在我国“以票控税”、“以票控账”的税务管理体制下，发票管理是企业财务工作的重点。2019年下半年，李克强总理两次在国务院常务会议上提出搭建电子发票公共服务平台，实现增值税专用发票电子化。2020年3月1日，国家税务总局启动专票电子化试点，争取在年底前实现专票电子化。 相较于服务型行业和消费场景的普通发票，增值税专票应用于企业间的采购和销售，与企业生产密切相关，涉及环节更多、金额更大。专票电子化能够降低企业成本、提高企业效率、促进供应链上下游协同，是财税管理体制改革的重要一步。 36氪近日接触到的中科迅联是一家基于数字发票数字的财税管理服务商，能够支持企业从采购到支付全流程的协同和管理。公司成立于2018年3月，今年初中科迅联获得盛宇投资旗下基金恒毓的独家A轮投资，金额达数千万元。 中科迅联的核心业务“迅联云”以发票数字化驱动数字化供应链协同云服务，形成3e产品布局（e票联，e企联，e荐联）。核心产品e票联的服务包括： 实现进项发票的数字化和发票合规，构造客户自有或公有的进项发票平台； 作为国税总局直属的国际税收研究会的理事单位，现阶段可以为客户开具纸票和电票，为专票电子化做准备； 做纳税申报的接口服务，客户可以通过平台一键申报。 据中科迅联联合创始人陈玉刚介绍，相较于传统的税控发票服务商，迅联云的差异化在于运用国密算法SM2、SM3、SM4加密数据，并与大型企业签署数据保密协议，做到“专注上层应用，不碰下层数据”。国家电网、国家能源等企业客户也是考虑到了数据安全问题，最终选择了迅联云方案。目前，国家电网的增值税发票管理系统由中科迅联全面承建。迅联云还为客户打造了“一级部署，二级应用”的混合部署模式，运用“内外网穿透”技术，使总部能够实时监测各分部的数据。 e企联聚焦财务供应链协同，在e票联的基础上实现企业应付、应收自动化，为客户提供与供应商、经销商之间对账、协同的完整方案，将供应商开票和链主企业收票两个不同场景在平台内部形成闭环。受限于财税制度，收票只能通过邮寄送达的方式，专票电子化铺开后，这一环节将更加灵活便捷。新冠疫情期间，中科迅联作为国家能源e购平台的信息化服务商，联合搭建结算协同平台，助力全国范围的上游供应商线上协同结算，使企业生产正常运营。 迅联云已围绕核心企业构建了95条供应链，覆盖大型供应商3万余家，受益用户达15万名，月处理业务突破一百万份。依托进驻企业和交易数据的体量，迅联云继续探索e荐联，为客户提供增值服务，例如帮助企业进行供应商和经销商的风险监控和风险评估，完善一对多、多对多的供应链体系。 目前，中科迅联的客户包括国家电网、国家能源、西门子等央企和大型外企，分布于能源、装备制造业、汽车制造业等领域。陈玉刚表示，迅联云将国内的世界500强企业作为核心客户，将制造业客户作为主攻领域，主要是因为制造业发票具备清单长、SKU广的特点，比较复杂，有一定进入门槛；同时大型企业的供应商较稳定、供应链相对稳固，有利于长期深入合作。 迅联云的收费内容包括e票联和e企联两部分。前者在实施部署过程中，会有一笔首次平台建设费用，之后根据企业的税号数量及每个税号的评估金额，每年收取运营费用。这种收费方式代替了传统按发票数量收费的方式，为企业降低了成本。e企联面向链主企业也采取“建设费用+运营费用”的模式，同时面向供应商每年收取服务费。陈玉刚认为， 在企业盈利方面，e票联是入口，但存在客户数量和体量的天花板；而建立在e票联基础上的e企联能够形成网络效应，是公司未来的商业潜力所在。 中科迅联创始团队来自于用友网络、Tradeshift等国内外知名数字化企业服务公司。现设有研发和服务中心4个，以北京为中心，辐射上海、重庆、深圳三地，有在职员工200余名，大部分为研发人员。
“金融系统向企业让利1.5万亿，对银行利润来讲肯定有压力，疫情对行业自身也有冲击，让利实体对银行利润肯定会带来压力。”6月19日，一位业内人士对记者这样评价。 近日，国务院常务会议部署引导金融机构进一步向企业合理让利，进一步通过引导贷款利率和债券利率下行，并定下推动金融系统全年让利1.5万亿元的政策目标。政策一出，引来市场关注。 银保监会数据显示，2019年全年商业银行累计实现净利润2万亿元左右。市场分析人士认为，金融系统向企业让利1.5万亿元相当于去年全年商业银行净利润的75%，可见力度之大。 金融系统究竟如何让利实体？在实体经济疲弱的情况下，政策会对2020年银行业经营带来哪些影响？未来商业银行盈利是否承压？ 6月19日，记者从银保监会政策研究局一级巡视员叶燕斐处获悉，当前要着力压降负债端成本，给降低融资成本打好基础，以推进银行业合理让利。 让利政策对商业银行盈利影响较大 让利1.5万亿元的目标任务集中于商业银行消息落地后，次日，银行板块集体下挫。巨额的让利政策到底对商业银行营收和盈利带来对大影响？ 从数据来看，银行业的确存在让利空间。今年一季度，银行业实现净利润7102亿元，同比增长5.62%，其中商业银行实现净利润6001亿元，同比增长5%。 业内人士对记者分析称，一季度银行业利润同比增长主要原因有三个方面。 一是生息资产增长较快。新冠疫情发生以来，银行业以更大力度支持实体经济，增加信贷投放，前5个月各项贷款新增10.9万亿元，较去年同期多增2.58万亿元。增持国债、地方债和企业债等各类债券，银行业债券投资余额较年初增加3.77万亿元，余额同比增长14.3%。与此同时，净息差有所收窄，商业银行净息差2.1%，较2019年末下降10个基点。银行业利润增长主要来自贷款、债券等生息资产规模的增长。 二是利息收入和风险暴露的时间差异。银行按权责发生制计算利息收入，已实施临时性延期付息的贷款利息仍然计入当期收入，但这部分贷款的风险暴露没有在利润中反映，在今年或者明年风险可能加快暴露，存在时滞。 三是管理成本下降。与发达经济体银行相比，我国商业银行的成本收入比较低，2019年末，我国商业银行成本收入比为31.7%，大部分国际主要银行该比例高于50%。新冠疫情发生以来，银行业在保障各项金融服务水平不降低的同时继续降低管理费用，压缩各项开支，一季度成本收入比下降6个百分点，降至25.69%。 