互联网金融行业分析报告Word下载.docx
《互联网金融行业分析报告Word下载.docx》由会员分享，可在线阅读，更多相关《互联网金融行业分析报告Word下载.docx（16页珍藏版）》请在冰豆网上搜索。
基于真实产业链交易行为的融资需求
①预付账款类供应链融资
②存货类供应链融资
③应收账款类供应链融资
（2）行业空间：
万亿蓝海待挖掘，定价/资金是关键
①潜在规模：
供应链融资业务规模高达34万亿
②行业格局：
仍待挖掘的一片蓝海
（3）风险定价：
基于真实交易的核心企业或交易平台
①核心企业型
②第三方平台型
（4）资金来源：
对接P2P平台或银行，突破资金限制
①自有资金融资成本高，空间小
②P2P平台或对接银行资金是供应链金融业务的主要方向
（5）相关企业：
大背景、小外围、强关系
①大背景：
支撑供应链融资业务的产业链具备大体量特点
②小外围：
除核心企业以外的上下游企业具备小规模特点
③强关系：
主导企业能保证融资项目基于真实交易，风险定价能力强
2、互联网保险：
渠道、险种、定价
（1）渠道：
互联网渠道在保险销售的占比将越来越高
（2）险种：
新的商业生态下的应用场景带来新的险种增量
（3）定价：
涉及保险核心的变革
①淘宝保险：
A面是渠道拓宽，B面是险种增量
②众安保险：
专注新商业生态下保险增量的互联网保险企业
③StateFarm：
UBI车险的先驱
四、行业重点公司简况
1、生意宝：
大宗品电商交易巨擘崛起在即
（1）化工行业电商资讯领军者
（2）八年磨一剑，大宗品电商交易平台不断完善
（3）客户资源、行业数据以及行业认知的十多年积累形成极高壁垒
（4）电商交易前端引流，互联网金融等后端变现
2、用友网络：
互联网转型逐渐落地
（1）联手XX，企业互联网时代企业数据价值凸显
（2）增发保障企业互联网与互联网金融战略全面推进
3、汉得信息：
供应链金融平台打开成长空间
（1）外延收购巩固行业龙头地位
（2）供应链金融逐步落地打开成长空间
4、博彦科技：
金融IT战略将逐步深入
（1）人均产出三步走战略逐步兑现
（2）金融行业客户资源积累深厚
（3）核心系统业务将由实施维护向产品转型
5、信雅达：
外延并购仍将继续
（1）收购科匠信息，开启外延并购序幕
（2）强强联手，外延并购仍将继续
6、金证股份：
分成模式打开想象空间
（1）国内领先的券商基金IT系统提供商
（2）与腾讯合作，业务分成打开想象空间
（3）券商创新业务多点开花，券商IT直接受益
7、恒生电子：
传统业务受益金融创新，互联网业务值得期待
（1）传统业务保持稳健增长
（2）互联网业务带来想象空间
（3）阿里合作日渐深入
当互联网遇到传统金融
近年来，互联网持续对传统行业形成冲击甚至颠覆，已经成为大家普遍认同的观点；
金融行业为实体经济提供资金融通功能，是宏观经济的核心，因此在网络浪潮下金融行业怎样与互联网相互融合，是我们必须关注的问题。
我们的思路是希望首先剖析互联网的特点及优势，以及由此带来的传统行业游戏规则的改变，进而在此基础上探索互联网对传统金融行业带来的变革、以及在此基础上可能的投资机会。
互联网对信息传播成本下降的影响在各个行业差别巨大。
每个行业提供的产品或服务特性不同，互联网化的难易程度也有相应的区别。
例如餐饮、娱乐等体验式消费的服务产品，天然就难以用量化的数据信息形式来描述或提供。
举例说明，在所有行业分类中，批发零售行业标准化程度相对较高，又没有大宗贸易商品存在的物流、仓储、融资等方面的壁垒，因此电子商务销售额占整体比例高达37.2%，远高于科研技术服务、住宿餐饮以及建筑工程等标准化程度较低的行业。
互联网渠道更适宜标准化产品的线上销售。
