行業研究 | 中國大陸本土的FinTech發展路徑與模式

概述：

FinTech——金融科技近年來在投融資市場、業界應用方面有著火爆的影響，在FinTech的帶動下，以往單一的貨幣形式發展將會被打破，FinTech也將成為所有金融行業發展的服務基礎。

信息技術和金融的深層融合不斷打破著現有的金融格局，深刻地改變著金融服務的運作方式，在解決金融本質問題上能夠更高效地運作。在中國大陸本土，目前還正處於傳統金融向新金融的經濟形態發展過程當中，FinTech金融科技在這其中將會成為最好的催化劑。並且，技術介入金融領域可以更加快速地解決傳統金融的一些問題，比如估值模型、投資決策、信用評估等核心痛點。

今天，小編匯總了VC SaaS此前發布的四期關於探索「中國大陸本土FinTech發展模式與路徑」的文章，詳細的研究內容都在下文中哦！

FinTech研究熱點

根據京東金融發布的《2017金融科技報告——行業發展與法律前沿》來看，以下幾個方面是近年來全球FinTech的重點研究方向：

一、金融科技與監管政策的探討；

二、金融科技與傳統金融業的關係；

三、技術在金融領域的應用和引發的變革；

四、金融科技細分領域；

五、技術與安全、隱私等問題的探討。

而我國的金融科技則著重在以下方面進行探索（關鍵詞參考）：

本土FinTech市場形態

依據科技金融在中國大陸的發展環境，我們對FinTech的應用做了以下細分：

消費信貸、商業信貸、眾籌平台、商業銀行、財務管理、消費致富、後台支付及基礎架構、股權融資、散戶投資、小微企業的金融工具、量化投資機構、銀行技術設施服務、交易安全保障、匯款服務、數據研究。

中國大陸本土FinTech市場主要分布於以下4個城市：北京、深圳、上海、杭州。

北京：金融科技行業監管部門所在地，相關企業數量比較多，且在該方面配備又眾多的教育資源，在借貸、創投方面資源集中。

深圳：金融創新機構的集中地，保險、證券業發達，互聯網金融創業氛圍十分濃厚，為其金融科技的發展奠定了良好的基礎，同時擁有深圳證券交易所。

上海：中國國內金融中心，具備良好的金融科技發展基礎，是金融科技企業競爭的必爭之地。

杭州：近年來在螞蟻金服旗下支付寶的帶領下，發展勢頭迅猛，特別是移動支付的發展環境更加濃烈。

投融資維度看FinTech

2005~2016年FinTech領域企業整體融資總額分布

（數據來源：Venture Scanner）

從以上圖表來看，2013年起投資機構加大了在金融科技領域上的投資砝碼，不過從2015年開始對於初創期企業的投資出現了下滑的勢頭，投資力量集中於中後期階段。

FinTech各領域公司的整體融資情況及公司數量

（數據來源：Venture Scanner）

以上圖標比較了金融科技里各個領域公司的整體融資情況和公司數量，其中消費級別的信貸行業發展最為發達，總融資額及公司數量均排行最高，排行其次的是支付後端領域及商業信貸領域。說明這三個領域對於金融科技的需求最大，需要有更多的技術支撐。

FinTech各個領域公司的退出情況

（數據來源：Venture Scanner）

財務管理方面金融科技企業的投資退出成功數量最多，可見這方面的企業在公司後期發展都比較優秀，能夠讓投資人得到更多的回報，投資退出幾率也更大。

FinTech的技術驅動

人工智慧

未來，在很大程度上，人工智慧的應用場景應該出現在人類所無法觸及的領域以及無用的機械工作上，抑或是應用在更加人類無法達到的精準操作上。人工智慧專家更將這方面概括為「大規模的深度學習」，並以此作為書名向同行共享了人工智慧與神經網路的相關信息。毫無疑問，大規模的機器學習人類的金融行為，也將會使得金融行業得到徹底的革新。

在金融領域，人工智慧正在逐步漸進式地深入到大數據徵信、貸款、風控、保險、資產配置、量化交易、財經信息分析等領域。這些領域在金融科技「金字塔」所處的位置都屬於頭部位置，是最高端的金融科技應用方式。

