中國金融科技報告2020

1、目 錄 HYPERLINK l _TOC_250029 金融科技行業(yè)概覽 5 HYPERLINK l _TOC_250028 何為金融科技：以技術(shù)為手段，提高金融效率和質(zhì)量 5 HYPERLINK l _TOC_250027 發(fā)展歷程：中國金融科技起步較晚，后來居上 5 HYPERLINK l _TOC_250026 投資情況：2019 年全球金融科技投融資達 1500 億美元，中國市場有所降溫 6 HYPERLINK l _TOC_250025 核心技術(shù)：ABCD 四大技術(shù)賦能 8 HYPERLINK l _TOC_250024 金融科技行業(yè)應(yīng)用現(xiàn)狀 9 HYPERLINK l _TOC_2

2、50023 銀行科技 9 HYPERLINK l _TOC_250022 行業(yè)格局：數(shù)字化加速發(fā)展，央行、商業(yè)銀行以及銀行金融科技子公司是主要推動力 9 HYPERLINK l _TOC_250021 應(yīng)用場景：金融科技深入各業(yè)務(wù)條線，信貸領(lǐng)域應(yīng)用已較為成熟 10 HYPERLINK l _TOC_250020 問題挑戰(zhàn)：技術(shù)轉(zhuǎn)型時間長、投入產(chǎn)出比不定、數(shù)據(jù)處理難度大 13 HYPERLINK l _TOC_250019 保險科技 14 HYPERLINK l _TOC_250018 行業(yè)格局：頭部險企和互聯(lián)網(wǎng)保險公司發(fā)展迅速，傳統(tǒng)互聯(lián)網(wǎng)公司加速布局 14 HYPERLINK l _TOC_2

3、50017 應(yīng)用場景：貫穿保險業(yè)務(wù)全鏈條 14 HYPERLINK l _TOC_250016 問題挑戰(zhàn)：數(shù)據(jù)化進程緩慢、新技術(shù)運用尚不成熟 16 HYPERLINK l _TOC_250015 證券科技 17 HYPERLINK l _TOC_250014 行業(yè)格局：金融科技投資約 200 億，頭部券商、互聯(lián)網(wǎng)券商和軟件服務(wù)商三分天下 17 HYPERLINK l _TOC_250013 應(yīng)用場景：廣泛應(yīng)用于零售經(jīng)紀和機構(gòu)業(yè)務(wù) 17 HYPERLINK l _TOC_250012 問題挑戰(zhàn)：科技投入和應(yīng)用深度不足，同質(zhì)化嚴重 18 HYPERLINK l _TOC_250011 資管科技 1

4、8 HYPERLINK l _TOC_250010 行業(yè)格局：規(guī)模龐大、背景多元，但科技滲透較低 18 HYPERLINK l _TOC_250009 應(yīng)用場景：輔助投資決策，提高金融產(chǎn)品設(shè)計能力 19 HYPERLINK l _TOC_250008 問題挑戰(zhàn)：資管行業(yè)大整合，金融科技尚處探索階段 20 HYPERLINK l _TOC_250007 互聯(lián)網(wǎng)金融科技平臺 20 HYPERLINK l _TOC_250006 行業(yè)格局：大型平臺企業(yè)主導，細分市場眾多 20 HYPERLINK l _TOC_250005 應(yīng)用場景：支付和借貸為主，逐步轉(zhuǎn)向技術(shù)方案輸出 22 HYPERLINK l

5、 _TOC_250004 問題挑戰(zhàn)：高杠桿、系統(tǒng)性、隱私保護、壟斷地位 25 HYPERLINK l _TOC_250003 監(jiān)管導向：監(jiān)管升級，鼓勵創(chuàng)新與規(guī)范發(fā)展 25 HYPERLINK l _TOC_250002 吸取 P2P 教訓，從包容創(chuàng)新到整治規(guī)范 26 HYPERLINK l _TOC_250001 金融科技進入監(jiān)管元年，創(chuàng)新與規(guī)范并重 26 HYPERLINK l _TOC_250000 展望和建議 28圖表目錄圖表：金融科技是金融服務(wù)與底層技術(shù)深度融合 5圖表：全球金融科技企業(yè)融資 6圖表：分投資渠道，風投和并購為主導 6圖表：分業(yè)態(tài)，支付和保險科技領(lǐng)先 6圖表：分地域，美洲

6、領(lǐng)先，東南亞活躍 7圖表：中國內(nèi)地金融科技投融資降溫 7圖表：中國金融科技獨角獸 2020 7圖表：共有 12 家大中型銀行已成立金融科技子公司 10圖表：信貸業(yè)務(wù)全流程與金融科技結(jié)合 10圖表：金融科技嵌入消費信貸流程 11圖表：信貸七大流程整合至線上 12圖表：工銀 e 信解決方案 13圖表：保險業(yè)務(wù)全流程與金融科技結(jié)合 15圖表：信息技術(shù)投入金額前 10 名 17圖表：信息技術(shù)投入占營收比重前 10 名 17圖表：大資管行業(yè)發(fā)展 19圖表：互聯(lián)網(wǎng)金融科技平臺產(chǎn)品和牌照矩陣 21圖表：互聯(lián)網(wǎng)金融科技平臺經(jīng)營情況 22圖表：2020 年 11 月各平臺移動 APP 活躍用戶數(shù) 22圖表：第三

7、方移動支付市場規(guī)模 23圖表：2020Q1 第三方支付市場份額 23圖表：中國互聯(lián)網(wǎng)消費金融市場規(guī)模 23圖表：2018 年互聯(lián)網(wǎng)消費金融服務(wù)商貸款份額 23圖表：各互聯(lián)網(wǎng)金融平臺促成信貸余額 23圖表：螞蟻的助貸與聯(lián)合貸款模式 24圖表：京東白條賒購模式 24圖表：中國互聯(lián)網(wǎng)財富管理市場規(guī)模 24圖表：各互聯(lián)網(wǎng)平臺貨幣基金規(guī)模 24圖表：2020Q1 全球金融科技投資金額（億元） 25圖表：各互聯(lián)網(wǎng)金融平臺研發(fā)投入 25圖表：2018 年前包容性政策重視金融科技發(fā)展 26圖表：當前監(jiān)管政策：鼓勵金融科技發(fā)展與關(guān)注金融安全并重 27金融科技行業(yè)概覽何為金融科技：以技術(shù)為手段，提高金融效率和質(zhì)量

8、金融科技是技術(shù)驅(qū)動的金融創(chuàng)新，技術(shù)為手段，金融為目標。金融科技 Fintech 一詞最早是花旗銀行 1993 年提出，由 Finance（金融）+Technology（科技）合成而來。根據(jù)金融穩(wěn)定理事會（FSB）2017 年金融科技對金融穩(wěn)定的影響，金融科技是指技術(shù)帶來的金融創(chuàng)新，能夠產(chǎn)生新的商業(yè)模式、應(yīng)用、流程或產(chǎn)品，從而對金融服務(wù)的提供方式產(chǎn)生重大影響。中國央行金融科技（FinTech）發(fā)展規(guī)劃（20192021 年）也參考了上述定義，指出“金融科技是技術(shù)驅(qū)動的金融創(chuàng)新，旨在運用現(xiàn)代科技成果改造或創(chuàng)新金融產(chǎn)品、經(jīng)營模式、業(yè)務(wù)流程等，推動金融發(fā)展提質(zhì)增效”。圖表：金融科技是金融服務(wù)與底層技術(shù)

9、深度融合資料來源：澤平宏觀發(fā)展歷程：中國金融科技起步較晚，后來居上縱觀全球金融科技發(fā)展，可分為金融信息化、互聯(lián)網(wǎng)金融、金融與科技深度融合三大階段。1.0 金融信息化：上世紀 80 年代經(jīng)濟全球化、金融自由化催生大量復(fù)雜金融服務(wù)需求，金融機構(gòu)設(shè)立 IT 部門，銀行卡、ATM、證券交易無紙化等快速普及，金融服務(wù)與電子信息技術(shù)初步融合，起到提高業(yè)務(wù)效率、降低運營成本的作用。在中國，1993 年國務(wù)院有關(guān)金融體制改革的決定提出“加快金融電子化建設(shè)”，中國金融信息化提上日程。2.0 互聯(lián)網(wǎng)金融：2000-2010 年全球信息爆炸、互聯(lián)網(wǎng)紅利快速上升，金融機構(gòu)圍繞互聯(lián)網(wǎng)拓客營銷，金融服務(wù)從線下轉(zhuǎn)移到線上，

