下载掌阅APP，畅读海量书库
立即打开
2015年，英国政府科学办公室发布研究报告——《FinTech的未来：英国成为金融科技的全球领导者》，首次将金融科技的发展与国家竞争力相挂钩。
其后，全球各主要经济体陆续制定了金融科技发展战略，金融科技正式进入发展快车道。
2019年，中国人民银行出台《金融科技（FinTech）发展规划（2019-2021年）》，力推金融科技在深化金融供给侧结构性改革、增强金融服务实体经济能力等方面发挥重要作用。
2022年，中国人民银行接续出台《金融科技发展规划（2022-2025年）》，为新时期金融数字化转型进一步明晰了战略方向。如何有效实施新阶段金融科技发展规划，高质量推动金融科技发展，是包括监管方、金融机构、科技企业、研究者在内相关各方都需要直面的重要议题，而准确把握金融科技的发展趋势，则是该议题的关键所在。
根据金融稳定理事会（FSB，2019）的定义，金融科技是一种能够带来新商业模式、应用场景、生产流程和产品，同时对相关金融服务产生实质影响的科技创新活动。
从逻辑上看，影响金融科技未来发展的因素围绕两个维度展开，一是技术特征，二是驱动力。技术特征是金融对科技的要求，决定了金融科技的技术方向。驱动力是推动金融科技发展的力量，决定了金融科技的发展模式。
Gartner与蚂蚁集团在2020年联合发布了金融科技的技术发展趋势报告，报告指出，金融科技的技术趋势将围绕可信、智能与普惠三方面展开，这一趋势在近几年的金融科技创新实践中已经得到充分验证。
英国金融行为管理局（FCA）定期发布金融科技创新的前瞻指引——商业计划（Business Plan），被视为金融科技创新的风向标。
在Plan2019-2020中，开放银行、数字资产、监管科技都被重点提及；在Plan2020-2021中，重点强调了致力于帮助消费者获得公平合理的数字金融服务及产品，这些创新方向皆体现了可信、智能与普惠三大技术特征。
2020全球金融科技中心城市研究报告（Global Fintech Hub Report）总结出市场、技术、规则三种金融科技的驱动力，分别是：以中国为代表的市场驱动，以美国为代表的技术驱动以及以英国为代表的规则驱动。
其中，市场驱动模式得益于场景拥抱，重金融科技的场景应用；技术驱动模式得益于技术变革，重技术创造与底层基础设施建设；规则驱动模式得益于监管创新，重监管体系完善与整体生态优化。
中国总体上是市场驱动，近年来在内部也产生了分化，比如上海利用金融总部优势扩大了市场驱动，深圳、杭州利用产业链与技术人才聚集优势强化了技术驱动，北京利用监管资源优势深化了规则驱动，从侧面佐证了三种驱动力的存在。
如果把技术特征与驱动力叠加，可以勾勒出金融科技的九大发展趋势。
从创新主体来看，金融科技可分为两种：传统金融机构的创新与科技公司的创新。
金融科技创新最初由科技公司主导，主要原因在于金融以信任为前提，在技术与模式存在不确定的情况下，传统金融机构不敢贸然进行全然创新，而只是借助于成熟的互联网技术来进行前台改造。
近年来，随着全栈可信技术的发展，理论上可以使金融机构在系统架构上实现原生性可信能力，进而全链路实现安全可信。
因为这一技术趋势日趋明显，传统金融机构开始尝试运用可信技术进行中后台流程再造，国际领先的外资银行以场景为创新中枢，通过自主研发、技术合作等模式，用于全面数字化转型投入的利润占比已接近20%。
金融科技领域的可信性技术始于区块链，其重要性已上升到国家战略层面。
区块链技术目前处于快速发展期，多个基础技术领域仍在不断演进，包括提升安全性、提高互操作性、增加可扩展性等，这些技术发展主要围绕着区块链的应用需求展开。过去一段时间，区块链应用集中在局部单一领域，重点解决“局域网”内部的商业协作。
随着区块链应用场景的进一步扩大，局部数字资产流转已不能满足发展的要求，资产在不同行业、机构、伙伴之间形成全面流动才是必然趋势。
未来几年，金融区块链将成为金融科技的主要创新场景，比较确定的创新将集中在两个方向：一是跨链金融，比如供应链金融、跨境金融与“三农”金融，实现核心企业、供应商、经销商、物流、金融机构多环节多角色在不同空间的资产与资金的安全流转；二是基础平台改造，比如基于区块链的支付清算体系、基于区块链的数据确权等。
2015年，FCA提出沙盒监管（Sandbox）的概念，提倡“主动创新型”监管，对金融产品与商业模式创新提供安全的测试环境，同时又防止创新风险外溢。
沙盒监管的特点是追求创新与监管的平衡，在信用风险可控的前提下，通过监管制度设计来激励创新，包括限制性牌照、单独辅导、规则豁免、无异议函等多样性监管工具，主要有快捷沙盒、监管沙盒、产业沙盒等分层监管方式。
相比传统金融监管，沙盒监管呈现出非标准化特征，在可复制性上存在一定局限。但随着英国的成功示范以及国际监管组织的大力推广，市场已经广泛认可创新型监管能够有效促进金融科技发展，目前，全球已推行沙盒监管的国家和地区逾40个，渐成趋势性潮流。
