大数据时代数据的特征

第十章　大数据与互联网时代的金融投资

【本章学习要点】 大数据带来许多新的金融形式，本章主要是介绍一些主要的形式。大数据首先是和云计算等计算技术和网络技术相关，但本章的内容主要是从金融的角度看大数据。本章主要介绍大数据的本质和带来的形式的变化： 量化投资的概念和大数据带来的新的变化；余额宝等各类“宝宝”们未来的前景；P2P金融平台及其对金融投资的影响；大数据可能带来的金融投资的新的变革……

【本章学习重点难点】 本章的重点是了解大数据的本质，深刻认识对未来世界的可能的影响。难点是这些变化正在进行中，正在快速变动中，我们的学习不能停留在书本本身。

【本章基本概念】 大数据　互联网金融　量化投资　余额宝　P2P

进入2010年代之后，有几个词汇变得炙手可热： “大数据”、“云计算”、“互联网金融”，这是否意味着一场深刻革命的到来？金融投资格局会因此发生怎样的变化？

最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡。麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。” 英国牛津大学网络学院互联网治理与监管专业教授维克托·迈尔·舍恩伯格(Viktor Mayer-Schönberger)、肯尼思·库克耶所著《大数据时代》(Big Data： A Revolution that Will Transform How We Live, Work, and Think)更是推动了这一概念的广为传播。目前，“大数据”在金融领域的运用，因为近年来互联网和信息行业的发展而引起人们关注。

根据全球最权威IT智库Gartner的定义，大数据(Big Data)是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多元化的信息资产。而这种处理大数据的新模式就是云计算(Cloud Computing)。

第一节　大数据时代数据的特征及带来的改变

一、大数据时代数据的特征

(一)数据量“大”

自从互联网技术成熟发达起来之后，世界的数据是呈几何级数增长的。目前互联网一天所产生的全部数据内容可以刻满1.68亿张DVD；一天所发出电子邮件相当于美国两年的纸质信件的数量，达到2940亿封；在各种社交媒体发出的社交帖子可以达到200万个，其文字量相当于《时代》杂志770年的文字量总和……

因为数据量的巨大，大数据时代的数据起始计量单位至少是P级(1024TB=1PB)，并且正在上升到E级(1024PB=1EB)，甚至Z级(1024EB=1ZB)。国际数据公司(IDC)的研究结果表明，2008年全球产生的数据量为0.49ZB，2009年的数据量为0.8ZB，2010年增长为1.2ZB，2011年的数量更是高达1.82ZB，相当于全球每人产生200GB以上的数据。而到2012年为止，人类生产的所有印刷材料的数据量仅仅只有200PB，全人类历史上说过的所有话的数据量大约是5EB。IBM的研究称，整个人类文明所获得的全部数据中，有90%是过去两年内产生的。而到了2020年，全世界所产生的数据规模将达到今天的44倍。数据量的巨大，一方面需要的存储设备容量大幅度增大，存储1PB数据将需要两万台配备50GB硬盘的个人电脑；另一方面也说明大量数据的无用性。但无论怎样，人类已经进入了“大数据时代”则毋庸置疑。

(二)数据类型繁多

传统数据一般来源于用户通过个人电脑、移动终端、POS机等常规渠道生成的结构化数据。与传统的数据相比，大数据时代的数据类型繁多，半结构数据、非结构数据大量出现，包括网络日志，社交媒体的音频、视频，各类图片，互联网搜索信息，移动通信信息，地理位置信息等在内的数据类型，不仅仅表现为形式上的多样性和多结构化，同时还表现为存在位置的多样性。除了能够通过现有搜索引擎挖掘出来的数据外，还有很多数据存在于其他尚不能简单获得的空间中，譬如传感器网络数据，很多传感器是安装在火车、汽车和飞机上，每个传感器都增加了数据的多样性。这些不同类型的数据对数据的处理能力提出了更高要求。

(三)数据价值密度较低

随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低。价值密度的高低与数据总量的大小成反比，一段1小时的视频，在连续不间断的监控中，有用数据可能仅有一二秒。大数据具有多层结构，这意味着大数据会呈现出多变的形式和类型。相较传统的业务数据，大数据存在不规则和模糊不清的特性，造成很难甚至无法使用传统的应用软件进行分析。传统业务数据随时间演变已拥有标准的格式，能够被标准的商务智能软件识别。如何在海量的复杂数据中快速完成数据价值的“去噪”，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。

(四)数据速度快，时效性高

这是大数据区分于传统数据最显著的特征。传统数据更新周期基本为日、周、月，辅以少量的实时数据更新，在高速网络时代，通过基于实现软件性能优化的高速电脑处理器和服务器，创建实时数据流已成为流行趋势。这种数据生成快，时效也就更快，处理数据要求的速度也就加快。

即使比较先进的商务智能数据处理，也基本是以日、周、月、季度和年为时间维度的静态数据分析。大数据要求高速描述和反映数据被创建和移动的速度，并据此作出对应的应对措施，换句话说，对数据的处理速度和数据的时效性提出了更高要求。以电力电量平衡测算为例，需要实时采集电网数据、实时分析、实时计算，快速测算结果，并反馈至电力调度部门进行有序用电执行预案的实时决策，如果相关数据获取不及时则会大大影响调度部门对有序用电的分析和决策。

专栏10-1

大数据的由来

2003年，奥伦·埃齐奥尼(Oren Etzioni)准备乘坐从西雅图到洛杉矶的飞机去参加弟弟的婚礼。他知道飞机票越早预订越便宜，于是他在这个大喜日子来临之前的几个月，就在网上预订了一张去洛杉矶的机票。在飞机上，埃齐奥尼好奇地问邻座的乘客花了多少钱购买机票。当得知虽然那个人的机票比他买得更晚，但是票价却比他便宜得多时，他感到非常气愤。于是，他又询问了另外几个乘客，结果发现大家买的票居然都比他的便宜。对大多数人来说，这种被敲竹杠的感觉也许会随着他们走下飞机而消失。然而，埃齐奥尼是美国最有名的计算机专家之一，从他担任华盛顿大学人工智能项目的负责人开始，他创立了许多在今天看来非常典型的大数据公司，而那时候还没有人提出“大数据”这个概念。1994 年，埃齐奥尼帮助创建了最早的互联网搜索引擎MetaCrawler，该引擎后来被InfoSpace 公司收购。他联合创立了第一个大型比价网站Netbot，后来把它卖给了Excite 公司。他创立的从文本中挖掘信息的公司ClearForest则被路透社收购了。在他眼中，世界就是一系列的大数据问题，而且他认为他有能力解决这些问题。作为哈佛大学首届计算机科学专业的本科毕业生，自1986年毕业以来，他也一直致力于解决这些问题。飞机着陆之后，埃齐奥尼下定决心要帮助人们开发一个系统，用来推测当前网页上的机票价格是否合理。作为一种商品，同一架飞机上每个座位的价格本来不应该有差别。但实际上，价格却千差万别，其中缘由只有航空公司自己清楚。埃齐奥尼表示，他不需要去解开机票价格差异的奥秘，他要做的仅仅是预测当前的机票价格在未来一段时间内会上涨还是下降。这个想法是可行的，但操作起来并不是那么简单。这个系统需要分析所有特定航线机票的销售价格并确定票价与提前购买天数的关系。如果一张机票的平均价格呈下降趋势，系统就会帮助用户做出稍后再购票的明智选择。反过来，如果一张机票的平均价格呈上涨趋势，系统就会提醒用户立刻购买该机票。换言之，这是埃齐奥尼针对9000米高空开发的一个加强版的信息预测系统。这确实是一个浩大的计算机科学项目。不过，这个项目是可行的。于是，埃齐奥尼开始着手启动这个项目。埃齐奥尼创立了一个预测系统，它帮助虚拟的乘客节省了很多钱。这个预测系统建立在41 天内价格波动产生的12000个价格样本基础之上，而这些信息都是从一个旅游网站上搜集来的。这个预测系统并不能说明原因，只能推测会发生什么。也就是说，它不知道是哪些因素导致了机票价格的波动。机票降价是因为很多没卖掉的座位、季节性原因，还是所谓的周六晚上不出门，它都不知道。这个系统只知道利用其他航班的数据来预测未来机票价格的走势。“买还是不买，这是一个问题。”埃齐奥尼沉思着。他给这个研究项目取了一个非常贴切的名字，叫“哈姆雷特”。这个小项目逐渐发展成为一家得到了风险投资基金支持的科技创业公司，名为Farecast。通过预测机票价格的走势以及增降幅度，Farecast票价预测工具能帮助消费者抓住最佳购买时机，而在此之前还没有其他网站能让消费者获得这些信息。

这个系统为了保障自身的透明度，会把对机票价格走势预测的可信度标示出来，供消费者参考。系统的运转需要海量数据的支持。为了提高预测的准确性，埃齐奥尼找到了一个行业机票预订数据库。有了这个数据库，系统进行预测时，预测的结果就可以基于美国商业航空产业中，每一条航线上每一架飞机内的每一个座位一年内的综合票价记录而得出。如今，Farecast已经拥有惊人的约2000亿条飞行数据记录。利用这种方法，Farecast为消费者节省了一大笔钱。棕色的头发，露齿的笑容，无邪的面孔，这就是奥伦· 埃齐奥尼。他看上去完全不像一个会让航空业损失数百万潜在收入的人。但事实上，他的目光放得更长远。2008 年，埃齐奥尼计划将这项技术应用到其他领域，比如宾馆预订、二手车购买等。只要这些领域内的产品差异不大，同时存在大幅度的价格差和大量可运用的数据，就都可以应用这项技术。但是在他实现计划之前，微软公司找上了他并以1.1亿美元的价格收购了Farecast公司。而后，这个系统被并入必应搜索引擎。到2012年为止，Farecast系统用了将近十万亿条价格记录来帮助预测美国国内航班的票价。大数据洞察Farecast票价预测的准确度已经高达75%，使用Farecast票价预测工具购买机票的旅客，平均每张机票可节省50美元。Farecast是大数据公司的一个缩影，也代表了当今世界发展的趋势。五年或者十年之前，奥伦· 埃齐奥尼是无法成立这样的公司的。他说：“这是不可能的。”那时候他所需要的计算机处理能力和存储能力太昂贵了！虽说技术上的突破是这一切得以发生的主要原因，但也有一些细微而重要的改变正在发生，特别是人们关于如何使用数据的理念。

(摘自维克托·迈尔·舍恩伯格、肯尼思·库克耶《大数据时代》，浙江人民出版社，2013年)

二、大数据时代对数据分析的改变

(一)分析数据是全数据，而不是采样数据

在大数据时代，数据“大”不仅仅是数据来源量大，对数据处理对象的范围也要求“大”。过去，当我们面对大量数据的时候，我们基本采用统计采样的方式进行分析，但是采样分析是信息缺乏时代和信息流通受限制的模拟数据时代的产物，那时我们将这种方法看做是理所当然。进入大数据时代，因为数据价值密度较低，如果依旧采用传统的抽样采样方法，我们很可能挖掘不到有用的信息，也可能丢失非常关键的细节。

随着网络和计算技术的提高，我们现在可以借助云计算等大计算的工具，我们现在可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样，此时反过来再看原来的抽样采样方法，那个“理所当然”就变得不可思议了。与过去局限在小数据范围的分析相比，现在使用全样本数据分析为我们带来了更高的精确性，也让我们看到了一些以前无法发现的细节！云计算提供了基础的架构平台，大数据借助它进行处理，目前公认的处理大数据的最有效的分布式处理，就是云计算思想的一种具体体现。通过数据处理，将数据中有用的东西提取出来，变成信息、变成智能、变成有价值的东西。

