金融科技的知识图谱分析

袁东彤 张桥云 顾瑞涛 曾建光

关键词：金融科技；文献计量分析；CiteSpace；大数据；可视化分析

一、引言

金融科技（financialtechnology，fintech）是金融产品市场的重要工具，其内容主要包括新出现的经济模型、新技术、新产品服务、大数据和人工智能等。寻找和分析金融科技研究路径以实现经济的快速和稳定增长是当前世界经济由增量发展转向质量发展阶段的重要课题。早在1986年，Sloan和Adam（1986）就已经提出，金融科技在宏观领域和微观领域中都十分重要。经过30多年的发展，金融科技已经形成了一个较为规范的研究体系。随着全球经济增长速度下滑，金融产品市场竞争日益激烈，金融科技需应对市场进行变革。在这样的背景下，国家、银行及其他金融机构和个人应该合理地运用金融科技手段来预测经济危机和信用风险（陈红等，2020；金洪飞等，2020；姚婷和宋良荣，2020）。在金融科技的实际运用中，大量的方法用来改善金融科技的技术水平，例如GraphicsProcessingUnit（GPU）、并行计算和神经网络处理（NPU）等（Rainer等，2018），其中GPU被认为是提升金融科技的重要手段（Leong等，2017），是收集和分析金融市场数据的硬件基础（Arner等，2020）。

文献分析是研究探索金融科技發展的重要手段，是了解金融科技研究前沿的工具，通过文献可了解金融科技领域的研究现状，预测未来的发展趋势，探索和发展相关领域。在文献研究中，各种文献涌现或者减少，其原因总是与该领域取得的重大突破或者相关领域出现的较大事件有关。譬如2008年出现的全球性金融危机，直接促使经济学领域出现了大量的与经济危机预防和处理方案相关的研究，研究成果层出不穷。同样，2020年爆发的新冠肺炎疫情也促进了医学、政府监管、经济管理等领域的研究，与有效疫情防控和经济复苏措施有关的研究大量涌现。从疫情的发展来看，除个别国家和地区外，疫情均得到了有效控制，这与科研工作者的持续研究密切相关，同时，与之相关的研究文献大量涌现。随着后疫情时代的到来，相关文献将会逐步减少。这些现象充分说明，文献分析可以很好地捕捉科学研究领域的热点问题，并能提供解决当前问题的有效途径。在应用经济学研究领域中，金融学是将科学理论和实际运用结合的重要学科，金融科技是金融学中重要的研究领域，与传统应用经济学研究不同的是，金融科技更加依赖于计算机领域的发展。面对海量的对称信息和不对称信息，金融科技可通过高效、便捷的方式进行处理，并基于信息处理，对各种经济问题进行分析，能为政府、机构和个人降低风险与提升收益提供最优决策。

文献计量是一种科学的文献分析方法，它可以全面地综合分析某研究领域的研究热点，并进行分类和总结（Calma和Davies，2015；Calma和Davies，2016；Chen等，2014），还可以将分析对象进行分类和综合，并刻画出专业的研究分布图（Cobo等，2015）。文献计量可以识别和捕捉研究领域的起点和发展变化。首先，文献计量的时间线索（timeline）图可以清晰地呈现某一研究领域的产生和发展过程，并以时间交叉图的形式表现出来，还可以很好地解释某一类文献集聚的现象，即某一新理论出现后，短时间内大量出现的对该理论的应用或者修正和补充的文献。其次，文献计量通过时间脉络和合作共引图识别并预测某领域的研究趋势。例如，通过扫描算法和统计模型对相应关键词进行分析来预测趋势。此外，文献计量通过三维可视化方式来分析科学领域的研究衍化过程，并进行突发性检测和核心文献提取，便于科研工作者把握研究发展路径。