10、極大豐富觸及范圍和應(yīng)用場景，減少信息不對稱，銷售渠道和業(yè)務(wù)模式大變革。在中國，2013-2015 年是互聯(lián)網(wǎng)金融達到高峰，P2P、移動支付、網(wǎng)上開戶遍地開花，互聯(lián)網(wǎng)銀行、證券、保險等紛紛設(shè)立。3.0 金融科技深度融合：2011 年以來，隨著人工智能、大數(shù)據(jù)、云計算、區(qū)塊鏈技術(shù)滲透于投資決策、風險定價、資產(chǎn)配置等環(huán)節(jié)，深刻改變金融服務(wù)方式和邏輯，對傳統(tǒng)金融機構(gòu)和監(jiān)管發(fā)起挑戰(zhàn)。中國由于人口基數(shù)龐大、移動通信和物流基建發(fā)達，在全球金融科技競爭格局中處于第一梯隊。投資情況：2019 年全球金融科技投融資達 1500 億美元，中國市場有所降溫全球金融科技投融資2018 年達到頂峰。根據(jù)畢馬威金融科技脈搏

11、，2015-2019 年，全球金融科技投融資金額從649 億美元增至1503 億美元，年均增速達 23.4%，投融資數(shù)量從 2123 宗增至 3286 宗。2018 年伴隨螞蟻等一批大型融資事件落地，金融科技投融資達到階段性高點，此后市場降溫。2020 年上半年，因疫情導致跨境并購中斷，金融科技僅獲 1221筆交易、256 億美元投資。1,6001,4001,2001,0008006004002000圖表：全球金融科技企業(yè)融資1,5041503649737602256融資金額（億美元）融資宗數(shù)（右）201520162017201820192020H14000350030002500200015

12、0010005000資料來源：KPMG，澤平宏觀注：數(shù)據(jù)包括VC、PE、M&A 投資，因統(tǒng)計口徑和方法變化，每年報告數(shù)值不一致，本文取 2019 年和 2020 H1 最新版本數(shù)據(jù)分投資渠道看，風投表現(xiàn)較為強勁。金融科技主要投資者包括 VC、 PE 和并購，平均所占份額為 40%、3%、41%。VC 是風險投資機構(gòu)對初創(chuàng)企業(yè)股權(quán)投資，是反映金融科技投資市場領(lǐng)先指標。近 5 年，VC 支持的金融科技投資金額從 178 億美元增至 393 億美元，2020 年上半年為 200 億美元，超過同期水平。分業(yè)態(tài)看，支付科技占四成，保險科技次之。金融科技投向業(yè)態(tài)包括支付、保險、監(jiān)管科技、數(shù)字貨幣、財富管理

13、、網(wǎng)絡(luò)安全等領(lǐng)域，2020年上半年占比分別為 38%、9%、7%、5%、1%、3%。支付科技涉及領(lǐng)域廣泛，從大眾消費到醫(yī)療、房地產(chǎn)、跨境交易等細分賽道，均對支付流動性、安全性提出較高要求，投資者熱情高漲。1,2001,0008006004002000圖表：分投資渠道，風投和并購為主導圖表：分業(yè)態(tài)，支付和保險科技領(lǐng)先VC（億美元）PEM&A支付(億美元）監(jiān)管科技保險財富科技1,000500020152016201720182019 2020H12017201820192020H1資料來源：KPMG，澤平宏觀資料來源：KPMG，澤平宏觀分國家和地區(qū)看，美國金融科技投資最多，中國投資降溫。2020

14、年上半年，美洲、亞洲、其他地區(qū)金融科技投融資分別為 129、81、46 億美元，占比分別 50%、32%、18%。其中，美國金融科技投資額 119 億美元，占美洲 92%、全球投資額 46%。亞太地區(qū)，以印尼、印度為代表東南亞金融科技公司成為熱點。中國內(nèi)地金融科技投融資經(jīng)歷 2018 年高峰，2019年投資額為 45 億美元，相比縮減 82%，2020 年上半年進一步降至 6.1 億美元。分企業(yè)看，中國金融科技市場格局寡頭化。不同于其他國家和地區(qū)金融科技以中小型公司為主，中國金融科技市場結(jié)構(gòu)趨向少數(shù)大型企業(yè)主導。2020 胡潤全球獨角獸榜顯示，18 家金融科技行業(yè)獨角獸企業(yè)估值共計 16340

15、 億元。800600圖表：分地域，美洲領(lǐng)先，東南亞活躍圖表：中國內(nèi)地金融科技投融資降溫美洲（億美元）亞太歐洲、中東和非洲中國金融科技融資金額（億美元）306.9132.583.276.845.06.140030040020020010002017201820192020H10201520162017201820192020H1資料來源：KPMG，澤平宏觀資料來源：KPMG，澤平宏觀圖表：中國金融科技獨角獸 2020公司經(jīng)營領(lǐng)域估值（億元）成立年份互聯(lián)網(wǎng)巨頭股東螞蟻集團平臺100002014阿里陸金所平臺27002011騰訊微眾銀行信貸15002014騰訊京東數(shù)科平臺13002013京東蘇寧金服

16、平臺5002006蘇寧、阿里萬得資訊、軟件3002005銀聯(lián)商務(wù)支付2002002度小滿金融平臺2002018百度連連數(shù)字支付、清算1402009PingPong境內(nèi)、跨境支付1402015WeLab消費信貸1002013阿里空中云匯跨境支付702016騰訊、阿里巖心科技消費信貸702015阿里-螞蟻）易生金服支付702011聯(lián)易融供應(yīng)鏈金融702016騰訊水滴眾籌702016騰訊挖財基金銷售702009中關(guān)村科金消費金融、軟件702007資料來源：胡潤，澤平宏觀1.4 核心技術(shù)：ABCD 四大技術(shù)賦能1、人工智能人工智能（AI）將人的智能延伸到計算機系統(tǒng)，具體包括圖像識別、語言識別、自然語言

17、處理、機器學習、知識圖譜等。金融領(lǐng)域涉及人工環(huán)節(jié)多、對數(shù)據(jù)安全性要求高，人工智能應(yīng)用廣泛。根據(jù)艾瑞咨詢，預(yù)計 2022 年金融科技投資中，人工智能投入將達到 580 億元。AI+金融典型應(yīng)用包括：1）基于生物識別的人臉識別，可應(yīng)用于賬戶遠程開戶、業(yè)務(wù)簽約等；2）基于語音識別與處理，實現(xiàn)智能客服、營業(yè)網(wǎng)點機器人服務(wù)，減少運營成本；3）基于OCR 自動化視覺處理，將發(fā)票、合同、單據(jù)的信息結(jié)構(gòu)化處理，提高效率；4）機器學習應(yīng)用于智能投顧，提高市場有效性，加快產(chǎn)品創(chuàng)新。5）金融知識圖譜，將大量信息匯集到關(guān)系網(wǎng)，作用于風險預(yù)警、反欺詐方面。2、大數(shù)據(jù)大數(shù)據(jù)（Big data），是以新處理模式對大量多樣的

18、數(shù)據(jù)集合進行捕捉、管理和處理，使之成為具備更強的決策力、洞察力和流程優(yōu)化能力的生產(chǎn)資料。國家工業(yè)信息安全發(fā)展研究中心2019 中國大數(shù)據(jù)產(chǎn)業(yè)發(fā)展報告顯示，2019 年中國大數(shù)據(jù)產(chǎn)業(yè)規(guī)模達到 8500 億,預(yù)計 2020 年超過 1 萬億。大數(shù)據(jù)+金融典型應(yīng)用包括：1）客戶畫像：大數(shù)據(jù)根據(jù)客戶人口統(tǒng)計學特征、消費能力數(shù)據(jù)、興趣數(shù)據(jù)、風險偏好等，捕捉潛在需求，實現(xiàn)精準營銷與獲客。2）大數(shù)據(jù)征信：基于金融大數(shù)據(jù)，開發(fā)授信評估、信用報告、貸中預(yù)警等服務(wù)，降低信用評估成本，將審核周期縮短至秒級。3、云計算云計算（Cloud computing）將原本在本地服務(wù)器進行的計算轉(zhuǎn)移到云端，按需使用，具有計算高