(二)精准的定位，而非精确的数据分析

与之前数据分析时追求精确度不同，大数据时代面对如此众多的数据，我们不再热衷于追求精确度，而是将目标锁定为精准的定位。过去对数据的分析我们需要精确的分析，譬如过去对大客户群体分类时，我们会关注持有资金500万的投资群体，因为如果我们不能得到他是500万还是50万的投资者，我们就没有办法获得我们的分析效果。这和我们过去测量分析手段的能力受限有关，我们必须有所选择，只关注其中最重要的对象，这就必须有一个精确的数据结果作为取舍的标准。长期以来建立在这样的逻辑思路上的分析技术，使得我们更加习惯于精准的分析，直到今天，我们的数字技术依然建立在精准的基础上。我们假设只要电子数据表格把数据排序，数据库引擎就可以找出和我们检索的内容完全一致的检索记录。如果此时数据库引擎带给我们的是大量但模糊的数据记录，我们反而会无所适从，这种建立在“小数据”背景下的思维方式，要求我们必须尽可能精准地量化我们的记录。

但是，这样的对比或许会说明大数据时代和小数据时代的不同： 每个投资者都会对每一笔投资的佣金比例、印花税率比较关注，成为他们决策买卖的关键信息之一，因为这可能决定了他们在10元买入的股票，在10.05元卖出是否赚钱，而对于证券公司来说，他们核算自己的利润一定不会计算每笔买卖精确到“分”的收益大小。大数据时代对于客户群体的关注可以不再局限于资金量的大小，而是面对不同群体有精准定位的针对性对策，从而锁定一切可以锁定的客户，却并不增加锁定的成本。这说明随着数据规模和范围的扩大，对数据分析精确度的痴迷将减弱，转而追求有方向性的定位技术。达到精确需要有专业的数据库，达到精准定位需要大数据分析。

当然，任何时候针对小数据量和特定事情的精确性分析依然是必要的，比如投资者的账户上是否有足够的保证金进行证券投资，依旧是我们限制投资者行为的标准。现在我们只是不再沉迷于这种精确分析，我们需要适当忽略微观层面上的精确度，而让我们在宏观层面上对大数据分析后锁定更多的投资群体。

(三)忽视寻找因果关系，只关心相关关系

因果分析和相关性分析是近代数据分析的两个重要方面，过去我们面对这两类分析的时候，更多地强调因果分析的重要性。这似乎是显然的事情： 一个学校的树木数量和学生人数之间可能存在相关关系，但并不存在因果关系，所以似乎分析学校树木量与学生人数之间的关系是没有必要的。寻找事物之间的因果关系是人类长久以来的习惯，是一种思维，大多数情况下也是正确的思维。

然而大数据时代，寻找事物间的因果关系变得非常困难，譬如，我们很难准确地从投资者的每一次或者做多、或者做空的投资行为中，判断出是何种因素导致了他的这种或者做多、或者做空的行为发生，甚至从某种意义上看，这种因果关系的分析成本和它带来的效果之间没有正相关的关系。在大数据时代，数据量的巨大和信息价值的低密度使得我们无须再紧盯事物之间的因果关系，而只要寻找事物之间的相关关系，这种相关关系的寻找比因果关系的寻找简单多了，但它却一样能够给我们提供非常新颖且有价值的决策分析结论。相关关系也许不能准确地告诉我们某件事情为何会发生，但是它会提醒我们这件事情正在发生，我们只要根据已经在发生的事情做出应有的决策便可。

三、大数据带来的金融革命

大数据带来了一系列的金融革命，这些革命正在发生，并且每天都在发展。我们已经看到的金融革命表现在以下的方面。

(一)基金的投资决策依据发生着变化

过去基金的投资决策基本上或者依据宏观、中观、微观的基本面分析，或者依据市场技术面的分析，或者采用投资组合的方式避免风险，但是进入大数据时代，一些新颖的决策依据正在出现，并且取得了不错的效果。

1.基金根据民众情绪买卖股票

华尔街“德温特资本市场”公司首席执行官保罗·霍廷每天的工作之一，就是利用电脑程序分析全球3.4亿微博账户的留言，进而判断民众情绪，再以“1”到“50”进行打分。根据打分结果，霍廷再决定如何处理手中数以百万美元计的股票。霍廷的判断原则很简单： 如果所有人似乎都高兴，那就买入；如果大家的焦虑情绪上升，那就抛售。这一招收效显著： 当年第一季度，霍廷的公司获得了7%的收益率。

2.社交网络的情绪和证券的价格具有相关关系

社交媒体监测平台DataSift监测了Facebook(脸谱)首次公开募股当天推特(Twitter)上的情感倾向与Facebook股价波动的关联。在Facebook开盘前Twitter上的情感逐渐转向负面，25分钟之后Facebook的股价便开始下跌。而当Twitter上的情感转向正面时，Facebook股价在8分钟之后也开始了回弹。最终当股市接近收盘、Twitter上的情感转向负面时，10分钟后Facebook的股价又开始下跌。最终的结论是： Twitter上每一次情感倾向的转向都会影响Facebook股价的波动。

3.算法交易成为自动交易的依据

目前风靡华尔街的算法交易正是让大数据为其服务的最好案例。一些算法交易公司凭借的就是通过跟踪全球互联网上的头条新闻以及微博数据等捕捉政治、经济方面的变化对市场的影响，并将其作为股市投资的信号。一些提供专业服务的技术平台风起云涌。MarketPsych公司和路透社合作提供了119个国家的18000多个独立指数，如每分钟的心情状态——乐观、忧郁、快乐、恐惧和生气等，为金融机构的自动交易提供第三方服务。

(二)银行不再仅仅是银行

1.小微企业信贷难题正在被攻克

传统银行面对中小企业信贷时，都因为绞尽脑汁也无法甄别客户的信用，所以经常采取放弃的方式，使得中小企业信贷成为世界性难题。但电商企业凭借物流、资金流、信息流整合的平台战略，通过对包括注册信息、网上消费记录、不良记录、信用等级等客户数据分析，却能够准确判断客户资质，占领小微企业的巨大市场。这迫使银行放下“高傲”，抛弃以“业务为中心”的旧思路，转向以“客户为中心”的互联网时代的新思维。那些沉睡在数据中心的数据，无疑是帮助银行了解客户的金钥匙。银行不再是过去坐等顾客上门的银行，银行成为客户数据分析中心。

2.信贷管理依据的信息不再是过去银行的征信体系

传统银行信贷管理的基础是征信体系，但征信体系数据单薄的天然缺陷一直是银行开展业务的一个瓶颈。大数据准确和有价值的信息为银行信贷审批与决策提供了一个新的视角和工具。包括微信、微博在内的社交网站以及搜索引擎、物联网和电子商务等平台将人们之间的人脉关系、情绪、兴趣爱好、购物习惯等生活模式以及经历一网打尽，并将其加入到巨大的个人信息库中。银行利用这些更加准确和丰富的数据在信用分析和客户评级方面做出正确判断和决策，让信贷决策不再仅仅凭借滞后的数据和束缚手脚的条条框框，而是从被动转变为主动，从信用分析发展到行为分析，为信贷审批带来全新的方式。银行成为个人信息的管理中心。

3.非柜台业务成为银行业务的主体

余额宝等互联网金融的出现，对传统银行产生了前所未有的冲击。中国工商银行是全球最大的银行，到2012年12月底，他们ATM机的全年交易量就已经超过了银行网点交易量，ATM机数量就已经达到约为6.57万台，日均交易305笔/台，银行网点日均业务量1.797亿笔，数字说明工商银行的业务已经在向离柜发展。而大数据下互联网金融的出现，进一步迫使他们在电话银行、手机银行和自助银行等电子银行的业务量已经约占全部业务量的75%的背景下去思考： 如何运用各种电子渠道积累的庞大数据，拓展非柜台的金融业务？

4.客户响应成为银行的盈利源泉

DNB银行是挪威最大的银行，拥有挪威一半人口的客户，但从2007年开始，DNB银行的市场份额逐渐下降，互联网公司和新型交易公司涉足金融服务，传统信用卡公司推出移动支付解决方案，甚至连挪威最大的电信运营商Telenor也在巴基斯坦买下一家银行，冲击着金融业。为了应对这种挑战，DNB银行大力拓展电子渠道方面的建设。DNB银行从数据出发，基于电子渠道采集的海量数据，了解客户情况，整合旧有数据，引入诸如Teradata等在大数据分析领域颇有建树的合作伙伴。另外，DNB成立团队，负责社交媒体的客户响应，在Facebook等网站上实现对客户95%的响应度。通过用数据分析的工具，例如预测建模等，将能够在很大程度上减少客户的不满意，并实现对银行销售活动全天候的追踪。DNB银行的CRM创造的收入使其所归属的市场营销部门转变为盈利中心。

5.跨界经营成为银行发展的趋势

银行与商业的跨界联动也许是银行不再仅仅是银行的最好解析。我们都已经发现了银行信用卡在客户的商业零售消费中的折扣优惠，亚洲花旗有25位数据分析师，2012年在新加坡设立了一个新的“创新实验室”，将数据分析师和大机构客户与孟加拉的大型分析中心联系在一起，如果客户签下服务，刷信用卡，系统可以查看任何一天客户购物和吃饭的地点，以及偏好，如果发现该客户喜欢意大利餐，快到午餐时，如客户所处的位置附近有一家著名的意大利餐馆，银行可以发送短信，提供那家餐馆的打折券，使得第二次交易出现。系统甚至有能力找出客户接受这项优惠的比例。

(三)量化投资不仅仅在二级市场

很多人以为量化投资就是二级市场的投资，其实量化投资不仅仅是在二级市场上实现投资的一种方法。

1.任何有投资的地方，都可以进行量化投资

现在量化投资的发展早已经跳出了当初利用市场波动进行投资的阶段，量化投资就是将人们过去的一切经验和努力变成定量的数据，克服人的主观性弱点，使得投资的成功率大幅度提高的一种手段。因此，只要是投资决策的过程，都可以利用量化投资的技术。

2.量化投资拓展投资的空间

在大数据时代，很多过去人们不能进行的投资活动，都可以借助量化投资的手段实现投资。譬如，在定性投资阶段，人们一定是要进行投资领域的选择的，风险型的投资者是不愿意投资无风险市场的，而风险厌恶型的投资者是不愿意投资风险较强的市场的。因此，稳妥的投资者会选择购买发行的国债，而不愿意到二级市场购买国债。但建立在大数据分析基础上的量化投资则不管市场是何性质，它都会根据数据在风险-收益之间进行平衡，也可以实现风险型投资者一级市场的套利购买行为。

第二节　新量化投资时代的到来

2013年8月16日的“光大证券乌龙指事件”似乎一下子将原本很隐秘的量化投资暴露在了光天化日之下。其实量化投资早就存在于投资的二级市场，利用高频数据的微小波动，国外的投资模型早在二十世纪八九十年代就已经取得了效率高达70%以上的良好效果。量化投资区别于定性投资的鲜明差别就是模型的使用，但大数据时代，在量化投资模型中，引入了投资数据与人的关系的分析，使得量化投资进入了新的时代。

专栏10-2

光大证券乌龙事件

2013年8月16日，这本来是再平凡不过的一天，但是因为光大证券的乌龙事件，这一天将在中国证券史上，留下浓墨重彩的一笔。

8月16日上午11点过后，沪指突然直线拉升100点，涨逾5%，2分钟内成交额约78亿元。工商银行、中国银行、农业银行、招商银行、中国石油、中国石化等72只蓝筹股一度集体触及涨停。这一颠覆了以往常识的市场表现，让所有的市场参与者震惊。

很长时间之后，人们才意识到，由于这两分钟发生的事情，很多人的生活和职业生涯将进入另外一个轨道。但是在当时，人们能做的只是互相观望，试图确认自己看到的不是幻觉。与此同时，无数版本的传言和猜测爆发式地出现，每个人都尝试去解释究竟发生了什么，但是言中者寥寥。

