2019年9 月，世界知名咨询公司麦肯锡在其报告 The Future of Asia 中表示，“亚洲世纪” 已然拉开帷幕，亚洲将成为未来世界经济的增长极和中心点。麦肯锡预估，到2040年，亚洲 GDP 将占到全球 GDP 的一半左右。 亚洲，尤其是东亚、东南亚的经济发展极富活力，区域内的商务往来及创新合作也日益频繁。目前，东盟已成为中国第一大贸易伙伴。2020年上半年，中国对东盟进出口 2.09万亿美元，同比增长 5.6%, 占中国外贸总值的14.7%。与此同时，东亚及东南亚地区创新合作日益深化，诸如阿里、腾讯等有实力的中国企业纷纷出海南洋，积极投资东南亚初创企业，扶植培育了一批模式新颖的独角兽。 风劲好扬帆，当下正是中国企业出海东南亚的最佳时机。我们身处一个选择和进取同样重要的时代，纵观东南亚诸国，人口结构年轻，经济发展迅速，社会治理正不断向现代化迈进。以历史的眼光看，出海东南亚，既符合企业做大做强的眼前利益，也符合企业做实做长的远期目标。 而在东南亚国家中，新加坡可谓是十分理想的出海前哨站。得益于地缘政治及港口优势，成长于几代人民筚路蓝缕，今日的新加坡宛如马六甲海峡上一颗耀眼的明珠，发达的经济是新加坡引以为傲的国家名片；包容的文化、进取的心态则是新加坡生生不息的力量源泉。从新加坡出发，就是为了更好地融入全球市场。 尽管前景广阔，但我们应当看到，出海东南亚，同样是机遇与挑战并存，收益与风险同在。东南亚各国的商业生态有什么异同？如何寻找得力的当地伙伴？如何同本地政府与社会团体友好相处？如何解决财务、用工方面的具体问题？这些问题，直接关系到出海企业的征程能走多远。 为了切实帮助企业了解东南亚商业及创新事业的新发展和新机遇，打破投资兴业与商业活动中的信息壁垒，拓宽企业发展的思路，新加坡经济发展局（EDB）联手 KrASIA 共同举办新加坡X亚洲创新合作论坛 2020，联动大中华区及东南亚顶尖的投资机构和企业，分享在东南亚地区的投资与商业经验，共话当前企业面临的机遇与挑战。相信这样一场活动，能够帮助广大参与者拨云见日，从宏观和微观两个视角了解在东南亚投资、创业、经营的全流程和重难点，积累行稳致远的必要知识。 本次论坛将分为智慧城市、金融科技、深科技三个板块 ，现在我们将限时开放全部三场活动的报名，请点击下方链接抢先注册早鸟票，同时抢占与嘉宾互动的观众席位。报名成功后，请文末扫码添加36氪出海运营，加入活动社群。 报名链接：https://www.huodongxing.com/event/655276529312 在活动前期，我们荣幸地采访了部分受邀嘉宾，嘉宾们针对东南亚新经济发展趋势、中国企业出海和本次活动安排等话题发表了自己的观点： 今年对东南亚的新经济发展趋势有哪些方面的预测？ Alex Lau, Anacle 首席执行官: 传统经济在疫情期间遭受了重大的打击，暴露出劳动密集型的生产方式未来将变得不可持续，虚拟经济、数字化转型、万物互联、云服务一定是未来的发展趋势，依托大数据分析和机器学习进行决策，也会成为未来商业社会的必然选择。今后，智慧城市相关的科技将会迎来爆炸式发展，当然我们也注意到，东南亚很多国家还没有资金和技术能力来支撑这次转型，所以各国必须携手共进。 Yau Teng Yan，Holmusk 首席医药官： 新冠疫情是前所未有的黑天鹅事件，我预计这一事件将对东南亚地区产生较大影响，但同时也为科技发展，尤其是大健康领域的技术发展带来了新的机遇，我们已经注意到，各方对大健康领域的深科技研究产生了浓厚的兴趣。疫情当前，人们对于健康的观念有所转变，政府对于相关产业的管控也会发生变化，这有可能将健康护理类产品全面普及的时间提前3-4年。 黄佩华, 启明创投 合伙人: 东南亚的新经济今年受到疫情影响，短期（除了纯线上的服务领域）会比较艰难，但中长期来看会发展的更快。主要的原因是数字化得到了很大的推动。疫情期间，用户使用在线产品和服务，企业在远程办公期间也开始利用各种办公软件和SaaS服务。在金融领域，我们一直看好普惠金融的大趋势，移动支付会推动数字经济的发展，使得线上服务更加便捷，线下的交易也可以跟线上打通，形成一个循环。电子钱包积累的数据对每个用户的征信也会有很大的帮助。 