实还有一个应用，就是如何通过大数据来更好的去了解客户的需求。如果我知道这个客户有30多岁，薪水非常高，而且没有结婚也没有孩子，房贷也已经完全承受完了的，那他能够承受的风险及对资金的长期的需求应该就比较高。
反之，如果是一个马上可能要付首付买房、上有老下有小，而且每个月的工资和支出差距不大的客户，那么，即使他本人的主观风险承受能力意愿非常强，但是它的客观风险承受能力却是非常低的。这样对客户的认知，可能是人工智能能够去跟财富管理结合的一个点。
所以，总的来说有两个点，第一个如何更好的去认知客户，主要是分析客户的风险承受能力和对资金安全和流动性的需求。第二个是如何根据这样的需求来进行一个最优的资产配置组合。
Part3 自由提问环节
Q1：区块链技术目前在金融领域的运用？
郑毓栋：
这是来自郭英剑的问题。大家最为熟知的应用就是比特币，它的底层的一个技术是区块链，而区块链本身是一种去中心化的，也就是说，如果这个比特币是属于a的，然后a就发一条信息给到全社区，让每个人都知道现在这个物权已经属于a了，那么这个信息它被放到全社区，所有比特币上都会加上一条信息说这个比特币属于a。
那么，当这个所有权从a转到b的时候，一个相同的信息也会被发送到所有比特币的持有者，这个比特币现在的所有权已经从a转到b了，而且它是什么时候去转的。当这样的一种不可逆的信息被放到每一个比特币的持有者中，那么，去中心化的支付清算和认证就形成了。它的所有权、转让、支付的信息是所有人持有而不是一个中心去持有的，所以，这样的去中心化服务是区块链非常核心的服务。
所以，我们可以想象用区块链去进行非常多的支付和清算。以前很多银行的支付、清算，包括对于非标资产的所有权、抵押权、处置权全部都是要进行中心化的处理，比如我们有纸票、电票等各种各样的东西，但今后我们全部可以通过区块链去清晰化、所有权、支付和转让，去进行一系列的交易，并且每一个交易的链条会非常清晰。这个信息是不可逆的，是无法被篡改的，因为它是一个去中心化，是所有的人一起持有，除非把所有人的信息都进行篡改，但这是不可能的，它是一种以不可逆的加密进行处理的技术，你是根本没有办法去进行作假行为。
在整个区块链的技术上，我们会看到有私有链、联盟链、公有链这3种形式。所有的私有链就是一个公司去形成一个供内部私有的区块链条，它做的是金融机构或者商业机构内部对于支付清算或者需要区块链技术支持的一种体系应用。联盟链是几家机构或者更多机构联盟组成一个区块链，是由这几家机构去对机构联盟内的交易行为进行相应的区块链技术支持。公有链是一个向公众开放，几个公有链之间可能会互相竞争去向公众开放区块链的服务。
Q2：对于数字化资产管理应该怎么监管呢？
郑毓栋：
这是来自Sisi的问题。这个监管在美国有一个成型的体系。首先，数字化资产管理或者数字化资产配置属于投顾的一种，所以它在美国是有投资顾问法令去进行管理的。对于投资顾问来说，不管是人的投资顾问，还是机器的投资顾问，都是向客户去形成一系列的投资建议，并且在客户的授权下帮助客户去执行投资建议的服务，在美国有一个专门的牌照，叫做Registered Investment Advisor去进行监管，它对投资顾服务进行了从道德到客户隐私保护道义，再到客户顾问道德都进行了相应的监管。
数字化的资产配置或是数字化的投顾，它最大的不同是由机器取代了人，有必要对这个机器是否能够执行人的相应的任务，从模型到算法的一整套框架都有必要去进行监管，美国FINRA（美国金融业监管局）最近出了相应的监管措施，已经对整个一套模型和框架去进行了相应的监管。所以，美国是有非常成熟和完善的体系来监管数字化资产配置这种服务的。
Q3：面对海量的数据，大部分使用什么软件处理数据，建立模型，从而降低数据处理成本？可否评价市场上普遍使用软件的优劣势？