混乱持续的时间并不长，很快上交所揭开谜底，临时停牌公告将所有人的目光聚集到了光大证券身上，惊天乌龙事件的主角浮上水面。14时许，上交所确认，光大证券策略投资部是导致这一切的“罪魁”。

遗憾的是，事件进程从此进入慢车道，证监会与上交所、上海证监局开始介入调查，但一直未有结果，直到8月16日深夜，光大证券的高层一直在上海总部大楼开会，未向公众披露详情。

胶着之中，中金所披露信息，与光大证券关联密切的光大期货，于8月16日持有股指期货空单7023手，成为市场上持空单过夜最多的机构，是8月16日下午指数回落过程中最大的受益者。一时间，光大自救、内幕交易、操纵市场的猜测不绝于耳。

2013年8月30日，证监会对光大证券进行了处罚： 认定光大证券构成内幕交易等多项违法违规行为，没收光大证券“8·16事件”中违法所得87214278.08元，并处以5倍罚款。对徐浩明、杨赤忠、沈诗光、杨剑波分别给予警告、罚款60万元并采取终身的证券市场禁入措施。对梅键责令改正并处以罚款20万元，停止光大证券自营证券业务(固定收益除外)，暂停审批光大证券新业务，责令光大证券整改，不设整改期限，并要求将整改情况和处理结果上报证监会。证监会同时表示，事件导致投资者损失严重，投资者可以提起诉讼依法要求赔偿。

根据光大证券股份有限公司2013年8月19日发布的临2013—035公告，为保持市场稳定、保护投资者利益，公司将平稳处置因“8·16”事件而购入的股票(注： 按购入成本计算共计53．75亿元)，公司承诺在制定并公告处置方案前，不会减持上述股票。

2013年11月16日光大证券公告，经慎重研究，公司已制定如下处置方案：(1)年内采用大宗交易市场及竞价交易市场单向减持方式进行处置，金额不超过30亿元(按持仓成本计算)，剩余部分以后年度在不影响市场的情况下择机处置；(2)为避免对市场造成冲击，通过竞价交易市场处置时，原则上每个交易日处置金额不超过3亿元，单只股票每个交易日处置数量(股数)不超过当日该只股票总交易量的20%；(3)为利于市场稳定，结合公司信用业务发展需要，公司拟将部分股票用于融资融券和转融通业务。

2014年2月8日，光大证券乌龙指事件主要当事人、案发时任策略投资部总经理的杨剑波不服中国证监会判罚，向北京市第一中级人民法院提起诉讼。诉讼请求是，撤销证监会做出的《行政处罚决定书》和《市场禁入决定书》。4月3日，杨剑波状告证监会一案首次开庭审理。同年5月19日，“光大乌龙指”案主角杨剑波对网易财经透露，已在上周五接到北京市一中院的通知，因案情复杂，诉证监会一案经过申请并获高级人民法院批准，将最多延期三个月宣判。这也就意味着，该案最迟要在8月18日之前宣判。

图10-1列明了光大乌龙事件的当日时间节点的示意。

图10-1　光大乌龙指事件的当日时间节点示意

一、量化投资的基本特点

量化投资与传统的定性投资管理主要依赖对上市公司的调研，以及基金经理个人的经验及主观的判断。不同的是，定量投资管理主要是将“定性思想量化应用”，换句话说，量化投资是更加强调了数据的作用，更加客观，但其基础依旧是定性的思想。

(一)决策执行的纪律性

分析、决策、执行，这是投资过程的三个环节，量化投资将这三个环节都实现了自动化，因而保证了决策和执行的纪律性。所有的决策都是依据数据分析模型做出的，这些模型千差万别、各式各样，但听从分析模型的结果进行决策和执行，是量化投资的一个特点。就如同医疗行业的诊断设备多种多样一样，尽管设备可能并不完善，但你要借助设备，就需要信任设备的检测结果。

量化投资的纪律性有很多好处，但最大的好处在于可以克服投资中人性的两大弱点： 贪婪和恐惧。

(二)系统性分析和选择

在定性分析时，因为能力所致，我们的分析常常挂一漏万，在海量的信息中，习惯于寻找支持自己结论的信息，而忽视反对自己结论的信息，主观色彩很浓。在选择投资范围时，我们常常局限在自己熟悉的自选组合中，对不熟悉的品种不太敢贸然进行投资。而量化投资不仅仅可以在宏观周期、经济指标、市场结构、市场估值、成长性、盈利质量等方面进行分析，也可以分析市场的相关信息，甚至可以分析分析师的预测、市场投资者的情绪等多个方面的信息，具有明显的系统特点。而在投资范围的选择方面，量化投资可以依据大数据，在大类资产配置、行业选择、个股选择等方面进行自动识别，克服了经验主义的盲区。

大数据时代的数据分析能力，使得量化投资有可能捕捉到更多的投资机会，获得更大的投资收益。

(三)降低投资风险，使得收益有了更大的保证

定性分析时我们的各种避险手段主要依赖于投资者的经验，而定量投资可以在不同市场、不同时点、不同投资工具间寻找稳定的套利投资机会。就譬如寻找证券的估值洼地，定性分析时我们只能琢磨哪些公司可能被市场低估了，而量化投资则通过对公司某些时点下的、全面系统性的扫描，捕捉到市场错误定价、错误估值的瞬间，并决策和执行，从而快速将投资机会变成投资成果。

大数据时代的量化投资最大限度地降低了投资风险，促进了市场价格发现功能的实现。

(四)从另一个视角追求大概率事件

无论是基本面分析，还是技术分析，我们的分析、决策都是寻求大概率事件发生的可能性，量化投资则是从大数据的定量分析中，进一步实现这种大概率的追求： 定量投资不断地从历史中挖掘有望在未来重复的历史规律并且加以利用；将组合投资建立在更加有效的数据分析基础上。

虽然投资分析和决策所追求的是大概率事件没有变，但量化投资是建立在大数据分析基础上的，这使得大概率变得更“大”。

二、量化交易系统

量化交易系统就是用计算机来代替人下单的一种交易系统，有全自动和半自动两种。一般来说，量化交易系统分为订单生成系统和订单执行系统两大部分。其中订单生成系统的任务是发出交易信号，即根据某个模型来判断是否进行买入或者卖出的操作；订单执行系统则将这些交易信号变成具体的交易指令，并发往交易所(如图10-2)。

图10-2　量化交易系统示意图

根据数学模型的理念和对计算机技术的利用方式，量化交易系统可以进一步细分为自动化交易系统、量化投资系统、程序化交易系统、算法交易系统以及高频交易系统等类型。

采用量化交易系统的好处：

(1)速度快。海外的极速交易系统可以在微秒级下单，国内的顶尖交易系统也可以实现毫秒级的下单。据中信证券的高绍根博士介绍，他们最新上线的极速平台股票下单延迟小于2毫秒，在国内属于领先水平。

(2)可以24小时监控市场。特别是最近商品期货的夜盘出现后，24小时人工盯盘的方式已经不可能，利用计算机来交易，可以大大减轻人工交易员的工作量。

正是由于这样的优势，量化交易系统在海外已经得到了广泛的应用，美国70%以上的交易量都是由量化交易实现。

三、量化投资的策略

量化投资策略就是利用量化的方法，进行金融市场的分析、判断和交易的策略、算法的总称。

(一)趋势判断型量化投资策略

趋势判断型量化投资策略就是将各种趋势定性分析的方法，转化为对未来趋势的定量分析，并据此进行自动投资的一种策略。

1.量化选股

量化选股就是利用数量化的方法选择股票及其组合，期望该股票组合能够获得超越基准收益率的投资行为。量化选股策略总的来说可以分为两类： 第一类是基本面选股，第二类是市场行为选股。

基本面量化选股策略主要有多因子模型、风格轮动模型和行业轮动模型等。市场行为量化选股策略主要有资金流模型、动量反转模型、一致预期模型、趋势追踪模型和筹码选股模型等。

(1)多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则被卖出。

(2)风格轮动投资量化模型是通过最优动态特征因子的定位技术，很好地紧跟市场流行风格的变化，而自动选出最符合目前市场风格的最优投资组合。通过最优风格轮动投资量化模型选择的投资组合，无论在牛市、熊市，还是牛熊交替市，收益率均高于同期。

(3)行业轮动模型是指在资产配置时，在不同的资产间进行调整的一种策略。在一个完整的经济周期中，有些是先行行业，有些是跟随行业。例如，对某个地方基础设施的投资，钢铁、水泥、机械属于先行行业，投资完后会带来房地产、消费、文化行业的发展，这就属于跟随行业。研究在一个经济周期中的行业轮动顺序，从而在轮动开始前进行资产配置，在轮动结束后进行配置调整，则可以获取超额收益。

(4)资金流模型。资金流是一种反映股票供求关系的指标。资金流入是证券价格在约定的时间段中处于上升状态时产生的成交额，是推动指数上涨的力量。资金流出是证券价格在约定的时间段中下跌时产生的成交额，是推动指数下跌的力量。根据资金流特征分析得出市场对潜在信息反应过度，采用逆向选择理论，运用资金流指标建立选股模型，将能够有效地筛选优劣股票。

(5)动量和反转模型。动量与反转效用是市场上经常出现的一种情况。动量效应是指在一定时期内，如果某股票或者某股票组合在前一段时期表现较好，那么，下一段时期该股票或者股票投资组合仍将有良好表现。而反转效应则是指在一定时期内表现较差的股票在接下来的一段时期内有回复均值的需要，所以表现会较好。

(6)一致预期模型。从历史经验来看，市场热衷于追捧一致预期看好的股票，而摈弃预期不好的股票；同时，市场也会迎合那些未来有高成长预期的股票，并因此而提升个股或行业的估值水平。也就是说，市场预期本身很重要。一致预期选股策略采用分析师的评级数据来构建相应的组合，试图找出最适合的一致预期参数。

(7)趋势追踪模型。趋势追踪的基本思想是追随大的走势，趋势追踪策略就是试图寻找这种大的趋势波段的到来，并且在突破的时候进行建仓或者平仓操作，以期获得大的波段收益。

(8)筹码选股模型。筹码选股的基本思路是判断某个股票的筹码分布情况来判断股票未来的涨跌。根据主力持仓理论，如果主力资金开始收集筹码，则意味着在未来一段时间该股票出现上涨的概率比较大；如果主力资金开始派发筹码，则意味着在未来一段时间该股票出现下跌的概率比较大。

专栏10-3

程序化交易主要策略

程序化交易系统是指设计人员将交易策略的逻辑与参数在电脑程序运算后，并将交易策略系统化。程序化交易中经常采用的主要策略如表10-1所示。

表10-1　程序化交易主要策略

2.量化择时

量化择时就是利用数量化的方法，通过对各种宏观微观指标的量化分析，试图找到影响大盘走势的关键信息，并且对未来走势进行预测。主要包括趋势择时、市场情绪择时、有效资金模型、牛熊线择时、Hurst指数择时、SVM分类择时、SWARCH模型及异常指标择时。

(1)趋势择时

趋势择时的基本思想来自于技术分析，技术分析认为趋势存在延续性，因此只要找到趋势方向，跟随操作即可。趋势择时的主要指标有MA、MACD、DMA等。

(2)市场情绪择时

市场情绪择时就是利用投资者的热情程度来判断大势方向，当投资者情绪热烈、积极入市时，大盘可能会继续涨；当投资者情绪低迷、不断撤出市场的时候，大盘可能继续下跌。

(3)有效资金模型

有效资金模型和选股模型中的资金流模型类似，其是通过判断推动大盘上涨或者下跌的有效资金来判断走势，因为在顶部和底部时资金效果具有额外的推动力。

(4)牛熊线择时

牛熊线择时的思想就是将大盘的走势划分为两根线，一根为牛线，一根为熊线。在牛熊线之间时大盘不具备方向性，如果突破牛线，则可以认为是一波大的上涨趋势的到来；如果突破熊线，则可以认为是一波大的下跌趋势的到来。

