'馬雲提出的TechFin，會顛覆什麼？'
來源： 庭前獨角獸
特別提示：凡本號註明“來源”或“轉自”的作品均轉載自媒體，版權歸原作者及原出處所有。所分享內容為作者個人觀點，僅供讀者學習參考，不代表本號觀點。
2017年1月份，阿里巴巴集團的高管突然有一天造訪了螞蟻金服，與螞蟻金服的高管們開會。當日，馬雲在會議上提出了一個新的名詞，Techfin（科技金融）公司，而過去螞蟻一直被認為是Fintech（金融科技）公司。
“金融科技”公司正在以空前的速度改變金融行業，並對監管提出挑戰。當下金融技術的發展有兩大趨勢：一是技術商品化、大數據分析、機器學習以及人工智能引發的高速變革；二是新興技術及電商等大量新事物湧入金融領域。而“科技金融”公司的顯著特點是：從主營業務中收集用戶數據，應用於金融服務。換句話說，科技金融公司的興起，代表金融行業進入了“優步時代”。
從“金融科技”（金融中介型）到“科技金融”（數據中介型）的轉變，對現有金融服務公司、金融科技創業公司以及監管機構都會產生影響。這就要求我們平衡創新側、發展側、金融市場穩定以及消費者保護等四大競爭性利益，加強監管措施。
馬雲提出的TechFin
會顛覆什麼？
編譯：高院辦公室 吉星霖
12
一、“金融科技”和“科技金融”的區別：數字化和數據化
計算機革命六十年，微處理器發明四十年，現代互聯網興起二十年，通過研發軟件系統、引發行業變革的技術逐一出爐，並先後在全球範圍內廣泛應用......在那些特別注重現實資源的行業，如石油和天然氣，軟件技術的革新會為現有企業創造機會。但在其他許多行業中，軟件革新會帶來硅谷型初創企業的崛起，以零懲罰的方式淘汰現有企業。未來十年，現有企業和軟件新秀企業之間將展開漫長的鬥爭。經濟學家約瑟夫·熊彼特（Joseph Schumpeter）稱之為“創造性的破壞”。
來源： 庭前獨角獸
特別提示：凡本號註明“來源”或“轉自”的作品均轉載自媒體，版權歸原作者及原出處所有。所分享內容為作者個人觀點，僅供讀者學習參考，不代表本號觀點。
2017年1月份，阿里巴巴集團的高管突然有一天造訪了螞蟻金服，與螞蟻金服的高管們開會。當日，馬雲在會議上提出了一個新的名詞，Techfin（科技金融）公司，而過去螞蟻一直被認為是Fintech（金融科技）公司。
“金融科技”公司正在以空前的速度改變金融行業，並對監管提出挑戰。當下金融技術的發展有兩大趨勢：一是技術商品化、大數據分析、機器學習以及人工智能引發的高速變革；二是新興技術及電商等大量新事物湧入金融領域。而“科技金融”公司的顯著特點是：從主營業務中收集用戶數據，應用於金融服務。換句話說，科技金融公司的興起，代表金融行業進入了“優步時代”。
從“金融科技”（金融中介型）到“科技金融”（數據中介型）的轉變，對現有金融服務公司、金融科技創業公司以及監管機構都會產生影響。這就要求我們平衡創新側、發展側、金融市場穩定以及消費者保護等四大競爭性利益，加強監管措施。
馬雲提出的TechFin
會顛覆什麼？
編譯：高院辦公室 吉星霖
12
一、“金融科技”和“科技金融”的區別：數字化和數據化
計算機革命六十年，微處理器發明四十年，現代互聯網興起二十年，通過研發軟件系統、引發行業變革的技術逐一出爐，並先後在全球範圍內廣泛應用......在那些特別注重現實資源的行業，如石油和天然氣，軟件技術的革新會為現有企業創造機會。但在其他許多行業中，軟件革新會帶來硅谷型初創企業的崛起，以零懲罰的方式淘汰現有企業。未來十年，現有企業和軟件新秀企業之間將展開漫長的鬥爭。經濟學家約瑟夫·熊彼特（Joseph Schumpeter）稱之為“創造性的破壞”。
概念界定
為了準確界定金融科技和科技金融兩者的區別，首先要尋找他們之間的共同點。例如，金融科技和科技金融都利用規模經濟和科學技術（包括但不限於網絡效應）。科技金融利用時間效應建立或獲取數據集（例如點對點借貸平臺），並且專注於數據分析（使用集成數據算法），而金融科技最先關注金融領域，並意圖通過技術手段傳播優質金融。
金融機構已逐步數字化，並即將實現自我數字化，但技術公司從一開始就是數字化和數據驅動的。究其原因在於兩者商業模式的不同：銀行等金融機構是利息/費用產出型（貨幣數字化），而谷歌和臉書等科技公司是信息銷售型（數據貨幣化）。銀行流程的數字化，無法使其商業模式發生根本性的變革。簡而言之，金融科技公司著眼於金融中介，而科技金融公司著眼於數據中介。
科技金融公司在主營業務過程中收集大規模數據，之後將其應用於金融服務。在提供服務時，科技金融公司收集個性化數據，彙總大量數據，以便驗證客戶的償付能力、支付行為、儲蓄信用和其他品質。總而言之，對於科技金融公司來說，數據積累和分析才是關鍵，他們從自行開發的算法中尋找數據關聯，然後推進到機器學習和人工智能。
