​世界是金融的,也是科技的,但终究是科技的 ——区块链或是科技击败金融的终极武器...

640?wx_fmt=gif

文丨互链脉搏·元尚

未经授权,不得转载!


历史会重复,但不是简单的重复。


2013年,余额宝诞生,当时传统金融机构大呼“狼来了”。基于阿里巴巴对余额宝的技术、用户加持,余额宝在2018年一季度末规模达到了1.99万亿元,投资人4.8亿。这一成长速度动了传统金融的奶酪,任其发展,余额宝将成为一家大型储蓄银行。


随后,监管机构连续五次调整持有或交易额度上限,从100万元降到10万元。受此影响,今年一季度末,余额宝规模几近腰斩缩水至1.04万元。但其用户量却攀升至5.88亿,比2018年一季度末增加了1亿用户。


若不是监管,科技在与金融的竞争中已经占了上风。然而,传统金融依然有拿手绝活——信用,这是科技企业无法比拟的。传统金融的信用来自多方面:品牌信用、牌照信用、业务专业信用、国家赋予的信用等。余额宝之所以被限制,本质是监管部门无法预料任其膨胀后,是否会影响到金融稳定。说到底,是金融信用问题。于是金融机构发现,“狼”其实并没有来,并且自己投身到金融科技的改良浪潮。


但区块链的出现,让信用有了科技的解决方案,至此科技进入金融技术的拼图基本齐备了。


2019年Facebook推出Libra项目,传统金融又喊出“狼来了”,这次可能是真的来了。


技术(算力)赋能金融


科技这匹“狼”和金融第一次碰撞始于上世纪70年代。


2016年7月,KBW纳斯达克金融科技指数在美国正式发布,该指数用来追踪那些利用高科技发行金融产品并在金融服务方面具有较强影响力的公司的表现。


这一指数有49家成份股,如果剔除掉后来用科技武装自己的金融企业,Visa算得上是最早一家原生金融科技公司。Visa的出现背景和信息技术的发展密不可分。


1970年,Visa创始人Dee Hock在特拉华州成立National BankAmericard Inc. (NBI)。1976年BankAmericard更名为Visa。


Visa定义为支付技术公司,致力于帮助消费者、企业、银行和政府使用数字化货币。其用到的技术就是当时正在茁壮成长的计算机和互联网技术。上世纪70年代超大规模集成电路出现,计算机逐步用于商业组织;互联网也在上世纪70年代诞生了主要的标准,跨地域高效通信成为可能。


从下图可以看出,上世纪70年代的Visa办公室,就是一个大机房。


640?wx_fmt=png

(VISA早期的机房 图片来源:VISA官网)


Visa的每一步,其实都有来自传统金融机构的反对声音,比如网络的安全性问题。2007年Visa推出非接触支付Visa payWave的时候,就被质疑用户的信息在“空气中被泄漏”。


但信息技术带来的效率提升着实给金融公司带来了好处。如今,没有哪家金融机构离得开信息技术了。即便在最不确定的投资领域,科技也越来越占上风。


众所周知巴菲特是“股神”,但在科技加持的“大奖章”基金面前,巴菲特表现差一大截。


1988年,“大奖章”基金创始人西蒙斯网罗了一大批数学家、密码学家和高级计算机工程师,创立了量化基金公司——文艺复兴科技。


西蒙斯的头部产品大奖章,自1989年以来其年化复合收益率高达35.6%,大幅领先同期“标普500”20个点,更领先巴菲特的伯克希尔哈撒韦。


640?wx_fmt=png


但总的来说,在信息技术和金融结合的早期,金融业虽然对信息技术有所担心,但总体乐见技术带来的好处的,以计算机、互联网为代表的新一代信息技术提供大量算力成为金融公司处理复杂数据的工具。


金融科技在此阶段主要是金融公司或者从业者推动,49家金融科技成分股,主要还是分布在传统金融业集中的纽约州、宾州、新泽西州、伊利诺伊州等。


640?wx_fmt=png

(金融科技指数成份股地理位置 制图:网贷之家)