(5)Hurst指数择时

Hurst指数是分形理论在趋势判断中的应用，分形市场理论认为，资本市场是由大量具有不同投资期限的投资者组成的，且信息对不同投资者的交易周期有着不同的影响。利用Hurst指数可以将市场的转折点判断出来，从而实现择时。

(6)SVM分类择时

SVM是一种分类技术，具有效率高、推广性能好的优点，SVM分类择时就是利用SVM技术进行大盘趋势的模式识别，将大盘区分为几个明显的模式，从而找出其中的特征，然后利用历史数据学习的模型来预测未来的趋势。

(7)SWARCH模型

SWARCH模型是海通证券开发的一种利用宏观经济指标来判断大盘的策略，该模型主要刻画了货币供应量M2和大盘走势之间的关系，揭示我国证券市场指数变化与货币供应量之间的相关关系。

(8)异常指标择时

异常指标择时主要处理一些特殊情况下的择时，例如，在大盘出现顶点或者低点的时候，有些指标容易出现异常数据，主要有： 市场噪声、行业集中度和兴登堡凶兆3个策略。

(二)波动率判断型量化投资策略

判断波动率型投资方法，本质上是试图消除系统性风险，赚取稳健的收益。这种方法的主要投资方式是套利，即对一个或者N个品种进行买入，同时卖出另外一个或N个品种的操作，这也叫做对冲交易。这种方法无论大盘向哪个方向波动，向上也好，向下也好，都可以获得一个比较稳定的收益。在牛市中，这种方法收益率不会超越基准，但是在熊市中，它可以避免大的损失，还能有一些不错的收益。

1.股指期货套利

股指期货套利是指利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，或者同时进行不同期限、不同(但相近)类别股票指数合约交易，以赚取差价的行为。股指期货套利分为期现套利、跨期套利、跨市套利和跨品种套利。

2.商品期货套利

与股指期货套利类似，商品期货同样存在套利策略，在买入或卖出某种期货合约的同时，卖出或买入相关的另一种合约，并在某个时间同时将两种合约平仓。在交易形式上，它与套期保值有些相似，但套期保值是在现货市场买入(或卖出)实货、同时在期货市场上卖出(或买入)期货合约，而套利却只在期货市场上买卖合约，并不涉及现货交易。商品期货套利主要有期现套利、跨期套利、跨市场套利和跨品种套利4种。

3.统计套利

有别于无风险套利，统计套利是利用证券价格的历史统计规律进行套利的，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计套利的主要思路是先找出相关性最好的若干对投资品种(股票或者期货等)，再找出每一对投资品种的长期均衡关系(协整关系)，当某一对品种的价差(协整方程的残差)偏离到一定程度时开始建仓——买进被相对低估的品种、卖空被相对高估的品种，等到价差回归均衡时获利了结即可。统计套利的主要内容包括股票配对交易、股指对冲、融券对冲和外汇对冲交易。

4.期权套利

期权是在期货的基础上产生的一种衍生性金融工具。从其本质上讲，期权实质上是在金融领域将权利和义务分开进行定价，使得权利的受让人在规定时间内对于是否进行交易行使其权利，而义务方必须履行。在期权的交易时，购买期权的一方称为买方，而出售期权的一方则称为卖方；买方即权利的受让人，而卖方则是必须履行买方行使权利的义务人。期权的优点在于收益无限的同时风险损失有限，因此在很多时候，利用期权来取代期货进行做空、套利交易，会比单纯利用期货套利具有更小的风险和更高的收益率。

除了以上交易策略外，量化交易还有事件套利、ETF套利、LOF套利和高频交易等策略。

专栏10-4

什么是阿尔法套利？

阿尔法套利是目前国际对冲基金最主流的交易模型，分为正向阿尔法和反向阿尔法两种： 正向阿尔法就是买入股票组合同时做空股指期货；反向阿尔法就是融券做空股票组合同时买入股指期货。

做这个国际上最好的就是Bridge Water公司，也是目前最大的对冲基金，管理规模1400亿美金，它的旗舰产品就叫做“Pure Alpha(绝对阿尔法)”。

阿尔法策略的核心就是利用量化选股模型，找到一批可以超越指数的股票，其中国际上最流行的叫做BARA多因子模型，它的发明者是国际顶尖基金： 巴克莱。目前巴克莱量化管理的规模是1.6万亿美金，其中核心的技术就是这个BARA多因子模型。

多因子模型的基本原理就是： 某个股票在未来一段时间的收益率和某些因子有关，比如，PE、PEG、换手率等，通过对这些因子的分析，就可以构建相应的股票组合，并且不断地轮换组合中的股票，从而达到超越市场的目的。这也是目前最主流的阿尔法套利的模型。

阿尔法套利策略的主流收益率在10%～25%这个区间，并且可以容纳千亿规模的资金，所以这是量化投资最大的主战场，也是航母级的量化策略。

(摘自丁鹏《深度解读光大乌龙指事件》)

第三节　余额宝能否带来新的金融投资形式

一、余额宝创造的神话

2013年6月13日，支付宝联手天弘基金推出一款名为“余额宝”的增值服务，通过“余额宝”，用户1元钱就能买货币基金，赚取远高于活期储蓄的收益，同时又能随时用于支付、消费等，因而它一推出便引起疯狂追捧，短短数日用户数就突破250万。2013年11月14日15时，短短五个月的时间，天弘增利宝(即余额宝)的规模突破了1000亿元，用户数近3000万户，天弘增利宝成为国内基金史上首只规模突破千亿关口的基金。仅仅是将传统基金直销系统内嵌到支付宝，在购买和赎回上提供更高的便利性和流动性，余额宝就成功“革”了传统基金销售的“命”，创造了第一个互联网金融“神话”。

二、余额宝是否带来了金融革命

原本按照监管规定，支付宝账户中沉淀资金产生利息的至少90%，可由第三方支付机构获得，但支付宝却用余额宝“革”了自己账户的“命”。这是为什么呢？支付宝金融事业部总监祖国明表示：“我们就想能否做一个增值服务产品，第一可满足‘屌丝’理财需求，第二是为用户带来收益，第三借此增加用户黏性，第四就是强化大数据的利用。”

那么余额宝本身是否是金融革命？我们认为，答案是否定的。

(一)余额宝的高收益得益于现行金融运作的缺陷

余额宝等互联网“宝宝”产品诞生的2013年中期，恰逢市场面临“钱荒”，货币市场利率高企，为其获取较高收益创造了条件。但市场的“钱荒”本身是金融运作缺陷造成的，并非真正意义上的钱荒。事实上，自2007年以来，市场的流动性是不断增强的，市场不缺钱。

伴随着弥补缺陷带来的市场流动性相对宽松，货币市场利率下行，“宝宝”们的收益率也将逐渐下降，互联网“宝宝”产品收益率集体“破五”、“破四”只是时间问题。

(二)1元投资起点能否成为创新

余额宝推出时，非常抓眼球的是“投资起点为1元钱”，这么低的起点令网友将其戏称为“屌丝理财神器”。但实际上，按余额宝目前的收益率来算，投100元一年也才得4元钱，1元钱可能永远也得不到收益，所以，如果真的投入1元钱到余额宝中，就一定并非投资了！因此，将投资起点设定为1元，并非是投资，也就谈不上是金融投资的创新了，最多它就是代表了余额宝的“一种态度”。

(三)金融连接互联网是否创新

互联网金融确实是金融的一种方式上的创新，但余额宝本身并非这种创新。尽管余额宝在推出的数日内就迅速积聚人气，并将天弘基金从一家名不见经传的小公司推上了货币基金老大的位置。但这是由支付宝本身的性质决定的，作为第三方支付手段，支付宝的资金是死资金，所以一个依旧拥有支付宝功能，又能一定程度上提高收益的余额宝就能够上位了。不过，互联网金融创新的核心应该是大数据的应用。把数据分析、预测做到位，这种金融投资工具才是真正意义上的金融创新，余额宝并非这样的工具。

(四)余额宝推动了利率市场化改革

利率市场化是世界金融的市场化基础，我国多年来一直朝着这个方向努力。余额宝虽然是收益率的随行就市，但这是理财产品所共有的必然特点，没有随行就市的收益率就不是理财投资产品了，所以收益率的波动本身与利率市场化无关。由于余额宝资金的去向是货币资金，那么它是否会影响货币市场利率呢？确实我们看到余额宝集小资金为大资金，在与货币市场的需求者进行讨价还价的时候占据了优势地位，但这和利率市场化也无关，毕竟在巨量的货币市场中，余额宝的资金量还不能掀起波澜。

三、余额宝的东家正在努力进行着金融创新

虽然余额宝本身不是金融革命，但余额宝的东家却正在推动着金融革命的进程。作为互联网金融的先行者，阿里巴巴集团称得上是一个标杆。从最早只为解决诚信问题而诞生的支付宝，到近年来的阿里小微贷款、淘宝理财、线上基金、保险、银行、手机支付宝钱包……直到筹备成立中的阿里小微金融服务集团，马云看似“无意”、实则精心打造的金融帝国正在迅速崛起，并给传统金融领域带来巨大冲击。在他的带动下，各路互联网金融群雄并起，各出奇招，传统金融机构则严阵以待，努力求新，谁都不愿坐以待毙。一时间，互联网和金融这两大领域风云际会，带来一场划时代的创新变革。

2012年是互联网金融兴起的一年，阿里巴巴等传统电商开始涉足互联网金融。资料显示截至2012年底，这家2010年成立的小贷公司，已为23.3万阿里网商平台(阿里巴巴、淘宝、天猫)的卖家提供了订单和纯信用贷款，累计放贷额达到766.4亿元，平均贷款规模每笔6万～7万元，不良率1.03%，申请者获贷比例高达74.8%。

四、余额宝带给我们的启示

余额宝虽然不是金融投资的创新，但它确实在推动金融创新上起到了促进作用，余额宝带给我们诸多的启示。

(一)余额宝为什么能够火起来

很多人以为是余额宝的高收益使得它火了起来，其实不然。余额宝火起来是因为我们过去金融和投资领域的改革向前推进得太慢的结果。

1.国内银行金融的垄断地位导致金融改革滞后于经济改革

国内商业银行一直处于养尊处优的地位，上市银行每年披露的年报所显示的年平均工资收入超过20万元，一直被大家抨击。这几年我国商业银行虽然也有所改革，但和国外银行相比，其服务意识和服务质量都处于较低水平。国外银行发展迅速，信用卡成为支付的主要形式，所以电子商务的发展就很快。但国内很多地方连信用卡都还不能使用，如果你仅仅带着卡而没有带现金，那么你就可能为此付出极高的交易成本。因此，当余额宝出现的时候，一下就带火了本来还存有投资疑虑的货币市场。

可见，加快银行的改革步伐，取消银行的垄断地位，才是避免金融发展陷入泥潭的首选目标。

2.国内缺乏多层次资本市场

改革开放30多年，特别是近20多年资本市场的发展，取得了很多成绩，但是金融市场始终是一个没有区分度的市场： 既没有投资工具的区分度，也没有投资者的区分度，这必然带来巨大的发展障碍。

在形式上，现在我们已经拥有了包括主板、中小板、创业板、新三板等不同层次的市场，但实际上，这些不同的市场都存在同样的风险，都存在同样的没有区分的投资者群体。结果，市场发生同样的风险，投资者面临同样的投资困境，给投资大众的一个直观的感觉就是： 国内金融投资无渠道。因而，当余额宝这种看起来无风险，还相对高收益的产品出现，一下子就火了起来，这就如同十年前大家都去投资房地产一样。需求方和投资方都没有区分度的市场就不是多层次的金融市场。

