銀行業(yè)專題研究：互聯(lián)網(wǎng)銀行深度解析原理與實例

1、內(nèi)容目錄 HYPERLINK l _TOC_250007 銀行業(yè)舞于浪潮之巔4 HYPERLINK l _TOC_250006 純線上放貸的主要技術(shù)原理6 HYPERLINK l _TOC_250005 樣本銀行的財務分析9 HYPERLINK l _TOC_250004 資產(chǎn)負債結(jié)構(gòu)分析9 HYPERLINK l _TOC_250003 盈利能力分析10 HYPERLINK l _TOC_250002 主要結(jié)論與問題 HYPERLINK l _TOC_250001 投資建議 HYPERLINK l _TOC_250000 風險提示12國信證券投資評級14分析師承諾14風險提示14證券投資咨詢

2、業(yè)務的說明14圖表目錄圖1：早期以方式接入的手機銀行4圖2：Web1.0由網(wǎng)站主辦方提供內(nèi)容，較為有限5圖3：Web2.0由用戶行為生產(chǎn)內(nèi)容，最終積累大數(shù)據(jù)5圖4：被選中的客戶（左）才能看到貸款申請界面7圖5：信用風險評價的基本流程8表1：銀行業(yè)引進信息技術(shù)的三個階段6表2：銀行利用大數(shù)據(jù)進行信用風險評價8表3：四家互聯(lián)網(wǎng)銀行基本信息9表4：互聯(lián)網(wǎng)銀行與行業(yè)的2018年末資產(chǎn)負債結(jié)構(gòu)對比9表5：互聯(lián)網(wǎng)銀行與行業(yè)的2018年杜邦分解對比10表6：重點個股估值表13截止目前，我國已經(jīng)有多家純線上運營的互聯(lián)網(wǎng)銀行，經(jīng)過幾年經(jīng)營，其模式已得到初步驗證，但其未來發(fā)展前景仍有待觀察。本報告首先詳細介紹其業(yè)

3、務模式、風控模式，分析其 2018 年經(jīng)營成果，然后討論該模式對整個銀行業(yè)可能的影響。銀行業(yè)舞于浪潮之巔互聯(lián)網(wǎng)銀行是現(xiàn)代信息技術(shù)在銀行業(yè)應用的最高階段，而在過去半個多世紀以電子銀行階段：大約始于上世紀六七十年代，我國銀行電子化進程略晚于西方，但差距并不算大。隨著二戰(zhàn)后全球經(jīng)濟快速增長，金融交易的金額和筆數(shù)日益增加，原先的手工處理逐漸不堪重負，出錯率還高，西方發(fā)達發(fā)明即為自動取款機。前臺用計算機處理業(yè)務，后臺有存儲設備，內(nèi)部由算機系統(tǒng)的標準配置。除了高效處理業(yè)務外，還能使管理層、監(jiān)管層能夠更高效地掌握數(shù)據(jù)，便于更科學的經(jīng)營和監(jiān)管決策。后來，計算機在銀行業(yè)中的應用逐漸深入，最終成為了行業(yè)基本配置。

4、1990 年代開始，計算機網(wǎng)絡技術(shù)年由中國銀行推出了內(nèi)地第一例網(wǎng)上銀行，隨后各銀行持續(xù)跟進，接入渠道有的是網(wǎng)銀軟件，有的是直接在網(wǎng)頁上登陸網(wǎng)銀。隨著手機功能增強， 2001（能手機成熟之前，以WAP等方式接入手機銀行體驗不佳，未得推廣。圖 1：早期以 WAP 方式接入的手機銀行資料來源：浦發(fā)銀行， 整理（僅舉例之用，不代表對該行證券或產(chǎn)品的推薦）用戶生產(chǎn)內(nèi)容積累大數(shù)據(jù)用戶目前網(wǎng)上銀行、手機銀行已成為各家銀行的基本配置。網(wǎng)上銀行、手機銀行極大便利了客戶，實現(xiàn)隨時隨地業(yè)務辦理，且大幅降低了單筆業(yè)務辦理成本，使一家銀行實現(xiàn)了對大量零售客群的高效服務。但由于當時技術(shù)條件所限，并無法實現(xiàn)所有業(yè)務的網(wǎng)絡化

