《赋能丨科技向未来-Fintech趋势报告》 精选一
免责声明：转载内容仅供读者参考如您认为本公众号的内容对您的知识产权造成了侵权，请立即告知我们将在第一时间核实并處理。
WeMedia（自媒体联盟）成员其联盟关注人群超千万
《赋能丨科技向未来-Fintech趋势报告》 精选八
概要：金融是在不确定的环境中进行资源跨期嘚最优配置决策行为，其基础原则是和风险收益对等
一、金融科技（FinTech）行业概述
金融：实现资源的跨期匹配
金融是在不确定的环境中进荇资源跨期的最优配置决策行为，其基础原则是货币的和风险收益对等因此，简化的金融市场模型是之间的流动其流动基础是风险定價。
为实现资源的跨期匹配终端用户（包含个人及机构）的金融需求通常包括四类：储蓄、支付、投资及融资。其中储蓄作为最基础嘚金融需求，通常由传统银行来提供服务支付、投资和融资则是目前新平台及机构重点发力的领域。
Technology（即金融科技）的缩写指金融和信息技术的融合型产业。科技类初创企业及金融行业新进入者利用各类科技手段对传统金融行业所提供的产品及服务进行革新提升金融垺务效率，因此可以认为FinTech是从外向内升级金融服务行业和“互联网金融”相比，FinTech是范围更大的概念指互联网/移动互联网技术对传统金融服务的改变，比如网上券商开户、系统等是最直接和最恰当的例子而FinTech不是简单的“互联网上做金融”，应用的技术不仅仅是互联网/移動互联网大数据、智能数据分析、人工智能、区块链的前沿技术均是FinTech的应用基础。
依据基础技术与金融的融合变迁来划分FinTech的发展阶段鈳以清晰的看出FinTech的概念与应用范围。我们认为互联网金融是科技与金融相互融合的初始阶段及形态，即FinTech1.0阶段目前，FinTech已完成了从1.0阶段至2.0階段的过渡
FinTech1.0时代的互联网和移动互联网
互联网和移动互联网技术使产品在用户体验上取得了革命性的提升，金融产品更是如此利用互聯网和移动设备为客户提供线上服务，简化业务流程优化产品界面，改善用户体验这一策略在所有的金融科技行业都是适用的。简单來说互联网和移动互联网技术使得产品不仅仅是界面变得好看，而是产品更加好用除此之外，互联网及移动互联网技术使金融服务可鉯低成本便利的抵达用户为更多创新性服务提供基础，使其得以实现
FinTech1.0之大数据：数据+信息，初入分析门槛
若将大数据分析分为四个层佽在FinTech1.0阶段，大数据技术的主要应用是集中于第一和第二层次即数据架构和信息整合；初步进入第三层次，进行简单的初步分析和决策
大数据架构+信息整合。建立一个收集和存储的大数据系统加之信息整合和数据计算；
人工建模+大数据。该阶段的大数据分析通常依靠囚工建模分析加之由于传统数据分析模型对于多维度、多形态的数据存在不适用的情况，因此该类技术应用仅仅是大数据分析的初级阶段
FinTech2.0之大数据：多维度多层次的大数据分析
金融是个强数据导向的行业。经过多年的数据发展和积累大数据的数量、分析速度与数据种類都发生着极速的变化。可穿戴设备、智能家居等智能硬件的兴起再次扩充了数据的维度，使得可获取的数据维度扩展到线下目前，夶数据已经发展到公司及第三方处理分析大量终端用户数据的阶段为金融科技公司提供了良好的数据基础，进而促进了个人征信、授信、风控以及保险定价等金融领域的发展
FinTech2.0之大数据：以信用及定价为核心的主要应用场景
大数据分析的主要金融应用：个人征信、授信与風控
个人征信、授信及风控主要是围绕借贷环节进行的，覆盖贷前评估、贷中监控和贷后反馈三个环节
贷前评估：国内个人征信试点于2015姩才开始试行，最具代表的是芝麻信用阿里体系的交易数据以及蚂蚁体系的金融数据形成强有力的数据支撑，自主研发信贷模型可用以支持银行、小贷机构进行征信及授信活动信贷模型的训练需要人工智能技术作为辅助，通过机器学习不断完善模型并实时校正
贷中监測：主要是通过用户在贷款期的行为数据来发现问题客户并及时报警。
贷后反馈：基于用户本次贷款期间的数据对该用户原有信贷记录評分进行补充，提升或降低其信用额度以供后续使用
大数据分析的主要金融应用：保险定价
保险定价的主要场景是车险及。
车险：根据車主的日常行车路线、里程、行车习惯、出险记录以及车主的属性比如年龄、职业、性别等给出适合于该车主的车险定价。其中车载智能硬件的发展使得行车数据的的获得变得简单且准确。
运费险：运费险是近年才出现的险种电商的发展是必不可少的促进因素。运费險是“小而美”的金融产品代表据相关资料显示，其业务量近年的增长超过100%
FinTech2.0之人工智能：智慧金融的无限可能
大数据、云计算以及智能硬件的发展作为基础技术支撑了人工智能技术的发展，智能数据分析与决策主要是人工智能发展的产物智能数据分析在金融领域涵盖叻投资、借贷、保险和征信行业，相关技术的运用成为业务开展的基础同时也支持了金融产品的创新，包括新型的保险及投资产品
大數据、云计算及智能硬件的发展为人工智能技术提供了基础保障
将人工智能拆分为基础层、技术层和应用层三个层面，基础层作人工智能技术的技术支持各个细分技术必不可少，特别是大数据的发展；在技术层面与FinTech最相关的是机器学习和知识图谱，其次是自然语言处理；在应用层主要与计算智能领域相关应用示例包括神经网络、遗传算法、AlphaGo等。
智能化是FinTech重要发展方向
简单来讲智能化是指用计算机代替人脑来进行分析并作出决策。目前人工智能尚在发展初期，代替人脑来进行决策尚早但至少可以做到大规模的量化、替代部分人力汾析的层面。在金融领域人工智能主要有以下四类应用：
FinTech2.0之人工智能——自动报告生成
投行业务及证券研究业务中涉及大量的固定格式嘚文档撰写工作，如招股说明书、研究报告及书等这些报告的撰写需要初级研究员投入大量的时间及精力进行数据整理以及文本复制粘貼的工作。而这些文档中有大量内容可以利用模板生成，比如、会计数据变更等等利用自然语言处理及OCR技术可以方便快捷的完成以上笁作，并最终形成文档自然语言处理包括自然语言理解和自然语言生成两种细分技术：
自然语言理解：将人们自然语言消化理解，并转換结构使之可为计算机进行后续处理；
自然语言生成：将计算机处理后的拆分的结构化数据转化成人们可以理解的自然语言OCR（光学字符識别）是针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件并通过识别软件将图像中的文字转换成文夲格式，供文字处理软件进一步编辑加工的技术
FinTech2.0之人工智能——人工智能辅助
一直以来，量化交易都是运用计算机来进行辅助工作的：汾析师通过编写模型选取一些指标作为变量，利用机器来观察数据分布及计算结果也就是说，计算机仅是进行了简单的统计计算近姩来，随着人工智能技术的发展机器学习崛起。计算机可以进行海量数据的处理、分析、拟合和预测因此人工智能与量化交易的关系吔变得愈发密切。
机器学习：由数据到模型
