作者 | Longbing Cao, Qiang Yang, Philip S. Yu

来源 | International Journal of DS and Analytics

编译 | 张哲铭

• 金融科技业务领域：在DSAI技术的基础上，这些领域几乎涉及经济金融体系的所有方面。在此，本文强调智能金融科技的以下主要业务（节选10例）：

• 经济-金融创新：如新的机制和产品；

• 经济-金融市场：包括产品和服务；

• 经济-金融参与者：包括个人和零售投资者、机构和监管者；

• 经济-金融行为：如投资者活动和公司公告；

• 经济-金融事件：如公司兼并和金融危机；

• 经济-金融服务：如银行、保险、借贷、融资和众筹服务；

• 经济-金融机制：如市场机制、商业模式和衍生品定价；

• 经济-金融系统：如公司的财务；

• 经济-金融基础设施：包括基本支持系统和区块链；

• 经济-金融定价：包括资本市场中基础资产和衍生品的估值。

• 金融科技所面临的挑战：与上述金融科技业务领域及其相关的经济金融业务、数据和目标有关的挑战主要包括：

• 创新挑战：如运用DSAI技术创造新颖、高效、智能和可持续的机制、产品、服务和平台；

• 商业复杂性：如运用DSAI技术学习和管理与市场、产品或参与者相关的错综复杂的工作机制；

• 组织和运营复杂性：如运用DSAI技术理解和管理个人和团队的多样性和个性化表现；

• 人类和社会的复杂性：如运用DSAI技术模拟和管理参与者的认知、情感和技术能力及表现的多样性和不一致性；

• 环境的复杂性：如运用DSAI技术模拟和管理环境因素与系统的相互作用，及其对目标业务系统的影响；

• 区域和全球挑战：如运用DSAI技术理解和管理经济实体及其金融系统中各方参与者之间的关系及其对目标问题的影响；

• 数据的复杂性：如运用DSAI技术提取、分析和管理数据质量问题、错误信息和复杂的数据特征；

• 动态的复杂性：如运用DSAI技术建模、预测和管理市场、产品、服务和参与者的持续变化且非平稳的行为、事件和活动；

• 综合的复杂性：如运用DSAI技术系统地建模和管理上述复杂性问题，它们往往在一个基本的经济-金融系统中既紧密又松散地相互结合着。

• 智能银行提供个性化、自动化、可信、稳健、安全和规避风险的银行业务与服务，包括零售银行、开放银行、移动银行和商业银行；

• 智能保险为保险产品、系统和服务赋能，以确保其健康、汽车、财产、旅游等业务具有安全性、可信性、高收益、定制化、规避风险等特点；

• 智能贷款支持贷款和抵押贷款业务，为个人、企业和项目规避风险，实现个性化、面向客户背景、预测精准而高效的服务；

• 智能市场交易涉及非常广泛的经济金融业务和DSAI技术，提供具有预测性、主动性、动态性、规避风险、抗脆弱性和高实用性的交易策略、支持和服务；

• 智能互联网金融已经发展为第三方支付、P2P借贷、众筹和数字货币，这也涉及到它们的配套设施、运营、服务、评估、合规和安全；

• 智能计费支付为在线、移动、WiFi、非接触式（包括信用卡和二维码）和面向物联网的计费和支付服务提供高效、安全、规避风险、快捷和便利的系统和服务；

• 智能信用和风险管理为企业和客户提供高效、主动、安全、个性化和可持续的信用和风险评估、产品、服务和管理；

• 智能资产和财富管理为企业提供安全、可靠、个性化、防破坏和自动化的货币、信贷、财产、证券和无形资产管理服务；

• 智能货币和区块链为加密数字货币提供高效、安全、风险可控、自动或半自动、动态和高性能的区块链基础设施、计算和服务；

• 智能营销提供具有相关的、主动的、积极的、连续的、个性化的、面向语境的和高成本效益的营销、广告和推荐服务；

• 智能合规和监管支持自动或人机交互的、对风险敏感的、主动的、系统的、动态和循证的监管和合规运作、治理及对风险干预与控制。

• 复杂系统方法：描述和设计复杂的经济金融系统的技术；

• 定量方法：量化经济金融业务的技术；

• 智能交互和响应：赋能智能的人机互动和自主化或个性化的响应；

• 分析和学习技术：分析、评估、优化和推荐智能金融科技的业务、服务和数据；

• 优化和增强技术：评估、增强和提升金融科技的质量、性能和机会；

• 深度金融建模：对金融业务和服务的分析、预测和管理，涉及深度学习、强化学习、贝叶斯学习等技术进展；

• 系统智能增强：为更智能的经济金融业务和金融科技提供增强技术、基础设施和系统；

• 保护全业务隐私的金融科技：通过连接人类、系统、业务、物联网设备和数据，提供统一而又呈分布式的金融安全服务。

图3 关于金融科技中的DSAI的论文集的词云图

研究领域：这个论文集涵盖了广泛的研究主题、任务和方法，本文从以下几个方面对其进行总结：时间序列转换、数据处理和增强、金融预测、模式挖掘、聚类和分类、行为和事件分析、因果关系分析、关系学习、网络分析、异常和欺诈检测、情感分析、影响建模、主动学习、动态学习、在线学习、自适应学习、深度学习、性能评估以及其他主题。

在智能金融科技时代，智能金融科技正日益成为现代和未来经济、社会和发展的重要支柱。金融科技通过二维码、WiFi网络、移动应用、社交媒体网络、短信平台、智能数字助理和互联网等渠道，在任何地点、任何时间，以各种方式将每个人、组织、产品、服务和活动联系起来。金融科技迅速地积累起资产、服务、产品、和应用，以及海量的金融数据。人工智能和数据科学在使得金融更加智能化，促进金融科技持续发展，以及促进金融系统的个性化和金融服务的智能化等方面发挥着越来越关键的作用。