《多元金融行業：長尾信貸AI應用專題海外借鑒與國內趨勢-250115（26頁）.pdf》由會員分享，可在線閱讀，更多相關《多元金融行業：長尾信貸AI應用專題海外借鑒與國內趨勢-250115（26頁）.pdf（26頁珍藏版）》請在三個皮匠報告上搜索。

1、 識別風險，發現價值 請務必閱讀末頁的免責聲明 1 1/2626 Table_Page 深度分析|多元金融 證券研究報告 多元金融行業多元金融行業 長尾長尾信貸信貸 AI 應用專題：海外借鑒應用專題：海外借鑒與國內趨勢與國內趨勢 核心觀點核心觀點：科技科技放貸先驅放貸先驅 Upstart AI 放貸的有效性放貸的有效性。Upstart 是領先的人工智能（AI）借貸機構，其成立之初衷在于重塑信用評分系統，截至目前，美國多數金融機構仍在沿用傳統的 FICO 系統，而 Upstart 旨在運用 AI模型解決由 FICO 系統帶來的信貸資源錯配。發展至今，Upstart 征信分級中相同級別的不良率較F

2、ICO更低。此外，截至24Q3，根據Upstart財報，Upstart 有 91%的貸款屬于自動放貸，從借款人申請貸款到資金到賬，整個過程無需人工干預。截至 24Q3，Upstart 的模型由超過 1600個變量驅動，比傳統的評級系統貸款利率下滑 38%，真正意義上改進了放貸審批的契合度以及效率。寬松的監管環境寬松的監管環境一定程度成為發展一定程度成為發展平臺平臺 AI 放貸的必要放貸的必要因素因素。（1）根據美國財政部發布的在線市場借貸行業白皮書以及日本貸金業法，兩國未制止網貸平臺參與住房抵押貸款等多種貸款，使其不止步于消費貸，加之快捷的審批流程，截至目前，海外網貸平臺占個貸比例較高，美國及

3、國內相應占比 23 年底分別為 9.3%、1.8%。（2）個人征信系統來看，相較國內人行掌握個人征信裁量權、個人征信機構需獲取牌照方可經營，美國的征信制度發展的更早、市場征信機構通過注冊制落地、個人征信數據由市場管理，使得具備科技實力的企業能夠依托大量信貸事件重構征信系統。（3）若國內個人征信系統進一步完善以及網貸范圍擴大，也有望自征信系統搭建到多元放貸審批完善 AI 應用場景。優化社會個貸不良、優化社會個貸不良、減少減少金融白戶金融白戶占比能夠占比能夠放大放大 AI 放貸的重要性。放貸的重要性。（1）根據美國消費者金融保護局 2015 年的報告，大約有 2600 萬美國成年人是“信用隱形人”

4、，即沒有任何信用記錄。而在中國，據 24 年 11 月上海證券報消息，在人行征信中心有信息的個人數為 11.6 億人，沒有任何信貸信息記錄的約有 4 億人，金融白戶數量較大。對應 Upstart 的創立者，前谷歌成員戴夫.吉勞德的觀點，當前信貸市場改進空間主要為具有良好償還能力的潛在優質客戶卻遭到不合理的拒貸。（2）當前國內銀行個人出包急劇增加，個貸不良壓力較大，AI 放貸有望更準確地辨別客戶。參考 Upstart 評級體系中，最差的評級消費者違約率是最優質的 8.5x，而 FICO 評級僅為 3.5x，即 Upstart 識別出的資質最優的消費者不良率較 FICO 明顯更低。（3）國內目前征

5、信相關科技應用更多圍繞企業展開，在個人征信及長尾放貸領域科技投入尚小。內地網貸內地網貸監管監管不斷不斷完善完善，業務呈現三大趨勢，業務呈現三大趨勢。（1）針對小額網貸放貸利率上限、不良規定、經營范圍、催收等，目前我國均出臺了相關措施以監管整頓，小額網貸公司成出清之勢。（2）業務呈現平臺化、AI 化、順周期化趨勢，實現輕資本轉型規避逾期風險、科技化投放嚴控長尾客戶不良，在信貸行業中，呈現出與內需復蘇最為相關的順周期屬性。風險提示風險提示。監管風險、利率風險、經濟環境波動導致信貸不良上升等。行業評級行業評級 買入買入 前次評級 買入 報告日期 2025-01-15 相對市場表現相對市場表現 分析師

6、：分析師：陳福 SAC 執證號：S0260517050001 SFC CE No.BOB667 0755-82535901 相關研究：相關研究：多元金融行業:支付行業專題報告：境內及出海行業格局 2024-08-28 多元金融行業:五項資本市場對港合作措施，有望鞏固香港國際金融中心地位 2024-04-21 聯系人：李怡華 021-38003811 -17%-4%9%21%34%47%01/2403/2405/2407/2409/2411/24多元金融滬深300 識別風險，發現價值 請務必閱讀末頁的免責聲明 2 2/2626 Table_PageText 深度分析|多元金融 重點公司估值和財務

7、分析表重點公司估值和財務分析表 股票簡稱股票簡稱 股票代碼股票代碼 貨幣貨幣 最新最新 最近最近 評級評級 合理價值合理價值 EPS(元元)PE(x)PB(x)ROE(%)收盤價收盤價 報告日期報告日期（元（元/股）股）2024E 2025E 2024E 2025E 2024E 2025E 2024E 2025E 東方財富 300059.SZ CNY 23.86 20241027 增持 27.40 0.57 0.68 41.9 35.1 4.5 4.0 10.72%11.45%越秀資本 000987.SZ CNY 6.52 20241101 增持 7.80 0.43 0.44 15.2 14.

8、8 1.1 1.0 7.30%6.90%同花順 300033.SZ CNY 290.00 20241025 買入 250.90 2.68 3.14 108.2 92.4 20.4 19.5 19.00%21.30%財富趨勢 688318.SH CNY 162.43 20240709 增持 76.00 1.69 1.92 96.1 84.6 8.2 7.7 8.50%9.10%江蘇金租 600901.SH CNY 5.06 20240114 增持 6.76 0.50 0.57 10.1 8.9 1.4 1.3 15.34%15.72%南華期貨 603093.SH CNY 11.33 202410

9、21 增持 15.17 0.76 0.83 14.9 13.7 1.7 1.5 11.30%11.10%渤海租賃 000415.SZ CNY 3.54 20241031 增持 3.71 0.29 0.34 12.2 10.4 0.7 0.7 5.90%6.40%拉卡拉 300773.SZ CNY 17.07 20241030 增持 27.70 0.93 1.11 18.4 15.4 3.1 2.5 16.60%16.50%中銀航空租賃 02588.HK HKD 60.75 20240817 買入 85.00 8.97 9.36 6.8 6.5 0.9 0.8 13.80%12.70%香港交易所

10、 00388.HK HKD 281.60 20240822 增持 303.40 10.11 10.80 27.9 26.1 6.6 6.4 24.50%25.20%遠東宏信 03360.HK HKD 5.43 20240811 增持 7.30 1.34 1.33 4.1 4.1 0.5 0.4 10.99%10.25%數據來源：Wind、廣發證券發展研究中心 備注：表中估值指標按照最新收盤價計算 gZaXgWuXkWrQsQaQdN7NtRnNoMsPjMnNnMeRoPpRbRmMuNuOqMpQMYpPoR 識別風險，發現價值 請務必閱讀末頁的免責聲明 3 3/2626 Table_Pag

11、eText 深度分析|多元金融 目錄索引目錄索引 一、放貸革命前沿一、放貸革命前沿.6（一）（一）UPSTART：AI 放貸先驅放貸先驅.6（二）（二）AI 網貸商業模式：輕資本業務為主導網貸商業模式：輕資本業務為主導.7 二、美國二、美國 AI 之于放貸之于放貸.9（一）美國（一）美國 AI 放貸的必要性放貸的必要性.9（二）美國（二）美國 AI 放貸的重要性放貸的重要性.11（三）（三）AI 放貸有效性放貸有效性.14 三、國內網貸趨勢三、國內網貸趨勢.17（一）國內網貸政策復盤以及定價規章（一）國內網貸政策復盤以及定價規章.17（二）國內網貸趨勢（二）國內網貸趨勢.21 四、風險提示四、

