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(78页珍藏版)》请在咨信网上搜索。
1、如虎傅翼 革故鼎新FinTech金融科技行业研究报告 报告摘要科技与金融的融合动力主要体现在其对价值流通的加速能力以及流通过程中产生的风险控制作用 金融是在不确定的环境中进行资源跨界的最优配置决策行为,其本质是价值流通。在目前阶段,科技的介入可以加速解决传统金融的信息采集、风险定价模型、投资决策、信用中介等痛点,大数据、云计算、人工智能、区块链等均是FinTech重要的技术维度驱动力。大数据风控发展较快,区块链和智能投顾仍处于早期阶段。就目前来看,具备一手信源,在数据维度、量级和鲜度上具备优势的大数据风控公司和持有牌照和用户存量的互联网金融公司转型为智能投顾公司,都具备一定优势。 大数据风控作
2、为征信数据覆盖不足的补充,具备一定参考价值,目前该领域发展较快,数据维度、量级和鲜度足以构建壁垒,但仍存在信息孤岛、维度割裂现象,独立性问题也饱受质疑。目前,其在金融行业的应用主要包括风险控制、风险定价、舆情分析和精准营销等领域。 区块链技术是一种基于P2P网络协议的分布式数据库,解决的是价值传输的问题,数字货币是其目前最成熟的应用。目前,区块链还处于极其早期的阶段,理论上区块链可应用于资产证券化、记录存证、跨境支付、物联网、供应链金融、智能合约等多个场景。 智能投顾领域,美国发展较为成熟,中国超过78%的智能投顾企业还处于A轮以前,整体行业还存在巨大发展空间。另外,由于我国市场有效性和参与者
3、构成都于美国有较大差异,不可照搬美国产品,只能开发适应中国市场特色的智能投顾产品,技术难度也将远超美国。2目 录 Contents 一. FinTech行业综述 FinTech发展历程 FinTech发展驱动力 二. 大数据风控 大数据风控行业概述 大数据风控产业链图谱及参与者分析 风险之一欺诈风险分析 风险之二信用风险分析 大数据风控技术未来发展分析 三. 区块链 区块链行业概述 区块链项目数量及融资情况分析 全球区块链投资机构及创业公司Top10 区块链产业链图谱 区块链技术未来发展分析 四. 智能投顾 智能投顾行业概述 智能投顾人工投顾对比 中国市场其他市场对比 行业参与者竞争力分析 政
4、策监管 智能投顾产业链图谱 五. FinTech行业总结 FinTech行业总结 未来发展投资机会分析 致谢 CHAPTER I FinTech行业概述 FinTech发展历程 FinTech发展驱动力1. FinTech行业概述1.1 FinTech发展历程1.2 FinTech发展驱动力FinTech行业概述医疗卫宁健康科技与金融的融合动力在于加速价值的流通能力 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,其本质是价值流通。从此角度看,科技与金融的融合动力主要体现在其对价值流通的加速能力以及流通过程中产生的风险控制作用。目前为止,金融与科技融合主要经历了三大发展阶段:金融IT阶段
5、、互联网金融阶段、金融科技阶段。 指金融行业通过传统的IT软硬件来实现办公和业务的电子化,提高金融行业的业务效率。 代表性产品包括ATM、POS机、银行的核心交易系统、信贷系统、清算系统等 金融业通过互联网或者移动终端渠道汇集海量用户,本质上是对传统金融渠道的变革。 代表性业务包括互联网基金销售、P2P网络借贷、互联网保险、移动支付等。 金融业通过大数据、人工智能、区块链等最新IT技术,大幅提升传统金融的效率。 代表技术如大数据风控、智能投顾、数字货币等。金融IT互联网金融金融科技图示:科技金融变革历程 人工智能大数据区块链 传 统 金 融 行 业智能投顾量化投资大数据风控数字货币互联网银行移