科技金融公司的發展階段
科技金融公司的發展通常分為以下三個階段：
第一階段：科技公司利用數據密集型的（客戶端）商業模式，向現有金融機構或金融科技公司授權許可大數據的使用權限（包括數據分析權限）。他們還可以自行測試數據集，再將結果出售給金融機構（以便金融機構獲取關聯信息）。
第二階段：科技金融公司利用數據集指導自身業務決策，例如在向小型賣家（如亞馬遜）貸款或實現最佳支付（如支付寶）時，改善風險管理。
第三階段：也是最後的階段，鑑於其數據的優越性，可以預期某些技術金融公司將轉向金融服務，從而給現有銀行及其他受監管實體帶來非常激烈的競爭。
來源： 庭前獨角獸
特別提示：凡本號註明“來源”或“轉自”的作品均轉載自媒體，版權歸原作者及原出處所有。所分享內容為作者個人觀點，僅供讀者學習參考，不代表本號觀點。
2017年1月份，阿里巴巴集團的高管突然有一天造訪了螞蟻金服，與螞蟻金服的高管們開會。當日，馬雲在會議上提出了一個新的名詞，Techfin（科技金融）公司，而過去螞蟻一直被認為是Fintech（金融科技）公司。
“金融科技”公司正在以空前的速度改變金融行業，並對監管提出挑戰。當下金融技術的發展有兩大趨勢：一是技術商品化、大數據分析、機器學習以及人工智能引發的高速變革；二是新興技術及電商等大量新事物湧入金融領域。而“科技金融”公司的顯著特點是：從主營業務中收集用戶數據，應用於金融服務。換句話說，科技金融公司的興起，代表金融行業進入了“優步時代”。
從“金融科技”（金融中介型）到“科技金融”（數據中介型）的轉變，對現有金融服務公司、金融科技創業公司以及監管機構都會產生影響。這就要求我們平衡創新側、發展側、金融市場穩定以及消費者保護等四大競爭性利益，加強監管措施。
馬雲提出的TechFin
會顛覆什麼？
編譯：高院辦公室 吉星霖
12
一、“金融科技”和“科技金融”的區別：數字化和數據化
計算機革命六十年，微處理器發明四十年，現代互聯網興起二十年，通過研發軟件系統、引發行業變革的技術逐一出爐，並先後在全球範圍內廣泛應用......在那些特別注重現實資源的行業，如石油和天然氣，軟件技術的革新會為現有企業創造機會。但在其他許多行業中，軟件革新會帶來硅谷型初創企業的崛起，以零懲罰的方式淘汰現有企業。未來十年，現有企業和軟件新秀企業之間將展開漫長的鬥爭。經濟學家約瑟夫·熊彼特（Joseph Schumpeter）稱之為“創造性的破壞”。
概念界定
為了準確界定金融科技和科技金融兩者的區別，首先要尋找他們之間的共同點。例如，金融科技和科技金融都利用規模經濟和科學技術（包括但不限於網絡效應）。科技金融利用時間效應建立或獲取數據集（例如點對點借貸平臺），並且專注於數據分析（使用集成數據算法），而金融科技最先關注金融領域，並意圖通過技術手段傳播優質金融。
金融機構已逐步數字化，並即將實現自我數字化，但技術公司從一開始就是數字化和數據驅動的。究其原因在於兩者商業模式的不同：銀行等金融機構是利息/費用產出型（貨幣數字化），而谷歌和臉書等科技公司是信息銷售型（數據貨幣化）。銀行流程的數字化，無法使其商業模式發生根本性的變革。簡而言之，金融科技公司著眼於金融中介，而科技金融公司著眼於數據中介。
科技金融公司在主營業務過程中收集大規模數據，之後將其應用於金融服務。在提供服務時，科技金融公司收集個性化數據，彙總大量數據，以便驗證客戶的償付能力、支付行為、儲蓄信用和其他品質。總而言之，對於科技金融公司來說，數據積累和分析才是關鍵，他們從自行開發的算法中尋找數據關聯，然後推進到機器學習和人工智能。
科技金融公司的發展階段
科技金融公司的發展通常分為以下三個階段：
第一階段：科技公司利用數據密集型的（客戶端）商業模式，向現有金融機構或金融科技公司授權許可大數據的使用權限（包括數據分析權限）。他們還可以自行測試數據集，再將結果出售給金融機構（以便金融機構獲取關聯信息）。
第二階段：科技金融公司利用數據集指導自身業務決策，例如在向小型賣家（如亞馬遜）貸款或實現最佳支付（如支付寶）時，改善風險管理。
第三階段：也是最後的階段，鑑於其數據的優越性，可以預期某些技術金融公司將轉向金融服務，從而給現有銀行及其他受監管實體帶來非常激烈的競爭。
二、金融立法和監管方面的挑戰
鑑於科技金融企業的不斷髮展，社會及監管機構將會面臨諸多挑戰。人工智能和數據分析對個體和金融系統的影響尚未可知，給金融監管也會帶來潛在的風險。
系統錯誤預判
如果無法對因果關係進行測試，數據關聯將會存在誤判的風險。如果算法存在系統級錯誤，那麼科技金融公司的數據優勢將會演變為劣勢。此外，一旦科技金融公司達到一定規模，其破產很有可能會損害業務關聯公司。例如，如果一家科技金融公司通過網絡將客戶信息授權給金融服務提供商，則兩者的命運將會息息相關。
