行业研究报告

科技炼金，融汇未来——金融科技（FinTech）行业研究 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 36氪研究院2016年7月目录Contents一.金融科技（FinTech）行业概述概述：FinTech与FinTech时代的技术—互联网及移动互联网大数据FinTech时代的技术—大数据分析人工智能区块链二.FinTech投资热度与发展回顾投资热度全球投资热度亚洲投资热度热门投资领域发展回顾海内外对比中美对比——监管、传统金融服务体系、细分领域三.FinTech主要细分领域梳理及案例分析智能投顾借贷与征信支付案例分析智能投顾：Wealthfront消费借贷：信而富跨境支付：ABRA金融集团：蚂蚁金服CHAPTER1金融科技（FinTech）行业概述?概述：FinTech与?FinTech时代的技术—互联网及移动互联网大数据?FinTech时代的技术—大数据分析人工智能区块链36Kr-FinTech行业研究报告2016年7月概述金融：实现资源的跨期匹配金融是在不确定的环境中进行资源跨期的最优配置决策行为，其基础原则是货币的时间价值和风险收益对等。因此，简化的金融市场模型是资本与资产之间的流动，其流动基础是风险定价。资源的跨期配置货币的时间价值、风险收益对等风险定价资本资产为实现资源的跨期匹配，终端用户（包含个人及机构）的金融需求通常包括四类：储蓄、支付、投资及融资。其中，储蓄作为最基础的金融需求，通常由传统银行来提供服务。支付、投资和融资则是目前新平台及机构重点发力的领域。股权保险借贷投融资?股票（咨询、社区、工具、投顾）?P2P?网络银行?消费信贷?网络基金?股权众筹?小额贷款?互联网保险?车载联网保险支付征信IT技术436Kr-FinTech行业研究报告2016年7月概述科技驱动金融服务业的重构FinTech是FinancialTechnology(即金融科技)的缩写，指金融和信息技术的融合型产业。科技类初创企业及金融行业新进入者利用各类科技手段对传统金融行业所提供的产品及服务进行革新，提升金融服务效率，因此可以认为FinTech是从外向内升级金融服务行业。和“互联网金融”相比，FinTech是范围更大的概念。互联网金融主要指互联网/移动互联网技术对传统金融服务的改变，比如网上券商开户、网上银行系统等是最直接和最恰当的例子。而FinTech不是简单的“互联网上做金融”，应用的技术不仅仅是互联网/移动互联网，大数据、智能数据分析、人工智能、区块链的前沿技术均是FinTech的应用基础。互联网/移动互联网大数据智能硬件智能数据分析人工智能区块链传统金融服务互联网银行移动支付机器人分析师数字货币车载联网保险征信智能投顾智能资管536Kr-FinTech行业研究报告2016年7月概述金融科技的迭代演进依据基础技术与金融的融合变迁来划分FinTech的发展阶段，可以清晰的看出FinTech的概念与应用范围。我们认为，互联网金融是科技与金融相互融合的初始阶段及形态，即阶段。目前，FinTech已完成了从阶段至阶段的过渡。Tech融合进程智能数据分析互联网?大数据移动互联网?云计算大数据?智能硬件人工智能区块链时代的互联网和移动互联网互联网和移动互联网技术使产品在用户体验上取得了革命性的提升，金融产品更是如此。利用互联网和移动设备为客户提供线上服务，简化业务流程，优化产品界面，改善用户体验，这一策略在所有的金融科技行业都是适用的。简单来说，互联网和移动互联网技术使得产品不仅仅是界面变得好看，而是产品更加好用。除此之外，互联网及移动互联网技术使金融服务可以低成本便利的抵达用户，为更多创新性服务提供基础，使其得以实现。互联网特性带来的改变产生业务协同流量入口金融服务扩展到更多场景网络外部性聚合更多用户政策垄断逐步降低自然垄断逐步形成服务长尾用户零边际成本小微投融资需求被接受636Kr-FinTech行业研究报告2016年7月TechFinTech之大数据：数据+信息，初入分析门槛若将大数据分析分为四个层次，在阶段，大数据技术的主要应用是集中于第一和第二层次，即数据架构和信息整合；初步进入第三层次，进行简单的初步分析和决策。?大数据架构+信息整合。建立一个收集和存储的大数据系统，加之信息整合和数据计算；?人工建模+大数据。该阶段的大数据分析通常依靠人工建模分析，加之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。大数据分析的四个层次智慧决策洞察知识发现实时决策机器学习数据沙箱信息整合关系型数据整合非关系型数据整合数据架构（收集与存储）流计算并行计算分布式计算内存计算分布式存储结构化数据集成非结构化数据集成交易社交多媒体位置……兴趣职业学历来源：公开资料，BCG，36氪研究院736Kr-FinTech行业研究报告2016年7月TechFinTech之大数据：多维度多层次的大数据分析金融是个强数据导向的行业。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。数据的数量、处理速度以及种类的升级GTPEZY数量(giga)(tera)(peta)(exa)(zetta)(yotta)静态批量处理实时速度单个数个大量种类结构化非机构化年龄、性别、学历、地域职业、家庭、收入、身份基础属性餐饮、购物、旅行理财、运动、社交位置长期兴趣浏览、游戏、购买线上行为短期需求搬家、出国、医疗线下行为通话、出行、消费来源：公开资料，36氪研究院836Kr-FinTech行业研究报告2016年7月TechFinTech之大数据：以信用及定价为核心的主要应用场景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。