描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787509656747
内容简介
金融科技（FinTech）由“FinancialTechnology”合成而来，是“应用于金融的技术”，对其的解读、理解可以有金融、科技、创新、创业、商业模式等不同的角度。随着FinTech创业和投融资的井喷，各种研究报告和相关书籍层出不穷。但我在广泛阅读后发现，相关资料多是由技术从业者编写，或者是投研机构针对发展得较成熟的运用场景出具的研究报告；仍然缺少从学术视角对FinTech创新背后理论逻辑的解释，也缺少对FinTech创新与传统金融关系的梳理。同时，这个新时代的商业竞争，必然融合技术的发展。不懂技术，将无法理解其应用，更遑论发现商业机会、进行商业模式的创新。同时，掌握技术只是把握商机的必要但不充分条件。FinTech技术能否转化为落地的商业创新，需要融合金融学、创业学、企业战略学等多方面知识的催化。
因此，《FinTech ：金融科技的创新、创业与案例》从观察者与研究者的角度，融合金融、创新与企业战略理论，试图透过纷繁的现象，梳理FinTech的概念，探究其背后的理论原因。
因此，《FinTech ：金融科技的创新、创业与案例》从观察者与研究者的角度，融合金融、创新与企业战略理论，试图透过纷繁的现象，梳理FinTech的概念，探究其背后的理论原因。
目 录
第1部分 金融科技概述
第1章 金融科技的概念与理论基础
1．1 FinTech的界定
1．2 FinTech创新的理论基础
1．3 FinTech对金融行业的变革过程
第2章 金融科技的技术基础
2．1 人工智能
2．2 区块链
2．3 云计算
2．4 大数据
2．5 物联网
第3章 全球金融科技发展
3．1 FinTech发展概况：北美
3．2 FinTech发展概况：欧洲
3．3 FinTech发展概况：亚太地区
3．4 FinTech发展概况：中国
第1章 金融科技的概念与理论基础
1．1 FinTech的界定
1．2 FinTech创新的理论基础
1．3 FinTech对金融行业的变革过程
第2章 金融科技的技术基础
2．1 人工智能
2．2 区块链
2．3 云计算
2．4 大数据
2．5 物联网
第3章 全球金融科技发展
3．1 FinTech发展概况：北美
3．2 FinTech发展概况：欧洲
3．3 FinTech发展概况：亚太地区
3．4 FinTech发展概况：中国
第2部分 赋能与颠覆：金融行业的FinTech解决方案
第4章 FinTech赋能：征信业务
4．1 中国金融信用体系现状
4．2 现有征信体系的痛点
4．3 征信的FinTech解决方案：大数据征信
第5章 FinTech赋能：支付与结算业务
5．1 中国支付结算市场现状
5．2 传统支付结算市场的痛点
5．3 支付结算的FinTech解决方案
第6章 FinTech赋能：保险业务
6．1 中国保险行业现状
6．2 传统保险市场的痛点
6．3 保险的FinTech解决方案
第7章 FinTech赋能：融资活动
7．1 中国融资市场现状
7．2 现有融资市场的痛点
7．3 融资的FinTech解决方案
第8章 FinTech赋能：投资活动
8．1 中国投资市场现状
8．2 传统投资理财市场的痛点
8．3 投资的FinTech解决方案
第9章 FinTech赋能：风险管理
9．1 金融风险管理概述
9．2 互联网金融时代风险管理的痛点
……
第3部分 机遇：FinTech创新创业
第4部分 发展：FinTech的未来
在线试读
《FinTech ：金融科技的创新、创业与案例》：
语音识别的应用
语音识别目前主要可以应用于以下领域：，办公室或商务系统，典型的应用包括：填写数据表格、数据库管理和控制、键盘功能增强等；第二，工业制造，例如在质量控制中，语音识别系统可以为制造过程提供一种“不用手”“不用眼”的检控；第三，电信业务，该技术在拨号电话系统方面有着相当广泛的应用，包括话务员协助服务的自动化、国际国内远程电子商务、语音呼叫分配、语音拨号、分类订货；第四，医疗服务，这方面的主要应用是由声音生成和编辑专业的医疗报告；第五，其他方面，包括由语音控制和操作的游戏和玩具、帮助残疾人的语音识别系统、车辆行驶中一些非关键功能的语音控制，如车载交通路况控制系统、音响系统。
