金融科技在财富管理行业中应用的现状及趋势.pdf

下半年中国经济 V型复苏能否一马平川？ 植信投资研究院 2020年 7月 上海 二 三 金融 科技在财富 管理 行业中的应用 目 录 1 一 金融科技与财富管理 四 发展趋势 、 存在的问题 及建议 金融 科技在财富 管理 行业中应用的 积极意义 金融科技与财富管理 一 2 1.金融科技（ Fintech） 3 （ 1） 什么是 “ 金融科技 ” （ Fintech） ？ Fintech 是 “ Financial ” （ 金融 ） 和 “ Technology ” （ 技术 ） 的缩写 ， 可以 简单的理解为 “ 金融 +科技 ” ， 其 描述 的 是 金融业务与新兴科技 （ 主要包括大数 据分析 、 人工智能 、 云 计算 、 区 块链等 ） 的 组合发展 ， 核心是指 利用新兴的互联 网信息科技改造和创新金融产品和业务 模式 ， 提升 效率并有效降低运营成本 。 金融稳定理事会 FSB（ 2016） 将 Fintech 定义为 “ 技术带动的金融创新 ” ， 是对 金融市场 、 金融机构以及金融服务供给 产生重大影响的 新商业模式 、 新技术应 用 、 新业务流程 、 新产品服务 等 ， 既包 括前端产业 ， 也包括后台技术 。 1.金融 科技（ Fintech） 4 近年来 ， 金融科技 （ Fintech） 在 拓 宽金融可获得性 、 提高金融深度和 改善金融效率 等方面的作用不断显 现 ， 被认为是影响未来金融业务模式 的最重要因素之一 。 目前 ， 全球 金融科技业务应用领域涵 盖： 支付清算 、 借贷融资 、 零售银行 、 财富管理 、 保险 、 交易结算 （ 数字 货币 ） 六大金融领域 ， 全面融入传统 金融各板块 。 金融 科技 支付 清算 借贷 融资 零售 银行 财富 管理 保险 交易 结算 2.财富管理 （ Wealth Management） 5 （ 1） 什么是 “ 财富管理 ” ？ 国际金融理财标准委员会 （ FPSB） 给财富 管理下的定义是 ， 基于客户及其家庭的财富 水平和预期 ， 在 充分了解客户的诉求 、 需求 等 基础上 ， 为客户出具资产组合 、 储蓄计 划 、 保险投资对策 、 财产继承及经营策略 等财务设计方案 ， 并帮助客户实施的过程 。 广义的财富管理 是指专业化 、 个性化 、 立 体化提供综合财富规划和财富管理 ， 围绕客 户需求进行资产配置和管理 。 狭义的财富管理 是指理财业务 ， 为客户提 供适合其资产水平 、 风险预期 、 时间期限的 标准化产品和服务 。 -15.0% -10.0% -5.0% 0.0% 5.0% 10.0% 15.0% 20.0% 25.0% 0.0 100.0 200.0 300.0 400.0 500.0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2000-2019年 全球财富总额及增长情况 全球总财富 :左轴 年均增长率 :右轴 2.财富管理 （ Wealth Management） 6 （ 2） 全球财富发展现状 据 瑞信 全球财富报告 2020 相 关数据 ， 截至到 2019年底 ， 全球 财富总额累计 为 399.2万亿 美元 ， 同比 增长 10.6%， 较 2000年复合 增长 （ CAGR） 6.6%。 整体而言 ， 2019年 全球 财富市场 呈现 “ 北 美 、 欧洲 、 东亚 ” 三足 鼎立之势 。 北美洲 31% 欧洲 24% 中国 19% 亚太地区 18% 印度 4% 拉丁美洲 3% 非洲 1% 2019年全球主要地区财富总额及占比 2.