監管機構將竭力降低獲批科技金融公司的風險。金融律師稱，算法系統存在 “模型風險”。金融監管機構應當要求獲批單位定期審查其系統模型。同時，如果科技金融公司獲批，監管機構最好實行風險分散化，降低集中風險。也就是說，科技金融公司應當避免針對小部分狹窄社會群體提供服務的商業模式。雖然監管並非萬無一失，但也不可或缺：危機爆發時期，監管機構將成為對受監管實體的起源和活動信息唯一有了解的機構。
受保護因素
人工智能與大數據在糾正偏見的同時，也會受到潛在文化地理等因素的影響。舉個例子吧。“我們不知道顧客是什麼樣的，”亞馬遜公司負責全球通訊公關的副總裁克雷格·伯曼（Craig Berman）在接受彭博新聞社採訪時說道。伯曼是在迴應有人對亞馬遜的當日送達服務歧視有色人種的指控。從字面上看，伯曼的辯護是誠實的：亞馬遜在選擇當日送達的區域時是根據成本和收益因素，例如家庭收入和送達的可及性。但是，這些因素是通過郵政編碼彙總起來的，因此會受到其他塑造了——並將繼續塑造——文化地理學的因素的影響。查看當日送達的服務地圖，很難讓人不注意到其與膚色的對應關係。
如果無法糾正這些隱性歧視，可能會讓事情變得更糟。克勞福德的同事、康奈爾大學的索倫·巴洛卡斯觀察到，終端用戶會“不加批判地接受供應商的聲明”，即算法中已經消除了偏見。在那些普遍存在偏見的應用場合，比如司法系統中，情況尤其如此。對於這些地方，號稱更客觀的機器具有非常大的吸引力。剝離算法中的偏見還要求認可某個關於公平的主觀定義，同時不理會其他定義，但被選擇的定義往往是最容易量化的，而不是最公平的。
來源： 庭前獨角獸
特別提示：凡本號註明“來源”或“轉自”的作品均轉載自媒體，版權歸原作者及原出處所有。所分享內容為作者個人觀點，僅供讀者學習參考，不代表本號觀點。
2017年1月份，阿里巴巴集團的高管突然有一天造訪了螞蟻金服，與螞蟻金服的高管們開會。當日，馬雲在會議上提出了一個新的名詞，Techfin（科技金融）公司，而過去螞蟻一直被認為是Fintech（金融科技）公司。
“金融科技”公司正在以空前的速度改變金融行業，並對監管提出挑戰。當下金融技術的發展有兩大趨勢：一是技術商品化、大數據分析、機器學習以及人工智能引發的高速變革；二是新興技術及電商等大量新事物湧入金融領域。而“科技金融”公司的顯著特點是：從主營業務中收集用戶數據，應用於金融服務。換句話說，科技金融公司的興起，代表金融行業進入了“優步時代”。
從“金融科技”（金融中介型）到“科技金融”（數據中介型）的轉變，對現有金融服務公司、金融科技創業公司以及監管機構都會產生影響。這就要求我們平衡創新側、發展側、金融市場穩定以及消費者保護等四大競爭性利益，加強監管措施。
馬雲提出的TechFin
會顛覆什麼？
編譯：高院辦公室 吉星霖
12
一、“金融科技”和“科技金融”的區別：數字化和數據化
計算機革命六十年，微處理器發明四十年，現代互聯網興起二十年，通過研發軟件系統、引發行業變革的技術逐一出爐，並先後在全球範圍內廣泛應用......在那些特別注重現實資源的行業，如石油和天然氣，軟件技術的革新會為現有企業創造機會。但在其他許多行業中，軟件革新會帶來硅谷型初創企業的崛起，以零懲罰的方式淘汰現有企業。未來十年，現有企業和軟件新秀企業之間將展開漫長的鬥爭。經濟學家約瑟夫·熊彼特（Joseph Schumpeter）稱之為“創造性的破壞”。
概念界定
為了準確界定金融科技和科技金融兩者的區別，首先要尋找他們之間的共同點。例如，金融科技和科技金融都利用規模經濟和科學技術（包括但不限於網絡效應）。科技金融利用時間效應建立或獲取數據集（例如點對點借貸平臺），並且專注於數據分析（使用集成數據算法），而金融科技最先關注金融領域，並意圖通過技術手段傳播優質金融。
金融機構已逐步數字化，並即將實現自我數字化，但技術公司從一開始就是數字化和數據驅動的。究其原因在於兩者商業模式的不同：銀行等金融機構是利息/費用產出型（貨幣數字化），而谷歌和臉書等科技公司是信息銷售型（數據貨幣化）。銀行流程的數字化，無法使其商業模式發生根本性的變革。簡而言之，金融科技公司著眼於金融中介，而科技金融公司著眼於數據中介。
科技金融公司在主營業務過程中收集大規模數據，之後將其應用於金融服務。在提供服務時，科技金融公司收集個性化數據，彙總大量數據，以便驗證客戶的償付能力、支付行為、儲蓄信用和其他品質。總而言之，對於科技金融公司來說，數據積累和分析才是關鍵，他們從自行開發的算法中尋找數據關聯，然後推進到機器學習和人工智能。
科技金融公司的發展階段
科技金融公司的發展通常分為以下三個階段：
第一階段：科技公司利用數據密集型的（客戶端）商業模式，向現有金融機構或金融科技公司授權許可大數據的使用權限（包括數據分析權限）。他們還可以自行測試數據集，再將結果出售給金融機構（以便金融機構獲取關聯信息）。