郑毓栋：
来自“xie fuman”的问题。大数据大部分需要自己去搭建数据架构来处理，因为数据是非常海量的，首先要有一个云存储的框架和平台，比如阿里已经采取了阿里云这样的平台技术去进行了大数据的存储，它才能支持双十一期间支付宝、淘宝这种非常大的交易量。所以，如果要做大数据，首先必须要有分布式计算、分布式数据处理的能力，传统上用IBM 、oracle去做大数据或做大运算量的处理，但是现在通过云数据、通过小型机，加上MySQL这样的这种免费服务方式也能够就去做相应的数据处理和模型的建立，但是很多服务目前来看都需要商业机构自己去进行搭建。
Q4：你们大数据的数据源在哪？
郑毓栋：
这是来自“周斌”的问题 。从PINTEC的角度，读秒和璇玑的数据源是不同的。读秒的接了40多个相关的数据源，在客户授权的情况下，我们到市场上最主要的一件事情是去找可以公开的对接的数据源去进行对接，比如芝麻信用也是我们的数据源之一。
这样在征信上是有好处的。在线下，机构有一个标准的征信流程，需要客户去交银行流水单，用这个程序和相应材料来证明它的信用，这样的做法有一定的问题，现在线下所有的东西很多时候是可以作假的，而且有专门的中介机构针对不同贷款机构的要求能够做全套的造假材料。但如果通过线上，首先你有几十个非常大的不同渠道来的数据源，这些数据源是实时和随机的，造假者者也不知道你会访问哪些数据，不知道你会提取哪些信息，更不知道你会去交叉比对哪些信息，更不可能去篡改40多个独立运作的数据源所有的信息。所以在线上通过大数据来进行风控，往往比线下能够更好的降低道德风险和造假的成本，这个读秒这边运用的技术。
璇玑在大数据方面相对比读秒要简单一些，客户的信息也是来自于大的数据，但是它的要求会比较少，因为对璇玑来说，我们只对客户的需求和风控感兴趣，而并不对它的信用感兴趣，这是第一。在市场数据上，我们会采取所有的公开数据，这样的公开数据是由市场上的财经数据商去提供的，市场上有不同的财经数据商，其能力也各有不同，有的专强在债券市场、有的专强在股权市场、股票市场、国外市场，为了去做这样的数字化资产配置，需要能够把海量的数据都购买和存储起来。
Q5：如果中国金融界要做到人工智能，需要经历一些什么样的过程？
郑毓栋：
来自“叶辉”的问题。我相信这个过程是不可逆而渐进的，这个过程是处在传统金融机构需要改造自身变得更有效率，而新兴的科技金融公司在残食传统金融机构，大家在互相博弈中不断的进步。举个简单的例子，如果你有5000名线下的销售，但是我通过一个机器人的数字化资产配置，就能够服务你5000个线下的顾问能够服务的客户，我显然能够比你产生更低的成本，能够取得更大的优势。
在这样的一个情况下，传统的金融机构也会向数字化资产配置的方向去进行改变。举一个例子，如果有的机构需要前端有一个贷款的销售和一个审批人员，还需要复合放款的人员和催收人员，所有的人员去做一个完整的贷款服务，而我通过一个智能化的信贷，能够非常快速的去决定是不是给这个客户去放一个信用，我比你提升了效率，能够有更好的利润，就逼得你不得不去进行改变。
我再举个例子，在非常强的监管下，如果你没有大数据、机器学习这样的能力，你会需要非常多的合规人员和检察人员从海量的数据当中去筛选可疑的交易，或者去进行反洗钱相关的查询和证明，但是，这其中有可能会因为人为的失误，甚至有可能会漏掉一两笔导致受到监管非常严厉的处罚，我们看到，过去几年全世界的监管在这块对一些大银行都做了非常大的惩罚，合规、欺诈、反洗钱的成本不断的上升。如果能够通过人工智能和大数据的技术去部署一套非常有效率而且精准的系统，相比竞争对手，在合规上的成本上就大大的降低了。
