《国际货币研究所(IMI):中国财富管理能力评价报告(2023上)(69页).pdf》由会员分享,可在线阅读,更多相关《国际货币研究所(IMI):中国财富管理能力评价报告(2023上)(69页).pdf(69页珍藏版)》请在三个皮匠报告上搜索。
1、 IMI 宏观经济月度分析报告(第七十四期)IMINo.2307 更多精彩内容请登陆 http:/ 究 报 告 1 目目 录录 第第 1 1 章章 引引 言言.1 1 第第 2 2 章章 中国财富管理能力评价中国财富管理能力评价.2 2 2.1 概述.2 2.2 中国资产管理行业发展概况.3 2.2.1 中国资产管理行业发展指数变化情况(2023Q2).3 2.2.2 分行业资产管理业务发展指数变化情况(2023Q2).6 2.3 中国财富管理能力评价.11 2.3.1 不同机构的财富管理能力评价结果变化.14 2.3.2 基于不同机构的财富管理能力评价结果分析.20 第第 3 3 章章 财富
2、管理升级趋势:数字化助力开放生态建设财富管理升级趋势:数字化助力开放生态建设.2323 3.1 财富管理数字化转型概况.23 3.1.1 财富管理数字化的内涵.24 3.1.2 财富管理机构数字化赋能财富管理的路径.25 3.1.3 财富管理机构数字化转型能力支撑体系.27 3.2 财富管理开放生态的必然性.29 3.3 财富管理开放生态的内涵和成效.32 3.3.1 建设开放生态的核心环节和具体内涵.32 3.3.2 开放生态的成效.35 3.4 财富管理开放生态的建设路径.37 第第 4 4 章章 总结与建议总结与建议.4040 附录附录 1:1:中国资产管理行业指数编制方法中国资产管理行
3、业指数编制方法.4343 一、编制原则.43 二、编制思路.43 三、指标体系构建.44 四、数量指标的无量纲化.48 2 五、指标权重的确定.49 附录附录 2 2:基于不同机构的财富管理能力评:基于不同机构的财富管理能力评价方法价方法.5555 一、口径与定位.55 二、评价说明与数据来源.55 三、评价方法说明.56 附表附表.59 图表目录图表目录 图 1 中国资产管理行业发展总指数(2013Q1-2023Q2).4 图 2 中国资产管理行业二级指数(2013Q1-2023Q2).5 图 3 中国资产管理行业二级指数同比增长率(2014Q1-2023Q2).5 图 4 各行业资产管理业
4、务发展指数(2013Q1-2023Q2).6 图 5 各行业资产管理业务发展指数同比增长率(2014Q1-2023Q2).7 图 6 银行业资产管理发展指数(2013Q1-2023Q2).8 图 7 证券业资产管理发展指数(2013Q1-2023Q2).8 图 8 保险业资产管理发展指数(2013Q1-2023Q2).9 图 9 信托业资产管理发展指数(2013Q1-2023Q2).10 图 10 基金业资产管理发展指数(2013Q1-2023Q2).10 图 11 排名前 10 家机构得分.16 图 12 排名前 10 家银行得分.17 图 13 排名前 10 券商得分.18 图 14 上榜
5、 7 家公募基金得分.19 图 15 排名前 10 第三方机构得分.20 图 16 数字化财富管理的内涵.24 图 17 数字化财富管理的前、中、后台布局.25 3 图 18“三位一体”财富管理机构数字化转型能力支撑体系.28 图 19 财富数字开放生态可能运作模式(以银行为例).30 表表格格目录目录 表 1 机构财富管理能力评价 100 强.12 表 2 2023 年二季度公募财富管理产品(非现金类)各机构保有规模TOP15.13 表 3 财富管理能力 100 强榜单机构类型.15 表 4 100 家机构打分区间分布.15 表 5 各类型机构平均得分.15 表 6 银行得分区间分布.17
