图片来自于网络
承接上篇金融科技（三）：关键技术1，本篇总结剩下两个关键技术物联网与人工智能。
金融科技关键技术
物联网
物联网（IoT， Internet of Things），就是物物相连的互联网。这有两层意思：其一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；其二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信也就是物物相息。
物联网的发展可以追溯1990年施乐公司的网络可乐贩售机——Networked Coke Machine。1995年比尔盖茨在《未来之路》一书中也曾提及物联网，但未引起广泛重视。根据Gartner的预测，从2013年到2020年，物联网的终端将以32.5%的符合年增长率增长，达到250亿的安装基数。推动物联网的飞速发展背后的原因是，其基础技术日趋成熟：
推动物联网发展的基础技术 - 来自ThoughtWorks报告
前面提到，金融科技的关键技术各有所长又相互依存，上图第4点再次印证了这点。数据分析技术的成熟（云计算提供的计算能力、大数据提供的分析模型与算法）才能使得海量传感器收集到的数据增值。 金融行业是非常依赖于数据收集与分析的，物联网的特长就是可以将数据收集与分析在金融服务领域得到延伸与扩展。
数据的收集依赖于不同类型的传感器，在金融行业可能场景对应的传感器设备有：
金融服务相关的传感器分类
一般而言，物联网信息价值链如下（来自于德勤的报告The derivative effect: How financial services can make IoT technology pay off）：
物联网-Information Value Loop
通过以上五个阶段，利用灰色部分的技术将信息增值，从而为中心的价值驱动器带来价值。行动（Act）被传感器监控捕获并产生（Create）信息，信息通过网络（Network）传输，从而能够交流（Communicate），标准（Standards）来自于技术、法律、监管或者社交等，使得信息可以在时间或者空间上聚合（Aggragate），增强智能（Augmented intelligence）是一个通用术语，用于捕获各种分析支持，用于分析信息。该循环最终通过增强行为（Augmented behavior）技术完成，这些技术要么支持自动自发行动，要么以改进行动的方式改变人类决策。
保险行业面临的最大挑战就是风险预估，然后对保险定价。IOT在汽车保险行业的尝试，是通过在汽车上安装OBD（车载诊断系统）设备来监测驾驶员的驾驶习惯，从而为汽车保险进行精细化、个性化定价，也就是UBI（Usage Based Insurance），而不是传统的一刀切方式。以美国最大的车险提供商Progressive为例，用户可以选择加入他们的UBI车险计划，然后会收到一个Snapshot硬件，即一个OBD盒子，插到车上可以实时记录数据，以30天为一个观察期，用户可以根据驾驶表现获得保险公司的现金奖励，最高获得车险的7折优惠。现在，Snapshot已经拥有了超过200万车险用户。
不仅仅在汽车保险，在寿险、家庭财产险等多个保险领域都有所应用。如果对IoT在保险行业的应用有兴趣，可以阅读安永的报告：The Internet of Things in insurance。
IoT在金融行业的应用场景列表 - 来自于德勤报告
人工智能
人工智能（Artificial Intelligence），“一种受到人类感知、思考、推理和行动方法启发但又有所区别的科学与计算机技术”。通俗的说，人工智能是对人类智能进行模仿的各种科学技术的总称。
值得一提的是历史上人工智能的定义历经多次转变，至今并没有达成统一认识，比如李开复的《人工智能》一书里总结了五种定义。 无论哪种定义，最终落地都是计算机程序，只不过对这种程序的要求不同罢了。 不过定义本身不是最重要的，重要的是这些技术已经开始对金融行业产生重大影响。
简单回顾一下人工智能的发展历程：
人工智能发展历程 - 《金融科技-重构未来金融生态》，周伟、张健、梁国忠著
人工智能的发展已经有60多年历史，并不是一个新的概念；
第一阶段： 萌芽期
达特茅斯学院，为期两个月的学术讨论会，（达特茅斯学院，哈佛大学，卡内基梅隆大学，IBM等机构代表），探讨用机器模拟人类智能等问题，首次提出了人工智能的概念。
