金融科技()是英、美上世纪90年代就提出来的概念，主要是指金融机构运用互联网信息技术来优化流程、减低成本和提高效率，如银行用电脑处理金融数据，用网络传输信息资料，用软件改进工作流程，用数据分析商业模式。当时美国的银行业从电子技术应用做了很多金融科技的研究。
中国并不是完全没有注意到这趋势，上世纪90年代我国提了科技金融的概念，主要目的是希望金融支持科技的发展，比如给科技创业企业提供贷款，通过技术可以入股，我国科技金融也是很多在互联网信息企业中探索，如知识产权融资等。金融科技和科技金融都是新科技革命背景下金融与科技融合的表现，我国这二十多年的发展历程值得我们进行回顾总结和前瞻展望。
2013年中国进入了互联网金融元年，2015年左右的时候开启了时代。2016年无论是从行业体量、机构业绩，还是服务机制、产品模式等方面来看，金融科技都为金融行业特别是消费金融的快速增长提供了最大助力。进入2017，大数据、云计算、人工智能等一系列金融科技应用迅速落地，金融科技正式进入一个深层次的产业融合的阶段。
2018年1月23日由浙江大学互联网金融研究院编制的《2018中国互联网金融资产交易中心发展报告》正式发布。报告指出，目前中国互联网金融行业发展已经进入了第三阶段，即金融科技深度创新、唱主角阶段，正成为当前和未来决定互联网金融资产交易中心核心竞争力的关键要素。金融科技正在重塑金融行业的产业链、供应链和价值链。
从覆盖范围上看，金融科技包含的方面不同于互联网金融公司，甚至比互联网金融的范围还要更广，包括支付清算、融资、基础设施、投资管理都是金融科技的主要业务。除此之外，金融科技几乎正在被应用到金融领域的方方面面：借贷、财富管理、支付、保险、众筹、征信，甚至是零售银行和房屋中介。
下一阶段，物联网、区块链、人工智能等新技术将让金融再次发生巨大变革。在G20杭州峰会上，确定数字普惠金融的概念与原则，现在金融科技领域在技术创新驱动下新生事物不断涌现，区块链金融、智慧金融、物联网金融等出现，创新链不断延展和拉长，科技影响金融不仅在市场、产品、服务层面，也影响到监管和制度层面。
监管支持与面临的挑战
2017年被称为金融科技的制度改革黄金年，我国高度重视金融科技应用对于强化金融监管能力和促进金融转型发展的双重作用。相关部门多次发文鼓励科技与金融的融合，支持有条件的金融企业探索新技术解决方案在金融业务领域的应用。
2017年6月，中国人民银行印发的《中国金融业信息技术“十三五”发展规划》明确提出，“十三五”期间金融信息技术的发展目标包括金融信息基础设施达到国际领先水平、信息技术持续驱动金融创新等。2017年7月，国务院印发的《新一代人工智能发展规划》专门提出了“智能金融”的发展要求，指出要建立金融大数据系统，提升金融多媒体数据处理与理解能力；创新智能金融产品和服务，发展金融新业态；鼓励金融行业应用智能客服、智能监控等技术和装备；建立金融风险智能预警与防控系统。[1]
以此为契机，在我国监管部门对金融科技的大力鼓励与支持下，开放和包容的监管环境为中国金融科技的繁荣发展提供了良好的制度基础。
的发展呈现出业务精细化、技术融合化、地域差异化、资本全球化、人才复合化等特征。传统金融机构、互联网企业、新兴科技公司正通过收购、战略合作和合资等形式积极抢占市场份额以形成先发优势，电信运营商、传统实业公司也主动跨界参与，抢滩金融科技“蓝海”。
当然，金融科技发展过程中也可能产生一些问题，如信息泄露、隐私被窥、或被不法分子盗用出现精准诈骗，国家更应该加大数据、隐私保护的立法，以防数据泄露带来更多的麻烦。自2017年6月1日起施行的《网络安全法》是一个重要的里程碑，表明我国正在加强有关立法工作，打击侵犯危害网络安全的违法犯罪活动。今后如何加强制度设计、保障权利和防范违法犯罪行为，也将成为金融科技发展下一个课题。
