12月25日，在中国证监会举行的例行新闻发布会上，新闻发言人高莉表示，近日，证监会发布《证券交易数据交换协议》《资本市场场外产品信息数据接口》两项金融行业标准，自公布之日起施行。 高莉介绍，《证券交易数据交换协议》（简称STEP）金融行业标准自2005年发布以来，2014年进行了修订。STEP标准的制定和实施，对于提高全市场证券交易数据交换规范性水平发挥了重要作用。随着我国证券市场业务的快速发展，改革创新的不断深入，沪港通、深港通等与外部对接需求逐步增多，亟须参照升级后的《金融信息交换协议》国际标准，结合国内证券交易实际需求，对STEP标准进行再次修订。STEP标准的修订实施将进一步规范证券交易数据交换接口，增强接口适应业务创新变化的灵活性，有利于降低行业技术开发成本和风险，提高数据的可靠传输及系统的安全运行，有效降低国际市场参与者接入国内市场的技术门槛。 《资本市场场外产品信息数据接口》金融行业标准针对在报价系统或证券公司柜台发行的场外产品类型，规定了产品信息数据接口的数据化要求、分类模板、数据化过程和产品信息，适用于产品注册、产品销售以及其他数据交换场景。标准的制定实施，可以有效规范相关场外产品的分类模板、元素定义和接口形式，有利于产品信息在产品管理人、产品发行人、产品销售机构、监管部门、行业自律组织、信息中介和合格投资者之间高效流转，有利于产品信息的跨平台、跨系统、跨行业交换，以及产品信息的标准化采集和相关业务监管。 “下一步，证监会将继续推进资本市场信息化建设工作，着力增强基础标准化建设，不断提升行业标准化水平。”高莉表示。
为深入实施北京大数据行动计划，加快推进服务业数字化转型工程，助力首都数字经济发展和“两区”建设，日前，北京金控集团与工商银行签订数据应用合作协议，共同开启政务数据服务金融创新、助力普惠金融发展的新篇章。 北京金控集团董事长范文仲表示：“在北京市经信局的统筹协调下，北京金控发挥全市政务数据统进统出、制度化管理、创新社会应用的‘统一接口’职能，通过强化数据供给侧改革和需求侧管理，打通政、银、企之间的数据壁垒，为金融科技、普惠金融和数据产业的发展提供基础支撑。” 北京金控集团依托全市大数据行动计划，建成北京市金融公共数据专区，并经市经信局正式授权，合规开展专区的运营管理，目前已经汇聚了多个政府部门的涵盖200余万市场主体的登记、纳税、专利、政府采购等高质量数据。专区建成以来，北京金控集团以应用需求为导向，建立了标准化的数据统一接口规范，目前已对接22家商业银行。 在广泛调研金融机构需求的基础上，北京金控集团依托政务数据优势，建立了覆盖小微企业信贷准入、审批、贷后全周期的企业画像体系；涵盖企业经营情况、风险信息、政府采购等9个方面，信用、财税、竞争力等3个维度，服务个人、企业、机构等4个版本；提供涵盖企业图谱、风险扫描、征信标签查询等5项产品的企业征信服务，形成了良好的企业画像能力。 北京金控集团搭建数据操作间，在安全可控的数据操作环境内，与金融机构开展模型训练等合作，通过政务数据和金融行为数据的精确匹配和交叉比对，挖掘优质企业客群，主动精准授信，促进小微企业融资。目前，已与工商银行等金融机构开展数据合作，将政务数据内嵌进银行融资授信过程，创新打造数字融资新模式，已为近1000户北京地区小微企业主动授信约20亿元。 下一步，双方将以数据合规安全应用为前提，以普惠金融服务创新为重点，以多方安全计算等先进技术为支撑，精确定位目标客户，精准评估信贷风险，精细提供金融服务，努力破解小微企业融资难题，全力支持首都“四个中心”和“两区”建设。
2004 年，美林证券通过对美国1973-2004约30年的经济数据进行统计研究后，发表了报告《The Investment Clock》，提出了投资时钟理论，表述了资产轮动与经济周期之间的关系。“美林时钟”在实际应用中有很大的争议，由于现实中各类资产轮动速度过快，这一经典理论经常被业内人士戏称为美林电风扇。但是此次疫情的出现以及政府的一系列救市政策，让投资者重新开始关注这一经典理论。如果把新冠疫情看成一次外部冲击导致的短期经济衰退的话，根据美林时钟，从2020年4月到现在，随着疫情的局部控制与货币政策的季度宽松，中美两国的经济都处于经济逐渐复苏的过程，这一过程至今已持续半年多。从宏观角度看，GDP增速走出一季度的低谷，从二季度开始稳定向上修复，逐渐向常态化回归。11月中国制造业采购经理指数（PMI）达到52.2%，创下2017年9月以来新高；11月中国外贸出口增长14.9%，创下20个月以来的单月新高。疫情后国内宏观数据不断转好不仅显示出中国经济的强大韧性，也反映了经济运行的内在客观规律，当前毫无疑问处于美林时钟中第二象限的经济复苏阶段。从微观角度看，很多行业涨价更是轮番上演。下半年以来，媒体不定期就会报道哪个行业什么产品开始涨价，Wind平台几乎每天都有涨价新闻爆出来。比如从今年下半年开始，轮胎行业的涨价潮一直在持续。据卓创资讯不完全统计，2020年9月至今，超过40家轮胎企业陆续发布了涨价通知单。据WitsView提供的数据显示，55英寸LCD电视面板价格从今年年中105美金一路上涨至164美金，涨幅高达56.19%，创下历史新高纪录；14寸的笔记本面板11月价格已达到29.6美金，环比上月28.6美金上涨3.5%。下半年以来，此起彼伏的涨价让人应接不暇，钛白粉、二锅头、大葱、纸、工业零部件等等都发布了涨价通知。而有实体经济晴雨表之称的大宗商品也在爬出疫情的黄金坑之后稳步上涨，既反映了目前经济复苏的态势，也反映了投资者对未来经济强劲复苏的预期。很多人会说涨价的原因是2月份宽松的货币政策，毕竟货币发多了，在通胀预期下，涨价是必然结果。理论上来说没错，但是中国的货币政策其实在5月份就已经有了微妙的转变，已经开始边际收紧。十年期国债收益率在4月低见底后就一路升高，人民币兑美元的汇率从5月底以来也是一路升值，这其中当然有中国经济恢复最强劲的因素，但是外汇短期影响因素还是货币的供求，美国至今的历史级别量化宽松丝毫没有收紧的迹象，而人民币的货币政策在经济恢复之后已经开始陆续的边际收紧。因此，实体经济的轮番涨价并不是完全受货币政策的影响，主要原因还是经济系统的内在恢复。国外产能供给大规模受限，中国承接了大量海外需求，成为此次全球经济复苏的龙头，相信在疫苗大规模接种之后，全球经济会跟随中国经济一起加快复苏的步伐。当然，经济强势复苏的趋势中间也会有短期的扰动，比如11月的CPI、PPI数据普遍被市场解读为不及预期。但也有观点认为，从结构上看，如果抛开2019年同期猪肉价格和石油价格处于高位的因素，其实CPI和PPI表现都正常。扣除食品和能源价格后的核心CPI上涨0.5%，涨幅与10月份持平，国家统计局在回应11月份CPI同比下降时也认为之后会回归合理水平。投资者最为关心的股市，在疫情之后半年以来的表现也完美对应美林时钟中的经济复苏期。股市既是经济的晴雨表，也是货币的晴雨表。权益类资产的价格与货币政策的相关性在经济从低迷刚转为复苏期间较为明显，所以我们看到，自3月份见底以来，无论是A股还是美股中的成长股，表现都大幅跑赢其他资产，科技、消费、医药轮番上涨，而与经济强劲增长相关性较强的顺周期蓝筹股则表现一般。A股中上证指数跑输创业板，美股中标普500跑输纳斯达克。但此时此刻，我们认为未来上证指数跑赢创业板是大概率事件，未来强劲的经济数据将是重要支撑逻辑。上图是M1-M2的同比增速剪刀差，可以发现，每一个历史级别的低点基本都对应着经济的短暂低迷，而从低点开始往上走的过程中，都对应着经济的强劲复苏与资本市场的回暖。那么，M1-M2的增速剪刀差的经济含义是什么呢？M1的货币流通能力要大于M2，M1增速快于M2，说明企业的活期存款增速大于定期存款增速。企业的盈利能力不断提升，企业更愿意把赚到的钱以活期形式存在银行而不是定期，因为企业随时可能扩大再生产来应对即期不断增加的有效需求，所以说M1-M2增速剪刀差往上走的过程就是企业对未来经济不断看好，将货币源源不断的投入实体经济的过程。可以看到，疫情之后剪刀差不断缩窄、持续上升，但目前还未上穿0轴，而上穿0轴基本意味着美林时钟转过12点钟方向。我们预计在明年一季度就会看到这一剪刀差上穿0轴，拭目以待。展望2021年，经济复苏可能会加速，美林时钟明年二季度可能会转过12点，从第二象限走向第一象限，后面我们大概率会看到与经济强劲增长的顺周期蓝筹股会大幅跑赢成长股，其实这一逻辑在11月份的股市已经开始有所体现，有色冶炼、煤炭、金融股都出现了非常明显的异动，近期的回调很可能与11月的经济数据表现较弱有关，当市场逐步消化这一数据后，会开始交易对未来的经济数据的预期。不出意外，也许最早到2021年1月份公布2020年12月经济数据后，市场就会看到经济强劲复苏态势。即使12月数据没有体现，我们相信明年的一季度，最迟二季度就会看到非常强劲的经济数据，而强劲的经济数据是支撑起顺周期蓝筹股以及大宗商品上涨的重要逻辑。招募公告：苏宁金融于2020年8月启动“苏宁金融APP-财顾频道大V激励方案”，每月按阅读量和发文活跃度，奖励排名前50名大V，奖励金额300元-2000元不等。如果您是财经作者，欢迎入驻苏宁金融APP-财顾频道。入驻方式：关注“苏宁金融研究院”公众号，向后台发送“财顾”二字，小编将第一时间联系您办理入驻事宜。
