金融科技在金融事务开展场景上，首要包含金融产品差异化定价、智能营销和客服、智能研讨和出资、高效付出清算等四大方面；
金融科技的四大代表性技能：云核算技能、大数据风控技能、人工智能风控技能、区块链技能在危险办理场景下的运用深度有所差异，偏重范畴也各有不同，且存在一些穿插。
近年来，从互联网金融到比特币、区块链，金融科技开展得如火如荼，各种概念层出不穷；但在实践层面，金融科技的运用内涵并不明晰。党的十九大陈述和中心经济作业会议着重，打好防备化解严重危险攻坚战，要点是防控金融危险，加强互联网金融监管，引导金融科技开展回归根源，把服务经济社会开展作为金融科技的主旨。拨乱反正，培元固本，金融科技在金融范畴实践中的运用亟待弄清。
“金融科技”（FinTech）是金融（Finance）和技能（Technology）的组成。依照金融安稳理事会（FSB）的界说，金融科技是指技能带来的金融立异，详细来说便是运用“A”（人工智能）“B”（区块链）“C”（云核算）“D”（大数据）等技能手法重塑传统金融产品、形式、流程及组织等。从技能立异在金融范畴运用场景的视点来看，首要包含事务开展和危险办理两大场景。
金融科技在事务开展场景上首要包含金融产品差异化定价、智能营销和客服、智能研讨和出资、高效付出清算等。
大数据和人工智能能够改动以往金融产品一致定价的形式，依据每个用户的状况完结差异化定价。
稳妥公司推出任何一款产品都要依据所取得的数据，经过精算定价，合理运用大数据有助于愈加精确地厘定稳妥费率。传统定价办法是依据样本核算的前史数据来猜测稳妥标的发生丢失的概率，但稳妥标的危险状况不断改变，前史数据不能精确反映当时状况，样本数据也不能彻底精确反映稳妥标的危险特征。稳妥公司能够运用大数据技能取得更多维度的全量数据，然后更精确地对危险进行点评。
以车险为例，现在定价首要考虑购车年份、价格等少量要素，依据被稳妥人过往出险状况进行起浮。稳妥公司能够运用大数据剖析技能，依据被稳妥人车辆的运用频率、行驶路线、驾驭习气等数据，精确地核算丢失发生概率，做到差异化定价；对低危险的优质客户下降费率，对高危险的客户进步费率，招引更多的优质客户。
告贷人请求告贷时，信贷途径方依据用户资信状况进行点评，判别其在告贷到期后是否会因为无力还款而违约，完结差异化定价，让信誉杰出、违约危险较低的优质用户能以较少的本钱取得融资告贷服务，而信誉相对一般、违约危险较高的用户则享受不了信誉溢价带来的优惠。尔后用户在信贷途径每正常完结一次借还款的闭环，告贷利率都会相应地调低。当每个人的征信画像越来越全面和完善今后，就能够依据不同信誉水平的实施精准的客户告贷利率和授信额度组织。
在单个客户个性化的营销计划和服务体系下，金融机构能够对重视个别和差异，经过用户画像和大数据模型完结对个人客户的精准定位根底之上的营销，最大极限地摊薄本钱。精准营销对客户的喜好、喜好、购买才干做出猜测和判别，依据归纳评分引荐金融服务和产品。以银工作为例，在购买服务和产品进程傍边的三个根本环节（知道服务和产品、发生喜好、付款购买），客户经过网络、私家途径进行检索，对产品信息、类别进行了解以确认其购买信息；这个认知进程中发生的查找数据能够定位客户的收入水平、喜好和喜好，银行凭借分布式存储和云核算开掘客户的信息，构成完好的客户联系（CRM）体系，规划并推送各种营销计划给顾客，完结精准营销。
金融客户的事务咨询中的大部分常见问题都是重复性的，并且在一个约束范畴内。传统的人工客服需求占用许多人力本钱，而依据自然语言了解的对话机器人能够经过对话开掘用户需求，解说和引荐产品，然后带来出售转化。智能金融客服能够处理用户的大部分标准化问题，当它十分确认答案的时分它会直接作答，当它不确认时它会把或许的选项给人工客服，人工客服只需求快速判别，点击挑选后就能够发曩昔了。跟着人工智能客服对传统人工客服代替率的进步，客服功率和问题处理率大大进步，人力本钱也将明显下降。
稳妥企业能够运用多年堆集的理赔数据堆集树立自主常识产权智能定损途径，凭借人工智能技能对出险车辆进行智能图片定损，以海量实在理赔图片数据作为练习样本，运用机器学习算法对车辆外观丢失主动做出断定。曩昔的车险理赔不只需继续几天，还要客户自己垫支，而现在只需几分钟。
投行范畴中有许多固定格局文档的编撰作业，比方招股说明书、研讨陈述、尽调陈述、出资意向书等等。人工智能环境下，用户只需求把搜集到的材料输入给电脑就会主动生成图表和陈述，研讨人员只需求做修正、复核、总结和定稿作业。一起，人工智能还能主动搜集各种公告、研报、揭露常识库等，经过自然语言处理和常识图谱主动生成陈述，速度可达0.4秒/份。
