999精品在线视频,手机成人午夜在线视频,久久不卡国产精品无码,中日无码在线观看,成人av手机在线观看,日韩精品亚洲一区中文字幕,亚洲av无码人妻,四虎国产在线观看 ?

FinTech主要細分領域梳理

2016-10-14 09:28:30
首席財務官 2016年16期
關鍵詞:智能模型

FinTech主要細分領域梳理

FinTech 是Financial Technology (即金融科技)的縮寫,指金融和信息技術的融合型產業。科技類初創企業及金融行業新進入者利用各類科技手段對傳統金融行業所提供的產品及服務進行革新,提升金融服務效率,因此可以認為FinTech是從外向內升級金融服務行業。

和“互聯網金融”相比,FinTech是范圍更大的概念。互聯網金融主要指互聯網/移動互聯網技術對傳統金融服務的改變,比如網上券商開戶、網上銀行系統等是最直接和最恰當的例子。而FinTech不是簡單的“互聯網上做金融”,應用的技術不僅僅是互聯網/移動互聯網,大數據、智能數據分析、人工智能、區塊鏈的前沿技術均是FinTech的應用基礎。

【智能投顧】

人工投顧的替代品,重點應用大數據和人工智能

智能投顧作為人工投顧的替代品,是指在投資管理服務中用軟件來代替人工投資顧問完成以下多項核心功能:客戶檔案創建、資產配置、投資組合選擇、交易執行、投資組合重設、投資損失避稅和投資組合分析。它改變了傳統的理財顧問的銷售模式,利用互聯網大數據,對用戶偏好、市場、產品等進行數字化分析,系統為客戶推薦多元化的風險分散的投資組合。

FinTech 在智能投顧中的應用主要體現在大數據和人工智能兩方面:1、海量的數據是投資顧問模型不斷優化的基礎;2、人工智能使模型中投資組合與風險匹配的判斷與分析成為可能。

可以看到,智能投顧和人工投顧所完成的服務是類似的,但區別在于智能投顧的所有流程都是數字化的,而非基于人工投顧的主觀判斷。

在盈利模式上,以顧問服務費為主,低于人工投顧費用。其中,顧問服務費用按照資產的百分比收取,目前一般在0.25%-0.50%左右,低于人工投顧的費用,具體比例因公司而異。由于避免了線下獲客、產品銷售、投資咨詢等人力成本密集環節,智能投顧節省了很大的成本,提升了產業鏈的效率,因而其可提供更低成本的管理費用。

行業剛剛起步,智能程度低,優質企業少

目前,公開表示具有或正在研發“智能投顧”功能的互聯網理財平臺已經超過二十家,比如京東金融、一心、積木盒子、聚愛財plus等。但智能化程度參差不齊,和美國同類企業相比仍有差距。

部分互聯網金融企業以“智能投顧”為噱頭,并非真正的金融科技公司。一些P2P企業僅對用戶進行簡單的風險偏好測試,根據用戶偏好推薦相應理財產品,并未實現用先進的數據算法來優化投資模型,意在借“智能投顧”的幌子進行市場宣傳。

致力于“智能投顧”的創業企業仍在模仿Wealthfront的產品形式,基本實現智能算法模型的搭建,使用數字化手段提供投資咨詢服務。以彌財、藍海財富為代表的國內智能投顧公司,是國內最早的智能投顧公司之一,借鑒Wealthfront、Betterment的產品模式,推出了機器人投顧產品。目前這兩家公司的投資標的均以指數基金ETF為主,跟蹤全球市場,目標客戶多為有海外資產配置需求的人群。

更少成本,更多用戶,更理性的投資服務

智能投顧定位于服務海量客戶,用軟件服務來代替人工投資顧問,即無論是前期投資者信息的收集,還是中期資產的配置、投資策略的選擇,到后期交易的執行,以及投資組合的重設,這一切都是數字化的。