财富管理 （ Wealth Management） 7 （ 3） 全球财富管理行业发展现状 截止 2020年上半年 ， 全球排名前 35位的财富管理公司及机构其财 富 管 理 规 模 （ WUM ， Wealth Under Management） 约为 15.87万 亿美元 。 按财富管理公司所处行业划分 ， 目前能为个体及机构投资者提供 财富管理服务的公司或机构主要 来自银行 、 券商 、 投资银行和专 业的第三方机构 ， 其财富管理规 模分别为 10.47万亿美元 、 1.75万 亿美元 、 2.29万亿美元和 0.89万亿 美元 。 0 500 1000 1500 2000 2500 3000 瑞银财富管理 瑞士信贷 摩根士丹利私 美国银行私人 J.P 摩根私人 大和资产管理 加拿大皇家银 高盛集团 野村财富管理 嘉信理财 花旗私人银行 法国巴黎银行 瑞士宝盛银行 先锋集团 汇丰银行私人 中国招商银行 北方信托资产 纽约银行梅隆 百达集团 LGT 集团 全球排名前 20位财富管理公司 WUM规模 单 位 ： 十 亿 美 23 4 3 3 1 1 0 5 10 15 20 25 0.00 5.00 10.00 15.00 银行 券商 投行 资管公司 信托公司 保险公司 按 行业 划分 ：全球排名前 35位财富管理公司 WUM规 模及数量 财富管理规模 (万亿美元 ):左轴 公司数 (个 ):右轴 2.财富管理 （ Wealth Management） 8 （ 4） 我国财富市场发展现状 过去 数十年来 ， 我国经济的快速发展 带来了居民财富的快速累积 。 家庭财 富 总额 从 2000年的 3.7万亿美元迅速 增长至 2019年 的 78.0万亿 美元 ， 在全 球财富中的比重提升 至 19.5%， 仅次 于 美国 。 同时 ， 居民 可投资资产已突 破 200万亿元 ， 高 净值人群也已接近 200万人 。 可见 中国财富管理市场增 长潜力巨大 。 随着 居民财富的增长和大众富裕客户 的崛起 ， 财富管理服务也不再仅由高 净值客户专享 ， 普通富裕客户的财富 管理需求不断萌芽 ， 逐渐将成长为财 富管理市场的中坚力量 。 数据来源： Wind 0 50 100 150 200 250 0 20 40 60 80 100 120 140 160 180 200 中国个人持有的可投资资产总体规模（万亿元）：左轴 中国高净值人群持有可投资资产规模 :合计（万亿元）：左轴 中国高净值人群数量 :合计（万人）：右轴 2.财富管理 （ Wealth Management） 9 （ 5） 我国财富 管理 行业 发展 现状 截止 到 2020年第一季度 ， 我国财 富 管理行业总规模约 114.88万亿元 。 从结构来看 ， 我国 财富 管理市场 主要由 保险资管 、 私人银行 、 零 售银行 、 公募基金 、 券商资管 、 信托 、 私募基金和第三方财富管 理 等细分领域构成 。 从 规模 来看 ， 商业银行 仍是 我国 最大 的财富管理机构 。 同时 ， 信 托 、 保险 、 公募基金 也占据着较 大比例 。 2015Q1-2020Q1资管机构资产规模（单位：万亿元） 金融 科技在财富管理 行业中 的应用 二 10 1.大数据（ Big data）在财富管理行业中的应用 （ 1） 什么是 “ 大数据 ” ？ 大数据 （ Big data或 Mega data） 定义 ： 麦 肯锡全球研究所 认为 ， 大数据是一种规模大到 在获取 、 存储 、 管理和分析方面都超出了传统数 据库软件工具能力范围的数据集合 ， 以容量大 、 类型多 、 存取速度快 、 应用价值高为主要特征 。 