《金融IT行業框架：深耕至精行穩致遠-230818（63頁）.pdf》由會員分享，可在線閱讀，更多相關《金融IT行業框架：深耕至精行穩致遠-230818（63頁）.pdf（63頁珍藏版）》請在三個皮匠報告上搜索。

1、 金融IT行業框架 深耕至精，行穩致遠 西南證券研究發展中心 計算機研究團隊 2023年8月 1 活躍資本市場政策頻發+金融信創全方位加速推進，金融IT厚積薄發。7月24日，中央政治局會議提出“活躍資本市場”提振市場情緒以來，“交易端”+“投資端”+“融資端”系列舉措持續推進，資本市場活躍度有望持續提升；同時交易規則的改變也將帶來系統更新改造需求，證券IT多角度受益且彈性較大。此外，從近期招投標來看，中信證券核心交易系統開始招標，以及中信銀行發布通用基礎設施集成商中標通知書，金融信創經歷四年試點將進入全面推廣階段，信創基礎軟硬件和上層應用解決方案均將迎來高景氣發展。證券 IT：（1）資本市場改

2、革創造增量需求。在審慎監管與改革開放的雙重主旋律背景下，我國資本市場持續繁榮，IT系統的功能需求和需求主體等逐年增加。2023年2月1日，全面注冊制改革落地，金融機構開啟新一輪的信息化建設周期。根據我們的測算，包括全面注冊制在內的六大改革舉措或拉動48.1億的金融IT增量需求。（2）金融信創加速，推動行業分布式架構轉型進程。在政策指引和行業需求的雙重驅動下，金融信創正逐步從管理辦公系統擴展到一般業務系統和核心業務系統，從技術上來看，相比集中式架構對于海外軟硬件廠商的依賴，分布式架構在硬件層面能夠實現國產化替代，金融信創逐步進入全面推廣階段，將帶動分布式技術架構轉型加速推進。銀行 IT：（1）國

3、產化替代加速，分布式轉型進一步加速。金融信創試點逐步推進，試點范圍由大型銀行、證券、保險等機構向中小型金融機構滲透，由一般外圍系統向核心系統滲透，信創軟硬件投入占行業全年IT支出比例提升至30%；（2）數字人民幣拉動邊際需求。隨著數字人民幣底層設施搭建日益成熟，應用場景逐漸深入，配套設備與服務將逐步落地。（3）數據入表帶動相關價值提升。企業數據資源相關會計處理暫行規定（草案）指出，數據資源按內部使用或外部交易計入無形資產或庫存，數據資產的價值按成本初步計量。隨著暫行規定逐步落地實施，銀行作為數據資產觸及豐富的行業，預計將率先增加數據治理、數據中心和數據評估等方向的IT投入。保險IT：（1）從監

4、管層面來講，一些新的監管要求會反向倒逼保險公司必須要進行系統更新改造，既涉及到保險模塊，也涉及到資管模塊和投資模塊，未來業務財務的一體化趨勢可能會更加明顯。（2）保險行業復蘇加快進行，疊加“百萬代理線上化轉型”，有望迎來新一輪IT投入周期。（3）金融信創向核心系統滲透，行業龍頭持續受益。相關標的：（1）互聯網金融信息服務商【同花順】、【指南針】；（2）資本市場IT供應商：【恒生電子】、【頂點軟件】；（3）銀行IT供應商【宇信科技】、【長亮科技】；（4）保險IT供應商：【中科軟】、【新致軟件】等。風險提示：信息化投入不及預期；信創推進不及預期；新產品推廣不及預期；行業競爭加劇等風險。投 資 要

5、點 FYjYtZiWkZcVtRtRmP9PaO6MnPpPnPoNkPnNxPjMtRpO9PoPoOuOtRnQMYmOpQ目 錄 2 1.1 技術與政策支持共振，B端金融IT高歌猛進 1.2 銀行IT解決方案市場規模增速加快，競爭格局分散 1.3 證券IT空間廣闊，競爭格局較為集中 1.4 保險IT增速有望復蘇，競爭格局集中 1 金融IT行業概況 2 金融信創加速滲透，關注細分領域催化因素 3 他山之石：海外B端金融IT公司發展梳理 4 國內外AI+金融前沿探索情況 5 風險提示 1.1 技術與政策支持共振，B端金融IT高歌猛進 3 證券 銀行 保險 C端系統 B端系統 支付業務 系統建

6、設 系統建設 金融信息服務：同花順、財富趨勢、大智慧、指南針、自研等 上游 下游 證券/資管ISV：恒生電子、頂點軟件、金證股份等 三方支付：新國都、新大陸、拉卡拉、移卡等 銀行IT供應商：宇信科技、長亮科技、京北方、神州信息等 保險ISV：中科軟、易保網絡、軟通動力等 產業鏈梳理 4 1.1 技術與政策支持共振，B端金融IT高歌猛進 金融+IT發展歷程：（1）金融電子化和信息化階段（1970S-2003年）：這一階段主要是利用IT技術升級后臺業務模式、業務流程和管理模式，實現集中風險控制、業務快速擴容以及無紙化辦公等內部信息化改造，以提升金融機構內部效率。（2）互聯網金融階段（2004-20

7、15年）：21世紀初，互聯網蓬勃發展，傳統金融機構通過搭在線業務平臺，實現信息共享和業務融合，互聯網技術對金融機構前端涉及資金的業務提供實時高效支持。這一階段，互聯網滲入到金融中前臺業務系統，助力金融業務真正實現互聯互通。（3）金融科技階段（2015年至未來）：人工智能、大數據、云計算、物聯網等新興技術與金融業務深度融合，為信息集采、投資決策、風控等方面提供創新活力，具體應用包括大數據征信、智能投顧、供應鏈金融等?，F代金融業與科技融合的發展歷史與未來趨勢 數據來源：國家金融與發展實驗室，西南證券整理 5 國家級政策助推金融科技行業發展（關鍵詞：金融科技、應用融合、技術規范）數據來源：各政府網站

8、，西南證券整理 1.1 技術與政策支持共振，B端金融IT高歌猛進 時間 相關部門 政策/事件 主要內容 2017年 央行 正式成立金融科技委員會 引導新技術在金融領域的使用 2019年8月 央行 金融科技業首份頂層文件金融科技(FinTech)發展規劃(2019-2021年)確定了六方面重點任務：一是加強金融科技戰略部署；二是強化金融科技合理應用；三是合理運用金融科技手段賦能金融服務提質增效；四是運用金融科技增強金融風險技防能力；五是強化金融科技監管；六是夯實金融科技基礎支撐。增強金融業科技應用能力，實現金融與科技深度融合、協調發展 2019年10月 市場監管總局、央行 金融科技產品認證目錄、

9、金融科技產品認證規則 包含客戶端軟件、安全芯片、安全載體、嵌入式應用軟件、銀行卡自動柜員機終端、支付銷售點終端、移動終端可信執行環境、可信應用程序、條碼支付受理終端(含顯碼設備、掃碼設備)、聲紋識別系統、云計算平臺共計11種產品種類 2019年12月 央行 宣布啟動金融科技創新監管試點 在北京市率先開展金融科技創新監管試點，目的為建立包容審慎、符合中國國情、與國際接軌的中國版“監管沙盒”2020年5月 科技部與郵儲銀行 加強科技金融合作有關工作的通知 加快實施創新驅動發展戰略部署，完善科技創新投人和科技金融政策，進一步推動科技和金融深度結合,將加強相關領域的科技金融合作 2020年8月 中證協

10、 關于推進證券行業數字化轉型發展的研究報告 提出要加快出臺行業標準,促進金融科技應用融合。逐步建立完善人工智能、區塊鏈、云計算、大數據等數字技術在證券行業的應用標準和技術規范，完善人工智能技術在投資顧問業務領域的應用條件及合規要求,鼓勵證券公司在人工智能、區塊鏈、云計算、大數據等領域加大投入，促進信息技術與證券業務深度融合，推動業務及管理模式數字化應用水平提升 2021年4月 銀監會 關于2021年進一步推動小微企業金融服務高質量發展的通知 在依法合規、風險可控基礎上,充分運用大數據、區塊鏈、人工智能等金融科技,在農業、制造業、批發零售業、物流業等重點領域搭建供應鏈產業鏈金融平臺，提供方便快捷

11、的線上融資服務 2021年4月 科技部、中國農業銀行 關于加強現代農業科技金融服務創新支撐鄉村振興戰略實施的意見 充分發揮科技系統和農行系統優勢,打通“科技-產業-金融”的合作通道,發揮“科技+金融”雙輪驅動效能 2022年1月 央行 央行印發金融科技發展規劃（2022-2025年）規劃明確提出建設綠色高可用數據中心、架設安全泛在的金融網絡、布局先進高效的算力體系3方面重點任務，到2025年，綠色、智能、高可用金融數據中心建設布局日趨完善，高速泛在、融合互聯、安全可靠的金融網絡通信支撐保障能力全面加強，云管邊端高效協同、靈活調度、彈性部署的新型算力體系基本建成 2022年1月 銀保監 銀行業保

12、險業數字化轉型的指導意見 提高新技術應用和自主可控能力，堅持關鍵技術自主可控原則，對業務經營發展有重大影響的關鍵平臺、關鍵組件以及關鍵信息基礎設施要形成自主研發能力，降低外部依賴 2022年2月 市場監管總局、央行 金融科技產品認證目錄（第二批）區塊鏈技術產品、商業銀行應用程序接口、多方安全計算金融應用等三項被納入認證目錄 6 地方性政策落地金融科技發展規劃（關鍵詞：創新試點、聚集區打造、領軍企業培育）數據來源：地方政府網站，西南證券整理 時間 地區 政策 主要內容 2018年10月 北京 北京市促進金融科技發展規劃（20192022年）北京是全國首個發布金融科技發展規劃并發力金融科技的城市，