可见，我们不仅仅是要在形式上建立多层次的资本市场，更要将多层次落到实处。要将不同的投资者引入不同的投资市场，这就需要按照投资需求设计和建设不同的市场，一切市场的设计和制度安排，都从投资者角度出发，而不是现在的从融资者角度出发。

3.中国缺乏成熟的投资者

尽管有了20多年的投资洗礼，但中国并未培养出成熟的投资者群体，投资者对自己没有正确的认识，没有合理的定位，投资被称为“炒”，所以当余额宝这种产品出现的时候，大伙儿一窝蜂地涌入，并未关注这种产品是否适合自己。一个不成熟投资者群体所带来的火爆是不能够持续发展的，这在房地产的买涨不买跌中已经充分体现过。

可见，培育投资者是市场建设的基础。但投资者的培育不能靠说教，需要顶层设计的高瞻远瞩，然后，在风险-收益的实践中培育，这需要落实顶层设计的战术手段。一切为投资者着想，才有可能出现促进资金合理流动的金融市场，也才可能促进成熟投资者的形成。

(二)互联网金融投资发展的条件

1.有着多种接口的平台作为金融投资平台

余额宝的出现要求我们思考，传统金融机构怎样发展才是跟上时代需求的发展？现在各家银行和证券公司都有网上银行或者网上证券的形式，商业银行还有很多网络接口，譬如手机银行、手机APP等，但如果这些网上业务就是将原来的柜台交易业务搬到了互联网上，绝不是利用互联网做金融的最好方式，我们需要结合互联网的特点推出新的金融投资平台系统。

在互联网金融形式中，还有一种与传统银行没有关系的纯粹的网络银行，没有任何网点，没有存折，给客户一个账号，只要把钱存到里面，需要花钱时就用网络账户支付。这种模式目前国内还没有，而在美国做得很成功。类似这样的创新，今后会大量出现，基本上，多接口的互联网金融投资平台是未来的互联网金融投资生存的条件之一。

2.有对大数据的分析使用

互联网进入大数据时代的一个标志是“大数据”的出现。余额宝本身是建立在支付宝这个平台基础上的，余额宝要进一步发展，对支付宝中，甚至余额宝中隐藏着的大数据的分析，才是方向。只有充分利用好大数据的金融投资形式，才是真正意义上的互联网金融投资的创新。根据投资者的不同投资风格和投资需求，对投资者提供精准服务是大数据运用的一个重要方面。

3.要体现完全意义上的金融本质的设计

金融的本质是什么？就是最大限度地实现社会资金资源的合理利用。如果任何一种金融创新没有带来这个东西，就不能称为真正意义上的金融创新，因为它最终一定会被市场所淘汰。

之所以不看好现在余额宝的发展前景，就是因为余额宝本身并未体现金融的本质，不过因为提高了资金使用者的使用成本，一定程度上会遏制资金使用者的浪费，从这个角度，余额宝是一个进步。

4.能够充分体现现代金融投资的特点

现代金融的特点强调的是收益—风险—流动性的三位一体。任何互联网金融投资的形式都必须是这三个因素的强化。

余额宝正是在收益—风险—流动性三个方面出现了短时间的最佳状态，才有了快速的增长。但未来或许也正是它在收益上依据的货币市场收益率的不稳定性，在风险上不仅仅是对互联网安全的担忧，也还有对监管的担忧，都对其进一步发展形成障碍。

5.建立其必要的信用体系

没有信用就没有金融。过去三十多年金融发展最大的退步是信用体系越来越弱，而互联网又是在这样的信用缺失下诞生，因此，只有重构金融信用体系的互联网金融才有发展的空间。

余额宝因为支付宝的信用存在，才有其发展的基础，其他各类互联网的金融投资也必须要通过互联网支付建立起新的信用体系。在加强监管的同时，通过信用数据建立起安全支付，才能实现信用，才有互联网金融投资的发展。

在互联网技术上还存在缺陷时，互联网金融投资的建设者们，必须自己先承担起这个风险的损失，才会有互联网金融的发展。可以想见这样的结果： 凡是愿意承担因为互联网技术缺陷带给投资者损失的互联网金融投资工具，就一定具有巨大的生命力。

第四节　P2P的投融资模式分析

P2P贷款(Peer-to-Peer lending)，也称为点对点信贷，或称为个人对个人的信贷模式。它的运作是通过网络平台实现的，因此P2P就是P2P平台，这个平台一般是由从事点对点信贷中介服务的网络投融资平台公司建立的。通过P2P网络投融资平台，借款人直接发布借款信息，出借人了解对方的身份信息、信用信息后，可以直接与借款人签署借贷合同，提供小额贷款，并能及时获知借款人的还款进度，获得投资回报，所以，它是互联网金融时代的新型金融投融资渠道和方式。目前P2P投融资平台已经有六七年的发展历史，传统的老牌平台拍拍贷、人人贷都已经成为圈内所熟知的网贷平台。

与P2P类似的是P2B，后者是引导个人向小企业提供贷款的平台，它也不做资金的集中，只做一个中介平台，在这个平台也会出现专业团队对这些融资的小微企业进行评级，评级直接对应它在平台上的借款利率，评级低的借款利率就高，评级好的利率就低一些。

一、P2P投融资平台的本质

P2P投融资平台的本质是建立投融资者接触的机会，是除了银行中介和民间个人直接贷款之外的一种新型投融资形式。

社会发展最初的借贷方式是在需要资金的借款人和有闲置资金的出借人之间所发生的偶然事件。银行的出现大大地提高了偶然出现的社会投融资的运作效率。此时，需要资金的借款人不再需要费力地去寻找有闲钱的出借者，只要向银行借款即可；而有闲钱的出借者也不再需要费力地去寻找需要资金的借款人，只要将钱存入银行即可。银行这个金融中介的出现，统治了世界数百年。P2P投融资平台在性质上类似于银行的作用，借款人和出借人都可以很轻松地知道对方的存在，不需要费力地去寻找对方，而平台本身也像银行一样收取中介费用(银行是收取存贷利差)。

那么，既然有了银行的存在，为什么还会有P2P平台的存在呢？

P2P之所以有生命力，完全是因为银行发展过程中绕不过去的风险。作为金融中介，银行的最大问题不是收益率高和低的问题，也不是流动性大小的问题，而是没有了信用出现挤兑的兑付风险问题。所以，银行对每一笔业务都会谨慎地审视，一般不会将贷款发放给那些自身存在风险的初创期企业，P2P恰恰弥补了银行业务的这个空白之处。小微贷款这个因为运作成本过高而让银行敬而远之的贷款类别，因为大数据和互联网时代带来的技术革命，使得贷款正在发生着根本性的改变。对大数据有效的数据分析，利用恰当的技术手段和创新的服务方式为高效满足庞大普通个体的金融需求提供了可能。对于从事这类金融业务的平台和出借资金者，可能因为这些普通小微企业的发展而带来更大的贡献、更高的收益率。

传统信贷业务只能凭借企业的财务信息，依靠企业资产抵押或担保措施来保证贷款本金及利息的安全性。把银行活生生办成了典当！

然而，要焕发互联网投融资平台的生命力，实现互联网平台通过网络一端对接有小额借款需求的人，另一端对接有理财需求的人，就要有一些实现的现实条件。不具备这些条件，P2P平台就不是投资者的投资平台，各种产品也就不是投资工具。

二、P2P投融资实现的条件

1.有效的监管

P2P是一个交易平台，但作为平台，对参与交易的双方没有一个有效的资格认证，那么就不能保证交易的安全。虽然国外典型的P2P，像美国的Prosper和Lending Club P2P 公司，都不具有担保功能，是纯粹的平台，它们不介入交易中，出借方和借入方直接交易，但这是基于国外已经存在的完备的个人信用体系，所以看上去投融资平台没有相应的信用支撑，但整个社会的个人信用基础对这种投融资平台的投融资行为形成了实质的信用支撑。

反观国内的P2P，是在没有社会个人信用基础的背景下建立的，此时如果没有有效的监管体系，就很难快速发展。事实上，目前的P2P还处于无准入门槛、无行业标准、无主管机构的“三无”状态，此时的P2P就处于高风险敞口状态，发展就冒着巨大的风险。

2.完善的投融资服务体系

P2P投融资平台建立的基本前提是，需要借贷的人群可以通过网站平台寻找到有出借能力并且愿意基于一定条件出借的人群。事实上，这样的两种群体是大量存在的，能不能进入到平台上进行投融资交易活动，完全依赖于P2P平台的投融资服务体系是否建立。

P2P投融资平台必须帮助确定借贷的条款，并准备好必需的法律文本。更重要的是，P2P平台通过帮助贷款人，和其他贷款人一起分担一笔借款额度的方式来分散风险，也帮助借款人在充分比较的信息中选择有吸引力的利率条件，才是中国式P2P平台发展之路。与此同时，收取一定的服务费才能够实现，也才有P2P平台自身的可持续发展。

3.实现集合投资和集群积聚的效应

目前P2P公司没有比较可靠的个人信用信息，就不得利用集合投资和集群积聚来消除风险。P2P投融资平台不仅要费尽力气地去提供像国外的P2P公司般的服务，还要通过线上、线下等手段去获得客户的信用评级，这实际上做了产业链上多个环节的事情，成本自然是比较高的。此时，要改变这种被动的局面，唯有通过集合投资的方式，和集群积聚的效应来应对。利用集合投资分散风险，同时积累了信用大数据；利用集群积聚效应，降低信用成本，同时积累了信用大数据。所以，对金融机构来说天然存在的集群效应，就是P2P投融资平台要努力积攒的宝藏，未来互联网平台积累下的大数据就是P2P投融资平台关键的“寻宝图”。

4.科学的操作流程

P2P投融资平台一方面满足了借款需求的用户，一方面也满足了投资人高额的利息回报的需求，但P2P生存和发展的基础还是科学的操作流程。目前网贷平台的平均年利率超过16%，这是大部分投资者涌入P2P投融资平台的重要原因，但这么高的融资成本实际上也隐含着较大的风险，需要在程序上保证科学有效。

P2P投融资平台的基本操作流程如图10-3所示：

图10-3　P2P投融资平台流程示意

三、国外P2P运营模式

目前在世界各地，诸如美国、加拿大、英国、日本、意大利等都出现了一些运营模式略有不同的P2P网络信贷平台。各国的主要运营模式如下：

1.Prosper模式

2006年在美国成立并运营的prosper.com网站平台，它主要是要帮助人们更方便地相互借贷。在该网站，借款人要说明自己借钱的理由和还钱的时间，出借人是根据借款人的个人经历、朋友评价和社会机构的从属关系来判断是否出借。借款人设定一个愿意支付给出借人的最高利息率。像拍卖一样，出借人开始通过降低利息率进行竞拍，拍卖结束后，Prosper将最低利率的出借人组合成一个简单的贷款交给借款人。借款的最低额度可以低到50美元，最高可以创建2.5万美元的借款条目。Prosper负责交易过程中的所有环节，包括贷款支付和收集符合借贷双方要求的借款人和出借人，为此Prosper从借款人处提取每笔借款的 1%～3%费用，从出借人处按年总出借款的1%收取服务费。

从2006年1月发布至2008年1月，Prosper已促成了1.17亿美元的贷款交易，2007年贷款额比2006年增加了8100万美元，增长速度达到了115%;美国国内的总注册会员已达到58万人，2007年增加用户40.5万人，达到了230%的增长速度。这个网站最终引起了美国证监会的注意，他们认为网站实际是在卖投资、卖金融产品，这种P2P(个人对个人)的借贷模式不合法。2008年初，美国证监会勒令网站关闭。不过2009年加州允许该公司重新开业并重新从事P2P信贷业务。这说明P2P信贷模式在美国也是处于动荡的探索期。 Prosper模式是比较单纯的信贷中介模式，出售平台服务并收取服务费。