2015年 9月 ， 在 国务院 印发的 促进大数据发展行 动纲要 中指出： 大数据是对数量巨大 、 来源分 散 、 格式多样的数据进行采集 、 存储和关联分析 ， 从中发现新知识 、 创造新价值 、 提升新能力的新 一代信息技术和服务业态 。 关于大数据 （ Big data/Mega data） ， 最早源自阿尔文 托夫勒所著的 第三次浪潮 一书中 。 而学术研究上 ， 最早提及到 “ 大数据 ” 的是来自 1997年美国学者 Michael Cox & David Ellsworth发表 的 “ Managing Big Data for Scientific Visualization.” 11 1.大数据（ Big data）在财富管理行业中的应用 （ 2） 大数据的发展及应用 “ 大数据 ” 已从信息技术领域 ， 快速 渗透 到金融 、 医疗 、 环境 、 交通等领域 。 麦肯锡公司早在 2011年就已经预见到大数 据时代的到来 ， 并提出： “ 各个行业和领 域都已经被数据渗透了 ， 目前数据已成为 非常重要的生产因素 。 对于大数据的处理 和挖掘将意味着新一波的生产率不断增长 和消费者盈余浪潮的到来 ” 。 普华永道调研显示 ， 在所有金融科技中 ， 大数据是金融行业投资和应用的首选 。 据 IDC的研究 报告 Data Age 2020： The Evolution of Data to Life-Critical 显示 ， 预计到 2025年 ， 全球 数据总量将达到 163ZB（ 1630亿 TB） 。 12 1.大数据（ Big data）在财富管理行业中的应用 13 （ 2） 大数据的发展及应用 “ 大数据 ” 已从信息技术领域 ， 快速渗透到金 融 、 医疗 、 环境 、 交通等领域 。 大 数据在 “ 财富管理 ” 行业中的应用 在 客户挖掘阶段 ， 对 客户的投资需要与风险偏 好实现更全面更细致的识别 ， 而并非仅仅依赖 客户对于标准化问卷的主观输入 。 在资产配置阶段 ， 应用大数据支持产品与底层 资产的尽职调研 ， 并使其成为智能化形成投资 组合的基础 ， 基于客户的风险偏好和收益目标 在海量金融产品中进行甄选和组合 。 在 投资组合再平衡阶段 ， 应用大数据识别宏观 微观中的相关信号 ， 触发资产组合再平衡 。 在 运营服务环节中 ， 比如呼叫中心峰谷管理等 以大数据为基础 ， 可优化运营资源配置 ， 通过 大数据分析识别交叉销售商机 。 还能形成 “ 下 一个产品 ” 的最佳推荐 。 1.大数据（ Big data）在财富管理行业中的应用 （ 3） 案例 1：摩根士丹利 Morgan Stanley私人 财富管理部的服 务主体是高资产净值的个人 、 家庭 及控制巨额可投资资产的信托基金 ， 服务种类包括理财建议和投资管理 咨询 。 Morgan Stanley利用 Hadoop对大 数 据进行 分析 ， 使 客户更 轻松 、 更 智 能地处理财务 。 Morgan Stanley使用 Hadoop处理大量数据 ， 其中包括电 子邮件 ， 社交媒体帖子 ， 电话等信 息 ， 以及任何其他无法使用常规数 据库挖掘的非结构化信息 。 14 1.大数据（ Big data）在财富管理行业中的应用 （ 3） 案例 1：摩根士丹利 摩根士丹利运用大数据技术 ， 提升数据挖掘和 处理技术 ， 改进对客户产品组合的分析 ， 优化 内部的运用机制 。 采用 SAS的大容量数据仓库和深度数据挖掘产 品 ， 对数据进行提取 、 转化加工 、 存储 、 分析 和挖掘 ， 并将数据分析结果可视化 ， 实现信息 共享和访问的便利性 ， 处理过程 智能化 。 运用 Hadoop和 Map Reduce， 制定产品组合分 析解决方案 ， 深入分析和了解客户的财务目标 ， 在此基础上制定出卓有成就的投资建议 ， 帮助 其实现合理投资 。 