19、效、成本低廉特點。按照服務(wù)方式，云計算分為 IaaS（將 IT 基礎(chǔ)設(shè)施作為服務(wù)交付），PaaS（將數(shù)據(jù)庫等平臺作為服務(wù)交付），SaaS（將應(yīng)用解決方案作為服務(wù)交付）。根據(jù) IDC中國金融云市場跟蹤報告，2019 年中國金融云市場規(guī)模達到 33.4 億美元，其中，以公有云和私有云為代表的 IaaS 規(guī)模達到 23.5 億美元，云解決方案市場規(guī)模達到 9.8 億美元。云計算是金融科技基礎(chǔ)設(shè)施，典型應(yīng)用包括：1）云+大數(shù)據(jù)：云計算以分布式處理架構(gòu)為核心，高度契合大數(shù)據(jù)處理，實現(xiàn)海量數(shù)據(jù)云端存儲。2）拓展系統(tǒng)處理能力：傳統(tǒng)金融解決方案市場由IOE 主導，即以 IBM、Oracle、EMC 為代表的小

20、型機、集中式數(shù)據(jù)庫和高端存儲的技術(shù)架構(gòu)，難以應(yīng)對數(shù)據(jù)量級和計算復(fù)雜程度的增長，金融機構(gòu)自行開發(fā)或購買云服務(wù)，彌補基礎(chǔ)軟硬件的不足，滿足系統(tǒng)高性能和容災(zāi)備份的要求。4、區(qū)塊鏈區(qū)塊鏈（Blockchain）是分布式共享記賬機制，具有去中心化、不可篡改、匿名性等特點，與金融行業(yè)對數(shù)據(jù)安全、交易真實、隱私保密等業(yè)務(wù)需求不謀而合。IDC全球半年度區(qū)塊鏈支出指南估算 2018 年中國區(qū)塊鏈市場支出規(guī)模達 1.6 億美元。區(qū)塊鏈賦能金融典型場景包括：1）物聯(lián)網(wǎng)：區(qū)塊鏈是物聯(lián)網(wǎng)底層萬物互聯(lián)的基礎(chǔ)，確保底層資產(chǎn)交易真實可靠，提升交易安全性，降低信息不對稱。2）支付結(jié)算：支付收單機構(gòu)間基于聯(lián)盟鏈和智能合約實時自動

21、對賬，避免數(shù)據(jù)被篡改，全業(yè)務(wù)流程可追溯可審計。金融科技行業(yè)應(yīng)用現(xiàn)狀金融科技細分賽道眾多，涵蓋支付、借貸、投資、財富管理、保險、解決方案輸出等業(yè)務(wù)形態(tài)，主要玩家包括傳統(tǒng)金融機構(gòu)、互聯(lián)網(wǎng)企業(yè)、專業(yè)領(lǐng)域金融科技公司等。銀行科技行業(yè)格局：數(shù)字化加速發(fā)展，央行、商業(yè)銀行以及銀行金融科技子公司是主要推動力近年來，銀行業(yè)發(fā)力金融科技領(lǐng)域，借助技術(shù)推動整體向數(shù)字化、智能化、生態(tài)化加速發(fā)展。根據(jù)中國上市銀行分析報告 2020，2019年上市銀行繼續(xù)加大科技投入力度，在基礎(chǔ)平臺建設(shè)、數(shù)字化零售金融、數(shù)字化公司金融、數(shù)字化同業(yè)業(yè)務(wù)等方面取得長足進展，大中型上市銀行平均科技人員占比提升至 4%以上，平均科技投入資金占

22、營業(yè)收入比例約為 2%，其中披露金融科技投入的 18 家上市銀行投資規(guī)模合計達 1079億。目前銀行業(yè)金融科技主要形成以下格局，央行發(fā)起設(shè)立金融科技公司引領(lǐng)行業(yè)發(fā)展，商業(yè)銀行與科技公司合作完善業(yè)務(wù)生態(tài)布局，大中型銀行成立金融科技子公司發(fā)力轉(zhuǎn)型。央行主導成立金融科技公司，涉及數(shù)字貨幣、區(qū)塊鏈等。央行為完善數(shù)據(jù)共享、數(shù)字貨幣清結(jié)算、征信數(shù)據(jù)庫建設(shè)等工作，正穩(wěn)步推進計劃中的金融科技工作，目前已成立五家金融科技公司，包括數(shù)字貨幣研究所、深圳金融科技有限公司、長三角金融科技有限公司、成方金融科技有限公司、中匯金融科技等，涉及數(shù)字貨幣、區(qū)塊鏈金融、密碼學等多個方向。銀行與第三方互聯(lián)網(wǎng)公司和科技公司合作。銀

23、行擁有牌照、研發(fā)實力、資金和客戶，科技公司具有科技能力和金融創(chuàng)新的敏感度，二者優(yōu)勢互補，在客戶資源、科技開發(fā)與應(yīng)用、風險控制等領(lǐng)域深度合作，銀行通過合作開發(fā)、協(xié)作引入等方式接受較為成熟的技術(shù)方案，同時推動組織轉(zhuǎn)型和架構(gòu)升級。例如，贛州銀行與中興通訊、大連同方和天陽宏業(yè)等科技公司共同發(fā)起金融科技國產(chǎn)化實驗室，晉商銀行與山西移動簽署戰(zhàn)略合作協(xié)議將在金融業(yè)務(wù)、通信及信息化服務(wù)等方面共建金融科技生態(tài)。大中型銀行成立金融科技子公司。各大銀行在深化與外部科技企業(yè)合作的基礎(chǔ)上，注重加強自身科技實力，成立金融科技子公司整合技術(shù)、業(yè)務(wù)、資源及經(jīng)驗優(yōu)勢，對內(nèi)對外輸出技術(shù)能力，提升整體數(shù)字化水平。截止 2020 年

24、 11 月，國有五大行及七家股份制銀行已成立獨立的金融科技子公司。圖表：共有 12 家大中型銀行已成立金融科技子公司序號母公司銀行金融科技子公司注冊時間注冊資金（億元）1農(nóng)業(yè)銀行農(nóng)銀金科2020.0762交通銀行交銀金科2020.0163中國銀行中銀金科2019.0664北京銀行北銀金科2019.050.55工商銀行工銀金科2019.0366華夏銀行龍盈智達2018.050.217民生銀行民生科技2018.0428建設(shè)銀行建信金科2018.04169光大銀行光大科技2016.12210招商銀行招銀云創(chuàng)2016.020.511平安集團金融壹賬通2015.121212興業(yè)銀行興業(yè)數(shù)金2015.11

25、5資料來源：公司公告，澤平宏觀應(yīng)用場景：金融科技深入各業(yè)務(wù)條線，信貸領(lǐng)域應(yīng)用已較為成熟當前銀行金融科技應(yīng)用快速發(fā)展，深入各業(yè)務(wù)條線與產(chǎn)品，手機銀行、智能柜臺、交易銀行、智能客服、智能投顧等增值服務(wù)全面推出，提升客戶體驗、降低運營成本，各業(yè)務(wù)協(xié)同形成正向循環(huán)。其中，金融科技在信貸業(yè)務(wù)領(lǐng)域應(yīng)用廣泛，目前大數(shù)據(jù)和人工智能技術(shù)已較為成熟，主要包括消費信貸、中小企業(yè)貸款及供應(yīng)鏈金融。圖表：信貸業(yè)務(wù)全流程與金融科技結(jié)合貸前貸中貸后大數(shù)據(jù)人工智能生物識別機器學習大數(shù)據(jù)大數(shù)據(jù) 區(qū)塊鏈 人工智能 人工智能構(gòu)建金融生態(tài)場景信用資質(zhì)判斷，風險控制反欺詐信用跟蹤，監(jiān)控風險實時變化風險預(yù)警與業(yè)務(wù)調(diào)整判定客戶資質(zhì)，精準營