值得注意的是，中国信息通信研究院云计算与大数据研究所副所长何宝宏强调，金融科技在带来一系列金融服务创新模式的同时，也对金融行业监管带来了新的挑战。何宝宏认为，金融科技给金融监管带来的挑战，主要体现在三个方面：[2]
一是金融科技具有跨市场跨行业特性，而且带来金融服务市场主体的不断多元化，传统的以“栅栏方式简单隔离商业银行和网络借贷之间的风险传播途径”面临巨大挑战；
二是由于金融科技具有去中心化的发展趋势，金融风险呈分散化和蜂窝式分布，目前采取的对现有金融机构自上而下的监管路径，也面临前所未有的挑战；
三是金融科技的发展使金融交易规模和交易频度呈几何级数增长，金融监管面临的数据规模性、业务复杂性、风险多样性持续上升，面对日益纷繁复杂的金融交易行为，金融监管能力面临巨大挑战。“技术的问题需要用技术手段去应对，未来需要加大金融监管技术和模式的创新。
2018年1月17日，在“2018中国金融科技产业峰会”上，中国信息通信研究院发布了“中国金融科技产业生态分析报告”，指出了当前金融科技发展中的四大重要技术趋势：金融云快速部署落地、金融大数据广泛普及、人工智能成为应用新方向、区块链带来金融服务机制的深刻变革。业内人士统称其为“ABCD”四个话题：A指AI，即人工智能；B指区块链，C指云计算，D指Data大数据。
报告认为，云计算、大数据、人工智能和区块链等新兴技术的发展与应用对金融机构的业务服务模式产生了重大影响，已逐渐成为金融行业发展的关键性技术驱动。云计算、大数据和人工智能技术之间存在相互依赖、相互促进的关系。如果说大数据是金矿，那么金融云可被看作是矿井。矿井的安全性、可靠性决定了金矿的开采效率。人工智能需要海量高品质的训练数据来感知、认知、分析和预测世界。反过来，人工智能又能促进大数据的发展，提高数据采集与处理的速度和质量，推动大数据产业发展。区块链的去中心化和分布式记账，则会带来金融服务机制的根本性转变。
金融云快速部署落地
“互联网+金融”时代对金融行业的技术架构提出新的要求。金融企业普遍面临产品创新层出不穷，产品迭代越来越快，交易量峰值无法预测的挑战。云计算作为实现IT资源按需供给的技术手段，可以实现让金融企业像使用水、电、煤一样使用IT资源。
金融机构物理设备的多样性导致金融云整体架构相对复杂。物理设备层，大型金融机构经过数十年的信息化建设，拥有复杂的IT基础设施。包括X86服务器、小型机、SAN存储、NAS存储和网络等。在虚拟化层，不同的设备拥有各自的虚拟化软件，各类设备组成多个资源池。因此，金融机构需要一个多云管理平台来统一管理这些IT资源，以实现内部系统的打通和数据的整合。
金融行业的特性对云计算的业务连续性有严格的要求。金融机构对IT系统的稳定性、可用性、网络时延性以及数据安全性的要求非常高。银行和证券企业关键业务系统停机属于极度严重的金融事故，造成巨大的经济损失。业务连续性涉及管理制度、技术方案和物理设施等多个层次，要确保这些关键职能在任何环境下都能持续发挥作用。为满足业务连续性要求，金融企业需要建立完善的灾难备份和灾难恢复体系。灾难备份主要有三种，分别为同城灾备、异地灾备和两地三中心。通过业务和数据的备份可以减少系统停机时间，保证业务的连续运行。
目前，大型金融机构纷纷开启了基于云计算的信息系统架构转型之路，逐步将业务向云迁移。新兴金融机构如蚂蚁金服、微众银行等在诞生之初就把所有IT系统架构在云上。值得一提的是，中大型金融机构倾向使用混合云，小型金融机构倾向将全部系统放在公有云上。
金融大数据广泛普及
