数字金融是将互联网、区块链、大数据、人工智能等数字技术应用到金融行业而产生的新产品、新服务和新业态，以及银行、保险公司等金融机构将数字技术运用于流程改造和产品创新等，而且指金融业支持或服务于数字经济。
在金融实务领域，依托于通信网络、云计算、生物识别、物联网等，出现了大量将互联网、区块链、大数据、人工智能等数字技术应用到金融行业而提供新产品、新服务和新业态的公司，以及银行、保险公司等金融机构将数字技术运用于流程改造、产品创新等[1]。例如（图1），将互联网技术运用于资金借贷，产生了P2P和众筹；将区块链用于供应链环节，产生了区块链供应链金融。将区块链用于货币发行，产生了数字货币等；将大数据运用于金融产品的风险识别和预警，产生了实时、动态和智能风控；将人工智能技术应用于股票市场交易，产生了数字资产管理和高频交易等；银行运用大数据等技术通过手机发放信用贷款等等。深圳证券交易所自主研发的第五代交易系统，持续委托处理和委托交易时延的技术全球领先[2]。当然，同一个数字技术不仅仅只针对某一个应用场景，在很多场景中都会有应用。例如，互联网征信不仅需要互联网技术，更需要大数据技术。
所谓数字技术就是将图像、声音、文字、数据等转化为计算机能够识别的二进制数字“0”和“1”，然后再进行计算和存储等。其实，制造业数字化、自动化、智能化和互联网化过程一直在进行中，自20世纪50年代开始，数字化技术已经用于制造业生产流程中。与自动化主要适用于重复、机械性工作不同，数字化和智能化强调与环境的适应性、交互和反应能力。“智能化机器”可能具有学习能力，能够根据环境的变化而做出自我调整。目前，数字经济和数字金融之所以引起重视，是因为互联网和手机移动终端积累了庞大的数据，依靠“大数据”能够分析客户行为（所谓的客户画像）、预测行为模式、识别和预警风险等。如果将金融机构的线下业务放在互联网上，也认为是数字化，那么数字金融其实早就有了。因此，狭义的数字金融仅指基于“大数据”和新技术（例如区块链、生物识别）为基础而产生的新产品、新服务和新业态。广义的数字金融包括了线下业务的互联网化。只不过，我们一般所言的数字金融是狭义上的数字金融。
数字金融的另一个层面是指金融支持或服务于数字经济。G20《二十国集团数字经济发展与合作倡议》中明确提到：“数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通讯技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”。G20《数字普惠金融高级原则》明确提出：“通过提升数字金融服务推动包容性经济增长”。随着云计算、物联网、虚拟现实、区块链、大数据、人工智能、信息安全等技术的发展，大量资本流入到数字经济领域，从天使投资、风险投资（VC）和私募投资（PE）到政府引导基金和创新基金等，互联网电商、跨境电商、智能家居、车联网、远程医疗、智慧交通、智慧农业等领域或行业成为新增长点。
自2012年开始，国内“互联网金融”异常火热，网络融资（P2P）、第三方支付、众筹和互联网征信等不断闪耀在实务界，在图1中主要体现在“互联网技术应用于金融业”，但无法涵盖区块链、大数据和人工智能技术在金融领域的应用。实务界“金融科技”中的“科技”，主要指“互联网技术、区块链技术、大数据技术和人工智能技术”等数字技术。目前来看，大多数纯计算机的数字技术公司结合金融需求，将数字技术输出给金融机构。然而，因为金融业自身没有“科技”，例如区块链技术不仅用在金融业，也可以用于农业等领域，大数据技术、生物识别技术已经用在了各行各业，所以“数字金融”侧重于将“金融科技”运用于金融业的各个领域而产生的新产品、新服务和新业态，以及金融业如何服务和支持数字经济[3]。因此，如图2，“金融科技”类似于方法和工具，而“新金融”主要指金融业态和产品。将“金融科技”（方法和工具）运用于新金融领域（业态和产品），而产生了所谓的“互联网金融、大数据金融、智能金融和区块链金融”等。不过图2中没有体现的是，如果按照数字技术运用到不同金融子行业划分，则会有数字金融的不同子领域：数字银行、数字保险、数字资产管理、数字普惠金融等。
