fintech量化金融科技7日特訓班fintech發(fā)展現狀

1、FinTech內部資料目錄1金融科技（ Fin Tech） 行業(yè)概述2Fin Tech 1 .0 與Fin Tech 2 .03數字化投顧主要模式分析4發(fā)展回顧5中國金融科技發(fā)展趨勢分析01Part One金融科技（FinTech）行業(yè)概述概述科技驅動金融服務業(yè)的重構Fint ech金融信息技術科技類初創(chuàng)企業(yè)及金融行業(yè)新進入者利用各類科技手段對傳統(tǒng)金融行業(yè)所提供的產品及服務進行革新，提升金融服務效率，因此可以認為FinTech是從外向內升級金融服務行業(yè)。概述科技驅動金融服務業(yè)的重構概述金融科技的迭代演進依據基礎技術與金融的融合變遷來劃分FinTech的發(fā)展分為以下兩個階段：Tech1.0Tec

2、h2.0概述金融科技的迭代演進互聯網和移動互聯網技術使產品在用戶體驗上取得了革命性的提升，金融產品更是如此。利用互聯網和移動設備為客戶提供線上服務，簡化業(yè)務流程，優(yōu)化產品界面，改善用戶體驗，這一策略在所有的金融科技行業(yè)都是適用的。簡單來說，互聯網和移動互聯網技術使 得產品不僅僅是界面變得好看，而是產品更加好用。除此之外，互聯網及移動互聯網技術使金融服務可以低成本便利的抵達用戶，為更多創(chuàng)新性服務提供基礎，使其得以實現。02Part TwoFinTech1.0與Fintech2.0Fintech1.0大數據+信息，初入分析門檻在FinTech1.0階段，大數據技術的主要應用是集中于第一和第二層次，

3、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。 人工建模+大數據該階段的大數據分析通常依靠人工建模分析，加之由于傳統(tǒng)數據分析模型對于度、多形態(tài)的數據存 在不適用的情況，因此該類技術應用僅僅是大數據分析的初級階段。 大數據架構+信息整合建立一個收集和存儲的大數據系統(tǒng)，加之信息整合和數據計算Fintech2.0大數據：度多層次的大數據分析金融是個強數據導向的行業(yè)。經過多年的數據發(fā)展和積累，大數據的數量、分析速度與數據種類都發(fā)生著極速的變化。可穿戴設備、 智能家居等智能硬件的興起，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(fā)展到公司及第三方處理分析大量

4、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，進而促進了個人征信、授信、風控以及保險定價等金融領域的發(fā)展。Fintech2.0大數據：以信用及定價為核心的主要應用場景大數據分析在借貸環(huán)節(jié)中的主要金融應用：貸前評估：驗真、反、授信國內個人征信試點于2015年才開始試行，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(fā)信貸模型可用以支持銀行、小貸機構進行征信及授信活動。信貸模型的訓練需要人工智能技術作為輔助，通過機器學習不斷完善模型并實時校正。貸中監(jiān)測：用戶行為、市場情況 主要是通過用戶在貸款期的行為數據來發(fā)現問題客戶并及時報警貸后反饋：還款記錄

5、、行為打分基于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后續(xù)使用Fintech2.0大數據：以信用及定價為核心的主要應用場景大數據在保險定價中應用：車險 根據車主的日常行車路線、里程、行車習慣、出險記錄以及車主的屬性比如年齡、職業(yè)、性別等，給出適合于該車主的車險定 價。其中，車載智能硬件的發(fā)展使得行車數據的的獲得變得簡單且準確。運費險 運費險是近年才出現的險種，電商的發(fā)展是必不可少的促進因素。運費險是“小而美”的金融產品代表。據相關資料顯示， 其業(yè)務量近年的增長超過100%極速核賠實施差異化定價、出現率預測實施核保Fintech2.0人工智能：智慧金融的

6、無限可能大數據、云計算及智能硬件的發(fā)展為人工智能技術提供了基礎保障，將人工智能拆分為：123基礎層人工智能技術的技術支持，各個細分技術，包括大數據的發(fā)展與FinTech相關的是機器學習和知識圖譜；自然語言處理技術層主要與計算智能領域相關，應用示例包括神經網絡、遺傳算法、AlphaGo等應用層Fintech2.0人工智能：智慧金融的無限可能大數據投資征信行業(yè)產生基礎技術應用領域云計算人工智能數據分析與決策保險智能硬件借貸Fintech2.0人工智能：智慧金融的無限可能智能化是FinTech重要發(fā)展方向簡單來講，智能化是指用計算機代替人腦來進行分析并作出決策。 目前，人工智能尚在發(fā)展初期，代替人腦

