金融科技行业研究报告.docx

金融科技行业研究报告.docx

《金融科技行业研究报告.docx》由会员分享，可在线阅读，更多相关《金融科技行业研究报告.docx（14页珍藏版）》请在冰豆网上搜索。

金融科技行业研究报告

2020年金融科技行业研究报告

1、金融科技概况

1.1金融科技基本内涵及生态体系

金融科技指运用各类先进技术，帮助金融行业提质增效的一种新业态。

根据金融稳定理事会（FSB）的定义，金融科技是指技术带来的金融创新，它能创造新的业务模式、应用、流程或产品，从而对金融市场、金融机构或者金融服务的提供方式造成重大影响。

国际证监会组织（IOSCO）定义金融科技为“有潜力改变金融服务行业的各种创新的商业模式和新兴技术”。

金融科技生态体系由市场主体、监管机构、孵化及融资机构三方组成。

金融科技公司运用云计算、大数据、人工智能和区块链等技术手段提供创新金融服务；科技公司为监管机构和金融机构在客服、风控、营销、投顾和征信等领域提供新技术服务；监管科技公司提供金融合规科技应对方案；再加上传统金融机构，共同构成金融科技的市场主体。

它们与金融科技融资机构、商业模式孵化器、金融监管机构、科技监管机构和金融科技监管机构，共同推动金融业的发展与变革。

1.2中国金融科技行业目前已进入平稳发展期

中国金融科技发展主要经历了四个阶段，分别是第一阶段（2004年-2012年）市场启动期、第二阶段（2013年-2015年上半年）高速发展期、第三阶段（2015年下半年-2018年）市场调整期、第四阶段（2019年至今）稳步增长期。

1.3金融科技投融资情况

从融资规模看，2018年全球及中国金融科技融资都达到历史高点，2019年热度有所减退，但全球融资规模仍在千亿美元以上；从融资阶段看，近年金融科技领域投融资呈现集中化趋势，交易份额逐渐转向中后期（B轮以后）融资；从融资领域看，支付领域为全球及中国金融科技融资热点，保险科技与区块链表现强劲。

2.金融科技四大技术方向解读：

ABCD

金融科技的四大关键技术为：

人工智能（AI）、区块链（BlockChain）、云计算（Cloud）和大数据（BigData）。

人工智能广泛运用于智能风控、智能支付、智能投研、智能投顾等方面，能够替代人工重复性工作，提升效率和用户体验，拓展金融机构的销售和服务能力；区块链能够有效节约金融机构间的清算成本，提升交易处理效率，增强数据安全性；云计算主要应用在IT设施的管理方面，帮助资源有效合理分配来及时有效的提高运维效率，降低银行的IT基础设施成本；大数据能带来大量数据种类和格式丰富、不同领域的大量数据，基于大数据的分析能够有效提取有价值的信息，为精确评估、预测提供了新手段。

2.1人工智能：

智能风控、智能支付、智能投研、智能投顾等

人工智能技术在金融行业中的应用主要为智能风控、智能支付、智能投研、智能投顾等。

在智能风控领域，人工智能在客户群体筛选、欺诈风险鉴别，信用评定等环节起到重要作用，有助于增强业务过程中的安全度；在智能支付领域，人工智能通过生物识别身份认证为客户带来更快捷的操控体验，通过现实人脸图像与联网核查图像、客户身份证图像交叉比对、人工智能算法引擎完成身份认证，从而加强了金融服务供给、提高了支付运营效能；在智能投研领域，人工智能通过深度学习、自然语言处理等方法，对数据、事件、结论等信息进行自动化处理和分析，为金融机构的专业从业人员提供投研帮助，提高其工作效率和分析能力；在智能投顾领域，智能投顾能够对用户与资产信息进行标签化分类，从而精准匹配用户与资产。

2.2区块链：

解决安全、信任、效率三大痛点

根据CCIDCousulting，区块链是一种分布式账本构造技术，可以在去中心化的系统中构建不可篡改、不可伪造的分布式账本，并保证系统中各个节点所拥有账本的动态一致性。

