• 项目
首页>>文章列表 >>行业研究
行业研究

金准数据 BI助力中小企业的决策支持 2018-02-11 15:48:02


一、商业智能概述


1.现代商业智能可实现商业经营的智能化与自动化


商业智能(BIBusinessIntelligence)概念的提出可追溯至1958年。商业智能通常被理解为将企业中现有的数据转化为知识,帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策,既可以是操作层的,也可以是战术层和战略层的决策。过去的商业智能不能给出决策方案,也不能自动处理企业运行过程中遇到的问题。借助于人工智能与其他相关学科的技术进步,现代商业智能已能在特定场景中实现商业经营的智能化与自动化。因此,本报告聚焦于将人工智能技术用于商业智能决策,试图对人工智能在商业落地的真实现状进行说明,凸显AI技术(不包括智能语音、计算机视觉等感知智能)在现阶段应用的价值。

AI增强的决策支持系统(Decision Support System,DSS),服务于企业中需要决策的各级人员,应该具备实时、闭环、自动进化、自动识别问题、全局优化等特征,目的在于提高企业决策的效率和质量,增强企业在数字经济时代的竞争力。

智能商业领域努力的终极目标——为构建一个支持决策的优化模型需要做出关于决策变量的决策。AI的应用可能使优化模型构建和演化变得自动化,也就是说,模型本身也成为了优化的决策变量,这也意味着基于机器学习的模型的自动适应和自动演化成为可能。这样的机制才是真正的Intelligent Business,我们努力的终极目标。


1:传统Bi为商业经营的智能化与自动化奠定基础


2.大数据为商业智能的发展提供土壤


互联网、移动互联网高速发展,海量、高维度且可实时接入更新的数据随之而来,为机器学习等前沿技术在各领域中的探索及落地提供可能,进一步拓展了被服务人群且显著提升服务质量。另一面,产业缺乏通用标准约束,数据在采集及流转过程中污染程度不一,数据加密不规范引致的数据泄露时有发生,数据孤岛亦成为企业业务发展的掣肘(如金融方面,企业多为基于自身平台积累的独有数据做征信,评分适用范围将大大受限),通用标准的建立需要政府及产业界的共同努力。

2:大数据对商业智能的贡献


3.商业智能与大数据


智能技术的运用一方面将拓展大数据的应用场景,从帮助业务人员认知到实现企业最优决策,另一方面,自然语言处理的进步也正在解决人机交互的部分问题,自然语言查询、自然语言生成都将进一步释放商业智能的效率和价值。

3:数据化智能决策


4.商业智能应用场景


类比人类智能,人工智能可分为赋予机器语音、图像等感知能力的感知智能和赋予机器思考能力的认知、决策智能。认知能提升感知(如对语义的理解判断将提升机器的语音识别率),感知也会辅助决策(如智慧商超中机器视觉对客流属性、消费行为的观察、记录可辅助商超做出营销决策),本报告聚焦于认知智能在商业场景中的应用情况。

4:认知智能在商业场景中的应用


5.中国商业智能政策环境


2015年人工智能进入爆发期以来,国家陆续提出多项意见与规划,特别是2017“一带一路”会议、全国两会均将人工智能列入未来发展规划中,以及2016年国家将人工智能列入“科技创新2030项目”以及“十三五”重大工程,使得人工智能在中国政治、经济、学术等领域成为重中之重,引来中国人工智能最好的时代。

5:中国商业智能相关政策


6.中国商业智能经济环境


经济增速温和,跑马圈地粗旷经营的红利期已过,精细化运营的需求正在爆发。中国凭借工业化发展促使经济快速增长,2010年之后工业化进程逐渐到达顶峰,随之而来的是劳动力和财力逐渐向生产价值较低的生产部门转移,生产总值的降低导致了经济增速的下降。随着经济增速下降,无法在短时间内找到新的经济增长点,内部问题集体产生了爆发,产能过剩,高杠杆,房地产高库存和金融风险等问题扑面而来。这就意味着中国面临着一次重要的经济转型,摆脱传统的高污染低效率的粗放型发展模式,同时,现今政府多次强调供给侧结构性改革,从质和量上提升经济增长,在政策的支持下,高附加值、知识和技术密集型的产业将会重点培养,结合高科技技术,提升企业精细化运营、降低运营成本、增加企业受益。


6:2011-2016年中国GDP及实际增长率


7.中国商业智能技术环境


论文成果达到国际一线水平,企业积极应用创新性成果。

AAAI(The Association for the Advancement of Artificial Intelligence)是人工智能领域顶级的综合性会议,会议论文涉及机器学习、自然语言处理、搜索、规划、视觉、知识表达等人工智能各分支的学术探讨和应用研究。2017AAAI大会收到论文2571篇,创下新高,中国学者的论文提交量与录用率均达到国际一线水平,与美国持平。收录论文不仅有来自高校学者,还有来自百度、腾讯、华为、360、今日头条等企业研究人员,如百度的《Collaborative Company ProfilingInsights from an Employee’s Perspective——从员工角度出发,尝试利用AI让企业人力价值最大化。

国内企业与高校间的合作也愈发紧密,腾讯即有与香港科技大学的实验室合作,高校可利用企业的海量数据与测试平台,企业则可将创新性成果落地实践。需要指出的是,尽管目前AI的商业应用中国并不落后甚至在某些维度领先美国,但在原创性研究、创新土壤、人才储备方面,中美仍有较大差距。


7:AAAI2013-2017年论文提交及录用情况统计图


8.商业智能产业链


本报告侧重于智能技术在商业场景中的应用,即产业链的中游和下游。关于产业链的上游,传统IT厂商和云服务厂商可为技术、产品及服务提供者赋予计算、存储等基础设施支持,ERPCRM等信息系统可帮助企业有效记录其资源及业务数据,数据整合者的第三方数据则可丰富智能分析的数据维度。


8:2017年中国商业智能产业链


9:2017年中国商业智能产业图谱


9.商业智能应用之供应链


通过大数据与优化技术提升供应链系统效率与柔性。

物流系统分为多层,包括入库前的仓库地址选择、入库时的策略以及销售预测、入库后的库存优化、仓储优化、清仓以及出库时货运分配、配送路线规划等。其中,仓库的选择和物流的配送是供应链管理的核心,在某地区开展新业务时,如何设定枢纽的数量、枢纽位置等对最终运送的成本有着很大的影响;配送路线规划涉及到我们在交通出行领域中谈到的路径优化与车辆调度问题,通过结合实时需求、时间窗口、承重限制等因素,对送货路线进行制定,最小化成本与时间,实现物流智能化高效运营。


10:供应链管理主要流程示意图


10.商业智能应用之金融风控


金融的本质在于给风险定价,对于风险及时且有效的识别、预警、防控一直是金融机构的核心。金融风控强调数据与技术,智能风控企业结合高维度的大数据,利用决策树、神经网络等机器学习技术,针对信贷评级、授信、贷后预警,反欺诈等场景提供解决方案,传统金融机构由过去的以经验或小量数据对风险进行把控,到现在以大数据及技术进行风控,实现金融风控升级。但同时,精细化运营全覆盖也是风控市场需考虑的关键点,即从系统的第一层出发,做全流程的金融风控,识别真正符合金融产品的优质客户,当潜在用户的信用存在风险时,应从营销端就避免引入此类风险用户。


11:商业智能之金融风控应用示意图



11.商业智能应用之智能投顾


智能投顾,顾名思义即人工智能+投资顾问。传统的投资顾问相当于私人银行中的客户经理通过与客户的深度沟通,结合客户个人的风险偏好和理财目标,传达给后台技术人员制定理财配置模型,再由客户经理将此方案给到客户;智能投顾可被理解为将私人银行的后台标准服务线上化。相比传统投顾,智能投顾拥有可简化流程、适合全民理财、可定制短//长多周期投资方案、可进行风险预警等优势,同时也面临客户对机器的弱信任感问题、现阶段政策以及所需客户财务状况全面性等限制与挑战。


12:商业智能之智能投顾应用示意图


二、中小企业商业AI建设


1.中小企业商业AI建设的必要性


DT时代,大数据的商业价值愈发凸显越来越多企业试图从数据背后的价值挖掘中寻求更大的变现空间。市场上并不乏SAP、IBM、Oracle等提供类似工具的强势厂商,但因为这些产品价格昂贵,使用门槛高,很多中小企业往往难以承受,买单的大多是央企、国企等大型客户。其次,中小企业主个人意志主导决策,尚未认识到数据的重要性,又碍于企业AI建设投入大、能力不足、数据积累少,因此金准数据获取了大量中小企业客户的青睐。

目前一些大型企业已构建自己的商业AI系统,分为三个层级:第一个层就是通过核心业务系统来实现基本业务的自动化;第二个层就是通过管理信息系统(ERP、CRM、SCM等)实现企业上游、中游、下游管理的流程化;最终目标是实现通过决策支持系统帮助企业实现战略决策、战术制定和战斗计划、执行、监控、分析、调整的科学化,为企业的盈利和风险防范打下坚实的基础。而金准数据专为中小企业量身定做了简单有效、价格合理的商业智能服务,为企业家的决策提供支持,助力中小企业的发展。


2. 中小企业商业AI建设的意义


随着企业和互联网的发展,数据成几何倍数增长,通过商业AI,能将企业的所在商业历史数据和不断增加的增量数据进行实时的数据分析,数据挖掘,市场预测,进而作出领先竞争对手的正确决策,给企业带来巨大利益。同时商业AI的过程也能大大降低企业生产过程中的资源浪费,减少企业成本,提高人员价值。随着商业AI的飞速发展,由大企业渗透到国内中小企业已经是大势所趋缺少了商业AI,企业无法在市场竞争越发激烈环境中生存

当前大企业的商业AI是做企业和非企业的结构化和非结构化数据进行分析研究,监控企业的生产经营、财务状况、营销能力、人才利用等的状况,探究存在的问题和问题产生的根源。而金准AI是利用全网全维度的数据服务分析,对企业所在行业、地区进行全方位的AI支持,发掘合作伙伴。这样可以模拟企业发展的最佳盈利模式,协助企业检查企业运营执行的状况。协助企业制定、调整企业发展的战略目标、战术目标和战斗目标。



三、金准数据从数据到决策,为企业提供最优解决方案


1.金准数据对商业智能(BI)模式的探索




金准数据认为现代商业智能框架与传统的BI模式在单体层面上基本类似,都是有一个数据层,一个模型层,上面有应用层,但是这一代跟上一代有什么不一样的地方呢?

首先它不再是一个企业内部的局部优化,它要考虑自己在供应链上下游的情况,也要考虑不同供应链之间的关系,即要考虑一个完整的产业生态网状结构的关系。

其次从数据层面,处于现在这样一个大数据的时代,企业所能接触到的数据的丰富程度是空前的。以前更多的是挑战打通内部的数据孤岛,现在除了内部数据,还有供应链上下游企业之间点对点的数据交互,还有更大的云化的外部数据。

在传统的决策支持系统里,因为没有明确的相关性,这些外部数据的利用率很低。但是外部环境对企业经营可能有更大的影响,外部数据隐含着很多相关性,利用现在的大数据技术,可以为企业决策带来更多的数据信息,通过AI的方式把里面有用的信息挖掘出来,应用到整个决策支持系统里面。


2.韦特大脑:企业AI分析平台


韦特大脑通过人工智能算法对互联网公开信息的抓取分析和深度学习,完成对企业和个人信誉完成的三阶段评估,即判断一个企业是否真实存在以及判断该企业的合规性,了解企业工商基本信息,对于此类企业主题资格审核范畴;判断一个企业的经营发展状况,和互联网关联的紧密程度,对于此类投资项目初选范畴;以及判断企业当前的涉诉、舆情舆论、行业口碑、竞争压力,对于此类重大项目合作、收购等决策支持范畴在获取企业的网络招聘数据、企业的基本信息数据、企业的新闻和推广数据后,韦特大脑在这些数据上进行人工智能分析,可以得出多种分析成果这将大大节省调查成本和时间因为它能降低企业审核自己数据的成本,随着新的数据到位,企业可以建立人工智能模型。


(一)企业和产业链AI分析


企业AI分析平台利用数百项AI专利技术,汇集、分析了36个产业链、8000个行业、40000个细分市场、600多个城市、2800个区县、2500个高新园区、30多万条街道、50多万个写字楼的3000多万家公司法人企业和7000万小微企业,包括财务数据、工商数据、法院数据、行政处罚数据等千余项指标。

通过对上内容的不断深度学习,形成了金准数据独有的产品:“产业链大数据”。该大数据区别于传统产业链,AI分析后,采用最先进的产业链划分体系,建立基于经济圈和投资圈的产业链关联关系,利用产业链大数据能够密切关注整个产业链的运行状况,了解企业上下游企业的信息,及时全面掌握有关产业链中相关企业信息,能够密切关注企业外部环境的发展态势,并对以企业为中心的商业生态进行重塑。



(二)企业财务AI分析


企业AI分析平台通过独有的AI专利技术,深度融合900万家企业最新真实财务数据,遥遥领先于行业内其他平台。AI将财务数据进行科学系统的分析、最先进的数据处理技术,全面衡量企业经营状况和信用风险。覆盖70多万个网络信息渠道,囊括最主要的21个核心省份城市。通过数据识别、数据审核和机器自主学习等前沿技术进行企业标注。


(三)失信企业AI监控


企业AI分析平台致力于打造全国企业信誉信息防护网,立体、实时地预警失信企业。数据来源体现出权威、及时、融合、深度等特点,涵盖工商、法院、税务、海关、质检、环保等政府部门失信数据的同时,还深度挖掘失信企业的关联企业网,真正实现让失信企业无所遁形。


(四)企业数据可视化AI分析


企业AI分析平台在提供精准的数据检索服务的同时,可以为用户分析企业的情况,其中包括企业星云图谱、资本关系图谱、成长风险综合评估、行业地位分析等,对目标企业进行全方位的分析和定位。

企业AI分析平台的特色库中的企业覆盖各行各业,根据企业的不同特性,通过特定的算法为客户提供了:拟上市企业库、新生企业库、黑色企业库、PE/VC库、国家各类计划企业库和集团企业星云图,还可以根据行业、地区等条件进行精确查找。

韦特大脑在研发人工智能大数据中发现,如掌控不好实时变化的数据会给用户在使用中带来困惑。例如,一家企业在招聘网站上标注的面试地址和其工商注册地址信息不一致。这会仅仅是企业搬家了这么简单吗?如何判断这类工商信息和互联网信息的不符?就需要更大范围的人工智能大数据搜索,通过工商数据和公开的网络数据对比发掘企业的真实状态。

为此,韦特大脑还介入了全网信息监控平台,关注12000万个微信账号、10亿多个微博账号,并关联各大社交网站客户端,实时收集相关评论和数据源,以便于客户在搜索个人和企业信誉信息时第一时间获取到全面客观的信息。

作为企业决策支持的助手为企业做出人工智能预判也是韦特大脑的“杀手锏”。众所周知,识别之外,判断决策才是最具价值的人工智能应用。韦特大脑实时浮动的信用评估则会对企业起到督促刺激的效果。不断更新的信用内容还包含企业交易行为、金融行为、上下游贸易伙伴关系和投资情况等商业信息,能够让金融机构或者合作企业根据企业当前的信用状况作出决策。


结语


金准数据可为精细化运营蓬勃发展的中小型企业提供简单有效、服务性价比高的商业决策服务,目前名为韦特大脑的企业AI分析平台已经上线。金准数据致力于人工智能技术应用于商业决策,实现商业经营的智能化与自动化,运用商业智能帮助企业实现数据驱动认知到数据驱动决策的转变。在利用运筹学的思想将商业活动中的实际决策问题转化成数学模型之前,通常需要先利用统计学或机器学习对采集到的海量数据进行规律性分析——融合运筹优化及机器学习技术、为客户提供全链条服务正是金准数据的一大优势,因此金准数据也在同步进行机器学习引擎的开发。





金准数据2017年中国互联网消费金融行业报告 2018-01-24 15:13:04

金准数据认为:消费金融,是指机构或企业为个人提供的、以消费为主要需求的小额贷款产品和金融服务。一般是指日常消费需求,比如衣服、房租、电子产品等小额信贷,信贷期限一般在1年之内。

消费金融产业链包括消费者、消费金融公司、资金提供方、征信机构、金融科技公司和催收机构,其中,消费金融公司作为资金需求和提供方的连接桥梁,处于整个产业链的核心环节;征信机构和金融科技公司为消费金融公司的风控环节提供服务;催收机构为消费金融公司提供针对逾期不还的借贷人的催收服务。整个产业链中,消费场景拓展和做好风控是两个关键因素。