人工智慧的三種主要技術（智能投顧、金融預測與反欺詐、融資授信）均需專有類型的數據作為支撐。場景應用的方面更加偏重於信號、圖像、語音、文字、指紋等非直觀展現出來的數據，均屬於人身帶有的特徵數據。人機交互亦是同樣需要積累大量的用戶數據，其中包括了用戶的操作習慣、操作頻次、操作周期等。總之人工智慧在金融領域的應用與使用者的數據關係異常密切，隨著機器學習的不斷發展，我們將會迅速跨進智能金融時代。

下面，我們就從感知、決策、反饋這三大應用方式來解讀「人工智慧+金融」。

感知

屬於感知這一塊的人工智慧技術應用大部分需要參與者進行一些人機交互，大多屬於信息採集的形式，向數據貢獻者進行人身特徵信息進行獲取，再進行比對。比如指紋識別、語音識別、人臉識別、虹膜識別。

感知這一大項其實主要屬於數據的採集提供方，使用方包括了銀行、券商、險商、金融監管部門、P2P平台、公安司法機構、徵信機構、消費金融平台。應用場景主要有以下幾大方面：反欺詐、身份識別等。

其中我們將以指紋識別為例來和大家解讀一下感知方式的應用。指紋識別是目前最為主要的反欺詐技術手段之一，通常指可以用於唯一標識出該單位人物特徵或標識別，通常透過指紋採集和識別設備可以用於進行形成特徵集合。設備主要包括硬體屬性、軟體屬性和用戶行為，指紋識別也分主動式、被動式和混合式採集。主動式通過SDK或JS代碼在客戶端主動收集信息，較為精準；被動式主要通過在伺服器端收集通信協議和網路的特徵來進行識別，100%保護用戶隱私；混合式設備則融合了以上兩者格子的優點，適用範圍也更加的大。

諸如此類的識別方式已靈活應用於金融機構的內部流程操作、身份識別、資格確認當中，可以說這一種方式對於保護用戶金融資產的安全有著十分重要的意義。但隨著技術的不斷提升，這些技術的商業化也將會不斷的革新，會有越來越便捷以及安全的感知識別方式出現，落後的方式將會被市場所淘汰。

決策

人工智慧與大數據是共生共長的有機體。人工智慧，如人或超越人地自動感知，獲取數據之後就需要經過演算法、模型構建超人的神經元網路，處理不平衡的數據，進行方向性的擬合，直接指導金融行為的操作。

在這一方面，目前應用最為廣泛的金融行為當屬量化交易。目前我國國內有聚寬JoinQuant、新三板企業祥雲信息等量化交易平台供用戶基於二級市場交易的大數據搭建屬於用戶個人的交易模型，這些平台培養用戶使用如Python等語言進行程序的撰寫，直接地透過自己搭建的模型進行交易產品的篩選、交易。目前為止，我國的量化交易尚處於起步階段，但在美國和英國這樣的金融高地，量化交易早已成為常態，市場上只有少數的散戶投資者在進行沒有量化的交易行為。

除此之外，在選擇各種各樣的理財產品以及互聯網保險、互聯網消費金融產品的問題上，人工智慧也能幫上大忙。基於公開的大數據，對金融產品的收益判斷、投資行業分析、投資周期、投資結構的綜合模型，也在替B端的金融產品公司不斷地調整自己的產品方向，以打造出最適合市場的產品。

更甚的是在徵信系統的處理上能夠透過信息的篩選判斷，對於申請人的資質進行判斷，能夠直接免人工地對不合規的申請人進行排除，這對於金融機構的風控體系有著直觀重要的幫助，大大提升了效率。而一系列的智能風控模型體系提供商早已完成商業化，對外輸出自己的智能風控產品，中國遍地的互聯網金融及傳統小微金融機構急切需要引入這樣的風控體系。