通过 部署企业信息系统 ， 实现成本节省并提升 合规度和员工效率 。 将 SAS分析得到的数据和 信息 ， 快速 、 便捷地提交 给管理层 以判断经济 活动 达是否到 了公司财务目标和发展 策略等关 键指标 。 15 1.大 数据（ Big data）在 财富管理行业中的应用 （ 3） 案例 2： 星展银行 与 IBM在大数据上的合 作 星 展 银行 （ DBS） 的 财富管理平台 ， 按照 客户的可投资资产划分为不同的客户部门 ， 同时依据客户财富增长的不同阶段 ， 提供 不同的配套服务 。 2015年 ， 星展 银行 与 IBM在财富管理领域 进行合作 。 星 展银行的私人财富管理率先 通过应用大 数据技术提供定制化的投资建议和对市场 动向监控 ， 投资决策以大数据分析结果为 主 ， 并对客户经理修改的主观投资建议 ， 设置自动触发系统警报 。 16 2.人工智能（ AI）在 财富管理行业中的应用 17 （ 1） 什么是 “ 人工智能 （ AI） ” ？ 人工智能 （ Artificial Intelligence） 定 义 ： 人工智能 (Artificial Intelligence， AI) 是人造的智能 ， 其含义是 研究 、 开发 、 模拟 、 延伸 、 拓展人的智能的理论 、 方法 、 技术与应用 。 我国 人工智能辞典 将人工智能定 义为 “ 使计算机系统模拟人类的智能 活动 ， 完成人用智能才能完成的任 务 ” 。 它主要由机器学习 、 计算机视 觉 、 计算机听觉等不同部分组成 ， 目 的是使机器能够象人类一样有视觉 、 听觉等 “ 感官 ” ， 通过学习 、 思考 、 判断完成人类智能所做的复杂工作 。 2.人工智能（ AI）在 财富管理行业中的应用 18 （ 2） 人工智能 （ AI） 的应用 人工智能的应用范围非常广泛 ， 主要包括 虹膜识别 、 掌纹识别 、 机器视觉 、 智能控 制 、 人脸识别 、 机器人学 、 语言和图像理 解 、 遗传编程 、 视网膜识别等 领域 。 金融 行业是人工智能技术最早发挥重要作 用的行业之一 。 按照财富管理服务场景划分 ， 这些人工智 能的应用包括 智能身份认证和智能支付 、 智能营销 、 智能客服 、 智能投研 、 智能投 顾 、 智能风控 等 。 目前 ， 在财富管理行业 ， 智能投顾应用较 为普及 。 2.人工智能（ AI）在 财富管理行业中的应用 19 （ 3） 智能投顾 （ 机器人投顾 ） 智能 投顾 （ Robo-Advisor） 是指 运用 智能算 法技术 、 投资组合优化理论模型 ， 为用户提 供投资决策信息参考 ， 并随着金融市场动态 变化对资产组合及配置提供改进的建议 。 目前的智能投顾主要有三种类型 。 第一种是机器人投顾 ， 全部决策和交易都有 机器来完成 。 第二种是人机结合智能投顾 ， 其特点是决策 和交易都可以由机器来完成 ， 但在智能决策 完成 ， 构成投资组合之后 ， 加入了人工服务 的环节 。 第三种是建议型投顾 ， 计算机通过智能算法 为客户的决策提供建议 ， 客户自己是最终决 策者和执行者 。 2.人工智能（ AI）在 财富管理行业中的应用 20 （ 4） 案例 1：招商银行 摩 羯智 投 2015年中国首家智能投顾蓝海智投 上线 。 2016年 9月份 FOF产品细则 落地 ， 正式 宣告了 公募基金进入一个组合销售服务的时代 。 2016年 12月 6日 ， 招商银行正式推出了 摩羯 智投 。 这是国内商业银行 首次推出智能投顾 服务 ， 也标志着银行开启了智能理财的新时 代 。 