金融科技行業(yè)2024春季策略報(bào)告：支付競(jìng)爭(zhēng)格局改善金融大模型加速落地

請(qǐng)參閱附注免責(zé)聲明1請(qǐng)參閱附注免責(zé)聲明2請(qǐng)參閱附注免責(zé)聲明3??圖

1：支付牌照數(shù)量197250269269

267247238

2372332242011862002503001501011005002011

2012

2013

2014

2015

2016

2017

2018

2019

2020

2021

2022

2023時(shí)間政策2015年8月央行注銷3張支付牌照，結(jié)束了第三方支付牌照“只發(fā)不撤”的歷史。2016年10月央行對(duì)非銀行支付機(jī)構(gòu)實(shí)施風(fēng)險(xiǎn)專項(xiàng)整治工作2021年10月《中國(guó)人民銀行關(guān)于加強(qiáng)支付受理終端及相關(guān)業(yè)務(wù)管理的通知》（259號(hào)文件）2023年12月《非銀行支付機(jī)構(gòu)監(jiān)督管理?xiàng)l例》表

1：支付牌照相關(guān)政策請(qǐng)參閱附注免責(zé)聲明4圖

2：支付牌照注銷數(shù)量增加23199149231305101520252015年2016年2017年2018年2019年2020年2021年2022年2023年請(qǐng)參閱附注免責(zé)聲明5?0.160%0.150%0.140%0.130%0.120%0.110%0.100%20192020202120222023H1拉卡拉新大陸新國(guó)都移卡樂刷圖

3：各家支付公司平均收單凈費(fèi)率均出現(xiàn)提升請(qǐng)參閱附注免責(zé)聲明6??圖

4：拉卡拉公司流水領(lǐng)先于同業(yè)（單位：億元）圖

5：拉卡拉收單凈費(fèi)率處于較低水平5000010000150003000025000200002020H12020H22021H12021H22022H12022H2

2023H1拉卡拉新大陸新國(guó)都移卡樂刷0.112%請(qǐng)參閱附注免責(zé)聲明70.139%0.124%0.129%0.100%0.080%0.060%0.040%0.020%0.000%0.120%0.140%0.160%拉卡拉新大陸新國(guó)都移卡樂刷?表

2：收入增量測(cè)算（單位：億元）表3：凈利潤(rùn)增量測(cè)算（單位：億元）請(qǐng)參閱附注免責(zé)聲明8請(qǐng)參閱附注免責(zé)聲明9圖

6：金融信息服務(wù)產(chǎn)業(yè)鏈數(shù)據(jù)來(lái)源：國(guó)泰君安證券研究證券交易所金融數(shù)據(jù)終端平臺(tái)行業(yè)上游 行業(yè)中游 行業(yè)下游財(cái)經(jīng)資訊資訊提供商數(shù)據(jù)提供商金融數(shù)據(jù)證券交易行情金融數(shù)據(jù)終端用戶金融軟件與信息服務(wù)提供商行情傳輸數(shù)據(jù)傳輸請(qǐng)參閱附注免責(zé)聲明10資訊傳輸數(shù)據(jù)清洗、加工、分析各類數(shù)據(jù)信息的推送、呈現(xiàn)圖

7：投資決策活動(dòng)的核心在于信息的獲取、邏輯的構(gòu)建和對(duì)交易因素的把握數(shù)據(jù)來(lái)源：國(guó)泰君安證券研究請(qǐng)參閱附注免責(zé)聲明11數(shù)據(jù)來(lái)源：國(guó)泰君安證券研究垂直金融行業(yè)大模型和通用大模型在算法訓(xùn)練和使用成本、更新迭代速度方面有不同表現(xiàn)。表

4：垂直金融型大模型和通用大模型在不同表現(xiàn)指標(biāo)上各有優(yōu)劣++請(qǐng)參閱附注免責(zé)聲明1213請(qǐng)參閱附注免責(zé)聲明Gemini1.5Pro??數(shù)據(jù)來(lái)源：國(guó)泰君安證券研究表

5：垂直金融型大模型和通用大模型的典型代表ChatGPT4.0OpenAIChatGPTChatGPT1750BTBPBLLaMa2Meta

AILLaMa2AI7B13B70B45TBAIGemini1.5

ProGoogleDeepMindGemini

1.5

Pro 175B100

tokenskimiKimi4Turbo

202000Claude3

124-5TB200GPT-3 tokens2605TBBloombergeGPTBloombergeBloombergGPT5007000NLPBQLHithinkGPTHithinkGPT 7B13B30B