13、提出“力爭到2022年，涌現510家國際知名的金融科技領軍企業，形成35個具有國際影響力的創新集群，開展1015個重大示范應用項目”的發展目標。2020年1月 上海 加快推進上海金融科技中心建設實施方案 重點任務是：（1）全速推進金融科技關鍵技術研發；（2）全面提升金融科技應用水平；（3）全要素促進金融科技產業集聚；（4）全力推進金融科技監管創新試點；（5）全方位營造一流金融科技發展環境 2020年4月 重慶 重慶市人民政府辦公廳關于推進金融科技應用與發展的指導意見（1）打造金融科技產業聚集區，培育金融科技產業生態圈；（2）打造高質量發展制度創新區，促進經濟金融質量變革；（3）打造金融科技監管

14、先行區，提升金融科技風險管理水平；（4）打造金融科技標準示范區，建設金融科技標準領軍城市；（5）建設基礎數據和認證中心，夯實金融科技發展支撐體系；（6）推進金融科技開放與合作，助力“一帶一路”數字經濟發展；（7）推進金融科技開放與合作，助力“一帶一路”數字經濟發展；（8）強化組織領導 2020年5月 成都 成都市金融科技發展規劃(2020-2022年)力爭到2022年底前，建成以交子公園金融商務區為核心集聚區，多個空間梯度布局、生態體系完善、產業輻射較強的金融科技特色功能區；努力培育5-10家在國內具有行業龍頭地位的金融科技企業，推動3-5家金融科技相關企業上市；打造3-5家具有國內外影響力的

15、金融科技研究機構，全面提升成都金融科技研究和科技成果轉化能力；以底層技術為主線，金融場景為依托，實現5-10個具有國內外影響力的金融科技應用示范場景。2021年4月 海南 關于金融支持海南全面深化改革開放的意見 在依法合規、風險可控前提下加強金融科技創新應用 2021年10月 北京 西城區“十四五”時期國家級金融科技示范區發展規劃 加速金融科技創新要素集聚，加大重點企業和項目的引培力度，加快引進國際化專業服務機構，加強金融科技人才集聚區建設，搶占金融科技原始創新制高點，推動金融科技標準化體系建設，打造金融科技監管創新“北京品牌”。2022年4月 深圳 深圳市扶持金融科技發展若干措施 全力培育金

16、融科技領軍企業，并重點在傳統機構轉型、具備互聯網特性新型持牌機構、金融技術服務等三個領域培育領軍企業；進一步發揮深圳的產業與技術優勢，帶動金融業數字化轉型升級，全面提升金融業服務效能。1.1 技術與政策支持共振，B端金融IT高歌猛進 7 2022年，銀行業IT投入為1445.7億元，同比增長8.3%，其中軟件和服務占比約55%，硬件占比45%。預計2026年銀行IT投入將達到2212.8億元，復合增速約9.7%。銀行業IT解決方案市場份額的統計范圍為解決方案供應商自有的應用軟件、應用開發軟件以及與該類軟件直接相關的IT服務，2022年中國銀行業IT解決方案市場的整體規模達到648.8億元，同比

17、增長10.1%。金融信創和數據入表雙重催化下，預計未來3-5年內銀行IT解決方案增速加快。據IDC預測，到2026年，中國銀行業IT解決方案市場規模將達到1312.9億元，復合增速約19.3%。數據來源：IDC，西南證券整理 2020-2026E銀行IT投入規模（億元）2021-2026E銀行IT解決方案市場規模（億元）1.2 銀行IT解決方案市場規模增速加快，競爭格局分散 502.4 589.3 648.8 1312.9 02004006008001000120014002020202120222026E1335.0 1445.7 2212.8 05001000150020002500202

18、120222026E8 數據來源：行行查，西南證券整理 1.2 銀行IT解決方案市場規模增速加快，競爭格局分散 網絡（路由、交換機）網絡（路由、交換機）渠渠道道類類 應應用用軟軟件件 業業務務類類 渠道管理渠道管理 客戶資源管理客戶資源管理 網絡銀行網絡銀行 手機銀行手機銀行 支付清算支付清算 中間業務中間業務 業務中臺（整合可復用的流程模塊）業務中臺（整合可復用的流程模塊）核心系統存貸匯核心系統存貸匯 全程需要全程需要風險管控風險管控 信用風險信用風險 操作風險操作風險 信貸操作信貸操作 統一查詢、調用數據中臺的統一查詢、調用數據中臺的APIAPI 管理軟件：財務和預算管理、績效考核系統等管

19、理軟件：財務和預算管理、績效考核系統等 基礎架構（硬件、操作系統、中間件）基礎架構（硬件、操作系統、中間件）數據開發套件數據開發套件 數據模型、開發平臺、查詢系統、數據集成工具 數據倉庫數據倉庫 用戶數據 產品數據 數據治理平臺數據治理平臺 數據源數據 指標管理 數據中臺數據中臺 實現跨鄰域的數據分析 銀行IT系統架構 9 數據來源：IDC，西南證券整理 2022年銀行IT系統細分領域解決方案及規模占比 1.2 銀行IT解決方案市場規模增速加快，競爭格局分散 銀行IT系統細分領域眾多，劃分為四大類別：基礎業務類；數字業務類；渠道及客戶體驗類；管理、風控及合規類。除大型銀行的核心業務系統外，銀行

20、的其他外圍系統多數采用外包的方式。10 目前銀行IT解決方案市場集中度仍有待提升，根據IDC，2022年前10的解決方案廠商占31.4%的份額。細分產品類型較多、產品標準化程度較低、廠商差異化競爭等因素是造成競爭格局分散的主要原因。數據來源：IDC，西南證券整理 2022年銀行IT解決方案整體市場份額 1.2 銀行IT解決方案市場規模增速加快，競爭格局分散 5.8%5.8%4.4%4.4%4.1%4.1%3.2%3.2%2.7%2.7%2.6%2.6%2.4%2.4%2.4%2.4%2.1%2.1%1.8%1.8%68.6%68.6%中電金信 宇信科技 神州信息 南天信息 天陽科技 長亮科技

21、軟通動力 中軟國際 潤和軟件 贊同科技 其他 2022年銀行核心業務解決方案市場份額 8.6%8.6%5.5%5.5%3.9%3.9%2.4%2.4%1.9%1.9%77.8%77.8%神州數碼 長亮科技 中電金信 南天信息 天陽科技 其他 12.4%12.4%10.0%10.0%6.8%6.8%6.5%6.5%4.2%4.2%60.0%60.0%宇信科技 安碩信息 天陽科技 高偉達 中電金信 其他 2022年銀行信貸操作系統市場份額 2022年銀行渠道及客戶體驗類解決方案市場份額 6.7%6.7%6.3%6.3%5.9%5.9%5.2%5.2%4.3%4.3%71.6%71.6%中電金信 宇

22、信科技 南天信息 神州數碼 贊同科技 其他 11 2021年，證券公司IT投入為338.2億元，同比增長28.7%，受益于多層次資本市場的建設，以及證券業數字化轉型全面加速兩大趨勢，數字化轉型將逐步從零售經紀業務擴展到機構業務、資產管理、投資銀行、自營投資、中后臺等多個領域，證券業IT投入將持續加大，中國證券業IT 解決方案市場增長空間巨大。中尾部券商加大IT投入力度，尋求差異化競爭突破口。TOP20的券商信息化投入比例為6.4%，而尾部券商的信息化投入比例達到13.5%，中尾部信息化投入的力度加大，金融科技的重要性日漸凸顯，正逐步成為其尋求差異化競爭的重要手段之一。數據來源：證券業協會，西南

23、證券整理 2017-2021年證券IT投入規模及增速 1.3 證券IT空間廣闊，競爭格局較為集中 2021年券商技術占營收比 6.4%6.2%7.3%11.0%13.5%0%2%4%6%8%10%12%14%16%前20 21-4041-6061-8081-105111.8 126.4 216.3 262.9 338.2 13.1%71.0%21.5%28.7%0%10%20%30%40%50%60%70%80%05010015020025030035040020172018201920202021券商行業信息技術投入（億元）同比增速(%)12 安全計劃正式稿門檻提升，券商進一步加大IT投入。

24、2023年6月9日，中證協印發證券公司網絡和信息安全三年提升計劃（2023-2025）正式稿，要求2023年至2025年信息科技平均投入金額不少于平均凈利潤的10%或平均營業收入的7%，較年初印發的征求意見稿對券商信息技術的凈利潤和收入占比要求分別提升2pp和1pp，券商有望進一步加大IT投入。具體測算：根據證券業協會數據顯示，2021年共有11家證券公司的投入占收入或凈利潤比重均未達到安全提升計劃的要求，其中5家收入排名前十。根據協會發布的21年證券公司經營數據測算，假設23年證券公司收入較22年增長25%，券商投入占收入比未達7%的按7%計算，其余均按21年占比測算，預計安全提升計劃出臺將

25、為2023年證券行業IT投入帶來46.9億元邊際增量（較2021年投入占比）。數據來源：證券業協會，西南證券整理 1.3 證券IT空間廣闊，競爭格局較為集中 2008年，中證協頒布證券期貨經營機構信息技術治理工作指引(試行)原則上證券期貨經營機構最近三個財政年度IT投入平均數額不少于最近三個財政年度的平均凈利潤的6%，或不少于最近三個財政年度平均營業收入的3%。2023年1月，中證協發布證券公司網絡和信息安全三年提升計劃（2023-2025）（征求意見稿）鼓勵有條件的公司2023年至2025年三個年度信息科技平均投入金額不少于上述三個年度平均凈利潤的8%或平均營業收入的6%要求券商信息科技專業

26、人員不低于公司員工總數的6%，網絡和信息安全專業人員不低于信息科技專業人員的3%且不應少于4人 2023年6月9日，中證協發布證券公司網絡和信息安全三年提升計劃（2023-2025）（正式稿）鼓勵券商信息科技平均投入金額不少于2023年至2025年平均凈利潤的10%或平均營業收入的7%；鼓勵有條件的券商結合自身實際情況逐步提升信息科技專業人員比例至企業員工總數的7%，其中信息安全專業人員比例至信息科技專業人員總數的3%并且不少于2人；鼓勵有條件的券商積極推進新一代核心系統的建設，根據不同客戶群開展核心系統技術架構的轉型升級工作。2008-2023年證券IT投入門檻要求變化 行行情情系系統統 投