由于计算机和互联网的快速发展，文献计量学也有了长足发展，并已广泛运用于经济、金融、管理学、数学、统计学等学科领域（Chen，2006；Chen等，2008；Du和Teixeira，2012）。王孝宁等（2004）选用文献计量学指标，利用改进后的期刊影响因子等级区域赋值方法，同时引入不同排序著者的贡献率指标，建立了科技论文定量评价的数学模型，为科研管理工作提供了一种新的评价方法，可与同行评议互为补充；任红娟和张志强（2009）综合研究了科学知识图谱领域的发展状况，以定量和定性研究相结合的方法对科学知识图谱研究领域进行了全面的描述；李雪蓉等（2016）采用文献计量的方法对商业模式研究的发展进行了梳理与剖析，通过对文献样本进行基本统计和共引网络分析，发现商业模式研究的最新热点集中在商业模式的分析诊断和创新设计，并以文献计量学的途径很好地展示了商业模式研究的特点；陈元志和吉超（2019）、陈悦等（2019）、耿献辉等（2020）等都运用不断更新的文献计量学知识对各个领域进行了分析。这充分说明，文献计量学是一门不断发展、广受学者们欢迎的文献分析方法。

文献计量不仅可用于分析文献主题、研究热点等，还可用于研究期刊，例如，Chen等（2008）的《主要电子商务期刊研究的文献计量和可视化分析》。Chan等（2009）搜集了1995—2008年的数据，使用CiteSpace软件，研究分析了欧洲的金融管理；Zhang等（2021）以全球氮循环及其基本过程为研究对象，在WebofScience核心收藏集中进行了文献搜索，然后使用CiteSpace文献计量可视化软件研究了1962—2020年该研究领域的发展，并以可视化的方式呈现了该研究领域的发展状况及其内部关系，发现自1990年后，该研究方向呈井喷式增长。

本文通过对金融科技相关文献的可视化分析，试图解决如下四个问题：分析金融科技相关领域的作者、机构、期刊的分布情况；分析金融科技相关领域的标志性文献及其影响；分析金融科技领域的阶段性特点和热点关键词；厘清金融科技领域的研究脉络和发展趋势，为今后的相关研究奠定基础。

二、数据来源与研究方法

（一）数据来源

本文所有数据都来源于WebofScience（SCI-E和SSCI）核心合集，从数据平台上获取的数据主要包括与金融科技相关的论文的摘要、关键词、引用、作者、研究机构、国家和地区，以及下载记录。需要特别指出的是，本文在下载数据和分析的时候，所下载的中国香港和台湾地区的数据并没有和中国内地的进行合并分析，而是分类进行了数据分析。下载数据共计5627条，数据获取时间点是2020年10月6日。金融科技与企业盈利能力的相关关系实证所需数据主要收集于CSMAR和Wind数据库。

（二）研究方法

本文基于文献计量学方法，主要运用美国Drexel大学陈超美教授开发的CiteSpace文献数据可视化软件进行分析，并根据Merigó等（2015）的方式构建了本研究的具体分析方法，如下：

主题：“financetechnology”，时间：“allyear”，数据资源：WebofScience。CiteSpace的关系强度的算法主要有Cosine算法、Jaccard算法和Dice算法。如下所示：

本文运用CiteSpace软件来实现这些相似性算法，用时间切片间和时间切片内进行计算分析。

三、金融科技研究成果的描述性统计

通过WebofScience数据集汇聚成金融科技论文出版数量（1982—2020）的时间线索图，见图1。从图1中可以看出，金融科技研究的第一篇文章出现在1982年，在过去的39年中，关于金融科技的论文数量从1982年的1篇增加到2019年的716篇。2003年以前，研究成果有上升和下降的波动，但总体呈稳步上升趋势，而2006年以后，论文数量向下波动次数较少，上升幅度较大，尤其是2013—2014年和2017—2020年的上升幅度甚至是前面增加量的几倍。这很可能与经济周期波动、计算机技术的发展和研究逐步成熟有关。总体而言，论文的数量稳步上升，这样的现象很好地解释了金融科技的相关研究受到国内外学者的广泛关注。此外，从研究的增量和增速看，在未来的一段时间内，金融科技的相关研究成果数量仍将巨大。