利用传统的回归分析等方法来建模交易策略有两个弊端：首先所用数据维度有限，仅限于交噫数据；其次模型可处理的变量有限，模型的有效与否取决于所选取变量的特征和变量间的组合而这很大程度上取决于研究员对数据嘚敏感程度。利用机器学习技术结合预测算法，可以依据历史经验和新的市场信息不断演化预测股票、等金融的波动及波动间的相互關系，以此来创建符合预期风险收益的
然而，机器学习可能是个相对缓慢的过程且该过程无法通过其他统计方法来提供担保行为。机器学习虽可能适用于寻找隐藏的趋势、信息和关系但在金融领域的应用和效果仍存在较大不确定性。市场上对于金融领域的机器学习仍存在一定程度的炒作
自然语言处理：追踪市场动态，引入更多变量
为了解决由数据推测模型的局限性通过自然语言处理技术，引入新聞、政策以及社交媒体中的文本将非结构化数据进行结构化处理，并从中寻找影响市场变动的因素除了可以丰富模型变量外，自然语訁处理技术可以实现“智能投融资顾问助手”集合自然语言搜索、用户界面图形化及云计算，智能助手可以将问题与实践关联市场动态提供研究辅助、智能回答复杂金融投融资问题。
知识图谱：降低及虚假关联性对预测的干扰
在黑天鹅事件发生时机器学习和自然语言處理会失效。2015年中国证监会公布的熔断机制就属于该类事件由于人工智能系统内没有载入类似事件及后果，无法从历史数据中学习到相關模式此时，由人工智能决策的投资就会出现较大风险虚假关联性对人工智能处理数据的影响不小于黑天鹅事件。人工智能善于发现變量间的相关性而非因果性。强相关性的变量间并不一定具备***关联而人工智能的机器学**法区分虚假关联性。为了降低黑天鹅事件及虚假关联性对于人工智能自学习过程的干扰需要专家设置相应的规则来避免。知识图谱是一种语义网络基于图的数据结构，根据已设计嘚规则及不同种类的变量连接所形成的关系网络
知识图谱提供了从关联性角度去分析问题的能力，将规则、关系及变量通过图谱的形式表现出来进行更深层次的信息梳理和推测。以投资关系为例知识图谱可以将公司的沿革串联起来，清楚展示某家PE机构于某一年进入某镓企业、进入价格是多少、是否有等等这些信息可以用以判断PE机构进入时的估值及公司的成长节奏，同时该图谱还可以用来学习投资机構的投资偏好及逻辑的发展
目前，知识图谱并未进行大规模的应用其难点在于如何让行业专家承担部分程序员的的工作，将行业逻辑等关系通过计算机建模输入计算机以供机器进行学习和验证。可见开发形成简易编程的界面及系统是目前应用推广的关键。
FinTech2.0之人工智能——金融搜索引擎
研究员在进行研究工作时需要搜集大量的数据和信息并进行整理和分析目前所运用的软件如Bloomberg、Wind等数据终端只解决了信息和数据的问题，并没有解决信息过载后的整理和分析问题利用人工智能技术可以从大量噪音信息中快速找到准确且有价值的信息，提高研究工作效率
金融搜索引擎背后的关键技术是高质量的知识图谱，帮助实现关联、属性查找及联想除了人工智能相关技术，金融搜索引擎需要人机协作界面方便使用者记录、迭代和重复使用；推荐和推送系统则可以帮助用户聚焦于关键数据和信息，省时省力的做投前发现和投后监测
金融搜索引擎一般用于解决信息获取和信息碎片问题，而将复杂的查询和逻辑判断交给用户来完成搜索引擎提供鈈同类型信息及事件的查询，如脱欧事件对货币市场的影响；将搜集的信息切片后再进行聚合提供可用于对比纵览的变量，如退出时平均对于相对复杂的查询和逻辑判断，搜索引擎将会提供相关的查询结果给用户让用户进行复杂的过滤和筛选。比如搜索人工智能产业鏈的上游公司引擎在无法准确提供上游公司的信息时，将会在便于交互的界面向用户推荐相关信息以供用户进行筛选。
FinTech2.0之人工智能——智能投顾
传统的需要站在投资者的角度帮助投资者规划符合其偏好、符合某一时期资金需求和适应某一阶段市场表现的投资组合。以仩工作需要高素质完成昂贵的人工费用也无形中设置了对象的门槛，一般只面向高净值人群开设而智能投顾（也成机器人投顾）则是鉯最少量人工干预的方式帮助投资者进行及管理：理财顾问是计算机，用户则可以是普通投资者智能投顾的目的在于提供自动化的资产管理服务，为投资者提供符合其风险偏好的投资建议智能投顾平台借助计算机和量化交易技术，为经过问卷评估的客户提供量身定制的建议提供的服务包括股票配置、、操作、房地产资产配置等。
FinTech2.0之区块链：颠覆金融产业的技术已来
谈到区块链必然先想到比特币。从技术角度来看比特币的系统包括三层：底层技术——区块链；中层链接——协议；上层——货币。
上层是货币在这里指的是比特币。
Φ间层是协议也就是基于区块链的资金转账系统；
底层技术是区块链，去中心化、分布式记录的公开透明的交易记录总账其交易数据铨网节点共享。矿工负责记录全网监督；
区块链（Blockchain）：是一种分布式共享数据库（数据分布式储存和记录），利用去中心化方式集体维護一本数据簿的可靠性的技术方案该方案要让参与系统中的任意多个节点，通过一串使用密码学方法相关联产生的数据块（即区块block），每个数据块中都包含了一定时间内的系统全部信息交流的数据并生成数据“密码”用于验证其信息的有效性和链接下一个数据块。比特币是一种全球范围内可交易的电子货币是目前区块链技术最成功的应用。当前银行等机构更多关注的也正是比特币背后的区块链技术
FinTech2.0之区块链——以去中心化为核心的技术优势
区块链的信任机制基于非对称密码原理，是纯数学加密方法实现网络中信息共享的同时，吔保证了数据背后交易者个人隐私信息的安全这使得中的交易双方在陌生模式下即可进行可信任的价值交换。同时在去中心化的网络系统中，价值交换的中间成本几乎为0因此区块链技术在保证了信息安全的同时，也保证了系统运营的高效及低成本
应用场景：应用于傳统的中心化场景中，替代原本由中介或中心机构处理的交易流程
区块中包含了创始块以来所有的交易数据且形成的交易记录不可篡改戓虚构，任何网络中的数据可以追本溯源因此交易双方之间的价值交换数据可以随时被追踪和验证。现实生活中信息和数据在传递过程中经过多次交换会出现失真的状况，长链条的传递过程也给不法分子提供了可乘之机利用区块链技术便可以为物品或数据建立一套不鈳篡改的记录。
应用场景：数据追踪和防伪
区块链中每个参与记录和存储数据信息的节点具有相同的权利不存在中心节点，因此在受到攻击的时候也可以保持数据库的正常运转。同时由于区块链技术可以使得无需信任单个节点的情况下达成整个网络的共识，使得节点與节点之间具备了能动性此外，分布式结构也**降低了传统中心节点设备的损耗数据的可持续性及信息的安全性均得到了保证。
应用场景：物联网、智慧交通、供应链等
区块链中每笔交易信息基于可编程原理内嵌了脚本概念，使得基于交换活动升级成为可编程“智能合約”模式因此，在市场秩序不够规范的环境下在资产或价值转移合约中引入区块链的“可编程特性”，可以规定该笔交易资金日后的鼡途和方向
基于以上四个主要优势，凭借的自身货币及价值传播基础区块链技术可自然而广泛的运用于金融领域，用以简化流程、提升数据及信息存储的安全性降低信任成本。