12、風險提示.24 識別風險，發現價值 請務必閱讀末頁的免責聲明 4 4/2626 Table_PageText 深度分析|多元金融 圖表索引圖表索引 圖圖 1：Upstart 創始人創始人 Dave Girouard.6 圖圖 2：公司放款模式：公司放款模式.7 圖圖 3：公司收入構成公司收入構成.8 圖圖 4：公司毛利率水平公司毛利率水平.8 圖圖 5：費用凈收入進一步細拆費用凈收入進一步細拆.8 圖圖 6：輕資本業務成本構成輕資本業務成本構成.8 圖圖 7：Upstart 單季度放貸構成單季度放貸構成.9 圖圖 8：Upstart 三類貸款單均價值（美元）三類貸款單均價值（美元）.9 圖圖

13、9：美國居民負債部分貸款余額（萬億美元）美國居民負債部分貸款余額（萬億美元）.11 圖圖 10：數字借貸規模及格局數字借貸規模及格局.11 圖圖 11：中國住房貸款以外的金融機構住戶貸款規模（萬億元）中國住房貸款以外的金融機構住戶貸款規模（萬億元）.11 圖圖 12：國內小額貸款公司及消金合計占個人貸款比例國內小額貸款公司及消金合計占個人貸款比例.11 圖圖 13：美國高低收入人群收入占比（美國高低收入人群收入占比（%）.13 圖圖 14：美國人均收入均值與中位數美國人均收入均值與中位數.13 圖圖 15：中國人均收入均值和中位數中國人均收入均值和中位數.13 圖圖 16：自動放貸占比（自動放

14、貸占比（%）.14 圖圖 17：FICO 評分系統不同評級的平均違約率評分系統不同評級的平均違約率.14 圖圖 18：Upstart AI 評分系統不同評級的平均違約率評分系統不同評級的平均違約率.14 圖圖 19：京云征信產品體系：京云征信產品體系.15 圖圖 20：京云征信：京云征信產品體系產品體系.16 圖圖 21：國內個貸不良出包規模統計（億元）：國內個貸不良出包規模統計（億元）.17 圖圖 22：國內：國內 2024Q3 批量個人業務資產類型結構批量個人業務資產類型結構.17 圖圖 23：小額貸款公司在貸余額（億元）及同比增速小額貸款公司在貸余額（億元）及同比增速.18 圖圖 24：

15、小額貸款公司機構數量（家）：小額貸款公司機構數量（家）.18 圖圖 25：全國小額貸款公司貸款余額（億元）以及核心市場參與者全國小額貸款公司貸款余額（億元）以及核心市場參與者.19 圖圖 26：微粒貸微粒貸 現金貸現金貸.19 圖圖 27：度小滿：度小滿 現金貸現金貸.19 圖圖 28：美團借款美團借款 現金貸現金貸.20 圖圖 29：360 借條借條 現金貸現金貸.20 圖圖 30：奇富科技：奇富科技收入構成（收入構成（%）.21 圖圖 31：奇富科技撮合貸款余額構成（：奇富科技撮合貸款余額構成（%）.21 圖圖 32：奇富科技客戶構成奇富科技客戶構成.22 圖圖 33：奇富科技貸款余額奇富

16、科技貸款余額、信貸科技均值及、信貸科技均值及 GDP（右）（右）.24 圖圖 34：上市銀行信用貸余額與：上市銀行信用貸余額與 GDP（右）（右）.24 圖圖 35：各類非住房貸款同比增速（：各類非住房貸款同比增速（%）.24 識別風險，發現價值 請務必閱讀末頁的免責聲明 5 5/2626 Table_PageText 深度分析|多元金融 表表 1：美國、日本以及中國關于個人貸款的區別：美國、日本以及中國關于個人貸款的區別.10 表表 2：區別中美兩國征信系統：區別中美兩國征信系統.12 表表 3：注冊資本在前：注冊資本在前 24 名的網絡小額貸公司名的網絡小額貸公司.17 表表 4：歷史政策

17、復盤：歷史政策復盤.20 表表 5：復盤奇富科技智能化歷史：復盤奇富科技智能化歷史.22 識別風險，發現價值 請務必閱讀末頁的免責聲明 6 6/2626 Table_PageText 深度分析|多元金融 一、放貸革命前沿一、放貸革命前沿（一）（一）Upstart：AI放貸先驅放貸先驅 根據公司官網，Upstart是領先的人工智能（AI）借貸機構，成立于2012年，將數百萬消費者與100多家銀行和信用合作社連接起來，其背后的金融機構借由Upstart的AI模型和云應用程序向消費者放貸。Upstart的運轉核心在于重塑信用評分系統，目前，美國沿用的信用評分系統一直是1956年由比爾.費爾和厄爾.伊

18、斯克創立的FICO系統，根據官網數據，FICO客戶包括超半數的全球前100大銀行，北美及歐洲超600家的個人及商業保險公司，還有400多家零售商及綜合百貨商店（包含美國前100家零售商中的三分之一）。Upstart的創立者，前谷歌成員戴夫.吉勞德（Dave Girouard）指出，當前信貸市場仍在沿用上述“古老”的評分系統，改進空間較大，主要為，若信用評級參考因素不足，則可能導致三個問題，其一，信貸資源錯配，致使貸款流向了那些實際上無力償還的人群，這無疑增加了金融機構的壞賬風險；其二，具有良好償還能力的潛在優質客戶卻遭到不合理的拒貸，使得他們錯失了應有的信貸支持與發展機會；其三，由于扭曲的信貸

19、模型，那些一貫準時還款、信用良好的人被迫承擔過高的利息支出。這種不合理的情況導致了一種逆向補貼現象，即守約者實際上在補貼違約者。圖圖 1：Upstart 創始人創始人 Dave Girouard 數據來源：Upstart 招股說明書，廣發證券發展研究中心 而根據Upstart2023年年報，Upstart人工智能有望重塑借貸流程，其人工智能模型已經過十多年的持續升級、訓練和完善，該模型應用于收入與身份欺詐、獲客目標定位、貸款疊加、限時違約及提前還款預測以及貸后服務等方面。依托1600多個變量，基于超過5800萬筆還款事件進行訓練，平均每個工作日新增8.3萬筆還款數據用于訓練。AI放貸是否可行？

20、2019年，美國消費者金融保護局CFPB報告稱，Upstart的人工智能模型批準的借款人比高質量的傳統模型多27%，批準貸款的平均年利率低16%。換言之，與幾家大型銀行的信貸模型相比，Upstart的人工智能模型以相同的損失率批準了大約1.27倍 識別風險，發現價值 請務必閱讀末頁的免責聲明 7 7/2626 Table_PageText 深度分析|多元金融 的借款人。（二二）AI網貸商業模式：輕資本業務為主導網貸商業模式：輕資本業務為主導 作為資金池類機構的一種，Upstart有32%資金來自銀行，48%資金來自機構投資者，這些機構投資者包括高盛、太平洋投資管理公司（PIMCO）和摩根士丹利

21、投資管理公司管理的基金等，16%來自公司自身資金。整體來看，雖然公司直接出資占比增加，但整體仍以輕資本業務為主，主要還是依賴銀行和機構投資者來提供資金支持其貸款業務。公司產品類別主要為1,000至50,000美元的無擔保個人貸款，根據公司招股說明書，截至2020年Q3，有70%的貸款屬于完全自動化獲批，年利率通常在6.5%至35.99%之間，期限通常在3至5年之間，每月還款計劃，沒有提前還款罰款。平臺核心貸款客戶通常在28歲。Upstart的收入主要通過三種不同的基于使用情況的費用形式來獲取，根據合同安排，這些費用可以是按金額收取，也可以是按百分比收取。每次公司推薦的借款人成功獲得貸款時，公司