7、來進行決策尚早，但至少可以做到大規(guī)模的量化、替代部分人力分析的層面。 在金融領域，人工智能主要有以下四類應用：Fintech2.0人工智能自動報告生成投行業(yè)務及證券研究業(yè)務中涉及大量的固定格式的文檔撰寫工作，如招股說明書、研究報告及投資意向書等。這些報告的撰寫需要初級研究員投入大量的時間及精力進行數據整理以及文本復制粘貼的工作。而這些文檔中， 有大量內容可以利用模板生成，比如公司股權變更、會計數據變更等等。利用自然語言處理及OCR技術可以方便快捷的完成以上工作，并終形成文檔。所需技術：OCR（光學字符識別）針對印刷體字符，以光學的方式將紙質文檔中的文字轉換成為黑白點陣的圖像文件，通過識別軟件將

8、圖像中的文字轉換成文本格式，供文字處理軟件進一步編輯加工的技術A自然語言生成將計算機處理后的拆分的結構化數據轉化成人們可以理解的自然語言B自然語言理解將人們自然語言消化理解，并轉化結構使之可為計算機進行后續(xù)處理CFintech2.0人工智能自動報告生成Fintech2.0人工智能人工智能輔助量化交易：一直以來，量化交易都是運用計算機來進行輔助工作的：分析師通過編寫模型，選取一些指標作為變量，利用機器來觀察數據分布及計算結果。也就是說，計算機僅是進行了簡單的統(tǒng)計計算。近年來， 隨著人工智能技術的發(fā)展，機器學習崛起。計算機可以進行海量數據的處理、分析、擬合和預測，因此人工智能與量化交易的關系也變得

9、愈發(fā)密切。Fintech2.0人工智能人工智能輔助機器學習：由數據到模型所用數據維度有限，僅限于交易數據利用傳統(tǒng)方法建模交易策略的弊端模型可處理的變量有限， 模型的有效與否取決于所選取變量的特征和變量間的組合，而這很大程度上取決于研究員對數據的敏感程度 利用機器學習技術，結合預測算法，可以依據歷史經驗和新的市場信息不斷演化，預測股票、債券等金融資產價格的波動及波動間的相互關系，以此來創(chuàng)建符合預期風險收益的投資組合。然而，機器學習可能是個相對緩慢的過程，且該過程無法通過其他統(tǒng)計方法來提供擔保行為。機器學習雖可能適用于尋找隱藏的趨勢、 信息和關系，但在金融領域的應用和效果仍存在較大不確定性。市場上

10、對于金融領域的機器學習仍存在一定程度的炒作Fintech2.0人工智能人工智能輔助自然語言處理：追蹤市場動態(tài)，引入更多變量通過自然語言處理技術，引入新聞、政策以及社交媒體中的文本為了解決由數據推測模型的局限性將非結構化數據進行結構化處理，并從中尋找影響市場變動的因素除了可以豐富模型變量外，自然語言處理技術可以實現“智能投融資顧問助手”。集合自然語言搜索、用戶界面圖形化及云計算，智能助手可以將問題與實踐關聯市場動態(tài)，提供研究輔助、智能回答 復雜金融投融資問題Fintech2.0人工智能人工智能輔助知識圖譜：降低及虛假關聯性對預測的干擾在發(fā)生時，機器學習和自然語言處理會失效。e.g.2015年中國

11、公布的熔斷機制。由于人工智能系統(tǒng)內沒有載入類似現較大風險。及后果，無法從歷史數據中學習到相關模式。此時， 由人工智能決策的投資就會出虛假關聯性虛假關聯性對人工智能處理數據的影響不小于。人工智能善于發(fā)現變量間的相關性，而非因果性。Fintech2.0人工智能人工智能輔助知識圖譜是一種語義網絡，基于圖的數據結構，根據已設計的規(guī)則及不同種類的變量連接所形成的關系網絡知識圖譜提供了從關聯性角度去分析問題的能力，將規(guī)則、關系及變量通過圖譜的形式表現出來，進行更深層次的信息梳理和推測以投資關系為例，知識圖譜可以將公司的股權變更沿革串聯起來，清楚展示某家PE機構于某一年進入某家企業(yè)、進入價格是多少、是否有對