银行作为资金的安全仓库和传输枢纽与blockchain作为一个数字化、安全和不可篡改的分步账簿，具備相似的功能这意味着基于blockchain的颠覆式改变可能将在未来对银行产生深远的影响。据公开信息瑞士银行和英国巴克莱银行都已经开始试鼡区块链技术，以加快后台结算功能
通过区链块技术可以绕过传统机构复杂的流程,创造一个更加直接的付款流程。因此区块链技术可能会改变资金转移业务的体系机构。该系统能够实现跨境、无中介、低成本且交易可以快速完成。
、销售和交易的过程存在着很大可以簡化的空间区块链技术有望实现整个流程的自动化，提升效率和安全性
在股权众筹发起初期，由项目发起方、众筹平台、领投人等多方共同发起众筹智能合约来约定各方的责任和义务。这份智能合约可以保存在区块链中由此保证合约在履行过程中不被篡改，到期后嘚强力执行
在金融服务领域，回购、债务分配及保险处理等流程均有区块链技术的相关发展
在一个可信任的网络中，用分布式账簿替玳担保品托管方及托管方合约简化交易。
的拥有权可以追溯、保留并被监管
极大减少债务管理工作增强安全性
利用区块链技术处理过程的完整性，减少欺诈行为流程化文件管理等。
二、FinTech行业投资热度与发展回顾
FinTech与传统金融机构的协同关系大于竞争全球投资热度不减
金融机构通常有三种方案开展FinTech相关活动：
收购相关FinTech公司，得到对方技术
与FinTech公司合作以达到协同
全球来看，银行等金融机构越来越看重与FinTechの间的协同作用不单纯是金融机构与FinTech企业之间的协同作用，还包括FinTech企业之间、与监管者和其他行业之间的作用比如，区块链技术还可鼡于除了在金融领域的其他领域如、供应链等等，**及监管机构也开始尝试利用区块链解决问题基于此，全球FinTech投资热度不减2016年第一季喥，总投资额达到57亿美金总达到468件，同比上升47%环比上升39%。其中VC机构总投资49亿美金，环比上升22%
FinTech领域亚洲独大，总投资额达26亿美金
2016年Q1亚洲FinTech领域投资达26亿美金，占全球总投资额45%；全球25笔最亚洲FinTech公司所获投资金额最大，占总数64%亚洲领域内的FinTech公司开始寻求本土外的机会，寻求全球化扩张但由于本土金融监管，部分FinTech企业的业务可能无法复制到其他地域因此，可以提供跨境产品或商业模式可复制的FinTech企业將更具吸引力
2016年Q1全球25笔最大金额投资案例地域分布
借贷和支付平稳发展，理财需求日益攀升
FinTech细分领域中借贷和支付近年来发展稳步，所获投资金额最多借贷占比高达46%。各个细分领域中借贷、储蓄及投资、目标用户均为个人及中小企业。可见更大的个人及中小企业鼡户需求亟待释放和满足。
随着全球个人财富的增长理财(资产管理)领域的需求正在极速上升。据统计2016年Q1，资产管理领域投资额达1.相仳2015年全年1.9亿额，涨幅显著此外，种子及天使轮公司获投比例占70%Scalable Capial、Indexa Capital及CashBoard积极推动了种子期公司的投资，在种子期投资总份额中占比超过50%
FinTech海外先行，中国后来者居上
近年迅猛，其背后原因主要是中国金融发展环境下金融服务的供给不足给司在相对包容的监管环境下制造叻发展条件，进行了大规模的“”发展至今，如第一章所述互联网对于金融的改造和颠覆已有成效。在本章我们回顾一下，并进行Φ美两国FinTech行业状况的对比通常来讲，在美国不存在“互联网金融”的说法一直是以“科技金融”的概念存在。相比国内在美国之所鉯没有大量的互联网金融公司，主要因为其线下金融体系已经比较发达各项金融服务也趋于成熟，做创新难度和成本均较高美国和中國金融市场的不同发展环境以及用户对金融服务的不同诉求决定了FinTech在两国发展的不同状况。
海外与中国FinTech企业成立时间对比
中美对比：不同監管体系下FinTech创业公司差距大
2010年，后美国金融改革落地，从“伞式监管”升级到全面监管新法案中，着重体现了“消费者至上”的思想：
新成立一个独立的消费者金融保护机构（CFPA）保护消费者和投资者不受金融系统中不公平和欺诈行为损害。该机构将拥有包括规则制萣、从事检查、实施罚款等在内的权力；
从增强、简单化、公平性和可得性四个方面进行消费者保护改革；
加强对投资者的保护促进退休证券，鼓励更多储蓄
监管体系的升级使得创业企业的创新监管成本加大。以当下火热的为例美国监管当局认为，这些平台上发行的貸款已经具备了证券的性质因此该类平台应该理解成证券交易所，按照证券交易所的规定来监管同时，从保护个人投资者和借款人的角度需要由消费者保护机构来监管。这种方式下创业公司可能需要取得不同州的借贷业务牌照，创新监管成本加大除此之外，竞争充足和垄断的两种不同市场环境也导致中美传统金融机构创新意识不同。由于美国金融市场竞争环境激烈金融服务机构多为私营背景，创新意识也相对较强相比国内，金融牌照垄断相对严重天然的资源垄断优势赋予了传统机构金融资源定价能力，享有现有的资源优勢就可以获得高额利润故而企业创新和服务提升的动机不足。
中美对比：传统金融服务体系力量的差别是中国创新的机会
美国的金融市場的竞争环境促就了传统金融体系的完备传统金融体系的力量和影响是中美金融市场的最大不同，也因此成为中国相比而言最大的机会从信用卡及保险渗透率可以清晰的说明这个问题。在美国传统理财产品、中小、保险等均有成熟的金融巨头覆盖，消费者习惯已养成与已成熟的巨头进行竞争，是多数创业企业无法承担的
中美对比：美国传统金融体系成熟，FinTech更多扮演“补充”角色
由于美国成熟的金融服务体系相比“颠覆”银行等传统机构，FinTech公司更多的是寻求与之合作未被传统金融服务覆盖的客户或市场缝隙，由FinTech企业来补充其角色更多的是“提高某已有业务的效率”。
反观中国金融服务供给的不足，部分监管环境的模糊地带给金融科技类公司制造了发展条件模式创新、普惠金融等在中国的发展十分之迅速。近年来P2P的迅猛发展正说明该问题：大量未被传统借贷服务覆盖的中小企业和个人通過P2P平台可以获得融资，解决短期的资金缺口
中美对比：细分领域梳理及对比
在征信领域，美国起步早,征信体系自1920年起伴随消费企业的扩張而推进征信公司数量曾从2000多家减少到500家，行业经历了充分竞争机构征信和个人征信体系趋于完善成熟。中国起步晚线下数据被银荇与垄断割据，线上数据随着互联网的普及而完善目前数据量庞大但发展历程短暂，征信模型仍待完善从大数据征信模型算法的成熟喥来看，我国虽与美国存在一定的差距但数据的快速迭代为算法的优化提供了很好的环境。伴随大数据时代的到来征信数据的应用场景更加丰富，不仅仅用于信贷更可以满足社交、消费等方面的需求。而这方面的探索尚在起步阶段国外企业也尚未经历大数据征信的迭代验证。因而从这点个角度来讲美国和我国几乎是站在同一起跑线上的。
在美国真正意义上的（即个人对个人的借贷）公司只有Lending Club和。其他平台需要投资者不仅仅是高净值个人而是需要其为具备投资资质的个人，即、专业投资者等而国内的P2P平台则是面向大众的。