在人工智能对金融产生有益的效率情况下，我相信中国金融界的各个参与者都会前仆后继、争先恐后地采用人工智能与大数据技术来提升自己的效率，因为如果你不做改变，你可能就要被你的竞争对手所淘汰，我相信这个过程也会很快到来的。
Q6：璇玑在手机数据以及在做数据处理的时候，如何保障隐私，数据安全的呢？
郑毓栋：
来自“SIsi”的问题。首先，公开的市场数据肯定是没有相关的隐私安全问题，所以我们在做资产配置的时候，首先是根据公开的市场数据去做相应的资产配置组合，这块不涉及客户的隐私安全。另一个方面，在做客户方面数据的时候，因为我们是一家针对机构的服务商，往往金融机构在这块会有非常大的需求和非常严格的要求，我们一般都是在金融机构里面去进行本地部署，这样保证客户信息不会触到防火墙。
在整个引擎上，对于金融机构的客户数据，我们都可以要求他们，或者他们自己也会进行脱敏的处理。比如我不需要知道客户叫张某某，身份证号码是什么？电话号码是什么？我才能给他做资产配置，我只需要知道这个客户他有什么样的资产？交易行为是什么样？我就可以去给他进行个性化的资产配置的定制。在这样的情况下，通过本地部署和数据脱敏就有效的保护了客户的隐私。
Q7：运营商的数据可否使用？
郑毓栋：
来自“周斌”的问题。原则上只要客户签署同意的协议，运营商的数据当然是可以使用的，所以这块应该没有什么问题。
Q8：您是否认同机器人投顾的蓬勃发展 ，就是因为它的门槛低这个说法？其实听起来也没错。
郑毓栋：
来自“吴文雄”的问题。认同部分说法，机器人投顾的蓬勃发展有非常多的原因，门槛低是其中一个原因。门槛低，它提供了原来只有私人银行能够享受的资产配置服务，所以，首先要看把什么样的服务做了门槛的降低。
另外，机器人投顾的蓬勃发展还有其他几个优势。
第一，它是一个不受情绪影响的投顾或者是Advisor，大家知道人做决定一定会犯错误，但是机器人严格按照一个程序，它没有情感的波动，它会严格的执行纪律。
第二，机器人一个优势在于它是7×24小时不间断服务，比人更有长期服务的决心和耐力。它不需要睡觉也是一个优势。还有个非常重要的优势是机器人跟客户是保持一致的，很多的客户经理通过交易佣金来获得收入，交易佣金是依赖于客户的频繁交易，如果客户不频繁交易的话，客户经理往往就不会得到非常高的收益。所以在这样的情况下，客户经理跟客户可能产生道德上的冲突。机器人投顾是不需要付钱的，它的道德、利益和客户是保持一致的，这也它蓬勃发展很重要的原因。
我觉得大数据在金融领域（The financial sector）的场景肯定有很大的拓展空间。人工智能在金融领域其中一块就包括了从大数据而产生的数据分析，拥有数据只是第一步，你拥有数据了怎么办？从中能够提升什么样知识？这是第二步。从这些知识当中你能产生什么样的洞察？这是第三步。在这样的洞察上，你能采取什么样的行动？这是第四步。所以，这全都是数据上的逻辑和应用，
很多时候，光有数据是没有用的，知道怎么用数据、如何去使用数据以及从数据当中去解读一些逻辑，特别是金融逻辑，是非常重要的！
我举一个投资方面的例子，解释数据多为什么没有用。之前发生过一件事情，有个人在对对冲基金做量化的时候，他发现斯里兰卡的黄油出口和美国的道琼斯指数在80年代是高度相关的，相关度高达90%多，他们觉得非常惊讶，为什么会出现这样的情况？如果真的把斯里兰卡黄油出口当作对市场的解读去炒美股，那就很惨了，因为到90年代这个相关性就突然消失了，所以这两个数据的相关性是一个偶发的因素，如果你对整个数据的认知和解读没有金融逻辑的判断，就很容易去陷入一个有海量的数据但是不知道如何使用的结果。
Q9：金融科技和互联网金融的定义，以及他们之间的关系是否有一个清晰的界定？如果说互联网金融1.0的版本，那么升级后2.0版本的经融科技是否发生了一些本质的变化？
郑毓栋：
