• 项目
首页>>文章列表 >>行业研究
行业研究

金准数据 2017年水电行业年中报总结 2017-09-22 17:10:11

2017年上半年经济回暖推动发电量平稳增长。1-6月,全国累计发电量29598亿千瓦时,同比增长6.3%,增速较去年同期提高5.3个百分点。由于来水偏枯,水电发电量仅为4613亿千瓦时,同比下降4.2%。2017年1-6月,水电行业营业收入582.7亿元,同比增长3.9%。

2017年上半年降水偏少,水电公司盈利能力较近几年偏低。2017年1-6月,水电行业综合毛利率为40.7%,较去年同期下滑7.8个百分点;二季度水电毛利率42.8%,同比下降6.1个百分点。2017年1-6月,水电行业净利率为27%,与去年持平;二季度28.1%,同比下降2.2个百分点,环比提高5.1个百分点。


一、基本概念

1、水电行业的定义

水力发电是指利用河流、湖泊等位于高处具有位能的水流至低处,将其中所含之位能转换成水轮机之动能,再借水轮机为原动力,推动发电机产生电能。利用水力(具有水头)推动水力机械(水轮机)转动,将水能转变为机械能,如果在水轮机上接上另一种机械(发电机)随着水轮机转动便可发出电来,这时机械能又转变为电能。水力发电在某种意义上讲是水的位能转变成机械能,再转变成电能的过程。

2、行业分类及领域

1)分类

水力发电主要产品为电力,各种发电方式产生的电力基本上都没有无差别性。而从水电建设产品方面来看,我国水电站按照各种分类方式的不同,呈现出较大差别性。

水电站按照水电站利用水源的性质,主要包括以下三种:

· 常规水电站:利用天然河流、湖泊等水源发电;

· 抽水蓄能电站:利用电网中负荷低谷时多余的电力,将低处下水库的水抽到高处上水库存蓄,待电网负荷高峰时放水发电,尾水至下水库,从而满足电网调峰等电力负荷的需要;

· 潮汐电站:利用海潮涨落所形成的潮汐能发电。

 

按照水电站对天然水流的利用方式和调节能力,主要包括以下两种:

· 径流式水电站:没有水库或水库库容很小,对天然水量无调节能力或调节能力很小的水电站;

· 蓄水式水电站:设有一定库容的水库,对天然水流具有不同调节能力的水电站。

 

在水电站工程建设中,还常采用以下分类方法:

· 按水电站的开发方式,即按集中水头的手段和水电站的工程布置,可分为坝式水电站、引水式水电站和坝-引水混合式水电站三种基本类型。这是工程建设中最通用的分类方法。

· 按水电站利用水头的大小,可分为高水头、中水头和低水头水电站。世界上对水头的具体划分没有统一的规定,有的国家将水头低于15m作为低水头水电站,15-70m为中水头水电站,71-250m为高水头水电站,水头大于250m时为特高水头水电站。中国通常称水头大于70m为高水头水电站,低于30m为低水头水电站,30~70m为中水头水电站,这一分类标准与水电站主要建筑物的等级划分和水轮发电机组的分类适用范围,均较适应。

· 按水电站装机容量的大小,可分为大型、中型和小型水电站。各国一般把装机容量5000kW以下的水电站定为小水电站,5000-10万kW为中型水电站,10万-100万kW为大型水电站,超过100万kW的为巨型水电站。中国规定将水电站分为五等,其中:装机容量大于75万kW为一等(大1型水电站),75万-25万kW为二等(大2型水电站),25万-2.5万kW为三等(中型水电站),2.5万-0.05万kw为四等(小1型水电站),小于0.05万kW为五等(小2型水电站),但统计上常将1.2万kW以下作为小水电站。


(2)领域分析

水力发电产生的电力属于基础能源产品,在我国各个行业都有应用,从产业方面来看,我国三大产业中,第二产业用电量最高,第一产业、第三产业相对较少。从工业用电量来看,钢铁、化工、非金属矿物制造、有色金属冶炼用电量居所有工业行业中前四位,是最主要的工业用电行业。


二、现状分析

1、利润指标分析

2017年上半年,受来水不佳影响,水电行业整体发电量下滑,但部分公司其他业务收入增长致使行业整体营业收入同比实现正增长(见附件统计)。2017年水电行业营业收入582.7亿元,同比增长3.9%;归属净利润141.1亿元,同比下降6.9%;扣非净利138.1亿元,同比下滑7.9%。与去年同期相比,水电毛利率同比下降7.8个百分点至40.7%;净利率同比持平为27%。


水电行业2017年1-6月利润表与2016年1-6月利润表指标对比

2017年二季度水电行业同比业绩下滑。2017年二季度,水电行业实现营业总收入324.5亿元,同比下滑6.6%,环比上升15.6%;归属净利润85.2亿元,较去年同期下滑10.8%,环比提高56.5%;扣非净利83.6亿元,同比减少10.6%,环比提高55.4%。与去年同期相比,水电毛利率同比减少6.1个百分点、环比提升7.2个百分点至42.8%;净利率同比下降2.2个百分点,环比增加5.1个百分点达到28.1%。

水电行业2017Q2利润表与2016Q2、2017Q1利润表指标对比


2、核心要素分析

1)需求回升促收入增长

2017年上半年经济回暖推动发电量平稳增长。1-6月全国累计发电量29598亿千瓦时,同比增长6.3%,增速较去年同期提高5.3个百分点。由于来水偏枯,水电发电量仅为4613亿千瓦时,同比下降4.2%。


累计发电量增速


分季度发电量增速

受到经济增速及季节性因素影响,二季度全国累计发电量环比一季度发电量增速有所放缓(一季度7.6%,二季度6.6%)。其中,水电行业,二季度来水有所改善,水电发电量同比降幅从一季度的4.6%提升至3.7%。

发电量增长助力收入提升。2017年1-6月,水电营业收入582.7亿元,同比增长3.9%。二季度,水电实现营业收入324.5亿元,同比下滑6.6%。

水电行业分季度营业收入情况


2)降水偏少,水电毛利率同比降低

2017年上半年降水偏少,水电公司盈利能力较近几年偏低。2017年1-6月,水电行业综合毛利率为40.7%,较去年同期下滑7.8个百分点;二季度水电毛利率42.8%,同比下降6.1个百分点。


水电行业毛利率分季度变化情况


3)综合资金成本呈下降趋势

2017年1-6月,水电行业财务费用69.9亿元,同比减少10.9%;财务费用率12%,较去年同期下降2个百分点。二季度,水电财务费用34.7亿元,同比锐减三成;财务费用率10.7%,同比下降3.7个百分点,环比减少2个百分点;综合资金成本5.6%,同比下降1.7个百分点。

水电行业财务费用率分季度变化情况

水电行业综合资金成本分季度变化情况


4)水电二季度盈利水平较一季度有所提高

2017年1-6月,水电行业实现扣非净利润138.1亿元,同比下降7.9%;二季度83.6亿元,同比降低10.6%,环比大幅增长55.4%。


水电行业扣非净利分季度变化情况

2017年1-6月,水电行业净利率为27%,与去年持平;二季度28.1%,同比下降2.2个百分点,环比提高5.1个百分点。

水电行业净利率分季度变化情况



5)水电公司分区域盈利情况对比

在我们统计的21家水电上市公司中,除甘肃电投外,2017年上半年所有水电上市公司均实现盈利。毛利率突出的公司是湖南发展(58.4%)和长江电力(55.2%)。二季度来水改善,水电公司毛利率和净利率环比一季度普遍提升,出现亏损的公司仅有西昌电力一家。

水电公司分区域盈利情况对比

三、行业风险与投资建议

水电行业存在的主要风险有:来水不佳的风险;宏观经济增长放缓的风险;政策目标较难落实风险;行业供应下降风险;价格上涨缓慢风险;贷款回收风险;区域发展不平和风险等。

从整体上看,水电行业的风险评级是中级,机会与风险并存,可选择性介入。

水电行业整体是属于维持类行业,其评级处于维持类的中等水平,主要原因是:水电行业作为我国重要的基础能源行业,还处于从水电大国向水电强国转变的成长阶段,特别是“十二五”期间水电将迎来非常好的发展机会。不过,水电行业的发展仍面临一定的风险,比如最近一段时间的来水形式导致发电量下降、行业效益下滑、行业负债率过高等。

3、趋势预测及投资建议

1)以节能减排、水电发展地位提高、建设目标上调为主导的发展机遇

我国节能减排压力加大,先后出台了多项政策。我国加大节能减排力度的政策导向十分明显,电力行业中主导的耗能和污染都较大的火电行业地位必将下降,水电被提升到优先发展的地位,未来水电行业建设将加剧。

2)水电运行难以预期,西南水电建设加快

未来我国水电行业建设将呈现快速增加态势,整体装机容量将有大幅提升。但由于水电行业供应需要充裕的水资源才能实现,而来水情况却是很难预测的,因此水电行业运行难以预期,行业投资建设加剧,收益情况则具有较大的不确定性。西南地区水电资源较丰富的区域受降雨情况影响相对较小,未来几年为水电重点建设区域,投资机会增加。


建议:水电方面,上半年来水偏枯,但二季度较一季度有所改善,三季度有望保持增长态势。我们持续推荐长江电力,公司做为全球最大的成熟水电公司,业绩稳定、分红率高、多元布局。建议关注业绩弹性大的黔源电力、桂冠电力、川投能源等优质水电标的。

金准数据 2017上半年中国PPP项目分析报告 2017-09-21 16:57:54

根据测算结果,2017年底财政部PPP库实际落地率将达到15.9%,落地项目同比增长43.2%,全年新增项目投资1万亿元。如果以4年的建设周期计算,今年PPP投资对15.2万亿基建投资的拉动将达到1.64%。

PPP项目融资难却是个老话题。那PPP项目的可行性究竟有多大?金准数据对PPP项目进行了风险分析。

一、基础概念

PPP是指政府与私人组织合作开发公共服务项目的伙伴关系。公共服务项目一般包括交通、电信、水利等经济基础设施和科技、环保、教育等社会基础设施。一方面大规模的公共项目资金投入对财政形成了一定的压力;一方面非市场化运营的公共项目存在管理乏力、运营效率低下等诟病。引入社会资本带来的市场化运营可解决上述限制。政府和社会资本合作模式主要包括特许经营和政府购买服务两类。

新建项目优先采用建设-运营-移交(BOT)、建设-拥有-运营-移交(BOOT)、设计-建设-融资-运营-移交(DBFOT)、建设-拥有-运营(BOO)等方式。存量项目优先采用改建-运营-移交(ROT)方式。PPP项目的参与方通常包括政府、社会资本方、融资方、承包商和分包商、原料供应商、专业运营商、保险公司以及专业机构等。


二、中国PPP入库项目分析

1、中国PPP入库项目数量及金额

截至 2017年6月末,中国PPP入库项目共计 13554个,投资额16.3万亿元。其中,已签约落地2021个,投资额3.3万亿元,落地率34.2%。全国入库项目和落地项目均呈逐月持续稳步上升态势。

截至2017年6月末,全国入库项目中绿色低碳项目占 57.7%,其中,落地项目1176个、投资额1.4万亿元;当月净增入库项目205个、投资额1,740亿元;当月净增落地项目54个、投资额520亿元。幸福产业,旅游、文化、体育、健康、养老、教育“幸福产业”项目数3,012个、投资额2.2万亿元,分别占入库项目的22.2%和13.2%。其中,落地项目数318个、投资额2,838亿元;当月净增入库项目97个、投资额1013亿元;当月净增落地项目23个、投资额115亿元。

落地率不断提升,考虑识别阶段后的实际PPP落地率13.8%。根据财政部PPP中心发布的季报数据,2016年末PPP落地率为31.6%。高频数据显示截至2017年3月中下旬,财政部PPP项目落地率已达到34.4%。若考虑处于识别阶段的PPP项目,当前实际落地率为13.8%,亦高于去年底12.0%的水平。


1)PPP入库项目地区分布情况

截至2017年6月,按PPP入库项目数排序,前三位是贵州、新疆、内蒙古,项目数合计占入库项目总数的31.7%;入库项目数当月净增前三位是四川、河北、陕西,合计占当月净增量的53.1%。

截至2017年6月,中国PPP入库项目贵州、云南、山东(含青岛)投资额居前三位,分别为1.7万亿元、1.2万亿元、1.2万亿元,合计占入库项目总投资的25.3%。

2)PPP入库项目行业分布情况

截至2017年6月,中国各行业 PPP入库项目投资额达到16.3万亿元。交通运输、市政工程、城镇综合开发项目总投资居前三位,分别为5.1万亿元、4.4万亿元和1.6万亿元,合计占入库项目总投资的68.0%。

