人工智能、大数据、区块链，这是一张Fintech全景图

 

Lending Club董事长兼 CEO Renaud Laplanche

Renaud Laplanche应该不会忘记那些闪闪发光的日子。今年4月旧金山Lendit大会，他被数千人瞩目，在大屏幕舞台上，身穿一件印有“Lending Club”字样的红色背心，作为这家P2P鼻祖的领袖，他发表了一场激昂的开场演说。万豪酒店的会议厅人满为患，待演讲结束，追随者们蜂拥着他离场。

1个月后，Lending Club爆出内幕交易丑闻，董事长兼CEO Renaud Laplanche引咎辞职，Lending Club股价一度跌去接近50%，引发行业动荡，包括OnDeck Capital、Prosper在内的其它几大P2P平台，股价都不同程度下跌。

舆论纷纷质疑，P2P寒冬是否已经到来？

Fintech行业智库Lendit的总裁Jason Jones依然乐观，他告诉记者：“这对行业来说是一个很好的警示，P2P这个行业已经越过了过去巅峰发展的时代，现在是处于被大众批评的谷底时期，未来会回到一个大众逐渐接受的稳定状态。”

的确，有人持他同样的观点。根据Lending Club5月24日递交美国证交委员会SEC的文件显示，盛大董事长陈天桥已持有LendingClub11.7%股份，加上1570万股期权，行权之后的股比将达到15%左右，成为最大股东，盛大在Renaud Laplanche辞职后，大量增持Lending Club股票，持续卖出看跌期权，并买入看涨期权。盛大在声明中表示坚信Lending Club的商业模式，相信它将不断进步并优化业务。

曾经很热的“互联网金融”一词，正在被 Fintech（金融科技，Finance和Technology的合成词）代替，这意味着这一领域正在回归技术的位置。实际上，根据cbinsights的细分行业统计， Fintech是2015年最吸金的领域，VC融资总额过85亿美元，遥遥领先其他如健康、商务智能等。

Lending Club所从事的P2P借贷业务，只是Fintech的众多应用场景中的一个。根据PWC的分类，Fintech的行业布局主要包含了6块：零售银行、支付和转账、借款和理财、金融财富管理、保险、区块链。

早年在华尔街工作的Jason Jones，做过风投、投行、对冲基金，近年来投资科技企业。他最近奔波在北京上海的金融科技公司之间，对比中美情况，他说，目前放贷、支付是Fintech领域的两大主要业务，网贷填补了市场空白，区块链、财富管理和互联网保险也势头日盛，互联网保险在资本市场、承销、客户开发这几方面提供了颠覆性的机会。

从最初货币的出现到银行的运作，再到近几十年来ATM、信用卡、Pose机的出现，创新一直在推动金融产业不断前进。而这一轮Fintech浪潮，则是以数据和技术为核心驱动力，结合了互联网和创业的外部视角，重新梳理金融行业的业务，用创新的方法和模式改善用户体验提高服务效率。

例如蚂蚁金服就是一家典型的Fintech公司，它不仅可以方便地提供支付、理财等服务，还在增加社交功能，使好友间可以透明、快速、方便地转账，完全把银行隐藏在了后台。而在美国，不仅仅各种像Lending Club、Square、Venmo这样的Fintech创业公司纷纷涌现，包括高盛、摩根士丹利、富达在内的全球顶尖金融机构和投资机构，也都在积极向数据科技为核心的目标转型。

随着人工智能技术以及区块链技术的日渐成熟，Fintech也正在向更广阔乃至传统的领域蔓延开去。例如机器学习和人工智能，能解决信用欺诈的问题；数字广告能低成本拓展金融业务，帮助机构以比较低的成本获得借贷者；区块链技术帮助交易者在供应链上完成支付，帮助商品生产者追踪货品流向，起到打假的意义。

“哪怕我们都死了，它也会继续交易”