来自“思思”的问题。它是否有一个清晰的界定？我觉得还是很难去界定的，市场上众说纷纭。所谓的互联网金融1.0版本更多的是去拓展了需求端。
比如余额宝，很多人以前不知道什么叫货币基金，也不知道钱从活期放到货币基金上能够有一些更高的收益，它的流动性还是很好，余额宝把货币基金和消费场景有机的结合在一起，拓展了货币基金的受众面，这是余额宝的一个需求端。
比如天天基金网，以前很多人去买基金，一定要到银行，价格又比较贵，天天基金网创造了一个金融超市，大家可以在网上买基金，买的比较便宜，它是去拓展了基金的需求端。还有P2P，以前大家希望得到一些固定收益的产品，没有渠道，P2P通过互联网，把贷款信贷的项目给到广大投资人，直接连接投资人，其实也是拓展了需求端。我认为，互联网金融1.0是需求端的扩张。
我认为科技金融是供给端的升级，是技术的升级，也是能力和技术壁垒的升级，在这阶段如何通过科技去提升金融本质效率，能产生更好金融效率提升壁垒，对客户产生更好的服务。所以，我觉得科技金融跟互联网金融还是有一些区别的。
2.0版本的金融科技（FinTech）是需要有核心技术和壁垒技术的。什么叫核心和壁垒？比如你降价，通过便宜的方式去触盖到更多的客户，这不是核心壁垒。再比如流量，流量也不是技术的必然。但是，当同样面对两个人，一个普通公司看到这两个人，它不知道把钱借给谁，一个科技金融公司通过能力和技术分析，知道这两个人当中一个人信用不错，另一个人信用一般，这就是核心壁垒能力，我觉得这也是科技金融跟互联网金融最大的区别所在。
Q10：对交易最优实现算法这个比较感兴趣，能不能请郑总详细介绍一下？用的什么算法模型？
郑毓栋：
来自“MR.White”的问题。这个模型它面对的一个底层资产是非常多样的，每一个资产会有不同的交易限制。我解释一下这个交易最优算法，它解决什么样的问题呢？
当客户要进行调整的时候，他从现有的状态需要调整到最优的资产组合的比例状态时，他可能需要卖掉一系列的资产，再买进一系列的资产，那么，这个交易最优实现最目的就是他应不应该去做这笔交易或去做这样的调整。为什么呢？因为做这样的调整会产生交易的成本和摩擦的费用，也许你得到的潜在好处不值得你的交易成本去替换，这是整个交易自由算法所决定的第一件事情。一旦决定可以去进行这个交易链条，下一步要做的就是如何在各种交易限制的环境下，比如这个产品今天不能赎回，这个产品赎回会有怎么样的一个费用，这个产品它赎回到账会有3天或者4天或者5天的时间，你才能利用它这个资金，在这样的情况下，如何帮助客户在最低成本和最短时间内完成交易，是交易自由算法能做到的事情。
具体来说，它需要产品海量的数据库。首先，要得到所有的交易限制。第二，在实时状态当中需要做实时计算，包括可能产生的交易成本和相应的交易可能带来的好处对比。第三个，根据不同的交易场景和交易条件来实时生成对每个客户来说在那个时刻的最优交易顺序，能够保证最快和最短最低廉的成本来完成整个组合交易，使得资产配置永远处在一个最优的状态当中。大概就是这样的模型。
Q11：在做数据的分类和预测时候，我一般会选用R语言，但R处理的数据量有限，如果处理海量的数据量，选择什么软件更合适。
郑毓栋：
这是来自“Xie fuman”的问题。这个问题更适合由我们的工程师们来回答，我就简单的回答一下。我认为在并发式的处理中，java去做并发式是更好的，所以,很多的数据库包括原数据库，比如用R写的或者用其他语言写我们都会用，之后再用java重新去编译和改写一遍，然后通过各种并发的方式去对这个数据进行并发的处理和计算。这是我浅显的回答，如果有兴趣可以跟我们的工程师再做进一步的交流。谢谢大家。
嘉宾：郑毓栋
整理编辑：付娇
注：本文系数据观群访内容，转载务必注明来源。扫描下方二维码关注数据观，获取更多大数据相关资讯。
责任编辑：陈近梅