26、銷，實現(xiàn)復(fù)貸催收預(yù)警，連通執(zhí)法部門聯(lián)合催收增值服務(wù)業(yè)務(wù)協(xié)同手機銀行、智能柜臺、交易銀行、智能客服、智能投顧資料來源：澤平宏觀（一）消費信貸消費信貸具有小額、分散、高頻的特點，內(nèi)嵌于日常生活，與消費場景深度融合。圖表：金融科技嵌入消費信貸流程金融科技嵌入消費信貸貸前人工審核成本高、效率低；自動審核違約風險大1、構(gòu)建金融場景，觸達客戶2、挖掘需求，精準營銷3、精準識別客戶資質(zhì)，反欺詐貸中難以實時監(jiān)控借貸期間信用風險變化消費行為跟蹤，實時監(jiān)控信用風險變化，風險預(yù)警，反欺詐、反洗錢等貸后智能運營提升復(fù)貸、智能催收、跟進公安司法部門執(zhí)法進度用戶復(fù)貸非常謹慎、逾期催收成本高資料來源：澤平宏觀貸前：觸達客戶

27、、挖掘需求、精準營銷消費金融場景化構(gòu)建，增加流量、獲取數(shù)據(jù)。銀行通過和較強科技實力的頭部機構(gòu)合作為消費金融業(yè)務(wù)提供精準導流，掌握客戶大數(shù)據(jù)，目前主要有兩種方式，一是與金融科技信息平臺合作，拓展技術(shù)應(yīng)用和場景服務(wù)能力，如五大行分別與百度、阿里、騰訊、京東、蘇寧建立戰(zhàn)略合作關(guān)系，在金融產(chǎn)品、渠道建設(shè)、智能金融服務(wù)領(lǐng)域深度合作，其中重點布局校園生態(tài)、交通出行、醫(yī)療健康、零售商超等線下流量大的場景，如各大銀行接入第三方支付機構(gòu)、合作線上發(fā)卡等。二是與生活社交、餐飲娛樂、旅游出行等平臺合作，互聯(lián)網(wǎng)在前端提供客戶和流量，商業(yè)銀行開放客戶端接入的 API 接口，同時吸引線上線下客戶，形成一站式服務(wù)。如在美團

28、點評、永樂票務(wù)等平臺上提供支付、消費信貸等便捷優(yōu)質(zhì)的金融服務(wù)，聯(lián)合愛奇藝等視頻平臺提供會員服務(wù)等，形成消費金融生態(tài)圈。根據(jù)大數(shù)據(jù)挖掘客戶信貸需求，實現(xiàn)精準營銷。依據(jù)外部平臺、內(nèi)部個人信貸等數(shù)據(jù)，借助生物識別、人工智能等技術(shù)，準確分析客戶屬性、行為偏好、需求傾向等，形成信用卡、財富管理、信貸等不同層次的金融產(chǎn)品和服務(wù)體系，實現(xiàn)對目標客戶的精準觸達、智能營銷，并匹配最優(yōu)產(chǎn)品組合，提升差異化定價能力。如恒豐銀行利用自主研發(fā)的企業(yè)級大數(shù)據(jù)技術(shù)平臺，提供客戶 360 視圖、產(chǎn)品貨架與優(yōu)化組合方案、客戶風險預(yù)警等，實現(xiàn)團隊協(xié)作和精準營銷技術(shù)支撐，系統(tǒng)中的產(chǎn)品推薦和智能獲客功能有效增加了新客戶增長和產(chǎn)品持有

29、，從 2016 年 2 月至2017 年 4 月使用前后數(shù)據(jù)看，客戶增長率、價值客戶增加率、重點產(chǎn)品持有率分別上漲 2.2%、3.6%、3.5%。精準識別客戶資質(zhì)，實現(xiàn)恰當準入。在授信環(huán)節(jié)，通過大數(shù)據(jù)征信、人工智能、知識圖譜等驗證借款人的真實身份和償付意愿，準確判斷用戶信用等級、項目風險、成本效益。數(shù)據(jù)來自與外部聚合的生態(tài)平臺、征信機構(gòu)、社保、財稅、工商等公用事業(yè)系統(tǒng)、個人信用管理平臺等多維度，利用深度學習、神經(jīng)網(wǎng)絡(luò)技術(shù)，減少人工干預(yù)。如平安金融壹賬通利用微表情面審輔助系統(tǒng)，整合人工智能與大數(shù)據(jù)技術(shù)，智能判斷并提示欺詐風險，可實現(xiàn)與人工判斷 80%的吻合率，實現(xiàn)了面審流程智能化、規(guī)范化、減少

30、40%以上人工干預(yù)。貸中及貸后：動態(tài)監(jiān)控、用戶復(fù)貸、逾期催收貸款發(fā)放后，1）信用風險動態(tài)監(jiān)控，大數(shù)據(jù)、人工智能等技術(shù)跟蹤交易行為、關(guān)聯(lián)交易動態(tài)，關(guān)注信用風險變化，基于風險預(yù)測模型進行預(yù)警和調(diào)整；2）用戶復(fù)貸、逾期催收，對于有良好的記錄的優(yōu)質(zhì)客戶，繼續(xù)使用精準營銷推動復(fù)貸，對逾期客戶進行催收預(yù)警，與公安司法部門連通，聯(lián)合執(zhí)行催收。如恒豐銀行的全面風險預(yù)警系統(tǒng)，其依托于星環(huán)大數(shù)據(jù)平臺，可適用于貸款全流程風險監(jiān)控，自上線以來，客戶識別效率、準確率、成本控制顯著提升，某平臺貸自增授信業(yè)務(wù)逾欠率控制在 1%以內(nèi)，且呈逐步降低趨勢。（二）中小企業(yè)貸款及供應(yīng)鏈金融服務(wù)中小企業(yè)抵質(zhì)押物較少、價值較低，銀行難以

31、觸達和有效服務(wù)中小微客戶。近年隨著金融科技和業(yè)務(wù)的逐步融合，在中小企業(yè)貸款以及供應(yīng)鏈金融方面，銀行可以通過金融科技提升數(shù)據(jù)收集能力、構(gòu)建信用評級體系，極大提高支持中小企業(yè)融資效率。貸前：數(shù)據(jù)采集、信貸審核流程整合在普通中小企業(yè)貸款中，銀行通過金融科技技術(shù)采集電商交易、物流、企業(yè)結(jié)算、流水等數(shù)據(jù)，結(jié)合工商、稅務(wù)、法院等外部信息，一并進入數(shù)據(jù)湖，經(jīng)數(shù)據(jù)挖掘、特征提取、機器學習等方式刻畫企業(yè)形象，進而構(gòu)建信用模型、判斷信用風險、核定信用額度，完成企業(yè)到企業(yè)主的全面分析，實現(xiàn)線上審批、自動放款。金融科技中數(shù)據(jù)的獲取、加工、分析等是并行操作，將七大原有信貸審核流程整合為一體，提升審批效率、降低運營成本。

32、圖表：信貸七大流程整合至線上七大信貸審核流程1、收集客戶信息2、客戶遞交材料3、銷售錄入客戶信息4、中臺復(fù)核5、風控盡調(diào)6、審批核實7、審批結(jié)論風控決策 精準獲客 高效運營 數(shù)據(jù)挖掘特征提取機器學習海量數(shù)據(jù)資料來源：澤平宏觀在供應(yīng)鏈金融服務(wù)中，銀行貸前風控從授信主體轉(zhuǎn)向整體鏈條。供應(yīng)鏈核心企業(yè)信用良好，根據(jù)上下游企業(yè)與其交易關(guān)系的大數(shù)據(jù)形成關(guān)系圖譜，通過知識圖譜技術(shù)將碎片化數(shù)據(jù)有機組織，利用區(qū)塊鏈技術(shù)實現(xiàn)供應(yīng)鏈上下游信用穿透，同時使用交往圈分析模型，持續(xù)觀察企業(yè)間交往數(shù)據(jù)變化，動態(tài)監(jiān)控供應(yīng)鏈健康程度，實現(xiàn)信貸全流程管理。其中最為關(guān)鍵的是區(qū)塊鏈技術(shù)實現(xiàn)的信用共享，具體來看，數(shù)據(jù)方面，通過將業(yè)務(wù)流