2017年,中国互联网消费金融放贷规模4.4万亿元,增长904.0%。金准数据对2017年互联网消费金融行业快速发展的状况及背后的原因进行梳理,从行业宏观、业务关键能力、行业格局、典型企业、未来趋势的角度对互联网消费金融行业进行比较深度地分析。


一、互联网消费金融宏观现状


互联网消费金融需申请、审核、放款及还款全流程互联网化


消费金融(或消费贷、消费信贷)是指以消费为目的的信用贷款,信贷期限在1至12个月,金额一般在20万以下,通常不包括住房和汽车等消费贷款,专指日常消费如日耗品、衣服、房租、电子产品等小额信贷。


根据消费金融业务是否依托于场景、放贷资金是否直接划入消费场景中,又可以将消费金融业务分为消费贷和现金贷。由于消费金融机构不能完全覆盖各类生活场景,因此直接给用户资金的现金贷成为有场景依托的消费贷的有力补充,大多数消费金融机构都同时具备这两种形式的消费金融产品。


金准数据认为互联网消费金融,是指借助互联网进行线上申请、审核、放款及还款全流程的消费金融业务。广义的互联网消费金融包括传统消费金融的互联网化,狭义的互联网消费金融仅指互联网公司创办的消费金融平台。随着传统消费金融机构线上化的发展,金准数据通常以广义的互联网消费金融为研究对象。


互联网消费金融进入行业整顿期


金准数据把互联网消费金融的发展分为了三个阶段。2013至2014年,分期乐、京东白条、趣分期、爱又米纷纷上线,行业进入启动期。启动期的相关政策以鼓励业务发展为主,至2015年6月政策共批准成立了15家持牌消费金融公司。进入2015年,大量互联网消费金融机构、产品涌现,其中包括2015年4月上线的花呗;政策方面,2016年3月,人民银行、银监会提出“加快推进消费信贷管理模式和产品创新”。在行业创新、政策鼓励的共同作用下,互联网消费金融进入快速增长期。但是,在快速增长的背后,出现了过度授信、暴力催收等不合规经营方式,2017年出台各项资质、业务监管政策,行业进入整顿期。


发展动因:低资金成本、房贷转移、金融理念渗透、场景布设


2016、2017年互联网消费金融放贷规模大增,得益于四大发展动因。资金成本方面,2014年两次定向降准、一次降息后,2015年多次降息降准,15年下半年、16年主要期限国债收益率持续下降,资金成本走低,使得消费金融有宽松的资金面和较低的资金成本。2016、2017年,银行房贷政策持续收紧,使得居民贷款需求向互联网化方式转移,这可以从房贷占比和房价走势关系上得到印证。自2016年第四季度起,个人购房贷款占居民消费贷款的比例出现负增长,但房价增速依然平稳,说明居民通过非房贷的口径获得住房贷款,同时可观察到部分互联网消费金融平台推出可用于购房用途的大额贷款。此外,金融理念渗透使得更多用户接受消费金融产品,场景布设提升消费金融渗透情况、提高使用便利度。

互联网消费金融覆盖场景交易规模占移动支付消费类58.5%


进入2017年下半年,资金成本上升、监管政策出台,支撑互联网消费金融快速发展的红利不再,行业将逐步回归到自身产品需求、机构业务能力驱动的时代。未来行业发展的机遇在于互联网消费金融在场景、人群两个维度的持续渗透。其中场景分为线上场景与线下场景,就线上场景而言,被互联网消费金融业务覆盖的场景的交易规模占到移动支付消费类交易规模的58.5%。布局剩下的四成长尾场景,通过支付机构切入是其中一种方式,支付机构利用支付业务覆盖了众多线上场景,与支付机构合作可提升场景布局效率。


金准数据相信未来行业发展的风险在于,受2017年各互联网消费金融机构快速扩张的策略影响,部分用户存在共债较高、非理性借贷的行为,未来一段时间行业需要消化用户信用水平下降带来的不利影响,与此同时,人群的多维度渗透的重要性凸显。


二、互联网消费金融发展关键能力


用户使用频次低的业务只能依靠产品本身变现


2C商业模式的变现方式分为产品变现和流量变现,消费金融因为其低频的属性,不具备流量变现的可能。总体而言,金融行为都较为低频,相对来说支付较为高频,从而具备流量变现的可能,其他大多数模式、产品都需要依靠自身业务产生营收来获取利润。因此,对于消费金融业务而言,对业务能力判断的关键要落足于产品带来的可见的收益,落足于利润表,落足于收入、成本配比。


自动化风控模型具备规模效应,是变革传统模式的关键


互联网消费金融业务成本包含固定成本与变动成本,固定成本具备规模效应。传统机构提供的消费金融业务,在风险定价环节需要投入较高的审核成本,且该成本为变动成本,互联网消费金融的典型变化是通过搭建风控系统模型,实现自动化风控。这一变化将变动成本变为固定成本,虽然前期需要较高的投入,但随着用户数量的增加,具备规模效应。

关键能力:获客能力、用户体验、风控能力


在互联网消费金融业务的成本中,部分成本支出与交付效果的关联不具备强关联关系,不同公司在这些方面付出成本后产生的效果差异较大,而产生差异的原因便在于企业相应的能力。举例来说,消费金融机构付出获客成本,最理想的产出效果是获取特定的目标用户群体,但由于企业获客能力各异,从而成本付出后获取的收入规模各有差异。 2016年,趣店、乐信的获客成本占消费金融收入的比例分别为26.0%、12.6%,二者获客成本差异较大,趣店凭借支付宝的导流实现低获客成本。成本与效果的关联关系决定了互联网消费金融三大关键能力,即获客能力、用户体验、风控能力。


获客能力:流量变现与场景布局


金准数据始终坚信获客能力是互联网消费金融业务的三大关键能力之一,如何付出最少的成本获取最大的利息、服务费收入,是提升消费金融获客能力的目标。实现该目标有两种主要方式,第一种是有流量的企业搭建互联网消费金融业务,在不用额外付出流量成本的情况下开展消费金融业务,典型企业有二三四五、微博、搜狗、搜狐等等。第二种是互联网消费金融机构通过场景布局、广告投放等方式获取客户,其中,场景凭借精准获客、针对性风控、监管利好等优势成为互联网消费金融业务必争之地。对于有场景的消费金融机构,其场景的市场容量、布局门槛等因素成为其获客能力衡量的关键因素。


用户体验:留住用户以降低获客成本


在获客成本日渐提升的当下,提升用户体验的价值日益凸显。提升用户体验,挖掘用户在同一平台再次借贷的需求,能帮助互联网消费金融机构省去部分获客环节的成本。提升用户体验的方式包括申请便捷、使用便捷、人性化的督促还款方式以及良好的客服体验。衡量互联网消费金融机构的用户体验水平,用户复借率是个重要指标。根据公开资料,卡卡贷、爱财、趣店的复借率在70%以上,但由于各自统计、计算口径不同,无法进行横向比较。


风控能力:非差异化定价使平台存在逆向选择、市场萎缩的可能


风控能力,是指互联网消费金融机构对用户进行差异化风险定价的能力。之所以差异化定价至关重要,原因在于用户群体的信用分布在一个区间,实行统一费率时,对于自身风险水平低于该费率对应风险的用户,如果存在其他更为精准的风险定价替代品,则该部分用户便会流失。长此以往,该平台的用户群体将会逐步缩窄,甚至市场萎缩。因此,对不同的用户的风险水平进行差异化精准定价的能力至关重要。


风控能力对收入规模、成本的影响


风控能力通过审核通过率、坏账率分别对收入规模、成本产生影响。通常情况下,一个平台的利息、服务费越高,定位的用户资信就会相对更差,审核通过率就会更高;而提升风控能力,能保证在利息、服务费不变的情况下审核通过率提升,从而扩大收入规模。同样地,审核通过率越高,平台越激进,则平台坏账率就会越高;而提升风控能力能实现在审核通过率一定的情况下坏账率下降,从而降低成本。


金准数据特别强调的是,坏账率并非衡量互联网消费金融风控能力的良好指标,而坏账率与审核通过率的比值是更好的指标。这是由于,不同平台所定位的用户群体不同,对于用户群体资质稍差的平台,坏账率自然会更高。而如果一个平台能够实现在更大的审批通过率的情况下将坏账率控制在更低的水平,则风控能力更强。因此,单一的坏账率指标不能反映这一实际能力,将坏账率与审核通过率相比,比值越低则风控能力越强。


资金获取能力取决于上述三大能力


互联网消费金融机构的资金获取渠道有银行、小贷公司、P2P、ABS等。相对而言,银行的资金成本较低且规模较大,由此,由银行提供资金而消费金融平台提供获客和风控的助贷模式盛行。该模式具有两个典型特征,第一,用户只能感知到助贷机构的存在,因此在该模式中银行只能做资金方,而对银行未来从事消费金融业务没有帮助;第二,风控由消费金融机构完成,由于风控结果难以衡量且结果滞后,因此大多数平台会对其信贷资产进行增信、对结果承担兜底责任。


此外,资金获取能力并非消费金融平台的关键能力,因为资金获取能力取决于平台的信贷资产质量,而信贷资产质量取决于上述获客能力、风控能力。优质资产并不缺乏资金。



三、互联网消费金融典型公司案例


蚂蚁金服:旗下有花呗、借呗消费金融产品


2017年预计花呗放贷规模超9000亿,借呗放贷规模超5000亿。花呗模式分为账单分期和交易分期,账单分期为虚拟信用卡模式。就三大能力而言,花呗从支付宝、淘宝获取用户,利用芝麻信用为用户提供额度、计算费率。使用场景多是花呗在用户体验上明显优势,借助支付宝打通的支付场景,花呗嵌入到支付方式中,从而打通各类支付场景。


爱财集团:获取年轻客户群体的能力强,用户体验、风控能力较好


爱财集团致力于以金融科技拓展普惠金融的边界,为年轻人提供陪伴式场景金融服务。围绕年轻群体,爱财集团旗下涵盖年轻人消费金融服务平台爱又米、实践创业平台出未校园、互联网理财平台米庄理财、网络小贷平台爱盈普惠等,获取年轻客户群体的能力强。爱财集团旗下爱又米于2014年9月正式运营,截至2017年9月爱财集团实现累计放款金额超过120亿元,且平台复购率超70%,用户体验较好。


爱财集团:以金融科技拓展消费金融边界


爱又米是爱财集团旗下的年轻人消费金融服务平台,主打分期电商服务。分期电商从上游产品制造商处购进商品,将商品在电商平台售卖,用户购买时可以选择分期还款,由平台联合金融机构提供消费金融服务。从电商属性上看,对上游产品制造商的议价能力和获取下游客户的能力尤为重要;从消费金融属性上看,风控能力至关重要。爱又米对上游制造商有较强的议价能力,是苹果的最高等级经销商,同时下游客户有较好的复购率。风控能力强,以金融科技发现更多信用,和多家银行、持牌金融机构合作共赢。

维信卡卡贷:信用卡场景获客,用户体验、风控能力较好


“维信卡卡贷”于2015年5月上线,是维信金科集团旗下的移动互联网贷款服务平台,为银行持卡人提供信用卡余额代偿服务。截至2017年11月,维信卡卡贷实现APP下载量突破2000万,实名注册用户1800万,成为信用卡代偿场景消费金融机构中的佼佼者。就开展消费金融业务的三大能力而言,在获客能力方面,维信卡卡贷抓住了信用卡场景,成为其获客的重要来源;在用户体验方面,维信卡卡贷利用优质服务实现了清贷用户75%的复借率;在风控能力方面,维信卡卡贷后台有20档定价,根据用户资质不同实现自动化风险差异化定价。


维信卡卡贷:信用卫士


对于有稳定收入、消费能力、信用卡账单分期需求的信用卡持卡人,可在维信卡卡贷APP或微信公众号在线完成授信审批,贷款直接汇入持卡人指定的信用卡中,完成信用卡还款,而后用户分期还款给维信卡卡贷。维信卡卡贷的资金来源于中小银行、消费金融公司和信托机构。在风控技术上,维信卡卡贷融入了人脸识别、可信时间戳等多项技术,通过智能决策系统实现全自动化审核和借贷。


兴业消费金融:信用至上,普惠同行


兴业消费金融起源于福建省泉州市,2013年泉州市作为唯一的地级市入选银监会第二批消费金融公司试点城市名单,2014年12月22日,兴业消费金融股份公司在泉州成立。2016年12月22日,兴业消费金融成立两年,两年累计贷款发放超过100亿元,其中线上业务占比15%以上,且这一比重呈现逐步上升趋势。兴业消费金融产品包含“家庭综合消费贷”、“商户业主消费贷”和“网络贷”三大体系,截至2017年9月,三大体系累计发放贷款超过200亿元。


兴业消费金融:“空手到”产品介绍


兴业消费金融通过“空手到”系列产品开展互联网消费金融业务,空手到APP提供家庭综合消费贷和闪电贷两款产品。闪电贷采用邀请制,具备相应资质的用户通过手机线上申请,无需抵押担保,利用信用评估的方式授予用户额度、费率,通过评估后利用手机APP直接放款,最快一天放款。


易宝支付:消费金融平台解决方案提供商


对于消费金融机构而言,场景越来越重要,而获取场景有两种方式,一种是直接切入消费,即对已有的消费场景进行布局、整合;一种是通过切入支付从而实现接入各消费场景,即通过支付公司接入支付公司已布局的消费场景。易宝支付是后者的解决方案提供商。


易宝支付于2003年8月在北京成立,2011年5月获得央行首批办法的《支付业务许可证》, 2013年10月获得国家外汇管理局批准的跨境支付业务许可证。成立13年来,易宝支付服务的商家超过100万,在航空旅游、游戏娱乐、行政教育等多个领域保持领先地位。针对消费金融平台,易宝支付提供涵盖支付、风控、资金、场景等多维度的解决方案。截止2017年12月,易宝支付已同超过500家消费金融平台达成合作,交易金额达到2000亿元。


易宝支付:为消费金融平台对接多种消费场景


易宝支付深耕支付领域多年,积累下较多消费场景,涵盖航旅、游戏、教育、保险、电商等多个细分领域。易宝支付可实现将消费金融机构同这些消费场景对接。对消费场景各机构而言,易宝支付提供了多种消费金融产品,帮助它们丰富支付方式、提升用户体验。对于各消费金融机构而言,易宝支付通过场景解决方案为其对接多种类型的消费场景,帮助它们获客、导流。


四、互联网消费金融行业发展趋势


随着收入与支出的双双提高,居民消费水平不断提升,国民对于消费升级的诉求不断发酵,由此带来消费性贷款的持续走高;同时,监管机构及政府推出多项政策助力消费金融的发展,2009年银监会发布《消费金融公司试点管理办法》,消费金融公司应运而生,2013年国务院强调要助推消费升级,创新金融服务,并提出鼓励民间资本设立消费金融公司,2016年政府工作报告中再次提及消费金融,为消费金融的发展带来新的机遇。


总体而言,金准数据认为中短期资质、风控能力以及长期用户群体决定平台特征。


2018年,随着监管政策的逐步出台,互联网消费金融行业将迎来整改的时期,无资质的机构将难以开展互联网消费金融业务,不合规的开展方式将被剥离。中短期内,行业增速将受到影响,行业集中度将提升。在这一期间,业务的合规开展、风控模型改善、风控更加严格将是行业内机构的主攻方向。长期来看,平台的复借率将会逐步上升,不同平台将会拥有自身的长期用户,而这些用户特征将决定这些机构的特征。


英国AI发展现状及对我国AI发展的启示 2018-01-23 14:42:44


人工智能(AI)的出现和发展可以给英国带来巨大的社会和经济效益。借助人工智能,计算机能够比人类有更高的准确性和速度进行信息分析和学习。从药物研发到智慧物流,人工智能技术的融入,提高了效率、完善了性能,为绝大多数的行业甚至是各行各业都带来了可观的收益。其实,人工智能可以理解成是一种软件,通过更好地抓取和利用信息从而帮助做出更准确和高效的决策,并将其整合到现有的流程中,实现实时的改进,帮助扩大规模,并降低成本。


