2018年金融科技领域发展案例分析撰写者:红贝钱包日期：2018年8月9日序言随着科技创新的不断加快及推进，社会发展步伐加快，各行各业发生了翻天覆地的变化，行业创新明显提高，传统行业发展模式弊端开始显现，已经不能适应新时代发展特点。

互联网技术的深入发展，让传统线下发展模式逐渐转变为线上线下结合的模式，让人们突破地域的限制，实时有效的进行沟通交流。

随着互联网技术的深度发展及融合，云计算、互联网大数据、人工智能、区块链技术等新一代技术相继问世，在长期的实践和总结中，逐步完善其理论和拓展应用范围，更加深刻的影响着社会的发展，促使整个社会生产效率大幅度提升。

科技创新为社会提供了源源不断地动力，不断推动着社会向前发展，在科技赋能时代，将伴随着诞生与毁灭，传统行业在一定程度上受到了影响，传统行业中由于长期以来发展模式、管理体制、管理思维、设备基础设施等等都是比较落后的，运营效率不高，企业盈利越来越低，加重了企业负担，严重影响了企业发展及规模的扩大，不利于中国经济高质量发展。

在金融领域，传统金融发展模式由于不能完全适应中国金融市场，因此，很大一部分的金融业务没有得到有效开发，特别是在融资业务方面，没有充分利用好资源，发挥金融的本应有的属性和功能。

在中国企业发展中，中小微企业占据了大部分，一直以来中小微企业的发展没有得到足够的重视，由于中小企业本身属性缺陷，大部分的中小微企业自身实力比较弱，国家政策支持力度不够，财务信息不透明，在管理体制、技术创新、人才开发等略显不足，加之中小微企业运营过程存在风险比较大，因此往往不受传统金融机构的青睐，这严重制约了中小微企业的发展。

在此背景下，“科技+金融”模式应运而生，在科技的助推下，传统金融发展发生重大改变，极大地激活了整个金融市场及业务延伸，在发展模式不再是单纯的线下线上发展，也不再只是存款、贷款和结算三大业务，而是纵深整个行业发展，为行业发展注入新动力。

金融科技作可以说是一种新的金融模式，在近几年的发展中，引起了国家的高度重视，在十八大报告及十九打报告中多次提到如何加快金融服务实体经济效率的提升，而金融与科技的深度融合，将有效地提升金融服务实体经济水平，促进金融体制创新。

同时在此发展背景下，金融科技领域也将成为发展热土。

目录摘要 (1)第一章金融科技领域发展历史 (2)第二章金融科技市场分析 (3)2.1 金融科技发展环境因素分析 (3)2.2 金融科技投融资及新金融科技公司进入分析 (3)2.3 金融科技行业发展空间及竞争激烈程度 (3)2.4 中美金融科技发展对比分析 (4)第三章金融科技产业链分析 (5)3.1 产业链核心组成部分 (5)3.2 关键技术分析 (6)3.2.1 大数据分析 (6)3.2.2人工智能分析 (7)3.2.3 区块链分析 (9)第四章金融科技布局案例 (11)4.1 传统金融机构布局分析 (11)4.2 互联网金融公司布局分析 (11)4.3 BAT等巨头布局分析 (11)第五章中国金融科技企业排名情况分析 (11)第六章总结与展望 (12)摘要金融科技是“金融+科技”的深度融合及发展，是金融与信息科学技术高度融合的产物，也是互联网金融发展的高级阶段。

从2013年到2015年，基于国内移动互联网的“井喷式”发展，驱动着国内互联网金融的快速发展，一时间大量的互联网金融创业公司纷纷涌现。

如蚂蚁金服、陆金所、红贝钱包、众安保险等等。

2016年以来，我国互联网金融正逐步从用户流量驱动向金融科技驱动转型。

当然，我国当前金融科技发展仍处于前期，在理论及实践方面经验是不足的，正是因为如此，金融科技领域才具有强大的爆发动力。

2017年，我国金融科技企业的营收总规模达到6541.4亿元，预计在2020年金融科技企业的营收总规模将达到19704.9亿元，由此可见，金融科技领域前景广阔。

金融科技本身是属于金融领域，科技只是作为一种工具，辅助金融发展，因此，金融科技本质上具有金融的属性。

当前，以云计算、区块链技术、互联网大数据等新兴技术作为代表的科技创新，加快了金融在体系建设、服务模式等方面的创新，促进了更加高效、便捷的金融业态发展，在此基础上，传统金融机构、互联网金融公司等纷纷涌入金融科技的布局当中，红贝钱包也不例外，在金融科技领域进行全面战略布局，将智能投顾、智能营销、智能支付等智能方案结合产业应用场景，在基金、银行、信贷、HR等业务领域，为各行业发展提供智能服务方案。

第一章金融科技领域发展历史在中国，金融科技实际上已经不算新词了，早在1993年就已经开始了，1993年《中华人民共和国科学技术促进法》发布，由此，中国科技金融促进会诞生，这也标志着金融科技在中国真正落地。

金融科技是金融与科技的高度融合的产物，目前对于金融科技尚未有统一的定义，按照国际权威机构金融稳定理事会（FSB）的定义，金融科技是指技术带来的金融创新，它能够创造新的模式、业务、流程及产品，既恶意包括前端产业也包含后台技术。