第二階段：科技金融公司利用數據集指導自身業務決策，例如在向小型賣家（如亞馬遜）貸款或實現最佳支付（如支付寶）時，改善風險管理。
第三階段：也是最後的階段，鑑於其數據的優越性，可以預期某些技術金融公司將轉向金融服務，從而給現有銀行及其他受監管實體帶來非常激烈的競爭。
二、金融立法和監管方面的挑戰
鑑於科技金融企業的不斷髮展，社會及監管機構將會面臨諸多挑戰。人工智能和數據分析對個體和金融系統的影響尚未可知，給金融監管也會帶來潛在的風險。
系統錯誤預判
如果無法對因果關係進行測試，數據關聯將會存在誤判的風險。如果算法存在系統級錯誤，那麼科技金融公司的數據優勢將會演變為劣勢。此外，一旦科技金融公司達到一定規模，其破產很有可能會損害業務關聯公司。例如，如果一家科技金融公司通過網絡將客戶信息授權給金融服務提供商，則兩者的命運將會息息相關。
監管機構將竭力降低獲批科技金融公司的風險。金融律師稱，算法系統存在 “模型風險”。金融監管機構應當要求獲批單位定期審查其系統模型。同時，如果科技金融公司獲批，監管機構最好實行風險分散化，降低集中風險。也就是說，科技金融公司應當避免針對小部分狹窄社會群體提供服務的商業模式。雖然監管並非萬無一失，但也不可或缺：危機爆發時期，監管機構將成為對受監管實體的起源和活動信息唯一有了解的機構。
受保護因素
人工智能與大數據在糾正偏見的同時，也會受到潛在文化地理等因素的影響。舉個例子吧。“我們不知道顧客是什麼樣的，”亞馬遜公司負責全球通訊公關的副總裁克雷格·伯曼（Craig Berman）在接受彭博新聞社採訪時說道。伯曼是在迴應有人對亞馬遜的當日送達服務歧視有色人種的指控。從字面上看，伯曼的辯護是誠實的：亞馬遜在選擇當日送達的區域時是根據成本和收益因素，例如家庭收入和送達的可及性。但是，這些因素是通過郵政編碼彙總起來的，因此會受到其他塑造了——並將繼續塑造——文化地理學的因素的影響。查看當日送達的服務地圖，很難讓人不注意到其與膚色的對應關係。
如果無法糾正這些隱性歧視，可能會讓事情變得更糟。克勞福德的同事、康奈爾大學的索倫·巴洛卡斯觀察到，終端用戶會“不加批判地接受供應商的聲明”，即算法中已經消除了偏見。在那些普遍存在偏見的應用場合，比如司法系統中，情況尤其如此。對於這些地方，號稱更客觀的機器具有非常大的吸引力。剝離算法中的偏見還要求認可某個關於公平的主觀定義，同時不理會其他定義，但被選擇的定義往往是最容易量化的，而不是最公平的。
非金融數據端用戶
科技金融公司也會對個人層面產生影響。例如，我們假設購買狗鏈條的主人並不打算自己用，而是將其作為禮物贈送給另一個人。在這種代理的情況下，信用或保險評估就有可能不正確。算法當然可以更加複雜。例如，算法還可以考慮同一個顧客是否購買了狗糧和衛生用品，並且在帶有狗的社交媒體上上傳圖片，作為該購買者保證更高的信用或保險費用的結論的基礎。
但是，這個例子也很容易被顛覆。我們假設女傭負責為狗購買物品，並且喜歡展示自己遛狗的照片，那麼女傭的信息將與該種消費形成關聯。在整個系統中，以上統計異常值將被平衡——沒有多少人會僱傭女傭，並允許她們使用主人的個人賬戶進行與工作相關的購物。這是一個有點微不足道的例子，但很容易對人類生活造成嚴重干擾，導致拒貸等 情況的發生。
此外，我們還看到非用戶遭受金融體系的排斥。這也意味著在數據驅動的世界中，選擇不共享個人數據的人可能會成為第二階梯的數字化公民：因為最好的產品、價格和機會只會提供給樂意共享其數據和使用算法預判的人。
三、監管選擇
對科技金融引發的風險，我們不宜漠視，也不宜過早干預。如果我們什麼都不做，那麼競爭不平衡將會持續存在，合規水平將逐漸受到削弱。從長遠來看，下一次全球金融危機很可能來自科技金融公司而不是授權的金融機構。
另一方面，數據分析的全部強制許可卻可能會扼殺創新。科技金融公司有能力填補金融服務提供方面的空白，例如螞蟻金融瞄準二線城市和中小企業融資，這些都是中國傳統金融服務業表現欠佳的領域，所以監管機構不宜過早干預。
來源： 庭前獨角獸
特別提示：凡本號註明“來源”或“轉自”的作品均轉載自媒體，版權歸原作者及原出處所有。所分享內容為作者個人觀點，僅供讀者學習參考，不代表本號觀點。
2017年1月份，阿里巴巴集團的高管突然有一天造訪了螞蟻金服，與螞蟻金服的高管們開會。當日，馬雲在會議上提出了一個新的名詞，Techfin（科技金融）公司，而過去螞蟻一直被認為是Fintech（金融科技）公司。
“金融科技”公司正在以空前的速度改變金融行業，並對監管提出挑戰。當下金融技術的發展有兩大趨勢：一是技術商品化、大數據分析、機器學習以及人工智能引發的高速變革；二是新興技術及電商等大量新事物湧入金融領域。而“科技金融”公司的顯著特點是：從主營業務中收集用戶數據，應用於金融服務。換句話說，科技金融公司的興起，代表金融行業進入了“優步時代”。