反饋

其實人工智慧機器學習是一個完整的閉環，在金融行業的應用上同樣如此。在經歷過前期的判斷整合進行直接操作之後，操作行為的效果搜集也至關重要。這一行為我們之所以將它判別為「反饋」，是因為人工智慧有一個不可忽視的特性，那就是再學習，循環不斷地再學習，以獲取更符合模型設想的結果，是反饋操作的初衷。

所以說其實在金融行業中人工智慧反饋行為的體現，其實是與決策環節起輔助作用的，並且不斷地幫決策更加高效。

可能面臨的危險

用戶隱私被泄露

人工智慧的背後，是局域大數據及智能演算法的繼續升級，人工智慧系統通常具有記憶功能，通過收集、統計、分析用戶的數據不斷提升自己的智能型。如果被黑客入侵，用戶隱私可能被泄露，輕則用戶信息被不法分子掌握，重則危害用戶財產安全甚至人身安全。

技術面臨失控的風險

人工智慧在短期內的影響取決於誰來控制，長期影響取決於它是否受到控制。一旦應用環境和數據脫離用戶的可控範圍，尚無技術避開人工智慧失控帶來的風險。

故障排解及行為監管成本上升

人工智慧自身的負載性及系統風險性的增加導致故障排解成本將大幅度提升。在現有法律監管體系下，對機器及運行程序故障造成的損害，難以有效界定責任主體及責任份額。

大數據

業內人士指出，中國的互聯網行業早就已經進入了DT時代。所謂的DT，也就是DataTechnology，數據科技的時代。在現在的理解當中，數據早已成為了企業和個人的資產，在金融領域這個概念也毫不例外，大數據同樣為FinTech的發展起到重要加速作用。

首先，我們先看看金融科技生態相關技術層級陳列圖示：

大數據，作為金融科技行業技術金字塔底網上的第二層位置，說明它具備基礎性和可供從業人員靈活應用的特性。

研究機構「Gartner」認為大數據是需要新處理模式才能有更強的決策能力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。可見，作為一種資產，對於處於新互聯網時代的金融業機構來說，如何挖掘他們和良好地運用它們，將成為未來幾十年的重點課題，同時這一波浪潮也帶動起了新一波的金融消費增長和金融消費者盈餘。

目前，全世界的金融創新很大一部分都在做著金融與大數據的結合。處理數據的維度越豐富，對用戶和市場的畫像就能夠描繪得越準確。金融機構對於所處行業的大數據掌握得越豐富、越細緻，那麼所能開展的金融業務也會越多。掌握了巨量互聯網用戶數據的世界級互聯網企業，無一不參與到金融業的發展中來。從目前的表現來看，他們當中在支付、消費金融、貸款、基金、眾籌等領域的發揮異常突出，與他們所掌握的巨量大數據有著不可分割的關係。

我們透過對於目前金融大數據的熱詞分析，找到了以下目前最火熱的FinTech大數據相關辭彙：

大數據的金融場景應用

在2016年7月，36氪研究院發布的「科技煉金，融匯未來」——《FinTech行業研究報告》中就從兩個個不同的階段對大數據的應用進行了解讀：

FinTech1.0：數據+信息，初入分析門檻；

FinTech2.0：多維度多層次的大數據分析，以信用及定價為核心的主要應用場景。

在FinTech1.0階段，大數據技術的主要應用是集中於第一和第二層次，即數據架構和信息整合，初步進入第三層次，進行簡單的初步分析和決策。

而到了FinTech2.0階段，經過多年的數據發展和積累，大數據的數量、分析速度與數據種類都發生著極速的變化。可穿戴設備、 智能家居等智能硬體的興起，再次擴充了數據的維度，使得可獲取的數據維度擴展到線下。目前，大數據已經發展到公司及第三方處理分析大量終端用戶數據的階段，為金融科技公司提供了良好的數據基礎，進而促進了個人徵信、授信、風控以及保險定價等金融領域的發展。

大數據分析的主要金融應用：個人徵信、授信與風控。

個人徵信、授信及風控主要是圍繞借貸環節進行的，覆蓋貸前評估、貸中監控和貸後反饋三個環節。

貸前評估：國內個人徵信試點於2015年才開始試行，最具代表的是芝麻信用。阿里體系的交易數據以及螞蟻體系的金融數據形成強有力的數據支撐，自主研發信貸模型可用以支持銀行、小貸機構進行徵信及授信活動。信貸模型的訓練需要人工智慧技術作為輔助，通過機器學習不斷完善模型並實時校正。

