商业银行的科技浪潮：从电子银行、网络银行到互联网银行——大金融思想沙龙167期主题报告

编者按

2021年是中国共产党建党100周年，也是“十四五”规划开局之年。在2021年全国两会上发布的政府工作报告亦对“十四五”时期我国经济金融各项重点工作进行了详细阐述。“十四五”时期是我国全面建成小康社会、实现第一个百年奋斗目标之后，乘势而上开启全面建设社会主义现代化国家新征程、向第二个百年奋斗目标进军的第一个五年，我国将进入新发展阶段。为此，由中国人民大学财政金融学院货币金融系与国际货币研究所联合主办的“大金融思想沙龙”特别设立“学习两会精神——金融助力十四五新开局”系列沙龙，通过发布主题研报，诚邀来自政产学研各界专家学者共同探讨金融助力“十四五”发展之路。

2021年6月30日，系列沙龙第10期（总第167期）在线举行，中国人民大学国际货币研究所特约研究员、国信证券经济研究所金融业首席分析师王剑做主题报告“商业银行的科技浪潮：从电子银行、网络银行到互联网银行”，国家金融与发展实验室副主任、上海金融与发展实验室主任曾刚、江苏苏宁银行股份公司董事长黄金老、深圳海王集团股份有限公司首席经济学家、中国银行原副行长王永利、北京前沿金融监管科技研究院副院长阎淬做出精彩解读，沙龙由中国人民大学财政金融学院党委副书记、国际货币研究所副所长宋科主持。

本期报告聚焦于对商业银行金融科技发展历史和现状的总结和展望，并主要从以下五个方面展开讨论：1. 我国商业银行金融科技发展的三个阶段2. 互联网贷款的两种模式3. 大数据运用于纯线上放贷的三大核心模块4. 纯互联网银行业务结构和财务指标的特点5. 对银行业的深远影响和大数据放贷趋势展望

以下为报告全文：

 1

我国商业银行金融科技发展的三个阶段

商业银行从上世纪70年代以来较大的技术更新和突破有三个阶段，第一个阶段电子银行时代，第二个阶段网络银行时代，和现在所处的第三个阶段，互联网银行时代。和前两个阶段相比，第三个阶段最大的变革是实现了互联网放贷。第一个阶段，金融电子化或者电子银行时代。这个阶段在西方于20世纪六七十年代开始，中国略晚于西方国家。就是在金融业中陆陆续续引进了一些计算机技术，最早的目的是为了替代手工操作，提高金融交易的效率和正确率。这个阶段技术相对比较简单，前台用计算机处理业务，后台有存储设备，内部由专用网络联接，并逐步建立了内部信息管理系统，这基本上构成了银行计算机系统的标准配置，但在当时来看也是很大的突破。第二个阶段，网络银行时代。电子银行时代已经有一些私域网局域网或内部专网技术，90年代开始，互联网应用于银行业，这个阶段我国和西方的差距缩小了。开始有了网上银行，网上银行现在看是稀松平常的，但在当时也是一个很重要的突破，因为它实现了可以在互联网上和电脑上办业务，减轻了银行柜面压力，这就让银行服务海量零售客户成为可能。大概在2001年之后，移动互联网诞生促进了手机银行的兴起，手机银行本质上也是网上银行，只是用手机接入了网上银行。这个阶段还出现了划时代的发明：自动取款机。第二个阶段能够实现一些简单的标准化的业务，但有两个业务没能实现线上化，开户和放贷，因为这两个业务需要信任。第三个阶段，互联网银行时代。这个阶段最大的突破不是互联网，而是大数据。起源于2004年前后推出的Web2.0。Web2.0和Web1.0很大的区别是用户自己通过参与网络活动积累内容、产生内容，积累数据的速度非常快。经过多年积累，至2008年前后，开始形成“大数据”概念，用于形容维度丰富、总量巨大的海量数据。前两次进步均无法实现纯线上放贷，主观原因是由于当时信贷投放仍然以大中企业为主（小微业务不发达），单笔交易金额大，节省成本不是头等大事，银行对征信环节信息化的需求并不强烈；客观原因是信贷业务需要对企业深入分析审核，标准化程度低，尤其是小微信贷业务涉及较多非书面化的“软信息”，难以信息化。而有了大数据就可以基于大数据刻划客户的特征，辨别风险。最终在2012-2014年前后，出现了基于大数据给互联网上从未见过面的客户放贷。所以，这个时代称为大数据银行时代也挺合适的。大数据除了大之外，很大的一个特征是数据是从客户在互联网上的各种行为中留存下来的，不是自己刻意填的，所以真实可靠性也要高很多，这是和以前很大的区别。这样互联网就不仅仅是传递信息了，还可以通过信息传递信任或者说传递信用，这就是第三个阶段和前面两个阶段最大的差别。