原标题：阿里巴巴被约谈，“花呗”和“借呗”降额，互联网金融该何去何从 阿里巴巴集团被金融管理部门约谈的新闻一度占据各大媒体的头版头条，就在昨日，借呗突然被关闭，花呗主动降额，倡导合理消费，不少网友表示，不是不报，时候未到。 不管是“花呗”还是“借呗”，都是典型的互联网金融，如果互联网金融能够和近几年政府一直在提倡的区块链和AI技术相结合，会擦出什么样的火花？ 区块链带来风控革命 区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。 区块链给互联网金融带来安全风控革命性的变革已是事实。阿里董事局主席马云在世界智能大会圆桌讨论时强调，或许能显示阿里巴巴发展区块链的目的和野心——“我们做互联网金融，在阿里巴巴交易平台几万亿的交易额，几十万亿的交易额，没有区块链是要死人的。阿里巴巴必须要有区块链。”显然阿里巴巴区块链发展目标，便是确保金融安全。 有学者认为，互联网金融企业可以通过区块链共识、不可篡改等技术以及数字签名、终端用户加密钱包等安全手段可确保用户账户及资金安全。区块链技术将提供金融级的安全服务、数据存储、网络等资源高效整合，将数据、应用、交易集成到区块链云中，足以构建安全交易网络环境。 AI打造智能金融时代 区块链技术受人追捧的同时，人工智能技术不甘示弱。 人工智能技术即AI，对于风控体系的完善同样也有着非常重要的作用。人工智能技术通过搜集更多维度的数据来更精细地进行用户画像，包括利用一些行业数据，用户的互联网浏览数据，司法执行数据，第三方信用数据，出行数据，电商平台的交易数据，电话通讯数据和社交数据等。 这些数据的覆盖人群会远远超过现有的金融行业所使用的数据。而 AI 就是对这些数据进行组合，从而挖掘出用户有效的特征。通过对这些特征的评估，可以准确地了解用户的消费能力和信用水平，大大提高了风险识别的效率。另外，相较于以往的人工比对，人工智能收集的数据更为全面，以往人工比对更加精细，更加准确。 以蚂蚁金服现金贷款产品“借呗”为例，平均利率在年化14%左右，借呗负责人陈怀晟透露，整个借呗团队处于几十人规模。这种较低的风险成本和人力成本背后是基于大数据的智能化风控能力与更高的效率。 陈怀晟认为，在信贷决策环节，“借呗”除了要像传统机构一样去核对客户的稳定性、还款能力，智能化的决策系统可以把数据从点到面去进行连接。“我们可能识别出一个客户风险不良，通过更大范围分析后，这个客户其实影响了他身边一群这样的客户。所以这群客户中前面所累积的个人数据再漂亮，系统也可能认为他不是一个好客户。反之，如果一个人在支付宝或淘宝留下的数据不充分，但他周围的人信用状况很好，系统可能会尝试给出一定额度。” 这样的审核原本需要相当长一段时间来完成，可是通过AI，金融机构可以在极短的时间内搜集信息，得出结论。 区块链+AI的碰撞可能产生精彩。 中国互联网金融协会惩戒委员会主任委员杨帆提出了可能性之一，区块链加人工智能是金融风控的倍增器。两者结合起来在金融风控方面会产生颠覆性改变和产业的迭代性升级。 目前，中国在区块链及AI研究领域已经位于世界前列，而区块链及AI技术的应用将给互联网金融企业带来安全及效率的革命，区块链和AI技术之间的碰撞或将给中国企业带来更多可能性与想象空间。
文：任泽平曹志楠 方思元 黄斯佳 梁珣 导读 金融与科技深度融合成为全球趋势，深刻改变金融服务市场格局，对传统商业模式和监管规则提出新挑战。如何看待金融科技创新？如何规范发展？ 摘要 1、行业概览：金融科技是技术驱动的金融创新，技术为手段，目标和利源仍在金融。金融科技自20世纪80年代兴起，经历金融信息化、互联网金融、金融与科技深度融合三大阶段，截至2019年全球金融科技投融资达1503亿美元。中国金融科技后来居上，2018年伴随蚂蚁等大型融资，金融科技投融资达到阶段性高点，形成少数大企业主导的市场格局。 2、细分市场：应用场景和赛道众多，金融机构与互联网企业各有优势，竞争与合作共存。总体来看，银行和保险科技投入多，在信贷、保险产品设计等应用成熟；证券和资管科技资金投入少，前沿科技渗透较低；互联网平台多以“支付+场景”为入口，向金融机构导流，输出数据和技术优势。 1）银行：资金投入充足，发力数字化转型。主要上市银行2019年技术投入高达1079亿元，偏好自建科技子公司或合作开发。应用场景包括消费信贷、供应链金融、智能柜台、智能投顾等，通过大数据、AI贷前精准营销，贷后动态监控，构建信用评级体系，大幅提高业务质量和效率。主要挑战在于转型时间长、数据处理难度大等。 2）保险：应用场景广泛，发展迅速。头部保险凭借数据和资金优势自行研发，互联网保险公司主要切入营销、定损等局部市场，2019年技术投入达319亿元。保险产品在设计、销售、投保核保、理赔等环节均有金融科技渗透，显著扩大保险覆盖范围。主要挑战在于保险技术应用“重销售、轻服务”、中小险企数据运用和管理水平有待提升。 3）证券：零售经纪和机构业务应用较广。2019年证券技术投入约205亿，主要应用于经纪、机构服务等标准化业务上，在投行、合规风控等依赖人力和经验的业务尚未大规模应用。目前，证券科技同质化严重，且涉及全资本市场基础设施改革，尚待顶层设计统筹推进。 4）资管：主要运用于投研决策、量化交易、智能搜索领域。2019年大资管行业存量规模约82万亿元，涵盖基金、银行理财、信托、券商资管、保险资管等机构，其中基金行业在金融科技运用方面较为领先。但轻资产商业模式决定资管行业难以大规模投入技术资金，基金业技术投入不足20亿元、信托业15亿，目前的金融科技水平难以完全取代人力作用，主要起到智能搜索、量化交易、投研辅助作用。 5）互联网金融科技平台：大型平台企业主导，渗透支付、借贷、理财、技术输出等细分领域。我们选取10家样本企业观察，企业涵盖电商、社交、本地生活、直播等不同领域，但涉足金融服务路径相同，均以获取支付牌照为敲门砖，导流至高利润的借贷和理财板块，同时利用数据和技术向金融机构输出技术解决方案。但酝酿高杠杆、系统性风险、隐私保护、垄断地位等问题，引起高度关注。 3、监管导向：全面升级，鼓励创新与规范发展。早期国家对金融创新持包容态度，但P2P等风险事件极大挑战监管底线。吸取教训，监管层提前预判互联网金融科技潜在风险。顶层设计上，强调鼓励创新与规范发展并重；监管主体上，金融委、央行、监管机构、市场监管总局多管齐下，提前介入，不留监管死角；监管思路上，推出中国版“监管沙盒”试点，打造培育创新与规范发展长效机制。 4、展望未来：2020年是金融科技发展分水岭，如果说上半场关键词是巨头崛起、创新商业模式为王，下半场则是重建规则、靠硬实力取胜。金融科技未来发展面临四大趋势。1）步入监管元年，短期内面临强监管，长期仍鼓励创新与风险预防并重。2）金融科技前景依然广阔，市场主体日趋多元，合作大于竞争。3）随着新基建上升为国家战略高度，人工智能、区块链、云计算及大数据深度融合，推动金融科技发展进入新一阶段。4）商业模式或被重塑，更好服务实体经济、普惠金融、提高科技硬实力是三大发力方向。 风险提示：金融科技严监管，对市场格局和商业模式形成冲击 正文 1 金融科技行业概览 1.1 何为金融科技：以技术为手段，提高金融效率和质量 金融科技是技术驱动的金融创新，技术为手段，金融为目标。金融科技Fintech一词最早是花旗银行1993年提出，由Finance（金融）+Technology（科技）合成而来。根据金融稳定理事会（FSB）2017年《金融科技对金融稳定的影响》，金融科技是指技术带来的金融创新，能够产生新的商业模式、应用、流程或产品，从而对金融服务的提供方式产生重大影响。中国央行《金融科技（FinTech）发展规划（2019—2021年）》也参考了上述定义，指出“金融科技是技术驱动的金融创新，旨在运用现代科技成果改造或创新金融产品、经营模式、业务流程等，推动金融发展提质增效”。 1.2 发展历程：中国金融科技起步较晚，后来居上 纵观全球金融科技发展，可分为金融信息化、互联网金融、金融与科技深度融合三大阶段。 1.0金融信息化：上世纪80年代经济全球化、金融自由化催生大量复杂金融服务需求，金融机构设立IT部门，银行卡、ATM、证券交易无纸化等快速普及，金融服务与电子信息技术初步融合，起到提高业务效率、降低运营成本的作用。在中国，1993年国务院《有关金融体制改革的决定》提出“加快金融电子化建设”，中国金融信息化提上日程。 2.0互联网金融：2000-2010年全球信息爆炸、互联网红利快速上升，金融机构围绕互联网拓客营销，金融服务从线下转移到线上，极大丰富触及范围和应用场景，减少信息不对称，销售渠道和业务模式大变革。在中国，2013-2015年是互联网金融达到高峰，P2P、移动支付、网上开户遍地开花，互联网银行、证券、保险等纷纷设立。 