利用WebofScience提供的金融科技相关研究的引用数据绘出金融科技文献被引用的数量图，见图2。图2展示了每年金融科技相关研究被引用的记录。最早的引用记录刚出现的20世纪90年代，引用数量较少。从2000年以后，引用记录从增量和增速上都急剧上升。引用数量与论文数量都保持一致的上升趋势，引用记录晚于论文数量开始的时间，可能由于引用滞后的原因，而其增长趋势呈对数型增长，引用记录并没有任何下降的时间段。从引用数量图来看，金融科技的研究热点更加突出，相关研究数量更多。结合论文数量和引用数量来看，二者都展示了金融科技在当前的科学研究中的重要性，科研工作者对其重视度越来越高，这其中，离不开市场经济对金融理论和实践运用迫切的需求。

根据WebofScience的引用报告绘制了数据金融科技相关文献类型图（1982—2020年），见图3。金融科技相关文献的类型有11种，每种类型文献及其引用数量如下：笔记（2），注释（3），新闻项（11），会议摘要（11），书章（15），书评（32），社论材料（115），学术报告（132），工作论文（293），评论（348）和论文（5172）。尽管金融科技相关的研究形式具有多样性，但主要形式为论文、评论、工作论文、学术报告和社论材料，其中论文形式的研究文献占比最高，约占百分之八十。

根据WebofScience的引用报告，统计了金融科技研究最多的10个方向，见表1。

表1显示，“商业经济学”是金融科技所有研究方向中最受欢迎的研究方向，涉及2067篇论文，占总数的36.29%。“生态环境科学”居第二，有684篇论文。居第三的是“工程学”，有644篇论文。随后依次为“能源燃料”“科学技术其他主题”“计算机科学”“医疗保健科学与服务”“公共卫生、环境卫生与职业健康”“行政管理”“运筹学与管理学”。

许多期刊发表了與金融科技有关的论文，发表数量排名前20的期刊见表2。表2

表2显示，发表金融科技研究数量排名第一的期刊是《政策研究》，共有51篇论文，占总数的0.91%，其次是《小型商业经济学》（0.80%）、《可再生能源》（0.76%）、《气候政策》（0.62%）、《技术创新》（0.61%）、《国际卫生保健技术评估杂志》（0.53%）、《国际技术管理杂志》（0.48%）、《技术转让杂志》（0.43%）、《商业风险杂志》（0.41%）和《波罗的海经济研究杂志》。经济学领域内的权威期刊如《AmericanEconomicReview》《Econometrica》《JournalofPoliticaleconomy》《QuarterlyJournalofEconomics》和《ReviewofEconomicStudies》等未出现在发表数量排名前20的期刊中，这说明与金融科技相关的研究成果在这些经济类顶级期刊中的发表数量较少，这可能与这些经济类国际期刊关注的经济问题较为广泛有关，也可能与金融科技相对于其他方向起步较晚或者还没有突破性的研究成果有关。从表2中还可以看出，排名前三的期刊主要是政策研究、小型商业经济和可再生能源，这与金融科技的绿色金融研究方向相关，而其他期刊也主要偏向于技术创新类，这可能与期刊对研究领域的偏好有关。

世界不同国家不同地区的研究者都致力于金融科技领域的相关研究，表3描述了研究数量排名前20的国家和地区的情况。

表3显示，排名前四的国家——美国、英国、中国和德国发文量占比依次为28.75%、11.98%、8.139%、5.953%，这四个国家金融科技发文数量累计占总量的54.82%，其中，美国的发文数量显著高于其他国家和地区，而金融科技的实际发展，美国较其他国家和地区也更为领先。此外，韩国、比利时、南非、日本和苏格兰依次为1.848%、1.830%、1.653%、1.617%、1.599%，金融科技的研究成果相比较少。

金融科技主要研究者的研究成果发表数量，由高到低前20位的情况见表4。

表4描述了金融科技的研究成果数量和占比排名前20的研究者。与国家/地区发表数量的占比不同的是，发表研究成果的研究者占比数量的差别较小，其中有很多研究者发文数量相同。

四、金融科技的研究主题分布

研究主题的分布集中体现了金融科技研究的分布状况，也构成了该领域的主要框架。基于此，本文对研究主题进行了知识图谱分析。在绘制知识图谱共被引的时候需要对论文的共被引和耦合的概念及网络模式进行说明，如图4所示。