智能投顾又称机器人理财，其中心是在数据沉积堆集与算法模型不断优化的根底上，依据个人出资者供给的危险接受水平、收益方针以及风格偏好等要求，运用一系列智能算法及出资组合优化等理论模型，为用户供给终究的出资参阅，并对商场的动态对财物装备再平衡供给主张。
跟着金融商场不断深入开展，金融产品层次与买卖战略、买卖东西日趋杂乱，一般出资者学习本钱越来越高，难以跟上商场开展脚步，专业投顾服务需求日渐凸显；而传统投顾服务的约束（百万资金起步、服务流程烦琐、服务费昂扬、不能随时随地咨询、投顾水平良莠不齐等）无法满意一般出资者的需求。面临上述问题，智能投顾实际上便是把金融机构服务在线化、智能化，然后完结以较低的费率服务更广泛的一般个人出资者。
人工智能中的机器学习算法经过自主学习寻觅信息和财物价格的相关性，自然语言处理技能能够了解新闻、方针文件、交际媒体中的文本信息，寻觅商场改变的内涵规矩，经过常识图谱的建模方法把工作规矩、出资联系等常识赋予核算机，协助机器扫除搅扰，更好地结构化信息。
量化出资范畴的智能机器从根本面、技能面、买卖行为、终端行为、互联网大数据信息、第三方信息等衍化成一个因子库，将因子数据提炼生成练习样本，选取机器学习算法进行建模练习，保存有用因子生成打分方程输出组合。比较人类智能，机器人大数据量化选股倾向从根本面、技能、出资者心情行为等方面挑选因子，然后对IT技能、数据处理技能要求较高。
运用金融科技在东西层面上的立异，包含非触摸式付出立异、智能穿戴设备付出立异、生物辨认技能付出立异等，交融了安全和功率的归纳性付出技能立异。比方，亚马逊2017年推出的Amazon Go便是把个人生物特征辨认与云核算等技能结合，无须中间环节的个人身份、账户和信誉水相等辨认，消除付出载体，直接完结付出。
商场参加者在买卖中运用区块链技能能够享受相等的数据来历，买卖流程愈加揭露、通明、有用。比方，经过同享网络体系参加证券买卖，本来依靠中介的传统买卖形式就变成涣散的平面网络买卖形式。
西方金融商场的实践显现，区块链技能支持下的买卖形式有三大优势：一是削减证券买卖本钱，买卖流程更简练、通明、快速，削减重复功用的IT体系，进步商场工作功率。二是精确实时地记载买卖者的身份、买卖量等要害信息，使得证券发行者明晰地了解股权结构，提高商业决议计划功率，削减暗箱操作、内情买卖，有利于证券发行者和监管部门维护商场。三是能使买卖日和交割日间隔从1？3天缩短至10分钟，削减了买卖危险，进步了功率和可控性。
当时的跨境付出结算的方法日趋杂乱，存在时刻长、费用高、中间环节多等问题，付款人与收款人之间的第三方中介人物很重要。一起，各国的清算程序不同，一笔汇款一般需求2？3天才干到账，功率极低，且在途资金占用量极大。
以银行为例，区块链将可摒弃中转银行的人物，完结点到点快速低价跨境付出；，区块链安全、通明、低危险的特性进步了跨境汇款的安全性，加速结算与清算速度，进步了资金运用率。一起，银行与银行之间能够不再经过第三方，运用区块链技能完结点对点付出，无须第三方中间环节，全天候付出、实时到账、提现简洁，在下降了跨境危险一起满意了对付出清算服务及时性、快捷性的需求。
金融科技的四大代表性技能在危险办理场景下的运用深度有所差异，偏重范畴也各有不同，且存在一些穿插。云核算技能为海量数据的运算才干和速度提高带来了打破；大数据风控技能首要运用于互联网金融的信誉危险办理范畴，处理的是信息不对称问题；人工智能风控技能是在大数据技能的根底上，首要处理风控模型优化的问题；区块链技能首要运用于付出清算等操作危险办理中的技能安全范畴。
大数据风控技能现在较多运用于P2P和网络小贷等互联网金融范畴，针对的首要危险类型是以违约危险为主的信誉危险。长处在于与传统风控手法比较数据来历更为广泛，辨认速度更快且本钱更低，然后有助于更好地处理信息不对称问题。缺陷在于受制我国当时信誉数据涣散且质量不高的现状，一些风控模型过度依靠互联网和手机抓取数据进行剖析，而对告贷人财务状况和偿债才干等要害变量剖析缺乏，这或许是“现金贷新规” 中有针对性地指出要“慎重运用数据风控模型”的首要原因。
进行诈骗请求的客户因为假造了悉数或部分信息，很或许在自行申报的相关信息中存在不符合常理的状况，这些信息项能够成为诈骗辨认模型的重要变量。