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、小贷机构进行人工智能技术中自然语言征信及授信活动。信贷模型的训练需要人工智能技术作为辅助，通处理和知识图谱技术也常过机器学习不断完善模型并实时校正。用于借贷过程中的评估和贷中监测：主要是通过用户在贷款期的行为数据来发现问题客户并监测。及时报警。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。借贷流程贷前评估贷中监控贷后反馈大数据应用?验真、反欺诈?授信?用户行为?市场情况?还款记录?行为打分大数据分析的主要金融应用：保险定价保险定价的主要场景是车险及运费险。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%。实时核保实施差异化定价、出险率预测极速核赔936Kr-FinTech行业研究报告2016年7月TechFinTech之人工智能：智慧金融的无限可能大数据、云计算以及智能硬件的发展作为基础技术支撑了人工智能技术的发展，智能数据分析与决策主要是人工智能发展的产物。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。应用层计算智能、感知智能、认知智能大数据、云计算及智能硬件的发展为人工智能技术提供了基础保障将人工智能拆分为基础层、技术层和应用层三个层面，基础层作为技术层机器学习、自然语言处理、知识图谱、图像识别、人机交互人工智能技术的技术支持，各个细分技术必不可少，特别是大数据的发展；在技术层面，与FinTech最相关的是机器学习和知识图谱，基础层云计算、大数据、其次是自然语言处理；在应用层主要与计算智能领域相关，应用示芯片、传感器及智能硬件例包括神经网络、遗传算法、AlphaGo等。智能化是FinTech重要发展方向简单来讲，智能化是指用计算机代替人脑来进行分析并作出决策。目前，人工智能尚在发展初期，代替人脑来进行决策尚早，但至少可以做到大规模的量化、替代部分人力分析的层面。在金融领域，人工智能主要有以下四类应用：自动报告生成人工智能辅助投资银行，证券研究量化交易、征信金融搜索引擎智能投顾证券研究财富管理来源:文因互联，公开资料，36氪研究院1036Kr-FinTech行业研究报告2016年7月TechFinTech之人工智能—自动报告生成1.自动报告生成投行业务及证券研究业务中涉及大量的固定格式的文档撰写工作，如招股说明书、研究报告及投资意向书等。这些报告的撰写需要初级研究员投入大量的时间及精力进行数据整理以及文本复制粘贴的工作。而这些文档中，有大量内容可以利用模板生成，比如公司股权变更、会计数据变更等等。利用自然语言处理及OCR技术可以方便快捷的完成以上工作，并最终形成文档。自然语言处理包括自然语言理解和自然语言生成两种细分技术：l自然语言理解是指将人们自然语言消化理解，并转换结构使之可为计算机进行后续处理；l自然语言生成是指将计算机处理后的拆分的结构化数据转化成人们可以理解的自然语言。OCR（光学字符识别）是针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。自动报告生成的三个步骤将年报、时事新闻及数据、行业分析报告和法律公告等材料进行处理数据消化和理解。其中对于文本中的图片需要OCR等技术进行解析。运用知识图谱中常用的知识提取与实体关联，将关键逻辑主干提取，结合时间、地点等因素，将关键信息嵌入相应的报告模板。分析数据经过处理数据和分析数据后，便可生成报告。研究员可以进行校对和二次编辑，加入观点或结论等。文章生成注：本报告人工智能部分内容来自文因互联，感谢整理与分享。1136Kr-FinTech行业研究报告2016年7月TechFinTech之人工智能—人工智能辅助2.人工智能辅助——量化交易一直以来，量化交易都是运用计算机来进行辅助工作的：分析师通过编写模型，选取一些指标作为变量，利用机器来观察数据分布及计算结果。也就是说，计算机仅是进行了简单的统计计算。近年来，随着人工智能技术的发展，机器学习崛起。计算机可以进行海量数据的处理、分析、拟合和预测，因此人工智能与量化交易的关系也变得愈发密切。机器学习人工智能自然语言处理量化交易知识图谱机器学习：由数据到模型利用传统的回归分析等方法来建模交易策略有两个弊端：首先，所用数据维度有限，仅限于交易数据；其次，模型可处理的变量有限，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，而这很大程度上取决于研究员对数据的敏感程度。利用机器学习技术，结合预测算法，可以依据历史经验和新的市场信息不断演化，预测股票、债券等金融资产价格的波动及波动间的相互关系，以此来创建符合预期风险收益的投资组合。然而，机器学习可能是个相对缓慢的过程，且该过程无法通过其他统计方法来提供担保行为。机器学习虽可能适用于寻找隐藏的趋势、信息和关系，但在金融领域的应用和效果仍存在较大不确定性。市场上对于金融领域的机器学习仍存在一定程度的炒作。注：本报告人工智能部分内容来自文因互联，感谢整理与分享。1236Kr-FinTech行业研究报告2016年7月TechFinTech之人工智能—人工智能辅助自然语言处理：追踪市场动态，引入更多变量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，自然语言处理技术可以实现“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。