从金融行业角度来看，不管是股票、债券，还是基金、信托、保险，绝大多数金融产品都能够用期限、金额、预期收益等数字化的形式实现完整的描述，容易标准化。
同时，产品交付和获取的整个过程也完全不涉及到物流、仓储等物理条件的限制，因此更适合互联网时代的信息传播和产品交付。
东方财富与同花顺占据用户资源优势，在第三方基金渠道销售方面的优势不言而喻。
以东方财富为例，其单季度基金代销金额在短短2年时间内快速增长至接近600亿元，上线基金公司数达到80家，上线基金产品数达到1909个，基本覆盖了大部分基金公司和产品，成为了目前市场上主要的基金销售渠道之一。
传统金融领域的经营模式与其他所有行业别无二致。
资产管理机构负责产品的设计、搭建，确定产品预期收益及风险特征，并通过营销部门与第三方渠道的销售人员将产品推介给金融产品的目标客户群体，属于典型的传统垂直销售产业链的构架。
互联网时代，信息交互成本的降低使得优秀的金融产品在平台的帮助下能够实现爆发式的销售增长。
那么怎样的平台是最有价值的？
我们认为，平台的价值首先在于稀缺性，行业中独一无二的平台无疑具备最大的价值。
如果行业的特点决定了平台没有壁垒，那么平台的价值就取决于用户数量。
在具体的行业中，根据产品的供需格局，处于买方市场的行业，买家数量决定平台价值，处于卖方市场的行业，卖家数量决定平台价值。
在目前阶段大多数行业的平台价值取决于买方数量，金融行业也一样。
对应到金融行业，两类平台价值最高。
首先是具备稀缺性的平
台，例如恒生与金证在证券IT行业内占有率极高，因此其互联网证券平台能够顺利对接各家券商交易系统，行业内排名前两位之后的竞争对手由于市占率太低，无法在大范围内实现证券交易平台与证券公司的互联互通；
其次是本身就具有大量买方用户数量的平台，例如东方财富基于其信息服务网站及APP聚集的海量证券投资用户，开展基金等金融产品代销业务，具有强大的竞争壁垒。
理财，将会是未来更大众化的需求。
近年来，伴随经济的发展，人们收入水平的上升，闲散资金的保值增值成为大众的需求。
与之对应的是，以银行理财产品为代表的各类理财产品规模的高速成长。
据Wind统计，截止2014年6月30日，银行理财产品余额达12.65万亿，与13年同期增长40%。
尽管规模巨大，但银行理财的高门槛，并没有使大众受益。
中国商业银行理财产品的认购门槛目前普遍在5万元起步，而2014年
中国国内生产总值为为63.6万亿，以14亿人口计算，人均GDP为
4.5万元人民币，80%的农村居民家庭年纯收入甚至低于1.3万元。
大部分人群尤其是农村居民目前仍然不能享受银行理财产品或其他金融产品带来的高于固定存款的收益。
互联网带来的成本的下降，大大降低了投资理财的门槛。
互联网之于金融产品销售，最起码降低了客户开发和支付两个环节的成本。
对于银行而言，每销售一份理财产品，支出主要包含人工成本、运营成本等（其中又以人工成本为主），由于人力销售的不可扩展性，因此更大的销售规模必然依赖更多的销售人员，并不会带来边际成本的显著降低。
而产品的必须成本开支（人工成本为主）也使得传统银行产品设计时必须满足一定额度要求，才能覆盖成本支出。
这无形中设置了一道门槛，将不能满足额度支付要求的受众排除在银行理财大门之外。
互联网作为销售渠道，运营成本是主要支出，边际成本几乎为零，因此利用互联网销售金融产品，低的必须成本开支使得一份理财产品在额度上可以大大降低，从而使得理财产品得以惠及更多大众。
在覆盖更广人群的基础上，互联网理财短期是对于大众的投资者教育，长期是实现普惠金融的基础。
正如我们前文所述，银行理
财产品本身的单客户成本，使得广大的长尾潜在用户被排除在理财大门之外。