3.0金融科技深度融合：2011年以来，随着人工智能、大数据、云计算、区块链技术渗透于投资决策、风险定价、资产配置等环节，深刻改变金融服务方式和逻辑，对传统金融机构和监管发起挑战。中国由于人口基数庞大、移动通信和物流基建发达，在全球金融科技竞争格局中处于第一梯队。 1.3 投资情况：2019年全球金融科技投融资达1500亿美元，中国市场有所降温 全球金融科技投融资2018年达到顶峰。根据毕马威《金融科技脉搏》，2015-2019年，全球金融科技投融资金额从649亿美元增至1503亿美元，年均增速达23.4%，投融资数量从2123宗增至3286宗。2018年伴随蚂蚁等一批大型融资事件落地，金融科技投融资达到阶段性高点，此后市场降温。2020年上半年，因疫情导致跨境并购中断，金融科技仅获1221笔交易、256亿美元投资。 分投资渠道看，风投表现较为强劲。金融科技主要投资者包括VC、PE和并购，平均所占份额为40%、3%、41%。VC是风险投资机构对初创企业股权投资，是反映金融科技投资市场领先指标。近5年，VC支持的金融科技投资金额从178亿美元增至393亿美元，2020年上半年为200亿美元，超过同期水平。 分业态看，支付科技占四成，保险科技次之。金融科技投向业态包括支付、保险、监管科技、数字货币、财富管理、网络安全等领域，2020年上半年占比分别为38%、9%、7%、5%、1%、3%。支付科技涉及领域广泛，从大众消费到医疗、房地产、跨境交易等细分赛道，均对支付流动性、安全性提出较高要求，投资者热情高涨。 分国家和地区看，美国金融科技投资最多，中国投资降温。2020年上半年，美洲、亚洲、其他地区金融科技投融资分别为129、81、46亿美元，占比分别50%、32%、18%。其中，美国金融科技投资额119亿美元，占美洲92%、全球投资额46%。亚太地区，以印尼、印度为代表东南亚金融科技公司成为热点。中国内地金融科技投融资经历2018年高峰，2019年投资额为45亿美元，相比缩减82%，2020年上半年进一步降至6.1亿美元。 分企业看，中国金融科技市场格局寡头化。不同于其他国家和地区金融科技以中小型公司为主，中国金融科技市场结构趋向少数大型企业主导。《2020胡润全球独角兽榜》显示，18家金融科技行业独角兽企业估值共计16340亿元。 1.4 核心技术：ABCD四大技术赋能 1、人工智能 人工智能（AI）将人的智能延伸到计算机系统，具体包括图像识别、语言识别、自然语言处理、机器学习、知识图谱等。金融领域涉及人工环节多、对数据安全性要求高，人工智能应用广泛。根据艾瑞咨询，预计2022年金融科技投资中，人工智能投入将达到580亿元。 AI+金融典型应用包括：1）基于生物识别的人脸识别，可应用于账户远程开户、业务签约等；2）基于语音识别与处理，实现智能客服、营业网点机器人(行情300024,诊股)服务，减少运营成本；3）基于OCR自动化视觉处理，将发票、合同、单据的信息结构化处理，提高效率；4）机器学习应用于智能投顾，提高市场有效性，加快产品创新。5）金融知识图谱，将大量信息汇集到关系网，作用于风险预警、反欺诈方面。 2、大数据 大数据（Big data），是以新处理模式对大量多样的数据集合进行捕捉、管理和处理，使之成为具备更强的决策力、洞察力和流程优化能力的生产资料。国家工业信息安全发展研究中心《2019中国大数据产业发展报告》显示，2019年中国大数据产业规模达到8500亿，预计2020年超过1万亿。 大数据+金融典型应用包括：1）客户画像：大数据根据客户人口统计学特征、消费能力数据、兴趣数据、风险偏好等，捕捉潜在需求，实现精准营销与获客。2）大数据征信：基于金融大数据，开发授信评估、信用报告、贷中预警等服务，降低信用评估成本，将审核周期缩短至秒级。 3、云计算 云计算（Cloud computing）将原本在本地服务器进行的计算转移到云端，按需使用，具有计算高效、成本低廉特点。按照服务方式，云计算分为IaaS（将IT基础设施作为服务交付），PaaS（将数据库等平台作为服务交付），SaaS（将应用解决方案作为服务交付）。根据IDC《中国金融云市场跟踪》报告，2019年中国金融云市场规模达到33.4亿美元，其中，以公有云和私有云为代表的IaaS规模达到23.5亿美元，云解决方案市场规模达到9.8亿美元。 云计算是金融科技基础设施，典型应用包括：1）云+大数据：云计算以分布式处理架构为核心，高度契合大数据处理，实现海量数据(行情603138,诊股)云端存储。2）拓展系统处理能力：传统金融解决方案市场由IOE主导，即以 IBM、Oracle、EMC为代表的小型机、集中式数据库和高端存储的技术架构，难以应对数据量级和计算复杂程度的增长，金融机构自行开发或购买云服务，弥补基础软硬件的不足，满足系统高性能和容灾备份的要求。 4、区块链 区块链（Blockchain）是分布式共享记账机制，具有去中心化、不可篡改、匿名性等特点，与金融行业对数据安全、交易真实、隐私保密等业务需求不谋而合。IDC《全球半年度区块链支出指南》估算2018年中国区块链市场支出规模达1.6亿美元。 区块链赋能金融典型场景包括：1）物联网：区块链是物联网底层万物互联的基础，确保底层资产交易真实可靠，提升交易安全性，降低信息不对称。2）支付结算：支付收单机构间基于联盟链和智能合约实时自动对账，避免数据被篡改，全业务流程可追溯可审计。 2 金融科技行业应用现状 金融科技细分赛道众多，涵盖支付、借贷、投资、财富管理、保险、解决方案输出等业务形态，主要玩家包括传统金融机构、互联网企业、专业领域金融科技公司等。 2.1 银行科技 2.1.1行业格局：数字化加速发展，央行、商业银行以及银行金融科技子公司是主要推动力 近年来，银行业发力金融科技领域，借助技术推动整体向数字化、智能化、生态化加速发展。根据《中国上市银行分析报告2020》，2019年上市银行继续加大科技投入力度，在基础平台建设、数字化零售金融、数字化公司金融、数字化同业业务等方面取得长足进展，大中型上市银行平均科技人员占比提升至4%以上，平均科技投入资金占营业收入比例约为2%，其中披露金融科技投入的18家上市银行投资规模合计达1079亿。 目前银行业金融科技主要形成以下格局，央行发起设立金融科技公司引领行业发展，商业银行与科技公司合作完善业务生态布局，大中型银行成立金融科技子公司发力转型。 央行主导成立金融科技公司，涉及数字货币、区块链等。央行为完善数据共享、数字货币清结算、征信数据库建设等工作，正稳步推进计划中的金融科技工作，目前已成立五家金融科技公司，包括数字货币研究所、深圳金融科技有限公司、长三角金融科技有限公司、成方金融科技有限公司、中汇金融科技等，涉及数字货币、区块链金融、密码学等多个方向。 银行与第三方互联网公司和科技公司合作。银行拥有牌照、研发实力、资金和客户，科技公司具有科技能力和金融创新的敏感度，二者优势互补，在客户资源、科技开发与应用、风险控制等领域深度合作，银行通过合作开发、协作引入等方式接受较为成熟的技术方案，同时推动组织转型和架构升级。例如，赣州银行与中兴通讯(行情000063,诊股)(港股00763)、大连同方和天阳宏业等科技公司共同发起金融科技国产化实验室，晋商银行(港股02558)与山西移动签署战略合作协议将在金融业务、通信及信息化服务等方面共建金融科技生态。 大中型银行成立金融科技子公司。各大银行在深化与外部科技企业合作的基础上，注重加强自身科技实力，成立金融科技子公司整合技术、业务、资源及经验优势，对内对外输出技术能力，提升整体数字化水平。截止2020年11月，国有五大行及七家股份制银行已成立独立的金融科技子公司。 2.1.2应用场景：金融科技深入各业务条线，信贷领域应用已较为成熟 当前银行金融科技应用快速发展，深入各业务条线与产品，手机银行、智能柜台、交易银行、智能客服、智能投顾等增值服务全面推出，提升客户体验、降低运营成本，各业务协同形成正向循环。其中，金融科技在信贷业务领域应用广泛，目前大数据和人工智能技术已较为成熟，主要包括消费信贷、中小企业贷款及供应链金融。 （一）消费信贷 消费信贷具有小额、分散、高频的特点，内嵌于日常生活，与消费场景深度融合。 1）贷前：触达客户、挖掘需求、精准营销 消费金融场景化构建，增加流量、获取数据。银行通过和较强科技实力的头部机构合作为消费金融业务提供精准导流，掌握客户大数据，目前主要有两种方式，一是与金融科技信息平台合作，拓展技术应用和场景服务能力，如五大行分别与百度、阿里、腾讯、京东、苏宁建立战略合作关系，在金融产品、渠道建设、智能金融服务领域深度合作，其中重点布局校园生态、交通出行、医疗健康、零售商超等线下流量大的场景，如各大银行接入第三方支付机构、合作线上发卡等。二是与生活社交、餐饮娱乐、旅游出行等平台合作，互联网在前端提供客户和流量，商业银行开放客户端接入的API接口，同时吸引线上线下客户，形成一站式服务。