金融科技在证券行业的应用研究 -...
TRANSCRIPT
金融科技在证券行业的应用研究
报 告 主 要 内 容
●金融科技（Fintech，Financial technology）是以数据为基础，以技术为手段，旨在创新
金融产品和服务模式，提升服务效率，降低交易成本，改善客户体验。金融科技具有高创新、高度
重视客户体验、高扩展性、去中介化、普惠性、易合规等特性。金融科技区别于互联网金融和科技
金融。互联网金融是将传统的金融业态互联网化，并未从根本上变革金融业的生产方式，而金融科
技通过创新技术实现了金融业务创新，是互联网时代产生的新的业态和组织形态。金融科技对包含
互联网在内的新兴科技要求更高，应用更为彻底，影响更为深刻和广泛。科技金融的落脚点是金融，
是服务于科技创新的金融业态、服务和产品，发展目标在于以金融服务的创新来作用实体经济，推
动科技创新创业，而金融科技的落脚点是科技，是具备为金融业务提供科技服务的基础设施属性，
发展目标在于利用科技的手段提高金融的整体效率。
●从金融科技的发展历程来看，大致可以分为三个阶段：金融科技萌芽期（金融科技 1.0），
金融科技起步期（金融科技 2.0），金融科技快速成长期（金融科技 3.0）。金融科技 1.0 是在金融
公司内部设立 IT 部门，将信息技术软硬件设备应用于金融业务，作用在于压缩运营成本，提高服
务效率。金融科技 2.0以互联网金融为典型，是科技第一次独立于金融系统。通过对接金融资产端
-交易端-支付端-资金端，实现渠道网络化，作用在于改善用户体验。金融科技 3.0 是将大数据、
云计算、人工智能、区块链深入应用于金融业务革新，创新银行、证券、保险业务，提供更加精准
的金融服务，通过自动化、精准化和智能化业务运营，提升运营效率，降低交易成本。中国金融科
技发展历程分为四个阶段：金融电子化、金融信息化、互联网金融和金融科技。
●金融科技在资本市场的应用模式主要包括支付、保险、存贷、筹资、投资管理、市场资讯供
给等多个金融领域。在不同的应用领域也催生了丰富的新型金融业务模式，普遍分布在资本市场的
前、中、后台，前台主要业务范围包括销售、交易和研究，中台主要业务范围包括投资风险控制、
研究和分析平台，后台主要业务范围包括清算与结算，风险与合规，以及广义的 IT 部门。金融科
技在证券行业的应用模式同样分布于证券业务的前、中、后台，主要包括智能投顾、智能投研、量
化交易、投行业务、资产证券化、风险控制、合规管理、运营营销、客户服务等。金融科技和证券
行业的结合，正促使券商加速转型升级。在证券市场方面，营销模式向多元化发展；在证券基金经
营机构方面，逐渐将业务向操作标准化，服务个性化，技术分布式转型；在投资者方面，采用互联
网和智能科技，打破了传统业务时间和地域的限制，扩大了金融服务的覆盖面，增强了客户主动性。
●大数据（Big Data）、云计算（Cloud）、人工智能（AI）、区块链（Blockchain）等新技术和
金融业务的深层融合，已经广泛应用于支付清算、借贷融资、财富管理、零售银行、保险、交易结
算等领域，加速了金融行业快速迈入智能金融时代。大数据、云计算、人工智能、区块链等技术互
相关联，互相促进。大数据是基础资源，云计算是基础设施，人工智能依托大数据和云计算，助推
金融科技走向智能化；区块链是底层技术，它的去中心化和分布式记账特征，为金融业务基础架构
和交易机制的变革创造了条件。
金融科技在证券行业的应用研究
目 录
第一章 金融科技概述 .............................................................................................. 1 1. 金融科技的概念 ............................................................................................................. 1
2. 金融科技的发展历程 ..................................................................................................... 3
3. 金融科技的社会环境 ..................................................................................................... 5
第二章 金融科技的市场格局和应用场景 ............................................................. 9 1. 金融科技的行业特征 ..................................................................................................... 9
2. 金融科技的市场格局 ................................................................................................... 10
3. 金融科技在资本市场的应用模式 ............................................................................... 12
4. 金融科技在证券行业的应用模式 ............................................................................... 14
第三章 金融科技的核心技术 ............................................................................... 16 1. 大数据 ........................................................................................................................... 16
2. 云计算 ........................................................................................................................... 18
3. 人工智能 ....................................................................................................................... 20
