“大数据驱动金融创新论坛·2017”会议综述

河北省高校智慧金融应用技术研发中心

“大数据驱动金融创新论坛·2017”会议综述

河北省高校智慧金融应用技术研发中心

2017年11月9日，“大数据驱动金融创新论坛·2017”在河北金融学院顺利召开，论坛由河北金融学院、河北省高校智慧金融应用技术研发中心主办，论坛邀请了多位行业精英、高校学者发表主题演讲，专家们围绕大数据和金融智慧化这一主题开展研讨，为未来金融科技发展、金融科技人才培养、大数据及人工智能在金融领域的应用提供了新观点。

主题1：大数据应用与未来——中银国际证券的实践

朱英杰（中银国际证券首席信息官）

相比于传统结构化数据，大数据具有多样、大量、实时、真实等诸多特点，能够为金融决策提供更加全面的支持，例如在唤醒睡眠用户、大数据支持下的股市分析等应用中，中银证券已经取得了令人满意的应用效果。目前，大数据相关的应用仍然处在起步阶段，随着云计算、人工智能理论的不断成熟，大数据在应用方面的技术壁垒越来越小，因此当前大数据技术的应用难点不完全在技术层面，而是在于应用场景方面的探索，即如何创造新的应用模式，由应用模式推进金融科技创新是未来金融科技发展的必由之路。此外大数据必然面临用户隐私泄露风险，如何在法律允许和保护用户隐私的前提下进行数据采集和应用，并用合理可信的技术手段确保用户隐私安全是未来金融大数据能够产生应用价值的前提。因此，在利用合理的技术实现隐私保护的同时，构建创新应用场景是未来大数据金融科技的发展方向。

主题2：大数据时代机遇与挑战

董永峰（河北工业大学计算机与软件学院副院长）

现在互联网进入了大智移云时代，以此为代表的新一代信息技术已成为创新最活跃、应用最广泛、辐射最强的技术创新领域，金融科技正是大数据应用的热点领域之一。数据在人与信息的连接、人与商品的连接、人与人的连接中产生，大数据是伴随着物联网的快速发展而出现的，即线下数据的信息化是大数据产生的直接推动。从另外一个角度来说，存储技术的快速发展，单位数据量存储成本的大幅下降也是大数据存在的重要基础。云计算的出现，使低成本处理海量信息成为可能，成为大数据获得应用的技术保障。大数据的真谛在于，能够通过量变达到质变的预测，此外，在大数据时代结果而非逻辑过程，成为数据技术研究的重点，因此研究的重点在于“结果”而非“原因”。

大数据给商务领域带来了巨大的变化，如利用大规模机器学习实现多维度理解客户，从而给用户带来更好的用户商品推送体验；大数据为跨境电子商务的业务拓展提供科学支持；比价平台给用户带来更好的个人购物体验等等。随着金融科技的快速发展，互联网金融产品日趋丰富，相关商务领域内的大数据应用成果同样可以快速迁移到金融科技领域，给用户的金融业务应用带来更好体验的同时，给客户和企业带来更加可靠的受益。

主题3：金融大数据安全技术

杨晓晖（河北大学网络空间安全与计算机学院副院长）

信息化推动金融领域发生重大变革，大数据已经成为金融行业重要的资产和生产要素。是否拥有和控制大规模数据并能够运用数据价值，已成为衡量企业竞争力的重要标志。随着大数据时代的到来，金融信息化正在加速转变传统金融体系，这一变化给金融带来了一系列挑战，如金融大数据标准和产业格局尚未形成、金融大数据开发战略尚不明确、金融大数据挖掘利用需要规范、信息共享与保护机制有待完善等等。此外，在大数据时代仍然面临很多传统意义上的信息安全风险，例如网络“钓鱼”仍大量存在，非法监听难以得到有效控制，恶意信息快速散播尚无有效遏制技术，定向攻击仍会给金融企业带来很大的安全风险。通过分析网络安全杀伤链可知，组织严密的网络攻击目标清晰、手段高明、组织严密，因此金融大数据信息安全应当采用体系化的安全架构，从业务安全、常规办公网络安全、安全生产、安全管理几个方面入手，确保基础设施安全、敏感数据安全、数据脱敏、安全审查各项目标得以达成，建议采用由主机探针、智能安全平台、威胁情报中心、威胁检测系统为主要架构的分布式金融信息安全体系。