自然语言处理的应用
自然语言处理的应用非常广泛，包括舆情监测、商情分析、智慧医疗、智慧交通、敏感信息过滤、海量数据整理和分类以及人工智能对话系统等，可以在人们生活的方方面面提供帮助。例如，在医疗方面，自然语言处理可以帮助建立电子病历智能检索系统，可以对患者海量的电子病历信息进行智能检索分析，为医生更高效、准确诊断提供支持。患者可通过智能检索系统了解类似患者的治疗方案和经验，实现数据快速共享，改善患者就医体验。
再如，在交通领域，Lingbench语义技术嵌入汽车导航仪，或者植入智能手机，配合GPS模块，能够实现丰富的应用。可以在开车时向Lingbench人机对话系统发出各种指令，如：给李总打电话、给张总发短信、放一首《荷塘月色》、导航至北京工人体育馆等。也可以结合GPS定位，实现周边位置点的查询，如经十路体育中心附近的鲁菜馆、近的停车场、附近的宾馆、附近的医院、附近的银行或者加油站等。
计算机视觉
计算机视觉为人所知的应用要数人脸识别了，目前人脸识别技术已经被应用到支付验证、电子终端设备管理、监控录像等领域，已经成为一个较成熟的技术。无人驾驶汽车技术也应用了计算机视觉技术，运用各种摄像头、激光设备、雷达传感器等，并根据摄像头捕获到图片及雷达和激光设备相互配合来感知车辆当前的速度，前方的交通标识、车道识别、判断周围行人与车辆的距离等信息，以此做出加速、减速、停车、左转、右转等判断，从而控制汽车实现真正的“自驾游”。我们日常使用的电子地图中的街景模式也是计算机视觉技术的一种应用，例如Google Street View（Google街景）和微软的Street Slide，利用了普通相机拍摄的二维图片进行拼接，从而生成了全景图，使得用户可以在街道当中“漫游”。
机器学习与深度学习
如上文所述，机器学习和深度学习是认知层面的高级人工智能技术，可以通过模拟人的行为和思维方式进行问题的解决。我们在日常生活中所提到的“人工智能”通常指的是机器学习和深度学习的技术。
在日常生活中，我们看到多的机器学习应用，莫过于无人驾驶技术。当自动驾驶汽车在公路上行驶时，必须能够实时响应周围的情况，这一点至关重要。这意味着通过传感器获取的所有信息必须在汽车里完成处理，而不是提交服务器或云端进行分析，否则即使是非常短的时间，也可能造成不可挽回的损失。因此，机器学习将是汽车数字基础设施的核心，使它能够从观察到的环境条件中进行学习。对于这些数据，一个特别有趣的应用是映射——汽车需要能够自动响应现实世界的周围环境，以更新地图。因此，每辆车都必须生成自己的导航网络。
与自动驾驶汽车一样，随着物联网的发展，制造业企业可以从安置在生产线各环节的传感器收集大量的生产数据。然而，这些数据并没有被充分利用。从复杂系统收集到众多参数的数据后，数据分析变成了一项艰巨的任务。但是，通过机器学习，数据分析变得不再困难。美国水处理公司Ecolab（艺康集团）就是一个很好的例子：为协助各企业实现净水循环使用的目标，该公司正通过包括Azure和Dynamics CRM Online在内的微软云平台帮助全球企业实现可持续运营。与全球各地数以千计传感器相连的云平台能收集实时用水数据，通过机器学习和商业智能分析全球各地的生产用水运营解决方案，不仅提高效率，还能降低水、能源消耗及运营成本。
金融行业也是应用机器学习技术的重要领域之一。金融机构作为交易的中介，拥有从交易数据到客户数据及两者之间的所有数据，迄今为止，金融机构已经使用各种统计分析工具进行大量的分析，但对海量数据的实时分析与排序仍然是一项挑战。金融业内已经有很多部署机器学习的讨论和试点行动。可以预计，金融机构将越来越多地依靠机器学习来挖掘新的商机，为客户提供个性化服务，乃至预防银行诈骗。
……
语音识别的应用