4. 区块链 ........................................................................................................................... 23
1
金融科技在证券行业的应用研究
第一章 金融科技概述
金融和科技的高度融合，颠覆了原有的金融逻辑，改变了金融业务组织和运作模式，大幅提高
了金融市场的运行效率。金融科技的快速发展将逐步推动资本市场发生深刻变革，创造出更新型的
商业模式和丰富的应用场景。
党的十九大报告指出：“推动互联网、大数据、人工智能和实体经济深度融合，在中高端消费、
创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、形成新动能”。
根据艾瑞统计，2017 年中国金融科技企业营收总规模达 6541.4亿元，预计 2020 年将达到 19704.9
亿元。
1. 金融科技的概念
（1）概念
金融科技（Fintech，Financial technology）是以数据为基础，以技术为手段，旨在创新金
融产品和服务模式，提升服务效率，降低交易成本，改善客户体验。各国际组织和主权国家都从应
用、影响和业务模式等方面给出了定义，但目前行业内尚未形成统一规范的定义。
表 1 金融科技的定义
分类 机构 金融科技定义
国际组织
金融稳定理事会（FSB） 技术带来的金融创新，能创造新的业务模式、应用、流程或产品，
从而对金融市场、金融机构或者金融服务的提供方造成重大影响。
国际证监会组织（IOSCO） 金融科技是指有潜力改变金融服务行业的各种创新的商业模式和
新兴技术。
主权国家
美国国家经济委员会（NEC）
以金融科技涵盖不用种类的技术创新，这些技术创新影响各种各
样的金融活动，包括支付、投资管理、资本筹集、存款和贷款、
保险、监管合规以及金融服务领域里的其他金融活动。
英国金融行为监管局（FCA） 金融科技主要是指创新公司利用新技术对现有金融服务公司进行
去中介化。
新加坡金融管理局（MAS） 金融科技是指通过使用科技来设计新的金融服务和产品。
（2）“金融科技”与“互联网金融”
互联网金融将传统的金融业态互联网化，但并未从根本上变革金融业的生产方式，而金融科技
2
金融科技在证券行业的应用研究
通过创新技术实现了金融业务创新，是互联网时代产生的新的业态和组织形态。金融科技对包含互
联网在内的新兴科技要求更高，应用更为彻底，影响更为深刻和广泛。科技从推进金融发展的渠道
演变成金融发展的核心。
（3）“金融科技”与“科技金融”
国务院在《“十三五”国家科技创新规划》中明确了科技金融的性质和作用：“建立从实验研究、
中试到生产的全过程、多元化和差异性的科技创新融资模式，鼓励和引导金融机构参与产学研合作
创新。在依法合规、风险可控的前提下，支持符合创新特点的结构性、复合性金融产品开发，加大
对企业创新活动的金融支持力度”。“金融科技”与“科技金融”区别体现在：
●落脚点不同
金融科技的落脚点是科技，是具备为金融业务提供科技服务的基础设施属性，与其并列的概念
还有军事科技、生物科技等；科技金融的落脚点是金融，是服务于科技创新的金融业态、服务和产
品，是金融服务于实体经济的典型代表，与其并列的概念还有消费金融、三农金融等。
●目标不同
发展金融科技的目标在于利用科技的手段提高金融的整体效率，而发展科技金融的目标在于以
金融服务的创新来作用实体经济，推动科技创新创业。
●参与主体不同
金融科技的主体是以科技企业、互联网企业、偏技术的互联网金融企业为代表的技术驱动型企
业，而科技金融的主体是以传统金融机构、互联网金融为代表的金融业。
●实现方式不同
实现金融科技创新的方式是技术的突破，而实现科技金融创新的方式是金融产品的研发。
●具体产品不同
金融科技的具体产品包括第三方支付、大数据、金融云、区块链、征信、AI、生物钱包等，而
科技金融的具体产品包括投贷联动、科技保险、科技信贷、知识产权证券化、股权众筹等。
3
金融科技在证券行业的应用研究
2. 金融科技的发展历程
（1）国际金融科技发展历程
金融科技发展初衷是通过技术创新降低获客成本，提供营销获客、身份认证、风险定价和资金
流转等技术支持。但伴随着互联网、大数据、云计算、人工智能、区块链等技术的快速发展，科技
在金融内部逐渐渗透，不断打破原有的金融边界，深刻变革金融服务的运作模式。
从金融科技的发展历程来看，大致可以分为三个阶段：金融科技萌芽期（金融科技 1.0），金
融科技起步期（金融科技 2.0），金融科技快速成长期（金融科技 3.0）。
图 1 国际金融科技发展历程
金融科技 1.0是在金融公司内部设立 IT部门，将信息技术软硬件设备应用于金融业务，作用
在于压缩运营成本，提高服务效率。代表性应用包括核心交易系统、账务系统、信贷系统等。
金融科技 2.0以互联网金融为典型，是科技第一次独立于金融系统。通过对接金融资产端-交
易端-支付端-资金端，实现渠道网络化，作用在于改善用户体验。代表性应用包括网上银行、互联
网基金销售、P2P、移动支付等。
金融科技 3.0是将大数据、云计算、人工智能、区块链深入应用于金融业务革新，创新银行、
证券、保险业务，提供更加精准的金融服务，通过自动化、精准化和智能化业务运营，提升运营效
率，降低交易成本。代表性应用包括大数据征信、智能投顾/投研、风险定价、量化投资等。
4
金融科技在证券行业的应用研究
（2）中国金融科技发展历程
以时间为序，中国金融科技发展历程分为四个阶段：金融电子化、金融信息化、互联网金融和
金融科技。
金融电子化是通过持续运用现代通信技术、计算机技术等开展金融业务和管理，提升服务工作
效率，提高业务的自动化水平。
金融信息化更加注重数据库技术应用，以现代网络技术和数据库技术为基础，集中汇总金融业
务数据，提升服务水平和管理水平。
互联网金融是金融业务融合移动互联网，创新金融系统整合、业务流程再造、金融系统互联/
信息共享、信息安全保障、风险防控建设、标准化体系建设。
金融科技是在金融业务中采用大数据、云计算、人工智能、区块链、移动互联网等科技，提升
金融效率、改善金融服务，用于支付、借贷、保险、证券、财富管理、征信等金融领域。
图 2 中国金融科技发展历程
中国金融科技起步相对较晚，并且在很长时间内主要以互联网金融为主。但正是中国尚未成熟
的金融市场环境给予了金融科技高速发展的土壤，2016年中国金融科技领域共获得 77亿美元投资，
跃居世界第一，根据 Visual Capitalist 报告显示全球 27家金融科技独角兽公司中，中国 8家上
5
金融科技在证券行业的应用研究