33、程中的四流（信息流、商流、物流和資金流）與融資信息上鏈，利用區(qū)塊鏈不可篡改性，提升數(shù)據(jù)可信度；業(yè)務(wù)方面，將核心企業(yè)的票據(jù)、授信額度、應(yīng)收應(yīng)付等轉(zhuǎn)化為數(shù)字憑證，利用區(qū)塊鏈可溯源性，實現(xiàn)信用有效傳導，同時通過智能合約可實現(xiàn)數(shù)字憑證的多級拆分和流轉(zhuǎn)，有效提升金融機構(gòu)風控效率，降低中小企業(yè)融資難度。目前已有較多區(qū)塊鏈結(jié)合供應(yīng)鏈實踐，如工銀e 信、農(nóng)行e 鏈貸等，主要用于應(yīng)收款項、庫存融資等方面。以工銀e 信為例，其是一種可流轉(zhuǎn)、可融資、可拆分的電子付款承諾函，可在平臺上自由轉(zhuǎn)讓、融資、質(zhì)押等，實現(xiàn)銀行資金的全產(chǎn)業(yè)鏈支持。圖表：工銀e 信解決方案資料來源：區(qū)塊鏈金融應(yīng)用發(fā)展白皮書，澤平宏觀貸中及貸后：全

34、流程管理與消費信貸類似，用數(shù)據(jù)監(jiān)控客戶經(jīng)營周期，關(guān)注用戶的欺詐風險與經(jīng)營風險的動態(tài)改變，設(shè)置一系列預(yù)警指標，包括銀行流水、杠桿比例、稅務(wù)信息等傳統(tǒng)金融數(shù)據(jù)，以及交易對手方經(jīng)營變化、市場數(shù)據(jù)等經(jīng)營數(shù)據(jù)。問題挑戰(zhàn)：技術(shù)轉(zhuǎn)型時間長、投入產(chǎn)出比不定、數(shù)據(jù)處理難度大信貸業(yè)務(wù)數(shù)字化從根本上改善了中小企業(yè)、農(nóng)戶的貸款服務(wù)。12 月 8 日銀保監(jiān)會主席郭樹清表示，銀行等機構(gòu)的智能風控減少授信過程中對抵押物的依賴，提升融資的可得性，甚至可精準幫助貧困戶發(fā)展適宜產(chǎn)業(yè)。截至 2020 年 9 月，全國扶貧小額信貸累計發(fā)放 5038 億元，支持貧困戶 1204 萬戶次，截至 10 月，銀行的小微企業(yè)信貸客戶已達到 2

35、700 萬，普惠型小微企業(yè)和個體工商戶貸款同比增速超過 30%，農(nóng)戶貸款同比增速達 14.3%。但當前銀行金融科技發(fā)展中也存在部分問題：一是傳統(tǒng)對內(nèi)的技術(shù)系統(tǒng)轉(zhuǎn)向以客戶為中心的數(shù)字系統(tǒng)尚需時日。傳統(tǒng)IT 系統(tǒng)通過內(nèi)部網(wǎng)絡(luò)和信息化技術(shù)實現(xiàn)業(yè)務(wù)流程電子化，提升工作流程效率、降低操作風險，核心系統(tǒng)的重點在于安全和穩(wěn)定。而數(shù)字化改革的重點是以客戶為核心，需要快速響應(yīng)和靈活拓展能力，以定制化、場景化的金融服務(wù)滿足客戶需求，因此傳統(tǒng) IT 系統(tǒng)與以客戶為中心的數(shù)字化系統(tǒng)銜接與整合需要一定時日。二是轉(zhuǎn)型所需投入成本較高，需權(quán)衡投入產(chǎn)出比。戰(zhàn)略轉(zhuǎn)型、軟硬件改革等需要較大的金融科技投入和人才吸納成本，短期內(nèi)對銀

36、行的盈利能力形成影響。2019 年，上市銀行平均金融科技投入分別占營業(yè)收入、歸母凈利潤的 2.3%和 7.0%。持續(xù)高額投入能否成功轉(zhuǎn)型，未來創(chuàng)造更高額利潤、有良好的投入產(chǎn)出比仍存在不確定性，因此銀行在考慮進行改革時會不斷權(quán)衡轉(zhuǎn)型的可行性和可持續(xù)性。三是數(shù)據(jù)處理和分析難度大。傳統(tǒng)銀行數(shù)據(jù)庫的信息具有碎片化、非結(jié)構(gòu)化的特征，各項業(yè)務(wù)和項目運行是單獨的數(shù)據(jù)集，使得數(shù)據(jù)的整合、處理和分析存在較大困難。目前主要以“數(shù)據(jù)湖”的形式將所有數(shù)據(jù)集中，再依據(jù)所需進行提取加工，但實際操作中，入湖數(shù)據(jù)的篩選、海量原始數(shù)據(jù)的輸入、高效低成本的提取和分析數(shù)據(jù)等均存在難點。保險科技行業(yè)格局：頭部險企和互聯(lián)網(wǎng)保險公司發(fā)展

37、迅速，傳統(tǒng)互聯(lián)網(wǎng)公司加速布局近幾年，我國保險科技發(fā)展十分迅速。根據(jù)中國金融科技生態(tài)白皮書 2020，2019 年中國保險機構(gòu)的科技投入達 319 億元，預(yù)計 2022年將增長到 534 億。頭部保險企業(yè)和互聯(lián)網(wǎng)保險公司的科技布局不斷加速，中國平安、中國人壽等傳統(tǒng)大型保險機構(gòu)，均將“保險+科技”提到戰(zhàn)略高度。當前我國保險科技市場主要參與方有三類，分別為傳統(tǒng)保險公司、互聯(lián)網(wǎng)保險公司以及互聯(lián)網(wǎng)公司。傳統(tǒng)保險公司是當前推動保險科技運用的主力。在互聯(lián)網(wǎng)轉(zhuǎn)型的壓力下，傳統(tǒng)保險公司基于其自身穩(wěn)定成熟的保險業(yè)務(wù)模式、產(chǎn)品設(shè)計、營銷渠道，積極擴大金融科技的運用范圍，通過與科技企業(yè)合作或自研，提升金融科技實力與創(chuàng)

38、新能力。以中國平安為例，公司持續(xù)加大科技研發(fā)投入，打造領(lǐng)先的科技能力。截至 2020 年 6 月末，公司科技專利申請數(shù)較年初增加 4,625 項，累計達 26,008 項 ；在全球金融科技專利申請排名榜中，連續(xù)兩年位居全球第一位。互聯(lián)網(wǎng)保險公司是保險科技生態(tài)的重要力量?；ヂ?lián)網(wǎng)保險公司自創(chuàng)立起就致力于在各方面業(yè)務(wù)發(fā)展創(chuàng)新，與傳統(tǒng)保險公司錯位競爭，主要圍繞產(chǎn)品設(shè)計、銷售、理賠、售后等多方面，實現(xiàn)線上化、場景化和去中介化目標。以眾安保險為例，由“保險+科技”雙引擎驅(qū)動，圍繞健康、消費金融、汽車、生活消費、航旅五大生態(tài)，以科技服務(wù)新生代，提供個性化、定制化、智能化的新保險，開發(fā)了眾享e 家意外險、騎行