70B

130B 2 tokenBenchmark7B13B34B

66B

104B 1.214請(qǐng)參閱附注免責(zé)聲明請(qǐng)參閱附注免責(zé)聲明 15功能信息獲取邏輯判斷選基金1）今年哪些基金凈值增長(zhǎng)最大？2）近7年最大回撤<10%的基金1）最好的前十名AI概念基金選股票1）選出凈利潤(rùn)增長(zhǎng)90%的公司

2）上海市值大于100億的公司推薦能上漲的十只股票從XX、XX、XX三只股票中選出最好的一個(gè)診股票1）XX股票主力持倉(cāng)成本1）XX股票基本面分析

2）XX股票k線形態(tài)分析看大盤2)復(fù)盤一下今天的漲跌停情況今天的超短情緒氛圍怎么樣中長(zhǎng)期大盤怎么走挑板塊2）今天漲停家數(shù)最多的行業(yè)今天熱門的板塊有哪些醫(yī)療板塊未來(lái)有投資價(jià)值嗎看宏觀1）中國(guó)最新的CPI數(shù)據(jù)

2）上海人均GDP1）豬肉價(jià)格走勢(shì)分析讀新聞1）醫(yī)療反腐的最新消息是什么公司回購(gòu)對(duì)市場(chǎng)有什么影響貴州茅臺(tái)最近有什么利好學(xué)投資1）什么是費(fèi)用比率股票被套了之后怎么解套怎么判斷板塊的持續(xù)性表

6：金融客戶關(guān)心的問題可以分為信息獲取和邏輯判斷兩類表

7：金融客戶關(guān)心的信息獲取方面問題的得分及測(cè)試情況分析請(qǐng)參閱附注免責(zé)聲明16數(shù)據(jù)來(lái)源：國(guó)泰君安證券研究金融垂直大模型在信息的獲取方面優(yōu)勢(shì)明顯，主因公司深耕金融行業(yè)積累了海量的金融相關(guān)信息和數(shù)據(jù)。產(chǎn)品選基金選股票診股票看大盤挑板塊看宏觀讀新聞學(xué)投資總分測(cè)試情況分析kimi61058820101077對(duì)于一般數(shù)據(jù)的搜索能力較強(qiáng)，但對(duì)于主力持倉(cāng)成本這種無(wú)法直接獲得的數(shù)據(jù)無(wú)法得到，且其基于數(shù)據(jù)篩選出的個(gè)體數(shù)量較少通義千問6158331331061具有一定的搜尋基本數(shù)據(jù)的能力，但是存在數(shù)據(jù)不全以及樣本過少的問題文心一言6751082010874在數(shù)據(jù)獲取方面的表現(xiàn)優(yōu)秀，對(duì)于一般數(shù)據(jù)的搜索能力比較優(yōu)秀，但是搜尋出來(lái)的樣本過少，且無(wú)法對(duì)篩選出的數(shù)據(jù)進(jìn)行排序和綜合分析同花順HithinkGPT1818105101610895在數(shù)據(jù)獲取方面的表現(xiàn)最優(yōu)，數(shù)據(jù)全面且更新速度快，難以獲得的數(shù)據(jù)也可以準(zhǔn)確篩選出，基本可獲得測(cè)試期間最新的數(shù)據(jù)內(nèi)容東方財(cái)富妙想0205108831064在數(shù)據(jù)獲取方面的表現(xiàn)較優(yōu)，基于數(shù)據(jù)篩選出的數(shù)量多且內(nèi)容全面，尚不支持基金功能造成總分略低，預(yù)計(jì)后期會(huì)基于自身基金數(shù)據(jù)補(bǔ)充相關(guān)功能注：根據(jù)不同產(chǎn)品對(duì)上述問題的回答進(jìn)行評(píng)分，分?jǐn)?shù)為0——10分?？梢詫?duì)問題進(jìn)行回復(fù)的答案為5分以上，再根據(jù)回答內(nèi)容的完整度細(xì)分；無(wú)法對(duì)問題進(jìn)行回答，但是提供了解決思路的答復(fù)為3——5分；既沒有對(duì)問題進(jìn)行回答，也沒有提供解決思路的答復(fù)為0。其中東方財(cái)富不支持基金功能，因此其“選基金”部分的得分為0；東方財(cái)富將“醫(yī)療反腐”設(shè)置為敏感詞匯，因此查詢不到相關(guān)信息。邏輯判斷方面，各個(gè)大模型各有千秋，金融大模型對(duì)客戶問題的回答更為豐富和詳細(xì)。表

