银行在开发业务场景层面的智能系统时，一定需要核心引擎系统的支撑。核心引擎功能是 “智能投顾”“智能投资”“智能投研”“智能风控”系统的根基。
一直以来，对于新科技和银行业务之间关系的看法，存在两种观点。一种观点认为，技术只是用来完成业务的一种工具，银行业未来的基本形态是不会改变的；另一种观点认为，银行各项业务是其优化社会资源配置的金融功能的一种表现形式，新的技术也可以作为这种金融功能的表现形式，新技术很可能彻底改造、甚至颠覆传统银行业务模式。近年来，更多的银行业人士认识到了第二种情况的可能性。但同时，新技术浪潮对银行业也是一次历史机遇。金融行业因其数据量大、信息化程度高，成为新技术落地的首选场景。银行业如果能变被动为主动，积极拥抱新科技，就能完成自己的模式升级，让银行业务焕发新生机。
近年来经济迅速发展，投资者可支配的财富增长，但同时资产增值速度趋缓，持续出现“资产荒”现象，资产风险凸显。“资管新规”要求打破刚性兑付，控制资管产品杠杆水平，切实加强监管协调。将投资者根据风险承受能力分级，与产品进行适当行匹配，投资者须经过必要承诺和确认后，参与相关投资活动。近期《商业银行理财子公司管理办法》也落地了，资管业务的独立性增强，银行迫切需要全面提升自己投研、交易、风控能力。如何有效监控金融风险、有效分析净值化产品标的、有效衡量投资者风险承受能力？这些探索都需要借助FinTech手段。
在欧美，Financial Technology一词最初是指银行等金融机构的后台系统，主要解决的也是投资、风控等B端问题。早在20世纪末，高盛、美林等金融机构就已经实现了较高水平的中后台业务自动化。近十年来随着互联网产业的进一步发展，Lending Club、Wealthfront等具有强大互联网基因的企业才逐渐变成FinTech的代表性企业。
在国内，由于消费互联网的蓬勃发展和企业级技术开发的相对落后，形成了互联网企业在FinTech领域的先发局面。但互联网企业受限于自身基因及金融数据安全的缘故，其发力点主要是客户大数据、企业征信等与客户直接接触的业务。
国内银行业在资产管理和财富管理等涉及传统金融核心业务较深的领域仍存留较多问题，亟需技术帮助其提高。现阶段这些问题，主要体现在以下几方面：
首先是质量层面。目前，国内商业银行的私人银行客户与贵宾理财客户界限不明，仅仅按照客户在本行的金融资产净值总额进行分类，从而导致商业银行难以细分二类客户需求，为私人银行客户提供相适应的产品和服务。就目前商业银行的私人银行业务提供的服务来看，多数服务仅仅是理财业务的升级版或高端版，在此基础上附加增值服务，在成本增加的同时未带来相应匹配的同等收入增加。
此外，私人银行客户贷款需求低，他们也不愿沉淀过多资金在存款端，商业银行无法从私人银行客户赚取大额存贷差利润。依靠销售或代销理财产品获取手续费作为主要收入来源的方式难以为继。
再者，银行过分依赖销售产品的中间手续费收入。这也必将促使销售过程注重短期效益，难以将客户长期资产平衡配置纳入考量，从而大幅影响客户资产配置的流动性和安全性，降低客户对银行的信任度。
之前，国内银行售卖“刚兑”预期收益理财产品仍为主流模式，随着资产新规的颁布，该模式将终结。之前的模式造成银行产品体系单一，第三方产品引入仍停留在公募基金和基础保险产品阶段，储蓄和本行理财产品几乎占财富管理金融资产绝大部分，难以满足客户一站式多元化配置的需求。导致客户往往将银行定位为保本、保收益理财产品提供商。
同时，国内大多数商业银行客户经营模式粗放，未能区分客群的差异化需求，仍停留在“以产品为核心”进行产品销售的阶段。与国际领先银行相比，国内大多数银行难以“以客户为中心”驱动业务。尽管部分银行成立了个人金融部等部门，但在具体经营管理中仍以产品驱动为主，客群经营等仍是停留在理念阶段的“副产品”，未能结合投资者需求提供个性化的咨询建议、推荐合适的产品，导致财富管理客户关系等同于产品买卖关系，客户流失率较高。
面对以上这些问题，银行需要打造一系列的核心能力，包括自身的需求发现能力、财富管理能力、产品设计与生成能力、金融市场风险管理能力等。国内银行近年来也在陆续进行“客户画像”“智能投顾”“智能投资”“智能风险管理”等系统的研发，在服务、投研、资管等一系列的场景内进行探索，形成了非常可喜的局面。如果智能化系统既能具有核心功能、不流于形式，又能与场景紧密结合、实现敏捷迭代的话，将非常有助于解决目前银行所遇到的挑战。
银行在开发业务场景层面的智能系统时，一定需要核心引擎系统的支撑。核心引擎功能是“智能投顾”“智能投资”“智能投研”“智能风控”系统的根基。
要真正走向“智能”，有一些根本性的问题要切实解决。例如，如何估计市场联合概率分布收益风险曲面；对可投资的资产进行联合建模和系统化尽调；对业务产生的成千上万个金融风险敞口进行实时估计；实时进行大规模风险管理决策；对资产负债进行多周期的匹配优化；根据个性化交互结果对千万级客户提供实时的、最优化服务决策等。
为解决以上问题，银行通常以应用场景出发，试图从场景业务系统到算法构建不同的垂直系统。然而，在场景与业务越来越复杂、变化越来越快的今天，这种垂直式开发的方式会造成几点问题：