貸中監測：主要是通過用戶在貸款期的行為數據來發現問題客戶並及時報警。

貸後反饋：基於用戶本次貸款期間的數據，對該用戶原有信貸記錄評分進行補充，提升或降低其信用額度以供後續使用。

除此之外，大數據在金融領域的應用還有：消費金融、供應鏈金融、財富管理等。

消費金融：其實是依賴於大數據的用戶徵信信息而生。消費貸、學生帶、工薪貸等容易產生長尾效應的金融產品，必須要用戶的相關信息進行信用評分和欺詐風險的防控。這與傳統金融借貸類似，以用戶相關信息為基礎進行銀行內部信用評分，再由借貸員手動輸入客戶信息來綜合判定放款風險。而互聯網技術則可基於自有的巨量用戶數據透過自建的風控模型進行評級來防控風險，最直接的例子便是芝麻信用分、白條等。

供應鏈金融：由互聯網供應鏈平台的發起者主導，根據情況不同的中小企業客戶的風險偏好提供差別金融服務。這些平台自有一套成型的大數據驅動的供應鏈體系，為供應商和訂單方提供借貸、過橋、分期付款等服務，如京東供應鏈金融就是如此。

財富管理：旨在合理地為客戶配置資產，為客戶提供投顧建議。目前許多互聯網公司就是從這一個切入點著手，打破傳統金融盲目選擇的盲點，透過人工智慧技術智能地推薦合適的資產進行配置。

以下是中外熱門的金融大數據分類彙集（列出的企業僅為該領域的數家代表性企業或機構）：

大數據面臨的風險

數據竊取

大數據採用雲端存儲處理海量數據，對數據的管理較為分散，對用戶進行數據處理的場所無法控制，難以區分合法用戶與非法用戶，容易導致非法用戶入侵，竊取重要信息，在網路空間，大數據更容易成為攻擊目標。

非法添加和篡改分析結果

黑客入侵大數據系統，非法添加和篡改分析結果，可能對金融機構以及個人甚至政府的決策造成干擾。

個人信息泄露

面臨用戶移動客戶端安全管理和個人金融隱私信息保護的雙重安全挑戰，企業較難在安全性與便利性之間達成平衡。

數據存儲安全

「數據大集中」在中國金融業獲得廣泛認可，一些大型券商和銀行紛紛建設數據種子作為金融服務的核心和基礎，大數據對數據存儲的物理安全性、多副本性要求較高。一方面各類複雜數據的集中存儲易出現存儲混亂，造成安全管理違規；另一方面安全防護手段的更新升級速度無法跟上數據量的非線性增長，大數據安全防護容易出現漏洞。

風險防控建議

建立大數據金融系統

大數據金融生態系統是指金融大數據與從事大數據金融活動的個人、家庭、廠商、政府、非政府組織等社會行為體之間共同形成的動態系統整體。

各主體在從事金融交易活動時會產生海量金融大數據，這種大數據呈幾何增長，構建海量金融大數據與大數據金融活動相互影響的大數據金融生態系統非常重要。加強對系統內不法行為的規制，杜絕信息篡改、竊取，保護個人隱私，促進信息流的良性循環，保證數據的真實可靠。引入信用系統、評級系統等，強化金融大數據系統的安全性和可靠性。

規範數據提取及交易程序

一方面，明確收集大數據主體。大數據的產生包括兩個渠道，一是來自法律授權收集，二是公民使用網路設備自動形成的信息記錄。兩種信息源頭的信息混雜在一起，形成更為精準、私密的信息。針對此類信息的收集，目前無法做到程序化和模板化，只能秉持兩個基本原則：利益原則和知情與許可原則。

另一方面，明晰數據交易主體。大數據是靜態的提取與存儲過程，也是動態的交易過程。在金融領域，不論是個人信息、企業信息還是政府信息都非常重要，應嚴格審查和審批參與大數據交易的主體及其掌握的信息，從信息供給層面予以規範。