截至2017年6月31日,中国各行业 PPP 入库项目数达到13554个。其中,市政工程PPP 入库项目数超过4000个,占项目总数的34.9%,交通运输PPP 入库项目数超过1700个,占项目总数的13%,旅游项目数843个,占项目总数的6.2%。

(3)其他分类

分示范级别看,国家级和省级PPP示范项目落地率较高,市级以下落地情况相对一般。以纳入识别阶段项目的口径计算,截至3月中旬国家示范项目、省级示范项目落地率分别为56.3%和28.3%,明显高于市级示范项目和其他项目的5.9%和10.0%。

按行业属性分,市政工程、交通运输、城镇综合开发等行业PPP项目较多,且落地情况较好。市政工程、交通运输、城镇综合开发三个行业入库PPP项目数量分别为4083个、1396个和710个,合计占比53.5%。再加上环保、水利、保障性安居房等项目,PPP项目与政府基建的重合度可见一斑。从落地情况看,市政工程、交通运输、城镇综合开发三个行业PPP实际落地率分别为17.0%、15.3%和13.1%,生态建设和环境保护类PPP实际落地率为 17.6%。

按运作方式分,BOT为PPP绝对主力,实际落地率14.0%。以BOT方式运作的PPP项目共8267个,占比达到71.5%,为PPP的绝对主力。另外,BOO、TOT、ROT等运作方式也得到一定应用,四类项目实际落地率分别为14.0%、10.9%、12.3%和16.8%。

按回报机制看, 政府付费项目落地率较高。在1.15万个财政部PPP项目中,可行性缺口补助、使用者付费、政府付费三类项目数量占比分别为31.6%、31.5%和39.7%,规模大致相同。三类项目中政府付费项目落地率最高,实际落地率达到17.4%;而使用者付费项目落地率较低,实际落地率仅8.9%。

政府付费项目大多集中在市政工程(市政道路、污水处理、海绵城市)等,相较使用者付费类项目收益确定机制较为简单,政策风险较小。同时,财政承受能力论证使得PPP相关支出对地方政府形成预算硬约束,对项目推进亦起到重要作用。


2、PPP项目落地情况分析

1)万亿PPP项目或将进入落地高峰阶段

15H2-16H1发起的PPP数量共6881个,项目投资7.68万亿元,占总量比重均超过55%。根据项目发起时间对1.15万个财政部PPP项目进行拆细,可以发现2015年以前发起的PPP项目仅1288个,占比11.2%。

2015年后,随着国家大力推进PPP模式,新增PPP项目开始逐步放量,其中15H2-16H1这一年的时间是PPP集中放量阶段,这段时期共发起PPP项目6881个,平均单月发起573个,6881个项目总投资7.68亿元,无论是项目数量还是投资金额占比均超过55%。

7.68万亿PPP项目目前落地率较低,提升空间较大。PPP项目从发起到落地必须要经过识别、准备、采购、执行四个阶段,平均耗时超过1年,因此从时序上看,发起时间越早的PPP项目落地率越高、发起时间越晚的PPP项目落地率越低。

根据金准数据的测算,2015H1以前发起的PPP实际落地率为19.6%,且14H1、14H2、15H1发起项目的实际落地率分别为21.5%、22.0%和19.2%。而15H2-16H1发起的PPP项目实际落地率仅为11.9%,提升空间巨大。

7.68万亿PPP项目中16.2%为国家级和省级示范项目,83.8%为市级示范项目和其他项目,这两块项目落地率提升空间都较大。上文提出,国家级和省级推介PPP和市级以 PPP在落地率方面有较大差异,因此我们进一步对两类PPP项目进行分析。根据测算,15H2-16H1发起的国家级和省级PPP项目共726个,总投资额1.25万亿元;市级以下PPP项目共6155个,总投资额6.43万亿元。

从历史情况分析,两类PPP项目未来落地率提升空间都较大。如果我们认为15H1发起的项目到现在已过了落地高峰,那么国家级和省级PPP项目的合意落地率为53.8%,而15H2-16H1发起的项目目前实际落地率仅为33.2%。市级以下PPP项目的合意落地率为11.8%,而15H2-16H1发起的项目目前实际落地率仅为9.4%。两类项目未来落地率提升空间都比较大。

由于数据限制,我们很难得到财政部PPP项目的落地周期。好在财政部PPP中心公布的季报中涵盖国家级示范项目的落地周期统计情冴,这可提供一定的参考意义。根据季报数据,247个纳入统计的国家示范项目落地周期分布在6 个月-51个月之间,平均落地周期为12.8个月。

分批次看,第一批20个示范项目平均落地周期为15.0个月,第二批83个示范项目平均落地周期为15.6个月,第三批144个示范项目平均落地周期为11.0个月。根据经验,市级以下PPP项目落地周期比国家示范项目长一些,均值大约在15-18个月,这也意味着2017年PPP将迎来落地高峰。


2)落地率增长带动基建投资

根据金准数据的梳理,15H2-16H1发起的PPP数量共6881个,项目投资7.68万亿元,这部分PPP目前实际落地率仅11.9%。我们看好7.68万亿项目落地率提升对整体PPP投资的带动作用,对此进行测算。

关键假设包括:

2017年底15H2-16H1发起的国家级和省级示范项目实际落地率达到55.0%,市级以下项目实际落地率达到12.4%。根据两类项目的历史落地情况,我们认为该假设中性合理。

落地的国家级和省级项目平均投资金额20.5亿元,市级以下项目平均投资金额12.7亿元。2017年新增入库项目900 个,一/二/三/四季度分别入库300/250/200/150个,至年底入库项目达到12160个。

根据测算结果,2017年底财政部PPP库实际落地率将达到15.9%,落地项目同比增长43.2%,全年新增项目投资1万亿元。如果以4年的建设周期计算,今年PPP投资对15.2万亿基建投资的拉动将达到1.64%。


三、PPP模式风险的分析

对于PPP模式的风险性,加拿大国家PPP委员会曾经给出过一个极为清醒的基本判断,即PPP就是“一个建立在每一方都具备专业技能,并通过合理分配资源、风险和回报,而满足明确、具体定义的公共需求基础上的,介于公共部门和私人部门之间的合作风险体”。无论是源于理性的抽象判断,还是基于现实的客观总结,PPP模式都极具风险性。

PPP模式风险作为一种“风险”,固有着一般风险“共有”的诸如不确定性、客观性、规律性、可测性、累积性、叠加性等基本特征。金准数据认为,需要政府更加着重地予以认知,并保持高度警惕的是PPP模式风险的长期性、复杂性与传导性。


1、PPP模式风险的长期性

从单一风险的角度理解PPP模式风险的长期性,显然是指这一风险基于长时的合作周期而具有时间存在跨度较长的特征。而从PPP运作阶段的视角出发,所谓PPP模式风险的长期性,则是指作为整体抽象的PPP风险将贯穿于项目全生命周期的各个阶段,长达数十年的合作过程中始终潜伏着可能导致项目失败的各种风险。

就目前的经验数据来看,大量的PPP失败案例集中高发于项目的执行阶段。但是,同时也不乏因为前期准备阶段的风险失控,而导致项目延迟推进、意外中止,乃至最终被撤销的现实教训。例如,墨西哥克雷塔罗高铁项目中,墨西哥交通部先以“项目的合法性和招投标程序透明性存在疑问”为由,取消中铁建联合体在项目首轮招投标程序中的中标结果。随后又在第二轮招投标进行中,宣布将因国际油价下跌、财政预算大幅削减等原因而无期限搁置项目,由此导致的直接结果是:墨方政府必须就中铁建联合体参与两轮竞标所花费的各类人工、咨询及融资成本等进行赔偿。

而在项目执行阶段,多方利益诉求的交锋冲突与各种机会主义的现实干扰更加决定了公私部门的长期合作必然矛盾重重。如伦敦地铁项目中Tube Line联合体主张的68亿英镑线路改造费用经政府仲裁审核仅认定为44亿。

同样的,在基于合作期限界至的最后移交阶段,项目虽然因为一些具有特性阶段专属性的风险因素(如设计风险、建造风险、工期延误风险等)已经丧失了构成风险的不确定性,而使项目风险态势总体减弱,但某些贯穿于项目全生命周期的风险(如合同风险、界面风险、不可抗力风险等)仍然存在,并共同形成了项目的残值风险。也就是说,对于政府而言,项目残值风险不会因为移交任务的形式完成而彻底终结,政府仍然需要考虑到项目移交后在性能、功能、可维护性、可运营性、可持续性、可盈利性与可再融资性方面所存在的各种风险。


2、PPP模式风险的复杂性

在外观上,PPP模式风险的复杂性表现为长期的公私合作过程中具体风险类型的多样性。

· 对于政府而言,引发PPP模式出现多样风险的具体原因在项目识别阶段集中表现为“可行性”研究的论证失误,“物有所值”评价的测算失准、“可承受能力”的判断失真等;

· 在项目准备阶段集中表现为实施机构工作的能力欠缺与进展不力、实施方案编制的设计欠精与水平欠优、部门沟通协调的效率低下与接续不畅等;

· 在项目采购阶段集中表现为采购程序的非法违规、采购标准的考虑欠周、采购成本的支出失控、合作伙伴的选择失当等;

· 在项目执行阶段集中表现为客观情势的动态变化、监管履责的角色错位、机会主义的随机干扰、合作冲突的频繁聚显等;

· 在项目移交阶段集中表现为移交标的的边界不清与标准模糊、移交工作的道德风险与执行无序、移交补偿的定量困难与争议不断等。


而从根本上讲,PPP模式风险的复杂性是由PPP参与主体关系的复杂性与PPP风险分配契约的不完备性造成。首先,在PPP参与主体关系层面,最为基础的核心关系是政府与社会资本方之间通过PPP项目协议建立起来的伙伴合作关系。以这一法律关系为纽带,随着项目运作的程序推进与各方主体的陆续进入,PPP的交易结构将呈现出极其复杂的网络关系。

从政府的角度看,需要直接面对的复杂关系包括但不限于:政府与实施机构之间的委托代理关系;政府各职能部门之间的工作对接关系;政府与项目公司之间的特许经营关系、公司股东关系、行政管理关系;政府与社会资本方之间的内部股东关系;政府对其它项目参与人的承诺关系;其它项目参与人对政府的担保关系;政府与第三方专业机构的咨询服务合同关系;政府与社会大众之间的服务供给关系等。

而基于公共服务的供给职责,并承担项目运作兜底责任的政府还同时需要面对以项目公司为主体,围绕项目运作具体需要而建立起来的各种间接关系,如:社会资本方之间的股东关系;项目公司与工程承包商、运营服务商、原料供应商、产品或服务销售商之间的各类合同关系;项目公司与监理单位之间的监理关系;项目公司与专业中介机构的咨询服务合同关系等。而面对着PPP参与主体之间如此众多,且相互交织关联的各类关系,PPP模式风险对于政府而言必然是极为复杂的。


其次,PPP模式风险的复杂性还源自于PPP风险分配契约的不完备性。如前所述,PPP模式风险是不确定的,具体项目运作的长期过程中将会发生哪些风险,预期的风险最终会不会发生,会在什么时间发生,发生后会造成什么样的消极影响与损失后果事先都无法精准预知。而既然风险总是不确定的,所以旨在对这些不确定风险进行确定分配的风险分配契约也就不可能是充分“完备”的——当下的契约签订主体无法完全预估到未来可能出现的所有风险,容量有限的成文契约也无法借助文字的表达而实现有关风险分担的精准安排。

对于政府而言,无法“完备”的风险分配契约实质也仅是一种预先表达的风险承担意愿与风险至损后果的归责安排。对于项目所承载的公共服务目标来说,这一风险分配的契约安排是极其必要的,但可能也是“虚弱无力”的。从PPP项目参与各方的角度看,即便是签订了堪称“完美”的风险分担契约,合作目标的实现也仍然面临着极其巨大的挑战。


3、PPP模式风险的传导性

所谓PPP模式风险的传导性,是指存在于项目外部环境与内部系统之中的各类风险源所释放的风险,依托于一定的传导载体,经由一定的传导路径,而蔓延、传导至项目运作的各个阶段与各功能业务进展流程,进而干扰到整个项目效益产出与分配链条的顺畅流转,并造成预期合作目标的偏离而使各方遭遇损失的过程。