黄榆镔，云启资本 创始合伙人: 东南亚是一个正在高速发展且有很大未来潜力的市场，GDP 增速快，人口基数大，同时东南亚与中国的文化具有许多相似性，便于跨国团队管理，所以许多中国企业选择将东南亚作为“出海”开展业务的关键地，其 To B 的企业也越来越多。我们投资的一些金融科技、无人驾驶、基础软件公司也在积极地进行尝试。虽然有这些明显的优势，要想在这个市场乘风破浪，除了运用一些中国经验，创造价值增量，还需要关注一些社会结构性趋势变化，搭建多元化的团队，加强对当地文化、用户习惯、监管法规等方面的认知。 如何看待中国公司在东南亚开展业务和创新的优势和挑战？ 姚乃胜，京东数科 副总裁: 在一带一路的框架下，中国将继续同东南亚的企业共生发展，稳健开拓。首先，中国企业在东南亚取得了阶段性的成果，比如华为在东南亚多个国家都得到了当地用户的认可。第二，当地企业和中国建立了深厚的信任和友谊，包括泰国的 Central Group 同京东。第三，疫情给很多企业带来巨大挑战。在这种情况下，我们既要控制好风险，又要在危机中寻找机遇，优秀的企业家不会浪费任何一次危机下的洗牌机会。第四，我预判在疫情的背景下，数字化的浪潮可能会加快。 宋玄壁, 众安科技国际集团 首席运营官： 中国公司与东南亚公司有着更相似的文化背景、商业逻辑，很多东南亚公司都有来自中国的股东，对于中国经济的发展也非常清楚，所以中国公司与东南亚公司有着天然的联系。但中国公司在东南亚开展业务还需要尊重当地的文化、法律法规，多与当地公司合作，追求平等互利；在国际化人才储备上，中国还有很长的路要走。 Santitarn Sathirathai, SEA Group 首席经济学家： 东南亚各国本身在经济、文化和数字化生态建设程度差异巨大。但更为关键的是，每一家在东南亚发展的公司都必须要对当地经济发展模式和文化有深刻的认知。尽管外国公司能够带着全球的创意落地，但也必须在各个单一市场做到本地化，要适应本地市场持续的变化。 Oliver Tan, Visenze 首席执行官： 在我看来，中国公司出海东南亚会面临三项挑战：第一，本地化。东南亚6.5亿人口极其多元，方言众多，经济发展水平也不同。第二：物流。“东南亚自贸区” 尚未落地，跨境物流的效率仍然有待提升。第三，数据。在东南亚，各国数据化建设程度不尽相同，这就导致跨境传输数据存在困难。但同时，中国公司出海东南亚也有一些优势：中国企业成长于高度竞争的市场环境，业务沉淀较为深厚；中国与东南亚距离较近，具有物流优势；中国在 AI、5G 技术上有较大的技术突破，这些都是中国企业出海东南亚的加分项。 李剑威，真成投资 管理合伙人： 中国的创新企业在国内经过充分竞争之后，在研发和经验方面有一定的优势，但是东南亚本地的公司，在对市场和消费者理解方面，肯定比外来者更深入，竞争的关键在于把别的市场的经验跟本地情况相结合，形成接地气的有效的策略。 对此次活动的期许： Reuben Lai, Grab Financial Group 高级总经理： 疫情对我们的生活方式带来了重大影响，我们预判，疫情期后，随着线上平台的发展，消费者的习惯会产生巨大的转变。我们将持续见证消费领域的数字化转型，我们也希望看到消费者未来更加关注公共安全及公共卫生问题。在 Grab，我们会持续关注变化，从而帮助用户及合作伙伴更好地面对疫情后的世界。我们相信，持续探讨这类“新常态”问题至关重要，我们也希望在本次论坛中分享我们在创新方面的努力，并针对当下形势提出可行举措。 Paul Santos, Wavemaker Partners 管理合伙人： 我希望在论坛中了解一些合伙企业运作的的实例。既可以是成功的经验分享，也可以是过往合作投资的解析。我希望能够在论坛上了解到不同的企业是如何在合作中既贡献自己的力量，又从伙伴身上汲取有益的知识。 Kay-Mok Ku, Gobi Partners 管理合伙人： 我非常希望论坛中能讨论关于亚洲地区供应链系统联动的话题，同时，鉴于东南亚正处于第四次工业革命（信息化革命）的关键时期，我也非常想了解东南亚产业转型和生产力提升方面的议题，比如智慧城市、智慧工业等等。 活动海报： 关于主办方： 新加坡经济发展局（EDB）: 新加坡经济发展局是隶属于新加坡贸易与工业部的法定政府机构，负责规划战略，旨在加强新加坡作为全球商业、创新和人才中心的地位。 报名成功后，请添加36氪出海运营，回复「EDB活动」，进入EDB活动社群。 寻求报道、与作者交流、商务合作、投稿转稿等也敬请联系出海运营。