5、，只能辦理查詢、理財、支付、轉(zhuǎn)賬等之類的標準化業(yè)務，但開戶、貸款等業(yè)務仍然無法純線上辦理，辦理放貸業(yè)務，銀行仍然需要在線下審核貸款申請人。用戶生產(chǎn)內(nèi)容積累大數(shù)據(jù)用戶212004概念被提出， 又稱UG（User Geerated Content，即用戶創(chuàng)造內(nèi)容，泛指各種用戶主動參與的互聯(lián)網(wǎng)應用。而與之對應的，就是 Web1.0，即由網(wǎng)站主辦方UGC 信息、內(nèi)容的生產(chǎn)創(chuàng)造速度大幅度提高，各種互聯(lián)網(wǎng)應用平臺開始快速積2008“大數(shù)據(jù)”圖 2：Web1.0 由網(wǎng)站主辦方提供內(nèi)容，較為有限用戶用戶用戶用戶用戶用戶用戶用戶用戶用戶網(wǎng)站：內(nèi)容發(fā)布網(wǎng)站：內(nèi)容發(fā)布資料來源： 整理圖 3：Web2.0 由用戶行為

6、生產(chǎn)內(nèi)容，最終積累大數(shù)據(jù)用戶用戶網(wǎng)站：提供平臺用戶用戶網(wǎng)站：提供平臺資料來源： 整理用戶幾乎所有人都意識到了大數(shù)據(jù)深藏巨大的價值，但價值密度很低，有用的提煉等工序才能得到金子，即有用的信息。于是，部分互聯(lián)網(wǎng)企業(yè)開始進用戶最后，互聯(lián)網(wǎng)金融（具體到銀行業(yè)則是互聯(lián)網(wǎng)銀行）的概念被提了出來， 通過大數(shù)據(jù)刻畫客戶特征、辨別風險，最終開始嘗試純線上放貸，從而突破了網(wǎng)絡銀行時代的局限。因此，“互聯(lián)網(wǎng)金融”一名顯得有些不夠準確， 網(wǎng)絡技術(shù)在第二階段便已成熟了，第三階段的創(chuàng)新之處在于大數(shù)據(jù)。我國最早嘗試純線上放貸的機構(gòu)是大型銀行，它們擁有巨大的客群和數(shù)據(jù)， 為了更好地服務客戶，開始探索純線上放貸。但后來以螞蟻微

7、貸為代表的互聯(lián)網(wǎng)小貸公司則將其作為主要業(yè)務，進行了更大力度的開發(fā)和推廣。而當純線上放貸業(yè)務趨于成熟之后，才誕生了真正意義的、與客戶可以自始自終不用見面的互聯(lián)網(wǎng)銀行。表 1：銀行業(yè)引進信息技術(shù)的三個階段階段第一階段第二階段第三階段主要特征金融電子化金融網(wǎng)絡化金融智能化大致時期1960 年代開始1990 年代開始2010 年之后主要技術(shù)引進計算機主要用于代手工包括專網(wǎng)和互聯(lián)網(wǎng)利用所積累的大數(shù)據(jù)進行客戶特征刻畫主要成果業(yè)務處理和數(shù)據(jù)存儲備資料來源： 整理網(wǎng)上銀行、網(wǎng)上證券等精準營銷與大數(shù)據(jù)風控當然，以上三個階段的劃分是非常粗略的。比如，第一階段在銀行內(nèi)部其實也已經(jīng)有了網(wǎng)絡技術(shù)。再比如在第二個階段，即