8：金融客戶關(guān)心的邏輯判斷方面問題的得分及測(cè)試情況分析請(qǐng)參閱附注免責(zé)聲明17數(shù)據(jù)來(lái)源：國(guó)泰君安證券研究產(chǎn)品選基金選股票診股票看大盤挑板塊看宏觀讀新聞學(xué)投資總分測(cè)試情況分析kimi31616131681820110kimi的邏輯判斷能力是通用大模型類中表現(xiàn)最好的，其在選股票和看大盤方面的能力遠(yuǎn)強(qiáng)于其他通用大模型類產(chǎn)品通義千問131314813102020101通義千問在選基金和看大盤方面比較短板，其他方面的能力表現(xiàn)出色文心一言311141518101820109文心一言在挑板塊、看大盤方面的邏輯判斷能力突出，但是其在選擇股票和基金方面的邏輯判斷能力存在不足同花順HithinkGPT1018131820101820127對(duì)于邏輯判斷方面問題的分析，同花順與東方財(cái)富妙想之間的差異不大，都會(huì)針對(duì)問題進(jìn)行環(huán)繞式的全面回答，不僅提供AI分析以后的結(jié)果，還會(huì)提供詳細(xì)的數(shù)據(jù)，便于詢問者直觀看到不同個(gè)體之間數(shù)據(jù)之間的差異大小東方財(cái)富妙想020202018102020128根據(jù)綜合分?jǐn)?shù)評(píng)價(jià)，東方財(cái)富在邏輯判斷方面的表現(xiàn)最優(yōu)。其針對(duì)邏輯判斷問題的輸出結(jié)果內(nèi)容詳細(xì)，很多結(jié)果包含了文字、數(shù)據(jù)以及圖形三部分組成，既報(bào)告了AI的結(jié)論，也便于詢問者根據(jù)數(shù)據(jù)的具體信息進(jìn)行自己的主觀判斷注：根據(jù)不同產(chǎn)品對(duì)上述問題的回答進(jìn)行評(píng)分，分?jǐn)?shù)為0——10分。可以對(duì)問題進(jìn)行回復(fù)的答案為5分以上，再根據(jù)回答內(nèi)容的完整度細(xì)分；無(wú)法對(duì)問題進(jìn)行回答，但是提供了解決思路的答復(fù)為3——5分；既沒有對(duì)問題進(jìn)行回答，也沒有提供解決思路的答復(fù)為0。其中東方財(cái)富不支持基金功能，因此其“選基金”部分的得分為0。?，表

9：金融大模型的金融數(shù)據(jù)更豐富大模型金融數(shù)據(jù)分析kimi月之暗面的Kimi支持200萬(wàn)字的無(wú)損上下文輸入，金融數(shù)據(jù)搜索能力和金融邏輯分析能力在通用大模型中較強(qiáng)，但在金融數(shù)據(jù)方面積累不足。通義千問通義千問參數(shù)量在千億級(jí)，數(shù)據(jù)量超過3萬(wàn)億tokens。但在金融數(shù)據(jù)方面積累不足，金融數(shù)據(jù)搜尋能力有所欠缺金融邏輯判斷能力中等。文心一言文心一言參數(shù)量為260億，數(shù)據(jù)量為5TB。受制于金融數(shù)據(jù)積累不足，對(duì)金融數(shù)據(jù)的搜集能力較為優(yōu)秀但搜尋樣本過低且無(wú)法進(jìn)行分析，金融邏輯分析能力有短板。同花順HithinkGPT同花順利用自身過去十幾年的數(shù)據(jù)積累以及市場(chǎng)上公開的金融數(shù)據(jù)，預(yù)訓(xùn)練金融語(yǔ)料達(dá)到萬(wàn)億級(jí)tokens。此外還擁有一套自動(dòng)化的流程，用于數(shù)據(jù)獲取、清洗以及數(shù)據(jù)質(zhì)量的驗(yàn)證，每月可新增數(shù)千億tokens優(yōu)質(zhì)預(yù)訓(xùn)練數(shù)據(jù)以及數(shù)十萬(wàn)條優(yōu)質(zhì)微調(diào)數(shù)據(jù)，確保數(shù)據(jù)的實(shí)時(shí)性和準(zhǔn)確性。東方財(cái)富妙想妙想金融大模型儲(chǔ)備了超4萬(wàn)億高質(zhì)量可用數(shù)據(jù)，其中金融語(yǔ)料達(dá)12000億，涵蓋行情、財(cái)務(wù)、資金、百科、資訊公告、研報(bào)、問董秘等數(shù)十個(gè)維度、上萬(wàn)種數(shù)據(jù)品類；且每月高質(zhì)量數(shù)據(jù)幾千億token穩(wěn)定增長(zhǎng)，為金融專屬任務(wù)性能優(yōu)化提供了優(yōu)質(zhì)數(shù)據(jù)資產(chǎn)。請(qǐng)參閱附注免責(zé)聲明18數(shù)據(jù)來(lái)源：國(guó)泰君安證券研究數(shù)據(jù)優(yōu)勢(shì)主要有兩個(gè)構(gòu)成因素：1）豐富的業(yè)務(wù)場(chǎng)景