摩羯智 投运用机器学习 算法并融合招商银行 十余年的财富管理实践以及基金研究经验 ， 以公募基金为基础构建出全球化资产配置 组 合 。 自上线以来 ， 摩羯智投管理的资产规模已超过 35亿元 ， 已有超过 6万位中高端用户体验了摩羯 智投 。 工商银行的 智能投顾 ， 通过人工智能实 现对客户的精准画像分析 ， 以智能算法 选择投资组合 ， 实现了 一键式理财 。 2.人工智能（ AI）在 财富管理行业中的应用 21 （ 4） 案例 2：广发证券 贝塔牛 2016年 6月 ， 广 发证券在 “ 易淘金 ” 品牌下 推出了 “ 贝塔牛 ” 智能投顾 服务 。 “ 贝塔牛 ” 是广发证券开发的一款基于金融 工程理论及大数据的智能化 、 个性化的全能 型机器人投顾 。 它 可根据客户的不同投资目标及风险偏好提 供专属的交易策略及个性化大类资产配置方 案 。 同时 ， 机器人服务会严格按照制定的策 略去操作 。 3.云计算 （ Cloud Computing） 在财富管理行业中的应用 22 （ 1） 什么是 “ 云计算 ” ？ 云 计算 （ Cloud computing） 是指以公开的标准 和服务为基础 ， 以互联网为中心 ， 提供安全 、 快速 、 便捷的数据存储和网络计算服务 。 云计算 （ Cloud computing ） 定义 ： 美国 国家标准与技术研究院 (National Institute of Standards and Technology, NIST)定义：云计算是 一种按使用量付费的模式 ， 通过云计算 ， 用户 可以随时随地按需从可配置的计算资源共享池 中获取网络 、 服务器 、 存储器 、 应用程序等资 源 。 这些资源可以被快速供给和释放 ， 将管理 的工作量和服务提供者的介入降低至最少 。 云计算的发展 云计算最早以 SaaS服务的形式出现于 20世纪 90年代末 。 但直到 2006年 ， 亚马逊推出的 AWS(Amazon Web Services)开始以 Web服务的形式向企业提供云计算服务 ， 业界才真正开始重视这种新的 IT服务 模式 。 随后 ， IBM、 Google、 微软等企业也加入云计算服务领域 ， 促进行业进入发展快车道 。 政府 、 行政管理部门 、 企业逐渐接受云服务理念 ， 并进一步进行应用 ， 云服务将真正进入产业的成熟期 。 3.云计算（ Cloud Computing）在财富管理行业中的应用 23 （ 2） “ 云计算 ” 的分类 云 计算按照服务交付模式分为 IaaS、 PaaS和 SaaS。 IaaS是 Infrastructure as a Service 的缩写 ， 意思是 基础设施即服 务 ， 即云服务商把 IT环境的基 础设施 层作为 服务出租 出去 。 PaaS是 Platformas a Service 的 缩写 ， 意思是 平台即服务 ， 指 云服务商把 IT环境的平台软件 层出租 出去 。 SaaS即 Software as a Service， 意思是 软件即服务 ， 指云服务 商把 IT环境的应用软件层作为 服务出租出去 。 3.云计算（ Cloud Computing）在财富管理行业中的应用 24 （ 3） “ 云计算 ” 在金融中的应用价值 云 计算降低了金融机构的信息资源 获取 成本 。 出于规模效应和专业化分工 ， 云提 供者能以更低廉的价格向金融机构 提供 服务 。 云 计算减小了金融机构的资源配置 风险 。 金融 机构根据实际需求使用云上的 IT资源 ， 减少了为闲置资源付出的 不必要成本 。 云 计算提高了金融机构的 IT运营 效 率 。 云计算能在短时间内从海量数据中 快速提取有用信息 ， 大大提高了金 融机构的数据处理能力 。 3.