22、會向銀行合作伙伴收取相當于貸款本金金額3%至4%的推薦費推薦費。另外，每當銀行合作伙伴使用公司的平臺發放貸款時，會向其收取大約為貸款金額2%的平臺費平臺費。這些費用是分別通過合同約定并單獨收取的，不過出于會計核算目的，它們通常會合并處理，因為它們一般代表著一項單一的履約義務。公司還會根據貸款存續期間的未償還本金，向貸款持有者（銀行或機構投資者）按年收取0.5%至1%的持續性服務費用持續性服務費用，用于貸款的后續服務。此外，公司還有一小部分收入來自利息收入以及證券化活動。圖圖 2：公司放款模式：公司放款模式 數據來源：Upstart 招股說明書，廣發證券發展研究中心 識別風險，發現價值 請務必閱

23、讀末頁的免責聲明 8 8/2626 Table_PageText 深度分析|多元金融 在上述四類收入中，前三種均為輕資本業務，所收取的費用占公司收入的絕大部分，公司凈利息收入則在近幾年成下降趨勢且創利為負。單看輕資本放款模式中，根據招股說明書，Upstart獲客及銀行獲客類模式毛利率2020年分別在44%、67%。合計看輕資本業務的毛利率水平，近幾年延續擴大，自2018年的15%增加至2024年前三季度的60%，一定程度證明公司規模效應初現。圖圖 3：公司收入構成公司收入構成 圖圖 4：公司公司毛毛利率水平利率水平 數據來源：upstart 財務報告，廣發證券發展研究中心 數據來源：upsta

24、rt 財務報告，廣發證券發展研究中心 注：此處毛利率指，公司輕資本業務（收入-與輕資本業務獲客及評級有關的費用）/收入 進一步看輕資本放款費用類型，隨著合作金融機構數量的擴大，與存量相關的服務費用占比逐漸增加，此外，成本端，獲客成本占比持續下降，主要與公司數據范圍擴大，獲客難度邊際下降有關。圖圖 5：費用凈收入進一步細拆費用凈收入進一步細拆 圖圖 6：輕資本業務成本構成輕資本業務成本構成 數據來源：upstart 財務報告，廣發證券發展研究中心 數據來源：upstart 財務報告，廣發證券發展研究中心 -20%0%20%40%60%80%100%費用凈收入利息凈收入（扣減公允減值變動）15%3

25、1%46%50%49%63%60%0%10%20%30%40%50%60%70%0%10%20%30%40%50%60%70%80%90%100%平臺及推薦費占比服務費占比0%10%20%30%40%50%60%70%80%90%100%獲客成本占比評級成本占比 識別風險，發現價值 請務必閱讀末頁的免責聲明 9 9/2626 Table_PageText 深度分析|多元金融 二、二、參考參考美國美國 AI 之于放貸之于放貸（一）（一）美國美國AI放貸的必要性放貸的必要性 AI放貸的必要性如何，我們從不同市場C端貸款一觀。首先，從政策管理角度來看，海外網貸平臺可參與的放貸范圍更為廣泛，國內網貸集

26、中在消費貸，消費貸單均規模較小，若后續網貸能夠支撐住房類貸款或更廣泛的汽車貸款，則需要依賴大量的數據嚴格把關長尾客戶觸達情況，數據化進程有望隨之加速。具體來看，美國對住房以及車貸管理較松，允許網貸平臺進行房地產以及汽車借貸，根據2016年美國財政部發布的在線市場借貸行業白皮書，其中“白皮書指出了一些需要持續監測的潛在趨勢。這些趨勢包括信用評分的演變、利率變動的影響、潛在的流動性風險、以及在線借貸平臺發放的住房抵押貸款和汽車貸款不斷增加的情況（increasing mortgage and auto loans originated by online marketplace lenders）、

27、潛在的網絡安全威脅以及反洗錢要求的合規情況?！奔?，網貸平臺并未被制止進行上述兩款產品的放貸行為。再看日本，日本與放貸機構管理的貸金業法并未明確規定網貸平臺不允許發放房貸和汽車貸款，但從監管框架來看，貸金業法明確了融資業務的主管機關，規定貸金業者需向主管機關登錄后才可從事融資相關業務，并設定了最低實收資本額等準入門檻，以及規范了貸款行為，只要網貸平臺滿足相關條件并遵守規定，就可在許可范圍內開展房貸和車貸等各類貸款業務。Upstart 2024年加入房屋凈值貸款（HELOC）市場，多元化放貸類型。從單均價值來看，HELOC大于車貸大于其它消費貸，基于此，若網貸平臺放貸類型包含車貸以及HELOC或更

28、多元的貸款類型，有助于放貸規模加速擴張。圖圖 7：Upstart單季度單季度放貸構成放貸構成 圖圖 8：Upstart三類貸款單均價值（美元）三類貸款單均價值（美元）數據來源：upstart 財務報告，廣發證券發展研究中心 數據來源：upstart 財務報告，廣發證券發展研究中心 對比國內，原銀保監會2020年披露的商業銀行互聯網貸款管理暫行辦法，明確規定商業銀行發放的互聯網貸款資金不得用于購房及償還住房抵押貸款。91%92%93%94%95%96%97%98%99%100%消費貸車貸房屋凈值貸款010000200003000040000500006000070000消費貸車貸房屋凈值貸款 識

29、別風險，發現價值 請務必閱讀末頁的免責聲明 1010/2626 Table_PageText 深度分析|多元金融 表表 1：美國、日本以及中國關于個人貸款的區別：美國、日本以及中國關于個人貸款的區別 美國美國 日本日本 中國中國 個人住房貸款個人住房貸款 放貸類型 購房貸款（Home Mortgage Loans）購房再貸款（refinance）房屋凈值貸款（HELOC）購房貸款（住宅）二次抵押貸款（住宅）反向抵押貸款（60 歲以上翻新住宅，型 住宅関連）住房公積金貸款 購房貸款 二手住房貸款 房屋二次抵押貸款 放貸機構 商業銀行 抵押貸款公司 信用合作社 房利美及房地美等政府支持企業 網貸平

30、臺 商業銀行 國內特許銀行 信用合作社 日本住宅金融公庫等政府金融機構 網貸平臺 商業銀行 住房公積金管理中心（關于個人綜合消費貸款領域風險提示的通知中明確提到，個人消費貸不得用于購房、投資等非消費領域）貸款余額 12.59 萬億美元 1.41 萬億美元（2023 年數據）5.22 萬億美元 汽車貸款汽車貸款 放貸機構 商業銀行 汽車金融公司如聯合汽車金融公司 租賃公司 網貸平臺 商業銀行 汽車金融公司如豐田金融服務株式會社 日本政策金融公庫 租賃公司 網貸公司 商業銀行 汽車金融公司如上汽通用汽車金融有限公司 租賃公司 消金公司 網貸公司 貸款余額 1.63 萬億美元 0.11 萬億美元（僅

31、汽車金融數據）其他消費貸其他消費貸 放貸機構 商業銀行 租賃公司 網貸平臺 私募信貸 商業銀行 租賃公司 網貸平臺 信用金庫 商業銀行 租賃公司 消金公司 網貸平臺 貸款余額 4.42 萬億美元（不含個人住房，含學生貸款）0.34 萬億美元（消費者信用貸合計）5.22 萬億美元（不含個人住房貸款的個人貸款余額，2022 年數據）數據來源：wind、tradingeconomy、statistic、廣發證券發展研究中心 注：除特殊標注外，其余數據為 2024 年 9 月底數據 其次，其次，除政策環境之外，從各類個人貸款規模來看，除政策環境之外，從各類個人貸款規模來看，美國及中國除房貸外其余個貸美

