《金融科技Fintech发展趋势分析》.pptx
《《金融科技Fintech发展趋势分析》.pptx》由会员分享，可在线阅读，更多相关《《金融科技Fintech发展趋势分析》.pptx（39页珍藏版）》请在冰豆网上搜索。
智慧金融变革未来金融科技金融科技Fintech发发展展趋势趋势分析分析1.金融业全流程的效率提升金融科技产业演进趋势金融科技的本质是通过信息技术的引入实现金融业全流程的效率提升；演进趋势：
从互联网金融到数据金融，从去中介化到金融业务核心、从流量至上到技术为王、从单一主体到庞大产业链2.大数据、人工智能、区块链Fintech的核心技术能力Fintech的基础技术能力是互联网，互联网金融是Fintech发展中的重要组成部分；核心技术能力：
大数据、人工智能、区块链3.共享&赋能Fintech商业模式演进方向信贷市场线上渗透率仅为1%，庞大空间、巨大的用户需求、竞争型的市场格局、可观的客户价值不断吸引新进入者；日益提升的获客成本、风控成本、合规要求是新进入者越来越难逾越的门槛；共享&赋能：
能力者向潜在进入者共享能力4.场景平台、流量平台、交易平台赋予各类平台普惠金融的能力建立Fintech平台，向消费场景、交易平台、数据平台赋能，使得其他平台获得普惠金融的能力，从而实现更为广泛的普惠金融。
5.市场上的其他能力者核心要点金融科技产业演进路径Chapter1金融科技产业演进路径起步阶段20世纪70年代中后期发展初期20世纪90年代中后期目前阶段2010年前后开始未来趋势金融电子化金融信息化/互联网金融数据金融/机器辅助决策智慧金融/机器决策技术条件计算机互联网大数据人工智能计算机互联网大数据计算机互联网/区块链计算机从互联网金融到数据金融，我国金融科技发展已历经三大阶段在过去的十数年中，互联网对于传统金融业态的变革一直在不断发生，集中体现于支付结算的线上化、金融产品销售的电商化，以及信贷业务的P2P化。
而在此前，我国科技金融的发展已历经三个大的核心阶段，分别是：
1）20世纪70年代中后期开始的金融信息化起步：
以早期的计算机及局域网络为主，计算机逐步代替手工操作，并实现全流程的电子化；2）20世纪90年代中后期进入到互联网金融的阶段：
中国接入全球互联网，金融信息化/互联网金融的时代随之到来，主要体现的是渠道信息化；3）2010年后进入到数据金融/机器辅助决策阶段：
移动互联网时代的到来推动了大数据、云计算技术的迅速铺开，此时，信息技术正在逐步渗透到金融业务核心部门，机器成为金融决策的重要辅助，而机器实现绝大部分自主决策的智慧金融阶段也为之不远。
我国科技金融发展历经三大核心阶段金融科技产业演进路径从去中介化到金融业务核心，Fintech不再局限于纯流量贡献Fintech的互联网金融阶段主要聚焦于金融脱媒/去中介化，去中介化已是全球金融业自由化发展的核心方向。
在互联网金融蓬勃发展的过程中，整个商业形态快速迭代，互联网几乎改变了传统金融的渠道体系。
在这个过程中，受到影响最为深远的是金融中介。
Fintech进入金融核心，对于传统金融的影响愈加广泛和深入。
在互联网技术逐步成熟的今天，以大数据、云计算、人工智能为代表的创新技术正再一次的席卷众多传统行业，金融业以其庞大的市场容量再次成为市场焦点。
这一次，技术创新的核心目标将聚焦于信用、风控、投资等多个领域。
因此，Tech对于金融业的影响将愈加广泛和深入，这也是互联网金融和科技金融（Fintech）的重大差异。
银行基金证券保险支付/结算销售/代销交易/经纪销售/理赔理财/投资投资/风控投顾/资管精算/定价风控/信贷发行/承销影响广度影响深度Fintech对于传统金融模式的影响愈加广泛和深入金融科技产业演进路径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技术创新阶段从流量至上到技术为王，战略目标已发生根本性变化互联网传统的商业逻辑是流量为王，这在网络媒体、电子商务以及电子支付、互联网金融的早期阶段均已经充分体现。
从流量至上到技术为王是“不得已”更是行业趋势。
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“走向技术为王的方向是目前垂直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。
从规模至上的粗犷发展到依托技术能力的精细化运营是目前互金行业发展的核心特征。
粗犷发展意味着尽可能的最求强劲成长性，但伴随着监管靴子落地、企业融资进入中后期，互联网金融企业发展的核心要求在发生变化。
精细化运营意味着提升获客能力、提升反欺诈能力、提升数据风控能力，同时降低获客成本、降低风险成本、提升ARPU值，技术能力对运营效果的支撑作用愈加明显。