12、賭協(xié)議等等。這些信息可以用以判斷PE機構進入時的估值及公司的成長節(jié)奏，同時該圖譜還可以用來學習投資機構的投資偏好及邏輯的發(fā)展。目前，知識圖譜并未進行大規(guī)模的應用。其難點在于如何讓行業(yè)專家承擔部分程序員的的工作，將行業(yè)邏輯等關系通過計算機建模，輸入計算機以供機器進行學習和驗證。可見，開發(fā)形成簡易編程的界面及系統(tǒng)是目前應用推廣的關鍵Fintech2.0人工智能金融搜索引擎研究員在進行研究工作時需要搜集大量的數據和信息并進行整理和分析目前所運用的軟件如Bloomberg、Wind等數據終端只解決了信息和數據的問題，并沒有解決信息過載后的整理和分析問題利用人工智能技術可以從大量噪音信息中快速找到準確且

13、有價值的信息，提高研究工作效率Fintech2.0人工智能金融搜索引擎關鍵技術：高質量的知識圖譜幫助實現關聯、屬性查找及聯想。除了人工智能相關技術，金融搜索引擎需要人機協(xié)作界面，方便使用者記錄、迭代和重復使用；推薦和推送系統(tǒng)則可以幫助用戶聚焦于關鍵數據和信息，省時省力的做投前發(fā)現和投后監(jiān)測。解決信息獲取和信息碎片問題，復雜的查詢和邏輯判斷交給用戶來完成搜索引擎提供不同類型信息及的查詢，如脫歐對貨幣市場的影響；將搜集的信息切片后再進行聚合，提供可用于對比縱覽的變量，如天使投資退出時平均收益率。對于相對復雜的查詢和邏輯判斷，搜索引擎將會提供相關的查詢結 果給用戶，讓用戶進行復雜的過濾和篩選。比如搜

14、索人工智能產業(yè) 鏈的上游公司，引擎在無法準確提供上游公司的信息時，將會在便 于交互的界面向用戶推薦相關信息，以供用戶進行篩選Fintech2.0人工智能智能投顧傳統(tǒng)投資顧問智能投顧/機器人投顧12智能投顧的目的在于提供自動化的資產管理服務，為投資者提供符合其風險偏好的投資建議。智能投顧平臺借助計算機和量化交易技術，為經過問卷評估的客戶提供量身定制的資產投資組合建議，提供的服務包括股票配置、債券配置、股票操作、房地產資產配置等理財顧問是計算機人工費用相對較低投資門檻低高素質理財顧問主導昂貴的人工費用投資門檻高Fintech2.0區(qū)塊鏈金融產業(yè)的技術已來談到區(qū)塊鏈，必然先想到比特幣。從技術角度來看

15、，比特幣的系統(tǒng)包括以下三層：Fintech2.0區(qū)塊鏈金融產業(yè)的技術已來區(qū)塊鏈（Blockchain）一種分布式共享數據庫（數據分布式儲存和記錄），利用去中心化方式集體維護一本數據簿的可靠性的技 術方案。該方案要讓參與系統(tǒng)中的任意多個節(jié)點，通過一串使用學方法相關聯產生的數據塊（即區(qū)塊，block），每個數據塊中都包含了一定時間內的系統(tǒng)全部信息交流的數據，并生成數據“ 和鏈接下一個數據塊?！庇糜隍炞C其信息的有效性比特幣是一種全球范圍內可交易的電子貨幣，是目前區(qū)塊鏈技術成功的應用。當前銀行等機構更多關注的也正是比特幣背后的區(qū)塊鏈技術。Fintech2.0區(qū)塊鏈以去中心化的核心的技術優(yōu)勢去中心化：高