從“金融科技”（金融中介型）到“科技金融”（數據中介型）的轉變，對現有金融服務公司、金融科技創業公司以及監管機構都會產生影響。這就要求我們平衡創新側、發展側、金融市場穩定以及消費者保護等四大競爭性利益，加強監管措施。
馬雲提出的TechFin
會顛覆什麼？
編譯：高院辦公室 吉星霖
12
一、“金融科技”和“科技金融”的區別：數字化和數據化
計算機革命六十年，微處理器發明四十年，現代互聯網興起二十年，通過研發軟件系統、引發行業變革的技術逐一出爐，並先後在全球範圍內廣泛應用......在那些特別注重現實資源的行業，如石油和天然氣，軟件技術的革新會為現有企業創造機會。但在其他許多行業中，軟件革新會帶來硅谷型初創企業的崛起，以零懲罰的方式淘汰現有企業。未來十年，現有企業和軟件新秀企業之間將展開漫長的鬥爭。經濟學家約瑟夫·熊彼特（Joseph Schumpeter）稱之為“創造性的破壞”。
概念界定
為了準確界定金融科技和科技金融兩者的區別，首先要尋找他們之間的共同點。例如，金融科技和科技金融都利用規模經濟和科學技術（包括但不限於網絡效應）。科技金融利用時間效應建立或獲取數據集（例如點對點借貸平臺），並且專注於數據分析（使用集成數據算法），而金融科技最先關注金融領域，並意圖通過技術手段傳播優質金融。
金融機構已逐步數字化，並即將實現自我數字化，但技術公司從一開始就是數字化和數據驅動的。究其原因在於兩者商業模式的不同：銀行等金融機構是利息/費用產出型（貨幣數字化），而谷歌和臉書等科技公司是信息銷售型（數據貨幣化）。銀行流程的數字化，無法使其商業模式發生根本性的變革。簡而言之，金融科技公司著眼於金融中介，而科技金融公司著眼於數據中介。
科技金融公司在主營業務過程中收集大規模數據，之後將其應用於金融服務。在提供服務時，科技金融公司收集個性化數據，彙總大量數據，以便驗證客戶的償付能力、支付行為、儲蓄信用和其他品質。總而言之，對於科技金融公司來說，數據積累和分析才是關鍵，他們從自行開發的算法中尋找數據關聯，然後推進到機器學習和人工智能。
科技金融公司的發展階段
科技金融公司的發展通常分為以下三個階段：
第一階段：科技公司利用數據密集型的（客戶端）商業模式，向現有金融機構或金融科技公司授權許可大數據的使用權限（包括數據分析權限）。他們還可以自行測試數據集，再將結果出售給金融機構（以便金融機構獲取關聯信息）。
第二階段：科技金融公司利用數據集指導自身業務決策，例如在向小型賣家（如亞馬遜）貸款或實現最佳支付（如支付寶）時，改善風險管理。
第三階段：也是最後的階段，鑑於其數據的優越性，可以預期某些技術金融公司將轉向金融服務，從而給現有銀行及其他受監管實體帶來非常激烈的競爭。
二、金融立法和監管方面的挑戰
鑑於科技金融企業的不斷髮展，社會及監管機構將會面臨諸多挑戰。人工智能和數據分析對個體和金融系統的影響尚未可知，給金融監管也會帶來潛在的風險。
系統錯誤預判
如果無法對因果關係進行測試，數據關聯將會存在誤判的風險。如果算法存在系統級錯誤，那麼科技金融公司的數據優勢將會演變為劣勢。此外，一旦科技金融公司達到一定規模，其破產很有可能會損害業務關聯公司。例如，如果一家科技金融公司通過網絡將客戶信息授權給金融服務提供商，則兩者的命運將會息息相關。
監管機構將竭力降低獲批科技金融公司的風險。金融律師稱，算法系統存在 “模型風險”。金融監管機構應當要求獲批單位定期審查其系統模型。同時，如果科技金融公司獲批，監管機構最好實行風險分散化，降低集中風險。也就是說，科技金融公司應當避免針對小部分狹窄社會群體提供服務的商業模式。雖然監管並非萬無一失，但也不可或缺：危機爆發時期，監管機構將成為對受監管實體的起源和活動信息唯一有了解的機構。
受保護因素
人工智能與大數據在糾正偏見的同時，也會受到潛在文化地理等因素的影響。舉個例子吧。“我們不知道顧客是什麼樣的，”亞馬遜公司負責全球通訊公關的副總裁克雷格·伯曼（Craig Berman）在接受彭博新聞社採訪時說道。伯曼是在迴應有人對亞馬遜的當日送達服務歧視有色人種的指控。從字面上看，伯曼的辯護是誠實的：亞馬遜在選擇當日送達的區域時是根據成本和收益因素，例如家庭收入和送達的可及性。但是，這些因素是通過郵政編碼彙總起來的，因此會受到其他塑造了——並將繼續塑造——文化地理學的因素的影響。查看當日送達的服務地圖，很難讓人不注意到其與膚色的對應關係。
如果無法糾正這些隱性歧視，可能會讓事情變得更糟。克勞福德的同事、康奈爾大學的索倫·巴洛卡斯觀察到，終端用戶會“不加批判地接受供應商的聲明”，即算法中已經消除了偏見。在那些普遍存在偏見的應用場合，比如司法系統中，情況尤其如此。對於這些地方，號稱更客觀的機器具有非常大的吸引力。剝離算法中的偏見還要求認可某個關於公平的主觀定義，同時不理會其他定義，但被選擇的定義往往是最容易量化的，而不是最公平的。
