Money2020重磅直击,一文看懂机器学习与大数据风控 | 新金融科技周刊
今年的Money2020基本没有看到技术创新。大量的所谓技术创新仍然集中在区块链领域,但是这些区块链创新概念早在2014年就已经有很多企业投身其中了。
在过去的几个月,由于监管的原因,中国互联网金融终于开始迈入Fintech时代了。从这点来说,美国的互联网金融确实比中国要进步,因为美国一开始就有条条框框的明确监管,根本无机可乘、也无雷区可越的美国互联网金融创新者,一开始的主攻方向就只能是FinTech,这比国内创业者少兜了很多圈子。
而话说回来Money2020,虽然实在有些无聊,但一些美国互联网金融的有趣现象也值得分享:
No.1| 中美的热点一模一样,主要集中在供应链金融、市场借贷(Marketplace lending)、次级抵押贷款(Subprime lending)、线下支付深化和互联网保险等领域,这与国内的情况大同小异。
No.2 | 美国传统金融机构面对FinTech挑战表现出了恐惧,并开始利用现有优势进行绝地反击!
No.4 | 可叹!传统金融行业的从业人员仍然不懂技术
No.5 | 创业公司和大型机构在寻求合作,不再寻求颠覆
No.6 | 美国消费者金融保护局(CFPB)监管严格
No.7 | 支付反欺诈中美反差大。Money2020大会上集中了大量支付反欺诈公司,相比起来,中国在这个领域的创业公司非常少。其中一个主要原因就是中国信用卡支付在支付市场占有率低,支付宝和微信支付已占领了多头。另外,中国没有AML反洗钱监管,因此支付公司不用做这方面的工作。
● ● ●
一文看懂机器学习与大数据风控 | 硬创公开课一个普遍的看法是,机器学习等人工智能技术会最先在金融领域落地。金融行业是最早实现信息化的行业,有丰富的数据积累,且对于用技术提升效率有更多的需求。
现在也有越来越多的公司开始使用机器学习技术实现自动风险管理与放贷。但机器学习在风控中的作用究竟如何,有哪些关键技术,其优势与缺点又有哪些呢?本期硬创公开课,雷锋网(公众号:雷锋网)邀请百融金服风险总监郑宏洲,来讲讲机器学习与大数据风控的那些事。
● ● ●
备战双11,蚂蚁金服准备了这些“重型武器”11月3号,距蚂蚁金服的每年的“台庆大戏”双十一还有一周,蚂蚁金服在杭州总部召开了一个主题为“新金融新经济”的沟通会,几个和金融相关的高管——网商银行行长兼蚂蚁金服副总裁俞胜法、蚂蚁金服集团财富事业群总裁黄浩和蚂蚁金服集团保险事业群总裁尹铭——罕见地出现在同一个场合并对各自负责的业务作了讲解。
这是蚂蚁金服第一次在双十一之前对外作这样的沟通。据悉,往年双十一蚂蚁金服主要的工作是保障支付宝不要宕机、保持支付的顺畅,今年则在消费金融场景下增加了很多新动作,有点“火力全开”的意味。
● ● ●
众安成立了同时做区块链和AI的子公司,CTO说出了这几个真相日前,互联网保险公司众安保险斥资5000万元成立以技术输出为主的子公司众安信息技术服务有限公司(以下简称“众安科技”),未来众安科技将输出一个区块链云平台,首先针对金融、健康医疗两个领域提供人工智能、区块链、云计算和大数据四大模块提供支持,并进行相关研发。
简单地说,企业团队可以基于众安这个区块链云平台Anlink构建相关领域的应用,免去搭建底层技术的精力和成本。目前, 众安科技重点关注的领域在于保险、消费金融、第三方理财、资产管理、健康医疗等。
对于区块链和人工智能这两个门槛高、发展初期、落地应用困难的技术,众安科技CTO李雪峰表示,就智能投顾来说,国内真正做智能投顾很少,就一两家。很多并不是智能投顾,只是在做,但真正的没有通过真正的深度学习、机器学习加模式匹配,因为它是一个非常深的学科,要处理很多的数据。“这个来讲,我完全有理由,专业角度来讲,我并不相信有多少的公司在这方面有这么长久的投入。”
另外,区块链来讲,新技术本身确实是有一些制约,众安目前也是处于AB测试的状态。“新技术的应用,除了要谨慎,但是也要乐观,方向一定是对的,最终选择权还是在我们手上,谨慎和乐观都需要。”
以太坊初创企业slock.it的联合创始人及The DAO大部分代码的编写者Christoph Jentzsch表示,实际上众安如果想发展区块链不见得一定自己来研发,可以尽最大的可能性使用社区的力量,在社区上面实际上比较成熟的技术可以直接拿过来用。
有很多人在建公链、私链,其实可以融合在一起的,技术是不分国界的。希望众安可以更开放一点,把已经成熟的技术大家一起过来开放,更开放一点,这样才能发展得更好。
相信这不仅是对众安,对其他区块链探索者一样是有用的建议。
。
原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/64776.html
AIaliyuniPhonePhone云计算人工智能美国金融科技相关文章
- 机器学习十大经典算法之逻辑回归
- 机器学习天降福音!数据科学家、Kaggle大师发布「ML避坑宝典」
- 简单易学的机器学习算法——Mean Shift聚类算法
- 机器学习:大数据集下的机器学习
- Python机器学习教程—数据预处理(sklearn库)
- 机器学习入门 3-11 Matplotlib数据可视化基础
- 机器学习案例——鸢尾花数据集分析
- 【机器学习】数据归一化——MinMaxScaler理解
- XGBoost+LightGBM+LSTM:一次机器学习比赛中的高分模型方案
- 数据挖掘机器学习[二]---汽车交易价格预测详细版本{EDA-数据探索性分析}
- 机器学习: Label vs. One Hot Encoder
- 马斯克血洗推特!传机器学习裁员90%,团队直接解散
- 机器学习中的特征选择(变量筛选)方法简介
- Python中用PyTorch机器学习神经网络分类预测银行客户流失模型|附代码数据
- 机器学习算法(九): 基于线性判别模型的LDA手写数字分类识别
- 【2023新书】可信机器学习实战: 一致、透明和公平的AI管道
- 香港理工大学招收大数据/机器学习博士生/博士后
- 独家 | 聊天机器人开发中的机器学习(附链接)
- 机器学习究竟有没有用 | FreeBuf甲方群话题讨论
- 四年积累,论文、网课、博客全打包,500+话题任意学,这儿有一本机器学习免费书
- 联邦学习:保护隐私安全以及克服数据孤岛的机器学习
- 机器学习数据自动化分析神器-dataprep
- 淘金『因子日历』:因子筛选与机器学习
- 20本机器学习与数据科学必读书籍详解大数据
- 机器学习之特征归一化(normalization)详解大数据
- 机器学习 贝叶斯分类详解大数据
- 谷歌浏览器将通过机器学习自动为网页图片添加描述方便视觉障碍人士
- 机器学习:统计与计算之恋
- 引入机器学习,Google表格可以帮你自动把数据做成图表