2018-中国金融科技前沿技术发展趋势及应用场景研究_44页-2mb
报告摘要
中国金融科技前沿技术发展趋势及应用场景研究总结
核心内容概述
本报告由中国信息通信研究院金融科技研究团队编写,系统分析了云计算、大数据、人工智能和区块链等四大前沿技术在金融领域的应用价值、关键技术、应用场景及典型产品,同时关注了金融科技发展带来的信息安全挑战与治理途径。报告还展望了未来金融科技的发展趋势,强调了技术融合与监管科技(Regtech)的重要性。
主要观点与关键信息
一、金融科技发展的背景分析
-
国家高度重视
- 国家将金融科技视为强化金融监管和促进金融转型发展的关键手段。
- 2017年“十三五”规划和《新一代人工智能发展规划》均明确提出金融科技发展的目标。
-
金融科技重塑行业生态
- 金融科技已渗透至客服、风控、营销、投顾和授信等核心流程。
- 推动了互联网银行、直销银行、互联网保险、消费金融等新兴金融业态的快速发展。
-
传统金融机构转型带来广阔空间
- 传统金融机构正将小微金融、普惠金融和智能金融作为战略重点。
- 金融科技在普惠金融、小微金融和智慧金融中发挥重要作用,如提升信贷覆盖率、解决信息不对称问题等。
-
新兴科技演进强化金融科技能力
- “大智移云”等技术推动金融行业向数字化和智能化转型。
- 云计算、大数据、人工智能和区块链等技术为金融创新提供强大支撑。
二、云计算在金融领域的应用
应用价值
- 降低IT成本:通过虚拟化技术实现资源池化,提高IT设备使用效率。
- 高可靠性和可扩展性:支持横向扩展,提高系统可用性和业务响应能力。
- 运维自动化:提升IT管理效率,实现故障快速定位与排除。
- 支撑大数据与AI:为数据集中管理与计算提供基础设施。
关键技术
- 云计算基础设施与操作系统:包括物理资源、虚拟资源、资源管理系统和任务调度系统。
- 金融云特性:强调业务连续性,需具备高稳定性、高安全性、高可用性。
应用场景
- 外围系统迁移:优先部署开发测试、营销类系统,逐步迁移核心业务。
- 混合云应用:大型金融机构采用混合云模式,核心业务在私有云,互联网业务在公有云。
- 小型金融机构:全面使用公有云,实现资源共享与成本优化。
典型产品对比
| 企业 | 阿里云 | 腾讯云 | 金山云 | UCloud | 电信云 |
|---|---|---|---|---|---|
| 云平台 | 自研 | 自研 | OpenStack | 自研 | OpenStack |
| 金融云 SLA | 云机:99.95% RDS:99.97% | 云主机:99.95% RDS:99.95% | 云主机:99.95% RDS:99.95% | 云主机:99.95% RDS:99.95% | 云主机:99.95% RDS:99.95% |
| 网络线路 | BGP | BGP | BGP | BGP | 电信 |
| CDN节点数量 | 1200+ | 1000+ | 600+ | 500+ | 300+ |
| CDN出口 | 80T | 70T+ | 20T+ | 6.5T | 4.5T |
| 行业解决方案 | 银行、保险、证券、交易所、互联网金融 | 保险、银行、证券、互联网金融 | 保险、证券、数据分析、一体化 | 互联网金融、银行、证券 | 无 |
三、大数据在金融领域的应用
应用价值
- 提升决策效率:支持动态化、场景化的决策建议。
- 强化数据资产管理:实现非结构化数据的存储与分析。
- 精准营销服务:识别客户需求,提升综合竞争力。
- 增强风控管理:实现全量数据汇聚分析,提升风险识别与防控能力。
关键技术
- 大数据技术原理:包括数据接入、存储、计算、分析与资源管理。
- 金融大数据特性:强调实时计算能力,用于精准营销、实时风控等场景。
应用场景
- 银行业:信贷风险评估、供应链金融。
- 证券行业:股市行情预测、股价预测。
- 保险行业:骗保识别、风险定价。
- 支付清算行业:交易欺诈识别、数据资产变现。
- 互联网金融:精准营销、黑产防范、消费信贷。
典型产品对比
| 企业 | Hadoop | Spark | 关系型数据库 | 非关系型数据库 | 分布式数据库 | 画像分析 | 关系网络分析 | 数据可视化 |
|---|---|---|---|---|---|---|---|---|
| 阿里云 | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
| 腾讯云 | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
| 京东云 | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
| 金山云 | ✓ | ✓ | ✓ | ✓ | ✓ | 无 | 无 | 无 |
| UCloud | ✓ | ✓ | ✓ | ✓ | ✓ | 无 | 无 | 无 |