其中,構建投資組合模型的能力,是產品的核心競爭力所在,模型給出的投資標的能否與客戶風險偏好進行良好的匹配是衡量智能投顧產品的重要條件。與傳統的人工投顧相比,智能投顧主要有以下特點:

圖1 智能投顧流程

圖2 征信行業產業鏈

圖3 征信的盈利模式

圖4 征信數據源分布

1、服務成本低,受眾范圍廣。一方面,傳統的人工投資顧問服務受限于服務成本,而智能投資顧問的費用是非常有限的,這極大地提高了客戶群體的范圍,將普通用戶納入到客戶群體。智能投顧會向用戶推薦符合其自身投資偏好的個性化投資組合。

2、算法先進,避免非理性因素。另一方面,利用算法、大數據作為投資依據,又能避免人工投資顧問的非理性因素。投資組合的選擇是基于其構建的模型推算而出,可以在一定程度上消除人工投顧的非理性因素或由于投資經驗不足導致的問題。

圖5 征信模型及征信數據的多應用場景

【借貸與征信】

借貸:中國發展迅猛,平臺層出不窮

P2P是真市場,滿足個人和中小企業融資需求。在我國,個人和中小企業融資渠道不暢,多為被銀行拋棄的客戶群體,由于這部分人群的借貸要求遠遠沒有被滿足,早期出現了很多民間借貸組織。P2P平臺的出現滿足了用戶的借貸需求,這是真實存在的市場。目前,行業問題平臺頻出的背后是低的進入壁壘和弱的風控能力,隨著行業監管的加緊,有望得到改善。

應用區塊鏈技術,解決P2P平臺信任問題。以P2P的票據交易為例,票據的發行可在區塊鏈上進行登記,進而有效避免票據的造假、一票多買等違規問題。一些P2P交易所運用區塊鏈技術來解決交易市場的信任問題,大大降低了交易成本。

風險控制是關鍵,平臺征信技術仍不成熟。對P2P企業來說,如何識別欺詐、如何做好風險控制是平臺業務的關鍵。利用大數據征信技術,企業可以很好地解決欺詐、避免逆向選擇、做好風險控制。征信技術是借貸產品的基礎。

征信:解決交易雙方信息不對稱,應用場景豐富

征信是指依法收集、整理、保存、加工自然人、法人及其他組織的信用信息,并對外提供信用報告、信用評估、信用信息咨詢等服務,幫助信息使用方判斷、控制信用風險,進行信用管理的活動。主要目的是解決交易雙方信息不對稱的問題,通過模型去預測其未來的信用行為, 進行信用風險管理。

如圖2所示,征信機構對征信對象進行數據收集、清洗、轉換、集成、導入及分析,基于信息使用方的應用場景搭建信用模型,最終產出信用得分、信用報告并提供其他增值服務。

傳統的征信數據源僅有銀行、政府、工商企業等,在這里第一手的與信貸最為直接相關的客戶數據(如資產、借貸歷史等數據)被儲存;隨著互聯網的發展,網絡對人們行為數據的積累量發生了飛躍,各類行為數據均可以被記錄,其中不乏與征信應用場景相關的信息。基于此,有效分析利用社交、電商及搜索等非結構化數據也成為征信機構架構征信模型時必須考慮的部分。在應用場景方面,解決交易雙方信息不對稱的場景幾乎都可以應用征信技術,而其最廣泛的應用即為借貸的信用評分。

現有征信體系以政府為主,信息覆蓋仍待完善

現狀可總結如下三點:1、個人征信體系尚未覆蓋半數;2、企業征信系統實現基本覆蓋,但信息不夠完全;3、行業市場滲透率低,個人征信行業的市場滲透率整體維持在9%的水平,低滲透率的背后是各數據網絡的割據與隔離。目前,我國共有8家機構獲得個人征信牌照,牌照管理仍處于收緊狀態。

