（一）金融科技的典型表现
1.移动互联
随着互联网技术应用和移动智能终端的普及，移动互联成为金融体系的一个核心的技术支撑，并逐步衍化为金融科技的一个核心领域。在过去较长的时间之内，移动互联更多的是金融体系的技术支撑，金融服务和产品通过互联网和移动终端扩大了服务的范围和领域，提升了效率，使金融服务基本突破了时间和空间的约束。但是，在移动互联成为一种更加重要的要素之后，它与金融体系的融合更加紧密，逐步成为金融科技的核心领域，可以依托移动互联来满足金融消费者多样化的需求，甚至可以依托移动互联来创造新的金融服务供给。基于移动互联的场景建设成为金融科技发展的一个“基础设施”，场景不仅为金融机构的服务提供了支撑，同时也为金融机构的创新提供了环境。移动互联与金融体系的融合带来的最为核心的变化体现在两个方面：一是支付清算的变化；二是消费金融的兴起。
移动互联与支付清算的融合成为移动支付。严格意义上，移动支付是在第三方支付体系的基础上完善和发展起来的。第三方支付颠覆了客户-商业银行-央行的传统支付清算模式，基于二次结算的方式实现了大规模的小额交易在第三方支付公司的轧差后进行清算的功能，在一定程度上承担了中央银行的部分支付清算功能。第三方支付和移动支付带来了三个重要的影响。一是金融脱媒日益显性化，银行对交易、支付和结算的信息集结能力在弱化。二是个人账户与传统金融机构的关联性逐步降低，银行对个人账户的控制能力在下降，个人账户逐步成为移动支付体系的基础设施。三是移动支付逐步金融化，基于移动支付和个人账户体系的金融产品和服务日益繁荣，使得移动支付下的个人账户具有货币乃至金融属性[5]，在支付时个人账户的数字成为货币，在非支付阶段个人账户的数字就可能是金融资产，而且这二者的转换可以在瞬间形成，这使得货币与金融资产的界定被模糊化。虽然，在传统意义上，第三方支付以及日益盛行的移动支付被归结为互联网金融的最核心业务模式，但是，移动支付的发展已经远远脱离了“互联网”的范畴，更多的是一个金融科技的范畴。
移动互联支撑的另一个重要业态是消费金融。移动互联比互联网更加具有跨越时空的秉性，随着移动终端的普及，移动互联本质上是移动中的互联网。这个移动中的互联网链接了第三方支付功能，就可以无限制地拓展相关的金融服务，在此基础上衍生出了多种形态的金融产品和服务模式，其中，最为重要的就是消费金融。为此，国内的消费金融呈现出日益显性化的移动互联特征。从2009年到2016年，“双11”在电子商务和第三方支付的双重驱动下快速发展，支付笔数和消费规模指数8年间分别扩张了278倍和219倍，其中在支付结构中，移动支付占比再创新高，2013年至2016年，“双11”移动支付占比分别为17.6%、47.2%、69.0%和81.2%，其中2016年“双11”前10分钟，移动支付占比超过92%。[6]
2.大数据
大数据是无法在一定时期和范围内使用常规的软件工具进行获取、管理、处理和存储的数据集合，是需要通过采取创新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据是互联网、移动技术、计算以及存储等技术发展到一定阶段的产物，IBM将其特征总结为大量（Volume）、高速（Velocity）、多样（Variety）、低价值密度（Value）以及真实性（Veracity）五个基本特征。
信息技术行业和金融行业是产生大量、高速、多样、真实数据的领域，但是，在这个过程中，部分数据可能是不具有价值的，当这些数据不能被用于分析和利用之时，它们就是大量的数据而已。大数据与传统金融机构或信息产业机构大量的数据不一样的特征是大数据改变了传统的数据运作方式，并可以实现较大的商业价值，这其中主要包括四个方面的特征：一是数据质量的兼容性（Compatibility）；二是数据运用的关联性（Connectedness）；三是数据分析的成本（Cost）；四是数据价值的转化（Capitalization）。[7]
在互联网金融兴起之前，实际上大数据已经在金融领域中被应用，比如，银行机构的资产负债管理、金融机构的信用风险管理、私人银行部的差异化服务与产品以及科技服务与信息系统服务输出等都具有了大数据及其应用的秉性。在互联网金融繁荣起来特别是金融科技快速发展之时，大数据的应用将金融要素与科技要素融合提高到了一个新的高度。一是大数据成为金融服务的一个要素资源而非纯粹的技术支持，大数据成为一种金融科技新要素。二是采用了分布式计算的新数据分析方法，形成了一个获取大数据源、建设大数据平台进行存储和处理，并基于大数据分析开发创新应用的新业务模式。三是基于大数据及其相关的基础设施形成一个融合支付结算、财富管理、信用转换和信息服务的相对独立的生态圈体系。支付宝、微信支付、蚂蚁小贷、京东白条等都是具有大数据支撑的新型金融服务。