区块链的分布式记账、不可篡改、内臵合约等特性可以为金融业务中的痛点提供解决方案，解决金融业务中的安全、信任、效率三大问题。

2.3云计算：

在信息获取、资源配臵、IT运营三方面发力

美国国家标准与技术研究院（NIST）定义云计算为：

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臵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。

云计算按照服务交付模式分为IaaS、PaaS和SaaS。

云计算在金融领域的应用价值主要有三方面：

降低金融机构的信息资源获取成本；减小金融机构的资源配臵风险；提高金融机构的IT运营效率。

这些应用价值主要通过私有云和行业云两种落地方式来实现。

2.4大数据：

应用于银行、保险、证券等细分领域

大数据近年来在银行、保险、证券等细分领域的应用愈发广泛。

在银行行业，大数据可以助力银行在客户画像的基础上开展精准营销，在风险管理和控制方面帮助银行进行中小企业贷款风险评估、实时欺诈交易识别和反洗钱分析；在保险行业，大数据可以基于企业内外部交易和历史数据，实时或准实时预测和分析欺诈等非法行为，还能通过识别客户的风险偏好来进行差异化服务和精细化营销；在证券行业，大数据可以应用于股价预测，以及结合人工智能助力智能投顾。

除此之外，大数据还能应用于支付和互金等领域。

总结来看，人工智能、区块链、云计算和大数据四大关键技术多维度、多角度、全方位助力金融行业提质增效。

人工智能技术在智能风控、智能支付、智能投研、智能投顾等多个领域为金融行业赋能；区块链的分布式记账、不可篡改、内臵合约等特性可以为金融业务中安全、信任、效率三大痛点提供解决方案；云计算技术在信息获取、资源配臵、IT运营三方面发力，帮助资源有效合理分配来及时有效的提高运维效率；大数据近年来在银行、保险、证券等细分领域的应用愈发广泛。

随着人工智能、区块链、云计算和大数据等新兴技术在金融行业的深入应用，科技对于金融的作用被不断强化，创新性的金融解决方案层出不穷，金融科技发展进入新阶段。

3.金融科技六大细分领域剖析‍

人工智能、区块链、云计算和大数据等前沿技术渗透进金融行业各细分领域，应用场景各异、全方位助力金融行业提质增效。

3.1移动支付

移动支付是指移动客户端利用手机等电子产品进行电子货币支付，属于第三方支付。

移动支付将互联网、终端设备、金融机构有效地联合起来，构成了一个新型的支付体系。

3.1.1行业格局：

行业增速放缓，监管收紧；C端呈双寡头格局，B端具发展潜力

移动支付交易规模扩大，监管政策收紧，行业增速放缓。

2014年移动支付交易规模仅8万亿元，2019年便增长至204.9万亿元，五年时间交易规模增长了近25倍。

随着交易规模的扩大，移动支付对国家金融生态稳定的影响逐渐增强，因此政府开始加强行业监管。

2017年，人民银行相继发布217号、281号、242号、296号文件，加强对无证经营支付业务的整治，对条码支付等业务进行规范。

其中296号文件指出：

银行、支付机构应根据《条码支付安全支付规范（试行）》关于风险防控能力的分级，对个人客户的支付业务进行限额管理。

同时支付机构不得基于条码技术，从事或变相从事证券、保险、信贷、融资、理财、担保、信托、货币兑换、现金存取等业务。

受到交易限额等监管因素的影响，中国移动交易规模增速开始放缓。

2019年移动交易规模增速仅为20%，同比下降64%。

C端呈双寡头格局，B端具发展潜力。

移动支付属于第三方支付，作为中介连接着用户端和商户端，处于典型的双边市场。

目前C端的移动支付市场竞争激烈，支付宝和腾讯金融占据了超过90%的市场份额，形成了双寡头的竞争局面。

在C端竞争白热化的情况下，部分支付机构选择在B端进行垂直化和增值化深耕。

一种路径是为垂直细分行业提供多元服务，如为商旅、批发、物流等行业提供解决方案，典型企业有快钱、通联支付、汇付天下等；另一种路径是在基础支付上提供投资理财、精准营销、供应链金融等增值服务，典型企业有苏宁金融、易宝支付、拉卡拉等。