其中,风险源是指所有影响到项目正常运作的不确定因素,包括项目运作内、外部环境系统中的各种非预期变化(如政策调整、法律变更、合作违约、股东争议、遭遇不可抗力等)的出现或形成出现的可能;风险传导载体主要包括“人”(具体合作行为的执行者)、“物”(作为项目运营基础的各类物质组成)、“事”(项目的具体任务及突发事件)三个方面;传导路径则既包括项目内部风险向外部的传导(如成本风险导致服务水平降低进而引发公众抗议),也包括外部风险向内部的传导(如通货膨胀风险导致工程建设成本超支进而形成公司财务压力),还包括项目内部风险之间的传导(如设计变更风险导致工期延误进而延迟项目现金流入;道德腐败风险导致政府做出过高承诺进而引起政府被迫违约)。

事实上,多数PPP典型案例的失败原因均可逆溯、归集于某一(或数个)长期存在的具体风险源。这些风险源引发的风险事件经过各种渠道的传导,将引起负面的“财务杠杆效应”,并引发项目参与者的“羊群效应”,而堕入“蝴蝶效应”的危局。就是说,从风险传导的动态机制角度分析,某一风险源所以会发生蔓延、扩散的结果,主要是因为PPP项目运作过程中“财务杠杆效应”、“羊群效应”与“蝴蝶效应”的存在和驱动。

其中,“财务杠杆效应”是指PPP作为高负债运行的大规模项目,过高的债务杠杆率与固定的沉重债务压力将使某一财务变量即便仅是出现微小的变化,也能就此引发另一相关变量的巨幅变动,进而导致项目公司形成财务风险甚或财务危机。“羊群效应”是指处于“信息不完全”之幕下的PPP参与者,在有限理性甚或无理性的“从众心理”驱使下,产生“集体无意识”的盲从,对自身的观念、行为失去独立思考、决定的意愿和能力;“蝴蝶效应”则是指PPP作为一种复杂混沌的多方合作体,其良性运作高度敏感地依赖于初始设定的合作条件,某一预期要素的微小偏差在经过多重渠道传导并被不断放大之后,将产生“谬以千里”的差异结果,导致“一招不慎,满盘皆输”的合作终局。


四、PPP项目可行性分析

1、可行性分析和初步规划

   项目可行性分析和初步规划是项目顺利实施和成功完成的基础,针对整个项目实施过程中可能影响项目的各种因素进行初步分析和研究。通常,应该考虑以下几个方面因素。针对不同项目,我们要考虑因素可能会更多。

· 技术可行性。项目未来的物理形态和技术处理能力完全取决于此。

· 阶段的技术可行性分析和研究。项目的物理形态和技术处理能力又将决定项目最终所能实现的服务需求。技术可行性分析不仅是基础工作中的重点工作,更重要的是技术的选择将影响项目成本,而且此成本在总成本中占有相当的比例。项目社会成本—效益分析。社会成本-效益分析的结果从经济的角度给执政者提供了有力的决策依据。同时,我们需要进行相关经济和财务分析,确定项目的商业可行性和规模以及在必要情况下政府可能的财政支持等。

· 项目规划。

  

2、解决措施建议

1)项目风险分析与风险管控措施制定

   首先,我们要识别所有可能的风险,评估其发生概率和可能性。其次,我们要对风险可能造成影响进行定性或定量分析。根据分析结果,研究和制定风险管控措施,或设计风险管控体系。最后,我们要在政府与合作伙伴之间合理分配风险,实现风险共担。如果政府风险承担过多,未来项目实施的质量可能会受到影响;如果社会参与资本承担风险过多,项目可能失去对社会资本投资的吸引力。风险分担机制必须要保证合理、公平、公开和透明。


2)确立项目价格调整机制

PPP项目规划中,既要保证项目投资人获得公平合理的收益,以保障其财务成本的收回和债务的偿还,也要防止投资人获得超额的回报和收益率引发公众舆论与政治风险。最好的解决办法是对项目执行方的价格费率定期进行审核,分析财务内部收益率(IRR)来衡量投资方的收益水平。如果内部收益率大于资金成本,那么可以肯定其盈利,反之则亏损。


3)政府补偿或支持措施的制定

通常,PPP项目具有较长的生命周期,同短期的估值体系会发生很多直接的矛盾,导致项目价值无法准确估计。很多项目本身并不具备财务上营利性或可行性,然而在实践中将会产生巨大的社会效益,能够有效地提高社会服务或福利水平。

  

4)明确政府的责任和义务

   在项目规划中或取得行政许可前,我们要对政府可能承担的责任和义务,尤其要对隐性责任,或有债务进行仔细地财务分析和评估,并设立相应的管理机制,以确保其对地方财政不会造成重大的损失,或对地方政府不会产生不可预料的负面影响。

  

5)项目监管体系设计和监管机制建立

传统PPP项目监管主要是通过项目合同来完成,然而这种监管模式的弊端在实践中已经明显暴露出来,如项目执行中产生的必要监管要求很难通过修改合同,或者逐步完善项目监管制度来满足。在项目规划初期,政府要规划和设计合理的监管体系或制定监管机制,对PPP项目执行方实施坚实有效的监管。

 

金准数据 中国未来城市发展分析报告 2017-09-20 17:17:16

本轮房地产的复苏回暖具有明显的先后顺序,一线城市最先,二线城市随后,三线城市最后。在此之前,一二三线的住宅价格走势高度一致,只是价格增长的幅度不同。从本轮周期开始,一二三线城市之间以及内部的住宅价格走势出现结构性分化。

金准数据以35个大中城市为重点分析对象,从供给需求、金融信贷、调控政策等方面,解析驱动和影响房价的多方面因素;并通过不同城市各因素的量化和排名,判断重点城市的房价走势,探析目前房价仍具有上涨潜力的城市。


一、驱动房价的需求因素:人口与流动

人口是影响房价需求的根本因素,我们将人口因素区分为存量人口和未来潜在的人口流入。其中,未来潜在的人口流入主要取决于当地的优质资源。


1、存量人口需求

通常来讲,本地户籍人口拥有家庭提供的存量住房,外来常住人口是购房的刚性需求来源。常住人口/户籍人口越大,说明外来常住人口比例越多,购房需求越大。在常住人口中,工作人口的比例越高,对房地产需求的购买力越强。另外,在校小学生人数增速越快,说明该地区有持续的青壮年人口增长,对房地产的需求也会增大。


1)常住人口/户籍人口

本地户籍人口拥有家庭提供的存量住房,外来常住人口是购房的刚性需求来源。常住人口/户籍人口越大,说明外来常住人口比例越多,购房需求越大。

此次选取的35个大中城市在本轮房价周期中(2015年1月到2017年6月)新建住宅价格的累计涨幅,以及各城市2011年-2015年间的常住人口/户籍人口比例的均值,作为对比和考察的指标。得出的结论是:房价的上涨幅度与该地区常住人口/户籍人口的比例具有明显的正相关关系。

具体来看:本轮房价涨幅越高的城市,常住人口/户籍人口越高。典型城市是深圳、厦门、上海、北京、广州和天津。尤其是深圳,常住人口/户籍人口为350%,是35个大中城市常住人口/户籍人口均值126%的将近3倍。这也是本轮周期中深圳房价复苏最快,上涨幅度最高的一个原因。

房价涨幅与常住人口/户籍人口之间,拟合方程系数显著,拟合优度达0.46,说明二者存在紧密的相关性。如果我们将样本缩小至房价累积涨幅前十的大中城市(深圳、厦门、合肥、南京、上海、广州、北京、杭州、郑州、武汉),发现方程的拟合优度进一步上升,高达0.76。说明房价累积涨幅越高的城市,二者的相关性更高。

2)工作人口/常住人口

常住人口中,工作人口的比例越高,代表该城市潜在的购买力越强,年轻化程度越高,住房刚性需求增长的潜力越大。

我们选取了35个大中城市在本轮房价周期中(2015年1月到2017年6月)新建住宅价格的累计涨幅,以及各城市2011年-2015年间的工作人口/常住人口比例的均值进行对比,得出的结论是:房价的上涨幅度与该地区工作人口/常住人口比例具有较为明显的正相关关系。

具体来看,房价涨幅越高的城市,工作人口/常住人口的比例越高。深圳作为本轮房价上涨的领头羊,工作人口/常住人口排名第一,将近80%,是35个大中城市平均值31%的2倍还多。

房价涨幅与工作人口/常住人口比例相关性的弹性,随着后者的提高而进一步增加。以全部35个大中城市为样本观察,每当工作人口/常住人口上升1个百分点时,房价的涨幅随之上升0.56个百分点;而我们筛选工作人口/常住人口比例超过50%的前10大城市,每当工作人口/常住人口上升1个百分点时,房价的涨幅随之上升1.15个百分点。


3)小学生在校人数增速

小学生在校人数增加,意味着该城市青壮年人口增加,对房地产或者学区房的需求增加。随着社会对教育的越来越重视,争夺优质的教育资源,会大幅度助推房价的上涨。

选取35个大中城市在本轮房价周期中(2015年1月到2017年6月)新建住宅价格的累计涨幅,以及各城市2011年-2015年间小学生的在校人数增速的均值进行对比,可知:房价的上涨幅度与该地区新增小学生在校人数增速正相关。

具体来看,房价涨幅越高的城市,小学生在校人数增速也偏高。35个大中城市小学生在校人数增速平均是1.85,而厦门、合肥和深圳的小学生增速分别为8.2、7.9和6.9,是平均值的4倍还多,房价涨幅在本轮周期中也属于较高的城市。同时,两个指标线性方程的0.4324,在统计上较为显著。

房价涨幅与小学生在校人数增速的相关性及其变动弹性,都随着后者的提高而进一步增加。以全部35个大中城市为样本观察,两个指标线性方程的拟合优度为0.4324,小学生在校人数增速每增加1个百分点,推动房价上涨4.2个百分点;而若只考虑小学生人数增速为正的城市,两个指标线性方程的拟合优度提升至0.5323,房价涨幅对小学生在校人数增速的弹性也进一步上升到6.5左右。

如果我们只观察35个大中城市小学生在校人数增速前十的城市,具体包括厦门、合肥、深圳、郑州、北京、长沙、天津、石家庄、福州和青岛,回归方程的拟合优度进一步提高到0.663,房价涨幅对小学生在校人数增速的弹性上升到7.8。也即是说,对于小学生在校人数持续增加的城市,小学生在校人数增速每增加1个百分点,推动房价上涨7.8个百分点。


2、潜在人口流入需求

一个城市优质公共资源越多,该城市潜在的人口流入越多。教育和医疗是我国稀缺的优质公共资源。金准数据用一个城市的211大学数量+三甲医院数量来衡量该城市的优质公共资源。也即是说,211大学+三甲医院数量越多,该地将可能有更多的人口流入。

选取了35个大中城市在本轮房价周期中(2015年1月到2017年6月)新建住宅价格的累计涨幅,以及各城市的211大学数量+三甲医院数量进行对比,得出的结论是:房价的上涨幅度与该地区211大学数量+三甲医院数量具有较为明显的正相关关系。


具体来看,北京、上海、广州作为优质公共资源最多的三个城市,能够较好的支撑本轮房价的上涨。而深圳作为本轮房价上涨的领头羊,其优质公共资源依然匮乏。

二、驱动房价的供给因素:库存与土地

驱动房价的供给因素主要包括库存和土地两个方面。从理论上看,一个城市地产库存越高、供地越多,说明其商品房供给越充分,房价上涨的空间越小;而当一个城市地产库存处于历史低位,或供地面积收缩,则其房价上涨的潜力则较大。


1、房地产库存

1)房地产库存的计算

在计算住房库存之前,我们需要厘清一下有关房地产面积常用的几个指标的内涵关系。

· 商品房施工面积:报告期内施工的全部房屋(包括地下室、半地下室以及配套房屋)建筑面积。包括本期新开工的面积和上年开工跨入本期继续施工的房屋面积,以及上期已停建在本期恢复施工的房屋面积。本期竣工和本期施工后又停建缓建的房屋面积仍包括在施工面积中,多层建筑应填各层建筑面积之和。

· 商品房新开工面积:在报告期内新开工建设的房屋面积。

· 商品房竣工面积:报告期内房屋建筑按照设计要求已全部完工,达到住人和使用条件,经验收鉴定合格或达到竣工验收标准,可正式移交使用的各栋房屋建筑面积的总和。

· 商品房待售面积:指房地产开发企业报告期末已竣工的可供销售或出租的商品房屋建筑面积中,尚未销售或出租的商品房屋建筑面积,包括以前年度竣工和本期竣工的房屋面积。

可见,商品房新开工面积和竣工面积都包含在施工面积中。商品房待售面积是指已竣工但尚未销售或出租的商品房屋建筑面积。所谓的库存就是指没有销售的建筑面积。狭义的库存一般指商品房待售面积,广义的库存不仅包括已竣工未销售面积,还包括正在施工中还未销售的建筑面积。由于期房销售,一些还在施工的建筑以期房的形式预售。所以:

狭义的库存=商品房待售面积

广义的库存=商品房待售面积+(施工面积-竣工面积-期房销售)

此外,为了消除城市规模对库存的影响,我们还计算了相应城市的人均库存,等于库存/常住人口。



2)狭义库存与广义库存

理论上,库存越低的城市,在其它条件不变的情况下,房价涨幅越高。我们选取35个大中城市的房价和库存数据进行分析:房价的累积涨幅为2015年1月到2017年6月的累积涨幅(本轮周期),狭义和广义库存均为2011年-2015年的累计值,人均狭义和广义库存为2011年-2015年的平均值。

具体来看:累计狭义和广义库存,与房价涨幅均没有明显的负相关关系,尤其是对于本轮房价涨幅较高的城市,如合肥,南京,广州和上海。而值得一提的是,一线城市由于规模较大,库存也都普遍较高。

人均狭义和广义库存,与房价涨幅的负相关关系更加明显。为了消除城市规模对库存的影响,我们计算了各城市的人均狭义库存和人均广义库存,并考察其与房价涨幅之间的关系。整体来看,人均狭义库存越高的城市,房价涨幅越低,二者的相关性优于狭义库存与房价涨幅之间的关系,但对于涨幅较高的几个城市,人均狭义库存与其房价涨幅负相关性并不紧密。人均广义库存与房价涨幅之间也存在显著的负相关性,例如深圳的人均广义库存最低,房价的涨幅也最高,而其它几个涨幅较高的城市,如北京,上海,广州,天津以及合肥,在过去5年里人均广义库存也较低。

总的来看,在这四项库存指标里,人均广义库存与房价涨幅之间的负相关性最为显著。


 2、土地供给

理论上来讲,土地供给越是充分的城市,房价上涨的幅度越小。我们将分别比较35个大中城市土地供给以及人均土地供给与房价涨幅之间的关系。房价的累积涨幅仍为2015年1月到2017年6月的累积涨幅,累计土地购置面积为2011年-2015年的累计加总值,人均土地购置面积为2011年-2015年的平均值。

具体来看:土地购置面积与房价涨幅没有显著的负相关性。尽管从极端值来看,土地供给大幅高于其他城市的重庆,房价涨幅的确较低;但2015年以来房价涨幅较高的城市中,只有深圳和厦门的累计土地购置面积相对较低。

人均土地购置面积与房价涨幅具有显著的负相关性。35个大中城市的平均人均土地购置面积为0.4平方米,房价涨幅较高的城市,如深圳,南京,上海等城市的人均土地购置面积远远低于该水平。尤其是深圳,人均土地购置面积不足0.1平方米,在所有城市中是最低水平,其房价涨幅也最高。



三、驱动房价的金融因素:信贷、利率与估值

驱动房价的金融因素主要包括信贷规模、利率水平及估值水平。在上一篇专题中,我们已大致分析了房价与信贷、利率周期之间的关系,在此我们将进一步分析各金融因素对本轮房价的驱动作用。

1、信贷数量:M2与住房贷款

信贷数量的指标主要包括M2与住房贷款规模。

M2同比增速是房地产周期较好的领先指标。M2增速的回升表征整体流动性环境的宽松,对于具有金融资产属性的房地产而言,对其价格有积极的推升作用。从历史数据看,M2同比增速领先住宅价格同比大致5个月;而从本轮房价周期看,M2增速的反弹与房价同比增速的回升几乎是同步的。这主要是由于本轮房价上行周期带有明显的政策驱动影响。

个人住房贷款余额同比与房价同比的走势也相当一致。房价上行的预期提升了居民的购房意愿,并带来个人住房贷款余额的上升;而居民旺盛的购房意愿则进一步推升了房价的上行预期,两者相互强化。从数据上看,本轮房价周期在2015年初的启动与当前的见顶回落,都与个人住房贷款增速的趋势相一致。

值得一提的是,宽松的信贷环境和不断上行的房价,也会使得商业银行增配按揭贷款。在本轮房价周期启动初期的“资产荒”背景下,商业银行内在的有动力去配置低风险的按揭贷款。同时,央行行长周小川曾多次表态:个人住房贷款在银行总贷款比重偏低,有的国家占到40%-50%,中国只有百分之十几,应该大力发展住房贷款,对于银行来说,这属于低风险资产。



2、利率水平:住房贷款利率

对房价周期影响最大的当然就是个人住房贷款利率水平。

理论上说,个人住房贷款利率和金融机构贷款利率的上升会增加个人购房和房地产投资的融资成本,从而抑制房地产价格的上涨;同理,贷款利率的下行,有助于刺激房地产价格的上涨。从历史数据看,房价周期与贷款利率(滞后三个季度)周期基本呈现完全反向的关系。

利率水平的显著降低是本轮房地产复苏最重要的引擎。一方面,央行自2014年11月起频繁下调存贷款基准利率,致使银行5年期以上贷款利率在一年之间下降1.65个百分点,从2014年10月的6.55%一路下调到2015年10月的4.9%;个人住房贷款利率从2014年三季度的6.96%下降到2016年低的4.52%,下降了2.44个百分点;与此同时,全国首套房平均贷款利率也下降到4.44%,达到历史最低水平。此外,商业银行也不断加大了对全国首套房贷款利率优惠,全国首套房贷款利率优惠占比从2015年7月的50%一跃上升到2016年底的85%。总之,本轮房价周期的启动,利率水平的下行可以说功不可没。

另外,在2016年一季度一二线城市房价快速上涨,库存不断降低,而三线城市库存居高不下时,商业银行发放的个人购房贷款利率依然是一线低于二线,二线低于三线。这说明,商业银行在发放贷款时并没有完全按照政府去库存的政策(向三线及以下倾斜),而是根据不同城市房地产的风险有选择的进行贷款优惠,这是商业银行内在配置资产的需要。实际上,这也是造成本轮房价周期一二三线城市分化严重的原因之一。


3、估值水平:房价/收入比

房价/收入比,即当地的房价与人均收入之比,通常被认为从流动性的角度衡量房价背后的支撑力量。但金准数据认为,在对房地产市场形成单边的上涨预期下,房价收入比越高的地方,代表着购房的杠杆越高,当地的购房热情越容易受到“贷款利率下降”,“首付贷优惠”等政策的撩动。上述逻辑成立的前提是房价的上涨预期,至少是短期内明确的上涨预期。在杠杆资金的参与下,房价的上涨预期和下跌预期很容易被放大。房价收入比越高的地方,杠杆的利好和被放大的预期,一方面给购房者带来恐慌情绪,另一方面也为投机者带来巨大利润,进一步刺激购房者的热情。

使用本轮周期的累计房价涨幅(2015年1月到2017年6月),以及2011-2015年各城市房价收入比的均值来进行分析,得出的结论是:

房价收入比与房价涨幅具有明显的正相关关系。房价/收入前十的城市,包括深圳,上海,北京,海口,福州,厦门,杭州,广州,大连和天津,也是本轮房地产价格上涨较高的城市。这些城市的上涨部分是由于投机需求驱动,蕴含着一定的风险。

值得一提的是,“租售比”或“房价/租金比”也是衡量房地产估值水平的重要指标之一,但其并不适用于中国房地产市场的分析。原因在于:

“房价租金比”即房产的售价与年租金之比,本质上可看做房屋的“市盈率”。大量境外市场参与者持有房产的目的是长期出租获取回报,才是构成租售比经验数值的市场前提。而从境内来看,中国住宅市场参与者较少因出租获利目的购房,且国内房屋租赁市场的制度与发展尚不完善,因此租售比与经验数值相距甚远。作为比较,即便处于同样地理位置,写字楼的租售比远低于住宅,正是这种逻辑的体现。以股票市场作为类比,创业板投资者追求的是成长性,而蓝筹股投资者追求的是稳定分红回报,因此二者的市盈率也存在天壤之别。


四、驱动房价的政策因素:房地产调控

在上一篇专题中,我们分析了房价周期与房地产调控政策之间的关系。中国房地产周期受到调控政策的显著影响。房价快速上涨及到达峰值的过程中,一般都伴随着房地产调控政策的收紧;在房价处于低位、经济下行压力凸显的情况下,政府则倾向于放松调控政策以刺激房地产行业的增长。我国的房地产调控政策以限制需求为主,房价受政策影响较大。政策放松,房价迅速反弹;政策收紧,房价则快速回落。

从调控机制来看,房地产调控政策则是作用于上述房价的驱动因素:

需求端的调控政策包括以户籍制度为基础的限购政策,相关公共服务政策(如学区房制度),房屋交易及持有环节的税费等。供给端的调控政策则包括作用于土地供给的供地计划,房企拿地政策(拿地首付贷、拿地分期时间、拿地贷款限制等),以及作用于房地产库存的棚户区改造计划,保障房建设,开发环节政策(贷款及税费),限售政策等。金融端的调控政策则包括作用于信贷数量的首付比限制、信贷投放指导,以及作用于利率水平的基准利率调整、按揭贷款利率限制或优惠政策等。

长期以来,中国政府偏重于从抑制需求的角度进行房地产调控,如各地常用的限购限贷、上调首付比率,上调交易环节税费等。这类政策能够快速平抑房地产销售热潮,并在短期内压制房价的持续暴涨,但却无法真正消灭房地产的潜在需求与房价的看涨预期。因此,尽管每轮调控的“收紧”周期均显著长于“放松”周期,但楼市的上涨趋势却基本未受到改变,而且容易在每次放松周期出现之时进行报复性上升。

不过,近期政府着意推广“租售同权”、“集体用地建设租赁用房”等试点,可见,政府正在着意通过长效调节机制的作用,致力于扭转市场对于房价的预期,逐步化解房地产泡沫。

五、结论与展望

金准数据认为,未来中国城市的主力格局“3+6”,也就是3大城市群加上6个主力城市。三大城市群指的是环北京城市群、环上海城市群和环深圳城市群(包括香港和广州),6个城市指的是南京、合肥、武汉、长沙、重庆和成都,这些城市将在未来中国未来城镇化及中国经济转型的过程中发挥非常大的作用。


从宏观层面看,2016年“3+6”城市格局占全国人口19.5%,创造的GDP占比达36.8%,新房交易额占比达46.2%,二手房交易额占比达73.5%。城市圈的大城市人口、资金吸引力持续增强;房地产交易占比高;转型的开发商由开发投资走向多元化运营,同时集中度不断提高。

中国的十大城市群分别是:长三角城市群、珠三角城市群、京津冀城市群、山东半岛城市群、中原城市群、辽中南城市群、长江中游城市群、海峡西岸城市群、成渝城市群、关中城市群。

在全球城镇化进程与经济全球化进程双重加快的时代背景下,城市群的快速扩张已成为带有普遍意义的不可阻挡之势,正在作为国家参与全球竞争与国际分工的全新地域单元,并深刻影响着国家的国际竞争力和21世纪全球经济的新格局。城市群是中国未来经济发展格局中最具活力和潜力的核心地区,是中国主体功能区战略中的重点和优化开发区,也是未来中国城市发展的重要方向。

而我们一般常说的“北上广深”——北京、上海、广州、深圳,这4个城市在中国大陆城市中的综合实力和竞争力相对处于最领先的层次,又被称作一线城市。拥有雄厚的经济基础,以及可观的政治资源,对周边多个省份具有辐射能力,有雄厚的教育资源、深厚的文化,还具有繁华、美丽的夜景,极为便利的交通和独特的城市魅力。所以三大城市群环北京城市群、环上海城市群和环深圳城市群(包括香港和广州)也就是基于“北上广深”再加上香港。

大都市圈的房价具有联动性,买房最易向大都市圈靠近。大都市圈的教育资源、公共设施、就业机会等都比中小城市要优越,也会吸引更加多的年轻人和产业聚集。未来的购房需求要向大都市圈靠近,这是城市化发展的必然的过程。中小城市的房子就只是房子,深圳的房子还能是资产。

金准数据认为,整体来看政策基调预计保持平稳,下半年的二手房市场成交量将在低位保持稳定。2017年下半年以来,限购限贷的行政调控并未放松,且下半年信贷环境仍将延续“紧”的特征,这使得市场的上行缺乏支持和动力。潜在需求尤其是换房需求依旧存在,且对房价上涨的与其仍然存在。因此,市场同时存在上行压力和下行压力,后期将保持低位企稳的状态。