16、效低成本解決中間成本問題區(qū)塊鏈的信任機制基于非對稱原理，是純數學加密方法。實現網絡中信息共享的同時，也保證了數據背后交易者個人隱私信息的安全。這使得區(qū)塊鏈網絡中的交易雙方在陌生模式下即可進行可信 任的價值交換。同時， 在去中心化的網絡系統(tǒng)中，價值交換的中間成本幾乎為0。因此區(qū)塊鏈技術在保證了信息安全的同時，也保證了系統(tǒng)運營的高效及低成本。應用場景：應用于傳統(tǒng)的中心化場景中，替代原本由中介或中心機構處理的交易流程。信息完備公開透明：便于追蹤和驗證及信息防偽問題區(qū)塊中包含了創(chuàng)始塊以來所有的交易數據，且形成的交易記錄不可篡改或虛構，任何網絡中的數據可以追本溯源，因此交易雙方之間的價值交換數據可以隨時

17、被追蹤和驗證?，F實生活中，信息和數據 在傳遞過程中經過多次交換會出現失真的狀況，長鏈條的傳遞過程 也給數 據建立一套不可篡改的記錄。應用場景：數據追蹤和防偽分子提供了可乘之機。利用區(qū)塊鏈技術便可以為物品或Fintech2.0區(qū)塊鏈以去中心化的核心的技術優(yōu)勢分布式記錄編存：數據可持續(xù)性高，解決物聯網的核心缺陷區(qū)塊鏈中每個參與記錄和存儲數據信息的節(jié)點具有相同的權利，不 存在中心節(jié)點，因此在受到攻擊的時候，也可以保持數據庫的正常 運轉。同時，由于區(qū)塊鏈技術可以使得無需信任單個節(jié)點的情況下 達成整個網絡的共識， 使得節(jié)點與節(jié)點之間具備了能動性。此外， 分布式結構也大大降低了傳統(tǒng)中心節(jié)點設備的損耗。數據

18、的可持續(xù)性及信息的安全性均得到了保證。應用場景：物聯網、智慧交通、供應鏈等可編程腳本：可編程“智能合約”模式有效規(guī)范市場秩序區(qū)塊鏈中每筆交易信息基于可編程原理，內嵌了腳本概念，使得基于區(qū)塊鏈技術的價值交換活動升級成為可編程“智能合約”模式。因此，在市場秩序不夠規(guī)范的環(huán)境下，在資產或價值轉移合約中引入區(qū)塊鏈的“可編程特性”，可以規(guī)定該筆交易資金日后的用途和 方向。應用場景：各類合約Fintech2.0區(qū)塊鏈應用領域基于以上四個主要優(yōu)勢，憑借比特幣網絡的自身貨幣及價值傳播基礎，區(qū)塊鏈技術可自然而廣泛的運用于金融領域，應用前后差別如下：Fintech2.0區(qū)塊鏈應用領域銀行作為資金的安全倉庫和傳輸樞

19、紐，與 blockchain作為一個數字化、安全和不可篡改的分步賬簿，具備通過區(qū)鏈塊技術可以繞過傳統(tǒng)機構復雜的流程,創(chuàng)造一個更加直接的付款流程。因此，區(qū)塊鏈技術可能會改變資金轉移業(yè)務的體系機構。 該相似的功能。這意味著基于blockchain 的式改變可能將在未來對銀行產生深遠的影響。 據公開信息，銀行和英國巴克萊銀行都已經開始試用區(qū)塊鏈技本，且交系統(tǒng)能夠實現跨境、無中介、低成易可以快速完成 術，以加快結算功能。 支付與轉賬銀行股票投資眾籌智能合約在股權眾籌發(fā)起初期，由項目發(fā)起方、眾籌平臺、領投人等多方共同發(fā)起眾籌智能合約，來約定各方的責任和義務。這份智能合約可以保存在區(qū)塊鏈 中，由此保證合約

20、在履行過程中不被篡改，到 期后的強力執(zhí)行 股票購買、銷售和交易的過程存在著很大可 以簡化的空間。區(qū)塊鏈 技術有望實現整個流程的自動化，提升效率和安全性 Fintech2.0區(qū)塊鏈應用領域 其他領域來源：MAGISTER Advisors, 逐鹿, 其他公開資料，36氪研究Fintech2.0區(qū)塊鏈應用領域 其他領域來源：MAGISTER Advisors, 逐鹿, 其他公開資料，36氪研究Fintech2.0區(qū)塊鏈應用領域 其他領域來源：MAGISTER Advisors, 逐鹿, 其他公開資料，36氪研究03Part Three數字化投顧主要模式分析智能數據分析利用大數據的洞察力，提供數據服