据估计,截至2035年,人工智能将给英国经济增加8140亿美元(约合6300亿英镑)的额外收入,届时,GVA年增长率有望从现有的2.5%飙升至3.9%,我们的愿景是让英国成为世界上最适合发展和部署人工智能的国家,从起步、发展到繁荣,实现技术所能带来的最大便利。




基于纯粹强化学习的AlphaGo Zero颠覆了很多对人工智能(AI)的既有认知,也让很多第三波人工智能浪潮泡沫论者闭了嘴。2030年,人工智能将带来15.7万亿美元的经济增长,包括生产力的提高(6.6万亿美元)和应用市场(9.1万亿美元)。



最近英国发布的人工智能政府报告——在英国发展人工智能,基于人工智能发展现状和英国的历史优势探讨政府、产业界和学术界需要采取的相关措施,并分析可能的应用和市场前景。

英国的AI政策盘点

英国AI政策盘点

英国大概是欧洲推动人工智能最积极的国家了。而最近发布的这份报告《在英国发展人工智能产业》(GROWING THE ARTIFICIAL INTELLIGENCE INDUSTRY IN THE UK,以下简称报告)更是直指AI产业化,指出AI将为英国提供8140亿美元(约为6300亿英镑)的经济增长,推动GVA年增长率从2.5%增至3.9%。该报告称,英国目前是人工智能的领导者之一,希望能继续保持该优势并将英国建成全球最适合人工智能企业发展的地方。


众所周知,人工智能的一大潜力就在于优化效率,其用例包括供应链的存储和分销网络(亚马逊仓储)、建立新的业务模型、帮助公司和个人员工提高工作效率、减轻大数据集搜索的负担(沃森专家系统),可用于消费电子、医疗、安防、金融等诸多领域。这种生产力的推进,是政府重视AI的根本原因。


AI用例

报告根据已发表的文献指出,2024年,全球人工智能市场价值可能超过300亿美元,对于部分行业,AI可以带来30%的生产效率提高,节省25%的成本;2030年,人工智能可能为全球经济贡献1570亿美元,包括生产力的提高(increased productivity6.6万亿美元)和应用市场(consumption-side effects9.1万亿美元)。


政府和产业可以怎样为AI创造发展环境

报告强调,当下是英国针对人工智能采取必要行动的关键节点。一方面,作为图灵的故乡,虽然英国的人工智能在全球,特别是欧洲有领导者的优势,但产业发展初期,这份优势未必能够保持,产业界需要提高竞争力;另一方面,人工智能技术已经为广泛应用做好了准备,基于计算能力的显著提高、越来越多可用的大数据、新算法和相关应用程序,过去五年相关的投资、双创井喷式增长。至于AI引起的就业挑战,与其他政府一样,英国认为这是不可避免的一个问题,需要政府和市场合作,发展新工种和新的工作方式,提供就业和再就业培训。


英国现有的AI优势


1.庞大的数字产业

人工智能是数字化的一个发展,并且已经在数字技术部门和垂直领域进行了应用尝试,预计未来将延伸至各个领域,如自动化的网络安全系统。2015年英国数字科技行业规模达1700亿英镑,比前5年增长了22%年,现在有1640万个数字技术工作岗位。


2.硬件趋势明朗

人工智能主要是通过GPU和深度学习算法来实现并行计算,当然,定制芯片也是一大方向。计算能力越来越强,算法越来越优化的趋势将进一步发展。


3.数据量呈指数增长

数据的快速增长也孕育了人工智能。自2000年以来,全球产生的数据量呈指数增长,大部分来自于互联网和移动个人设备。思科认为,2016年到2021年,数据量将增长7倍。有报告指出,2015年到2020年间数据将使英国受益241亿英镑。


4.企业环境与人才优势

英国被认为是世界上最具创新力的企业生态之一,具有多家大型企业和诸多活跃的小型企业,以及相关客户和研究专家。从全球的人才和投资竞争来看,英国AI商业活动具有优势。



英国AI创业、投资环境优势明显

2016年英国人工智能领域的投资占整体数字技术领域的3%,有226家处于早期发展阶段的独立企业。Coadec报告指出,在过去的36个月里,几乎每周都有AI创企都在英国建立。目前200多家创业公司和中小型企业聚焦于用AI解决特定领域的问题,特别是NHS/英国国民健康保险制度。此外,大型企业(Ocado、通用电气等)也在尝试AI优化服务和企业运营效率。


五大被美国科技企业收购的英国AI公司

值得警惕的是,现在有很多美国大型公司处于研发需求等考量收购了英国创企(SwiftkeyDeepMindRavn等),即便很多被收购的公司人才、资料依旧留在了英国,但毕竟是收购,未来可能会发生资本、技术转移,从而离开英国。因此,保住既有人才技术的同时吸引全球专业投资才能使英国发展成为AI行业的最佳环境。


英国AI公司举例

从地理上的集群效益来看,大部分的AI公司集中在伦敦;剑桥催生的AI创企比较多,包括EviVocal IQCytoraSwiftKeyDarktrace,因为研发紧密且能够获得本地资金支持,亚马逊和苹果等国际科技企业也在该地区;爱丁堡也在很重视数据分析和人工智能方面,诞生了SkyscannerCodeBase,亚马逊的机器学习研发中心也在那边;牛津自不必说,有深蓝实验室和DeepMind;布里斯托企业优势明显,有惠普、甲骨文、BAEFive AIGraphcore等。


英国AI企业、机构的地域性分布示意

对于公共部门而言,人工智能是一个非常有效的提高主流公共服务效率的工具(政府数字服务/GDS),可以用于税收、福利、签证、护照和其他政府执照方面,甚至与养老金监管机构合作,帮助商业部创新合作渠道(小企业研究计划/SBRI),建立完善的、更安全的、自动化的考察系统以解约申请花费及时间,建立更智能的、响应更快的政府体系。


总的来看,报告认为,人工智能将积极的,大规模的,在各个领域影响英国经济的未来。当然,不同领域和不同地区的发展速度会有所不同。根据埃森哲,人工智能将在2035年前渗透各个环节,为英国增加8140亿美元的额外收入,GVA的年增长率将从2.5%提高到3.9%。根据普华永道,人工智能将使得英国的GDP2030年上升10.3%,相当于2320亿英镑,包括生产力的提高(1.9%)和应用市场(8.4%),成为最大的商业机遇之一。

英国如何支持AI


英国第一年AI本科课程(目前及未来预计)

1、为工程和物理科学研究委员会提供研究资金。包括143项相关研究拨款,覆盖智能技术和系统,使AI成为可接受的、可用的、合乎道德的技术。

2、针对数据科学的研究,包括阿兰图灵研究所,以及剑桥大学、爱丁堡大学、牛津大学、伦敦大学、华威大学组成的EPSRC协会,总共投资4200万美元。

3、建立独立的、非盈利的、无党派的开放数据研究所(ODI)。

4、皇家统计学会联合来自商业、工业、政府和学术界的代表举行会议支持整个英国的数据科学社区。

5、Digital Catapult联合跨国公司、投资者、创业公司、政府部门支持数字研发的商业化。

6、科技行业代表机构TechUK联合IBM对人工智能在医疗保健领域的应用进行讨论。

7、电子系统和技术行业机构NMI、面向未来智能的莱弗休姆中心、全党派的人工智能议会小组、科技城英国(Tech City UK)等纷纷寻求人工智能生态方案,推进技术发展和产研转化,开拓全国范围的就业计划等。

四点建议


AI人才段位示意

报告指出,要发展人工智能,首先是增加数据访问渠道,包括开放更多的数据,提高机器的可靠性,设置敏感数据不进行公开(数据信托);此外,需要提高相关技能支持,使英国成为吸引国际AI人才的地方,重视计算机、数据科学和机器学习等,也均衡其他层次的人才配比。以下是报告提出的发展AI产业的四点建议:



一、关于增进数据访问的建议。

1.为方便持有数据的组织与希望使用数据开发人工智能的组织之间的数据共享,政府和行业应通过一个程序来开发和建立数据信任,即通过验证的、可信的框架和协议,来确保数据交换是安全的和互利互惠的。

2.为提高开发人工智能系统的数据可用性,政府应该保证一定数额的研究资金用于AI数据开发,同时确保以机器可读的格式发布底层数据,并提供明确的版权信息,且尽可能地对外开放 。

3.为支持文本和数据挖掘,并将其视为一种研究的标准和不可或缺的工具,英国应规定一种默认设置,即对于已发表的研究来说,读取数据也就是挖掘数据的权利,并且这不会产生替代原始作品的产品。在评估如何支持文本和数据挖掘时,政府应该将人工智能的潜在数据包括进来。


二、关于提高技能的建议

4.政府、企业和学术界必须充分认识到人工智能行业各类人才的价值和重要性,并应共同努力,打破成见,扩大参与。

5.企业应出资赞助大学AI硕士学位课程的开设,且预计首批学员规模达300名。

6.对于除计算机和数据科学专业之外的毕业生,学校应与用人单位以及学生本身,一起探讨人工智能专业毕业生的潜在需求。

7.政府应与全英知名大学共同打造至少200个人工智能博士学位。并且,随着英国教育的发展和吸引的越来越多的学术人才,这个数字还会持续增长。

8.高等院校应鼓励设立与发展AI MOOC、线上人工智能课程和持续的专业技能培训,为那些具有STEM资格的人提供更多的专业知识。

9.英国人工智能协会国际奖学金项目应与艾伦·图灵研究所合作创立图灵人工智能奖学金。这应由一个专门的基金来资助支持,以确定和吸引最优秀的人才,并确保英国向来自世界各地的有资历的专家开放。


三、如何最大程度的推动英国人工智能研究发展的建议

10.艾伦·图灵研究所应该成为人工智能和数据科学研究的国家性质的研究基地,并将其扩展到目前的五所大学之外,将其重点放在如何大力发展人工智能。

11.大学应该使用清晰的、可访问的以及可能的公共政策和实践来授权知识产权,并建立相应的公司。

12.艾伦·图灵研究所、工程与物理科学研究委员会(EPSRC)、科学技术设施委员会(STFC)和联合信息系统委员会(JISC)应建立协同合作,共同协调人工智能研究计算能力的需求,并因此为英国研究界进行相应的沟通协商。


四、关于支持人工智能应用落地的建议

13.英国政府应与企业和专家合作,建立一个英国人工智能委员会,帮助协调和发展英国的人工智能。

14.信息专员办公室和艾伦·图灵研究所应共同制定一个框架,来解释人工智能的流程、服务和决策,以提高透明度和问责制。

15.国际贸易部应扩大其目前对人工智能企业的支持计划。

16.英国经济如何成功利用人工智能技术来面对当下的机遇和挑战?TechUK应该与英国皇家工程院、Digital Catapult以及业界的关键人物合作,共同为其制定切实可行的指导方针。

17.借助政府数字服务的专业知识、数据科学的伙伴关系以及与其他部门的数据打交道的专家,政府应制定一项行动计划,为公共部门做好准备,并推广应用人工智能技术,用于改善公民运作和服务的最佳实践。

18.政府应确保产业战略挑战基金(ISCF)和小型企业研究计划(SBRI)所面临的挑战,旨在吸引和支持人工智能在整个挑战领域的应用,并为人工智能领域的公共部门数据提供资金支持。




金准数据认为,比之中美,英国的学院氛围更为明显,包括阿兰图灵研究所,以及剑桥大学、爱丁堡大学、牛津大学、伦敦大学学院、华威大学等为国家AI发展献力不少,大中小型企业也都很积极的进行AI尝试,产研转化模式成熟,资本和双创活动都很活跃。


中国人工智能正处于爆发期

中国人工智能产业起步虽然晚,在产业布局等方面还处于初期,但随着技术、资金、市场、人才等多方面因素全线发展,中国人工智能实力已经名列前茅。据iiMedia Research数据显示,中国人工智能产业规模2016年已突破100亿,以43.3%的增长率达到了100.60亿元,预计2017年增长率将提高至51.2%,产业规模达到152.10亿元,并于2019年增长至344.30亿元。


2016年,中国在人工智能领域共开展投融资284次,投融资总额达26亿美元,成为全球人工智能领域第二大“吸金”地。20171-7月我国人工智能行业共发生181起融资事件,其中7月份发生46起,为今年融资次数最多的一个月。从融资金额来看,20171-7月,达到亿元级的融资项目有37次,其中10亿元以上的项目有3次,最高金额达22亿元。


政策利好中国人工智能千亿级市场涌现

我国政府近几年也在持续关注人工智能发展,并针对人工智能制定了多项国家策略。20155月,国务院发布的《中国制造2025》中明确提出“加快发展智能制造装备和产品”。20157月,《国务院关于积极推进“互联网+”行动的指导意见》中将人工智能作为重点布局的11个领域之一。20163月,国务院国民经济和社会发展第十三个五年年规划纲要(草案)》 中指出将重点突破新兴领域人工智能技术等。 20165月,发改委、科技部等4部门联合印发《“互联网+”人工智能三年行动实施方案》,方案提出,到2018年,通过打造人工智能基础资源不创新平台,人工智能产业体系、创新服务体系、标准化体系基本建立,基础核心技术有所突破,总体技术和产业发展与国际同步,应用及系统级技术局部领先。在重点领域培育若干全球领先的人工智能骨干企业,逐步建成基础坚实、创新活跃、开放协作、绿色安全的人工智能产业生态,形成千亿级的人工智能市场应用规模。


人工智能企业和专利数量双增长

根据统计数据,中国人工智能相关专利申请数从2010年开始出现持续增长,于2014年达到19197项,并于2015年开始大幅增长,达到28022项,2016年,中国人工智能相关专利年申请数为29023项。艾媒咨询分析师认为,2010年移动互联网开始发展,技术和数据积累给人工智能研究带来了较大的增长动能。进入2015年,在国 内外人工智能研究和应用场景不断进步的基础上,中国人工智能相关研究开始进入高速发展阶段。这说明,中国人工智能研究水平正在处于不断提高的阶段,目前已取得一定阶段性成果,有望持续发展,预计2018年专利申请数将持续增长。



中国AI发展的四个驱动力:人才、数据、基础设施和计算能力。目前中国在人才、数据和基础设施等方面已经具备了全力发展AI的实力。


人才是AI发展的根本

相对来讲,AI是科技发展的一个新兴领域,对人才的需求将是未来一段时间内的首要问题。美国科技巨头在全球范围内开设实验室以招揽人才,而中国在这方面也不落下风。已有多家中国科技公司开设了海外研究院,如百度在硅谷建立了AI实验室,腾讯在西雅图建立了AI实验室,还在麻省理工学院举办了创业创新大赛的人工智能专场。


数据优势得天独厚

数据方面,中国有着得天独厚的优势。中国人口基数大,网民数量领先全球,这就带来了数据收集方面的优势。据报告,中国的互联网巨头都已建立了完整的在线生态系统,并越来越深入人们日常生活的方方面面,以此获得了海量的数据。目前,全球范围内的数字信息有13%是来自中国的,预测这一数字将在2020年增长至20%-25%

基础设施平台是AI发展的舞台


基础设施方面,中国的互联网巨头们都已搭建了完善的平台和生态系统,这是人才引进和数据收集的前提,也随着人才的争夺和数据的竞争而加速完善。如百度去年9月推出的的深度学习开源平台PaddlePaddle和今年推出的阿波罗计划,都是为人工智能的发展所搭建的平台。


芯片是唯一的短板

而计算能力是目前中国AI发展的制约因素。中国在芯片方面对国外厂商的依赖很严重,不过中国的半导体产业的发展正在加速。预计中国未来可能减弱甚至摆脱对国外厂商芯片的依赖。



总结:金准数据认为,比之英国AI的发展,我国的产研转化模式还不是很成熟,但是目前中国在人才、数据和基础设施等方面已经具备了全力发展AI的实力,发展前景广阔。




2017年中国互联网产业发展综述及未来发展趋势 2018-01-19 22:42:50

前言:2017年,党的十九大报告多次提及互联网,互联网在经济社会发展中的重要地位更加凸显,中国互联网产业发展加速融合,网络强国建设迈出重大步伐,互联网建设管理运用不断完善,互联网、大数据、人工智能和实体经济从初步融合迈向深度融合的新阶段,转型升级的澎湃动力加速汇集,广大人民群众在共享互联网发展成果上拥有更多获得感,中国数字经济发展步入快车道。

报告梳理了中国互联网产业发展的三次浪潮,探究了其获得快速发展的原因及影响,对新营销、泛娱乐产业、新零售产业、本地生活服务、在线旅游、在线教育、新金融、云计算、人工智能等领域进行了回顾总结,并对互联网产业的未来予以展望。