金准数据 对战略金属价格暴涨的分析 2017-09-20 16:13:01


战略金属指的是大量用于军事制造工业的金属,对国防建设有着至关重要的作用。比如钨合金,钢铁等。此外,稀有金属钽、锶、锑、镉、铱、铋、铑、镍、锆、铬、钴、铟等等,也都具有战略意义,对发展和巩固国防建设不可或缺。

钨合金

钨最早是在1783年被发现的。这种浅灰色或发白色的金属可以与钢铸为合金,形成在高温下稳定的材料。它是地球上熔点最高的金属,熔点超过3400摄氏度。

在普通照明中用作电灯丝的钨,就是一种典型的战略金属,主要用于硬质合金、特种钢等产品,并被广泛用于国防工业、航空航天、信息产业,被称为“工业的牙齿”。钨能耐高温,所以钨合金被大量用于机械、武器工业。比如枪、炮的发射管中都会用到钨的合金。穿甲弹的弹丸,是用比坦克装甲硬得多的高密度合金钢、碳化钨等材料制成的。

另外,钨合金的机械性能与贫铀相差无几,但没有放射性。钨的化学性能也非常稳定,甚至在1000℃以上的高温也不会氧化,硬度也不会明显下降。这对防破甲弹的高金属射流十分有利。

钨的熔点在金属中最高,其突出的优点是高熔点带来材料良好的高温强度与耐蚀性,在军事工业特别是武器制造方面表现出了优异的特性。在兵器工业中它主要用于制作各种穿甲弹的战斗部。钨合金通过粉末预处理技术和大变形强化技术,细化了材料的晶粒,拉长了晶粒的取向,以此提高材料的强韧性和侵彻威力。我国研制的主战坦克125Ⅱ型穿甲弹钨芯材料为W-Ni-Fe,采用变密度压坯烧结工艺,平均性能达到抗拉强度1200兆帕,延伸率为15%以上,战技指标为 2000米距离击穿600毫米厚均质钢装甲。钨合金广泛应用于主战坦克大长径比穿甲弹、中小口径防空穿甲弹和超高速动能穿甲弹用弹芯材料,这使各种穿甲弹具有更为强大的击穿威力。

目前,钨合金已经成为了一种制作军事产品的原料,子弹,装甲,炮弹,弹片头,手榴弹,猎枪,子弹弹头,防弹车,装甲坦克,大炮部件,枪支等都可以由钨合金制成。其中,钨合金的一种主要用途是动能穿甲弹。

由于铅和贫铀对环境造成的危害,钨产品由于其无毒环保的性能,已被用来替代以往的原料用作制造子弹弹头,以减少军事材料对环境造成的危害。由于钨的高硬度和耐高温,在军事领域,钨产品已得到了广泛的应用。

钛合金

钛合金,也具有极高的战略价值。它比重小,强度高,耐蚀性好,在航天工业的用途很大。像美国的钛制品广泛用于飞机的机体和发动机,如最新研制的F-22战斗机总重的45%为钛制品。在发动机方面,圆盘、风机叶片和机体则多利用钛铸件。美国陆军军用车辆的装甲板上也已经开始采用钛板。2012年钛材总量6万吨以上比上年明显增长,钛锭出口大幅增加,宝钢、宝钛等多家钛材加工企业钛锭库存总量累计在5000吨以上,另外国家还收储了4000吨钛锭。

稀有金属

稀有金属元素由于有优良的物理化学性能、电学性能等,在工业中用途极广,因其有“少、小、精、广”的特点,因而被称为现代“工业的维他命”。稀有金属与当代高新技术的发展关系密切,尤其在军事领域应用广泛。可以说如果缺了它们,即使技术再先进,也难以生产出先进的武器装备。


正是由于稀有金属具有战略意义大、储量少的特点,美日等国无不想尽办法抢夺。铼的主要生产国是智利、墨西哥、哈萨克斯坦,但大部分资源被美国以长期合同的形式抢占。尽管美国本国也拥有储量相当丰富的稀有金属资源,但它却在世界上第一个实行了矿产储备制度。为保护本国资源,美国封存了大量矿山,转而从国外进口矿产品。

日本资源贫乏,其使用的稀有金属几乎全部依赖进口,但它也实行了战略金属储备制度,大量购买他国开发出的稀有金属,进行囤积。日本府曾专门就确保31种稀有矿产资源的稳定供应召开研讨会,并将研究结果作为策纳入了国家能源资源战略规划中。

俄专家在南千叶群岛的伊图鲁普岛(日称为择捉岛)上发现了储量丰富的稀有战略金属铼矿,引起轰动,原因是铼的价值超过白金,没有它就无法生产现代化飞机。据了解,铼主要用于生产航空发动机叶片、制造类似陀螺仪的高精设备、合成高辛烷值汽油。美国和德国还获得了制造铼过滤器净化汽车尾气的专利技术。



近期,钨的价格暴涨引发关注,尤其是这种金属的全球产量80%来自中国。美国彭博社称,对西方世界的经济和国防来说最关键的材料之一钨的价格正以比任何主要大宗商品都快的速度上涨。


金准数据认为,近两个月来,在人们对中国供应削减越来越担忧之际,钨价上涨超过50%。这种金属的全球产量中约有80%来自中国。中国正在取缔带来污染的矿井,并实施生产指标,将钨供应量限制在每年9.13万吨左右。除了中国的限产措施,日本、荷兰以及美国的海外企业需求复苏明显,年初以来出口量大增,供不应求的钨价迎来“飞升”。金属行情研究公司称,欧洲的钨价自7月初以来上涨了52%。这一涨幅超过了彭博商品指数中所有22种主要材料。欧盟将钨归入“关键”大宗商品一类,英国地质勘查研究所将其列为维持英国经济和生活方式所需材料的供应风险清单的榜首。

钨是属于有色金属、难熔金属、稀有金属、战略金属等产品的属性,根据资料显示中国的钨矿大体上分布于中国南岭山地两侧的广东东部沿海一带,尤其是以江西的南部为最多,储量约占全世界的二分之一以上。而中国出口的钨原料占据了世界市场的80%以上。


金准数据分析认为,这种矿产之所以被列为战略金属,主要是因为它具有极其重要的作用,广泛用于当代通讯技术、电子计算机、宇航开发、医药卫生、感光材料、光电材料、能源材料和催化剂材料等,许多武器装备也需要大量使用到这种的原料,钨的高密度意味着它也用在导弹上,以帮助它们穿透防御措施。


消耗钨最多的是汽车行业,约有25%的供应主要用于切削工具和加工机床。在集成电路中钨常用作电极,用来连接三极管。


钨是中国的国家战略性资源,受到开采配额的限制,每年产量理论上限制在约9.13万吨。但由于常作为钼矿的伴生矿进行开采,往年超出开采配额幅度一度曾达到50%。


中国工信部6月6日发布了一项关于下达2017年钨生产总量控制指标的通知,称生产企业应遵守产量指标,对无指标、超指标生产的企业,要立即责令停产。指标不应授予存在环境污染、安全隐患的企业。


阿格斯咨询公司的高级经理马克•塞登说:“(中国)政府希望实施控制。这是否会持续到明年更难预测。”


海关数据显示,2017年1-7月份,中国累计出口钨产品1.75万吨,同比增长45.6%,7月依旧维持3000吨的单月高位,其中向日本、荷兰以及美国出口的钨精矿量涨幅最大。


下游需求复苏是一方面,今年环保督察力度空前,矿山减产明显,或将导致原料采购困难,乃至全球供应短缺。


金准数据指出,国内钨精矿资源分布以湖南、江西、福建三省为主,同时几大国企对资源的掌控力正在加强,寡头垄断下钨精矿供应端将面临更严格的监管,开工率很难恢复。同时由于15-16 年的价格低迷,新勘探的矿山建设受阻,新增产能亦有限。


金准数据预计,中国环保督察力度加强,将导致钨精矿产量增速远远不及消费与出口增速,市场上库存进一步降低,2017年全年市场料维持一个短缺的状态。中信证券维持2017年钨精矿均价8.8万元/吨的判断。


9月13日,中国钨业协会发布文章称,钨精矿总体价格水平与合理价位还存在一定的差距,尚未回归到2014年水平,依然背离资源价值。


2017年上半年国内钨精矿价格持续企稳回升、下半年快速上涨,回归到全国平均开采成本线附近。国外钨精矿产量总体平稳,现货供应量趋于紧张的状况依然维持。要理性看待钨精矿价格的上涨,一是要控制总量。二是要理性销售。防止非理性销售套利,防止价格出现大起大落。三是要防控风险。防止市场恶意炒作,未雨绸缪,密切关注和防范市场不确定因素所带来的市场风险。


彭博社报道称,今年对交易量较少的其他很多金属而言也是疯狂的一年。钕和镨等“轻”稀土的价格也因为中国矿业整顿努力而出现上涨。钴和钒等电池材料的价格也出现飙升,钌等稀有贵金属的价格也出现上涨。


华尔街见闻分析称,今年同样“受益”于环保督查、供给呈现下降趋势的小金属品种,还有稀土。电动汽车和新能源的发展,带动了作为新能源汽车电池原材料的稀土需求,镨钕氧化物的价格在今年几乎翻了一番;钕的价格仅在8月涨了将近1/3,今年以来上涨了81%,


总之,金准数据分析认为,中国的稀土产量和钨一样,同样占到全球供应量的八成左右。更为严厉的环保限产政策和督察措施出台,这些小金属品种供不应求的局面短期内难以破局,价格狂欢恐将持续下去。




金准数据 人工智能对金融行业生态影响报告 2017-09-19 17:19:45

金融被认为是人工智能落地最快的行业之一,智能金融也已经列入国家规划。如今,无论是传统金融机构还是新金融机构,都在快速应用人工智能技术,包括信贷业务审核、风险防控等多个核心领域。未来,人工智能在金融业还有哪些应用?对我们的生活又将带来怎样的改变?


一、人工智能技术在金融行业的应用

1、人工智能技术在金融领域应用场景

从目前人工智能技术支持能力和市场实际应用情况来看,基于语音识别的技术最为可能优先在金融行业进行应用。市场和同业已经具有成熟的商业运营案例和业务框架,技术实现难度较低,可迅速实现商业价值。

金准数数据结合目前行业发展趋势、按照人工智能技术分类,综合分析了我国智能金融技术服务公司的服务和产品,梳理出涉及智能客服、智能投顾等应用场景如下。

1)智能客服

利用语音识别与自然语言处理技术,打造智能的客服机器人,通过整合集团对外客户服务渠道(包括电话、网页在线、微信、短信及APP等),提供在线智能客服服务。

一是可以为座席提供辅助手段,帮助客服快速解决客户问题。客服机器人通过实时语音识别和语义理解,掌握客户需求,并自动获取客户特征和知识库等内容。还可通过个人网银、掌上银行、微信公众号等,推出个人金融助理等功能;

二是可以基于语音和语义技术,可对电话银行海量通话和各种用户单据数据进行识别和分析,挖掘分析其内在价值,为客户服务与客户营销等提供数据与决策支持。同时,这些数据还可以供智能客服系统进行自动学习,生成知识问答库,为后续客服机器人自动回复客户问题提供参考与依据。


2)智能投顾

智能投顾,是目前最热门的智能金融应用场景之一。智能投顾最早在2008年左右兴起于美国,又称机器人投顾(Robo-Advisor),依据现代资产组合理论,结合个人投资者的风险偏好和理财目标,利用算法和友好的互联网界面,为客户提供财富管理和在线投资建议服务。

中国目前的智能投顾大部分还停留在交易执行环节,投顾服务主要为资产管理和投资顾问,投后服务涉及较少。根据美国金融监管局(FINRA)2016年3月提出的标准,理想智能投顾服务包括:客户分析、大类资产配置、投资组合选择、交易执行、组合再选择、税负管理和组合分析。传统投顾和智能投顾都是基于以上七个步骤,只是实施的方式不同,而智能投顾本质上是技术代替人工实现投顾。

然而,智能投顾并不是一个新概念,因为算法基础早在20年前就已然扎根成型,而智能投顾近年来的发展主要得益于大数据和计算力提升。目前智能投顾与人工智能的关系更多处于概念阶段,智能投顾实现了策略的个性化、配置的合理化以及流程的自动化,有“智能”但离“人工智能”尚远。


3)人脸识别与安全监控

计算机视觉与生物特征识别技术,让机器可以更准确的识别人的身份与行为,对于帮助金融机构识别客户和安全监控都有很多便利。

一是可以利用网点和ATM摄像头,增加人像识别功能,提前识别发现可疑人员、提示可疑行为动作,也可以帮助识别VIP客户;

二是可以利用网点柜台内部摄像头,增加对员工可疑行为识别监控,记录并标记疑似违规交易,并提醒后台监控人员进一步分析,起到警示作用;