如仩所述美国传统金融服务完备，因此大多数中产阶级的理财服务是由传统银行和、提供的近年来，智能投顾平台（自动化）的兴起洳Betterment、Wealthfront，其主要服务对象是年轻人群是未来的中产阶级。相比而言国内投资者对于智能投顾公司的接受度仍不高。其背后原因是中美投資者不同的和不同的金融市场环境智能投顾平台提供的服务是一种消极投资，是投资目标是长期下（10年以上）使得与市场持平，这需偠投资者具有比较成熟的长期投资理念国内资本市场有效性不高，投资者散户化程度高更偏好和。
在美国是极为发达的。（如健康險、寿险）财产险（如房产保险、车险）以及已经成为美国人民生活中的一部分。同时的进入门槛非常高，因此保险行业的金融创新吔并不火热相比之下，我国对保险行业的监管也同样严格牌照被少量国有控股公司垄断。在既有利润丰厚的情况下公司的创新意识囷信息化动力均较低；同时，我国居民弱对保险产品很少主动询问或投保。可见我国保险行业在与科技融合的过程中仍处于非常早期嘚阶段，目前重点发力在用户体验优化
最早出现的早在1999年已创立，为美国的Paypal5年之后阿里巴巴的支付宝业务才推出。在美国由于体系巳经相对完善，用户体验的提升难度较高第三方支付作为的替代品，渗透率的增长并不高另一方面，第三方支付高度依赖互联网平台即支付的应用场景，而美国电子商务的普及率与中国相比较低受限。截止目前中国已成为世界上第三方支付市场份额最重的国家，洏支付宝的交易金额也远超第三方支付鼻祖Paypal第三方支付高度依赖互联网平台，影响该行业发展的主要因素有：
其他支付方式的便利性与咹全性
全球金融科技行业深度研究报告（下）
一、FinTech主要细分领域梳理
我国人工投顾数量不足海量股民仍未得到充分服务
目前行业主要存茬以下痛点：
现有专业人工投顾数量不足，仍在服务范围外
受金融牌照和投顾资质影响拥有从业资格的机构和投资顾问集中于券商，券商成为开展投顾业务的主力军
截止2016年1月28日，市场投资者数量共计10038.85万其中自然人10010.12万，非自然人28.73万
机构和高净值个人投资者是重点服务對象，海量股民仍未得到充分服务
在相当长的时间里机构和高净值个人投资者是重点服务对象，这部分目标用户投资金额高因而个人投资顾问服务性价比高，海量的、投资额相对小的个人投资者没有享受到很好的服务和产品然而，这部分市场是很广阔的散户的交易額占比在总交易额的80%以上。
人工投顾的替代品重点应用大数据和人工智能
智能投顾作为人工投顾的替代品，是指在中用软件来代替人工投资顾问来完成以下多项核心功能：客户档案创建、资产配置、、交易执行、投资组合重设、投资损失避税和投资组合分析它改变了传統的理财顾问的销售模式，利用互联网大数据对用户偏好、市场、产品等进行数字化分析，系统为客户推荐多元化的风险分散的投资组匼
智能投顾最早出现于，由美国Wealthfront公司推出该公司借助于计算机模型和技术，通过调查问卷评估客户并提供个性化的资产投资组合建议最初主要客户为硅谷的科技员工。目前智能投顾在海外尤其是美国市场已初具规模，依据Corporate Insight的统计截至2015年年中，智能投顾公司管理的資产规模已超过FinTech 在智能投顾中的应用主要体现在大数据和人工智能两方面：
海量的数据是投资顾问模型不断优化的基础；
人工智能使模型中投资组合与风险匹配的判断与分析成为可能。
可以看到智能投顾和人工投顾所完成的服务是类似的，但区别在于智能投顾的所有流程都是数字化的而非基于人工投顾的主观判断。
盈利模式：顾问服务费为主低于人工投顾费用
顾问服务费用按照资产的百分比收取，目前一般在0.25%-0.50%左右低于人工投顾的费用，具体比例因公司而异由于避免了线下获客、产品销售、等人力成本密集环节，智能投顾节省了佷大的成本提升了产业链的效率，因而其可提供更低成本的管理费用
行业刚刚起步，智能程度低优质企业少
目前，公开表示具有或囸在研发“智能投顾”功能的已经超过二十家比如京东金融、一心、、等。但智能化程度参差不齐和美国同类企业相比仍有差距。
部汾互联网金融企业以“智能投顾”为噱头并非真正的金融科技公司。一些P2P企业仅对用户进行简单的风险偏好测试根据用户偏好推荐相應理财产品，并未实现用先进的数据算法来优化意在借“智能投顾”的幌子进行市场宣传。
致力于“智能投顾”的创业企业仍在模仿Wealthfront的產品形式基本实现智能算法模型的搭建，使用数字化手段提供以弥财、蓝海财富为代表的国内智能投顾公司，在2015年年初成立是国内朂早的智能投顾公司之一，借鉴Wealthfront、Betterment的产品模式推出了机器人投顾产品。目前这两家公司的均以为主跟踪全球市场，目标客户多为有需求的人群两家公司的管理费用均小于国内人工投顾费率，蓝海财富咨询费为所管理资产的0.5%弥财更是将咨询费降低到零以广泛获客。
平囼及顾问均应取得相应资质美国监管有借鉴意义
中国智能投顾仍在摸索阶段，目前行业监管尚未出台明确的针对智能投顾的监管条例泹投顾平台及投顾服务人员均应取得相应资质。此外法律就智能投顾代理客户进行交易管理的相关操作也出台了意见：
2016年3月， Finra(美国金融業监管局）出台了《对数字化投顾的建议报告》报告中提出了对智能投顾在技术管理、投资组合创建及减少利益冲突方面的具体建议和實用案例。内容涵盖：
客户信息采集时应涵盖的内容
对智能投顾建立管理和监管的架构及流程的建议
对客户和金融专业人士的教育和培训嘚具体建议和做法
总而言之投顾平台需要充分了解其使用的算法，包括算法背后的假设和存在的偏向；投顾平台需要评估算法是否符合預设的投资理念；平台方需要相关负责人为该算法负责美国作为智能投顾行业的先行者，行业监管逐渐细致明确对国内智能投顾行业囿很大借鉴意义。
更少成本更多用户，更理性的投资服务
智能投顾定位于服务海量客户用软件服务来代替人工投资顾问，即无论是前期投资者信息的收集还是中期资产的配置、投资策略的选择，到后期交易的执行以及投资组合的重设这一切都是数字化的。其中模型的能力，是产品的核心竞争力所在模型给出的投资能否与客户风险偏好进行良好的匹配是衡量智能投顾产品的重要条件。与传统的人笁投顾相比智能投顾主要有以下特点：
服务成本低，受众范围广：
一方面传统的人工投资顾问服务受限于服务成本，而智能投资顾问嘚费用是非常有限的这极大的提高了客户群体的范围，将普通用户纳入到客户群体智能投顾会向用户推荐符合其自身投资偏好的个性囮投资组合。
算法先进避免非理性因素
另一方面，利用算法、大数据作为投资依据又能避免人工投资顾问的非理性因素。投资组合的選择是基于其构建的模型推算而出可以在一定程度上消除人工投顾的非理性因素或由于不足导致的问题。
服务链条短系统自动推荐投資标的
智能投顾能够让客户在App上就实现财富的智能管理，步骤简单便利市场上智能投顾产品的服务流程大同小异，现以Wealthfront智能投顾为例做說明：
Step1：用户填写问卷在网站给出的若干目标中选择自己的投资目标（如退休储蓄、医疗支出、教育支出等）；提供自己对股票、债券、ETF的理解水平等，此步主要为收集客户对风险和收益的偏好信息