不过值得注意的是，虽然今年一季度银行业利润呈现正增长，但增速同比则下降。数据显示，2019年一季度商业银行累计实现净利润5715亿元，同比增长6.09%。 东方金诚金融业务部分析师郭妍芳认为，在不考虑成本管控以缓释利润下降压力的情况下，让利政策任务主要通过营收端降利息、减费用实现，对商业银行营收和盈利影响较大。 “金融系统向企业让利1.5万亿，对银行利润来讲肯定有压力，疫情对银行业自身也有冲击。下一步，让利实体对银行利润肯定会带来压力。而这一块要站在全局高度看问题，通过让利支持实体经济，实体经济活水给金融业带来更好的发展。对银行自身来讲，可持续发展很重要。银行业资本补充很大程度靠利润，同时计提拨备也是靠利润，相关情况会进一步做策划。”一位业内人士对这样评价。 着力压降负债端成本 综合来看，金融系统为企业让利主要来自于相关费用的减免政策、降低贷款利率等多个渠道。 央行行长易纲在陆家嘴论坛上表示，今年以来，金融部门向企业让利，主要包括三个方面：一是通过降低利率让利；二是直达货币政策工具推动让利；三是银行减少收费让利。预计金融系统通过以上三方面今年全年向企业让利1.5万亿元。 根据业内专家测算分析，虽然让利1.5万亿元的政策针对整个金融系统，不过，考虑到银行业在金融体系的地位及其在服务实体经济中的主导作用，该让利政策任务大部分集中在商业银行，推算规模为1万亿至1.2万亿元左右。 记者从银保监会政策研究局一级巡视员叶燕斐处了解到，当前要着力压降负债端成本，给降低融资成本打好基础，以推进银行业合理让利。 叶燕斐表示，要督促银行机构进一步加强负债端成本管理，考虑CPI下行趋势，不盲目竞争提高存款利率，避免高息揽储，严禁存款市场不正当竞争行为，推动银行负债端成本下降，进而引导贷款利率下降让利实体经济。 其次，叶燕斐指出，要通过线上服务降低管理成本。推进银行机构积极利用互联网、云计算、大数据等技术手段，提高贷款审批和发放效率，减少人工管理成本，进而降低企业融资成本。 三是运用金融科技精准识别风险、精准提供服务。叶燕斐表示，推动银行机构积极对接各类综合信息平台，整合内外部信用信息数据资源，从交易、结算、纳税、采购等多场景切入，改进企业授信审批和风控模型，实现客户的精准支持和科学定价，降低银行不良率，减少银行风险损失，降低存贷利差，以较低成本向企业特别是广大小微企业、民营企业提供融资支持。 今年5月，《关于进一步规范信贷融资收费 降低企业融资综合成本的通知》印发，明确对信贷、助贷、增信和考核各环节收费行为的要求，取消信贷资金管理等涉企收费。叶燕斐表示，要持续督促银行规范服务收费行为。督促银行机构加强对第三方机构的管理，严禁银行与收费标准过高的第三方机构合作，合理控制助贷环节的融资成本。 另外，从资产端加大直接让利力度。叶燕斐强调，合理确定资产端利率。深化利率市场化改革，疏通传导机制，以贷款市场报价利率（LPR）作为贷款定价的基准，随着LPR下行，推进贷款利率下行。同时，推动合理配置债券投资，支持企业债券、地方政府债券低利率发行，从资产端加大直接让利力度。 据悉，2020年1月-5月，普惠型小微企业贷款平均利率6.03％，较2019年全年平均利率下降0.67个百分点。一季度，制造业贷款平均利率4.32%，较年初下降0.46个百分点。 对冲银行压力，监管还有哪些办法？ 推动金融系统“合理让利”，监管还可通过哪些办法为金融系统腾挪更多空间？ 实际上，近期，调降拨备反哺利润、加大不良贷款处置力度等措施不断出台，为有效支持实体经济发展释放信贷空间。 例如，将中小银行拨备覆盖率监管要求阶段性下调20个百分点；近期银保监会在业内下发《关于开展不良贷款转让试点工作的通知（征求意见稿）》和《银行不良贷款转让试点实施方案》，拟放开单户对公不良贷款和批量个人不良贷款的转让试点；就银行机构结构性存款违规展业问题下发专项文件，要求银行科学审慎设计结构性存款，不得发行收益与实际承担风险不相匹配的结构性存款，避免银行机构盲目提升存款成本。 中信证券指出，近期监管层大力整治结构性存款意在打破银行负债利率难以下行的桎梏，同时将贷款和LPR利差纳入MPA考核指标，继续压缩银行信贷利差。 银保监会首席风险官兼新闻发言人肖远企19日对记者表示，目前不良贷款转让试点工作还在研究和准备中，后续待开展一段时间，经验成熟后，会逐步放宽试点范围。同时，他指出，给实体让利今年银行利润会受影响，但银行还有很多其他外源性资本补充渠道，银保监会正与其他单位一起研究，包括开发更多的资本工具、拓宽资本补充渠道等。 郭妍芳认为，让利政策对商业银行全年盈利将产生较大影响，且由于贷款利率下降及不良资产下行压力，商业银行利润自然增长及拨备反哺利润对其利润降幅的缓释作用有限。让利政策对商业银行净利润的影响大小，未来将取决于宽货币政策实施力度。为缓释政策冲击，预计未来央行货币政策实施力度将继续加大，在定向降准、再贷款再贴现及其他货币政策工具边际宽松的同时，可能通过降息政策以缓解商业银行负债端成本压力。
某股份行离柜业务率已经超过99%、高达2/3的信用卡获客是通过数字化… 似乎出色的银行业数字化转型样本，只发生在领先国有行、股份行。其实不然。一些勇于创新的中小银行，近两年也实现了从线下渠道到手机银行的快速迁移。 最近我们就调研了这样一则案例：一家西部地区的城商行通过数字化转型，如今手机银行一跃成为行内最主要的服务渠道，也成为该银行交易量最高的渠道，为行业提供了“小而美”的创新样本。 “大刀阔斧”转型数字化 在近几年银行金融科技发展浪潮中，受制于科技投入与人才不足，中小银行整体处于弱势中。不过也有城商行几年前就开始布局数字化，转型成果可圈可点。 作为西部地区最大的城市商业银行之一，成立20多年来，西安银行坚持把科技创新作为核心竞争力的重要组成部分，针对自身业务战略进行数字化转型升级。 总结西安银行的数字化转型过程，2017年是一个关键的时间点。 彼时，拉姆·查兰在中国说，传统企业不做数字化转型就没有未来；而互联网金融还是被追捧的热门词汇。当年9月，西安银行率先提出“数字化”转型，如今，这三个字已成为银行业必谈的词汇。 在西安银行内部，还做了一系列大刀阔斧的数字化改革。