知识图谱：降低黑天鹅事件及虚假关联性对预测的干扰在黑天鹅事件发生时，机器学习和自然语言处理会失效。2015年中国证监会公布的熔断机制就属于该类事件。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。人工智能善于发现变量间的相关性，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，需要专家设置相应的规则来避免。知识图谱是一种语义网络，基于图的数据结构，根据已设计的规则及不同种类的变量连接所形成的关系网络。13注：本报告人工智能部分内容来自文因互联，感谢整理与分享。36Kr-FinTech行业研究报告2016年7月TechFinTech之人工智能—人工智能辅助知识图谱提供了从关联性角度去分析问题的能力，将规则、关系及变量通过图谱的形式表现出来，进行更深层次的信息梳理和推测。知识图谱三要素规则关系变量行业的理解投资的逻辑风控的原则企业上下游母子公司竞争合作雇佣监管机构投资机构投资人企业职员以投资关系为例，知识图谱可以将公司的股权变更沿革串联起来，清楚展示某家PE机构于某一年进入某家企业、进入价格是多少、是否有对赌 协议 离婚协议模板下载合伙人协议 下载渠道分销协议免费下载敬业协议下载授课协议下载 等等。这些信息可以用以判断PE机构进入时的估值及公司的成长节奏，同时该图谱还可以用来学习投资机构的投资偏好及逻辑的发展。目前，知识图谱并未进行大规模的应用。其难点在于如何让行业专家承担部分程序员的的工作，将行业逻辑等关系通过计算机建模，输入计算机以供机器进行学习和验证。可见，开发形成简易编程的界面及系统是目前应用推广的关键。注：本报告人工智能部分内容来自文因互联，感谢整理与分享。1436Kr-FinTech行业研究报告2016年7月TechFinTech之人工智能—金融搜索引擎3.金融搜索引擎研究员在进行研究工作时需要搜集大量的数据和信息并进行整理和分析。目前所运用的软件如Bloomberg、Wind等数据终端只解决了信息和数据的问题，并没有解决信息过载后的整理和分析问题。利用人工智能技术可以从大量噪音信息中快速找到准确且有价值的信息，提高研究工作效率。金融搜索引擎背后的关键技术是高质量的知识图谱，帮助实现关联、属性查找及联想。除了人工智能相关技术，金融搜索引擎需要人机协作界面，方便使用者记录、迭代和重复使用；推荐和推送系统则可以帮助用户聚焦于关键数据和信息，省时省力的做投前发现和投后监测。金融搜索引擎一般用于解决信息获取和信息碎片问题，而将复杂的查询和逻辑判断交给用户来完成。搜索引擎提供不同类型信息及事件的查询，如脱欧事件对货币市场的影响；将搜集的信息切片后再进行聚合，提供可用于对比纵览的变量，如天使投资退出时平均收益率。信息切片信息聚合搜索信息输入搜索结果输出对于相对复杂的查询和逻辑判断，搜索引擎将会提供相关的查询结果给用户，让用户进行复杂的过滤和筛选。比如搜索人工智能产业链的上游公司，引擎在无法准确提供上游公司的信息时，将会在便于交互的界面向用户推荐相关信息，以供用户进行筛选。注：本报告人工智能部分内容来自文因互联，感谢整理与分享。1536Kr-FinTech行业研究报告2016年7月TechFinTech之人工智能—智能投顾4.智能投顾传统的投资顾问需要站在投资者的角度，帮助投资者规划符合其投资风险偏好、符合某一时期资金需求和适应某一阶段市场表现的投资组合。以上工作需要高素质理财顾问完成，昂贵的人工费用也无形中设置了投资顾问服务对象的门槛，一般只面向高净值人群开设。而智能投顾（也成机器人投顾）则是以最少量人工干预的方式帮助投资者进行资产配置及管理：理财顾问是计算机，用户则可以是普通投资者。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。注：本报告人工智能部分内容来自文因互联，感谢整理与分享。1636Kr-FinTech行业研究报告2016年7月TechFinTech之区块链：颠覆金融产业的技术已来谈到区块链，必然先想到比特币。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。上层：货币?中间层是协议，也就是基于区块链的资金转账系统；中间层：协议?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。矿工底层技术：区块链负责记录，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 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 。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。技术基础应用区块链Blockchain比特币Bitcoin?经密码加密的完备分布式总账?全球数字货币?在需要第三方监管的中介网络?比特币交易波动性大、流动性及清算系统中发挥潜力高，受高频交易及对冲基金的?向其他需要较高信任机制的应喜爱用领域延伸注：更多关于区块链技术及行业应用，请查看36氪研究院《从一到N，掘金区块——区块链行业研究报告》。1736Kr-FinTech行业研究报告2016年7月TechFinTech之区块链—以去中心化为核心的技术优势去中心化高效低成本解决中间成本问题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。实现网络中信息共享的同时，也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。