主题4：河北省高校智慧金融应用技术研发中心概况及金融大数据服务质量保证

何志强（河北金融学院信息管理与工程系副主任）

（1）研发中心概况：河北省高校智慧金融应用技术研发中心目前已经在金融信息安全、金融数据挖掘以及基于金融创新的技术及应用等方面开展了基础研究，并开始对云计算和大数据、移动技术、数据挖掘等新一代信息技术在金融领域的创新应用进行技术攻关,取得了一定进展。（2）金融大数据服务质量保证：大数据时代，金融信息化对于网络通信的依赖程度日益加深，网络能否提供快速、可靠的服务是金融科技创新得以达成的重要保证。随着大数据时代互联网金融业务的不断拓展，越来越多的金融业务需要由现有的普通商务网络来承载，因此多业务网络的性能优化技术是未来大数据金融创新的重要支撑技术。在多业务网络中，调度算法优化已经被证明是一种有效的实现服务质量保证优化的方法，特别是近几年被用于网络接入层和资源端服务质量改进的size-based调度算法一直是相关领域的研究热点，在已有的研究成果中已经证明了其有效性，但此类算法也存在性能稳定性不高、资源占用率过高等问题，因此我们的研究采取了数据包分类的方法对其进行了改进，提出了一种CBSBS算法，通过试验证明该方法尽管存在一定的数据包误识别率，但size-based调度算法的整体特性没有显著改变，且在多级队列的支持下其资源开销有了显著降低，同时性能得到了显著提升，证明快速分类是一种实现金融多业务网络服务质量调度改进的有效方法。

主题5：大数据中的多源异构迁移学习

杨柳（天津大学计算机科学与技术学院）

大数据技术已经上升到国家战略层面，且关乎国家与民生需求，现有的研究工作主要是针对大数据4V特征中的Variety——多样性方面开展的。在大数据应用中，能够提供多源数据支持是大数据比传统数据更加优越的显著特点之一，因此在机器学习过程中利用多源数据优化学习结果已经成为普遍做法。例如在图像识别中，采用多角度数据采集提高场景识别准确度，在交通监控中除图像数据外还可以利用声音、雷达、移动通信网络等数据源提高监控的准确度。迁移学习就是在这一背景下诞生并发展的。迁移学习的主要思路是利用源领域的学习，实现陌生目标领域的内容识别优化，例如图像结合文本识别、不同民族语言对照识别等等。迁移学习面临的最大挑战是数据的异构性、高维度、噪声、领域差异等。目前，主要相关研究内容包括半监督的低秩映射模型、鲁棒的迁移学习模型、有监督的稀疏主题模型、基于共现数据的多信息源重要性评估等。未来的研究将设计般配对的异构特征融合方法、基于深度学习的特征融合表示，以及适用于大数据的特征融合表示及快速优化求解方法等，提高迁移学习的效率和准确度。

主题6：金融科技与业务创新——金融业务+信息技术

朱建林（中望金服政策研究部总监）

金融科技是将互联网、大数据、云计算、人工智能、区块链、监管科技等一系列技术创新，全面应用于支付清算、借贷融资、财富管理、零售银行、保险、交易结算等六大金融领域，是金融行业未来的主流趋势。金融业务创新目前主要体现在互联网和移动支付、网络借贷、智能理财、互联网保险、互联网众筹、区块链等，而国内的金融科技产业在近几年也得到了快速发展。大数据给信息技术在金融领域中的深度应用提供了支撑，也出现了很多景点案例，例如基于大数据和机器学习的借款人信用风险量化分析、基于人工智能的智能投顾、基于机器学习的高频交易等。其中，信用风险量化分析利用大数据实现了智能风险评估、风险量化指标体系、专家规则体系、智能模型体系、辅助决策体系等；智能投顾则是根据投资者风险承受水平、收益目标及风格偏好，运用智能算法及投资组合优化等理论模型，为用户提供投资参考等。大数据极大地推动了金融人工智能模型的快速进步，大数据、机器学习在金融领域中的应用仍存在巨大的发展空间，新的应用场景不断出现，同时也带来了信息技术金融应用的新需求，金融科技在未来大有可为。