2019南开金融科技高峰论坛在津召开

8月24日，首届南开金融科技高峰论坛在天津召开。论坛以“新时代、新金融”为主题，围绕金融科技推动金融业转型发展、赋能金融供给侧改革、助力防范金融风险攻坚战、提升金融服务实体经济水平等议题展开，邀请南开校友及业界专家学者共同探讨，深入交流，带来了一场金融与科技的深度对话与精彩分享。以下为范小云（南开大学金融学院常务副院长）主旨演讲——“金融科技研究与教育现状”。

现场速记整理如下：

范小云：大家好！今天因为参加咱们论坛的除了业界的专家，还有我们的校友以外，还有金融学院一百位同学从津南校区过来，我分享的主题是金融科技的研究与教育现状。

通过对研究的梳理，我觉得能够更加严谨的对一些原来得不出答案的，或者似是而非的一些问题给出一个答案，通过对教育现状的了解，我觉得我们业界的校友们能够比较准确的知道你们大概什么时候开始有可能招聘到专业的金融人才。

实际上我们说从金融发展的历史看的话，科技一直是影响金融的发展，科技的进步也一直在改变金融业的发展，但是当下的金融科技还是有它的特别之处，特别是我们说新科技测试和引入金融业的速度比以前大大的提高了，还有就是许多变革都是发生在金融业之外的，很多年轻的初创企业和大型成熟科技公司通过推出新产品和技术，不断的试图颠覆传统的金融企业。

这样的话，我们看到近年来学术界关于金融科技的研究文献量增长的也很快，现在一个统计就是金融科技相关研究是目前发展最快的研究领域，我们对英文论文库进行了大数据的简单的研究，从文献数量的分布看，应该说基于社交媒体和大数据的金融科技方面的研究的文献量是最多的，特别是基于社交媒体的差不多达到1800篇。

其次就是数字加密货币，然后还有网络借贷，众筹，移动支付这样的一些服务类的，还有人工智能，机器学习，深度学习等等。从年度分布看，我们看到近些年来这些领域的研究发展的非常的快，特别是我们说比较多的像基于社交媒体和大数据的从2006年开始加速的发展，2012年之后进入到一个加速度，进入到一个更快速的增长，而其他的领域从2016年之后也是进入到了一个加速发展的时期。2019年只有半年的数据但是已经能够看到这个趋势，2019年又是这个领域的科研成果爆发的一个年代。

从国家分布上来讲，美国、英国、中国是排在前三位的，当然这里面中国的数是被低估的，这个库是英文的文献库，我们看到的趋势是大量的研究对中国的研究的兴趣越来越大，因为很显然，中国在金融科技应用上是处于前沿的，像美国的话他的金融业最发达，那些老牌的金融机构大半也都在美国，所以他要通过创新去突破阻力和障碍是比较难的，但是中国和其他新兴市场国家因为金融业相对还是不太发达，所以更容易出现创新和颠覆，这就为我们的研究也提供了很好的机会。

从研究内容上看，这些文献有两个特点，一个是用金融科技产生的一些数据以及一些技术去研究、回答过往难以回答，或者不能回答，或者有争议的问题。再一个就是对金融科技发展自身带来的新问题进行研究。

时间关系，我举这么几个例子，比如说对于比特币的研究，我们关于比特币本身来讲一直面临的一个争议就是还是有不法分子利用它进行非法交易，所以各国政府对它都有一定的监管，这篇文献就是评估究竟利用比特币的这种非法的交易有多少，但是实际上因为时间的关系我没办法讲他的设计，每一篇的文献最精妙的地方都是他的设计，他对实验怎么设计，数据怎么处理，这是它最精妙的地方。

这篇文献就是利用了比特币供应链从2009年第一条链开始的所有的历史，非法的交易数据我们通常认为不好获得，他这篇文献特别精妙的地方就是这个非法交易的数据获得是通过两个途径，一个是他找了一些类似这样的暗网，就像咱们的淘宝的系统，但是卖方都是匿名的，随便看一下就是看上去都很正常的，什么食品呀，药品呀等等，有一些产品也都是用的简写，但是你需要具体看他卖的这些东西是什么，如果是非法的，那么他就获得了非法交易的数据，他还需要一个记数，把这个非法交易数据转变成地址和用户的数据，这个就属于非法用户。还有一个利用FBI已经查明的比特币非法用户，利用网络聚类的方法看哪些用户跟他产生关系，结果发现大约有25%的比特币的用户是非法交易活动有关系的，44%的比特币交易量和非法交易活动有关系，20%的交易金额与非法交易活动有关系，还有比如说大约51%的比特币持有量和非法交易活动有关系等等，大概是这么一个规模。