文献耦合分析和共被引分析常用来分析两种关系对研究主题的内在逻辑和衔接关系，文献耦合分析和共被引分析绘画知识图谱的具体含义如图4所示。在耦合分析过程中，由于论文1和论文2同时引用了论文3、论文4、论文5和论文6，因此，论文1和论文2通过论文3、论文4、论文5和论文6相互衔接。在共被引关系当中，因为论文3、论文4、论文5和论文6都同时被论文1和论文2引用，所以它们是相互关联的。结合文献耦合分析和共被引分析，形成了错综复杂的文献交叉引用关系。

利用CiteSpace软件和搜集到的数据，绘制了文献交叉引用图，见图5。图5直观地呈现了所有关于金融科技的文献聚类情况。从图5中可见，文字清晰度不同，文字越清晰、字体越大，说明该文章越重要，也更靠近金融科技研究领域的核心；反之，文字越模糊、字体越小，说明该文章重要性越低，处于金融科技研究领域的边缘。此外，不同文献之间有不同的网络线，网络线的粗细和数量代表着文献之间的相关关系，线条越粗，则相关性越强；线条越细，则二者之间的相关性越弱。从图5中还发现，网络中存在着大大小小的节点，节点的大小同样也代表着分支的大小。一般而言，不同文献的联系通过不同的节点连接在一起，节点越大，线条越多，关联的文献数量也就越多。从图5可以看出，MOLLICKE（2014）、BELLEFLAMMEP（2014）、AHLERS（2015）、HALL（2012）、MAZZUCATO（2013）处于文献引用的核心地位。为了更清晰地阐述引用的具体情况，本文收集了引用次数大于等于十次的文章，详见表5。

在图5的基础上，本文又对金融科技研究的相关作者进行了聚类分析，见图6。图6中整个金融科技领域的核心文献节点为主要作者，圆圈越大、密度越大、颜色越深代表该作者所撰写的文章越重要。聚类图通过不同大小和密度的节点将金融科技领域的主要文献联系起来，构成了复杂的文献交叉引用网络。可以看出，主要的作者有WORLD.B、OECD、LERNER.J、UNITED.N、AGHION.P等，这些人对金融科技研究的贡献较大。

关键词代表着一篇文献研究的核心内容和出现频率较多的词汇，通过关键词通常能快速精确地了解到文献的主要研究内容，故在分析文献不断衍化的过程中至关重要。同样地，本文还对关键词进行了聚类分析，见图7。由于截取了全局图像的轮廓，故而无法精细显示每一衔接点的具体文献，如若需要具体查看每一节点的文献，可在后文的突发性分析中进行匹配文献的作者和年份。通过对关键词的聚类分析，可以了解当前金融科技相关研究的热点和研究方向，如金融创新、新经济、信息技术、经济评估、金融健康研究、货币发行政策、量化金融和股票价格预测等。图7直观地显示了当下学者关注的研究热点，尽管关键词的表述不同，但还是很容易看出金融科技的研究以创新和科技为主。

本文在关键词聚类分析的基础上做了核心关键词的提炼，见图8。提炼出来的核心关键词主要包括技术评估、风险资产、逆向选择、公共研究、区块链技术和信息技术等。其研究的时间跨度主要处于1992—2020年间，且不同年份交叉相关。

此外，本文还对研究科技金融的核心研究机构进行了聚类分析，见图9。核心研究机构主要有哈佛大学、牛津大学、爱丁堡大学、斯坦福大学、哥伦比亚大学、斯德哥尔摩环境研究院、纽约大学、清华大学等。

金融科技涉及多学科的研究，本文运用CiteSpace软件绘制了学科共耦图，以了解和分析金融科技与其他学科之间的联系，见图10。图10显示，金融科技的研究与许多学科结合进行，如计算机科学、信息科学、数学和社会学等，且金融科技主题需要与其他学科相结合才能取得更好的發展。图10中，不同线条轮廓下的区域代表不同的学科，显然，与金融科技联系最紧密的是计算机科学、信息科学和数学等学科，金融科技与政策、环境等领域关联度较小。

