01

金融科技

▼ 工行金融科技部总经理：探索量子科技、卫星遥感等前沿技术在金融场景的应用

据中关村互联网金融研究院，人工智能、大数据、云计算等技术稳步发展的同时，隐私计算、卫星遥感、量子技术逐渐兴起，并在金融领域探索应用场景。近日，工商银行金融科技部总经理表示，“目前，量子技术在金融领域处于探索应用阶段，工行金融科技研究院正持续开展跟踪研究和场景创新试点。隐私计算、卫星遥感等已在工行实现规模化应用。”

▼ 2022年美国最有价值的六家私有金融科技公司

据中关村互联网金融研究院，数据提供商CB Insights的一份报告，提出2022年最有价值的美国私有金融科技公司。包括：

Stripe：估值950亿美元。Stripe帮助大大小小的企业处理在线支付和商业贷款等业务，并会自动计算和征收销售税。Stripe在去年处理了6,400亿美元的支付业务，比2020年增长了60%。

Klarna：估值460亿美元。Klarna想让消费者不再使用信用卡，但仍希望有一种随时间推移而付款的方式。用户可以通过这款应用购买各种商品，并规划无息分期付款或结账时一次性付款。该公司的大部分收入来自于向零售合作伙伴收取联盟营销和支付服务费。

FTX：估值320亿美元。作为世界上最大的加密交易所之一，这家总部位于巴哈马的公司处理着全球每月2.4万亿美元衍生品交易的11%，为了成为家喻户晓的品牌。

Chime：估值250亿美元。作为美国最大的数字银行，Chime通过提供不收取透支费的免费支票账户和向客户提供现金预支服务而受到欢迎。其CEO Chris Britt表示，Chime在2022年第一季度获得了比公司10年历史上任何一个季度都多的新客户。

Ripple：估值150亿美元。Ripple通过区块链技术和其专用加密货币XRP来促进国际支付和汇款。该公司拥有300多家机构客户，包括渣打银行 (Standard Chartered) 、桑坦德银行 (Santander) 和速汇金 (MoneyGram)

Blockchain.com：估值140亿美元。这家英国加密货币交易所是世界上最受欢迎的加密货币钱包，其允许用户管理好几种货币的私钥。目前，其业务已经扩展到了美国，可以为包括加州在内的35个州的客户提供服务。自上线以来，该平台已有8,300万个钱包和超过1万亿美元的交易额。

02

银行业务发展

▼ 125家城商行大透视

据任博宏观论道，记者梳理了125家城商行的数据。

城商行数量虽已降至125家，但体量仍持续升至47万亿元附近。经营情况总体不理想，资产质量与创利能力存隐忧。总的来说，城商行群体呈现出不良贷款率高（1.96%）、拨备覆盖率低（182.49%）、创利能力弱（ROA与净息差分别低至0.64%和和1.73%）、资本实力不强（资本充足率为12.82%）等特征。

在其中110家数据较完整的城商行中，总资产在5000亿以上城商行23家：3000-5000亿元之间的有25家。从创利能力（体量更高的银行是否能够创造更多的营收与利润）与资产质量（不良贷款率与拨备覆盖率）来看，城商行之间的分化较为明显。

区域分布维度：集中度高。仅辽宁、山东、浙江、四川、河北5个省份，城商行有64家，超过总数的50%。

03

人工智能

▼ 李飞飞团队提出零样本泛化的技术，性能超越SOTA

据公众号“图灵人工智能”李飞飞的门生，斯坦福大学的博士发表论文，题为《SECANT：用于视觉策略零样本泛化的自专家克隆》。

简要介绍：

强化学习中的泛化（generalization），是指通过不断跟环境交互，产生出一种网络的记忆性。这个网络能够根据环境中特定的信号完成相应的动作，经过训练的agent能够记住在什么状态下要做什么，还能通过识别状态的细微差别来采取不同的动作。再通俗一点，就是在未见过的测试数据上也能够进行预测。因此，提升模型的泛化是机器学习领域中的一个重要研究。特别是视觉强化学习方面，泛化很容易被高维观察空间中，一些无关痛痒的因素分散了注意力。

图1：机器学习中的泛化：欠拟合、拟合、过度拟合

针对这个问题，团队通过鲁棒性策略学习，对具有大分布偏移的未见视觉环境进行零样本泛化。因此，团队提出「SECANT」模型，一种可以适应新测试环境的自专家克隆方法（Self Expert Cloning for Adaptation to Novel Test-environments）。这个方法能够在两个阶段利用图像增广，分离鲁棒性表征和策略优化。首先，专家策略通过弱增广从头开始进行强化学习的训练。而学生网络就是通过强增广的监督学习来模仿专家策略，其表征与专家策略相比，对视觉变化更具鲁棒性。

实验表明，SECANT在DMControl（Deepmind Control）、自动驾驶、机器人操作和室内物体导航这四个具有挑战性的领域中，在零样本泛化方面超过了之前的SOTA模型，分别实现了26.5%、337.8%、47.7%和15.8%的提升。

主要贡献：

提出了SECANT模型，可以依次解决策略学习和鲁棒性表征学习问题，从而实现了对未见过的视觉环境的强大零样本泛化性能。

在自动驾驶、机器人操作和室内物体导航四个领域中，设计并制定了一套多样化的基准测试。除了DMControl外，其它3种环境都具有代表实际应用程序的测试时视觉外观漂移。

证明了SECANT在以上4个领域中，大多数任务都能达到SOTA。

04

心理学前沿

▼ 心理所合作研究揭示社会规范对中国大学生吸烟行为的影响

据中科院心理所6月10日发布，来自中国科学院心理研究所、广东工业大学、深圳大学和美国兰德公司的多名学者开展了一项合作研究，探讨了两种社会规范（描述性和指令性规范）对大学生吸烟态度和行为的直接和间接影响，并揭示了其中性别规范的独特作用。其中，描述性规范指大学生对不同群体中吸烟流行度的感知，如“男性群体”、“女性群体”及“令人向往的群体（如富人、名人等）”；指令性规范指大学生对“亲密他人（如父母，朋友）对自己吸烟认可度”及“我国社会对男性/女性吸烟认可度”的感知。

该研究在社交平台获得来自北京37所高校的有效问卷680份。主要结果显示，社会规范可直接影响大学生的吸烟态度和行为。相对于被媒体热议的“偶像吸烟”之类的描述性规范，指令性规范对我国大学生吸烟态度和行为的作用更大。其中，对大学生吸烟影响最大的因素是父母和朋友的态度。尤其对女性大学生而言，与性别相关的社会规范对吸烟行为和态度有重要影响。例如，感知到身边的女性吸烟及社会对女性吸烟的不认可时，女大学生对吸烟更可能持有消极态度。

这些发现提示，控烟策略应基于我国的集体主义文化背景对大学生吸烟行为进行精准性干预。未来可将描述性规范和指令性规范结合，并关注在私人空间中对吸烟行为的干预（如家人或朋友对吸烟反对的态度，或树立控烟的偶像或榜样）。最后，政策制定者可针对不同的群体用不同干预策略，以提高控烟政策的有效性。