中国金融科技发展综述.docx
《中国金融科技发展综述.docx》由会员分享，可在线阅读，更多相关《中国金融科技发展综述.docx（28页珍藏版）》请在冰豆网上搜索。
中国金融科技发展综述
中国金融科技发展综述
一金融科技基本概念
2016年3月，AlphaGo以4∶1的总比分战胜韩国围棋选手李世石，这是人工智能技术快速进步的完美体现。
2016年7月，全球市值最高的五家公司第一次全部花落科技公司：
Apple、Alphabet（Google母公司）、Facebook、Microsoft和Amazon。
显而易见，全球经济正在经历大转型，金融科技正在迎来加速式发展。
金融科技（FinancialTechnology，简称FinTech）是信息技术与金融相融合的新兴产业。
作为全球金融治理的核心机构，全球金融稳定理事会将金融科技界定为：
通过将金融和科技进行融合的方式，创造出新的业务模式、应用、流程或产品，进而对整个金融市场、金融机构和金融服务的提供方式产生重大影响。
相比较而言，FinTech的概念要比“互联网金融”更大更深远。
一方面，互联网金融主要是指互联网或移动互联网技术对传统金融服务领域的冲击和改变，而FinTech对信息技术的运用不仅仅局限于互联网或移动互联网，还包括大数据、区块链、人工智能和智能数据分析等前沿技术。
另一方面，互联网金融侧重于场景革命，而FinTech更侧重于技术革命。
在这场革命中，金融行业新晋者和科技类初创者首先利用科技手段对银行、保险、支付等传统金融产品和服务进行革新，大幅提升金融服务效率。
可以说，FinTech是由内至外对金融产业进行优化升级。
技术革新能够持续改变我们的工作、社交、信息分享以及与我们周围的人和世界的交互方式。
这种改变能够为多个行业带来巨大机会，包括金融服务业。
2010年以来，科技的快速进步从需求和供给两端极大地改变了传统金融服务模式。
从需求端来看，发达的互联网及移动互联网使用户需求显性化，在拓展金融服务发展空间的同时，改变了人们的生活方式，数字化体验已成为价值新主张的重要组成部分。
从供给端来看，新兴科技驱动的创新机制改变着传统金融服务范式，一方面FinTech公司和创新商业模式的不断涌现，削弱了传统金融机构的中介功能，导致市场竞争更加激烈；另一方面区块链等新兴科技将推动金融业基础IT架构升级换代和用户服务方式持续优化，进而引领金融服务模式变革。
后金融危机时代的监管环境与科技创新的指数化增长的结合，使得技术初创企业能够进入金融服务业，并直接向消费者和企业（包括现存金融机构）提供产品及服务，而传统金融机构也在为创新投入越来越多的资源。
对于一个成熟的金融科技生态圈而言，人才、资本、政策、需求是四个核心属性。
[1]人才指技术、金融服务以及创业人才的充沛程度，源于传统金融领域及互联网科技领域，包含研究人才、技术人才、管理人才等；资本指辅助创业和辅助企业扩张的金融资源的充沛程度，源于天使投资人、风险资本投资人、IPO投资人等；政策指政府政策，涵盖监管、税收和协助行业成长的方案，来自政府、监管方等政策的倾向与限制；需求指终端客户需求，包含消费者、企业和金融机构，源于政府、公司、消费者、传统金融机构等。
二金融科技行业概述
（一）FinTech的发展阶段
从信息技术与金融行业的融合程度来看，大致上可以把FinTech的发展划分为三个阶段。
[2]
第一个阶段为金融科技1.0阶段，也可以界定为金融IT阶段。
在这个阶段，金融机构仅仅是简单地运用IT软硬件来满足机构业务电子化、自动化，提升服务效率的需求，IT公司并没有直接参与到机构的业务当中去。
在整个金融体系内部，IT系统也只是一个典型的成本部门。
银行信贷系统、清算系统的IT升级改造就是这一阶段的典型代表。
第二个阶段为金融科技2.0阶段。
在这个阶段，IT技术对传统金融行业的影响发生了深刻的变革。
