摘要
自2019年央行发布《金融科技(FinTech)发展规划(2019-2021年)》已经有一年时间,为了解这一年来金融科技发展情况,零壹财经·零壹智库与天冕大数据实验联合发布了《2020年金融科技专利报告》,从专利视角对金融科技发展现状和未来发展趋势进行了深度分析。
√ 截至2020年9月,中国金融科技专利申请数量累计达到1.17万件,超过2300家公司参与专利申请。
√ 从技术角度来看,目前金融机构和科技公司更加青睐AI和区块链技术,每年专利申请数量和参与公司占比均趋于上升趋势,远超云计算、大数据、物联网等技术。
√ 从行业和应用场景来看,目前银行科技专利主要集中于智能信贷、风险管理和网点建设;保险科技专利主要集中于保险理赔、核保和车险定损;投资理财专利主要集中于量化交易、智能投顾和智能投研。
√ 从申请人类型来看,目前中国已经有79家金融机构参与专利申请,随着趋势的发展,未来还将有更多的金融机构参与进来。
√ 本报告对四件专利进行了案例分析:建设银行(601939,股吧),基于机器学习的资产证券化定价方法;天冕大数据,基于机器学习的欺诈检测和风险评估方法;泰康保险,基于人工智能对车辆进行定损;博普科技,基于机器学习的债券征信评价方法。
本报告为《中国金融科技年度报告2020》细分子报告《2020年金融科技专利报告》。
出品|零壹智库&天冕大数据
作者|任万盛
一、中国金融科技专利申请情况与发展趋势
截至2020年Q3,全球金融科技专利申请数量累计已达到18,015件,覆盖中美韩加澳日等34个国家和地区。其中,专利申请数量最多的3个国家分别是中国(11,746件)、美国(4,323件)和韩国(705件)。
图1:2020年全球金融科技专利TOP10国家
数据来源:零壹智库&天冕大数据实验室
过去十年,中国金融行业可以分为两个阶段。
第一阶段(2015年1月),以“互联网”和“大数据”为代表的互联网金融在中国迅速发展,衍生出大量P2P、互联网保险、互联网理财等金融产品,金融科技概念还未形成。
第二阶段(2015年之后),人工智能、区块链、云计算、大数据等技术逐渐成熟,在金融行业中的应用场景逐渐明确,从监管到各地政府,相继出台政策鼓励包括金融机构应用新型技术发展金融科技。
从监管机构到金融机构,从投资者到科技公司,逐渐意识到利用人工智能、区块链为代表的新型技术,可以有效提高企业获客能力、风险管理能力、工资效率,同时还可以降低企业运营成本和IT建设成本。
这一阶段,吸引了大量的企业入局,既有中国银行(601988,股吧)为代表的金融机构、也有以长虹电器为代表的传统行业,神州数码(000034,股吧)为代表的科技公司,同时还吸引了一批科创公司,如天冕大数据、360数科等科技公司。大量企业入局,为科技发展带来了创新力和创造力,专利申请数量也呈现爆发式增长。
图2: 2011-2020年Q3中国金融科技专利申请情况(单位:件)
数据来源:零壹智库&天冕大数据实验室
2016-2020年,新增金融科技专利11467件,累计有超过2200家公司参与了专利申请。其中,有近50%的公司成立于2016-2020年。
图3: 2011-2020年Q3中国金融科技专利申请人(公司)(单位:家)
数据来源:零壹智库&天冕大数据实验室
(一)2020年金融科技专利技术分布情况与发展趋势
从专利申请情况来看,中国金融科技专利主要以AI和区块链技术为核心。未来的金融科技,则有可能向区块链偏移。
2020年Q1-Q3,中国有482家公司参与金融科技专利申请,专利数量为1952件。其中有267家公司参与了区块链专利申请,专利数量合计1106件;有244家公司参与了AI+金融专利申请,专利数量合计857件;参与云计算、大数据和IOT专利申请的公司分别有51家、179家和59家,专利数量分别有141件、452件和107件。
值得一提的是,从2018-2020年,每年申请的区块链金融专利数量和公司数量均超过AI+金融。
图4:2020年中国金融科技专利申请情况
数据来源:零壹智库&天冕大数据实验室