21、務智能數據分析主要分為兩類：收集并處理大量數據主要是提供能搜索服務，從大量噪音信息中快速且準確的找到有價值的信息，提高信息的獲取及搜索效率利用數學模型，從大量數據中分析并預測出結果通常是通過機器學習、自然語言處理和 知識圖譜，分析宏觀經濟、公司業(yè)績、網絡等數據，判斷事物之間關聯性，提供細分金融投資咨詢服務，如推薦股票、預測公司收入等智能數據分析利用大數據的洞察力，提供數據服務量化策略利用數據和模型生成投資策略，代碼即生產力量化投資分兩類：01目標是提供多樣化風險特征的投資 產品，如ETF、分級基金等 02目標是通過主動地尋找市場上證券 的定價偏差以實現超 額收益或者絕對正收益，如量化對沖基金等

22、。 本報告中的量化策略投資指主動量化投資。量化策略利用數據和模型生成投資策略，代碼即生產力主動量化投資是把主動投資的策略（投資邏輯和經驗等），通過計算機語言來編寫成代碼，做為量化策略。策略將由計算機程序管理 組合、執(zhí)行交易及風控。量化策略利用數據和模型生成投資策略，代碼即生產力近年來，隨著我國個人財富水平的提升，投資規(guī)模不斷擴大、投資品種數量與日俱增，依靠投資經理個人判斷為主的傳統(tǒng)投資面臨較大挑戰(zhàn)。越來越多投資人開始關注量化投資。起初，由于缺乏金融工具和金融產品，量化對沖技術難以在國內展開，追溯到早的2004年僅有封閉型基金一種策略。自2010年推出股指期貨以來，我國量化對沖基金得到迅速的發(fā)展

23、，但是與全球發(fā)展水平相比，仍處于起步階段，其原因主要有三個：A缺乏構建量化模型所需的足夠數據B資本市場開放程度相對較低，監(jiān)管和政策限制較多C頂尖量化人才尚缺，且往往因產品種類少而缺乏實戰(zhàn)經驗然而，隨著政策不斷放開，私募納入金融監(jiān)管，更多金融產品將不斷推出，加之優(yōu)秀人才不斷涌入行業(yè)，預計量化投資相關領域將在 短期內爆發(fā)。量化策略量化投資重點在于數據及模型，售賣策略是目前主要商業(yè)化模式量化投資與Robo-Advisor之間的主要差別在于，Robo-Advisor是全流程管理，承擔咨詢建議及資產管理的角色， 重點在于機器人和自動化；而量化投資主要提供投資方法，重點在于數據和模型。量化策略量化投資重點

24、在于數據及模型，售賣策略是目前主要商業(yè)化模式目前量化投資領域創(chuàng)業(yè)的模式主要有兩種：提供量化投資工具 為投資者提供簡單適用的量化策略平臺，目標用戶包括專業(yè)從業(yè)人員及個人量化愛好者提供策略超市 平臺篩選并售賣由專業(yè)人員或愛好者開發(fā)的量化策略，供普通投資者選擇參考這兩種模式并不是孤立的。數字化投顧主要包含的是提供策略超市類的量化投資平臺。量化策略量化投資重點在于數據及模型，售賣策略是目前主要商業(yè)化模式量化投資平臺策略進展過程：銷售策略除了為量化投資平臺商業(yè)化之外，策略開發(fā)者可以通過平臺操作及管理更多資金，大額資金的實盤交易會啟發(fā)和督促開發(fā)者對現策略的不斷修正和完善。在策略逐漸成熟的過程中，愛好者也逐

25、漸完成了向專業(yè)量化交易人員的轉變，這對于非專業(yè)人員是具有非常意義的。Robo-Advisor大資產配置模型，以賺收益為目的Robo-Advisor 平臺采用的是被動投資方式，關注各市場或各大資產類別的整體表現狀況，是以獲取系統(tǒng)性風險補償，即以收益為目標的長期投資方式。通過復制市場組合實現，費用相對低，標的資產規(guī)模大。Robo-Advisor大資產配置模型，以賺收益為目的目前，各大Robo-Advisor主要的投資標的為ETF及公募基金，部分平臺也將大宗商品、黃金等包含在投資范圍內Robo-Advisor服務鏈條短，系統(tǒng)自動推薦投資標的Robo-Advisor能夠讓客戶在App上實現財富的智能管