金融行业数据资源丰富，数据应用由来已久。从发展特点和趋势来看，金融云的快速建设落地奠定了金融大数据的应用基础，金融数据与其他跨领域数据的融合应用不断强化，人工智能正在成为金融大数据应用的新方向，金融行业数据的整合、共享与开放正在成为趋势。
金融机构的业务要求大数据平台具有实时计算能力。目前，金融机构最常使用的大数据应用场景为精准营销、实时风控、交易预警和反欺诈等业务都需要实时计算的支撑。大数据分析平台可以对金融企业已有客户和部分优质潜在客户进行覆盖，对客户进行画像和实时动态监控，用以构建主动、高效、智能的营销和风险管控体系。
为切实做到数据驱动，金融企业需要定制化的技术平台。首先，金融企业要进行顶层设计，把技术和业务结合起来，将技术应用在企业价值链的每个场景上。其次，金融企业需要大规模的系统改造。为实现数据的汇聚，需要将原来存储在上百个信息系统的数据整合，重新设计并搭建数据采集、存储、传输架构。最后，金融大数据具有极高的重要性，需要更加完善的安全保障措施。金融数据的泄露、篡改可能造成系统性金融风险，甚至危及社会稳定。部分数据如用于金融交易的用户鉴别与支付授权信息需要全流程加密。
人工智能成为应用新方向
人工智能在金融领域的应用主要包括五个关键技术：机器学习、生物识别、自然语言处理、语音技术以及知识图谱。机器学习具有多种衍生方法，包括监督学习、无监督学习、深度学习和强化学习等。
金融行业的不断发展，沉淀了大量的金融数据，主要涉及金融交易、个人信息、市场行情、风险控制、投资顾问等方面。金融行业的海量数据（）能够有效支撑机器学习，不断完善机器的认知能力，达到与人类相媲美的水平，尤其在金融交易与风险管理这类复杂数据的处理方面，人工智能的应用将大幅降低人力成本，通过对大数据进行筛选分析，帮助人们更高效率地决策，提升金融风控及业务处理能力。
人工智能技术在金融领域应用的范围主要集中在智能客服、智能投顾、智能风控、智能投研、智能营销等方面。智能客服主要以语音技术、自然语言理解、知识图谱为技术基础，掌握客户需求，并能自动获取客户特征和知识库等内容，可以帮助客服快速解决客户问题。智能投顾是通过机器学习算法以及现代资产组合优化理论来构建标准化的数据模型，并利用网络平台和人工智能技术对客户提供个性化的理财顾问服务。智能风控是利用“大数据+人工智能技术”建立的信用评估模型，关联知识图谱可以建立精准的用户画像，支持信贷审批人员在履约能力和履约意愿等方面对用户进行综合评定，提高风险管控能力。智能投研是基于大数据、机器学习和知识图谱技术，将数据、信息、决策进行智能整合，实现数据之间的智能化关联，并形成文档，供分析师、投资者等使用，辅助决策，甚至自动生成投研报告。智能营销是通过用户画像和大数据模型精准找到用户，在可量化的数据基础上分析消费者个体的消费模式和特点，以此来划分客户群体，精确找到目标客户，进行精准营销和个性化推荐。
区块链带来金融服务机制的深刻变革
区块链技术基于非对称加密算法进行了信用创造机制的重构：在金融交易系统中，参与者之间无需了解对方的基本信息，也无需借助第三方机构的担保，直接进行可信任的价值交换。区块链的技术特点保证了系统对价值交换的活动记录、传输、存储的结果都是可信的。
从硬件算力基础设施的服务到区块链的架构设计与底层服务技术，再到资产的数字化与场景化应用，区块链技术已经逐渐渗透到金融行业的主要应用场景。
一是供应链金融，对于多方参与的供应链金融，区块链将分类账上的货物转移登记为交易，以确定与生产链管理相关的各参与方，以及产品产地、日期、价格、质量和其他相关信息。任何一方都不会拥有分类账的所有权，也不可能为牟取私利而操控数据。
