当前全球金融领域正在迎来颠覆性的变革，以大数据、云计算、电子商务、移动互联等为代表的新一轮信息技术创新浪潮，快速推动着金融科技(Fintech)的兴起，成为科技重塑金融、金融改变生活的重要助力。
过去十年中，VC对Fintech青睐有加，我们来看FinTech各领域公司融资轮次按年分布的曲线图。
整体来看，VC对Fintech的整体投资一直保持着上扬趋势，尤其是在2013年以后，FinTech领域的投资呈现井喷之态。从2015年开始，FinTech方面的投资重点集中在B轮以及B轮后，可以看出投资热情已从初创期慢慢转向了成熟期。
回顾2016年过去的十个多月，全球FinTech行业的整体投资趋势仍旧保持高速增长态势，超过2015年已成定局。然而，不同垂直领域的发展速度和热度却有着较大的差异性。
进入2016年，Fintech投资主要表现为一冷一热两大不同趋势。
一方面，消费信贷遭受冷遇。由于金融创业公司的估值泡沫，信贷市场频繁动荡和网贷行业的监管问题治理全面暴露，VC 对信贷领域的投资收缩。
首先来看看今年消费信贷遇冷的三大事件。
－2016年5月LendingClub创始人拉普兰齐因不当销售贷款行为被迫辞职。
－同样是5月，美国第一家网贷公司Prosper宣布裁员170人（占公司员工28%），导致该公司第二季度损失达3500万美元。
－受LendingClub丑闻、英国退欧等事件影响，英国老牌网络信贷公司P2P Global Investments股价不断下滑，目前已缩水至最高时期的80%。
这一系列的网贷“事故”，致使消费信贷变成了VC眼中的“弃儿”。
而在另一方面，以AI概念为方向的创业则持续升温。传统金融机构对区块链、深度学习、生物识别、量化分析投资力度大增。世界级投行如摩根斯丹利、高盛、德意志银行等都设立了专门的研究机构，对机器学习、量化交易、生物识别反欺诈等领域进行深度研究，并对相关创业公司进行了多笔投资。
在区块链方面，2016年以来，区块链技术的颠覆性潜力获得越来越多的关注和认可，使其成为全球创新领域最受关注的话题，并受到银行巨头的热烈追捧。根据埃森哲《区块链技术：银行如何构建实时全球支付网络》的报告显示，北美和欧洲地区90%的大型银行都在探索区块链支付技术。
在中国，继6月份中国保险巨头平安保险宣布加入R3区块链联盟后，9月和11月，R3分别迎来了两家加入R3项目的中国金融公司——中国招商银行及中国外汇交易中心，这也代表了区块链技术在中国银行业取得了进一步地发展。招商银行信息技术部门总经理周天虹表示：“我们希望能通过和R3合作，用区块链技术大范围改善金融服务和流程。”
此外，随着Google、微软、百度等知名公司争相投入力图占领深度学习的技术制高点，在金融领域深度学习也正成为投资和研讨的热点。
纵观深度学习的发展史，无论是BP反向传播、DBN深度信念网络还是CNN卷积神经网络的出现，都是算法层面一次又一次的突破。
简单来说，深度学习的发展离不开以下两点：
一是海量数据集。深度学习模型在海量数据集上运行方能取得最佳效果，同时，深度学习也是最合适在海量数据集上运行的机器学习方法之一。
二是高性能计算。由于大规模分布式计算技术如计算集群、GPU的运用，使机器的计算能力大大提升，深度学习方能在实践之中逐渐拥有了用武之地。
作为商业社会中数据价值密度最高、同时拥有着最强大的计算处理能力的行业之一的金融行业，无疑是深度学习这门新兴武器尝试发挥商业价值的最佳练武场。
以下目前我们看到深度学习技术在金融行业最具落地可能性的四个领域。
1. 交易图表识别与分析
早在1998年，LeCun提出的 LeNet 模型用以辨认支票上的手写字迹，被世界各地银行广泛运用于各类票据、合同等文字档案进行辨认管理。
2015年，Alpaca推出了智能买卖平台，基于图像识别的深层学习技术，平台允许用户很容易地从存档里找到外汇交易图表并帮忙做好分析，这样一来，普通人就能知道明星交易员是如何做交易的，从他们的经验中学习并作出更准确的交易。
2. 智能客服
智能客服在金融领域可用以提升客户服务体验，提高管理运营自动化程度。一方面运用语音辨认、自然言语理解、问题相似辨析等方面的成果，用人机交流代替人工客服。另一方面，结合用户行为分析技术，对用户买卖行为进行分析，优化操作流程。
例如，2015年的双十一，蚂蚁金服95%的在线客户服务由智能机器人完成，并完成了接近100%的自动语音辨认。此外，京东经过运用深度学习技术，推出了JIMI智能机器人，成功运用于售前咨询、售后服务和生活伴侣三个场景，在未来一年中有望承担超过80%的京东客服工作。
3. 金融舆情
金融舆情指的是结合自然言语处理和深度学习技术，实施监测新闻、社交媒体中的金融要素。
美国康奈尔大学的Sarlin等人利用新闻数据来进行银行危机预告。他们使用两个神经网络分别进行语义分析和正负面判别。Fehrer等人则利用新闻头条预测德国股市走向，使用的是一个递归自动编码器，达到56%的准确率。
中国哈工大刘挺等人利用新闻摘要预测标普500指数的波动。他们使用一个卷积神经网络学习新闻事件的长短期影响，预测准确率达到了65%。
4. 金融时序分析
传统的时间序列分析是金融量化分析的主流方法。当前有越来越多的研究者尝试将深度学习技术应用到该领域中。
美国伊利诺伊斯理工大学的Dixon利用深度神经网络，预测43种大宗商品和外汇期货在未来5分钟的价格变动。
斯坦福大学的Ruoxuan Xiong等人通过集成谷歌趋势和市场数据的LSTM模型来预测标普500指数的波动性。
伦敦帝国学院的Sirignano利用2014-2015年纳斯达克股票的交易数据，建立“空间神经网络”模型，预测买卖双方的报价情况。
深度学习在金融领域的应用，意味着管理模式和消费方式地智能化升级。可以预见的是：深度学习将成为金融领域创新和变革的一个新引擎。
结束语
随着2016年的接近尾声，Fintech已经不再是热门概念和新生事物，而越来越成为金融业的常态，乃至于变身金融领域创新和变革的中坚力量。它所带来的，除了更高效的金融服务和生产效率之外，还会创造全新的生活方式。
也许不用多久，人们会逐渐遗忘'Fintech'这个词，因为我们每个人都已身在其中。
---------------------------------------------
人工智能、大数据的前沿资讯
深度的商业内容解析
更 多 精 彩
请 先 关 注
⏬
海致网络技术（北京）有限公司是国内领先的大数据技术与服务公司。自成立以来为招商银行、青岛银行、康佳集团、中国联通、华联集团等二千多家企业提供了知识图谱、智能营销、用户画像及智能运维等大数据技术及解决方案，并获得了 “2016年中国人工智能领军企业” 称号。