智能风控是监管科技的一个重要分支。
金融风险决策是一个不断对抗升级的过程，越来越多风险体现出团伙性和隐蔽性，风险控制无法通过单一事件和行为信息来做出准确判断，更多需要借助于交易关系、资金关系、位置关系、社交关系等多维信息，因此，金融机构对基于全面信息分析的风控需求非常迫切，风控的智能化也成为了一种必然结果。
未来几年，图计算技术大概率被引入智能风控之中，从单一金融行为数据走向跨行业多维异构数据，从单一时间切片的图数据走向基于时序的图数据。
在此基础之上，叠加人工智能以作决策。此外，图计算能够帮助金融专家将其行业经验以规则方式沉淀下来，引领智能风控向纵深发展。
机器学习高度依赖于数据训练集，金融行业海量用户所产生的交易、客户、账单、转账记录为机器学习提供了绝佳的数据场景。
最近几年，机器学习的场景应用不是很成熟，但是一些金融机构与科技公司依然坚持在该领域进行创新，为未来可能的爆发做试验性储备。
同时，机器学习的基础性技术也在同步发展。传统机器学习中，因子分析依赖专家经验和专家模型，而基于自动因子发现的新一代机器学习可以自行发现因子，在零人工干预的情况下实现自学习，能够同时探索用户的金融行为和外部的生活关联数据，代表着机器智能的发展方向。
国际清算银行金融稳定协会（FSI）对监管科技的应用场景进行了系统描述：在合规端主要实现数据自动搜集与管理；在监管端的应用体现在四个方面：市场监管、不端行为监测、微观审慎监管、宏观审慎监管。
2017年，中国监管当局提出要充分利用监管科技，“提升跨行业、跨市场交叉性金融风险的甄别、防范和化解能力”，并进一步提出“金融科技基础设施”是实现宏观审慎目标的重要工具，从而创造了监管科技的一个新方向。
根据毕马威的最新研究报告，疫情下，全球范围的监管科技投资不减反增：针对加密货币的监管科技投资成为重点方向；反洗钱、客户身份识别解决方案和欺诈保护维持着投资热度；以英美为代表的监管科技市场逐渐成熟，亚洲市场正处于爆发前夜。
随着亚洲市场崛起，金融科技基础设施建设走向深入，监管科技不会拘泥于智能风控、自动报告生成、反诈监控等领域，更多创新将在监管科技与金融科技基础设施的深度融合中诞生。
互联网金融最初以普惠金融的形象出现，P2P一度被视作最佳普惠金融产品，受到市场的热烈追捧。
2016年，P2P的消费者侵权现象开始受到关注，美国金融消费者保护局（CFPB）加强了对P2P的监管，P2P的规模与活跃程度不断降低。
2018年，中国开启了P2P行业整顿，2020年底，中国银保监会发布《中国影子银行报告》，按照监管覆盖范围和强度、产品结构复杂性及杠杆水平、信息披露充分性与全面性以及集中兑付压力四项标准，将P2P列入狭义影子银行范畴。2021年，中国P2P在营机构实现清零。
目前，在全球范围内，P2P虽然作为一种商业模式依然存在，规模已经不大。从金融科技普惠性的发展趋势来看，已非单纯追求用户的可到达率，而是在保障消费者权益的前提之下，运用多元技术追求多元目标，确定性的实现方式尚在探索之中。
用户智能是数据智能与人工智能的结合态，通过搜索推荐、服务理解等，达到用户与服务的精准匹配。
疫情迫使金融服务进一步线上化，客观上加速了用户智能的到来。未来几年，用户智能会广泛应用到各类金融场景中，较为典型的场景包括：
利用人工智能算法，依据用户的投资偏好、目的及风险承受度，为投资者提供个性化的智能投顾服务；结合海量用户数据与智能推荐技术，为用户提供定制化的智能保顾服务；基于自然语言沟通方式，利用聊天机器人、虚拟助理等为用户提供智能客服服务；采用机器学习算法，深度挖掘客户交易、消费、社交、信用等行为数据，进行用户画像、用户分层和用户定位的智能营销服务。
国际清算银行（BIS）、金融稳定委员会（FSB）曾组织各国央行评估BigTech对金融领域的影响，主要国家金融监管部门开始重视BigTech的负面效应，并从金融准入、市场竞争监管、数据保护等方面强化监管。
2019年，美国展开了针对亚马逊、谷歌、Facebook等平台巨头的反垄断调查；2020年6月，欧盟委员会启动了针对苹果应用商店与苹果支付的反垄断调查；同年12月，中国针对互联网平台的垄断行为展开专项整治行动。
中、美、欧在互联网平台反垄断问题上所发生的共振，表明Bigtech在金融领域的创新活动正式进入严管周期。
相对应的是，监管方也开始反思金融业的垄断性对普惠性的侵害。
欧盟推出通用数据保护条例（PSD2），通过立法推进数据开放；香港金管局也出台指引，强制要求银行分四个阶段开放API；开放银行概念兴起，金融机构开始探索一种与商业生态系统共享数据、算法、交易、流程和其他业务功能的平台化商业模式。
数据监管与信息保护的重要性，已在各国的金融科技监管中得到确认，趋势不可逆转。