我们认为，目前C端移动支付流量红利已见底，B端的移动支付市场存在较大发展潜力。

3.1.2金融科技应用：

服务模式向全场景数字化运营转变；科技助力支付机构深耕B端市场

支付机构服务模式由多场景单一服务向全场景数字化运营转变。

在互联网时代，移动支付具有极强的场景属性。

各支付机构不断针对旅游、医疗、交通、校园等细分场景进行布局。

随着大数据、人工智能等技术的发展，支付机构开始集成不同支付场景，将线上和线下支付结合，发展多元服务，同时引入SaaS服务商、银行、聚合服务商等外部机构，基于场景网络构建全场景数字化平台。

例如快钱公司结合各类消费场景，运用前沿科技打造创新型金融科技平台，为企业和个人用户提供移动支付、定制化行业解决方案、金融云等金融科技服务，将金融科技辐射至更多产业和场景，从而赋能企业和用户。

场景集成带来的协同效应会逐渐体现在支付机构的用户规模和交易规模上。

当规模增长到一定程度时，依托于全场景数字化平台的支付服务和增值服务也能在收入上得到增长，提升支付机构盈利能力。

通过平台生态化战略提供多元化增值服务逐渐成为支付行业发展主流。

平台化模式有别于传统的服务佣金模式，在这种业务逻辑中，平台通过多元化的增值服务来实现综合性收益，要同时满足C端用户和B端商户的需求。

对C端用户来说，平台需要开拓更多的场景来满足消费者需求，吸引流量，提高消费者规模和活跃度，以实现平台的规模经济效应。

对B端商户来说，平台要增强为商户提供多元服务的能力，满足商户数字化经营需求，优化商户的服务品质。

3.1.3展望：

支付机构将加大科技投入；政策利好释放，跨境支付成新竞争点

支付机构将加大科技投入，推动支付产业市场发展。

2018年，我国支付业务技术资金投入达1033.6亿元，其中前沿科技投入为152.6亿元，占比约15%。

虽然当下前沿科技投入的占比较低，但我们认为从目前的市场格局来看，移动支付和前沿科技的结合是大势所趋，支付机构在未来会加大对前沿科技的资金投入力度。

在前沿科技资金投入中，AI与云计算占比最高。

2018年，投入AI与云计算领域的资金为85.4亿元，占前沿科技资金投入的56%。

由于刷脸支付等功能与AI联系紧密，我们预计AI与云计算仍然会是支付行业的重点投资领域。

我们预测2021-2022年中国支付业务对AI与云计算的资金投入会保持23%左右的增速，2022年将达到212.4亿元。

政策利好释放，市场“双向开放”深化，跨境支付成热点。

2018年，人民银行发布《人民币跨境支付系统业务规则》，鼓励合规开展跨境移动支付业务。

Paypal等外资移动支付机构相继进入中国市场，支付宝和微信等支付巨头也积极布局海外市场。

天秤星产业研究院预测2019-2023年跨境支付规模将保持年化50%的增速，2020年第三方跨境支付市场规模将超过万亿元。

我们预计，在政策利好下中国移动支付市场“引进来”和“走出去”的“双向开放”将继续深化。

随着国内移动支付市场逐渐饱和，跨境支付将成为新竞争点。

3.2数字征信

在大数据时代，传统征信模式时效性低、手续繁冗等问题不断暴露。

数字征信利用大数据、人工智能等高新科技，通过对个人和企业交易行为等信息的搜集、整理以及分析，评估个人和企业的信用等级，有效预防风险。

3.2.1行业格局：

八大机构业务转型，第三方征信机构补充完善征信体系

百行征信成为国内唯一双牌照征信机构。

我国征信体系由政府主导，根据人民日报，截至2019年末，央行征信系统收录10.2亿自然人，2834.1万企业和其他组织信息，我们预测仍有3.8亿自然人没有信贷记录。

由于央行征信中心对缺乏信贷记录的长尾用户群体覆盖率受限，2015年，芝麻信用管理有限公司、腾讯征信有限公司等八家机构应其要求进行个人征信业务准备工作，但经过两年后，其资质均未通过认可。

2018年2月，百行征信获得个人征信机构设立许可；2020年7月，央行完成对百行征信企业征信业务经营备案，使其成为国内唯一一家持有个人征信与企业征信业务双牌照的征信机构。