本文还对关键信息进行了时间聚类分析，并得到了时间线关系图，见图11。在文献计量学中，时间线关系图中不同的相关信息之间相互交叉联系，图内共引圈层越大，说明中心度越高。从图11中可见，#0～#4这五个信息为中心度最高的内容，依次为政府风险投资、高科技开发、金融激励、区块链技术、契约融资。从图11中还发现，近年来出现了云计算、信用评级和高频交易分析方面的科技，由此，这类领域可能是将来的主要研究方向。

金融科技研究关键词热点趋势主线框架见图12。图12显示了金融科技研究热点趋势，从主要研究方向——金融创新、新经济、量化金融和信息技术方面展开，通过各项工具达到研究金融科技的目的。框架以金融创新为引领核心，将金融产品出现的新经济体通过快速、高效、全面和安全的信息处理并进行技术量化，从而构建了新时代金融科技的框架体系。同时，在互联网快速发展的背景下，金融科技体系又是动态变化、不断发展的。当前的研究主要围绕着以上四个研究方向不断丰富和发展。此外，在四个主要研究方向下，合理运用大数据、人工智能和其他手段对经济发展的预测、分析、效率提升和稳定协调发展也十分重要，而当下的工具主要关注大数据处理和人工智能决策，二者又相互交叉、齐头并进，决定着金融科技发展的进度和质量。因此，在互联网时代，新经济和各类复杂信息涌现，合理、合规、合法地运用金融手段，有效地利用金融工具，有利于整个金融系统的预测、分析、效率提升和稳定协调发展。

为了更深入地分析金融科技的相关研究在文献历史中的表现，本文还进行了文献突发性分析。文献突发性是指在文献研究中出现的反常趋势，包括文章发表数量、引用和被引用次数打破常规的情况。它是一个很好的研究热点评价方式，可以有效地分析一段时间内的文献、研究方向、关键词和文献的热点情况。20世纪90年代以来，世界范围内相继出现了不同严重程度的金融危机，如，20世纪90年代中期，日本泡沫经济崩溃，导致日本的经济增长出现了停滞；1997—1998年的亚洲金融危机，在美国提高利率的货币政策下，亚洲国家普遍受到了影响而爆发金融危机，印度尼西亚、韩国和泰国受该金融危机影响最大；2007年美国的次贷危机，引发了影响深远的全球金融危机。这一系列的金融危机时间，与文献中的突发性分析大致相符。这表明，金融事件发生后，研究者们对金融危机的关注会明显上升，文献的集中出现时间与金融危机时间段全部吻合。从当前发展的趋势来看，金融科技的相关研究在未来发展中将会越来越受到研究者们的重视。本文就金融科技相关的研究进行了突发性分析，突发性检测居前20的数据见表6。

按照相关事件突发性时间排序，表6列出了前20的金融科技相关论文。表6中出现粗线条，指的是该领域或者文章受到学者们的关注程度较高，或该文章被大量引用。粗线条的长度代表论文受到的关注度，线条越长，论文受到的关注度越高。在按照时间排列的突发性特征中，排名前三的依次是GOMPERS（1999）、ORGANIZATION（2007）和KORTUM（2000），他们的突发性长度分别为6.144、5.268和5.177。研究热点用线条粗细表示，依次从细线条、较粗线条到粗线条，反映了该文章的影响情况。此外，从表6还可以看出，2008年出现的金融危机的时间段附近出现的金融科技研究突发点的值较大，跨越时间较长，这很可能与金融危机的出现有关。该事件引起各国大量的经济学家转向研究金融危机，试图分析危机产生的原因和带来的影响，故而出现了大量的金融科技相关论文。

五、总结与展望

本文使用CiteSpace软件对国际金融科技的相关研究进行了可视化分析，通过关键词、作者、引用记录、突发性检测对1982—2020年金融科技研究相关文献进行了整理和分析。主要结论如下：

