金融基础技术与业务证券知识

金融科技发展趋势跟踪

2019-01-31  本文已影响263人  shenciyou

一、2018年金融科技行业融资整体情况

2018年全球金融科技公司融资规模达到创纪录的395.7亿美元,较2017年增长120%。金融科技公司的融资交易数量从2017年的1480笔增至1707笔,其中超过1亿美元的大额融资有52笔,总额为248.8亿美元。

亚洲公司的交易数量较2017年增加38%,融资总额达到创纪录的226.5亿美元。美国金融科技公司去年通过659笔交易筹资118.9亿美元,也创下历史新高。欧洲公司的交易数量虽然有所下降,但融资规模也达到创纪录的35.3亿美元。

阿里巴巴旗下蚂蚁金服去年6月完成一轮140亿美元的融资,占到去年全球金融科技公司总融资的35%。

二、2018年金融科技行业发展特点总结

1、金融监管日益趋严,严格且高质量的监管有利于推动真正有含金量的金融科技创新。

在严监管的整体态势下,凡是提供金融服务的商业模式都需要合法依规,持牌经营。以往金融科技领域存在监管套利问题的伪创新和假创新被识别出来,推动了真正富有含金量,能够提升金融服务与管控效率的优秀创新出现。

2、传统金融机构发力金融科技创新,如设置专项创新基金以及设立金融科技子公司等举措。

多家金融机构开始设立专项金融科技研发基金,推动金融科技项目的快速开发、试错与推广;此外,部分大中型金融机构开始探索布局金融科技子公司,给金融科技产业引入更多的竞争模式;此外,越来越多的各类金融机构都在开展和创新型金融科技公司的战略合作。

3、大数据技术推动金融生产力的观念在金融业深入人心,推广力度持续加大。

金融数据与其他跨领域数据的融合应用正在不断强化,以模型驱动的金融智能正在成为金融大数据应用的新方向,金融行业数据的整合、共享和开放正在成为趋势,给金融行业带来了新的发展机遇和巨大的发展动力。

4、大数据技术公司专业领域出现分化,分别向工具化和平台化两个方向延展。

部分大数据技术公司开始向整合平台方向发展,主要突出对于异构数据源的整合和建模能力,帮助金融机构打造基于多维数据的智能模型;另外一类大数据技术公司,开始向智能工具领域发展,将传统的大数据服务工程化、产品化和工具化,从而大幅提升大数据项目的实施效率。

5、自然语言处理和知识图谱技术开始颠覆金融领域知识工作者的传统低端领域。

自然语言处理领域,出现了一批通过金融大数据和语义分析技术帮助金融机构解决尽职调查和投资研究问题的智能投研类科技公司。自然语言处理和知识图谱技术能够赋能金融专业研究人员提升研究效率,拓展研究能力,从根本上提升金融服务业的效率,甚至颠覆传统金融服务的商业模式。

6、基于联盟链的区块链技术已经从实验室走向应用,但是大规模实践仍存挑战。

虚拟数字货币和基于价值的公有链技术因其可靠性和价值波动性存在太多挑战,因此目前在我国仍然属于金融监管的禁区。但是,以联盟链为代表的区块链应用,已经实现了很多应用场景的具体落地,而且可以较好的促进实体经济发展。例如,在支付清算和数字票证领域、供应链金融领域、资产证券化领域、保险核保与协同领域、征信数据共享领域,都可以并且已经实现了具体应用模式的创新。

7、以线上及线下智慧保险销售为创新突破口,保险科技业态持续发力。

保险科技着力于颠覆传统保险价值链,实现对保险产品设计、市场销售、核保规则、理赔风控和投资管理全链条的颠覆性创新。中国的保险科技更多发力于保险销售领域,诸多创新型保险经纪公司正在持续探索利用金融科技手段推动保险产品销售,其中智能客服、智能核保和智能定价等领域的一系列科技创新正在颠覆者传统保险销售模式,网络驱动的场景化和数据驱动的智能化已经成为这一领域的突出特点。

8、基于贸易、物流或物联网平台的供应链融资开始在对公信贷领域快速拓展。

伴随着万物互联时代的来临,交易、借贷、物流和支付将紧密的捆绑在一起,基于贸易、物流和物联网平台的供应链金融,将实现物流、信息流和资金流的高度统一和同步。传统借贷领域强调的受托支付和资金管控等风控手段,将成为供应链金融服务的一个有机组成部分,并且以高效模式实现,会最大限度的降低资金使用风险,同时提升金融服务体验。

9、对内对外在线金融服务云化趋势明显,带来企业级服务效率的显著提升。

云计算技术在金融领域的应用推广,不仅能够大幅降低金融业的信息科技软硬件投入,彻底改变后台系统的负载能力,更为重要的是促进金融科技服务的标准化和接口化,为基于API的开放式金融打造物理基础,以金融科技助力未来实体经济领域的万物互联互通。

10、智能技术在多个金融应用领域发力迅猛。

大数据与智能算法的结合,已经覆盖智能营销、智能识别、智能风控、智能投顾、智能投研、智能客服、智能保险、智能定价和智能合规等各个金融应用场景。各类机器学习算法,包括深度学习算法,都在上述场景中得到了较为普遍的应用。鉴于目前的人工智能仍然以数据驱动为主,更加高效的设计、获取、提炼、标注并应用各类业务和管理数据,是金融机构进一步提升智能金融服务能力的关键。

上一篇下一篇

猜你喜欢

热点阅读