2）數(shù)據(jù)的治理能力，前者決定了初始語(yǔ)料的多寡，后者決定了多少語(yǔ)料可以被提取成可供模型訓(xùn)練的高質(zhì)量數(shù)據(jù)。數(shù)據(jù)類別

具體內(nèi)容表

10：做好垂直金融行業(yè)需要廣泛的數(shù)據(jù)來(lái)源和積累請(qǐng)參閱附注免責(zé)聲明19良好的數(shù)據(jù)治理能力可以最大化利用豐富業(yè)務(wù)場(chǎng)景積累的原始數(shù)據(jù)，更好積攢訓(xùn)練數(shù)據(jù)，提高大模型性能。步驟具體操作表

11：將初始語(yǔ)料轉(zhuǎn)換為可供訓(xùn)練的數(shù)據(jù)所需要的步驟流程請(qǐng)參閱附注免責(zé)聲明20同花順、東方財(cái)富、恒生電子較早深耕數(shù)據(jù)業(yè)務(wù)，在金融行業(yè)高質(zhì)量訓(xùn)練數(shù)據(jù)上有深厚積累，具備較為強(qiáng)的數(shù)據(jù)治理能力。同花順在2009年成立iFind事業(yè)部；東方財(cái)富在2013年上線Choice數(shù)據(jù)產(chǎn)品；恒生電子于2010年收購(gòu)聚源數(shù)據(jù)公司。時(shí)至今日上述公司擁有龐大的海量數(shù)據(jù)庫(kù)，具有多元及多樣化的金融數(shù)據(jù)資產(chǎn)，其中公司數(shù)據(jù)來(lái)源既有互聯(lián)網(wǎng)的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，也有來(lái)自政府、科研院所、宏觀經(jīng)濟(jì)研究機(jī)構(gòu)和專業(yè)行業(yè)數(shù)據(jù)公司等相關(guān)單位、公司的公開和授權(quán)的數(shù)據(jù)。另外，同花順和東方財(cái)富在C端金融信息服務(wù)市場(chǎng)具有廣泛的活躍用戶，在金融語(yǔ)料的獲取能力方面領(lǐng)先于同行。圖

8

：同花順與東方財(cái)富APP的MAU大幅領(lǐng)先于同類產(chǎn)品0.004000.003500.003000.002500.002000.001500.001000.00500.002022.122022.01 2022.02 2022.03 2022.04 2022.05 2022.06同花順 東方財(cái)富 大智慧 泓樂財(cái)富通 國(guó)泰君安君弘數(shù)據(jù)來(lái)源：易觀千帆，國(guó)泰君安證券研究

單位：萬(wàn)人/月2022.07平安證券2022.08e海通財(cái)2022.09小方2022.10 2022.11廣發(fā)證券易淘金 蜻蜓點(diǎn)金請(qǐng)參閱附注免責(zé)聲明21請(qǐng)參閱附注免責(zé)聲明22說(shuō)明：取2024年4月18日收盤價(jià)