39、保共享單車意外險、尊享e 生、童安保等特色互聯(lián)網(wǎng)保險產(chǎn)品。互聯(lián)網(wǎng)公司是保險科技生態(tài)的新新力量。互聯(lián)網(wǎng)公司金融科技實力較強，并且具有豐富的流量入口，在將流量與金融科技結(jié)合方面具有顯著優(yōu)勢。互聯(lián)網(wǎng)公司在布局大金融生態(tài)的同時，與保險公司深度合作，在保險領(lǐng)域的布局逐步深入，逐步成為保險科技的新新力量。以微民保險為例，作為騰訊旗下保險代理平臺，微民與保險公司深度合作，充分發(fā)揮騰訊的互聯(lián)網(wǎng)能力和“連接器”優(yōu)勢，為用戶提供性價比高的保險產(chǎn)品以及微保特色的優(yōu)惠與增值服務(wù)。微民保險著重打造“互聯(lián)網(wǎng)+保險”生態(tài)模式、“流量+場景+保險” 生態(tài)模式、“保險+服務(wù)+用戶教育”閉環(huán)模式，通過結(jié)合微保的用戶觸達、風險識別

40、、網(wǎng)上支付，跟保險公司的 精算、承保、核賠和線下服務(wù)能力，實現(xiàn)全行業(yè)的生態(tài)共享共贏，最終 讓用戶受惠。應(yīng)用場景：貫穿保險業(yè)務(wù)全鏈條保險業(yè)務(wù)的核心鏈條包括產(chǎn)品設(shè)計、銷售、投保核保、理賠等四個環(huán)節(jié)。以人工智能、云計算、大數(shù)據(jù)、區(qū)塊鏈等新一代信息技術(shù)應(yīng)用為代表的保險科技，正在深刻改變保險業(yè)務(wù)模式，重塑保險業(yè)務(wù)的核心價值鏈。圖表：保險業(yè)務(wù)全流程與金融科技結(jié)合資料來源：澤平宏觀產(chǎn)品設(shè)計端：提供全面深入數(shù)據(jù)支持，提升風險定價能力保險的產(chǎn)品設(shè)計是保險業(yè)務(wù)核心能力，通過區(qū)塊鏈、人工智能、大數(shù)據(jù)等技術(shù)，可以為保險產(chǎn)品設(shè)計提供更加全面深入的數(shù)據(jù)支持。如利用區(qū)塊鏈結(jié)合物聯(lián)網(wǎng)、以及人工智能技術(shù)，可以將通過場景獲得的數(shù)

41、據(jù)上鏈儲存，保證數(shù)據(jù)安全性、真實性。在此基礎(chǔ)上，通過大數(shù)據(jù)建立客戶數(shù)據(jù)庫，輔助精算師進行產(chǎn)品開發(fā)，提升風險定價能力。保險科技在產(chǎn)品設(shè)計端的運用，一方面有助于保險業(yè)務(wù)效益提升，實現(xiàn)保險產(chǎn)品精準定價，另一方面提升客戶的產(chǎn)品體驗，將保費與個人實際情況更精準結(jié)合。當前在車險行業(yè)較為熱門的保險科技運用是 UBI車險，即“Usage Based Insurance”（基于實際使用的車險），根據(jù)中國金融科技生態(tài)白皮書（2020），UBI 車險采用前裝設(shè)備、OBD（On-Board Diagnostics,車載自診斷系統(tǒng)）設(shè)備以及智能手機，實時收集實際駕駛時間、地點、里程、加速、減速、轉(zhuǎn)彎、車燈狀態(tài)等駕駛信息

42、，加以分析建模，精準地計算風險保費、設(shè)計保險產(chǎn)品。UBI 車險結(jié)合駕駛?cè)?、車輛、路面狀況等多個維度模型的分析，可以準確評估駕駛?cè)藛T的駕駛行為風險等級，從而確定不同的保費級別，最終實現(xiàn)保費與風險的對價平衡。產(chǎn)品營銷端：通過精準定位、定向投放提高轉(zhuǎn)化率人壽集團公司副總裁盛和泰在撰文中表示，通過金融科技運用，“保險公司將保險服務(wù)融入客戶所處的網(wǎng)絡(luò)應(yīng)用場景之中，通過適時風險提示來激發(fā)客戶投保意愿，推動保險銷售從干擾型的介入式推銷向場景型的融入式營銷轉(zhuǎn)變，實現(xiàn)客戶保險消費從要我買向我要買的轉(zhuǎn)變，將保險消費主導權(quán)歸還給消費者，客戶的保險消費體驗得到顯著提升。”一是精準營銷，通過大數(shù)據(jù)、人工智能作為主要技術(shù)

43、，對客戶進行 360 度精準畫像，實現(xiàn)客戶群精準定位，同時提高保險營銷渠道的精細化管理，在匹配客群及渠道的基礎(chǔ)上進行定向投放，提高轉(zhuǎn)化率。二是輔助代理人業(yè)務(wù)，通過強大的數(shù)據(jù)化平臺，將各類保險產(chǎn)品主要數(shù)據(jù)導入，為代理人業(yè)務(wù)提供手機端可移動、實時、可修改各類參保參數(shù)的線上保單生成系統(tǒng)，便于代理人實時制定個性化方案、跟進參保進度等。三是智能客服，通過人工智能技術(shù)與潛在客戶深度交流，獲取客戶需求以及客戶信息，并提供定制化保險方案。投保與核保端：流程智能化，降本增效在投保與核保環(huán)節(jié)，保險科技的價值在于幫助企業(yè)提升風控能力，實現(xiàn)流程智能化，電子保單與自動核保的應(yīng)用幫助降本增效。在投保環(huán)節(jié)，通過區(qū)塊鏈技術(shù)，

44、將過去分散的保單管理轉(zhuǎn)為統(tǒng)一鏈上管理，實現(xiàn)全流程數(shù)據(jù)化，便利數(shù)據(jù)分享。在核保環(huán)節(jié)，通過區(qū)塊鏈及渠道溯源，以鏈上數(shù)據(jù)簡化投保評估流程，依據(jù)參保人全方位的數(shù)據(jù)信息，對參保人員進行智能綜合分析，實現(xiàn)智能核保以及流程自動化，降低成本；依據(jù)風險程度做出是否承保及確認承保條件，量化風險。理賠與售后：提高理賠效率，識別騙保風險通過人工智能及大數(shù)據(jù)技術(shù)，保險公司可以顯著提高理賠效率、實現(xiàn)騙保識別、提升客戶體驗。在智能客服方面，利用人工智能可以實現(xiàn)理賠決策自動化，提高理賠效率，減少人工成本。如一些保險科技公司已推出“智能閃賠”產(chǎn)品，實現(xiàn)機構(gòu)數(shù)據(jù)打通，能夠通過線上操作，不受時間地點限制，在半天內(nèi)賠款到位，90%以

45、上的案件10 分鐘內(nèi)就能完成查勘，自助理賠率達到60%，提升效率，降低賠付成本。在理賠反欺詐方面，利用大數(shù)據(jù)，可以建設(shè)智能風控系統(tǒng)識別欺詐風險，改善傳統(tǒng)理賠環(huán)節(jié)存在的數(shù)據(jù)割裂問題。保險欺詐行為嚴重損害保險公司的利益，為識別可疑保險欺詐行為，需要開展多方面專項調(diào)查，耗時耗力。而借助大數(shù)據(jù)手段，通過建立保險欺詐識別模型，完善智能風控系統(tǒng)，通過篩選從數(shù)萬條賠付信息中挑出疑似詐騙索賠，再根據(jù)疑似詐騙索賠展開調(diào)查，提高工作效率。此外，保險企業(yè)可以利用大數(shù)據(jù)，結(jié)合內(nèi)部、第三方和社交媒體數(shù)據(jù)進行早期異常值檢測，包括了客戶的健康狀況、財產(chǎn)狀況、理賠記錄等，及時采取干預(yù)措施，減少先期賠付。問題挑戰(zhàn)：數(shù)據(jù)化進程緩