32、國及中國除房貸外其余個貸余額較高余額較高。綜合上述，美國具備較寬松的個貸監管環境，疊加較大的個貸余額，催綜合上述，美國具備較寬松的個貸監管環境，疊加較大的個貸余額，催生更充分的生更充分的AI網貸應用場景。網貸應用場景。再次，網貸平臺放貸規模滲透率較高也為AI放貸貢獻更多底層數據。美國網貸平臺占個人貸款比例較高，已成為美國網貸平臺占個人貸款比例較高，已成為C端放貸的重要玩家之一。端放貸的重要玩家之一。從美國無抵押個人貸款（消費貸+車貸）資金來源來看，截至2023年底，居民消費貸、學生貸以及車貸合計43370億美元，而根據Mordor Intelligence數據，2023年，數字借貸市場規 識別

33、風險，發現價值 請務必閱讀末頁的免責聲明 1111/2626 Table_PageText 深度分析|多元金融 模達到4030.1億美元，預計到2029年將達到8963.4億美元。數字借貸平臺放貸占比9.3%。反觀國內小額貸款公司占除房貸外住戶貸款總額的比重，自2013、2014年高點的約8%下落到2023年底1.8%，相較海外占比較低。圖圖 9：美國居民負債部分貸款余額（萬億美元）美國居民負債部分貸款余額（萬億美元）圖圖 10：數字借貸規模及格局數字借貸規模及格局 數據來源：tradingeconomics，廣發證券發展研究中心 數據來源：Mordor Intelligence，廣發證券發展

34、研究中心 圖圖 11：中國住房貸款以外的金融機構住戶貸款規模中國住房貸款以外的金融機構住戶貸款規模（萬億元）（萬億元）圖圖 12：國內小額貸款公司及消金合計占個人貸款比國內小額貸款公司及消金合計占個人貸款比例例 數據來源：wind，廣發證券發展研究中心 數據來源：wind，廣發證券發展研究中心 （二二）美國美國AI放貸的重要性放貸的重要性 區別中美個人征信結構，美國AI放貸是征信系統發展完善所自然催生的結果，相較國內，美國的征信制度發展的更早，市場征信機構通過注冊制落地，個人征信領域的數據由市場機構管理，通過市場篩選，形成三家征信機構壟斷的局面。整體來看，行業格局更為成熟，體現在數據上，根據美

35、國消費者金融保護局2015年的報告，大約有2600萬美國成年人是“信用隱形人”，即沒有任何信用記錄。而在中國，據2024 年11月14日上海證券報消息，在中國人民銀行征信中心有信息的個人數為11.6億人，沒有任何信貸信息記錄的約有4億人?；诖?，較為成熟的征信結構推動更多元和大0.01.02.03.04.05.02015Q12015Q32016Q12016Q32017Q12017Q32018Q12018Q32019Q12019Q32020Q12020Q32021Q12021Q32022Q12022Q32023Q12023Q32024Q12024Q3居民負債端-信用卡居民負債端-車貸居民負債端-

36、學生貸051015202530354045502011-092012-072013-052014-032015-012015-112016-092017-072018-052019-032020-012020-112021-092022-072023-052024-03住房貸款以外的住戶貸款（萬億元人民幣）0%1%2%3%4%5%6%7%8%9%2011-092012-062013-032013-122014-092015-062016-032016-122017-092018-062019-032019-122020-092021-062022-032022-122023-092024-06

37、小額貸款公司貸款余額占比（%）識別風險，發現價值 請務必閱讀末頁的免責聲明 1212/2626 Table_PageText 深度分析|多元金融 數據的放貸系統建立。此外，美國當前人群收入分布還體現為嚴重的貧富差距，相對低收入的人群對靈活的放貸需求較大。根據美國人口普查局的數據，收入占比前20%的家庭收入占比在2023年為52%，收入占比后20%的家庭收入占比在2023年為3%。表表 2：區別中美兩國征信系統：區別中美兩國征信系統 美國美國 中國中國 征信定位征信定位 市場化為主導，征信數據主要由市場機構管理 政府化為主導，征信數據主要由央行管理 征信機構是否需要牌照征信機構是否需要牌照 否

38、是 個人征信歷史復盤個人征信歷史復盤 1860 美國第一家個人信用局成立 1929 第一次世界經濟危機爆發促使征信機構不斷涌現 1960-1990 征信制度落地加快，1969 年誠實信貸法通過，推動年誠實信貸法通過，推動了借貸信息的公開和透明化。了借貸信息的公開和透明化。1970 年公平信用報告年公平信用報告法通過，規范了個人征信活動，保護消費者的隱私權法通過，規范了個人征信活動，保護消費者的隱私權 20 世紀 80 年代后期，為適應企業債券發行和管理，中國人民銀行批準成立了第一家信用評級公司上海遠東資信評級有限公司 1990-2000 1960 年末美國征信公司數量超 2000 家，之后受到

39、互聯網信息技術興起、全國性銀行大規模整合等外力驅動，征信行業進入洗牌和整合期，小規?；騾^域性的公司成為被并購的對象，4-5 年的時間數量減少 80%-90%，并逐漸出現全國性的征信巨頭 1997 年，上海開展企業信貸資信評級。經中國人民銀行批準上海市進行個人征信試點，1999 年上海資信有限公司成立，開始從事個人征信與企業征信服務 2000 美國個人征信市場已經形成 Experian（益博睿）、Equifax（艾可菲）、Trans Union（全聯）三足鼎立的穩定格局，各地小型征信機構則依附于三家巨頭開展業務 2003-2006 2003 年，國務院賦予中國人民銀行“管理信貸征信業，推動建立社

40、會信用體系”職責，批準設立征信管理局。同年，上海、北京、廣東等地率先啟動區域社會征信業發展試點，一批地方性征信機構設立并得到迅速發展。2004 年，中國人民銀行建成全國集中統一的個人信用信息基礎數據庫。2005 年，銀行信貸登記咨詢系統升級為全國集中統一的企業信用信息基礎數據庫。2006 年 3月，中國人民銀行征信中心成立，專門負責企業和個人征信系統的建設、運行和維護 2008 美國次貸危機發生以后，有鑒于個人征信制度的重要性，美國進一步加強了對征信的立法，加強對金融消費者的保護力度 2013 2013 年年 3 月，征信業管理條例正式實施，月，征信業管理條例正式實施，明確中國人民銀行為征信業

41、監督管理部門，征信業步入了有法可依的軌道 識別風險，發現價值 請務必閱讀末頁的免責聲明 1313/2626 Table_PageText 深度分析|多元金融 2015 2015 年 1 月，中國人民銀行下發關于做好個人征信業務準備工作的通知，同意 8 家社會機構開展個人征信業務 2017 2017 年，人民銀行征信管理局局長萬存知表示，8 家進行個人征信開業準備的機構沒有一家合格，在達不到監管標準情況下不能把牌照發出去 2018 2018 年 1 月，中國人民銀行發布公告稱已受理百行征信有限公司(籌）的個人征信業務申請 2020 2020 年 12 月 25 日，中國人民銀行對外宣布，批準樸道

42、征信有限公司個人征信業務許可 2024 2024 年 11 月 11 日，錢塘征信有限公司個人征信牌照正式獲批，這是國內第三張個人征信牌照 個人征信機構核心數據個人征信機構核心數據 Experian（收錄 32 個國家的 11 億消費者信息）、Equifax、Trans Union 百行征信（收錄國內 6.69 億人的信息）、樸道征信、錢塘征信 數據來源：Experian（益博睿）、Equifax（艾可菲）、Trans Union（全聯）官網、央行、武大質量院、廣發證券發展研究中心 圖圖 13：美國高低收入人群收入占比美國高低收入人群收入占比（%）數據來源：wind，廣發證券發展研究中心 圖圖

43、 14：美國人均收入均值與中位數美國人均收入均值與中位數 圖圖 15：中國人均收入均值和中位數中國人均收入均值和中位數 數據來源：wind，廣發證券發展研究中心 數據來源：wind，廣發證券發展研究中心 0102030405060200020012002200320042005200620072008200920102011201220132014201520162017201820192020202120222023美國:全部住戶:收入占比:20%低收入戶美國:全部住戶:收入占比:20%高收入戶020,00040,00060,00080,000100,000120,000140,000美國:

44、全部住戶:收入中位數（美元）美國:全部住戶:收入平均數（美元）010,00020,00030,00040,00050,00060,000中國:城鎮居民人均可支配收入:中位數（元）中國:城鎮居民人均可支配收入（元）識別風險，發現價值 請務必閱讀末頁的免責聲明 1414/2626 Table_PageText 深度分析|多元金融 （三三）AI放貸有效性放貸有效性 從自動放貸的占比來看，從自動放貸的占比來看，Upstart自動放貸占比不斷上升。自動放貸占比不斷上升?？碪pstart所披露的數據，截至2024Q3，Upstart有91%的貸款屬于自動放貸，這意味著多數Upstart的貸款從借款人申請貸

45、款到資金到賬，整個過程無需人工干預。通過其技術優勢，能夠在幾分鐘內完成貸款審批，相比傳統貸款審批流程可能需要數天的時間大幅縮短，為借款人提供更快捷的資金獲取途徑。圖圖 16：自動放貸占比（自動放貸占比（%）數據來源：Upstart 財務報告，廣發證券發展研究中心 對違約率的影響，Upstart分級中對應級別的不良率較FICO的不良率更低。UpstartA類分級中截至2024Q3違約率在2.2%，在FICO評級中700分及以上評級的違約率在5%，差別明顯，且Upstart評級體系中，最差的評級消費者違約率是最優質評級消費者的8.5x，而FICO評級中，最差的評級消費者違約率是最優質評級消費者的3

46、.5x，評級準確度不及Upstart。上述數據表明，UpstartAI評級系統在長尾放貸中行之有效且表現更佳。圖圖 17：FICO評分系統不同評級的平均違約率評分系統不同評級的平均違約率 圖圖 18：Upstart AI評分系統不同評級的平均違約率評分系統不同評級的平均違約率 數據來源：Upstart 財務報告，廣發證券發展研究中心 數據來源：Upstart 財務報告，廣發證券發展研究中心 0%10%20%30%40%50%60%70%80%90%100%Percentage of Loans Fully Automated0.00%5.00%10.00%15.00%20.00%22Q322Q

47、423Q123Q223Q323Q424Q124Q224Q3A+BCDE-0%5%10%15%20%22Q3 22Q4 23Q1 23Q2 23Q3 23Q4 24Q1 24Q2 24Q3700OOR ABOVE680 TO 699660 TO 679640 TO 659639 OR BELOW 識別風險，發現價值 請務必閱讀末頁的免責聲明 1515/2626 Table_PageText 深度分析|多元金融 截至2024Q3，Upstart的模型由超過1600個變量驅動，訓練于超過7700萬次的還款事件數據。比傳統的評級系統，Upstart評級系統在多通過101%的借款人的情況下貸款利率下滑3

48、8%。觀察國內的征信科技發展進程，國內目前科技放貸的發展方向主要集中在企業放企業放貸貸，根據公司官網，北京金融大數據有限公司是北京金融控股集團的全資子公司。公司積極踐行服務百姓生活、服務首都發展、服務國家戰略的金融價值觀。公司順利完成在人民銀行企業征信業務經營備案，實現“持牌經營”，打造了企業征信服務體系，以堅守數據合規為底線，打造建設數據權威、畫像精準、政策聯動、業務協同的“京云征信”平臺。截至2024年初，平臺已匯聚北京各委辦局2300余項高價值數據，實現市場主體全覆蓋，數據總量超50億條。在此基礎上，平臺打造了超3000項標簽“企業畫像引擎”，并深度契入信貸、風控等金融核心業務，數據服務

49、調用量累計近2億次。與區政府客戶合作中，已實現400項政策5萬余次智能推送，落地企業申報信息智能核驗16萬余次，服務北京經開區企業服務北京經開區企業6000家家，所涉政策扶持金額超100億元。還將公共數據融入北京市供應鏈金融綜合服務平臺和小微企業融資對接服務平臺，支撐企業準入審批和預授信額度估算等核心業務模塊。圖圖 19：京云征信京云征信產品體系產品體系 數據來源：京云征信官網，廣發證券發展研究中心 2022年7月，網商銀行對外發布“百靈”智能交互式風控系統，在行業內首次探索人機互動信貸技術，填補市場空白。根據人民網普惠金融優秀案例，“百靈”智能交互式風控系統是對于網商銀行“310”（3分鐘提

50、交資料，1秒鐘放款，全程0人工干預）識別風險，發現價值 請務必閱讀末頁的免責聲明 1616/2626 Table_PageText 深度分析|多元金融 模式的升級，通過智能交互、決策構建創新自證模式，實現通過人機對話、智能審批完成對客資料收集、解析、驗真、決策。自2022年投入使用至2023年，百靈已累計服務800萬小微經營者，平均可幫助小微經營者提升貸款額度4.5萬元。近10年以來小微普惠金融不斷發展，小微經營者融資貴、融資難的現象有了明顯的改善，但“夠不夠”正逐漸成為小微金融下一階段的新命題。同時，個人信息保護法、數據安全法、征信業務管理辦法等法律法規的陸續實施對行業的數據獲取、應用、安全

51、和隱私保護都提出了更高的要求。大規模人工智能技術的應用，讓我們看到了為小微提供普惠、及時又個性化的信貸服務的新機會。目前，百靈已經支持包括合同、發票、營業執照等70多種自證任務，支持超過15個不同的行業的場景，整體識整體識別的準確率達到別的準確率達到95%以上。以上。而在驗真技術方面，百靈通過唯一性檢測，摩爾紋識別防止篡改和翻拍，同時進一步引入關系圖譜交叉驗真技術，通過企業上下游關系檢驗合同、發票等交易關系的真實有效性。網商銀行除了百靈系統之外，還與農業農村部大數據發展中心聯合建模，發起“農戶秒貸”項目，運用“大山雀”衛星遙感風控系統與隱私計算技術，將三農數據引入金融風控。以及圍繞汽車行業展開

52、的“大雁信貸”。圖圖 20：京云征信京云征信產品體系產品體系 數據來源：京云征信產品，廣發證券發展研究中心 當前國內AI個人征信尚未得到發展，但國內銀行的個貸近年來隨經濟環境波動影響，管理難度提升，為大數據征信和放貸提供發展環境。根據銀登中心數據，2023年第 識別風險，發現價值 請務必閱讀末頁的免責聲明 1717/2626 Table_PageText 深度分析|多元金融 三季度開始，銀行個人不良貸款批量轉讓規模大幅增加，主要集中在信用卡透支以及個人消費貸款。圖圖 21：國內國內個貸不良出包規模統計（億元）個貸不良出包規模統計（億元）圖圖 22：國內國內2024Q3批量個人業務資產類型結構批

53、量個人業務資產類型結構 數據來源：銀登中心，廣發證券發展研究中心 數據來源：銀登中心，廣發證券發展研究中心 三、國內網貸趨勢三、國內網貸趨勢（一）（一）國內網貸政策復盤以及定價規章國內網貸政策復盤以及定價規章 據零壹智庫不完全統計，截至2024年9月25日，其中注冊資本在50億元以上的不足10家，根據當前監管，注冊資本50億元以上的互聯網小貸允許跨省經營，而注冊資本低于50億元的原則上只能本區域經營。表表 3：注冊資本在前：注冊資本在前 24 名的網絡小額貸公司名的網絡小額貸公司 序號序號 公司名稱公司名稱 注冊資本注冊資本 成立日期成立日期 1 深圳市中融小額貸款有限公司 1900000 萬

