您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[IMI]:2023年中国财富管理能力评价报告 - 发现报告
当前位置:首页/行业研究/报告详情/

2023年中国财富管理能力评价报告

金融2024-06-11IMI极***
AI智能总结
查看更多
2023年中国财富管理能力评价报告

No.2404 研究报告 中国财富管理能力评价报告(2023) IMI 微博·Weibo微信·WeChat ᴤཊ㋮ᖙ޵ᇩ䈧ⲫ䱶 http://www.imi.org.cn/ 目录 引言1 第1章中国财富管理行业格局与发展趋势3 1.1中国财富管理行业概述3 1.2中国财富管理行业竞争格局与机构特征4 1.2.1分析口径与方法4 1.2.2财富管理行业竞争格局5 1.2.3各类机构财富管理业务发展特点9 第2章中国财富管理机构数字化能力分析14 2.1中国财富管理机构数字化转型:内涵和趋势14 2.1.1财富管理机构数字化转型的内涵14 2.1.2财富管理机构数字化转型的趋势18 2.2中国财富管理机构数字化能力指标和分析框架21 2.2.1主要考察指标21 2.2.2指标内涵22 2.2.3分析框架22 2.3头部机构的财富管理数字化能力评价结果23 2.3.1头部机构的财富管理数字化能力情况23 2.3.2银行26 2.3.3第三方机构29 2.3.4券商30 第3章财富管理升级趋势:大模型加快数字化转型落地31 3.1大模型如何赋能财富管理31 3.1.1大模型vs.传统AI模型31 3.1.2大模型赋能财富管理的路径34 3.1.3大模型在财富管理领域应用的能力边界36 3.1.4在财富管理领域应用大模型的实践探索37 3.2在财富管理领域应用大模型的展望38 3.2.1在财富管理领域应用大模型的机遇38 3.2.2在财富管理领域应用的大模型需要具备的能力39 3.2.3在财富管理领域应用大模型的挑战与治理40 图表目录 图1排名前10家银行指数值9 图2排名前10券商指数值10 图3上榜7家公募基金指数值11 图4排名前10第三方机构指数值13 图5数字化财富管理的内涵15 图6数字财富管理与传统财富管理的区别16 图7分析框架23 图820家商业银行2023年MAU情况26 图920家商业银行2023年DAU情况27 图1020家商业银行2023年MAU/零售客户数情况27 图1120家商业银行2023年DAU/零售客户数情况28 图12散点图:13家银行MAU/零售客户数与非货非现金保有量28 图13散点图:13家银行DAU/零售客户数与非货非现金保有量28 图14传统CNNs模型架构图31 图15传统AI模型任务构建方式32 图16Transformer模型架构图33 图17大模型多任务应用模式33 图18大模型赋能财富管理前中后台34 图19类比美国,我国财富管理产业链或将更为细分39 表格目录 表12023年末业内机构公募财富管理产品(非现金类)保有规模指数100 强6 表22023年末业内机构公募财富管理产品(非现金类)规模指数100强机构类型7 表3100强机构指数值分布7 表4各类型机构指数平均值7 表52023年末公募财富管理产品(非现金类)保有规模TOP158 表6银行指数值分布9 表7券商指数值分布10 表87家公募基金指数值分布11 表9第三方机构指数值分布12 表102023年末前25家机构的财富管理数字化能力情况24 表11前25家机构财富管理规模和数字化能力指标排名情况(2023年) .........................................................25 表12商业银行:相关性分析29 表13第三方机构财富管理应用用户活跃度情况29 表14券商财富管理应用用户活跃度情况30 引言 2023年是中国财富管理充满机遇与挑战的一年,这一年里,财富管理行业的市场规模仍保持高速增长的趋势,但也面临着宏观经济和资本市场波动导致的业绩压力,以及中国财富管理客户的需求持续多样化、复杂化的新要求。