首先，系统不一定完全适用于业务。由于开发“智能”系统是在做创新，并不清楚最合适的表现形式，造成系统上线后用不起来或不好用。而垂直式的开发通常重于表现形式，轻于内核，如果不适用只好推倒重来。
其次，系统的核心功能太浅。由于单一场景的应用系统很难得到很多的研发资源，收益成本模型不合适，所以内核功能通常比较浅，最终用之不足，弃之可惜，沦为鸡肋。
再者，随着应用场景的增多，这些垂直式开发的系统会越来越多。而在不同系统中又开发了很多重复冗余的功能，把资源像撒胡椒面一样的浪费掉，功能做得不够深入不够强大，反而造成了很多开发与维护的成本。
最后，更新迭代困难。每更新一个功能都得更改每个垂直式的系统，而且数据格式、系统架构可能也不统一，维护成本极高。国外银行也曾走过类似的弯路，后来又花很大精力进行了架构的调整。
因此，国内银行应该吸取国外银行走过的弯路与经验，从一开始做好规划，利用更先进的架构进行金融科技的开发——打造核心引擎层，将通用化核心功能与应用级业务系统分开，这也是国外先进银行目前走的技术路线。
当下，API银行的概念很火，利用API方式打造对外开放式银行（Open Banking）的模式也许还需要探索，但是银行自己对内开放，将智能核心功能API化，打造核心引擎层，让应用级系统调用API接口，可以很容易实现。这样做对商业银行来说很有利，也是更科学先进的架构方式。这可以使得通用化的核心功能支持多种多样的应用场景，更经济高效；核心功能也可以不受临时性的需求干预，从而做深做强，打造高性能的强大引擎；业务场景的应用系统可以根据业务需求进行快速迭代，敏捷开发，而不干扰到核心引擎层这些“重型武器”的内部模块；核心功能的升级迭代也可以立即更新到各个应用系统中，便于维护。
在资产管理、财富管理、风险管理等领域，一些通用的核心功能系统是智能化系统的关键：包括描述市场动态演化的金融市场情景模拟器，提供优化器与算法库的决策优化引擎，构建资产分析的系统化尽调系统，以及对金融场景参与者进行分析建模的系统。
先进的金融市场情景模拟器目前可以利用机器学习与大数据技术大规模系统化处理信息，持续发掘潜在市场规律，提升分析发掘市场潜在规律的效率。同时，传统的经济情景生成方法在银行、保险公司等欧美机构投资者中应用得很多，会将“潜在规律”输入金融计量建模系统，进行实证检验与经济学分析，生成可解释的金融模型。这两项技术目前在实践中得以越来越紧密地结合。
决策优化引擎通过接入金融市场模型的结果，根据决策问题的目标，生成最优决策方案，比如生成财富管理中的个性化最优财富管理方案、资产管理中的达成资产负债优化目标或风险管理中的求解最优风险管理方案等。这一引擎应完成最优决策求解、敏感性分析、稳健性测试等功能，系统化输出最优金融决策的一系列功能。
好的决策优化引擎需要框架灵活，适用于各种金融决策的目标及限制条件。对于越来越复杂的银行业务需求，优化引擎的性能也要高，需要能解决大规模多周期的优化问题。可用于大型机构投资者的资产负债管理，以及能同时服务几百万客户生成个性化的最优解决方案，可用于个人投资者的财富管理。实用的优化引擎也要拥有好的抗噪音技术，模型总是会与实际情况有所偏差，优化引擎应该尽量减少模型参数的误差所引起的求解结果的误差。
对金融场景数据的分析建模系统，通常要经历三个层次的技术开发：第一层是客户与业务画像标签系统，从原始数据中计算出有业务意义与逻辑的标签，从金融业务、运营维护、合规风控等多重维度理解客户与业务；第二层利用建模与学习算法建立客群分类，通过大数据挖掘特征行为；第三层利用归因与分析、控制与反馈，对客户与业务进行全方位的行为归因分析与预测建模。
量化尽调系统主要是满足金融机构财富管理、资产管理、风险控制的业务升级，尤其是“资管新规”要求下金融产品净值化、去刚兑化的管理需要。利用大数据技术与金融风险模型，有助于对所有金融产品进行系统化的管理评估、金融风险建模、压力测试、归因与预测等尽调管理。
如果银行能打造一个功能强大的核心引擎层，就可以方便地根据不同的业务场景需求，进行各种各样的功能设计，通过核心引擎层对应用层、场景层支持，并持续赋能，进行应用与场景的创新，这也是银行金融科技的大势所趋。
总结而言，我们可以由内到外地看看银行如何利用核心引擎打造金融科技生态体系：银行最核心的内部决策是资产负债的管理，不管是资管部门还是目前成立的理财子公司，负债端都相对刚性。智能化的资产负债系统可以对资产负债进行建模与经济情景生成，然后进行系统化的管理与决策优化、分析评估与压力测试、并对各方面业务指标与资产负债联动的情况进行全方位分析。在业务端，智能化的财富管理系统能够根据个性化投资需求、流动性需求形成实时计算的优化管理方案，同时，基于客户与业务的数据分析与建模系统，可以对客户、服务人员、公司业务进行深入的分析与理解，结合每一单业务产生的客户反应、对资产负债产生的个体压力、以及公司的业务指标增减，对客户提供个性化优质服务与定价、对服务进行科学化管理评估、对公司的战略决策形成决策辅助。这些层面如果都能做好，那么银行在资产管理与财富管理业务领域就实现了真正的“智能化”。国外先进的银行已经探索出了一些好的技术，国内的银行机构也应当迎头赶上。