27、資者行情系統客投資者行情系統客戶端戶端 交交易易系系統統 機構投資者機構投資者PBPB交易交易客戶端客戶端 普通投資者網上交普通投資者網上交易客戶端易客戶端 普通投資者柜臺交普通投資者柜臺交易客戶端易客戶端 交易所交易所 信息商行情系信息商行情系統統 券商行情系統券商行情系統 PBPB交易交易系統系統 交易所行情前端系統交易所行情前端系統 投資者投資者 證券公司證券公司 網上網上交易交易系統系統 交易所報盤交易所報盤前置前置 券商集中券商集中柜臺系統柜臺系統 交易主交易主機機 交易所交易所前置前置CSCS 交易所行情前端系統交易所行情前端系統 交易所行情交易所行情系統系統 證券公司IT系統架構

28、圖 1.3 證券IT空間廣闊，競爭格局較為集中 數據來源：宜人智庫，西南證券整理 13 資訊數資訊數據庫據庫 投資交易管理系投資交易管理系統統 XBRLXBRL信息信息披露系統披露系統 會計估值會計估值核算系統核算系統 銷售服務平臺銷售服務平臺 直銷直銷系統系統 資金清資金清算系統算系統 注冊登記（注冊登記（TATA）系統）系統 投研管理平臺投研管理平臺 運營管理平臺運營管理平臺 反洗錢反洗錢系統系統 數據數據中心中心 主動客服系統主動客服系統 呼叫中心系統呼叫中心系統 網站及網上查詢網站及網上查詢 金融終端金融終端與經濟數與經濟數據庫據庫 主動客服系統主動客服系統 呼叫中心系統呼叫中心系統

29、網站及網上查詢網站及網上查詢 基金公司IT系統架構圖 1.3 證券IT空間廣闊，競爭格局較為集中 14 數據來源：金證股份官網，西南證券整理 15 證券IT格局較為集中，分布式轉型有望重構市場格局 核心交易系統是證券公司最重要的業務系統，指的是證券公司經紀業務當中使用的交易系統，連接著證券交易所、中登公司、期貨交易所等機構。核心交易系統的核心組件包括接入網關、交易引擎、報盤通道、行情模塊及賬戶、清算等。其中接入網關負責外圍接入系統報入訂單的接收及路由，交易引擎負責訂單檢查及處理，報盤通道將訂單報送到交易所進行撮合處理，行情模塊負責接收交易所行情信息并進行行情處理，賬戶、清算等模塊負責開戶、清算

30、文件處理等。證券IT整體解決方案市場相對集中。按金額計算，恒生電子市占率為28.9%，金證股份、金仕達、根網科技、華銳技術市占率分別為12.6%/4.6%/3.7%/2.2%。核心業務系統市場集中度更高。2021 年，證券業核心交易系統的規模為 11.73億元，國內證券業核心交易系統提供商一共有6家：恒生電子（38.4%）、金證股份（29%）、頂點軟件、根網科技（11.5%）、金仕（7.5%）達、華銳技術（5.1%）。（頂點軟件未參與此次排名）數據來源：IDC，證券業協會，西南證券整理 2021年證券IT解決方案市場份額 1.3 證券IT空間廣闊，競爭格局較為集中 28.9%28.9%12.6

31、%12.6%4.6%4.6%3.7%3.7%2.2%2.2%48.1%48.1%恒生電子 金證股份 金仕達 根網科技 華銳技術 其他 38.4%38.4%29.0%29.0%11.5%11.5%7.5%7.5%5.1%5.1%8.5%8.5%恒生電子 金證股份 根網科技 金仕達 華銳技術 其他 2021年證券核心交易系統市場份額 注：上述市占率不包含頂點軟件 16 2017-2019年保險IT解決方案市場規模增速20%+。由于保險行業百萬代理人對線下渠道依賴性較強，受疫情影響 19-21年市場規模增速大幅下降。隨著疫情放開，疊加23年下游保險行業初具復蘇趨勢，保險IT解決方案規模增速有望逐步恢

32、復至19年之前20%的增速中樞水平。數據來源：IDC（其中，2020和2021年保險IT解決方案市場規?？趶脚c20172019年不一致），西南證券整理 2017-2021年保險IT投入規模及增速 2017-2021年保險IT解決方案市場規模及增速 1.4 保險IT增速有望復蘇，競爭格局集中 225 244.2 268.1 309.6 354.8 8.5%9.8%15.5%14.6%0%2%4%6%8%10%12%14%16%18%05010015020025030035040020172018201920202021保險IT投入規模（左軸，億元）同比增速（右軸）65.4 82.8 102.7

33、84.62 101.2 26.6%24.0%19.6%0%5%10%15%20%25%30%02040608010012020172018201920202021保險IT市場解決方案規模（左軸，億元）同比增速（右軸）17 保險IT系統發展歷程：（1）1997-2006年：各個理賠系統較為散落，沒有進行模塊劃分，分為承保、收付、理賠、保全、客戶信息等，整個系統較為封閉，拓展性差；（2）2007-2012年：隨著技術的發展，各個業務系統逐漸組件化，形成電子商務、保單管理、客戶信息、中介代理等多個子系統，拓展性較好；（3）2013年-至今：隨著大數據、物聯網、云計算等技術的興起，業務系統發生重大改變

34、，形成后臺、中臺、前臺的模式，大量使用開源軟件，形成更加智能的服務。1.4 保險IT增速有望復蘇，競爭格局集中 33.9%33.9%6.0%6.0%2.4%2.4%57.7%57.7%中科軟 軟通動力 易保網絡 其他 從競爭格局來看，近年來進入中國保險行業IT解決方案市場的新廠商數量相對較少，行業IT服務供應商仍以國內供應商為主，市場格局較為集中且份額穩定，排名前三的分別為中科軟、軟通動力和易保網絡，市場份額分別為33.9%、6.0%、2.4%，除此之外新致軟件在行業內也處于較為領先地位。2021年保險IT整體市場份額 數據來源：IDC，西南證券整理 18 目前我國保險IT解決方案主要分為核心

35、業務系統、業務支持類系統、渠道與客服類類系統、管理類系統和其他：（1）核心業務系統能滿足產品定義、報價、批改、理賠、續保、再保等全流程的保險業務需求，同時針對不同的險種會配備有單獨的核心系統，這是保險公司開展業務的剛需；（2）業務支持類系統主要包括產品管理和精算、單證影像管理、數據智能等系統；（3）渠道類系統由營銷管理、銀保系統、呼叫中心、電子商務等子系統組成，主要輔助核心系統進行展業，如幫助保險公司管理代理人、計算代理人傭金、對保單銷售過程進行回溯等功能；（4）管理類系統包括風險管理、客戶關系管理、財務管理等子系統，主要為核心系統提供支持工作 數據來源：IDC，西南證券整理 2021年中國保

36、險IT解決方案市場分類情況 1.4 保險IT增速有望復蘇，競爭格局集中 19 保險IT解決方案細分市場來看：2021年，中國保險業核心業務類解決方案（包括壽險、財險、再保險和意健險核心業務系統以及資管業務解決方案）市場總規模為41.2億元，占保險業IT解決方案市場總規模的40.7%。數據智能類解決方案市場是第二大的子市場，市場規模為11.2億元，占保險業IT解決方案市場總規模的11.1%。中科軟在這兩大細分市場龍頭地位明顯，尤其是在核心業務系統領域。數據來源：IDC，西南證券整理 2021年中國保險IT解決方案主要子市場競爭情況 2021年保險IT細分市場規模 1.4 保險IT增速有望復蘇，競

37、爭格局集中 38.7%44.0%6.9%27.2%3.9%50.5%28.8%0%10%20%30%40%50%60%70%80%90%100%核心業務解決方案 數據智能類解決方案 中科軟 軟通動力 易保網路 其他 20 2.1 行業整體：金融信創正當時，分布式轉型進一步加速 2.2 證券&資管IT：國內資本市場基礎設施亟待完善，需求端持續擴容 2.3 銀行IT：持續受益于數幣推廣和數據入表 2.4 保險IT：數字化轉型是保險行業邁向高質量發展的必然路徑 目 錄 1 金融IT行業概況 2 金融信創加速滲透，關注細分領域催化因素 3 他山之石：海外B端金融IT公司發展梳理 4 國內外AI+金融前

38、沿探索情況 5 風險提示 數據來源：壹零智庫，億歐，西南證券整理 金融信創深度進一步擴大，金融IT系統國產替換正當時。金融信創以“先試點，后全面”的推廣方式進行，2020年共有47家試點機構，主要包括頭部銀行、保險、證券、一行兩會和交易所，項目多以OA辦公系統為主，要求信創基礎軟硬件采購額占IT外采的5-8%；2021年試點機構擴容至198家，范圍擴展到終端機具+管理軟件+一般業務+關鍵業務，信創基礎軟硬件在IT外采中占比要求提高至10-15%；2022年逐漸進入規模推廣階段，廣度、深度都進一步擴大，實現從辦公OA等一般系統到核心業務系統的逐漸突破，信創軟硬件投入占行業全年IT支出的30%?；?/p>

39、于金融信創有望進入全面推廣階段的判斷，我們認為金融信創基礎軟硬件以及上層應用解決方案將迎來高景氣發展。2.1 行業整體：金融信創正當時，分布式轉型進一步加速 金融信創發展歷程 21 數據來源：公司公告，西南證券整理 金融IT應用系統與國產替代后的硬件和數據庫的信創適配。為提高適應各種國產環境的能力，加速金融信創應用進程，金融業務系統需適配大量信創標準軟硬件，覆蓋服務器、數據庫、操作系統、中間件、終端機器、終端操作系統、終端瀏覽器、流式軟件、版式軟件等。多家金融IT公司加強和國內各類信創廠商開展合作，著力打造信創生態合力，提供基于信創云等完善一體化全棧式的信創服務。從進度來看，目前各家公司均已實