26、理，步驟簡單便利。市場上Robo-Advisor產品的服務流程大同小異，現以 Wealthfront為例做說明Robo-Advisor服務鏈條短，系統(tǒng)自動推薦投資標的Robo-Advisor更少成本，更多用戶更理性的投資服務與傳統(tǒng)的人工投顧相比，Robo-Advisor主要有以下特點： 服務成本低，受眾范圍廣：一方面，傳統(tǒng)的人工投資顧問服務受限于服務成本， 而智能投資顧問的費用是非常有限的，這極大的提高了客戶群體的范圍，將普通用戶納入到客戶群體。Robo-Advisor會向用戶推薦符合其自身投資偏好的個性化投資組合 算法先進，避免非理性因素另一方面，利用算法、大數據作為投資依據，又能避免人工投

27、資顧 問的非理性因素。 投資組合的選擇是基于其構建的模型推算而出，可以在一定程度上消除人工投顧的非理性因素或由于投資經驗不足導致的問題Robo-Advisor國內剛剛起步，智能程度低，優(yōu)質企業(yè)較少目前，公開表示具有或正在研發(fā)“Robo-Advisor”“智能投顧” 功能的互聯網理財平臺已經超過二十家，比如京東金融、積木盒子、 聚愛財plus等。但智能化程度參差不齊，和美國同類企業(yè)相比仍有差距。 部分互聯網金融企業(yè)以“智能投顧”為噱頭，并非真“智能”一些P2P企業(yè)僅對用戶進行簡單的風險偏好測試，根據用戶偏好推薦相應理財產品，更多屬于分散化投資，并未實現用先進的數據算法來優(yōu)化投資模型，意在借“智能

28、投顧”的幌子進行市場宣傳。 致力于“Robo-Advisor”的創(chuàng)業(yè)企業(yè)仍在模仿 Wealthfront 的產品形式，基本實現智能算法模型的搭建，使用數字化手段提供投資咨詢服務以彌財、藍海財富為代表的國內Robo-Advisor公司，在2015年年初成立，是國內早的智能投顧公司之一，借鑒Wealthfront、 Betterment的產品模式，推出了機器人投顧產品。目前這兩家公司的投資標的均以指數基金ETF為主，跟蹤全球市場，目標客戶多為有海外資產配置需求的人群。兩家公司的管理費用均小于國內人工投顧費率， 藍海財富咨詢費為所管理資產的0.5%，彌財更是將咨詢費降低到零以廣泛獲客。Robo-Ad

29、visor國內剛剛起步，智能程度低，優(yōu)質企業(yè)較少Robo-Advisor國內Robo-Advisor公司詳解04Part Four發(fā)展回顧發(fā)展回顧Fintech海外先行，中國后來者居上中國美國美國和中國金融市場的不同發(fā)展環(huán)境以及用戶對金融服務的不同訴求決定了FinTech在兩國發(fā)展的不同狀況。 一直是以“科技金融”的概念存在，且沒有大量的互聯網金融公司 其線下金融體系已經比較發(fā)達，各項金融服務也趨于成熟，做創(chuàng)新難度和成本均較高。 互聯網金融發(fā)展迅猛 金融服務的供給不足，給互聯網金融公司制造了發(fā)展條件發(fā)展回顧Fintech海外先行，中國后來者居上對比不同監(jiān)管體系下，FinTech創(chuàng)業(yè)公司套利空間

30、差距大2010年，金融至上”的思想后，美國金融改革落地，從“傘式監(jiān)管”升級到全面監(jiān)管。新法案中，著重體現了“消費者新成立一個獨立的消費者金融保護機構（CFPA），保護消費者和投資者不受金融系統(tǒng)中不公平和行為損害。該機構將擁有包括規(guī)則制定、從事檢查、實施罰款等在內的權力；0102從增強、簡單化、公平性和可得性四個方面進行消費者保護改革03加強對投資者的保護，促進退休證券投資計劃，鼓勵更多儲 蓄對比不同監(jiān)管體系下，FinTech創(chuàng)業(yè)公司套利空間差距大對比不同監(jiān)管體系下，FinTech創(chuàng)業(yè)公司套利空間差距大監(jiān)管體系的升級使得創(chuàng)業(yè)企業(yè)的創(chuàng)新監(jiān)管成本加大以當下火熱的P2P平臺為例，美國監(jiān)管認為，這些平臺