6、动支付供应链金融其他5 金融科技即是我们通常所说的FinTech(Financial Technology), 其与前两阶段最大的不同之处在于, 金融IT和互联网金融阶段是金融业内部的变革,主要作用在于提高业务效率,而FinTech则主要是由外部科技 公司对传统金融行业所提供的产品及服务进行革新,可以解决传统金融的信息采集、风险定价模型、投资决策、信用中介等痛点,大数据、云计算、 人工智能、区块链等均是FinTech的重要技术推动力。 CHAPTER 大数据风控 大数据风控行业概述 大数据风控产业链图谱及参与者分析 风险之一欺诈风险分析 风险之二信用风险分析2. 大数据风控2.1 大数据风控行
7、业概述大数据风控行业概述医疗卫宁健康大数据技术助力企业拨开迷雾, 发现市场真相 金融是个强数据导向的行业,大数据技术的发展极大地促进了金融行业的发展,其在金融行业的应用目前主要包括了风险控制、风险定价、舆情分析和精准营销等领域。我们认为,大数据对金融行业最根本的推动作用在于其可以帮助金融企业发现市场真相,进而能够更好地进行资源的优化配置。众包数据源数据存储数据挖掘机器学习模型应用资源配置 众包指的是把过 磁盘 模糊匹配 支持向量机 评估 风险控制 舆情分析去由员工执行的工作任务,以自由自愿的形式外 云存储 数据预处理 文本分割与词条分析 朴素贝叶斯分类 线性降维算法 决策树 迭代反欺诈征 信
8、授信竞争环境洞察预测股市波动调整创投方向包给非特定大众网络的做法。图示:大数据在金融行业的应用步骤 神经网络 逻辑回归 风险定价 精准营销人保偏好推荐车保运营推广2015Q2,金融大数据获投企业四分之三为大数据风控公司,此高点与2015 年4-6月份的上证综指峰值相吻合2014.01-2017.06大数据应用层各领域投资事件数量(个)2015Q2,金融大数据领域获投数量环比上涨120%上证指数602000504030201002000金融大数据上证指数医疗大数据其他领域数据来源:36氪创投助手App 目前大数据在金融行业首要落地场景便是大数5000据风控。我们整理历史4000投资事件中发现,金
9、融3000大数据融资数量整体均高于其他细分领域。并 且,在2015年Q2时, 融资数量达到一个峰值, 其中3/4为大数据风控公司。在经过2015年Q3到2017年Q1的低潮后,融资数量如今再次达到历史新高。72. 大数据风控2.1 大数据风控行业概述2.2 大数据风控产业链图谱参与者分析大数据风控产业链图谱医疗卫宁健康大数据风控产业链图谱与参与者分析 我国大数据风控产业链条可分为数据生产主体、数据供应方、数据加工方和数据使用方四部分。数据生产主体个人企业 数据使用方数据供应方数据加工方图示:征信市场产业链分析;来源:36氪研究院82. 大数据风控2.1 大数据风控行业概述2.2 大数据风控产业
10、链图谱及参与者分析大数据产业链参与者现状分析医疗卫宁健康大数据风控产业链图谱与参与者分析 数据生产主体:此处的主体主要指个人和企业,数据在此环节产 生,后流入数据供应方。以个人为例,此环节主要存在两方面问题:1. 缺乏主体意识,主要表现在无自我数据保护意识, 隐私泄露严重。2. 存在侥幸心理,认为偶尔的违规不会影响到其他平台的信用。随着信用平台的打通和信用生活的普及,人们将逐步提高对个人征信的认知。 数据供应方:数据供应方主要包括各大银行、电商、社交平台、公共服务机构等,其拥有数据生产主体的一手数据,可开放给下游的数据加工方。此环节存在的问题:1. 缺乏用户许可或利用用户无意识许可后,随意将用