（1）依据地理方位信息的诈骗辨认：将客户填写的地址信息定位为地址方位坐标，并与客户常用物流地址方位坐标进行比对，假如发现客户供给了一个间隔过大的地址，则该地址信息存在虚伪的或许性。针对移动端途径，能够定位互联网客户的详细请求方位，与请求信息中填写的地址信息或工作信息进行比照验证。
（2）依据请求信息填写行为的诈骗辨认：经过搜集剖析客户填写请求进程的行为信息，如填写了多长时刻、修正了几回、修正了哪些内容等进行辨认。
（3）依据客户填写信息与公司存量信息穿插比对的诈骗辨认：多个请求件填写的单位电话相同，而对应的单位名称及地址不同，则批量伪冒请求件的或许性就很高。
（4）依据外部信息的穿插比照的诈骗辨认：歹意请求会隐秘对其晦气的现实，如负债、运营存在问题、法院履行信息等，而抓取互联网上请求人的企业运营信息、法院履行信息能够核实请求人的线.运用大数据技能进行授信评分
被扫除诈骗或许并进入评分规矩引擎的客户，会按类型被分发到不同的细分模块，以习惯不同的细分模型，包含不同的产品、不同的工作、不同的客户群，如车贷、消费贷、典当贷、个人运营贷等。不同类型的告贷请求调用不同的信誉评分规矩引擎，该引擎将并依据用户授权答应主动抓取的数据，经过特定模型转化为个人授信评分数据与商户授信评分数据。
针对“还款志愿差”和“还款才干缺乏”两大客户逾期的首要原因，大数据技能经过违约信息排查和监测预警及时盯梢违约危险。
与互联网范畴比较，金融场景上数据具有两大共同性：一方面可用数据比互联网要少，另一方面又比传统评分卡体系多了许多不行解说、高维稀少的大数据。机器学习要处理的问题首要是模型构建和练习、功能监控与自迭代的机制，包含深度学习、半监督学习、在线学习等技能，中心都是为了将互联网等级的机器学习技能“降维”运用到金融范畴。现在人工智能和大数据技能的紧密结合已成为危险办理的中心技能，其根本逻辑是经过在深度学习和数据开掘中自我更新、自我调整和自我迭代，然后从更多维度的大数据中掌握危险规矩。
在数据冗杂的大型风控场景中，运用依据深度学习的人工智能特征生成结构，对时序、文本、印象等互联网行为、非结构化数据深层特征加工提取，大大提高了模型作用。比方消费信贷危险办理经过常识图谱、自然语言处理、机器学习等人工智能技能，发现告贷人、企业、工作等不同主体间的有用信息维度相关，深度开掘企业集团、上下游协作商、竞争对手、办理人员信息等要害信息。
不同数据需用适宜的模型才干开掘出最大价值。机器学习办法在互联网广告、查找、引荐等运用是对不同类型的数据用不同的机器学习模型处理，金融场景中，选用杂乱集成模型也能够处理上千维度的弱变量，精准地估量违约危险。
互联网每天都生成海量用户数据，查找、引荐模型需求继续频频地优化，自迭代频次比金融范畴更快、更精确，经过机器学习能够处理模型人工迭代慢的问题。在金融危险办理中，经过对模型特征功能、假贷集体和事务反应等多方面的监控，机器学习模型能有用地快速自迭代。
诈骗危险量化也运用智能模型，比方无监督机器学习模型，依据可观察到的买卖特征变量和案子数据，学习什么是好的，和坏的样本进行危险猜测；在没有标签数据的状况下，买卖、账户登录等场景运用无监督机器学习模型，经过剖析诈骗和正常用户行为形式的异同，辨认诈骗危险。
现在区块链技能首要运用于操作危险办理中的身份验证、付出安全等范畴，要点针对的是人工操作中验证困难带来的危险。
当身份证件需求撤销或许从头签发时，在跨国操作的情境下，金融机构需很长时刻才知道该身份撤销了，区块链技能使，此类灵敏信息的传递进程愈加快捷和高效。身份验证体系运用区块链特有的智能合约，可有挑选地显现身份信息，完结信息在相关者范围内部分同享，避免身份被盗和加强用户隐私维护。
收据事务具有低频大额买卖及存在人工操作危险的特色，依据区块链技能的数字收据具有共同的危险防控优势：一是能够有用防备收据商场危险，避免了纸票“一票多卖”、电票打款背书不同步等问题；二是能够大大下降监管的调阅本钱，彻底通明的数据办理体系供给了可信任的追溯途径。
在稳妥受理阶段，区块链技能能够将不同公司之间的数据打通，彼此参阅，然后及时发现重复投保、前史理赔等信息，及时发现高危险用户。在理赔阶段，依据在区块链上记载了的客户一切投保信息，很快能够发现并骗保行为并及时采纳办法。
十九大陈述指出，立异是引领开展的榜首动力。金融机构应活跃拥抱和推进科技驱动型金融立异，完善服务体系，提高服务质量，完结本身的转型开展，迎候新业态的到来。