首先，是在2017年制定了西安银行五年战略规划（2017-2021），把数字化提升到一个新的高度，清晰的战略也奠定了数字化发展的基础。 其次，传统银行要推进数字化快速发展，敏捷的组织架构必不可少。西安银行下设数字化转型领导工作小组，负责数字化转型战略的推动和落地；将原来的电子银行部拆分成直销银行部、互联网金融部，互联网金融部下设在科技部。 此外，西安银行还做了三个重要的布局：一是逐步将传统金融服务线上化，二是发力信息化改造升级的价值互联网金融服务，三是加大与人工智能结合的金融服务，占领区域制高点。 从战略制定到架构调整，再到具体的项目落地，西安银行数字化转型的效果是明显的。西安银行董事长郭军曾说过一句话，“市场给你的时间是很有限的”，或许正是有这样的紧迫感，才能够让西安银行占据城商行数字化转型的先发优势。 新的转折点来临。2019年3月1日，西安银行成为西北地区首家A股上市的城商行；到了2019年末，西安银行总资产2782.83亿元，同比增长14.29%；直销银行管理产品总规模不断扩大，个人金融迈步进入高增长时期。 近期，西安银行也有新的大动作，将直销银行部升级为数字银行部，一方面数字银行部统一全行线上贷款，另一方面基于自建风控系统，打造更多创新产品。此次更名也意味着数字银行部的定位进一步升级。 打造“超级APP” “移动优先”，是银行业数字化转型的共识。郭军董事长此前就讲过，西安银行的战略转型主要解决的是三大问题：客户体验改善、综合成本下降、运营效率提升。要做好手机银行，客户体验是摆在银行面前的头等难题。 在2018年初，互联网金融部成立，这个部门成立在了科技部，属于科技部二级部门。“西安银行的手机银行之前已经发展了5代，需要解决的问题很多。首要的问题如解决银行App对各类手机的适配性问题，就是一个不小的挑战。”西安银行互联网金融部负责人告诉轻金融。 客户体验四个字谈起来很简单，但是做好要费很大精力，背后需要强大的技术团队来做支撑。然而，城商行仅凭一己之力去突破困难重重。 阿里云在此时走进了西安银行的视野。阿里云对外提供的mPaaS移动开发平台支撑了支付宝、12306等国民级应用APP高效运营，引入mPaaS，对于西安银行来说是否可行？ 对于外部合作，西安银行当时也有几个顾虑，首先是安全问题；其次是移动开发平台在支付宝环境下运营得很好，但在科技、文化、人才的巨大差异之下，一个城市银行引入这些技术，是否会有同样的效果；最后还有实施问题。 2018年6月，时任蚂蚁金服副总裁的刘伟光（现任阿里云新金融事业部总经理）带队专门飞到西安，和西安银行的高层们进行了一次深度沟通。此次沟通的议题之一，即是西安银行引入mPaaS移动开发平台的可行性。 刘伟光介绍了华东地区部分银行客户的使用效果，逐渐打消了西安银行的疑虑。为了解决实施问题，西安银行科技部的员工还去支付宝学习和交流，除了学习一套系统的使用，还学习了互联网公司如何做运营、如何与用户互动。三个月时间，mPaaS就接入西安银行APP。 5个月后的11月，西安银行召开新一代手机银行App发布会，通过在客户端做“减法”，在银行端做“加法”，新一代手机银行能够支撑复杂的客户端情况，接口响应速度从平均500ms提升到平均200ms左右。在新一代手机银行发布会上，西安银行还宣布和阿里云开启全面合作。 这次发布会，西安银行特地邀请了刘伟光去参加。收到这次邀请，让刘伟光最初感到惊讶，因为在跟银行合作的过程中，很多厂商以往都是扮演乙方角色，但是这次阿里云不但是服务方，还成为了重要的合作方。这也是此次合作与众不同的地方。 通过牵手阿里云引入mPaaS，西安银行实现了手机银行由传统移动渠道向移动金融开放平台的转变，站在了一个新的起点。 西安银行互联网金融部负责人告诉轻金融，新一代手机银行开完发布会之后，用户体验得到较大提升行内员工推手机银行积极性也提高了，用户数、活跃度增长率均超过40%。西安银行还通过mPaaS引入了阿里的生态场景如天猫优选、拼团等，目前正在探讨盒马和高德的融合，如今其手机银行已经成为了西北地区一款热门的网红APP。 这次升级带来的还有交易量的提升。在新版手机银行发布前，西安银行对客主要渠道是柜面。从手机银行发布那一个月起，对客的主要渠道、交易量最高的渠道就变成手机银行了，现在手机银行已经成为西安银行最主要的交易渠道。 西安银行当前的数字化目标，是打造一款“超级APP”，成为当地区域用户工作生活与金融服务获取的首选。为此西安银行还做了很多事： 例如，手机银行不再追求封闭账户，其他支付渠道的客户也可以变成西安银行手机银行的用户；深度构建场景生态，包括本地生活场景搭建，如缴费、旅游、车生活等，同时引入第三方合作场景；打通手机APP与直销银行APP，在手机银行上可以直接办理直销银行业务；打造手机银行对公板块，实现ABC面（零售客户/公司客户/员工）业务的融合；柜面手机银行业务创新等。 让金融服务无处不在 在超级APP理念之下，西安银行正在加快与各类生态场景深度融合，将本地生活服务资源接入到手机银行，构建手机银行APP生态，让金融服务无处不在。 目前西安银行探索的路径是，基于mPaaS的小程序App开发技术，可以简单快捷地将支付宝小程序迁移到自己的App中，同时也密集接入本地化资源。 2019年1月，西安市提出了智慧城市建设，让原本一个旅游网红城市焕发出了新的生机。扎根西安当地，西安银行重点布局了社区、教育、旅游、政务、医院、停车、电商等7大场景，输出账户、支付、理财、缴费4大能力，以搭建区域互联网金融线上生态圈。 目前西安共设立了5万多个路边停车场，西安银行手机银行APP嵌入了这个场景。当用户需要取车，就在手机APP上缴费，一定程度上实现了“路边智慧停车”。这一场景，在当地也只有西安银行手机银行APP可以完成。 如何把银行融入到场景当中，是银行开放融合的一大难题。互联网金融部的另外一个重点工作，就是去拓展场景的搭建。 除了线上的融合，西安银行目前拓展的还有很多线下场景。例如西安市的市民早餐，在西安有1000多个网点，提供西安银行的聚合支付。在这个场景中，要支持高频并发支付，一个小时超过10万笔交易，其依托的是支付，对传统中小银行来说要求并不低。 