人工智能正在改变股票交易。

今年1月Aidyia公司启动了一支对冲基金，其背后的系统借助了多种形式的 人工智能 技术，对各种数据进行分析，这些数据包括市场价格、成交量，以及宏观经济数据、企业会计凭证，然后系统自主做出市场预测，以“投票”的方式选出最佳行动步骤。

“哪怕我们都死了，它也会继续交易。”Aidyia首席科学家Ben Goertzel在接受采访时说。

智能投顾，英文名是Robo-advisor，又被称为“机器人理财”、“智能理财”，是把最基础的Markowitz 资产组合理论和其衍生模型们应用到产品中，在云端低成本、快速、批量化地解决各种数据运算，再结合投资者风险偏好、财务状况与理财目标，通过后台算法为用户提供资产配置建议。

这被认为是AlphaGo在Fintech领域的延伸。

智能投顾是一片蓝海市场。知名咨询公司A.T. Kearney预测，美国智能投顾行业的资产管理规模将从2016年的3000亿美元增长至2020年的2.2万亿美元，在国外市场，目前比较活跃的有Betterment、wealthfront、SIGFIG、Hedgeable、CASHBOARD等公司。

全球智能理财领域最大的公司Betterment，近日宣布其完成 1 亿美元E轮融资，估值已经高达7亿美元，管理资产规模达到39亿美元，服务客户超过15万人。

在Betterment平台上，用户回答一系列关于投资目标的问题，然后平台根据回答做分析，给出相应的投资组合建议，并且完成投资。它的优势在于：通过服务将用户的所有账户以电子账户的形式连接起来，用户可以快速、简单地在不同账户之间转移资金，整个过程都是实时操作的，没有滞后。

在另一家智能投顾平台Wealthfront上，投资组合包括两大类：需要纳税的投资组合和退休金投资组合。前者适合个人账户、联合账户、信托账户，后者适用于传统IRAs账户、Roth IRAs账户、SEP IRAs账户，等等。

其资产类别包括美股、海外股票、新兴市场股票、股利股票、美国国债、新兴市场债券、美国通胀指数化证券、自然资源、房产、公司债券、市政债券。投资组合的载体为指数基金（ETF），依据平台用户风险容忍度的不同，向投资者推荐的投资计划可能只包括部分类别的资产。在盈利模式方面，智能投顾平台还在探究，目前主要以咨询费、年费为主。

智能投顾改变了传统客户和经理面对面的服务模式，在美国，智能投顾更多用来进行客户开发的工作，以比较低的服务费用吸引到投资者。智能投顾的优势在于成本低，容易操作，可以避免投资人情绪化的影响，分散投资风险，信息相对透明。

在传统金融机构看来，机器人投顾可以开发比较年轻的的小白客户市场。

“对于投资环境内部的人来讲，很多术语可以讲得很专业，然后由基金顾问翻译成简单的话语，再告诉每一个客户怎么匹配；而智能投顾是直接面对个人客户的，它必须知道这个用户的行为方式是什么，有什么需求，然后把市场中和客户匹配的趋势挑出来，推送一些方案出来。”一位知名投行高管告诉记者。

不过传统金融机构还处于尝试阶段，并没有大规模使用智能投顾。“如果我们大家都是用模型来做的话，模型100%可靠，那么市场上大家要买全买、要卖全部卖，就不可能有市场了。所以其中还是需要人的判断，才会有人买、有人卖。”上述人士表示。

人工智能在初级阶段是对简单劳动的替代，第二阶段则是对复杂劳动的替代。

Jason Jones认为，用智能算法把一笔资金分散投资到若干个基金，这是一个操作简单但不可持续的商业模式。他说：

“智能投顾要真正从产品发展成一种业务，就应该提供更多增值服务，比如找到更多种类的资产，同时收取更高的费用，这样才能有比较高的投资回报率。”

机器人做预测，会不会涉及隐私侵入的问题？其实机器学习的概念多少有些被误解，机器学习只是个模型，像人类一样，机器学习是不断对数据进行学习，利用先进的数学计算，去分析消费者的风险，就是数学模型，至于能不能得到数据，还取决于人类愿不愿意给。