尤其是各类金融在线业务平台的出现，它们借助互联网或者移动终端来收集海量的信息和用户，并通过业务融合和信息共享，最终实现金融业务中资产端、交易端、支付端、资金端的任意组合和相互联通。
这个阶段的代表有互联网的基金销售、P2P网络借贷、互联网保险等。
第三个阶段是金融科技3.0阶段。
在这个阶段，传统金融业的IT运用基础开始包括大数据、区块链、人工智能、云计算等新兴技术，这些新兴技术改变了传统的风险定价模型、金融信息采集来源、投资决策过程，甚至金融信用中介角色，在大幅提升金融服务效率的同时也解决了传统金融的通病。
这个阶段的代表有大数据征信、智能投顾、供应链金融等。
（二）FinTech的技术手段
近年来，互联网金融凭借更优的用户界面、细分的市场定位及有利的经济环境和监管政策实现了快速发展，但尚未触及金融行业的底层逻辑架构和基础IT设施。
但随着大数据和云计算的普及、区块链的出现、人工智能和物联网的逐步商用，整个金融行业将在最基础的技术层面建立起真正的“去中心化”信任，从而彻底改变传统金融机构中心化模式，实现价值在网络上的实时传递，进而开启价值互联新时代。
1.大数据分析
大数据（BigData）是指在一定合理时间内无法通过常规软件或工具进行处理的巨量信息资讯的集合。
大数据技术是指对各种类型的海量数据集合进行分析筛选，以捕捉获取有价值信息的技术。
它具有信息处理量大、信息存储格式多元、获取关键信息速度快、数据价值高但价值密度低等特点。
以商业银行为例，商业银行每创收100万美元，平均产生820G数据。
[3]目前很多国内金融机构数据量级已经达到100TB（1TB=1024GB）以上，非结构化数据更是突破1PB（1PB=1024TB）。
通常来说，大数据分析可以划分为数据架构、信息整合、知识发现及智慧决策等四个层次（见图1），在金融科技1.0阶段，大数据技术的运用主要集中在第一、第二层次。
随着金融科技发展进入新的阶段，大数据技术也正朝着第三层次和第四层次迈进，以进行更深层次的分析和决策。
图1大数据分析的四个层次
在信息化时代，数据深刻影响着金融机构的未来发展，快速精准地从海量数据中获取价值信息是获得话语权的关键。
目前，很多国际领先金融机构基于多年的试错经验，已经成功将基于大数据的工作方式嵌入组织当中，不断获得新的商业信息，实现了精准营销、风险经营和商业模式创新，进而根据不同的客户和市场需求设计不同的服务模式和金融产品。
基于更优质的数据源，应用大数据分析技术提升风险评估能力并改善金融服务，显著提升了运营效率、拓宽了收入来源。
2.云计算
云计算和大数据密不可分。
云计算是一种提供便捷、按需获取和可配置计算资源的共享网络服务模式，为大数据提供超强的运算和存储能力。
随着互联网从个人领域向企业领域渗透，云的多方协作功能在服务端和用户端同时得以强化。
在服务端，云的快速规模化促进了各种云平台在线互联互通，实现了业务层面更强大、更广泛的协同；在用户端，移动互联网及智能移动终端的普及和广泛应用，在方便用户接入的同时，使数据汇聚、分析及业务模式创新成为可能。
目前国内的云计算行业正在快速发展，争夺市场份额。
阿里巴巴近期提出了NASA计划，这是面向机器学习、生物识别等这些核心技术的一项涉猎较广的计划，而阿里云将成为最重要的技术输出口，NASA将对包含云计算在内的科技领域进行一次巨大革新；网易从2015年开始进入云计算市场，目前其在反垃圾云服务、即时通信云服务等领域取得了巨大成果，而基于Docker切入的云计算基础服务，也被认为是未来的趋势；2016年底，XX云发布ABC（AI、BigData、Cloud）三位一体战略，试图在智能物联网、智能多媒体、智能大数据三大领域一展抱负，升级后的“XX云”也更加重视人工智能的发展；此外，华为在公有云服务方面也开始发力，从2017年开始，华为将以公有云服务为基础，大力投资打造开放的公有云服务，建设专业、安全、可信赖的云生态环境。
3.区块链
区块链（BlockChain）产生的背景，有着非常深厚的经济学基础，这个基础就来自哈耶克提出的“货币的非国家化”。