區塊鏈

近年來，隨著比特幣、萊特幣、以太坊還有一些山寨虛擬數字貨幣價格的不斷攀升走高，區塊鏈技術開始步入大眾視野。那麼，這一技術在金融領域是如何被應用的呢？

簡述區塊鏈

區塊鏈本質上是一個去中心化的分散式賬本資料庫（在與比特幣相關的區塊鏈應用中可使用這一術語，但區塊鏈技術可能並不包含「賬本」）。其本身是一串使用密碼學相關聯所產生的數據塊，每一個數據塊中包含了多次網路交易有效確認的信息。

什麼是去中心化？

你和賣家的交易都是圍繞支付寶展開。因此，如果支付寶系統出了問題便會造成這筆交易的失敗。並且雖然你只是簡單的買了一個商品，但是你和賣家都要向第三方提供多餘的信息。因此考慮極端情況，如果支付寶跑路了或者是拿了錢卻不承認你的交易，那麼你就悲劇了。

而去中心化的處理方式就要顯得簡單很多，你只需要和賣家交換錢和手機，然後雙方都聲稱完成了這筆交易，就OK了。

可以看出在某些特定情況下，去中心化的處理方式會更便捷，同時也無須擔心自己的與交易無關的信息泄漏。

區塊鏈價值--自由流通

今天的互聯網，已經近乎完美地解決了信息傳遞的問題。那區塊鏈解決的問題呢？答案是：信任。因為互聯網技術還不能完全實現點對點的價值傳遞，必須要透過第三方來完成。信息傳遞可複製，價值傳遞則需要保證權益的唯一性，所以目前價值的傳遞需要依賴中心機構承擔記賬功能。區塊鏈的出現可以使得價值傳遞不在完全依賴於中心機構，可以實現價值的點對點轉移。

區塊鏈這種分散式總賬技術，可以讓各參與方在技術層面建立信任，也就是說全世界都是你的見證人/公證方，有很大的潛力形成價值互聯網。構建可信任的多中心體系，將分散獨立的各自單位，提升為多方參與的統一多中心，從而提高信任傳遞效率，降低信任中介這一交易成本。

發展目標

簡單來說，區塊鏈技術應用的發展目標可歸結為以下四個：

（1）快速應用構建：多模式的賬本結構及業務模型；

（2）海量用戶支撐：高效交易驗證和同步，支撐千萬甚至億級以上的規模；

（3）隱私許可權設置：通過配置豐富的許可權，依據應用需求進行隱私保護；

（4）解決權益糾紛：透過可編程的合約開發，程序化管理約定。

區塊鏈對於金融的顛覆性意義

在國內的供應鏈金融、數字票據、P2P理財、電子貨幣、小額信貸、跨境支付、抵押品管理及合約執行等互聯網金融領域，區塊鏈技術都有著廣泛的應用前景，可以更好地對接金融機構與非金融企業。目前，在區塊鏈投入實際的應用場景中，積分管理平台和產品溯源領域有實際的應用。

而未來幾年內，區塊鏈最激動人心、規模最大的應用領域之一，就是物聯網。區塊鏈解決了物聯網海量設備和節點之間的信任問題及金融交易，各種設備將能夠與基於區塊鏈的分類帳戶相互溝通，以更新或驗證智能合約。

區塊鏈技術孕育著對商業的重新想像。過去幾年中，人們對於科技與業務的關注大都集中於交互系統——移動、社交與雲技術，而記錄系統技術似乎陷入了停滯，乏善可陳。隨後問世的區塊鏈技術讓我們能以全新的眼光看待這個世界，它極有可能完全改變商業合作以及人們與社會互動的方式。從銀行與航空公司訂票系統到社會保障以及與車管所的互動，每一件事情均有可能發生改變。

小結：

看了上述解讀，你是不是對中國科技金融的發展路徑和模式更加了解了？信息技術和金融的深層融合深刻地改變著金融服務的運作方式，我們有理由相信，未來，FinTech在新金融發展形態中起到的作用將越來越突出。