2020年8月7日-9日，第五届CCF-GAIR全球人工智能与机器人峰会，于深圳隆重举办。此次峰会由中国计算机学会主办，香港中文大学（深圳）、雷锋网联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。在8月9日的「AI金融专场」中，《AI金融评论》邀请了6位最具代表性的顶尖AI金融专家，分享能够代表未来10年风向的智能技术方法论、产品逻辑和风险管理理念。首先登场的，是微众银行首席AI官杨强教授。联邦学习和隐私计算，是今年所有金融巨鳄和科技寡头们，都在重点布局的重要技术方向。作为这一领域的全球领军人物，杨强也在会上带来了他在前沿研究与产业应用的真知灼见。以下为杨强教授演讲全文，雷锋网AI金融评论做了不改变原意的整理：先简单介绍一下，微众到现在有五年的历史了，目前有大概两亿的个人用户，还有将近百万的小微企业用户。这么短的时间可以获得这么大的用户群，应该说很大程度上是取决于技术上的创新，包括云计算、大数据和人工智能。其中一大亮点就是做连接，把不同的企业连接成一个生态。在这个过程当中，AI是不可或缺的——正如今天的主题：AI到底在金融界能起到什么作用？我们在很短的时间内汇聚了很多人才，这些人才主要在四个方面把互联网银行大致规模化、模型化了。这四个团队把微众银行内部和外部的业务过程、经验总结成了模型，这些模型可以供应给其他行业一键下载、一键装配，比如可以做营销、服务、资产管理，把金融的前台和后台都包括了。迁移学习和联邦学习也是如今比较突出的两项技术，可以把整个金融业务再往前推进一步。我们可以把未来的银行想像成从左到右的流程，最左边的是获客，这是任何企业都需要做的，要找到有价值的客户，对客户进行安全评估、风险信用评估，尽早发现可能的欺诈行为。评估办法之一是参考央行的征信数据，但国内很多人没有征信数据（信用分），而且它只是一个维度，所以我们需要把维度变得更加丰富。还有运营、监管、对沉睡用户的唤醒、7×24小时的客户服务，里面都有人工智能的影子。分布性数据隐私保护、联合建模的挑战和需求在所有这些过程当中有一个主线：如何能够顺利把尽量多的数据用起来。我们联邦学习的宗旨是数据不动模型动，这是一个做法，目标就是数据可用不可见：数据可以用，但是别人的数据我是见不到的，所以可以把数据加入到生态里面来共同建模，一些散乱的小数据就可以成为虚拟的大数据，这是我们的思想。这个思想的初衷其实是，现在很多行业并没有真正意义上的大数据，像在金融里面有很多的数据，其实是黑天鹅现象。比方说在反洗钱应用中用于模型训练的洗钱案例，其实数量并没有想象中那么多，还是属于少数现象。这种数据拿它来训练，效果不是很好。如果要用人工智能改变很多行业的话，其实都没有高质量、有标注、不断更新的数据。第四范式公司在实践当中就发现，如果要为大额贷款做一个营销模型或风控模型，数据往往是在上百例以内，这点样本是没有办法训练一个好的深度模型的，所以他们的做法是从小额贷款到大额贷款做迁移学习。每个人也都有手机，手机都是联到云端的，每个手机上的数据，每时每刻都在更新，都有新的图片、新的声音、新的文章可以点击，每个手机上的信息又是私密的，如何保证私密不传出去，又能让云端的大数据模型得到更新呢？大家都熟悉无人车，比如有一千辆无人车，每辆车见到的数据都是有限的，我们能不能让一千辆车的数据汇聚成一个虚拟的大数据，同时又不暴露某个车看到的某个场景？这就是分布性数据隐私、联合建模的挑战和需求——能不能把小数据聚合起来成为大数据？问题是，现在监管和社会的要求也非常严格，老百姓、社会对于技术工作者的要求是首先要保护隐私。政府也纷纷立法，比如欧洲建立了GDPR的数据法规。我们国内也有相关的保护法，在国家层面、地区层面，大家都在探索类似于、甚至更加严格于GDPR的数据法规。所以，简单粗暴地把数据从A传到B是违法的。透视联邦学习联邦学习，“邦”的意思是每个实体参与者地位都是相同的，无论大小，提供的价值才是他们存在的意义。“联”就是用一种方式把它们联起来，把隐私保护起来，同时又可以做一些有意义的事情。