榜企业总估值达 964亿美元，而占席 14位的美国公司总估值只有 310亿美元。
表 2 国内外金融科技企业起步情况对比
金融业务类别 国外 中国
电子支付 Paypal（美国，1998年） 支付宝（2004年） 微信支付（2014年）
互联网保险 Directline（英国，1985年） INSWEB（美国，1995年）
众安保险（2013年） 泰康在线（2015年）
股权众筹 Angellist（美国，2010年） Wefunder（美国，2012年）
天使汇（2011年） 众筹网（2013年） 天使客（2014年）
网络银行 SFNB（美国，1995年） Egg（英国，1998年） 乐天银行（日本，2009年）
深圳前海微众银行（2014年） 浙江网上银行（2014 年）
P2P Zopa（美国，2005年） Lending Club（美国，2006年）
拍拍贷（2007年） 91金融（2011年） 宜人贷（2012年）
3. 金融科技的社会环境
（1）政策环境
金融科技引入的金融创新，不仅带来了高效率、低成本和普惠性，同时也加大了金融市场的不
确定性，为推动金融科技合规有序发展，国内外相继出台了多项监管措施。
表 3 国外近年出台的金融科技政策（非完全统计）
国家 政策
美国
2015年，纽约州金融服务管理局推出“比特许可”监管政策。
2016年 2月，美国金融消费者权益保护局发布《B创新细则》，旨在促进对消费者有利的创新。该文件包含了《无异议函细则》，其出台目的是为创新性金融产品与服务的推出降低来自监管层的政策风险。
2016年 5月，美国财政部发布了《网贷的机遇与挑战》，内容为网贷定义、模式、市场规模、产品类型、网贷与金融机构的合作、网贷平台的优缺点等。
2017年 1月，白宫国家经济委员会发布了美国金融科技监管框架。
英国
2014年 3月，FCA（金融行为监管局）发布了通过互联网众筹及通过其他媒介发行不易变现证券的监管办法。
2014年 10月，FCA 推出“项目革新”计划，针对创新企业的请求，由孵化器提供政策咨询，由创新中心从监管角度向持牌企业提出合规建议。
2016年 5月，FCA正式启动了监管沙盘（类似于中国试点改革）。
新加坡 2016年 5月，新加坡金融管理局（MAS）和总理公署的国家研究基金会（NRF）联合成立了 Fintech办公室，作为一站式虚拟实体负责所有 Fintech事务，并致力于将新加坡推广成为 Fintech中心。
澳大利亚 2016年 1月，澳大利亚证券与投资委员会（ASIC）推出 257号监管指南《在不持有 AFS 或者信贷许可证的情况下测试金融科技产品和服务》，提出了金融科技企业提供金融产品和信贷服务金融科技许可证豁免的情况和条件。
6
金融科技在证券行业的应用研究
中国的金融科技发展主要依靠政府支持。从 2013年至今陆续颁布了多项金融科技政策，鼓励
金融科技创新。同时，在国家的统一政策下，各地区也出台了一系列相关的政策细化措施。
表 4 中国近年出台的金融科技政策（非完全统计）
日期 政策
2013 年 11 月 《中共中央关于全面深化改革若干重大问题的决定》正式提出“发展普惠金融。鼓励金融创新，丰富金融市场层次和产品”。
2014 年 3 月 中国人民银行出台了《关于手机支付业务开展的指导意见》，要求支付行业紧跟市场、规范发展、加强管理和自身注重协调创新。
2015 年 7 月 中国人民银行、工信部等十部门联合发布《关于促进互联网金融健康发展的指导意见》：一、鼓励创新，支持互联网金融稳步发展；二、分类指导，明确互联网金融监管责任；三、健全制度，规范互联网金融市场秩序。
2015 年 7 月 保监会印发了《互联网保险业务管理暂行办法》，就经营险种、经营主体、经营行为等互联网保险业务的具体经营事项作出了具体规定。
2016 年 8 月 国务院发布《十三五国家科技创新规划》，大力促进科技金融服务和产品创新，同时提出要建设国家科技金融创新中心，这标志着金融科技产业，正式成为国家产业引导方向。。
2016 年 10 月
证监会等 15 部门联合公布了《股权众筹风险专项整治工作实施方案》，将互联网股权融资活动纳入整治范围，重点整治互联网股权融资平台以“股权众筹”等名义从事股权融资业务、以“股权众筹”名义募集私募股权投资基金、平台上的融资者擅自公开或者变相公开发行股票等八类问题，并明示了六类禁止行为。
2017 年 2 月 银监会正式发布《网络借贷资金存管业务指引》，对 P2P 银行资金存管业务所涉及的主体、操作流程、系统技术、相关资质也都做了明确的界定和详细的说明。
2017 年 5 月 中国人民银行成立金融科技委员会，旨在加强金融科技工作的研究规划和统筹协调。
（2）经济环境
全球风投资本对金融科技投资保持较高的热度。2016 年中国首次超越美国成为全球金融科技
投资额最高的国家，2017年排名第三，从 2015年以来每季度的投资都超过 200笔，均处于高位。
图 3 全球 VC投资的 Fintech企业和地域分布情况
7
金融科技在证券行业的应用研究
对比中美金融市场，美国金融市场比中国成熟，中国具有更高的储蓄率，消费增长较快。金融
科技的发展态势表现为在美国成熟的金融市场中保守前进，在中国尚未成熟的金融市场中高速发
展。尤其在 2015年到 2016年的金融科技风险投资比率方面，中美对比悬殊。
在我国经济发展，居民可支配收入增加的背景下，财富的积累伴随着理财需求的增长。2017
年，我国金融科技企业的营收总规模达到 6541.4亿元，同比增速 55.2%。据艾瑞分析认为，目前
金融科技服务于金融机构，更偏向实际金融业务的后端，并不是金融产业链中利润最丰厚的一环，
未来随着金融科技深入前端业务应用，中国金融科技营收总规模将保持稳定增长。
图 4 2013年-2020年中国金融科技营收规模
（3）技术环境
大数据、云计算、人工智能、区块链等技术运用范围的不断扩大，也为金融科技发展提供了技
术保障。大数据、云计算、人工智能之间存在相互依赖、相互促进的关系。如果说大数据是金矿，
那么金融云就可以看作是矿井，矿井的安全性、可靠性决定了金矿的开采效率。人工智能需要海量
高品质的训练数据来感知、认知、分析和预测世界；反过来，人工智能又能促进大数据的发展，提
高数据采集与处理的速度和质量，推动大数据产业的发展。区块链的去中心化和分布式记账，则会
带来金融服务机制的根本性转变。
8
金融科技在证券行业的应用研究
图 5 金融科技的关键技术
（4）普惠金融
普惠金融被赋予支持经济增长、促进就业、消除贫困和实现社会公平具有重要意义。金融科技
的高效率、低成本优势在推动普惠金融发展方面有不可比拟的优势。大数据、云计算、人工智能和
区块链等技术在金融业务中的深入应用，能及时提供准确、安全的信息，降低交易双方的信息不对
称程度，降低金融产品和金融服务对空间的依赖度，促进普惠金融发展，能广泛覆盖小微企业、农
