8月份，由上海新金融研究院（SFI）與北京大學(xué)數(shù)字金融研究中心（IDF）組織的美國金融科技考察團，對多家舊金山金融科技企業(yè)展開訪問與考察，并與監(jiān)管機構(gòu)代表舊金山聯(lián)儲官員及傳統(tǒng)金融機構(gòu)高管座談交流。

券商中國記者將兩萬余字的研究報告提煉出四大重點。

金融科技業(yè)務(wù)空間有限

FINTECH行業(yè)在美國起步較晚，主要還是集中在一些零星領(lǐng)域，但還尚未形成規(guī)模。美國傳統(tǒng)金融部門的服務(wù)相對比較充分，對金融科技的需求不如中國強勁。由上海新金融研究院與北京大學(xué)數(shù)字金融研究中心組織的美國金融科技考察團調(diào)研發(fā)現(xiàn)，目前，美國FINTECH的發(fā)展空間在總體上不如中國。主要原因有二：

一是監(jiān)管部門關(guān)的比較嚴(yán)，包括在牌照發(fā)放和業(yè)務(wù)操作方面。在美國，網(wǎng)貸機構(gòu)需要從不同的州獲得不同的執(zhí)業(yè)執(zhí)照，大幅提高了從業(yè)成本。同時，公平信貸（fair lending）條款又極大地限制了金融科技公司利用大數(shù)據(jù)幫助信貸決策的空間。

二是來自傳統(tǒng)金融機構(gòu)的競爭壓力非常大。如富國銀行同樣會通過純線上的方式給小微企業(yè)提供貸款，此外傳統(tǒng)金融機構(gòu)長久的技術(shù)積累、信用沉淀與更低的資金成本。此外，信用卡的優(yōu)惠也顯著擠壓了新的支付業(yè)務(wù)的空間。

雖然傳統(tǒng)金融機構(gòu)擠壓了金融科技的生存空間，但也為其發(fā)展提供了良好的發(fā)展標(biāo)桿與平臺優(yōu)勢。如Prosper和Sofi都可以通過將其所發(fā)放貸款進行資產(chǎn)證券化，公開市場再根據(jù)其資產(chǎn)質(zhì)量進行定價投資，一方面來自資本市場的資金成本大幅低于向散戶募資；另一方面，伴隨金融機構(gòu)的監(jiān)管與評級，提高了網(wǎng)貸平臺的透明度。

難以做純粹的信息中介平臺

據(jù)調(diào)查，即使在美國，P2P也難以完全做到信息中介平臺的定位。投資者在做投資決策時，會同時考慮產(chǎn)品和平臺，在一定意義上平臺更重要。

如Prosper在2013年初全部都是零售投資者，但目前機構(gòu)投資者占比已達(dá)到了90%%，機構(gòu)投資者有能力做投資決策，但未必認(rèn)為對每一筆小額貸款做風(fēng)險評估是一件值得的事情。因此，實際上，網(wǎng)貸平臺還是對機構(gòu)投資者做了批發(fā)商的工作，并非單純的信息中介。

根據(jù)富國銀行經(jīng)驗，貸款金額在百萬美元左右，有不動產(chǎn)作為質(zhì)押的貸款業(yè)務(wù)難度較低小銀行也可以解決。而貸款金額在幾萬美元的純信用小微貸款，只有大型銀行才有足夠的人才技術(shù)可以解決。

無論Proseper還是Sofi，機構(gòu)投資者均是評定其資產(chǎn)證券化產(chǎn)品的風(fēng)險等級，而并非評定逐筆申請的風(fēng)險值，平臺將貸款申請合理甄別打包，批發(fā)給機構(gòu)投資者。

獲客場景嚴(yán)重不足

很多美國FinTech公司缺乏必要的“場景”，這明顯提高了企業(yè)獲客成本，增加了信用評估的困難。FinTech公司通常都是通過直郵（direct mail）和合作機構(gòu)獲得潛在的客戶，成本很高，平均300-500美元。

如Circle目前主要通過補貼提供幾乎免費的跨境支付，但其最終目標(biāo)是提供消費金融服務(wù)，也許目前提供免費跨境支付服務(wù)的目的就是為了建設(shè)“場景”、積累一批目標(biāo)客戶，以期進一步的發(fā)展。

對比中國，其實美國FinTech公司所面臨的場景依然是傳統(tǒng)金融的場景，直郵的效率在傳統(tǒng)領(lǐng)域可以有效發(fā)揮作用，而對比于中國一般的獲客途徑，手機號碼，則在數(shù)字時代顯得昂貴緩慢。FinTech直接在個人身上開展業(yè)務(wù)暴露出“水電煤“基礎(chǔ)設(shè)施的支持不力，這也可能是導(dǎo)致美國FinTech公司對傳統(tǒng)金融依賴較強的原因之一。

美國監(jiān)管滯后

美國的監(jiān)管框架相對成熟，但與英國、新加坡等的監(jiān)管部門相比也有明顯距離（比如嘗試監(jiān)管沙盒、創(chuàng)新中心等做法）。

美國實行的雙層（州、聯(lián)邦）、多極（許多監(jiān)管機構(gòu)）的監(jiān)管框架，這十分不利于FinTech公司開展業(yè)務(wù)，因為FinTech本身就是跨區(qū)域、跨行業(yè)的，一些公司只好到不同的州和不同的監(jiān)管機構(gòu)同時申請許多牌照。具體而言，美國現(xiàn)行監(jiān)管體系主要是其發(fā)展未跟上金融科技的發(fā)展，這主要體現(xiàn)在三個方面。

首先，雙層監(jiān)管機制制約跨地區(qū)發(fā)展。美國州政府有相當(dāng)大的權(quán)力，在傳統(tǒng)銀行時代將資產(chǎn)證券化業(yè)務(wù)的監(jiān)管權(quán)力下放至州政府并無很大不妥，但對于網(wǎng)絡(luò)借貸，同質(zhì)化的產(chǎn)品卻要在不同州滿足不同的條件，獲得不同的待遇，這顯然是不合理的，聯(lián)邦層面的統(tǒng)一協(xié)調(diào)，或許將大大提高效率。

其次，公平正義原則對數(shù)據(jù)的限制。印象頗深的一點是，Upstart介紹完自身征信模型之后，美聯(lián)儲官員第一個問題便是這個模型是否存在歧視。雖然對性別、種族、地址等變量的保護是公平正義的體現(xiàn)，在如今變量數(shù)量多達(dá)數(shù)百個，這幾個變5量所包含之信息早已在其他幾百個變量中有所體現(xiàn)，對于這幾個變量的限制，實際上有些掩耳盜鈴。

最后，相關(guān)法律對于模型方法的隱性限制。之所以銀行仍然在使用更少的變量，采取簡單的評分卡方法，可能部分原因便是公平借貸原則，在拒絕一筆個人貸款申請時，機構(gòu)必須給出明確的拒絕理由，即風(fēng)險模型需要很強的可識別性，一般來講，方法越復(fù)雜，其可解釋性就越差，決策樹勉強可以按照評分卡的模式進行解釋，更復(fù)雜的隨機森林，引導(dǎo)聚集（bagging）則很難給出明確的哪個變量在拒絕中起到了決定作用，而神經(jīng)網(wǎng)絡(luò)則完全是一個黑盒。越復(fù)雜的數(shù)據(jù)往往需要越復(fù)雜的模型，過時法規(guī)對于模型的無形制約，事實上阻礙了行業(yè)發(fā)展。

（來源：券商中國微信號ID：quanshangcn 作者：王瑩）