有容量才能有作为每一轮上涨,都要帮助中国经济解决问题



技术是未来中国的国之重器

中概股的回归是中国完成跨代竞争的标志

技术的进步往往会使世界呈现出跨代发展的格局,工业革命以后,相对而言中国的发展落后于资本主义地区。然而信息技术革命又为世界带来了新的发展机遇,使落后国家弯道超车成为可能,很多第三世界国家的互联网产业直接跨过PC时代,从移动互联网起步。而未来中国资本市场也将容纳更多互联网和技术类上市公司。



功能性独立继续推升中国网站数量

在寡头垄断的市场,功能简单清晰也是创业者的策略之一

BAT等互联网巨头存在的情况下,综合服务平台这一定位将不再适合初创企业,选择BAT布局中的薄弱领域,以这一领域用户所需功能进行创业,成功概率有可能更高。



未来中国资本市场扩容压力较大

2020年,信息技术行业将有4万亿市值的上市压力

按照最后一轮投资结束后,2-3年就会产生上市压力的周期判断。20174300亿的风险投资,在2020年将迎来新的上市节点。按照常规投资总额占持股比重10%的常规来看,资本市场扩容压力在4万亿左右。



经济结构调整后的二次腾飞

实体经济支撑了中国的互联网技术产业



信息技术与商务服务会从其它中拆分

传统八大产业增加值未来复合增速较低



资本市场的火热源自于产业本身

网络经济远高于GDP的行业增速




网络产业复合增速数倍于传统产业

移动购物仍为移动互联网经济主体,未来移动广告增速最快

艾瑞统计预测,从2011-2019年移动互联网经济细分结构来看,移动购物在移动互联网经济中的占比经历了多年的高速增长后将出现回落,而移动广告和移动支付所占比例还将继续提升,此外,移动游戏的占比将伴随着移动游戏市场的不断成熟,趋于相对稳定的水平。


2016-2019年移动互联网经济细分市场的复合增长率来看,增长较快的是网络广告市场和移动支付市场,复合增长率均超过30%。预计未来三年移动广告市场规模和移动支付市场规模将出现大幅增长。





网络经济的强盛源自于用户

宏观层面的人口红利枯竭

2016年,网民和移动网民分别达到7.3亿人和7.0亿人,增速均放缓,其中,移动网民在网民中的占比已经达到95.1%。受人群上网技能和文化水平等多方面因素的限制,经历过多年快速增长后,网络普及过程中的人口红利已殆尽,网民和移动网民数量趋于稳定。受二胎政策的逐步放开影响,伴随着新一代的长成,未来网民及移动网民数量还将出现新波峰。






微观层面人口红利始终存在

创新促进产业发展,同业竞争过度滋生灰产





网基操作终端已产生认知共性

未来PC端将以工作为主平台,移动办公与娱乐需求并存

PC,手机Pad三大网基操作终端中,视频由于本身行业特质问题,使其所占有的用户实用时间普遍比较长。而搜索与电商几乎是现代白领在办公室的主要上网活动,在有PC的情况下,用户行为提高了电子商务使用时长。而手机端秉承了通讯工具的基础属性,又因为人类本身存在大量社交需求,这与手机终端的认知定位相温和,加之其便携的特点,提高了通讯聊天在手机端上的主导地位。而Pad的存在比较尴尬,相比而言,用户对Pad的认知更像游戏机,因此与休闲有关的产品所占时长最高。整体来看,PC的工作主平台作用在移动办公的驱使下,将会被弱化。


工作平台影响PC产业

移动办公彻底普及时,PC电商交易将不复存在



尚未破解的移动商业模式密码

应用分发的流量暴涨,反映出流量变现依旧是主流商业模式


中国互联网产业的三次浪潮

媒体属性的回归,流量变现中流量的概念将被扩大


01新营销

网络营销的新阶段

2017年网络营销关键词:智能与原生

2017年,中国网络广告规模预计近4000亿元,在中国广告市场中占比将超过50%。受网民人数增长,数字媒体使用时长增长、网络视听业务快速增长等因素推动,未来几年,报纸、杂志、电视广告将继续下滑,而网络广告市场还将保持较快速度增长。

网络广告在2017年的关键词为“智能化”与“原生化”。广告主对于网络广告的玩法更加熟悉,广告类型也随着原生广告的发展而不断进化,广告与内容之间的界限愈加模糊。随着网络环境的不断改善,视频成为了人们接受信息更习惯的内容形式,视频类广告也得到较快发展。同时,AI的快速迭代也将在网络营销领域快速得到落地,智能营销成为当前最火热的名词,也为行业注入新的机会点。


新晋者高歌猛进,细分领域风云变幻

信息流广告成主要增长点,蚕食传统展示类广告蛋糕

2017年中国网络广告各形式中,电商广告占比为29.8%,与去年基本持平,信息流广告占比超过14%,继续保持高速增长。搜索广告占比仍将持续下降,预计在2020年将保持在20%左右的份额。

未来更加原生的信息流广告也将具有更多的表现形式,规模仍将不断增长,从而成为未来网络广告增量市场最主要的一员。

family:宋体;mso-fareast-theme-font: minor-fareast;mso-hansi-font-family:Calibri;mso-hansi-theme-font:minor-latin'>的快速迭代也将在网络营销领域快速得到落地,智能营销成为当前最火热的名词,也为行业注入新的机会点。



原生的魅力:快速迭代的花样形态

以信息流为代表的新原生广告:5年内可见的两千亿市场

原生广告的发展随着媒体内容流的不断增多、媒体承载形态的不断丰富而持续扩张。以信息流广告为代表的新原生广告形态,其市场规模从2015年的188.2亿元增长至2016年的373.1亿元,预计在五年内可达2000亿元,复合增长率超过60%,成为原生广告发展的主要推动力。搜索广告虽在人工智能结合中在未来也将稳步增长,但增速将在五年内低于新形态的原生广告。但同时,在如此乐观的市场环境下,原生广告也在未来十年内将迎来相对瓶颈期。其瓶颈主要来自于媒体内容的承载能力(库存量)、用户在有限的注意力时间内对于原生广告的频率接受上限等。


信息流广告一枝独秀

营销SaaS和户外广告潜力巨大



流量固化加速,数字营销进入深水区

亟待挖掘新的流量增长点,并提升流量变现效率

从1997年英特尔在ChinaByte上投放的第一个互联网广告算起,中国数字营销已经走过二十个年头,二十年间,其获得了超高速增长,2017年市场规模突破3800亿,但随着互联网环境的变化,作为广告基石的流量,其固化现象越发明显,数字营销进入深水区,尤其体现在两个方面:1)流量增量放缓;2)流量存量向头部集中。基于此,艾瑞分析认为,数字营销未来发展要解决的核心问题是挖掘新的流量增长点,并提升流量变现效率。注意力时间内对于原生广告的频率接受上限等。



02泛娱乐产业


经济发展为文化娱乐发展提供契机

相比发达国家,中国文娱产业仍有较大发展空间

文化娱乐产业未来发展前景良好,但与发达经济体相比,中国的文化娱乐产业仍处于发展的早期阶段。2016年,中国文化娱乐产业GDP在总GDP中的占比为4.1%,而美国的占比为6.5%。随着中国的人均GDP于2016年超过8000美元,在互联网普及和IP版权意识不断提高的推动下,中国娱乐行业将实现爆发性的增长。

艾瑞分析认为,相比美国发展水平,中国文化娱乐产业仍有较大发展空间,随着经济实力增长,人民物质水平提升,未来中国文化娱乐产业将以高于美国的速度增长。



泛娱乐行业整体进入健康发展期

克服“低俗”、“盗版”等弊病,行业进入良性循环

互联网泛娱乐行业主要是指依托互联网载体,进行生产、传播娱乐内容的平台所处的整体行业,当前主要包括网络游戏、在线视频、网络文学、在线音乐、网络动漫(二次元)、在线直播和短视频形式。

随着互联网环境的进步和移动设备的兴起,网络承担的角色从通讯、办公逐渐向娱乐伸展,而网络娱乐资源的丰富度和传播的便利性,逐渐促使其成为用户娱乐的主流方式。


多内容形式互补,融合成为关键词

市场不断新生,为整体泛娱乐市场带来新的活力

2017年预计中国互联网泛娱乐行业市场规模达到4098.8亿,较上年增速高达41.8%。

过去在线上渠道,出现了许多变现效果良好的新兴行业如在线视频、直播、短视频、二次元市场等,为互联网娱乐市场不断扩充市场空间带来重要贡献,预计未来随着用户行为的持续转移,线上渠道将成为用户娱乐功能的主要承载体。艾瑞分析,未来互联网娱乐发展将由如下原因促进:1)线上娱乐更具灵活性,受时间空间影响较少;2)互联网的出现创造了更多新的娱乐形式,如直播、短视频、网络文学等,丰富了人们的娱乐体验;3)线上娱乐能够通过数据分析等手段提供更加个性化的娱乐内容,从而提升用户体验;4)相比内容和形式更为局限的线下娱乐,线上娱乐给用户更广阔的创作空间及更丰富的娱乐内容。



整体结构向“一超多强”发展

新兴娱乐类型促使用户从“内容消费”向“内容生产”转变

游戏作为互联网泛娱乐领域起步最早的形式之一,拥有强大的用户付费意愿,商业模式相对成熟,在经过前两年游戏用户的快速积累后,逐渐进入存量市场,未来增速减缓但依然为泛娱乐行业中市场规模占比最高的细分行业;在线视频在经过多年布局后,成为互联网用户基础最大的网络服务之一,近年来各视频平台逐渐从媒体角色向内容提供方角色跨进,在广告收入基础上促进用户付费意愿的提高,在高粘性高频率的用户基础上,未来仍有较大发展空间,成为泛娱乐行业中第二大细分行业;此外,伴随硬件成熟,直播和短视频行业迎来新的生机,并大大激发了用户的内容生产热情,促使整体互联网进入“全民内容时代”,未来随着商业化探索逐渐成熟,将有较大的发展空间。



泛娱乐行业普遍“马太效应”显著优质内容的稀缺性使得资本成为博弈的关键


以IP为核心,各行业间边界模糊

与粉丝经济结合成为内容持续运营的关键

经过长期的发展,泛娱乐行业各细分行业间的边界逐渐模糊,行业间的合作与渗透不断加深,生态链逐渐发展成熟。在此趋势下,明星IP和内容IP都成为泛娱乐生态下的核心资源,价值不断凸显。IP可以将文学、影视等不同的内容形式串联起来,满足粉丝的多元化需求,帮助产业打通整个泛娱乐生态链。围绕顶级IP开发一系列商业模式成为主流;结合粉丝经济进行IP的持续运营,帮助整个产业持续性产生价值。




03新零售产业

线上零售平稳增长

2017年中国网络零售市场规模超6万亿元,同比增长29.6%

2017年是中国线上线下融合的实践年,在消费升级以及数据驱动的大背景下,中国网络零售市场活力重现。2017年中国网络零售市场规模突破6万亿元,在社会消费品零售总额中占比达到16.4%,同比增长29.6%,多年以来增速首次回升。艾瑞分析认为,线上线下融合的新业态模式不仅是对实体零售的赋能,也是对线上零售结构的重新调整,更多精准高质量的流量导入使网络零售焕发出新的活力。从垂直领域发展来看,生鲜、跨境、母婴依然是高速增长的热门品类。



“无人”业态引领零售创新浪潮

科技、数据赋能,助力全产业链升级

当前中国无人零售行业主要呈现五大特点:以降低人工成本作为无人零售的主要切入点,在重视消费体验,拓展零售场景的同时通过多种技术手段实现大数据的收集、分析与应用,并最终实现消费流程的全面数据化以及整个产业链的智能化升级提效。艾瑞分析认为,零售产业链的全面数据化是无人零售背后的战略核心,包括客流数据、商品数据、消费数据、金融数据等的全面融合与应用。

艾瑞咨询最新统计数据,2017年无人零售市场(含贩卖机)交易规模保守估计将接近200亿元,预计2020年将突破650亿,三年复合增长率在50%左右。




消费升级,需求端倒逼上游供应链重塑

品质电商发展迅速,品质、性价比、消费体验并重

随着居民可支配收入持续增长,消费升级趋势日益显现:以高品质、高性价比、重体验为发展方向。传统电商中商品质量良莠不齐的问题突出,对用户而言信息甄别成本极高;在此背景下,品质电商应运而生并迅速发展:一方面,通过传递“优选”、“甄选”的品牌形象获得持续增长的消费受众,迎合消费升级的趋势;另一方面,通过需求端逆向传导重塑上游供应链,品控和成本控制同步提升,在更好满足用户消费需求的同时,为传统制造业转型升级提供内在驱动。




线上线下融合催生新型业态以生鲜品类为代表的零售新物种涌现

随着零售业线上线下融合,生鲜品类因其独特属性成为渠道融合模式创新的“试验田”。就品类特征而言,生鲜作为高频刚需品,保质期短易变质,储藏条件要求高,且多为非标品;就行业特征而言,生鲜行业毛利虽然较高,但受制于国内冷链物流发展滞后,生鲜仓储及运输成本高、可控性差,加之生鲜电商起步较晚,定价偏高,线上渠道优势不甚明显;而就消费需求层面而言,生鲜品类消费升级潜力巨大:根据国外经验数据,当人均GDP达到9000美元时,生鲜市场总体需求呈现明显增长;世界银行数据显示,2016年我国人均GDP达到8123美元。据此,艾瑞分析认为,未来三年国内生鲜品类零售(含线上线下)将进入高速增长期。就国内生鲜零售发展现状而言,伴随线上线下融合的发展趋势,以生鲜零售新物种为代表的“门店+餐饮+配送”新型业态将迎来快速发展期。




04本地生活服务

万亿市场极速爆发

本地生活服务行业的互联网进程快速推进

近年来,我国互联网本地生活服务市场快速发展,市场规模迅速攀升,越来越多的消费者逐渐习惯通过互联网来满足自己的日常需求。数据显示,2017年中国互联网本地生活服务行业整体市场规模达11457.4亿元,同比增速高达49.6%。艾瑞分析认为,主要归因于以下几点:首先,智能设备与移动支付的普及为本地生活的互联网化提供了必要的发展环境;其次,O2O对用户生活服务场景的覆盖不断提升,满足了消费者多元化、碎片化的消费需求;此外,众多现象级产品的出现以及大规模补贴的投入培养了用户习惯,用户使用频率不断上升。本地生活服务市场空间广阔,然而互联网渗透仅为12.7%,存在巨大潜力空间。



细分领域体量差别大

高频刚需市场发展速度更快

本地生活服务囊括了居民日常生活的众多消费场景:餐饮、商超、电影、休闲娱乐、美业等等。各细分领域由于发展阶段、消费者规模各不相同,市场份额呈阶梯状分布。餐饮、电影等细分领域由于其高频刚需的特征,用户培育与市场拓展难度相对较小,发展更加成熟。从细分市场构成来看,餐饮在互联网本地生活服务领域中占比最大,2017年占比高达62.2%。婚庆、商超宅配、家政维修等细分领域市场份额连年升高,占领越来越重要的地位。



餐饮O2O规模增势迅猛

是推动互联网生活服务行业高速发展的重要引擎

数据显示,2017年中国餐饮O2O市场规模为7128.2亿元,同比增速高达70.9%,延续了近几年爆发式的增长态势,是推动互联网生活服务行业高速发展的重要引擎。餐饮O2O规模的高速增长一方面得益于近几年懒人经济及补贴刺激下外卖市场的火爆,另一方面,随着移动支付对用户生活场景覆盖度的不断提升,到店餐饮O2O市场规模也在迅速上升。



05在线旅游


流量运营进入提质阶段

产业链下沉渗透是重要解决方案

2017年中国整体网民规模增长率将会进一步降低,以高额数量增长的互联网人口作为红利来进行迅速扩张的在线旅游企业们面临着流量消退的困局。面对这种局面,各家的应对方式各有其特点。透过这些解决方案,延长产业链,扩大产品提供品类,进行场景式营销,提高单客户消费金额是改变流量困局的关键。