户、小额资金所有者等长尾人群，提供丰富的金融服务，让各层级客户都能平等享受金融服务。反
过来，人们对普惠金融的需求也是金融科技发展的重要催化因素。
图 6 金融科技助推普惠金融发展
9
金融科技在证券行业的应用研究
第二章 金融科技的市场格局和应用场景
金融科技的参与主体不仅包括通过技术手段提供创新金融服务的金融科技公司和提供金融合
规科技应对方案的监管科技公司，还包括传统金融业机构和为金融业提供技术服务的科技公司，形
成了逐渐完善的金融科技生态体系。金融科技在银行、证券、保险、消费金融、金融监管等领域的
应用，也塑造了以欧美、新加坡、澳大利亚、中国等国家的金融科技产业中心。
1. 金融科技的行业特征
（1）高创新
金融科技通过运用大数据、云计算、人工智能、区块链等技术对金融行业进行革新，将传统的
银行/证券/保险业务分解，创新金融服务/业务模式，提供高效率、低成本、便利性产品与服务，
提升了金融行业的运转效率。
（2）高度重视客户体验
金融科技高度重视客户体验，包括简化产品和服务流程，学习并预测客户需求，产品快速迭代，
形成传统金融行业所不具备的服务体验。
（3）高扩展性
金融科技利用伙伴关系或分销，将业务模式、产品、服务在可能的范围内快速延伸，为金融产
品差异化定价，计算客户信用，为客户制作资产组合等，实现业务规则和流程的统一，支持快捷、
准确的决策分析。
（4）去中介化
金融科技直接将提供者和需求者连接，完全实现了金融脱媒和去中介。如 P2P 就是介于银行与
证券公司之间，P2P平台是信息中介，通过网络完成供给方与需求方交易，提升了金融效率。
（5）普惠化
金融科技通过特有的获客渠道、数据维度和反欺诈模型等帮助传统金融机构将丰富的金融服务
下沉到有信贷需求的长尾人群，让越来越多的市场主体分享到金融服务带来的便捷，尤其是中小微
10
金融科技在证券行业的应用研究
企业和没有征信记录的个人都能平等地共享丰富的金融服务。
（6）易合规
市场上较为优质的金融科技公司不仅有业务增长的技术优势，还具备易于监管合规的技术优
势，这有利于金融科技增强信息透明度，降低风险和运营成本。合规不再源自外部的监管压力，而
是成为金融科技发展的内在动力。
2. 金融科技的市场格局
全球金融科技的产业中心主要分布在英国、美国、新加坡、澳大利亚、中国等国家。
（1）英国
据安永金融科技数据库统计，英国 50%以上的金融公司聚焦于银行和支付，约 20%集中在信用
和贷款行业，这反映了 P2P作为替代性金融在英国贷款中的地位。伦敦作为英国的金融科技中心，
也是欧洲最成功的金融科技中心，凭借其历史悠久的金融机构发展成为英国的金融科技中心。此外，
得益于国家政策，以曼彻斯特为代表的其他城市也汇聚了很多优秀的金融科技公司，如 AccessHay
和 DueCourse，还拥有众多加速器项目（Innovate Finance 等）以及活跃的投资机构（Forth Oest
Fund，GMAF和 MADAS等）。
（2）美国
早在 1980年，Fintech一词就已经在华尔街业界被自发使用。美国的金融科技发展集中在硅
谷和纽约。根据德勤的一份调查报告显示，2016年全球金融科技中心排名，分别是伦敦、新加坡、
纽约和硅谷。纽约是全球金融中心，凭借华尔街庞大的资本基础和金融专才，发展了一批金融科技
机构。硅谷凭借其科技创新优势，孵化出众多金融科技独角兽企业，而 GAFA四大企业的 Google、
Apple、Facebook、Amazon也将持续在金融科技领域扩大投资。美国顶级的金融科技公司有很多，
如专注于在线借贷的 Avant，专注于互联网保险的 Oscar Health，专注于财富管理的 Wealthfront。
（3）新加坡
新加坡在政府支持、资金来源、创新中心建设和监管沙盒设立等方面较为突出，目前已有超过
300 家金融科技公司落户新加坡，超过 20家跨国金融机构和科技企业在新加坡设立创新实验室和
11
金融科技在证券行业的应用研究
研究中心，包括全球最大的金融科技中心 LATTICE80。新加坡顶级金融科技公司包括 Bluzelle，
Dragon Wealth，Fastacash、MatchMove Pay，MoolahSense，Crowdonomic，Otonomos，Fitsense
等。
（4）澳大利亚
澳大利亚的金融科技行业发展迅速，是金融科技的“后起之秀”。毕马威一份报告中称澳大利
亚拥有先进的互联网银行和移动终端产业，是全球金融市场进入亚洲生态经济区的理想入口。根据
ACB NEWS 数据显示，2016年澳洲的金融科技投资 25项共产生 6.56亿美元投资。澳大利亚有很多
顶级金融科技公司，据毕马威的一份报告显示，全球前 100金融科技公司中澳洲有 9家，其中的
prospa，Tyro和 SocietyOne 进入前 50强。
（5）中国
得益于政府的政策支持，中国的金融科技发展后来居上。根据英国金融科技公司协会 Innovate
Finance 发布的报告：2016年中国首次超越美国成为全球金融科技领域投资额最高的国家，2017
年中国排名第三，其中 2016年中国金融科技企业中有 3 笔是全球最大金额投资，蚂蚁金服 45亿美
元（有史以来金融科技领域投资规模最大的一笔），陆金所 12亿美元，京东金融 10亿美元。
图 7 历年全球金融科技风投规模
金融科技发展势头强劲，市场前景广阔。据 SparkLabs Global Ventures 报告显示，2016年
全球金融科技市场交易额近 2.4 万亿美元，未来有望保持 20%增速，到 2020年预计将超过 5万亿
美元，而中国在 2016年金融科技市场规模已达 4410亿美元，位居全球第二，发展势头猛劲。
12
金融科技在证券行业的应用研究
图 8 全球金融科技市场规模
中国最具代表性的金融科技企业包括北京的京东金融、宜信、百度，杭州的蚂蚁金服、网易金
融、挖财、同花顺，深圳的腾讯、平安集团、红岭创投，上海的陆金所、众安保险、万达网络金融、
拍拍贷，香港的 Amareos、Neat、Gatecoin、microcted，中国台湾地区的 ALLPAY、台湾行动支付
公司等。
3. 金融科技在资本市场的应用模式
金融科技已经全面渗透到支付（Payments）、保险（Insurance）、存贷（Deposit & Lending）、
筹资（Capital Raising）、投资管理（Investment Management）、市场资讯供给（Market
Provisioning）等多个金融领域。
图 9 金融科技主要涉及领域
13
金融科技在证券行业的应用研究
在不同的应用领域也催生了丰富的新型金融业务模式，普遍分布在资本市场的前、中、后台。
表 5 金融科技典型业务模式
金融科技典型业务模式
分类 业务 范围
业务 模式
主要功能 典型代表 业务模式
