FinTech行业研究报告-36氪 - 终板.pdf

孔德云36氪研究院2017年9月如虎傅翼 革故鼎新FinTech行业研究报告2•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。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。36Kr-FinTech行业研究报告2017.9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FinTech行业概述CHAPTER I•FinTech发展历程•FinTech发展驱动力5•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、互联网金融阶段、金融科技阶段。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FinTech行业概述1. FinTech行业概述1.1 FinTech发展历程1.2 FinTech发展驱动力金融IT互联网金融金融科技•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。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 业大数据风控智能投顾供应链金融移动支付互联网银行量化投资数字货币其他36Kr-FinTech行业研究报告2017.9大数据风控CHAPTER Ⅱ•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7•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。医疗—卫宁健康大数据技术助力企业拨开迷雾，发现市场真相大数据风控行业概述2. 大数据风控2.1 大数据风控行业概述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•众包指的是把过去由员工执行的工作任务，以自由自愿的形式外包给非特定大众网络的做法。•磁盘•云存储•模糊匹配•数据预处理•文本分割与词条分析•支持向量机•朴素贝叶斯分类•线性降维算法•决策树•神经网络•逻辑回归•评估•迭代•风险控制反欺诈征信授信•风险定价人保车保•舆情分析竞争环境洞察预测股市波动调整创投方向•精准营销偏好推荐运营推广图示：大数据在金融行业的应用步骤•目前大数据在金融行业首要落地场景便是大数据风控。我们整理历史投资事件中发现，金融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。0102030405060金融大数据医疗大数据其他领域上证指数2000300040005000上证指数2015Q2，金融大数据领域获投数量环比上涨120%数据来源：36氪创投助手App2014.01-2017.06大数据应用层各领域投资事件数量（个）01000200030004000500060002017.92015Q2，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36Kr-FinTech行业研究报告82. 大数据风控2.1 大数据风控行业概述2.2 大数据风控产业链图谱参与者分析•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。医疗—卫宁健康大数据风控产业链图谱大数据风控产业链图谱与参与者分析数据生产主体个人企业数据供应方数据加工方数据使用方图示：征信市场产业链分析；来源：36氪研究院2017.936Kr-FinTech行业研究报告9•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。医疗—卫宁健康大数据产业链参与者现状分析大数据风控产业链图谱与参与者分析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2017.936Kr-FinTech行业研究报告102. 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•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。医疗—卫宁健康大数据产业链参与者现状分析大数据风控产业链图谱与参与者分析*来自公开资料整理2017.936Kr-FinTech行业研究报告11•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。医疗—卫宁健康反欺诈是征信行业的基石风险之一 – 欺诈风险分析03,0006,0009,0002016年互联网欺诈涉案金额（单位：万元）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节。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2017.936Kr-FinTech行业研究报告12医疗—卫宁健康欺诈与反欺诈产业链分析风险之一 – 欺诈风险分析图示：反欺诈产业链来源：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。信息盗取木马开发者钓鱼编辑盗库黑客线下盗取信息售卖钓鱼零售商域名贩子个信批发商卡贩子欺诈实施P2P平台欺诈消费金融欺诈银行信贷欺诈交易欺诈分赃销赃财务会计师ATM小马仔分赃中间人图示：欺诈产业链来源：方正证券，36氪研究院银行数据提供方公安、司法电商P2P平台社交平台征信机构其他身份信息设备信息司法信息行为偏好跨平台交易记录神经网络模型随机森林模型机器学习实时规则引擎行为分析引擎业务规则引擎威胁情报库风险规则库黑灰名单用户关联图谱第 三 方 反 欺 诈 机 构P2P平台消费金融平台银行其他综合金融平台反 欺 诈 数 据 使 用 方•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。数据回流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2017.936Kr-FinTech行业研究报告13医疗—卫宁健康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反欺诈企业案例 – 同盾科技创办时间：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。IP地理位置设备指纹个人信息金融活动记录网络行为…关联分析文本分析图片分析模糊匹配...