由于西安银行和阿里云、蚂蚁集团继续合作使用了Oceanbase分布式数据库以及云计算等技术产品，一步步支撑了西安银行的数字新基建。Oceanbase取代oracle数据库，实现每账号成本降至原来的四分之一，稳定性更高，速度也提升。 西安银行还深入政府金融生态，聚焦财政、住建、出入境等领域，持续推进“智慧城市”建设。目前已经在西安市300多个社区，提供智慧社区服务。 西安还有一个特色板块是旅游。在旅游服务上，西安银行面临一些难题：去西安旅游的外地人居多，而该行的客群又集中于当地。如何抓住西安旅游特色开发旅游金融服务，成为了摆在西安银行面前的一道待解之题。 在这方面，西安银行也有所突破和尝试，在手机银行推出亲子旅游、短途旅游等生活版块。这些场景搭建，在本地产生了较大的影响力，并拓展了西安银行金融服务的边界。 结语 现在手机银行App已经成为各类银行的标配。据第三方应用商店统计，整个市场上，银行类App有上万个。但是热闹的场面之下，大多数银行App没有用户活跃度，甚至有些下载量仅有几千次，不知道如何找到跟用户建立连接的关键路径。 西安银行的逆袭之路对同行有哪些启示？对于中小银行怎么做互联网化，西安银行有自己的感悟，“银行做APP跟互联网公司不一样，拉用户上来不一定能让它看到有价值的东西，反而是看你能创造什么价值再把用户拉上来，对我们来说性价比会更高。”该行互联网金融部负责人说到。 另一个中小银行当前存在的问题，是服务同质化问题严重。而数字化已经成为西安银行破解同质化的重要突破口。西安银行在跟员工培训时更强调，“跟客户除了聊存款和贷款，还可以聊互联网+和数字化转型。企业需要什么数字化服务，我们的金融怎么帮你解决。” 可以说，对于分支行以及千万个银行员工而言，有了工具与产品，变得更加自信了。或许这才是银行数字化的最核心之处：让数字化思维和工具武装到每一个员工，才是真正有效的数字化转型。 从西安银行与阿里云的合作案例中可以看到，银行与金融科技公司之间是共生的关系，银行借助金融科技实现了科技能力的大幅提升，金融科技的能力也找到了自身的用武之地。只要找到合适的路径和合作伙伴，中小银行的数字化转型也是水到渠成的。
全球一日增加14万病例 世卫组织每日疫情报告显示，截至欧洲中部时间19日10时（北京时间16时），中国以外新冠确诊病例较前一日增加142414例，达到8300500例；中国以外死亡病例较前一日增加5151例，达到446041例。 全球范围内，新冠确诊病例较前一日增加142451例，达到8385440例；死亡病例较前一日增加5151例，达到450686例。 新冠疫苗研发难度大 当地时间19日，世卫组织总干事谭德塞表示，目前全球没有任何针对冠状病毒的疫苗，如果新冠疫苗研发成功，将会成为首个冠状病毒疫苗，可见研发难度之大。谭德塞同时强调，新冠疫苗应确保安全，并向所有需要的人群提供。 世卫组织卫生紧急项目负责人迈克尔·瑞安表示，疫苗研发不应跳过任何一个步骤，没有捷径，但可以采取一些措施加速研发，这几个月已体现出前所未有的合作。 北京采取的大规模应对措施体现了灵敏性和遏制病毒的能力 世卫组织卫生紧急项目负责人迈克尔·瑞安 当地时间6月19日，世卫组织召开新冠肺炎例行发布会，世卫组织卫生紧急项目负责人迈克尔·瑞安表示，由于一些国家未能控制疫情，其可能会经历第二个高峰，如果将疾病传播程度降低到一定程度，后续才有可能出现所谓的第二波疫情，也许是在秋天或是今年晚些时候。所以既有可能在第一波疫情中出现第二个高峰，也有可能出现第二波疫情。 迈克尔·瑞安同时强调，出现聚集性病例并不意味着第二波疫情，世卫组织真正想看到的是灵敏性，以及可以运用数据调查、检测并采取身体及社交措施的能力，从而以最小的社会代价来遏制感染。迈克尔·瑞安指出，北京此次应对疫情就是很好的例子，采取了大规模应对措施，以防疫情失控，如迅速发现、调查和遏制聚集性传播。一波疫情结束前会出现一些病例，然后可能出现超级传播等疫情扩大事件，要避免此类可能再次导致社区传播的事件。要重视聚集性疫情，以防第二个高峰和重回社区传播模式。 世卫组织卫生紧急项目技术主管玛丽亚·范·科霍夫表示，在全球很多地方，新冠肺炎大流行仍在加速，即使看到一些国家成功遏制病毒传播，每个国家也都必须做好准备。（央视新闻）
金融机构挑选AI产品，正如大将出征前要挑两件趁手兵器：不谈实战需求，一味求重求新，断不是上策；必须借匠人一双慧眼，摸清脾性，知其弱点，才能改良打磨出一件称心之选。近期，雷锋网《AI金融评论》策划了「AI能否解决金融刚需问题」系列选题，借同一个话题，对不同背景的受访者、产品和客群各异的企业们进行了多次专访。本文则从四大重点赛道出发，结合场景痛点，试图从现下常用的解决方案中，找出当前AI能力在哪些问题上「鞭长莫及」，以觅得未来技术趋势之所在。智能信贷风控：样本决定未来？AI在金融的商业化、规模化落地，信贷风控是最典型也最为人熟知的场景之一。如今的人工智能，可以根据海量数据开发和训练信贷风控模型，利用算法在贷前评估预测用户的还款能力和还款意愿，在贷中实时监控借款人，对可能出现的违约进行事前干预。在这样的技术水平下，金融科技公司已经为信贷业务提供全流程智能解决方案。机器能够辅助金融机构决策，提高审批、监督和催收效率，甚至在特定条件下直接替代人工，实现秒批秒贷、智能催收等等。AI风控的供需双方，也逐渐形成共识，摸索出一套相对通用的技术指标，例如K-S值、AUC和F-score等，为智能风控模型水平画出“水位线”。K-S值是风控中的一大关键衡量标准，它用于评估模型的风险区分能力，计算好坏样本累计分部之间的差值（计算每个评分区间累计坏账户占比与累计好账户占比差的绝对值）。好坏样本累计差异越大，K-S指标越大，则模型的风险区分能力越强。拆解市面上常见的解决方案之后，我们不难发现，个人信贷风控这场重头戏，主角经常是评分卡模型。这一模型的良好可解释性和高稳定性，使得它为广大银行所接受和采用。但随着有组织的团伙欺诈行为频发，原有模型未见得能查出这种更隐蔽的风险，越来越多的金融机构开始接受机器学习模型，金融科技公司也将知识图谱、特征工程等更多技术方式融入到信贷解决方案中。多位金融科技公司高层向AI金融评论强调，AI风控效果的好坏，与样本息息相关。