前台
销售、 交易 和研 究
一级市 场发行
提供一级市场股权众筹及交易服务
AngelList 股权众筹平台 纳斯达克 Linq 场外 OTC和区域股权市场证券发行
交易所、 二级市 场交易
为投资股票、债券、ETF、外汇及衍生品的机构投资者提供替代性的交易所或平台
eToro、Motif 社交交易平台
IEX 股票交易所：所有权和运作都独立于主要交易所
Trumid 电子化的债券交易平台
投资 管理
协助交易员和投资顾问进行自动化、电子化和集中化的投资管理
Opera Solutions 提供投资推荐，利用机器学习跟踪优化投资组合
Archer 云投资管理平台，服务机构、零售和财富管理经理
Wealthfront、 Betterment
智能投顾平台：主要投资各类 ETF
中台
投资 风险 控制、 研究 和分 析平 台
对冲 技术
为对冲基金和高频交易构建可替代平台
Clearpool Group 对冲基金辅助电子交易平台
替代 数据
为投资者提供数据获取的替代、补充途径
iSentium 提供情感分析
Earnix 提供客户行为数据
商业 智能
为投资者和投资顾问提供策略性投资决策工具
Addepar 提供统一投资管理和汇总客户投资档案 MX (MoneyDesktop)
进行跨平台数据集中和清洗
自动报 告生成
自动生成投行、研究所等固定格式文档，取代人工
Quill，Yseop 依托自动语言处理和智能图谱生成固定格式报告
市场数 据平台
收集非结构数据集，为投资者提供市场数据和分析
AlphaSense 收集汇率、通胀等数据
Xignite 提供金融市场数据 APT 的云平台
后台
清算 与结 算，风 险与 合规， 以及 广义 的 IT 部门
反洗钱 帮助金融机构满足反洗钱要求，规避洗钱行为
Fenergo 利用客户身份验证（KYC）工具帮助验证客户或关联机构身份，进行持续监控和尽职调查
股权 管理
取代后台部门对股权结构的记录保存职能
eShares 生成和管理电子股票证书，取代传统手动做法
智能 客服
利用聊天机器人、个人助理等人工智能技术优化或取代传统客服
Personetics Technologies
提供交互式、个性化客户服务问答
清算、 结算、 交割
利用云服务、区块链等技术提供金融清算、结算服务
Finxact 为企业提供基于云端的核心基础设施 D-Wave 开发提供量子计算技术 Digital Asset Holdings
利用区块链技术增强核心清算和结算
Plaid 帮助金融机构实施移动端策略
14
金融科技在证券行业的应用研究
Technologies
金融服 务软件
为金融机构提供软件服务，增强已有产品应用或开发新产品
InvestCloud 云应用开发商，为资产管理者，基金创始人和投顾提供应用
Symphony Communication Services*
帮助金融企业实现对内和对外的安全通信
Riskalyze 帮助测量客户的风险耐受阈值，推荐投资组合
风险与 合规与 监管
提供辨识和减轻宽泛风险管理的软件，帮助公司达到合规要求
nCino 提供投资组合风险管理
Droit Financial Technologies
通过其 ADEPT平台为客户提供市场逻辑和监管合规方面的技术服务
为金融机构提供员工监控、用户交互行为分析等服务
Bigstream Solutions
利用机器学习分析用户行为的数据分析平台
总结来看，成熟的业务模式具有以下策略：一是平台通过 B端机构合作获取 C端用户，获客方
式更为有效；二是以互联网和移动设备为客户提供纯线上服务，简化业务流程，增强客户体验，配
合与线下相结合的 O2O模式增强服务的针对性和有效性；三是大数据、云计算、人工智能和区块链
等为金融业务开展提供基础技术支持，在此基础上实现金融服务的个性化和业务创新；四是以细分
市场为切入点，专注提供个性化服务和增值服务是平台起步期的占优策略。
4. 金融科技在证券行业的应用模式
金融科技在证券行业的应用模式同样分布于证券业务的前、中、后台，主要包括智能投顾、智
能投研、量化交易、投行业务、资产证券化、风险控制、合规管理、运营营销、客户服务等。
表 6 金融科技在证券行业的应用模式
场景 主要技术 应用 优势
前
台
智能
投顾
①人工智能；
②投资组合
优化等理论
模型
①定制化投顾服务。综合考虑普通投资者的预期收
益、风险承受能力及风险偏好特征，使用智能算法，
提供投资建议；
②全生命周期跟踪服务。动态跟踪客户端和产品端
的风险情况，为用户的资产配置再平衡提供建议。
①“一对多”高效。避免一
对一服务的低效化；
②实现普惠金融。为长尾客
户提供服务，促进实现普惠
金融。
投研
管理
①人工智能；
②自动报告
生成系统；
③光学字符
识别（OCR）；
④知识图谱
①批量完成文档工作。系统可理解年报、时事新闻、
行业分析报告和法律公告等材料，通过 OCR技术解
析图片，利用知识图谱提取逻辑主干，自定义将时
间、地点等要素嵌入报告模板，自动处理、分析数
据并输出研究报告。
①节省时间与精力。避免重
复性工作，节省时间和人力
成本；
②弥补业务收入回落。投研
领域平均利润空间受到挤
压。
量化 ①人工智能； ①投资策略的升级。根据效用函数对发生的随机事 ①规避人性弱点，克服认知
15
金融科技在证券行业的应用研究
交易 ②现代统计
学 ；
③数学
件进行反馈，设计出最优效用资产配置方案；
②交易模式的变革。智能代理交易程序方便跟踪跨
市场、跨品种证券，可以实时观察委托单的变动、
高频交易数据，拟订最优交易指令，准确执行。
偏差。
投行
业务 ①区块链
①长期保存数据。数据一旦经时间戳检验并被添加
于区块链上，可靠性高；
②确保企业上市和上市后的披露信息真实传递，不
恶意编辑修改。
①优化复杂流程，规避信任
风险。
资产
证券
化
①区块链
①各方共享数据。区块链让发行环节高效透明，交
易和使用记录不可篡改；
②智能合约。一种预先编辑，以数据语言记录条款，
当设定条件被满足就自动执行条款，又称自动担保
账户。
①提高券商资产证券化产
品的设计、发行、交易的效
率；
②破解资产证券化业务中
数据共享和校验的困境。
中
台
风险
控制
①数字信用
评估体系
①360度客户画像。事前加强认证、事中实时监控、
事后有效处置。
①降低金融服务机构与消
费者之间的信息不对称及
人为因素的干扰。
合规
管理 ①大数据
①合规管理系统。数据自动更新、统计分析、监测
预警实现；
②反洗钱监测系统；
③合同管理系统。标准合同和非标合同分类管理，
开发对手方管理、在线修订留痕及合同范本入库。
①合规流程规范化、合规数
据集中化、合规工作留痕
化、风险展示清晰化；
②标准合同快速审核、非标
合同精细化审核。
运营
营销
①大数据；
②数据挖掘 ①了解账户状态、行为路径、个人偏好。 ①定向营销。