二是支付清算，特别是跨境支付，基于区块链技术构建分布式银行间金融交易系统，可为用户提供全球范围的跨境实时支付清算服务，跨境支付将变得更加便捷和低廉。
三是数字票据，它能有效去除传统票据交易模式的中心角色，实现了点对点的票据价值传递。此外，区块链具有不可篡改与全网公开的特性，避免了赖账现象的产生，从而有效防范票据市场风险。四是征信管理，区块链在征信行业的优势在于可依靠程序算法自动记录信用相关信息，并存储在区块链网络的每台计算机上。当客户申请贷款时，贷款机构在区块链网络获得授权后可通过直接调取相应信息数据直接完成征信。[4]期货行业的金融科技发展
期货行业的IT技术发展阶段
从1990年起，中国期货行业的IT技术发展经历了从无到有，从简单到复杂，从局部到整体的多个阶段。
1993年以前，期货公司普遍采用人工方式进行交易，人工电话报单结合计算机辅助清算，计算机系统在此阶段只是作为辅助工具，而信息技术的应用主要体现在交易所。
从1996年开始，远程交易蓬勃发展，信息系统框架也在此时初步形成。金融机构的开始系统进入一个电子化阶段，真正意义上开始解决生产系统的问题。期货经营机构信息系统框架初步形成，而交易所则开始纷纷采用小型机作为撮合系统的生机。
到了2001年，期货业务开启全面电子化的过程、投资者从开始逐步使用到大量采用期货交易客户端进行电子化下单，期货经营机构建立起了可以实时控制风险和盘后电子化结算的交易结算系统，区域性的银期转账系统化在个别期货公司得到应用，期货市场进入了全面电子化时代。2001年5月8日，三家期货交易所通信联网系统正式开通(史称三所联网)，三个交易所系统建设升级换代。
2006年，基于对股指期货推出的期待，券商跑马圈地，并借机改造其控股的期货公司的信息系统。期货公司新一代交易结算系统面世，全国范围内的银期转账系统逐步开通，热备份电开始全面部署。
2007年10月，中金所发布《中国金融期货交易所金融期货业务系统技术指引》，明确了中金所会员的基本技术条件和要求。
2009年《期货公司信怠技术管理指引》的发布，以及随后的技术分级(共四个级别)检查把期货公司的信息技术管理水平推向了新的高度。四个交易所继续对系统进行扩容和升级，系统处理性能得到大幅度提升。
2010年，对于期货行业来说是意义非凡的一年，这一年，追求交易极速成为期货公司IT竞争之道。在交易系统中普遍应用内存处理技术，刀片机及嵌入式系统的使用(基于FPGA技术)。期货对于速度的要求也越来越高。
现在，期货经营机构的信息系统功能已不仅仅是交易和清算，而是包含风控、客服、管理(部分开始包含审计)等，涵盖了方方面面，IT无处不在，已经成为期货市场的生命线，是期货市场是期货市场安全、稳定运行的基石与基础，IT资源已经成为公司的战略资产。
这是期货行业最蓬勃发展的阶段，这中间也经历了高频交易的阶段。高频交易怎么才是最合规，最合适的方法，是期货公司需要考量的。在交易所层面一定要是公平和追求透明的，在市场方面，按照用户的需求，来满足投资者的需求，追求快速。对于供应商而言，需要公平地把高频交易落实到有序的地方。[5]
期货公司对金融科技的思考
毕马威对金融科技公司的理解是：非传统企业以科技为尖刀切入金融领域，用更高效率的科技手段抢占市场，提升金融服务效率及更好地管理风险。
广发期货总经理罗满生表示，如今，金融科技已经在证券公司层面提升到了非常重要的地位。比如机器人投顾方面，在国外，很多公司已经能够做到用有限的成本满足客户的需求，国内同样如火如荼。机器人投顾是互联网和综合化服务的必然趋势，它有效降低服务成本，边际成本接近0，服务半径进一步扩大，实现7*24小时全覆盖。策略多样，满足不同风险偏好客户的需求。标准化程度越高，服务质量得到有效提高。但是在期货行业，目前还没有类似的案例。