本文从大数据金融、人工智能金融、量化金融以及区块链金融方面展开分析，对四个金融科技领域的热点进行更深一步的讨论和挖掘，分析将来的一些研究方向。

1.大数据金融

大数据金融指以云计算为基石，快速高效地整理大量用户的交易数据，提高金融产品市场上的交易效率，降低风险，为客户量身定制合适的金融产品。大数据金融是以数据量大和种类多而命名，通过将大数据存储、整合、分析和汇总而产生的大数据技术，是一种顺应时代发展潮流而兴起的技术，能把数据更加精确地加工处理出来，提炼出数据中隐藏的有用信息，对各个行业当前和未来的发展作出全面系统的规划和预测，甚至会影响公司发展的规模（Nyman和Ormerod，2014；Begenau等，2018；陈子阳，2019）。自从Astley等（1982）提出金融科技的概念以来，大量的研究关注网络信息和云计算，对数据进行挖掘分析，很多学者围绕其中的大数据金融进行了分析，大量的研究涌现，相关研究成果丰富。随着科技的进步，经济全球化进一步加快，金融产品市场各类信息不断涌现，大数据金融的时代已然来临。大数据资源将成为互联网金融机构的核心资产，成为定位竞争优势的重要尺度。大数据金融的运用有助于金融机构构建核心竞争力，依托大数据资源的互联网金融主要有五种，包括互联网银行、互联网支付、互联网信贷、众筹融资和互联网理财（殷凤和万家明，2014）。

此外，一些学者也针对大数据金融目前的局限性进行了研究，例如Pachamanova和Fabozzi（2015）认为大数据的增长以及包括金融在内的多个行业在数据分析方面的进步，为投资经理带来了新的挑战和机遇，投资经理快速获取投资信息和加工信息的能力很大程度上决定了业务的赢利性，所以，快速便捷和更复杂的股权投资组合构建方法对投资经理提出了更高的要求。大数据金融出现后，由于对大数据金融管理的滞后，大量的私人信息泄露，造成了国内的典型网络诈骗、各种网络高利贷和网络赌博等，使得人民财产损失严重。另外，大数据金融的运用，对国家相关部门的监管也极具挑战性，如何合理、安全、有效地控制大数据的应用，成为了当下大数据金融监管亟待解决的问题。

对于大数据金融未来的研究方向，贾建民等（2020）认为，大数据分析中的内生性问题会越来越受到学者的关注，如何解决大数据分析中的内生性问题，未来的研究将更加重视通过随机实验、田野实验或者自然实验等方法来做因果推断；李倩和吴昊（2017）认为，基于网络大数据的投资者观点和行为的演变、交互，资产配置策略，市场参与者的情绪及其影响机制，资本市场的监管以及结合公司金融、外汇市场等其他金融市场的研究，可能是未来的研究发展方向；姚加权等（2020）认为，金融学领域文本大数据挖掘步骤和方法、语料获取、预处理过程、文档表示以及文档的特征抽取成为了大数据金融领域研究的技术热点；邱国栋和王易（2018）认为，基于大数据和人工智能构成的“智慧决策”将是未来决策进化的方向。

总的来说，当前大数据金融研究发展迅速，研究热点主要关注大数据金融相关技术带来的弊端，诸如数据的内生性和监管难度等，而未来也主要关注如何充分利用好这把双刃剑，充分发挥其优势、避开其负面影响。

2.人工智能金融

人工智能金融指以人工智能为核心要素，通过计算机技术对各种要素进行识别、提高评估效率、降低成本、多维度控制系统性风险和非系统性风险，以及提高用户体验的金融科技。针对人工智能金融的研究也备受学者关注，例如Zavadskaya（2017）运用人工智能的方法对股票市场进行了预测分析，并能在一定程度上规避市场风险；姚前（2018）探索性提出法定数字货币发行的AI模型和学习算法降低交易费用和共识成本；在节约成本和提高效率方面，Mounica等（2020）也提出了同样的观点。此外，朱琳和金耀辉（2018）分析数据采集、数据治理和人工智能在推进金融监管工作上的作用，提出“五位一体”监管理念，对数据来源多样化、数据治理引导数据资产化的发展提供了建议。总的来说，人工智能金融同样主要体现在数据挖掘、识别和处理方面，在金融监管方面同样存在着重要的作用。