后
台
客户
服务
①自然语言
理解技术
①精细化服务管理。采用人机交互方式为消费者提
供全方位服务。 ①优化用户体验。
金融科技和证券行业的结合，正加速改变证券公司的竞争规则，促使券商加速转型升级，提升
行业整体金融服务效率。
在证券市场方面，营销模式向多元化发展，市场竞争愈发白热化。近年来互联网技术的飞速发
展，各券商物理网点原来的客户服务模式正面临巨大压力，急需通过拓展互联网渠道挖掘潜在客户。
同时互联网企业发展快速，创新活跃，注重效率和客户体验，也有利于刺激金融创新。
在证券基金经营机构方面，逐渐将业务向操作标准化，服务个性化，技术分布式转型。基于互
联网技术的标准化、低成本和服务海量客户特征，有助于简化交易流程，降低交易成本。同时结合
用户个性化需求，提供精准投资建议。
在投资者方面，采用互联网和智能科技，打破了传统业务时间和地域的限制，扩大了金融服务
的覆盖面，增强了客户主动性。同时科技推动客户向移动互联网迁移，促进客户享受自动化、便捷
化和智能化的证券金融服务。
16
金融科技在证券行业的应用研究
第三章 金融科技的核心技术
大数据（Big Data）、云计算（Cloud）、人工智能（AI）、区块链（Blockchain）等新技术和金
融业务的深层融合，已经广泛应用于支付清算、借贷融资、财富管理、零售银行、保险、交易结算
等领域，加速了金融行业快速迈入智能金融时代。
大数据、云计算、人工智能、区块链等技术互相关联，互相促进。大数据是基础资源，云计算
是基础设施，人工智能依托大数据和云计算，助推金融科技走向智能化；区块链是底层技术，它的
去中心化和分布式记账特征，为金融业务基础架构和交易机制的变革创造了条件。
1. 大数据
（1）大数据的概念
大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，需要新
处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信
息资产，具有海量的数据规模（Volume）、快速的数据流转（Velocity）、多样的数据类型（Variety）、
低价值密度（Value）、数据真实（Veracity）的特点。
资本市场对数据依赖性极强。经整合、分析、处理的大数据蕴含极高的价值，将对资本市场发
展带来巨大价值。据埃森哲预测，到 2020年，我国资本市场的金融大数据应用价值将达到 450亿元
人民币。
（2）大数据的关键技术
从数据处理流程来看，大数据分析可分为四个层次：一是建立一个收集和存储的大数据系统架
构；二是各种关系型和非关系型数据信息的整合、处理；三是知识发现，依靠人工建模分析、机器
学习等进行数据分析，发现规律；四是构建以信用及定价为核心的主要应用场景，提供智慧决策。
大数据技术在金融领域的应用，实现了金融科技创新，主要包括大数据征信、大数据风控、大
数据消费金融、大数据供应链金融、大数据财富管理等。但受个人隐私保护、数据安全、数据归属
权、数据流通壁垒等问题的制约，应用主要集中在个人和企业客户精准画像及风控、定价、营销、
征信、评级等方面的应用场景布局。
17
金融科技在证券行业的应用研究
图 10 大数据分析的四个层次
按照外部数据所有权是否独特，目前较为成熟的商业模式有三类：测试即服务（TaaS）模式（利
用内部或结合第三方数据提供大数据服务，如以 OpenStack为代表的开源云计算等），分成模式（以
自身独特数据和外部独特数据提供大数据服务）和内部生态模式（拥有自身独特数据，同时为其他
业务发展提供大数据服务）。
（3）大数据在证券行业的应用场景
证券行业对大数据平台的应用主要体现在数据整合、数据驱动产品迭代、精准营销体系建设、
智能化产品研发四个方面。
●数据的整合与共享
券商业务种类丰富，各业务系统数据呈网状结构，互相分离。大数据能有效解决传统业务对数
据依赖的低效研发过程，将各业务数据进行集成与整合，统一存储于大数据平台，实现数据的的共
享和应用。
●提高工作效率
基于配置文件的采集系统，无须为每个系统做开发，数据采集实现自动化；产品运营数据的实
时分析，技术方案更加便捷；基于大数据平台的运维系统能够实时监控各模块指标，实现监控和预
警；大数据平台提供的工具帮助研发人员实现线上问题的查找、分析、修复，提高研发效率。
18
金融科技在证券行业的应用研究
●移动端埋点系统
通过 App端对客户行为埋点，能准确了解客户交互行为，扩展用户信息，前移运营机会提供数
据支撑。
●用于行为分析
基于埋点数据，分析用户需求，设计迭代产品，提升用户体验。同时根据用户行为流，前后追
踪行为链，捕捉宏观数据外的其他数据。
●用户画像系统
结合业务需要，通过数据给用户设计标签，使得计算机能够程序化处理与人相关的信息，甚至
通过算法和模型学习人，进一步提高数据模型的精准度。用户画像数据通常用于精准营销、业务决
策、用户研究、个性服务等。
●精准营销
精准营销是在用户画像基础上，设计个性化营销方案和沟通服务，主要包括实时营销、交叉营
销、个性化推荐、客户生命周期管理、渠道优化等。
●智能热股
基于用户搜索和行情交易量等数据，采用物理模型，实时计算分析当前的股市热点。该产品上
线以来得到了用户认可，提高了客户体验与客户黏性。
●投顾服务产品推荐模型
基于用户数据、用户画像，学习用户投资偏好和风格，建立科学的数据模型，提供个性化推荐
模型，提供智能投顾服务。
2. 云计算
（1）云计算的概念
云计算是集中大量计算系统于一体，基于互联网技术将计算分布于大量的分布式计算机上实现
19
金融科技在证券行业的应用研究
计算任务的虚拟化资源。美国国家标准与技术研究院（NIST）定义的云计算是由一个可配置的共享
资源池组成，该资源池提供网络、服务器、存储、应用程序和服务等多种硬件和软件资源，具备自
我管理能力，用户只需少量参与就可按需获取资源。
云计算和大数据就像硬币的正反面，大数据具有的海量的数据规模、快速的数据流转和多样的
数据类型等特点，必须依托云计算的分布式计算架构、云存储和虚拟化技术。
（2）云计算的服务形态
美国国家标准与技术研究院明确了云计算的几种服务形式：基础设施即服务（IaaS）、平台即服
务（PaaS）、软件即服务（SaaS）、流程即服务（BPaaS）。
图 11 云计算的服务形态
基础设施即服务是消费者可以通过 Internet获得存储、计算等基础设施服务。平台即服务一般
包括操作系统、编程语言的运行环境、数据库以及 Web服务器，用户在该平台上可自行部署和运行
应用，为用户提供可实施开发的平台环境和能力。软件即服务是用户通过 Internet 租用 Web软件来
管理企业的经营活动。流程即服务是在 PaaS和 SaaS基础上演进过来的为用户提供完善的流程服务，
通过流程管理来降低企业的管理成本，提高管理效率。