1. 2020年AI+金融专利申请情况与发展趋势 2011-2015年,中国金融行业在IT建设上,主要围绕互联网技术,打造线上化业务。AI技术并未引起关注,每年参与AI+金融专利申请公司的数量在10-30家之间,且专利申请数量均不超过100件。
图5:2011-2020年中国AI+金融专利申请情况
数据来源:零壹智库&天冕大数据实验室
图6:2011-2020年中国AI+金融专利申请人(公司)
数据来源:零壹智库&天冕大数据实验室
2016-2020年,中国相继发布了多项政策,鼓励AI与金融结合。例如,国务院在2017年发布的《新一代人工智能发展规划》,将建设智慧金融作为重点任务之一。
此外,AI在银行、保险、资管、支付、征信、风险管理等业务中的功能和应用场景越来越清晰化,智能客服、智能投顾、智能理赔、智能支付、智能征信、智能风控、智能投研等相关概念被提出。
一些金融机构通过开设金融科技子公司、与互联网科技公司战略合作,“内外兼修”科技能力。截至2020年,已经有15家银行、8家保险公司、2家证券公司宣布并成立金融科技子公司;并且这些金融机构每年都加大科技投入进行自主研发。
AI+金融赛道的科技公司也相继成立,例如苏宁金融科技、360数科、天冕大数据等。
2016-2020年,累计有2246家公司参与金融科技专利申请,其中有1078家申请AI+金融专利,占比为48%;2020年前三季度,有482家公司参与金融科技专利申请,其中有244家公司申请AI+金融专利申请,占比为51%,专利合计857件。
2. 2020年区块链金融专利申请趋势
2016年之前,区块链技术在中国还鲜为人知,社会关注度相对较低。即使2016年,由工信部指导的《中国区块链技术和应用发展白皮书(2016)》发布,也并未引起太大关注。
2017年末,比特币价格上涨,由年初的965美元涨至14025美元,最大涨幅超过25倍。
在比特币、以太坊等数字货币影响下,区块链技术才首次迎来了社会广泛关注。
由于区块链技术具有可溯源、不可篡改、去中心化等特性,可以有效改善金融业务中的信用风险和操作风险,提高金融机构的风险管理能力,同时还可以有效改善融资环境,解决中小企业融资问题,解决金融数据安全等问题,大量科技公司涌入该赛道。
图7:2012-2020年中国区块链专利申请情况
数据来源:零壹智库&天冕大数据实验室
图8:2012-2020年中国区块链专利申请人(公司)
数据来源:零壹智库&天冕大数据实验室
从2018-2020年,有超过1000家公司参与区块链金融专利申请,专利数量约5300件。其中,2018年有483家公司参与专利申请,申请数量达到1623件,同比分别增长286%和568%。而这一阶段,参与AI+金融专利申请的公司不足900家,专利数量4100件左右。
3. 2020年中国大数据、云计算和IOT专利申请趋势
相较AI和区块链,大数据、云计算和IOT三项技术受场景和应用范围限制,关注度不高,但是每年参与专利申请的公司和专利数量均保持稳定的增长趋势。
· 大数据+金融
在金融领域,大数据与AI之间的界限越来越模糊。很多应用场景同时应用到了大数据和AI技术。
例如,智能营销是基于大数据、机器学习、深度学习等技术推出的应用场景。智能投顾是基于海量客户数据和产品信息,借助大数据和机器学习构建的模型,为客户提供个性化、千人千面的投资理财服务。
这些场景均离不开大数据和AI。在2020年前三季度,大数据+金融专利申请数量为452件,其中有近50%的专利同时应用了人工智能和大数据技术。
· 云计算+金融
为了降低IT建设成本,实现利润最大化,越来越多的金融机构借助云平台建设自己的金融科技;同时以阿里云、腾讯云为代表的云技术供应商,围绕金融业务搭建了相关场景和解决方案。
在2020年,有51家企业申请了云计算专利,专利数量合计141件。
· IOT+金融
在金融行业,IOT的应用场景更多集中于网点建设和供应链金融业务。以银行为代表的金融机构,为了建设数字化银行,打造3公里银行,借助手机用户、传感器等设备,对银行网点进行升级改造,提升客户体验。