非金融數據端用戶
科技金融公司也會對個人層面產生影響。例如，我們假設購買狗鏈條的主人並不打算自己用，而是將其作為禮物贈送給另一個人。在這種代理的情況下，信用或保險評估就有可能不正確。算法當然可以更加複雜。例如，算法還可以考慮同一個顧客是否購買了狗糧和衛生用品，並且在帶有狗的社交媒體上上傳圖片，作為該購買者保證更高的信用或保險費用的結論的基礎。
但是，這個例子也很容易被顛覆。我們假設女傭負責為狗購買物品，並且喜歡展示自己遛狗的照片，那麼女傭的信息將與該種消費形成關聯。在整個系統中，以上統計異常值將被平衡——沒有多少人會僱傭女傭，並允許她們使用主人的個人賬戶進行與工作相關的購物。這是一個有點微不足道的例子，但很容易對人類生活造成嚴重干擾，導致拒貸等 情況的發生。
此外，我們還看到非用戶遭受金融體系的排斥。這也意味著在數據驅動的世界中，選擇不共享個人數據的人可能會成為第二階梯的數字化公民：因為最好的產品、價格和機會只會提供給樂意共享其數據和使用算法預判的人。
三、監管選擇
對科技金融引發的風險，我們不宜漠視，也不宜過早干預。如果我們什麼都不做，那麼競爭不平衡將會持續存在，合規水平將逐漸受到削弱。從長遠來看，下一次全球金融危機很可能來自科技金融公司而不是授權的金融機構。
另一方面，數據分析的全部強制許可卻可能會扼殺創新。科技金融公司有能力填補金融服務提供方面的空白，例如螞蟻金融瞄準二線城市和中小企業融資，這些都是中國傳統金融服務業表現欠佳的領域，所以監管機構不宜過早干預。
推動強化法律法規建設
針對現代科技成果金融應用新特點，推動健全符合我國國情的金融法治體系，研究調整完善不適應金融科技發展要求的現行法律法規及政策規定，推動出臺金融業新技術應用的相關法律法規，在條件成熟時將原有立法層次較低的部門規章等及時上升為法律法規。
釐清法律邊界，明確金融監管部門的職能和金融機構的權利、義務，破除信息共享等方面的政策壁壘，營造公平規範市場環境，為金融與科技融合發展提供法治保障。
共享金融數據
銀行業者大多看好，可望隨著全世界腳步掀起“開放銀行”浪潮。過去客戶的賬戶數據、金融數據，是銀行各自擁有的資產，客戶應用其賬戶和其他金融機構交易成本高，且存在著若要轉換銀行服務需要重新開戶等缺點，但所謂“開放銀行”，是指銀行通過與第三方平臺合作，以開放共享金融數據數據，也將金融數據的主導權還給消費者，使消費者可以獲得更多元的金融服務。
不過，共享金融數據，不免讓人擔心個人資料保護問題，目前歐洲的做法會將客戶資料通通加密，且只有在主管機關監管下的公司才可以使用資料，過程中全部有記錄追蹤，這也將是金融業者發展“開放銀行”最需注意的課題。
“以火滅火”法：研發分佈式數據庫
2019年8月，中國人民銀行印發《金融科技（FinTech）發展規劃（2019-2021年）》文件，要求強化金融科技的合理應用。做好分佈式數據庫金融應用的長期規劃，加大研發與應用投入力度，妥善解決分佈式數據庫產品在數據一致性、實際場景驗證、遷移保障規範、新型運維體系等方面的問題。
探索產用聯合新模式，發揮科技公司的技術與創新能力，共同研發新產品、發展新產業、凝聚新動能。有計劃、分步驟地穩妥推動分佈式數據庫產品先行先試，形成可借鑑、能推廣的典型案例和解決方案，為分佈式數據庫在金融領域的全面應用探明路徑。
強化國際科技金融研討交流
堅持金融業改革開放，進一步深化與其他國家、地區、國際組織的緊密聯繫與溝通，在人才、技術、標準、知識產權等方面加強多形式、多層次、多領域的平等磋商與務實合作，完善金融科技全球治理體系，推動建立有利於金融科技發展的國際新規則，實現互惠共贏、共同發展。
結合共建“一帶一路”倡議，積極對外輸出我國金融科技發展催生的技術、標準、產品和服務等，探索雙邊、多邊的示範性項目合作，不斷提升我國金融業利用信息技術的能力和水平。
來源： 庭前獨角獸
特別提示：凡本號註明“來源”或“轉自”的作品均轉載自媒體，版權歸原作者及原出處所有。所分享內容為作者個人觀點，僅供讀者學習參考，不代表本號觀點。
2017年1月份，阿里巴巴集團的高管突然有一天造訪了螞蟻金服，與螞蟻金服的高管們開會。當日，馬雲在會議上提出了一個新的名詞，Techfin（科技金融）公司，而過去螞蟻一直被認為是Fintech（金融科技）公司。
“金融科技”公司正在以空前的速度改變金融行業，並對監管提出挑戰。當下金融技術的發展有兩大趨勢：一是技術商品化、大數據分析、機器學習以及人工智能引發的高速變革；二是新興技術及電商等大量新事物湧入金融領域。而“科技金融”公司的顯著特點是：從主營業務中收集用戶數據，應用於金融服務。換句話說，科技金融公司的興起，代表金融行業進入了“優步時代”。