智能投顾在中国

智能投顾的中国本土化改造正在进行。

智能投顾的背后是Markowitz理论，即现代投资组合理论（MPT，Modern Portfolio Theory），由诺贝尔经济学奖得主Markowitz创造，主张通过分散的投资组合降低风险，将资金分散在股票、债券、房地产等多方面，并且不降低预期收益率。

郑毓栋正着手一场改造。

“用纯Markowitz理论，会使用户大部分资产都投在海外市场，这显然是中国本土不太能够接受的，所以我们做一些调整，让本土投资品种更丰富，在大资产和本土投资上的比重更大一些。”积木盒子智能投顾产品负责人郑毓栋向记者说。

按照Wealthfront、Betterment这些投资机构做出来的资产配置来看，中国公司的组合占了10%都不到，郑毓栋和团队进行调整后，中国大概占到五成至六成的规模。

积木盒子旗下一家公司争取到持牌的基金销售资质，已经跟近60家主流的公募基金公司签约，把产品引到平台。郑毓栋和团队从公募基金中选出10个资产类型，涵盖1500多种产品，包括国内的大盘股、中小创、高收益、债券、现金、黄金等等。

他也在对机器学习进行改进：把所有重要的经济指标输入系统，系统不断进行学习，观察各组经济指标的状态下，市场的发展状态，经过长时间的学习和训练以后，系统可以精确地调整算法模型。

比如机器学习的一个模型把针对黄金的经济指标因子调得很高，这个指标影响美元指数，当美元指数走弱的时候，系统就增加了黄金的配置，但美元指数不是永远对黄金都有太大的影响，所以机器学习会根据市场的变化来判断，调整因子，之后系统再回顾、调整笔记。

“经济是一个非常复杂的事情，很多指标不是永远有效的，所以不能量化来做，比如说通胀，早期可能是个好事，到了末期的时候可能就变成了跟数字相反的事，如果模型很机械，就不能涵盖所有经济周期。”郑毓栋说。

开发中产阶级客户、完善全球资产配置，是智能投顾的另外两个优势。

宜信以往的财富管理产品，针对可投资资产300万以上的的投资者，其最近推出的投米RA，相当于一个补充品，首先针对资产在30万~300万之间的客户，以往人工投顾的成本太高，不适合这部分人群，投米RA帮助宜信教育中产市场。

接下来投米RA会面向更多人群，包括资产在300万以上的用户。其实美国智能投顾Wealthfront服务的客户，很大一部分都是硅谷的新贵，这些人都在一些上市公司拥有股份，是高净值客户。Charles Schwab是美国一个比较大的券商，他们孵化了一个智能理财，Schwabintelligent portfolio，据其披露，此款RA上线一年多，15%的客户在他们平台上开户的资产超过100万美元。投米RA的CTO胡金辉说；

“机器人的优势之一是可以处理海量的信息，其次是快速应对时势。一个勤奋的投资者，如果一天要看300~500篇跟投资相关的文章，大部分普通人是做不到的，但是机器可以在一秒钟之内抓取成千上万篇文章，然后通过智能的算法、在几分钟之内把这些海量的信息处理完，从中提取有用的信息，帮助用户形成好的投资策略。”

投米RA第一阶段主要是配置美元资产，通过美元ETF来做，投资发达国家股票市场、发展中国家投资股票市场、美国债券市场、国际国债市场，地产市场、中国大盘股市场等等。

这是因为美元ETF目前资产规模大概有2万亿，美国的金融数据在过去百年的发展过程中积累较多，更容易做量化分析。

第二阶段，投米RA会发展国内市场，目前开发团队正在筛选国内合作伙伴、资产类别，找到流动性比较好、能够代表这个市场特点、费用比较低、能将客户利益最大化的资产类别。

京东金融在做的智能投顾，目前落地在长期财富管理领域。

“我们认为，中国的居民在长期财富管理上还需要更多的市场教育。目前市场中给用户提供的更多的是短期理财产品，实际上消费者在财富管理上更加需要能够带来长期财富增值的产品。我们通过逐步打造量化投资平台、智能机器人投资顾问平台等，为用户做长期资产配置方面的服务。”京东金融CEO陈生强说。