图1 银行业引进信息技术的三个阶段

 2

互联网贷款的两种模式

这里有两个概念，一个是互联网贷款，是指不与客户见面，完全依靠所掌握的数据和信息，在线上就实现了客户拓展与营销、完成风险定价（信用评价）实现放贷；一个是互联网银行，是指无物理网点（或虽有个别物理网点，但并不在全行业务中起到主要作用），并且依靠大数据风控，实现纯线上放贷经营的银行，这些银行均依靠互联网、大数据实现客户的拓展和风险评价。两者不是一个概念，互联网银行可以投放互联网贷款，传统银行也可以投放互联网贷款。纯线上放贷有两种模式。第一种模式是纯粹按客户来源分类的，叫做专属客群模式。这种模式最典型的是微众和网商，他们的大部分客户来自于股东单位的互联网平台和生态圈，这种情况下其实互联网平台先天就已经掌握了这些客户的很多的数据，当然它也会同时从外部获取一些其他数据，最终完成风险评价。这个模式的优点是现成就有这么多流量和数据，弊端是主要服务于自己的现有股东单位和现有客户群体，对大部分银行或其他的公司来说这是难以复制的。如下图所示，一个是有微利贷截图界面，另一个没有，这就是微众银行已经筛选过了客户，符合标准的客户就可以在自己微信APP上看到贷款的按钮，没有被选中的客户就看不到，所以叫做邀请制，或者叫做专属客群模式，这个模式今天不是重点，因为可复制性不是很好。

图2 被选中的客户看到的贷款申请界面

第二种模式是全客群模式，股东或关联方则不能或仅能少量提供类似的资源主要客群、数据均来自体系之外。不仅仅是这个平台的，所有客户都可以到这家互联网银行申请贷款。互联网银行可以通过合法手段从网上收集客户数据，基于数据放贷，这种模式更具可复制性，是互联网银行研究的重点。

 3

大数据运用于纯线上放贷的三大核心模块

大数据运用于纯线上放贷有几个核心的模块。主要是三大模块，一是还款意愿分析，二是还款能力分析，所有的信贷业务肯定是有这两个方面的分析，三是成本优化控制。还有很多其他的模块，但这三个模块是最为核心的。一是还款意愿分析，称为反欺诈系统。反欺诈就是为了防止骗贷，主要针对还款意愿。历史上一直有这个系统，只是在有了互联网和大数据以后有了更好的办法实现反欺诈。客户在某互联网银行和某互联网平台上申请贷款，填写APP信息的时候，APP可以通过跟踪客户的指法（手指习惯或者上网时间、设备）通过各种信息来发现是否存在恶意申请贷款。二是还款能力分析，利用大数据预判客户的还款能力，即大数据信用风险评价（简称大数据风控），原理上主要是依靠回归模型。这一过程大致分为三个阶段：首先是建模期，寻找变量的历史数据与信用结果（还款情况）之间的相关性，找到与信用水平最为相关的变量，并以此构建征信模型；然后是验证期，将代入历史变量数据得到的信用结果与真实结果比对，以测试验证模型的有效性；最后是信用评价，在实战中输入新客户的变量，得到对信用的预判。最初，放贷机构面对的可能是从未获取贷款的客群，没有代表还款能力的因变量可用来构建模型，此时只能先由征信专家挑选可能与还款相关的变量，尝试性地放款，根据信用结果积累经验、完善模型，并及时迭代更新。这个原理和传统征信理论其实没有变化，以前用人的经验去处理回归模型，现在用大数据去回归，但用了更高效的技术实现这个模型。