因此，在缺乏专家经验、样本质量参差不齐、数量有限的情况下，半监督或无监督学习的技术方法受到业内青睐，即训练数据部分带有标签或全无标签，团队进行特征提取，训练自身模型，进而将标签迁移、扩散至其他没有标签的用户。隐私监管和数据孤岛的双重挑战下，各种AI技术流派也逐渐兴起并在信贷风控场景展开应用，例如联邦学习、安全多方计算、隐私计算等。高层们也指出，AI风控还存在如下疑问：模型具有一定时效性，其性能会否随着时间推移而大幅下降？模型更新所需的时间和人力成本如何？模型能够实现多高的标准化程度？解决方案与银行核心系统在对接的过程当中是否简易？……金融生物识别：多模态融合已成应用趋势问起什么才是金融领域最为关键的问题，答案多半是KYC。不止一位资深业界人士向AI金融评论强调，KYC最难的地方在于怎样识别自己的客户，这在金融场景获客、反欺诈、风控和贷后环节非常关键。几乎所有金融机构都有强身份认证需求，指纹、人脸、虹膜等生物特征识别手段也顺理成章进入到金融业务的多个重要环节。眼神科技市场体系高级总监王姝琦告诉AI金融评论，生物识别在金融业的发展，可大致分为三个阶段：在传统金融时代，生物识别初步被引入银行，优先解决的是银行内部风险控制问题；随着互联网的发展，眼神科技率先提出了人脸联网核查，之后被广泛应用，帮助银行降本增效；在如今的移动互联网浪潮下，生物识别进一步升级，不再停留在单纯的身份认证，而是充分发挥人机交互特点，与金融客户共同打造智能柜员、智慧网点、手机银行、泛金融拓展等方案，优化客户体验，实现远程获客、创新营销。尽管生物识别方案当前普及率颇高，但仍存在着一定发展桎梏。“不论是机器视觉，图像识别，还是生物识别，其实都属于模糊识别，也就是只能告诉你‘有多像’，而无法告诉你‘一定是’——每一种识别技术都会有或多或少的局限性和识别极限，或者不适合的应用场景。”王姝琦这样总结。随着AI发展和海量数据的增加，不同信息从不同方位、不同传感器一拥而入，指纹识别、人脸识别、虹膜识别、指静脉识别等单模态识别已经很难满足强安全、多场景、大数据库下的应用发展。她表示，要实现超大底库下的强身份认证，生物识别作为智能化趋势下重要的AI入口，多模态融合已成AI发展的必然趋势。只有通过多模态生物识别的统一融合，才有可能覆盖尽量多的应用场景和应用人群，进而创建完整的场景生态，让单一的行业技术，向大数据的智能化服务发展成为可能。生物识别在金融领域的落地，也逐渐由单模态识别和技术应用，过渡到多模态融合。把握住“多模态融合”技术趋势的生物识别企业，才有希望“百尺竿头更进一步”。以眼神科技的解决方案为例，新阶段的金融生物识别产品体系需要多种自主知识产权核心算法及多模态融合算法（如人脸和虹膜识别融合、指纹和指静脉识别融合等），统一平台，面向各个场景的场景云和应用软件，适用于不同场景的智能硬件终端，以及面向公众的AI能力平台。除此以外，如何兼顾安全和便捷，满足识别安全性的高度、覆盖人群和场景的广度以及使用体验的优化度，也是技术厂商们长期以来思考的问题，多模态融合发展或将成为解决之道。智能营销和运营：绕不开的风控障碍AI金融，不止与主要金融产品和业务环节相关，营销和客户运营的数字化、智能化也日渐受到重视，技术也从用户生命周期切入，正渗透到金融业务全链条当中。纵观行业应用方案，不少银行基本形成基于AI和大数据的智能化营销和运营策略，即建立和研发个人客户画像体系，不断丰富客户立体维度标签，加强对客户需求的挖掘和分析，从而实现精准营销和定制化服务。个别智能营销方案更强调了对线上线下、存量增量等全维度营销场景与渠道的覆盖。但也有金融科技公司的CEO认为，在金融产品智能营销领域，即使推荐模型效果再好，还是很难通过少量的产品满足消费级用户的全部需要。营销的另一大主要痛点，其实来自于风控。风控与获客通常以“相爱相杀”的关系出现，如果一味降低风险水平，容易造成营销端的流量浪费，转化率低下。因此，一些大型互金公司选择将风控前置到营销端，即借助AI算法、大数据关系图谱等技术，在营销广告投放之前，系统就预判出潜在客户的信用品质，再进行千人千面的广告投放，从而平衡了营销获客与风险控制的关系，以达到公司利润最优化。同时，金融机构还面临着技术能力有限和标签信息不足的问题，担心在营销过程中泄露用户信息。例如机构试图激活存量客户，但客户处在睡眠状态时他们很难得到更丰富的信息去判断；用外部标签判断客户，相当于把自己的客户信息泄露出去；没有联合建模的情况下，营销匹配度也有限。一位隐私计算技术服务商向AI金融评论表示，这类情况目前已经可以通过纵向联邦学习模型解决；存量客户对外进行画像匹配时，也可通过安全方式查询。在此过程中，存量客户也并不会有更多信息被外部获取。智能投顾：在标准化资产崛起之时把握机会智能投顾，被认为是AI落地的重要方向之一，入局的金融机构和创业公司众多，却在近两年进入到调整沉淀期。在理财魔方CEO袁雨来看来，这是智能投顾领域必经的去伪存真时期：“很多公司和项目，不理解智能投顾，不知道智能投顾属于财富管理，当成资产管理来做，他们最终都停滞了或者关停了。不能解决客户过去在标准化资产的投资理财上盈利比例太低这一核心痛点的公司和项目也都失败了。”市面上的智能投顾产品，基本是根据个人投资者提供的风险承受水平、收益目标以及风格偏好等要求，运用一系列智能算法及投资组合优化等理论模型，帮助用户实现主、被动投资策略相结合的定制化投顾服务。但有业界观点认为，AI的优势在于解决信息过载和长尾信息问题，但智能投顾是先通过问卷调查进行画像，然后在有限且有序的资产配置产品中推荐合适的投资组合，这一业务架构下的物理变量都较为清晰，AI的发展余地似乎并不大。对此，袁雨来告诉AI金融评论，在投资领域，标准化资产的财富管理是对于未来的不确定性交付，人类无法在越来越多样化的世界里，在体现无数商业活动的金融市场价格数据中，把握住其中规律的部分和不确定的部分的——在数据信息越来越多的情况下，这正是机器最主要优势。他告诉AI金融评论，机器能提升对全市场数据和决策的准确性，更好地量化客户风险承受能力和投资情绪波动。针对这一特点，智能投顾产品也逐渐完善，以理财魔方为例，其解决方案采用AI+主动全天候策略+三级风控体系，为每位用户定制匹配其风险的理财投资组合；并且能够一键实现全球配置，系统24小时监控全球金融市场的各类资产，动态调仓，尽量减少对用户注意力的占用。同时，智能投顾公司们也正试图向金融机构打包输出自己的技术能力，提供公募基金智能组合策略、基金投顾客户基础服务等，为机构打造个性化基金推荐、客户风险特征画像等产品体系。