截至2020年6月30日，百行征信已拓展金融机构达1768家，接入数据共享协议签约机构近千家，信贷记录超24亿条，个人征信系统收录个人信息主体超1.3亿人。

个人征信属性弱化，八大机构业务转型。

1）个人征信业务并入百行征信后，芝麻信用业务场景和服务范围发生变化。

通过信用科技赋能租赁、购物、商旅出行等场景，业务范围主要集中于支付权益优惠、房屋租赁信任关系的建立和企业信用三大领域。

2）腾讯征信借助用户群体在社交网络上产生的行为信息，专注于身份识别、反欺诈、信用评估服务，助力企业挖掘潜在客户，提高风险管控水平。

3）中诚信征信定位信用科技服务商，将其二十多年的信用风险管理经验与大数据、人工智能、区块链等为代表的前沿技术相结合，为金融机构提供一站式、定制化信用风险解决方案。

4）鹏元征信定位于信用服务机构，以打造数据+科技智能信用生态圈为愿景，致力于为客户呈现专业化、个性化的综合信用服务。

八大征信机构主营业务及服务内容不尽相同，公司定位不相一致，但大都布局金融科技领域，加速业务数字化转型。

金融科技加持，社会第三方机构补充完善中国征信体系。

1）截至2020年7月末，全国共有22个省（市）的133家企业征信机构在人民银行分支行完成备案。

金融科技加持下，企业征信机构利用大数据、区块链等技术深入挖掘包括信贷能力、财务状况在内的企业经营信息，为需求方提供信息支持，降低金融机构投资借贷风险。

目前，国内已初步形成企查查、天眼查、启信宝三足鼎立的市场格局。

2）不同于企业征信，个人用户信用评级维度广，信息来源呈现出碎片化、分散化的特点，由征信机构主动调查获取用户信息面临较大的成本压力。

因此，个人征信机构往往依靠母公司庞大的流量资源以及与厂商进行合作的方式获取用户信息，对用户人际关系、资产状况、交易记录等数据进行分析，评估用户信用等级。

芝麻信用作为蚂蚁集团旗下独立第三方征信机构，率先推出芝麻信用分，通过云计算、机器学习等技术呈现个人信用状况，信息来源涵盖电商交易数据、互联网金融数据、公共机构与合作伙伴数据，以及用户上传的数据。

3.2.2金融科技应用：

征信范围拓宽，数据时效性加强，风险管控能力提升

在互联网时代，金融科技的运用有利于解决传统征信存在的不足，为征信行业发展描绘新的图景。

1）大数据、云计算技术拓宽信息采集维度，扩大用户覆盖范围。

与央行征信的用户数据来源于银行和传统金融机构的借贷业务不同，数字征信用户信息涵盖网购、租房、生活缴费等各个方面。

通过大数据和云计算技术分析社交网络、电商平台等产生的碎片化数据，能够从多个维度勾勒出用户的信用状况；传统征信模式主要覆盖在金融机构有借贷记录的人群，大数据征信作为传统征信模式的有效补充，能够通过互联网使用痕迹捕获长尾用户，扩大用户覆盖范围。

2）区块链技术可有效解决数据传输过程各方分离，数据时效性、真实性低的问题。

根据中国信息通信研究院《中国金融科技生态白皮书》介绍，传统征信模式中，信息使用各方分离，数据流通手续繁冗。

将用户信息存储于区块链中，能够解决数据确权难题，确保金融数据流通合规；信息上链可汇聚多源数据进行实时分析，不可篡改的特性可提高数据质量，避免客户欺诈行为的发生。

2015年蚂蚁集团推出芝麻信用作为征信机构，收集支付宝、淘宝等自家平台数据以及外部合作机构数据，运用区块链、云计算等技术进行分析处理，评估用户信用等级，每月6日更新用户信用分数，相较于传统征信模式，数据来源更广、时效性更高。

3）人工智能算法模型应用于反欺诈领域，提高风险管控水平。

根据中国信息通信研究院《中国金融科技生态白皮书》，在反欺诈领域，将不同来源的大数据整合在一起，利用机器学习等技术对数据进行处理，发现可能存在的欺诈疑点；在信用管理方面，运用知识图谱刻画用户画像，对用户进行综合评定，提高风险管控能力。

