2018-2019年金融科技行业研究报告.pptx

,2018-2019年金融科技行业研究报告,1,目录CHAPTER 1,三大技术构成核心技术基础2,2,金融科技产业的阶段概况赴美上市金融科技公司现状欠佳行业新进入者和投融资事件均明显下降金融科技行业的发展空位依旧广阔金融科技行业走向技术军备竞赛时刻,CHAPTER 2三大技术构成核心技术基础大数据Big Data人工智能Artificial Intelligence区块链Block Chain,4.761.58,12.2710.89,21.3717.74,30.11,0,10,20,30,40,宜人贷简普科技和信贷信而富,趣店乐信拍拍贷,金融科技产业的阶段概况赴美上市金融科技公司现状欠佳从赴美上市的金融科技公司中，除去宜人贷及乐信外，其余全部跌破发行价，情况惨淡。截至2018年6月28日，市值10亿美元以上的公司有5家。经营表现中，宜人贷、拍拍贷、乐信3家互金公司净利润同比都获得增长，且除了信而富及简普科技均实现盈利。此外，由于受到监管趋严等因素影响，平台逾期率大多有所增长。在行业阴云笼罩下，发展金融科技能力是强监管时期各平台的重要发展方向。发行价（美赴美上市金融科技公司市值,亿美元,注释：市值和当前价格均截止到2018年6月28日,1395,增长率（%）,435,-74.2%,702,101,62,42,金融科技产业的阶段概况行业新进入者和投融资事件均明显下降金融科技行业新注册公司数量，投融资事件数量和投资金额在2014-2017年均呈现明显的下行趋势。一方面原因是由于行业风口的轮换，另一方面讲金融科技行业的进入门槛越来越高。未来在该领域中，新进入者的机会可能不会太多，且可以预测头部玩家的竞争将更加激烈。若想从竞争中突围取胜，需要参与者们增强并充分发挥在金融科技领域的核心竞争优势。,37.7%,45.3%,162.9%118.6%4235 430816.6%1.7%1611,10000,700060005000400030002000,632 737360-67.6%2010 2011 2012 2013 2014 2015 2016 2017,注册公司数量增长率（%）,金融科技行业注册公司数量变化,240.0%23.5% 20.2%,260.0%93.1%,110.7%-19.1%14791196,10005000,50004500400035003000250020001500,69419568 842010 2011 2012 2013 2014 2015 2016 2017,金融科技行业投资事件数量变化,1007,647,608.4%,144.7%47.6%-20.4%-43.2% 1686 -40.3%-35.7%,5000,3000投资事件数25002000-42.0% 15001000,23893 742010 2011 2012 2013 2014 2015 2016 2017,投资金额（亿）283.9% 增长率（%）,金融科技行业投资金额数量变化,根据百度金融研究的估算，中国金融科技行业在信贷、理财资管、保险等领域的线上化率均不超过10%。未来通过科技的手段提高金融各领域服务效率和客户体验都是一个相当值得期待的市场。根据目前的金融科技竞争态势来看，该市场能否被补充和占据的关键决定因素不再是流量的争夺，而是能否通过有突破性的创新手段提供颠覆业态的产品。,金融科技产业的阶段概况,金融科技行业的发展空间依旧广阔,5,6,技术创新阶段,技术创新阶段叠加商业模式后的蓬勃发展阶段,时间周期,产业规模,金融科技产业的阶段概况超越流量，金融科技行业走向技术军备竞赛时刻BAT等巨头已经在市场中形成了较为稳定的竞争优势，流量集中的行业特征已经极为明显。因此，“不得已“走向技术军备竞赛的方向是目前金融科技企业选择差异化竞争的核心策略；而与此同时，网民增长红利消磨殆尽、移动互联网时代即将落幕，人工智能走上前台，信息科技行业再次进入了技术创新并寻求商业模式变现的新阶段。信息科技产业发展周期曲线,技术创新阶段,纵观目前阶段下的金融科技创新方向，我们认为，大数据、人工智能和区块链将是继互联网/移动互联网之后的Fintech发展的三大核心技术基础。三大技术之间既彼此独立，又相互配合，支撑Fintech发展。,金融科技产业的阶段概况,技术基础：三大技术构成核心技术基础,7,2017Gartner新兴技术成熟曲线,新阶段下的风险控制及风险定价体系,从分析到最终决策,重构底层互联网,大数据,Big Data,人工智能,Artificial Intelligence,区块链,Block Chain,1,目录CHAPTER 1,三大技术构成核心技术基础8,2,金融科技产业的阶段概况赴美上市金融科技公司现状欠佳行业新进入者和投融资事件均明显下降金融科技行业的发展空位依旧广阔金融科技行业走向技术军备竞赛时刻,CHAPTER 2三大技术构成核心技术基础大数据Big Data人工智能Artificial Intelligence区块链Block Chain,大数据,区块链,人工智能,数据是金融的核心，因此在大数据时代下，大数据必将触及金融最紧绷的那跟弦风险定价与风险控制。