用一个简单的例子来解释：假设用一只羊来类比机器学习模型，草就是数据，我们希望羊吃了草以后能够长大。过去的做法是，把草买到一起来建立模型。比方说左边的模型，左边的箭头是指向羊的。羊不动，但是草被购买到中心。相当于简单粗暴地获取数据，形成大数据，来建立模型。但我们希望能够保护各自的隐私，所以让草不动，让羊动。这样羊既能吃那个地方的草，主人又不知道到底吃了哪些草，久而久之羊就长大了——这个就是联邦学习的新思路，就是让草不出草场，本地主人无法知道羊吃了哪些草，但是羊还是长大了。这个思想的关键是，当我们的模型从一个地方传到另外一个地方的时候，要传尽量少的东西，同时传的模型参数要被加密。图右这些带有一个框的W就是加密的意思，在本地加密，就只能在本地解密。现在有一种穿透式的加密，把所有的加密包放在云端的时候，还可以对它进行更新操作。比如对这个模型的集成更新，用集成学习。谷歌就提出了“对模型联邦平均”的做法，还有其他比较复杂的方法如神经网络等。这种做法分两种数据格式，一种格式是把样本分割，放在终端，像图左边所表示的一样，这是横向联邦。还有一种是纵向联邦，沿着特征把数据分成几块，每一块属于一个机构。比如有两家医院，双方数据可能在用户上有很多重叠，可是在特征上面没有很多重复。比如其中一家医院做的是胸片，另外一家做的是核酸检测，如果联合就可以做更好的模型。但出于隐私或利益等原因，他们不愿意互传。这时就可以用如图所示的方式，可以让一方的数据在加密状态下传到另一方，参与模型更新，重复多次后得到最优化的模型。有新用户的时候也是通过加密传输，使中间结果得到运算。纵向联邦适合to B的场景，横向联邦适合to C的场景。谷歌用的比较多的是横向，我们微众用的比较多的就是纵向，当然也有混合的用法，横向中有纵向，纵向中有横向。在座的朋友们可能会问，联邦学习跟以前的分布式AI、参数服务器、联邦数据库有什么区别？过去，分布式AI和联邦数据库里面，数据的形态、分布、表征都是一样的，是同类的。在联邦学习里面，它们可以是异构的，特征不一样，分布也不一样。从机器学习的角度来说，更加复杂。同时，隐私保护是第一性的要求。过去，分布式AI和联邦数据库都是在一个数据的功能下，把数据分布在不同的数据库，目的是并行计算、提高效率。但是现在数据本身属于不同的属主，所以需要做加密情况下保护隐私的计算。可能还有听众想问，假如在多个参与者中，有一个参与者是坏人怎么办？他在努力猜你的数据，甚至在做数据的“下毒”，比如故意标注一些错误的信息，就有可能把最终的模型变成对自己有利的方向，这也是有可能的。如果原始数据是0，在OCR的场景下，另一方可以不断地接受对方的梯度猜出对方的数据。如果百分之百地采用同态加密，用联邦学习的方法，这种情况就不会发生。联邦学习的特点是引入了生态的维持机制，也就是经济学机制。如果要让联盟能够持续下去，每个参与者都要感觉到作用和收益是成正比的，这就要引入经济学或者博弈论的机制来保证持续的平衡点。总结一下，其中有很多工作要做，包括安全合规，这是跟法律层面、跟政府层面合作；有防御攻击，还有算法效率，技术应用、还有激励机制，要引入很多经济学家的工作。举个例子，因为联邦学习是一个大的框架，所以有各种各样落地的场景。比如推荐场景，大家用抖音、用头条、用电商，这个时候都离不开个性化的推荐，但是推荐是数据越多越好。如果数据来自不同方，过去是把数据买到本地来进行推荐模型的建立。可以用联邦学习来解决这个问题，这个做法是“联邦推荐”。最近我们把联邦推荐的算法应用在广告推荐的场景上，用各方的数据，最后广告推荐的场景可以个性化，但是数据可以不出本地。联邦学习如何为金融发挥作用？应用在信贷和征信系统，我们希望利用大数据建立360度的用户和企业画像，参加建立更好的征信。但是联邦学习出现以前都没有很好的技术，大家都不参与到这个生态里面，担心自己的数据被偷走。用了联邦学习以后就可以做这个尝试。比如这个尝试是一家银行和票据公司的合作，数据都不出本地，银行所提供的是这个用户贷款的关键数据，合作企业提供的是企业的交易数据，这种交易数据为企业的活跃度提供了很多的信息，这两个数据进行联邦，可以让坏账率大幅度降低。应用在计算机视觉，每个库房都有很多摄像头监控本地的库存，可以用不同视觉公司的监控数据进行供应链联邦。