云计算（ Cloud Computing）在财富管理行业中的应用 （ 4） 案例 1：大型财富管理公司 （ 瑞 银 、 汇 丰 、 Banco Sabadell） 目前 ， 大型财富管理公司正在加速从 大型机计算向多云部署架构迈进 （ multi-cloud deployment architecture） ， 在该架构中 ， 公司将其部署分散到多 个云位置 。 当前在财富管理中使用多云的例子包 括 ： 瑞 银集团将其 25个数据中心迁移到 Azure； 汇丰银行 则利用 Google Cloud重新架构 其核心 平台； Banco Sabadell在 IBM公共云上托管其 基础架构以使应用程序 现代化 。 25 3.云计算（ Cloud Computing）在财富管理行业中的应用 （ 4） 案例 2：中小型财富管理公司 （ James Hambro & Partners ） James Hambro & Partners (JH&P)， 利用 InvestCloud Blue应用程序套件 ， 来支持数字 化的客户联系 、 自动化和管理；同时与模块 化软件 Iress Pulse相结合 ， 实现客户培训自 动化 。 (JH&P)是一家总部位于伦敦的第三方财富管 理公司 ， 其管理超过 34亿英镑的资产 。 InvestCloud是一个开发预先集成的数字化金 融云解决方案的平台 ， 为超过 2万亿美元的 资产提供支持 。 InvestCloud Blue能够对客户 培训 、 联系和建议进行数字化 ， 包括财务规 划和报告 ， 让管理者能够获得看到所有客户 的全面视角 。 26 JH&P首席执行官安迪 -斯蒂尔 Andy Steel： “ 我 们的客户群体日益复杂 ， 不得不为此提供灵活 的技术解决方案 ， 以便让大家能够以最适合他 们的方式来吸收我们的服务 。 客户只要动一动 手指 ， 就能获得其想要信息 。 ” 金融 科技在财富管理 行业中 应用的积极意义 三 27 1.促进 财富管理行业数字化 转型 28 一是客户数字化 。 信息技术 可以对客户 数据 、 行为偏好和生活场景进行分析处 理 ， 勾勒出多维立体化 、 数字化的客户 画像 。 二 是营销数字化 。 借助大数据手段 ， 可 以预测热点 ， 分析客户的需求偏好 ， 识 别客户潜在需求 ， 提高营销前瞻性 。 三 是服务数字化 。 通过移动客户端 、 互 联网站等 ， 打造线上 、 线下体验一致的 服务 。 2.增强 财富 管理行业服务效率 29 一 是 运用大数据技术 ， 挖掘 和利用多维 度 、 网络化的用户数据 ， 形成 用户全景 视图 ， 构建 差异化的服务策略 、 动态化 的管理方式 、 智能化运营决策和商业分 析支持 。 二 是运用语音语义识别技术打造智能客 服 。 利用语义分析 、 知识搜索等技术 ， 基于定制化的知识库内容 ， 快速的响应 客户 请求 。 三是采用机器学习实现 金融产品和服务 的精准营销 。 利用 机器学习和现代投资 组合优化模型 ， 搭建智能投顾平台 ， 为 客户 提供有 针对性的投资建议 。 3.降低财富管理行业服务成本 30 一方面 ， 通过金融科技技术降低 金 融服务费用 。 大数据 、 人工智能等 技术的运用使得金融交易的链条和 中间环节逐步 缩短； 移动互联网 、 智能终端使得部分业务能够在线操 作 ， 减少了金融机构物理网点和人 员的数量 ， 降低了交易成本 。 另一方面 ， 运用 新技术降低 IT自身 的运营 成本 。 基于大数据的云计算 改变传统基础 设施部署的方式 ， 大 幅 降低金融 机构的软硬件采购与维 护成本 ， 有助于 金融机构降低运营 成本 ， 提高服务效率 。 4.