如在美团点评、永乐票务等平台上提供支付、消费信贷等便捷优质的金融服务，联合爱奇艺等视频平台提供会员服务等，形成消费金融生态圈。 根据大数据挖掘客户信贷需求，实现精准营销。依据外部平台、内部个人信贷等数据，借助生物识别、人工智能等技术，准确分析客户属性、行为偏好、需求倾向等，形成信用卡、财富管理、信贷等不同层次的金融产品和服务体系，实现对目标客户的精准触达、智能营销，并匹配最优产品组合，提升差异化定价能力。如恒丰银行利用自主研发的企业级大数据技术平台，提供客户360视图、产品货架与优化组合方案、客户风险预警等，实现团队协作和精准营销技术支撑，系统中的产品推荐和智能获客功能有效增加了新客户增长和(港股00001)产品持有，从2016年2月至2017年4月使用前后数据看，客户增长率、价值客户增加率、重点产品持有率分别上涨2.2%、3.6%、3.5%。 精准识别客户资质，实现恰当准入。在授信环节，通过大数据征信、人工智能、知识图谱等验证借款人的真实身份和偿付意愿，准确判断用户信用等级、项目风险、成本效益。数据来自与外部聚合的生态平台、征信机构、社保、财税、工商等公用事业系统、个人信用管理平台等多维度，利用深度学习、神经网络技术，减少人工干预。如平安金融壹账通利用微表情面审辅助系统，整合人工智能与大数据技术，智能判断并提示欺诈风险，可实现与人工判断80%的吻合率，实现了面审流程智能化、规范化、减少40%以上人工干预。 2）贷中及贷后：动态监控、用户复贷、逾期催收 贷款发放后，1）信用风险动态监控，大数据、人工智能等技术跟踪交易行为、关联交易动态，关注信用风险变化，基于风险预测模型进行预警和调整；2）用户复贷、逾期催收，对于有良好的记录的优质客户，继续使用精准营销推动复贷，对逾期客户进行催收预警，与公安司法部门连通，联合执行催收。如恒丰银行的全面风险预警系统，其依托于星环大数据平台，可适用于贷款全流程风险监控，自上线以来，客户识别效率、准确率、成本控制显著提升，某平台贷自增授信业务逾欠率控制在1%以内，且呈逐步降低趋势。 （二）中小企业贷款及供应链金融服务 中小企业抵质押物较少、价值较低，银行难以触达和有效服务中小微客户。近年随着金融科技和业务的逐步融合，在中小企业贷款以及供应链金融方面，银行可以通过金融科技提升数据收集能力、构建信用评级体系，极大提高支持中小企业融资效率。 1）贷前：数据采集、信贷审核流程整合 在普通中小企业贷款中，银行通过金融科技技术采集电商交易、物流、企业结算、流水等数据，结合工商、税务、法院等外部信息，一并进入数据湖，经数据挖掘、特征提取、机器学习等方式刻画企业形象，进而构建信用模型、判断信用风险、核定信用额度，完成企业到企业主的全面分析，实现线上审批、自动放款。金融科技中数据的获取、加工、分析等是并行操作，将七大原有信贷审核流程整合为一体，提升审批效率、降低运营成本。 在供应链金融服务中，银行贷前风控从授信主体转向整体链条。供应链核心企业信用良好，根据上下游企业与其交易关系的大数据形成关系图谱，通过知识图谱技术将碎片化数据有机组织，利用区块链技术实现供应链上下游信用穿透，同时使用交往圈分析模型，持续观察企业间交往数据变化，动态监控供应链健康程度，实现信贷全流程管理。 其中最为关键的是区块链技术实现的信用共享，具体来看，数据方面，通过将业务流程中的四流（信息流、商流、物流和资金流）与融资信息上链，利用区块链不可篡改性，提升数据可信度；业务方面，将核心企业的票据、授信额度、应收应付等转化为数字凭证，利用区块链可溯源性，实现信用有效传导，同时通过智能合约可实现数字凭证的多级拆分和流转，有效提升金融机构风控效率，降低中小企业融资难度。目前已有较多区块链结合供应链实践，如工银e信、农行e链贷等，主要用于应收款项、库存融资等方面。以工银e信为例，其是一种可流转、可融资、可拆分的电子付款承诺函，可在平台上自由转让、融资、质押等，实现银行资金的全产业链支持。 2）贷中及贷后：全流程管理 与消费信贷类似，用数据监控客户经营周期，关注用户的欺诈风险与经营风险的动态改变，设置一系列预警指标，包括银行流水、杠杆比例、税务信息等传统金融数据，以及交易对手方经营变化、市场数据等经营数据。 2.1.3问题挑战：技术转型时间长、投入产出比不定、数据处理难度大 信贷业务数字化从根本上改善了中小企业、农户的贷款服务。12月8日银保监会主席郭树清表示，银行等机构的智能风控减少授信过程中对抵押物的依赖，提升融资的可得性，甚至可精准帮助贫困户发展适宜产业。截至2020年9月，全国扶贫小额信贷累计发放5038亿元，支持贫困户1204万户次，截至10月，银行的小微企业信贷客户已达到2700万，普惠型小微企业和个体工商户贷款同比增速超过30%，农户贷款同比增速达14.3%。 但当前银行金融科技发展中也存在部分问题： 一是传统对内的技术系统转向以客户为中心的数字系统尚需时日。传统IT系统通过内部网络和信息化技术实现业务流程电子化，提升工作流程效率、降低操作风险，核心系统的重点在于安全和稳定。而数字化改革的重点是以客户为核心，需要快速响应和灵活拓展能力，以定制化、场景化的金融服务满足客户需求，因此传统IT系统与以客户为中心的数字化系统衔接与整合需要一定时日。 二是转型所需投入成本较高，需权衡投入产出比。战略转型、软硬件改革等需要较大的金融科技投入和人才吸纳成本，短期内对银行的盈利能力形成影响。2019年，上市银行平均金融科技投入分别占营业收入、归母净利润的2.3%和7.0%。持续高额投入能否成功转型，未来创造更高额利润、有良好的投入产出比仍存在不确定性，因此银行在考虑进行改革时会不断权衡转型的可行性和可持续性。 三是数据处理和分析难度大。传统银行数据库的信息具有碎片化、非结构化的特征，各项业务和项目运行是单独的数据集，使得数据的整合、处理和分析存在较大困难。目前主要以“数据湖”的形式将所有数据集中，再依据所需进行提取加工，但实际操作中，入湖数据的筛选、海量原始数据的输入、高效低成本的提取和分析数据等均存在难点。 2.2 保险科技 2.2.1行业格局：头部险企和互联网保险公司发展迅速，传统互联网公司加速布局 近几年，我国保险科技发展十分迅速。根据《中国金融科技生态白皮书2020》，2019 年中国保险机构的科技投入达 319 亿元，预计2022年将增长到534亿。头部保险企业和互联网保险公司的科技布局不断加速，中国平安(行情601318,诊股)(港股02318)、中国人寿(行情601628,诊股)(港股02628)等传统大型保险机构，均将“保险+科技”提到战略高度。 当前我国保险科技市场主要参与方有三类，分别为传统保险公司、互联网保险公司以及互联网公司。 1）传统保险公司是当前推动保险科技运用的主力。在互联网转型的压力下，传统保险公司基于其自身稳定成熟的保险业务模式、产品设计、营销渠道，积极扩大金融科技的运用范围，通过与科技企业合作或自研，提升金融科技实力与创新能力。以中国平安为例，公司持续加大科技研发投入，打造领先的科技能力。截至2020年6月末，公司科技专利申请数较年初增加4,625项，累计达26,008项 ；在全球金融科技专利申请排名榜中，连续两年位居全球第一位。 2）互联网保险公司是保险科技生态的重要力量。互联网保险公司自创立起就致力于在各方面业务发展创新，与传统保险公司错位竞争，主要围绕产品设计、销售、理赔、售后等多方面，实现线上化、场景化和去中介化目标。以众安保险为例，由“保险+科技”双引擎驱动，围绕健康、消费金融、汽车、生活消费、航旅五大生态，以科技服务新生代，提供个性化、定制化、智能化的新保险，开发了众享e家·意外险、骑行保共享单车意外险、尊享e生、童安保等特色互联网保险产品。 3）互联网公司是保险科技生态的新新力量。互联网公司金融科技实力较强，并且具有丰富的流量入口，在将流量与金融科技结合方面具有显著优势。互联网公司在布局大金融生态的同时，与保险公司深度合作，在保险领域的布局逐步深入，逐步成为保险科技的新新力量。以微民保险为例，作为腾讯旗下保险代理平台，微民与保险公司深度合作，充分发挥腾讯的互联网能力和“连接器”优势，为用户提供性价比高的保险产品以及微保特色的优惠与增值服务。微民保险着重打造“互联网+保险”生态模式、“流量+场景+保险”生态模式、“保险+服务+用户教育”闭环模式，通过结合微保的用户触达、风险识别、网上支付，跟保险公司的精算、承保、核赔和线下服务能力，实现全行业的生态共享共赢，最终让用户受惠。 2.2.2应用场景：贯穿保险业务全链条 保险业务的核心链条包括产品设计、销售、投保核保、理赔等四个环节。以人工智能、云计算、大数据、区块链等新一代信息技术应用为代表的保险科技，正在深刻改变保险业务模式，重塑保险业务的核心价值链。 1）产品设计端：提供全面深入数据支持，提升风险定价能力 保险的产品设计是保险业务核心能力，通过区块链、人工智能、大数据等技术，可以为保险产品设计提供更加全面深入的数据支持。如利用区块链结合物联网、以及人工智能技术，可以将通过场景获得的数据上链储存，保证数据安全性、真实性。