從“金融科技”（金融中介型）到“科技金融”（數據中介型）的轉變，對現有金融服務公司、金融科技創業公司以及監管機構都會產生影響。這就要求我們平衡創新側、發展側、金融市場穩定以及消費者保護等四大競爭性利益，加強監管措施。
馬雲提出的TechFin
會顛覆什麼？
編譯：高院辦公室 吉星霖
12
一、“金融科技”和“科技金融”的區別：數字化和數據化
計算機革命六十年，微處理器發明四十年，現代互聯網興起二十年，通過研發軟件系統、引發行業變革的技術逐一出爐，並先後在全球範圍內廣泛應用......在那些特別注重現實資源的行業，如石油和天然氣，軟件技術的革新會為現有企業創造機會。但在其他許多行業中，軟件革新會帶來硅谷型初創企業的崛起，以零懲罰的方式淘汰現有企業。未來十年，現有企業和軟件新秀企業之間將展開漫長的鬥爭。經濟學家約瑟夫·熊彼特（Joseph Schumpeter）稱之為“創造性的破壞”。
概念界定
為了準確界定金融科技和科技金融兩者的區別，首先要尋找他們之間的共同點。例如，金融科技和科技金融都利用規模經濟和科學技術（包括但不限於網絡效應）。科技金融利用時間效應建立或獲取數據集（例如點對點借貸平臺），並且專注於數據分析（使用集成數據算法），而金融科技最先關注金融領域，並意圖通過技術手段傳播優質金融。
金融機構已逐步數字化，並即將實現自我數字化，但技術公司從一開始就是數字化和數據驅動的。究其原因在於兩者商業模式的不同：銀行等金融機構是利息/費用產出型（貨幣數字化），而谷歌和臉書等科技公司是信息銷售型（數據貨幣化）。銀行流程的數字化，無法使其商業模式發生根本性的變革。簡而言之，金融科技公司著眼於金融中介，而科技金融公司著眼於數據中介。
科技金融公司在主營業務過程中收集大規模數據，之後將其應用於金融服務。在提供服務時，科技金融公司收集個性化數據，彙總大量數據，以便驗證客戶的償付能力、支付行為、儲蓄信用和其他品質。總而言之，對於科技金融公司來說，數據積累和分析才是關鍵，他們從自行開發的算法中尋找數據關聯，然後推進到機器學習和人工智能。
科技金融公司的發展階段
科技金融公司的發展通常分為以下三個階段：
第一階段：科技公司利用數據密集型的（客戶端）商業模式，向現有金融機構或金融科技公司授權許可大數據的使用權限（包括數據分析權限）。他們還可以自行測試數據集，再將結果出售給金融機構（以便金融機構獲取關聯信息）。
第二階段：科技金融公司利用數據集指導自身業務決策，例如在向小型賣家（如亞馬遜）貸款或實現最佳支付（如支付寶）時，改善風險管理。
第三階段：也是最後的階段，鑑於其數據的優越性，可以預期某些技術金融公司將轉向金融服務，從而給現有銀行及其他受監管實體帶來非常激烈的競爭。
二、金融立法和監管方面的挑戰
鑑於科技金融企業的不斷髮展，社會及監管機構將會面臨諸多挑戰。人工智能和數據分析對個體和金融系統的影響尚未可知，給金融監管也會帶來潛在的風險。
系統錯誤預判
如果無法對因果關係進行測試，數據關聯將會存在誤判的風險。如果算法存在系統級錯誤，那麼科技金融公司的數據優勢將會演變為劣勢。此外，一旦科技金融公司達到一定規模，其破產很有可能會損害業務關聯公司。例如，如果一家科技金融公司通過網絡將客戶信息授權給金融服務提供商，則兩者的命運將會息息相關。
監管機構將竭力降低獲批科技金融公司的風險。金融律師稱，算法系統存在 “模型風險”。金融監管機構應當要求獲批單位定期審查其系統模型。同時，如果科技金融公司獲批，監管機構最好實行風險分散化，降低集中風險。也就是說，科技金融公司應當避免針對小部分狹窄社會群體提供服務的商業模式。雖然監管並非萬無一失，但也不可或缺：危機爆發時期，監管機構將成為對受監管實體的起源和活動信息唯一有了解的機構。
受保護因素
人工智能與大數據在糾正偏見的同時，也會受到潛在文化地理等因素的影響。舉個例子吧。“我們不知道顧客是什麼樣的，”亞馬遜公司負責全球通訊公關的副總裁克雷格·伯曼（Craig Berman）在接受彭博新聞社採訪時說道。伯曼是在迴應有人對亞馬遜的當日送達服務歧視有色人種的指控。從字面上看，伯曼的辯護是誠實的：亞馬遜在選擇當日送達的區域時是根據成本和收益因素，例如家庭收入和送達的可及性。但是，這些因素是通過郵政編碼彙總起來的，因此會受到其他塑造了——並將繼續塑造——文化地理學的因素的影響。查看當日送達的服務地圖，很難讓人不注意到其與膚色的對應關係。
如果無法糾正這些隱性歧視，可能會讓事情變得更糟。克勞福德的同事、康奈爾大學的索倫·巴洛卡斯觀察到，終端用戶會“不加批判地接受供應商的聲明”，即算法中已經消除了偏見。在那些普遍存在偏見的應用場合，比如司法系統中，情況尤其如此。對於這些地方，號稱更客觀的機器具有非常大的吸引力。剝離算法中的偏見還要求認可某個關於公平的主觀定義，同時不理會其他定義，但被選擇的定義往往是最容易量化的，而不是最公平的。