扩大财富管理行业服务覆盖面 31 依托 互联网 、 生物识别技术 、 智能终端等 ， 不断拓展财富管 理服务 渠道 ， 延伸服务 的广度 ， 促进普惠金融发展 。 金融 科技大数据技术能高效开 展客户征信工作 ， 智能投顾技 术覆盖到传统金融机构无法服 务到的大量长尾客户 。 5.提高对高净值客户的服务能力 32 一方面 ， 随着我国高净值人群与 超高净值人群的规模不断扩大 ， 其对财富管理需求的 多样 性 和 复 杂性 （ 综合性 ） 也与日俱增 。 另一方面 ， 相较于传统金融手段 ， 财富 管理 行业 运用新的 金融科技 手段 能 有效提升产品 、 风控及服 务能力 ， 以更好地匹配高净值 、 超高净值客户的新需求 。 四 33 发展 趋势、存在的问题及建议 1.发展趋势 34 趋势一：财富管理行业将愈发重视金融科 技在行业中的应用 。 国内外 财富 管理行业头部公司在金融 科 技 方面投资巨大 。 一方面 是希望通过金 融科技应用达成发展能力的突破；另一 方面也是适应客户数字化 、 移动化的体 验方式 ， 寻求价值差异化的客户增值场 景 。 贝莱德首席执行官 Larry Fink曾在公开 演讲中透露 ， 贝莱德 每年会拿出营业收 入的 10%作为科技 预算 。 2020年 ， 贝莱德 以 6.7万亿规模的绝对优势蝉 联年全球 Top 500 Asset Managers 2020 榜首 。 1.发展趋势 35 趋势二： 从 实践看 ， 随着金融与科技双向融 合进入深水区 ， 金融 科技 在财富管理行业中 的 应用 实践也出现分化 。 一种分化是 不同规模资管机构在应用金融 科技方面的分化 ， 大型机构凭借资金投入 、 人力物力等资源优势与中小机构逐渐拉开 差距 ； 另 一种分化是基于科技应用 ， 传统资管机 构与科技型资管机构触达客户端的服务形 式也出现分化 ， 能够提供系统性的科技资 管一体化解决方案将成为新的竞争能力 壁 垒 。 2.金融科技在财富管理行业应用中的问题 36 问题一：金融科技在基础性 、 关键性技 术上的研发能力不足 ， 影响金融科技在 金融领域应用的广度和深度不够 。 我国金融科技相关技术 ， 如人工智能 技术研究比美国等西方发达国家起步 晚 。 人工智能技术在美国的研发距今 已经有 60多年的发展 历程 ， 而我国 人 工智能技术研究和产业布局正处于起 步期 ， 人工智能技术的基础研究水平 还不 高 ， 自主 研发 能力也有待 进一步 提升 。 目前 ， 我国金融 科技的 发展还 处于探 索阶段 ， 需要技术的进一步迭代更新 ， 这是导致金融科技在财富管理行业引 用的广度和深度不够的根本原因 。 37 问题二：财富管理行业金融科技人才 相对匮乏 ， 专业人才队伍培养有待加 强 。 目前 ， 国内设立人工智能专业的 高校还比较少 ， 大多数高校只是 在软件专业开设人工智能选修课 程 ， 金融科技如人工智能 实验室 建设力度还需要加大 。 全国 从事 金融科技相关 研究和应用的专业 人才紧缺 ， 特别是既 懂 金融 科技 又 懂金融的复合型人才更是稀少 ， 这是制约 我国金融科技在 金融 领 域尤其是财富管理行业广泛 、 深 入应用的瓶颈因素 。 2.金融科技在财富管理行业应用中的问题 38 问题三：金融科技行业标准与安全规范 仍待完善 。 当前 ， 金融科技中的 金融 大数据的相 关标准仍处于探索期 ， 金融大数据缺 乏统一的存储管理标准和互通共享平 台 ， 涉及金融行业大数据的安全规范 还存在较多空白 。 相对 于其他行业而 言 ， 金融大数据涉及更多的用户个人 隐私 ， 在用户数据安全和信息保护方 面要求更加严格 。 随着 大数据在多个金融行业细分领域 的价值应用 ， 在缺乏行业统一安全标 准和规范的情况下 ， 单纯依靠金融机 构自身管控 ， 会带来较大的安全风险 。 