3.云计算
云计算是基于互联网的信息技术新模式，这种模式提供可用的、便捷的、按需的网络访问进 入可配置、可获取的计算资源共享池，只需投入较少的管理工作或与服务供应商进行很少的交互就可以实现计算功能，即云计算使得信息计算可以分布在大量的分布式计算机上，而非本地计算机或远程服务器中。云计算与大数据实际上是紧密关联在一起的，云计算是为大数据的分析及存储等提供了新的途径，也为金融服务及产品创新提供了新的技术支撑。
4.人工智能
人工智能是计算机科学的一个分支领域，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用体系，人工智能的主要目标是深入领会智能的本质，以制造出一种新的、有效的、以与人类智能相似的方式做出合理反应的智能型机器，以更好地服务人类。人工智能主要包括语言认知与识别、图像处理与识别、机器人、自然语言分析和专家体系等多种形式。
人工智能日益广泛且深入地运用于金融体系，并成为金融科技一个具有重要影响的领域。量化交易是此前人工智能技术在金融领域应用的一个典型，它可以基于既定的模型、特定的算法（比如叶贝斯算法、概率逻辑、遗传算法等）以及数据的输入对大量的数据进行分析、拟合、预测并决策。近期，金融科技领域的人工智能呈现全面发展的态势。
一是自然语言处理。人工智能可以通过新闻、政策、社交网络及其丰富的文本、语音等信息并运用自然语言处理技术分析[8]，将非结构化数据进行结构化处理，并从中探寻影响市场变动的线索，这些技术的应用对于风险管理、信用征集以及深度学习等都具有积极的意义。
二是知识图谱。人工智能相关领域的应用，比如回归分析、量化交易、自然语言处理等，最为重要的一个特征是绝大部分的行动是基于数据之间的关联性而非数据之间的因果性进行判断的，这可能会带来人工智能对相关性的过度依赖，使得应用面临失败。为了避免自学习的人工智能无法区分虚假的相关性所导致的风险，需要专家设置知识库（规则）来避免这种虚假相关性的发生。而知识图谱本质上是语义网络，是一种基于图的数据结构，是根据专家设计的规则与不同种类的实体连接所组成的关系网络，可以提供从“关系”的角度去分析问题的能力，以避免小概率事件的发生或者在小概率事件发生之时可以有效控制风险。
三是投资决策辅助。基于大数据及云计算的支撑，在特定的模型、算法和数据的支持下，根据自然语言处理、知识图谱以及小概率风险防控等技术，人工智能可以为金融消费者的决策提供辅助支持功能，智能服务和智能投顾成为一个蓬勃发展的领域。
近期，多家银行开始考虑以VTM（可视化智能取款机）代替ATM（自动取款机），其功能远远超过了自动取款机，比如VTM可以提供开户业务，填入个人相关信息之后，只需到柜台进行验证（身份证和本人），背后的支撑就是人工智能。还有，多家证券公司考虑设置智能投顾服务：一是通过智能投顾提高投资顾问服务的综合水平甚至是摆脱时空限制；二是基于相关的数据和算法为投资者提供较为合理的投资产品，引导理性投资；三是基于投资者的相关信息和产品信息实现产品、收益率、风险承受力与投资者的匹配。
5.区块链
区块链本质上是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的创新应用范式。本质上，区块链是一种网络协议。比如，共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法，但是，需要统一的协议标准。区块链使用一串采用密码学方法相关联产生的数据模块，其中每个数据模块都包括一次比特币网络交易的相关数据，用于校验其信息的真实性和有效性，并基于此衍生下一个区块。区块链归根结底是一个去中心化和分布式的数据系统。而且，虚拟货币中最为典型的比特币的底层技术就是区块链[9]，值得注意的是，虚拟货币的底层技术只是区块链可以解决的问题中的一个很小的部分。[10]
区块链技术最为核心的特征是去中心化和分布式，其对金融体系的基础功能是基于新的模式来确定、储存和交易价值，通过加密算法、共识机制以及智能合约机制来促进金融服务的有效供给。此前，在传统金融体系中，金融中介和金融“中心”的存在主要是为了解决信息不对称、道德风险、成本高企、匹配困难、交易摩擦、规模经济与风险暴露等问题，但是，在新技术的支撑下，央行等中心化监管机构以及金融中介等相对中心化的服务机构的价值在变化。当区块链应用于金融等领域时，虽然它不一定能够真正做到“去中心化”，但是，它使得金融领域呈现分布式、弱中心的态势有较大的可能性。实际上，分布式技术最为根本的影响是个体“身份信息”在金融意义上的体现，即账户形态。[11]