40、現超一半產品的國產適配測試或落地。隨著金融行業信創步入全面推廣階段，適配進度將持續加速。公司公司 金融信創適配進度金融信創適配進度 恒生電子恒生電子 截至2022年5月，恒生旗下70多款產品已全部完成信創適配，包括UF3.0、TA系統、UST極速交易、資金運營系統、托管估值系統等核心業務系統。金證股份金證股份 協助券商信創推進方面，公司以聯合體申報方式，目前已與國信證券、中信建投證券等多家券商進行聯合體信創申報，2021年實現2家券商信創申報項目上線。在公司新一代證券綜合業務平臺FS2.0產品群中，統一認證系統、資金管理系統、報盤系統已完成國產化適配。宇信科技宇信科技 截止2021年底，已完成

41、100多項信創產品適配認證，并幫助數十家客戶完成了第二批金融信創方案申報。作為銀行信創全場景參與者，2021年參與了20多個細分信創場景的技術驗證和試點項目落地。長亮科技長亮科技 公司全財務價值鏈業務管理產品線實現100%自主研發，同時全面適配主流國產化軟硬件 頂點軟件頂點軟件 A5A5信創版作為證券行業首家實現全面成功上線的全內存、全業務、自主可控的分布式核心交易系統信創版作為證券行業首家實現全面成功上線的全內存、全業務、自主可控的分布式核心交易系統；基于信創要求，采用新的技術架構設計并研發的財富運營平臺、財富APP、家族信托系統等，在多家信托公司上線運行。神州信息神州信息 2021年8月發

42、布了“神州信創云”全家桶架構藍圖，旨在為企業數字化轉型打造全棧自主可控底座，提供整體信創云規劃及建設服務的能力?！吧裰菪艅撛啤迸cModelBank5.0一道，形成了公司金融科技2.0架構體系的兩極，在基礎層和應用層分別為金融機構數字化升級提供全面的技術底座和能力支持 金融IT系統信創適配情況 22 2.1 行業整體：金融信創正當時，分布式轉型進一步加速 數據來源：華銳技術，西南證券整理 金融信創加速，推動行業分布式架構轉型進程。近年來，以IBM服務器、Oracle數據庫、EMC儲存為基礎的IOE集中式架構，逐漸難以適應高并發、高遷移性、高兼容性的數字金融新業態。以x86計算機和分布式數據庫搭建

43、的分布式方案，憑借其良好的拓展性、低廉的邊際成本以及強大的數據處理能力逐漸成為金融IT的發展轉型方向。從技術上來看，相比集中式架構對于海外軟硬件廠商的依賴，分布式架構在硬件層面能夠實現國產化替代（普通X86服務器，各類國產自研的分布式數據庫）。因此，分布式作為金融IT新一輪周期的技術支撐，與信創產業的國家戰略共同驅動金融機構數字化轉型升級和國產化進程加速，推動新一輪金融IT市場空間釋放。集中式架構集中式架構 分布式架構分布式架構 提升提升 技術特點技術特點 大型機/小型機+數據庫+集中存儲 標準服務器+高帶寬低時延網絡 垂直升級變為水平擴展 交易速度交易速度 幾十幾百毫秒 幾幾十微妙 快100

44、0+倍 處理能力處理能力 幾千幾萬筆/秒 幾萬幾十萬筆/秒 提高10+倍 可靠性可靠性/可用性可用性 單活高可用，分鐘級切換，切換過程中可能有數據丟失 雙活高可用，秒級切換，切換過程中零數據丟失 大幅提高 技術來源技術來源/可控性可控性 單一設備供應商，進口封閉平臺 多個設備供應商，開放平臺，國產化成為可能 自主可控能力大幅提高 硬件成本硬件成本 進口主機價格昂貴 標準服務器價格低廉 大幅降低2/3 分布式架構性能顯著提升 23 2.1 行業整體：金融信創正當時，分布式轉型進一步加速 24 數據來源：政府網站，西南證券整理 2022-2023年國內資本市場迎來多項改革政策 2.2 證券&資管I

45、T：國內資本市場基礎設施亟待完善，需求端持續擴容 25 美國 中國 發行市場 國際性市場，發行規模十分大。除了NYSE、NASDAQ、AMEX三大交易所外，還有諸如OTCBB等市場 針對國內企業，B股市場作為籌集外資的場所，一直與A股分割，較為冷清 發行管理制度 全面注冊制 2023年注冊制全面放開 交易機制 T+0 T+1 允許賣空 不允許賣空，可通過融券賣空或股指期貨實現賣空 手續費以交易筆數為基準 手續費以交易金額為基準 退市機制 成熟的退市機制 退市標準單一 投資工具 REITS已成熟 REITs發展的機制環境正在建立 豐富的期貨產品在全球范圍內開放交易 期貨產品種類有限，境外交割區域

46、有待擴寬 對外開放 外資進入基本沒有限制 僅有QFII/RQFII和互聯互通機制 對標美國，國內資本市場制度發展和產品類型值得期待 對標美國，國內資本市場亟待完善，金融機構IT能力有待提升。近年來國內推出融資融券、轉融通以及股指期貨等新制度和業務持續完善資本市場，但相較于海外，我國資本市場基礎設施和投資工具亟待補充。隨著多層次資本市場健全，業務深度和廣度不斷拓寬，券商和資管的綜合服務能力將面臨更大考驗，IT能力亟待提升。2.2 證券&資管IT：國內資本市場基礎設施亟待完善，需求端持續擴容 數據來源：政府網站，西南證券整理 26 資本市場六大確定性展望帶動需求端持續繁榮 數據來源：各政府網站，西

47、南證券整理 2.2 證券&資管IT：國內資本市場基礎設施亟待完善，需求端持續擴容 27 數據來源：采招網，西南證券整理 全面注冊制推行帶來11.98億增量需求 替換節奏：創業板注冊制改造實施周期為2個月左右，預計全面注冊制下系統改造時間周期相近。2月1日，全面注冊制改革正式啟動：證監會就全面實行股票發行注冊制涉及主要制度規則草案向社會公開征求意見；同時上交所、深交所發布協同市場各方力量做好技術系統改造升級相關通知。注冊制主要涉及券商、基金、保險資管等賣方、買方金融機構的經紀業務系統、投資者終端交易系統、資產管理業務系統、自營業務、風控合規、投行業務等40余套系統的新建、升級與改造。在假設基礎上

48、，我們預測全面注冊制帶來的金融機構內部系統的新增和改造需求增量需求將達11.98億元。假設1：系統價格，參考采招網恒生電子中標華金證券創業板注冊制的新增信息系統和風控改造系統的項目價格424.8萬元，以及恒生電子中標英大保險資管升級投資交易等業務系統以支持創業板注冊制改革業務處理項目價格176萬元。我們假設券商針對注冊制的改造升級均價為450萬元；券商資管、保險資管、公募基金和理財子的改造費用為200萬元。假設2：需求主體，140家券商將新建信息系統、改造風控系統來滿足主板注冊制要求；284家券商資管、保險資管、公募基金、信托和理財子需要進行投資交易等業務系統改造。全面注冊制對金融科技需求增量

49、空間測算 對象 數量 改造或升級均價（萬元）總價(億元)需求 券商 140 450 6.30 新建和改造經紀業務系統、投資者終端交易系統、資產管理業務系統、自營業務、風控合規、投行業務等40余套系統 資管、公募基金和理財子 284 200 5.68 合計 11.98 2.2 證券&資管IT：國內資本市場基礎設施亟待完善，需求端持續擴容 28 數據來源：采招網，西南證券整理 基金投顧牌照向金融機構放開將帶來14.84億元增量空間 基金投顧將成為未來行業趨勢，券商、基金和銀行理財子對公募投顧系統建設需求隨牌照發放逐步釋放，主要包括升級改造現有系統針對公募投顧業務、新建投顧業務運營平臺和資產配置管理

50、系統。預計公募基金投顧試點向基金、券商、資管、信托和理財子全面放開將為金融科技行業帶來14.84億的增量需求。假設：改造價格，參考西南證券公募基金投顧業務的系統改造項目中恒生電子的中標價格，假設系統平均改造費用為400萬。需求主體，券商、基金、資管公司和銀行理財子公司均有公募投顧系統的新增需求?？鄢讶〉没鹜额櫯普盏幕鸸芾砣?4家和券商29家，共有371家金融機構有改造升級系統的需求。做市商制度落地將貢獻1.12億元增長空間 2022年5月13日，證監會發布證券公司科創板股票做市交易業務試點規定，根據規定中對試點券商的核心要求，共有25家券商滿足當前試點科創板做市業務資格。從新三板全面放開

51、券商做市業務來看，科創板的做市制度向全部券商放開可期。參考采招網，恒生電子中標粵開證券新三板自動做市系統項目成交價格為48萬，由于粵開證券規模較小，我們假設券商科創板做市系統平均價格為80萬，未來做市商制度在科創板全面放開將為金融科技行業帶來1.1億元增量空間。對象 數量 改造或升級均價（萬元）總價（億元）需求 資管、券商、公募基金、理財子 371 400 14.84 升級改造現有系統、新建投顧業務運營平臺和資產配置管理系統等 對象 數量 改造或升級均價（萬元）總價（億元）需求 券商 140 80 1.12 自動做市系統建設 2.2 證券&資管IT：國內資本市場基礎設施亟待完善，需求端持續擴容

52、 29 數據來源：采招網，西南證券整理 基礎設施REITS推廣帶來2.05億元新增需求 截至2022年6月，共有13家公募REITs項目正式獲批，未來更多公募基金參與基礎設施REITS的項目建設中，更多券商、資管和銀行理財子參與REITS的投資交易中，相應系統建設和更新需求也將持續擴張。公募基金等核心系統需求包括：在創業板注冊制審核系統基礎上，建立公募REITs審核系統；建立支持REITS詢價和交易的新一代交易系統；改造基金業務管理系統和風控系統，落地REITs產品聯合監管；建立資產支持證券管理系統，對ABS產品和流入資金進行管理。券商、資管和銀行理財子等核心需求是升級交易系統以支持REITS

53、業務交易。我們預測隨著REITs市場類型逐漸豐富、運行更加穩健，將會為金融科技帶來1.9億的增量空間。假設1：系統價格，參考采招網基礎設施REITS的系統改造項目成交價格，我們假設REITS項目賣方公募基金的改造費用為80萬；買方的改造費用為20萬。假設2：需求主體，隨著REITS推進，150家公募基金需要同時進行買方和賣方的系統新增和改造；買方主要是券商自營、資管、信托和銀行理財子，共274家?；A設施REITS業務對金融科技需求增量空間測算 對象 數量 改造或升級均價（萬元）總價（億元）需求 公募基金和取得公募基金管理資格的資管 150 100 1.50 升級交易系統、改造基金業務管理系統

