属马的今年多大
“AlphaStock”可能是2017年最有名的FinTech机器人。2017年12月，研发Alphago的AlphaBeta旗下的DeepMind团队近期发表论文，公开其研发的人工智能交易系统AlphaStock已经在中国A股市场潜伏交易三十六个月，在经过不断的学习进化后，最终净值亏损呈现不断扩大的趋势。
有人便开始怀疑，人工智能是否适用于金融行业。这其实需要从A股市场的参与者说起，除了个人投资者、私募基金、部分QFII或者investor外，散户的数量已然达到80%，而中国散户基本上都是爆亏的。“专业的投资人才是赚钱的”，在大量散户对“AlphaStock”进行数据冲击下，AlphaStock也便成为了投资毫无逻辑的“人工智能散户”。
对金融市场的冲击还来自于——几记现金贷政策手起刀落，要求“严格约束现金贷业务、持牌经营、利率不得高于36%，银行不得为无牌机构提供助贷资金”，这几乎象征着现金贷公司正进入。
无论是报道还是坊间传闻，都说大数据、技术能够使FinTech金融，这其实是一个相当愚蠢的观点。
FinTech所的是那些做得不好的低效的以及将死的、笨拙的东西，而不是真正金融内核——核心价值和规律的点。
毕竟，想要去金融领域，光光靠几个技术几个数据还常不容易的。FinTech只能做到基于Tech让Finance完成过渡从而进化。
目前就是要做到在金融交易的各个环节中都能最大程度的自动化。真正意义上的平台的搭建肯定是要跟具体的业务场景紧密联合的。
金融领域有一个“潜规则”，就是“今天你控制风险了，那你就是赚钱了”。但做风控是一个苦逼的活。
最开始的时候，排列科技夏真会直接先跟客户说，“你先让我看看你的业务场景”，或者干脆先跑到他的公司待上一周的时间看每一笔贷款具体是怎么放的，怎么催收的。
比如有一次，夏真到屋子里头去，两个纹身的彪形大汉说这里面有5个房间。第一个屋子的都是女的，他就温柔催。第二个屋子就是有男有女，最后一个公司比较吓人——看着蛮像的。
他就这样一家一家公司摸过去了解他们这玩意怎么来的，摸清楚之后底气十足地跟客户说，“我们可以开发构思一套针对你们的风控体系”。
后来客户量大了之后，这就变成了一个体力活。如果真要一家一家公司摸过去，中间的尽调、匹配、开发，折射出来的就是需要很多人工作，还需要很多人系统化地工作。
除了风控外，其实目前在金融这个行业里，除了最后一公里（职业理财师）是必要需要人力之外，其余都是通过系统的手段来支持的。
在金融这个行业里有一个广义非标的概念——只要不是交易所交易的就标产品（当然我们国内的非标档次是专指非标债权，比较多见的像各种产业基金，房地产基金，各种非标债权，股权类产品，权益类等等。）。
比如说“OTC产品”——柜台外交易产品，它最大的问题就是不标准——它们两只房地产基金交易上看不出关联性，各自为营，都建立了不同的产品纬度。每个纬度的指标可是有千千万万个，而我们在分析一个产品的纬度时，曾经最高高到九纬甚至是十纬。
而目前数禧金服做的就是从这9个切面去看这些产品，然后构建了一个比较庞大的模型来处理它。据说很多数禧的很多客户都拿这个产品来教育自己底下的员工。
做非标的资产风控跟标准化产品是有所不同的——首先这当然是跟纬度有关系，纬度决定了资产风控的指标按哪些规律去排。
还有一个重要的点是，资产风控要跟投资者的期望相匹配。毕竟每个人对风险的认识、风险的对价和理论产品本身的对价都是不一样的。
比如说一个标准化产品过了风控之后，其实人人皆可以买，但同样这个产品激进型选手定性它可买，稳健型选手定性不可买。在同样的高净值人群里会切出来哪些类别和哪些体系的人能够形成一个对比。
那么在这个行业信息不充分，沟通不充分的情况下，完成这样一个信息归类一定要通过技术的力量。金融本质上还是一个销售的行业，销售一定会跟你说是好的，但实际上在这个市场里边是大量的信息和资产的不对称，这个不对称的需求是严重地完成影响了市场的交易机会和交易价格的程度。