,若将大数据分析分为四个层次，互联网金融发展阶段中，大数据技术主要应用于数据架构和信息整合（第1层+第2层）, 可实现初步的分析和决策（第3层）。,非结构化数据体系下，人工建模+数据已经难以满足数据分析需求。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。,大数据+机器学习是金融数据计算分析的未来。在目前的状态下，数据体量异常巨大、数据类型异常繁多、价值密度极低，因此需要通过更为强大的机器算法能够实现模型的迅速矫正，因此，机器学习+大数据将是金融数据分析的核心方向。,技术基础：三大技术构成核心技术基础,大数据：新阶段下的风险控制及风险定价体系,9,大数据,区块链,人工智能,经过多年的数据发展和积累，大数据的数量、分析速度与数据种类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，大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。,技术基础：三大技术构成核心技术基础,大数据：多维度多层次的大数据分析,10,大数据,区块链,人工智能,大数据分析的主要金融应用：个人征信、授信与风控个人征信、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。1、贷前评估：国内个人征信试点于2015年才开始试行，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。2、贷中监测：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。,技术基础：三大技术构成核心技术基础大数据分析的主要金融应用：征信与风控,3、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评分进行补充，提升或降低其信用额度以供后续使用。11,1、贷前评估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。,3、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评分进行补充，提升或降低其信用额度以供后续使用。2、贷中监控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。,大数据,区块链,人工智能,保险定价的主要场景是车险及运费险。,技术基础：三大技术构成核心技术基础大数据分析的主要金融应用：保险定价,车险：根据车主的日常行车路线、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。运费险是“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%。12,在科技的推动下，综合成本率下降幅度可高达21%,区块链,人工智能,大数据,人工智能在金融领域中的应用，相较于大数据而言的核心突破在于深度学习、智能分析和最终的智能决策。大数据、云计算、智能硬件以及后续的区块链技术等都是支撑人工智能上层技术的基础。,智能数据分析在金融领域涵盖了投资、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。,在金融领域，人工智能主要有以下四类应用：自动报告生成、金融智能搜索、辅助量化交易、智能投顾方向。,技术基础：三大技术构成核心技术基础,人工智能：从分析到最终决策,13,FinAI核心应用领域包含从研究到交易的大量核心环节,大数据,人工智能,区块链,自动报告生成主要运用自然语言处理（NLP）中的自然语言理解（NLU）、自然语言生成（NLG），以及光学字符识别（OCR）。,技术基础：三大技术构成核心技术基础,人工智能：自动报告生成初阶应用,14,海量易购数据处理,将投行分析师需要阅读与学习的的年报、公告、行业分析报告等资源进行消化。,运用知识图谱进行分析,这一过程涉及运用知识图谱中常用的知识提取与实体关联将其关键逻辑主干抽出，结合事件地点等因素，将关键信息嵌入预先设计好的报告模板中。,报告生成,经过处理海量异构数据与分析数据的过程后，即可生产新闻，券商分析研报，上市招股书，企业年报，定增公告，甚至基金研究员开每日晨会所需的投资建议书也都可以用类似方式生成。,大数据,区块链,人工智能,技术基础：三大技术构成核心技术基础人工智能：量化交易大有可为,量化交易分析师们对财务、交易数据进行建模，分析其中显著特征，利用回归分析等传统机器学习算法预测交易策略。