46、慢、新技術(shù)運用尚不成熟保險科技的運營顯著擴大了保險覆蓋范圍，實現(xiàn)保險業(yè)務(wù)降本增效。郭樹清在 2020 年新加坡科技節(jié)演講中提出，“數(shù)字保險顯著拓寬了保險覆蓋范圍。中國基本養(yǎng)老保險已覆蓋近 10 億人，基本醫(yī)療保險覆蓋超過13 億人，并已實現(xiàn)跨省結(jié)算。保險機構(gòu)運用視頻連線和遠程認證等科技手段，實現(xiàn)業(yè)務(wù)關(guān)鍵環(huán)節(jié)線上化。2020 年上半年，互聯(lián)網(wǎng)人身險保費收入同比增長 12.2%，互聯(lián)網(wǎng)財產(chǎn)保險公司保費收入同比增長 44.2%。”當前保險金融科技應(yīng)用不斷向縱深化發(fā)展，然而仍面臨一定問題：一是部分保險金融科技應(yīng)用重銷售、輕服務(wù)。當前保險科技運用主要集中于銷售以及產(chǎn)品設(shè)計端，側(cè)重于獲取客戶信息、塑造場景

47、化保險購買體驗，提升產(chǎn)品設(shè)計能力以及客戶購買意向，但對于售后、理賠便利性等環(huán)節(jié)的技術(shù)運用仍有待提升，切實提高保險服務(wù)品質(zhì)。二是數(shù)據(jù)化進程存在挑戰(zhàn)，數(shù)據(jù)儲存和安全問題日益突出。在當前保險行業(yè)在推進科技運用過程中，部分中小險企數(shù)據(jù)管理規(guī)范有待建立，在數(shù)據(jù)資源采集、傳輸、存儲、利用、開放等全流程數(shù)據(jù)化進程建設(shè)仍存在問題。部分保險公司積累大量客戶行為數(shù)據(jù)和交易數(shù)據(jù)，但數(shù)據(jù)管理水平仍不足，存在數(shù)據(jù)孤島化、分割化問題，數(shù)據(jù)安全性程度難以保障。三是新技術(shù)在保險行業(yè)的運用尚不成熟，如區(qū)塊鏈、人工智能等。受限于科技成熟度，以及理論向?qū)嵺`轉(zhuǎn)換的問題，新技術(shù)應(yīng)用速度難以滿足市場需求，保險科技在行業(yè)內(nèi)的應(yīng)用仍然有很大

48、提升空間。證券科技行業(yè)格局：金融科技投資約 200 億，頭部券商、互聯(lián)網(wǎng)券商和軟件服務(wù)商三分天下證券行業(yè)金融科技投入 2019 年超 200 億。根據(jù)中證協(xié)，2017-2019年證券業(yè)信息技術(shù)投入金額從 2017 年 112 元增長至 2019 年 205 億元，年均增速35%；信息技術(shù)投入占上一年度營收比重從2.80%提高至8.07%。 2019 年證券行業(yè)信息技術(shù)人才有 13241 人，占 3.75%。證券領(lǐng)域金融科技參與者主要包括大型綜合類券商、互聯(lián)網(wǎng)券商和軟件服務(wù)商。大型綜合類券商通過自建團隊、合作開發(fā)等方式，注重培育自主研發(fā)能力。國泰君安成立數(shù)字金融部、華泰證券成立數(shù)字化運營部、中金

49、與騰訊成立合資技術(shù)公司，2019 年，國泰君安、華泰證券、中信證券信息技術(shù)投入位列前三，投入規(guī)模分別為 12.4 億元、12.0 億元和 11.4億元。互聯(lián)網(wǎng)券商主打流量運營。東方財富從互聯(lián)網(wǎng)轉(zhuǎn)型券商，注重科技賦能，研發(fā)人員占比近 40%。根據(jù)中證協(xié)，2019 年東方財富信息技術(shù)投入占營收比重 25%，遙遙領(lǐng)先于其他券商，旗下“東方財富網(wǎng)”PC 端和 APP 分別貢獻日活 6252 萬人和月活 4141 萬人。軟件服務(wù)商專注產(chǎn)品開發(fā)。同花順將人工智能導入傳統(tǒng)的理財顧問服務(wù)，提供投資建議，2019 年研發(fā)投入占營收 25%，研發(fā)人員占 65%。恒生電子為證券等金融機構(gòu)提供 IT 軟件產(chǎn)品和解決方

50、案，研發(fā)支出占營業(yè)收入比例超過 40%。圖表：信息技術(shù)投入金額前 10 名圖表：信息技術(shù)投入占營收比重前 10 名2019年信息技術(shù)投入（億元）2019年信息技術(shù)投入占上一年營收比重1530%25%1020%15%510%5%00%國泰 華泰 中信 海通 廣發(fā) 中金 平安 國信 招商 中信君安 證券 證券 證券 證券 公司 證券 證券 證券 建投東方平安東方安信中泰方正興業(yè)華泰財通中金財富證券證券證券證券證券證券證券證券公司資料來源：證券業(yè)協(xié)會，澤平宏觀資料來源：證券業(yè)協(xié)會，澤平宏觀應(yīng)用場景：廣泛應(yīng)用于零售經(jīng)紀和機構(gòu)業(yè)務(wù)金融科技廣泛應(yīng)用于證券行業(yè)經(jīng)紀交易等標準化業(yè)務(wù)上，在投行、合規(guī)風控等依賴人

51、力和經(jīng)驗的業(yè)務(wù)尚未大規(guī)模應(yīng)用。具體體現(xiàn)：以互聯(lián)網(wǎng)、大數(shù)據(jù)升級移動終端、精準獲客，以智能投顧增加客戶粘性和服務(wù)附加值，以流程自動化 RPA 技術(shù)和數(shù)據(jù)倉庫提高 PB 機構(gòu)服務(wù)。零售經(jīng)紀：人工智能、大數(shù)據(jù)助力經(jīng)紀業(yè)務(wù)向財富管理升級。券商零售業(yè)務(wù)服務(wù)于 C 端客戶，包括經(jīng)紀、投資咨詢、財富管理等業(yè)務(wù)。金融科技作用，一是互聯(lián)網(wǎng)大數(shù)據(jù)營銷，升級一站式終端平臺，通過身份信息、交易數(shù)據(jù)，挖掘客戶在理財、基金、融資、財富管理等深層需求，精準營銷；二是智能投顧，運用金融科技、量化模型、智能算法等技術(shù)打造智能投顧平臺，客戶輸入條件，即可篩選標的、生成資產(chǎn)配置方案，不但降低人工成本、提升投顧效率，而且擴大對長尾用戶

52、的覆蓋范圍。機構(gòu)業(yè)務(wù)：RPA、數(shù)據(jù)倉庫打開 PB 發(fā)展空間。券商機構(gòu)業(yè)務(wù)包括做市、托管等，存在海量交易數(shù)據(jù)和標準化流程。其中 PB 業(yè)務(wù)涉及為私募基金等專業(yè)投資者提供交易、估值、清算、風控等一攬子服務(wù)，對信息系統(tǒng)穩(wěn)定性、時效性要求高。RPA 技術(shù)（機器人流程自動化）基于人工智能完成重復(fù)工作，應(yīng)用于量化交易平臺，是券商和軟件供應(yīng)商發(fā)力方向。大數(shù)據(jù)和云計算集合，支持PB 級數(shù)據(jù)和秒級處理，數(shù)據(jù)倉庫存儲容量將得到大幅拓展，滿足日常監(jiān)控、交易分析等需求。投行業(yè)務(wù)：區(qū)塊鏈在資產(chǎn)證券化潛力大。區(qū)塊鏈具有不可篡改、可追溯、可溯源、可驗證的特征，通過區(qū)塊鏈技術(shù)實現(xiàn)資產(chǎn)證券化產(chǎn)品底層穿透，會計、評估、律師等中介