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0。因此区块链技术在保证了信息安全的同时，也保证了系统运营的高效及低成本。应用场景：应用于传统的中心化场景中，替代原本由中介或中心机构处理的交易流程。信息完备公开透明便于追踪和验证解决数据追踪及信息防伪问题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。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。应用场景：数据追踪和防伪注：更多关于区块链技术及行业应用，请查看36氪研究院《从一到N，掘金区块——区块链行业研究报告》。1836Kr-FinTech行业研究报告2016年7月TechFinTech之区块链—以去中心化为核心的技术优势分布式记录储存数据可持续性高解决物联网的核心缺陷区块链中每个参与记录和存储数据信息的节点具有相同的权利，不存在中心节点，因此在受到攻击的时候，也可以保持数据库的正常运转。同时，由于区块链技术可以使得无需信任单个节点的情况下达成整个网络的共识，使得节点与节点之间具备了能动性。此外，分布式结构也大大降低了传统中心节点设备的损耗。数据的可持续性及信息的安全性均得到了保证。应用场景：物联网、智慧交通、供应链等可编程脚本可编程“智能合约”模式有效规范市场秩序区块链中每笔交易信息基于可编程原理，内嵌了脚本概念，使得基于区块链技术的价值交换活动升级成为可编程“智能合约”模式。因此，在市场秩序不够规范的环境下，在资产或价值转移合约中引入区块链的“可编程特性”，可以规定该笔交易资金日后的用途和方向。应用场景：各类合约注：更多关于区块链技术及行业应用，请查看36氪研究院《从一到N，掘金区块——区块链行业研究报告》。1936Kr-FinTech行业研究报告2016年7月TechFinTech之区块链—应用领域基于以上四个主要优势，凭借比特币网络的自身货币及价值传播基础，区块链技术可自然而广泛的运用于金融领域，用以简化流程、提升数据及信息存储的安全性，降低信任成本。应用前应用后流程复杂；简化流程；中心化数据存储；分布式数据存储，安全性提升；第三方担保无需第三方，降低成本?银行银行作为资金的安全仓库和传输枢纽，与blockchain作为一个数字化、安全和不可篡改的分步账簿，具备相似的功能。这意味着基于blockchain的颠覆式改变可能将在未来对银行产生深远的影响。据公开信息，瑞士银行和英国巴克莱银行都已经开始试用区块链技术，以加快后台结算功能。?支付与转账通过区链块技术可以绕过传统机构复杂的流程,创造一个更加直接的付款流程。因此，区块链技术可能会改变资金转移业务的体系机构。该系统能够实现跨境、无中介、低成本，且交易可以快速完成。?股票投资股票购买、销售和交易的过程存在着很大可以简化的空间。区块链技术有望实现整个流程的自动化，提升效率和安全性。?众筹智能合约在股权众筹发起初期，由项目发起方、众筹平台、领投人等多方共同发起众筹智能合约，来约定各方的责任和义务。这份智能合约可以保存在区块链中，由此保证合约在履行过程中不被篡改，到期后的强力执行。注：更多关于区块链技术及行业应用，请查看36氪研究院《从一到N，掘金区块——区块链行业研究报告》。2036Kr-FinTech行业研究报告2016年7月TechFinTech之区块链—应用领域?其他领域在金融服务领域，回购、债务分配及保险处理等流程均有区块链技术的相关发展。回购协议交易商/交易员/贷款人转账担保品托管方确认担保价值投资者/购买方/借款人担保品交割(证券、协议等)收到现金在一个可信任的网络中，用分布式账簿替代担保品托管方及托管方合约，简化交易。债权分配贷款债务分级债权交易债务偿还?债权的拥有权可以追溯、保留并被监管?极大减少债务管理工作，增强安全性保险处理协议确认及签署1.自动/人工协议调整2.追溯丢失的文件或信息3.4.5.6.7.保险案件管理验证保费计算赔偿款支付流程重复付款处理利用区块链技术保证保险处理过程的完整性，减少欺诈行为，流程化文件管理等来源：MAGISTERAdvisors,逐鹿,其他公开资料，36氪研究院注：更多关于区块链技术及行业应用，请查看36氪研究院《从一到N，掘金区块——区块链行业研究报告》。21Chapter2FinTech行业投资热度与发展回顾?投资热度全球投资热度亚洲投资热度热门投资领域?发展回顾海内外对比中美对比—监管、传统金融服务体系、细分领域36Kr-FinTech行业研究报告2016年7月投资热度FinTech与传统金融机构的协同关系大于竞争，全球投资热度不减金融机构通常有三种方案开展FinTech相关活动：1.自己研发技术并应用2.收购相关FinTech公司，得到对方技术3.与FinTech公司合作，以达到协同全球来看，银行等金融机构越来越看重与FinTech之间的协同作用。不单纯是金融机构与FinTech企业之间的协同作用，还包括FinTech企业之间、与监管者和其他行业之间的作用。比如，区块链技术还可用于除了在金融领域的其他领域，如公证、供应链等等，政府及监管机构也开始尝试利用区块链解决问题。基于此，全球FinTech投资热度不减，2016年第一季度，总投资额达到57亿美金，总投资案例达到468件，同比上升47%，环比上升39%。其中，VC机构总投资49亿美金，环比上升22%。