过去在没有利用技术的手段是，这群人如果要去去做这些事情，去认知上述的东西，没有学个10年8年是不太现实的，但如果他线年拿就不会卖了，这往往是这个行业里非常大的痛点。
所以，怎么去规范和用技术的方式来画像就成为了各个标榜着说“解放双手、解放人力”的技术人重中之重的任务——给用户画像、给销售画像，画完像再去建立行为模型和能力模型。
这便是所谓的大数据概念。有些时候，大数据被过度高估或者是夸大了，但在人的行为逻辑上，必然是可以用大数据来做的。
比如说产品，哪怕是做了180纬度的空间将其分割干净，依旧是可以被穷尽的，但是人的行为是永远无法预测的，而这个通过不断的反馈、深入，会产生极大的价值。
不能用同一个套来对待每一个客户，定制化要求要高，但同时又不能在一个客户上陷入时间太多，这个时候就只能规模化的方式来做。
也就是说在做非标产品的智能风控一定要有数据要求的。其实我们很清楚地是金融整个行业的交易是很低频的，但是中间的水是超级深而且数据要求也是要有深度的，决定交易的因素也很多。
其中，模型的数据门槛很高，没有在这个市场上侵略了很久的人是没有这方面的资源、行业、数据积累的，估计这也是这个市场上最值钱的东西了吧。
单一机构，基本上只是解决它怎么做产品，如何卖，卖给谁，被卖的人接受不接受，这个问题就是直接KPI能不能做到有流动性、收益和安全性，同时能够解决而且到达客户的点。
而智能风控就是——不应该替别人营销说哪个好，但是要把所衡量的标准和机制，精准地描述在他面前，由客户自己的风险喜好属性来匹配，也就是指将定性的钥匙交给最后的客户和投资人。
但是这种所谓控制风控又提高自动化程度的模型有价值的就不仅仅局限服务某个个体，而是在整一个大样本下，第三方风控公司有没有能力去做区别。
比如在小额分散的授信，一般会是1个客户3-5个客户经理去盯整个信审及其贷后管理，此时所谓的第三方风控公司通过模型给客户带来效率的提升价值常小的，而当需要30-50个客户经理去跟进一个客户时，模型的价值就出来了。
这时候，大部分人会有这样一个错觉，以为大数据、AI是万能的，然后就把所有的宝都压在了大数据，完事了说“AI、大数据就是的”。
比如管琯就经常遇到这样的客户——作为放款的一方，希望看到受款的任何细微的报表，所以经常会过来说“我要你们的征信报告，越详细越好”。这种报告一般都是这样的——包含着这个企业和其他企业的关系图，中间一个大圈，旁边围了三个小圈，细数可能包含了数千家企业，可是像这种环套环的征信报告真正有用也就是少数几个有用的数据而已。
大数据的本质是在评价一个人的信用体系，比说一个人或一个企业的负债、收入及其比例、能力。而这些要素以数据来呈现的话，必须需要一个最直接的数据，边缘的数据只能作为辅助的弱信号，把所有笼统的数据都往报告上塞，不仅仅看不清还可能会混淆视听。
所以FinTech服务商在提高模型自动化的时候，都需要根据不同的场景，采集不同维度的数据源。
不论是线上OTA的旅游分期、信用卡、还是供应链金融这样的场景，都要在茫茫数据中找到与场景最为匹配的数据。
而且在产品给客户使用时，整个信贷的流程及周期之中，都需要盯着整个流程包括贷前、贷中直到贷后：
贷后包括对客户进行评分，找出评分最低，就是逾期率最高的一部分客户对他进行定向的核查，这都是通过分数的方法去帮助一些金融机构如何去提升他们的这种效率。
将数据源与对业务场景的了解相结合，才能将整个量化模型应用在全流程的信贷周期中，这才是FinTech服务提供的价值。
包括像FICO这样大家所熟知的机构，整一套的数据采集及资源整合的系统相对比较完善。不管是金融、社交抑或是电商、通讯诸如此类的数据，只要是客户首肯，都可以买到。
在数据不透明的下，采集数据要耗费很大一部分的精力，总地还是要去做一些嵌第三方的数据整合——采集维度极其之多，除金融之外还会有餐饮、教育、娱乐、通讯、支付、社交、医疗等。
整合数据源时，数据模型前期的设计、数据采集的方法及应用，都需要一整套完整的打法，才能够帮助一些中小型的客户快速的成长。
基于怎么在初审、复审、终审的每个节点上控制风险、相应数据采集，并且怎么在不影响用户体验的前提下反过来优化整个流程的这套打法，夏真做了很多尝试。