没有一条真理，可以解决人生所有的难题；也没有一项技术，可以帮助一家企业所向披靡。金融科技行业，纵使是一个简单的项目，也需融合算法、专家经验、工程部署、接口打通等一系列环节，才能完成一套解决方案，远不止一项单点技术就可以“打包票”。在这个过于信仰技术的时代，知道技术能做什么固然重要，知道它不能做什么也许更重要。为此，雷锋网《AI金融评论》策划了「AI能否解决金融刚需问题」系列选题，借同一个话题，对不同背景的受访者、产品和客群各异的企业们进行采访，期望在不同的商业和技术认知下捕捉观点碰撞的火花。在前三篇采访中，我们采访了冰鉴科技CEO顾凌云、慧安金科CEO黄铃、品钛执行副总裁李惠科。本系列的第四篇文章，由邦盛科技执行副总裁王雷讲述他从事「AI金融风控」多年旅程中经历的有趣故事。以下为王雷的亲身经历：“头疼”的难题一直以来，银行对「信用卡套现」的行为都十分头疼。信用卡，本质上是一种贷款。银行希望贷款用于消费，而不是炒股、炒房甚至赌博。但是，现实生活中，很多人并没有合规地使用这笔钱，从而衍生出了「套现组织」。对于银行来说，信用卡里的钱如果不是用于消费，而是用于投资、赌博，一是增大了这笔钱不能返还的风险，二是违背了国家的贷款政策。所以银行会通过一些技术手段，对套现行为进行识别、监测。邦盛科技之前就接到一个国有大行的订单，他们本身有一个在风控领域积累了很长时间和经验的优秀团队，但是还是希望在这个基础上更上一层楼，于是找到我们，希望通过金融科技公司的AI能力，引入解决问题的新思路。当时，这家银行已经能很好地识别出哪些个体的行为属于骗贷，但是对于那些变化多端、组织严密的“专业”骗贷团伙，还是有些束手无策。在项目初始阶段，客户对我们的期望很高，认为我们一定能通过更先进的技术和方法，通过对个体骗贷行为的分析，找到某种联系，识别出诈骗团伙。那会儿，其实许多机构还没能达到这样的水准，即使是行业里最好的金融机构投入了大量精力，也没能十分精准的识别出这些诈骗组织。而我们又处于创业初期，经验匮乏，当时并没有信心能完成这个任务。当然，有没有信心和做不做，是两码事。我们决定接受这个挑战。一口气“抓”了几千个犯罪团伙样本，是智能风控想要发挥作用的重要前提。想要通过AI识别出诈骗团伙，追本溯源，还是得从高质量的样本入手。而样本的质量高低，很大程度上依赖于专家的经验。在风控领域，专家的经验是比AI能力更稀缺、更重要的资源。比如薅羊毛是怎么薅的、什么样的行为是薅羊毛，专家会通过多年积累的经验和规则去识别哪些行为是“薅羊毛”、哪些行为属于盗卡、哪些是洗钱、哪些属于申请欺诈等等。我们团队中的优秀专家对这家银行的样本进行了分析，发现它们的样本质量不是非常好。于是专家们通过在风控领域多年的经验，对样本进行了加工，获得了一些我们认为比较好的样本。在此基础之上，我们使用了机器学习建模平台和关联图谱平台，把可疑的个人和团伙都甄别出来。那次，我们团队几个人在两个多月的时间里，揪出了大几千个「信用卡套现团伙」，几千个账户，并查出几十万张有问题的信用卡。经过那段时间的不断探索后，我们对整个行业的理解有一种豁然开朗的感觉。之前，我们在没有开始做“识别套现团伙”的工作时，认为这是一件很难的事。但下一次在做其他的事情，我觉得是可以解决的，而且思路非常清晰。其实，那次项目因为涉及到的银行体量非常大，我们面临的风险和压力也非常大。但是我们顶住了压力，积累了许多欺诈团伙的特征和画像，并对模型进行进一步的优化。后来这家银行通过我们提供的线索进行了调查，确定了这些人的确属于套现团伙，并降低了他们的信用卡额度，并对部分信用卡进行锁卡处理，效果非常好。也是因为这次经历，我对AI在「风控领域」的应用价值，有了更直观的认识，使得我对AI在风控场景下的应用，更加有信心。如今，邦盛科技为这家国有大行做了一个更大的项目，一个包含申请反欺诈、电子渠道交易反欺诈等全方位、全行级的反欺诈系统。而“识别套现团伙”成为了整个大型项目中的一个组成部分，继续为这家银行提供服务。抓住银行的心思之所想、解其所忧，才能抓住一个人的心。同理，想要获得银行大单，首先要认识它，然后解决它做梦都想解决的问题。在和银行客户打交道时，不一定所有时间、所有产品，它都会觉得满意。这时，我们需要对项目的效果进行量化，沉浸到它的角度思考问题，让它信任你。因此，我们会时时刻刻追踪AI产品的效果，并制定一系列可以看得见、摸得着的指标，让它对我们工作的效果有一个清晰的认识，建立信任感。比如拦截非法金额数目、对客户的干扰率程度、风险等级，我们会把这些有关风控的数据或者结果记录下来，作为统计最终模型好与坏的一个标准。我们一般建议客户，三个月或者是六个月调整或者优化一次模型。频繁的调整，不是银行的风格。对于银行等金融机构来讲，“稳定”压倒一切，其次才是改善。所以，他们对新技术的应用也是比较谨慎的。银行不会轻易改变自己现有的风控方法，因为改变意味着不确定的风险。只有观察到技术和效果真的十分稳定，他们才会采用新的技术系统。AI在信贷领域主要防控两种风险，一种是欺诈风险，另一种是我们常见的信用风险，比如我们年轻人十分熟悉的“芝麻信用”和“微信支付分”。一笔贷款的发放，银行得先判断它是否是有欺诈的风险，然后再判断它信用风险的高低。首先，金融机构最担心的事儿是被骗子欺诈，把贷款放给了骗子。当通过反欺诈技术将骗子拒之门外后，银行还要担心普通人能否正常还钱。普通人也有可能因为做生意经营不善、丢了工作或者社会环境的改变等因素，还不上钱，所以要判断他们的信用风险。在评估信用风险上，「评分卡模型」是可解释性非常好、也很稳定的一个模型，现阶段也使用的非常多，各家银行都是比较习惯使用这种传统的方式。所以，我们在这一领域，需要我们金融科技公司技术能力的场景并不多。而在反欺诈领域，越拉越多的金融机构开始接受机器学习模型。