54、和風控系統、建立資產支持證券管理系統等 券商、資管和理財子 274 20 0.55 交易系統升級改造 合計 2.05 2.2 證券&資管IT：國內資本市場基礎設施亟待完善，需求端持續擴容 30 數據來源：采招網，西南證券整理 公募基金牌照向資管和理財子放開帶來3.30億元增量空間 2022年4月26日關于加快推進公募基金行業高質量發展的意見提出支持證券資管子公司、保險資管公司、銀行理財子公司等專業資產管理機構依法申請公募基金牌照，從事公募基金管理業務。我們預測公募基金牌照放開將為行業帶來3.3億元增量空間。假設1：系統價格，參考采招網中泰證券的招標公告，假設公募基金投研及資產配置系統建設價格為

55、500萬。假設2：需求主體，目前尚未取得公募基金牌照的銀行理財子公司、券商資管和保險資管共有66家。中外合資銀行和城商行將成為設立理財子公司主力軍，增量需求為14.80億元 2018年4月27日，央行、銀保監會、證監會以及國家外匯管理局四部門聯合發布資管新規，提出獨立設立銀行理財子公司開展理財業務，實現風險隔離，徹底進行凈值化轉型。目前我國共有177家大型國有銀行、股份制銀行、城商行和中外合資銀行，截至2022年3月，共有29家理財子公司獲批籌建。未來中外合資銀行和城商行將成為設立理財子公司主力軍，相應的理財業務管理系統、風控系統的需求應運而生。參考采招網上海浦東發展銀行理財子公司的理財業務管

56、理系統（670萬元）和風控系統（278萬元）的招標價格，我們假設銀行理財子業務系統建設價格為1000萬。在上述假設下，未來銀行新增理財子公司將為金融科技行業帶來14.8億的業務增量。對象 數量 改造或升級均價（萬元）總價（億元）需求 銀行理財子、暫未獲得牌照的券商和保險資管 66 500 3.30 公募基金投研及資產配置系統 對象 數量 改造或升級均價（萬元）總價（億元）需求 新增銀行理財子 148 1000 14.80 新增理財子的理財業務管理系統、風控系統建設等需求 2.2 證券&資管IT：國內資本市場基礎設施亟待完善，需求端持續擴容 31 數字人民幣帶來增存量需求，銀行IT廠商持續受益。

57、數字人民幣作為經濟時代的支付基礎設施，推廣是大勢所趨，隨著央行不斷推進數字人民幣落地，銀行系統改造、數字錢包等軟硬件產品的更新替代需求不斷催生。截至2021年12月底數字人民幣試點場景已超過808.7萬個，累計開立個人錢包2.6億個，交易金額875.7億元。2022年，數字人民幣APP已于各大應用商城上線，并在冬奧會成功迎來重要展示，試點地區有原有的“10+2”擴展至15個省份23個城市；7月23日，第五屆數字中國建設峰會上，“數字人民幣產業聯盟”正式成立，產業推進加速。為了適配數字人民幣的數字化交易，銀行系統將迎來大量新建與改造需求，主要集中在核心業務系統升級、認證系統升級和數字貨幣錢包升級

58、系統等，將成為公司未來業務增量重要來源。2.3 銀行IT：持續受益于數幣推廣和數據資產入表 345 620 876 010020030040050060070080090010002021-62021-102021-120.2 1.4 2.6 00.511.522.532021-62021-102021-12e-CNY累計交易金額（億元）e-CNY個人錢包開立數量（億個）數據來源：中國人民銀行，西南證券整理 32 數據來源：政府網站，西南證券整理 2022年12月9日，財政部發布了企業數據資源會計處理暫行規定(征求意見稿)(或暫行規定)。企業數據資源相關會計處理暫行規定（草案）指出，數據資源按

59、內部使用或外部交易計入無形資產或庫存，數據資產的價值按成本初步計量。以存貨中包含的外部交易數據資產為例，成本可以來自采購成本或加工成本，數據采集、脫敏、清洗、標記、集成、分析、可視化等均為加工成本。銀行業數據海量，數據價值亟待挖掘。BCG報告指出,銀行業每創收100萬美元,平均就會產生820GB的數據。如果數據資產能夠入表，一方面能作為銀行業數字化轉型投入產出的績效評價；另一方面能幫助銀行找到業務轉型的第二增長曲線。目前的探索包括：理論研究上，光大銀行發布商業銀行數據資產會計發布研究報告，探索商業銀行數據資產會計方法；系統建設上，長沙銀行截至23年1月，已完成50個核心業務系統數據字典和40多

60、個核心數據倉庫模型的初步庫存。在企業數據資源相關會計處理暫行規定（征求意見稿）持續推進中，數據在銀行治理、資產和業務中扮演的角色更加重要，相應的IT需求有望持續擴張：1）銀行數據治理相關IT建設 2）銀行數據資產入表挖掘探索 3）外部數據資產授信 2.3 銀行IT：持續受益于數幣推廣和數據資產入表 33 數據來源：IDC，西南證券整理 保險數字化轉型投入逐漸增加，但與銀行和金融相比，保險IT投入仍有較大增長空間。從投入絕對值來看，2021年銀行業、保險業和證券業的IT投入分別為1557.1/354.8/338.2億元，銀行業作為我國金融體系的主體和中樞，信息化投入規模仍然穩居第一。從IT投入占

61、收入比來看，2021年銀行業、保險業和證券業的IT投入占收入比分別為2.2%/0.8%/6.8%，保險IT投入與券商、銀行仍有很大差距，我們認為在政策端目標+需求端線上化雙重驅動下，保險IT投入增長空間廣闊。2.4 保險IT：數字化轉型是保險行業邁向高質量發展的必然路徑 IT投入（億元）IT投入增速 收入（億元）IT投入占收入比 保險 354.8 14.6%44900.2 0.8%銀行 1335.0-60527.1 2.2%券商 338.2 28.7%4967.4 6.8%注：2021年銀行業整體營收數據沒有權威披露來源，采用59家上市銀行營收數據進行分析。2021年末，我國商業銀行總資產規模

62、為288.6萬億元，59家上市銀行總資產規模為238.2萬億元，占商業銀行總資產的比例為82.5%，因此采用上市銀行總收入近似代表行業平均營收數據。34 數據來源：各政府網站，西南證券整理 政策端：兩大文件指引保險IT邁向高質量發展 2022年1月26日銀保監會發布關于銀行業保險業數字化轉型的指導意見，是監管機構關于保險行業數字化轉型的第一份專門文件，指引保險業加強頂層設計和統籌規劃，科學制定數字化轉型戰略，提出到2025年，銀行業保險業數字化轉型取得明顯成效的工作目標。指導意見重點提出：（1）推進傳統架構向分布式架構轉型主要業務系統實現平臺化、模塊化、服務化，逐步形成對分布式架構的自主開發設

63、計和獨立升級能力；（2）堅持關鍵技術自主可控原則，對業務經營發展有重大影響的關鍵平臺、關鍵組件以及關鍵信息基礎設施要形成自主研發能力，降低外部依賴、避免單一依賴。2021年12月29日，中國保險行業協會發布保險科技十四五發展規劃，這是保險行業首次以行業共識的方式發布保險科技領域中長期專項規劃，明確保險科技發展的具體規劃和目標：“十四五”期間，在科技投入方面，發展規劃提出推動行業實現信息技術投入占比超過1%、信息科技人員占比超過5%的目標；在服務能力方面，提出推動行業實現業務線上化率超過90%、線上化產品比例超過50%、線上化客戶比例超過60%、承保自動化率超過70%、核保自動化率超過80%、理

64、賠自動化率超過40%的目標；在創新應用方面，提出推動行業專利申請數量累計超過2萬個的目標。2.4 保險IT：數字化轉型是保險行業邁向高質量發展的必然路徑 35 樂觀/中性/悲觀預測下，2025年中國保險行業IT投入市場總規模分別為778.5/681.6/591.5億元。壽險和財險增長率：整體來看，2016-2019年原保費收入復合增速為11.3%，預計 2022-2025年保險行業保費收入增速將逐漸恢復。由于資產新規打破剛性兌付，長期利率下行，增大了家庭財富安全風險，家庭財富管理亟待提升包括保險在內的防御性資產比例，在不確定的經濟變局中提供確定性保障，防范資產縮水風險。這提升了對于萬能型年金險

65、、增額終身壽險、兩全保險等保值類保險的需求，有望帶動壽險觸底反彈。因此我們在樂觀/中性/悲觀的情況下，分別假設2023-2025年壽險CAGR3為12%/10%/8%；2023-2025年財險CAGR3為10%/9%/8%。保險IT投入占收入比：保險科技“十四五”發展規劃提出，2025年保險行業進一步加大保險科技投入，推動實現行業平均保險信息技術投入占營業收入比率超過1%。其中，大中型保險公司保險信息技術投入占比超過1%，小微型保險公司占比超過1.8%。我們在樂觀/中性/悲觀的情況下，分別假設2025年保險IT投入占收入 比為1.2%/1.1%/1.0%。2.4 保險IT：數字化轉型是保險行業

66、邁向高質量發展的必然路徑 2016 2017 2018 2019 2020 2021 2022 2025E 樂觀 中性 悲觀 原保費收入（億元）30959.1 36581.0 38016.6 42645.0 45257.3 44900.2 46957.2 64873.5 61966.3 59153.6 yoy/CAGR 18.2%3.9%12.2%6.1%-0.8%4.6%11.4%9.7%8.0%其中：壽險 21638.3 26040.0 26256.9 29628.4 31673.6 31223.7 32091.0 45085.5 42713.1 40425.4 壽險yoy/CAGR 20