更多跨领域的应用，比如监管和银行、互联网和电商、互联网和医院，都可以进行联邦。建立这样一个生态，离不开行业标准。我们推进建立的IEEE国际标准这个月也会出台，国家层面也有标准。我们也推出了开源软件FATE。我用微众银行的典型案例进行总结，刚才说的联邦技术贯穿了所有前台和后台。比如智能营销，引入联邦学习以后，可以把不同的数据源结合起来，让营销提高点击率。特别受关注的是点击之后用户有没有转化、有没有变成你的用户，这个过程需要更多的数据支持，这些数据往往来源于合作者，利用联邦学习的效果可以大幅度提高20%以上。反欺诈方面，可以在人脸识别、语音识别方面都可以大幅度提高效率。风控方面，也是利用大数据把金融公司和非金融公司联成生态，大家在这个生态里面进行数据价值的交易。还可以利用另类数据，比如把卫星数据、电信数据、非传统财报数据联合起来，可以实时为投资者服务。如何唤醒沉睡的、有价值的用户？也可以用联邦学习识别这个客户有没有重新跟你合作的意愿。我们的经验是在当前这个经济形势下，是非常好的金融场景。7×24小时的机器人服务，微众现在有98%以上是机器人在做后台服务，包括对话系统、客户服务、服务当中的监管、质量检测、智能监控、反洗钱，把细碎的小数据联系起来，变成可用数据。以上就是我们的经验和总结，谢谢大家。
近日，最高法拟调整民间借贷利率上限。业内紧急讨论应对，舆论场里却没能掀起浪花。失宠于舆论，说明消费金融正走向成熟，变得模式清晰、未来可预测。但成熟都有两面性，好的一面是有共识、有规则，消除了冲击性和破坏性，坏的一面则是有惯性、有惰性，失去了多样性和灵活性。在快速变化的时代，惯性太强容易把车开进死胡同。风控的四大问题凡事均有利弊。有些弊端，在行业初期不明显，无碍大局；到了一定阶段，就会被激活，显现出杀伤力。大数据风控之于消费金融便是如此，早期几乎全是优点，随着外部环境的剧烈变化，弊端显现，一些优点也在变缺点。贷款的关键是风控，风控的核心可归结为四大问题：谁在贷款？贷款干什么？拿什么还款？还不上怎么办？在这四大问题上，传统风控与大数据风控给出了不同的解决方案。传统的消费贷款流程，强调资料证明。申请消费贷款时，银行要求借款人提供在职证明、收入证明、公积金缴费记录，甚至还要查验户口。这些证明文件，能很好地解决“谁在贷款”“拿什么还款”的问题，但手续繁琐，体验较差。引入互联网技术后，大数据风控用数据取代了这些繁琐的现场手续，便利了借款人，大幅提升了借款效率，满足了消费场景对付款时限性的要求，促进了消费贷款与消费场景的融合。对于“还不上怎么办”，传统风控强调以抵押担保为抓手。只有借款人收入稳定（如公务员、国企员工、大型企业员工等）且借款金额不高时，银行才会妥协，发放纯信用贷款。相比之下，大数据风控仍然以数据为抓手，摆脱了对抵押担保的依赖，大幅降低了借款门槛，推动了消费贷款普惠化。至于“贷款干什么”，无论传统风控还是大数据风控，都未给出解决方案，面临相似的困境：房贷、车贷、消费贷的用途是可控的，现金类贷款难以监测用途。总的来看，大数据风控更强调便利性、突出普惠性，在上行周期，给增长松开了枷锁，引领了消费金融大发展；但大数据风控也有自身的问题，行业高增长既掩盖了问题，又拖延了问题的解决，到了下行周期，这些问题开始被放大。大数据风控的“一体两翼”传统风控，以收入和抵押物为核心抓手，大数据风控给出的解决方案，可以总结为一体两翼策略：以“群体风控”为主体，以“定价覆盖风险”和“催收覆盖不良”为两翼。所谓群体风控，是指重群体、轻个体。就单个借款人来看，大数据风控做不到精准识别，偏差大（这里仅评价行业一般情况，不同机构间的大数据风控能力有显著差异），相比传统风控手段有差距；但胜在效率高、门槛低，借款人数量足够大，客观上把单个借款人风险湮没在群体之中。2016年前后，国内居民杠杆率低，且消费金融处在风口期，借钱容易，借款人个体层面的信用风险很低。只要群体层面借款人的财务状况不恶化，模型差一些也能凑合用，不会出大问题。此时，很多机构的大数据风控，追求的是反欺诈能力。相比传统风控模式，大数据风控接触的不是活生生的人，而是姓名、手机号、身份证号、银行卡号等构成的虚拟字符串。一旦虚拟字符串与真实借款人的映射关系被篡改，如身份证显示为A，实际借款人却是B，就会产生骗贷问题。