2009年1月，世界上第一个区块链——比特币区块链上线，其被创造出来的唯一目的就是发行数字货币。
区块链原本是比特币等加密货币存储数据的一种独特方式，是一种自引用的数据结构，用来存储大量交易信息，并将每一条交易记录从后往前有序地链接起来，具备公开透明、方便追溯、无法篡改的特点。
广义的区块链不仅包括类似比特币的数据存储技术，还包含点对点网络设计、加密技术应用、分布式算法的实现等。
区块链的信任机制基于非对称密码原理，是纯数学加密方法。
区块中包含了创始块以来所有的交易数据，且形成的交易记录不可篡改或虚构，任何网络中的数据都可以追本溯源，因此交易双方之间的价值交换数据可以随时被追踪和验证，在实现网络中信息共享的同时，保证了数据背后交易者个人隐私信息的安全。
这使得区块链网络中的交易双方在陌生模式下即可进行可信任的价值交换。
在现实生活中，信息和数据在传递过程中经过多次交换会出现失真的状况，长链条的传递过程也给不法分子提供了可乘之机，利用区块链技术便可以为物品或数据建立一套不可篡改的记录。
同时，在去中心化的网络系统中，价值交换的中间成本几乎为零。
因此区块链技术在保证信息安全的同时，也保证了系统运营的高效及低成本。
整体来看，区块链具有去中心化存储、信息高度透明、永久存储、不易篡改、高安全性等优点。
区块链结构及区块生成过程见图2，区块链技术主要特点见表1。
图2区块链结构及区块生成过程资料来源：
中国民生银行研究院。
表1区块链技术主要特点
特点
具体描述
去中心化结构
点对点交易结算近乎实时完成;
信息以透明方式存储于共享数据库中，无传统中心化的信息中介（如政府数据中心、银行数据库等）;
系统中任意节点均是信息保管员
基于技术建立信任关系
区块链基于非对称密码学原理和工作量证明机制构建信任，保证陌生节点之间可信任的价值交换;
有利于提高效率、降低成本
信息完整且可信任度高
完整永久保存所有交易活动，信息高度透明且不可篡改，利用共识机制保证交易的唯一性，解决双重支付问题;
为审计查账、物流追踪等提供高信任度追踪途径
高安全性
交易在匿名下进行，保护客户隐私;
区块链总账本由所有分布式网络节点共享管理，除非取得分布式节点共识，否则无法篡改账本;
个别节点出错、被黑客攻击等，不会影响系统整体运转
高自动化
完全通过网络和结算能力实现交易中和交易后的全过程;
基于区块链的智能合约可自动执行复杂金融衍生品条款
资料来源：
中国民生银行研究院。
表1区块链技术主要特点
从中心控制力度和信息公开度层面，区块链可分为公有链、联盟链和私有链。
相对于公有链的完全开放和公开，联盟链和私有链允许有多个或单个中心控制参与主体范围和信息公开范围。
由于金融行业需严格控制交易和信息等的公开范围，且有参与者的准入要求，因此联盟链和私有链对于金融行业来说更加适用。
2015年以来，联盟链和私有链快速发展，为区块链金融应用的落地提供了强有力的技术支持。
区块链允许每一个数据节点验证历史记录和内容，提高了整个系统的可追责性，具有降低信任风险的特点，这种特点也并不会因人为规则的变化而改变，因此整个区块链架构十分灵活。
在具体应用中，区块链技术可以降低金融体系的运行成本，实现金融信息和资源的共享，比如基础设施和资源、数字货币、交易支付和结算、资产与身份管理、智能合约[4]等。
客户身份资料和交易记录等就可以应用于土地所有权、股权真实性的验证和转移，以及智能合同管理。
近年来，参与区块链探索的金融机构不断增加，积极推广各项应用。
各金融巨头纷纷成立区块链实验室，探索区块链应用场景。
花旗银行、瑞银集团、德意志银行和巴克莱银行已成立区块链实验室，自主研发或通过金融科技公司协助，针对不同业务场景进行探索实验。
此外，各金融机构也与金融科技公司在区块链方面积极展开合作，如Visa与Chain（美国一家为金融机构提供区块链技术解决方案的领先供应商）合作，不仅让交易速度获得翻倍提升，而且使信用卡交易更加安全；星展银行和渣打银行联手与Ripple合作，共同开发供应链金融业务的数字化应用，利用智能合约及点到点跨境交易技术，实现业务流程自动化并提高了安全性。