信息科技产业发展周期曲线不同发展阶段的差异化战略目标战略模式粗犷模式精细化运营战略侧重规模为王技术为王战略目标蛋糕/融资/生存维持可持续高速发展、利润贡献资料来源：
CBInsights从横向业务范围上看，（如右图所示）单一传统金融主题可提供的服务将被众多的Fintech企业主体所分解，实现单一业务类型的差异化和灵活化。
从纵向业务流程上看，单一业务流程也被众多Fintech参与主体拆解。
以信贷为例，包括获客、前段审核、中期风控以及后期催收管理均已形成完善的产业链，整体分工进一步精细化和模块化。
金融科技产业演进路径从单一主体到庞大产业链，行业分工进一步精细化传统金融机构组织体系庞大，体系内的自主、可控是大多数金融机构业务拓宽的核心路径。
而在Fintech的大背景下，行业分工将实现进一步精细化和模块化。
Fintech促进金融分工模块化、精细化7来源：
艾瑞咨询金融科技产业演进路径新的内核：
互联网金融进入Fintech的全新发展阶段政策红利让互联网金融一度被誉为野蛮生长的行业，而历经10年的发展监管与互联网金融之间已经逐渐熟悉，随着中国互联网金融协会的成立，规范与安全成为行业发展的主旋律，同时也意味着原本宽松的政策环境有收紧的趋势。
2016年后，业界也明显感受到了行业寒冬，互联网金融概念走下神坛，十年野蛮，一朝落幕。
然而互联网金融并没有因此消失，取而代之的金融科技正以星火燎原之势，整体行业已进入金融科技的全新发展阶段。
互联网金融与金融科技市场热度示意图金融科技互联网金融8市场热度时间2016金融科技产业演进路径发展趋势：
技术化、数据化、场景化、模块化、平台化技术化：
信息技术创新与金融技术创新包括在风险定价、量化交易、交易决策以及风险控制等核心金融领域，技术化会渗透至金融体系的内核。
数据化：
AI的基础条件金融是个极强数据导向的行业，大数据将对原有结构化数据体系产生巨大冲击。
当下，大数据已开始在精准营销、风险控制、风险定价、量化投资等诸多领域展开实质性渗透。
场景化：
获客+风控+C2B场景化是金融服务与实体经济结合的必然需求，也是实现从获客、产品C2B到风险控制完整闭环的必然需求。
模块化：
行业分工的精细化单一传统金融主题可提供的服务将被众多的Fintech企业主体所分解，实现单一业务类型的差异化和灵活化。
从纵向业务流程上看，单一业务流程也被众多Fintech参与主体拆解。
发展趋势IndustryTrends平台化：
追求规模经济后流量时代，在新一轮技术创新的推动下，技术能力同样将成为平台化的基础，而不再局限于流量。
289技术基础：
三大技术构成核心技术基础Chapter2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。
三大技术之间没有迭代关系，没有时间轴关系，而是在不同层级同时支撑Fintech发展。
技术基础：
三大技术构成核心技术基础技术基础：
三大技术构成核心技术基础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BigData291人工智能ArtificialIntelligence区块链BlockChain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。
大数据人工智区块链数据来源：
36氪研究院292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。
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。
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。
大数据人工智区块链数据来源：
36氪研究院13技术基础：
三大技术构成核心技术基础细分领域应用方向细分技术内容自动报告生成投资银行、证券研究自然语言处、OCR人工智能辅助量化交易机器学习、自然语言处理、知识图谱金融搜索引擎证券研究自然语言处理、知识图谱、信息切片与信息聚合智能投顾资产管理感知智能人工智能：
从分析到最终决策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。
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区块链数据来源：
36氪研究院14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；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。
大数据人工智区块链数据来源：
36氪研究院15技术基础：
三大技术构
升级会员 