纵观金融科技的发展过程，我们会发现金融科技是伴随着科技创新的发展而进行变革的，因此，从科技创新变革的角度可以清晰的看到金融科技的发展可分为三个阶段。

第一阶段（金融科技1.0时代），时间（1993-2004年）：此阶段主要是金融行业通过传统IT的软硬件的应用来实现办公和业务的电子化、自动化，从而提供业务效率。

宏观方面以政策为主导，资本扶持为主。

第二阶段（金融科技2.0时代），时间（2005-2015年）：此阶段被定为互联网金融时代，各大金融机构开始大规模的互联网战略布局。

通过搭建在线业务平台，利用互联网或者移动终端的渠道来汇集海量的用户信息，实现金融业务的中产端、交易端、支付端、资金端的任意组合的互联网互通。

第三阶段（金融科技3.0阶段），时间（2016-至今）此阶段互联网金融概念开始逐步被金融科技取代，通过大数据、云计算、人工智能、区块链等新的技术来改变传统的信息采集来源、风险定价模型、投资决策过程、信用中介角色，大大提高了传统金融的服务效率。

第二章金融科技市场分析2.1 金融科技发展环境因素分析1）经济环境因素：我国从第十二届全国人民代表大会第一次会议的五年以来，我国经济结构出现重大变革，国民消费贡献率由54.9%提高到58.8%，成为了经济增长的主要动力2）政策环境因素：国务院印发的《十三五国家科技创新规划》，将金融科技作为重要内容列入其中，金融科技连续三年被写入政府报告中。

3）技术环境因素：互联网大数据、人工智能等高新技术的逐步完善及深入运用，对防范金融风险及金融服务效率、服务质量起到了积极作用。

4）社会环境因素：随着科技的迅猛发展，互联网技术已经融入了人们的生活当中，深刻改变了人们的生活方式，同时也影响着各行各业的发展。

2.2 金融科技投融资及新金融科技公司进入分析金融科技行业新注册公司数量，投融资事件和投资金额在2014-2017年均呈现明显的下行局势。

一方面是由于行业风口的轮换，另一方面是金融科技公司的准入门槛加高。

因此，在未来金融科技领域中，新进入者的机会可能不会太多，且可以预测头部玩家的竞争更加激烈若想从竞争中突围取胜，需要参与者们增强并充分发挥在金融科技领域的核心竞争优势。

2.3 金融科技行业发展空间及竞争激烈程度根据百度金融研究的估算，中国金融科技行业在信贷、理财资管、保险等领域的线上化率均不超过10%。

未来通过科技的手段提高金融各领域服务效率和客户体验都是一个相当值得期待的市场。

根据目前的金融科技竞争态势来看，该市场能否被补充和占据的关键决定因素不再是流量的争夺，而是能否通过有突破性的创新手段提供颠覆业态的产品。

金融科技作为现今新领域，正当企业寻求突破口时，金融科技领域将成为各大企业争夺的对象，特别是互联网金融公司将成为金融科技领域主要参与者。

2.4 中美金融科技发展对比分析从金融科技发展可以看出，我国金融科技发展比较晚，缺乏比较完善的金融科技体系及模式，市场渗透率比较差。

而美国金融科技市场是比较成熟的，消费者的金融需求满足度相对比较高，不能获得金融服务的人群比较少。

第三章金融科技产业链分析3.1 产业链核心组成部分主要分为技术层面和业务层面，在技术层面以云计算、大数据、人工智能、区块链技术等核心技术；在业务层面以征信、只能投顾、理财与资产管理、支付清算、金融保险、消费金融。

3.2 关键技术分析3.2.1 大数据分析大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据本身是毫无价值的，但是通过提炼、计算、分析，从而形成具在某个领域有重要的研究意义。

特别是结合人工智能学习，让大数据价值最大化。

数据是金融的核心，对于金融风险的控制及风险定价体系作用极大，大数据与机器学习将是金融数据计算分析的未来。

经过多年的数据发展和积累，大数据的数量、分析速度与数据种类都发生着极速的变化。

可穿戴设备、智能家居等智能硬件的兴起，再次扩充了数据的维度，使得可获取的数据维度扩展到线下。

目前，大数据已经发展到公司及第三方处理分析大量终端用户数据的阶段，为金融科技公司提供了良好的数据基础，进而促进了个人征信、授信、风控以及保险定价等金融领域的发展。

当前，大数据分析的主要金融的个人征信、授信与风控个人征信、授信及风控主要是围绕借贷环节进行的，覆盖贷前评估、贷中监控和贷后反馈三个环节。

3.2.2人工智能分析人工智能（Artificial Intelligence），英文缩写为AI。

它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

1）自动生成报告人工智能的初级应用是自动生成报告，即对自然语言处理（NLP）中的自然语言理解（NLU）、自然语言生成（NLG）、以及光学字符标识别（OCR）。

2）量化交易量化交易分析师们对财务、交易数据进行建模，分析其中显著特征，利用回归分析等传统机器学习算法预测交易策略。

3）智能投顾智能投顾是指通过互联网帮助用户进行资产管理和投资等业务，利用模型和智能算法得出投资组合。

智能投顾的目的在于提供自动化的资产管理服务，为投资者提供符合其风险偏好的投资建议。

智能投顾平台借助计算机和量化交易技术，为经过问卷评估的客户提供量身定制的资产投资组合建议，提供的服务包括股票配置、债券配置、股票期权操作、房地产资产配置等。

4）AI-GAN模型3.2.3 区块链分析1）分布式共享数据区块链（Blockchain）是一种分布式共享数据库（数据分布式储存和记录），利用去中心化方式集体维护一本数据簿的可靠性的技术方案。

从技术角度来看，比特币的系统包括三层：底层技术——区块链；中层链接——协议；上层——货币。