67、.3%0.8%12.8%6.9%-1.4%2.8%12%10%8%其中：財險 9265.7 10541.4 11756.5 13016.3 13583.7 13676.5 14867.0 19788.0 19253.2 18728.1 財險yoy/CAGR 13.8%11.5%10.7%4.4%0.7%8.7%10%9%8%保險IT投入占收入比 0.65%0.62%0.64%0.63%0.68%0.79%1.2%1.1%1.0%保險IT投入（億元）200.6 225 244.2 268.1 309.6 354.8 778.5 681.6 591.5 數據來源：銀保監會官網，西南證券整理 36

68、需求端：成本+人力雙壓下保險銷售端尋求數字化轉型，保險IT解決方案需求高企。成本方面，保險的傳統特點是高需求低接觸密度，不論是銀行或是電商平臺代銷都需要大量的渠道費用，高額成本促使保險銷售端尋求數字化轉型下的成本節??；人力方面，近年來保險代理人數量呈現出急劇下降趨勢，促使保險銷售端尋求數字化下的高人效模式來代替傳統的高人數模式。保險IT解決方案對接銷售端數字化轉型需求，拓展渠道業務場景：1）開發App及線上工具，賦能內容通常包括展業輔助、營銷人員培訓及指導、營銷團隊業績管理等；2）營銷管理及策劃，主要應用場景包括營銷數據分析、客戶畫像構建、交叉銷售規劃、極速報價出單工具等，場景豐富，賦能保險機

69、構以更高效的方式銷售保單、管理訂單及客戶。2.4 保險IT：數字化轉型是保險行業邁向高質量發展的必然路徑 數據來源：銀保監會官網，西南證券整理 912 842.8 590.7 521.7 01002003004005006007008009001,0002019 2020 2021 2022H1 代理制銷售人員人數（萬人）保險代理人數量呈現急劇下滑趨勢 37 3.1 SSNC 3.2 FIS 目 錄 1 金融IT行業概況 2 金融信創加速滲透，關注細分領域催化因素 3 他山之石：海外B端金融IT公司發展梳理 4 國內外AI+金融前沿探索情況 5 風險提示 38 3.1 SS&C復盤 38 SS

70、&C 是一家全球領先的為金融服務和醫療行業提供軟件服務的供應商，是全球最大的獨立對沖基金和私募股權管理公司，也是最大的共同基金代理機構，于2005年7月在美國特拉華州注冊成立。Ss&c在全球范圍內超過11000個客戶，主要在機構資產管理、另類投資管理和金融機構垂直市場，以及商業銀行、公司財政組織、保險和養老基金等。資產管理 咨詢 客戶通信 投資會計 并購 交易訂單管理 數據與分析 ESG報告 智能自動化 績效與歸因 監管 風險與合規 特色方案 Black Diamond Eze Eclipse Geneva SS&C Blue Prism SS&C GlobeOp 稅務方案 資產服務 基金管理

71、 投資者服務 中臺 退休服務 轉讓機構/注冊處 健康 核心管理技術與服務 會員和 供應商參與 收入與 質量優化 護理管理 總成本 技術與服務 業務流程外包 教育與研究 運營完整性 與安全性 托管服務 解決方案 數據來源：公司官網，西南證券整理 39 3.1 SS&C復盤 39 公司股價復盤(單位：美元)SS&C總體股價呈現上升趨勢。自2010年上市以來，SS&C通過多次的收購深化基金領域布局、豐富解決方案、拓展客戶種類。01020304050607080902021年收購Blue Prism 2020年 新冠疫情爆發 2018年 收購DST 系統 2010年 于美國 納斯達克上市 2012年

72、收購GlobeOp，成為全球前三的基金管理服務供應商 2016年 收購花旗集團另類投資者服務，成為全球第二大基金服務供應商 2022年 銷售低于預期，股價下跌 2015年 收購Advent，收入增速 2019年 管理層變動；在DST內取消零利潤業務 數據來源：公司公告，Wind，西南證券整理 40 3.1 SS&C復盤 整體來看，2023Q1公司實現營業收入13.6億美元，同比增加4.6%，2020-2022年 的 CAGR3 為 3.34%。2023Q1公司實現歸母凈利潤1.3億美元，同比減少23.5%。從收入結構來看，軟件支持服務和許可、維護及相關業務為公司兩大主營業務，其中軟件支持服務為

73、主要構成部分，占比基本維持在超過80%的水平。2023Q1軟件支持服務實現營收11.1億美元，占比81.8%；許可、維護及相關業務實現營收2.5億美元，占比18.2%。銷售毛利率和凈利率總體呈上升趨勢。2022年由于市場、銷售和管理費用增幅較大，銷售凈利率有所下降。2019-2023Q1歸母凈利潤情況 2019-2023Q1公司營收情況 2019-2023Q1毛利率&凈利率 2019-2023Q1主營業務構成 數據來源：公司公告，Wind，西南證券整理 41 3.2 FIS復盤 公司主要產品 FIS是為全球商家、銀行和資本市場公司提供技術解決方案的領先提供商。FIS成立于1986年，總部位于佛

74、羅里達州杰克遜維爾，于2001年在紐約證券交易所上市。公司業務主要分為商家解決方案，銀行解決方案和資本市場解決方案三大板塊。商家解決方案市場主要面向大型企業，零售商及線上購物平臺，下游客戶有Google，Publix，TESCO，amazon，Microsoft，ULTA；銀行解決方案主要面向各銀行，下游客戶有Apple Bank，Bradesco，BNP PARIBAS，BMO；資本市場解決方案主要面向各非銀金融機構，下游客戶有JPMorganChase，Green dot。公司下游客戶 公司主要產品&下游客戶 核心處理及輔助軟件 大數據 商家解決方案 銀行解決方案 資本市場解決方案 SMB

75、獲得 即時支付 全球電子商務 投資運營及數據服務 貸款 貿易 風險管理及合規 信用卡和零售支付 電子資金轉賬和網絡 信用管理 項目處理和輔助支持業務 數據來源：公司公告，Wind，西南證券整理 42 3.2 FIS復盤 42 公司股價復盤(單位：美元)-1010305070901101301502001073120060731201107312016073120210731FIS整體股價呈先上升后下降趨勢。自2001年上市以來，公司通過多次收購兼并擴大自身規模并開拓新的業務領域。2019年350億美元收購WorldPay 2022年收購Payrix導致歸母凈利潤驟降 2008年金融危機，剝離貸

76、款人處理服務 2017年剝離咨詢業務及公共部門和教育業務，專注金融系統業務 2016年歸母凈利潤大幅下降(2015年收購SunGrad導致費用增加)2003-2007年接連并購WebTone,Sabchez,Aurum,BankWare等公司 2009-2014年接連并購Metavante,Compliance Coach,Capco等公司 2019-2021年公司營收有所增長，歸母凈利潤下降明顯 2001年 并購DFS 2021年歸母凈利潤大幅下降 2019年由于并購歸母凈利潤大幅降低 2022年底大幅裁員降低成本 數據來源：公司公告，Wind，西南證券整理 43 3.2 FIS復盤 43

77、103.3 125.5 138.8 145.3 35.1 21.5%10.6%4.7%0.5%0%5%10%15%20%25%02040608010012014016020192020202120222023Q1營業收入(億美元 左軸)同比(%右軸)3.0 1.6 4.2 -167.2 1.4 -47.0%163.9%-4109.6%16.7%-4500%-4000%-3500%-3000%-2500%-2000%-1500%-1000%-500%0%500%-180-160-140-120-100-80-60-40-2002020192020202120222023Q1歸母凈利潤(億美元 左

78、軸)同比(%右軸)19.5%30.0%32.4%32.9%31.5%56.8%47.4%46.1%46.2%48.0%23.7%19.4%18.9%19.0%18.9%3.2%2.6%2.0%1.6%0%10%20%30%40%50%60%70%80%90%100%20192020202120222023Q1商家解決方案 銀行解決方案 資本市場解決方案 公司和其他 36.0%33.5%37.4%39.3%38.2%2.9%1.3%3.1%-115.0%4.0%-140%-120%-100%-80%-60%-40%-20%0%20%40%60%2 019 2 020 2 021 2 022 2

79、023Q 1 銷售毛利率 銷售凈利率 整體來看，2023年Q1公司實現營業收入35.1億美元，同比增長0.5%。2020-2022年的CAGR3為12.1%。2023年Q1公司實現歸母凈利潤1.4億元，同比增長16.7%。2022年歸母凈利潤驟降系收購Payrix導致的非正常凈支出。從收入結構來看，銀行、商家及資本市場解決方案為公司三大主營業務，其中銀行解決方案占主要構成部分，占比維持在50%左右。2023年Q1銀行解決方案實現營收16.9億美元，占比48.0%；商家解決方案實現營收11.1億美元，占比31.5%；資本市場解決方案實現 營 收 6.6 億 美 元，占 比18.9%。銷售毛利率整

80、體維持穩定，由于兼并收購，銷售凈利率波動較大，2022年為-115.0%。2019-2023Q1毛利率&凈利率 2019-2023Q1主營業務構成 2019-2023Q1營收情況 2019-2023Q1營收情況 數據來源：公司公告，Wind，西南證券整理 44 4.1 海外金融大模型進展 4.2 國內金融大模型探索情況 目 錄 1 金融IT行業概況 2 金融信創加速滲透，關注細分領域催化因素 3 他山之石：海外B端金融IT公司發展梳理 4 國內外AI+金融前沿探索情況 5 風險提示 45 4.1.1 海外：BloomBergGPT數據集 45 3月30日，彭博發布針對金融領域的自然語言模型Bl

81、oombergGPT，構建了迄今為止最大的特定領域數據集，并訓練了擁有500億參數且專門用于金融領域的LLMBloombergGPT。經過測試，該模型在金融任務上的表現遠超現有的模型，且在通用場景上的表現與現有模型也能一較高下。數據集：BloombergGPT的訓練數據庫名為FINPILE，FinPile的訓練數據集中約一半是特定領域的文本，一半是通用文本：1）一系列英文金融信息，包括新聞、文件、新聞稿、網絡爬取的金融文件以及提取到的社交媒體消息；為了提高數據質量；2）FINPILE數據集也使用了公共數據集，例如The Pile、C4和Wikipedia。為了提高數據質量，每個數據集都進行了去