综合利用人脸识别、黑名单、网络图谱等手段，大数据风控可以把业务线上化释放出来的猛兽（骗贷风险）重新关进笼子里。但很多机构的大数据风控，对信用风险评估始终重视不足，“只要不骗贷，谁都可以贷”。所谓“定价覆盖风险、催收覆盖不良”，是指在“拿什么还款、还不上怎么办”的问题上，大数据风控并未给出直接解决方案，而是依靠较高的利率定价、积极的催收进行风险补偿。大数据风控的“一体两翼”，前几年运转良好；这两年，环境快速变化，“一体两翼”正由助力变阻力。隐患在凸显从宏观环境看，这几年居民杠杆率快速上升，导致借款人群体的信用风险不可逆地攀升。疫情之后，失业率上升、收入增速下滑，更是雪上加霜。此时，行业面临的不再是中低信用风险的借款群体，“群体风控”策略正失去对行业的庇护力。当借款人违约概率普遍增大时，单个借款人的信用风险识别能力就成为消费金融类机构的核心竞争力。一旦金融机构正视信用风险评估，会发现难度比想象中要大：高质量、多维度的数据获取难度在加大，动态变化的环境对数据解析能力的要求也在快速提高。除非前期一直持续进行试错、投入，一直进行模型升级迭代，临阵磨枪是没用的。“定价覆盖风险”和“催收覆盖不良”，则因监管介入而不同程度失效。这两年，消费贷款利率定价屡屡受限，早期没有限制，导致高利贷泛滥；之后是36%的红线，倒逼高利贷平台退出市场；当前又在研究上限下调，以降低实体经济融资成本。随着定价的不断下移，刨去资金、营销、运营等刚性成本后，留给风险成本的空间越来越小了。当定价覆盖风险不可行，放贷机构只能抛弃中高风险借款人，或依靠抵押担保进行风险兜底。业务空间，正逐步收窄。催收覆盖不良，效力也已大幅削弱。疫情之下，不少消费贷款机构被“反催收联盟”钳制，正常催收都受影响。催收，再也不是解决“还不上怎么办”的致胜法宝。以上种种，环环相扣，让“一体两翼”从助力变阻力，消费金融正经历着严峻考验。一些机构的逾期率仍能保持低位，更多机构的利润几乎被拨备吞噬殆尽。扩张的惯性很多消费贷款机构，却仍活在过去“高增长、低不良”的幻觉中，过去的美好明明是风口红利，却误以为是自身风控能力超强。当对自身实力存在误解时，消费贷款机构往往会把外部挑战看作机遇，逆势而行，保持扩张的惯性。这两年，经济下行，削弱借款人的收入偿债能力；大量非持牌放贷机构破产离场，削弱借款人的借新还旧能力；利率定价中枢下行，削弱中高风险群体的融资能力；互联网贷款上征信，让多头借贷无所遁形；……一边是借款需求下降，一边是借款人整体风险上行，消费贷款机构在这种情况下逆势扩张，会带来一系列连锁反应。举例来说，KPI指标100亿，行情好的时候，业务部门能轻松营销200亿，给风控部门留有较大的挑选空间，业务与风控能和谐共处，互为促进；当前环境下，业务部门费心费力只营销来120亿，风控部门几乎没了挑选余地，自然会对抗加剧。此时，公司层面如果重视风控，会牺牲KPI保风控，接受规模的缩水；但如果对行业环境缺乏清醒认识，基于扩张的惯性以及逆势做大份额的诉求，公司层面很可能牺牲风控保KPI，必然要走入死胡同。不幸的是，很多机构既缺乏自知之明，也有扩张的惯性。随着大数据风控“一体两翼”逐步失效，即期越追求增长，未来越会以苦涩收场。空间还在，但要换个活法当然，也不是不能追求增长。增长空间还在，但增长的来源发生了改变。从我国居民负债结构看，2017年之前，个人贷款高增长主要是房贷驱动；2017年之后，房贷增速开始下行，消费贷接棒，成为居民杠杆率持续高增长的主要驱动力量。当前，监管机构对控制居民杠杆率三令五申，宏观经济形势和收入增速也不支持杠杆率继续大幅攀升，依赖于用户下沉的增长模式已经走入死胡同，未来的增长，更多地要靠中高收入群体的负债调结构。消费贷款并不是居民杠杆的全部，住房抵押贷款才是大头。即便控制居民杠杆率不增长，也可以通过内部调结构为消费贷款挤出空间。即居民房贷还本付息留出的存量缺口，由消费贷进行增量填补。不过，既然消费贷款的增长源于房贷下降产生的缺口，也就是说增长主要依赖的是有房群体和有实力购房的群体，这与过去几年依赖下沉用户、边缘群体的增长逻辑是完全不同的。这个时候，考验的不再是谁敢下沉、谁敢放贷，而是谁能有效激活中高收入群体的借贷欲望。靠什么激活呢？消费场景。过去几年的消费金融，是现金贷的风口；未来几年的消费金融，得场景者得天下。鉴于不同消费贷款机构对场景的把控力差异很大，新一轮的洗牌开始了。特别提示：近日，苏宁金融研究院发布了《2020互金二季报》，读者可在“苏宁金融研究院”公众号后台回复“2020互金二季报”，一键获取网盘链接和提取码。