此外,为了解决供应链金融业务存在的信任问题,金融机构和金融科技公司借助IOT技术实现对物流信息的管理,提高数据的真实性,提高风险管理能力。
在2020年,一共有59家公司参与IOT专利申请,专利数量合计107件。
(二)2020年中国金融科技专利应用场景分布情况
从行业和场景来看,2020年申请的金融科技专利,超过57%的专利与交易支付(包含数字资产)有关,其次是银行、保险和投资理财。
图9:2020年中国金融科技专利应用场景分布情况
数据来源:零壹智库&天冕大数据实验室
在银行、保险和投资理财业务中,AI相关专利数量最多。银行业,专利数量最多的3个场景是智能信贷、风险管理和网点建设;保险业,专利数量最多的3个场景是保险理赔、核保和车险定损;投资理财,专利数量最多的3个场景是量化交易、智能投顾和智能投研。
在交易支付场景中,区块链专利占比最高,这些专利主要以区块链技术为核心进行资产交易。
1. 2020年中国银行业务专利申请趋势
在过去5年,银行业金融机构一直在积极鼓励创新变革,并持续探索人工智能、区块链、大数据、物联网等技术,实现网点和业务转型。通过内外兼修的模式,打造数字化银行。
与此同时,银行数字化转型也吸引了一批科技公司的入局,凭借其技术优势,为银行业金融机构提供技术服务和解决方案。
在2020年前三季度,共有186家公司,申请了622件专利。其中,银行和消费金融公司分别有21家和2家。
图10:2015-2020年银行科技专利申请趋势
数据来源:零壹智库&天冕大数据实验室
从技术角度来看,银行在数字化转型过程中,更加偏向于AI技术。在2020年,银行业相关专利申请数量有622件,其中AI相关专利有374件。
过去5年,银行业自开展数字化转型过程中,AI就作为主要的技术被应用于多个场景,例如智能客服、智能信贷、智能营销、智能风控等。
图11:2015-2020年银行科技各技术专利申请情况
数据来源:零壹智库&天冕大数据实验室
区块链是作为解决中小企业融资难贵问题的技术之一。一些科创公司围绕区块链技术开发新的功能和应用场景。例如,将区块链技术应用于银行催收业务,打破信息孤岛,提升催收销量。
近几年,AI在银行业的应用中趋于同质化,大部分专利主要应用于智能客服、人脸识别、语音识别、文本生成,逐渐覆盖信用卡、信贷、理财、风险管理、网点升级、手机app等场景中。
尽管如此,相较其他技术,AI更有助于拓展银行个人金融业务、加速网点智能化建设、强化风险控制能力、提高营销精准率等作用。
2. 2020年保险科技专利申请趋势
保险行业,由于机构数量相对较少,因此上下游企业(包括科技服务商)数量规模相对较小。在2020年,96家公司参与了保险科技专利申请,专利申请数量合计达到287件;其中有6家是保险和保险经纪公司。
图12:2015-2020年保险科技专利申请情况
数据来源:零壹智库&天冕大数据实验室
在过去几年,保险行业一直热衷于AI技术的探索。2016-2020年,AI相关专利占据保险科技专利申请总数的58%以上。每年参与保险科技专利申请的公司,有超过50%的公司申请了人工智能+保险专利。
图13:2015-2020年保险科技各技术专利申请人(公司)
数据来源:零壹智库&天冕大数据实验室
从场景分布来看,保险科技专利主要集中在理赔、核保和定损三个场景。AI在保险业中,主要的应用场景包括车险定损、智能理赔、反欺诈、精准营销、核保。区块链用于平台搭建,为用户提供投保、理赔、审核等功能。
图14:2015-2020年保险科技各技术专利申请情况
数据来源:零壹智库&天冕大数据实验室
3. 2020年投资理财专利申请趋势
在2020年,有62家公司参与投资理财相关专利申请,专利申请数量合计134件。其中,有43家公司申请的专利与人工智能技术有关,专利数量合计79件。
图15:2015-2020年投资理财科技专利申请情况
数据来源:零壹智库&天冕大数据实验室
过去几年,AI技术在投资理财领域,一直处于活跃状态。2017-2020年,每年申请的AI专利占其总数50%以上,参与专利申请的公司在55%以上。