在金融学术界，主要研究领域包括宏观金融、公司金融、资产定价、行为金融、数字金融、金融计量。支撑一个学科或方向最重要的是实证研究方法。例如，宏观金融的研究对象主要为金融机构（含银行、证券、保险、信托、融资租赁等）、国际金融、货币和汇率经济学和货币政策等，主要涉及到时间序列数据，所以研究方法主要为单位根检验、协整分析、误差修正模型、ARMA、GARCH、VAR模型等等；公司金融主要以公司和公司管理者作为研究对象，探讨公司投融资、公司治理、公司估值、公司创新、公司管理者行为等问题，大多数公司金融领域的文献需要处理内生性问题，为使得样本具有可比性，经常需要进行倾向得分匹配等等；资产定价（资产管理）以金融市场和公司作为研究对象，主要研究方法为因子法、广义炬估计（GMM）以及时间序列模型等；行为金融以个体作为研究对象，探讨个人投资者行为及其偏差，主要研究方法是借助实验手段获得数据，用计量经济学进行量化分析；数字金融以新金融领域（网络融资、第三方支付、众筹、互联网征信、数字货币、大数据风控、量化投资等）为研究对象,主要研究方法是大数据分析方法，包括决策树、随机森林树、人工神经网络和机器学习、聚类分析、贝叶斯、支持向量机等[3]。
目前的现实是，大部分具备计算机数字技术和数理知识的人才，但缺乏金融直觉、逻辑和思维，而系统接受过金融专业学习的同学，缺少计算机知识和更深的数理知识。因此，需要把金融、计算机、数学三个专业有机结合。在培养模式上，基础知识模块为金融、计算机和数学，注重学生金融专业基础知识和理论，计算机技术和数理知识是研究工具和方法。核心课程可以包括：数字金融学、大数据金融、金融计量、互联网技术、Python、人工智能经济学、资产定价、量化投资、金融风险管理等等。就业方向可能为金融科技公司、量化投资公司和大数据金融公司等。
因为数字金融的研究方法不同于金融研究领域中的其他研究方向，所以未来会成为金融学的另一个研究方向。然而，长期来看，因为金融专业已经足够大了，没有太多必要把数字金融作为一个学科或专业与金融专业并列单独出来，只是需要对现有金融学课程进行改革，重点是增加大数据金融等分析方法类课程。
致谢
*本文从初稿到终稿的形成，伴随着作者参加的各类会议，从中吸收和学习了众多专家的相关观点。例如，清华大学金融科技研究与教育论坛（2018、2019）、厦门大学金融工程与量化金融研讨会（2017）、山东大学金融科技学科建设研讨会（2019）、浙江大学数字金融高峰论坛（2017、2018）等。同时，受到相关业界人士观点的启发。作者和研究团队走访和调研了深圳证券交易所、杭州趣链科技有限公司、杭州邦盛科技有限公司、浙商银行、浙江省农信联社、人工智能小镇、人工智能产业园等机构。衷心感谢北京大学光华管理学院刘晓蕾教授，浙江大学软件学院副院长、区块链研究中心主任蔡亮，蚂蚁金融集团战略发展部总经理邹亮、邦盛科技有限公司CEO王新宇等提出的宝贵建议。本文为著作《行走于真实金融世界》的其中章节，预计2020年出版。衷心感谢唐仲英基金会仲英青年学者项目的资助，感谢浙江浦江农村商业银行股份有限公司资助的《中国普惠金融创新研究》课题研究。本文观点并不代表作者所在单位的观点，对于文中可能存在的错误，作者自己负责。
参考资料
[1]王义中，金雪军：《中国数字金融研究报告（2018）》 ，中国财政经济出版社
[2]国内代表性公司或产品：（1）互联网技术应用于金融业——网络融资（陆金所）、第三方支付（支付宝）、众筹（京东众筹、百度众筹）、互联网征信；（2）区块链技术应用于金融业——BATJ区块链（百度、阿里巴巴、腾讯、京东）、趣链科技；（3）大数据技术应用于金融业——邦盛科技、同盾科技、百融金服等；（4）人工智能技术应用于金融业——幻方量化、致诚卓远、上海双隆等。
[3]例如，2018年NBER有篇工作论文“Selecting Directors Using Machine Learning”，用机器学习方法为公司选董事。2018年，同样是NBER的工作论文，该论文将机器学习方法用于资产定价模型（Empirical Asset Pricing via Machine Learning），已经在学术界产生了不小的影响。
作者简介
王义中，浙江大学经济学院金融系教授、博士生导师。获得全国百篇优秀博士论文（2010）、浙江省优秀博士后（2011）。曾任浙江省舟山市金融办副主任（2015-2017，挂职）。主要研究方向为数字金融和宏观金融。