流量(数据)赋能


进入移动互联网时代后,算力对金融业的加持渐渐进入尾声。一方面,摩尔定律衰竭,但个人算力已经非常强大,科技公司可以为个人直接提供金融算力产品,用户不需要去传统的金融机构;另一方面,金融机构发现,在算完自己的数据、市场的数据后,更多的数据已经逐渐流向科技公司。


于是金融与科技的竞合进入第二阶段:科技企业用流量或者用户数据赋能金融。2013年,天弘基金和阿里巴巴合作推出余额宝引爆这一模式。当时,笔者身处这一行业中,传统基金公司面对互联网“野蛮人”几乎无力抵抗,眼睁睁看着天弘基金规模排名从倒数冲到第一。而后,基金公司开始联合腾讯、京东、百度等各类互联网公司,试图实现流量和数据的导入。


于是国内金融+科技加速融合。因为占据流量入口和数据入口,互联网公司此刻是甲方,因此这个阶段提出“互联网金融”的概念


在2013年前后,互联网金融的主要实体纷纷诞生,2012年诞生宜人贷;2013年诞生众安保险、众筹网;2014年诞生微信支付、微众银行。


640?wx_fmt=png

资料来源:新金融在线


值得注意的是,互联网金融阶段,中国互联网公司通过网络效应几乎所向披靡,仅仅网贷在2018年年初贷款余额就1.2万亿元。相比传统金融机构,互联网金融没有门店成本、产品迭代快、洞察人性贪婪。


但大量风险也在累积,随后包括股权众筹、网络借贷、互联网保险都曝出风险敞口,从2015年开始暴雷不断,直至现在。


据网贷天眼数据,从2015年开始至2019年6月25日,统计有5634个网贷平台暴雷。


图:网贷暴雷平台数量统计

640?wx_fmt=png

(图:网贷天眼)


失联、跑路、展期、涉嫌诈骗等等让投资者对网贷的信任度大幅下降。


图:网贷跑路原因统计

640?wx_fmt=png

(图:网贷天眼)


如今,互联网金融平台仍然以每周百家左右企业暴雷的速度衰落。信用在这个时候显得尤为重要。因此互联网金融逐步集中于在互联网界建立了庞大信用的大企业身上。比如腾讯&微信平台、阿里巴巴&支付宝平台以及他们成立的微众银行、众安保险等。


普通用户这才缓过神:快速崛起的互联网金融虽然具有高收益的产品,但也存在高的风险敞口。高风险背后则是缺乏建立信用的能力。凭借高收益带来的用户瞬间瓦解。


传统金融也明白了自己的优势,就是信用以及建立信用的路径。它们开始再次将科技当作自己的工具,于是Fintech(金融科技)应运而生。


传统银行成立的金融科技公司

640?wx_fmt=png

(制表:互链脉搏)


互链脉搏统计,顺应Fintech这一潮流,国内的传统金融机构基本都成立了金融科技子公司或者金融科技事业部门。


Fintech,金融在前,科技在后,潜台词是金融主导。因为金融业的灵魂——“信用”这盏神灯仍然掌握在传统金融机构手中。传统金融机构的信用建设经历了数千年,形成了各项法律制度、金融制度、国家制度、企业规章制度等,为金融企业信用保驾护航。比如国际间的巴萨尔协议、FATF组织;中国制定的《商业银行法》、《信托法》、《基金法》、《保险法》、《证券法》;央行和商业银行的存款准备金制度、以及各个金融机构设置的风控制度等。


信用也是科技企业通向金融之路的最大门槛。支付宝、微信支付在2014到2018年,经常被监管部门指导、处罚、要求整改,本质是这些科技公司的思维是重用户,轻风险付出的信用建设成本。


信用赋能


在金融和科技相爱相杀中,这两个行业却成为世界的主导者。


2018年,全球市值100强中,科技连续第二年成为前100名企业中市值最大的行业,达到了4.8万亿美元市值。排名第二的行业是金融,市值4.4万亿美元。但是金融入围的公司数量最多,有23家。排名第三的是消费行业,市值达到了2.8万亿美元,距离第一和第二名的距离很大。