而互联网不仅给这部分用户群体打开了一扇新的大门，同时会刺激他们对更多金融服务的诉求，而互联网本身的低边际成本使得满足他们的诉求成为可能。
而未来随着网上直销银行等新型互联网金融机构的逐渐成熟，真正意义上的覆盖所有用户的普惠金融终将到来。
未来金融交易决策的基础
互联网带来连续的、更多维度、具有更广覆盖面的、具有更大价值的更大规模的数据，数据掘金的时代已经来临。
而一旦依据数据分析的基础上的决策制定被有效验证的话，那么传统时代的许多不确定性就有可能更具确定性，传统的局域因果关系将逐渐被更广范围的相关关系所替代。
互联网产生的数据对金融行业的影响可以分为两个层面来理解。
首先，对于金融行业本身，传统的金融交易由线下向线上的转移能够在极大程度上拓宽金融行业数据量的维度与数量，投资者对金融产品的需求和风险承受能力能够被完整而清晰的刻画，从而为金融机构提供更为精确的客户群体描述和营销指导。
其次，任何行业的互联网化都有可能促进该行业金融服务水平的提高。
金融行业为其他所有行业提供融资服务，电子商务的普及使得实体经济线上化趋势明显，在电商普及的过程中商业活动的营销、交易等数据就能够被金融机构采集，从而为企业未来的融资需求提供风险定价依据，消除金融交易过程中的信息不对称。
互联网金融发展的基础设施建设
政策支持征信业务向民间放开。
2015年1月5日，人民银行印发《关于做好个人征信业务准备工作的通知》，要求芝麻信用管理有限公司、腾讯征信有限公司、深圳前海征信中心股份有限公司等八家机构做好个人征信业务的准备工作，准备时间为六个月。
现在意义上的征信起源于美国。
半个世纪以前，美国没有信用分数和信用报告一说。
后来，数学家费尔（WilliamFair）和电气工程师艾萨克（EarlIsaac）看出市场需求，设计出一套信用评分卡，这就是后来的费寇分数（FICOscore）。
通过FICO信用评级体系，费尔和艾萨克创立的公司费尔艾萨克公司得到迅速发展，并于1987年在纽约证券交易所上市，而FICO分数也是当前在美国应用最为广泛的信用评价指标。
而中国的征信市场一直没有较大发展。
目前在传统征信领域积累最为丰富的央行，掌握的8亿用户的信息中，也仅仅只有3.5亿左右曾经有过贷款记录。
由于信用是现代商业活动和现代金融的基础，征信的短板，直接制约了中国信贷市场的发展。
更为重要的是，对于互联网金融而言，信用审核环节线上化的趋势意味着未来基于信用的贷款比例将会越来越高，而在无抵押的情况下，对用户信用值的评估水平将直接影响平台的风险定价水平，进而影响平台坏账率的控制。
令人欣慰的是，互联网和电子商务等新模式、新技术的发展，带来较传统模式下更大量级的各类数据，使得互联网时代的征信较传统模式呈现出一些新的特征。
而这，或许将给我们征信工作的展开带来新的令人期待的变化。
在美国，FICO评分是目前应用面积最广，公信力最强，覆盖人群最多的一个征信指标。
其运行模式是，首先由以Equifax、
Experian和TransUnion三家为代表的信用局负责企业用户和个人用户的相关信息收集，然后信用局采用由费尔艾萨克公司提供的信用算法计算每个用户的FICO分数，并生成个人信用报告。
当个人用户向商业银行等金融机构申请信贷有信用审核需求时，信用局会将个人
的信用报告出售给相关机构，主要包括消费信贷的授信方、商业银行、保险公司、雇主、司法部门以及消费者个人。
目前，个人信用报告是需求量最大的产品。
个人用户的FICO评分介于300～850分之间，尽管其具体细节并没有批露，但是其信用分数的组成部分已经被总结出来，信用分数最终主要取决于消费者的五项基本指标：