在數據分布上看:1、線下數據:多為傳統金融機構持有,銀行各自為營,不會輕易共享數據,由央行征信系統對接銀行、保險的數據,但覆蓋人群有限;國家正在致力建設政府數據統一開放平臺,有望在2020年實現對外開放;2、線上數據:(1)BAT等互聯網巨頭依靠其網絡生態有天然的數據獲取優勢;(2)小的創業公司也在嘗試探索:一些創業公司依靠購買、抓取其他互聯網數據來整合數據,但競爭尤為激烈,市場數據仍處于割據狀態。隨著人們對互聯網消費及金融產品依賴性的進一步提高,該網絡存在整合的可能性。

數據源是基礎,算法和數據迭代經驗是征信模型難點

優質和大規模的數據是征信的基礎。隨著信息技術的發展、互聯網和大數據的普及,數據積累的數量和質量得到飛躍,這為征信行業的發展打下很好的基礎,數據源或將成為征信行業的一大競爭熱點。在數據獲取方面,除了和政府及互聯網巨頭合作以外,不少平臺也在不斷積極嘗試,試圖從數據源端收集第一手數據,從而在源頭上建立自身優勢。

算法和數據迭代經驗是征信模型難點。從大數據征信模型算法的成熟度來看,我國雖與美國存在一定差距,但我國的電商數據、社交數據非常豐富,這為大數據征信的嘗試探索建立了很好的基礎。征信模型與應用場景密不可分,需要不斷地注入新的數據進行模型的優化和驗證。因為模型本質上產生的是預測用戶信用行為的作用,預測的準確與否需要實踐數據修正,不斷動態優化調整。

【支付】

三大核心參與方,央行為監管主體

中國電子支付核心參與方有三類:1、以中國工商銀行、建設銀行等為代表的商業銀行;2、以支付寶、微信支付為代表的第三方支付平臺;3、以銀聯和央行支付系統組成的支付清算系統。

其中,支付清算系統處于電子支付最核心的位置,運行電子支付系統并提供跨行資金清算。最新一期的監管規定已明確說明第三方支付機構不得繞過清算機構與銀行直接進行跨行支付業務。

此外,通訊運營商主要為支付提供通信渠道、支付渠道;支付軟硬件提供商提供技術支持。整個體系由央行進行監督,與銀監會和支付清算協會一起維護支付市場的競爭秩序。

當前,新一輪業務整頓已開始,第三方支付牌照趨于收緊。中國市場增速快,移動支付已成主流。FinTech的發展推動了點對點支付解決方案的實現,移動錢包允許人們通過將信用卡信息與智能手機綁定,從而可以手機一鍵完成支付業務。移動支付已成趨勢。

銀聯第三方支付持續角力,區塊鏈技術本土化仍在試水

銀聯與第三方支付爭奪支付場景。銀聯與第三方支付目前仍處于市場爭搶階段,格局未定。在銀聯看來:一方面,銀聯擁有完善成熟的資金清算系統,且政府監管規定明確第三方支付機構不得繞開清算機構與銀行合作,這代表銀聯必能在支付業務中分得一杯羹;另一方面,隨著銀聯與手機巨頭蘋果、三星等達成合作,NFC技術可能重獲生機,實現對支付寶、微信支付的反擊;在第三方支付上:2016年支付寶公布用戶4.5億,微信支付用戶超過3億。支付寶和微信占據第三方支付市場90%的市場份額。支付寶、微信支付擁有龐大的客戶資源和銷售渠道,借助其強大的生態系統,已逐漸培養了用戶的支付習慣。

在雙方的爭奪中,支付場景成為制勝關鍵,第三方支付公司應搶占B端資源。對用戶來說,無論是移動支付還是NFC支付,不同支付機構提供的支付方式在便捷性、安全性上并無顯著性差異,因此支付場景成為制勝關鍵。隨著移動支付使用場景的不斷延伸,和不同線下場景合作成為各大支付機構爭搶的熱點。未來第三方支付公司應盡快搶占線下支付入口,掌握B端資源。

