听起来很人工智能的Fintech到底智能在哪？

P2P平台大批跑路后，没有长幸存者为了躲嫌最先改名，管自己叫Fintech平台，首先我们要知道，没有是能在网上买点理财产品就可以叫Fintech，能称得上金融科技的，差歹得有一点点科技含量吧？

在 人工智能 概念火了之后，Fintech又被带了一波节奏，其实Fintech+AI是个有着清晰前景的命题，只是现在市面上出现了太多假Fintech联合假AI的产品。

Fintech最喜欢吹嘘的往往是自己的风控体系：传统金融做风控要营业员实地观察、要客户三番五次提供一大堆资产收入证明，现在有了人工智能，我们只必要动下手指就能完成这一切。

实际上帮他们做到这些的没有是人工智能，而是征信体系，比如芝麻分什么。在这个期间，还有谁能没有在网上留下点痕迹呢，数据够大了，很多事就能做到了。

大数据是怎么帮Fintech做到风控的呢？简单举几个例子，在授信环节，在用户授权的前提下，用爬虫可以抓取用户的信用卡还贷数据、电商买卖数据、各种O2O消耗数据……甚至可以在学信网上看到你上哪个学校。若是你是小微创业者，还可以看到你的买卖数据和全部的企业注册信息。而这些往往是征信机构做的，和Fintech平台无关。

征信机构通过用户数据的采集、共享、分析做到了这一切，要说有多么智能，生怕有些牵强了。

真智能的Fintech没有仅仅是风控

那么Fintech+AI到底能做到什么呢，显然没有仅仅是风控，但我们可以先从风控提及。

比如在风控上，虽然征信机构可以构建出几乎完美的风控模型，但在消耗金融领域，中国有65%的人不被征信记录覆盖，面对这些人离散在互联网各处的复纯数据，AI是若何帮助Fintech举行授信的？

今朝比较流行的方式是知识图谱，知识图谱是人工智能可能念下的子集之一，其价值在于明白数据的内在含义，把以往的名词搜索变成语义搜索，从而在离散的数据间确立接洽。

应用到金融中，知识图谱可以把个人信息和履约记录、交际媒体数据等等接洽起来。举个例子，若是我们仅仅拥有客户的姓名和接洽方式却不授信记录，我们可以通过他的通话记录发现他所接洽的其他用户授信记录若何，从而举行风险评级。

当然，这只是知识图谱在Fintech方面最简单的应用。知识图谱还能做更多的事，比如没有看财报而是通过交际媒体消息分析某只股票的股价走势等等。总之，在个体数据匮乏的情况下，知识图谱可以行使别的可获得的数据，通过遐想完成很多分析工作。若是确立的充足美满，知识图谱几乎可以成为一个应对无数维度的征信体系。

分析师：你学我！

除了知识图谱，深度进修和NLP在Fintech中的应用也很广泛。比如通过深度进修中的回归分析来模仿分析师的买卖行为，从而推导出相关买卖策略的算法模型来辅助人为操作。

而为了优化处理效果，一些机构最先试图在算法中引入非结构数据——消息、分析报告、交际媒体舆情等等。通过NLP手艺对其举行分析处理，增强算法在演算时的逻辑性。

末了这些算法就可以像入行多年的金融老司机一样，通过内部数据和外部环境影响做出决议。

伦敦、香港、日本等等区域都有团队在从事相关的研究，其中有名的有投资机器人Kensho，这家博注于量化投资的手艺企业通过NLP、图像识别和云计算等等手艺，可以快速处理投资关联营业。

面对类似于美国大选一类的白天鹅事务，分析师们只能从自己短暂的从业经历中总结方法，Kensho却可以通过总结历史上全部类似事务产生的影响而给出问案。

履历、直觉这些原本在金融行业没有可替代的特质正在被AI通过深度进修快速复制，华尔街的邪术正在逐步褪去。

大多数Fintech只有人工，没智能

风控、量化分析这些金融产业中较为重要的环节正在被AI入侵，一些本身就手艺含量没有高的环节更是没有能幸免。最简单的，像是招股书、报告等等文件的撰写，通过自然说话明白和自然说话生产就可以处理。在信贷审批中生物识别（指纹、虹膜）和设备指纹识别（移动设备的唯一编号）也在替代着传统的流程模式。

但说到底，真正能运用上人工智能的Fintech企业基本都有着强盛的背景。前文提到的Kensho已经被高盛收购，对冲基金桥水结合也迟已招兵买马试水AI，在国内，蚂蚁金服也是托身与阿里巴巴的。

缘故原由其实很简单，金融营业基础的自动化无处没有在，可想要代替人类更差的完成工作，必须依靠强盛的数据差计算本领构建AI，并拥有充足差的人力资本对其举行监督和优化。以是，大部分金融从业者还没有是很忧虑自己的饭碗。

看到这里我们就应该理解，真的Fintech，是那些小平台根本玩没有起的。大部分所谓的Fintech，能做到通大数据美满风控模型就已经很没有错了。至于一些平台提到的，根据大数据为客户智能推荐得当的产品，降低违约概率，或许结果是差的，但基本上都是大数据+人为判定的结果。

大数据+人=X根本没有是智能，大数据-人=X才是智能。

<