他们试过将所有数据都采来，用人工智能的大数据模型，读取出来一个分数，这个分数有时有用，有时无用。
没用的原因，可能是很多数据放进去之前，对数据本身并没有特别了解，这与风控的减少不确定性和不对称性的相。
智能数据时代下，并不是把所有的数据大杂烩地塞进整个系统里面，而是挑选在不同的风险电商，不用行业用不同数据来做。
比如说美国的FICO一开始也是没有数据，但它想办法有自己独特的数据源。如此一来它尽管还没有成为一个行业的标准，但是某些数据只有它有，别人是没有的，它成为了一个纯粹、通用的东西，用现成的数据给大家一个通用的东西，这就是为什么尽管它没有广泛的数据，但是它的应用范围更广。
大数据就像是人体的记忆细胞，而AI更像是神经细胞，经历越多、认知才会越多，大数据辅助AI、AI辅助决策，这中间审去了考核、尽调的很多环节也同时增加了效率、准确率，毕竟在电脑上的数据不会变它同时也可以24小时工作。
AI之所为成为了趋之若鹜的风口，就是因为这种技术刚刚起步，随处可见的互联网早已不能让人们找到在朋友圈炫耀的快感，只能在AI上“聊以”。
实际上，技术能够带来的收益相当有限，微乎其微，技术本身能够看到Top One以及其带来的客单的增长，但再往后一旦走到金融销售环节，就又回到老上了（因为传统的金融没有系统的分销渠道，利益链条相对来说比较固化，还不能够较好地去重新分割利益）。Jade value MD的觉得，技术型公司的宿命相对悲观。
贾琪觉得，财务资产管理这个行业随着诺亚、钜派这样公司的成功，是近几年才成长起来的，而之前基本上都是银行四行的天下，或者集合券商组成了资管部的天下。但是真正的发展，实际上还是源于对专业投资人的分割和对其有效服务并没有到位。
其中涉及到机构能力模型——有的机构做房地产基金特别好；有的机构客户对它心服口服，塌地，你卖给他什么他都拿；而有的机构善于做通道业务。而这市场大量的资金和资产需求之间的结合中间会有很大一个壕沟。
过去，这个鸿沟是由金融机构通过杆杠用嵌套的方式来补。现在呢？从监管的角度来讲可以在以下几个方面去做创新：
最近陆金所出了一个问题便是在信托买了资管，套了四层，每层1:2的杠杆，到最后1:8，把这些东西切掉以后，要求的就是直接融资，一手资金对一手资产。可是这个过程挑战及其之高，金融机构朝南坐而客户都是在下面的，相当于它的个人渠道或者机构渠道都拿了过来。
过去此类买卖有牌照护体，可以把这个杠杆开起来赚一个钱生钱的活。而现在反过来，我们国家觉得这样会把实体经济成本炒得极高，实行新政之后，对一手资金和一手资产的触点也就加大了，这个错位的概率就会很高。
所以现在大家都是拿原始资产送基金管理人，自己发产品，找客户卖掉，但能服务的客户，其中的获客成本和能够拿到的利润非常低。
这个行业终究还是特别混乱的。如果你是在行业内群里里面，会悲观至极，这个生意确实很难做。机会就在于通过有效的技术将它做起来。
诺亚就是一个典型的例子，诺亚之所以做得好不是因为它特别聪明特别棒，是因为它内部交易成本低。歌斐把资产做好了以后，找到直投项目资产，并给它的财富投顾端卖掉，其中的时间成本、交易成本、信任成本皆是为零。
大家是用一个频道去考评、研究和这个市场的价格和跟客户去沟通，但是一旦拆开来，如果歌斐和诺亚不是一家，那么这个生意做不成，或者做成成本额外加出五到六个点，是至少现在代销都要四到五个点。如果可以把它cover，那么这部分必然是一块非常大的红利。
银行、券商都还在发愁，监管了净值1:1约束以后，不让做通道业务怎么办？这两类资产不让刚兑，那就只能走私募化、市场化了。
私募化这个市场的好处在于，市场化程度非常高。它定是为价格，定是安全的。未来肯定会有越来越多的人参与进来，做财富管理的何其多，目的都是一个，将客户的资产放在自己手中，收取管理费，收取金融资产投资顾问费，而光这些东西就有很大的空间，且市场本身资产价值蛮大。
如若不能理解中美金融市场的差异，那么很多反FinTech技术在落地过程中会遇到巨大的障碍和困难。特别是享受自行落地而不是与金融专业结合起来去落地。