行业风口迅速成长

度假成为发展亮点,但机遇和困难并存

2009年以来,中国在线度假市场交易规模占在线旅游市场交易规模的比重持续上升,且其增长率持续超过在线旅游市场交易规模增长率,原因主要有以下两点:第一,随着中国的消费升级,旅游消费者在旅游形式上不再只满足于景区观光,而是产生了更高的需求,如旅游体验和休闲度假等,因此度假交易规模在很长一段时间以来以高于整个在线旅游行业的增长率保持增长;第二,随着在线旅游市场的进一步扩张,行业内竞争激烈,传统的机票酒店预订产品毛利率逐渐下滑,以OTA为首的在线旅游企业急需寻找新的利润增长点,而度假产品以其高毛利率性及多样性吸引了在线旅游企业的关注。但目前,机票酒店规模仍高于度假规模,在线度假市场未来如何进一步成长仍需行业共同探索。




新的高潜领域出现

目的地服务准备起跑

目的地服务的崛起一方面代表着OTA等在线旅游企业对高毛利率产品及服务的追求;一方面代表着旅游消费者的消费意识发生改变,对旅游产品及服务的质量等要求提高。在目的地服务兴起的背后,主要有三种影响因素:一是旅游领域移动互联网化程度的提高,消费者在行程途中通过移动设备及移动互联网进行预订、查询、消费,使得OTA等在线旅游企业急需在旅游目的地铺展服务,通过高质量服务提高自身的客户留存率;二是旅游方式的个性化,消费升级的大环境使得传统的目的地服务难以满足消费者越来越多的个性化需求;三是P2P服务的发展,个人与个人的资源共享及资源交换弥补了大企业在目的地服务领域中的不足,促使目的地服务的升级和健康发展。



06在线教育

中国在线教育市场规模

行业逐渐步入初步成熟期,市场进一步回归教育本质

艾瑞咨询数据显示,2017年中国在线教育市场规模达2002.6亿元,同比增长27.9%。未来几年,中国在线教育的市场规模同比增长幅度持续降低但增长势头保持稳健,预计在2022年其市场规模将达5433.5亿元。用户对在线教育的接受度不断提升、付费意识的觉醒以及线上学习丰富度的完善等是在线教育市场规模持续增长的主要原因。

艾瑞分析认为,中国在线教育经过前两年的野蛮生长和市场检验,部分重要赛道的商业模式已经成熟,现阶段资本市场开始回归理性,而创业者也变得更加谨慎,市场整体开始步入初步成熟期。在这个阶段,市场对教学教研能力更高、技术研发能力更强和运营服务水平更好的企业更具包容性,同时企业需要不断提升用户学习的有效性、服务的完整性和学习体验以提升用户的忠诚度,进而提升企业的盈利能力。




中国在线教育细分市场结构

中小学在线教育市场份额逐年提升,职业在线教育的市场份额在波动中有所提升

艾瑞咨询数据显示,中小学在线教育、高等学历在线教育及职业在线教育将一直是在线教育的市场主体,占整个在线教育市场规模的95.0%以上。艾瑞分析认为,虽然中小学课外培训是一个刚需市场,但是该阶段的学习存在着不可逆性和市场成本高的特点,因此在市场初期阶的占比相对较低。用户不断被市场培养及教育,线上学习的场景属性和体验不断提升,用户对线上教育的接受度不断提升,因此该赛道的市场份额占比不断提升。而职业在线教育的学习内容与工作的相关度比较高,且有效的弥补企业与学校之间、用户与所在岗位之间的需求不匹配,因此用户的付费意识高,付费意愿强,其盈利模式较为成熟,因此在市场中的份额总体较为稳定。



中国在线教育用户规模

2017年中国在线教育用户规模突破1亿,未来将持续增长

艾瑞咨询数据显示,2017年中国在线教育的用户达到10979.9万人,预计未来几年在线教育用户规模将持续攀升。

艾瑞分析认为,中国在线教育的用户规模不断增长主要原因如下:1、在线教育学习平台越发成熟,名师、“大V”等均可通过各类平台在线教学或传递知识,实现教育资源优质共享,吸引更多用户;2、在线教育对学校和辅导机构的服务进一步延伸渗透,传统教育企业不断拓展或转型线上业务,用户覆盖区域不断触达三四线及以下城市,用户转化率不断提升;3、工具及技术支持不断进化,解决了不同的用户需求,吸引更多的用户;4、移动端入口不断普及,用户触达在线教育的门槛降低。



2017年在线教育关键词:变现

两年狂奔之后逐渐回归商业本质,直播成变现法门


用户为效果付费是核心商业逻辑

在线教育的颠覆梦想正式破灭,注重教学和服务才是正道

不管在线教育的梦想多么美好,人类大脑接受教育的过程始终没有改变:教育的效果仍须借由完整的教学体系来实现,即1)需要优质内容,2)需要“教、学、练、测、评”等一系列教学过程,3)需要教学之后的服务和管理,以此克服人类学习进步的惰性。在多数情况下,用户没有能力将碎片化的教育资源整合到一个有效的体系中,也就无法通过单一环节的教育工具或服务预期到自己未来的学习效果,也就无法轻易做出购买决策。只有在少数情况下——用户的自学动力和能力较强(如成人用户准备求职考试),或者学习内容的复杂度不高(如学习一门语言),此时用户有能力将学习资源整合到自己已经建立的知识储备中,学习效果可以由用户主观决定,用户才愿意付费。

2017年,业内机构逐渐意识到“为效果付费”是在线教育的核心商业逻辑,直播赛道的火热也造就了在线教育变现元年。虽然理顺了逻辑,但在线教育的用户体验仍十分粗糙,教育效果仍存在很大的不确定性。注重教学和服务,解决体验粗糙和效果模糊将是各机构下一步的攻克重点。




07新金融


这的确是最好的时代

十年酝酿,中国金融才真正开始线上化

信贷是金融的核心,自2007年P2P登陆中国开始,国内的信贷就开始了漫长的线上化进程。但是碍于体制和理念的原因,中国的信贷线上化,始终停留在“电商”层面,以一种网络兜售信贷的方式试水线上信贷。这种初级又低效的方式持续了很久,然而对传统金融机构的促进却极其有限。导致2007-2017这十年间,中国的线上信贷始终停留在网络信贷的层面,互联网金融无论是非功过,至少都在探索信贷线上化的种种可能。2017年,现金贷的兴起是中国金融孕育出的“怪胎”,

它既保留了传统金融的运作方法和理念,又融入了许多网络金融的技术元素,更为重要的是,现金贷在网络平台出现之后,经过历次改版升级后的电子银行产品也悄无声息的融入了现金贷的功能。至此,更加深入的信贷线上化,才算正式拉开帷幕,金融业真正进入了互联网人常说的“最好的时代”。

信贷业务的全流程存在四个重要的节点,这四个节点有任何一个节点涉及线上,从更加宏观的视角审视,都应该涵盖在中国整体信贷线上化的蓝图中。


逐渐垄断化的互联网金融品牌吸引流量,流量带来垄断


融合的开始

优质资产的供给是互联网金融存在的意义

经历了利用模式和“花样”吸引用户的阶段后,互联网信贷的核心关注点,开始回归金融本源。单纯的互联网金融对运营和利润要求都非常高,所以互联网金融要么选择依托某一种已经具备的线上优势展开金融业务,要么选择将线下业务的某一个环节互联网化,以此达到品牌价值的提升。

从艾瑞的角度看,之所以我们称目前为互联网金融最好的时代,就是看到了互联网金融和传统金融不再互相“敌对”。开始真正从业务上思考合作可能的未来图景。


互联网信贷进入品牌时代

未来互联网环境将生成更多资产,平台背书将更加重要

尽管增速放缓,但即便未来保持平均每年40%左右的信贷余额增速,在互联网各行业中也属于高速成长的行业。因此,未来互联网环境将继续承担“资产工厂”的角色,高速高效的生成新资产。而在这一过程中,坐拥资金的金融机构如何进行筛选将变成核心课题。在没有合作风控,或者资本关系的前提下,平台的品牌积淀将成为资金端选择优质资产的重要考量指标。艾瑞认为,以下三点将成为评价互联网信贷机构品牌实力的指标:第一:成立时间,越长越好。第二,平台转化率,高于同业机构,越高越好。第三,复购率,复购率指用户再次借贷行为。在没有深入合作的基础上,考量以上三个指标,能最大限度的帮助企业鉴别资产质量。




混合信贷的春天

现金贷成为互联网于传统金融的纽带

2017年,P2P借贷余额依旧占据最大比重。因为现金贷的出现使网络小贷这一品类占比下降的速度大幅延缓。在花呗、白条等互联网产品的壮大下,电商消费金融在网贷行业中的地位进一步提升。而且,在趣店等当初明确打出消费分期的企业上市并宣布转型电商之后,网络分期这一品类有可能失去分类价值,在运营模式上与电商消费金融极其类似,统计上有可能合并。在未来银行牌照没有因为监管而独揽大权之前,互联网银行可能会收到压制,但其丰富的想象空间,让我们依然看好。



线上信贷内涵扩大

科技元素在信贷四个环节中的渗透,模糊线上线下的边界

在“线上获客,大数据风控,IT系统构建及贷后管理”四个领域中,不同程度引入金融科技元素后的泛线上信贷领域,2017年交易规模超过10万亿,到2020年复合增长率高达57.36%。如此高增速的背后并非网络信贷单方面的努力,而是传统信贷与金融科技融合达到的效果。换句话说,在互金与传统金融机构的双重推动下,金融科技开始向传统信贷渗透,使得大量传统信贷的交易规模,被纳入到互联网金融的版图中。这也是,线上信贷内涵扩大的主要原因。



信贷线上化的倒计时

成本支出连年攀升,意味着全社会刚刚开始构建基础设施

因为时间的原因,银行线下网点的成本支出的总规模始终比较固定,每年保持3%左右的增幅,这个数字未来的变化非常不固定,因为一方面线上金融产品的发迹,使得线下网点的作用有所降低;而另一方面线下网点的互联网改造又可能带来投入的提升。这两个互相冲突的元素作用力的大小取决于未来银行内部角力的结果,如果互联网部门说服领导,那么相应的投入就会更多。

反观网络信贷这一端,成本支出连年提高,而且未来增速依然会保持较高水平。这是互联网信贷终于产生影响力的标志,意味着社会逐步注重线上基础设施的投入。不过这也给全中国的信贷线上化进程加上了时间限制,如果未来线上信贷的规模增速低于成本支出的增速,那么线上信贷就极有可能胎死腹中。



互联网的流量特质尚未扭转

短期难以成熟的风控和万变不离其宗的获客

按照“获客、风控、系统、贷后”四个结构拆分,中国泛线上信贷成本支出的结构如下。2013年甚至于更早的时候,线上信贷几乎不存在,所以那个时候绝大部分的投入,都集中在从零开始搭建的系统上。但是随着时间的推移以及技术能力超强的延展性,使得系统开支逐渐向系统升级方向转变。投入占比相应减小。取而代之的是更加核心的风控,和互联网基础属性——流入层面的投入。




商业本质的内生危机

“背靠大树”依然是网络信贷最经济的发展方式

在中国整体金融业务开展方式下,传统金融机构依托网点的经营成本,只占全部个人信贷和中小微企业信贷总规模的1%多一点。而线上信贷开展过程中,投入的成本却占到了线上信贷总规模的4.5%左右。所以传统银行信贷3%左右的利差,足以覆盖这1%的成本。因此逻辑上,传统金融的商业本质是成功的,可维系的。但如果互联网金融的内涵与金融无异,亦或者是金融科技想服务于金融,在行业视角上看,其至少需要5%的利差,才能将商业本质跑通。这在长期看来,几乎是不可能的。

因此现在中国市场上,发展较好的网络信贷平台均采用“背靠大树”的方式发展。但本文所述的“大树”并非资本集团,而是在“获客、风控、系统、贷后”四个方面某一方面或某几方面存在的固有优势。这些公司基于这些优势,搭建起来自己的金融帝国,而这种方式追溯到金融本质,就是通过消除网贷某一环节的投入成本,拉低自己利差的基本要求,进而扩大业务规模。




争夺的分立

多样化的资产处理方式,加速传统金融互联网进程


自余额宝之后,网络理财行业发展比较缓慢,主要问题在于模式上的创新难以突破想象力的天花板。并且随着传统金融也对优质资产的渴求,网络金融生态面临“外来”势力的侵蚀。部分互联网金融平台,为求低价连续的现金流,选择将资产向外输出。从宏观大环境上看,这有利于提高我国金融行业的活性,促进线上线下融合。但从网络金融的视角看,一旦全行业完全依赖于传统金融机构的资金供给,有可能进一步抑制网络理财行业的创新能力。


普惠性正在减弱的网络理财

当网络资产逐渐普及之后,金融中介将重新掌握主动权

2017年,中国网络资产规模接近3.5万亿,相比于信贷市场的火爆,网络资管增速有所下滑。部分原因在于,中国互联网金融在理财这一端的普惠性正在跟着网络资产的普遍性而逐渐减弱。普通用户享受网络资产带来的财富增值效应,其渠道在过去两年内均没有大幅度拓宽。虽然网络理财并不完全局限于网络资产,但是在网络资产相对处于弱势的情况下,网络理财的资金补充,是支持整个互联网金融最大的资金源。但是当网络资产逐步普及后,资本的嗜血性和监管要求的双重作用下,大多有能力生成网络资产的机构,均采取了某种金融中介的形式。所以在网络理财这一端,过去一年创新并不明显,导致增速下滑。



国家在有意保护“现金流”

行业结构相对稳定,缺乏创新的古老市场

非常值得一提的是网络股权投资的前景,因为股权众筹在中国遇阻,所以传统互联网金融的发展模式均受到了限制。所谓的“去中介化”在中国金融稳定的大前提下,显得势单力薄。在中国,居民的可投资资产十分珍贵,是维系经济运营,维系传统金融体制正常运转的核心资源。无论是资本市场,还是其它投资市场,居民可投资资产都是保证市场流动性的根源。所以,从国家意志的层面,维持金融稳定,与保护“现金流”不分流有着千丝万缕的联系。未来能够打破现在市场格局的事件依然是创新。



竞争带来的资产争抢

“以贷带存”的发展模式,使得网络资产两极分化

中国现存的市场来看,在传统金融机构擅长的领域,相对已经被充分开发,四大行和其它商业银行的竞争格局比较稳定,很难发生大规模的信贷源转移。而银行间为了生存的竞争压力,无形中向互联网金融传导。对于网络商业生态来说,是一片亟待开发的“净土”,当然陌生的信贷环境势必会考验银行的风险承受能力,但是竞争压力迫使银行不得不直面这种压力,最终达到一种市场均衡。这种奇妙的均衡,让本来需要网络理财作为行业闭环的资金提供方,产生了两极分化。一部分优质资产通过传统金融渠道流入社会,剩下的资产在网络上自行消化。在基金和保险等传统理财产品线上化进程遭遇瓶颈的当下,网络理财生态逐渐形成了,好资产与坏资产的区分。理论上这对于各家互联网金融平台的影响并不大,但是对网络理财生态来说是一种侵蚀,优质资产向传统金融渠道的流出,会限制网络理财行业自身的创新力。




内部的变革

支付公司角色变成“银行”,支付行业内部职能重构

中国第三方支付行业内,移动支付发展势头依旧迅猛。但是伴随着移动支付向线下的拓展,支付牌照所涵盖的七大业务中,各种业务的定位也随即开始改变。

随着政策的变动,聚合支付公司开始向企业服务平台转变,其“雇佣军”角色愈加明显。而银行卡收单与移动支付的连接更加紧密,也给几乎“濒死”的业务带来一线曙光。除非未来支付宝与财付通一家独大,或二者合并,否则短期内移动支付的发展,将受到传统银行卡收单优势企业的制约。


技术脉冲式的促进作用

人口和资本红利殆尽的支付行业,受到技术推动继续增长

用户、资本和技术,是推动互联网产业发展的三个重要动力。其对行业促进的方式也各不相同,用户推动行业爆发式增长,资本推动从业者增多,这两种元素对行业的推动都遵循边际递减效应,随着时间的推移,这二者的促进将逐渐降低。而技术对行业的促进方式则有所不同,由于无法预估下一轮技术的爆发点,所以技术对行业的促进是“脉冲式”的,某一时刻的促进会将行业增速提高,而后自然衰退。而下一次技术推动会产生和上一轮相似的数据表现。因此行业到了以技术为推动的阶段时,增速的变化相对比较跳跃,目前中国第三方支付行业就处在这样一个历史背景中。