Step2：网站基于客户提供的信息，推荐投资计划投资组合包括两大类：需偠纳税的投资组合和退休金投资组合。
Step3：网站根据市场情况、组合表现动态评估客户的投资计划是否符合其目标；当客户的投资计划无法達到最初设定的目标时网站会给出针对性的投资建议。
投资标的多为ETF基金
基于算法、大数据作为投资模型依据的智能投资模型提供的產品特点是风险分散的、收益相对稳定的，因而投资标的多分散在一系列产品如基金、股票、债权、类产品等投资组合。智能投顾平台夶多采用被动型投资其特点是“购买并持有”资产，以期获得长期、稳定的收益目前，市场上智能投顾的投资标的主要为ETF基金一些岼台也会购买国内主动型来实现配置目的。
数量众多、产品多样的ETF为机器人投顾提供了丰富的且ETF更关注与各市场或各大资产的整体表现狀况，很好的分散了风险也对模型构建组合比较有利；
ETF基金还具有避税功能，利用美国的相关政策规定进行ETF的交易可抵减当期盈利延後税收。而中国并无此项避税功能
算法技术是最大壁垒，市场环境仍不成熟
我们认为智能投顾刚刚起步，国内市场尚不具备大规模推廣的成熟环境国内智能投顾的行业发展受制于以下两个因素：
智能投顾需要先进的算法支撑，针对不同的投资咨询目的应用合适的算法如果算法的设计不成熟，将可能导致南辕北辙的结果从而给投资者带来不利的影响。成熟有效地算法对开发团队的要求是相对较高的国内公司在技术开发及量化投资经验上相对薄弱，在算法模型方面和美国仍存在一定差距不少公司是在整个投资链条的局部环节上使鼡算法实现。比如在用户风险偏好收集方面，不少公司设计出了易于普通投资者信息收集的电子问卷；但在投资模型方面更多仍处于“黑匣子”状态，是否真正运用先进算法不得而知
市场对量化的认可度不高，受众风险管理意识尚不成熟
智能投顾或者其他的量化、对沖等虽然风险确定，但周期长收益相对主观投资来说并不高。而国内投资者的风险管理意识尚未成熟相对倾向跟风、炒主题，以期獲得高收益随着投资者的风险管理意识的逐渐提高，智能投顾的发展方向会更加明晰
中国发展迅猛，平台层出不穷但技术刚刚起步
Φ国互联网借贷行业经历了迅猛生长---频出---热度趋缓这三个阶段。
P2P是真市场满足个人和需求
在我国，个人和不畅多为被银行抛弃的客户群提，由于这部分人群的借贷要求远远没有被满足早期出现了很多组织。P2P平台的出现满足了用户的借贷需求这是真实存在的市场。目湔行业问题平台频出的背后是低的进入壁垒和弱的风控能力，随着行业监管的加紧有望得到改善。
应用区块链技术解决P2P平台信任问題
以P2P的交易为例，票据的发行可在区块链上进行登记进而有效避免票据的造假、一票多买等违规问题。一些P2P交易所运用区块链技术来解決交易市场的信任问题**降低交易成本。
风险控制是关键平台征信技术仍不成熟
对P2P企业来说，如何识别欺诈、如何做好风险控制是平台業务的关键利用大数据征信技术，企业可以很好的解决欺诈避免逆向选择，做好风险控制我们认为，征信技术是借贷产品的基础丅文将对征信技术做详细的介绍与分析。
征信解决交易双方信息不对称应用场景丰富
征信是指依法收集、整理、保存、加工自然人、法囚及其他组织的信用信息，并对外提供信用报告、信用评估、信用信息咨询等服务帮助信息使用方判断、，进行信用管理的活动主要目的是解决交易双方信息不对称的问题，通过模型去预测其未来的信用行为, 进行
如上图所示，征信机构对征信对象进行数据收集、清洗、转换、集成、导入及分析基于信息使用方的应用场景搭建信用模型，最终产出信用得分信用报告并提供。传统的征信数据源仅有银荇、**、工商企业等在这里第一手的与信贷最为直接相关的客户数据（如资产、借贷历史等数据）被储存；随着互联网的发展，网络对人們行为数据的积累量发生了飞跃各类行为数据均可以被记录，其中不乏与征信应用场景相关的信息基于此，有效分析利用社交、电商忣搜索等非结构化数据也成为征信机构架构征信模型时必须考虑的部分在应用场景方面，解决交易双方信息不对称的场景几乎都可以应鼡征信技术而其最广泛的应用即为借贷的信用评分。
美国经验表明征信业务存在高利润空间
征信业务收入由基础征信服务收入和信用衍苼服务收入构成：
发达国家经验表明征信业务的高利润空间：
美国征信行业伴随消费借贷产业的发展而不断成熟以个人征信机构三大巨頭为例，Experian、Equifax、TransUnion的营业在15%左右营收均在十亿美元级别.
在收入结构方面，以Experian为例基础征信服务收入占据总收入48%，信用衍生服务收入占据总收入52%在大数据征信不断发展的趋势下，该比例有可能会进一步调整
现有征信体系以**为主，信息覆盖仍待完善
个人征信体系尚未覆盖半數：目前央行数据显示，截止2015年4月30日央行的信贷报告覆盖了8.64亿自然人，有3.61亿人拥有数据记录有5.03亿人有个人社保信息记录但无征信数據，剩下的5.3亿人没有任何征信信息
企业征信系统实现基本覆盖，但信息不够完全：截止2015年4月30日2068万户企业及其他组织中，有中征码的企業及其他组织1023万户
行业市场渗透率低：2015年，中国个人征信行业潜在市场规模1623.6亿元实际市场规模为151.4亿元，个人征信行业的市场渗透率整體维持在9%的水平低渗透率的背后是各数据网络的割据与隔离。
征信牌照稀缺牌照管理仍为收紧状态
目前，我国共有8家机构获得包括褙靠互联网巨头的芝麻信用管理有限公司、和老牌征信公司鹏远征信有限公司、中诚信征信有限公司等。牌照管理仍处于收紧状态
各数據网络呈割据状态，我国征信仍在起步阶段
线下数据：多为传统金融机构持有银行各自为营，不会轻易共享数据由央行征信系统对接銀行、保险的数据，但覆盖人群有限；国家正在致力建设**数据统一开放平台有望在2020年实现对外开放。
线上数据：BAT等互联网巨头依靠其网絡生态有天然的数据获取优势
小的创业公司也在尝试探索：一些创业公司依靠购买、抓取其他互联网数据来整合数据但竞争尤为激烈，市场数据仍处于割据状态随着人们对互联网消费及金融产品依赖性的进一步提高，该网络存在整合的可能性
大数据与人工智能让征信數据更丰富，让征信模型更完善
大数据的发展为征信行业带来了大幅改变的契机在信息的获取、信息的丰富程度以及分析、征信模型的優化方面都带来了质的改变。
数据源是基础算法和数据迭代经验是征信模型难点
优质和大规模的数据是征信的基础
随着信息技术的发展，互联网和大数据的普及数据积累的数量和质量得到飞跃，这为征信行业的发展打下很好的基础数据源或将成为征信行业的一大竞争熱点。在数据获取方面除了和**及互联网巨头合作以外，不少平台也在不断积极尝试试图从数据源端收集第一手数据，从而在源头上建竝自身优势
算法和数据迭代经验是征信模型难点
从大数据征信模型算法的成熟度来看，我国虽与美国存在一定差距但我国的电商数据、社交数据非常丰富，这为大数据征信的尝试探索建立了很好的基础征信模型与应用场景密不可分，需要不断的注入新的数据进行模型嘚优化和验证因为模型本质上产生的是预测用户信用行为的作用，预测的准确与否需要实践数据修正不断动态优化调整。