在整个样本期内，特别是2012年以来非法和合法活动都有强劲的增长，非法活动先于合法活动三到四年，这说明比特币最先的持有用户是非法的这些人。

如果从比例上看，用于非法活动的比例在最初是比较高的，2009年刚开始的时候比较高，在2012-2015年这个比例一直是下降的，原因主要是一个是合法交易的兴起，再一个是其他更隐蔽的数字货币使用量在上升，一方面在看这个比例在降低，但是实际上规模并没有下降，还是在不断增长的。当然还研究了很多非法交易用户的行为特征等等，很有趣的一篇文献。

还有另一类做的比较多的文献是信用风险管理。对于信用风险来讲是我们传统的评级更可靠呢？还是朋友圈更可靠呢？他的这个研究发现有朋友的借款人更有可能获得贷款，确实这些贷款的利率更低，质量更好，违约的比例更低，说明人们在达成网络借贷之前很有可能是要查对方的朋友列表的，而且根据朋友的角色和身份，友谊是有分层效应的，从低到高，所传达出来的信用质量的信息就越好。

还有是评级更可靠？还是看脸可靠？他给出了更加科学的研究，他研究了一家平台附带照片近6000笔的网络贷款，发现长相比较诚恳的这种获得贷款的机会更多，利率更低，而且事后证明违约概率也低，所以看脸好像就是比传统的信用评级更可靠，一个可能的解释就是说人的信用，比如说我记得我那时候要房贷的时候银行想办法帮着我造假，人的信用是可以伪造的，但是人的气质是不容易伪造的，而且相由心生。

比如说一个问题其实刚才几位专家也提到了，金融科技的发展或者说新的金融科技力量和传统金融是什么关系？是一种竞争关系？颠覆关系？还是一种互补关系？因为最开始这些金融科技企业都说我就是一个补充，传统的就觉得你对我造成了威胁，究竟是什么关系？因为确实这些年我们看这是美国的2010年和2016年的，颜色越深就是市场占有率份额越高，他还是比如说在信贷市场上他的份额还是上升的比较快的，究竟是什么关系呢？这个其实也是实验的设计比较巧了，时间关系我不讲了，就是说通过他的研究实际上发现这两者不是简单的竞争或者是互补的关系，是什么呢？一个就是说金融科技企业信贷的这些业务主要还是在于传统抵押贷款机构竞争当中获得的，主要是替代关系。通过他的实验，信用资质层面上应该说是一种竞争的替代关系，只有在小额贷款业务领域是承担了这种互补性的职能的。

还有一个问题也是饱受争议的，哪些金融科技创新是有价值的？这篇文献就是根据关键底层技术对创新进行识别和分类，然后做了一个研究，研究的结论认为对于整个金融行业来讲，物联网、机器人咨询和区块链是最有价值的金融创新，同时还发现了一种颠覆效应，就是当金融技术创新是来自非金融初创企业的时候，对整个行业的负面影响是更大的，按照他这个研究就是说对整个金融业的影响来讲是这样的，实际上这个研究也给出了现有的市场领导者一个警告，你必须有大量的投资进行创新，否则的话你就容易被初创企业颠覆。

当然还有一些研究，比如说关于大数据的，人工智能的，金融监管的这些领域的文献也非常的多，但是总的来说其实有两个东西是比较重要的，但是研究还不理想的，一个就是我们的专家也讲了不少，真正的理论还不成熟。再一个就是实际上金融科技它带来了很多新型的金融风险，而且这种新型的金融风险越来越突出，比如说区块链、P2P信贷背后的系统出现故障，比如说网络舆论迅速传统，存储金融数据的云出现安全漏洞，对这类风险的评估和研究还远远的不够。

我再分享一下关于金融科技教育方面的探索，实际上关于金融科技教育的探索我觉得有两个根本的动力，一个就是刚才专家们讲的，这个领域人才的挑战很重要，市场对这类金融人才的需求，比如说普华永道指出，金融科技人才缺口是150万，也有人发布说700万，不管多少总之是很缺。另外一个从金融学科自身的发展面临的挑战，因为金融业在发生变化，对于你的市场，你的研究的对象都在发生变化，金融业务自身和信息技术、数据技术、生物技术都有更深的融合，表现出来的就是如果你的金融教育还是传统模式的话，我们看到很多南开的校友的二代们就不让他们报金融专业了，我们自身也有这样的压力，金融教育模式大家在探索的过程中不断的脱离传统的文科，甚至脱离经济学和管理学，形成自身独特的发展模式，从这一点来讲，南开又是综合性的大学，我们有比较完整的学科体系，这也是我们的一大优势。