贵族的更替

不同支付业务商业职能的变化,促进更多内部合作

移动支付的线下扩张,极大的改变了过去支付行业的商业业态,也几乎颠覆了全社会的支付习惯。过去银行卡收单对支付行业交易规模的贡献始终最高,占比大于50%。而2015年之后,随着社交支付的兴起,银行卡的使用频率骤降,这对银行卡收单行业中的传统业务产生了巨大打击,相当于釜底抽薪。但是也随之为古老的银行卡收单业务带来了新的活力,智能POS和丰富的线下布局,使得他们天生的成为移动支付线下扩张中的良好助力。



贵族的更替

不同支付业务商业职能的变化,促进更多内部合作

在整条线下支付的商业版图中,银行卡收单是在移动互联网新趋势下,发挥独特历史作用的“古老贵族”。近年来,互联网商业领袖及互联网巨头的战略,都不约而同的集中在线下实体经济。但实际上线下商业环境非常复杂,擅长轻资产运营的互联网公司,在进军线下的过程中并没有想象中那么顺利。比如:线下团队管理、绩效、监督、营销和服务等,每一项都和线上有区别。而互联网公司的不足,却是银行卡收单机构的优势,这也造就了中国移动支付线下支付独特的图景,移动支付公司通过两条渠道完成业务,一条是利用自身资源,联合聚合支付公司帮助商户直接转化;另一条是与银行卡收单机构合作。而当银行卡收单机构的智能POS协助完成了移动支付业务后,这笔业务产生的交易规模既计入移动支付,又计入银行卡收单。



互联网金融的终级命题

模式创新是企业生存的根本,但改变世界还是遵循大数原则

2016年,监管机构对互联网金融政策趋严,理论上这对互联网金融全行业不会产生负面影响,因为至今为止,并没有任何一家优质互金平台因为监管趋严而倒闭。业界对中国监管机制的担忧源于两个方面:一方面,中国本身比较“红”,而金融本身又是现代全球国家间竞争的主要战场;另一方面,和传统金融相比,互金在各类业务运营模式上均比较新,所以任何关于合规方面的政策变动,都会让业内非常关注和紧张。而这种“惊弓之鸟”式的发展环境,给互金带来了一种重要变化。

互联网的商业本质是流量转化,而互金行业的模式创新,有最大的可能使企业行为转化为社会事件,进而吸引一大批用户。之后的用户经营,就是改变社会认知的过程,所以说模式创新是互金行业生存的根本,但是遵循大数原则的社会认知改变,才是企业品牌价值逐渐积累的过程。互金行业中一系列宏观环境的变化,使得互金行业进入了“拼品牌”的时代,不同机构间,同样的业务同时推向市场,品牌优势最大的机构所形成的流量转化最大。支付在这个品牌时代中所起的作用最大,原因在于支付是金融业务中,用户需求频率最高的,而用户日常使用最多,无形之中就积累了自身对这个品牌的忠诚度,“熟悉”是这个时代以至未来,互联网金融的终极命题。



08云计算

云计算与人工智能、大数据相辅相成

云服务、大数据、人工智能已经俨然成为行业内“前沿科技”的代名词;而三者之间也密不可分,呈现出相辅相成的发展关系。其中,云计算与大数据的联系最为紧密:在产生海量数据的信息社会中,云计算与大数据共同为数据的存储、提取、处理、利用贡献力量。除此之外,在人工智能、生命科学、物联网等前沿科技中,其数据量之庞大都必须依赖于云计算、云存储等底层云服务。可以说,云服务业已成为各类前沿科技中不可或缺的基础性服务。




云服务的层级将日益模糊

IaaS、PaaS、SaaS界限日渐模糊,跨层融合成为趋势

当前,云计算在企业中的应用越来越广泛,单一的服务模式已经不能满足企业的需要,IaaS、PaaS和SaaS三者间的界限逐渐变得模糊。部分PaaS层服务具有刚需性质,企业希望能够获得包含基础资源、数据库、中间件等在内的完整环境,驱使PaaS和IaaS层相互渗透;为缓解SaaS产品标准化和企业个性化需求间的矛盾,云服务商将PaaS与SaaS层有机结合,提供一体化、一站式的解决方案。IaaS、PaaS、SaaS融合,可以通过跨层服务的方式为企业带来更全面的增值服务和更良好的操作体验,有利于云服务市场的良性快速发展。




数据的价值将不断彰显

云服务的商业模式将围绕数据探索更多可能性

云服务厂商“接管”了企业业务之后,实际上吸聚了海量的数据;而这些数据的价值也越来越受到各级云服务厂商的重视,正推动着不少厂商从提供工具服务(或基础性服务)到提供数据服务的转变。这种转变对SaaS厂商来说显得尤为显著。首先,这里的数据服务不只是停留在财务报表、数据统计与分析之类的静态层面,而是要基于客户的业务数据为其决策提供支持,为客户创造更多价值。更进一步,当厂商拥有足够多的客户、积累到足够大的数据量时(也即拥有了真正的行业大数据能力时),可以挖掘出更多数据服务的可能性,例如精准营销、授信、金融服务等等。可以说,对数据的重视与利用,一方面给整个SaaS行业带来了商业模式的变革,即基于软件自身的数据价值延展出更多增值服务能力,另一方面也是行业发展思路上的转型。在保证用户信息安全的前提下,SaaS厂商合理地利用数据、挖掘数据的潜在价值,不仅能为客户自身带来收益,而且推动了整个行业的进步。




09人工智能

人工智能VS人类智能

机智过人还是技不如人?

经过海量数据训练,人工智能可在边界清晰的领域内游刃有余,只是与可在开放环境下对变化中的事物不断学习进而适应的人类智能相比,机器在面对超过固定规则设置的罕见场景时,往往不知所措,鲁棒性有待提高。不过,在面对超大规模数据且对实时性有所要求的超复杂性问题,机器能力往往远胜人类,日常生活、社会运营的诸多场景均有丰富的可供智能技术升级改造的空间。




人工智能产业链

人工智能技术逐步向各行业场景渗透


嵌入式感知系统加速产业智能升级

前端智能的渗透率将逐步提升,与后端协同智能计算


伴随AI专用芯片及嵌入式感知系统的成熟研发,前端设备即可完成相对基础的视觉、语音识别及对话交互,并将识别、分类的结果实时应用,实现前端智能。对于需要大量计算、存储资源,利用多维度数据关联分析的诸多场景,后端服务器计算依然是当前主流。前端智能的渗透率将逐步提升,与后端智能协同加速产业升级,不仅可满足特定场景对实时性、隐私性的要求,还可在前端成像(千万像素、千帧/秒)提供越来越多数据信息的背景下,让前端智能选择预处理过的结构化的高

质量数据及分析结果传输至后端,减少因带宽压力过大导致的丢包、压缩所引起的信息丢失或误差,提升智能分析的准确性。前端智能系统的功耗、稳定性、存储空间、数据及系统更新的网络传输等诸多重要问题仍有待解决,现阶段主要通过压缩算法模型、挖掘硬件潜力以及在压缩模型的同时针对现有芯片进行优化来解决功耗有限、运算能力低的问题。



技术供应商将继续完善商业服务链条

对于更为广泛的传统行业或线下使用场景的潜在客户,人工智能的技术落地往往涉及对具体业务场景的硬件设备改造、软件集成以及本地计算设施的部署,算法、技术的实际功效更需要建立在对客户真实业务场景的深层理解之上的针对性开发。不断增长的市场需求要求更加全面、及时的售前、售中、售后服务,而在对智能技术能够达到的有效帮助缺乏足够认知或部分暂时缺乏科学完善的评测标准或技术相对同化的业务场景,市场销售的重要性尤为凸显。既要注重前沿算法研发,又要注意现阶段商业落地与市场拓展,这些都为以高新技术人才为主的人工智能公司提出了更为综合的挑战。



垄断与新流量

免费的高频业务都是优质流量,中国进入技术型人口红利时代

中国互联网产业尤其独特的一面,注重商业本质是中国众多不同特质的互联网公司共同具备的特点,因此未来突破性的技术创新尚难以在产业内发生。因此,过去导致中国互联网企业走向成功的战略,极大可能在未来以不同的形式复制。回顾产业发展历程,免费+增值服务的商业策略是中国商业环境制胜的法宝,先垄断了客户流量的企业,也形成了围绕用户衣食住行多方面的垄断。未来寻找技术型流量蓝海是众多企业的新突破口,同时强化自身“高频”业务,也是强化企业品牌认知的有效手段。




整合与同质化

新互联网平台将有机会整合老互联网平台

在一些市场集中度不高的行业中,多数机构的业务同质化非常严重,这在未来可能催生出以整合同质化平台为目的的新平台。这些平台以统一账户为手段,整合用户数据为目的,最终形成对老互联网产业的颠覆,这从一个侧面反映了,互联网产业中,数据孤岛的严重性,若无行政手段强制整合,未来很多改变中国的新技术,推行难度将加大。




探索与不可能

可能改变中国未来的十大黑科技



结语:2017年中国互联网产业呈现五大发展态势:一是提网速,广连接。骨干网络优化提速明显,固定宽带普及目标提前完成;网络提速降费成效显著,移动网络体系建设加快推进;物联网络部署大幕拉开,专有网络连接更加广泛;智能硬件丰富信息交互,推进传统产业转型升级;资源连接范围持续扩大,产业互联互通步伐加快。二是深融合,强制造。产业互联网全面深度融合,服务实体经济创新发展;“中国制造2025”全面实施,制造强国建设迈上新台阶;工业互联网全力纵深推进,产业生态体系显现雏形;“互联网 农业”迸发巨大能量,技术助推产业链升级;“双创”平台持续普及推广,成为融合发展新动能。三是兴业态,惠民生。智能技术助力业态焕新,打造科技时尚新生活;新型消费优化产业布局,构筑个性化、智能化应用场景;无人零售领域百花竞放,服务布局向线下聚拢;分享经济加速优胜劣汰,强势企业瞄准AI领域;在线娱乐行业加速升温,产品丰富但问题不容小觑;创新领域覆盖更广更深,网络惠民触手可及。四是谋创新,拓市场。应用创新向技术创新挺进,商业化应用竞争加剧;多级平台同步孵化产品,“内容为王、创意为先”优势凸显;互联网平台走向生态化,产业链依存关系持续增强;企业“进军”农村市场,县域经济蓬勃发展;推广中国本土优势经验,“出海”足迹延伸更广。五是重安全,共治理。系列法律法规加速实施落地,为网络安全保驾护航;网络安全保障能力持续提升,安全产业向服务主导转型;有效防范打击通讯信息诈骗,全力保障社会民生;不良信息治理力度持续加大,网络空间更加清朗;命运共同体理念深入人心,互联网全球治理体系深度变革。


金准数据认为,2018年中国互联网产业发展趋势有六个方面值得关注:一是新技术,下一代网络建设带动5G产业崛起,工业互联网促进制造业集成创新,大数据、人工智能将加速推进产业深度融合,技术创新推动金融信用体系趋于完善。二是新动能,产业互联网推动新旧动能加速转换,“互联网 先进制造业”成为振兴实体经济的重要途径,制造业与互联网融合的行业解决方案将继续突破,智能制造的网络安全保障将成为关键一环,农业全产业链

八大神经网络架构及基于机器学习的第三代神经网络 2018-01-17 17:40:53

前言:有些任务直接编码较为复杂,我们不能处理所有的细微之处和简单编码,因此,机器学习很有必要。相反,我们向机器学习算法提供大量数据,让算法不断探索数据并构建模型来解决问题。比如:在新的杂乱照明场景内,从新的角度识别三维物体;编写一个计算信用卡交易诈骗概率的程序。


机器学习方法如下:它没有为每个特定的任务编写相应的程序,而是收集大量事例,为给定输入指定正确输出。算法利用这些事例产生程序。该程序与手写程序不同,可能包含数百万的数据量,也适用于新事例以及训练过的数据。若数据改变,程序在新数据上训练且被更新。大量的计算比支付手写程序要便宜的多。


机器学习的应用如下:

1.模式识别:识别实际场景的面部或表情、语言识别。

2.识别异常:信用卡交易顺序异常,核电厂传感器读数模式异常。

3.预测:未来股价或货币汇率,个人观影喜好。

什么是神经网络?

神经网络是一种通用机器学习模型,是一套特定的算法集,在机器学习领域掀起了一场变革,本身就是普通函数的逼近,可以应用到任何机器学习输入到输出的复杂映射问题。一般来说,神经网络架构可分为3类:


前馈神经网络:是最常见的类型,第一层为输入,最后一层为输出。如果有多个隐藏层,则称为“深度”神经网络。它能够计算出一系列事件间相似转变的变化,每层神经元的活动是下一层的非线性函数。


循环神经网络:各节点之间构成循环图,可以按照箭头的方向回到初始点。循环神经网络具有复杂的动态,难以训练,它模拟连续数据,相当于每个时间片段具有一个隐藏层的深度网络,除了在每个时间片段上使用相同的权重,也有输入。网络可以记住隐藏状态的信息,但是很难用这点来训练网络。


对称连接网络:和循环神经网络一样,但单元间的连接是对称的(即在两个方向的连接权重相同),它比循环神经网络更容易分析,但是功能受限。没有隐藏单元的对称连接的网络被称为“Hopfiels网络”,有隐藏单元的对称连接的网络则被称为“波兹曼机器”。

一、感知机(Perceptron)

作为第一代神经网络,感知机是只有一个神经元的计算模型。首先将原始输入矢量转化为特征矢量,再用手写程序定义特征,然后学习如何对每个特征加权得到一个标量,如果标量值高于某一阈值,则认为输入矢量是目标类的一个积极样例。标准的感知机结构是前馈模型,即输入传送到节点,处理后产生输出结果:从底部输入,顶部输出,如下图所示。但也有其局限性:一旦确定了手写编码特征,在学习上就受到了较大限制。这对感知器来说是毁灭性的,尽管转换类似于翻译,但是模式识别的重点是识别模式。如果这些转换形成了一个组,学习的感知器部分不能学会识别,所以需要使用多个特征单元识别子模式的转换。

没有隐藏单元的网络在输入输出映射建模上也有很大局限性。增加线性单元层也解决不了,因为线性叠加依然是线性的,固定的非线性输出也不能建立这种映射。因此需要建立多层自适应的非线性隐藏单元。

二、卷积神经网络(Convolutional Neural Network)

一直以来,机器学习研究广泛集中在对象检测上,但仍有诸多因素使其难以

识别对象:1.对象分割、遮挡问题;2.照明影响像素强度;3.物体以各种不同的形式展现;4.相同功能的对象具有不同的物理形状;5.视觉不同带来的变化;6.维度跳跃问题。

复制特征方法是当前CNN用于目标检测的主要方法,大规模的复制不同位置上相同的特征检测图,大大减少了要学习的自由参数数量。它使用不同的特征类型,每种类型都有自己的复制检测图,也允许以各种方式表示每个图像块。

CNN可用于手写数字识别到3D对象识别等,但从彩色图像中识别对象比手写数字识别要复杂,它的类别、像素是数字的100倍(1000 vs 100,256*256彩色vs28*28灰度)。

2012年的ILSVRC-2012竞赛中的ImageNet提供一个包含120万张高分辨率训练图像的数据集。测试图像没有标注,参赛者需要识别图像中对象的类型。获胜者 Alex Krizhevsky开发了一个深度卷积神经网络,除了一些最大池化层,架构还有7个隐藏层,前面都是卷积层,最后2层是全局连接。激活函数在每个隐藏层都是线性单元,比逻辑单元速度更快,还使用竞争性规范标准抑制隐藏活动,有助于强度变化。硬件上,在两个Nvidia GTX 580 GPU(超过1000个快速内核)上使用一个高效卷积网络实现,非常适合矩阵乘法,具有很高的内存带宽。

三、循环神经网络( Recurrent Neural Network)

循环神经网络(RNN)有两个强大的属性可以计算任何计算机计算出来的东西:(1)允许存储大量有效信息的分布式隐藏状态(2)用复杂的方式允许更新隐藏状态的非线性动态。RNN强大的计算能力和梯度消失(或爆炸)使其很难训练。通过多层反向传播时,若权重很小,则梯度呈指数缩小;若权重很大,则梯度呈指数增长。典型的前馈神经网络的一些隐藏层可以应对指数效应,另一方面,在长序列RNN中,梯度容易消失(或爆照),即使有好的初始权重,也很难检测出当前依赖于多个时间输入的目标输出因此很难处理远程依赖性。

学习RNN的方法如下:

长短期记忆:用具有长期记忆值的小模块制作RNN。

Hessian Free Optimization:使用优化器处理梯度消失问题。

回声状态网络:初始化输入→隐藏和隐藏→隐藏和输出→隐藏链接,使隐藏状态有一个巨大的弱耦合振荡器储备,可以选择性的由输入驱动。

用动量初始化:和回声状态网络一样,再用动量学习所有连接。

四、长短期记忆网络(Long/Short Term Memory Network

四、长短期记忆网络(Long/Short Term Memory Network)

 

Hochreiter & Schmidhuber(1997年)构建了长短期记忆网络,解决了获取RNN长时间记忆问题,使用乘法逻辑线性单元设计存储单元,只要保持“写入”门打开,信息就会写入并保持在单元中,也可以打开“读取”门从中获取数据。

RNN可以阅读行书,笔尖的输入坐标为(x,y,p),p代表笔是向上还是向下,输出则为一个字符序列,使用一系列小图像作为输入而不是笔坐标。Graves & Schmidhuber(2009年)称带有LSTM的RNN是阅读行书的最佳系统。


五、霍普菲尔德网络(Hopfield Networks)

非线性循环网络有很多种表现方式,较难分析:能达到稳定、震荡或馄饨状态这三种表现形式。Hopfield网络是由有循环连接的二进制阈值单元组成。1982年,约翰·霍普菲尔德发现,如果连接对称,则存在一个全局能量函数,整个网络的每个二进制“结构”都有能量,而二进制阈值决策规则使网络为能量函数设置一个最小值。使用这种计算类型最简单的方法是将记忆作为神经网络的能量最小值。使用能量最小值表示记忆给出了一个内容可寻内存,可通过了解局部内容来访问整个项目。

 

每记忆一次配置,都希望能产生一个能量最小值。但若有两个最小值就会限制Hopfield网络容量。伊丽莎白·加德纳发现有一个更好的存储规则,它使用了所有的权重。而不是试图一次存储多个矢量,她通过训练集进行多次循环,并用感知器收敛程序训练每个单元,使该矢量的所有其它单元具有正确的状态。

六、玻尔兹曼机(Boltzmann Machine Network)

玻尔兹曼机是一种随机循环神经网络,可以被看作是Hopfield网络的随机生成产物,是最先学习内部representations的神经网络之一。该算法旨在最大限度地提高机器在训练集中分配给二进制矢量的概率的乘积,相当于最大化其分配给训练矢量的对数概率之和,方法如下:(1)网络没有外部输入时,使网络在不同时间分布稳定;(2)每次对可见矢量采样。

2012年,Salakhutdinov和Hinton为玻尔兹曼机写了有效的小批量学习程序。2014年将模型更新,称之为受限玻尔兹曼机,详情请查看原文。

七、深度信念网络(Deep Belief Network)

 

 

反向传播,是人工神经网络计算处理一批数据后每个神经元的误差分布的标准方法,但是也存在一些问题。首先要标注训练数据,但几乎所有数据都没有标注;其次,学习时间不足,这意味着隐藏层数较多的网络较慢;第三,可能会使局部陷入最不利局面。因此,对于深度网络来说这远远不够。

无监督学习方法克服了反向传播的限制,使用梯度方法调整权重有助于保持架构的效率和简单性,还可以将它用于对感官输入结构建模。特别的是,它调整权重,将产生感官输入的生成模型概率最大化。信念网络是由随机变量组成的有向非循环图,可推断未观测变量的状态,还可以调整变量间的交互,使网络更可能产生训练数据。

早期图形模型是专家定义图像结构和条件概率,这些图形是稀疏连接的,他们专注于做正确的推论,而不是学习。但对于神经网络来说,学习是重点,其目的不在于可解释性或稀疏连接性使推断变得更容易。

八、深度自动编码器(Deep Auto-encoders)

该架构提供了两种映射方式,好像是一个做非线性降维非常好的方法,它在训练事例的数量上是线性的(或更好的),而最终编码模型相当紧凑和快速。然而,使用反向传播优化深度自动编码器很困难,若初始权重较小,反向传播梯度会消失。我们使用无监督逐层预训练或像回声状态网络一样认真的初始化权重。

对于预训练任务有三种不同类型的浅自动编码器:(1)RBM作为自动编码器;(2)去噪自动编码器;(3)压缩自动编码器。对于没有大量标注的数据集,预训练有助于后续的判别式学习。即便是深度神经网络,对于大量的标注数据集,无监督训练对权重初始化并不是必要的,预训练是初始化深度网络权重的第一个好方法,现在也有其它方法。但如果扩大网络,需要再次做预训练。

基于机器学习的第三代神经网络--脉冲神经网络的解析

 

脉冲神经网络(SNN)属于第三代神经网络模型,实现了更高级的生物神经模拟水平。除了神经元和突触状态之外,SNN 还将时间概念纳入了其操作之中。本文将简要介绍这种神秘的神经网络形式。

所有对目前机器学习有所了解的人都听说过这样一个事实:目前的人工神经网络是第二代神经网络。它们通常是全连接的,接收连续的值,输出连续的值。尽管当代神经网络已经让我们在很多领域中实现了突破,但它们在生物学上是不精确的,其实并不能模仿生物大脑神经元的运作机制。

第三代神经网络,脉冲神经网络(Spiking Neural Network,SNN),旨在弥合神经科学和机器学习之间的差距,使用最拟合生物神经元机制的模型来进行计算。脉冲神经网络与目前流行的神经网络和机器学习方法有着根本上的不同。SNN 使用脉冲——这是一种发生在时间点上的离散事件——而非常见的连续值。每个峰值由代表生物过程的微分方程表示出来,其中最重要的是神经元的膜电位。本质上,一旦神经元达到了某一电位,脉冲就会出现,随后达到电位的神经元会被重置。对此,最常见的模型是 Integrate-And-Fire(LIF)模型。此外,SNN 通常是稀疏连接的,并会利用特殊的网络拓扑。

LIF 模型中膜电位的微分方程

脉冲期间的膜电位形态

脉冲神经网络图示

乍一看,脉冲神经网络的方法像是一种倒退。我们从连续输出移动至二进制输出,这些脉冲训练的可解释性不强。但是,脉冲训练增强了我们处理时空数据(或者说真实世界感官数据)的能力。空间指神经元仅与附近的神经元连接,这样它们可以分别处理输入块(类似于 CNN 使用滤波器)。时间指脉冲训练随着时间而发生,这样我们在二进制编码中丢失的信息可以在脉冲的时间信息中重新获取。这允许我们自然地处理时间数据,无需 RNN 添加额外的复杂度。事实证明脉冲神经元是比传统人工神经元更强大的计算单元。


既然理论上 SNN 比第二代网络更强大,那么我们很自然会想到为什么它们没有得到广泛应用。主要问题在于 SNN 的训练。尽管我们有无监督生物学习方法,如赫布学习(Hebbian learning)和 STDP,但没有适合 SNN 的有效监督训练方法能够 i 通过提供优于第二代网络的性能。由于脉冲训练不可微,我们无法在不损失准确时间信息的前提下使用梯度下降来训练 SNN。因此,为了正确地使用 SNN 解决真实世界任务,我们需要开发一种高效的监督学习方法。这是一项艰巨的任务,因为它涉及到,给定这些网络的生物现实主义,确定人类大脑如何学习。


另一个问题是在正常硬件上模拟 SNN 需要耗费大量算力,因为它需要模拟微分方程。但是,神经形态硬件,如 IBM TrueNorth,旨在使用利用神经元脉冲行为的离散和稀疏本质的专门硬件模拟神经元,进而解决该问题。


今天看来,SNN 的未来依然不甚清晰。一方面,它们是我们当前神经网络的天然继承者;但是另一方面,对大多数任务来说它们还远不是实践工具。目前在实时图像和音频处理中有一些 SNN 实际应用,但相关文献仍然很少。绝大多数 SNN 论文或者是理论的,或者在一个简单的全连接第二代网络之中展示性能。然而,很多团队正致力于开发 SNN 监督式学习规则,并且我对 SNN 的未来充满乐观。


总结:传统的编程方法是我们告诉计算机做什么,将大问题分解成很多小而精确的且计算机可以轻松执行的任务。神经网络则不需要告诉计算机如何解决问题,而是从观测到的数据中学习,找到解决问题的办法。

 


 

埃哲森报告分享 2018中国消费者洞察系列报告:互联世界,智能生活 2018-01-16 23:55:43

过去十年,以物联网、数据分析、云计算、人工智能为代表的数字技术,以及无远弗届的电子商务和社交媒体,带来了人与人、人与世界关系的巨大革命。


随着获得和应用这些技术的成本迅速下降,人工智能(AI)成为创新融合的新高地;跨越物理空间与网络空间,虚拟现实(VR)和增强现实(AR)应用场景日渐丰富。以智能设备为先导的消费边界进一步拓延,智能生活的新世界似乎触手可及。


就如筷子,智能设备如今已成为日常之物,6.6亿中国人拥有智能手机。智能生活始于智能设备,基于智能设备以及围绕其中的服务。 ,乐于接受新事物,不断推高智能消费预期。


埃森哲2017年对中国消费者数字趋势的研究表明,智能设备和应用服务的体验与消费者预期之间尚有较大落差。技术迅速成熟进步,智能生活几乎指日可待,但数字化和人的关系将是一个需要持续关注和建设的领域。为此,我们提出五点洞察和启示。


手机:智能世界的中心。智能手机仍将是数字世界的中心,更加紧密地融入生活和工作方式之中。未来的焦点将是,如何通过多种智能设备的互联来整合和优化居家、购物、出行、健康和工作,使生活变得真正智能。


AI:未来的亲密关系。智能语音正成为手指与屏幕沟通以外的全新人机交互方式,中国消费者比世界其他地区的人们更快更广泛地接受语音助手,期望人工智能将很快应用到家居、健康医疗、汽车交通,安保和运动健身领域。


VR和AR:网购新展台。半数中国消费者希望可以通过虚拟现实和增强现实设备体验希望购买的商品,虚拟购物的体验将是消费者期待下一个魔幻时刻。消费者的体验将在模糊的现实和虚拟界线之间获得全新定义。

数字信任:等待新契约。中国消费者对待个人数据隐私素来漫不经心,以犬儒姿态对待互联网时代的隐私问题。但是他们对数据安全和商业机构的数字信任的提出了新要求,数字信任和数据道德的公民意识逐渐觉醒。


干扰,成瘾,失衡?数字技术改变了人的联接方式,改变了人和环境的关系,也对生活形成了抱干扰,中国消费者也产生了数字生活的烦恼。智能生活的核心本是生活。以人为本,设计为人,由人做主,将是数字世界创新者的终极哲学。



2017年中国私募证券投资基金行业报告 2018-01-15 23:51:30

2017年中国私募证券投资基金行业报告

 

目录

一、中国私募证券投资基金发行与清算

1、发行类型统计

2、发行地区统计

3、清算数量统计

二、中国私募证券投资基金整体业绩

1. 2017年各主要市场回顾

2.八大策略区间收益

3.八大策略2017年收益

4.最近一年回撤与夏普比率统计

三、私募观点

 

一、中国私募证券投资基金发行与清算


本研究报告所指的私募证券投资基金产品包括了信托、自主发行、公募专户、券商资管、期货专户、有限合伙、海外基金等类型或渠道的私募基金产品,同时我们根据投资策略情况将所有产品分为股票策略、相对价值策略、管理期货策略、事件驱动策略、宏观策略、固定收益、组合基金和复合策略等八大策略。如无特别说明,以下内容主要以八大策略划分情况进行阐述。


2017年私募总规模能突破11万亿,背后贡献主要力量的是股权、创投私募。到2017年的年底,管理基金规模7.09万亿元,比2016年底增长2.4万亿,涨幅51.21%。据不完全统计,截至2017年年12月底,我国历史上共发行过115723只私募证券投资基金产品,突破11万只产品。其中29575只产品已经清算,目前运行中产品为86148只产品。其中,2017年12月共发行 2261只产品,清算202只产品,存量贡献占比 2.4%。股权、创投私募规模已经占到私募总规模的64%左右。股权创投私募爆发式增长,主要得益于这几年国家鼓励股权投资助力实体经济发展,创新创业发展新经济,IPO常态化,企业上市渠道畅通。同时,二级市场震荡,高净值客户纷纷涌现一级市场。

 

证券私募2017年规模反而缩水了4803亿元,跌幅17%,目前规模为2.29万亿元。实际上,2017年证券私募内部“二八分化”比较厉害,好的私募产品被秒杀,规模涨至500、600亿,而一些小私募的产品则卖不出去,生存出现困难,行业加速洗牌。

 

2017年为私募监管的规范时代,一系列政策文件如《证券期货投资者适当性管理办法》、私募行业监管的顶层设计文件-《私募投资基金管理暂行条例(征求意见稿)》逐步落地,此外各地证监局对328家私募机构开展专项检查,83家私募被财务行政监管措施,私募自律监管体系得到不断的完善。从2017年开始,私募产品的发行也呈现稳步态势,3月份为私募新年新布局,产品发行数量创下开年来的新高,此后,私募发行数量呈现稳健增长的态势。


1、发行数量统计


图1-1:近12月中国私募证券投资基金发行数量(单位:只)


2017年私募产品发行数量大幅缩减。2017年私募监管持续加强,随着北上广深各地相继被停止私募机构的工商注册、私募牌照和产品备案门槛提高、私募产品销售端流程合规化和私募运营专项抽查等一系列措施落地,私募机构从成立到发行产品到后续运营的门槛和难度都大大提升,2015年和2016年私募机构野蛮生长的状况得以遏制,产品的发行数量也随之下降,2017年的私募产品发行量为24242只,相比2016年,数量约缩减了三分之一。从各月份来看,2017年各月份产品的发行数量较为平稳,随着监管的继续深化,私募行业将越来越呈现优胜劣汰的生态环境。


2、发行类型统计

自主发行为主流发行方式。从产品类型来看,2017年中,自主发行的数量最高,占比为51.89%,与以往通过券商、公募或信托等通道发行相比,自主发行可以省去高通道费用,不受通道机构投资约束并且简化了发行程序,该模式也将会成为未来私募的主流产品发行方式。其次是公募专户,占比22.49%,主要因为公募专户依托于其资源优势、避税功能等便利性条件,一直深受机构客户的青睐,仅次于公募专户的是信托和券商资管,分别占比9.62%和9.43%,信托和券商资管拥有大类的优质客户资源,在私募产品发行中也一直占据着一定的地位。

图1-2:2017年中国私募证券投资基金发行类型分布


3、发行地区统计

北上深领衔私募发行,杭州位居第四。从发行地区来看,北上深依旧是私募发行重镇,上海发行占比最高,占比为34.51%,其次为深圳和北京,占比分别为 17.32%、12.97%。依托于江浙政府对于私募的政策扶持与毗邻私募云集的金融中心上海的地理优势,江浙地区依旧延续良好的发展势头,杭州发行数量再次进入第四,发行占比为6.33%,武汉超越广州,排名第五,2017年发行占比为5.03%,其它地区发行的比例为13.73%,说明有更多地区的私募开始打破地域限制,正悄然地崛起。

图1-3:2017年中国私募证券投资基金发行地区分布


到2017年底,百亿及以上的私募管理人数量有187家,创历史新高,比2016年底增长了54家,涨幅40.6%。

图1-4:2017年大中型私募数量变化


另外,规模在50-100亿元的238家,20-50亿元的599家,10-20亿元的734家,5-10亿元的1025家,1-5亿元的3920家,0.5-1亿元的2135家。

协会表示,截至2017年12月底,已登记的私募基金管理人有管理规模的共19049家,平均管理基金规模5.83亿元。

图1-5:2017年私募基金管理人管理基金规模分布情况(家)


随着中国经济快速发展,居民财富不断积累,随着房地产等各项投资属性的下降、资本市场的不断发展、资产管理咨询服务经验的累积,我国高净值人群投资方向正在逐步发生变化,投资需求愈发强烈,私募基金成为新宠。

 

4.清算数量统计

2017年清算产品数量缩减。由于2016年上半年大量的私募产品成立,下半年开始,由于监管趋严,私募产品成立数量放缓,因此不少一年期的产品于2017年到期清算,并且主要集中于上半年时期。但由于2016年有熔断和清壳两大因素的触发2017年产品清算数量相比2016年有所下降,清算数量为5654只。

 

二、中国私募证券投资基金整体业绩

1. 2017年各主要市场回顾


2017年是价值投资的元年,以贵州茅台和中国平安为代表的“价值投资”持续单边上涨,表现的淋漓尽致,让无数投资者惊叹。而另外一边,以创业板为代表的中小创指数却掉头向下,创业板指数一度跌破2015年股灾以来的新低,一度跌至1641点,市场可谓冰火两重天。