2.Zopa模式

Zopa起源于英国，并在美国、日本和意大利推广，它提供的是P2P社区贷款服务。Zopa 提供的是比较小的贷款，在1000美元和25000美元之间，他们运用信用评分的方式来选择他们的借款人。首先将借款人按信用等级分为A+、A、B和C四个等级，然后出借人可以根据借款人的信用等级、借款金额和借款时限提供贷款，当然，借款人也可以相应地选择能够接受的贷款利率。Zopa在整个交易中代替银行成为了中间人，责任包括借贷双方交易中有关借款的所有事务、完成法律文件、执行借款人的信用认证、雇佣代理机构为出借人追讨欠账等。Zopa希望能用各种保护措施降低出借人的风险，比如强制要求借款人按月分期偿还贷款、借款人必须签署法律合同、允许出借人将一笔钱贷给几位个人借款人。Zopa的收入来源于收取借款人每笔0.5%以及出借人年借款额0.5%的服务费。

Zopa的模式获得了业界的认可，在2007年分别获得了威比奖(Webby Award)的“最佳金融/支付网站”奖和银行家奖(Banker Award)的“最佳在线项目”奖。成立至今，Zopa已经获得包括天使投资在内的四轮共3390万美元的投资。Zopa模式的特点在于分散贷款、划分信用等级、强制按月还款，网站担负了更多的工作，较好地控制了风险。

3.Lending Club模式

2007年5月上线的加州的森尼维尔市贷款的俱乐部 Lending Club，看中的却是网民联络平台的高传播特性及朋友之间的互相信任，使用Facebook应用平台和其他社区网络及在线社区将出借人和借款人聚合。Facebook是一个类似于MSN的全球网民联络平台，拥有千万用户。Lending Club具有固定的贷款利率及平均三年的贷款年限。借款人在进行贷款交易前必须要经过严格的信用认证和A-G分级。出借人可以浏览借款人的资料，并根据自己能够承受的风险等级或是否是自己的朋友来进行借款交易。Lending Club不采取竞标方式，而是根据不同的借款人的信用等级有不同的固定利率。借款人可以在Lending Club的Facebook应用中发出借款请求，因为Facebook中多为认识多时的朋友或同学，所以大多数借款人都觉得将借款请求在此公布会增加成功的可能性，同时也不必将自己的信用历史公布，增强了私密性。Lending Club的平均贷款额为5500美元。最低1000美元，最高2.5万美元。

目前Lending Club已经获得了来自迦南风投(Canaan Venture Partners)和西北投资(Norwest Venture Partners)1230万美元的投资。Lending Club模式除了划分信用等级外，网站还规定固定利率，并且利用网民交际平台为自己服务，这一点不得不说是一个创举。

4.Kiva模式

2005年成立的Kiva是一个非营利的P2P贷款网站，主要面对的借款人是发展中国家收入非常低的企业。出借人根据地域、商业类型、风险水平等选择企业或企业家。每一个贴出的贷款请求会详细提供各企业家的简历、贷款理由和用途、从其他出借人处借贷的总金额、贷款时限(一般为6～12 个月)，以及贷款的潜在风险。Kiva采取的是“批量出借人+小额借贷”模式，一般每位出借人只要支付25 美元。一旦一笔贷款的总金额募集完成，Kiva使用贝宝(PayPal)将贷款转账给Kiva的当地合伙人。当地合伙人一般是发展中国家当地的小额金融服务机构(MFI)，他们负责找寻、跟踪和管理企业，同时负责支付和收集小额贷款，最后将到期的贷款收集齐后返还给Kiva，Kiva再通过PayPal返还给出借人。

据此可以把国外的P2P投融资平台归纳为： 非营利公益型(Kiva)、单纯中介型(Prosper)，和除了是平台中介外，还是担保人、联合追款人、利率制定人的复合中介型(Zopa、Lending Club)三类。

四、中国的 P2P运营模式

P2P在线贷款模式在国外发展迅速，正是因为符合了外国人特有的消费习惯。英美等国民众长期以来形成了依赖信用卡进行超前消费的习惯，所以当一种比向银行借款更灵活、更可行的形式出现时，他们接受起来就更加容易，同时，由于国外信用消费的历史长，具有完善的信用评级制度，每个人的信用程度都可以有据可查。那么，在没有完善信用制度的我国，能否复制这种P2P网络贷款模式呢？

根据调查，中国注册登记为担保、金融咨询等公司从事民间借贷中介业务的有上万家，但是其中可以比较规范和成功从事P2P业务的，却仍是凤毛麟角。

1.拍拍贷模式： 无抵押无担保模式

拍拍贷成立于2007年的上海，是国内较为典型的P2P在线信贷平台，可以作为国内一些P2P网站的典型样本。拍拍贷借鉴的主要是Prosper的模式，采用竞标方式来实现在线借贷过程。利率由借款人和竞标人的供需市场决定。企业利润来自服务费。其操作流程是，借款人发布借款信息，把自己的借款原因、借款金额、预期年利率、借款期限一一列出并给出最高利率，出借人参与竞标，利率低者中标。一般多个出借人出借很少的资金给一个借款人，以分散风险。网页上会有该借款人借款进度以及完成投标笔数的显示。如果资金筹措期内，投标资金总额达到借款人的需求，则他此次的借款宣告成功，网站会自动生成电子借条，借款人必须按月向放款人还本付息。若未能在规定期限内筹到所需资金，该项借款计划则流标。

其风险控制的两个特点是： (1)规定借款人按月还本付息。这样每月要还的数额是很小的，还款压力也小。而出借人可以按月收到还款，风险也小。(2)信用审核引入社会化因素。即借款人的身份证、户口本、结婚证、学历证明等都可以增加个人信用分，但这些资料并不需要提供原件，其真实性难以得到有效保证。所以，拍拍贷认为网络社区、用户网上的朋友圈也是其信用等级系统的重要部分之一，网站内圈中好友、会员好友越多，个人借入贷出次数越高，信用等级也越高。这样，网路活跃度也和用户个人身份、财务能力、银行信用度等一起构成了一整套的评价系统。

拍拍贷发展迅速，在近一年半的时间内，在全国积累了逾8万名注册用户，单2009年3月的放贷金额就接近累计总额的五分之一。虽然拍拍贷有黑名单公开曝光，但并不赔偿出借人的经济损失，对于逾期不还的情况，拍拍贷只退还出借人手续费，所以资金回收的潜在风险只能由出借人自行承担。拍拍贷对借款人只有信用要求而无抵押，对出借人也不承担担保责任。出借人和借款人完全是自行交易，拍拍贷只是作为一个见证人和交易平台存在。所以，事实上这种形式对出借人来说风险是比较大的。但是拍拍贷的中标利率往往在15%以上，对于出借人来说还是有很大的诱惑力的。

2.宜信模式： 无抵押有担保模式

宜信P2P公司成立于2006年的北京。不同于拍拍贷，宜信采取的不是竞标方式。而是宜信全程掌控。当出借人决定借款，宜信就为他在借款申请人中挑选借款人，借款人的利率由宜信根据其信用审核决定。企业利润来自服务费。操作流程是，宜信将出借人的款项打散，做一份多人借款的合同给出借人，等到款项到第三方账户，合同正式生效。宜信虽然没有出借人和借款人双方共立的合同，但是宜信第三方账户人，担任了出借和借款的债务转移人，即首先第三方账户户主成为宜信的出借人，等到宜信挑选好借款人后，第三方账户户主就把债权转到真正的出借人手中。对于P2P信贷服务平台推荐的每个借款人，出借人有权利决定是否借给宜信组合的借款人；借款人每月还款，出借人每月可以动态地了解每一笔债权的偿还、收益等信息，出借人可以在第二个月得到所还本金和利息。当然出借人也可以选择不收款而继续放在宜信找下一个借款人。

近年来，宜信快速崛起，目前已经在北京以及15个城市设立了网点，吸纳了几千名投资人的上亿资金，成为全国性P2P借贷连锁中介机构。宜信模式主要有两个特点： (1)宜信的保障金制度。从宜信的运作模式看，宜信对借款人的掌控力度更强，出借人一般不参与审核，并且与借款人没有合同，而只有与宜信第三方的债权转让合同。这样，出借人就会有极大的风险。所以，为保护出借人的借款安全，宜信在与出借人的合同中承诺，一旦出现借款不还的情况，宜信从公司提取的保险金里出钱，包赔出借人全部本金和利息。这是对出借人的最大化担保。(2)风险控制的两个绝招。作为还款的有力保障，宜信采取的分散贷款和每月还款制度，比较大限度地保障了有效还款。除此之外，值得一提的是，宜信对借款人审核时都要求面见。所以，宜信在15个城市设点，其目的之一就是方便面见。面见由借款人本人亲自出示各种证件原件并当面询问使用用途等情况，较好地保证了借款人的真实性。据称宜信的坏账一直控制在2%以下。

3.青岛模式： 有抵押有担保模式

青岛是民间借贷比较发达的地区。据业内粗略统计，自2003年青岛第一家民间借贷中介机构成立以来，2006年本市此类机构发展至40多家，随后以每年50%左右的幅度增长，目前已达100家左右。而这些民间借贷中介基本都是作为个人对个人的出借和借款平台存在，所以也基本都可以说是属于P2P投融资企业。青岛模式由于摸索时间较长而相对成熟。青岛模式一个最大的特点是，风险小，不良贷款率低。青岛P2P公司不良贷款率普遍较低，一个重要原因是基本上都以房产为抵押，汽车、股票、合同等一律不得作为抵押物，以控制风险。调查几家较大的P2P网站时发现，其要求的抵押物一律是房产证，而且要求必须是可以看到并准确估价的青岛市区的房产。所以，青岛的P2P企业是基本不做外地人的生意的。严格的抵押制度的背后是出借人的低风险保障。因为有可信的抵押物，P2P企业完全可以为出借人做担保。青岛P2P借贷利率一般由P2P公司根据借款人情况决定，平均在12%左右。 青岛P2P模式是风险最低的，P2P企业也是担负最大责任的。 所以青岛P2P企业是典型的“复合中介型”。但是由于其企业都是民间借贷中介转型而来，所以并不重视网络的作用，其网站页面多半没有个人借款信息或者是出借信息，而是公司的自我宣传，旨在让借款人或者是出借人到其公司面见洽谈，而且青岛P2P企业只做本地人生意。由于P2P企业的主要特点是以网络为载体展开运营的，所以青岛模式在一定意义还不是典型的P2P企业。

4.齐放模式： 助学平台模式

齐放P2P有更多的公益色彩，但也有可观的利润。齐放网面对经济分层现象严重的大学生，将自己的目标群体锁定在能交学费但需要参加大学之外教育培训和投资的学生。他们或许在国家和社会的帮助下已经能够迈进大学的门槛，但却没有钱购买电脑、参加更多的教育培训等，而齐放网提供这种可协商利息的贷款方式，为贷款拓宽了渠道。齐放的风险控制有以下三个特点： (1)分散贷款。这与其他 P2P企业是相同的。(2)严格审核。齐放有最严格的借款人的身份认证。即学生在发布求助信息前，需要通过五项相关的认证： 网站的身份证认证、移动电话认证、银行账号认证和电子邮件认证、学生证认证。通过五次认证之后，学生身份才可以确定。(3)风险共担。齐放借款对象主要来自于齐放合作的高校，如四川大学锦城学院、宁夏师范学院等，学校与齐放共同承担风险。这样既可以更好地找到合适的受贷对象，提供受贷学生的真实有效评估，又容易让学生通过齐放找到贷款，还能规避出借人的风险。当借款成立后，钱也不会直接划到学生的银行账户，而是先转到学生所在学校的账户，再由学校将这笔钱发给借款学生，保证了借贷的真实使用。齐放的利润有三个来源： (1)服务费，大约2%;(2)网络广告收入;(3)培训学费收入提成，这是比较有特色的一点，齐放通过与培训机构或企业合作，在为无力承担培训费用或企业培训的大学生提供助学的同时，也从培训机构的学费收入中分成。