3.2.3展望：

市场格局改变；更多长尾用户有望加速纳入覆盖范围

寡头垄断现象凸显，垂直细分领域互补。

1）征信服务行业具有明显的自然垄断性，数据原始拥有者凭借较强的规模经济效应处于市场有利地位。

目前，天眼查、企查查、启信宝占据企业征信大部分市场份额。

我们预计随着二八效应日益凸显，资源集中将成为必然趋势，征信行业将形成寡头垄断的市场格局。

2）八家征信机构中，芝麻信用通过科技赋能租赁、购物、商旅出行等商业场景；中诚信征信业务重心在于反欺诈领域，基于万象智慧平台，针对具体的应用场景提供不同的解决方案；前海征信数据来源多为平安集团旗下金融数据，个人征信产品更加侧重于对大数据、生物识别等技术的应用。

我们预计不同征信机构将各自在细分市场占据一席之地，信用服务场景将渗透到每一个行业。

创新数据结合传统数据，征信覆盖范围继续拓宽。

社交网络化、支付方式多元化等变革使得包括银行信贷、个人资产在内的传统金融数据不足以反映个人信用真实水平，社交、客户评价等创新数据正逐步纳入决策体系，对征信评价机制做出补充。

随着建模技术以及机器学习的不断进步，我们预计征信覆盖范围将继续拓宽，更多长尾用户将被纳入征信体系。

3.3消费金融

传统消费金融是指向各阶层消费者提供消费贷款的现代金融服务方式。

互联网消费金融则是结合互联网技术，在传统消费金融的各个环节上进行电子化和信息化应用。

随着金融科技的推广，互联网消费金融迅速发展，带来新的行业景象。

3.3.1行业格局：

监管强度升级，行业增速放缓；风控和流量成消费金融发展关键点

互网消费金融放贷规模增大，监管强度升级，行业受政策影响增速放缓。

2015年，国务院常务会决定将消费金融公司试点扩至全国，增强消费对经济的拉动力。

自此各互联网巨头和创业公司纷纷开启消费金融布局，互联网消费金融市场规模迅速扩大。

2015年中国互联网金融消费放贷规模首次超千亿，同比增长546%。

2018年互联网金融放贷规模达到9.8万亿，是2015年规模的82倍。

互联网消费金融市场规模迅速扩大，催生出了过度授信、暴力催收等违规行为。

银监会于2017年发布指导文件，提出要稳妥推进互联网金融风险治理，持续推进网络借贷平台（P2P）风险专项整治、做好校园网贷和“现金贷”的清理整顿工作。

由于政策收紧，互联网金融消费行业进入整顿期，整体增速放缓，2018年增速为123%，同比降低86%。

风控和流量成消费金融发展关键点。

互联网消费金融的迅速发展催生出许多违规行为，倒逼了监管政策的收紧，一定程度上降低了行业风险。

但从央行数据来看，信贷逾期规模仍在上升，行业内逾期风险并未得到控制。

2020年第一季度信用卡逾期半年未偿信贷总额为918.8亿元，占信用卡应偿信贷余额的1.27%，较上季度末增加0.29个百分点。

从行业健康运行的角度来看，我们认为风险控制仍然是互联网消费金融业务发展的关键点。

随着监管政策收紧，中国消费金融市场竞争不断加剧，行业的获客成本显著提高。

2016年初，消费金融平台用户的注册成本仅在10元至20元之间，而2019年用户的注册成本已经接近100元。

在新客获取成本如此高昂的情况下，挖掘现存用户价值和争夺存量用户成为市场主流。

因此我们认为流量是各消费金融机构抢占先机的关键点。

3.3.2金融科技应用：

强监管下消费金融投资趋理性；金融科技助力全流程风险控制

随着监管的持续升级，消费金融投资趋渐理性，长尾效应明显，资本向头部项目集中。

据199it援引36Kr，截止至2019年8月15日，市场上共有1327个消费金融相关项目。

其中种子轮至A轮项占比22%，A+轮至上市项目占比10.3%，合计占比32.3%，仍有大量项目处于未融资阶段，长尾效应显著。

我们认为在严监管的环境下，投资者态度较为谨慎，更偏向于较为成熟的头部项目。

随着风险控制的重要性日益凸显，消费金融机构可以借助大数据、人工智能和生物识别等前沿技术，对用户的数据资产进行精细化管理，基于消费金融的生命周期进行全流程赋能，建立贯穿贷前、贷中、贷后的风险控制生态链。