82、重處理；FINPILE中每個文檔都有時間戳，日期范圍從2007-03-01至2022-07-31，雖然沒有在BloombergGPT中使用日期信息，但未來可以用來評估模型在不同時間段的了解；數據集使用Unigram tokenizer對原始文本進行tokenize。BloomBergGPT訓練數據集 不同時間段各類數據情況（百萬tokens）來源 數量(tokens）占比 金融數據集 363B 54.27%網頁 298B 42.01%新聞 38B 5.31%文件 14B 2.04%報刊 9B 1.21%Bloomberg 5B 0.70%公共數據 345B 48.73%The Pile 184

83、B 25.90%C4 138B 19.48%Wikipedia 24B 3.35%數據來源：BloomBergGPT，西南證券整理 46 4.1.1 海外：BloomBergGPT底層模型和參數 46 底層模型和參數：BloombergGPT模型基于BLOOM(Scao et al 2022）模型的自回歸的結構，具體包含70層transformer decoder，包含500億個參數；在算力預算（40G內存A100共130萬GPU小時）約束下，根據Chinchilla scaling laws，計算出模型的參數和需要的數據量大小模型參數為500億，token數據量為11000+億?？紤]到金融領

84、域token數量要占總token數量的50%以上，而且目前金融數據暫時無法再進行擴充，最終模型參數量選擇為500億，token數據量為7000+億。訓練算力和時間：模型在64個AWS的p4d.24xlarge實例上訓練了53天，其中每個p4d.24xlarge實例包含了8塊40GB的A100GPU scaling laws以及BloombergGPT和其他模型的對比 損失函數隨訓練步數變化曲線 數據來源：BloomBergGPT，西南證券整理 47 4.1.1 海外：BloomBergGPT通用任務表現對比 47 對比BloombergGPT、GPT-NeoX、OPT、BLOOM、GPT-3在

85、不同的金融特定和通用任務上的表現發現，開發金融專用的大語言模型在金融領域取得好效果的同時，并沒有以犧牲模型通用能力為代價。（1）BPC評估：BloombergGPT在金融語料上的BPC均好于其他模型，并且在財報（Filings）這個類別上表現尤其突出。（2）通用任務：作者在BIG-bench Hard、常識測試、閱讀理解、語言學等任務上進行通用任務測試，在通用任務上，BloombergGPT的綜合得分優于相同參數量級的其他模型，并且在某些任務上的得分要高于參數量更大的模型：在BIG-bench Hard任務上，BloombergGPT得分低于參數量更大的PaLM和BLOOM，但是與參數規模類似

86、的GPT-NeoX或OPT66B相比，BloombergGPT的性能更接近BLOOM；在常識測試任務中，BloombergGPT在1個任務上取得了第一名，在其余3個任務上取得了第二名（未考慮GPT-3）；在閱讀理解任務上，GPT-3在所有任務上排名第一，BloombergGPT在5/6個任務上排名第二，且得分遠高于BLOOM模型；在語言學任務上，GPT-3在綜合排名第一，BloombergGPT綜合排名第二，且綜合得分高于BLOOM模型。各模型參數、數據對比 各模型在各類型的數據上的BPC 數據來源：BloomBergGPT，西南證券整理 48 4.1.1 海外：BloomBergGPT金融任

87、務表現對比 數據來源：BloomBergGPT，西南證券整理 48（3）金融特定任務：將金融領域任務分成了外部任務和情感分析內部任務。在每個任務上，作者除了評估模型在任務上的表現，還評估了同一任務下不同模型生成結果之間兩兩比較的勝率（WR），得出的結論是在金融領域任務上，BloombergGPT 綜合表現最好。外部任務：ConvFinQA、FiQA SA、FPB、Headline四項外部任務中都取得最好的效果；在NER取得第二名 內部任務：BloombergGPT在Equity News、Equity Transcript、ES News、Country News4個數據集上的表現均大幅領先于

88、其他模型；在Equity Social Media上與其他模型效果相近。金融特定任務和任務格式 使用BloomBergGPT進行總結 使用BloomBergGPT獲取彭博函數 49 4.1.2 海外：FinGPT開源金融LLM架構 49 FinGPT由四大板塊構成：1）數據源層；2）數據工程層；3）大語言模型層；4）應用層。FinGPT架構 資料來源：FinGPT，西南證券整理 4.1.2 海外：FinGPT數據源層 FinGPT架構的數據源層涉及到從各種來源收集到的廣泛財務數據，包括但不限于財經新聞、社媒等。為利用不同來源的多樣化信息，FinGPT集成能夠抓取結構化和非結構化數據的數據采集工

89、具，包括API、網絡抓取工具，以及可直接訪問數據庫等。FinGPT尊重數據采集工具的服務條款，確保數據收集過程合法。資料來源：FinGPT，西南證券整理 50 數據來源數據來源 1 1）財經新聞：）財經新聞：路透社、CNBC、雅虎財經等網站是財經新聞和市場更新的豐富來源。這些網站提供關于市場趨勢、公司盈利、宏觀經濟指標和其他金融事件的寶貴信息；2 2）社交媒體：）社交媒體：如Twitter、Facebook、Reddit、微博等平臺，在公眾情緒、熱門話題以及對金融新聞和事件的即時反應方面提供豐富的信息；3 3）公司公告：）公司公告：金融監管機構的網站。這些文件包括年度報告、季度盈利等關鍵數據；

90、4 4）市場趨勢：）市場趨勢：類似Seeking Alpha、Google Trend等網站，提供分析師市場預測及投資建議。5 5）學術數據集：）學術數據集：學術研究的數據集為復雜的金融分析提供策劃和驗證信息。APIAPI FinGPTFinGPT APIAPI用途：用途：在FinGPT框架中，API不僅用于初始數據收集，還用于實時數據更新，以確保在最新數據上訓練模型。此外，FinGPT采取錯誤處理和速率限制策略，以匹配API使用限制要求，避免數據流中斷。4.1.2 海外：FinGPT數據工程層 金融市場實時運行，對新聞和投資者情緒高度敏感。證券價格會隨著新信息而迅速變化，處理這些信息的延遲可

91、能會導致錯失機會或增加風險。因此，數據實時處理在金融NLP中至關重要。實時NLP管道的主要挑戰是有效地管理和處理持續流入的數據，FinGPT設計用于數據攝取的實時NLP管道步驟順序，保證數據實時有效性。資料來源：FinGPT，西南證券整理 51 4.1.2 海外：FinGPT大語言模型層 資料來源：FinGPT，西南證券整理 52 功能 使用方式 大模型大模型APIAPI（LLM APIs）可訓練模型（可訓練模型（Trainable models）微調方法（微調方法（Fine-tuning methods）APIs提供基礎語言能力 FinGPT提供可訓練模型，用戶可以對他們的私人數據進行微調，

92、為金融應用程序定制。各種微調方法保證FinGPT成為個性化機器顧問。為何對大模型進行微調，而不是從零開始重新訓練?Bloomberg GPT是從零開始訓練的案例，其在金融方面的能力非常出色，但它對計算的要求非常高，高算力導致每次訓練的成本高達約300萬美元。FinGPT單次訓練成本不到300美元 FinGPT專注于開源輕量級算力模型開發，確保數據更新的及時和適應性。同時FinGPT作為開源模型不僅提高透明度，還允許用戶定制，迎合個性化金融咨詢服務的興起趨勢。大語言模型層包括三部分：預測端預測端 4.1.2 海外：FinGPT應用層 FinGPT可以在金融服務領域得到廣泛應用，幫助客戶做出明智的

93、金融決策。潛在應用如下：資料來源：FinGPT，西南證券整理 53 1 1）機器顧問：）機器顧問：提供個性化的財務建議；2 2）量化交易：）量化交易：為知情的交易決策提供交易指導；3 3）投資組合優化：）投資組合優化：利用眾多經濟指標和投資者資料來構建最優的投資組合；4 4）金融情緒分析：）金融情緒分析：評估不同金融平臺的情緒，以獲得有洞察力的投資指導。投資端投資端 其他其他 1 1）ESGESG評分：評分：通過分析公開報告和新聞文章來評估公司的ESG得分。2 2）低代碼開發：）低代碼開發：通過用戶友好的界面促進軟件創建，減少對傳統編程的依賴。3 3）金融教育：）金融教育：作為AI導師，簡化復

94、雜的金融概念，提高金融素養。風險端風險端 1 1）風險管理：）風險管理：通過分析各種風險因素制定有效的風險策略。2 2）金融欺詐檢測：）金融欺詐檢測：識別潛在的欺詐交易模式，以增強金融安全。3 3）信用評分：）信用評分：從財務數據中預測信用狀況，以幫助貸款決策。1 1）破產預測：）破產預測：根據財務和市場數據預測公司可能破產或破產。2 2）并購預測：）并購預測：通過分析財務數據和公司概況預測潛在的并購活動，幫助投資者預測市場走勢。4.1.3 海外接入OpenAI的金融機構 金融是數據密度和智能化非常高的行業，海外金融+ChatGPT的實踐案例已經初步浮出水面，為國內金融行業AI大模型落地場景提

95、供方向：從案例共性上看，接入ChatGPT的API，應用場景涵蓋財富管理、保險理賠、智能問答、投資分析和提升業務效率等各個方面：摩根士丹利財富管理部門（MSWM）運用GPT-4來組織調動其面向客戶的知識庫，從去年開始，摩根士丹利開始探索如何利用GPT的嵌入和檢索功能來利用其智庫首先是GPT-3，現在是GPT-4。在該模型的支持下建立一個面向內部的聊天機器人，在財富管理內容中執行全面搜索，并有效地釋放MSWM積累的知識。Two Sigma利用ChatGPT進行投資分析，Two Sigma利用ChatGPT分析財務報表和新聞內容，以識別潛在的投資機會和風險，通過利用ChatGPT的自然語言處理能力