31、上發(fā)行的貸款已經具備了證券的性質，因此該類平臺應該理解成證券交易所，按照證券交易所的規(guī)定來監(jiān)管。同時，從保護個人投資者和借款人的角度，需要由消費者保護機構來監(jiān)管。這種方式下，創(chuàng)業(yè)公司可能需要取 得不同州的借貸業(yè)務牌照，創(chuàng)新監(jiān)管成本加大。競爭充足和壟斷的兩種不同市場環(huán)境，也導致傳統(tǒng)金融機構創(chuàng)新意識不同由于美國金融市場競爭環(huán)境激烈，金融服務機構多為私營背景，創(chuàng)新意識也相對較強。相比國內，金融牌照壟斷相對嚴重，天然的資源壟斷優(yōu)勢賦予了傳統(tǒng)機構金融資源定價能力，享有現有的資源優(yōu)勢就可以獲得高額利潤，故而企業(yè)創(chuàng)新和服務提升的動機不足。對比傳統(tǒng)金融服務體系力量的差別是中國創(chuàng)新的機會美國的金融市場的競爭環(huán)境

32、促就了傳統(tǒng)金融體系的完備。傳統(tǒng)金融體系的力量和影響是也因此成為中國相比而言大的機會。從信用卡及保險滲透率可以清晰的說明這個問題。金融市場的大不同，對比傳統(tǒng)金融服務體系力量的差別是中國創(chuàng)新的機會在美國，傳統(tǒng)理財產品、中小企業(yè)信貸、保險等均有成熟的金融巨頭覆蓋，消費者習慣已養(yǎng)成。與已成熟的巨頭進行競爭，是多數創(chuàng)業(yè)企業(yè)無法承擔的。對比美國傳統(tǒng)金融體系成熟，FinTech更多扮演“補充”角色由于美國成熟的金融服務體系，相比“”銀行等傳統(tǒng)機構， FinTech公司更多的是尋求與之合作。未被傳統(tǒng)金融服務覆蓋的客戶或市場縫隙， 由FinTech企業(yè)來補充，其角色更多的是“提高某 已有業(yè)務的效率”。反觀中國，

33、金融服務供給的不足，部分監(jiān)管環(huán)境的模糊地帶給金融 科技類公司制造了發(fā)展條件。模式創(chuàng)新、普惠金融等在中國的發(fā)展 十分之迅速。近年來P2P的迅猛發(fā)展正說明該問題：大量未被傳統(tǒng) 借貸服務覆蓋的中小企業(yè)和個人，通過P2P平臺可以獲得融資，解 決短期的資金缺口對比細分領域梳理及對比征信在征信領域，美國起步早, 征信體系自1920年起伴隨消費企業(yè)的擴張而推進，征信公司數量曾從2000多家減少到500家，行業(yè)經歷了充分競爭，機構征信和個人征信體系趨于完善成熟。中國起步晚，線下數據被銀行與保險公司壟斷割據，線上數據隨著互聯網的普及而完善，目前數據量龐大但發(fā)展歷程短暫，征信模型仍待完善。從大數據征信模型算法的成

34、熟度來看，我國雖與美國存在一定的差距，但數據的快速迭代為算法的優(yōu)化提供了很好的環(huán)境。伴隨大數據時代的到來，征信數據的應用場景更加豐富，不僅僅用于信貸，更可以滿足社交、消費等方面的需求。而這方面的探索尚在起步階 段，國外企業(yè)也尚未經歷大數據征信的迭代驗證。因而從這點個角度來講，美國和我國幾乎是站在同一起跑線上的。對比細分領域梳理及對比借貸在美國，真正意義上的P2P借貸（即個人對個人的借貸）公司只有 Lending Club和Prosper。其他平臺需要投資者不僅僅是高凈值個人，而是需要其為具備投資資質的個人，即機構投資者、專業(yè)投資者等。而國內的P2P平臺則是面向大眾的理財工具。對比細分領域梳理及對比個人理財如上所述，美國傳統(tǒng)金融服務完備，因此大多數中產階級的理財服務是由傳統(tǒng)銀行和資產管理公司、投資顧問公司提供的。近年來，智能投顧平臺（自動化投資平臺）的興起，如Betterment、 Wealthfront，其主要服務對象是年輕人群，是未來的中產階級