齐放2007 年年底启动,6个月就已经处理了2500项借款，平均每笔借款数目是400美元，还款期限1到2年，齐放提供给贷款人的年利率为5%～15%，根据借款人公认的信用指数进行变动。距公司创始人陈国权称迄今为止还没有拖欠记录。齐放的运营模式属于复合中介型，而其盈利模式也是复合的，其利润来源并不是靠单一收取服务费，这在P2P企业中是比较特别的一点，也是值得其他P2P企业借鉴的一点。而又因为其借款人的单一学生身份使齐放具备公益性质，这点又与Kiva有相似之处。

从我国的P2P典型企业的运营模式和运营现状来看，中国借鉴外国模式是比较成功的。拍拍贷是单纯中介型，类似Prosper；宜信和青岛属于复合中介型，类似Zopa；而齐放则兼具Zopa和Kiva的双重特征，既是复合中介型P2P企业，又有公益性质。目前中国缺少像Lending Club这样利用现成的交际平台的P2P企业，但是青岛模式和齐放模式则更有中国特色，而且中国P2P企业的风险控制比较成功，整个行业也正在迅速兴起和壮大中。

专栏10-5

国内P2P平台列举

阿里巴巴金融(总部： 杭州市。网址： http：//www.aliloan.com)，由阿里巴巴创建的P2P小额贷款模式，以阿里巴巴线下的贷款公司为主导，提供50万以下贷款。阿里巴巴金融与我们常说的P2P线上模式有所区别。

拍拍贷(总部： 上海市。网址： http：//www.ppdai.com)，国内第一家P2P网络借贷平台，10万注册资本起家。对投资者实行有条件赔付，投资者需要承担一定风险，但拍拍贷审核和催收机制较好，管理费用也较低。拍拍贷一直在理念创新，最明显的例子是要取消审核： 抛开交易的任何一个环节，使拍拍贷蜕变成一个孤零零的平台，借出者与借入者自行完全交易。而拍拍贷只是作为第三方“见证”具有法律效力的借款关系。这个大胆的创新理念表明拍拍贷正尝试在模式上作出突破。

人人贷(总部： 北京市。网址： http：//www.renrendai.com)，其特色在于专注于风险控制，审核程序较为复杂，信用额度十分低，感觉只适合特别小额的借款。不得不说，“人人贷”这个名称，因为衔接了P2P(个人对个人)的主题，因此具备一定的网络推广优势。因为没有垫付，借出者需要承担一定风险，不过人人贷对借款者有着严格的审核，以及成熟的催收机制。特别要提的是，人人贷利率普遍偏低。

红岭创投(总部： 深圳市。网址： http：//www.my089.com)，从口碑来看，似乎已经找到了行业领头羊的感觉，满标速度超一流。 红岭走的是一条实而不华的道路，网站实力雄厚，页面虽并不精致，但规则非常人性化，“VIP会员包赔”、“代垫本金”机制非常给力。红岭满标快，但手续费也较高。综合一下看，觉得红岭的最大优势在于对借出者的保护。

畅贷网(总部： 上海市。网址： http：//www.51qian.com)，页面比较新颖、完善，但还处于测试期，人气有限。

点点贷(总部： 长沙市。网址： http：//www.dddai.cn)，借款的审核程序较严，所有借款者都必须强制加入一项叫做“投资者保障”的服务，借款须冻结保证金，不过有本金垫付机制，对投资者有诱惑力。此外，点点贷有一个第三方账户管理平台，叫做点付宝，网站社区比较活跃。

鼎力投资(总部： 北京市。网址： http：//www.dldai.com)，页面较为新颖，由“学生借贷网”的团队创建，对钻石VIP和皇冠VIP会员保证所有本息，不过网站人气显得不足，更新速度慢，社区未开放，建议谨慎投资。

e速贷(总部： 惠州市。网址： http：//www.esudai.com)，有一定的用户群。在e速贷规则中，借入者超过5万的用户必须进行全面现场认证，无认证的用户借款暂不能超过5万。这是e速贷风险控制的一项举措，通过e速贷现场认证后，放款额度会比较大。

蚂蚁网(总部： 重庆市。网址： http：//www.mayi179.com)，新上线的网站，网站BBS社区未开通，用户帮助也不完善。

诺诺镑客(总部： 上海市。网址： http：//www.nonobank.com)，在上海地区具有一定的人气，新手引导包括页面设计很新颖，但缺乏用户交流的BBS社区。

你我贷(总部： 上海市。网址： http：//www.niwodai.com)，新上线的网站，仿红岭的页面和模式，暂未发现明显特色。

齐放网(总部： 北京市。网址： http：//www.qifang.cn)，是一家公益性质的P2P借贷网站，专门为贫困地区的学生提供助学借贷，学生申请借钱后，助学人投资放款，然后学生在之后6个月中连本带息还款。齐放网目前已关闭。

瑞银创投(总部： 泰兴市。网址： http：//www.ry289.com)，新上线的网站，只针对本地借款人开放借款，对全国开放投资。

盛融在线(总部： 广州市。网址： http：//www.s-rong.cn)，资金实力较为雄厚，网站运营非常规范。页面设计上有自己独特的风格路线。为了保障资金安全，盛融主推担保标，且支持友情标，针对逾期也有垫付，是一家十分有潜力的借贷网站。

搜搜贷(总部： 东莞市。网址： http：//www.sosodai.com)，目前网站活跃度有限，有一定数量的大额投资者，主推担保标，除此外暂未发现特别明显的特色。

搜好贷(总部： 厦门市。网址： http：//www.sohodai.cn)，页面高仿拍拍贷，主要针对厦门市用户。

微贷网(总部： 杭州市。网址： http：//www.wd5.com.cn)，只针对江浙地区的用户放款，模仿红岭模式，地域性较强。

信互贷(总部： 杭州市。网址： http：//www.aaapeer.com)，公司为富泰金融集团成员，比较有实力，据说由于有比较多签约的投资个人，对于评级到C级别的借款人(办公室白领员工)可以保证3天内借到款。

808信贷(总部： 淮安市。网址： http：//www.js808.cn)，人气有限，与大部分江浙地区信贷网站一样，借款利率普遍较高。

信而富(总部： 上海市。网址： http：//www.crfcard.com)，线下P2P借贷平台，但是设点城市较少，尚不及宜信。值得一提的是，信而富宣传有外资背景(未证实)，由四家公司(管理、营销、逾期服务、账务服务)组成，有一套风险预防机制。

365易贷(总部： 南京市。网址： http：//www.365edai.cn)，须现场复核的才会全额垫付，网上复核的50%垫付，相比而言，365易贷更照顾等级高的用户，没有达到一定的等级，手续费也会相对高点。如果有良好信誉，在365易贷提高额度也比较容易。另外，365易贷拥有一定的用户人气。

亿峰借贷(总部： 台州市。网址： http：//www.yf066.com)，除颜色风格不同外，网站几乎是红岭创投的翻版，不过规则设置上略有不同，分为“推荐标/担保标”和“体验标/风险标”，网站人气明显不足。

第五节　大数据和互联网时代的未来金融投资展望

一、基于大数据的金融服务平台模式的发展和延伸

未来金融投资更加依赖于这种基于大数据分析的金融服务平台。这种金融服务平台，一方面通过打造类似“哪儿有投资”这样的金融产品垂直搜索引擎的方式，把有借款需求的个人和有放款需要的中小银行和小贷机构在一个平台上进行对接；另一方面金融服务平台的对象更多建立在对大数据分析的基础上，有区别、有选择、有针对性地提供金融投资中介服务。金融服务平台的收入来源除了收取来自投融资双方的佣金外，更多的是通过广告费的方式获得收入，降低投融资双方的交易成本。

这种金融服务平台起到的是类似银行这样的金融中介的作用，但本身并非金融中介，因而没有太多的政策风险；而投融资双方的风险也并未增加，相反却有较大程度的降低，尤其是平台的核心是提供金融服务，平台的工作人员为投融资双方提供更加专业的金融服务。

此类金融服务平台模式也可以拓展到其他多种投资领域，譬如证券投资领域、外汇投资领域。

二、依托支付、云计算，以及搜索引擎等互联网工具的发展

过去十多年金融领域的巨大变革，科技的运用非常明显： 计算机局域网在金融领域的大规模使用，满足了人们快速、准确地处理金融业务以及传递交易信息的需要；互联网在金融业务中得到大规模应用，银行借此开发了网络业务，金融交易商凭其开展了网上交易，金融服务的边界从一个私有域扩展到无限的因特网空间。

然而，信息技术在金融领域推动的前两次变革，本质上都只是效率的改进，计算机和网络的使用对于金融逃不出算盘和电话的范畴，丢了由大数据、云计算、前瞻信息“三位一体”的灵魂。未来金融投资的发展一定会更加依赖于科技的进步，支付、云计算这些技术的进一步发展都会成为金融革命的支撑，而且速度会越来越快。

譬如，金融机构最为关注的是风险管理，而大数据在管理交易、信贷风险和合规方面大显神通。许多金融机构早已采用大数据防治欺诈，保持交易方面的合规，如在庞大的数据库中核对黑名单中的名字，区别同名同姓。信用卡公司用大数据分析客户大规模的交易规律，大大降低了风险。

虽然大数据时代为金融业带来的潜力和新商机还有待人们捕捉，但毋庸置疑的是，大数据分析技术正在成为金融业运作的最有价值、最强大的决策辅助工具。

三、金融投资的形式将发生深刻变化

过去的金融投资更多依赖投资人和投资分析师个人的经历、经验，主观色彩很浓，但未来投资人将面对的是海量的投资信息、海量的分析数据，继续依赖经验完胜几无可能，更别说那些仅仅靠消息、靠运气的非专业投资者了。

而金融投资又是社会普遍需要的，所以，未来的投资一定会在投资的形式上发生变化，除了传统的交易所投资、场外投资外，那些原来不会成为普通投资者关注的风险投资等投资形式都会出现在普通金融投资者的投资菜单中。互联网金融投资将打破传统与现代的投资领域的界限，出现互联网的股票投资(服务)、互联网天使投资(服务)、互联网风险投资(服务)等多种形式。

当然，金融投资形式的变化，并不改变对投资本质的认识： 金融投资需要建立多种不同“收益—风险—流动性”相匹配的金融投资工具，也需要有因人而异的投资者和投资工具的选择。

四、大数据时代投资的社交网络平台化的发展

未来的金融投资，不应该是信息不对称的投资，但信息不对称是客观存在的，问题是怎样才能消除这种信息不对称对投资者产生的负面影响。

金融投资社交网络平台将会大发展！譬如传统银行在解决客户的即时问题时，过去基本上是采用线下的面对面咨询，不但效率低下，也在很大程度上影响到投资客户的心情。在社交网络平台上，银行和投资者的交流完全可以解决这些问题。不仅如此，所有传统银行业务都可以在社交网络平台上实现。挪威DNB银行CRM战略和创新负责人鲁内(Rune)说：“在DNB，95%与客户之间的互动都是通过移动、互联网、电子邮件等电子渠道完成。”可见离柜交易是大比例的活动，但怎样才能解决离柜交易中各种可能出现的问题，社交化金融投资平台可以解决这个问题。

五、大数据时代信用评价来源需要重新认识

整个社会前行的推动力就来源于大量的小微企业的创新活动，而小微企业创新成功的商业模式，也一样需要资金的支持才能够发展成为对社会的真实贡献。但过去急需要资金支持的小微企业却因为信用问题得不到资金支持。

