因應金融服務數位化與政府政策,目前有越來越多銀行要求員工必須具備科技相關知識與能力,甚至有部分銀行指定行員必須通過金融科技力知識檢定。有鑑於ptt及Dcard上的金融科技力準備心得與重點筆記不多,因此JY在此分享金融科技力的準備筆記,希望幫助考生一次通過金融科技力知識檢定!
- 考取日期:2021/03,電腦應試一次考取
- 考試單位:台灣金融研訓院
- 考試科目:金融科技力知識檢定(僅考一科)
- 通過分數:89.5
- 個人背景:生物研究所畢業,無金融相關背景,純屬興趣
- 報名資格:不限
- 準備時間:5日/3小時/天
前情提要
「金融科技力知識檢定」 過去稱為「金融數位力知識檢定」,此一變化也讓考試方向與內容大幅改變,因此準備金融科技力時,可不看第1~7屆金融數位力的歷屆試題,只要做金融科技力(第8屆以後)的考古題即可。
當然,過去金融數位力知識檢定的參考書籍也不再適用,若要完整準備金融科技力考試,可購買金融研訓院最新出版的金融科技力書籍。
準備方法
金融科技力測驗相對其他金融證照較簡單,比較不會考生硬的法規,部分題目可靠常識與考試技巧答題。為了完整準備,JY參考ptt及Dcard證照版後,決定購買金融科技力一書,搭配歷屆試題做準備。
建議先做歷屆試題了解考試重點,接著再細讀金融科技力一書並整理出重點筆記,最後將題目分門別類放在筆記後方,這樣考前就能直接閱讀重點快速準備囉!做考古題的方式建議如同正式測驗,把答案遮起來做答,若有不會或猜對的題目都要標記,最後考前就能只讀標記的題目,大幅縮短準備時間!
筆記內容
金融科技的發展演進
金融科技之起源與發展
Fintech 1.0 成功架設海底電報線,讓跨國金融交易資訊可即時交換。
Fintech 2.0 SWIFT及現代化自動清算機構出現。
Fintech 3.0 2008金融風暴後開始,民眾對華爾街信賴度下降,加上資通業快速發展,一些非銀行新創公司有機會推銷利基金融商品,幫助消費者更便利或金融業解決複雜的法遵作業。
金融科技對傳統金融業之衝擊
1. 去中介化:如P2P貸款平台,取代部分金融機構中介的功能。
2. 智慧型機器使用:包含大數據、人工智慧與電腦自動研判數據。
3. 顧客與金融機構關係改變:顧客關係主導權瓦解、金融機構與市場新進者合作、深入顧客的日常生活。
雲端運算
雲端服務租用者可隨時建立、執行、終止自己的虛擬伺服器,並可在上面執行任何軟體,再根據使用量付費,不須煩惱硬體升級與維護問題。
雲端運算的三大服務模式
1. 基礎架構即服務(IaaS)
2. 平台即服務(PaaS)
3. 軟體即服務(SaaS)
雲端運算部屬的三種模型
1. 公有雲
2. 私有雲
3. 混和雲
市場資訊供應-大數據與新市場平台
大數據的定義及特性
1. 具大量性的(Volume):需要大量的資料。
2. 具多樣性的(Variety):資料樣貌為多種類型的格式。
3. 具不斷傳輸性的速度(Velocity):隨時間持續產生可被分析的資料。
4. 真實性的(Veracity):資料是否真實有不確定性,如假新聞或假消息充斥。
大數據資料類型
1. 結構化資料
2. 非結構化資料
3. 半結構化資料
新市場平台
1. 社群化:融入社群媒體功能,促進買賣方和經紀商互動,改善對買賣方的評估模式。
2. 標準化:經由資料蒐集與分析,進行數據標準化,以利買賣雙方更精準評估。
3. 自動化:透過自動蒐集和分析數據,幫助買賣雙方做出更明智的決策,減少人為交易媒合。