利用传统的回归分析等方法来建模交易策略存在一定弊端：数据不够丰富，仅限于交易数据，更重要的是它受限于特征的选取与组合，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，最终取决于分析员对数据的敏感程度。而通过机器学习则可以实现模型的动态变化。结合预测算法，响应新的信息和历史经验从而不断演化，利用人工智能预测股票的波动及其相互关系来创建一个平衡的投资组合风险和预期回报，利用机器的严谨超越人类情感的陷阱。模型将随着市场变化而变化，不断适应新的信息，而不是遵循静态指令。15,1,机器学习：从人工设计到模型自演进,大数据,区块链,人工智能,技术基础：三大技术构成核心技术基础人工智能：量化交易大有可为,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，引入新闻、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，自然语言处理可以实现“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。16,2,自然语言处理：追踪市场动态，引入更多变量,大数据,区块链,人工智能,技术基础：三大技术构成核心技术基础人工智能：量化交易大有可为,在黑天鹅事件发生时，机器学习和自然语言处理会失效。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关模式。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。人工智能擅长发现数据间的相关性而非因果性。强相关性的变量间并不一定具备经济学关联，而人工智能的机器学习无法区分虚假关联性。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， 知识图谱提供了从“关系”的角度去分析问题的能力，专家则通过经验设立“规则”。17,3,知识图谱：降低黑天鹅事件及虚假关联性对预测的干扰,大数据,区块链,人工智能,智能投顾是指通过互联网帮助用户进行资产管理和投资等业务，利用模型和智能算法得出投资组合。,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资产投资组合建议，提供的服务包括股票配置、债券配置、股票期权操作、房地产资产配置等。,技术基础：三大技术构成核心技术基础,人工智能：智能投顾平价财富顾问,18,大数据,区块链,人工智能,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。中间层是协议，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，其交易数据全网节点共享。矿工负责记录，全网监督；,技术基础：三大技术构成核心技术基础,区块链（Blockchain） 是一种分布式共享数据库,19,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护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。,大数据,区块链,人工智能,强制信任：智能合约。在合同中约定的条件被触发时，合约内容能够自动生效执行。智能合约的原理类似于计算机中的If-Then语句，它能够帮助我们在金融领域建立一种智能管理的体系。当保险合约等自动判断满足赔付条件时，保险费将自动划拨赔付，从而免去了以往的保险理赔中中间一系列的流程。当然，“强制信任”可被用于诸多领域。,技术基础：三大技术构成核心技术基础,区块链建立了“强制信任”的关系,20,区块链,人工智能,大数据,技术基础：三大技术构成核心技术基础,区块链将重塑传统互联网的底层基础,21,大数据,区块链,人工智能,22,技术基础：三大技术构成核心技术基础AI-区块链之间相互影响,可伸缩性，导致效率降低,引入审计跟踪，追溯机器决策过程,数据共享提高模型迭代,电力消耗,区块链AI,引入如连邦学习等系统或数据分片技术,AI黑盒,有效性低,优化算力分配，降低耗能,区块链,人工智能,大数据,23,技术基础：三大技术构成核心技术基础AI在金融量化领域的核心： GAN模型,政策新闻行业快讯专家评论技术新闻论坛热贴,投资观点,实时行情资金流向,用户思维数据,历史真实数据生成模型,采样采样,判别模型,真假,新模式,生成对抗网络GAN是弱AI进化到强AI的最佳算法，通过两个网络模型的博弈对抗，生成新的模式，并结合Alpha Go的RL（Reforcement Learning）深度增强算法来进行训练模型。这种新的模式可谓是无为有处有还无，假作真来真亦假的强AI的真正本质。交易的本质就是博弈对抗，产生新的价值共识，这和GAN算法的思想完全吻合，这也是散户最终能不被收割的利器。,25,谢谢观看,