1.2　金融科技學術研究背景和趨勢

伴隨著金融科技的迅速發展，與金融科技相關的學術研究在近十年來得到了國內外學者的廣泛關注，并逐步成為熱門研究領域。一方面，金融科技的發展目前已經滲透到了金融體系的所有環節，成為金融發展和經濟增長的重要引擎，因此對金融科技進行全面深入的研究，對于提升金融科技服務、促進經濟增長十分必要。另一方面，金融科技近年來在快速發展過程中也暴露出了一些風險，對于其未來的發展形成了挑戰，因此，對金融科技的學術研究有利于系統性地理解金融科技的價值定位，提升我們認識金融科技場景具體風險的認知，為行業發展和監管政策提供參考價值。

基于數據可獲得性，在針對金融科技的學術研究中，直接研究傳統金融轉型與重塑、資管與借貸的賦能的文章相對較少。目前的研究主要關注全新融資模式（例如網絡借貸、眾籌等）、金融數據與信息服務（例如另類數據、社交媒體等）及金融科技基礎設施（例如區塊鏈技術等）。此外，人工智能與機器學習技術雖然不屬于本書對金融科技的發展格局總結的單個模塊，但是近年來關注人工智能發展、利用機器學習技術來研究金融問題的文獻也越來越多，因此，我們也關注了這類文獻。本書將金融科技的學術研究分為以下幾個方面：網絡借貸、眾籌、另類數據、社交媒體、數字加密貨幣與區塊鏈、人工智能與機器學習。

1.2.1　金融科技研究領域分類

金融科技行業的發展為經濟科學研究主要提供了三個方面的特征。第一個特征是“新數據”。在以往的研究中，學者最常用的數據是傳統的財務數據、政府或機構的抽樣調查數據等。受益于互聯網的發展，尤其是移動互聯網的普及，金融科技行業在不斷產生新數據。例如，另類數據具有體量大、流動速度大和種類繁多的特征。“新數據”可以為研究帶來多個優勢。首先，可以利用這些全量、實時的大數據來構建更為精準和高頻的宏觀指標，或者對宏觀指標進行預測。例如，可以利用消費大數據構建消費者物價指數、利用招聘大數據預測就業率或失業率指標、利用投資者搜索數據構建投資者情緒指標等。基于大數據的指標具有更為高頻、更為及時、顆粒度更細、延展性更寬及更具有前瞻性的特征。其次，“新數據”可以幫助學者探討企業和市場內部的“黑箱”，即利用搜尋和收集信息、通訊或交流信息、決策信息、微觀交易信息等來進行統計學分析企業和市場的內在邏輯（Einav和Levin, 2014）。此外，“新數據”還可以用于研究一些傳統的經濟學問題。例如，股票市場有效性問題、信息不對稱問題、利用個體層面數據檢驗經濟學基本假設、利用個體層面數據研究行為金融學問題等。

第二個特征是“新方法”。金融科技大數據的出現給傳統的經濟學實證研究方法帶來了巨大挑戰，體現在以下方面：非結構化，大量的“另類數據”具有非結構化特征，例如社交網絡數據、消費數據、物流數據、傳感器數據等；維度高，個體層面數據具有多個維度，數據量越大、數據來源越多，個體層面數據的數據維度也會越多；文本數據，例如社交媒體信息、商品評價信息、項目描述內容信息等。為了應對這些大數據帶來的問題，一些金融科技研究中的“新方法”也不斷發展成熟。機器學習算法在目前的研究中已經逐漸普遍，并衍生和優化出多種類型的算法，例如被應用于信貸評分領域的機器學習算法包括BP神經網絡（Back Propagation Neural Network，BPNN）、K均值聚類算法（K-means clustering）、支持向量機（Support Vector Machine，SVM）、隨機森林（Random Forest）、LightGBM（Light Gradient Boosting Machine）等。針對文本數據，文本分析技術已經慢慢普及，結合文本分析和機器學習算法可以用于非結構化、大文本數據分析。機器學習算法可以將高維度數據進行有效降維，從而獲得少數的關鍵指標，便于經濟學分析。然而，機器學習算法的一個問題是難以進行因果推斷。不過，利用金融科技技術和互聯網的低成本優勢，進行大范圍的隨機田野實驗來研究經濟學中的因果效應正在被積極運用，并將逐步完善和普及。

第三個特征是“新問題”。金融科技研究的“新問題”包括兩類，分別是新興行業中的研究問題和傳統行業中因為金融科技迅速發展而催生出來的一些問題。在金融科技迅速發展的背景下，技術帶動了金融服務創新并產生了新的商業模式、應用、流程和產品。例如，P2P網絡借貸和線上眾籌就是金融科技的產物。這些金融科技創新會帶來相關的問題，包括P2P網絡借貸是否真的對借款人有益，數字加密貨幣在交易過程中有沒有價格操縱現象，USDT是否合法，區塊鏈技術如何應用到各個行業并控制風險，等等。而在傳統行業中，金融科技的發展既可以提升其金融服務，也有可能帶來新的問題。例如，在信貸逾期的催收環節，智能催收降低了成本，但是這種催收方式是否提升了效率，傳統商業銀行在受到金融科技的沖擊之后其業務有何變化，移動支付是否需要更強的監管，等等。