在此基础上，通过大数据建立客户数据库，辅助精算师进行产品开发，提升风险定价能力。 保险科技在产品设计端的运用，一方面有助于保险业务效益提升，实现保险产品精准定价，另一方面提升客户的产品体验，将保费与个人实际情况更精准结合。当前在车险行业较为热门的保险科技运用是UBI车险，即“Usage based Insurance”（基于实际使用的车险），根据《中国金融科技生态白皮书（2020）》，UBI车险采用前装设备、OBD（On-Board Diagnostics，车载自诊断系统）设备以及智能手机，实时收集实际驾驶时间、地点、里程、加速、减速、转弯、车灯状态等驾驶信息，加以分析建模，精准地计算风险保费、设计保险产品。UBI 车险结合驾驶人、车辆、路面状况等多个维度模型的分析，可以准确评估驾驶人员的驾驶行为风险等级，从而确定不同的保费级别，最终实现保费与风险的对价平衡。 2）产品营销端：通过精准定位、定向投放提高转化率 人寿集团公司副总裁盛和泰在撰文中表示，通过金融科技运用，“保险公司将保险服务融入客户所处的网络应用场景之中，通过适时风险提示来激发客户投保意愿，推动保险销售从‘干扰型的介入式推销’向‘场景型的融入式营销’转变，实现客户保险消费从‘要我买’向‘我要买’的转变，将保险消费主导权归还给消费者，客户的保险消费体验得到显著提升。” 一是精准营销，通过大数据、人工智能作为主要技术，对客户进行360度精准画像，实现客户群精准定位，同时提高保险营销渠道的精细化管理，在匹配客群及渠道的基础上进行定向投放，提高转化率。 二是辅助代理人业务，通过强大的数据化平台，将各类保险产品主要数据导入，为代理人业务提供手机端可移动、实时、可修改各类参保参数的线上保单生成系统，便于代理人实时制定个性化方案、跟进参保进度等。 三是智能客服，通过人工智能技术与潜在客户深度交流，获取客户需求以及客户信息，并提供定制化保险方案。 3）投保与核保端：流程智能化，降本增效 在投保与核保环节，保险科技的价值在于帮助企业提升风控能力，实现流程智能化，电子保单与自动核保的应用帮助降本增效。 在投保环节，通过区块链技术，将过去分散的保单管理转为统一链上管理，实现全流程数据化，便利数据分享。 在核保环节，通过区块链及渠道溯源，以链上数据简化投保评估流程，依据参保人全方位的数据信息，对参保人员进行智能综合分析，实现智能核保以及流程自动化，降低成本；依据风险程度做出是否承保及确认承保条件，量化风险。 4）理赔与售后：提高理赔效率，识别骗保风险 通过人工智能及大数据技术，保险公司可以显著提高理赔效率、实现骗保识别、提升客户体验。 在智能客服方面，利用人工智能可以实现理赔决策自动化，提高理赔效率，减少人工成本。如一些保险科技公司已推出“智能闪赔”产品，实现机构数据打通，能够通过线上操作，不受时间地点限制，在半天内赔款到位，90%以上的案件10分钟内就能完成查勘，自助理赔率达到60%，提升效率，降低赔付成本。 在理赔反欺诈方面，利用大数据，可以建设智能风控系统识别欺诈风险，改善传统理赔环节存在的数据割裂问题。保险欺诈行为严重损害保险公司的利益，为识别可疑保险欺诈行为，需要开展多方面专项调查，耗时耗力。而借助大数据手段，通过建立保险欺诈识别模型，完善智能风控系统，通过筛选从数万条赔付信息中挑出疑似诈骗索赔，再根据疑似诈骗索赔展开调查，提高工作效率。此外，保险企业可以利用大数据，结合内部、第三方和社交媒体数据进行早期异常值检测，包括了客户的健康状况、财产状况、理赔记录等，及时采取干预措施，减少先期赔付。 2.2.3问题挑战：数据化进程缓慢、新技术运用尚不成熟 保险科技的运营显著扩大了保险覆盖范围，实现保险业务降本增效。郭树清在2020年新加坡科技节演讲中提出，“数字保险显著拓宽了保险覆盖范围。中国基本养老保险已覆盖近10亿人，基本医疗保险覆盖超过13亿人，并已实现跨省结算。保险机构运用视频连线和远程认证等科技手段，实现业务关键环节线上化。2020年上半年，互联网人身险保费收入同比增长12.2%，互联网财产保险公司保费收入同比增长44.2%。” 当前保险金融科技应用不断向纵深化发展，然而仍面临一定问题： 一是部分保险金融科技应用重销售、轻服务。当前保险科技运用主要集中于销售以及产品设计端，侧重于获取客户信息、塑造场景化保险购买体验，提升产品设计能力以及客户购买意向，但对于售后、理赔便利性等环节的技术运用仍有待提升，切实提高保险服务品质。 二是数据化进程存在挑战，数据储存和安全问题日益突出。在当前保险行业在推进科技运用过程中，部分中小险企数据管理规范有待建立，在数据资源采集、传输、存储、利用、开放等全流程数据化进程建设仍存在问题。部分保险公司积累大量客户行为数据和交易数据，但数据管理水平仍不足，存在数据孤岛化、分割化问题，数据安全性程度难以保障。 三是新技术在保险行业的运用尚不成熟，如区块链、人工智能等。受限于科技成熟度，以及理论向实践转换的问题，新技术应用速度难以满足市场需求，保险科技在行业内的应用仍然有很大提升空间。 2.3 证券科技 2.3.1行业格局：金融科技投资约200亿，头部券商、互联网券商和软件服务商三分天下 证券行业金融科技投入2019年超200亿。根据中证协，2017-2019年证券业信息技术投入金额从2017年112元增长至2019年205亿元，年均增速35%；信息技术投入占上一年度营收比重从2.80%提高至8.07%。2019年证券行业信息技术人才有13241人，占3.75%。证券领域金融科技参与者主要包括大型综合类券商、互联网券商和软件服务商。 1）大型综合类券商通过自建团队、合作开发等方式，注重培育自主研发能力。国泰君安(行情601211,诊股)(港股02611)成立数字金融部、华泰证券(行情601688,诊股)成立数字化运营部、中金与腾讯成立合资技术公司，2019年，国泰君安、华泰证券、中信证券(行情600030,诊股)(港股06030)信息技术投入位列前三，投入规模分别为12.4亿元、12.0亿元和11.4亿元。 2）互联网券商主打流量运营。东方财富(行情300059,诊股)从互联网转型券商，注重科技赋能，研发人员占比近40%。根据中证协，2019年东方财富信息技术投入占营收比重25%，遥遥领先于其他券商，旗下“东方财富网”PC端和APP分别贡献日活6252万人和月活4141万人。 3）软件服务商专注产品开发。同花顺(行情300033,诊股)将人工智能导入传统的理财顾问服务，提供投资建议，2019年研发投入占营收25%，研发人员占65%。恒生电子(行情600570,诊股)为证券等金融机构提供IT软件产品和解决方案，研发支出占营业收入比例超过40%。 2.3.2应用场景：广泛应用于零售经纪和机构业务 金融科技广泛应用于证券行业经纪交易等标准化业务上，在投行、合规风控等依赖人力和经验的业务尚未大规模应用。具体体现：以互联网、大数据升级移动终端、精准获客，以智能投顾增加客户粘性和服务附加值，以流程自动化RPA技术和数据仓库提高PB机构服务。 1）零售经纪：人工智能、大数据助力经纪业务向财富管理升级。券商零售业务服务于C端客户，包括经纪、投资咨询、财富管理等业务。金融科技作用，一是互联网大数据营销，升级一站式终端平台，通过身份信息、交易数据，挖掘客户在理财、基金、融资、财富管理等深层需求，精准营销；二是智能投顾，运用金融科技、量化模型、智能算法等技术打造智能投顾平台，客户输入条件，即可筛选标的、生成资产配置方案，不但降低人工成本、提升投顾效率，而且扩大对长尾用户的覆盖范围。 2）机构业务：RPA、数据仓库打开PB发展空间。券商机构业务包括做市、托管等，存在海量交易数据和标准化流程。其中PB业务涉及为私募基金等专业投资者提供交易、估值、清算、风控等一揽子服务，对信息系统稳定性、时效性要求高。RPA技术（机器人流程自动化）基于人工智能完成重复工作，应用于量化交易平台，是券商和软件供应商发力方向。大数据和云计算集合，支持PB级数据和秒级处理，数据仓库存储容量将得到大幅拓展，满足日常监控、交易分析等需求。 3）投行业务：区块链在资产证券化潜力大。区块链具有不可篡改、可追溯、可溯源、可验证的特征，通过区块链技术实现资产证券化产品底层穿透，会计、评估、律师等中介机构上链尽调，显著推动新经济资产证券化业务。2017年，百度-长安新生-天风2017年第一期资产支持专项计划，是首单基于区块链技术的场内ABS，基础资产为汽车消费信贷。 4）合规风控：构建智能风控体系。通过大数据、智能算法构建智能风控体系，多维度数据综合评估，加强线上业务合规审查，达到欺诈行为、异常交易、反洗钱识别监控效果，进行“全面风险管理”，保障投资及资产安全。 2.3.3问题挑战：科技投入和应用深度不足，同质化严重 证券行业在金融科技投入不足、业务复杂，金融科技应用多停留在系统建设表层，难以实现前沿金融科技融合创新，依靠金融科技实现差异化发展仍任重道远。 一是整体投入方面，证券业金融科技整体投入不足。