报告来源:36氪 行业报告研究院


 一、FinTech主要细分领域梳理

 1.智能投顾

 1.1.背景

 我国人工投顾数量不足,海量股民仍未得到充分服务

 目前行业主要存在以下痛点:

 现有专业人工投顾数量不足,不少散户仍在服务范围外。

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对象,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,散户的交易额占比在总交易额的80%以上。

1.2.概述

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,是指在投资管理服务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、投资组合选择、交易执行、投资组合重设、投资损失避税和投资组合分析。它改变了传统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合。


智能投顾最早出现于2011年,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资产规模已超过210亿美元。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、投资咨询等人力成本密集环节,智能投顾节省了很大的成本,提升了产业链的效率,因而其可提供更低成本的管理费用。

1.3.现状

行业刚刚起步,智能程度低,优质企业少。

目前,公开表示具有或正在研发“智能投顾”功能的互联网理财平台已经超过二十家,比如京东金融、一心、积木盒子、聚爱财plus等。但智能化程度参差不齐,和美国同类企业相比仍有差距。

• 部分互联网金融企业以“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应理财产品,并未实现用先进的数据算法来优化投资模型,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的产品形式,基本实现智能算法模型的搭建,使用数字化手段提供投资咨询服务。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,是国内最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。目前这两家公司的投资标的均以指数基金ETF为主,跟踪全球市场,目标客户多为有海外资产配置需求的人群。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。

1.4.监管

平台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,但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(美国金融业监管局)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实用案例。内容涵盖:

 

• 客户信息采集时应涵盖的内容

• 对算法技术的监管意见

• 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的具体建议和做法

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预设的投资理念;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有很大借鉴意义。

1.5.优势

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,构建投资组合模型的能力,是产品的核心竞争力所在,模型给出的投资标的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。与传统的人工投顾相比,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,而智能投资顾问的费用是非常有限的,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化投资组合。


• 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。投资组合的选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投资经验不足导致的问题。

1.6.服务流程

服务链条短,系统自动推荐投资标的

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智能投顾为例做说明:

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:需要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达到最初设定的目标时,网站会给出针对性的投资建议。

1.7.投资标的

分散化投资,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产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、固定收益类产品等投资组合。智能投顾平台大多采用被动型投资,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。一些平台也会购买国内主动型投资的公募基金来实现配置目的。

•  数量众多、产品多样的ETF为机器人投顾提供了丰富的投资基础,且ETF更关注与各市场或各大资产的整体表现状况,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,延后税收。而中国并无此项避税功能。

1.8.行业思考

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广的成熟环境。国内智能投顾的行业发展受制于以下两个因素:

•  技术基础弱

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用算法实现。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、对冲等投资方式,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,以期获得高收益。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。

2.借贷与征信

2.1.借贷 · 概述

中国发展迅猛,平台层出不穷,但技术刚刚起步

中国互联网借贷行业经历了迅猛生长---问题平台频出---热度趋缓这三个阶段。

• P2P是真市场,满足个人和中小企业融资需求

在我国,个人和中小企业融资渠道不畅,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,早期出现了很多民间借贷组织。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。目前,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平台信任问题

以P2P的票据交易为例,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决交易市场的信任问题,大大降低交易成本。

• 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业务的关键。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,下文将对征信技术做详细的介绍与分析。

2.2.征信 · 概述

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、法人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、控制信用风险,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, 进行信用风险管理。

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,信用报告并提供其他增值服务。传统的征信数据源仅有银行、政府、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,网络对人们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、电商及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用征信技术,而其最广泛的应用即为借贷的信用评分。

2.3.征信 · 盈利模式

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生服务收入构成:

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头为例,Experian、Equifax、TransUnion的营业净利润率在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。

2.4.征信 · 现状

现有征信体系以政府为主,信息覆盖仍待完善

• 个人征信体系尚未覆盖半数: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3.61亿人拥有个人信贷数据记录,有5.03亿人有个人社保信息记录但无征信数据,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,有中征码的企业及其他组织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体维持在9%的水平。低渗透率的背后是各数据网络的割据与隔离。

2.5.征信 · 监管

征信牌照稀缺,牌照管理仍为收紧状态

目前,我国共有8家机构获得个人征信牌照,包括背靠互联网巨头的芝麻信用管理有限公司、腾讯征信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。

2.6.征信 · 数据源

各数据网络呈割据状态,我国征信仍在起步阶段

数据分布:

• 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银行、保险的数据,但覆盖人群有限;国家正在致力建设政府数据统一开放平台,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络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。

2.7.征信 · 技术革新

大数据与人工智能让征信数据更丰富,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、征信模型的优化方面都带来了质的改变。



2.8.征信 · 行业思考

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热点。在数据获取方面,除了和政府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,从而在源头上建立自身优势。

• 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的优化和验证。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。