福奈德自己竖个旗，自己去找公司、自己去找资产，把这个事情做了，几乎是不太可能，必须回到金融的本质去做事情。
一方面由于国内底层技术十分落后。主要是源于海外的话是有标准的se接口，而国内是没有这种接口，没有统一的国家标准，各自为战，生长，技术才会相当不成熟。
其次随着15年中国股市大跌以后，中国很多散户都成群结队割散户的韭菜。也就是为什么金融监管越来越严，而市场的杠杆资金都来自于银行，而不是来自于真正合格的投资者；
恒生应该属于大而不倒，因为早之前在银行大概7-8年时间，做中国证券化17年。其中印象最深刻的事情，便是运行恒生系统大概25年，最后因为硬件买不到了，必须要换新机器。这件事情整个行大概花了一年时间，最后因为系统确实顺利过渡，从业务方没有任何的感受。
任何一个大型机构的迁移成本都常高的，但恒生作为一个大而不倒的机构，短时间内不太能够可以撼动他的地位。
此外，过去的恒生能够发展起来，主要是因为当时整个金融市场需要一个从滋生到电子化的进化过程。恒生做到了，所以恒生起来了。
所以所谓抗衡恒生之说倒还有点无稽之谈了。应抓住一个新领域并发展起来形成支柱化，恒生过于庞大，整个决策层以及技术领导都会添加新的业务，但这个时候会有很大的一个机会，“要在另外一个地方起来新的恒生。”中国在整个FinTech里面，服务机构也好、To B也好、To C也好都是有很大的机会。
实际整个中国金融的基础设施建设是一片空白。从2005年开始到现在也做了十几年的证券化业务，却都是用excel，没有所谓的强制系统，不论是银行也罢、京东也好，都是如此。
这个缺口就是为什么中国金融机构有机会起来的原因。现在的资产投资对接，中间有很多信息不对称。比如说，整个证券化业务链条非常长（其实是认为拉长的，为牌照需求）。监管要求有资产方，要牌照：评级方要牌托管方要牌商品证券化要拍照、交易要牌照
相照应的，整个金融机构后端的资产负债表管理、流程管理、FIP等各方面的新系统管理，国外做地非常成熟，包括所谓的目标换算法、关于资产的方式。
所以，行业专家就不禁发问，To B模式怎么样才能够真正地和创新？恒生瞄准的是券商、Wind瞄准的是数据、安硕瞄准的是信贷，那么目前金融行业能够切的空白还多吗？To B FinTech公司怎么从盈利模式困难的这个困境中突围而出？
对于我们所参与的结构化金融而言，国外的每个细分市场都属于现金来比较高的。反过来说，其实整个2B行业最后的营利点应该还是在数据分析。
相较于国外来讲，国内的业务相对滞后，但是所有人一上来都是平台，这就造成了“每家公司不存在C端管理的概念，从前至后资产过来都要跟客户沟通一下，我们后面有资产数据，前面风控可以打通的话可以直接对接”。
我们在前端有众安保险、众安金融和平安普惠几大持牌的公司，每一家都千亿级别的规模，哪怕是一个华人信托，其资产量差不多一千万左右。那这种大量的数据怎么审核，从资产端到证券对接之后，中间用什么方式分析，这方面的服务还有挺大的一个机会。这方面服务就不再是一家家做系统，中间还是会有一定的功耗。
互金这一块其实玩了很多年，还是会有很多花样可以玩起来，从现在，从最早的P2P到像人人贷、现金贷或者到未来的什么。从P2P到B2C，可以发现这个市场用户都是要奋往直前，不会有很多业务在托管金融这里。所以这中间其实会有很多机会。因为市场发展足够快的话就产生了真空地带——需要企业服务的公司，这给他们留下很多空间。而技术相比于商业模式这一块还是比较落后的。
此外，有些传统行业希望能够有专业的FinTech来更好地服务他们，比如说哇哈哈——卖矿泉水的、卖碳水饮用品，他也有金融牌照、也想要发展金融业，那么其中缺的就是技术这一块。
可能国内证券公司赚钱很辛苦，但如果跑到东南亚， 可能便是另外一回事。不一定所有FinTech的注意力是放在中国境内，甚至一些FinTech公司的业务，在，会有中资银行、中资券商的，都会直接很热情地合作。所以可以放远一点，将这些服务产品化之后，对于一些“一带一”的国家，包括跟中国关系很深的、像中资银行、中资券商在海外做这些分支机构，都有很强的需求。