因为欺诈行为更具有隐蔽性，欺诈风险比信用风险更难以控制。而且业内一般需要六个月来训练控制风险的模型，上线模型至少又得三个月，加起来就是九个月。在这段时间里，整个市场的欺诈形式是会发生很大变化的，欺诈团伙发现金融机构会欺诈行为进行防控后，他们还会变换手法。针对这样的情形，邦盛科技专门在模型训练中设立了一个环节——特征工程。在这个环节中，我们尽量呈现出更多的特征，我们将几千到上万个特征输入到一个模型中，使它覆盖更多的可能性，虽然不能彻底解决问题，但通过这样的算法调优，欺诈行为的成本会越来越高。此外，银行需要考虑自己所用的技术，是否符合监管政策的要求。机器学习这类技术，最大的一个问题是不透明、不可解释。它使用的是非线性的算法，当模型说贷款可以放，但是它推理的过程是不可逆、也不可用文字解释的，这样在使用过程中就会受到一些限制。模型本身是一个算法的配合，我们也在尝试通过一些技术方式，来增强模型的解释性。AI不是万能的邦盛科技从创业初始，到如今与中国农业银行、中国建设银行、招商银行等多家国有大行合作，对行业的理解也是经历了一个从无到有的过程。但是AI也存在很多不能解决的问题。刚刚提到AI风控效果的好坏取决于样本。在欺诈等场景中，样本天然比较充足，而信用卡盗刷、账户盗用等场景下，因为银行的防控力度比较强，发生的案件数量较少，能积累到的样本也就较少，使得智能风控的效果也是参差不齐。现在，机器学习和AI应用在金融的各个领域都在尝试，但是每个银行对样本积累的重视程度也不一样，所以有的做的比较好，有的做的一般。目前我们对样本的依赖程度过高，所以业内很多公司也都在尝试无监督或者半监督的技术方式。有监督就是有样本，无监督就是无样本，半监督就是样本质量不够高。有监督的样本，是团队从业务中一点点积累下来，通过规则体系和专家经验，输入到模型，然后模型跑起来。采用无监督的方式，一般是因为团队没有积累样本，又没有这个领域的专家，于是依靠纯粹的算法，通过聚合量、聚类等数理关系，找出高风险的金融交易，提取这些异常的样本后让专家判断。无监督的流程是先通过模型得出结果，让人来判断，然后模型再根据人的判断的结果去优化。在实践中，我们不管用哪种技术方法，我们都会建议客户采用综合的解决方案，而不是单一的AI产品，这套解决方案包含着专家经验、规则体系、模型体系、图谱体系、大数据计算等，这些元素必须结合在一起才能形成解决问题的合力。社会上大部分的问题本身，都是一个很复杂的东西，它需要系统化的思路方法和技术才能解决，我们不能单一地认为依赖于某一个高新技术就能解决所有问题。我们每年会招很多新人进来，也会接触到很多新入行的创业者，我整体的感觉是，大家有点过于迷信技术，迷信高端的算法。任何一个技术的应用，都有前提条件，比如数据环境、样本质量。每一次对AI模型的调整，少则三个月，多则几年，运营的成本也非常高。如果环境条件不允许，技术就很难达到大家期望的状态。所以对于很多这些新入行的优秀人才，我建议先对这个领域有一个比较深刻的业务理解，看看没有能力给技术创造出一个好的环境出来。没有对业务足够深刻的理解，不能把没有达到期望的数据转化成高质量的样本，模型很难运转起来。
“借贷即挖矿”走红DeFi圈？近日，知名DeFi项目Compound就因此成为关注焦点。在推出这个模式后，Compound推出的治理代币COMP上线首日大涨500%，Compound自身的业务量也直接翻番。但在亮眼的成绩单背后，“借贷即挖矿”模式也带来了不小的争议。DeFi代币的价值支撑是什么？发币会不会成为所有DeFi项目的共识？其中的风险又在哪里？关于这些问题，DeFi行业正在不断寻找答案。01“借贷即挖矿”北京时间6月16日，DeFi行业的明星项目Compound，引发了外界极大关注。当天凌晨，Compound项目代币COMP上线，它的分发机制，名为“借贷即挖矿”。这一天，COMP大涨500%。Compound究竟是什么？所谓的“借贷即挖矿”又指的是什么？在DeFi圈，Compound一直被视作DeFi行业仅次于MakerDAO的老二。它主打数字货币借贷业务，有着“DeFi银行”之称。之所以有银行之名，是因为它干的是和银行类似的活儿。在Compound上，玩家可以存入数字货币，成为“存款人”，获得利息；也能抵押资产获得贷款，成为“借款人”。存款和贷款之间差额的一部分，就是Compound的收入。比如说，一个玩家在Compound上存入100USDT，可以获得12.33%的年收益；在平台上借出100USDT，则需要支付17.68%的利息。中间5.35%的一部分，就归Compound。（详见：《抵押数字货币借贷，这种DeFi模式，真的能革传统金融的命？》）到目前为止，Compound已经运行2年，资金规模维持在1亿美元左右。但Compound的野心不止于此。今年2月，Compound公开了发币计划，宣布将发行1000万枚COMP，其中423万枚将在四年内被分发给所有用户。具体的规则是，官方每天分发2880个COMP，只要参与Compound借贷即可获得，金额越多，获得的COMP也越多。同时，一笔交易中的借贷双方都能获得COMP，双方各得50%。这样的代币分发机制，被中国币圈玩家一针见血地概括为“借贷即挖矿”。“借贷即挖矿”带来的效果立竿见影。去中心化交易所Uniswap数据显示，COMP上线时，定价只有0.08ETH。但仅仅几个小时后，其币价就大涨500%，达到了0.48ETH。按此计算，Compound的市值也达到了11亿美元，是此前DeFi圈老大MakerDAO市值的两倍。但尴尬的是，Compound平台上的锁仓金额，也不过2亿美元。“一家只有2亿存款的银行，市值却能冲到11亿。”有玩家感叹。与此同时，许多从未接触过DeFi的币圈玩家，也开始涌入Compound，参与平台存款和借贷，以便获得免费的COMP——他们发现，即便需要支付借款利息，挖矿获得的COMP仍然能回本。Predictions.Exchange数据显示，在Compound上借出100个USDT，一年可以获得0.71个COMP。按当前币价计算，其价值约为45美元。