贷前建立审核模型，识别用户违约风险。

在贷前审核环节，消费金融机构可以借助人脸识别、指纹识别等生物识别技术，从大数据端口获取央行征信、芝麻信用分等个人信息，完成用户画像，更加精细地管理用户数据，识别潜在违约风险，获取有还款能力与还款意愿的优质客户。

贷中跟踪用户交易行为，防范欺诈风险。

在贷中追踪环节，消费金融机构可以利用智能算法检测异常交易行为，基于大数据建立用户黑名单，防范欺诈风险。

京东消费金融的“天盾”系统便是通过人工智能算法，对账户历史行为模式、账户关系网络、当前操作行为和设备环境进行分析，评估账户安全等级、环境安全等级和行为安全等级，防范账户被盗、恶意攻击等风险，形成反欺诈网络，增加恶意用户的作案成本。

贷后提高老用户复贷率，智能催收。

在贷后还款环节，消费金融机构可以依托大数据和智能算法，构建用户画像进行精准营销，提高老用户的复贷率。

在贷后催收环节，消费金融机构可以建立基于人工智能的催收体系，比如增加智能客服的应用，利用智能算法制定精细化的催收策略等，提高催收效率，降低人工成本。

3.3.3展望：

风控与流量各有所长，多元主体将形成多层次竞争格局

目前开展互联网消费金融业务的机构主要有三类：

第一类是以商业银行为主的传统消费金融机构；第二类是银监会批准的拥有合法牌照的消费金融公司；第三类是依托于电商、网贷平台的消费金融机构。

我们认为三类机构在风控与流量方面各有所长，未来或将形成多层次竞争格局。

1）风控优势+客户存量优势：

商业银行将继续占领行业主导地位。

在风控方面，我们认为商业银行经验充足、标准严格，风控系统经多年迭代已十分成熟。

银行在监管收紧的情况下也能够维持正常经营节奏，具有较强的风控优势。

在客户存量方面，商业银行客户存量较大，获客成本较低。

仅工商银行的手机银行用户就在2019年末达到了3.61亿，潜在贷款群体庞大。

同时商业银行在信贷业务上拥有较大的资金成本优势，能提供“低利率、高额度”的消费贷款，促进存量用户向流量用户的转化，因此我们认为商业银行会继续占据互联网消费金融市场的主导地位。

2）风控要求提高，获客能力受影响：

消费金融公司业绩分化将加剧。

消费金融公司的风险容忍度比商业银行高，授信客户门槛较低，因此用户覆盖面更广。

但我们认为随着监管政策收紧，消费金融公司的风控合规要求不断提高，相关客户群体的探索空间会受到影响。

从2019年消费金融公司的经营业绩来看，排名前三位公司的净利润之和占所有公司的净利润总和的比例已超50%，马太效应显著。

在行业严监管基调不变的形式下，我们预计未来消费金融公司的业绩分化会持续加剧。

3）流量优势+风控潜力：

电商平台发展潜力较大。

我们认为，在流量方面，电商平台自带线上获客渠道，原有平台用户可以转化为消费金融使用者，具有天然的流量优势。

在风控方面，随着大数据和人工智能的发展，电商平台可以利用积累的用户数据对业务流程进行精细化管理，跟踪用户消费信用行为，完成对风险的识别和预警，风控潜力优秀。

电商平台本就与互联网科技相伴而生，对互联网消费金融业务的接纳程度较高。

从流量优势和风控潜力来看，我们认为电商平台在互联网消费市场上的发展潜力较大。

3.4网络银行

金融科技的发展带来了银行业的变革，推动传统银行加速数字化转型，吸引互联网企业积极探索银行业。

3.4.1行业格局：

传统银行探索新型发展模式；互联网企业开展银行业布局

传统银行积极探索新的发展模式，银行科技子公司纷纷成立。

1）传统银行开启数字化转型，不再局限于直销银行，更加注重客户管理和线上线下业务相融合，探