目前在中国，区块链项目在很大程度上与学术界和研究机构联系在一起，关注的重点主要是加密货币。
国内的区块链初创公司仍然处于发展的早期阶段，而大型银行在区块链的应用方面才刚刚启动概念论证和试点项目。
而在英国，监管规则（例如《多德-弗兰克金融改革法案》和《欧盟金融工具市场指令
（二）》）已经激励各家公司在区块链等探索性技术方面进行投资以实现其经营模式的变革。
资金充足的区块链组织应运而生，人才从传统行业向与区块链相关的初创公司流动，技术解决方案也日趋成熟（例如基础的区块链架构平台）。
未来，区块链技术和市场将快速成熟，成为金融机构标配的IT基础架构，进而再造金融生态。
金融机构必须尽快形成清晰的战略思路，制定战略并积极开展投资布局和实验探索，才能更好地适应行业发展趋势并成为重塑行业格局的引领者。
4.人工智能
人工智能（ArtificialIntelligence，英文缩写为AI）是一门极富挑战性的科学。
在1956年的达特茅斯会议（DartmouthConference）上，约翰·麦卡锡（JohnMcCarthy）提出，“人工智能就是要让机器的行为看起来就像人所表现出的智能行为一样”。
这是对人工智能较早的，也是最为通俗的理解。
一个更为流行的观点认为，人工智能是研究用于模拟、延伸和扩展人的智能的理论、方法、技术的新兴技术科学，其中包括自然语言处理和翻译、视觉感知、模式识别、决策制定等，但是应用的数量和复杂性在快速增长。
具体而言，人工智能可以通过学习快速吸收信息，并将其转化为知识储备。
通过这种学习，一些中低端的分析活动将被机器取代，比如可以学习分析公司IPO前的投融资活动，同时也可以学习分析公司所处行业业态和竞争格局。
同时，人工智能还可以通过建模和大数据分析，在时间维度上沟通过去和未来，在一定程度上对未来进行预测，降低跨时间交易活动的风险。
除此之外，在确定规则下，人工智能还能够优化博弈策略，实现共同协作。
在技术发展路径上，人工智能发展包括三个阶段（见图3）：
计算智能、感知智能以及认知智能。
近年来，感知智能（包括语音合成、语音评测、语音识别等）已实现技术突破，而认知智能将成为未来人工智能发展的重要方向。
图3人工智能发展阶段
在技术逻辑层面上，人工智能可以拆分为基础层、技术层以及应用层三个层面（见图4）。
基础层是指人工智能的底层技术支持，在这个层面各个细分环节必不可少，尤其是大数据的发展；在技术层，诸如机器学习、知识图谱以及自然语言处理等都与FinTech息息相关；而应用层更多的是与计算智能相关，如神经网络、遗传算法、AlphaGo等。
图4人工智能的三个层面
目前，人工智能的应用模式正在由传统的执行式服务向交互式服务转变，以提供持续性、个性化的服务。
综观人工智能在金融领域的应用，互联网、金融、大数据三者的互联互通，以及更加智能化的精确计算都将可期。
简单来说，人工智能很可能在以下几个方面解决传统金融服务模式的痛点。
一是人工智能可以帮助扩展财富管理市场空间。
据国际知名咨询公司A.T.Kearney预测，未来五年机器人投顾的市场复合增长率将达到68%，并在2020年实现资产管理规模突破2.2万亿美元。
二是人工智能可以基于征信信息制定服务计划和开发理财产品助手。
2015年，英国巴克莱银行开发的人工智能系统使其能够帮助客户自动完成业务交易。
花旗集团则从2012年起，开始运用人工智能电脑完善客户服务，包括提供诸如客户需求分析、预测经济走势等服务，同时还能根据个人投资履历提供合适的投资计划。
三是人工智能可以为各类金融服务提供智能化、模型化、标准化的风险控制系统。
蚂蚁金服已将人工智能运用于保险、征信等多个领域。
XX将世界最大的深度神经网络应用于XX股市通、国金大数据证券以及其理财和消费信贷等产品中，以便于开展更多的金融产品布局。