8、網(wǎng)絡銀行階段，就已經(jīng)有了互聯(lián)First Network Bank）在美國成立，但并沒有類似現(xiàn)在的大數(shù)據(jù)等資源和技術(shù)，也只能實現(xiàn)類似傳統(tǒng)銀行的網(wǎng)上銀行的服務功能，因此經(jīng)營效果并不理想，后來被其他傳統(tǒng)銀行收購。從以上三個歷史發(fā)展階段，我們發(fā)現(xiàn)，銀行業(yè)在新科技的應用上非常積極，在各行各業(yè)中居于較為領先的水平。同時，很多新應用的普及程度也較快，大部分卓有成效的技術(shù)最后都會變成行業(yè)基本配置，實現(xiàn)技術(shù)普及。目前，傳統(tǒng)銀行和互聯(lián)網(wǎng)銀行均已進入第三階段，先后推出純線上放貸業(yè)務，極大拓展了原先的信貸客群，挖掘了新的業(yè)務空間，是銀行史上革命性的技術(shù)突破。純線上放貸的主要技術(shù)原理純線上放貸是指不與客戶見面，完全依靠

9、所掌握的數(shù)據(jù)和信息，在線上就實現(xiàn)了客戶拓展與營銷、完成風險定價（信用評價）實現(xiàn)放貸。傳統(tǒng)銀行和無物理網(wǎng)點的互聯(lián)網(wǎng)銀行均可從事這樣的業(yè)務，但傳統(tǒng)銀行是作為自己傳統(tǒng)業(yè)務的補充，而互聯(lián)網(wǎng)銀行則將此作為主營業(yè)務。本報告主要以互聯(lián)網(wǎng)銀行為樣本，介紹這種純線上放貸業(yè)務。互聯(lián)網(wǎng)銀行并無精確定義，我國的銀行監(jiān)管分類上也無互聯(lián)網(wǎng)銀行一類，本報告所指的互聯(lián)網(wǎng)銀行，是指無物理網(wǎng)點（或雖有個別物理網(wǎng)點，但并不在全行業(yè)務中起主要作用，只是起到類似旗艦店的形象功能，比如新網(wǎng)銀行、蘇寧銀行這些銀行均依靠互聯(lián)網(wǎng)、大數(shù)據(jù)實現(xiàn)客戶的拓展和風險評價，但根據(jù)其主要客戶、數(shù)據(jù)是來源于體系內(nèi)和體系外，又可區(qū)分為專屬客群模式和全客群模式。

10、專屬客群模式。這一模式下，由于機構(gòu)本身便已對客戶非常熟悉，因此事先精“邀請制APP 界面上都看不到申請貸款的鏈接。圖 4：被選中的客戶（左）才能看到貸款申請界面資料來源：微信界面， 整理（或僅能少量提供大數(shù)據(jù)主要用于客戶拓展與營銷、信用風險評價，本報告主要討論信用風險評授信決策。任何授信決策必然包括對客戶還款能力、還款意愿的分析，同時還“壞人壞人，需要及時拒絕。還款能力：利用大數(shù)據(jù)預判客戶的還款能力，即大數(shù)據(jù)信用風險評價（時簡稱大數(shù)據(jù)風控前后相連的三個階段：首先是建模期，先選定一些變量（表 2：銀行利用大數(shù)據(jù)進行信用風險評價階段主要功能建模期（過去）選定變量（a,b,c）及其歷史數(shù)據(jù)與信用結(jié)果

11、（y）之間構(gòu)建模型：y=f(a,b,c,)驗證期（過去）將其他樣本的變量歷史數(shù)據(jù)代入模型，得到預測的信用結(jié)果，與真實結(jié)果比對，驗證模型有效性運用期（未來）代入變量的現(xiàn)值，預判未來的信用結(jié)資料來源： 整理確定商數(shù)據(jù)采集數(shù)據(jù)數(shù)據(jù)轉(zhuǎn)換和整合預測挖掘過程跟蹤和提高應用知識表示和決確定商數(shù)據(jù)采集數(shù)據(jù)數(shù)據(jù)轉(zhuǎn)換和整合預測挖掘過程跟蹤和提高應用知識表示和決判決圖 5：信用風險評價的基本流程資料來源：劉新海征信與大數(shù)據(jù)：移動互聯(lián)時代如何重塑“信用體系”， 整理型的有效性。但現(xiàn)在各類技術(shù)發(fā)展后，開始使用機器學習等方式，自動從海量數(shù)據(jù)中找到相關(guān)性顯著的變量，有時出來的模型結(jié)果不一定具有可解釋性（無法解釋該變量和信用