96、和大規模語料庫，自動化的分析大量的數據，并從中提取有用的信息，以更好的了解公司業績和市場趨勢，并作出更明智的投資決策。日本第二大券商大和證券（Daiwa Securities）從4月中旬開始日本國內9000名員工將使用ChatGPT技術，對于ChatGPT的具體運用場景展望：1）縮減信息搜集、材料制作的時間和費用成本；2）ChatGPT通過完成文件，企劃書等文章編程的草稿制作，以創造更多與客戶接觸和計劃制定的時間；3）通過員工的廣泛使用，進一步創造出使用靈感。瑞穗銀行：GhatGPT 協助查詢銀行內部規則、流程及其他手冊 蘇黎世保險公司：探索接入GhatGPT 協助進行理賠和相關數據及文件的挖

97、掘，自動風險檢查和處理賬單 資料來源：FinGPT，西南證券整理 54 55 4.2 國內：恒生電子大模型產品WarrenQ 數據來源：恒生電子大模型發布會，西南證券整理 55 恒生聚源發布投研場景三大產品：1）Chat：金融資訊數據情報員，調用恒生聚源金融資訊數據庫，實現語控萬數(底層技術:大模型+數據庫)；2）ChatMiner：指定文檔挖掘器，用戶上傳文檔，針對文檔提問，ChatMiner通過搜索文檔內容提供回答(底層技術:向量數據庫+大模型);3）WarrenQ：是一站式數智化投研端，以前發布過，今年新增很多功能，應用場景包括1）閱讀器；2）云筆記；3）原文引文和溯源；4）演算板估值模

98、型；5）在線分享腦圖。三個產品ALL IN ONE 實現一站式投研平臺，投研場景實現全面打通:1)WarrenQ引入 Chat 和 ChatMiner，實現搜索、追溯新聞和原文，具有萬能閱讀器；2)內置在線估值模型，并且能對關鍵動態指標進行實時跟蹤調整；3)在腦圖上匯總進行分享和匯報。投研場景三大產品 Chat產品功能 56 4.2 國內：恒生電子大模型產品LightGPT 56 評測結果:恒生聯合信通院制定超80+金融專屬任務，用于評測金融大模型的效果和性能。3月LightGPT在金融專屬任務表現中效果一般，但6月LightGPT在多項務效果已經遠超國內外通用大模型；數據：1)恒生聚源，40

99、00 億 Tokens 的文本、資訊、公告、研報數據及結構化后數據:2)超 400 億 Tokens金融教材、金融百科、政府報告、法規等；3)精調數據:基于金融領域特定的 80 個任務數(超過 50 萬記錄數)最終篩選出超過 2000 億的質量比較高的Tokens進行訓練，基于超過80個金融領域特定任務進行全參數精調；模型：試用 LLAMA、BLOOM、智譜 GLM 等模型，最終主要基于開源大模型 BLOOM/Falcon，主要做繼續預訓練和監督微調；部署:支持私有化/云部署，以及靈活的API調用，推理端僅需一機2卡 部署關鍵節點:6月28日發布LightGPT；9月30日接口開放試用，金融能

100、力升級；12月30日推理性能優化，邏輯力升級，AI直通應用 各大模型在金融特定任務中的評測結果 LightGPT支持私有化/云部署 數據來源：恒生電子大模型發布會，西南證券整理 57 4.2 國內：恒生電子大模型產品光子 57 實現實時數據和應用模型的連接：1)數據處理向量化；2)向量檢索，構建合適的提示語句節奏；3)調用適的語言模型和處理工具；4)對輸出的內容進行合理控制，輸出更合適的答案 光子的四大功能:1)咨詢：意圖理解有驚喜，掌握客戶當前狀態和意圖，結合歷史購買產品、歷史產品的收益以及市場上同類產品的表現，給投顧提供話術提示，完成良好的有效溝通以留住客戶 2)創作：AI創作臺給投顧提供

101、內容創作助手，可以選擇 Propt 問題模板，大模型首先會學習投顧歷史文章表達方式、風格語氣，同時會引用實時行情和資訊數據，并結合投顧選擇執點主題及觀點傾向進行創作。3)合規：智能解讀國家的法律法規和文件，幫助響應和回復規則。4)運營：非標文件智能解析;參數智能管理，實現 TA 參數自動維護的智能化 關鍵節點：6月發布光子；9月開放試用；12月對接金融機構 光子產品技術棧 光子對現有產品的數據支持能力 數據來源：恒生電子大模型發布會，西南證券整理 58 目 錄 1 金融IT行業概況 2 金融信創加速滲透，關注細分領域催化因素 3 他山之石：海外B端金融IT公司發展梳理 4 國內外AI+金融前沿

102、探索情況 5 風險提示 59 5 風險提示 信息化投入不及預期；信創推進不及預期；新產品推廣不及預期；行業競爭加劇等風險等。分析師：王湘杰 執業證號：S1250521120002 電話：0755-26671517 郵箱： 聯系人：羅紫瑩 電話：15071372085 郵箱： 西南證券研究發展中心 分析師承諾分析師承諾 報告署名分析師具有中國證券業協會授予的證券投資咨詢執業資格并注冊為證券分析師，報告所采用的數據均來自合法合規渠道，分析邏輯基于分析師的職業理解，通過合理判斷得出結論，獨立、客觀地出具本報告。分析師承諾不曾因，不因，也將不會因本報告中的具體推薦意見或觀點而直接或間接獲取任何形式的補

103、償。重要聲明重要聲明 西南證券股份有限公司（以下簡稱“本公司”）具有中國證券監督管理委員會核準的證券投資咨詢業務資格。本公司與作者在自身所知情范圍內，與本報告中所評價或推薦的證券不存在法律法規要求披露或采取限制、靜默措施的利益沖突。證券期貨投資者適當性管理辦法于2017年7月1日起正式實施，若您并非本公司簽約客戶，為控制投資風險，請取消接收、訂閱或使用本報告中的任何信息。本公司也不會因接收人收到、閱讀或關注自媒體推送本報告中的內容而視其為客戶。本公司或關聯機構可能會持有報告中提到的公司所發行的證券并進行交易，還可能為這些公司提供或爭取提供投資銀行或財務顧問服務。本報告中的信息均來源于公開資料，

104、本公司對這些信息的準確性、完整性或可靠性不作任何保證。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入可升可跌，過往表現不應作為日后的表現依據。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告，本公司不保證本報告所含信息保持在最新狀態。同時，本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本報告僅供參考之用，不構成出售或購買證券或其他投資標的要約或邀請。在任何情況下，本報告中的信息和意見均不構成對任何個人的投資建議。投資者應結合自己的投資目標和財務狀況自行判斷是否采用本報告

105、所載內容和信息并自行承擔風險，本公司及雇員對投資者使用本報告及其內容而造成的一切后果不承擔任何法律責任。本報告及附錄版權為西南證券所有，未經書面許可，任何機構和個人不得以任何形式翻版、復制和發布。如引用須注明出處為“西南證券”，且不得對本報告及附錄進行有悖原意的引用、刪節和修改。未經授權刊載或者轉發本報告及附錄的，本公司將保留向其追究法律責任的權利。西南證券投資評級說明西南證券投資評級說明 報告中投資建議所涉及的評級分為公司評級和行業評級（另有說明的除外）。評級標準為報告發布日后6個月內的相對市場表現，即：以報告發布日后6個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基

106、準。其中：A股市場以滬深300指數為基準，新三板市場以三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的）為基準；香港市場以恒生指數為基準；美國市場以納斯達克綜合指數或標普500指數為基準。公司 評級 買入：未來6個月內，個股相對同期相關證券市場代表性指數漲幅在20%以上 持有：未來6個月內，個股相對同期相關證券市場代表性指數漲幅介于10%與20%之間 中性：未來6個月內，個股相對同期相關證券市場代表性指數漲幅介于-10%與10%之間 回避：未來6個月內，個股相對同期相關證券市場代表性指數漲幅介于-20%與-10%之間 賣出：未來6個月內，個股相對同期相關證券市場代表性指數漲幅在-2

107、0%以下 行業 評級 強于大市：未來6個月內，行業整體回報高于同期相關證券市場代表性指數5%以上 跟隨大市：未來6個月內，行業整體回報介于同期相關證券市場代表性指數-5%與5%之間 弱于大市：未來6個月內，行業整體回報低于同期相關證券市場代表性指數-5%以下 西南證券機構銷售團隊西南證券機構銷售團隊 區域區域 姓名姓名 職務職務 手手機機 郵箱郵箱 姓名姓名 職務職務 手手機機 郵箱郵箱 上海上海 蔣詩烽 總經理助理/銷售總監 18621310081 張玉梅 銷售經理 18957157330 崔露文 銷售經理 15642960315 陳陽陽 銷售經理 17863111858 譚世澤 銷售經理

108、13122900886 李煜 銷售經理 18801732511 薛世宇 銷售經理 18502146429 卞黎旸 銷售經理 13262983309 劉中一 銷售經理 19821158911 龍思宇 銷售經理 18062608256 岑宇婷 銷售經理 18616243268 田婧雯 銷售經理 18817337408 汪藝 銷售經理 13127920536 闞鈺 銷售經理 17275202601 北京北京 李楊 銷售總監 18601139362 姚航 銷售經理 15652026677 張嵐 銷售副總監 18601241803 胡青璇 銷售經理 18800123955 楊薇 高級銷售經理 15652

109、285702 王宇飛 銷售經理 18500981866 王一菲 銷售經理 18040060359 路漫天 銷售經理 18610741553 徐銘婉 銷售經理 15204539291 馬冰竹 銷售經理 13126590325 廣深廣深 鄭龑 廣深銷售負責人 18825189744 張文鋒 銷售經理 13642639789 楊新意 銷售經理 17628609919 陳紫琳 銷售經理 13266723634 龔之涵 銷售經理 15808001926 陳韻然 銷售經理 18208801355 丁凡 銷售經理 15559989681 西南證券研究發展中心 西南證券研究發展中心西南證券研究發展中心 上海上海 深圳深圳 地址：上海市浦東新區陸家嘴21世紀大廈10樓 地址：深圳市福田區益田路6001號太平金融大廈22樓 郵編：200120 郵編：518038 北京北京 重慶重慶 地址：北京市西城區金融大街35號國際企業大廈A座8樓 地址：重慶市江北區金沙門路32號西南證券總部大樓21樓 郵編：100033 郵編：400025