在投资理财领域,金融科技主要功能体现在:利用科技拓宽资金来源、提高投资交易水平、强化风险管理能力,实现利润最大化。其中,智能投顾、智能投研和量化交易是专利数量最多的3个应用场景。
(三)2020年专利申请人类型
按照专利申请人类型,中国金融科技专利申请人可以分为3大类:持牌金融机构、互联网科技公司和传统企业。
· 持牌金融机构
在2020年,中国有37家金融机构参与了专利申请,专利数量合计476件。
表1:金融机构科技专利申请情况
数据来源:零壹智库&天冕大数据实验室
截至2020年9月,中国累计有79家持牌金融机构申请金融科技专利,专利数量合计1321件,占金融科技专利总数的25%。其中银行(36家)、保险(25家)、证券(9家)、基金(1家)、支付(1家)、消费金融公司(6家)和综合金融服务机构(1家)。
2015年之前,中国仅5家金融机构参与了金融科技专利申请。随着技术的成熟和金融科技定位逐渐清晰化,越来越多的金融机构将数字化、智能化转型付诸于行动。
2015-2020年,先后有12家银行、2家证券公司,此外有十余家保险公司投资成立科技子公司;以及73家金融机构参与了金融科技专利申请。
图16:2012-2020年金融机构专利申请人
数据来源:零壹智库&天冕大数据实验室
按照专利申请数量,17家中国金融机构进入了全球前100,分别有8家银行、5家保险公司,1家综合金融服务公司、1家证券公司、1家消费金融公司和1家支付公司。排名前3的公司分别是平安集团(1622件)、中国银行(253件)和微众银行(187件)。
表2:中国17家金融机构进入全球金融科技专利TOP100榜单
数据来源:零壹智库&天冕大数据实验室
· 互联网及科技公司
在金融科技领域,互联网科技公司主要分为两类下:一种技术型公司,主要为持牌金融机构提供技术服务;另一种是综合型,除了为金融机构提供技术服务,同时还开展金融业务。
随着金融业务的开放,蚂蚁集团、360数科、京东数科为代表的科技公司相继入局金融领域,借助平台优势和科技能力,开展金融服务。例如,蚂蚁集团子公司支付宝除为用户提供支付业务、消费金融业务、信贷业务,同时为金融机构包括银行、保险、基金、证券等公司提供平台服务。
还有一批科技公司专注于人工智能、区块链、大数据等垂直领域,为金融机构提供技术服务和科技产品,例如天冕大数据、明略科技等。
在《2020年全球金融科技专利TOP100榜单中》,超过70家互联网科技公司也在榜中,覆盖互联网、金融科技、人工智能、区块链等新型科技企业。专利申请数量最多的3家公司分别是阿里巴巴(627件)、腾讯(414件)和蚂蚁集团(338件)。
· 传统企业
除金融机构和互联网科技公司,一些传统行业入局金融科技,并且在近几年积极参与金融科技专利申请。如国家电网、华为、小米、 联想等公司。
近几年,一些传统行业核心企业为了打造多元化、多样化的业务体系,完善其产业链,相继入局金融领域。例如,小米在2013年成立小米数字科技、联想在2017年成立联想金服,国家电网在2018年成立了国网雄安金融科技。
二、2020年全球金融科技专利排行榜TOP100
按照专利申请数量,零壹财经发布了《2020年全球金融科技专利排行榜TOP100》。一共有8个国家的公司上榜,其中中国58家,美国28家,日本5家。
表3:2020年全球金融科技专利排行榜TOP10
数据来源:零壹智库&天冕大数据实验室
专利数量最多的10家企业,有9家来自中国,分别是平安集团(1622件)、阿里巴巴(830件)、腾讯(430件)、蚂蚁集团(349件)、中国银行(253件)、微众银行(187件)、复杂美(180件)、泰康保险(177件)和工商银行(601398,股吧)(139件)。
三、专利案例分析
本报告筛选了4家公司金融科技专利进行案例分析:建设银行银行基于机器学习研究的资产证券化定价方法;天冕大数据基于AI和大数据技术研发的欺诈检测和风险评估方法,同时还可以避免收集个人隐私;泰康保险基于AI对现有的智能理赔系统存在的问题提出的解决方案;博普科技基于AI技术的债券征信评价方法。