12、的相關(guān)性）慮不法分子“刷分”起初，放貸機構(gòu)面對的可能是從未獲取貸款的客群（是指整個群體都未獲得過貸款只能先由征信專家挑選可能與還款相關(guān)的變量，嘗試性地放款，看到信用結(jié)果后，再慢慢積累經(jīng)驗、完善模型。用。通過上述幾項系統(tǒng)，銀行或其他放貸機構(gòu)便可以客戶的大數(shù)據(jù)為基礎，以合理成本，實現(xiàn)對陌生客戶的風險評價，完成授信決策。專屬客群模式的原理也是一樣的，只是其數(shù)據(jù)來源可能更好一些。上述模式的主要成本包括營銷成本、數(shù)據(jù)獲取成本、模型或系統(tǒng)開發(fā)成本等，由于該模式興起年限還不算長，因此整體成本水平不算低，這也導致了現(xiàn)有的幾家互聯(lián)網(wǎng)銀行放貸利率均較高，我們在后續(xù)的財務分析中分析這一點。樣本銀行的財務分析我國目前

13、有多家互聯(lián)網(wǎng)銀行從事（或主要從事）純線上放貸業(yè)務，也有傳統(tǒng)銀2018 年年報的互聯(lián)網(wǎng)銀行為樣本，基于他們A股上市銀行的合計值作為全行業(yè)的平均水平，用來對比。目前，列入樣本的是微眾銀行、網(wǎng)商銀行、新網(wǎng)銀行、蘇寧銀行。前兩家完全無物理網(wǎng)點，且屬于專屬客群模式，后兩家有一家總行網(wǎng)點，但并不在全行業(yè)（當然股東方也會有一定的資源支持表 3：四家互聯(lián)網(wǎng)銀行基本信息銀行全稱深圳前海微眾銀行浙江網(wǎng)商銀行四川新網(wǎng)銀行江蘇蘇寧銀行開業(yè)時間2015 年 1 月2015 年 6 月2016 年 12 月2017 年 6 月注冊地廣東省深圳市浙江省杭州市四川省成都市江蘇省南京市主要股東騰訊、百業(yè)源、立業(yè)等螞蟻金股、復星

14、、萬向等新希望、小米、紅旗連鎖等蘇寧云商、日了東方等主要貸款產(chǎn)品微粒貸、微業(yè)貸網(wǎng)商貸、旺農(nóng)貸等好人貸等蘇寧云貸、升級貸等總資產(chǎn)（2018 年底）2200959362237凈利潤（2018 年）24.76.73.70.04資料來源：Wind，各銀行 2018 年報，國信證券經(jīng)濟研究整理（單位：億元）以下我們從資產(chǎn)負債結(jié)構(gòu)、盈利情況兩個方面，分析互聯(lián)網(wǎng)銀行的財務經(jīng)營效果。資產(chǎn)負債結(jié)構(gòu)分析首先，我們對比互聯(lián)網(wǎng)銀行與行業(yè)的 2018 年末資產(chǎn)負債結(jié)構(gòu)：表 4：互聯(lián)網(wǎng)銀行與行業(yè)的 2018 年末資產(chǎn)負債結(jié)構(gòu)對比微眾銀行網(wǎng)商銀行新網(wǎng)銀行蘇寧銀行上市銀行合計資產(chǎn)：現(xiàn)金及存放央行17%33%14%16%10%

