内容摘要 互联网金融的核心特征 一、交易成本降低 ，互联网替代传统金融中介和市场中的物理网点和人工服务，从而能降低交易成本。比如，手机银行本身不需要设立网点，不需要另外的设备与人员等，交易成本显著低于物理网点和人工柜员等方式（CGAP,2010）。 第二，互联网促进运营优化，从而能降低交易成本。比如，第三方支付集成多个银行账户，能提高支付清算效率。在传统支付模式下，客户不能与中央银行之间直接建立联系，而必须分别与每一家商业银行建立联系。在第三方支付模式下，客户与第三方支付公司建立联系，第三方支付公司代替客户与商业银行建立联系。此时 第三方支付公司成为客户与商业银行支付清算的对手方，通过采用二次结算的方式实现了大量小额交易在第三方支付公司的轧差后清算，从而能降低交易成本（谢平等，2014a）。 第三，互联网金融的去中介化趋势缩短了资金融通中的链条（后文有详细讨论），能降低交易成本。 二、信息不对称程度降低 在互联网金融中，大数据被广泛应用于信息处理（体现为各种算法，自动、高速、网络化运算），提高了风险定价和风险管理效率，显著降低了信息不对称。 大数据至今未有统一定义。但一般认为大数据具有四个基本特征——数据体量庞大（volume）、价值密度低（value, 也有人理解成应用价值巨大）、来源广泛和特征多样（variety）、增长速度快（velocity, 也有人理解成需要高速分析能力）。大数据产生的背景是整个社会走向数字化，特别是社交网络和各种传感设备的发展（见部分）。大数据有三个主要类型——记录数据、基于图形的数据 以及有序数据。云计算和搜索引擎的发展，使得对大数据的高效分析成为可能，核心问题是如何在种类繁多、数量庞大的数据中快速获取有价值信息，主要有两类任务（Tan, et al., 2006 ；Rajaraman and Ullman，2012 ；Provost and Fawcett，2013）。类是预测 任务，目标是根据某些属性的值，预测另外一些特定属性的值。第二类是描述任务，目标是导出概括数据中潜在联系的模式，包括相关、趋势、聚类、轨迹和异常等，具体可分为分类、回归、关联分析、聚类分析、推荐系统、异常检测、链接分析等。大数据分析有很强的实用主义色彩。预测在大数据分析中占有很大比重，对预测效果的后评估也是大数据分析的重要内容。大数据与超高速计算机结合，使得相关性分析的重要性将超过因果分析，行为分析的重要性将不低于财务报表分析。 在信贷领域，可以根据大数据来决定动态违约概率。谢平和邹传伟（2012）指出，对某个信用主体，很多利益相关者都可以在互联网上给予评价，这样根据自主信息和主观判断，任何时点都可以知道违约概率，并且是有效的。总的效果是，地方信息和私人信息公开化，只可意会的信息显性化，分散信息集中化，类似“充分统计量”的指标或指数能反映汇聚来的信息，使信息在人与人之间实现“均等化”。我们把这种状况简称为“大众点评”原理，其可以替代银行内部专业的、线性的信贷评估方法。 证券市场可能同时具有行为金融学（Shefrin and Statman，1994）和有效市场假说（Fama et al., 1969）描述的特征。一方面，在社交网络的促进下，投资者之间的交流、互动和相互影响会很好有效，个体和群体行为会接近行为金融学的描述（比如Coviello etal. (2014) 发现，人类情绪可以通过社交网络产生传染效果），进而对单个证券或整个证券市场产生可观测的影响。另一方面，在大数据分析的促进下（内幕信息不属于大数据），市场信息充分、透明，市 场定价效率很好高（比如证券定价中的一些复杂计算转化为应用程序，简单化），证券市场会接近有效市场假说的描述。 在保险领域，大数据能提高保险精算的准确性，使保费充分考虑个体差异性，并且动态调整，类似动态违约概率。比如，在非寿险中，保险公司可以为客户提供根据行驶里程及时间定价的保险（pay as you drive），根据驾驶行为定价的保险（pay how you drive），以及可以协助被保险人完善驾驶习惯（manage how you drive）；寿险精算在生命表的基础上，将来会充分考虑个人的基因、家族遗传、饮食运动习惯和职业等，时效性也将进一步提高（王和，2014）。随着精算效率的提高，互联网金融中的保险，将接近完美的风险转移模型——自愿、自由、公平地进行风险转移(Arrow,1970)。，保险产品丰富化，对人身和财产方面的每一种风险，均可能出现相应的保险产品。第二，保险费率由公平原 则厘定。第三，风险转移给社会中有相应风险偏好的人，由他们自愿承担。 ……………………