54、元 2012/6/6 2 深圳市財付通網絡金融小額貸款有限公司 1052631.58 萬元 2013/10/28 3 重慶京東盛際小額貸款有限公司 800000 萬元 2016/1/5 4 重慶度小滿小額貸款有限公司 740000 萬元 2015/10/21 5 重慶星雨小額貸款有限公司 600000 萬元 2012/12/19 6 中新(黑龍江)互聯網小額貸款有限公司 500000 萬元 2016/10/21 7 福州奇富網絡小額貸款有限公司 500000 萬元 2017/3/30 8 重慶隆攜小額貸款有限公司 500000 萬元 2009/6/18 9 黑龍江金聯云通小額貸款有限公司 32

55、0000 萬元 2016/8/1 10 重慶小雨點小額貸款有限公司 30000 萬美元 2015/12/11 11 重慶海爾小額貸款有限公司 192495 萬元 2014/3/27 12 內蒙古惠商互聯網小額貸款有限公司 150000 萬元 2017/9/18 13 德清金匯小額貸款有限公司 122800 萬元 2012/9/12 14 重慶兩江新區衰潤小額貸款有限公司 16800 萬美元 2015/12/21 020406080100120140160180200010020030040050060022Q4 23Q1 23Q2 23Q3 23Q4 24Q1 24Q2 24Q3批量個人業務成

56、交未償本息總額（億元）批量個人業務成交項目數（單，右）信用卡透支個人消費貸款個人經營貸款 識別風險，發現價值 請務必閱讀末頁的免責聲明 1818/2626 Table_PageText 深度分析|多元金融 15 深圳亞聯財小額貸款有限公司 100000 萬元 2007/9/11 16 重慶神州數碼慧聰小額貸款有限公司 100000 萬元 2014/5/13 17 杭州金投行網絡小額貸款有限公司 100000 萬元 2014/9/17 18 深圳市小贏小額貸款有限責任公司 100000 萬元 2021/5/31 19 深圳市鵬友小額貸款有限公司 100000 萬元 2021/9/9 20 廣州慧

57、新互聯網小額貸款有限公司 100000 萬元 2016/9/19 21 廣州 TCL 互聯網小額貸款有限公司 100000 萬元 2016/10/28 22 江西贛江新區愛施德網絡小額貸款有限公司 100000 萬元 2017/5/17 23 山東融越網絡小額貸款有限公司 100000 萬元 2021/3/30 24 浙江浙農網絡小額貸款有限公司 100000 萬 2015/8/26 數據來源：零壹智庫，廣發證券發展研究中心 從行業來看，經歷2015-2021年的嚴監管周期，行業趨于成熟且頭部玩家地位逐漸清晰。根據奇富科技港股上市招股說明書，截至2021年，市場五大信貸科技平臺螞蟻集團、京東科

58、技、奇富科技、度小滿、樂信金融科技市場份額分別為26.0%、4.1%、2.4%、1.8%、1.5%。圖圖 23：小額貸款公司在貸余額小額貸款公司在貸余額（億元億元）及同比增速及同比增速 圖圖 24：小額貸款公司機構數量（家）：小額貸款公司機構數量（家）數據來源：wind，廣發證券發展研究中心 數據來源：wind，廣發證券發展研究中心 整個行業的絕對頭部是螞蟻、微信等，現金貸款利率基本上在15-20%左右，接下來是度小滿、美團、360借條等，在20-23%左右，截至目前，利率自低到高分別為度小滿、360借條、美團，再往下是24%+的長尾平臺。不同的玩家傾向于在自己的訂單區間內做業務。關于網絡小貸

59、貸款利率上限，原始民間借貸利率保護上限為24%，但2020年8月20日，最高人民法院發布新修訂的最高人民法院關于審理民間借貸案件適用法律若干問題的規定，將民間借貸利率的司法保護上限調整為以中國人民銀行授權全國銀行間同業拆借中心每月20日發布的一年期貸款市場報價利率（LPR）的4倍為標準。但值得注意的是，文件中提及，經金融監管部門批準設立的從事貸款業務的金融機構及其分支機構，因發放貸款等相關金融業務引發的糾紛，不適用本規定。綜上，國內小額貸款公司適應法律仍為24%，即：-40%-20%0%20%40%60%80%100%120%02,0004,0006,0008,00010,00012,0002

60、010-122011-112012-102013-092014-082015-072016-062017-052018-042019-032020-022021-012021-122022-112023-1002,0004,0006,0008,00010,0002010-122011-102012-082013-062014-042015-022015-122016-102017-082018-062019-042020-022020-122021-102022-082023-062024-04中國:小額貸款公司:機構數量 識別風險，發現價值 請務必閱讀末頁的免責聲明 1919/2626 Ta

61、ble_PageText 深度分析|多元金融 借貸雙方約定的利率未超過年利率24%，出借人請求借款人按照約定的利率支付利息的，人民法院應予支持。自然債務區：借貸雙方約定的年利率在24%至36%之間，屬于自然債務區。出借方起訴主張該區間部分利息，法院不予保護；借款人自愿履行完畢，法院不予干預；借款人抗辯要求返還或折抵該部分已支付利息，法院亦不予保護。無效區：借貸雙方約定的利率超過年利率36%，超出部分的利息被認定無效。圖圖 25：全國小額貸款公司貸款余額（億元）以及核心市場參與者全國小額貸款公司貸款余額（億元）以及核心市場參與者 數據來源：各家公司官網，wind，廣發證券發展研究中心 圖圖 26

62、：微粒貸微粒貸 現金貸現金貸 圖圖 27：度小滿：度小滿 現金貸現金貸 數據來源：公司 APP，廣發證券發展研究中心 數據來源：公司 APP，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 2020/2626 Table_PageText 深度分析|多元金融 圖圖 28：美團借款美團借款 現金貸現金貸 圖圖 29：360借條借條 現金貸現金貸 數據來源：公司 APP，廣發證券發展研究中心 數據來源：公司 APP，廣發證券發展研究中心 復盤2017年至今的核心監管政策：自2015年關于促進互聯網金融健康發展的指導意見推出，互聯網小貸行業監管周期隨之啟動，直到2024年，小額貸

63、款公司監督管理暫行辦法（征求意見稿）落地，互聯網小貸行業監管趨于成熟和完善。當前，主流監管政策針對互聯網小貸公司的不良計提方式、暫停新增小額貸款公司從事網絡小額貸款業務，網絡小額貸款公司對單戶用于消費的貸款余額不得超過人民幣20萬元，對單戶用于生產經營的各項貸款余額不得超過人民幣1000萬元。此外，關于網貸催收，當前監管力度亦較強，主要根據三份文件開展，分別是互聯網金融個人網絡消費信貸貸后催收風控指引該標準已通過全國金融標準化技術委員會審查，并規定了每日電話催收不能超過 3 次、晚上 10 點以后不能催收、不應向聯系人催收等內容。關于進一步規范金融機構網絡貸款業務的通知也對網絡貸款的催收行為進

64、行了嚴格規范，明確禁止使用暴力、恐嚇、侮辱、誹謗等手段進行催收，并要求加強對催收人員的管理和培訓。此外，網絡借貸信息中介機構業務活動管理暫行辦法也間接地規范了催收行為，禁止暴力催收等。表表 4：歷史政策復盤：歷史政策復盤 時時間間 部門部門 政策名稱政策名稱 核心內容核心內容 2015 中國人民銀行等十部委 關于促進互聯網金融健康發展的指導意見 互聯網小貸行業監管的起點 2016 中國銀監會 網絡借貸信息中介機構業務活動管理暫行辦法 保護出借人、借款人、網絡借貸信息中介機構及相關當事人合法權益而制定的法規。2017 互聯網金融風險專項整治工作領導小組辦公室 關于立即暫停批設網絡小額貸款公司的通