人工智慧
人工智慧簡介
弱人工智慧(應用型人工智慧)
強人工智慧(通用型人工智慧)例子:影像與聲音辨識、AlphaGO、自駕車等。
1. 第一次熱潮(1950~1960):主課題為讓機器具備推論或探索的功能,使用工具是樹狀結構的搜尋演算法,用以做狀況區分。
2. 第二次熱潮(1980~1990):研究焦點轉移至知識,發展出專家系統,讓電腦汲取專業領域知識,透過推論展現如專家的表現。
3. 第三次熱潮(2000~現今):由於電腦運算能力大幅提升,使用雲端儲存變得更便宜,加上雲端伺服器收集了大數據,為人工智慧建立發展基礎。
區塊鏈
區塊鏈的源起-兼論數位貨幣
比特幣是點對點的電子現金系統,完全去中心化,沒有伺服器或中央管理機構,但可避免重複支用。
去中心化:代表系統不存在具主導權的機構。
點對點(P2P)架構:不需伺服器,透過網路連接的每部電腦都是獨立個體,稱為節點。
分散式帳本,稱為區塊鏈:為特殊的資料庫,由一長串的資料區塊,按時間先後鏈結而成。每一區塊記錄某時段發生的交易資訊,再由一群互聯的電腦節點,透過密碼學技術,確保交易的正確與有效性。
數位簽章
單向函數(單向演算):演算本身容易執行,但反向運算很困難,可解決解密鑰匙如何安全發送的問題。
有了合適的單向函數,便可產生出一對密鑰,稱為公鑰與私鑰,公鑰可以公開、私鑰則須保密。|
公鑰私鑰會成對生成,公鑰不怕被公開,是因為單向函數的反向演算極為困難,解密所需的關鍵訊息都在私鑰裡。由於加解密不是同把鑰匙,又稱為非對稱密碼術。
雜湊函數
可以輸入任意長度的字串,輸出則是一個固定長度的字串。
是一種單向壓縮資料的演算法,將輸入資料做不可逆且不可重複的單向壓縮,可使任何內容壓縮成一個固定長度的偽亂數,此一亂數就是雜湊函數輸出的雜湊值。
生物辨識
生物辨識技術種類現況
- 接觸與非接觸式生物技術
接觸式非接觸式指紋辨識(較成熟)、指靜脈辨識、簽名辨識人臉辨識(成長速度最快)、聲音辨識、虹膜辨識
- 生物辨識系統安全性
冒用被接受率FAR:冒用者被接受的頻率=冒用者被接受次數/冒用者嘗試次數
- 生物辨識系統便利性
本人被誤拒率FRR:本人無法通過辨識系統的頻率=本人被拒次數/本人嘗試次數
支付
國際上行動支付之發展現況與未來趨勢
1. NFC
為近距離無線通訊技術,可讓兩電子裝置在非常短的距離進行資料傳輸,可離線交易。NFC支付三個主要組成元素:手機NFC天線、手機內建防干擾安全元件、商店非接觸式NFC讀卡機。
2. 信用卡行動收單裝置(mPOS)
商店透過手機耳機插孔或藍芽通訊方式外掛收單設備(刷卡設備),消費者透過該外掛設備進行刷卡。
3. 主機卡模擬(HCE)
類似NFC但透過手機中的APP或雲端伺服器完成安全元件(SE)的功能。
4. 資料標記技術(EMVco Tokenization)
EMV支付代碼服務框架用隨機虛擬代碼取代傳統卡號資訊,店家收到刷卡請求時,刷卡機會發出使用者信用卡代碼授權請求,獲准後會收到代碼,只要手機內代碼和刷卡機收到的代碼一致就能交易。
5. QR code
沒有轉換新卡、限定機種的問題,消費者只要下載APP完成註冊,不論用任何智慧型手機、實體或網路購物,都能直接開啟APP選擇信用卡,出示QR code掃描付款。
保險科技
1. 解決資訊不對稱問題,貼近顧客需求
2. 提高服務效率並降低保險業人力成本
3. 增加行銷通路及時行銷
1. 物聯網