11、户数据作其他商用。2. 在数据的反爬取方面投入较保守,缺乏保护用户隐私意识。此问题或将通过用户主体意识的觉醒和立法得到进一步解决。 数据加工方:数据加工方通过从多渠道上游数据供应方处得到数据后通过自有模型分析并产出包括但不限于信用分数、信用评级、信用报告等产品。92. 大数据风控2.1 大数据风控行业概述2.2 大数据风控产业链图谱及参与者分析*来自公开资料整理10大数据产业链参与者现状分析医疗卫宁健康大数据风控产业链图谱与参与者分析 此环节存在的问题:1. 存在信息孤岛、维度割裂现象, 在数量、相关性和维度等方面都无法得到满足。解决此问题一方面需要制定市场统一认可的风控模型,加强数据清洗、脱
12、敏等治理手段的标准化建设,进而解决数据定价问题,最终解决数据的流通问题;另一方面需要在一定前提下,央行进一步开放数据给更多下游企业以解决数据缺乏相关性等问题。2. 第三方征信行业的独立性问题。2015年1月份被央行批准的可以开展个人征信业务相关准备工作的八家企业目前仍未获得实质牌照,据中国人民银行征信局局长万存知表示*其中存在的问题之一就是其不具备独立性,存在利益冲突。此背景下,成长起了一批相对独立的征信机构例如百融金服、同盾科技等。3. 为吸引足够多的数据使用者即资金方,盲目提高客户的融资价值。此问题可能会触发系统性风险,对新兴的大数据征信行业造成难以扭转的信任风险。 数据使用方:数据使用方
13、包括了银行、消金、P2P、泛信用生活领域等对信用有知晓需求的机构。数据使用方对信用的第一需求是数据的相关性,此部分主要存在的挑战是创新数据在实际应用过程中的有效性问题,仍需时间验证。2. 大数据风控2.1 大数据风控行业概述2.2 大数据风控产业链图谱及参与者分析2.3 风险之一欺诈风险分析反欺诈是征信行业的基石医疗卫宁健康风险之一 欺诈风险分析 在风控产业链中,数据加工方需要应对的风险主要包括欺诈风险和信用风险。欺诈风险具有主观性, 是客户主动带来的风险,在发起请求时即无还款意愿;信用风险具有客观性,指的是借款人因由未能及时、足额偿还债务而违约。总体而言,欺诈是信用的基石,是贷前风控的首要步
14、骤。 根据益博睿发布的欺诈经济学:规避快速增长和创新中的风险显示中国互联网欺诈风险排名全球前三位,网络欺诈的损失达到了GDP的0.63%,仅次于美国的0.64%,而来自猎网的数据显示互联网欺诈中金融欺诈最为严重。9,0002016年互联网欺诈涉案金额(单位:万元)6,0003,0000来源:360猎网平台 当前互联网欺诈已经发展出了完整的产业链,欺诈产业链可以分为上游信息盗取者、中游信息售卖者和下游欺诈实施者以及最终的分赃销赃者四个环11节。医疗卫宁健康风险之一 欺诈风险分析2. 大数据风控2.1 大数据风控行业概述2.2 大数据风控产业链图谱及参与者分析2.3 风险之一欺诈风险分析欺诈与反欺
15、诈产业链分析信息盗取木马开发者钓鱼编辑盗库黑客信息售卖钓鱼零售商域名贩子个信批发商 欺诈实施 分赃销赃P2P平台欺诈财务会计师消费金融欺诈ATM小马仔银行信贷欺诈分赃中间人线下盗取卡贩子交易欺诈图示:欺诈产业链来源:方正证券,36氪研究院 相应地,反欺诈产业链也较为健全,主要参与者有上游数据供应商、中游第三方反欺诈机构和下游反欺诈使用方。反 欺 诈 数 据 使 用 方P2P平台消费金融平台银行其他综合金融平台 第 三 方 反 欺 诈 机 构数威胁情报库风险规则库黑灰名单用户关联图谱据机器学习回随机森林模型神经网络模型流业务规则引擎身份信息司法信息设备信息行为偏好跨平台交易记录行为分析引擎实时规
16、则引擎 数 据 提 供 方银行 公安、司法 电商 P2P平台 社交平台 征信机构 其他图示:反欺诈产业链来源:36氪研究院 下面我们将以同盾科技作为第三方反欺诈代表企业作简要分析。12反欺诈企业案例 同盾科技医疗卫宁健康创办时间:2013年地址:浙江杭州最新融资:B+轮获投时间:2016年4月融资额:3200万美元同盾科技基于大数据,提供跨行业跨应用的联防联控反欺诈服务 同盾科技创办于2013年,是国内专业的第三方大数据智能风控服务提供商,提供的服务包括业务反欺诈、信贷风控和信息核验。数据源数据分析数据应用 安全保护 反欺诈服务 安全保护 基础数据开放平台个人信息金融活动记录IP地理位置设备指