大数据商业化：中国开始领先全球

金融大数据的竞争，主要集中在几家大鳄之间——基于过去多年业务，他们积累了更丰富全面的数据。

“中国实际上领先着互联网金融业，只是世界还不知道。”Jason Jones表示。目前蚂蚁金服、陆金所、众安保险、京东金融估值领先全球Fintech公司，他认为这些高估值是供求关系的自然选择。

基于大数据的应用已经越来越多。蚁盾是蚂蚁金服新推出的一款利用大数据技术为金融机构和各类互联网商户提供反黄牛、反作弊、反欺诈服务的产品。致力于赋能更多生态合作伙伴安全服务防控的能力，目前已经在金融、手机3C产品网络直销平台、O2O、出行、团购等行业广泛应用，帮助金融机构和互联网商户发现用户的欺诈行为，更好的进行风险管理。

芝麻信用的数据来源即包含阿里系的电商、支付等数据，也包括外部的数据，以及各种用户自主递交的信息等。这些数据的广泛性给到了芝麻信用有效的信用判定基础。蚂蚁金服工作人员说：

“作为蚂蚁金服旗下独立的第三方征信机构，芝麻信用通过云计算、机器学习等技术科学、客观、公正的呈现个人和企业的信用状况，已经形成芝麻信用评分、芝麻信用元素表、行业关注名单、反欺诈等全产品线。从信用卡、消费金融、融资租赁、抵押贷款，到酒店、租房、租车、分类信息、学生服务、公共事业服务等，芝麻信用已经在上百个场景为用户、商户提供信用服务，众多用户享受到了信用的便利。”

可以看出，蚂蚁金服集团基于 云计算 跟大数据，通过信用体系跟风控体系，支撑征信、保险、理财平台、支付平台的业务。在蚂蚁金服的6000多名员工中，从事安全风控的员工，就有1500多人。

大数据最终产生商业价值，要经过一个很长的链路。

我们容易看到的是最底层的原始数据层，比如电商的交易数据、CRM客户的信息管理系统、一些外部数据，这些原始数据本身并不能直接产生商业价值。它们要经过中间层的转化，进行大量汇总，将主题数据、地址库、商品库分门别类，形成衍生指标，比如说一个客户在过去的几个月里完成几笔交易，类似这样指标才能被模型使用。

然而从数据到由数据支撑的业务，还有很长的路要走。当数据形成指标，或者分数，抑或“用户画像”时，还不能直接支撑业务。在简单的指标之外，还需要复杂的业务数据策略。

“以贷款业务为例，真正要把这些数据拿来做融资或者贷款，还要做一系列的配套的业务数据策略，包括身份识别、授信准入、风险定价，这些是风险端的策略；在营销端，则是客户需求分析，客户获取、促销、优惠、流失、挽留等策略；在安全方面，会有反欺诈、反洗钱、反套现的策略。”网商银行风控总监盛子夏介绍。

从数据形成指标，加之业务数据策略，再成为有效的实时的系统，才能支撑业务。

而大数据的能力，是建立在云上的，一方面是数据放在云存储平台上，另一方面是建立云的决策系统。这一套流程构成了大数据的应用全景图。

当我们越来越依赖手机进行支付、理财和贷款，每个移动端用户的数据安全，也愈发重要。对于蚂蚁金服，数据安全主要体现在使用环节和流转环节。

首先，蚂蚁金服内部所有数据权限都是按需申请的，并且最小授权，这意味着只提供使用者在业务开展过程中需要的最核心的数据，在各个审批环节，部门都有相关负责人控制数据的节点，以此防止内部数据的泄露，以及滥用的风险。