2023年底至2024年初的股票市场暴跌对财富管理行业造成较大冲击,再一次引发了市场的不信任感,不利于行业长期高质量发展。度过危机并抓住机遇需要各类财富管理产品为客户带来切实的收益,这要求财富管理机构和资产管理机构以客户利益为中心,深入挖掘客户风险状况和理财需求,精准匹配产品特征,同时在投资交易中更稳健高效。为实现上述目标,加快推进财富管理行业数字化、精准化、智能化,利用前沿科技赋能行业发展,成为各类财富管理机构在未来一段时间内的核心要务。 本报告主要由三部分内容组成。第一部分基于2023年第四季度数据,对中国不同类型机构的公募财富管理产品(非现金类)保有规模(简称“财富管理规模”)指数进行分析。结果表明:第一,银行优势地位仍然稳固。在100强机构中有61家银行,且指数平均值持 续上升;前20名中有18家银行,前10名中有9家银行。尤其以招商银行为代表的头部机构的优势显著。第二,券商市场占有率持续扩张。2023年券商的权益类基金保有规模首次超越第三方基金销售机构,成为仅次于银行的第二大销售渠道,其保有规模和市占率均实现逆势增长;券商的非货基金保有规模和市场占有率也有较大提升,保持强势增长。由于券商具有场内ETF产品的差异化优势以及投顾等多种专业化服务,使得客户粘性进一步增强,财富管理具备优势的券商将加速发展。第三,公募基金公司财富管理服务仍有较大的发展潜力。和银行、券商相比,公募基金公司上榜数量较少(只有7家,均为头部机构),行业集中度 较高。第四,第三方机构依托互联网发展迅速,上榜数量较2023年上半年增加一家,指数 平均值较2023年上半年下降,但仍位列各类型机构均值的第一位。从上榜第三方机构前十家来看,其指数值差距较大。第三方财富管理机构多为互联网企业,其依托技术能力,在专业服务便捷性、普惠性和交互体验性方面具有较强竞争优势,同时具有更大的客户底盘优势。 第二部分着眼于财富管理行业数字化的现状和趋势,提出中国财富管理机构数字化能力指标,并对业内各类型头部机构的数字化能力建设进行深入分析。对财富管理机构而言,数字化转型重塑了行业传统的经营运作模式。这一过程从满足客户综合需求出发,不仅在产品和服务上实现创新,更推动机构在运营和管理层面的重构,使其财富管理能力有条件发生质的飞跃。目前部分头部机构的数字化转型已初显优势,线上触达和个性化自助定制服务将大量多层次线上客户流量有效转化为存量。具体我们将基于财富管理机构APP用户的月活跃程度(MAU)和日活跃程度(DAU)指标来评估财富管理机构数字化转型程度和数字化服务能力,并构建核心分析评价体系。我们发现,财富管理机构的相对MAU指标(MAU/零售客户数)、相对DAU指标(DAU/零售客户数)与非货币非现金财富管理产品保有量(亿元)之间均具有 明显的正向相关关系,财富管理机构的数字化能力是其财富管理规模和综合能力的重要影响因素。具有更高用户活跃度水平的财富管理机构,往往具有更高的财富管理规模,在财富管理领域处于靠前地位。 第三部分将聚焦大模型赋能财富管理,详细介绍大模型在财富管理行业中的应用场景和使用案例,并对未来大模型持续推动财富管理行业高质量发展的前景与挑战进行展望。未来AI大模型将广泛应用于财富管理行业,为中国财富管理行业数字化转型提速增效。与传统AI模型不同,大模型算法的出现使得低成本高个性化的模型训练和“千人千面”的客户服务成为可能。在大模型的赋能下,财富管理行业前中后台的运作机制将会发生重大转变。前台方面,大模型在智能营销、智能服务、智能运营等环节展现出更为显著的优势。中台方面,大模型通过对海量数据进行采集、计算、储存、加工和统一后,储存标准数据,形成大数据资产层,并基于数据资产进行二次加工,产出智力资本。大模型让来自于业务的数据反哺业务,并不断循环迭代,在客户画像、智能投研、智能投顾、智能风控等领域为客户提供高效服务。后台方面,大模型出色的代码生成能力能够帮助财富管理机构减少系统开发和对接成本,加速大模型和现有业务的融合。 大模型在财富管理领域的应用和推广,将有效推动我国财富管理行业的高质量发展,使我们对于行业的未来充满期待。