17、纹 关联分析 文本分析反欺诈服务 贷中复核贷后监控贷前预筛 图片分析模糊匹配网络行为平台工具 数据建模 数据可视化 图示:同盾科技业务框架 同盾科技以反欺诈服务见长,包括信贷反欺诈和业务反欺诈,其核心技术包括设备指纹、人机识别、黑产工具识别、代理检测、AI风控模型等。通过实时监测全网IP代理端口和接码平台,同盾建立了 设备画像、IP画像和手机号画像。目前,同盾监控的手机号码达3000万,代理IP地址达数2亿,失信名单、司法不良信息达千万级,覆盖终端超30亿*。用途描述垃圾注册为刷单、刷阅读数、抢票、薅羊毛等行为提供账号虚假IP/虚假手机号验证/绑定/解绑如果号码已被注册,可能会通过虚假号码进行
18、解绑、验证等方式收获账号的所有权隐私保护匿名自我保护或利用代理IP进入“暗网”等进行黑色产业往来13 *数据均来自于同盾科技反欺诈企业案例 同盾科技医疗卫宁健康创办时间:2013年地址:浙江杭州最新融资:B+轮获投时间:2016年4月融资额:3200万美元设备指纹是目前反欺诈的主要技术手段之一 设备指纹是指可以用于唯一标识出该设备的设备特征或者独特的设备标识,通常设备的特征集合可以用来当做设备指纹,主要包括硬件属性、软件属性和用户行为三大类。OS版系 统 设 置 软件网 络 配 置 属性浏览器GPS、IP、app应用启动时间应用操作习惯年龄性别推算输入习惯指压习惯用户行为硬件属性手机品牌Mac
19、地址手机型号imei seriaino图示:设备指纹依据特征简析来源:36氪研究院通过SDK或JS代码在客户端主动收集设备信息,来实现设备的精准识别,响应速度和准确度相对较高,但使用场景常因为隐私保护而受限。 按照配合程度不同,设备指纹可分为主动式、被动式和混合式三种。主动式设备指纹识别技术需要主动的得到设备的配合获取相应的信息,最直接的主动方法就是直接在设备上植入SDK或JS代码程序, 其响应速度和准确度相对较高,但使用场景常因为隐私保护而受限。同盾科技目前利用的主要是混合式设备指纹识别技术来做终端的唯一性鉴别。主动式被动式混合式设备指纹技术融合了以上两者各自的优点,并能将其识别结果相互印证
20、和校验,准确率进一步提高的同时,也扩大了设备指纹技术的适用范围。混合式被动式主要通过在服务器端收集通信协议和网络的特征来识别设备, 100%保护用户隐私,有更大的适用范围。同时,也具备响应时间较长、研发难度大等局限。14反欺诈企业案例 同盾科技医疗卫宁健康创办时间:2013年地址:浙江杭州最新融资:B+轮获投时间:2016年4月融资额:3200万美元同盾老赖画像显示:老赖以男性居多,平均年龄39岁 同盾目前服务客户已超6000家,其中2500余家金融领域客户,包括互联网金融、消费金融、传统金、银行保险中信、招商、兴业、民生、杭州银行、恒丰银行、阳光保险众安保险、易方达基金消费金融捷信、中银消费
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 金融 科技 行业 研究 报告
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,个别因单元格分列造成显示页码不一将协商解决,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【w****g】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【w****g】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。