53、機構(gòu)上鏈盡調(diào)，顯著推動新經(jīng)濟資產(chǎn)證券化業(yè)務(wù)。2017 年，百度-長安新生-天風 2017 年第一期資產(chǎn)支持專項計劃，是首單基于區(qū)塊鏈技術(shù)的場內(nèi)ABS，基礎(chǔ)資產(chǎn)為汽車消費信貸。合規(guī)風控：構(gòu)建智能風控體系。通過大數(shù)據(jù)、智能算法構(gòu)建智能風控體系，多維度數(shù)據(jù)綜合評估，加強線上業(yè)務(wù)合規(guī)審查，達到欺詐行為、異常交易、反洗錢識別監(jiān)控效果，進行“全面風險管理”，保障投資及資產(chǎn)安全。問題挑戰(zhàn)：科技投入和應(yīng)用深度不足，同質(zhì)化嚴重證券行業(yè)在金融科技投入不足、業(yè)務(wù)復(fù)雜，金融科技應(yīng)用多停留在系統(tǒng)建設(shè)表層，難以實現(xiàn)前沿金融科技融合創(chuàng)新，依靠金融科技實現(xiàn)差異化發(fā)展仍任重道遠。一是整體投入方面，證券業(yè)金融科技整體投入不足。證

54、券行業(yè)為輕資產(chǎn)模式，整體資金實力較弱，2019 年中國券業(yè)技術(shù)投入 205 億元，頭部券商投入規(guī)模在 10-14 億元。相比之下，不但落后于銀行業(yè) 1079 億、保險業(yè) 330 億元的信息投入水平，而且與國際投行相差甚遠，摩根士丹利、高盛信息技術(shù)投入超過 10 億美元，通過自研和大手筆收購布局金融前沿技術(shù)。二是應(yīng)用深度方面，金融科技應(yīng)用的深度和廣度不足，同質(zhì)化嚴重。目前券業(yè)處于數(shù)字化探索轉(zhuǎn)型期，線上化、智能化已經(jīng)滲透到各個業(yè)務(wù)鏈條，但大部分停留在信息系統(tǒng)建設(shè)、移動終端平臺等層面，對前沿金融科技投入和應(yīng)用不足。根據(jù)艾瑞咨詢，2019 年證券公司投入在云計算大數(shù)據(jù)、AI、RPA、區(qū)塊鏈金額分別為

55、3.3、2、0.6、0.5 億元，合計在信息技術(shù)投入占比 2.9%，金融與科技如何深度融合發(fā)展尚未形成共識。三是外部環(huán)境方面，證券科技創(chuàng)新復(fù)雜性高，面臨更嚴格的監(jiān)管要求。證券業(yè)前中后臺種類較多，業(yè)務(wù)之間數(shù)據(jù)共享、系統(tǒng)串聯(lián)和防火墻要求嚴格，金融科技基礎(chǔ)設(shè)施牽一發(fā)而動全身，證券行業(yè)技術(shù)創(chuàng)新受到嚴格監(jiān)管。能否突破系統(tǒng)壁壘、打通數(shù)據(jù)孤島，需要在頂層設(shè)計層面予以統(tǒng)一明確。資管科技行業(yè)格局：規(guī)模龐大、背景多元，但科技滲透較低資管行業(yè)參與者包括以基金、銀行理財、信托等為代表的資產(chǎn)管理機構(gòu)。截至 2019 年，大資管行業(yè)存量規(guī)模約 82 萬億元，銀行、信托、公募基金、基金專戶及基金子公司、券商資管、保險資管、

56、期貨資管分別占 28.5%、26.3%、18.0%、10.4%、13.2%、3.4%、0.2%。此外，還有私募基金、第三方財富管理公司等眾多非持牌參與者。基金行業(yè)以二級市場標準化產(chǎn)品投資為特色，金融科技輔助投研決策。主動型投資對基金經(jīng)理個人經(jīng)驗依賴度高，目前的金融科技水平難以完全取代人力作用，主要起到智能搜索、投研輔助作用。根據(jù)艾瑞咨詢，2019 年中國基金行業(yè)整體技術(shù)投入為 19.8 億元?；饦I(yè)協(xié)會 2020年資產(chǎn)管理行業(yè)金融科技應(yīng)用現(xiàn)狀調(diào)查分析報告，22 家公募基金對金融科技年投入額在千萬級別，受訪公募基金對金融科技投入占收入比重低于 5%、介于 5%-10%、超過 10%，分別占 54

57、%、39%、7%。以信托為代表的非標投資機構(gòu)，金融科技水平較低，仍處于探索期。根據(jù)信托業(yè)協(xié)會，2019 年信托公司投入信息科技建設(shè)的金額約 15 億元，主要應(yīng)用場景是提升信息化系統(tǒng)、消費金融智能風控等方面。圖表：大資管行業(yè)發(fā)展2014（萬億）20152016201720182019302520151050銀行理財信托公募基金 公募專戶 券商資管期貨保險私募和基金子資料來源：銀保監(jiān)會，Wind, 澤平宏觀應(yīng)用場景：輔助投資決策，提高金融產(chǎn)品設(shè)計能力金融科技在資管行業(yè)的應(yīng)用場景，除了系統(tǒng)改造降低成本、大數(shù)據(jù)獲客等常規(guī)應(yīng)用，在投研管理、被動產(chǎn)品開發(fā)、客戶資產(chǎn)配置方面表現(xiàn)突出。主動投資方面，機器學習在

58、信息篩選、模型搭建方面表現(xiàn)突出，輔助主動管理型投研決策?；谌斯ぶ悄艿耐堆邢到y(tǒng)，在數(shù)據(jù)采集、數(shù)據(jù)處理、算法優(yōu)化方面遠高于人力，落地場景包括，1）信息篩選：大數(shù)據(jù)、機器學習、爬蟲技術(shù)可以實現(xiàn)多渠道抓取信息，不但全面網(wǎng)羅公告、研報、新聞等傳統(tǒng)渠道，而且更好捕捉微博、論壇等市場情緒因子，提高信息有效性，輔助生成投資觀點。2）模型構(gòu)建：利用機器算法構(gòu)建智能信評、智能風控、量化模型，用于歷史回測、情景模擬、未來預(yù)測，投資決策模型經(jīng)過不斷訓練迭代，更加精確地識別潛在風險和超額收益機會。被動投資方面，算法和量化模型實現(xiàn)低成本、大規(guī)模開發(fā)指數(shù)產(chǎn)品。國際經(jīng)驗表明，以指數(shù)基金、ETF 為代表的被動投資發(fā)展空間廣闊

59、，2019年全球指數(shù)型基金規(guī)模達到 11.8 萬億美元，近 10 年年均增長約 15%。金融科技在被動投資應(yīng)用關(guān)鍵是量化模型開發(fā)和大數(shù)據(jù)處理，為 ETF 等創(chuàng)新產(chǎn)品設(shè)計提供低成本、最優(yōu)化解決方案。博時基金 2019 年初曾表示，近兩年基于大數(shù)據(jù)的指數(shù)增強基金取得了超越基準指數(shù) 10% 以上的超額收益。問題挑戰(zhàn)：資管行業(yè)大整合，金融科技尚處探索階段一是整體投入方面，資管行業(yè)技術(shù)投入明顯不足。無論是以二級市場投資為代表的公募基金，還是以非標為代表的信托，金融科技投入量級僅數(shù)十億，遠遠低于銀行千億級別和保險、證券百億級別的科技投入。這是由行業(yè)和業(yè)務(wù)特性共同決定：一方面，資管行業(yè)普遍以代客理財?shù)妮p資產(chǎn)

60、運營模式，資金體量小，另一方面?zhèn)鹘y(tǒng)資管業(yè)務(wù)高度依賴人才、經(jīng)驗、人際關(guān)系等定性因素，難以被科技完全取代。但從長遠看，重視金融科技投入是資管行業(yè)差異化、跨越式發(fā)展的必經(jīng)之路，仍需長期科技投入，培育科技創(chuàng)新文化。二是滲透深度方面，前沿技術(shù)尚未普及。資管行業(yè)普遍在信息系統(tǒng)升級改造、互聯(lián)網(wǎng)獲客方面獲得長足進展，例如通過自有 APP 打造運營、互聯(lián)網(wǎng)平臺線上引流，基金公司突破了傳統(tǒng)銷售渠道束縛，直達用戶需求，大幅提高營銷效率。但對人工智能、云計算、大數(shù)據(jù)等前沿科技在投研、風控等核心領(lǐng)域尚未形成普及。相比貝萊德 2019 年技術(shù)投入費用為 2.89 億美元，占比近 16.4%，自主研發(fā) Aladdin 系統(tǒng)