目前，科技巨头正在结合主业布局AI，如图5所示。
图5科技巨头结合主业布局AI
2016年7月15日，国家发改委发布《战略性新兴产业重点产品和服务指导目录》，提出重点发展人工智能产业中的人工智能平台、人工智能硬件、人工智能软件、人工智能系统等四个方面。
2016年12月，国务院发布《“十三五”国家战略性新兴产业发展规划》，正式将人工智能纳入“十三五”规划中新一代IT产业的重要发展方向，奠定了良好政策基础。
在政策推动、技术突破和应用扩展的共同推进下，人工智能有望走到大规模应用的临界点。
人工智能的概念已经提出了60多年，目前开始进入指数型增长的阶段。
未来，随着人工智能向更高层级的不断迭代和进化，其将从理财顾问、征信助手、智能风控系统、防范性金融系统等层面深入优化金融服务模式，通过智能机器的自我学习实现产品和服务快速适应场景变化，推动金融行业实现智能化转型。
5.物联网
物联网（InternetofThings，IoT）是指利用射频识别（RFID）、激光扫描器等信息传感实时地收集物品或流程信息，并通过互联网或专用域名进行信息交换，实现物与物、物与人的连接，方便识别、管理和控制。
物联网包括感知、网络和应用组成的网络架构以及技术标准、法律等逻辑架构。
在网络架构方面，感知层主要利用RFID、激光扫描器、红外感应器等传感设备进行信息采集工作；网络层作为连接感知层和应用层的纽带，主要通过网络进行信息传输；应用层与感知层共同构成物联网的核心，应用层主要负责对感知层收集的信息进行计算、处理和挖掘，主要由物联网中间件、云计算以及用户直接应用的物联网应用三大部分构成。
在逻辑架构方面，物联网包括物联网技术标准、隐私和安全以及促进和规范物联网发展的法律、政策和治理体系。
目前，物联网已被明确列为政府《中国制造2025》报告中的五大新兴战略之一。
当前，物联网已迈入跨界融合发展新阶段，并加速向人们日常的生产、交易以及生活场景渗透。
物联网与金融结合，可实现资金流、信息流、实体流的三流合一，将深刻变革金融机构原有服务模式，拓展创新发展空间。
得益于“物联网+大数据+预测性算法+自动化系统”，金融服务将实现全流程的电子化、自动化和实时化，大幅降低运营成本，同时采集企业信息的边际成本也几乎为零，将实现全面覆盖长尾端客户。
除此之外，物联网技术也将深刻影响消费和生产领域，带来全新的商业模式。
数据预测显示，到2025年，全球物联网的市场规模将达到14万亿美元。
在众多垂直领域中，正在酝酿着诸如城市管理、数字家庭、定位导航、现代物流管理、食品安全控制、零售、数字医疗以及防入侵系统等，新的商业逻辑将逐步形成。
如今，大数据、云计算、区块链、人工智能、物联网等无疑是金融科技行业被广泛热议的技术，给予了人们无限的想象空间，它们不是为了技术而技术，而是在变革服务、创造价值。
总体来讲，这些技术的未来趋势是赋予人们一种更加流畅、智能以及人性的感知，推动金融业基础IT架构升级换代，引领金融服务模式的变革与颠覆。
此外，生物识别、虚拟现实等技术的快速成熟和商用，也将进一步提升用户的金融服务体验，提高金融服务的智能化和便捷性，开启价值互联的新时代。
（三）FinTech的应用领域
1.电子支付
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，实现货币支付或资金转移。
按照支付指令发起方式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。
随着电子商务的发展以及各类新型网络金融平台的兴起，第三方支付产业链不断延伸，移动支付的理念和应用也在进一步普及。
三星、谷歌、微软和美国一些大型零售公司都在构建自己的移动支付系统，争夺对客户资源的控制。
2016年也被称作移动支付年。
移动支付又包括近距支付和远程支付两种：
