后疫情时代，科技创新引领金融数字化转型｜CNCC技术论坛

IBM中国研究院云计算及金融科技研究总监和资深经理。致力于应用 AI/ML、大数据和云计算等技术赋能企业和金融行业的数字化转型，提供基于AI的金融风险分析、金融指标预测、业务流程的智能化与自动化、基于AI的IT运维及技术支持，研究成果已交付给多个IBM产品线/服务团队，并成功帮助数百家财富500强企业完成数字化转型。在国际会议和期刊上发表30多篇论文，并荣获IEEE CLOUD 2013"最佳论文奖"，拥有40多项国际专利授权或申请。同时，积极推动学术社区和技术社区的创新工作，担任国际学术会议的大会主席、TPC主席和委员，任国际期刊评委，是IEEE女性工程师协会北京分会的创始成员和志愿者项目负责人，也是IEEE服务计算女性工程师协会(WISC)的会员和初创演讲嘉宾。

IBM中国CTO、IBM大中华区首位荣获IBM“杰出工程师”(IBM Distinguished Engineer)称号的本土技术人员,现任IBM大中华区客户技术架构师总经理。曾荣获中国人民银行2007年金融展科技创新年度人物奖。在其30年的信息技术职业生涯中，她与中国金融界的IT同行们共同走过了IT整个生命周期管理的成长及发展过程！程静以其深厚宽广的信息技术实力融合其对银行业务需求的理解，参与并代表领导了国内五大银行IT建设初期的核心系统技术方案的设计；全程参与了中国金融行业的数据中心集中工程（数据大集中）；参与了大银行的核心系统转型工程的技术架构设计、工程实施和投产上线；同时她还代表IBM领导了中国主要大银行的数据中心灾难备份工程和同城双活项目；在移动互联时代，她正致力于国内主要大银行的金融服务业的业务、应用、基础架构的转型规划及实施，参与了中国银行企业级云计算转型、大数据分析解决方案、区块链技术的规划及实施，目前正在带领技术团队研究区块链技术在中国银行业的业务价值及解决方案。程静热心致力于推动金融行业信息技术的变革，并积极参与中国金融行业的技术交流。程静是IBM首席技术官委员会，IT专家委员会，架构师委员会及IBM妇女科技委员会等技术社团的主要领导人。

报告一题目：机器学习在金融中的应用

报告摘要：讨论机器学习在金融中的应用，包含在投资,保险, 风险管理等方面的应用。讨论应用过程中遇到的挑战和最佳解决的方案。特别在数据收集和处理，机器学习方法和传统金融方法的结合，以及结果可解释性方面遇到的一些问题。

报告人简介：李祥林David X. Li， 上海交通大学上海高级金融学院金融学教授, 中国金融研究院副院长,风险管理研究中心， 金融科技研究中心主任， 金融硕士项目联席主任。加入高金之前，在中外一流金融机构工作二十多年，在风险管理，金融新产品开发和研究，资产管理，保险和信息技术等领域有丰富的高级管理经验。曾担任中国国际金融有限公司首席风险官，花旗银行和巴克莱资本全球信用衍生品数量分析和研究，美国国际集团资产管理分析部门负责人。李教授拥有加拿大滑铁卢大学统计学博士学位，以及精算、工商管理和经济学硕士学位和数学学士学位。他曾被选为北美精算学会投资分会理事，目前是《北美精算期刊》副主编, 加拿大滑铁卢大学客座教授。李博士是信用衍生产品早期开拓者之一, 发明的信用组合定价公式被市场广泛使用和学术界认可，并获华尔街日报(WSJ)头版, 金融时报 (Financial Times)，日本经济新闻(Nikkei), 加拿大国家广播公司新闻(CBC News)等报道。