证券行业为轻资产模式，整体资金实力较弱，2019年中国券业技术投入205亿元，头部券商投入规模在10-14亿元。相比之下，不但落后于银行业1079亿、保险业330亿元的信息投入水平，而且与国际投行相差甚远，摩根士丹利、高盛信息技术投入超过10亿美元，通过自研和大手笔收购布局金融前沿技术。 二是应用深度方面，金融科技应用的深度和广度不足，同质化严重。目前券业处于数字化探索转型期，线上化、智能化已经渗透到各个业务链条，但大部分停留在信息系统建设、移动终端平台等层面，对前沿金融科技投入和应用不足。根据艾瑞咨询，2019年证券公司投入在云计算大数据、AI、RPA、区块链金额分别为3.3、2、0.6、0.5亿元，合计在信息技术投入占比2.9%，金融与科技如何深度融合发展尚未形成共识。 三是外部环境方面，证券科技创新复杂性高，面临更严格的监管要求。证券业前中后台种类较多，业务之间数据共享、系统串联和防火墙要求严格，金融科技基础设施牵一发而动全身，证券行业技术创新受到严格监管。能否突破系统壁垒、打通数据孤岛，需要在顶层设计层面予以统一明确。 2.4 资管科技 2.4.1行业格局：规模庞大、背景多元，但科技渗透较低 资管行业参与者包括以基金、银行理财、信托等为代表的资产管理机构。截至2019年，大资管行业存量规模约82万亿元，银行、信托、公募基金、基金专户及基金子公司、券商资管、保险资管、期货资管分别占28.5%、26.3%、18.0%、10.4%、13.2%、3.4%、0.2%。此外，还有私募基金、第三方财富管理公司等众多非持牌参与者。 基金行业以二级市场标准化产品投资为特色，金融科技辅助投研决策。主动型投资对基金经理个人经验依赖度高，目前的金融科技水平难以完全取代人力作用，主要起到智能搜索、投研辅助作用。根据艾瑞咨询，2019年中国基金行业整体技术投入为19.8亿元。基金业协会2020年《资产管理行业金融科技应用现状调查分析报告》，22家公募基金对金融科技年投入额在千万级别，受访公募基金对金融科技投入占收入比重低于5%、介于5%-10%、超过10%，分别占54%、39%、7%。 以信托为代表的非标投资机构，金融科技水平较低，仍处于探索期。根据信托业协会，2019年信托公司投入信息科技建设的金额约15亿元，主要应用场景是提升信息化系统、消费金融智能风控等方面。 2.4.2应用场景：辅助投资决策，提高金融产品设计能力 金融科技在资管行业的应用场景，除了系统改造降低成本、大数据获客等常规应用，在投研管理、被动产品开发、客户资产配置方面表现突出。 主动投资方面，机器学习在信息筛选、模型搭建方面表现突出，辅助主动管理型投研决策。基于人工智能的投研系统，在数据采集、数据处理、算法优化方面远高于人力，落地场景包括，1）信息筛选：大数据、机器学习、爬虫技术可以实现多渠道抓取信息，不但全面网罗公告、研报、新闻等传统渠道，而且更好捕捉微博、论坛等市场情绪因子，提高信息有效性，辅助生成投资观点。2）模型构建：利用机器算法构建智能信评、智能风控、量化模型，用于历史回测、情景模拟、未来预测，投资决策模型经过不断训练迭代，更加精确地识别潜在风险和超额收益机会。 被动投资方面，算法和量化模型实现低成本、大规模开发指数产品。国际经验表明，以指数基金、ETF为代表的被动投资发展空间广阔，2019年全球指数型基金规模达到11.8万亿美元，近10年年均增长约15%。金融科技在被动投资应用关键是量化模型开发和大数据处理，为ETF等创新产品设计提供低成本、最优化解决方案。博时基金2019年初曾表示，近两年基于大数据的指数增强基金取得了超越基准指数 10% 以上的超额收益。 2.4.3问题挑战：资管行业大整合，金融科技尚处探索阶段 一是整体投入方面，资管行业技术投入明显不足。无论是以二级市场投资为代表的公募基金，还是以非标为代表的信托，金融科技投入量级仅数十亿，远远低于银行千亿级别和保险、证券百亿级别的科技投入。这是由行业和业务特性共同决定：一方面，资管行业普遍以代客理财的轻资产运营模式，资金体量小，另一方面传统资管业务高度依赖人才、经验、人际关系等定性因素，难以被科技完全取代。但从长远看，重视金融科技投入是资管行业差异化、跨越式发展的必经之路，仍需长期科技投入，培育科技创新文化(行情300336,诊股)。 二是渗透深度方面，前沿技术尚未普及。资管行业普遍在信息系统升级改造、互联网获客方面获得长足进展，例如通过自有APP打造运营、互联网平台线上引流，基金公司突破了传统销售渠道束缚，直达用户需求，大幅提高营销效率。但对人工智能、云计算、大数据等前沿科技在投研、风控等核心领域尚未形成普及。相比贝莱德2019年技术投入费用为2.89亿美元，占比近16.4%，自主研发 Aladdin 系统，利用大数据构建的风险管理平台，2019年已获得9.74亿美元技术服务收入。 三是外部环境方面，市场与监管处于磨合探索期，金融科技具体展业方式存在不确定。市场端，近年来面对资管新规、金融开放等挑战，资管行业处于整合和转型阶段，既要压降不符合规定的旧业务，同时还要想方设法创新业务模式，转型任务重、竞争激烈。政策端，监管规则也处在变化和完善过程中，如何规范金融机构与互联网平台合作、如何在确保独立合规前提下实现金融集团与旗下资管子公司业务协同、如何引导财富管理机构健康发展、如何建立信息安全与投资者保护机制等一系列问题尚无确定规范，使部分中小机构对金融科技的投入和应用处于观察阶段。 2.5 互联网金融科技平台 2.5.1行业格局：大型平台企业主导，细分市场众多 互联网巨头通过丰富场景、海量用户、网络信息技术渗透到支付、借贷、投资、保险等各个金融服务，形成金融科技头部平台。根据毕马威2019年全球金融科技100强榜单（Fintech100），中国共7家公司列入前50强，其中蚂蚁集团、京东数科、度小满金融等分别列第1、3、6位，是我国互联网金融科技平台类企业的代表。我们选取蚂蚁、腾讯、京东、百度、新浪、苏宁、美团、网易、字节跳动、陆金所共10家互联网平台作为研究样本。 2.5.2应用场景：支付和借贷为主，逐步转向技术方案输出 1）第三方支付 支付业务是互联网巨头参与金融服务的敲门砖，10家样本企业均完成支付业务布局，通过数以亿计的用户构建金融生态。截至2020年6月我国第三方移动支付市场规模达到59.8万亿，支付宝和财付通分别凭借强大的电商和社交属性，占据55%和39%的市场份额，其他竞争者仅壹钱包和京东支付份额超过1%。虽然剩余市场空间有限但支付业务起到重要的流量端口作用，互联网巨头们仍激烈竞争存量牌照，如2020年1月拼多多收购付费通，8月字节跳动入手合众支付，11月快手收购易联支付等。 2）互联网借贷 互联网信贷市场规模巨大，利润丰厚，10家样本企业均有布局。截至2018年底我国互联网消费金融市场规模达到9.15万亿。电商巨头旗下消费金融平台凭借流量和场景占据市场优势，2018年市场份额最高达到37.2%；其中，蚂蚁集团互联网平台促成信贷余额最高，截至2020年6月达到21356亿元，其次为陆金所5194亿元。 互联网平台普遍通过助贷、联合贷、赊销等模式开展借贷业务。1）蚂蚁集团、陆金所、京东金条等产品以助贷和联合贷的方式为主，该模式下互联网平台负责获客、信用评估、风控等，金融机构负责提供大部分贷款。截至2020年6月，蚂蚁促成信贷余额2.15万亿，其中表内贷款仅362亿元，占比1.68%，2020年上半年陆金所新增零售信贷284亿元，其中自有资金放款比例仅为0.7%，其余60.6%的资金来自49家银行银行、38.7%的资金来自信托计划融资。2）京东白条以赊销模式为主，该模式下，京东数科与电商合作，提供数据支持和风控等服务，针对用户使用京东白条产生的应收账款进行资产证券化。 3）互联网投资理财和保险 互联网平台集合银行存款、公募基金、股票、保险等各类资产，试图打造一站式财富管理平台，为金融机构导流。截至2018年，我国互联网理财市场规模达到5.67万亿元，同比17.1%。截至2020年6月蚂蚁集团与约170家资产管理公司合作，促成资产管理规模约4万亿元，根据澳纬咨询的统计其市场份额约为48%-51%，其次腾讯金融管理规模超过8000亿元，陆金所合作机构达429家，AUM为3742亿元。 4）科技输出 头部互联网平台去金融化，增加科技研发投入，提供金融服务解决方案。投入方面，2020年上半年，蚂蚁研发投入57.2亿元，占收入比重7.9%；京东数科研发投入16.19亿元，占收入比重15.7%。产出方面，蚂蚁集团在数据库和区块链领域的布局成果卓著，2019年和2020年上半年支付宝申请公开的全球区块链发明专利数量分别为1505项、1457项，全球位列第一；2019年蚂蚁自研的Oceanbase数据库在被誉为“数据库领域世界杯”的TPC-C基准测试中，成为首个登顶该榜单的中国数据库产品。而京东数科重点在发展智能城市业务，例如京东以自研“智能城市操作系统”为指挥中心，打通南通市9个委办局、12个系统联动，打造危化品全流程监管创新应用；2019年10月京东与中储发展公司合资成立“中储京科”共同研发在大宗商品领域的“区块链+物联网”的应用技术。 