从金融科技教育的探索来讲，英国、美国、加拿大的这些知名大学里面普遍设计了，跟互联网金融或者金融科技有关的方向或者是一些课程，2017年上半年香港中文大学他做了一项开创性的事情，就是他开设了全球第一个四年制的金融科技本科专业，到现在招了三届学生了，到现在还没有毕业生，他只培养40个，所以这个领域的人才争夺真的是很残酷。

国内从2017年开始出现了，我们国内本科设置专业要教育部批，从2017年开始出现了互联网金融的专业，传统上排名比较好的学校普遍是没有的。2018年像清华五道口，像南开，对外经贸大学等等，都是开始在专业硕士层面进行了金融科技的学生的招生和培养，但是有五家学校现在2018年有了金融科技的本科专业，但是有点像业态也是这样的，这里面除了央财以外，我觉得这个领域的培养来讲，这里面课程的设置和内容等等差异很大，但是我个人觉得这个没有关系，大家在探索的过程当中对传统的金融教育不断的去改进我觉得就很好。

最后做一个小广告，我们南开的探索是这样，在教育这块除了开设金融科技的专业课以外，2018年开始我们虽然没有搞金融科技的本科专业，但是我们对课程体系进行了一个历史上最大幅度的一次变革，就是大幅增加了科学技术方面的课，像数学课包括我们的选修同学们都选了，在数学系修的课程是一样的。再一个是我们侧重加了一些更具有坚定的方法论基础的课程，我们觉得未来金融是怎么样的，在很大程度上是不可知的，所以你教大家的东西越具体，内容越具体越没用！教会大家具有跟大家思维的发展有关的训练是更周期的。再一个今天参会的还有我们南开技控学院的领导，我们也在和这些学院探索进行本科的金融科技的特色项目的培养。

研究的话现在因为金融学院从去年开始陆续成立了金融科技研究中心，系统性风险研究中心，政府债务风险管理研究中心，依托这些中心，我们对系统性金融风险，债务问题开展了基于人工智能和大数据的研究，也有很多的成果，比如说我们尝试把结构化数据和非结构化数据结合起来，比如说我们把古巴的帖子和金融市场数据结合起来，这中间都是有技术处理的，在看情绪的传染机制和路径。

再比如说我们把一些财经类和报纸里面的新闻的信息提取出来，看在银行新闻中的贡献，看银行在风险中的关系。

我们做了基于大数据和机器学习的分析，我们比如说做银行的话，我们做的全指标特征，每一家银行你是要背那么多指标来做研究的话，你还有那么多银行，其实来讲如果不是通过机器学习，传统的计量等等方法都不行，于是我们就基于这种方法能够做很多问题的研究，比如说这个能够看出来蓝色的是我们去杠杆，我们大家都感觉到银行去杠杆好像是因为风险太高，所以要去杠杆，但是又感觉说好像去杠杆的精准度不够，风险反而上升了，这就是似是而非的，红色的就是实际的用杠杆表示的风险程度，蓝色的是所谓账面的杠杆确实是下来了，但是大家看红线的话真的是不一定。

再比如说我们做了政府债务风险，这是做企业的极端风险和地方政府债务之间的一个动态关联性的研究，其实他的这种应用性也很好。

再比如说包商银行，我们做了一个研究，比如说从流动性风险的角度来讲，哪些是和包商一样的，从信用风险的角度来讲哪些和包商是一样的，从偿付能力讲哪些和包商是一样的，所以不能去出来两个、三个、五个、十个那么的像包商的事件，那样的银行还有很多，这样的话会造成恐慌，当然我们还有一些其他的，因为我们在搞大数据实验室，也努力在这方面进行一些跨学院的希望我们进行一个交叉研究，也希望得到咱们广大校友们的进一步的支持，专家们的指导，谢谢聆听！

主持人：谢谢范院长优雅而有学术范的演讲，向我们全面介绍了南开金融学院关于金融科技、科研和培养学生的情况，我们特别渴望南开能够培养更多的金融人才，特别是金融科技人才，我自己希望南开能够通过金融科技把人脸识别技术给我们提供一个新的模式，不仅是用于金融机构的风险识别，能让我们通过人脸识别找到像盛希泰这样的朋友，有钱的，能帮我们发财的，一看就能看到，我希望这一天能成为现实，我们今天上午的演讲都非常精彩，再次感谢各位演讲嘉宾，感谢你们的奉献，谢谢大家！