图3 银行利用大数据进行信用风险评价

三是成本优化系统。由于获取变量的数据是要付出一定成本的，因此面对新申请贷款的客户，不能一口气把模型中全部可能涉及的变量数据都买来，而是会准备不同的优化模型，购买少量关键数据，便能排除一大部分客户，然后剩余的客户再购买其他数据，再排除一批，依次进行下去，直至产生最后的征信结果。以此，便尽可能在被拒绝贷款申请的客户身上节省数据费用，这就是一个成本优化系统。这个成本优化系统和风控关系不大，它是为了让这个生意更加的节约成本，所以它不是风控，而是一个效率优化的系统。此外，互联网贷款还会用到很多其他的系统，如下图所示，大数据风控流程中间会涉及到的数据清洗等很多琐碎环节。从原理上讲，这些系统实现的功能和传统的银行贷款并没有本质的区别，并没有突破在互联网时代之前的金融原理，只是使用了更新的技术。大数据除了可以用于放贷，还可以用于精准营销，就是去寻找客户需要什么，这也是一个很大的应用。

图4 信用风险评价基本流程

除了购买数据还有很多其他成本。比如对互联网用户来说，单笔贷款额度都非常小，几千块钱或者小几万块钱，从一个客户身上这个业务赚的钱非常微薄，要让互联网贷款有相对合理的回报，必须有海量客户。单客处理成本大幅下降，因此可以覆盖“变动成本”；海量客户积少成多，又能覆盖“固定成本”。这一模式变动成本小，固定成本大，刚好匹配。所以从商业可持续性的角度，要考虑的事情除了技术层面之外还有很多。

 4

纯互联网银行业务结构和财务指标的特点

从四家最早拿到监管部门纯线上放贷业务许可的银行（微众银行、网商银行、新网银行、亿联银行为例）的资产负债结构看，资产结构和普通银行差不多，大概有一半是贷款，其他的是同业贷款、投资之类的。但互联网银行的存款占比比较低，这也不一定是互联网银行的情况，其实是所有新开设银行的情况，因为新开设的银行没有网点优势，也没有那种像传统大行的海量客户那样先天开户开在大行里，所以吸收存款的难度比较大，这一点和传统银行比有比较明显的差别。重点看盈利能力。这些银行的ROE大部分比较高，亿联银行成立晚稍微低一点，其他银行都显著高于行业平均水平，网商银行前几年也显著高于行业平均水平。净息差都非常高，行业平均息差2%左右，这些银行有3%、4%、甚至有5%以上，主要是因为虽然付息成本比较高，但生息资产收益率比较高，达到6-7%，所以息差还是高的。这些银行还有一个特点，业务及管理费用也比行业平均要高很多，这背后有一大块费用用来购买数据的，还有一些费用用来搭建系统。互联网银行系统投入是非常大的，这些系统的投入还要不断的迭代更新，维护费用也很高，而且现在互联网行业的从业人员工资也很高，这些都推高了互联网银行的成本。所以，这些银行的业务及管理费用是非常高的。从资产减值损失看，这些银行的资产质量还是要比上市银行的平均水平差一点，风险还是会高一点。

图5 四家互联网银行盈利能力总览

总结起来，纯互联网银行走的是一条高收益、高成本、相对有点高风险的“三高”模式，但其ROE还是超出行业水平很多，有几家甚至超过行业平均水平两倍以上，所以这个模式截止目前来看相对比较成功。但最近两年以来，互联网银行放贷受到了更严格的监管，所以未来盈利能力能否维持还需要观察。