最早實踐於美國的車險市場,在被保險人車上安裝行車紀錄器,紀錄駕駛人風險程度,再進行精準定價與核保。在壽險領域中,被保險人以穿戴智慧型裝置監測健康數據,也可作為核保考量。
2. 大數據
如大數據保單(BBI)及使用者基礎保險(Usage-based Insurance, UBI)。
3. 雲端計算
雲端計算平台可以承載大數據,利用動態拓展性高的計算模式,提供相關分析服務。
存貸
1. 更精確的核貸:一旦出現違約資訊,將立即回饋模型。
2. 核貸量增加:新增網路數據、社群資料與借貸雙方多樣化,將增加借貸成交機會與額度,導致核貸量增加。
3. 管理與透明度:貸方可根據風險偏好決定放款對象與利率,提高貸方對放款利率的控制力。
募資
1. 捐贈:支持者投資公司或組織,但不求回報,主要運用於公益事業。
2. 回饋:類似團購+預購模式,創業者透過平台宣傳創意與計畫,募資成功後即可執行計畫或生產商品,回報給提供資金的支持者。
3. 股權:投資者可得到一定比例的股權,收益來自未來股價增值或股息、紅利等。
4. 債權:投資者可得到一定比例的債券,收益來自利息或本利償還。
國際上群眾募資之發展與未來趨勢
1. Kickstarter:全球最大群眾募資網,影視與音樂為最大類別,收費方式採用All-or-Nothing,只有募資成功才會被收平台費用。規定不能透過Kickstarter作為投資專案賺錢。
2. IndieGoGo:服務目標非常廣泛,沒有項目限制,並未設定募資期限,收費方式採用All-or-Nothing及Keep-It-All兩者並行。
3. AngelList:知名股權群眾募資平台,提出三種不同投資模式:
(1) 聯合投資模式:也稱「領投+跟投」模式,由一個領投人發起,其他已經認證的投資人對其進行跟投,領頭人將所有資金匯總投到項目上,與跟投人間建立一個非約束性的投資承諾。
(2) 自發聯合模式:由被投資公司自己發起聯合投資,前提是被投資公司已有一個高質量投資人10萬美元以上的投資承諾,之後便可向跟投人募集資金。
(3) 基金模式:類似投資一個指數型基金,用於投資大量早期科技公司,但每個基金側重的領域可能略有不同。
台灣重點案例:FlyingV、嘖嘖、群募貝果,以上三者皆為回饋型群眾募資平台。
金融科技下的投資管理
金融科技應用於投資管理的興起
1. 投資者賦權
「賦權」是個人藉由學習參與、合作等過程,使獲得「掌握自己本身相關事務的力量」。
2. 流程外部化
「外部化」是指由外部專業供應商提供投資管理的專業技術,使金融機構不需投入大量基礎設施。
1. 自動化投資理財顧問
俗稱機器人理財,目前發展較迅速。
2. 社群投資
透過社群平台,參與者可察看任何平台交易員的交易過程,並可採取跟單交易,使投資者更容易獲得並分享他人的投資策略與組合。
3. 演算法交易
又稱自動交易,是程式交易的一種。事先設計交易策略,透過電腦程式利用演算法決定交易。
自動化投資顧問(機器人理財)業務
1. 了解客戶(KYC):藉由線上問卷調查了解客戶理財規劃與投資需求。
2. 提供投資組合建議:將KYC資訊納入財務模型,透過大數據與演算法,產出適合客戶的建議。
3. 建立投資組合,執行交易:客戶選定策略後,協助建構專屬投資理財計畫。
4. 自動化管理與風險監控:協助客戶定期檢視績效,評估是否符合目標,建議是否需要動態調整投資組合(再平衡交易)。若市場出現突發事件或劇烈波動,也會協助客戶盡快處理風險性資產。
社群投資與演算法交易