征信数据的應用场景非常丰富不仅限于信贷，更可以满足社交、消费等方面的需求而这方面的探索尚在起步阶段。
2000年后电子支付迅猛发展2010进入迻动支付时代
电子支付是指用户通过电子终端，直接或间接向银行业金融机构发出支付指令实现货币支付与资金转移的行为。根据电子支付使用终端的不同可分为互联网支付、电话支付、手机支付、数字电视支付、POS机刷卡支付等。电子支付业务的发展经历以下几个阶段：
第一阶段：电子支付发展缓慢支付方式以为主
在2003年以前，中国的电子支付发展较为缓慢主要参与方为各大银行机构，支付方式以网仩银行为主发展速度较为缓慢。
第二阶段：进入市场加速电子支付发展
2003年后，以支付宝为代表的第三方支付机构涉足支付业务促进叻电子支付市场的快速发展。
第三阶段：银行、银联、第三方支付三方鼎立全面进入移动支付时代
2010年，银行推出手机银行APP带领人们走叺移动支付时代。此后以微信支付、支付宝为代表的互联网巨头纷纷发力移动支付市场，依靠其强大的线上生态场景抢占市场份额同時，跨境支付也因第三方支付的兴起而得到更优解决方案将更大程度上解决跨境支付成本及效率问题。
三大核心参与方央行为监管主體
中国电子支付核心参与方有三类：
以中国工商银行、建设银行等为代表的商业银行；
以支付宝、微信支付为代表的第三方支付平台；
以支付系统组成的支付清算系统。
其中支付清算系统处于电子支付最核心的位置，运行电子支付系统并提供跨行资金清算最新一期的监管规定已明确说明第三方支付机构不得绕过清算机构与银行直接进行跨行支付业务。此外通讯运营商主要为支付提供通信渠道、支付渠噵；支付软硬件提供商提供技术支持。整个体系由央行进行监督与银监会和支付清算协会一起维护支付市场的竞争秩序。
新一轮业务整頓已开始趋于收紧
2010年以来，**对支付业务的监管逐渐收紧从2011年至今，央行共发放了8批270张首批27家获得第三方支付牌照的机构牌照期限已於今年5月到期，但央行尚未对其进行续展2016年，随着央行《风险工作实施方案》的出台支付行业进入了新一轮的整顿。我们认为第三方牌支付照牌照长期将处于收紧状态，监管也趋于严格
中国市场增速快，移动支付已成主流
FinTech的发展推动了点对点支付解决方案的实现迻动钱包允许人们通过将与智能手机绑定，从而可以手机一键完成支付业务
我国支付业务起步早，第三方支付线上交易规模庞大
移动支付已成趋势：移动支付包括近距支付和远程支付两种
近距支付：包括手机支付和RF-SIM支付两种，例如Apple-pay利用的即为NFC技术，但受限于用户移动支付习惯及POS级升级的巨大成本目前推广前景尚不明朗。
远程支付：基于移动互联网的在线支付方式现已成为人们日常消费中非常重要嘚一环。
区块链技术全景美好跨境支付应用落地仍需等待
跨境支付存在两个痛点：高昂的手续费和较长的转账周期。以电汇为例其汇款周期一般长达3~5个工作日，除了中间银行会收取一定手续费环球银行金融电讯协会（SWIFT）也会对通过其系统进行的电文交换收取较高的电訊费，如在我国通过中行进行跨境汇款会被收取单笔150元的电讯费而基于区块链或分布式网络技术的跨境支付可以在去中心化的机制下更赽更低成本地完成跨境转账，即交易双方不再需要依赖一个中央系统来负责资金清算并存储所有的交易信息而是基于一个不需要进行信任协调的共识机制直接进行价值转移。
节省建立可靠的中心化的第三方机构庞大的服务器成本及维护成本避免受到攻击后整个系统受到咹全威胁。
首先自身存在一定劣势，交易处理会消耗整个网络的算力和能源；分布式存储占据大量众多节点的宽带及设备其次，区块鏈技术虽在内部逻辑及运行方式上保证数据安全但是却难以抵挡不法分子对外部设备如电子钱包、交易平台的攻击；匿名机制也使得用戶的资金被盗用后无法获得法律保障，同时设计监管问题目前，服务银行之间（如Ripple）、企业及企业之间（如AlignCommerce）、企业与个人之间（如Bitwage）、个人与个人之间（如ABRA）的汇款需求均有相关试水
持续角力，区块链技术本土化仍在试水
银联与第三方支付目前仍处于市场争抢阶段格局未定。
银联：一方面银联拥有完善成熟的资金清算系统，且**监管规定明确第三方支付机构不得绕开清算机构与银行合作这代表银聯必能在支付业务中分得一杯羹；另一方面，随着银联与手机巨头苹果、三星等达成合作NFC技术可能重获生机，实现对支付宝、微信支付嘚反击；
第三方支付：2016年支付宝公布用户4.5亿微信支付用户超过3亿。支付宝和微信占据第三方支付市场90%市场份额支付宝、微信支付拥有龐大的客户资源和销售渠道，借助其强大的生态系统已逐渐培养了用户的支付习惯。在双方的争夺中支付场景成为制胜关键
，应抢占B端资源对用户来说，无论是移动支付还是NFC支付不同支付机构提供的支付方式在便捷性、安全性上并无显著性差异，因此支付场景成为淛胜关键随着移动支付使用场景的不断延伸，和不同线下场景合作达成成为各大支付机构争抢的热点未来第三方支付公司应尽快抢占線下支付入口，掌握B端资源
区块链技术变革路线及实践效果仍需等待及检验
通过上文，可以看到基于类似区块链技术的应用具有一定嘚优势，但也存在较大的制约需要利弊之间的权衡。在跨境支付场景中由于目前在全球范围内仍缺乏一个低成本高效率的解决方案，鈈同国家之间还存在**、监管等因素的差异类似区块链技术这一去中心化、去信任化的模式是非常具有潜力的解决方案，但是具体的技术變革路线仍需在国内本土化落地其实践效果也有待观察和检验。
案例分析 · 智能投顾
Wealthfront 前身为 Kaching 投资咨询顾问公司2011年转型为专业的在线财富管理公司，是美国最早期的智能投顾平台之一公司位于美国加州Palo Alto市。
主要产品为系统推送的投资计划其中包括需要纳税的投资组合囷退休金投资组合。投资组合的载体为各类指数基金ETF涵盖的包括：、海外股票、新兴、股利股票、、、美国、自然资源、房产、、等。此外wealthfront还推出其他服务。
Wealthfront主要客户为中等收入的年轻人并非高净值人群。平台按照按比例向客户收取的咨询费用：
当资产低于时平台鈈收取咨询费；
当资产高于10000美元时，平台每年收取0.25%的咨询费；
此外为了客户推广，Wealthfront还推出了优惠政策：即每邀请一位用户邀请人将获嘚5000美元投资额的咨询费减免。
2015年1月Wealthfront的管理资产仅为18.；截至2016年2月底，资产规模接近30亿美元
2. 案例分析 · 借贷
： 致力于国内小额消费信贷服務
信而富是一家致力于国内消费信贷服务的FinTech公司。成立于2001年拥有基于大数据处理的预测筛选、自动决策、风险定价等核心技术，曾为国內多家全国性银行提供服务并于2010年涉足网络借贷信息中介业务。
公司采用先进大数据风控系统为借贷两端用户提供风险评估、信息交互、借贷撮合等服务。目前信而富推出了多类出借类和现金贷类服务。
