具体包括以下三个方面。

(1) 信用大数据的科学规律和多维数学表征面向信用数据的多源、异构、海量特征，建立智能数据采集及多维度数学表征方法，抽取大数据结构特征和信用信息，重构区块链技术的信用大数据，建立信用大数据共享机制和融合方法。研究信用大数据特征识别机理与提取，以机器学习和知识图谱为核心，建立精准信用主体画像。构建基于用户复杂网络，研究信用违约风险传导与演化规律，提出信用违约概率模型与智能算法。

(2) 基于动态关联分析和归因分析等的信用智能预测研究主要对多源信用大数据进行动态相关分析，挖掘信用特征之间复杂的时变相关结构；运用归因分析技术，从动态信用特征集合中提取影响信用事件的关键信用特征，构建信用事件演化路径；运用状态空间及动态系统技术预测集中式爆发的信用事件，预警极端经济环境下的系统性信用风险；并基于国家发改委公共信用信息中心的国家信用大数据，研制面向信用事件预测与评估需求的验证平台。

(3) 智能征信大数据开放平台与应用综合集成前几个研究任务的智能精准信用主体画像、关键信用特征提取、信用风险监控预警体系的信用大数据，研发基于新一代信息技术（大数据、区块链、物联网、5G等）的信用大数据开放平台及其共识机制。优化社会信用环境，推动社会信用体系建设。

考核指标：解决金融科技在大数据环境下的关键数学统计难题，期望在前述的具体数学问题中有重大突破，并能开发和建立相应的计算程序框架；用三到五年时间初步建成基于国家发改委公共信用信息中心的国家信用大数据，研制面向信用事件预测与评估需求的验证平台；建立数据综合和预警预报系统，并在此基础上发展建设一系列智能金融产品；建立国家一流金融大数据交叉学科研究中心，实现以深圳为中心、全国以及全球协同合作的发展趋势。