这些案例,针对资产证券化定价、欺诈监测、保险理赔和债券评价四个不同场景所存在的问题,利用AI和大数据技术提出了具有创新的解决方案。
· 建设银行:基于机器学习的资产证券化定价方法
目前RABS(个人贷款资产支持证券)产品的估值理论和技术都是基于其他国家市场。由于中国RABS市场在贷款利率、交易活跃性等方面与其他国家存在差异,导致其他国家的定价模型在中国实操性较差。
为此,建设银行基于机器学习、利率模型、蒙特卡洛方法设计了一种RABS定价方法。具体流程为:
1)利用大数据技术,从贷款因子、借款人因子、利率因子和季节因子四个维度挖掘贷款数据得到模型因子,并利用机器学习算法进行模型训练,预测早偿事件和违约事件发生的概率以及早偿结果;
2)通过利率预测模型预测未来利率;
3)根据预测出事件发生概率、早偿结果和未来利率,利用蒙特卡洛方法模拟多条现金流路径,确定多期现金流的最终预测值;
4)对多条现金流路径进行折现,得到折现率曲线,以结合所述折现率曲线和所述最终预测值,确定产品的价格估值。
· 天冕大数据:基于机器学习的欺诈检测和风险评估方法
目前反欺诈业务通过客户端采集数据,然后上传到云服务器;再通过大数据、机器学习建立欺诈模型,对欺诈事件进行监测评估。然而,在近两年个人隐私和数据安全越来越受到重视,而客户端大数据多为个人隐私数据,对于开展反欺诈和风险管理业务的开展造成阻碍。
为了不影响欺诈检测和风险评估业务的正常开展,同时保障个人隐私安全。天冕大数据设计了一种新的解决方案,将相关算法和模型迁移到客户端,在客户端完成初始评估;由公司服务器完成最终评估结果。通过该方法,避免触及非法收集使用个人隐私数据导致的法律风险。具体流程为:
1)前期先将算法和模型迁移至客户端;
2)客户端负责用户原始数据采集,包括用户资料、通讯录、行为数据等;
3)借助自然语言处理、图像识别、OCR等技术从原始数据中提取特征数据;
4)利用机器学习算法模型输出结果,并上传至服务器;
5)服务器利用风控决策引擎,结合第三方数据,输出最终的欺诈检测和风险评估结果。
· 泰康保险:基于人工智能对车辆进行定损
目前,一些保险公司推出了智能理赔服务。用户通过手机APP上传相关信息和照片完成车辆定损。实际当中,现场信息不准确、现场照片拍照模糊的情况时有发生,导致第三者车信息录入错误,理赔流程无法推进。
为此,泰康保险基于图像识别、机器学习技术,无需人工线下对三者车信息进行核实,通过线上即可及时有效地对三者车信息进行自动校验,能够保证后续理赔流程执行的及时性,进而提高用户的满意度。
· 博普科技:基于机器学习的债券征信评价方法
目前,债券违约事件频繁发生,使得债券投资者所承担的风险剧增。目前债券征信评级是由人工对发行主体的经营状况、财务状况、信用状况以及所属行业信用行情做出定性的分析。这种方法所评出的评级结果可信度依赖评估人的经验;同时该方法缺乏数据支持。
博普科技发明了一种基于机器学习的债券征信评价方法:
1)首先,通过对债券数据集的预处理,得到均衡的债券数据集;
2)通过SVM算法对债券数据集进行训练得到债券模型;
3)通过Random Forest算法获得不同征信特征的债券征信模型;
4)提取其征信特征,并发现重要性高的征信特征,回溯到其数据来源,确定这些信息对债券征信评价比较重要,从而得到其债券的征信值以及征信程度。
通过以上方法,债券购买者或投资者能够有效地了解债券征信信息,并作出更好的投资选择。
附:2020年全球金融科技专利排行榜TOP100
数据来源:零壹智库&天冕大数据实验室
联合发布方简介
本报告由天冕大数据联合零壹智库发布。天冕大数据实验室为亚洲领先金融科技集团WeLab旗下的一站式金融科技服务商,致力于赋能金融机构和企业客户数字化转型,通过大数据分析、人工智能、机器学习等核心技术基础,天冕自主研发了业内领先的风险管理系统,迄今为止,已服务了大量行业头部客户。
【免责声明】本文仅代表作者本人观点,与和讯网无关。和讯网站对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。
最新评论