精彩内容 互联网金融的核心特征 一、交易成本降低 ，互联网替代传统金融中介和市场中的物理网点和人工服务，从而能降低交易成本。比如，手机银行本身不需要设立网点，不需要另外的设备与人员等，交易成本显著低于物理网点和人工柜员等方式（CGAP,2010）。 第二，互联网促进运营优化，从而能降低交易成本。比如，第三方支付集成多个银行账户，能提高支付清算效率。在传统支付模式下，客户不能与中央银行之间直接建立联系，而必须分别与每一家商业银行建立联系。在第三方支付模式下，客户与第三方支付公司建立联系，第三方支付公司代替客户与商业银行建立联系。此时 第三方支付公司成为客户与商业银行支付清算的对手方，通过采用二次结算的方式实现了大量小额交易在第三方支付公司的轧差后清算，从而能降低交易成本（谢平等，2014a）。 第三，互联网金融的去中介化趋势缩短了资金融通中的链条（后文有详细讨论），能降低交易成本。 二、信息不对称程度降低 在互联网金融中，大数据被广泛应用于信息处理（体现为各种算法，自动、高速、网络化运算），提高了风险定价和风险管理效率，显著降低了信息不对称。 大数据至今未有统一定义。但一般认为大数据具有四个基本特征——数据体量庞大（volume）、价值密度低（value, 也有人理解成应用价值巨大）、来源广泛和特征多样（variety）、增长速度快（velocity, 也有人理解成需要高速分析能力）。大数据产生的背景是整个社会走向数字化，特别是社交网络和各种传感设备的发展（见部分）。大数据有三个主要类型——记录数据、基于图形的数据 以及有序数据。云计算和搜索引擎的发展，使得对大数据的高效分析成为可能，核心问题是如何在种类繁多、数量庞大的数据中快速获取有价值信息，主要有两类任务（Tan, et al., 2006 ；Rajaraman and Ullman，2012 ；Provost and Fawcett，2013）。类是预测 任务，目标是根据某些属性的值，预测另外一些特定属性的值。第二类是描述任务，目标是导出概括数据中潜在联系的模式，包括相关、趋势、聚类、轨迹和异常等，具体可分为分类、回归、关联分析、聚类分析、推荐系统、异常检测、链接分析等。大数据分析有很强的实用主义色彩。预测在大数据分析中占有很大比重，对预测效果的后评估也是大数据分析的重要内容。大数据与超高速计算机结合，使得相关性分析的重要性将超过因果分析，行为分析的重要性将不低于财务报表分析。 在信贷领域，可以根据大数据来决定动态违约概率。谢平和邹传伟（2012）指出，对某个信用主体，很多利益相关者都可以在互联网上给予评价，这样根据自主信息和主观判断，任何时点都可以知道违约概率，并且是有效的。总的效果是，地方信息和私人信息公开化，只可意会的信息显性化，分散信息集中化，类似“充分统计量”的指标或指数能反映汇聚来的信息，使信息在人与人之间实现“均等化”。我们把这种状况简称为“大众点评”原理，其可以替代银行内部专业的、线性的信贷评估方法。 证券市场可能同时具有行为金融学（Shefrin and Statman，1994）和有效市场假说（Fama et al., 1969）描述的特征。一方面，在社交网络的促进下，投资者之间的交流、互动和相互影响会很好有效，个体和群体行为会接近行为金融学的描述（比如Coviello etal. (2014) 发现，人类情绪可以通过社交网络产生传染效果），进而对单个证券或整个证券市场产生可观测的影响。另一方面，在大数据分析的促进下（内幕信息不属于大数据），市场信息充分、透明，市 场定价效率很好高（比如证券定价中的一些复杂计算转化为应用程序，简单化），证券市场会接近有效市场假说的描述。 在保险领域，大数据能提高保险精算的准确性，使保费充分考虑个体差异性，并且动态调整，类似动态违约概率。比如，在非寿险中，保险公司可以为客户提供根据行驶里程及时间定价的保险（pay as you drive），根据驾驶行为定价的保险（pay how you drive），以及可以协助被保险人完善驾驶习惯（manage how you drive）；寿险精算在生命表的基础上，将来会充分考虑个人的基因、家族遗传、饮食运动习惯和职业等，时效性也将进一步提高（王和，2014）。随着精算效率的提高，互联网金融中的保险，将接近完美的风险转移模型——自愿、自由、公平地进行风险转移(Arrow,1970)。，保险产品丰富化，对人身和财产方面的每一种风险，均可能出现相应的保险产品。第二，保险费率由公平原 则厘定。第三，风险转移给社会中有相应风险偏好的人，由他们自愿承担。 ……………………
占位居中
直播中，去观看