2.5.3问题挑战：高杠杆、系统性、隐私保护、垄断地位 1）高杠杆放贷转移风险。蚂蚁等互联网金融科技平台的信贷业务放杠杆过大，引发监管担忧。拆解蚂蚁发现，大部分以ABS、信托计划、联合贷款等形式将信贷资产转移到表外，避免了自身承担违约风险，坏账风险将转嫁至出资的金融机构；虽然有技术和数据保驾护航，但如此大体量信贷存量一旦出现极端环境、风控模型失灵，社会隐性成本难以估量。 2）数据确权与隐私保护问题亟待改善。大型科技公司实际上拥有数据的控制权，数据资产成为科技公司产品开发、精准营销、业务拓展等基石。但是，一些科技公司利用市场优势，过度采集、使用企业和个人数据，甚至盗卖数据，这些行为没有得到用户充分授权，严重侵犯企业利益和个人隐私，因而完善个人信息保护的相关法律法规，构建有效的数据采集、使用、交易机制亟待解决。 3）滥用市场支配地位，垄断市场。无论传统行业或新兴行业均可能形成垄断，新经济在移动互联网技术和大规模资本的支持下，形成自然垄断速度更快，涉及面更广，用户粘性更强，由平台垄断造成的危害消费者权益、榨取剩余价值、挤压小企业生存空间等负外部性可能更大，诱导过度消费、会员之上再收费、“大数据杀熟”、捆绑销售等侵害消费者权益的问题屡见不鲜。 3 监管导向：监管升级，鼓励创新与规范发展 我国高度重视信息科技在金融领域的应用拓展，早期以包容创新为导向，但随着风险积累与暴露，金融监管全面升级，2020年进入监管元年，规范与发展并重。 3.1 吸取P2P教训，从包容创新到整治规范 2018年前，高度重视金融科技，包容性政策为主。2017年5月，央行成立专门“金融科技委员会”，定位于“金融科技工作的研究、规划与统筹协调”，标志着金融科技行业迎来监管层面的重要支持与规范。7月，国务院印发《新一代人工智能发展规划》专门提出了“智能金融”的发展要求，12月，工信部印发《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，将“金融”列为智能产品应用的重要方向之一。 业务模式日益复杂、交易规模迅速增加，挑战监管能力。随着P2P网贷大面积暴雷、非法代币融资等风险事件频发，动摇金融稳定，负面影响深远，暴露出分业监管漏洞。2018年多部委联合开启整治风险行动，清退P2P平台、地方交易所、加密货币等，整肃市场秩序。 3.2金融科技进入监管元年，创新与规范并重 2020年以来，金融科技在经历爆发式增长后，行业规范化和标准化的缺失，系统性风险累积，引起监管高度重视。吸取P2P事后监管教训，监管层提前预判风险，出台政策整治互联网贷款、网络小贷等，约谈金融科技巨头，平衡创新与风险的关系。 一是顶层设计上，金融科技的发展与监管上升至重要地位，鼓励创新与规范发展并重。央行印发《金融科技发展规划（2019-2021）》，从国家层面对金融科技发展做出全局规划，制定《金融科技产品认证目录》等明确金融科技技术标准、业务规范、风险管控等政策，出台针对移动支付、网络借贷、数字货币等监管强化文件。12月16-18日中央经济工作会议将“强化反垄断和防止资本无序扩张”列为2021年八项重点工作之一，并明确提出要完善数据收集使用管理。未来新金融必然匹配新监管，既要保持创新活力，又要防止打着“金融创新”的旗号割韭菜，防止金融业务“无照驾驶”导致监管失效。 二是监管主体上，跨市场跨行业监管提前介入，不留监管死角。金融委统筹协调，10月31日刘鹤副总理主持金融委会议时强调，“当前金融科技与金融创新快速发展，必须处理好金融发展、金融稳定和金融安全的关系”，“对同类业务、同类主体一视同仁”，明确持牌经营监管方向。央行正式实施《金融控股公司监督管理试行办法》，金控必须持牌经营。银保监会、证监会在细分领域出台监管办法，如互联网贷款新规、网络小贷新规、互联网保险新规。同时非金融监管机构迅速介入，最高法规定民间借贷最高利率不超4倍LPR，市场监管总局发布《关于平台经济领域的反垄断指南（征求意见稿）》。监管机构涵盖金融业务、数据安全、互联网等度方面，体现全方位、跨行业监管思路。 三是监管思路上，中国版“监管沙盒”试点推出，有望打造培育创新与规范发展长效机制。2016年FSB提出金融科技监管评估框架，一是判断金融科技产品和服务是不是创新，二是评估创新动力是提高效率还是监管套利，三是评估对金融稳定的影响，成为全球金融创新监管共识。英国金融行为监管局（FCA）2015年提出“监管沙盒”（Sandbox），针对难以判断影响的金融科技创新，先选择进行小范围试行，监管部门与企业共同设定范围、参数等，若创新确实提高效率并风险可控，则允许在更大范围应用。截至2020年5月，FCA已开展5批测试，参与企业累计118家。中国央行2019年12月启动“监管沙盒”，截至2020年8月已有北京、上海、成渝、粤港澳、苏杭等地区启动金融科技创新监管试点，推出60个试点项目，有望打造培育创新与规范发展长效机制。 4 展望和建议 2020年是金融科技发展分水岭，如果说上半场关键词是巨头崛起、创新商业模式为王，下半场则是重建规则、靠硬实力取胜。金融科技未来发展面临四大趋势。 趋势一：步入监管元年，短期内面临强监管，长期仍鼓励创新与风险预防并重。金融科技是把“双刃剑”，一方面，我国金融科技发展迅猛，不可否认依托大数据优势让金融惠及更多长尾客户，移动支付方便日常生活，但另一方面，金融科技主体多元化、跨行业、去中心化，部分互联网金融打着金融创新的旗号，实质进行监管套利、甚至触犯法律，传统的机构监管、事后监管难以全面管控金融风险，对金融监管带来一定挑战。创新必须在审慎监管的框架下进行，充分发挥金融科技对社会和市场效率的支持，同时树立监管底线，才能保证金融科技发展行稳致远。2020年中央经济工作会议强调“强化反垄断和防止资本无序扩张”，剑指平台型企业滥用市场支配地位等乱象。展望未来，针对金融科技相关监管将大幅提速，引导行业稳健发展。 趋势二：金融科技前景依然广阔，市场主体多元化，合作大于竞争。在供给端，中国具有庞大的用户群体、发达的互联网5G等基础设施，为金融科技发展提供数据基础；在需求端，普惠金融程度尚存短板，金融科技空间仍然巨大。互联网巨头具有场景和流量优势，但在金融严监管、持牌经营背景下，纷纷“去金融化”；传统金融机构具有牌照和资金优势，明确数字化转型战略，选择成立金融科技子公司，或与互联网公司加深合作。未来传统金融机构、互联网公司以及细分赛道中小型服务商仍将在竞争中长期共存。 趋势三：随着新基建上升为国家战略高度，人工智能、区块链、云计算及大数据深度融合，推动金融科技发展进入新一阶段。根据《中国金融科技生态白皮书2019》，从各项技术的运用领域来看，大数据是基础资源、云计算是基础设施、人工智能依托于云计算和大数据，区块链为金融业务基础架构和交易机制变革提供条件，但是离不开数据资源和计算分析能力的支持。当前各个技术发展程度各有不同，云计算和大数据技术成熟度较高，但在应用方面，系统云集中面临的传统信息系统改造升级压力较大，大数据平台构建在系统稳定性和实际使用效益方面面临挑战，人工智能和区块链处于技术演进发展阶段。从未来发展趋势来看，随着5G、芯片等基础技术发展，四项技术在实际应用中将会更加趋向深度融合，技术边界削弱，技术创新将会集中产生于技术交叉和融合领域。 趋势四：商业模式或被重塑，更好服务实体经济、普惠金融、提高科技硬实力是三大发力方向。随着金融科技发展逐步进入深水区，社会舆论对互联网金融利用监管规则漏洞加杠杆、“普而不惠”、进军“社区团购”提出质疑，政策引导互联网巨头增强社会责任感和科技创新意识。展望未来，在持续的政策引导下，大型互联网企业有望进一步利用数据和技术优势，承担起推进科技创新排头兵的责任，着眼攻克更长远的前沿技术难题，力争突破“卡脖子”的关键技术，服务实体经济，在解决民营小微企业融资难融资贵等问题上发挥成效，与国家战略相契合。 中国金融科技已经走在世界前列，金融为民、科技向善，加强监管引导行业健康有序发展，更好培育新经济，提高我国经济金融和科技实力。我们建议： 1）落实金融科技监管，树立监管底线。金融科技是把“双刃剑”，创新必须在审慎监管的框架下进行，充分发挥金融科技对社会和市场效率的支持，同时树立监管底线，才能保证金融科技发展行稳致远。在监管政策执行过程中，需要将良性金融创新与“伪创新”区分开来，更好地保护金融机构创新发展的积极性和能动性，对于以监管套利、无序扩张为主要形式的“伪创新”，坚决予以整治和取缔。 2）完善金融科技行业标准和监管规则，明确市场预期。金融科技产业同时具备金融属性和科技属性。在金融属性下，业务存在复杂性、专业性，业务数据存在较高的保密要求，在科技属性下，业务技术迭代速度较快、灵活性较高。未来在金融科技持续推进的大趋势下，亟待统一金融科技产业规范、技术标准。 3）健全数据规则，完善数据确权、隐私保护的相关法律法规。建议通过立法明确数据资源具有公共属性，敦促平台对数据的使用、筛选、处理等过程进行全流程管控，对用于共享或交易的数据进行严格的脱敏处理；对于过度采集、使用企业和个人数据，甚至盗卖数据等严重侵犯企业利益和个人隐私的行为予以处罚。 4）落实反垄断法律法规，关注和防范新型“大而不能倒”风险。当前部分互联网金融科技平台的信贷业务放杠杆过大，引发监管担忧，平台大部分以ABS、信托计划、联合贷款等形式将信贷资产转移到表外，避免了自身承担违约风险，坏账风险将转嫁至出资的金融机构；虽然有技术和数据保驾护航，但如此大体量信贷存量一旦出现极端环境、风控模型失灵，社会隐性成本难以估量。要将大型互联网平台纳入宏观审慎监管框架，加大力度整治市场乱象，防止平台风险跨行业跨领域传导。