在流转层面，所有数据实现一个内循环。比如A业务系统只能使用A的相关数据，B业务系统则不能使用A的数据，在数据的流转时，数据不落地，不能被下载、重新上传。数据在系统之间直接对接，尽量减少人为干预，减少风险。

对于京东金融， 大数据 最直接的应用，是新风控技术下的信贷，京东金融利用电商数据、物流数据、仓储数据等，搭建了供应链金融体系。

京保贝将传统银行需要大量人力服务的业务，通多新型大数据风控以及流程优化等方法，转变成无需人工审核的线上自动化放贷，能够实现对客户的三分钟放贷。

京保贝2.0则将这种风控能力和系统搭建能力，输出给外部核心企业，让更多传统企业加入金融科技。

另一个应用是消费金融，通过风险控制模型体系、量化运营模型体系、用户洞察模型体系、大数据征信体系，实现白条在京东商城、旅游、租房、教育、装修等多个行业的应用，并对外输出这种科技能力。

互联网保险也与数据息息相关。众安保险做了一系列探索，将大数据技术运用到产品设计、自动理赔、风险管理等方面。

在核保领域，与传统核保定价不同，众安的数据库是实时动态的。通过与合作方的数据对接，众安可以针对险种及时完善风控模型，调整赔付策略，从而实现针对不同类别的物件和信用人群进行精准定价。

在消费金融层面，众安保险与蘑菇街合作，推出了个人消费信用保险产品“买呗”。在数据层面，蘑菇街提供用户的行为数据、交易数据等，众安目前已接入央行征信数据、公安数据、前海征信、芝麻信用等数据体系。

将数据挖掘和数据分析的技术运用到产品设计、风险控制等环节。这使得众安保险具备通过信用保证保险搭建信用账户体系的能力，同时也能帮助合作伙伴降低提供互联网消费金融服务的成本和风险。

在私募资产证券化方面，众安保险近期与分期乐等平台合作，输出大数据技术及消费金融资产的归集、打包、管理能力，为优质的消费分期资产提供增信及资金对接服务。

众安保险目前已与天猫、淘宝、百度、腾讯、小米等百余家互联网公司开展了基于不同行业场景的业务合作。在向合作伙伴提供服务的同时，众安得以不断积累数据。通过数据挖掘、机器学习等方法，众安保险至今已搭建起一整套适用于碎片化、分散化资产的信用评估和风险控制体系。

区块链应用落地

BI Intelligence在最近刚发布的一份Fintech行业报告中预测，区块链的运用和普及将成为2016年金融业中最大的趋势。

我们可以把区块链看作一项分布式共享账本，其中有多个节点，由去中心化的多方共同维护、有统一共识机制保障，在这个账本上，我们不可篡改信息，不可溯源。在区块链上，互相不了解的任何人之间可以借助这个公开透明的数据库背书的信任关系，完成端到端的记账、数据传输、认证或是合同执行。

作为比特币的底层技术，区块链具有去中心化、不可撤销、可溯源的特征，是未来价值互联网的开端，基于区块链改造现有的金融系统，可以大大改善效率。而它的去中心化的特性，也为其他领域的互联网应用打开很大的想象空间。

投资人田先生刚刚募集了一笔10亿的基金，想投一些Fintech方面的早期项目，精通技术的他，在国内区块链创业者之间走了一圈，发现靠谱的项目还是太少。的确，万向此前成立了一笔5000万美元的投资基金，专门投区块链创业项目，其负责人也表示，“会将目光更多看向海外，国外区块链创业团队的落地应用更多”。

国内几年前比特币的那一帮玩家，纷纷做起了区块链的生意，他们和一些机构谈好合作，但面临的直接问题是：画得出饼，写不出代码——开发了几个月，乃至一年，产品并没有成功上线。因为他们用比特币的挖矿算法来开发应用，每秒交易最多达到几十笔，这是技术上的bug。