2015Q1-2016Q1全球FinTech领域融资金额及案例1210189215192179250218812914515215764202015Q12015Q22015Q32015Q42016Q1风险投资金融（$B）非风险投资金额（$B）风险投资案例非风险投资案例来源：KPMG&CBInsights，36氪研究院2336Kr-FinTech行业研究报告2016年7月投资热度FinTech领域亚洲投资金额独大，总投资额达26亿美金2016年Q1，亚洲FinTech领域投资达26亿美金，占全球总投资额45%；全球25笔最大投资，亚洲FinTech公司所获投资金额最大，占总数64%。亚洲领域内的FinTech公司开始寻求本土外的机会，寻求全球化扩张。但由于本土金融监管，部分FinTech企业的业务可能无法复制到其他地域。因此，可以提供跨境产品或商业模式可复制的FinTech企业将更具吸引力。2011-2016年Q1亚洲FinTech领域融资金额及案例144813167656436212020112012201320142015Q1第一季度投资金额（$B)其他季度投资金额($B)投资案例总数来源：KPMG，CBInsights，36氪研究院2016年Q1全球25笔最大金额投资案例地域分布亚洲（$2503M）北美（$1157M）南美（$52M）澳大利亚（$30M）欧洲（$）来源：KPMG，CBInsights，36氪研究院2436Kr-FinTech行业研究报告2016年7月投资热度借贷和支付平稳发展，理财需求日益攀升FinTech细分领域中，借贷和支付近年来发展稳步，所获投资金额最多，借贷占比高达46%。各个细分领域中，借贷、储蓄及投资、保险的目标用户均为个人及中小企业。可见，更大的个人及中小企业用户需求亟待释放和满足。FinTech公司目标客户分布FinTech细分领域所获投资金额占比支付储蓄及投资借贷保险其他总计借贷借贷,46%支付储蓄和理财保险个人/中小企业28%15%29%5%1%78%转账大型公司8%1%9%支付,23%虚拟货币股权众筹IB/Markets13%13%企业服务工具注释：统计数据基于2014年12月CBInsights统计的120家创业公司以及2015年12月FinTechTop50来源：CitiResearch，36氪研究院随着全球个人财富的增长，理财(资产管理)领域的需求正在极速上升。据统计，2016年Q1，资产管理领域投资额达亿美元，相比2015年全年亿美元投资额，涨幅显着。此外，种子及天使轮公司获投比例占70%。ScalableCapial、IndexaCapital及CashBoard积极推动了种子期公司的投资，在种子期投资总份额中占比超过50%。2011-2016年Q1全球资产管理领域融资金额及案例2011-2016年Q1全球资产管理领域融资轮次分布50024100%4003005515141080%60%40%20070%1001535834031219211420%0%20%15%36%53%201120122013201420152021061Q61201120122013201420152016Q1种子/天使轮A轮B轮C轮D轮E轮及以后其他投资金额（$M)投资案例总数来源：KPMG，CBInsights，36氪研究院2536Kr-FinTech行业研究报告2016年7月发展回顾FinTech海外先行，中国后来者居上近年，中国的互联网金融发展迅猛，其背后原因主要是中国金融发展环境下金融服务的供给不足，给互联网金融公司在相对包容的监管环境下制造了发展条件，进行了大规模的“监管套利”。发展至今，如第一章所述，互联网对于金融的改造和颠覆已有成效。在本章，我们回顾一下金融科技的发展历程，并进行中美两国FinTech行业状况的对比。通常来讲，在美国不存在“互联网金融”的说法，一直是以“科技金融”的概念存在。相比国内，在美国之所以没有大量的互联网金融公司，主要因为其线下金融体系已经比较发达，各项金融服务也趋于成熟，做创新难度和成本均较高。美国和中国金融市场的不同发展环境以及用户对金融服务的不同诉求决定了FinTech在两国发展的不同状况。海外与中国FinTech企业成立时间对比海外中国电子支付Paypal（美国，1998年）支付宝（2004年）财付通（2005年）互联网基金Paypal货币市场基金（美国，1999年）余额宝（2013年）互联网保险Directline（英国，1985年）INSWEB（美国，1995年）众安保险（2013年）非股权众筹Kickstarter（美国，2009年）点名时间（2011年）京东众筹（2014年）股权众筹Angellist（美国，2010年）Wefunder（美国，2012年）天使汇（2011年）天使客（2014年）36氪股权投资（2015年）网络银行SFNB（美国，1995年）Egg（英国，1998年）乐天银行（日本，2009年）深圳前海微众银行（2014年）浙江网上银行（2014年）26Zopa（美国，2005年）P2PLendingClub（美国，2006年）来源：公开资料，36氪研究院拍拍贷（2007年）91金融（2011年）宜人贷（2012年）36Kr-FinTech行业研究报告2016年7月中美对比不同监管体系下，FinTech创业公司套利空间差距大2010年，金融危机后，美国金融改革落地，从“伞式监管”升级到全面监管。新法案中，着重体现了“消费者至上”的思想：1.新成立一个独立的消费者金融保护机构（CFPA），保护消费者和投资者不受金融系统中不公平和欺诈行为损害。该机构将拥有包括规则制定、从事检查、实施罚款等在内的权力；2.从增强透明度、简单化、公平性和可得性四个方面进行消费者保护改革；3.加强对投资者的保护，促进退休证券投资计划，鼓励更多储蓄。美国中国全面监管，美联储成为“超级监管者”；分业监管，“一行三会”；分业经营混业经营金融服务体系多样性，私营企业背景多，竞争激烈。