历时5个月，存量房贷定价基准转换即将完成。 8月12日，工行、农行、中行、建行、邮储银行相继发布公告称，将于8月25日起，对符合转换条件且尚未办理定价基准转换的个人住房贷款进行批量转换，统一调整为贷款市场报价利率（LPR）定价方式。交行此前也曾发布公告称，于8月21日进行批量转换。 这意味着，在2020年1月1日前已发放或已签订合同未发放，且截至2020年8月24日（含）尚未办理完成定价基准转换的浮动利率个人住房贷款（不包含公积金个人住房贷款、军人公积金贷款、公积金贴息贷款），将由上述各家大行“默认”批量转换为以LPR为定价基准，期间客户无需进行任何操作。 除了国有大行外，此前，长沙银行、华融湘江银行等银行也发布了利率换“锚”公告，存量房贷利率定价基准将加速转换。易居研究院智库中心研究总监严跃进对记者表示，通俗来说，上述举措代表着“8月底房贷都要默认调整为LPR定价方式”，这将有效提高存量贷款换锚的工作效率。 举例分析，比如张先生在2015年的时候买过一套房，向银行贷了100万，约定30年内偿付完毕，当时是参考“央行基准利率*(1+浮动比例)”的方式计算月供额。而到了现在，由于上述银行政策的发布，后续其将“被强制”调整定价公式，即参考“LPR+基点”的方式来计算月供额。 其中，按照央行规定，“基点”应等于原合同最近的执行利率水平与2019年12月发布的相应期限LPR的差值，加点可以为负值。也就是说，以当前的房贷执行利率与LPR相减得出差值，以后执行的房贷利率即为LPR加上这一差值，注意这个差值可能是正数，也可能是负数。 比如，若某笔商业性个人住房贷款原合同约定的利率为5年期以上贷款基准利率上浮10%，目前5年期以上贷款基准利率为4.9%，上浮10%即为5.39%。而2019年12月5年期以上LPR报价为4.8%，那么加点幅度就为0.59个百分点（5.39%-4.8%=0.59%），以后房贷利率就按照LPR+0.59%计算。 从批量转换规则上来看，六家国有大行均包括：原合同约定的利率定价方式转换为以相应期限LPR为定价基准加点形成，从转换时点至此后的第一个重定价日（不含），执行的利率水平等于原合同最近的执行利率水平；以2019年12月发布的相应期限LPR计算加点数值，加点数值可为负值且在合同剩余期限内固定不变等，与央行此前发布的相关规定一致。 不过，关于重定价周期和重定价日的调整，各家银行不尽相同。如，工商银行表示，重定价日调整为贷款发放日对应日，若转换日与调整后的重定价日相同，则转换日当天不进行重定价，贷款自下一个重定价日重定价；中国银行表示，重定价周期统一转换为12个月，重定价日与原合同保持不变；农业银行指出，重定价周期和重定价日均保持原合同约定不变，对于重定价周期短于1年的贷款，重定价周期调整为1年。 至于此次批量转换的原因，有银行在公告中称，是为进一步简化操作流程，提升服务效率。因为按照央行规定，存量房贷定价基准转换原则上要于8月底前完成。 另外，批量转换完成后，若对转换结果有异议，多家银行提到，可于2020年12月31日（含）前通过网上银行、手机银行自助转回或与贷款经办行协商处理。农业银行还明确表示，撤销操作仅能办理一次。
8月12日，怡亚通发布公告称，公司旗下智能零售平台——蚂蚁零兽已与近日与微信支付签订战略合作协议，正式成为微信支付在智能零售行业及便利零售行业的重要战略合作伙伴。 蚂蚁零兽将携手微信支付一起，共同推动智能零售行业和传统零售终端的升级，为商户带来更高效更智慧的运营和管理，为消费者带来更高效便捷的消费体验。 深圳市蚂蚁零兽科技有限公司于2019年03月08日成立,主要业务为智能零售平台。2018年，蚂蚁零兽引入国资深圳控投，再加上市场无风险利率下行，公司逐年上涨的巨额财务费迎来了拐点，从2018年46.3亿下降至42亿，而经营现金流方面也取得了突破，2019年的达22.14亿。 怡亚通通过提出商业生态圈战略，借助“供应链竞争力+互联网”的优势服务，引领中国流通商业变革，为打造流通行业B2B2C/O2O供应链商业生态圈奠定基础。 建设“互联网+供应链商业生态”符合流通行业降成本、优化资源配置的国家政策和行业发展趋势，具备巨大的社会和经济效应，公司作为国内供应链领域的龙头企业持续创新能力和执行能力已得到验证，通过增发破解扩张的资金瓶颈将持续促进公司的平台建设和增值业务的开展，打造更加牢固的护城河并显著提升公司盈利能力。 如何在愈加激烈的市场竞争下增长，怡亚通还需要很长一段路要走。