近距支付又包括NFC手机支付和RF-SIM支付两种，例如，ApplePay利用的即为NFC技术；远程支付是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。
央行发布的《2016年支付体系运行总体情况》显示，2016年，我国银行业金融机构共处理电子支付业务1395.61亿笔，金额2494.45万亿元。
其中，网上支付业务461.78亿笔，金额2084.95万亿元，同比分别增长26.96%和3.31%；移动支付业务257.10亿笔，金额157.55万亿元，同比分别增长85.82%和45.59%，增长态势十分迅猛。
在中国，电子支付服务主体在不断丰富，形成了较为完善的产业格局。
目前其主要参与方包括三个方面：
一是由银联和央行支付系统组成的支付清算系统，其处于整个电子支付体系最核心的位置，是整个产业的枢纽；二是商业银行、线上线下第三方支付平台等，它们是电子支付体系的主要参与者，无论在参与者数量还是交易规模上都处于行业领先地位；三是支付软硬件提供商、通信运营商和收单代理商，它们在整个体系中主要起辅助支撑的作用。
整个体系由央行、银监会、支付清算协会等监管方进行监督管理，它们共同维护支付市场的竞争秩序（见图6）。
图6中国电子支付产业核心参与方
近几年随着整个体系的蓬勃发展，中国的电子支付已经成为众多互联网金融活动中最成熟的业态之一，同时在未来能够为金融科技的广泛运用提供良好的场景介入基础。
围绕支付场景、个人及商户，金融科技公司开始积极打造动态的服务场景，从而构筑以支付为核心的金融服务生态。
围绕支付的大数据行为分析已经成为领先支付企业的必备技术能力。
随着扫码、声音、NFC、基于生物识别的指纹等辅助支付手段的普及应用，很多支付企业致力于提供更加便捷且安全的认证方式，特别是当支付与大数据反欺诈技术相结合以后，支付领域的安全性痛点将得到更好的解决。
此外，基于区块链或分布式网络技术的跨境支付也将成为金融科技公司的另一发力点，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。
2.借贷征信
央行征信中心曾表示，中国的个人银行体系发展尚不完善，有20%银行个人客户的服务需求无法被满足。
世界银行数据显示，尽管中小企业对中国GDP的贡献达60%，但它们的贷款只占到银行发放贷款额的20%～25%。
传统银行提供的金融产品缺乏竞争力、灵活性，这是促进网络借贷发展的重要因素。
而在金融科技时代，依托先进的科学技术，借贷与征信领域又迎来了新的发展契机。
在小微企业信贷领域，信用评估开始借助大数据的威力，既涉及企业主、个人的信用评估，又涉及部分企业信息的获取和分析，涉及公开、半公开和非公开各个领域的数据源。
拥有征信牌照的大数据征信企业可以根据金融服务需求，提供企业多维度多层次的信用分析，同时借助人工智能手段，设计优化信用风险量化和反欺诈模型。
事实上，目前在中小企业信贷领域，借助大数据分析和深度学习等人工智能手段对企业信贷风险进行量化评估的金融科技公司并不多，更为普遍的是综合运用电商交易数据、核心企业ERP系统数据及物联网数据对授信的产业链进行融资的模式。
近些年，基于区块链技术的反欺诈和交易溯源逐渐开始出现，在控制信贷风险方面发挥着重要作用。
在征信方面，征信机构首先利用先进的信息科技手段，收集征信对象各个方面的信息数据，并进行清洗、转换、集中、导入并分析，最终结合信息使用的场景构建专门的信用模型，得到信用评估和量化结果。
这种征信方式能够极大缓解交易双方的信息不对称，同时还能在一定程度上用模型预测征信对象未来的信用状况，便于及时进行风险管理。
传统的征信数据源仅有银行、政府、工商企业等，但在互联网时代，人们各类行为数据都可以由网络进行记录和存储，从而可以从这种海量的行为数据中筛选出与征信应用场景相关的信息。
因此，如何对社交、电商及搜索等非结构化数据进行有效分析成了征信模型构架的关键问题之一。
征信数据源分布见图7。
目前线下数据多被传统金融机构持有，比如央行的征信系统数据只
升级会员 