信用贷款是一个古老的概念，早在新石器时代的农耕时期，有息贷款就已经存在，甚至比工业、银行业以及钱币的铸造更为古老。

从新兴的信息技术，到如今的区块链、生物信息技术、智能技术，每一代的技术创新都在改变信用贷款行业，在各个环节使得信贷系统越来越完善。

新型信贷系统出现：“利用消费场景、大数据、反欺诈系统、决策引擎等金融科技手段，通过强大的量化系统，减少人工操作，节省运营成本，降低操作风险。”

“信贷工厂”模式最初源于新加坡淡马锡，核心在于对信贷流程进行环节化设计：按照信贷功能要求分割出近 20 个岗位，类似工厂流水线，对每个环节制定标准化的操作要求，培训员工专门负责一个环节，实现小企业金融业务的批量化管理。

全球范围内，如今具备这一模式的代表性公司包括，美国信贷公司Capital One、OnDeck、Kabbage，澳大利亚的Commonwealth Bank of Australia……

区块链、生物信息技术、智能技术与信贷 “交集”，涌现出机遇。

与区块链技术结合

区块链技术泛指一类在去中心网络环境中建立可信数据档案的技术，和信贷结合的初期，将会以银行间市场为突破，让当前组织银行间市场内交易的IMIX协议，基于区块链技术进行重新构建。

IMIX是银行间市场业务数据交换协议，这是一种用于银行间市场交易活动中金融信息实时传输的电子通信协议。包括人民币、外汇和衍生品等各类产品的交易、发行、确认和清结算等流程，都需要这种协议。

基于区块链的IMIX传输系统，利用区块链的思想改变消息传输的传统模式，可以为用户提供一系列具有去中心化、去信任、集体维护、可靠数据库等特点的的服务。

这个系统分为交易凭证传输、区块链维护与交易凭证管理三个子系统 ，包括传输管理模块、传输确认模块、区块链 管理模块、IMIX 管理模块和钱包管理模块5个功能模块。

在高级阶段，基于区块链的直接信贷模式将出现以下变化：

将所有借贷信息存储在区块链上，不良还款记录将对用户的再次贷款产生影响，可以有效防止恶意借贷、不良借贷等情况的发生。

背后运用了统计学中的蒙特卡洛模拟方法，分析出节点的信用历史、交易人脉关系、资产存量、交易流水等多个属性数值，用来计算用户的信用打分，提高信贷过程的风险控制能力和资源配置效率。

这将打破金融机构间的屏障、进行完全公开透明的信贷活动，让信贷流程自由跨越多家银行机构运行，进一步降低信贷市场的信息不对称和信贷风险，提升金融系统的稳定。

与生物信息技术的结合

信息化高速发展的一大特征是个人身份的数字化与隐性化，在信贷工厂的发展中，运用生物认证技术准确地鉴定一个人的身份，是提升信贷工厂运作效率的一个关键性问题

生物特征识别技术具有传统密码学所不具备的优势，如使用便捷、不可抵赖、难以伪造等 , 在人们日常生活中扮演着日益重要的角色，是继传统密码、验证码方式后的最佳选择。

生物特征识别，是指通过自动化技术利用人体的生理特征或行为特征进行的一种身份鉴定。目前利用生理特征进行识别的主要方法有指纹、指静脉、虹膜、掌静脉和人脸；行为特征识别方法有声音、笔迹和步态。

此前央行承认了生物识别技术的有效性，并一定程度上放开远程开户。现在越来越多的公司推出了生物认证的相关新产品。

比如，腾讯社交网络事业群旗下的优图团队，正在专攻生物识别技术；蚂蚁金服正通过旗下“柒车间”布局生物识别技术，研究人脸、指纹、 声纹、虹膜、笔迹等多重因子验证的可能性。

与生物信息技术结合，将大大提高信贷的风控效率，有效降低平台坏账率、违约率。

与智能技术的结合

从国内外情况来看，智能技术正在应用到银行、证券、保险、基金等各种领域，主要应用包括智能交易技术、智能金融顾问、智能金融产品营销和智能金融风险控制等。

智能交易技术包括程序化交易、算法交 易、高频交易等，目前已经普遍应用于欧美发达 金融市场，近几年在我国金融市场上也屡见不鲜。

据统计，从2004年1月至2010年6月，纽约证券交易所中程序化交易占总成交量百分比平均 28.6%，最大的程序化交易者包括高盛、摩根士丹利、德意志银行、巴克莱资本、 韦德布什● 摩根、法兴美国、摩根大通、加拿大皇家银行资本等著名金融机构。

智能金融顾问，就是金融建模、市场预测、 投资辅助决策在内的智能技术在金融投资领域的应用，通过传统计算金融模型与机器学习模型等，对金融市场的历史规律进行模拟建模和市场预测。

在这个基础上，结合投资的具体风险与理财目标，持续跟踪市场变化，进行投资组合设计、 优化、调整、监控及分析，并在资产偏离目标配置时对其进行再平衡决策参考。

智能投顾近年来在以北美为代表的发达国家市场迅速发展，并逐渐被越来越多的投资人所接受，如Wealthfront和Betterment，这两家主打智能投顾的互联网理财公司管理资产已超过 25 亿美元。

这个新兴领域市场巨大。AT Kearney出具的报告很乐观，它预测未来五年智能投顾市场GAGR将达到68%，到 2020年AUM有望突破2.2万亿美元。

智能金融营销包括信用评分、产品推荐在内的应用，通过基于大数据的复杂机器学习算法，对金融消费者进行信用评分，并以此 为基础，精确定位不同信用等级的金融消费 者，根据不同的消费历史和喜好，进行金融产品的推荐，精确营销。

除此之外，包括反诈骗、预防网络金融犯罪在内的智能金融风险控制，近年来也发展迅速，各国金融监管部门运用大数据、机器学习算法等技术，在海量交易中发现金融犯罪 线索，取得了一些进展，并有了一些典型应用。

我们可以看到，一些企业已经开始实践：蚂蚁金服开展了典型的应用和探索，其中芝麻信用运用大数据、云计算、深度机器学习等技术，客观呈现个人信用状况，已经在金融、 生活等行业开始广泛应用。

通过芝麻信用信息验证等反欺诈服务，已有银行将虚假办卡的识别能力提高近3倍；通过行业关注名单识别不良用户，占比达到平均的4倍以上；通过信息的交叉验证、深度机器学习等技术手段，验证和评估信息的有效性，帮助银行提升风控能力。

智能技术与信贷工厂结合，可以增加信贷自动化过程的智能水平，未来将补充和融合客户数据，解决大数据的数据空缺问题；另一方面在利用大数据、深度学习算法，探索关联性，进一步增加客户行为的可解释性，让分类群体特征解析更加灵活。

靠谱众投 kp899.com：您放心的投资理财平台，即将起航！