更值得注意的是,科技企业市值增幅非常快。从2009到2018年,100强中科技企业总市值增加了433%,同期金融增长222%。


2009-2018年市值100强行业增幅

640?wx_fmt=png

(图:普华永道)


国内的情况也是金融、科技占据鳌头。截至2019年一季度末,中国企业市值500强中,银行业市值占比最高,达18%;其次是软件与服务(科技)占比9%。


640?wx_fmt=png

(数据来源:wind 制图:wind)


无论中外,世界已经被金融、科技两大产业所主导。世界是金融的,也是科技的。


然而从美国经验来看,科技产业超越金融已经发生,Fintech正走向Techfin。


科技进入金融差解决信用这一步——科技企业的金融产品凭什么能让用户、监管、国家长期信任?区块链出现了,金融企业的信用门槛正在崩塌。


货币是金融信用的集中体现,比如一个国家的金融失去信用,货币会贬值,这是金融危机发生国都会遇到的。2008年,中本聪公布了比特币白皮书,人们越来越发现底层的区块链技术就是一台信任机器。比特币通过分布式计算、共识机制、加密算法等技术建立起来的信用几乎不亚于过去几千年人类对货币信用的“终极幻想”——黄金。


640?wx_fmt=png

(witter用户Nunya Bizniz发布了一张图片,其中可以看到2013年至2018年间比特币的价格以及1976年至今的黄金的价格非常相似。)


但区块链这个信任机器并不是几年就能建成的,2016年到2019年年初ICO、IEO、IMO等各种乱象,非但没有用区块链建立信用,反而将区块链这一技术带到了近似“诈骗”的沟里。其原因是,一方面区块链技术及配套设施不完善。这期间,区块链这台信任机器的效率不高,链下信息的信任无法建立;另一方面,很多打着区块链名义的项目,并不是要建立信用,而是为了诈骗,甚至压根就没用到区块链;最后,区块链的配套监管制度尚不完善,即便代码可以建立信用,但是监管区块链的代码还没生成。


就连USDT这样挂钩美元的稳定币都公开承认,只有约74%的USDT由现金及等价物支撑。


但Facebook的区块链项目Libra一经推出,让金融业为之震动:它真的用区块链这台信任机器,并且很务实的采用可靠的技术,比如一开始的使用联盟链,采用BFT共识等。有人说Libra就是Q币+支付宝。从使用感受上或许如此,但这只是表象。


Libra因为使用区块链,其交易不需要经过银行等传统金融机构的结算清算,人们对于账簿是信任无疑的。银行等传统金融机构的价值彻底消失。


此外它还叠加了Facebook、Uber、booking这样科技企业的信用;Visa、mastercard、PayPal金融科技企业的信用以及一篮子法币的信用。成功概率大幅增加。


然而,Libra并不是结束,它只是开始。试想,我们购买保险的钱,为什么还需要保险公司提取大量费用用于维系庞大的营销团队;我们的贷款为什么要支付这么高的利率用于金融机构对我们的信用调查;企业上市为什么要支付那么高的投行费用、律师费、会计师费……


Techfin刚刚开始,狼真的来了。




 推荐阅读 


知否、知否,中国20家区块链产业园谁肥谁瘦

2019地方两会更加关注区块链:6地方政府报告涉及 15地方代表提案

粤港澳大湾区区块链产业图谱:世界拼图最全区域(大湾区-上)

粤港澳大湾区区块链政策、科研实力全扫描(大湾区-下)

2年400万会员,传销币平台Vpay已是强弩之末?

1年发行20种传销币 吸纳400万会员:揭秘传销币集团Vpay的“敛财史”

区块链刚刚开始就已分叉:中国向左,美国向右

两会总结:23条提案涉及区块链 比2018年更重应用

互链报告 | 2019年中国区块链行业人才供需研究

运用区块链 部委们在行动——中国各部委区块链实践全图谱


开白/进入学习群,添加微信:jinli4399

商务合作,添加微信:hulianmaiboruby

请备注来意,谢谢!


640?wx_fmt=jpeg

内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识和Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环与电流环)的设计与仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速和电枢电流的高精度动态控制,验证控制策略的稳定性与响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制与电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机与拖动基础、电力电子技术和Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理与工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发与性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力和稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例与积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值