服务机构多为国资背景，金融牌照垄断现象严重。监管体系的升级使得创业企业的创新监管成本加大。以当下火热的P2P平台为例，美国监管当局认为，这些平台上发行的贷款已经具备了证券的性质，因此该类平台应该理解成证券交易所，按照证券交易所的规定来监管。同时，从保护个人投资者和借款人的角度，需要由消费者保护机构来监管。这种方式下，创业公司可能需要取得不同州的借贷业务牌照，创新监管成本加大。除此之外，竞争充足和垄断的两种不同市场环境，也导致中美传统金融机构创新意识不同。由于美国金融市场竞争环境激烈，金融服务机构多为私营背景，创新意识也相对较强。相比国内，金融牌照垄断相对严重，天然的资源垄断优势赋予了传统机构金融资源定价能力，享有现有的资源优势就可以获得高额利润，故而企业创新和服务提升的动机不足。2736Kr-FinTech行业研究报告2016年7月中美对比传统金融服务体系力量的差别是中国创新的机会美国的金融市场的竞争环境促就了传统金融体系的完备。传统金融体系的力量和影响是中美金融市场的最大不同，也因此成为中国相比而言最大的机会。从信用卡及保险渗透率可以清晰的说明这个问题。中美信用卡渗透率对比美国中国信用卡持有者数量（百万）200190信用卡数量（百万）1900460每持有者拥有的信用卡数量信用卡渗透率%%来源：公开资料，36氪研究院全球主要国家非人寿保险渗透率对比渗透率参保金额来源：SigmaReGroup，BCG，MorganStanley，36氪研究院在美国，传统理财产品、中小企业信贷、保险等均有成熟的金融巨头覆盖，消费者习惯已养成。与已成熟的巨头进行竞争，是多数创业企业无法承担的。2836Kr-FinTech行业研究报告2016年7月中美对比美国传统金融体系成熟，FinTech更多扮演“补充”角色由于美国成熟的金融服务体系，相比“颠覆”银行等传统机构，FinTech公司更多的是寻求与之合作。未被传统金融服务覆盖的客户或市场缝隙，由FinTech企业来补充，其角色更多的是“提高某已有业务的效率”。家庭借贷助学贷款投行业务信贷服务来源：CBInsights，36氪研究院反观中国，金融服务供给的不足，部分监管环境的模糊地带给金融科技类公司制造了发展条件。模式创新、普惠金融等在中国的发展十分之迅速。近年来P2P的迅猛发展正说明该问题：大量未被传统借贷服务覆盖的中小企业和个人，通过P2P平台可以获得融资，解决短期的资金缺口。2936Kr-FinTech行业研究报告2016年7月中美对比细分领域梳理及对比?征信在征信领域，美国起步早,征信体系自1920年起伴随消费企业的扩张而推进，征信公司数量曾从2000多家减少到500家，行业经历了充分竞争，机构征信和个人征信体系趋于完善成熟。中国起步晚，线下数据被银行与保险公司垄断割据，线上数据随着互联网的普及而完善，目前数据量庞大但发展历程短暂，征信模型仍待完善。从大数据征信模型算法的成熟度来看，我国虽与美国存在一定的差距，但数据的快速迭代为算法的优化提供了很好的环境。伴随大数据时代的到来，征信数据的应用场景更加丰富，不仅仅用于信贷，更可以满足社交、消费等方面的需求。而这方面的探索尚在起步阶段，国外企业也尚未经历大数据征信的迭代验证。因而从这点个角度来讲，美国和我国几乎是站在同一起跑线上的。?借贷在美国，真正意义上的P2P借贷（即个人对个人的借贷）公司只有LendingClub和Prosper。其他平台需要投资者不仅仅是高净值个人，而是需要其为具备投资资质的个人，即机构投资者、专业投资者等。而国内的P2P平台则是面向大众的理财工具。中美对比——借贷领域美国中国资金机构占比较多个人投资者资产个人贷款，以学生贷款为主银行信贷资产或企业债券，本质是“影子银行业务”信用模型个人信用模型以FICOScore为主个人征信体系仍在建设中，各家公司也选择自建信用模型来源：公开资料，36氪研究院3036Kr-FinTech行业研究报告2016年7月中美对比细分领域梳理及对比?个人理财如上所述，美国传统金融服务完备，因此大多数中产阶级的理财服务是由传统银行和资产管理公司、投资顾问公司提供的。近年来，智能投顾平台（自动化投资平台）的兴起，如Betterment、Wealthfront，其主要服务对象是年轻人群，是未来的中产阶级。相比而言，国内投资者对于智能投顾公司的接受度仍不高。其背后原因是中美投资者不同的投资理念和不同的金融市场环境。智能投顾平台提供的服务是一种消极投资，是长期投资。投资目标是长期下（10年以上）使得投资收益与市场持平，这需要投资者具有比较成熟的长期投资理念。国内资本市场有效性不高，投资者散户化程度高，更偏好主动投资和短期投资。?保险在美国，保险行业的发展是极为发达的。个人保险（如健康险、寿险），财产险（如房产保险、车险）以及企业保险已经成为美国人民生活中的一部分。同时，保险行业的进入门槛非常高，因此保险行业的金融创新也并不火热。相比之下，我国对保险行业的监管也同样严格，牌照被少量国有控股公司垄断。在既有利润丰厚的情况下，公司的创新意识和信息化动力均较低；同时，我国居民保险意识弱，对保险产品很少主动询问或投保。可见，我国保险行业在与科技融合的过程中仍处于非常早期的阶段，目前重点发力在用户体验优化。3136Kr-FinTech行业研究报告2016年7月中美对比细分领域梳理及对比?第三方支付最早出现的第三方支付平台早在1999年已创立，为美国的Paypal，5年之后阿里巴巴的支付宝业务才推出。在美国，由于美国的信用卡体系已经相对完善，用户体验的提升难度较高，第三方支付作为信用卡支付的替代品，渗透率的增长并不高。另一方面，第三方支付高度依赖互联网平台，即支付的应用场景，而美国电子商务的普及率与中国相比较低，第三方支付应用场景受限。