中国电子银行网/半刻金融app讯  2016年7月29日~31日，由中国金融认证中心（CFCA）、中国电子银行网、中国网络金融联盟联合宁夏金融工作局主办的“金融科技（Fintech）驱动银行转型”高峰论坛在宁夏银川举行。近300位网络金融高管和专家参加本次论坛，与会者就金融科技给银行带来的机遇与挑战等话题进行了深入交流和讨论。中国电子银行网、半刻金融app对本次论坛全程直播。

量化派创始人&CEO周灏

　　量化派创始人&CEO周灏以《数据驱动的智能消费金融》为题作演讲，他表示，Fintech有一个比较有意思的地方是它将金融技术和互联网技术相互的融合。他认为，金融科技公司只有跟传统商业银行深度的整合，才能让自己的业务实现快速的增长。

　　以下是周灏的发言实录：

　　大家好，我是量化派的创始人周灏。

　　从过去两年的实践过程中，当我们把金融的技术跟互联网技术能够紧密结合在一起之后，实际上实现了非常多的增长。比如我是2007年加入capital  one的。最显著的另外一个特点，在过去的两年时间里把技术融合到金融里，虽然公司只有200多个人，但是我们每个月能处理过百万的申请量，每个月能发放接近20万笔的贷款白条额度。整个团队里，核心人只有7、8个人，他们主要做的策略分析师的角色，这是我们在中国实践过程中发现非常有意思的一件事情。
我觉得Fintech还有一个比较有意思的地方是，把金融技术和互联网技术相互的融合，还有我刚才特别赞同何教授刚才讲的一句话，银行是需要把它的业务做一个区分，作为Fintech公司也是这样，如果把银行做的事情全部做掉，他的增长也是非常有限的，这是我们发现非常重要的一点。只有跟传统商业银行深度的整合，才能让我们的业务快速的增长。

　　我们主要致力于做第三方的风控跟第三方资产的获取服务。这是我刚刚讲的在过去差不多两年的时间里逐步增长，现在月均的成交额这个月做到4个多亿，公司的人数只有近200人。表现效果从M0到M3，大概降到1%左右，这是建立在小额分散，每个月放款20万笔的情况上做的。回到刚刚那页，这就需要不断的增加人，但是优秀的人才是有限的。当你的数据链越大，你的规模越大的时候，你的效果就越好。这也是当你把它做成一个无人参与的业务模式的时候，就是非常好的效果。

　　前端跟各种交易合作，后端跟各种金融机构合作，通过他们来提供资金，我们来做获客，包括数据和风控，两者结合把业务做到最大的规模。这里还有比较好的体验，比如说我们现在合作的场景比如说去哪儿跟58，去哪儿跟传统的体验完全不一样，用户没有申请的过程，我们跟去哪儿合作的过程中先筛选出好的客户，给他提供一些额度，他点击激活的过程中我们给他做最后的授信，这个用户不需要申请，也不需要提供任何繁琐的材料，他的额度是时时就得到审批的，在他的使用过程中及时就可以使用，用户是秒级得到最终的体验。在这个过程中，我们给用户提供的是一个完全虚拟的白条跟信用贷款的服务，资金跟服务是整个贷款来提供的。

　　在业务流程中，我们把从前到后的流程都会参与，流量方参与流量的供给，提供平台服务，而金融机构给我们提供资金的服务。所以说在这个过程中，从数据的风控合作到产品开发合作，到资产共享到全面战略合作，我们跟金融机构是深度绑定的。给合作机构带来的四大价值，我们把顾客成本降到了最低，所以对于比如说需要大规模获客的情况下，比如说千万级用户，如果除掉自然流量的部分，实际上我们成本也就200、300万的样子，对于传统银行来讲会大幅度的降低获客成本。第三方数据比如说淘宝上的数据，在银行没有征信的情况下可以有数据分析、使用。对于效率来讲，我们把前期工作都做完了，所以对用户来讲是秒级的过程。

　　产品开发模式中，主要是把数据还有一些后期的整合提供给他。齐商银行，给他做的是数据时代的返点。资产共享方面，在我们合作的过程中，通过引入保险和担保公司，银行可以变成纯粹的基金公司提供，后期的风险风控和后期的资产控制，都可以通过担保公司提供。

　　包括资产证券化，第一期在8月份就会发出来。包括华融消费金融公司，在第一个月发放了8000万的额度。包括马上消费金融公司，也是我们合作非常深入的一家公司，这是我提到的阳光保险，现在不光是跟它的保险合作，也是在跟它集团下面的子板块进行深度的合作。包括杭州银行也跟我们做了整体数千万的授信。

　　这是目前为止机构的合作案例，现在比较有意思的一点，我们从单纯业务的合作，现在跟别的银行在谈全面战略性的合作，虽然说现在有一些别的银行员工加入我们公司之外，我们对金融公司体系之外的板块还不够清晰，所以他们银行汇帮我们整合跟金融机构包括跟银行怎么对接，我们会给他们提供整体的解决方案，包括他们的场景怎么设计一套从数据获取到风险风控的模型方法，整个一套体系的提供。

　　这边我讲一下我们从最开始大家用的比较多的到最后怎么做到这一步，谷歌的科学家做了差不多6年多的时间，所以他回来首先是把谷歌的神经网络包括方法用到风险的建模里来，我们做到现在有三个亿的用户关系网络，包括他们过去的通话、消费数据，在这个基础上已经可以看出人工智能挖掘的分析，最好的价值在于吸纳的过程中，防欺诈是很好的方法。包括网页的搜索运用到反欺诈里来，但我们在做反欺诈的过程中，遇到最多的是中介欺诈和团伙欺诈，通过不同网页之间的关联，我可以推测一个网页的好坏。对于贷款来讲，最怕的是客户失联，这是我们发现非常重要的一个方法。

　　这是三个亿关系网络中万分之一的一小块，每一个节点是一个消费者，中间的连接表示他们中间的关联程度，通过基于用户关系的图谱，对这三个亿的消费者都可以做一个基本的信用评分，包括技术的评分。

　　整个分工流程跟传统的金融机构会有很大的不一样，主要是大数据加入了进去，这块我也很快过一下。如果大家对大数据架构包括信用的模型信用体系比较感兴趣的话，我们可以在下面进行沟通交流。包括capital  one，还有我以前的工作经验，包括在巴克莱银行、摩根史坦利的经验也都可以和大家分享，感谢大家！

责任编辑：Rachel