區塊鏈技術變革路線及實踐效果仍需等待及檢驗。可以看到,基于類似區塊鏈技術的應用具有一定的優勢,但也存在較大的制約,需要利弊之間的權衡。在跨境支付場景中,由于目前在全球范圍內仍缺乏一個低成本、高效率的解決方案,不同國家之間還存在政治、監管等因素的差異,類似區塊鏈技術這一去中心化、去信任化的模式是非常具有潛力的解決方案,但是具體的技術變革路線仍需在國內本土化落地,其實踐效果也有待觀察和檢驗。

(本文節選于36氪研究院《金融科技(FinTech)行業研究報告》)

猜你喜歡
智能模型
一半模型
重要模型『一線三等角』
重尾非線性自回歸模型自加權M-估計的漸近分布
智能制造 反思與期望
智能前沿
文苑(2018年23期)2018-12-14 01:06:06
智能前沿
文苑(2018年19期)2018-11-09 01:30:14
智能前沿
文苑(2018年17期)2018-11-09 01:29:26
智能前沿
文苑(2018年21期)2018-11-09 01:22:32
智能制造·AI未來
商周刊(2018年18期)2018-09-21 09:14:46
3D打印中的模型分割與打包
主站蜘蛛池模板: 国产成人精品2021欧美日韩| 久久久久久国产精品mv| 亚洲AⅤ波多系列中文字幕| 美美女高清毛片视频免费观看| 天天做天天爱夜夜爽毛片毛片| 91人妻在线视频| 91精品在线视频观看| 久久国产免费观看| 一区二区三区四区精品视频| 国产综合在线观看视频| 国产青榴视频| 色欲国产一区二区日韩欧美| 色婷婷天天综合在线| 国产精品视频免费网站| 久久国产精品波多野结衣| 黄色一及毛片| 欧美日本在线观看| 精品国产成人av免费| 婷婷六月综合| 亚洲男人在线| 中文字幕在线观看日本| 国产主播一区二区三区| 91美女在线| 国产精品蜜臀| 亚洲手机在线| 亚洲精品第1页| 免费福利视频网站| 亚洲黄网在线| 精品久久久久久久久久久| 色香蕉网站| 亚洲国产天堂在线观看| 亚洲第一av网站| 美女裸体18禁网站| 狠狠色婷婷丁香综合久久韩国| 午夜精品区| 3p叠罗汉国产精品久久| 亚洲精品第一页不卡| 波多野结衣一区二区三区88| 久久鸭综合久久国产| 中国国产A一级毛片| 黄网站欧美内射| 日本a级免费| 网友自拍视频精品区| 一区二区在线视频免费观看| 国产精品自在在线午夜区app| h网址在线观看| 99热这里只有精品5| 91国内在线观看| 久久99国产视频| 另类综合视频| 狠狠干欧美| 国产h视频在线观看视频| 欧美午夜精品| a级毛片免费看| 青青草原国产av福利网站| 国产精品yjizz视频网一二区| 久久永久视频| 日本国产精品一区久久久| 欧美成a人片在线观看| 亚洲无码高清一区二区| 美臀人妻中出中文字幕在线| 亚洲日韩精品无码专区97| 国产精品.com| 久久久久亚洲AV成人人电影软件| 国产啪在线| 欧美日韩国产精品综合| 日本一区二区三区精品AⅤ| 欧美一级高清视频在线播放| 亚洲欧美日韩精品专区| 久草网视频在线| 中文字幕亚洲精品2页| 亚洲国产成人精品青青草原| 美女毛片在线| 欧美色视频日本| 亚洲成a人片77777在线播放| 在线观看亚洲精品福利片| 免费观看国产小粉嫩喷水| 1级黄色毛片| 午夜一区二区三区| 91口爆吞精国产对白第三集| 99尹人香蕉国产免费天天拍| 亚洲最大看欧美片网站地址|