信用卡的使用历史、欠款额度、信用历史的长短、新的信用账户的数量和使用信用账户的类型。
FICO评分的有效性近年来面临挑战。
毫无疑问，FICO评分在相当长的时间里有效地支撑起了美国的信用体系。
但近年来，随着信贷业务的展开，FICO评分本身采用指标的单一以及片面的评估
结果似乎越来越不能满足时代的发展需要。
以2008年度全球金融危机为例，根据FICO评分统计，从05-11年之间，FICO分值在美国人口中的分布情况并没有显著变化，不同年度不同分数段人口数量比例也基本与上年持平。
而与此同时，建立在FICO评分基础上的美国消费贷款撇账率在08年金融危机时候却达到了惊人的10%左右；
即使平时，也维持在3%以上。
这不禁让我们思考，是什么原因造成FICO评分面对黑天鹅的失
效？
我们认为至少有以下两点：
（1）评分的基础数据维度较为单一，存在“模型套利”的巨大空间，比如互联网上就有许多如何快速提升自己的FICO评分的攻略；
（2）基于消费者历史消费数据的模型本身就没有考虑不同时点的外部环境和消费者本身处境的变化，因此模型在时间上有一定滞后性。
针对中国征信难题，建立在消费者信用卡消费记录基础之上的美国FICO评分无疑提供了一个可行的解决方案。
尽管如此，我们的征信依旧面临着自己目前在传统方法上尚不能解决的现实困境。
首先，信用卡覆盖人群少。
截止到2014年6月，中国人均持有信用卡仅0.31张。
即使最理想的情况，每一位持卡人仅持有一张信用卡，这也意味着我们13亿人口中也仅有三分之一持有信用卡。
信用卡这个数量下的覆盖人群范围，显然对于我们希望建立的具有普适性的征信是不能满足要求的。
其次，信用卡信贷目前还不是我们短期贷款的主流方式。
截止2014年6月，信用卡信贷仅占金融机构短期贷款总额的16%。
这显然也严重的制约了建立在信贷基础上的征信的发展。
无论是信用卡市场，还是信贷市场发展的不足，带来的直接后果就是中国基于信用卡和信贷基础上的征信覆盖人群仅达到总人口的23.7%，而美国相应的则是85.4%。
无疑两者之间还有巨大差距。
征信体系的落后也导致了消费者对信用记录的漠视。
例如中国信用卡的不良率始终在1%以上。
尽管在初期用户准入上就设立了较高的门槛，在信用审核上也把关较严，以较小的人群覆盖实现较强的风险控制。
但中国商业银行的信用卡不良率始终在1%以上，信用卡发卡量高速增长的2009年更是一度接近3%的水平。
ZestFinance，是由谷歌前信息总监道格拉斯·
梅瑞尔于2009年9月在洛杉矶创办的一家美国新兴的互联网金融公司。
目前主要利用大数据技术为难以获得传统金融服务的个人提供信用评估服务，重塑审贷过程，降低该部分人群的借贷成本。
尽管FICO评分在美国是目前应用最广、最有公信力的第三方信用评分方式，但依旧有15%的群体在FICO评分覆盖的范围之外。
FICO评分目前只覆盖了85%的群体，而剩余的15%的群体由于没有可用的FICO评分，因此很难从传统金融机构获得所需的金融服务，而这部分群体，正是ZestFinance当前主要的目标客户群。
据
ZestFinance的官网披露，与传统信贷管理业务比较，ZestFinance在
风险控制方面提高了40%。
除了在服务群体上与传统征信不同之外，在征信方式上，
ZestFinance也有创新。
ZestFinance的基本理念是认为所有的数据都是信用（道格拉斯·
梅瑞尔语），因此试图从海量的数据中挖掘有价值的信息，以此来衡量不同用户的信用值。
具体可以分为两个部分：
数据采集环节和数据挖掘环节。
在数据采集环节，ZestFinance采集的数据更为丰富和多元。
ZestFinance的数据采集，既利用了传统征信体系的决策变量，重视深度挖掘授信对象的信贷历史；