65、知 禁止新增批小額貸款公司跨?。▍^、市）開展小額貸款業務。2020 銀保監會 關于加強小額貸款公司監督管理的通知 小額貸款公司原則上應在公司住所所屬縣級行政區域內開展業務，合理確定利率。2021 中國銀保監會 關于進一步規范商業銀行互聯網貸款業務的通知 明確出資比例、集中度及限額三項定量指標，進一步加強了對商業銀行互聯網貸款業務的監管。識別風險，發現價值 請務必閱讀末頁的免責聲明 2121/2626 Table_PageText 深度分析|多元金融 2024 國家金融監督管理總局 小額貸款公司監督管理暫行辦法（征求意見稿）對小額貸款公司的行業準入、業務種類、融資模式、貸款用途、外部合作、消費者

66、權益保護等多方面進行規范。網絡小額貸款公司對單戶用于消費的貸款余額不得超過人民幣 20 萬元，對單戶用于生產經營的各項貸款余額不得超過人民幣 1000 萬元。規定小額貸款公司應當將逾期 90 天及以上的貸款劃分為不良貸款，數據來源：各政府官網，廣發證券發展研究中心 （二二）國內網貸趨勢國內網貸趨勢 其一，平臺化轉型。類似于Upstart，國內幾家網貸公司亦有平臺化轉型趨勢，以奇富科技（原360數科）為例：在收入構成方面，根據公司2023年財報，公司信貸驅動服務收入為117.4億元，占凈收入總額的72%，平臺服務收入為45.5億元，占凈收入總額的28%。其中，輕資本模式下的貸款撮合及服務費、轉介

67、服務費和其他服務費分別為32.14億元、9.50億元和3.88億元。在貸款余額方面，奇富科技的輕資本業務在貸款促成中占比顯著，截至2023年，公司輕資本業務促成的貸款占比達到57.0%，而貸款余額占比為61.4%。截止2024H1，公司輕資本業務促成的貸款占比達64.9%，貸款余額占比為65.8%，這一增長趨勢表明公司正逐步向輕資本模式轉型。圖圖 30：奇富科技奇富科技收入構成（收入構成（%）圖圖 31：奇富科技奇富科技撮合貸款余額構成（撮合貸款余額構成（%）數據來源：公司財報，廣發證券發展研究中心 數據來源：公司財報，廣發證券發展研究中心 具體分析奇富科技信用貸下游借貸場景，根據奇富科技官方

68、信息，截至2023年，公司人均貸款7500元（如圖32），通過360借條、360小微貸、360周轉靈等產品，奇0%10%20%30%40%50%60%70%80%90%100%信貸驅動服務（億元）平臺服務（億元）0%10%20%30%40%50%60%70%80%90%100%信貸驅動服務平臺服務 識別風險，發現價值 請務必閱讀末頁的免責聲明 2222/2626 Table_PageText 深度分析|多元金融 富科技幫助金融機構為小微用戶提供信貸科技服務。公司下游借貸以零售C端為主，平臺化轉型亦是屬性使然。圖圖 32：奇富科技客戶構成奇富科技客戶構成 數據來源：公司財務報告，廣發證券發展研究

69、中心 其二，注入AI。隨著人工智能技術的迅猛發展，金融行業正在迎來前所未有的變革。作為AI技術的集大成者，大模型憑借其卓越的數據處理能力和深度學習能力，正逐漸成為推動金融創新的核心動力。目前已有多家上市信貸科技企業廣泛應用AI技術，推動金融服務創新和優化，其中信也科技、樂信、陸金所控股、奇富科技為典型代表。表表 5：復盤奇富科技智能化歷史復盤奇富科技智能化歷史 時間時間 產品產品/事件事件 內容內容 2024年年 數字普惠信貸解決方案FocusPRO2.0 上線運行 9 個月放款 20 億+，在貸余額約 18 億。本次發布的 FocusPRO2.0 最大亮點在于獨創的小微信貸三段式逐級授信體系

70、。AI 伴侶“小奇”第一，小奇實現了全程智能 0 人工服務第二，小奇具備多輪次智能交互能力。第三，小奇還具備語控一切的能力。只需簡單語音指令，即可輕松喚醒 奇富 Copilot 核心大模型 借助 QiFuGPT 和 AI 技術，提供專家級輔助和高效準確應答 語音識別系統“QiFree”在精準度和方言識別上取得重大突破 中文語音識別領域實現指數級的精準度提升，可同時支持全國絕大部分口音方言實現即說即譯。2023年年 毓智 AI 專家以奇富大模型為底座，形成金融領域的“AI 專家”。針對金融領域商業數據分析場景，AI 專家基于金融行業大數據，按步驟給出數據分析思路，并輸出數據結果與最終結論。識別風

71、險，發現價值 請務必閱讀末頁的免責聲明 2323/2626 Table_PageText 深度分析|多元金融 奇富科技與 360 智腦升級戰略合作，加速完善金融行業大模型 通過奇富 GPT 與 360 智腦的算法、算力、數據融合，雙方將協同優化奇富 GPT，擴大其在已有業務中的應用場景，并優化奇富 GPT 向金融行業合作伙伴輸出的落地體驗，拓寬、加深奇富 GPT 作為首個金融行業的垂直大模型的行業壁壘。MetaGPT 智能風險識別引擎 在 MetaGPT 智能風險識別引擎下，安全中心可以自動分析和識別各種可疑信息，并對其進行風險等級劃分。2022年年 Apache Doris 在毓數大數據分析

72、多場景落地應用 Doris 不僅支持高并發的實時查詢場景，也能支持高吞吐的復雜分析場景。360 數科自主研發的多級加速查詢引擎，支持多查詢引擎動態切換的機制 Glaucus 增長引擎 快速高并發處理決策、實時對海量流量 ms 級決策，用戶精準識別以及價值判斷、競爭環境的捕獲和量化，策略和模型小時級的自學習迭代 Jarvis 金融軟件開發助理 借助 AI 技術，能完成核心需求分析，代碼編寫，測試運行等能力 2021年年 自主搭建了鯤龍系統進行智能獲客。以人群洞察系統、DMP 平臺、智能投放引擎為支撐，全面助力投放策略和目標人群的選定的實時變化。2020年年 Argus 智能風控引擎 Argus

73、是由數字資產+AI 技術+專家經驗+工程技術組成的有機結合體，有反欺詐、信用評估和風險預警三大核心功能 數據來源：奇富科技官網，廣發證券發展研究中心 仍以奇富科技為例，根據奇富科技官方公眾號信息，自推出奇富GPT，奇富GPT通過對海量數據的深度挖掘與分析，成功將小微用戶行業屬性的精準打標提升至96.7%，奇富科技的AI應用已經產生了顯著的業務效果。在小微識別與信貸審批領域，奇富GPT成功構建了專門針對小微用戶的知識圖譜，能夠深入解析法人、上級機構、抵押物、債權等復雜關系網絡，有效識別潛在風險。在客服領域，奇富GPT的AI-Copilot系統使客服人效提升了4.1%，用戶轉化率增加了5.6%，同

74、時管理效率提升了50%。在智能營銷領域，奇富科技結合AIGC技術，形成了自動化+AIGC的全閉環能力。大約70%的圖片素材和20%的視頻素材由大模型生成，使客戶觸達規模增加了21.4%，授信成本優化了9%，成為大模型在業務增效方面的典范應用。其三，順周期彈性較大。核心互聯網小額貸余額較經濟增速關系更緊，彈性更大。核心互聯網小額貸余額較經濟增速關系更緊，彈性更大。根據奇富科技貸款余額、互聯網信貸余額均值、上市銀行信用貸余額均值與GDP之間的關系彈性來看，信貸科技企業貸款相較GDP增長彈性更足、關系更緊，隨著經濟逐漸復蘇，互聯網信用貸企業放貸余額有望彈性增長。參考美國個貸變化趨勢，2023年美國G

75、DP同比增長，帶動個貸彈性增加。識別風險，發現價值 請務必閱讀末頁的免責聲明 2424/2626 Table_PageText 深度分析|多元金融 圖圖 33：奇富科技貸款余額奇富科技貸款余額、信貸科技均值及、信貸科技均值及GDP（右右）圖圖 34：上市銀行信用貸余額與：上市銀行信用貸余額與GDP（右右）數據來源：各家公司財報，wind，廣發證券發展研究中心 數據來源：wind，廣發證券發展研究中心 圖圖 35：各類非住房貸款同比增速（：各類非住房貸款同比增速（%）數據來源：tradingeconomics，廣發證券發展研究中心 四、風險提示四、風險提示（一）（一）監管政策的風險監管政策的風險