2021年春节，消费需求旺盛背景下二手交易升温，二手电商平台服务同样不打烊。 转转集团最新发布的数据显示，截至2月18日，转转集团平台整体流量持续增长，转转App不仅跃居AppStore购物类免费App榜单第4位，更是在B2C业务上取得了二手手机3C支付订单量同比增长151.22%、支付成交GMV同比增长113.66%的战绩。 手机、平板电脑等商品受到欢迎同时，消费者卖掉旧手机的需求在今年春节假期中也得到进一步释放。转转集团数据显示，截至2月18日晚8时，集团手机3C的C2B业务日均提交订单量已超3.8万单，越来越多的消费者开始选择转转集团的保卖服务将旧手机卖出更高价格。 春节假期二手交易升温 2021年春节，人们的消费需求不断迸发。商务部公布的数据显示，除夕至正月初六（2月11日-17日），全国重点零售和餐饮企业实现销售额约8210亿元，比去年春节黄金周增长28.7%。 人们二手交易热情，直接带动了春节期间转转集团平台整体流量的持续增长，也直接带来了二手手机3C交易的火爆。 转转集团数据显示，截至2月18日晚8时，集团B2C业务手机3C支付成交超136万单，同比增长151.22%；支付成交GMV超过31.4亿元，较去年同期实现翻倍增长，增速达到113.66%，其中二手手机就已卖出超过124.88万台。 值得注意的是，春节期间二手市场5G手机也受到消费者欢迎。转转集团数据显示，截至2月18日晚8时，B2C业务5G手机的交易量占比达到13.3%。其中，iPhone12系列中的四款机型称霸5G手机榜单，交易量占比达到了33.19%；iPhone12、iPhone12ProMax和iPhone12Pro分列5G手机销量榜前三位。 此外，很多消费者就地过年，也直接带动了二手小家电的热销。转转集团数据显示，不同年龄段用户偏好也有所不同。比如相比80后喜欢买空调、电视类商品，95后用户更青睐从转转平台购入扫地机器人、吸尘器、微波炉和空气炸锅等小家电。 卖旧机需求显著提升 春节期间，消费者热衷二手消费买买买的同时，卖掉旧机的需求也大幅提升。截至2月18日晚8时，转转集团手机3C的C2B业务日均提交订单量超过3.8万单，较去年双11期间增长了58.3%。 B2C、C2B业务战绩飘红背后，一方面是二手交易需求逐步爆发；另一方面，转转集团领先的供应链、验机、售后服务体系，也提供了支持和保障。极光大数据、QuestMobile等多家第三方机构发布的报告显示，转转集团已领跑二手手机线上用户交易、B2C领域和二手回收市场。 转转集团表示，未来将持续发挥流量、供应链和履约服务上的市场领先优势，通过二手交易服务帮助消费者享受到物美价廉商品的同时，助力提振、促进消费，为社会经济可持续发展做出贡献。
你还记得大名鼎鼎的超文本传输协议（HTTP）协议吗？作为互联网应用最为广泛的一种网络传输协议之一，它的出现奠定了整个互联网时代数据通信的基础。现在，联邦学习领域的“HTTP协议”也诞生了！由同盾科技人工智能研究院自主研发的标准化联邦交互协议：FLEX（Federated Learning EXchange）近日在全球最大的开源社区平台GitHub上开源，也在人工智能顶会NeurIPS的联邦学习研讨会SpicyFL 2020上首次公布。联邦学习的发展即将拉开新的篇章。联邦学习体系林立，更广阔的空间亟需打通“看联邦学习了么？最近又有什么新的技术进展！”这大概是人工智能从业者常挂在嘴边的一句话。作为时下最火的数据安全类技术之一，联邦学习已经走入了银行、证券、保险、医疗、政务、城市管理等各类应用场景。这有着深刻的时代背景。社会进入互联网时代至今，企业生产、管理，运营过程的数字化已经在许多行业逐步实现，数据的积累和数据价值的挖掘成为目前关注的重点。除了应用自身积累的数据资源外，使用其他企业机构、其他行业有价值的数据自然成为破解难题的方法之一。与之对应的，如何在使用过程中保障数据的安全，保障个人隐私不被泄露，禁止未授权数据被不当地传播、存储和使用成为了难题。联邦学习被视为化解这个难题的绝佳技术。联邦学习(Federated Learning)的本质是一种分布式机器学习技术，可以在不交换数据样本的情况下，在多个分散的边缘设备或服务器上训练算法。以达到在数据“可用不可见”的基础上进行安全联合建模的作用。2017年谷歌AI在《联合学习：协作机器学习没有集中训练数据》的博客文章中首次引入“联邦学习”的概念。2019年，谷歌实现了首个产品级的联邦学习系统，主要侧重针对C端，在移动手机上运行的联邦平均算法和分析。在国内，以同盾科技知识联邦体系为代表的科技力量，针对B端对于联邦学习技术的研究和应用也在如火如荼地展开，提升到高级别的联邦学习，致力于最终打造可信AI 3.0，帮助中国率先实现下一代人工智能的突破。随着越来越多的机构投身到联邦学习领域，除带来技术的跃迁之外，各联邦之间也出现了一种山头林立、体系割裂的趋势，联邦学习技术的初衷就是为打破数据孤岛而生，而如今却可能带来了新的“孤岛”现象，那么有没有一种方法能打通这么多不同的联邦学习技术架构和应用体系，让联邦能在更广的疆域和空间尺度展开呢？同盾科技近期开源的FLEX协议为这个宏大的设想提供了方案。FLEX 何以定义新时代的到来？“目前市场上各家开发的联邦学习产品五花八门，在实际应用上各不兼容，这就形成了产品上新的数据孤岛和系统孤岛。”同盾科技合伙人、人工智能研究院院长李晓林教授谈起开源FLEX的初衷时表示，他也在NeurIPS-SpicyFL 2020研讨会的圆桌论坛上宣布FLEX开源，不但打破数据孤岛，而且打破系统孤岛。我们希望未来联邦学习技术能够真正成为数据价值互联互通的桥梁和纽带，这就需要有一套标准化的联邦协议去定义技术交互流程，我们的FLEX协议做到的就是这样的事情。FLEX(Federated Learning EXchange，FLEX)是同盾科技人工智能研究院为知识联邦体系打造的一套标准化的联邦协议。它约定了联邦过程中参与方之间的数据交换顺序，以及在交换前后采用的数据加解密方法。只要参与各方能够遵守这些约定，就可以安全地加入到联邦中提供数据或使用联邦服务。FLEX协议主要包括两层内容：应用协议：这一层协议是面向联邦算法的，为联邦算法提供多方数据交换的应用支撑。协议中会约定多方间数据交换的顺序和采用的具体密码算法。联邦过程中采用的通信协议也会被封装在这里。公共组件：是上层应用协议所依赖的基础密码算法和安全协议，比如同态加密、秘密分享等。在整个FLEX协议中，对于基础架构、通信和安全三方面进行了详细的阐述和约定，适用于跨特征、跨样本和迁移联邦学习三种场景下的多种不同算法，清晰的对联邦学习技术过程中联邦共享、联邦预处理、联邦计算、联邦训练、联邦预测、公共组件和联邦安全性等流程进行了阐释和约定，是当前首个开源并定义完整的标准化联邦协议。同盾科技FLEX协议的开发与开源为联邦学习技术的发展应用奠定了更好的基础。通过FLEX协议，各类高校、研究机构、企业和个人可以对联邦学习技术的开发实现与安全性检测进行更进一步的研究与验证，促进不同行业更快落地联邦应用。比如在智慧金融领域，FLEX定义的联邦技术可以应用在反欺诈、反洗钱、智能风控、用户画像挖掘、智能交叉营销等场景，帮助金融机构打通内部各部门的数据价值，并利用更多不同外部数据源的价值。在智慧政务领域，政府部门不同委办局的数据将能够在统一的联邦平台上打通，为政府管理和百姓生活提供更好的支持保障。在智慧医疗领域，不同医院的就诊数据、病史信息能够利用联邦模式共享，为医学研究发展和百姓的就医提供便利。目前，同盾科技的FLEX协议已经在GitHub上进行了开源，后续也将逐步进行完善和更新。李晓林教授对于FLEX协议充满了期待：“我们非常欢迎和希望业界研究使用FLEX协议，也希望更多对联邦学习技术感兴趣的人能够加入到技术的探讨和优化中来，这正是我们开源协议的意义。”近年来，同盾科技人工智能研究院在联邦学习领域不断取得重要突破，已经成为行业内一支重要的领军力量，FLEX协议的诞生不仅是研究院自身发展的一件历史性时刻，相信它也将为国内联邦学习的发展做出重要贡献。附：GitHub链接：请戳此处
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