15、同業(yè)資產(chǎn)0%10%1%25%6%貸款53%50%69%33%53%金融投資26%5%4%23%28%其他資產(chǎn)3%3%12%2%3%總資產(chǎn)100%100%100%100%100%負債與權(quán)益：同業(yè)融資20%42%51%26%21%存款70%45%38%60%68%其他負債4%7%3%1%3%所有者權(quán)益5%6%9%12%8%負債與所有者權(quán)益100%100%100%100%100%資料來源：Wind，各銀行 2018 年報，國信證券經(jīng)濟研究整理50% 左右。但是其他非信貸資產(chǎn)的配置則較為多樣。有些銀行積極參與金融投資， 主要是包括各種債券等，這一點與全行業(yè)類似，也是銀行流動性管理的常規(guī)操作。但同時，互

16、聯(lián)網(wǎng)銀行留存的現(xiàn)金與準備金普遍較多（有些銀行還有較高比例的同業(yè)資產(chǎn)負債結(jié)構(gòu)上，則發(fā)現(xiàn)大部分互聯(lián)網(wǎng)銀行存款占比較低，有些甚至大幅低于行業(yè)（%盈利能力分析接著，我們根據(jù)互聯(lián)網(wǎng)銀行的盈利情況。以下是它們 2018 年利潤表的杜邦分解：表 5：互聯(lián)網(wǎng)銀行與行業(yè)的 2018 年杜邦分解對比微眾銀行網(wǎng)商銀行新網(wǎng)銀行蘇寧銀行上市銀行合計利息凈收入/平均資產(chǎn)3.66%5.31%4.22%2.00%2.02%其中：利息收入/平均資產(chǎn)5.83%7.34%7.41%3.27%3.83%利息支出/平均資產(chǎn)-2.17%-2.03%-3.20%-1.28%-1.80%手續(xù)費及傭金凈收入/平均資產(chǎn)2.93%1.88%0.7

17、5%0.03%0.56%業(yè)務及管理費/平均資產(chǎn)-3.03%-4.43%-1.64%-1.12%-0.76%資產(chǎn)減值損失/平均資產(chǎn)-1.72%-1.77%-1.65%-0.76%-0.68%所得稅/平均資產(chǎn)-0.19%-0.16%-0.34%-0.01%-0.21%其他因素0.00%-0.07%0.06%-0.14%0.05%其中：其他非息凈收入/平均資產(chǎn)0.06%0.03%0.12%-0.13%0.17%稅費及其他成本/平均資產(chǎn)-0.07%-0.09%-0.06%-0.01%-0.13%營業(yè)外凈收入/平均資產(chǎn)0.01%0.00%0.00%0.00%0.00%ROA1.64%0.77%1.40%

18、0.01%0.98%權(quán)益乘數(shù)14.917.38.85.913.1ROE24.4%13.4%12.3%0.1%12.8%其他指標：不良率0.51%1.3%0.39%0%1.54%撥備覆蓋率848%NA693%-202%核心一級資本充足率NANA11.46%NA9.98%一級資本充足率NANA11.46%NA10.98%資本充足率12.82%12.1%12.62%26.33%13.61%資料來源：Wind，各銀行 2018 年報，國信證券經(jīng)濟研究整理。注：上市銀行核心一級資本充足率/一級資本充足率/資本充足率為算術(shù)平均值。從以上數(shù)據(jù)上看，互聯(lián)網(wǎng)銀行普遍資產(chǎn)收益率較高，部分貸款產(chǎn)品收益率甚至10%（