语音识别目前主要可以应用于以下领域：，办公室或商务系统，典型的应用包括：填写数据表格、数据库管理和控制、键盘功能增强等；第二，工业制造，例如在质量控制中，语音识别系统可以为制造过程提供一种“不用手”“不用眼”的检控；第三，电信业务，该技术在拨号电话系统方面有着相当广泛的应用，包括话务员协助服务的自动化、国际国内远程电子商务、语音呼叫分配、语音拨号、分类订货；第四，医疗服务，这方面的主要应用是由声音生成和编辑专业的医疗报告；第五，其他方面，包括由语音控制和操作的游戏和玩具、帮助残疾人的语音识别系统、车辆行驶中一些非关键功能的语音控制，如车载交通路况控制系统、音响系统。
自然语言处理的应用
自然语言处理的应用非常广泛，包括舆情监测、商情分析、智慧医疗、智慧交通、敏感信息过滤、海量数据整理和分类以及人工智能对话系统等，可以在人们生活的方方面面提供帮助。例如，在医疗方面，自然语言处理可以帮助建立电子病历智能检索系统，可以对患者海量的电子病历信息进行智能检索分析，为医生更高效、准确诊断提供支持。患者可通过智能检索系统了解类似患者的治疗方案和经验，实现数据快速共享，改善患者就医体验。
再如，在交通领域，Lingbench语义技术嵌入汽车导航仪，或者植入智能手机，配合GPS模块，能够实现丰富的应用。可以在开车时向Lingbench人机对话系统发出各种指令，如：给李总打电话、给张总发短信、放一首《荷塘月色》、导航至北京工人体育馆等。也可以结合GPS定位，实现周边位置点的查询，如经十路体育中心附近的鲁菜馆、近的停车场、附近的宾馆、附近的医院、附近的银行或者加油站等。
计算机视觉
计算机视觉为人所知的应用要数人脸识别了，目前人脸识别技术已经被应用到支付验证、电子终端设备管理、监控录像等领域，已经成为一个较成熟的技术。无人驾驶汽车技术也应用了计算机视觉技术，运用各种摄像头、激光设备、雷达传感器等，并根据摄像头捕获到图片及雷达和激光设备相互配合来感知车辆当前的速度，前方的交通标识、车道识别、判断周围行人与车辆的距离等信息，以此做出加速、减速、停车、左转、右转等判断，从而控制汽车实现真正的“自驾游”。我们日常使用的电子地图中的街景模式也是计算机视觉技术的一种应用，例如Google Street View（Google街景）和微软的Street Slide，利用了普通相机拍摄的二维图片进行拼接，从而生成了全景图，使得用户可以在街道当中“漫游”。
机器学习与深度学习
如上文所述，机器学习和深度学习是认知层面的高级人工智能技术，可以通过模拟人的行为和思维方式进行问题的解决。我们在日常生活中所提到的“人工智能”通常指的是机器学习和深度学习的技术。
在日常生活中，我们看到多的机器学习应用，莫过于无人驾驶技术。当自动驾驶汽车在公路上行驶时，必须能够实时响应周围的情况，这一点至关重要。这意味着通过传感器获取的所有信息必须在汽车里完成处理，而不是提交服务器或云端进行分析，否则即使是非常短的时间，也可能造成不可挽回的损失。因此，机器学习将是汽车数字基础设施的核心，使它能够从观察到的环境条件中进行学习。对于这些数据，一个特别有趣的应用是映射——汽车需要能够自动响应现实世界的周围环境，以更新地图。因此，每辆车都必须生成自己的导航网络。
与自动驾驶汽车一样，随着物联网的发展，制造业企业可以从安置在生产线各环节的传感器收集大量的生产数据。然而，这些数据并没有被充分利用。从复杂系统收集到众多参数的数据后，数据分析变成了一项艰巨的任务。但是，通过机器学习，数据分析变得不再困难。美国水处理公司Ecolab（艺康集团）就是一个很好的例子：为协助各企业实现净水循环使用的目标，该公司正通过包括Azure和Dynamics CRM Online在内的微软云平台帮助全球企业实现可持续运营。与全球各地数以千计传感器相连的云平台能收集实时用水数据，通过机器学习和商业智能分析全球各地的生产用水运营解决方案，不仅提高效率，还能降低水、能源消耗及运营成本。
金融行业也是应用机器学习技术的重要领域之一。金融机构作为交易的中介，拥有从交易数据到客户数据及两者之间的所有数据，迄今为止，金融机构已经使用各种统计分析工具进行大量的分析，但对海量数据的实时分析与排序仍然是一项挑战。金融业内已经有很多部署机器学习的讨论和试点行动。可以预计，金融机构将越来越多地依靠机器学习来挖掘新的商机，为客户提供个性化服务，乃至预防银行诈骗。
……
评论
还没有评论。