香港國際新經濟研究院數字經濟研究中心主任 

鄭磊博士

作為工作了十多年的金融從業人，筆者大膽地預測一下，未來十年的銀行業將和現在我們看到的情況完全不同。傳統銀行業務經過電算化、資訊化轉型升級，正在全面進入數據智能化階段。這將對金融從業者產生巨大的技能挑戰，並因此出現明顯的人才斷層現象。也就是說，傳統金融行業必然要引進新生血液而淘汰無法跟上技術進步的人員。

　　我們先看一組數據：中國作為消費型數字經濟大國，零售電商交易額佔世界總額的42%，移動支付業務額高達美國的11倍。麥肯錫全球研究院（MGI）“中國行業數位化指數”表明，金融與保險、資訊和通信技術、傳媒是數位化進步最快的前三位“排頭兵”。作為數字經濟的前鋒和主力，未來會加速發展，引領行業價值鏈重構和效率提升。

　　目前看來，雲計算已經成為金融業的基礎設施，另一個革命性的基礎設施構架技術──區塊鏈在加速發展成熟。大數據和人工智慧已經在金融行業應用中嶄露頭角，勢不可擋。移動互聯網已經成為新的金融服務終端，並將進一步延伸到工業互聯網領域。我們將會看到FINTECH家族的技術將不斷豐富，通過技術迭代不斷升級，這是一個以十年為週期的快速變化領域。所有金融人都不得不積極投身其中，主動學習和參與實踐，才有可能通得過迎面而來的挑戰。

　　最近機械工業出版社華章科技給筆者寄了幾本金融行業有關的樣書，我從中挑了幾本供金融業同行參考。對於銀行業的同仁，推薦《銀行數位化轉型》。中國銀行業的電算化起步較早，但是網路數位化的時間還不足二十年，發展速度很快，已經開始全面進入移動數位化階段。該書作者從事銀行工作二十多年，可貴的是既從事過業務部門又參與過IT系統改造升級，因此這本書寫得簡明扼要，比較貼近實際。

　　銀行數位化轉型將走向哪個方向？關注區塊鏈的專家強調“去中心化金融”，筆者個人認為這還是一個非常遙遠的概念。數位化轉型對於任何一個行業都是艱巨的系統工程，而銀行由於位處國家金融重器的基礎與核心地位，除了行業特徵之外，更有監管方面的考量，數位化轉型啟動早，但任重道遠。銀行業務會更輕捷更便利，但是基礎架構和業務邏輯很難一下子發生巨大改變。

　　《金融科技：人工智慧與機器學習卷》是一本值得翻閱的介紹人工智能大數據行業應用的科普書，雖然書名不夠吸引人，但是資訊和數據較新，有較大參考價值。通過這本書，基本可以瞭解最近三、四年金融行業對人工智慧和大數據的應用場景。金融科技的其他技術在金融行業的應用的整體情況，可以參考《金融科技：技術驅動金融服務業變革》。這本書具有國際視野，也介紹了區塊鏈技術在金融行業，比如貿易金融、跨境支付、資產證券化、銀團貸款等方面的應用場景。

　　智能金融是最近幾年加速發展的領域，量化投資、智能投顧、風險管理是主要受益者。這些都與大數據分析的關聯性很強。在金融數據分析方面，可以參考《PYTHON金融數據分析》。在金融科技與對沖技術氾濫的時代，面對今年一個月內經歷了五次熔斷的華爾街，如何應對無法預期的系統性風險，《REAL-TIME即時風險》介紹了美國量化投資的實踐情況，並對金融科技的使用進行了分析和展望，觀點值得借鑒。

　　另一個重要方面是智能風險管理，《智能風控：原理、演算法與工程實踐》和《智能風控：Python金融風險管理與評分卡建模》是同一作者寫的姊妹篇，基於Python全面介紹了機器學習在信貸風控領域的應用與實踐，提供了二十一種實用演算法和二十六個解決方案，以及基於Python的信用風險管理和評分卡建模應用實例。

　　數字經濟時代的特點是數字技術驅動的全方位社會經濟變革，金融行業走在變革的前列，金融人更應努力學習，提高自我，及時抓住時代賦予的機遇。