又考虑了更多传统征信没有考虑到但有可能会影响用户信用的信息，比如用户的社交网络信息、社交行为信息等，从而实现了深度和广度的高度融合。
在数据挖掘环节，ZestFinance认为传统征信采用的逻辑回归算法和决策树算法或者两者的结合有着本身算法的痼疾。
比如逻辑回归算法只能使用10-15个变量，且要求所有的变量都是正确的；
而决策树算法要求尽可能的将所有的申请人分类成互相排斥的类别。
而其中任何一个出现错误，可能都会带来错误的结果。
显然，这两类算法并不是完美的。
针对这一问题，在具体实践上，ZestFinance采用的是谷歌的高维机器学习搜索算法。
这类算法能够更好的处理部分数据缺失或者出错带来的影响，因为它利用的是成千上万的数据量。
比如，传统的信用评分模型一般拥有500个数据项，从中提取50个变量，利用预测分析模型做出信用风险量化评估。
而在ZestFinance的模型中，往往要用到3500个数据项，从中提
取70000个变量，利用10个子预测分析模型进行集成学习或者多角度学习，每一个子模型从不同的角度衡量消费者的信用状况，进而
得到最终的消费者信用评分。
尽管目前ZestFinance还没有披露自身信用评分基础上的信贷的坏账率，但据《大数据征信的应用与启示：
ZestFinance的基于大数据的信用评估技术》一文作者介绍，ZestFinance公司资料披露：
相比别的竞争对手而言，ZestFinance获取贷款顾客的成本更低，首次还贷违约率更低，客户的投资回报率在不断上升，且要高于竞争对手。
随着央行正式下文启动征信市场，作为互联网金融的基础设施建设—征信必将迎来快速的发展。
站在当下这个时点，互联网金融
之火愈烧愈烈，但众多模式尚处于摸索阶段，而监管还没有正式出台的时刻，对于未来何种模式能够胜出，还是多种模式趋于竞合，依旧是身在迷雾之中。
但有一点可以确认的是，基于大数据基础上的征信是未来征信的必经之路。
一笔信贷最终能否按时收回，取决于借款者的还款能力和还款意愿。
由于还款能力是更好量化和评估的，因此我们传统的抵押、征信更多是从还款能力角度着眼，希望通过各种手段更准确地衡量一个借款者的还款能力。
所用到的指标包括借款人的信贷记录、资产状况等，而这些与借款人的还款能力之间也是强相关的。
但不可回避的是，这样的征信方式并没有很好地衡量借款者的还款意愿。
此外，信贷门槛带来的客户“错杀”和还款意愿弱衡量下的恶意欺诈也是传统征信没有解决的难题。
由于传统信贷主要是基于抵押，同时征信也集中在还款能力的衡量上，这也就带来借贷者较高的准入门槛，从而存在错杀的可能；
其次，有些借款者即使还款能
力没有问题，但可能还款意愿稍有欠缺，那么也有可能最终导致坏账的出现。
前者导致金融机构丧失了部分优质客户，对应的群体也不能享受到该有的金融服务；
而后者往往带来恶意欺诈的行为。
在这样的背景下，无疑互联网的普及给解决问题带来的希望。
一个用户的信贷记录、资产状况与该用户的还款能力无疑是强相关的。
此外，一个消费者的信用状况，尤其是还款意愿可能还与别的许多因素相关，比如该用户的行为习惯等，尽管这个关系可能非常弱。
实际上，征信天生就是大数据问题。
征信的核心要旨就是希望通过各种指标更准确的衡量一个人的信用状况，这可能涉及到个人的财产、习惯、品质等诸多要件，显然对于这多方面的刻画而言，只有更广的范围和更宽维度的数据，对个体的刻画才更为完整和客观。
这里面既有强相关性的数据源，同时也有大量的弱相关性的数据源，各类数据的集合作用，实现对单体的完整刻画。
而完整性，恰恰是传统征信方式的瓶颈。
而关于大数据的征信模式，ZestFinance无疑提供了一个很好地借鉴。