那么，小微企业是否没有信用？答案当然是否定的。浙江省工商局提供的初创期民营企业数据统计分析表明： 成立1～2年的小微企业58.83%的外部融资来源于商业信用。台湾地区中小企业资金来源的相关数据，应付和预收款融资也达到所有资金来源的24.65%。这些都说明信用一直是小微企业成长的支撑力量。但在传统的商业环境中，金融机构却得不到这些交易数据，它只存在于频繁商业联系的上下游交易者之间，并形成商业信用累积的大数据。

在阿里巴巴数据平台的3.5亿笔信用记录中，绝大部分是交易信用记录。交易数据从商业信用转化为金融信用，得益于互联网环境下的大数据和云计算技术，当然也需要“阿里金融”们“吃螃蟹”的勇气。可见，过去支撑小微企业初期发展的商业信用，将会在未来成为金融投资的新的信用标准。

六、大数据时代，信用标准将发生变化

过去的信用是基于信用的表现，在没有建立起信用体系的时候，这种依靠信用表现的信用评价标准就难以有效实现。随着互联网和电子商务渗透到人类商业、社交和生活的几乎所有领域，交易的数据足迹被保留、归纳、挖掘和分析，成为金融业可利用的信用资产。但更加重要的评价标准是： 人的信用。

通过对人的心理数据、行为数据等真正前瞻性大数据信息分析和预测，我们可以只依赖于人的个体信用建立金融投资的新的信用标准。如华尔街的DCM公司和印第安纳大学已经开始运用推特留言信息和谷歌心情分析工具，指导股市投资决策并取得惊人的成果。

更有甚者，根据“物以类聚，人以群分”的原理，有公司研究个人贷款偿还可能性和其朋友偿还债务可能性间呈现正相关，所以借款人朋友的还款信用也会成为借款人信用评价标准的组成部分。

七、金融的竞争将建立在新的品牌效应上

金融机构和金融工具的品牌将不再是过去的资产规模，而是服务质量和投资效果。这需要两个方面的努力： 绝对业绩的提高和感性业绩的提高。前者是投资的实际业绩，后者是投资者的满意度。

要实现这两个方面，要运用大数据分析才有可能。投资业绩的提升需要大数据对投资工具和投资时机选择的支持，这点毋唐置疑；而大数据通过对人们在思想、情绪和通信方面的数据化情感分析，获取并汇总顾客的反馈意见并对营销活动效果做出准确判断，除了在精准选择投资者方面有所贡献外，也在一定程度上满足投资人的投资满意度。

金融投资品牌更多表现在个性化、定制化、管家式服务的质量方面。

八、专业的大数据投资分析机构将大量出现

传统金融机构和金融投资者在投资分析领域的成就，将会因为其不掌握云计算等分析技术而不得不依赖外界的大数据分析，大数据分析作为跨界机构，在未来的金融投资领域将发挥越来越大的作用，其出现和发展就是自然的事情。

九、新型独立金融投资机构将会出现

在现有的银行、证券、保险、信托等金融机构组织之外，未来将出现基于大数据的新型独立金融投资机构，譬如互联网银行、互联网保险公司、互联网金融门户等。

互联网银行是指借助现代数字通信、互联网、移动通信及物联网技术，通过云计算、大数据等方式在线实现为客户提供存款、贷款、支付、结算、汇转、电子票证、电子信用、账户管理、货币互换、P2P金融、投资理财、金融信息等全方位无缝、快捷、安全和高效的互联网金融服务机构。互联网保险主要指对网络虚拟财产进行投保，没有线下渠道，是服务互联网及相关产业的保险服务平台，比如众安在线只销售运费险以及未来设计的虚拟物品投保等。互联网金融门户是指在互联网平台上销售各类金融产品的网络公司。

这些新型独立的互联网金融机构的便利性、高效性将给传统金融机构带来较大的挑战。

专栏10-6

中航信托与宜信公司的合作模式

由中航信托设立的中航信托·天宜1号宜信小额贷款(信贷12月期)结构化集合资金信托计划于2013年4月28日正式成立。该信托计划期限为12个月，实际募集资金5280万元人民币，其中优先级4800万元人民币，劣后级480万元人民币，共签订信托合同45份。今年6月中旬，中航信托在其网站中披露了中航信托·天宜系列宜信小额贷款(宜人贷12月期)结构化集合信托计划月度退出报告。宜信相关负责人告诉记者，月度退出报告是相应的信托份额到期兑付时给投资人的公告，目前项目仍在正常进行中。据其介绍，双方2010年年末开始探索合作，2011年年初中航正式发行第一只此类信托计划，这几年一直紧密合作。在此次合作中，中航信托从合格投资人处募集资金成立信托计划，通过向小微人群发放小微贷款来盈利，中航信托委托宜信做此类信托计划的信用管理顾问。据了解，宜信目前贷款投向有城市信贷、学生贷款、抵押车贷，助农贷款和小微企业主贷款很快也会加入。

对于与信托公司的合作，宜信公司负责人唐宁在公开场合称，伴随着业务发展，平台上借贷资金的来源不仅限于个人，也可以对接信托、银行等机构，P2P平台把与以信托公司为代表的金融机构的合作称为“T2P”模式，是P2P模式的创新延伸和升级。

(摘自《金融时报》2014年6月30日胡萍《信托与P2P联姻可行否？》)

【本章案例讨论题】

【案例讨论10-1】 詹姆斯·西蒙斯，是量化投资的传奇人物。在进入华尔街之前，西蒙斯是个优秀的数学家，24岁就出任哈佛大学数学系教授。他创办的基金，从1989到2006年的平均年收益率高达38.5%，净回报率超过股神巴菲特(他连续32年保持战胜市场的纪录，过去20年平均年回报达到20%)，即使在2007年次贷危机爆发当年，该基金回报都高达85%，西蒙斯也因此被誉为“最赚钱基金经理”，“最聪明亿万富翁”。与巴菲特的“价值投资”不同，西蒙斯依靠数学模型和计算机管理着自己旗下的巨额基金，他称自己为“模型先生”。西蒙斯几乎从不雇用华尔街的分析师，他的文艺复兴科技公司里坐满了数学和自然科学的博士。用数学模型捕捉市场机会，由计算机作出交易决策，是这位超级投资者成功的秘诀。

讨论： 1.从此案例我们能否得出传统定性投资方式已经过时的结论？为什么？

2.有人因此得出数学对金融的重要性。这样的逻辑是否成立？

3.怎样理解“西蒙斯几乎从不雇用华尔街的分析师”，还取得了超越巴菲特的业绩？

【案例讨论10-2】 表10-2是研究者总结出的行为金融指导下的投资策略：

表10-2 　行为金融指导下的投资策略

讨论： 1.行为金融理论下的这些投资策略与传统数理金融理论下投资策略的不同表现主要在哪些方面？

2.结合量化投资的这些策略在实施时，其有效性是否可以理解为撇开了人的行为本身？为什么？

3.请比较上述七类投资策略的不同。

【案例讨论10-3】 近一段时间来P2P“跑路”事件似乎有愈演愈烈之势。2014年6月27日，注册于浙江台州的一家P2P平台恒金贷，上午开业上线，下午便出现负责人失联、网站关闭的情况，刷新了P2P网贷失联速度最快纪录。后经证实，该平台的公开资料均系伪造。此前，第三方监督平台网上交易保障中心官网发布深圳P2P平台科讯网疑似“跑路”的通报，北京网金宝和融信宝两家P2P平台上演“人间蒸发”。据不完全统计，2014年上半年已有55家平台出现问题，涉及金额超过6亿元。

讨论： 1.P2P“跑路”事件说明了什么？

2.“跑路”P2P中，很多都有担保机构的背书，这个被认为是网络投资筑上防火墙的担保为什么没能阻止“跑路”事件的发生？

3.你认为怎样才能使得P2P健康发展？

【本章专题研讨】

【专题研讨10-1】 量化投资是否带来了金融投资革命？

1.量化投资大发展的基本面原因是什么？

2.简述量化投资自身的变化过程。

3.中国量化投资为什么发展得没有西方发达市场好？

4.中国量化投资的前景如何？

【专题研讨10-2】 讨论互联网金融现象和本质。

1.互联网金融崛起就是因为互联网技术的进步吗？

2.互联网金融生命力的本质源泉在哪里？

3.余额宝的互联网金融的特征和非特征有哪些？

4.中国互联网金融前景展望。

【专题研讨10-3】 对P2P发展潜力进行分析。

1.近几年P2P为什么大量出现？

2.P2P为什么有它的市场生存空间？

3.中国P2P平台发展要解决哪些关键问题？

【本章能力训练】

一、单选题

1.狭义的网络金融不包括(　　)。

A.网上银行　B.网上证券

C.网上支付　D.金融信息服务业

2.关于网络银行的优势，下列说法中不正确的是(　　)。

A.能有效控制经营成本　B.拥有更广泛的客户群体

C.观念更新的金融竞争策略　D.拥有更安全的支付手段

3.P2P即(　　)的缩写。

A.是伙伴对伙伴、对等、点到点的意思　B.消费者对消费者的贷款

C.融资者对投资者的交易　D.企业对个人的交易平台

4.大数据时代就是因为(　　)。

A.数据个体样本巨大　B.数据量多

C.数据处理难度大　D.都不是

5.数据价值密度低是指(　　)。

A.信息的数量分布密度较低　B.信息价值分布较分散

C.有价值信息和信息量比较较低　D.信息价值较低

6.大数据分析要求(　　)。

A.精确计算　B.精准定位

C.趋势分析　D.概率分析

7.大数据分析要寻找的是(　　)关系。

A.对应　B.前后　C.因果　D.相关

8.余额宝实现盈利的渠道来源主要是(　　)市场。

A.商品市场　B.股票市场

C.期货市场　D.货币市场

9.P2P投融资平台主要是实现(　　)。

A.投资者和融资者的直接接触　B.投融资的银行中介

C.大资金和大资金的有效对接　D.信用交易

10.大数据时代的信用可能包括(　　)。

A.银行信用标准　B.信用行为结果

C.金融信用资产　D.人的信用

二、多选题

1.网络时代金融服务的特点可以简单概括为(　　)。

A.任何时间　B.任何地点　C.任何方式　D.任何人

2.大数据的数据信息包括(　　)。

A.图片　B.视频　C.文字　D.地理位置

3.未来金融投资的一些重要方面包括(　　)。

A.对投资者情绪的把握　B.社交平台的分析

C.精确定量预测　D.算法交易

4.量化投资是追求(　　)。

A.数量精准分析　B.自动交易系统

C.降低投资风险　D.大概率事件

5.量化交易系统的好处是(　　)。

A.速度快　B.全天候监控　C.自动交易　D.高收益

6.常见的量化投资策略包括(　　)。

A.长期持股　B.趋势判断

C.波动率判断　D.投资性买入

7.量化择时主要包括(　　)等。

A.趋势量化择时　B.市场情绪量化择时

C.有效资金量化择时　D.牛熊线量化择时

8.常见量化套利包括(　　)。

A.股指期货套利　B.商品期货套利

C.统计套利　D.期权套利

9.余额宝的主要生命力在于(　　)。

A.资金的积小成大　B.高投资收益率

C.高流动性　D.高风险

10.目前P2P还处于(　　)的阶段。

A.无准入门槛　B.无行业标准

C.无主管机构　D.无投资群体

三、判断题

1.数据的抽样统计分析是大数据分析的核心。(　　)

2.大数据就是云计算。(　　)

3.银行不再仅仅是银行，是指银行将变成客户需求中心。(　　)

4.量化投资就是高频投资。(　　)

5.互联网金融就是互联网+金融。(　　)

6.余额宝收益率不固定，所以它就是利率市场化。(　　)

7.P2P没有比较可靠的个人信用信息。(　　)

8.拍拍贷类似Prosper模式。(　　)

9.未来的金融机构都是过去的各种金融机构的变形。(　　)

10.未来金融投资品牌更多表现为个性化、定制化、管家式服务的质量方面。(　　)