根据服务形态，云计算又可以分为公共云、私有云和混合云。
公共云是由第三方提供商提供的云服务，由云提供商完全承载和管理，用户无需购买硬件、软
件或支持基础架构，只需为其使用的资源付费即可，云提供商将为用户提供价格合理的计算资源快
20
金融科技在证券行业的应用研究
速访问等云服务。公共云能合理利用资源，满足扩展需求，但数据安全性存在隐患。
私有云是在企业内部提供的云服务，由单个公司拥有和运营，该公司控制各个业务线和授权组
自定义以及使用各种虚拟化资源和自动服务方式。私有云能保障虚拟化私有网络安全，但相比公共
云，需要投入较高的成本。
混合云是公共云和私有云的混合，使用私有云作为基础同时，结合了公共云的服务策略。一般
由企业创建云，由企业和云提供商共同分担管理和运维。混合云可根据具体任务合理选择工作负载，
但投入的硬件和软件资源成本较高。
（3）云计算的典型企业和云服务
美国云计算的代表性企业有亚马逊、VMWare、微软、Salesforcee、谷歌、Rackspace、IBM、Citrix、
Joyent、Softlayer等。
国外的典型企业云服务有 Amazon Web Service、Windows Azure、Google App Engine、IBM
PureSystem、VMware vSphere、Salesforce CRM；典型个人云服务有 Dropbox、Evernote、Google Drive、
Amazon Cloud Drive、Microsoft SkyDrive。
中国典型个人云应用有有道云笔记、百度网盘、酷盘、金山快盘；典型云计算平台有腾讯云计
算平台、百度云计算平台、阿里云计算平台。
3. 人工智能
（1）人工智能的概念
人工智能综合了计算机科学、数学、生理学、哲学等内容，是研究、开发用于模拟、延伸和扩
展人的智能的理论、方法、技术和应用系统的一门新的技术科学。国际上无公认的定义，最早提出
这一概念的约翰•麦卡锡认为“人工智能就是要让机器的行为看起来像人所表现出的智能行为一样”。
人工智能在金融领域的应用主要包括智能投顾、征信风控、金融搜索引擎、保险、身份验证和
智能客服等。根据 MarketsandMarkets报告显示，人工智能在金融科技的全球市场规模预计将从 2017
年的 13.38亿美元增长到 2022年的 73.06亿美元，复合增长率 40.4%。《新一代人工智能发展白皮
书（2017）》预测，2020年中国智能金融产业规模将达到 8亿美元。
21
金融科技在证券行业的应用研究
（2）人工智能的关键技术
从技术层面来看，人工智能可以拆分为三个层面：基础层、技术层、应用层。
图 12 人工智能技术分层
人工智能在金融领域应用主要包括五个关键技术：机器学习、生物识别、自然语言处理、语音
技术以及知识图谱。
●机器学习
机器学习具有多种衍生方法，包括监督学习、无监督学习、深度学习和强化学习等。可用于贷
款审批、资产管理、风险评估等。
●生物识别技术
主要包括指纹、人脸、静脉、虹膜、声纹、掌纹等体表的和内在的多种技术，可用于身份验证、
远程开户、无卡取款、刷脸支付、金库管理和网络借贷等场景。
●自然语言处理技术
用于金融数据分析领域。对海量的企业信息进行处理，得到行业分析人员最关注的数据指标，
并用于指导投资，可以减少重复的人力劳动，辅助投资决策。
●语音识别
语音识别和语音合成技术结合在一起，提供一个基于语音的自然流畅的人机交互方法，其应用
22
金融科技在证券行业的应用研究
可遍布各大银行及证券公司的交易与非交易性工作中。
●知识图谱
通过将公司、管理层、新闻事件以及使用者个人偏好都表示为实体，发现其间的联系，让金融
数据搜索更加高效，为投资者提供针对性的投资建议。
（3）人工智能在证券行业的应用场景
目前，人工智能尚处在发展初期，应用场景主要集中在大规模的量化、替代部分人力分析层面，
尚未形成对人脑决策的全面替代。
表 7 人工智能在资本市场的应用
应用 领域
技术 应用场景 发展预期 典型模式
智能投研 OCR、NLP、KG
运用技术解析处理实时新闻及数据、行业分析报告和法律公告等，通过知识提取和实体关联，将关键信息嵌入报告模板，形成报告。
固定格式的文档（如招股说明书、研究报告、投资意向书等）撰写将逐渐取代人工，某些观点独特的文章需要人为修正，提高报告精确度。
Quill， Automated Insights， Yseop
智能客服 NLP、KG 利用自然语言处理技术，提取客户意图；通过知识图谱构建客服机器人的理解和答复体系。
规则场景技术较成熟，机器人客服是大势所趋。
Digital Genius， Nuance， 智齿客服
智能征信风控
KG、NLP、ML
知识图谱将提供深度、有效的借款人、企业、行业间的信息关联，将企业母子公司、上下游、合作商及竞争对手等信息深度呈现。
技术较成熟，模式应用取决于数据源争夺，大数据和人工智能结合将成为征信业竞争核心。
ZestFinance， WolframAlpha， Experian， 信而富
金融搜索引擎
ML、NLP、KG 高质量的知识图谱提供信息间的有效关联，深度学习方便引擎迭代、记录用户偏好。
技术较成熟，未来搜索引擎将大量使用该技术。
The New York Times，XBRL， 91金融，资信客
智能投顾 ML、NLP、KG
利用机器学习，结合预测算法，根据历史经验和市场信息预测价格趋势，创建最优风险收益投资组合。
技术逐步成熟，量化投资、财富管理领域将大量采用，逐渐代替人工。
Kensho， Wealthfront， 理财魔方
人工智能在金融业务中的应用不仅能大幅降低人力成本，提升金融风控及业务处理能力，还能
助推普惠金融的发展。第一，智能技术可以让金融服务的边界更加宽广，如智能投资，利用技术手
段降低门槛，将一些相对中低风险的理财产品惠及普通投资者；第二，有利于提高金融服务效率，
如智能信贷，通过大数据分析自动审批，降低运营成本；第三，有利于改善金融风险防控，如通过
“刷脸”、智能客服等技术作为辅助手段，防范欺诈风险。
23
金融科技在证券行业的应用研究
4. 区块链
（1）区块链的概念
区块链是一种不依赖于第三方，由多方共同维护的，通过自身分布式节点，结合共识机制、密
码学、时间戳等技术进行网络数据存储、验证、传递和交流的记账技术，也称为分布式账本技术。
区块链在不可信的竞争环境中，以低成本建立信任的新型计算范式和协作模式，正改变着诸多行业
的应用场景和运行规则。
典型的区块链系统以区块为单位存储数据，按照时间顺序构成的链式数据结构，具有去中心化、
开放可追溯、独立性、安全不可篡改、匿名性特点。
图 13 区块链的技术特点
（2）区块链的关键技术
区块链的技术原理可以概括为：一个网络中的所有用户同步记录某一交易信息，相互验证信息
的真实性，通过共同验证机制，减小信息被少数用户伪造、篡改、冒用的可能性，增强交易双方的