最早由美國興起,社群投資平台最大特色為跟單交易,個別投資者可選擇、跟隨與複製其他操盤高手的投資決策,成為所謂的鏡子交易員(Mirror Trader)。
程式交易
程式交易指投資人利用電腦程式並透過歷史資料模擬回測的方式,找出最佳交易策略、標的及買賣價格,並以電腦程式建立盯盤系統,即時提供進出場訊號與進行交易。
演算法交易
演算法屬於程式交易的一種,交易特色在於事先根據目標設計好交易策略,將其編寫成電腦程式,之後利用電腦程式的演算法決定交易下單的時機、價格和數量,並以電腦自動送出訊號執行交易委託。
高頻交易
被視為演算法交易的一種,與其他演算法或程式交易最大不同,在於高頻交易是透過高速電腦運算,以微秒為單位,利用特定交易程式掃描市場中稍縱即逝的套利機會,並優於一般投資人獲知相關交易機會資訊,在市場迅速進行多筆金融產品的交易。
演算法交易特性
1. 避免交易時受情緒、心理上的影響,或人為上的延遲。
2. 可同時追蹤許多市場及證券價格最新狀況,不會錯失任何一個演算法所定義的交易機會。
3. 和其他程式交易相同,可能追漲追跌,加劇市場波動,提高系統風險。
純網銀與開放銀行
純網銀之發展
台灣中央銀行的純網銀定義:通常指沒有實體分行,所有金融服務透過網路或行動管道進行的銀行。
1. 部分業務已侵蝕傳統金融體系:尤其是支付、借貸等業務最受影響。
2. 對傳統銀行有鯰魚效應:網路銀行將挑戰傳統銀行業務,連帶驅動金融業與資訊科技業合作,提高整體金融業競爭力。
1. 作業風險:高度依賴第三方廠商或策略夥伴,若未適當監督,將使資料安全等作業風險上升。
2. 流動性風險:客戶可快移轉資金,導致客戶忠誠度降低及存款波動度提高。
3. 法遵風險:與未受金融監管的科技公司合作,因該公司法遵意識較薄弱,而提高純網銀違法風險。
開放銀行簡介
開放銀行(Open Banking)是將帳戶資訊主控權還給消費者,消費者有權決定讓其他銀行或非銀行第三方服務提供者(TSPs)的合作,藉由開放應用程式介面(API)共享金融數據,與第三方機構平台建構應用程序及服務,並合作開發相關應用程式,為客戶提供更多財務服務。
Open API是指可公開取得的API,提供開發人員透過程式化存取一個專有的軟體應用程式。簡單來說,API允許一個軟體跟另一個軟體交互作用,Open API可讓組織內部與外部開發人員註冊使用,而私密API(Private API)僅供內部開發人員使用。
主要國家開放銀行之發展
歐盟
2016通過第二號支付服務指令(PSD2),規定自2018/1/13起在客戶授權下,銀行必須透過API允許第三方服務提供者進入客戶資料系統。
英國
2018執行開放銀行,英國競爭及市場屬(CMA)要求9大銀行需建立統一開放銀行介接標準格式(API)。
台灣
初期只開放提供非交易面的金融產品資訊整合為主,主要提供金融商品及服務等資訊可及性,之後將參酌各國推動情形,研議逐步推動開放銀行的服務範圍。
監理科技
金融監理科技的發展過程與內涵
RegTech:監理科技,核心思想為科技+監理,或著是利用新技術更有效解決法遵和監理的問題。
根據德勤的報告,監理科技具有以下四大核心特點:
1. 敏捷性(Agility):對錯綜複雜的數據,可進行快速解析與組合。
2. 速度(Speed):能快速配置及產出報告。
3. 整合(Interation):可在短時間內整合多個監理數據結構,並對眾多規定要求形成統一合規標準。