3.量化金融

量化金融主要指利用计算机工具如Python进行信息爬取、投资组合分析、数量分析等等，评估不同投资组合策略下的交易情况的收益。此外，量化交易里面包含了大量的投资组合模型，机器学习和主成分分析等被广泛应用。梁斯（2016）使用货币结构风险指数（MSRI）以及货币结构风险识别指数（MRSI）量化研究中国金融风险。文章认为，中国政府在未来应该对资本流入进行有效管理，健全基础货币的投放方式，摆脱对外部渠道的过度依赖。其他量化金融研究也较为丰富，如黄新平等（2020）借助Maxqda质性数据分析软件，从基本政策工具和政策作用场域两个维度对样本政策进行量化分析，提出优化我国科技金融发展政策的对策；邱路（2020）用2003—2018年10個世界重要股指收盘价时间序列构成网络序列研究量化预警，结果发现在金融危机和重大事件发生时，能很好地识别预警信号；此外，经济发展方式的转换也要求有高信用的存款来源，这就需要在未来的发展中维持足够的外需规模（李志扬等，2020）。总体而言，量化金融的过程主要体现在用更“智慧”的工具进行分析、进行资本市场的运作，这些运作主要涵盖方便、快捷和稳定等方面。

4.区块链金融

区块链金融指的是区块链技术在金融领域的运用。在金融产品交易的过程中，往往需要金融中介保障交易的信用风险问题，运用了区块链技术之后，可去除金融中介环节，以更有效、低成本和安全的方式进行交易。区块链技术于2009年首次实施，作为加密货币比特币的基础，吸引了一些学者对区块链金融的研究。郭永珍（2017）认为区块链不仅突破了时间和空间限制，加速了金融产品创新，而且在一定程度上降低了信息不对称，提高了金融运行效率。Tamás（2021）认为去中心化金融有潜力为金融服务提供开放、透明和坚实的基础设施，并有可能通过其基础金融服务广泛吸引用户。在比特币与区块链的异同方面，Cahill等（2020）认为投资者容易混淆比特币和区块链，通常把比特币的运用作为区块链技术预期成功的指标。比特币与区块链成为了当下研究中的一些热点问题，比特币作为最受欢迎的加密货币之一，充分利用了区块链技术的点对点做账系统（曾帅，2019）。韩秋明和王革（2018）认为该技术为多种服务提供了一种新型信任机制，具有很强的催化效应，可能对多种社会服务带来颠覆性影响。此外，袁磊和耿新（2020）、Xu和邬展霞（2020）、封思贤和丁佳（2019）、张浩和朱佩枫（2020）分别从资本驱动力、价值形态、金融监管、模式创新等方面研究了比特币的理论和应用价值。总的来说，比特币的价格预测任务是一个新兴的备受关注的学术话题，而区块链又主要关注去中心化和简化提炼可靠信息，二者通过价格相互影响，可能在将来成为学者关注的重心。

（二）未来展望

自金融科技的概念提出后，金融科技引起了世界范围内众多学者的高度关注。美国是世界范围内对金融科技研究最多的国家，同时，中国在这个领域的进步也越来越快。在过去的39年中，金融科技逐步从传统的金融理论延伸到统计、计算机和管理科学等多个领域中，逐渐成为包括多项学科综合交叉的复杂研究领域。纵使国内外的金融科技研究已经取得很多的进展，但从金融科技的理论拓展与实际运用来看，还有很多值得改进和创新的地方。

（1）金融科技相关工具的实际适用性和有效性仍需要进一步证明。针对很多新的理论和研究方向，金融科技在金融产品市场中的实际运用还不成熟，仍需对有效性和实用性进行验证和持续研究，尤其是在金融监管的应用研究上，随着金融产品的不断丰富和发展，对金融监管的方式也提出了更高的要求。

（2）金融科技主要關注能源金融方向的研究，大数据分析和计算机科学等工具的提升有待加强。金融科技已经不仅仅是传统经济学理论的应用，更是多学科交叉并行的研究