6、表 7 券商得分区间分布.18 表 8 上榜 7 家公募基金得分区间分布.19 表 9 第三方机构得分区间分布.20 表 10 主要财富管理开放平台概况.30 表 11 财富管理开放能力评估框架.35 表 12 中国资产管理行业发展指数指标框架.45 表 13 五大类指数编制方法对比.50 表 14 指标权重分布情况.53 1 第第 1 章章 引引 言言1 2023 年财富管理行业既迎来居民存款高增带来的扩张潜力,也直面去年银行产品刚兑打破带来的信任危机。解决财富管理的信任感需要产品的赚钱效应,这要求投资者“拿得准”、“拿得久”、“拿得住”,即选择与目标收益和承受波动率匹配的产品、募集长久期期
7、限资金、避免频繁交易。为实现该目标,以客户利益为中心构建开放生态成为财富管理机构当下核心要务。对财富管理机构而言,生态圈建立意味着数字化转型的新阶段正在到来。该阶段通过打通财富管理服务价值链的上下游,构建财富管理新生态,生态圈内机构可以挖掘并释放潜在生态价值,将渠道销售驱动转为客户需求驱动,最终完成财富买方模式转型。财富管理开放生态的出现是财富管理机构数字化转型的必然结果,机构在转型期间所积累的数字化能力能有效助力财富开放生态的建设。目前头部机构如招商银行、蚂蚁财富等已构建了财富生态,一方面吸引包括公募基金、券商资管乃至银行理财参与,丰富产品货架,另一方面运用多类手段吸引客户驻足,形成长期资金
8、沉淀。具体我们从前台(获得客户)、中台(客户画像)、后台(运营)三个维度来评估财富管理开放平台的开放程度以及相应财富管理机构的开放能力,并构建核心评价体系。未来资管行业竞争与合作兼具,一方面资管新规拉平各家机构竞争差异,各种套利策略机会减少;另一方面,不同机构面向的客户有差异,提供的产品有差异,这给不同类型资产管理、财富管理机构之间的合作带来了巨大想象空间,财富开放生态的构建仍在路上。本报告第一章首先对中国大财富管理的行业发展现状进行了追踪和分析,基于既定的定量加定性分析框架重点剖析了 2023 年上半年的最新变化趋势。第二章将聚焦财富 1 课题组成员:宋科、王剑、孔祥、马晓燕、易凌云 2 管
9、理数字化转型发展,并重点阐释建设开放生态这一重要行业发展趋势。在清晰定义其内涵的基础上,结合调研案例深入分析不同机构的开放生态建设实践和未来趋势。第第2章章 中国财富管理能力评价中国财富管理能力评价 2.1 概述概述 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、资产配臵、退休规划、法律风险规划、
10、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)。在我国经济转型的背景下,资金融通模式发生改变,居民财富管理需求迅猛增长,财富管理行业迎来巨大的发展空间。财富管理从客户需求出发提供服务,以客户为中心,不同类型机构有不同优劣势,在竞争与合作中也将共生共荣。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也各有优劣势。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
11、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。一个完整的财富管理链条涉及财富管理业、资产管理业、投资银行业,前两者通常被统称为“大财富”或“大资管”。在本章中,我们聚焦大财富管理时代的行业发展及各个机构的财富管理能力评价。在第二节中编制了中国资产管理行业发展指数,从银行、3 券商、保险、信托和基金业五个维度系统、量化梳理了中国资产管理行业发展情况;第三节从产品保有量出发,对不同行业、不同机构的财富管理能力进行了评价分析。2.2 中国资产管理行业发展概况中国资产管理行业发展概况 为进一步厘清我国资产管理行业发展历程,科学跟踪行业最新动态,把握未来发展方向,为资产