24
金融科技在证券行业的应用研究
直接信任。区块链的关键技术包括哈希函数、Merkle树、非对称加密算法、P2P网络、共识机制、
智能合约。
●哈希函数
哈希函数可将任意长度的资料经过 Hash算法转换为一组固定长度的代码，这种单向哈希函数很
容易被验证，但是却很难破解，这是区块链网络能够实现不可篡改性的基础技术之一。
●Merkle树
Merkle树是⼀种哈希二叉树，使用它可以快速校验⼤规模数据的完整性。在区块链网络中，区
块中任何一笔交易信息的改变都会导致 Merkle树改变。
●⾮对称加密算法
非对称加密算法在加密和解密时使用公钥和私钥两个不同的密钥，是区块链网络有别于中心化
账户系统的技术特点，能够保证链上信息的安全性和匿名性。
●P2P⽹络
P2P⽹络又称点对点技术，没有中心服务器，依靠用户群交换信息的互联网体系。P2P网络的每
个用户端既是一个节点，也是一个服务器，P2P网络是区块链去中心化的技术基础。
●共识机制
共识机制是所有记账节点之间达成共识，认定一个记录有效的技术，既是认定的方式，也是防
止篡改的手段。共识机制决定了区块链网络的可扩展性、安全性和网络速度及去中心化程度。
●智能合约
智能合约是一组情景应对型的程序化规则和逻辑，通过部署在区块链上的去中心化、可信共享
的脚本代码实现。智能合约封装了预定义的若干状态及转换规则、触发合约执行的情景、特定情景
下的应对行动等。区块链可实时监控智能合约的状态，并通过核查外部数据源、确认满⾜特定触发
条件后，激活并执行合约。
25
金融科技在证券行业的应用研究
（3）区块链在资本市场的应用场景
区块链技术特点赋予了区块链具有无法篡改、透明和高效的优势，因此被广泛应用于供应链金
融、支付清算、数字票据、征信管理等方面。
●供应链金融
对于多方参与的供应链金融，区块链将分类账上的货物转移登记为交易，以确定与生产链管理
相关的各参与方以及产品产地、日期、价格、质量和其他相关信息。任何一方都不会拥有分类账的
所有权，也不可能为牟取私利而操控数据。
●支付清算
特别是跨境支付方面，基于区块链技术构建分布式银行间金融交易系统，可为用户提供全球范
围的跨境实时支付清算服务，跨境支付将会更加便捷和低廉。
●数字票据
区块链能去除传统票据交易的中心角色，实现了数字票据的点对点传递。区块链的不可篡改和
全网公开特性，可避免赖账，能有效防范票据市场风险。
●征信管理
区块链的程序算法能自动记录信用相关信息，并存储在区块链网络的每台计算机上。当客户申
请贷款时，贷款机构在区块链网络获得授权后可通过直接调取相应信息数据直接完成征信。
表 8 区块链在资本市场的应用
应用场景 业务痛点 技术优势 效果 案例
金融 资产 发行 与交 易
区域股 权证券 发行
场外 OTC 市场和区域股权市场证券发行透明度差，交易流程复杂，流动性不高。
可靠可追溯、去中心化信任。
用户自主发行股份，基于区块链自主交易，过程完全透明。
纳斯达克 Linq、 Chain
金融资 产交易
流程复杂、清算效率低下，造假风险。
去中心化信任、智能合约
交易即清算，便于实现复合式交易。
DAH、 Chain
银行间 债券交 易
证券公司参与银行间债券交易，供需对接不畅；票据涉及多环节独立风控，成本高昂，虚假交易难避免。
可靠可追溯、智能合约
可追溯机制杜绝虚假票据；区块链技术构建无限扩展的市场；智能合约降低交易成本。
R3CEV、 ETCWin
众筹智 能合约
众筹到期不能有效执行，资金安全性不高。
可靠可追溯、智能合约
依靠智能合约约定各方责任义务，保证合约履行不被篡改，到期强制执行。
ETCWin
26
金融科技在证券行业的应用研究
支付 与清 算
清算 金融机构间缺乏权威的可信任机构或清算效率低下。
去中心化信任 引入联盟链、共识机制作为强信任主题，大幅提高清算效率。
R3CEV
支付 支付网络间缺乏信任机制，导致成本高、结算时间长、客户体验差。
去中心化信任、智能合约
实现支付便利，降低成本，提升安全性。
Ripple、 SWIFT、 Circle
27
博士后科研工作站专题研究报告
免责声明
本报告由中国银河证券股份有限公司博士后科研工作站向社会公开发布，是“博士后科研工作站专题研究报
告”，不是证券分析师的分析报告。
本报告反映研究人员个人的不同设想、见解、论证及判断。本报告所载观点并不代表中国银河证券股份有限
公司博士后科研工作站、不代表中国银河证券股份有限公司、也不代表我们的合作院校或任何其附属合作机构的
立场，如果本报告出现政治或学术、技术性错误或失实情况由作者本人承担责任，与中国银河证券股份有限公司
及其合作院校或任何其附属合作机构无关。
报告中的观点和陈述仅反映研究员个人撰写及出具本报告期间当时的分析和判断，本公司可能发表其他与本
报告所载资料不一致及有不同结论的报告。本报告可能因时间或其他因素的变化而变化，从而导致与事实不完全
一致的结论，敬请关注本公司就同一主题所出具的相关后续研究报告及评论文章。本公司、本报告研究人员及其
附属机构不对任何因使用本报告或本报告所载内容引起的任何损失承担任何责任。
本报告中的观点和陈述不构成投资、法律、会计或税务的建议，本公司不就报告中的内容对最终操作建议做
出任何担保。
本报告是“中国银河证券博士后科研工作站专题研究报告”，不是证券分析师的分析报告。本报告所载的全
部内容只提供给阅读者做参考之用，并不构成对阅读者的投资建议，并非作为买卖、认购证券或其它金融工具的
邀请或保证。
本报告可能附带其它网站的地址或超级链接，对于可能涉及的银河证券网站以外的地址或超级链接，银河证
券不对其内容负责。本报告提供这些地址或超级链接的目的纯粹是为了阅读者使用方便，链接网站的内容不构成
本报告的任何部分，阅读者需自行承担浏览这些网站的费用或风险。
所有在本报告中使用的商标、服务标识及标记，除非另有说明，均为银河证券的商标、服务标识及标记。
28
博士后科研工作站专题研究报告
中国银河证券股份有限公司博士后科研工作站
简 介
中国银河证券股份有限公司博士后科研工作站（以下简称“工作站”），是经国家人力资源和社会保障部及
全国博士后管委会批准设立的科研机构。
工作站以中国经济运行与发展中的重大理论问题、资本市场改革发展中的重大理论与实践问题和证券公司
发展创新过程中的现实性、前瞻性、战略性问题为研究对象，以吸引、培养和储备高层次研究人才为己任，以提
高中国银河证券综合竞争力、促进公司可持续发展、推进中国资本市场的理论建设为目标，力求通过宽视角、深
层次、高质量的研究，为把中国银河证券打造成国内一流券商服务，为资本市场的改革发展服务，为发展繁荣中
国的经济和金融科学服务。
为吸引高素质的博士毕业生进站从事研究工作，工作站为博士后研究人员提供在业内具有竞争力的、较高
水平的工资和福利待遇，以及较为优越的科研条件和工作环境。