截止目前，中国已成为世界上第三方支付市场份额最重的国家，而支付宝的交易金额也远超第三方支付鼻祖Paypal。第三方支付高度依赖互联网平台，影响该行业发展的主要因素有：1.其他支付方式的便利性与安全性2.电商的发展2015年中美电商交易额对比2015年支付宝与Paypal交易金额对比（$B）支付宝与Paypal交易金额对比全球17000亿中国6700亿（40%)美国3400亿阿里巴巴（20%)4500亿（26%)注释：基于交易量数据统计1000900100080070080060060050040040030020020010000（单位：十亿美金）931931282支付宝Paypal支付宝Paypal282来源：eMarketer,CitiResearch，36氪研究院来源：公司财报,CitiResearch，36氪研究院32CHAPTER3FinTech主要细分领域梳理及案例分析?智能投顾?借贷与征信?支付?案例分析智能投顾：Wealthfront消费借贷：信而富跨境支付：ABRA金融集团：蚂蚁金服3336Kr-FinTech行业研究报告2016年7月智能投顾·背景我国人工投顾数量不足，海量股民仍未得到充分服务目前行业主要存在以下痛点：1.现有专业人工投顾数量不足，不少散户仍在服务范围外受金融牌照和投顾资质影响，拥有从业资格的机构和投资顾问集中于券商，券商成为开展投顾业务的主力军。2016年证券投资咨询业务从业人员分布证券投资咨询机构,1319人，4%证券公司，48838人，96%注：此处从业人员仅指证券投资咨询业务中投资顾问，未计入投资研究分析师数量；截止2016年1月28日，市场投资者数量共计万，其中自然人万，非自然人万。市场投资者投资咨询从业人员比例2000：1万万人注释：此处市场投资者包括自然人和投资机构来源：证监会，36氪研究院2、机构和高净值个人投资者是重点服务对象，海量股民仍未得到充分服务；在相当长的时间里，机构和高净值个人投资者是重点服务对象，这部分目标用户投资金额高，因而个人投资顾问服务性价比高，海量的、投资额相对小的个人投资者没有享受到很好的服务和产品。然而，这部分市场是很广阔的，散户的交易额占比在总交易额的80%以上。3436Kr-FinTech行业研究报告2016年7月智能投顾·概述人工投顾的替代品，重点应用大数据和人工智能智能投顾作为人工投顾的替代品，是指在投资管理服务中用软件来代替人工投资顾问来完成以下多项核心功能：客户档案创建、资产配置、投资组合选择、交易执行、投资组合重设、投资损失避税和投资组合分析。它改变了传统的理财顾问的销售模式，利用互联网大数据，对用户偏好、市场、产品等进行数字化分析，系统为客户推荐多元化的风险分散的投资组合。客户档案创建资产配置投资组合选择交易执行投资组合重设投资损失避税投资组合分析注释：前六步为面向客户和金融专业人士的智能工具均具有的功能；最后一步仅为面向金融专业人士的智能工具具有功能来源：FinraReport，36氪研究院智能投顾最早出现于2011年，由美国Wealthfront公司推出。该公司借助于计算机模型和技术，通过调查问卷评估客户并提供个性化的资产投资组合建议，最初主要客户为硅谷的科技员工。目前，智能投顾在海外尤其是美国市场已初具规模，依据CorporateInsight的统计，截至2015年年中，智能投顾公司管理的资产规模已超过210亿美元。FinTech在智能投顾中的应用主要体现在大数据和人工智能两方面：1、海量的数据是投资顾问模型不断优化的基础；2、人工智能使模型中投资组合与风险匹配的判断与分析成为可能。可以看到，智能投顾和人工投顾所完成的服务是类似的，但区别在于智能投顾的所有流程都是数字化的，而非基于人工投顾的主观判断。盈利模式：顾问服务费为主，低于人工投顾费用顾问服务费用按照资产的百分比收取，目前一般在%%左右，低于人工投顾的费用，具体比例因公司而异。由于避免了线下获客、产品销售、投资咨询等人力成本密集环节，智能投顾节省了很大的成本，提升了产业链的效率，因而其可提供更低成本的管理费用。3536Kr-FinTech行业研究报告2016年7月智能投顾·现状行业刚刚起步，智能程度低，优质企业少目前，公开表示具有或正在研发“智能投顾”功能的互联网理财平台已经超过二十家，比如京东金融、一心、积木盒子、聚爱财plus等。但智能化程度参差不齐，和美国同类企业相比仍有差距。?部分互联网金融企业以“智能投顾”为噱头，并非真正的金融科技公司。一些P2P企业仅对用户进行简单的风险偏好测试，根据用户偏好推荐相应理财产品，并未实现用先进的数据算法来优化投资模型，意在借“智能投顾”的幌子进行市场宣传。?致力于“智能投顾”的创业企业仍在模仿Wealthfront的产品形式，基本实现智能算法模型的搭建，使用数字化手段提供投资咨询服务。以弥财、蓝海财富为代表的国内智能投顾公司，在2015年年初成立，是国内最早的智能投顾公司之一，借鉴Wealthfront、Betterment的产品模式，推出了机器人投顾产品。目前这两家公司的投资标的均以指数基金ETF为主，跟踪全球市场，目标客户多为有海外资产配置需求的人群。两家公司的管理费用均小于国内人工投顾费率，蓝海财富咨询费为所管理资产的%，弥财更是将咨询费降低到零以广泛获客。蓝海财富投资组合界面弥财投资组合界面3636Kr-FinTech行业研究报告2016年7月智能投顾·监管平台及顾问均应取得相应资质，美国监管有借鉴意义中国智能投顾仍在摸索阶段，目前行业监管尚未出台明确的针对智能投顾的监管条例，但投顾平台及投顾服务人员均应取得相应资质。