而在当前借款利率下，在Compound上借出100个USDT需要支付的利息，只有18.95美元。以此计算，即便在Compound上借款，仍然能实现26%的年化收益。在“借贷即挖矿”玩法的刺激下，Compound获得了大量流量。DeFi Pause数据显示，目前Compound平台整体业务量已经翻番，由1亿美元上涨至2亿美元。Compound锁仓金额 来源：DeFi Pause02资金盘风险？Compound推出“借贷即挖矿”，究竟意欲何为？业内人士指出，这是Compound为了提振市场的举措之一。“主要是为了刺激平台的业务量。”原力协议CEO雷宇对一本区块链表示。他表示，近期，AAVE等竞品在业务量上已逼近Compound，后者显然感受到了压力。而对于Compound团队而言，发币几乎不存在任何成本，却可以直接刺激市场。从这一角度看，Compound的发币计划已经成功。但与此同时，这一计划也给Compound带来了争议。国内玩家对于“借贷即挖矿”并不陌生，它与FCoin曾经的“交易即挖矿”有着异曲同工之妙。然而，Fcoin的结局却是崩盘。在一些玩家看来，Compound的“借贷即挖矿”暗藏风险，甚至可能成为下一个Fcoin。但也有人指出，Compound的玩法相对安全，至少不存在资金盘风险。“Fcoin‘交易即挖矿’玩法的核心是分红。交易所拿出收入给大家每日分红，诱导玩家投资，这是存在资金盘风险的。”区块链研究员孙原表示，“但Compound的代币COMP没有分红属性，因此很难被算作资金盘。”同时，他指出，目前来看，COMP在Uniswap上的高币价意义不大，它并不一定能代表COMP的真正价值。眼下，Uniswap交易所是COMP交易的主阵地，但这一市场的COMP总量并不多。COMP两天共释放5760个，加上项目方前期投放到交易所的25000个COMP，市面上的COMP流通总量只有30760个。因此，只需要少量资金，就可以将COMP价格拉升数倍。“目前来看，拉盘的主要是欧美DeFi圈的大户，他们有动力坐庄。”雷宇对一本区块链表示。早期投资者的投机心理，以及极低的市场流通量，让COMP存在一定的溢价。“因此，用现在COMP的币价计算Compound市值毫无意义。”孙原说，“所谓的Compound市值超越MakerDAO，只不过是噱头而已。”在币圈历史上，如果一个项目早期流通量极低，却拥有极高的人气，便可能产生极高的市场溢价。例如，2016年10月上线的大零币ZEC，曾经创下过3300BTC的高价，约合200万美元。但很快，其价格就暴跌。如今，COMP币价在经历短时暴涨后，已开始逐渐下跌。截至6月18日下午4时，Uniswap显示，COMP价格为为0.27ETH，较价格最高点下跌43%。COMP币价走势 来源：UniswapDeFi Market Cap数据显示， Compound当前市值为6.4亿美金，仍较MakerDAO市值高出19%。03推动DeFi增量对于整个DeFi行业来说，Compound的“借贷即挖矿”究竟有何意义？“其实，这只不过是Compound的代币分发机制。它发了币，总是要把币派出去。不能做ICO，就用‘借贷即挖矿’，至少可以保证拿到币的都是自己的用户。”孙原说。但在DeFi行业，这种代币分发机制确实能为项目带来一批新用户。而新用户中，总会有一部分留存下来，成为项目的核心用户。“Compound的这一玩法，不止给Compound带来了增量，还给整个DeFi生态带来了增量。”雷宇表示。“例如，玩家们要参与‘借贷即挖矿’，需要把中心化交易所里的资金转移到DeFi市场。”他解释称，“交易COMP要去Uniswap，一些习惯了中心化交易所的人，会因此尝试去中心化交易所。当他们发现两者复杂度相似后，就可能留存下来，成为后者的长期用户。”在他看来，采用“借贷即挖矿”等模式增强项目资金流动性，可能会成为DeFi行业的一大趋势。例如，去中心化交易所Bancor曾经发行过BNT币，如果Bancor也借鉴“借贷即挖矿”，其竞品Uniswap就可能受到冲击。但与此同时，也有人指出，DeFi项目中的代币并不是优秀的价值投资标的——它们捆绑的价值属性不足。以MakerDAO项目的MKR为例，它是一种治理型代币，持有MKR的人可以参与MakerDAO的运营，投票制定平台规则。但MKR持有者并不能获得平台分红。这也是上一代DeFi治理代币与其他价值型代币的最大区别。“形成这种现象，是因为大多数DeFi项目位于金融监管政策严格的美国。项目方一旦为代币加入过多的价值属性，它就可能被监管部门视作是一种证券。所以，以往的DeFi项目在设计代币功能时，往往偏保守。”雷宇表示。事实上，作为DeFi行业最知名的项目，MKR的市值并不算高，交易量更是在50名开外。在HBO三大交易所中，也仅有OKEx一家上线了MKR。但业界仍然对于DeFi治理模式的未来充满信心。数据分析平台Messari近期的一份报告就指出，COMP的发行是DeFi社区迄今为止最成功的“渐进式权力下放”案例——通过“借贷即挖矿”，Compound将投票权通过COMP下放给了Compound用户。“人们一直在关注Compound这个DeFi协议，而昨天（6月16日）是用户有机会参与Compound治理的第一天。” Compound创始人莱什纳表示。孙原对一本区块链表示，尽管如今DeFi治理代币的价值有限，但在未来，如果DeFi市场规模持续扩张，DeFi治理代币的意义也会逐渐显现。“现在，整个DeFi市场的资金规模是10亿美金，换到传统金融行业，也就是一家农商行的存款水平。”孙原说。“一家农商行调整利率、准备金率，是没人在乎的。但如果DeFi未来的资金规模持续增长，头部DeFi项目的规则就变得至关重要，DeFi治理代币的地位也可能随之变得更高。”他总结。DeFi老玩家们也许不会想到，有朝一日，Compound会靠“借贷即挖矿”这样的模式出圈。COMP的暴涨，让越来越多的投机者开始盯上DeFi这块肥肉，这是好事，还是坏事？在新玩家中，有多少是羊毛党，又会多少人会留存？一切都是未知数。
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