征信数据的应用场景非常丰富,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。

3.支付

3.1.支付 · 概述

2000年后电子支付迅猛发展,2010进入移动支付时代。

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,支付方式以网银为主。

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,支付方式以网上银行为主,发展速度较为缓慢。

第二阶段:第三方支付机构进入市场,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,促进了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,带领人们走入移动支付时代。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。同时,跨境支付也因第三方支付的兴起而得到更优解决方案,区块链技术的应用将更大程度上解决跨境支付成本及效率问题。

3.2.支付 · 现状

三大核心参与方,央行为监管主体。

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;

• 以银联和央行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、支付渠道;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。

3.3.支付 · 监管

新一轮业务整顿已开始,第三方支付牌照趋于收紧。

2010年以来,政府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张支付牌照,首批27家获得第三方支付牌照的机构牌照期限已于今年5月到期,但央行尚未对其进行续展。2016年,随着央行《非银行支付机构风险专项整治工作实施方案》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。


3.4.支付 · 技术革新

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,移动钱包允许人们通过将信用卡信息与智能手机绑定,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NFC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的一环。


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讯费,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快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。


区块链技术优势:

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安全威胁。

区块链技术劣势:

首先,区块链系统自身存在一定劣势,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,区块链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;匿名机制也使得用户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区块链公司试水。

3.5.支付 · 行业思考

银联第三方支付持续角力,区块链技术本土化仍在试水

 银联与第三方支付争夺支付场景

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,且政府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,这代表银联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、微信支付的反击;

• 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、微信支付拥有庞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 ,第三方支付公司应抢占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,因此支付场景成为制胜关键。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线下支付入口,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的优势,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,不同国家之间还存在政治、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,但是具体的技术变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。

 

二、案例分析

 

1.案例分析 · 智能投顾

Wealthfront:智能投顾鼻祖

• 公司概况

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

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和退休金投资组合。投资组合的载体为各类指数基金ETF,涵盖的资产类别包括:美股、海外股票、新兴市场股票、股利股票、美国国债、新兴市场债券、美国通胀指数化债券、自然资源、房产、公司债券、市政债券等。此外,wealthfront还推出其他服务。

• 盈利模式

Wealthfront主要客户为中等收入的年轻人,并非高净值人群。平台按照资产净值按比例向客户收取的咨询费用:

•当资产低于10000美元时,平台不收取咨询费;

•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,邀请人将获得5000美元投资额的咨询费减免。

• 业绩指标

2015年1月,Wealthfront的管理资产仅为18.3亿美元;截至2016年2月底,资产规模接近30亿美元。

• 团队背景

创始人Andy Rachleff 曾为Benchmark Capital 创始人之一,斯坦福商学院教师;首席投资官Burton Malkiel 曾著有《漫步华尔街》。管理团队由业界和学界名人组成。

2.案例分析 · 借贷

信而富 : 致力于国内小额消费信贷服务

• 公司概况

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,曾为国内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。

• 主要服务

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。

• 市场定位

信而富曾为多家国内大型银行供消费信贷风险管理服务,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,提出了与其他同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,另一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10万元以内的信贷需求提供服务。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积累。

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)是信而富的核心技术之一,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同客户的风险区间,实现动态风险定价

风险定价(Risk pricing)指对风险资产的价格确定,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。风险定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。目前信而富可以准确识别客户的风险区间。

3.案例分析 · 支付

ABRA——区块链下,跨境支付so easy

• 公司概况

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,或者以更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。

• 主要业务

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建立的共享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,或将这些数字货币兑换成现金。在支付、汇款或提现期间,该应用会即时生成一个基于区块链的智能合约,并由分派的对手方通过套期保值等方式,保证用户的资金价值在三日内不因比特币价格的变化而发生变动。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比特币,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

蚂蚁金服:金融服务全链条的科技融合

• 公司概况

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,助力金融机构和合作方的转型升级,为小微企业和个人消费者提供普惠金融服务。

• 主要业务

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务,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,完成了金融服务到生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年全国第三方支付交易规模中,支付宝占比达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。大数据的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,农村金融将成为其新的业务增长点;蚂蚁花呗和借呗则主要服务于个人消费者。

蚂蚁金服:天然数据优势,推动金融科技应用落地。

• 安全信任体系升级

当支付宝从单纯的支付属性延伸承载理财、征信、消费金融等财富属性时,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,平台需要突破传统账户安全保险的瓶颈,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:智能金融服务的初探

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以支持企业的发展。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多方尝试,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比高达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理财服务。

• 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机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在扩展。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。

 

报告来源:36 行业报告研究院


2017年01月23日

金融科技行业深度研究报告(上)
移动支付行业研究报告

上一篇

下一篇

金融科技行业深度研究报告(下)

本网站由阿里云提供云计算及安全服务 Powered by CloudDream