| 电信云 | ✓ | ✓ | ✓ | ✓ | ✓ | 无 | 无 | 无 |
四、人工智能在金融领域的应用
应用价值
- 提升数据处理能力:深度学习等技术帮助金融机构更高效地进行决策分析。
- 推动服务模式变革:实现服务主动化、个性化与智能化。
- 提升风险控制效能:通过智能算法识别欺诈行为,降低业务风险。
- 助推普惠金融发展:降低服务成本,扩大服务范围。
关键技术
- 人工智能通用技术架构:基础层、技术层、应用层。
- 金融领域关键技术:机器学习、生物识别、自然语言处理、语音技术、知识图谱。
应用场景
- 智能客服:通过自然语言处理、知识图谱等技术提升客户体验。
- 智能投顾:基于风险偏好和财务状况提供个性化理财服务。
- 智能风控:利用知识图谱和深度学习进行信用评估与风险识别。
- 智能投研:基于大数据和机器学习辅助分析师进行投资决策。
- 智能营销:通过用户画像和数据分析实现精准推荐与营销。
典型产品对比
| 产品类型 | 阿里云 | 腾讯云 | 百度云 | 京东金融云 |
|---|---|---|---|---|
| 机器学习平台 | ✓ | ✓ | ✓ | ✓ |
| 语音技术 | ✓ | ✓ | ✓ | ✓ |
| 人脸识别 | ✓ | ✓ | ✓ | ✓ |
| 图像识别 | ✓ | ✓ | ✓ | ✓ |
| 文字识别 | ✓ | ✓ | ✓ | ✓ |
| 声纹识别 | 无 | ✓ | 无 | 无 |
| 自然语言处理 | ✓ | ✓ | ✓ | ✓ |
| 知识图谱 | ✓ | 无 | ✓ | 无 |
| 智能风控 | 同盾科技、明略数据、百融金服 | - | - | - |
| 智能客服 | 环信、Udesk、风语者 | - | - | - |
五、区块链在金融领域的应用
应用价值
- 重构信用机制:无需第三方担保,实现点对点可信交易。
- 降低监管成本:提升数据透明度和可追溯性,实现高效监管。
- 实现高效低成本交易:通过智能合约自动执行交易,提升效率。
- 保护个人隐私:基于节点授权机制,实现数据安全与隐私保护。
关键技术
- 区块链通用技术原理:去中心化、时序数据、集体维护、可编程、安全可信。
- 区块链技术架构:包括数据层、网络层、共识层、激励层、合约层和应用层。
应用场景
- 数字票据:实现票据全流程自动化,提升交易透明度。
- 征信管理:通过区块链实现数据授权、流通与验证,提升数据安全。
- 跨境支付结算:提升支付效率,降低结算风险。
- 供应链金融:实现多方协作、数据共享与自动化结算。
典型产品对比
| 企业 | 智能合约 | 共识机制 | 技术优势 | 应用场景 |
|---|---|---|---|---|
| 博晨 | 可编程合约 | 1bft | 自主、开放、高效、一致性、可扩展性、安全性 | 数字货币、数字资产、支付清算与结算、审计与监管 |
| 布比 | 标准化合约、可编程合约 | Byzantine Paxos、PBFT | 高性能、可扩展性、安全性 | 数字资产、供应链金融、私有股权登记转让、供应链溯源、公示公证 |
| 腾讯 | 标准合约、业务定制的合约 | bft-raft、t-raft、PBFT | 高性能、高速接入、高安全性、高效运营 | 鉴证证明、共享账本、智能合约、共享经济、数字资产 |
| Achain | 可编程合约 | Dpos | 稳定性、安全性、可扩展性、易用性 | 供应链金融、商品溯源 |
六、信息安全管控
信息安全影响
- 技术架构变化:云计算、大数据、AI和区块链的普及对信息安全体系提出更高要求。
- 风险类型多样化:包括网络安全、数据安全、系统安全和应用安全等。
个人信息保护
- 法规与标准:《网络安全法》、《个人信息保护指引》等政策法规推动个人信息保护。
- 保护措施:数据加密、访问控制、信息分级等。
金融信息跨境流动
- 治理途径:需建立法律规制、监管条例和技术标准。
- 挑战与对策:平衡信息保护与流通,加强跨境信息审查与安全保障。
七、金融科技前沿技术发展趋势
- 云计算进入深水区:更关注安全稳定与风险防控,推动“云保险”发展。
- 大数据走向跨界融合:强调跨行业数据整合,需建立统一标准与规范。
- 人工智能加速发展:从计算智能向感知智能与认知智能演进,推动智能风控、投顾、投研等应用。
- 区块链从概念走向应用:前景广阔但面临技术、法律与应用等多重制约。
- 监管科技(Regtech)崛起:成为金融科技新应用爆发点,提升监管效率与合规能力。
- 行业需求驱动创新:金融与科技相互促进,推动普惠金融、小微金融等新方向。
- 新一代信息技术融合:形成技术融合生态,推动金融科技进入智能化、生态化新阶段。
结语
本报告是金融科技研究的初步成果,后续将持续更新与完善,欢迎各界参与研究与探讨。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载