第二阶段： 低谷期
很多乐观的想法并没有得到很好的发展，比如机器翻译（李开复），定理证明等。因为计算机的性能瓶颈、数据缺失等问题，人工智能的模型算法很难发挥出应有的效果，各国政府的投入也暂停。
第三阶段：发展期
20世纪80年代，专家系统出现。专家系统是一种程序，能够依据一组专门知识中推演出的逻辑规则在某一特定领域回答或者解决问题。专家系统仅限于一个很小的垂直知识领域，所以比较容易被编程实现。
第四阶段：迷茫期
1987 到1994年，人们对于专家系统的需求突然下跌，源于苹果和IBM生产的台式机性能的不端提升，性能唱过了此前投入市场的人工智能机器Lisp。20世纪80年代晚期，战略促进会大幅削减对人工智能的经费资助。
第五阶段：复苏期
1994 - 2010年，人工智能进入复苏和稳步发展期。互联网的发展。 1997年5月，IBM深蓝战胜国际象棋冠军卡斯帕罗夫；2008年11月IBM提出“智慧地球”概念，数字化、网络化和智能化被公认为是未来社会发展的大趋势，而与“智慧地球”相关的云计算、物联网，更是被科技发达国家定为本国发展战略重点。
第六阶段：爆发期
2016年3月，Google DeepMind开发的AlphaGo程序4：1打败李世石！这件事情最大意义在于，围棋是不可穷举的，穷举空间达到10^172，
而宇宙中的原子总数是10^80个，没有任何机器能够做到穷举的。
几个特征：
- 海量数据积累：数据积累成指数级增长，来自于物联网、互联网与社交媒体的深入发展，大数据是人工智能发展的燃料 。
- 芯片技术的日新月异：云计算和大规模GPU（图形处理器）芯片并行计算的发展为深度学习的应用提供了计算基础。依托于GPU，计算机将模型的训练速度提高数百倍。AlphaGo的计算能力是深蓝的近3W倍。
- 人工智能算法的不断优化：以深度学习为代表的人工智能算法的效果随着数据量的积累得到更加显著的提升。深度学习增加了神经网络的层数，因此网络才有了更加强大的特征挖掘能力。除了深度学习之外，强化学习和迁移学习也是人工智能领域重点研究的算法。
人工智能的三个关键算法
人工智能在金融行业的应用举例 - 智能投顾
智能投顾，通常指Robo-Advisor，根据个人投资者提供的风险承受水平、收益目标以及风格偏好等要求，运用一系列智能算法及投资组合优化等理论模型，为用户提供最终的投资参考，并对市场的动态对资产配置再平衡提供建议。
智能投顾的基本模式 - 来自BCG报告
在全球，智能投顾的发展非常迅速，并形成了自己的产业链：
智能投顾产业链 - 36氪研究报告
这种技术最先产生于美国，主要有WealthFront、Betterment、Personal Capital，和大型金融巨头Blackrock、 Fidelity 和 Vanguard。
如果我们仔细研究智能投顾背后的金融逻辑，就不难得出结论，智能投顾强调的是：低成本，被动指数化投资，长期坚持。
智能投顾背后的金融逻辑
Betterment和Wealthfront，它们在2010年至2011年左右开始面向个人理财用户推出基于互联网技术与算法的资产管理组合建议，包括基金配置、股票配置、股票期权操作、债权配置、房地产资产配置等，开启了智能投顾时代。而过去，这样的一些算法、资产配置建议等，基本上只有机构投资者才能享有。
截至2016年2月底，Wealthfront的资产管理规模近30亿美元，而在2015年1月仅为18.3亿美元；Betterment现在的资产管理规模超过50亿美元，业界第一。Wealthfront是SEC（美国证券交易委员会）注册顾问机构，其既可收取资产管理费又可对客户账户进行直接管理操作，自身盈利模式清晰且用户体验较好。 Wealthfront目前收费模式是$10000以下免管理费，超出部分按每年0.25%收取管理费。
智能投顾鼻祖Wealthfront - 来自36氪报告
在中国发展比较靠前的有招行2016年12月6号上线的摩羯智投。 摩羯智投是运用机器学习算法，并融入招商银行十多年财富管理实践及基金研究经验，在此基础上构建的以公募基金为基础的、全球资产配置的“智能基金组合配置服务”。在客户进行投资期限和风险收益选择后，摩羯智投会根据客户自主选择的“目标—收益”要求、构建基金组合，由客户进行决策、“一键购买”并享受后续服务。
至此，分享完在金融科技中的五大关键技术，后续将总结金融科技发展对于银行业的影响。
网友评论