三是可以在银行内部核心区域(如数据中心机房、金库等)增加人像识别摄像头,人员进出必须通过人脸识别及证件校验方可进入,同时对于所有进出人员进行人像登记,防止陌生人尾随进出相关区域,实现智能识别,达到安全防范的目标。


4)预测分析与智能投顾

机器学习与神经网络技术使机器能够通过数据的分析处理去自动构建、完善模型,提前判断事务变化趋势和规律,并提前做出相应的决策。

一是使用深度学习技术,学习海量金融交易数据,从金融数据中自动发现模式,如分析信用卡数据,识别欺诈交易,并提前预测交易变化趋势,提前做出相应对策;

二是基于机器学习技术构建金融知识图谱,基于大数据的风控需要对不同来源的数据进行整合,检测发现数据当中的不一致性,分析企业的上下游、合作、竞争对手、子母公司、投资、对标等关系,主动发现并识别风险;

三是借助机器学习,通过数据筛选、建模和预测对融资企业或个人信用打分;通过提取个人及企业在其主页、社交媒体等地方的数据,判断企业或其产品在社会中的影响力和产品评价;并通过数据分析和模型预测投资的风险点。实现在放贷过程中对借款人还贷能力进行实时监控,从而及时对后续可能无法还贷的人进行事前的干预,以减少因坏账而带来的损失;

四是运用人工智能技术,采用多层神经网络,智能投顾系统可以实时采集各种经济数据指标,不断进行学习,实现大批量的不同个体定制化投顾方案,把财富管理这个服务门槛降到一个普通的家庭人群来使用。


5)智慧机器人

运用机器人技术,一是可以在机房、服务器等核心区域投放24小时巡检机器人,及时发现处理潜在风险,替代或辅助人工进行监控;二是可以在网点投放智慧机器人,可对客户进行迎宾分流,进行语音互动交流,根据客户知识库内容进行标准业务咨询和问答,减少大堂经理的重复性工作。同时通过前端采集客户数据,可开展精准营销工作。此外,增强银行服务的科技创新感和服务新体验,为银行服务的转型升级注入全新的因素。


2、智能金融

“智能金融”指人工智能技术与金融服务和产品的动态融合,通过利用人工智能技术,创新金融产品和服务模式、改善客户体验、提高服务效率等。其参与者不仅包括为金融机构提供人工智能技术服务的公司,也包括传统金融机构、新兴金融业态以及金融业不可或缺的监管机构等。这些参与者共同组成智能金融生态系统。

智能金融本质上是人工智能技术驱动的金融创新。从金融角度来讲,智能金融的发展依附金融产业链,涉及从资金获取、资金生成、资金对接到场景深入的金融资金流动全流程;从科技角度来讲,智能金融发展是,基于人工智能技术的智能风控、智能投顾、智能投研、智能支付等智能解决方案,对银行、证券、保险等金融业态的创新。

截止2017年8月底,我国主要的智能金融技术服务公司有164家,集中分布在北京、上海、广州、浙江等较发达的省份。其中北京公司数量最多,拥有80家。截止到2017年8月31日,共有125家公司获得融资,总融资额已超过250亿人民币。据数据显示,智能金融公司投融资集中度比较高,最活跃的资本机构为IDG资本,且位于社会网的中心;商汤科技为明星公司,投资关系数量最多;同盾科技、智齿客服、量化派等几家公司投资关系数量也较多,是社会网中的重要连接点。


二、人工智能为金融行业生态带来的影响

云计算、大数据等技术的成熟催化了人工智能技术的进步与发展。深度学习在算法上的突破则掀起了人工智能浪潮,使得复杂任务的分类准确率大幅提升,从而推动了计算机视觉、机器学习、自然语言处理、机器人技术、语音识别技术的快速发展。人工智能在某些领域将彻底改变人类目前的生产模式,取代更多人、更多重复性的工作,劳动密集型的工作将完全由机器人来完成,人力将投向更具价值的事情。

金准数据整理出,对于金融领域来讲,人工智能主要的几点影响:

1、服务模式更加个性化、智能化

在传统技术模式下,受人力资源和数据处理能力的影响,金融行业往往只能对少数高净值客户提供定制化服务,而对绝大多数客户仅提供标准化服务。而人工智能的飞速发展,使得机器能够更逼真地模拟人的功能,使批量实现对客户的人性化和个性化服务成为可能,这对于处在服务价值链高端的金融将带来深刻影响,将对目前银行沟通客户、发现客户金融需求的模式发生重大改变。

金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等都将迎来新的变革。在前端,人工智能技术可以用于服务客户;在中台,人工智能技术可以支持授信、各类金融交易和金融分析中的决策;在后台,人工智能技术可以用于风险防控和监督。总而言之,人工智能技术将大幅改变金融现有格局,使金融服务(银行、保险、理财、借贷、投资等方面)更加地个性化与智能化。

2、高效赋能金融业

金融行业数据全、规模大、维度多、可数据化的程度高,这为人工智能与金融的结合提供了有利条件,两者极易迸发出火花。

一个传统的贷款业务可能需要2至3天来审批,而一个基于人工智能模型的自动审批方案可能只需要几秒钟就可以完成。不仅如此,一些金融行业的目标非常明确、痛点比较强,便于发挥机器学习、模型与变量提取、再应用于高效判断的人工智能核心价值。

比如,过去需要人工分析客户的消费习惯、历史账单,去筛选哪些用户是分期付款的潜在用户或较容易接受信用卡分期建议。现在,基于在历史数据中隐含的有效规则,人工智能可以更快、更准确地筛选出目标客户。因此,数据化程度较高、更容易建立判断规则、场景较为单一的金融业务,更容易与人工智能结合,例如客户信用分析、反欺诈、客户营销、智能投顾操作等。


3、可降低交易成本

借助人工智能,金融业取得了多项突破,其中最为引人关注的,是在交易成本上的成果。目前,人工智能可以替代一部分人工,降低人力成本;延长交易时间,提升交易效率,进而降低交易成本。

传统金融机构主要依靠线下门店人工审核客户风险,成本随业务量线性增长。大多数互联网金融企业虽然引入了规则引擎、风控模型,但传统技术手段往往只能对客户的某几个特征进行判别,很多信息仍然需要人工分析、判断,成本难以降低。

而随着大数据风控能力的提升和普及,金融机构可以搜集更多维度、更加垂直精细的大数据,从而构建立体完整的用户画像。通过人工智能手段,能够将掌握的各种维度数据进行整合、筛选、计算,从而挖掘出有效的特征。充分利用人工智能技术和大数据,搭建具有全流程360度自动判别的风控体系,可以极大减少人工成本。

更重要的是,用人工智能审核用户和订单,不仅能够提高效率,也能提高审核的准确率。一方面,机器可以处理海量数据,不受感情影响,也不会感到疲劳,能够降低人为造成的审核失误;另一方面,机器能发现审核专家可能都无法发现的高危情况。举例来说,当一个正常用户下单时,其浏览页面时长、下单间隔等会呈现出不规则特点;而如果一个用户下单时出现“离群特征”(比如规律性下单),这部分用户就属于“高危用户”。这种“离群特征”凭借审核员肉眼往往很难发现,只有通过机器学习,经过大量的计算分析才能做到。


4、促进金融机构推陈出新

金融机构通过购买智能金融技术服务公司产品或与科技公司合作等方式来利用智能金融推陈出新。

银行业是受智能金融冲击最大的金融机构之一。银行业作为信息化程度非常高的行业,对IT系统的依赖度非常高。现在,大部分银行基于IaaS平台(基础设施即服务)、PaaS平台(平台及服务)以及数据平台开展包括渠道、开放、存贷款业务、风控、运营等各项活动。

目前,智能金融主要应用于银行业的渠道、开放、风控以及运营四个大方面。除此之外,银行业务端智能金融也开始渗透。例如,应用于客户平台的生物识别技术(刷脸认证)、应用于存款业务的智能投顾等。

现在,银行业应用智能金融双管齐下:一方面,银行自身发力,2013年开始,纷纷成立网络金融部,开展新业务;另一方面,与互金巨头合作,提升技术水平。

三、发展前景

1、未来发展

金准数据认为,智能金融未来发展将围绕智能化、场景化和个性化展开。

智能化为基础,可分为三个层次:第一层次为Robot,即可以实现简单的数据收集整理工作(助理分析师);第二层次为Smart,即可以实现数据的简单分析(初级分析师);第三层次为Intelligent,即可以实现数据的决策支持和深度洞察(高级分析师)。

场景化,指智能金融将驱动金融业态不再局限于“金融”标签,而是转变为一种深入各场景的生活标签,摆脱以往“高冷”的形象,变得更贴近生活。

个性化,是相对标准化而言的,虽然智能金融或许不能实现完全的因人而异,但智能金融驱动的金融服务和产品的创新,将为人们提供更多元化的选择,这就是一种相对的个性化。

此外,为确保每一位用户的账户安全、保护所有客户资金的安全,风险防控很可能成为未来金融业应用人工智能的一个核心落脚点。

为确保每一位用户的账户安全,京东金融建立了包括设备识别、人机识别、生物识别3大技术以及异常登录模型和账户等级模型在内的全方位账户安全体系,用于判断当前登录是否产生风险、判断当前用户行为偏好等。京东金融自主研发了整体的人机识别体系,它从6个维度对一次实际登录行为进行不同维度的判定。比如在手机端,通过手摁在屏幕上的力度来判定是不是本人;在PC端,则通过评估鼠标的轨迹是否规整,来判断是否真正遇到恶意攻击。

可见,借助人工智能,金融行业的发展日新月异。但作为一个新兴学科,人工智能的应用领域有限,在金融领域的应用也处于起步阶段。不过,一项技术都有一个从起步到推广,再到成熟、普及的过程,随着技术的成熟,应用成本可能也会逐步降低。相信人工智能未来在金融领域会有更广泛的应用。


2、迎接挑战

智能金融也存在很多挑战,例如,大众对智能金融的认知有偏差,存在信任危机。

目前,人工智能还处于“弱人工智能”阶段,智能金融出现时间也比较短。虽然我们常听到类似“摩根大通使用全球第一款机器人执行金融交易”或者某科技公司与金融机构开展合作等新闻,但这并不是智能金融技术公司的常态。大部分智能金融还处于概念阶段,距离其真正落地还有很多问题待解决。媒体等对于智能金融过于夸大事实,使得大众的期望值比较高。

然而,大众在与智能金融应用实际基础过程中,智能金融的实际情况并不能满足大众过高的预期,可能会导致不当的失望,造成信任危机。

除此之外,智能金融还面临通信、系统、架构安全性风险加大、监管机构鼓励创新与风险控制不平衡、市场竞争家具、数据不能有效应用等挑战。


金准数据 银行业金融科技转型分析报告(下) 2017-09-15 17:00:36

四、发展建议与前景展望

1、国际经验

以美国市场为例,互联网金融主要面临4个方面的挑战:

第一,金融机构的投资者在做出决策的过程中面对着海量的数据和信息,如何处理这些数据给投资方带来了诸多挑战;

第二,不同机构之间的贷款产品价格,甚至同一机构的不同贷款产品的价格都是不一样的,这些贷款产品的价格甚至是不断变化的,捕捉这种变化并不容易;

第三,如果要在不同的平台上构建不同数量十分巨大的贷款分析模型,就面临着大量的信息的汇总、追踪、监测,跟踪这些数据是非常困难的;

第四,分析和风险评估方面的工具并不总是靠谱,金融机构可以使用自己的工具来评估他们的投资组合和投资的产品,但很多时候他们使用自己的这些工具不能够获得更多的资产信息。

在低效率的背后,传统银行面临的一个主要障碍还是技术。国外的经验是银行与新兴金融科技企业加强合作,通过投资、兼并最终买下技术,或者寻找公司和合伙人以利用其新技术。

现在市场上合作大多是“功能性外包”。有些初创公司并不是提供金融问题的解决方案,而只是简单地在银行的数字平台或者产品上加上了一些功能,给银行带来更好的用户体验。比如Debitize、Digit等公司,都需要连接进银行系统的支票或储蓄账户才能操作。如高盛、摩根大通、花旗银行等均布局金融科技。


对于银行和Fintech公司来说,同类产品的合作方式简单来说有两种:第一种类似于摩根大通和OnDeck的合作,OnDeck不出资,根据每笔成功贷款的金额得到手续费和服务费,同时通过OnDeck的平台对银行的客户进行市场推广。一方面,这种合作方式可以帮助银行针对自己的客户进行差异化定价和产品设计,又不需要重新设计营销平台和服务,节约了成本;另一方面,这笔生意的利润或者亏损也都会记到银行的账上,银行为此要承担一定的风险,没有历史数据给模型的预测带来了难度,同时也可能给银行现有的产品带来侵蚀和冲突。从市场份额和放贷量上来讲,摩根大通达到了自己的目标——2015年中小企业贷款的放贷量上升了16%。