但何种模式最终有效，还是各种方式互为补充，现在依旧处于探索之中。
比如，《大数据征信的应用与启示：
ZestFinance的基于大数据的信用评估技术》一文中介绍，FICO公司的研究表明，将社交媒体和电商网站拥有的在线数据、移动运营商的手机使用数据与传统征信数据相结合用于风险建模，提高了模型对客户的区分度，在降低拒贷率的同时，提高了风险预测能力。
此外，美国的一家新的评分公司更是利用非传统的数据和心理测量学的分析和建模方法来进行信用评估。
自从2013年以来，互联网金融就是资本市场最受关注的领域之
一。
我们把金融行业简化为“产品—机构—用户”的模型，在产品设计定价领域，征信主题曾经吸引了全市场的目光；
在用户资源领域，东方财富、大智慧、同花顺等公司正在成功的将其拥有的用户资源变现过程中；
在金融机构IT提供商层面，券商基金IT领域的恒生电子、金证股份以及银行IT领域的安硕信息、长亮科技、神州信息、信雅达等公司均在2014年收获了可观的涨幅。
在2015年，我们
认为商业银行在供应链金融方面的产品创新以及保险行业在互联网冲击下的变革将成为资本市场新的关注点。
供应链金融是供应链管理的一个部分，其目的是为了使整个供应链系统成本达到最小，而为产业链环节中相对弱势的中小企业提供基于真实交易的融资服务，帮助中小企业盘活非现金流动资产，提高整个产业链的运行效率。
过去，由于企业间的交易和经营信息仍属于孤立和零散状态，供应链金融兴起的两大基石——定价能力和资金来源均处于空白状态，然而随着互联网对各行各业渗透率的不断提高，核心企业或交易平台提供用于风险评估的关键数据，使得供应链金融的兴起成为可能。
供应链金融服务于产业链中相对弱势的中小企业在真实交易中产生的流动资产融资需求。
企业在正常经营中需要在采购阶段预付资金、在生产阶段中以存货保证作业流程、在销售阶段产生应收账款，会产生大量现金缺口。
由于这些融资需求均基于正常企业间经营交易，只要整个产业链上下处于正常经营状态，企业出现违约的概率风险在实质上属于可控状态。
最常见的供应链融资模式分为三种，分别是针对企业资产负债表中流动资产项下的预付账款、存货以及应收账款的融资服务。
预付账款融资指客户（买方）从银行取得授信，在交纳一定比例保证金的前提下，由银行向供货商支付全额货款。
卖方按照购销合同的约定发送货物到银行指定的监管方仓库，作为银行对买方授信的担保。
买方根据自身的经营需要向银行追加保证金，银行根据补充保证金水平通知监管仓库向买方释放部分抵押物。
存货类供应链融资指客户以自有存货产品为抵质押的授信业务。
银行委托第三方物流或仓储公司对客户提供的抵质押商品进行监管。
利用存货类融资工具，企业能够盘活积压在存货上的资金资源，扩大经营规模。
应收账款供应链融资指银行受让卖方（客户）向下游销售商品所形成的应收账款，并在此基础上为卖方提供应收账款账户管理、应收账款融资、催收等一系列综合服务。
通过转让应收账款，客户可以获得销售回款的提前变现，加速流动资金周转。
以供应链金融三种主流业务模式可以简单测算该领域市场空间在万亿以上的规模。
据中国社会科学院测算，截止2012年底，我国
非金融企业存货总额达44万亿，预付账款总额达到6.9亿元，应收账款总额也达到16.6亿元，加总计算，非金融企业供应链金融可融资资产总量达到68万亿元。
我们假设其中有20%具备融资需求，那么供应链融资潜在的业务规模就高达14万亿。
从行业格局角度看，供应链金融仍是等待挖掘的一片蓝海。
举例说明，我国非金融企业应收账款余额规模达到16万亿，然而针对应收账款项贴现管理的商业银行保理业务规模则只有2.8万亿，换而言之目前保理行业仅覆盖
升级会员 