此外，法律就智能投顾代理客户进行交易管理的相关操作也出台了意见：发布时间主管部门/发布主体法律法规/公约主要内容对智能投顾行业影响《证券法》智能投顾公司不能以机构为主体1999年证监会《证券投资顾问业务暂定规投资顾问仅能提供投资建议，不得进行全权委托管理在二级市场上直接交易，因而只能将购买门槛低的公募基金作为定》资产配置的主要标的取得证券投资咨询业务资格的证券2015年国家版权局与工信部《账户管理业务规则（征求意见稿）》投资咨询公司需取得账户管理资质，接受客户委托，才能就证券、基金、期货及相关金融产品的投资或交易做出价值分析或投资判断，代理客户执行账户投资或交易管理账户管理资质的取得条件要求公司注册资本不低于5000万元人民币，这将成为智能投顾公司竞争的重要影响因素来源：各政府网站，36氪研究院2016年3月，Finra(美国金融业监管局）出台了《对数字化投顾的建议报告》，报告中提出了对智能投顾在技术管理、投资组合创建及减少利益冲突方面的具体建议和实用案例。内容涵盖：?客户信息采集时应涵盖的内容?对算法技术的监管意见?对智能投顾建立管理和监管的架构及流程的建议?对客户和金融专业人士的教育和培训的具体建议和做法总而言之，投顾平台需要充分了解其使用的算法，包括算法背后的假设和存在的偏向；投顾平台需要评估算法是否符合预设的投资理念；平台方需要相关负责人为该算法负责。美国作为智能投顾行业的先行者，行业监管逐渐细致明确，对国内智能投顾行业有很大借鉴意义。3736Kr-FinTech行业研究报告2016年7月智能投顾·优势更少成本，更多用户，更理性的投资服务智能投顾定位于服务海量客户，用软件服务来代替人工投资顾问，即无论是前期投资者信息的收集，还是中期资产的配置、投资策略的选择，到后期交易的执行以及投资组合的重设，这一切都是数字化的。其中，构建投资组合模型的能力，是产品的核心竞争力所在，模型给出的投资标的能否与客户风险偏好进行良好的匹配是衡量智能投顾产品的重要条件。与传统的人工投顾相比，智能投顾主要有以下特点：?服务成本低，受众范围广：一方面，传统的人工投资顾问服务受限于服务成本，而智能投资顾问的费用是非常有限的，这极大的提高了客户群体的范围，将普通用户纳入到客户群体。智能投顾会向用户推荐符合其自身投资偏好的个性化投资组合。智能投顾机器人与人工投顾成本对比管理费用：%+ETF费用：其他费用管理费用：ETF费用：传统理财投资顾问智能投顾机器人来源：CitiResearch,36氪研究院?算法先进，避免非理性因素另一方面，利用算法、大数据作为投资依据，又能避免人工投资顾问的非理性因素。投资组合的选择是基于其构建的模型推算而出，可以在一定程度上消除人工投顾的非理性因素或由于投资经验不足导致的问题。3836Kr-FinTech行业研究报告2016年7月智能投顾·服务流程服务链条短，系统自动推荐投资标的智能投顾能够让客户在App上就实现财富的智能管理，步骤简单便利。市场上智能投顾产品的服务流程大同小异，现以Wealthfront智能投顾为例做说明：Step1：用户填写问卷，在网站给出的若干目标中选择自己的投资目标（如退休储蓄、医疗支出、教育支出等）；提供自己对股票、债券、ETF的理解水平等，此步主要为收集客户对风险和收益的偏好信息Step2：网站基于客户提供的信息，推荐投资计划，投资组合包括两大类：需要纳税的投资组合和退休金投资组合Step3：网站根据市场情况、组合表现动态评估客户的投资计划是否符合其目标；当客户的投资计划无法达到最初设定的目标时，网站会给出针对性的投资建议来源：Wealthfront网站,36氪研究院3936Kr-FinTech行业研究报告2016年7月智能投顾·投资标的分散化投资，投资标的多为ETF基金基于算法、大数据作为投资模型依据的智能投资模型提供的产品特点是风险分散的、收益相对稳定的，因而投资标的多分散在一系列产品，如基金、股票、债权、固定收益类产品等投资组合。智能投顾平台大多采用被动型投资，其特点是“购买并持有”资产，以期获得长期、稳定的收益。目前，市场上智能投顾的投资标的主要为ETF基金。一些平台也会购买国内主动型投资的公募基金来实现配置目的。ü数量众多、产品多样的ETF为机器人投顾提供了丰富的投资基础，且ETF更关注与各市场或各大资产的整体表现状况，很好的分散了风险，也对模型构建组合比较有利；üETF基金还具有避税功能，利用美国的相关政策规定进行ETF的交易可抵减当期盈利，延后税收。而中国并无此项避税功能。Wealthfront智能投顾ETF投资组合来源：Wealthfront网站,36氪研究院4036Kr-FinTech行业研究报告2016年7月智能投顾·行业思考算法技术是最大壁垒，市场环境仍不成熟我们认为，智能投顾刚刚起步，国内市场尚不具备大规模推广的成熟环境。国内智能投顾的行业发展受制于以下两个因素：1、技术基础弱智能投顾需要先进的算法支撑，针对不同的投资咨询目的应用合适的算法。如果算法的设计不成熟，将可能导致南辕北辙的结果，从而给投资者带来不利的影响。成熟有效地算法对开发团队的要求是相对较高的。国内公司在技术开发及量化投资经验上相对薄弱，在算法模型方面和美国仍存在一定差距，不少公司是在整个投资链条的局部环节上使用算法实现。比如，在用户风险偏好收集方面，不少公司设计出了易于普通投资者信息收集的电子问卷；但在投资模型方面，更多仍处于“黑匣子”状态，是否真正运用先进算法不得而知。2、市场对量化的认可度不高，受众风险管理意识尚不成熟智能投顾或者其他的量化、对冲等投资方式，虽然风险确定，但周期长，收益相对主观投资来说并不高。而国内投资者的风险管理意识尚未成熟，相对倾向跟风、炒主题，以期获得高收益。随着投资者的风险管理意识的逐渐提高，智能投顾的发展方向会更加明晰。4136Kr-FinTech行业研究报告2016年7月借贷·概述中国发展迅猛，平台层出不穷，但技术刚刚