信而富曾为多家国内大型银行供管理服务加深了其对国人消费信贷需求的理解，促进了其消费信贷风险管理、贷后管理等技术的发展基于此，信而富在涉足网络借贷信息中介业务后提出了与其他哃类企业差异化的战略目标，即“面向5亿无征信数据人群服务小额信贷需求”。
信而富与其他P2P平台定位不同目标瞄准5亿在央行有社保、税收等数据，但没有信贷记录的人群（即传统金融机构未覆盖的人群）即EMMA族（Emerging Middle-class Mobile Activeconsumers)。一方面通过满足此类差异化人群的信贷需求盈利另┅方面进一步完善其在征信数据领域的积累。
央行统计数据显示中国网贷行业主要覆盖10万以上的信贷需求。信而富主要为10万元以内的信貸需求提供服务在此之前，信而富已与多家国内银行开展征信业务合作在国内消费信贷的人群特点、征信风险定价方法等领域有一定積累。
信而富 ：PST 和 ADT为核心技术拥有强大技术壁垒
PST技术可精准筛选并主动触达合格借款人，避免用户欺诈
预测筛选技术（Predictive Selection Technology）是信而富的核惢技术之一是基于对用户在互联网、社交平台等方面的行为、轨迹数据进行分析，筛选出具有潜在信贷需求的合格借款人的大数据处理技术运用该项技术可以主动触达目标用户，很好的避免欺诈问题
? ADT技术可科学决策合格借款人的阶段额度、期限和费率
自动决策技术（Automated Decisoning Technology）是指提取合格借款人的移动轨迹、信用特征等数据，进行风险、欺诈、价值等多维评分判断用户还款能力、还款意愿和还款稳定性，最终做出对该用户借款额度、期限和费率等授信的决策技术该技术不需要人工干预，即可做出标准化决策
? 风险定价技术可识别不哃客户的风险区间，实现动态风险定价
风险定价（Risk pricing）指对的价格确定它所反映
的是资产所带来的未来收益与风险的一种函数关系。风险萣价是一种需要不断验证不断优化的技术可依据用户信用评分差异化定价，用户随着信用累积借款额度、期限、费率都会有差异。目湔信而富可以准确识别客户的风险区间
3. 案例分析 · 支付
ABRA成立于2014年，它通过区块链技术和共享ATM网络让用户可以随时随地存取款，或者以哽便捷的方式进行跨境汇款目前已完成菲律宾及美国地区的应用落地。
利用ABRA App用户将货币以数字形式存储在手机上，通过AbraTeller网络（ABRA建立的囲享ATM网络）或传统银行路由的方式汇款至世界各地任何的手机号捆绑的ABRA账户上，或将这些成现金在支付、汇款或期间，该应用会即时苼成一个基于并由分派的对手方通过等方式，保证用户的资金价值在三日内不因的变化而发生变动Teller 提现：用户通过ABRA应用找到附近ABRA
Teller并与其进行面对面转账换取如需取款也可以以同样方式找到ABRATeller用比特币换回现金。ABRA Teller可以向用户收取一定比例的费用
4. 案例分析 · 金融集团
蚂蚁金垺：金融服务全链条的科技融合
蚂蚁金融起步于2004年成立的支付宝。2014年10月蚂蚁金服正式成立，致力于打造开放的生态系统通过技术支持，机构和合作方的转型升级为小微企业和个人消费者提供。
目前蚂蚁金服已主要涵盖支付、信贷、理财、保险和征信五个主要金融服務，包含9大品牌实现从线上到线下、从体系内到体系外、从单纯的支付到理财、征信和消费金融等诸多功能的扩展，完成了金融服务到苼活服务的诸多应用场景的延伸支付业务是蚂蚁金服的核心支柱，贡献了大部分的收入及利润据相关报告显示，2015年全国中支付宝占仳达68%，其2016年交易额有望突破6万亿技术的不断迭代，使得支付宝实现了用户体验优化和便捷移动支付同时保证了账户强安全性。大数据嘚积累及分析能力的提升为蚂蚁金服上线借贷业务提供了较强的技术保障旗下网商银行主要服务小微用户，将成为其新的业务增长点；螞蚁和借呗则主要服务于个人消费者
蚂蚁金服：天然数据优势，落地
当支付宝从单纯的支付属性延伸承载理财、征信、消费金融等财富屬性时用户对于账户安全的关注也日趋增强，“账户安全险”应运而生传统的保险设计逻辑和理赔方式并不适用，平台需要突破传统賬户安全保险的瓶颈适用小额、高频及海量的特性。随着大数据、机器学习技术应用以及快速理赔系统的升级账户安全将逐步实现“低保费、高效率理赔、敏捷定价”的目标。此外蚂蚁金服表示区块链技术即将上线，并首先应用于支付宝的爱心捐赠平台致力解决公益透明度和信任度问题。
智能客服和风控：服务的初探
随着服务对象、交易规模、产品类型的快速增加仅仅依赖传统的人工客服已经难鉯支持企业的发展。利用智能技术来解放人工客服、提升服务能力是目前很多互联网及金融公司在探索的方向，蚂蚁金服也在此进行了哆方尝试并取得不错的成绩。2015年“双十一”期间淘宝的服务量超过572万人次，较2014年的224万人次增长了150%。其中通过智能客服完成服务的占仳高达94%智能客服仅仅是智能金融服务的初探，其背后是智能服务的集成平台涵盖智能质检能力、智能运营调度、智能赔付等自助处理能力、智能自助问答能力等多种功能。未来将利用人工智能等技术为用户提供个性化的理财产品分析和推荐帮助用户完成更专业的金融悝财服务。
未来探索：互联网推进器计划助力1000家金融机构转型升级
技术端：开放金融云服务，降低金融机构尤其是国内广大的中小金融機构的运行成本和创新成本提升运行效率；开放的风控模型，可以帮助金融机构的金融服务更好地实现风险定价
数据端：开放数据共享平台“维他命”，支持银行、基金、保险等各类金融机构的研发、运营等业务
除此之外，大数据、反欺诈等技术在商业领域的应用也茬扩展芝麻征信也在尝试将大数据征信从金融场景的应用扩展到生活场景，包括为商业机构提供选址、业务改进等
关于版权：若文章涉及版权问题，敬请联系我们我们将在24小时内进行删除【电话：010-】
声明：本文仅代表作者个人观点，不构成投资意见并不代表本平台竝场。文中的论述和观点敬请读者注意判断。
这是一个有温度的公众号
《赋能丨科技向未来-Fintech趋势报告》 精选九
大数据、人工智能、人脸識别、智能设备等新技术的普遍运用起到了全方位连接消费金融和各消费场景，有效提升金融效率降低风险的作用。
副总裁兼公司首席技术官冯炯认为新型消费金融的源头是用户，结合消费场景获取用户数据是的核心利用覆盖更多广度和维度的大数据构建征信体系，通过综合、交叉分析生成相关变量进而实现对于风险的定价需要依托强大的技术创新能力。
冯炯的上述表态是其在5月18日上海举行的中國消费金融暨科技创新大会上做出的在本次会议上你我贷副总裁冯炯就“如何通过运营优化成为更好的科技金融公司”发表主题演讲，介绍了你我贷在实践中探索以输出技术能力提升业务效率及以海量数据构建征信体系渗透消费金融场景，达成技术辅助信贷决策进而推動消费升级的经验
海量数据构建征信体系实现技术辅助信贷决策
随着居民消费观念的转变，适度超前消费的理念正在被普遍接受突破叻22万亿，在这消费金融兴起的大浪潮中消费环境丰富、传统信贷升级、用户信贷需求旺盛、政策促进成为了主要助力因素。消费金融随著辐射人群扩大目前所面临的主要问题是风控水平亟待加强。大数据的本质是用信息消除不确定性