76、 長尾消費貸可能面臨其它監管政策風險，導致放貸利率下降。（二）（二）經濟環境下行的風險經濟環境下行的風險 若經濟下行導致內需收縮，長尾貸款需求下降以及不良監管難度將有所提升。（三三）利率風險利率風險 若由于負債端管理不善導致資產端利率下行速度超過負債端利率可能導致行業息差加速縮窄。-0.02%-0.01%0.00%0.01%0.02%0.03%0.04%19Q420Q120Q220Q320Q421Q121Q221Q321Q422Q122Q222Q322Q423Q123Q223Q3Personal LoansCredit CardsAuto LoansStudent Loans 識別風險，發現價

77、值 請務必閱讀末頁的免責聲明 2525/2626 Table_PageText 深度分析|多元金融 廣發非銀金融行業研究小組廣發非銀金融行業研究小組 陳 福：首席分析師，經濟學碩士，2017 年進入廣發證券研究發展中心。劉 淇：資深分析師，中南財經政法大學投資學碩士，2020 年進入廣發證券發展研究中心。嚴 漪 瀾：高級分析師，中山大學金融學碩士，2022 年進入廣發證券發展研究中心。李 怡 華：高級研究員，上海財經大學財務管理碩士，2023 年進入廣發證券發展研究中心。廣發證券廣發證券行業行業投資評級說明投資評級說明 買入：預期未來12 個月內，股價表現強于大盤10%以上。持有：預期未來12

78、 個月內，股價相對大盤的變動幅度介于-10%+10%。賣出：預期未來12 個月內，股價表現弱于大盤10%以上。廣發證券廣發證券公司投資評級說明公司投資評級說明 買入：預期未來12 個月內，股價表現強于大盤15%以上。增持：預期未來12 個月內，股價表現強于大盤5%-15%。持有：預期未來12 個月內，股價相對大盤的變動幅度介于-5%+5%。賣出：預期未來12 個月內，股價表現弱于大盤5%以上。聯系我們聯系我們 廣州市 深圳市 北京市 上海市 香港 地址 廣州市天河區馬場路26 號廣發證券大廈47 樓 深圳市福田區益田路6001 號太平金融大廈 31 層 北京市西城區月壇北街 2 號月壇大廈 1

79、8層 上海市浦東新區南泉北路 429 號泰康保險大廈 37 樓 香港灣仔駱克道 81號廣發大廈 27 樓 郵政編碼 510627 518026 100045 200120-客服郵箱 法律主體法律主體聲明聲明 本報告由廣發證券股份有限公司或其關聯機構制作，廣發證券股份有限公司及其關聯機構以下統稱為“廣發證券”。本報告的分銷依據不同國家、地區的法律、法規和監管要求由廣發證券于該國家或地區的具有相關合法合規經營資質的子公司/經營機構完成。廣發證券股份有限公司具備中國證監會批復的證券投資咨詢業務資格，接受中國證監會監管，負責本報告于中國（港澳臺地區除外）的分銷。廣發證券（香港）經紀有限公司具備香港證監

80、會批復的就證券提供意見（4 號牌照）的牌照，接受香港證監會監管，負責本報告于中國香港地區的分銷。本報告署名研究人員所持中國證券業協會注冊分析師資質信息和香港證監會批復的牌照信息已于署名研究人員姓名處披露。重要重要聲明聲明 廣發證券股份有限公司及其關聯機構可能與本報告中提及的公司尋求或正在建立業務關系，因此，投資者應當考慮廣發證券股份有限公司及其關聯機構因可能存在的潛在利益沖突而對本報告的獨立性產生影響。投資者不應僅依據本報告內容作出任何投資決策。投資者應自主作出投資決策并自行承擔投資風險，任何形式的分享證券投資收益或者分擔證券投資損失的書面或者口頭承諾均為無效。本報告署名研究人員、聯系人（以下

81、均簡稱“研究人員”）針對本報告中相關公司或證券的研究分析內容，在此聲明：（1）本報告的全部分析結論、研究觀點均精確反映研究人員于本報告發出當日的關于相關公司或證券的所有個人觀點，并不代表廣發證券的立場；（2）研究人員的部分或全部的報酬無論在過去、現在還是將來均不會與本報告所述特定分析結論、研究觀點具有直接或間接的聯系。研究人員制作本報告的報酬標準依據研究質量、客戶評價、工作量等多種因素確定，其影響因素亦包括廣發證券的整體經營收入，該等經營收入部分來源于廣發證券的投資銀行類業務。本報告僅面向經廣發證券授權使用的客戶/特定合作機構發送，不對外公開發布，只有接收人才可以使用，且對于接收人而言具有保密

82、義 系因此投資者應當考慮存潛利益沖突而對獨性產生影響不僅依據內容 識別風險，發現價值 請務必閱讀末頁的免責聲明 2626/2626 Table_PageText 深度分析|多元金融 務。廣發證券并不因相關人員通過其他途徑收到或閱讀本報告而視其為廣發證券的客戶。在特定國家或地區傳播或者發布本報告可能違反當地法律，廣發證券并未采取任何行動以允許于該等國家或地區傳播或者分銷本報告。本報告所提及證券可能不被允許在某些國家或地區內出售。請注意，投資涉及風險，證券價格可能會波動，因此投資回報可能會有所變化，過去的業績并不保證未來的表現。本報告的內容、觀點或建議并未考慮任何個別客戶的具體投資目標、財務狀況和

83、特殊需求，不應被視為對特定客戶關于特定證券或金融工具的投資建議。本報告發送給某客戶是基于該客戶被認為有能力獨立評估投資風險、獨立行使投資決策并獨立承擔相應風險。本報告所載資料的來源及觀點的出處皆被廣發證券認為可靠，但廣發證券不對其準確性、完整性做出任何保證。報告內容僅供參考，報告中的信息或所表達觀點不構成所涉證券買賣的出價或詢價。廣發證券不對因使用本報告的內容而引致的損失承擔任何責任，除非法律法規有明確規定?？蛻舨粦员緢蟾嫒〈洫毩⑴袛嗷騼H根據本報告做出決策，如有需要，應先咨詢專業意見。廣發證券可發出其它與本報告所載信息不一致及有不同結論的報告。本報告反映研究人員的不同觀點、見解及分析方法，

84、并不代表廣發證券的立場。廣發證券的銷售人員、交易員或其他專業人士可能以書面或口頭形式，向其客戶或自營交易部門提供與本報告觀點相反的市場評論或交易策略，廣發證券的自營交易部門亦可能會有與本報告觀點不一致，甚至相反的投資策略。報告所載資料、意見及推測僅反映研究人員于發出本報告當日的判斷，可隨時更改且無需另行通告。廣發證券或其證券研究報告業務的相關董事、高級職員、分析師和員工可能擁有本報告所提及證券的權益。在閱讀本報告時，收件人應了解相關的權益披露（若有）。本研究報告可能包括和/或描述/呈列期貨合約價格的事實歷史信息（“信息”）。請注意此信息僅供用作組成我們的研究方法/分析中的部分論點/依據/證據，以支持我們對所述相關行業/公司的觀點的結論。在任何情況下，它并不（明示或暗示）與香港證監會第5 類受規管活動（就期貨合約提供意見）有關聯或構成此活動。權益披露權益披露(1)廣發證券（香港）跟本研究報告所述公司在過去12 個月內并沒有任何投資銀行業務的關系。版權聲明版權聲明 未經廣發證券事先書面許可，任何機構或個人不得以任何形式翻版、復制、刊登、轉載和引用，否則由此造成的一切不良后果及法律責任由私自翻版、復制、刊登、轉載和引用者承擔。