在金融科技的研究中，以上三個特征往往是同時存在的。例如，利用“新數據”來研究“新問題”，利用“新數據”和“新方法”研究傳統金融學問題，以及同時利用“新數據”和“新方法”來研究“新問題”等。

金融科技目前已經覆蓋到金融體系和經濟活動中的各個方面，因此，金融科技研究既可以針對微觀個體，也可以針對宏觀經濟。首先，金融科技研究可以關注個體層面的交易活動，包括網絡借貸交易中的借款人和出借人行為、眾籌活動中的籌款人和支持者行為、消費者的個體行為等。其次，金融科技研究可以針對企業層面進行分析，包括企業管理層決策、股票信息含量、產品定價、企業招聘、ICO融資等。最后，金融科技研究可以用于分析宏觀經濟趨勢，例如，利用線上消費數據預測消費者價格指數、利用線上招聘數據預測就業率和失業率、利用另類數據預測貧窮問題等。

1.2.2　金融科技學術發表動態

為了對全球金融科技的發展和風險有系統性的認識，本書對金融科技六大模塊的學術研究動態與前沿，包括網絡借貸、眾籌、另類數據、社交媒體、數字加密貨幣與區塊鏈技術、機器學習與人工智能，進行了系統性的梳理與總結，突出了金融科技在經濟發展中發揮的作用，并強調了金融科技行業發展過程中的風險和監管問題。

本書對國際和國內的經濟、金融、會計、管理、自然科學，以及社會科學領域知名期刊的金融科技研究動態進行了統計與總結。在國際和國內的經濟、金融、會計、管理、自然科學及其他社會科學領域知名期刊中，國際期刊包括經濟類：American Economic Review, Econometrica, Journal of Political Economy, Quarterly Journal of Economics, Review of Economic Studies, Journal of Monetary Economics；金融類：Journal of Finance, Journal of Financial Economics, Review of Financial Studies, Journal of Financial and Quantitative Analysis；會計類：Journal of Accounting Economics, The Accounting Review, Journal of Accounting Research, Review of Accounting Studies, Contemporary Accounting Research；管理類：Management Science, Academy of Management Review, Academy of Management Journal, Strategic Management Journal, Journal of Management, Organization Science；自然科學類：Science；其他社會科學類：Proceedings of the National Academy of Sciences, Journal of Marketing Research, Journal of Business Venturing, Management Information System Quarterly, Information Systems Research, Journal of Human Resources。國內期刊包括：《中國社會科學》《經濟研究》《金融研究》《世界經濟》《中國工業經濟》《管理世界》《管理科學學報》《數量經濟技術經濟研究》《會計研究》《中國管理科學》《清華大學學報（自然科學版）》《清華大學學報（哲學社會科學版）》。

根據統計，2009—2019年在以上知名國際期刊中發表（含錄用）的金融科技類研究總共有150余篇，在2015年之前的發表數量變化較小，而在2015年之后呈現出逐年上升的趨勢，在2018年和2019年尤為明顯。如圖1.1所示。

對國際知名期刊中的論文類別進行統計，可以發現，學者的研究主要集中于網絡借貸、另類數據和眾籌，在人工智能與機器學習、社交媒體、數字加密貨幣和區塊鏈三個模塊的研究相對較少。如圖1.2所示。

當對期刊發表金融科技論文數量進行統計時，發現在發表數量最多的15個期刊中，Management Science, Review of Financial Studies，Journal of Business Venturing發表的金融科技類論文最多，其次是Science, Journal of Financial Economics, Journal of Monetary Economics等。如圖1.3所示。如果對期刊發表情況進行精細化分析，可以發現，不同的期刊側重點有所不同，例如，Journal of Business Venturing發表的眾籌類文章較多、Science發表的另類數據類文章較多，Journal of Monetary Economics發表的數字加密貨幣類文章較多等。

此外，本書還對國內知名期刊的金融科技類文章進行了統計，根據統計結果，國內學者對于金融科技領域的研究在最近十年也呈現出逐年上升的趨勢，也在2018年和2019年尤為明顯，如圖1.4所示。國內學者關注最多的研究領域是網絡借貸，接近所有發表論文的一半。在剩下幾個場景模塊中，關于眾籌的研究數量相對較多，其他幾個場景模塊的研究數量比較接近，如圖1.5所示。本書在第八章對國內金融科技領域的研究進行了詳細梳理。

總體而言，本書總結了金融科技各行業的前沿動態，包括150余篇國際知名期刊論文與約100篇國內知名期刊論文，是金融科技發展以來對金融科技行業研究最全面、最前沿的書籍，為居民投資、行業發展、政策制定等提供了借鑒與啟發。同時，本書為金融科技研究人員提供了十分全面和詳細的框架，有利于研究人員梳理傳統研究和開拓新的研究領域。最后，本書在梳理過程中強調了各行業發展的不足與各個方面的風險，對監管機構制定監管政策和風險防控措施具有參考價值。