2018年1月20日，在第十五届中国财经风云榜会场，金融衍生品事业部总经理方志从一个经营者角度论述了如何利用金融科技的发展为投资者提供好的金融科技产品。
从云计算方面讲，方志表示，云计算在金融交易，包括期货交易、证券交易方面有很广阔的应用前景。首先是云存储，现在的量化交易最重要的就是金融数据共享，国内有几家做金融数据公司可以做到市值百亿以上的规模，数据的价值不言而喻。期货公司亦可以考虑为用户提供金融数据云，把过往的历史数据、研究报告、经济指标等数据融合在一个云上，便利投资者的交易行为。
其次是云托管。与去年相比，尽管交易所或者监管机构方面有很大的限制，今年的量化交易在国内占比却显著提高。对于量化交易而言，现在金融机构最大的难题在于交易所的机房资源不够，同时又有很多的客户和投资者有大量的托管需求。其实可以建立一个云托管的概念，比如一台服务器上托管几十个客户，跟大家分享服务器的托管资源，这适用于入门级程序化交易进行共享。如果每一个做量化交易的都有一台自己的服务器，实际上现在的资源是不够的。但是对入门级、学习型的需求，一些简单的云托管模式就可以满足绝大部分人的需要。实际上，国内也有一些科技公司已经在这一块进行开发和部署，这也是需要密切关注的。期货公司尤其要发展量化交易的公司，云托管是一个非常好的解决方案。
再次是云策略。现在投资者面临各种各样的问题，比如说用策略交易替代人工交易。其实用策略交易可以通过云来进行共享。
最后是云计算。未来AI级别的机器学习以及深度挖掘是需要云计算来提供支撑的。
从大数据方面讲，方志认为，对金融行业而言，数据是非常宝贵的，数据主要是包括两个方面。一方面是交易类的原始交易数据，如果可以有更长时间的历史数据，包括一些即时数据来进行一些转发和优化处理，那么期货公司将会非常有竞争力。
第二方面是对非交易数据的处理，比如说对基本面数据如何量化、接口化，如何连续不间断、准确地提供给投资者，需要能够把新闻和产业状况转化为投资者可以看到的数据。这样的产品，对于投资者而言需求是最大的，效益是最高的，对专业机构更是如此。
从人工智能方面来讲，它是一个模拟、延伸、扩展人的思维的科学领域。方志认为，人工智能在金融行业，应用领域和应用级别可以更高。主要的应用领域是在高频交易，其次是统计套利、机器学习、估值算法、行为金融、资产组合管理、智能投顾等等。
另外，我们有理由相信一个适合金融的是能够被做出来的。现在的人工智能还是一种被动技能，人工智能交易的精确的历史算法推测最大的功能是定价，会检验市场上所有人犯的错误，找出一个真正合理的价格在哪里，同时还可以对不合理的定价作迅速的修整，把价格拉回到原来的价格区间当中。其次，通过把价格放在稍微不合理的地方，来给市场提供流动性。这两点让我们有理由相信，现在的人工智能是可以为期货市场提供良性循环，并且能够服务实体经济。
那么做金融交易的Alphago会受到什么限制因素影响呢？其一，当基本面和交易规则发生根本变化的时候，AlphaGo基于历史的经验做出的判断会遇到致命挑战。其二是市场短期操纵、突发性新闻、“黑天鹅”事件很难模拟，机器易处于被动。三是AlphaGo改变不了金融标的的长期走势。四是以上机器都有改进的路径，未来也未必如此。最后，再厉害的人工智能也难敌监管一纸文书。
2017年以来，中央将金融安全上升到国家战略高度，各项监管政策密集出台，“监管合规”已成为众多金融机构的重要工作目标。期货行业也迎来了监管新动态。在金融行业面临“监管合规”考验的当下，追求极速的期货公司更加专注实现强大的风控能力，迎接金融科技的到来。期货行业的深度发展离不开科技的进步与推动。