19、其他“灰色信貸”但同時，負債成本率也不低，尤其是在很難吸收結(jié)算存款、主要依靠高成本負業(yè)務及管理費/平均資產(chǎn)”1.14.5%0.76%， 高出非常多，顯示出互聯(lián)網(wǎng)銀行在數(shù)據(jù)購買、技術(shù)研發(fā)投入方面成本并不低。然后，“資產(chǎn)減值損失/平均資產(chǎn)”也高于行業(yè)，主要是這些客群本身信用水平低于傳統(tǒng)銀行，但整體不良率還是維持在了可控的水平，甚至低于行業(yè)。ROA互聯(lián)網(wǎng)銀行走的是一種“”（甚至部分品種可以說是非常高。主要結(jié)論與問題由于我國互聯(lián)網(wǎng)銀行經(jīng)營時限不長，最早的微眾銀行、網(wǎng)商銀行成立于 2015年，最遲的蘇寧銀行成立于 2017 年，上述財務結(jié)構(gòu)與經(jīng)營成果可能并非是未來的穩(wěn)態(tài)，因此還需等待實踐的進一步檢驗。展

20、望未來，其盈利性可能有以下幾點變動方向：術(shù)研發(fā)成本屬于固定成本（但數(shù)據(jù)購買成本屬于變動成本競爭會加劇，貸款收益率可能下降。以上兩個因素一正一負，最終尚不能準確判斷未來的盈利變化。而再往更長遠展望，我們認為還可能有以下幾個問題需要重點關(guān)注：之間比拼的將是建模能力、數(shù)據(jù)處理能力。天何時到來。投資建議A 股并無直接可投資的個股，只有新網(wǎng)銀行的股東紅旗連鎖、蘇寧銀行的股東蘇寧云商等。但是，正如上文所述，傳統(tǒng)銀行也在從事類似的純線上放貸業(yè)務，并且也取得了一定的效果，并且是大大小小的不同類型銀行均有參與。在數(shù)據(jù)成本、行業(yè)競爭等情況未發(fā)生重大變化的情況下，基于大數(shù)據(jù)風控的純線上放貸業(yè)務，盈利水平還是要超過行

21、業(yè)水平。因此，各類傳統(tǒng)銀行進入這一領域，短期內(nèi)還是能夠提高盈利水平的。當然，長遠看，這一領域的盈利水平有可能最終會回歸至行業(yè)水平。對銀行板塊，我們維持其基本面偏弱的判斷。考慮到板塊估值處于歷史較低水“超配”ROE “啞鈴型”組合。風險提示由于我國互聯(lián)網(wǎng)銀行經(jīng)營時限普遍不長，其經(jīng)營尚處于早期階段，因而相關(guān)財務數(shù)據(jù)波動性很大、穩(wěn)定性不足，導致有關(guān)分析指標的代表性可能不夠；前述對新興互聯(lián)網(wǎng)銀行分析的樣本數(shù)較少，因此類比分析其他互聯(lián)網(wǎng)銀行或從事相關(guān)業(yè)務的機構(gòu)時可能會有偏差。表 6：重點個股估值表收盤日:港元匯率收盤價普通股 ROE歸母凈利潤同比PBPE2019/11/50.8979（元）2018A20

22、19E2020E2018A2019E2020E2018A2019E2020E2018A2019E2020E601398.SH工商銀行5.9013.7%13.0%12.5%4.1%5.0%4.8%0.940.850.787.26.86.5601288.SH農(nóng)業(yè)銀行3.6513.4%12.7%12.0%5.1%7.1%2.5%0.800.730.676.46.05.9601988.SH中國銀行3.7012.0%11.3%11.1%4.5%3.9%4.9%0.720.660.616.36.15.8601328.SH交通銀行5.6611.5%11.2%10.6%4.9%4.5%2.8%0.660.61

23、0.575.95.75.51658.HK郵儲銀行4.6113.2%12.9%13.3%9.7%14.7%12.9%0.880.800.726.96.55.7600036.SH招商銀行37.1816.6%16.6%16.9%14.8%14.3%14.4%1.851.641.4411.910.49.0601166.SH興業(yè)銀行19.8314.2%13.8%13.4%6.0%8.6%8.2%0.940.840.767.06.45.9600016.SH民生銀行6.1913.0%12.2%11.7%1.0%3.9%4.8%0.660.600.555.25.04.8600000.SH浦發(fā)銀行12.7413.0%12.8%12.4%3.1%