2.金融科技在财富管理行业应用中的问题 39 问题四：金融监管跟不上金融科技在财 富管理行业中应用的步伐 。 对于金融科技相关技术在金融领域的 应用 ， 还缺乏较为完善的监管规则 ， 在目前分业监管的格局下 ， 一旦出现 业务或者服务纠纷就会面临一系列监 管 难题 。 金融 科技相关技术适用法律法规和部 门规章制度的分散性 ， 意味着在实际 操作过程中监管部门难以把握监管的 边界 。 如智能投顾业务包括投资咨询 、 资产管理 、 理财顾问 、 证券委托交易 等方面 ， 涉及我国金融领域不同行业 的监管 。 2.金融科技在财富管理行业应用中的问题 3.发展建议 40 建议一：鼓励财富管理行业加强金融科 技在行业中的应用 。 与欧美等金融市场发达的国家相比 ， 我国金融业尤其是财富管理行业金融 科技应用程度并不高 。 金融科技的运 用能有效促进行业的市场服务能力 ， 为此 ， 应鼓励 金融机构对云计算 、 大 数据 、 区块链 、 人工智能等 金融科技 在财富管理行业中的应用 ， 并在各类 科技项目立项中予以支持 。 一方面 ， 要加 强 信息网络基础设施 建设 ；另一 方面 ， 支持鼓励财富管理行业对金融 科技手段在合法合规的基础上进行创 新性开发应用 。 41 建议二：加大对金融科技核心技术方面 的研发力度 ， 加强人才队伍建设 。 金融科技在基础性 、 关键性技术上研 发能力不足 ， 既不利于金融科技相关 技术在金融领域广泛 、 深入的应用 ， 也不利于我国金融科技创新发展和金 融安全 。 为此 ， 要加大对金融科技研 究人才队伍建设的扶持力度 ， 鼓励国 内高校增设大数据 、 人工智能等专业 ， 培养相关领域更多的专业 、 高技能人 才；加强并推动国内金融机构 、 高科 技企业 、 高等院校 、 科研院所之间的 协同 ， 为金融科技在金融领域应用 、 创新和发展提供智力支持 。 3.发展建议 42 建议三：加强行业政策指导和行业标准 规范建设 ， 促进金融科技在财富管理行 业中规范发展 。 政策方面 ， 针对 产业发展 需求 ， 出 台 促进 财富管理行业金融科技 发展 应用的指导性政策意见 ， 明确产业 发展的目标 、 方向 、 路径和要求 ， 完善产业发展的配套保障体系 和评 估体系 。 行业 标准方面： 指导和支持 金融科 技 在产业标准 、 安全和商业化等多 个领域的相关研究 。 加快 发布和 形 成 金融科技 产业应用标准 体系和行 业规范 ， 以标准促进 产业 发展 。 3.发展建议 43 建议四：建立和完善多重安全风险防范 机制 ， 提升金融科技的风险防控水平 。 安全 高效 是 财富管理行业 平稳 健康发 展的重要基础 。 一 方面要 制定 金融科 技在金融领域应用的相关法律法规与 监管规则 ， 重点要保障投资者的信息 和隐私安全 ； 另一方面要 完善 金融科 技在金融领域应用的责任追究机制 ， 为金融科技在金融领域的应用和推广 扫除障碍 。 金融科技相关 技术 （ 如大数据 、 人工 智能 ） 在 金融领域应用 ， 要 尽可能全 面开展白盒测试以及进行大量边界值 、 特殊值的黑盒测试 。 提升 相关技术 的 安全系数 。 3.发展建议 44 建议五：发展监管科技 ， 加强行业监管 ， 实现对金融科技在财富管理行业的监管 全覆盖 。 监管 是金融创新和发展的重要保障 。 发展监管科技 ， 夯实数据综合统计 和风险监测基础设施 ， 着力提升宏 观审慎监管和微观行为监管的科技 应用水平 。 加强 国际机构合作 ， 消化吸收国际 先进监管科技新理念 、 新技术 ， 防 止跨国监管真空 ， 防范化解金融系 统性风险 。 3.发展建议