同时，国外很多玩家想要进军中国，这也是一个机会点。国外每一个细分领域都有头部玩家，蛋糕分掉了现金流跑地都很好，所以很多人都不上市，几个合作伙伴就开一个私人公司。金融领域也是一样，大家要做机构间的交易，从接收行情、接收资讯、策略、到券商的通道等每一个细分领域在国外都有比较好的标的。
主要因为中国是一个不的市场，但交易量却非常大，在从不到过程中，境外这些To B的FinTech公司也想要来分一杯羹。
这中间的空白点就是，与其公司自己去开发，还不如跟这些公司合作，合作之后会发现，中国银行其实可能是已经十年的客户，每年付你一个亿。但实际上很多银行买不起，那就本地化一些，去掉一些组建，再做一些轻量级的，那我们卖给其他的银行可能一千万。
在做企业级服务时，会有一个怪圈——金融机构都是有些资源，哪怕产品烂到不行，还是会有人签约。但是一定是在把这些关系逐渐地去做服务的时候，才能同时培养起自身的产品体系、服务体系、业务体系，才能去做规模化的To B的声音。
企业级服务会有一个声音，从看发达国家市场也好、国内市场也好，一定不会比2C的市场份额要小，但现如今国内，创业的人实在太多，客单价低地。而在美国的企业级服务公司。如果有产品给他的话，一年至少要收一百万美金。
不管是夏真、贾琪、陈晨还是管琯都明显地到，监管才是金融的，在金融这一块要怎么走，就得怎么走。而在这样的下，技术去服务金融会遇到很多问题。
毕竟技术是一个比较中性的东西，它可以干好事，也可以干坏事。怎么把科技用到金融上，其实是需要监管的，而且一般监管都是相对比较严厉的（区块链一刀切的事情想必大家也都清楚）。
而整个金融的行业都是相对比较封闭的，行业的玩家惯会通过各方面的手段去跨监管、跨市场及跨周期的套利。
举个简单的例子，很少有私募基金会把自己所有的投资、持仓都会放在一个券商里，基本都会在不同券商有不同的账户。在不同账户之间进行交易，只要跨券商了，券商就监管不到了。像如果我在中信证券交易，也基本中券能得到，但是如果我跨到银河券商就很难被监管了，当然这是比较简单的说法，真正的操作要困难很多。
金融科技这一块它有很多新生的事物，金融也是一个就是强监管的行业，强监管行业一个什么它不是那么，会导致很多的这样的起起伏伏，一松一紧。
3.交易过程中，监管哪些订单可能是一些违规单。比如在交易的过程中，哪些订单，哪些下的单子可能是一些违规的单子，比如说大量的下这个交易的买单，然后同时大量的撤单等等，给大家造成股票短期内拉升的一些等等。
1.给私募基金等金融机构提供统一的风控，包括交易，包括接口、技术标准。客户私募基金可以在一个界面里面投资交易股票、期货，同时可以交易不同券商下面的股票期货，一方面可以让客户自己看到可以更好地统一管理所有账户的一些情况，及及时调整他的风控策略。
2.另外，这也打通了各个市场之间的一些壁垒，为全市场的统一变革的行情数据包括交易提供这样一个好的一个接口。
3.最后，能够得出用户交易的行为分析及他的评价体系，从而成为一个新金融经济监管下的一个跨市场统一监管和交易的渠道，这才是金融IT服务商应处的一个。
监管之后，玩家都会遭受洗牌，从“只要有钱就去做现金贷”这样一个疯狂的市场到只针对持牌玩家了，但由于目前持牌玩家直接去做助贷这块并不是特别有经验，所以不管是冰鉴科技、排列科技、数禧金服还是高登世德的定位都是去服务好这些持牌玩家。
本篇文章主要整理了由盈动资本、B座12楼、51信用卡联合举办的沙龙现场活动速记。本次活动主持人是盈动资本 投资总监 何威，同时邀请了排列科技 CEO 夏真、数禧金服 CEO 贾琪、VERASTI CEO 匡中睿、冰鉴科技 副总裁 管琯作为主讲嘉宾，Jade value MD 、51信用卡 投资总监 庞巍、复朴创投 投资总监 胡昊、和盟创投 投资总监 华、浅橙科技战略投资部 VP 朱瑜辉、元璟资本 投资总监 朱亦卿作为圆桌嘉宾一起探讨关于FinTech的真正含义及未来方向。
删除。
网友评论 ()条 查看