4. 分析(Analytics):使用分析工具挖掘大數據,打開真正的潛能,如在多樣目的下使用相同數據。
金融監理科技類型
1. 效率與合作:包含監理報告呈現方式、風險評估統一化、雲端計算。
2. 整合、標準、理解:包含語意技術與數據點模式、應用程序介面、共享數據。
3. 預測、學習、簡化:包含風險與合規監控、機器學習、大數據分析與建模。
4. 新方向:包含區塊鏈/分布式分類帳、生物識別技術、內建合規。
資訊安全與風險管理
資訊安全新的威脅與挑戰
全球風險報告(WEF Global Risks Report)針對全球面臨各種風險進行發生可能性與發生後衝擊排序:
十大可能風險:身分被冒用或資料被竊取(第四位)、網路攻擊(第五位)
十大衝擊風險:網路攻擊(第七位)、關鍵資訊基礎建設被毀(第八位)
資安威脅情勢分析與數位鑑識能力
根據行政院國家資通安全會報技術服務中心統計,政府機關通報的事件,有四成以上是受到網頁攻擊
主要原因包括:網站設計不當、應用程式漏洞、弱密碼。
造成影響包含:資料外洩、業務服務中斷、設備入侵。
金融犯罪防範與偵測
1. 進階持續威脅攻擊(APT):竊取機密資料或盜轉資金。
2. 分散式阻斷服務(DDoS):癱瘓網路運作。
3. 勒索病毒軟體為(RaaS):如電腦遭到「想哭(Wanna Cry)」病毒攻擊,檔案將被強制封存,必須付錢(如虛擬貨幣之比特幣)交換解密程式。
4. 用虛擬貨幣洗錢:因無法與真實身分產生有效連結,故難以追蹤透過虛擬貨幣洗錢的所得。
金融機構的數位轉型
金融機構使用科技的歷程
- 2016世界經濟論壇提出未來金融服務的基礎建設報告,七項將會影響金融業的新興科技:生物科技、雲端運算、認知運算、分散式帳本技術、機器學習/預測行分析、量子計算、機器人學。除了量子計算目前仍在科技公司的研發階段,其他六項科技已經開始嘗試應用於金融機構。
金融機構面對數位科技的挑戰
- 2015世界經濟論壇報告指出六項金融服務最有可能受到金融科技公司衝擊:
報告提出精簡型資訊架構:
1. 流線型設施:創新科技如平台化及分散式技術,提供全新整合及分析資訊的方法。同時方便連結能力也降低取得金融資訊及參與金融服務的成本。
2. 高價值活動自動化:許多金融創新應用先進的演算法及高效處理能力,將過去需要專業人員判斷的應用加以自動化。進而提供更便宜、更快速、擴展性更強的替代服務及產品。
3. 減少中介角色:創新業務模式將傳統金融機構擔任的中介角色,加以簡化甚至是移除,進而提供更具競爭力或是更高的毛利。
金融機構的應對策略
傳統銀行應對數位化挑戰,可採取以下策略:
1. 持續優化服務方式,整合實體與數位通路,建立無縫客戶體驗。
2. 衍伸金融價值鏈,與異業結盟將金融服務嵌入客戶的生活場景。
3. 適時引進成熟的人工智慧應用。
4. 建立數位化流程以精簡成本。
5. 數位時代金融從業人員的應對策略。
建立數位化流程以精簡成本
RPA並非實體機器人而是軟體系統,可結合工作流程技術,模擬作業人員在不同系統間的操作流程建置於系統中,即可以自動化方式處理資料,可全天候執行作業程序、減少人工作業可能的錯誤。
RPA運用於例行性、重複性高的作業,可加速作業時間、提高客戶滿意度並降低成本,讓員工無須執行例行性單純工作而能更專注在高價值工作。金融服務業可將RPA應用於AML洗錢防制、個人金融貸款處裡、信用卡申請作業、銀行開戶審核作業、授信與審核作業、風險管理、智慧客服、網頁擷取資料、登入應用程式或網頁。
選購連結
相關筆記