 5

对银行业的深远影响和大数据放贷趋势展望

最后展望一下金融科技的技术进步对银行业的深远影响。从正面意义看，互联网贷款业务可以让客户下沉，以前很多客户没有传统银行的征信贷款记录，就拿不到贷款，互联网银行最大的意义是它实现了这类“白户”贷款上的突破；同时，逼迫很多传统银行慢慢也开始进入这些领域。所以正面意义是非常显著的。当然，不能忽视可能存在的负面影响。比如过度信贷争议，将贷款放到了不该借钱的人那里，这其实就不是一个风控问题，而是商业伦理的问题。在过去几年互联网贷款发展比较快的时候，也出现了一些刺激大学生贷款，鼓励他们过度消费的事情。这也是一个值得关注的问题。从未来趋势看，未来大数据成本有可能显著下降。随着政府推动大数据在个人征信上的应用，建立健全大数据风控，同时打击个人数据的非法获取。放贷机构获取征信所需大数据的成本下降，从而有望降低最终的放贷利率。更为关键的是，国家主导的大数据更为成熟后，不同机构间获取的大数据有可能趋于雷同，除部分拥有专属数据的机构外，大多数机构之间竞争的将是建模能力、数据处理能力。与前几次银行信息化浪潮中的结局一样，新技术应用可能在未来普及，互联网银行、传统银行都将逐渐掌握类似的模型和数据处理技术，届时机构之间业务也可能会越来越同质化，比拼的就只能是客户基础、资金成本等因素。资金成本低廉，客户基础雄厚的大型零售银行反而优势凸显。当然，这一天何时到来还是未知数。最终，新技术从高科技变成日常工具，是历史规律。在数据成本、行业竞争等因素未发生重大变化的情况下，基于大数据风控的纯线上放贷业务，盈利水平还是超过行业平均水平。因此，各类传统银行进入这一领域，短期内还是能够提高盈利水平的。当然，长远看，互联网银行领域的盈利水平有可能最终会回归至行业水平，务必找到差异化路径。

编辑  池依倩

观点整理 李珊珊

责编  李锦璇、蒋旭

监制  安然、朱霜霜

点击查看近期热文

欢迎加入群聊

为了增进与粉丝们的互动，IMI财经观察建立了微信交流群，欢迎大家参与。

入群方法：加群主为微信好友（微信号：imi605）,添加时备注个人姓名（实名认证）、单位、职务等信息，经群主审核后，即可被拉进群。

欢迎读者朋友多多留言与我们交流互动，留言可换奖品：每月累积留言点赞数最多的读者将得到我们寄送的最新研究成果一份。

关于我们

中国人民大学国际货币研究所（IMI）成立于2009年12月20日，是专注于货币金融理论、政策与战略研究的非营利性学术研究机构和新型专业智库。研究所聘请了来自国内外科研院所、政府部门或金融机构的90余位著名专家学者担任顾问委员、学术委员和国际委员，80余位中青年专家担任研究员。

研究所长期聚焦国际金融、货币银行、宏观经济、金融监管、金融科技、地方金融等领域，定期举办国际货币论坛、货币金融（青年）圆桌会议、大金融思想沙龙、麦金农大讲坛、陶湘国际金融讲堂、IMF经济展望报告发布会、金融科技公开课等高层次系列论坛或讲座，形成了《人民币国际化报告》《天府金融指数报告》《金融机构国际化报告》《宏观经济月度分析报告》等一大批具有重要理论和政策影响力的学术成果。

2018年，研究所荣获中国人民大学优秀院属研究机构奖，在182家参评机构中排名第一。在《智库大数据报告（2018）》中获评A等级，在参评的1065个中国智库中排名前5%。2019年，入选智库头条号指数（前50名），成为第一象限28家智库之一。

国际货币网：http://www.imi.ruc.edu.cn

微信号：IMI财经观察

（点击识别下方二维码关注我们）

理事单位申请、

学术研究和会议合作

联系方式:  

010-62516755 

[e-mail]

只分享最有价值的财经视点

We only share the most valuable financial insights.