文/新浪财经意见领袖专栏作家 张宁
科技正在逐渐成为金融变革的主导力量，它与金融的融合产生了一个全新的学科——金融科技。这个词语的来源最早是来自于金融稳定委员会，英文描述是Fintech，并被定义为“技术驱动的金融创新”。客观上来看，这个定义用来描述Fintech、用来说明当前诸多科技引入提升金融效率的现象是没有问题的，但是它用来定义金融科技则有些不足，特别是将金融科技看作一个学科，它应该除了Technology包含的技术以外，还应该包含“科技”中的科学。即金融科技应该是金融技术和金融技术的科学。本文将借助于近些年金融科技实践和我们的一些研究，对金融科技的本质做一个深入探讨。
一个学科中本质的认识来源于其定义，一个千锤百炼的定义是学科逐步科学化的前提，类似于经济学的定义，阐述了有限资源前提下的资源优化配置的本质；又类似于金融学的定义，阐述了风险条件下的资本资产定价和优化配置的本质。
金融科技作为金融和科技融合的产物，其本质应该来源于金融和经济学的本质要素中。随着越来越多的新技术被引入到金融，它们在不断提升金融的效率的同时，也开始越来越多的触及和改变金融，这些改变从深层次来说影响了金融和经济学中的核心元素。
这些核心要素分别是信息、风险和信用。从这个角度来说，金融科技应该分为信用科技、信息科技和风险科技。用这样的形式来划分金融科技比按照金融的具体行业（例如保险科技、银行科技等）要更加符合金融功能的稳定性——一般来说金融功能要比实现金融功能的形式稳定的多：科技正在改变这些金融的形式，但是其本身仍然为了更高效率、更低成本或者更加公平的实现金融功能。
这里分别对这三个要素进行进一步的分析，并关注科技对这些要素的改变和影响。
一、金融信息科技。
信息是金融的入口也是金融出口，金融的所有分支决策依据不同分支定义的信息进行，并形成信息对外输出。更本质的，信息在金融中被定义为随着时间不断进展的信息基础结构，随着时间的进展，越来越多的信息被引入，信息基础结构发生变化，一个能够做出最优的决策可以解释为在当前信息基础上的可测“集合”。直观上，我们常常借助于历史信息来预测未来的金融相关的指标或者要素，然后辅助我们进行个人、企业、国家决策。
当前的诸多新科技都可以看作是对信息操作取得了更好的结果，例如大数据是对信息的组织、存储和分析；人工智能是对信息高阶特征的获取；区块链是对信息的链状组织和安全保证；量子计算是对信息进行量子力学相关叠加和退相干等操作实现超并行处理等。
这些对信息操作的科技会直接影响金融，并形成了金融科技。未来还会有更多科技会被引入进来，但只要都是属于信息操作的更高效率或者更好方式都可以看作金融信息科技的一部分。
在实践中，类似于大数据这样的金融信息科技已经被广泛引入到金融的不同分支，这取决于该分支如何利用信息。例如，对于金融中许多重要的宏观指标，金融信息科技提供了更广阔的信息来源，并经过机器学习或者人工智能算法，将这些信息来源转化为传统金融中习惯的指数，这包括许多非结构化信息；传统的金融企业常常对结构化数据过于重视，但是却忘记了非结构化数据蕴含的巨大信息，在知识经时代，当满足个性化需求成为构建链接的关键操作时，非结构化数据的作用迅速放大，金融信息科技提供了这些非结构化信息和数据的存储、处理和应用，一定程度上将传统金融业拉上了知识经济的列车。
需要注意的是，金融业在引入金融信息科技的时候，应该将其看作一个整体，从金融业的需求出发，最终归回金融的功能本身，基于不同具体科技手段形成的金融信息科技流程是金融企业最需要关注的，而其背后的科技则应该让专业的人员去完成。
二、金融风险科技。
风险是金融的核心，也是金融在经济学框架下的独立特征——“在风险的条件下”。实际上人类所定义的风险是“不可预测性”，而不可预测性包括了不确定性和混沌。金融常常将风险等同于不确定性，并衍生出了数理方法——主要是概率论随机过程等来进行描述。
从人类社会的发展来看，风险一直是关注和处置的对象，它的影响当然超过了金融，这也催生出了诸多应对的科技手段，这些科技手段自然会被涵盖到“风险条件”的处置中，并进一步影响金融，这就形成了金融风险科技。
有许多技术正在对风险产生不同类比的影响，这些影响主要包括：风险的预测、风险的预防、风险的转换以及风险的转移：
例如，以深度学习为代表的新一代人工智能技术已经被用于多种风险发生概率和损失程度的预测，这包括从“通过搜索次数和人群流动特征“发现金融市场风险发生可能性”到“同时考虑多种驾驶人特征测度投保车辆未来发生的驾驶事故可能性“，越来越多的人工智能技术和大数据技术配合在帮助金融业对一些风险进行更好的预测。
例如，借助于大数据技术提供的全量数据和人工智能提供的自然语言处理能力，一些金融企业可以对面对的金融风险进行提前对冲；或者保险公司通过再保险网络进行更合理的再保险安排；又或者金融参与者通过区块链来保证“与无先验信用信息陌生人的交易”安全，降低风险；同时，企业和相关合作机构还可以利用分布式计算和安全多方计算实现数据的计算结果和特征的共享，降低不对称信息引发的跨行业和跨企业风险。
例如，借助于互联网、云计算技术和机器学习技术，金融企业可以对部分金融风险进行不同层次的归集和分解，互助机构可以以线上互助的方式实现类似保险公司的风险分担效果；保险公司可以借助于远程的图片、视频和3D视觉对一些事故现场进行查勘。
更为重要的，因为风险联系于金融的本质，进一步的，金融的本质特征可能存在于风险的认知和理解，今天借助于金融核心要素的重新定义和强化学习，人类有机会对金融的本质有了更深刻的把握。笔者和团队首次将金融理论引入到强化学习中，提出了随机强化学习这种基于特殊架构的技术，在通过真是市场317天的“学习”，最终该张量智能体在持续的期货投资中取得了连续三年最低年收益15.7%的实际收益。应该说这是一个对理性、非理性以及量化投资程序组成的市场本质特征探究的开始。
三、金融信用科技。