然而,当前在财富管理领域应用大模型或在数据质量、风险合规、用户行为等领域仍然面临相关挑战。为此,监管部门和金融机构均应采取应对策略,使得大模型能够更加有效地服务财富管理行业。例如,在数据质量方面,通过添加数据标记、清洗和转换数据、数据缩减、增加数据多样性、持续监测和维护数据等方式对数据质量进行严格把控,共同打造行业数据集;在风险合规方面,引入警戒牌机制、缓冲区机制、车道线机制等,明确监管责任主体,建立一体化实施的大模型安全防控体系;在用户行为方面,积极投入垂直大模型预训练和应用层微调,打造算法逻辑各异的模型,建立起丰富的财富管理模型生态。 第1章中国财富管理行业格局与发展趋势 1.1中国财富管理行业概述 财富管理是一个较为宽泛的概念。中国人民银行于2021年12月29日发布的《金融从业规范财富管理》将其定义为:财富管理即贯穿于人的整个生命周期,在财富的创造、保有和传承过程中,通过一系列金融与非金融的规划与服务,构建个人、家庭、家族与企业的系统性安排,实现财富创造、保护、传承、再创造的良性循环。全方位的财富管理包括财富管理产品、保险规划、资产配置、退休规划、法律风险规划、税务筹划、不动产投资规划、收藏品规划以及家族财富传承等,其中财富管理产品主要包括投资产品(股票、基金、债券、资产管理产品等)和保险产品(人身保险、财产保险、理财保险三类),涉及行业机构大致可分为银行、券商、公募基金公司、保险公司和新兴的第三方机构。 财富管理作为金融服务的重要组成部分,连接着资金供给端的居民资产和资金需求端的实体经济,在服务实体经济、满足企业融资发展需求、促进产业创新升级的同时,也肩负着服务投资者、实现资源有效配置的作用。回顾过去,随着国内居民收入水平持续抬升、房产增值预期发生改变、20~55岁人口数占比继续降低、资本市场改革成效日益显现、低利率环境下寻求更多投资渠道,居民对金融资产的配置需求将持续提升,财富管理行业迎来快速发展机遇。由于各类金融机构在资金端、投研能力、客户资源、销售渠道、产品发行、人才团队、业务协同等方面各具差异,因此在发展财富管理业务上各有优劣,在竞争与合作中也将共生共荣。各类财富管理机构构成了财富管理行业生态链的主体,不同机构之间虽然在重叠的领域竞争,但在互补的领域也存在着合作。这种竞合关系会形成未来较长一段时期内财富管理行业的格局,推动行业整体水平的持续提升。 然而,目前财富管理行业也存在一些痛点和问题。首先,当前居民产品触达渠道不足、成本较高。传统财富管理体系中,由于客户触达方式有限、人力成本高昂等原因,金融机构通常践行“二八法则”,主要聚焦于服务单客体量较高的中高净值客群。在此背景下,大量中小投资者无法获得商业银行、证券公司和独立财管机构的专业化服务。国际对比来看,我国以基民、股民为代表的投资群体人数占比仍较低,同时由于我国当前基金销售渠道仍为银行主导,基金产品的各类费率相较海外市场仍偏高,进一步压缩了投资者的获利空间。其次,当前投资者非理性行为下、“基金赚钱而基民不赚钱”类现象突出。尽管目前部分国内投资者已通过持有基金等产品进行财富管理,但其仍可能因为非理性投资行为、导致无法获取与产品收益匹配的回报,追涨杀跌、频繁交易、过早止盈止损是造成基民收益与基金收益存在缺口的主要原因。投资者的非理性投资现象,一方面是由于在前述传统金融机构服务体系下、大众投资者无法获得财富管理服务而存在投教缺失,另一方面也是由于基金卖方销售模式下,渠道更倾向于促进基民的非理性行为、提升买卖频率,从而作为中间商赚取更多收益。此外,财富管理行业的对客服务能力及资产配置有效性存在提升空间。部分财富管理机构自身的投 3 研能力欠缺,缺乏在宏观层面对市场及大类资产走势、在微观层面对产品特征属性的判断。财富管理客户的最终收益一方面受到市场整体景气度(Beta)的影响,另一方面也取决于个人的资产配置和投资产品选择(Alpha)及个人情绪(进而影响投资行为)的影响,而目前财富管理机构在客户端“千人千面”的Alpha和情绪反馈两方面的处理仍有提升空间。 1.2中国财富管