从全年的投资热点时序图来看,2017年一季度市场大炒国企混改,二季度的雄安题材横空出世,再到后来三季度以方大炭素为代表的涨价周期概念,有色煤炭钢铁以及稀缺类小金属等表现耀眼。再到四季度的芯片、5G等。市场的缺钱效应明显,全年的资金炒作方向一直在变化。


截至12月份最后一个交易日,2017年上证指数涨幅6.56%,深圳成指涨幅8.48%,创业板涨幅-10.67%。从个股的涨跌来看,2017年上涨股票只有22%,而下跌股票占比78%,两极分化非常严重。


从行业来看,根据28个申万一级行业分类,2017年以来,只有11个板块年内上涨,食品饮料和家用电器排名第一和第二位。概念方面,白马股指数、MSCI概念指数、一线龙头指数分列前三,涨幅均超过30%。


期货市场,2017年的期货市场并没有那么好过,受商品期货交投降温的影响,2017年,全国期货市场累计成交量为30.76亿手,累计成交额约187.90万亿,分别较2016年下降25.66%和3.95%。截止12月底,文华商品指数今年录得4.78%的涨幅。在32个成交比较活跃的品种中,有19个品种实现了上涨,13个品种下跌,其中,螺纹钢、焦炭、动力煤、锌、铜、玻璃的涨幅超过20%,螺纹钢涨幅最大,达到32.04%。跌幅超过10%的品种有天然橡胶、豆油、大豆、棕榈油、白糖、菜油,其中,天然橡胶下跌最大,达23.24%。


从各个板块看,有色金属板块上涨了16.91%,煤炭板块上涨了21.28%,建材板块(玻璃和螺纹钢)上涨了25.73%,化工板块下跌了2.57%,油脂板块跌幅较大,下跌了15.68%,软商品板块(棉花和白糖)下跌了8.28%。煤炭、建材和有色是今年的上涨主力,而油脂和软商品是今年的下跌主力,值得一提的是,今年的铁矿石与去年相比“雄风不再”,且与螺纹钢、焦炭分化较严重。总体而言,今年工业品表现突出,而农产品颓势尽显。


债券市场,2017年各类债券总发行量40.79万亿,同比增长12%。利率债发行同比回落,发行利率不断上升,10年期国债收益率不断跳涨,全年10年期国债收益率上升接近近100bp。2017年债券市场呈现震荡走势,中债综合财富指数上半年震荡下行,下半年向上反弹,年末再度向下调整。


2.八大策略区间收益


从下图各策略的区间收益来看,沪深300在2017年涨幅高达高达21.78%,如果从月度K线来看,呈现出很明显的慢牛状态。但是其他指数分化较为严重,创业板不涨反跌。截止12月底,八大策略最近一年都取得正的收益率,同时也都大幅跑输同期沪深300指数。最近一年,股票策略以11.28%的平均收益率位列第一,而2016年股票策略的平均收益率为-6.04%,2017年相比2016年有了很大的提高,进一步说明市场环境有了明显的好转,至少存在一定的结构性机会。其次是组合基金,凭借8.42%的平均收益率获得第二,而固定收益以3.63%位列最后一位。虽然私募都大幅跑输同期沪深300指数,但是八大策略都取得了正的平均收益,相比2016年有了大幅的提升。

表2-1:中国八大策略私募证券投资基金分阶段收益情况


3.八大策略2017年收益


2017年是价值投资的元年,沪指在股灾之后三次冲击3300点都无功而返,而去年8月份一举放量突破3300点,最高11月一度到达3450点,创股灾之后的新高。而以中国平安和贵州茅台为代表的上证50在2017年也大放异彩,全年以25.08%的涨幅让人惊叹。而创业板和沪深300的跷跷板效应尤为突出,创业板一度创股灾之后的新低,一度低至1641点。


从私募业绩数据统计分析来看,在2017年,私募的业绩分化也较为严重,股票策略中,首尾差高达345.02%,可见两级分化较为严重。其中59.28%的产品获得了正的收益率,将近40%的产品收益率为负,即去年市场上赚钱的基金比较多,亏钱的产品也不少。


再看看管理期货策略,2017年期货私募产品平均收益率为4.17%,而2016年这一数据为14.14%,可见2017年期货市场赚钱效应并没有2016年好。管理期货中58%的产品取得正收益,和股票策略相差无几。整体来看,2017年整个资本市场赚钱的私募的产品和亏钱的产品比例大概为6比4,相比于2016年的表现改善了许多。


4.最近一年回撤与夏普比率统计


从数据统计得到八大策略私募基金近一年的最大回撤的分布情况如下图所示。股票策略来看,53.40%的产品最近一年最大回撤在10%以下,相对价值策略86.93%的产品回撤在10%以下,组合基金的回撤也较少,87.16%的产品最大回撤在5%以内。相反的,事件驱动策略最近一年平均最大回撤较大,68.67%的产品最近一年最大回撤超过10%,可见最近一年事件驱动策略经历了较大的波动,这和今年中小创走弱紧密相关,由于大部分定增基金是参与中小盘的融资,再加上监管层对价值投资的引导和产品的锁定期较长,导致这一结果。

图2-2:八大策略私募基金近一年最大回撤分布情况


从数据统计得到八大策略私募基金近一年的夏普比率的分布情况,如下图所示。正夏普比率最高的是固定收益,高达77.20%,其次是组合基金的71.53%,最低的是事件驱动策略,只有44.21%的产品最近一年夏普比率为正。


三、私募观点


景林资产:既不悲观也不过分乐观继续挑选好的公司


景林资产蒋锦志认为,从历史综合比较来看,蓝筹指数目前处于历史中值水平。不便宜,但是也算不上贵。另外与全球其他市场指数比较,沪深300、MSCI中国指数估值并不高。今年大部分蓝筹股优异的表现主要来自于其业绩的高速增长。同时由于价值投资理念的深入,市场对于优秀公司盈利的稳定性更加看重,这些公司的估值上了一个台阶,目前看和国际同类龙头企业的估值水平接近了。按明年(2018年)的估值预期,大部分蓝筹公司估值是合理的。也有一些A股中小市值子行业龙头公司越来越有价值,但是很多中小公司估值仍然过高,股价可能会继续下跌。当然,如果市场对于蓝筹股持续大幅度追捧,股价再继续上涨一段时间,那么这些公司的估值可能会出现问题。近期出现的蓝筹股股价的调整,这是一个很好的现象,给未来的股价增长留出了空间。如果一些优秀公司最近跌得比较多,可能会是一个非常好的投资机会。


蒋锦志还指出,明年的涨幅应该不会像2017年这么高。主要原因如前所述,2017年的这一波蓝筹股行情除了来自于业绩高速增长,还有很大原因是估值的修复与提升。明年我们组合的盈利来源可能主要会来自于所投上市公司的业绩增长。最后需要提示的是,市场风险是永远存在的。目前来看,主要包括地缘政治风险、进一步加强金融监管和银根收紧带来的短期波动等。所以整体而言,站在今天这个时点上,我们既不悲观,也不过分乐观。我们挑选好的公司,赚取其相对确定的未来业绩增长的钱。从投资的角度来说,市场会给真正的价值投资者提供一个长期盈利的机会。


重阳投资:A股进入二次分化


重阳投资总裁王庆认为,2018年A股和港股市场不存在系统性机会和风险,投资机会依旧是结构性的。“择优而买”的大方向不会改变,但市场将从“一次分化”过渡到“二次分化”,主旋律也将从“价值回归”切换到“价值发现”。


在经济基本面方面,他表示,宏观经济低位企稳,2018年结构将继续优化。全球经济预计将继续保持弱复苏势头,而中国经济有望保持6.6~6.8%的增速,对经济增长无需悲观。通胀中枢抬升,但依旧处于合理区间。无风险利率中枢继续抬升,不过幅度放缓。预计10年期国债收益率核心波动区间为3.6~4.4%。


王庆认为,市场化、法治化、国际化的持续推进,将对A股产生深远影响。市场将出现“两个收敛”、“一个提升”:一、二级权益市场估值收敛、境内外股市估值收敛、机构投资者占比提升。股市结构性供需失衡料将延续,优质公司与平庸公司之间的供求格局存在显著差异。


和聚投资:2018年稳中求进龙头激荡


展望2018年,和聚投资判断A股市场环境将好于2017年。和聚投资表示,作为19大之后的开局年,流动性指标和监管都会处于边际上有所缓解的状态,预计2018年宏观经济增速有所下行,但实业向好的趋势不变,企业ROE也处于继续向上恢复状态。在股灾过去2年以后,投资者参与市场的意愿将会进一步提升,以MSCI为代表的机构资金增量也将好于2017年。市场在经历过2017年极端的一九行情之后,2018年有望迎来一个更均衡的格局。


投资策略上,和聚投资坚信2018年企业成长的力量,将继续发挥公司自下而上深研产业和个股的专业能力,在不确定的市场中去寻找确定性的投资机会。看好的行业机会有:环保、TMT、高端制造、新能源、周期和大消费板块。


星石投资:辞旧迎新继往开来迎接新经济新市场新风格


星石投资认为,2018年将是经济结构加快改善、新动能加快形成的一年。根据中央政治局会议、中央经济工作会议的精神,预计2018年将以高质量发展为聚焦点,对经济增长速度目标有所淡化,新经济、消费升级、金融监管、环保、新能源汽车等将会成为年度的关键词。在这种宏观背景下,市场风格将会发生一定的转变,今年以来对大盘股的偏好将会弱化,而对绩优股的偏好则有望继续维持。因此,2018年无论是大盘还是中小盘,均有一定的投资机会,这其中更为看好受益于经济结构改善和经济新动能形成的行业,如医药、新零售、智能制造等。


源乐晟:2018年还是要讲基本面但比2017年要难做


曾晓洁认为,2018年结构变化向龙头集中的趋势会继续,不过2018年要比2017年更难做。2018年会有以下几个方面的变化。19大提出来的供给侧结构性改革在2016、2017年是减法,2018年是加法,这是今年跟过去两年不太一样的地方。减法就是把产能去掉,加法就是提高剩下来的企业的经营质量、生产效率、提高技术投入等等。从这个报告中提出来几个东西,第一就是打好三个攻坚战,防范金融风险、扶贫、环保。同时,新时代从强调增长到强调平衡,从强调总量增长到强调结构性增长,同时培育新的增长点和新的产能动能,最后落实到投资方向,有三大机会。

第一,消费确实会是一个持续很长一段时间的投资机会。


第二,从追求增长速度要追求增长效益,其实就是一个脱虚向实的过程,这个过程当中,实体企业盈利恢复,所以宏观资产负债表是修复的,在这个过程当中,整个中国的金融风险是降低的。中国很多金融企业的估值需要全面重估。


第三,总量经济的结构化,导致龙头的崛起会继续,强者恒强,胜者为王。



展博投资:2018年围绕两大主线布局


展博投资总裁冯婷婷介绍,2018年,展博投资围绕消费升级和创新驱动两大主线,重点布局四个投资方向:一、受益于经济复苏和消费升级的大金融行业,银行业整体估值水平具有安全边际,保险股迎来基本面的持续好转;二、受益于人民收入大幅提高的大消费大健康产业,存在巨大的升级空间;三、受益于产业链向中国转移大趋势的优势制造业,全球电子产业链从美日韩台转移至中国大陆的趋势已经不可阻挡,未来将从外观、模组、元器件到显示屏、半导体芯片领域形成全面替代,长期空间巨大;四、受益于新能源汽车产业链发展机遇的企业,新能源汽车替代传统燃油车将成为未来20年最为确定的方向之一。


鼎锋资产:2018年依旧是结构性机会看好消费升级


2018年市场有两种可能:一是宽幅震荡,呈现结构性机会;二是震荡上行,主要变量是金融去杠杆力度及市场资金状况,边际增量资金情况和微观经济增长状况。鼎锋资产董事长张高预测,2018年依然更多是结构性机会,股市已逐步进入结构性的慢牛行情,A股市场将逐步龙头化、全球化、机构化、美股和港股化。一批具备全球及本土竞争力的优质公司将持续成长。


此外,张高表示在风格配置上会比较均衡,重点配置大中型公司,特别是市值在200亿以上的公司,对于在细分领域有很强的竞争力的小型公司也会关注,对于市场一致预期较高的大市值公司警惕风险。


菁英时代基金:坚定做多中国迎接伟大时代


菁英时代基金董事长表示,2017年是新时代号角正式吹响的一年,百业扬帆,产业升级,国家开始了由大变强的历史征程;聚焦证券市场,2017年基础制度不断完善,资管新规指引新方向,两大变化影响深远:其一是中国加入MSCI,股市将全面国际化;其二是发行市场与国际接轨,推进注册制化。


定量来看,2020年中国GDP可达100万亿,美国目前市值占GDP比值大概1.3,按照1:1的空间,中国市场总值有望突破百万亿,在牛市顶点,这个比例有可能达到1.3:1甚至1.5:1。据此而论,中国伟大复兴的趋势已不可逆转,未来若干年后,中国定将成为世界上最具影响力的科技强国、消费强国和资本强国,中国的资本市场也将随之成为全球最大的资本市场,这其中一定会产生众多万亿级市值的中国企业,机会无限。


在这一历史性的进程中,投资者一定要紧跟国家步伐,坚定做多中国,以全球的大格局,强烈的使命感,去迎接伟大时代的到来。与此同时,加大对中国市场的投入也将会是世界性的共识,中国产业形态的变动很可能会造就强者恒强的局面,二八甚至一九现象会在各行各业体现得越来越明显。


投资策略上,陈宏超表示2018年的投资机会主要看三点:第一,目前潜伏的细分领域大龙头可能会逐渐冒出;第二,由于2017年大盘蓝筹股的雄起导致中小盘泥石俱下,这其中很多优秀的价值成长公司也可能被误杀;第三,处于风口大爆发领域内的企业。


神州牧基金:A股逐步踏上慢牛征途


神州牧基金认为,市场大概率在该区域震荡筑底,逐步踏上慢牛征途。


其一、市场处于安全区域。纵向来看,A股整体资产价格处于相对历史低位。从估值来看,尤其是考虑到诸多行业的业绩有望在2018年实现进一步的修复,市盈率水平并不高。横向对比其他资产类别具备明显的性价比优势,配置价值相对更加显著。在降杠杆、提高直接融资比例的大背景下,作为核心直接融资手段,A股在中国经济社会中的地位将进一步提高,其投资价值亦将进一步凸显。


其二、全球经济新周期有望正式开启。历经数年萎靡,从2015年下半年开始,全球经济呈现复苏共振的良好局面,消费、投资和进出口均出现显著改善。神州牧基金认为认为,在此全球大背景下,以及十九大胜利召开之际,我国经济有望进入新的向上周期,而这将为A股投资提供最坚实的支撑。


在方向选择上,神州牧基金表示秉承业绩为王、价值投资为核心主线,挖掘业绩弹性最大的板块或标的。同时,神州牧基金还认为,经过一年多的调整,中小市值市盈率已经进入历史估值下限区域,大中小市值标的估值价差已经显著缩小,只要具备业绩爆发的潜质,各层次市值标的均有表现的机会。


东方港湾:2018年蓝筹股还是会获得足够的关注度


东方港湾表示,2018年蓝筹股还是会获得足够的关注度,而且这个现象,应该不仅仅是2017年的现象、2018年的现象,而是永久的现象。


东方港湾指出,2018年最确定的一个变量是,中国资本市场将加入MSCI指数。从中国引入QFII、沪港通、深港通以后,A股市场的交易文化已经在发生很大的变化,在存量博弈的情况下,唯一的变量是这些海外资金,海外以指数基金为代表的长期投资者,将继续看好中国资产,持续买入中国最核心的资产。


东方港湾还指出,2017年开始商业模式在变化,资源向优质企业集中。从市场结构变化情况看,2018年将是承前启后的一年,中国政治、经济、社会、文化会有很大的深刻的变化,中国的资本市场也是一样:全世界的商业模式已经在发生很深刻的变化,财富向优质企业集中,中国资本市场的发展寄托在这些伟大的企业身上,在美国看到的是大象跳舞,在中国也会看到各个细分领域里面的大象跳舞,从2018年开启的时代应该是蓝筹股的时代,而且持续时间很长,甚至是永远。就像美国那样是持续十年的牛市,总的来说她是由伟大的企业构建的。