图片源自网络 8月12日，中国联通发布半年报，招联消费金融有限公司（招联消金）的业绩也在半年报中披露。 图片源自中国联通半年报 官网显示，招联消金旗下拥有“好期贷“、“信用付”两大消费金融产品体系，为用户提供消费信贷服务。 中国联通半年报显示，招联消金今年上半年实现60.23亿元营业收入，较上年同期的46.06亿元增30.76%；实现净利润5.78亿元，较上年同期的7.1亿元减少18.56%。 这是招联消金自成立以来首次出现业绩下滑。近五年，招联消金的营业收入分别为1.31亿元、11.91亿元、41.63亿元、69.56亿元和107.4亿元，增速均在50%以上；净利润分别为-0.85亿元、3.36亿元、11.89亿元、12.53亿元和14.66亿元，自2017年起净利均超过10亿元。 数据源自招联消金年报 从资产状况看，截至2019年年末和今年6月末，招联消金的资产总额分别为926.97亿元和920.76亿元，今年上半年总资产现缩水；净资产分别为93.6亿元和99.38亿元。 年报显示，截至2019年年末，招联消金的消费贷款金额为931.7亿元，较上年同期的720.13亿元增29.32%。2019年年减值准备为49.9亿元，较上年同期的27.2亿元增83.42%。截至2019年年末的贷款拨备率为5.36%，上年同期为3.78%；被覆盖率为302%，上年同期为195%。 数据源自招联消金年报 从资产质量看，截至去年6月末，招联消金的不良贷款率为2.08%，2016-2018年年末分别为0.82%、1.24%和1.93%，不良贷款率持续走高。 年报显示，截至2019年年末，招联消金的逾期贷款金额为38.81亿元，较上年的32.77亿元增长18.45%。其中，逾期90天以内贷款金额为22.29亿元，占总逾期贷款金额的57.42%；逾期90-360天的贷款金额为16.38亿元，占比42.2%，逾期360天以上的贷款金额为1458.25万元。 图片源自招联消金公告 招联消金是由招商银行与中国联通于2015年共同组建的持牌消费金融机构，联通运营公司持有招联消金50%股份，投资成本为26亿元。 天眼查显示，招联消金董事长为中国联通董事长王晓初，招商银行行长田惠宇任招联消金董事。 招联消金去年曾卷入“经营异常”乌龙。去年11月28日，招联消费金融列入经营异常名录，列入原因为公示的企业信息隐瞒真实情况、弄虚作假。 对此，招联消费发布公告回应称，系深圳市市场监督管理局委托相关会计师事务所对辖区内企业公示信息进行年度审计复核时，该会计师事务所在未经严格审核下，无意弄错，误将该公司列入“经营异常名录”。深圳市市场监督管理局南山分局已对该经营异常进行勘误，撤销载入。
当地时间2020年8月11日，俯瞰日本富士山。富士山在每年7月10日至9月10日的开山季，会开放给登山爱好者攀登。据报道，5月18日，日本静冈县决定今夏将封闭由该县管理的富士山5合目至山顶的3条登山步道。而此前的5月15日，山梨县已宣布关闭该县一侧的登山道。图片来源：ICphoto 当地时间2020年8月11日，俯瞰日本富士山。富士山在每年7月10日至9月10日的开山季，会开放给登山爱好者攀登。据报道，5月18日，日本静冈县决定今夏将封闭由该县管理的富士山5合目至山顶的3条登山步道。而此前的5月15日，山梨县已宣布关闭该县一侧的登山道。图片来源：ICphoto 当地时间2020年8月11日，俯瞰日本富士山。富士山在每年7月10日至9月10日的开山季，会开放给登山爱好者攀登。据报道，5月18日，日本静冈县决定今夏将封闭由该县管理的富士山5合目至山顶的3条登山步道。而此前的5月15日，山梨县已宣布关闭该县一侧的登山道。图片来源：ICphoto
登录
工商服务
危机公关
金融律师
app开发
财税服务
金融牌照
网站建设
知识产权
企业征信
审计评估