另一种合作的方式如花旗把Lending Club当做一个分销渠道。Lending club出资或者融资通过自己的平台进行放贷,而银行提供自己的客户资源帮助Lending club进行目标市场选择。这种情况下,Lending club自身或者其融资方承担风险,而盈亏不会体现在银行的账面上,但有极高的监管成本。

对银行来说,金融科技实验室也是发展创新业务和颠覆式金融技术的好方法。银行可以花很少的一笔钱来运营这些实验室并且可以用一个很好的价格来购买他们需要的最新技术。根据不同创业公司的业务类型区分,有些的业务模型是合作型的,比如大数据,消息处理,交易优化等。花旗银行去年在美洲地区发起了一个叫做“移动挑战”的项目,如今已经拓展到了全球范围。截止到日前,已经收到了来自全球超过2000个初创公司的申请。那些达到标准的创业公司可以获得花旗银行的帮助从而更好的完善他们的产品并且获得一份现金奖励。来自新加坡的星展银行今年在香港也发布了一个类似项目。在展示日之前,8个创业公司可以获得星展银行提供的办公场地。与此同时,埃森哲也在纽约、伦敦和香港建立了类似的实验室,合作银行包括美国银行、美林、巴克莱银行、瑞士信贷、德意志银行、高盛,汇丰银行、摩根大通和瑞士联合银行。


2、银行转型出路探讨

金融科技想要打造自己的优势需要做到以下几点:强化优越的客户获取模式;坚持低成本的业务模式;充分利用创造性的大数据分析能力;建立针对细分客群的独特价值主张;与现有体系合作共赢;开展充分的监管沟通和风险管控。

而对于银行所面对的挑战,银行无须过分关注金融科技业的个别“挑战者”,而应该更多地聚焦于这些挑战者代表的能力,继而在企业中培养或从外部购买这些对数字化未来至关重要的能力。具体来说,银行需要做到以下几点:全面地强化全行的数字分析和应用能力;根据客户需求整合无缝的客户体验;建立数字化营销能力;构建数字化流程精简成本;迅速应用下一代IT科技能力和开发模式;建立支持数字化变革的组织架构。


面对“金融科技”这个新风口,在借鉴国际实践和国内银行业面临的现实挑战的基础上,我国商业银行的转型之路应该包括几点:

充分利用已有客群优势。在应对金融科技企业的挑战时,传统银行数量庞大、服务稳定的物理网点与电话服务中心的搭配,是很多客户选择金融服务时,不可忽略的一大优势。银行需要把网点的定位从简单的业务办理、产品宣传、标准销售转移到定制化服务、产品研判和针对性销售上来。

重视移动端的投入与建设。银行业务的处理和内部办公的移动化使得移动端已经成为银行与客户互动的重要渠道。虽然开发银行自有的原生App是有效且必须的,但如想与现有客户保持密切联系,还需要借助各种三方平台、网页程序和轻应用。基于对应平台的场景与技术进行开发与适配,才能更好地接触和维护客户。

部署更为敏捷的云技术解决方案。一方面,受益于业务模式的快速变革和规模经营的实际需要,云技术的引入能极大地减轻银行自有 IT 团队的工作压力,使其能抽出更多资源和精力来维护关键的核心系统;另一方面,云技术的应用能使银行将相当多服务于前端销售的流程和功能,集中在同一个生态机制之内,而且能以相对低廉的价格,快速部署使用。银行完全可以采取核心业务私有云,非核心业务公有云的做法,来加快在云技术领域的步伐。之所以要采取混合云搭配的方式,主要是源于金融业对客户数据的高度敏感,以及客观的法规和监管要求的存在。

细分客户群,差异化竞争。针对不同长尾客群的需求,推出对口的产品和服务,使其个性化被规模化满足。国外发展得比较成熟的直销银行提供了一些可借鉴的思路,比如波兰的mBank,将目标客户定位在25~35岁的年轻人,强化客户最核心的银行交易功能。mBank推出储蓄产品、支票账户、按揭贷款、投资产品等四大类产品,致力于以低成本的方式为客户省钱,比如:为客户提供更高的储蓄产品利息,有星巴克、Levis等品牌商户提供的现金返还,更优惠的保险、基金等投资产品,根据交易的历史数据进行客户的贷款预审批等。

投资、孵化、收购金融科技企业。与一些知名的投资机构或金融机构组成联合体,共同投资或持股FinTech企业。对于银行来说,通过资本运作的方式,用好FinTech企业的技术,并通过外部合作的方式来加速银行自身的数字化改造,是一个非常值得借鉴的解决思路。

高层领导的重要性。一家成功的银行,离不开持有明确愿景和强大执行力的董事会成员以及条线高管。他们能清晰且坚定地向自己的管理层和员工,传达银行在FinTech领域的战略和想法;能在收购、投资一家FinTech企业后,妥善地处理好FinTech企业文化与银行现有文化的冲突;能快速、果断地处理业务进行中可能产生的各种风险,并推动银行全身心拥抱这一场全新的技术革命。

组建敏捷化、专业化、项目化团队。尝试轻型化的精干团队来推进特定项目的实施。大型银行虽然可以通过敏捷的小型项目团队,来隔离大型机构的体系弊端,推动自身的数字化改造,但也必须在领导层面给予这些团队足够的支持,并培养、赋予他们接受挑战的能力。

提高线上化的风险管理能力。现阶段国内多数银行,尤其是中小银行,风控模式更多关注的是静态的风险预判,原因在于中小银行科技水平和风控能力相对较低、数据信息的数量和质量也存在缺陷。金融科技企业可以利用其资源和技术优势,开发基于大数据和人工智能的风险评估与动态风险监测,向各交易平台输出服务。另一方面,可以帮助金融机构加强跨平台的风险管控能力。通过提供多维度的跨平台交易记录等数据报告,帮助银行交叉核验投融资者的资质与潜在风险状况,降低风控成本和提高效率。

数据开放。第三方支付机构在科技与金融、线上与线下的跨平台性特征,使其积累的行业经验与用户数据更为多维度,可以通过最新的科技手段,对线上、线下的用户行为数据进行跟踪、分析、挖掘,将这些数据同银行的信贷等业务进行对接,便可以创造出新型的融资模式。

形成行业合力,共同探索和摸索行业的发展路径。通过建立银行联盟,实现联盟行间的信息、产品、资金、风控等资源共享,同时能够进行经验借鉴和互通有无,更好地满足客户金融需求,在金融科技浪潮中更好地拓展银行的潜在市场。


五、监管态度

对于金融科技的崛起,监管机构持谨慎态度,同时促进银行和金融科技公司的合作,积极推动大数据、云计算等新一代信息技术的发展,引导包括数字货币、征信体系等基础设施的搭建,为互联网交易型银行的发展打下技术根基。以维护市场公平秩序、保护金融消费者合法权益和促进金融健康发展为目标,以鼓励创新、防范风险、趋利避害、健康发展为原则,打造互联网交易型银行的新时代。

在中国,金融机构是牌照式监管。从监管的思路和趋势来看,越来越向传统的金融监管靠拢。从互联网金融监管历程来看,随着监管的日趋严格和明朗化,自查、整改的难度加大,各平台“监管套利”现象逐步减少,这对于转型中的传统银行来说是一个利好消息。

在严格风险控制的基调下 国家对金融科技的发展仍是大力支持态度

银监会2016年7月编制《中国银行业信息科技“十三五”发展规划监管指导意见》向社会各界公开征求意见。要求提升信息科技治理机制有效性,促进科技治理、风险管理与内部控制的相互融合;优化信息科技组织架构,建立协同高效的管理体系;创新科技人力资源管理模式,完善激励机制;改进科技规划管理模式,持续优化和完善信息系统架构。

在各金融科技领域也出台了相关文件,包括《促进大数据发展行动纲要》(国发〔2015〕50号)《国务院关于促进云计算创新发展培育信息产业新业态的意见》(国发〔2015〕5号)《国务院关于积极推进“互联网+”行动的指导意见》(国发〔2015〕40号)等等。细分领域的指导思想包括:

深化科技创新,落实“互联网+”行动计划。紧跟新技术发展趋势,加强前瞻性研究,进一步深入开展虚拟化、云计算、大数据、移动互联领域的创新,积极尝试开展量子通信、生物特征识别、虚拟现实、人工智能等技术的应用。服务实体经济,大力发展“互联网+普惠金融”。支持开展跨界合作,拓展金融服务场景,建立新的获客与活客模式,积极拓展互联网金融跨境、跨领域、跨行业的服务能力。

推进大数据应用,全面提升数据治理与数据服务能力。稳步拓展线上交易、电商平台、社交网络等互联网数据来源,整合司法、工商、财税等政府部门依法公开的信息,科学吸纳第三方征信机构信息数据,积极扩大信息来源,奠定大数据应用基础。尝试大数据精准扶贫,加强大数据风控,运用大数据更精确地评价客户信用,提升风险决策实时性,运用大数据技术将内控规则嵌入交易流程,更迅速地识别操作风险,预防、发现并及时阻断银行内外部的欺诈行为运用大数据改善银行经营管理,全面了解银行运营情况,及时优化业务流程,提高精细化管理水平,推动业务创新。

稳步开展云计算应用,主动实施架构转型。探索建立银行业金融公共服务行业云,构建私有云与行业云相结合的混合云应用。推动大中型银行云计算相关标准规范的制定,构建包括云基础、云资源、云服务、云安全等领域的云计算综合标准化体系框架,研究制定银行业云计算服务质量、计量、应用迁移,云计算数据中心建设与评估,以及虚拟化数据存储、弹性计算、评估测评等方面标准。逐步推进云计算安全体系建设,建立行业云平台,提升金融技术公共服务能力。此外,还包括加强组织领导、资源保障、评价考核、监管指导等。


金准数据认为,我国监管体系在严格控制风险之下对金融科技的创新保持支持态度对传统银行是有利的。经过一段时间的调整、整合和市场筛选,未来可能会形成相对稳定的互联网金融生态。不同的机构根据各自的专长,经过一段时间的尝试之后,将向更加专业化、合作化的方向发展,这是未来真正意义上可持续发展的方式。

金准数据 银行业金融科技转型分析报告(上) 2017-09-14 17:04:32

新一代信息技术的发展和应用,开启了金融科技的来临,为银行业带来了全新的挑战和机遇,尤其是在银行数据治理、系统架构、风险管控、基础设施建设、系统开发、运行维护等领域均提出新的要求。加大对新兴技术的探索研究,积极推进新兴技术成果应用,提升银行综合技术实力和科技创新能力,发挥数据价值,优化客户体验,增加客户黏性,成为银行信息科技工作面临的重要课题。

近年来,上市银行在积极深化互联网金融发展的基础上,通过收购、投资、战略合作等多种方式布局大数据、云计算、人工智能等新金融科技,以打造全新的核心竞争力。新兴信息技术与金融的深度融合已成不可逆转态势,未来成功的银行将是那些能够真正将创新融入基因,并在此基础上开展产品创新、服务创新、模式创新的银行。

金准数据拟在金融科技这个风口下尝试寻找银行的转型之路。


一、基本概念

1、金融科技的定义

金融科技——FinTech(Financial Technology的缩写)是金融和信息技术的有机融合。一般认为,它是科技类企业或金融行业新晋者利用信息科技手段对传统金融业所提供的产品、服务进行由外至内的升级革新,以及传统金融业通过引入开发新技术对自身进行由内至外的改造,以提升金融服务效率。

2016年3月,全球金融治理核心机构金融稳定理事会首次发布了关于金融科技的专题报告,并对“金融科技”进行了初步定义,即金融科技(FinTech)是指技术带来的金融创新,它能创造新的业务模式、应用、流程或产品,从而对金融市场、金融机构或金融服务的提供方式造成重大影响。

“互联网金融”相比,金融科技包含的范围更加广阔,它不再是简单的在“互联网上做金融”,其技术应用已经扩展到了大数据、智能数据分析(人工智能的产物,以大数据、云计算、智能硬件等为基础)、区块链等前沿技术,并强调它们对于提升金融效率和优化金融服务的重要作用。

2、发展历程与技术

简要介绍了Fintech涉及到的几类主要技术的概念、功能实现、应用场景等


二、金融科技对银行业的影响分析

金融科技对银行业的影响最直接的就是表现在客户服务、产品设计、运营模式等三个方面。具体来看:

金融科技变革开辟触达客户的新路径。相对于传统的线下获客,互联网具有用户和渠道入口的巨大优势,利用互联网技术,金融机构有效突破地理和距离限制,极大提升了触达及连接用户的能力。传统金融机构具有资产管理和风险定价的核心竞争力,但在客户触达及获取方式上,主要通过网点辐射、路演和线下广告,其所覆盖的疆域有限,获客成本高,容易成为业务发展的瓶颈。互联网的本质是把握或激发用户需求,创造服务场景、发现或重塑客户关联,同时提高有效资源的周转效率和服务客户频次,实现客群、渠道、产品、交互及周转频次等多维度相互叠加的全面价值发掘和创造,即抓住并黏住客户,创造反复提供服务、延伸服务链条、扩大服务覆盖面、加速服务循环的机会,找到双方乃至多方共赢点。

金融科技实现金融服务的新体验,秉承“开放、平等、协作、分享”的理念,一切以用户为中心。在快速“触达”用户之后,在交易和服务体验环节,互联网技术也优势明显,互联网银行为改善客户服务提供了新的解决方案。借助互联网信息技术,服务提供商和客户双方不受时空限制,可以通过网络平台更加快捷地完成信息甄别、匹配、定价和交易,降低了传统服务模式下的中介、交易、运营成本;双方或多方信息充分透明,交易适时进行,便捷有效率;金融交易突破了传统的安全边界和商业可行性边界,焕发出新的活力,客户感受到全新的金融服务体验。业务可在线上完成,操作流程标准化,用户不再需要排队等候,业务处理速度快,实现了为用户提供7*24小时跨市场、跨地区的服务,还可以针对不同用户推出个性化产品和服务。

金融科技革新传统业务的服务模式。在支付清算方面,由于网络支付具有能够满足用户存、取、借贷、理财、记账扥多元化需求的特点,已经成为主流的使用方式,这就要求商业银行积极推动数字账户快速融入社交、旅游、消费等生活场景,提升用户使用便利性;在融资借贷方面,“去中介化”的网络融资理念已经逐渐被社会理解并接受,商业银行需要搭建融资平台,对接投融资需求,重构借贷业务模式以获取新的竞争力;在理财服务方面,技术成熟降低了理财服务门槛,促使网络理财放量增长,银行可借助机器人投顾变革传统的服务方式、提升运营效率,进而将服务客户扩展至大众市场。


金融科技驱动银行实现渠道融合。互联网金融服务已经深刻改变了用户的偏好,占领了大量的用户入口。在零售业务上,网络金融服务能够帮助客户迅速自如地实现资产转移;在对公业务上,新兴科学技术和金融产品加速优质客户的“脱媒”,可选融资渠道不断增多,导致存量信贷资产质量下降,利润增速下降。在此背景下,传统五里网点数量优势及服务方式已无吸引力,商业银行必须构建以网络支付为基础、移动支付为主力,实体网点、电话支付、自助终端、微信银行等为辅助、多渠道融合的服务体系。

金融科技推动风险控制的新探索。互联网信息技术解决了银行信息不对称和风控难题,用更为有效方法找到了互联网银行风控的完美途径。互联网银行依靠其底层的海量数据,通过挖掘分析提供充分的参考信息,并依托线上模式,逐渐形成一套行之有效的破局策略。通过挖掘客户信息、产品交易、信贷行为、征信、合作方和第三方平台等多个不同领域的风险数据,对客户进行综合的评价和推断,形成细致的客户分群和诚信评级,立体评定客户的最高可授信金额。在反欺诈方面,通过分析客户线上行为的一致性、终端设备、IP、区域等信息,预测客户申请和交易中的欺诈可能性;通过分析客户与客户之间信息所呈现的共性特征,预测群体客户的欺诈可能性,从而最大限度地规避集团性、规模性的欺诈行为。

金准数据认为,以互联网信息技术为支撑的金融服务模式,以网络化运营为基础,具备低成本、高效率、低门槛的服务优势,不但客户体验更好,而且营销投入精准。依托银行业长期积累的风控、管理、数据和技术优势,积极适应互联网金融创新发展的趋势,加强跨界合作,促进金融互联网与互联网金融相互融合,互利共赢,是下一时期的发展重点。金融科技大潮既有效挖掘了传统银行业的优势,又给传统银行业带来新的生命力和增长动力。


三、银行的转型尝试预测

在新兴互联网技术的冲击下,传统金融机构加快转型步伐,从平台、产品、内部管理和经营策略等方面都进行了重要调整,行业已迎来了新一轮的金融科技革命。在过去,传统银行或许还能将互联网作为业务和渠道的补充,填补其服务长尾客户的空白。但今天看来,数字渠道将逐渐成为客户的首选,竞争者将利用互联网不断推进资金端和资产端业务的创新,推动金融交易的全面互联网化。上市银行普遍高度重视互联网金融业务,传统银行正逐步变革其运营模式,实现业务流程线上化,金融服务场景化和运营模式化繁为简。

尽管互联网金融不断冲击传统银行的方方面面,但传统商业银行拥有庞大的用户群体,资金雄厚,业务复制能力强。目前在互联网金融领域的发力各家银行各有特色,如招商银行以网上商城等电商平台为特色的电子银行渠道类产品;浦发银行的浦发金融大超市将传统的电商业务与金融产品相结合,等。

银行在金融科技大趋势下的转型尝试从形式来看,其平台可分为网上银行、手机APP、微信银行等电子渠道,以及电商平台、直销银行等聚焦特色场景、搭建开放式统一的互联网金融综合服务平台。而从转型内容来看,其产品分为支付、借贷、投资理财、账户、结算等服务不同金融需求。与之对应的是同样伴随着金融科技兴起的竞业产品,如第三方支付、P2P、网络银行等。


1、电子渠道

传统商业银行的本质在于存、贷、汇,银行最初的转型实践是建立各自的网上银行系统,利用官方网站开展业务,使其业务由部分到全部迁移至网络的演变过程。其效用在于利用互联网的技术提高银行的效率,建立多维度的客户关系。与此同时,电话银行、手机银行也应运而生,人们可以更加便捷的享受到银行的服务。

网上银行提供网上形式的传统银行业务,包括银行及相关金融信息的发布、客户的咨询投诉、账户的查询勾兑、申请和挂失以及在线缴费和转账功能。除此之外还包括新的金融创新业务,比如集团客户通过网上银行查询子公司的账户余额和交易信息,再签订多边协议。

个人理财助理是网上银行重点发展的一个服务品种。各大银行将传统银行业务中的理财助理转移到网上进行,通过网络为客户提供理财的各种解决方案,提供咨询建议,或者提供金融服务技术的援助,从而极大地扩大了商业银行的服务范围,并降低了相关的服务成本。企业银行服务一般提供账户余额查询、交易记录查询、总账户与分账户管理、转账、在线支付各种费用、透支保护、储蓄账户与支票账户资金自动划拨、等服务,甚至包括投资服务等,部分网上银行还为企业提供网上贷款业务。

除了银行服务外,大型商业银行的网上银行均通过自身或与其他金融服务网站联合的方式,为客户提供多种金融服务产品,如保险、抵押和按揭等,以扩大网上银行的服务范围。


手机银行是网上银行的延伸,也是继网上银行、电话银行之后又一种方便银行用户的金融业务服务方式,有贴身“电子钱包”之称。它一方面延长了银行的服务时间,扩大了银行服务范围,另一方面无形地增加了许多银行经营业务网点,真正实现24小时全天候服务,大力拓展了银行的中间业务。

不过,在此过程中,人们的上网习惯也在快速发生变化,由PC端向移动端倾斜。于是,基于用户的需求,银行又纷纷推出自己的手机APP。但是很多消费者同时是多家银行的持卡用户,人们却不希望自己的手机里同时下载多家银行的手机APP。微信集成了多家银行的服务,在客户群中的高频使用适合银行进行推广和获客。自2013年起,招商银行、中国工商银行、中国建设银行等相继推出“微信银行”。


2、电商平台

电子商务相关业务,既包括商户对客户模式下的购物、订票、证券买卖等零售业务,也包括商户对商户模式下的网上采购等批发业务的网上结算,国有大行更热衷。电商服务平台后续将持续为各类初创和成熟电商提供更优更好的互联网金融服务,最终实现企业、用户、银行的三方共赢。

商业银行的电商平台创新路径主要为以下两大类:

一类是以工行融易购、建行善融商务等大型国有银行为代表的自建交易平台类。该模式通过商业银行自行搭建交易平台,吸引客户上来结算,再配套投融资业务。

另一类是以浦发“款道”、中信电子招投标系统、平安B2B电子商务收付款等商业银行为代表的跨行收单类。该模式主要以反接第三方支付打通跨行结算通道,以交易平台开立真实银行结算或资金监管账户进行交易资金存放,为交易主体在该真实银行账户下开立虚拟子账户,并出具电子交易凭证,从而切入其平台产业链的交易场景。


3、直销银行

所谓“直销银行”,其实是相对于有多层分支行经营架构的“分销”式传统银行而言的。它虽然大多由传统银行设立,但基本不设物理网点,不发放实体银行卡,主要通过互联网、移动互联网、电话等工具实现后台处理中心与前端客户直接进行业务指令往来。资金来源方面主要是销售标准化的金融产品,可以说是母银行的一个渠道配置,主要任务是通过销售资管产品实现资产出表。资金运用方面是通过和互联网公司合作做小贷,或将转让给母银行,即吸收海量低成本负债。其目的都是通过互联网等手段,打造一个轻资产、海量客户、收益较高的银行模式。通过与互联网的高度结合,通过大数据的应用,可以实现风险覆盖,完成风险定价,这或是未来发展的方向。

直销银行的目标客户特征以及业务模式,决定了其提供的金融产品不可能满足客户的个性化需求,也就是说,其为客户设计的金融产品基本是标准化的,“简单易懂、门槛低、方便快捷”是其产品的主要特点,产品种类较少,且每类产品中,客户可选择的数量也不多。目前,我国的直销银行主要业务以卖金融产品为主,包括存款类、银行理财、货币基金等,此外还有账户管理、转账汇款支付等基础功能。

金准数据认为,直销银行打破了传统银行的时间、地域、网址的限制,向用户收取的服务费更加低廉,用户办理理财业务更加便捷。特别是中小股份制和城商行,传统线下网点的先天不足,更使得直销银行成为必须要抓住的千载难逢的实现弯道超车的好机会。据数据显示,截止2016年3月1日,中国已推出直销银行服务的商业银行数量已达55家,参与主体多为股份制商业银行及城市商业银行(部分行仅有网页及上线信息),占总数的81.8%。

目前,我国由于监管和制度方面的限制,多数均以事业部形式存在。随着监管的逐渐放开,直销银行将更多成为独立法人模式,有体制机制上的优势,在成本核算和产品定价上更加明确。从目前来看,国内直销银行的数量虽有了较大的增长,但与欧美发达国家成熟市场相比,我国直销银行仍处于萌芽状态,无论是业务规模还是用户数量,直销银行都远远落后于手机银行、网上银行。


4、其他平台

除了直销银行,P2P也成了一些传统金融机构的布局方向。中国式P2P(纯线上的平台除外),基本就是传统小贷业务+线上获取资金的模式。目前,银行系P2P主要有招商银行推出的小企业E家、国家开发银行参与投资设立的开鑫贷和金开贷、民生银行旗下的民生电商推出的民生易贷、包商银行的小马bank、兰州银行e融e贷以及平安集团的陆金所等。不过,目前排名靠前的银行系P2P平台仅有陆金所一家。

第三方支付规模持续增长,经过十多年的发展,如今已成为互联网金融最成熟的领域。第三方支付企业和银行之间是相互依存、互利共生的关系。整体上来说,支付企业的每一次交易都会为银行带来收益;银行的开放则为支付企业实现进一步技术创新提供了基础。

银行开拓资金存管业务的模式主要有两种:一是银行直接与网贷平台合作,提供资金存管服务;二是银行与第三方支付平台合作,共同为网贷平台做资金存管。银监会近日发布《网络借贷资金存管业务指引》,规定网贷机构必须指定唯一一家商业银行作为资金存管机构;商业银行作为存管人,不对网络借贷交易等行为提供担保。对于商业银行来说这又是政策利好。已有例子包括中信银行与易宝支付、懒猫金服等第三方支付公司联合推出的P2P资金联合存管产品,采取了“支付+运营+银行存管”的产品运作模式——易宝支付负责支付通道服务,懒猫金服负责系统对接、平台接入等运营服务,中信银行按监管要求提供资金存管服务。中信银行资金存管平台与懒猫金服系统对接,P2P平台原有业务流程基本无需改动,平台数据可以实现一键迁移。