将商业应用落地的区块链创业公司布比，抛弃了比特币的挖矿算法，因为机构之间的信任不需要通过挖矿的模式去建立信任。

布比目前的算法在普通PC上（非服务器）稳定在每秒交易300笔左右，其负责人称：“今年年底前突破每秒3000笔，性能会持续优化，如果有更高的交易量业务需求，不排除未来会和硬件厂商合作，专门提供通过硬件对于加密算法提高效率，或者部分程序逻辑通过FPGA来实现增加效率，性能对于布比不是瓶颈。”

近几个月内，布比将区块链技术落地应用在积分、供应链管理云平台、网贷平台等场景，帮助这些领域里的公司搭建区块链底层技术，目前完成了Pre－A轮融资。

在实际应用方面，布比帮格格积分建立区块链底层系统，打通不同商家的积分，登记在区块链上，用户之间可以转赠积分，进行自由流动。

积分方面，区块链可以帮助积分平台之间共同参与交易验证、账本存储、实时结算；让商户、积分发行方、第三方支付平台进出更灵活；激活存量积分，满足商圈内不同商户的积分兑换。

区块链不可篡改、溯源的特征，可以用于供应链管理。布比和供应链平台物链合作，打击供应链上的假货，最近他们针对内蒙古的羊肉进行区块链改造：从生产开始，把商品信息制成二维码，印刷在羊肉包装盒上，再将这些二维码信息登记在区块链平台上在每个运输环节，都有相关负责方，如果出现假货，商家可以在区块链上查到商品的去处。

布比创始人兼CEO蒋海，早年毕业于中国科学院计算技术研究所，在分布式系统、复杂网络管控、网络内容安全、新型电子货币等方面，有十余年的系统开发和科学研究经验。2012年比特币最火的时候，蒋海并没有加入炒币大军，而是一直研究区块链的底层技术。

区块链基础服务平台目前的应用，主要集中在这几个领域：快速交易验证、高效账本存取、多种资产发行、联合签名控制、内置智能合约、链上交易所。

除了大多数创业公司起步艰难、良莠不齐这个现状，投资区块链的另一个难点在于，传统金融机构都在研发自己的区块链应用，并加入区块链国际组织，对创业公司来说，这俨然就是泰山压顶般的挑战。

平安集团最近加入R3全球合作伙伴网络，这个网络以R3 实验与研究中心（R3 Lab and Re-search Centre）为基础，目前共有42家金融机构成为创始伙伴，包括：花旗银行、瑞士信贷、丹麦银行、德意志银行、摩根大通、高盛、汇丰银行等。核心职能是制定银行业区块链技术开发的行业标准，以及探索实践用例，并建立银行业的区块链组织。

作为中国首家加入该联盟的金融机构，平安接下来将与全球最大的40多家金融机构合作，共同为金融服务行业开发基于分布式共享分类账技术的开拓性商务应用。

在中国，摩根士丹利牵头和美商会组织了一个金融科技小组，与在中国的外资金融机构一起探讨未来计划。他们的一位高层说：区块链分布式账本交易处理系统，将给金融市场带来巨大冲击，最直接的运用就是清算业务，降低交易的复杂性，并有效监控诸如股票、债券等有价证券资产的交易过程。

区块链将原本掌握在金融机构手中的“总账”，下放到每个节点个体，由公众共同维护，在一定程度上解放了传统金融机构账户管理和清算的职能。

“摩根士丹利自身有总账本，这个总账本是否可以用区块链的方式来做？如果要做的话，成本是更贵还是更便宜？除此之外还有什么好处，需要什么样的辅助技术？区块链本身是一个设计理念，可以用一些怎样的现代的技术去实现它的理念？在成本收益分析方面，使用区块链对公司会产生什么样的影响？”这些都是摩根士丹利正在考虑的问题，公司内部有专业团队，研发区块链相关产品，同时也关注外界创业团队，遇到好的产品，摩根士丹利也会入股投资。

“依照Fintech现在的发展趋势，会在未来3~5年，会对金融市场整个部署有一个很大的冲击。”摩根士丹利一位高管这样说。

记者丨孙 骋

 

责任编辑：陈卓阳