报告二题目：融合AI与图计算的智能风控体系建设

报告摘要：智能风控是金融科技的应用主题之一，是金融机构的核心必备能力。良好的智能风控体系需要具备数据体系层、基础技术平台层、智能模型层以及智能工作流层。本次讲演将会介绍IBM的智能风控体系，并通过若干实际案例的讲解介绍理论落地过程中的经验与教训，同时对未来的发展进行展望。

报告人简介：王为东，IBM大中华区全球企业咨询服务部合伙人、风险解决方案与人工智能方案负责人。20多年风险与模型建设工作经验，为国际、国内30多家金融机构提供过风险管理相关的咨询以及实施服务，将金融科技与风险管理结合并在众多金融机构得到了应用。

报告三题目：多方计算助力智能金融

报告摘要：多方计算提出了一种通用的数据“可用不可见”的理论解决方案，然而其计算和通讯代价是这一理论走向实践的重要障碍。本报告以我们过去的多方计算工程化实践经验为例，介绍其工程化的主要挑战和解决思路，探讨评估实用多方计算系统实用化的几个主要指标,以及在智能金融的应用。

报告人简介：徐葳，清华大学交叉信息研究院长聘副教授，助理院长，清华大学金融科技研究院副院长兼区块链研究中心主任。专注于交叉学科的分布式系统、大数据和数据安全研究。美国加州大学伯克利分校硕士、博士，师从图灵奖获得者David Patterson教授，宾夕法尼亚大学学士（在清华本科学习两年）。曾获得谷歌、IBM的教授科研奖，获得清华大学“良师益友”特别奖，清华大学先进工作者，北京市师德先锋等称号。在系统、网络、机器学习、光通讯等多领域顶尖会议如SOSP，Sigcomm，EuroSys，ICML，KDD等发表论文50余篇，并获得DSN，APSys最佳论文奖。入职清华前，曾在谷歌总部工作，负责基础架构可靠性方面的研发。徐葳教授专注于科技成果产业转化，兼任图灵人工智能研究院副院长和图灵创投基金投委会委员，并且孵化了专注于隐私计算平台的企业华控清交。

报告四题目：新金融下的智能风控创新实践

报告摘要：新技术在金融风险数字化领域的探索实践，从金融风险数据联盟、融合计算以及数字化技术领域分享大数据、区块链以及AI技术在金融风险领域的探索实践。

报告人简介：王雪女士现任建信金融科技有限公司创新实验室总经理，具有10年以上的金融行业经验。在加入建信金科之前，在IBM 金融事业部任金融行业认知与解决方案总监，专注于为国内外众多的银行提供大数据分析、认知计算、人工智能等方面的分析与决策优化服务。她对金融行业有着深刻的认知和理解。

报告五题目：数据技术的价值——来自金融市场的证据

报告摘要：近年来，越来越多的非科技企业开始引入数据驱动技术。本报告旨在探究数据驱动技术对于在A股上市的非科技企业估值水平、经营效率和成长速度的影响，以及影响企业采用数据驱动技术的因素。本报告根据公司年报中出现相关关键词的次数设置了反映企业是否采用数据驱动技术的指标，利用倾向得分匹配解决内生性问题，并建立了采用多元线性回归和概率回归的实证模型。研究结果表明，数据驱动技术对企业的估值水平和经营效率无显著影响，对非国有企业的成长速度有显著促进作用，对国有企业的成长速度无显著影响。行业的数据驱动技术采用水平和企业规模都是影响数据驱动技术效果的重要因素。

报告人简介：高峰，清华大学经管学院金融系长聘副教授，经管学院区块链金融研究中心主任，金融工程实验室副主任。1999年于清华大学经管学院获得学士学位，2006年于清华大学经管学院获得博士学位。主要从事金融工程，保险和风险管理理论的研究。在《经济研究》、《管理世界》、《金融研究》、《Review of Financial Studies》、《Journal of Economic Theory》，《Econometric Theory》等国内外权威学术期刊发表多篇论文。曾获《金融研究》优秀论文奖和北京市科学技术奖三等奖。