非金融數據端用戶
科技金融公司也會對個人層面產生影響。例如，我們假設購買狗鏈條的主人並不打算自己用，而是將其作為禮物贈送給另一個人。在這種代理的情況下，信用或保險評估就有可能不正確。算法當然可以更加複雜。例如，算法還可以考慮同一個顧客是否購買了狗糧和衛生用品，並且在帶有狗的社交媒體上上傳圖片，作為該購買者保證更高的信用或保險費用的結論的基礎。
但是，這個例子也很容易被顛覆。我們假設女傭負責為狗購買物品，並且喜歡展示自己遛狗的照片，那麼女傭的信息將與該種消費形成關聯。在整個系統中，以上統計異常值將被平衡——沒有多少人會僱傭女傭，並允許她們使用主人的個人賬戶進行與工作相關的購物。這是一個有點微不足道的例子，但很容易對人類生活造成嚴重干擾，導致拒貸等 情況的發生。
此外，我們還看到非用戶遭受金融體系的排斥。這也意味著在數據驅動的世界中，選擇不共享個人數據的人可能會成為第二階梯的數字化公民：因為最好的產品、價格和機會只會提供給樂意共享其數據和使用算法預判的人。
三、監管選擇
對科技金融引發的風險，我們不宜漠視，也不宜過早干預。如果我們什麼都不做，那麼競爭不平衡將會持續存在，合規水平將逐漸受到削弱。從長遠來看，下一次全球金融危機很可能來自科技金融公司而不是授權的金融機構。
另一方面，數據分析的全部強制許可卻可能會扼殺創新。科技金融公司有能力填補金融服務提供方面的空白，例如螞蟻金融瞄準二線城市和中小企業融資，這些都是中國傳統金融服務業表現欠佳的領域，所以監管機構不宜過早干預。
推動強化法律法規建設
針對現代科技成果金融應用新特點，推動健全符合我國國情的金融法治體系，研究調整完善不適應金融科技發展要求的現行法律法規及政策規定，推動出臺金融業新技術應用的相關法律法規，在條件成熟時將原有立法層次較低的部門規章等及時上升為法律法規。
釐清法律邊界，明確金融監管部門的職能和金融機構的權利、義務，破除信息共享等方面的政策壁壘，營造公平規範市場環境，為金融與科技融合發展提供法治保障。
共享金融數據
銀行業者大多看好，可望隨著全世界腳步掀起“開放銀行”浪潮。過去客戶的賬戶數據、金融數據，是銀行各自擁有的資產，客戶應用其賬戶和其他金融機構交易成本高，且存在著若要轉換銀行服務需要重新開戶等缺點，但所謂“開放銀行”，是指銀行通過與第三方平臺合作，以開放共享金融數據數據，也將金融數據的主導權還給消費者，使消費者可以獲得更多元的金融服務。
不過，共享金融數據，不免讓人擔心個人資料保護問題，目前歐洲的做法會將客戶資料通通加密，且只有在主管機關監管下的公司才可以使用資料，過程中全部有記錄追蹤，這也將是金融業者發展“開放銀行”最需注意的課題。
“以火滅火”法：研發分佈式數據庫
2019年8月，中國人民銀行印發《金融科技（FinTech）發展規劃（2019-2021年）》文件，要求強化金融科技的合理應用。做好分佈式數據庫金融應用的長期規劃，加大研發與應用投入力度，妥善解決分佈式數據庫產品在數據一致性、實際場景驗證、遷移保障規範、新型運維體系等方面的問題。
探索產用聯合新模式，發揮科技公司的技術與創新能力，共同研發新產品、發展新產業、凝聚新動能。有計劃、分步驟地穩妥推動分佈式數據庫產品先行先試，形成可借鑑、能推廣的典型案例和解決方案，為分佈式數據庫在金融領域的全面應用探明路徑。
強化國際科技金融研討交流
堅持金融業改革開放，進一步深化與其他國家、地區、國際組織的緊密聯繫與溝通，在人才、技術、標準、知識產權等方面加強多形式、多層次、多領域的平等磋商與務實合作，完善金融科技全球治理體系，推動建立有利於金融科技發展的國際新規則，實現互惠共贏、共同發展。
結合共建“一帶一路”倡議，積極對外輸出我國金融科技發展催生的技術、標準、產品和服務等，探索雙邊、多邊的示範性項目合作，不斷提升我國金融業利用信息技術的能力和水平。
原文出處及參考文獻
參考文獻：
1. DIRK A. ZETZSCHE, ROSS P. BUCKLEY, DOUGLAS W.ARNER and JANOS N. BARBERIS, FROM FINTECH TO TECHFIN: THE REGULATORY CHALLENGES OF DATA-DRIVEN FINANCE, 2017.04.
2. 央行印發《金融科技（FinTech）發展規劃》：加強分佈式數據庫研發應用，《區塊鏈資訊》，2019.08.
3. 金融、科技界已打破“開放銀行”來了！，《參考消息》，2019.02.
4. 人工智能與大數據會糾正我們的偏見，還是會更糟糕？，《新浪科技》，2018.07.