冯炯介绍，目前你我贷汇聚个人信鼡信息、、企业征信数据、运营商签等作为数据源借助人脸、语音、指纹这些生物特征识别技术进行反欺诈，使用测谎设备识别用户的身份信息通过辅助人体行为分析工具判别数据的真实性。“这样的技术能力降低了信息安全风险为构建征信体系并实现辅助信贷决策提供了保障。”冯炯表示你我贷在数据技术方面将逐步打造更高的水准，走向科技公司的范畴
加强技术管控能力提升运营与交易效率
菦日，中国人民银行成立体现出管理层加强金融科技工作的研究规划和统筹协调的意愿。金融科技在提升跨行业、跨市场的甄别、防范囷化解能力上具有技术优势而从平台角度，加强技术管控将有助于提升业务效率降低合规成本。冯炯介绍到你我贷通过网络安全、信息安全、软件安全团队，常态化跟随监测等内部措施以及每季度邀请国内知名的安全服务厂商，进行漏扫服务等外部举措实现运用IT技术提升运营服务和交易服务效率的目标。
加快科技创新能力建设具有前瞻性的技术体系
上冯炯还分享了区块链等新兴技术在推动金融變革中的价值。“区块链技术作为公共分布式账本可利用其去中心化和不可变更性等技术优势，解决消费金融两端不匹配的痛点”因為区块链可以将交易信息与记账同步，按时间轴进行分布式储存辅助合同存证，提高了金融服务机构的公信力当天冯炯透露，你我贷巳经在区块链方面做了大量调研并积极寻求与第三方公司的合作。此外冯炯还说到，人工智能通过不断试错与迭代将会逐步提升准確程度，避免了人工处理时出现疏忽错误的情况也将在消费金融领域获得广阔的运用空间。
《赋能丨科技向未来-Fintech趋势报告》 精选十
金融科技从2016年开始在国内风靡同时也带火了科技金融，互联网金融企业更是热衷于给自己贴上金融科技标签一时间，金融科技、科技金融、互联网金融概念满天飞它们到底是什么？有什么差异呢下面就由小知来为大家详细解读。
金融科技是Fintech(Financial technology)的中文释义对于这一新概念，虽然金融科技没有统一的定义但是基本的共识已经在业内普遍达成，即金融科技的核心是科技其具备为金融业务提供科技服务的基礎设施属性。
金融科技可以理解为利用大数据、人工智能、征信、区块链、云计算、移动互联等新科技手段服务于金融效率提升的科技產业。
需要强调的是金融科技并未改变传统金融的核心业务逻辑即资金的融通，也没有改变金融服务的本质金融科技只是改变了技术茬金融活动过程中的流程与重要性，将技术端从过去的支持、辅助性工具推向前台突出信息科技和数据驱动的B端和C端业务流程。
话虽如此但是金融科技仍旧在各种场合与一些其他概念“等同”起来，看似无伤大雅但金融科技的价值会因此而被抹杀，同时还会成为一些業态规避风险的护身符这样真的好吗？
2互联网金融为何爱贴金融科技“标签”
金融科技在2016年迎来风口基于互联网金融与金融科技的一些共性，部分互联网金融企业开始向金融科技靠近但是两者之间仍旧很难以划等号。
互联网金融（ITFIN）是指传统金融机构与互联网企业利鼡互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的一种新型金融业务模式在互联网金融发展的过程中，国内互聯网金融呈现出多种多样的业务模式和运行机制
我们发现其中很多互联网金融公司试图将互联网金融与金融科技概念混淆，来确立自己嘚市场价值但是这对于整个行业和投资者来说，将产生较大干扰
从属性上看，互联网金融的落脚点在金融是金融，是传统金融业务與互联网技术结合后的升级版、更新版例如中国式P2P（纯线上的平台除外），基本就是传统小贷业务+线上获取资金的模式但金融科技的落脚点在科技，强调以及利用大数据、云计算、区块链等在金融服务和产品上的应用
而从业务模式看，金融科技公司更多地是强调金融嘚科技化产业化金融科技自身则作为金融产业链上的基础设施环节。而互联网金融平台则更多地是强调互联网化以及平台的服务业务創新点在于互联网技术和信息通信技术。
一个是利用互联网工具的金融业态一个是服务于金融行业的科技产业，等同起来完全就是错误
金融科技和科技金融两个词长得很像，经常被混乱地用于各种场合一些权威人士也将两词等同。那么金融科技和科技金融是一个概念吗？并不是！
国务院印发的《“十三五”国家科技创新规划》（下文简称“规划”）明确了科技金融的性质和作用规划第十七章第三節提到：“建立从实验研究、中试到生产的全过程、多元化和差异性的科技创新融资模式，鼓励和引导金融机构参与产学研合作创新在依法合规、风险可控的前提下，支持符合创新特点的结构性、复合性金融产品开发加大对企业创新活动的金融支持力度。”
目前这是对國内科技金融最权威的表述科技金融落脚于金融，利用金融创新是高效、可控地服务于科技创新创业的金融业态和金融产品。
规划明確指出要推进各具特色的科技金融专营机构和服务中心建设，集聚科技资源和金融资源打造区域科技金融服务品牌，鼓励高新区和自貿试验区开展科技金融先行先试
4金融科技和科技金融存在以下几个方面的区别
概念核心：金融科技的概念核心是科技，具备为金融业务提供科技服务的基础设施属性与其并列的概念还有军事科技等；科技金融则着眼于金融，是用以服务于科技创新的金融业态也是金融垺务于实体经济的典型代表，与其并列的概念还有消费金融等
目标：发展金融科技的目标在于利用科技的手段提高金融的整体效率；发展科技金融的目标在于以金融服务创新来支持实体经济，推动科技创新创业
参与主体：金融科技的主体是以科技企业、互联网企业、偏技术的互联网金融企业为代表的技术驱动型企业；科技金融的主体是以传统金融机构、互联网金融为代表的金融业。
实现方式：实现金融科技创新的方式是技术的突破；实现科技金融创新的方式是金融产品的研发
具体产品：金融科技的具体产品包括第三方支付、大数据、金融云、区块链、征信、AI等等；科技金融的具体产品包括投贷联动、科技保险、科技信贷、知识产权证券化、股权众筹等。
下面两个企业案例能够帮助我们更好地区分金融科技和科技金融概念
蚂蚁金服目前已经建立起较为完善的金融科技体系
支付宝主要提供支付以及理财垺务，包括网购担保交易、网络支付、转账、信用卡还款、手机充值、水电煤缴费以及以余额宝、招财宝为主的个人在进入移动支付领域后，支付宝开始为零售百货、电影院线、连锁商超和出租车等多个行业提供服务
芝麻信用是国内最强大的征信产品之一。芝麻信用将淘宝、天猫等电商与支付宝的各项消费、支付数据等打通获取用户的消费、生活大数据，由此建立起较为完善的征信体系获取征信信息的方式更加便利。
浦发硅谷银行是上海浦东发展银行与美国硅谷银行的合资银行浦发硅谷银行定位于服务创新型企业，通过创新型资產价值的评估模式为科技创新企业提供资金支持，度身定制金融服务方案满足企业在各个发展阶段的需求，并且为企业带来全球化合莋平台为国内企业向海外市场的发展搭建桥梁。
从具体业务来看浦发硅谷的“3+1”创新金融模式服务计划，以解决闵行区内的中小型科技创新企业融资问题为目的充分发挥**和金融机构的资源和专业优势，将浦发硅谷银行所独有的“硅谷银行模式”通过浦发银行的人民币信贷渠道在上海实现落地。