12、管理行业提供实践指导和决策参考,我们编制了中国资产管理行业发展指数2,具体选取资管规模、资管产品、经营效益和人才资源 4 个一级指标,银行业、证券业、保险业、信托业和基金业 5 个二级指标,力求客观、量化地反映“大资管时代”以来中国资产管理行业的整体发展水平和动态变化趋势。结果表明,2023 年上半年中国资产管理行业发展总指数维持上升通道运行,前两季度指数同比保持较快增长,增速企稳。据测算,一季度指数为 731.32、同比增长 8.16%,二季度指数为 745.21、同比增长 9.26%。分维度来看,产品指数为第一发展梯队,维持上升通道运行;规模指数为第二发展梯队,整体呈下行发展态势,前两季度
13、指数较上一期均有轻微下降;经营效益指数与人才资源指数为第三发展梯队,指数平稳发展,轨迹相近。分行业来看,保险业、信托业和基金业资管发展维持上升通道,其中基金业指数始终遥遥领先;受证券市场波动加大影响,银行业和证券业资管发展短期受阻,指数有所下降。2.2.1 中国资产管理行业发展指数变化情况(2023Q2)通过构建指标体系、搜集数据,对数据进行标准化、同趋化、HP 滤波剔除周期性扰动项处理之后,采用主成分分析法确定权重,以 2013 年一季度为基期,进行指数测算。2 具体编制方法与过程见附录 1 4 经过三级加权模型,测算得到 2013 年第一季度至 2023 年第二季度中国资产管理行业总指数与
14、规模指数、产品指数、经营效益指数、人才资源指数等四个二级指数及其增长率,具体数值见附表 1。2.2.1.1 中国资产管理行业发展总指数变化情况(2023Q2)图图 1 中国资产管理行中国资产管理行业发展总指数(业发展总指数(2013Q1-2023Q2)2013 至 2023 年第二季度,中国资产管理行业总指数整体呈现两个发展阶段。第一阶段为 2013 年一季度至 2017 年四季度的迅猛增长阶段,指数从 2013 年一季度基期的100 增长到 2017 年四季度的 533.03,五年间增长了 433%。第二阶段为 2018 年一季度至 2023 年二季度的稳定发展阶段,2019 年第一季度总指
15、数首次出现同比负增长,降至538.50,2020 年一季度指数出现回升,并进入新一轮上升通道。2023 年上半年,指数维持上升通道运行,前两季度指数同比保持较快增长,增速企稳。据测算,一季度指数为 731.32、同比增长 8.16%,二季度指数为 745.21、同比增长9.26%。指数在 2023 年上半年的上述变化是一系列宏观、政策因素作用下的共同结果。宏观层面,2023 年,国际经济金融形势复杂多变,一些经济体呈现高通胀、高利率、高债务、低增长态势,全球经济增长不稳定、不确定性明显加大;国内各地区各部门深入贯彻党中央、国务院决策部署,坚持稳中求进工作总基调,着力推动高质量发展,稳增长、-2
16、0%0%20%40%60%80%0200400600800总指数 同比增长率(右轴)5 稳就业、稳物价政策效应持续显现,国内经济运行总体上延续恢复态势,发展质量继续提升,为资产管理行业各类市场主体提供了相对有利的发展环境。政策层面,5 月 18日国家金融监督管理总局正式挂牌,继 2018 年中国银保监会组建之后,金融监管格局又迎来重大调整,标志着新一轮金融监管机构改革迈出重要一步。随着金融监管机构改革不断推进,“一行一局一会”新格局正在加快形成,通过不断理顺我国金融监管体制机制、提升监管效率,实现监管标准的系统性、整体性、重构性统一,为资管在服务经济社会发展中发挥更大作用提供支撑。2.2.1.
17、2 中国资产管理行业发展二级指数变化情况(2023Q2)图图 2 中国资产管理行业二级指数(中国资产管理行业二级指数(2013Q1-2023Q2)图图 3 中国资产管理行业二级指数同比增长率(中国资产管理行业二级指数同比增长率(2014Q1-2023Q2)02004006008000规模指数 产品指数 经营效益指数 人才资源指数-40%-20%0%20%40%60%80%100%规模指数 产品指数 经营效益指数 人才资源指数 6 分维度来看,产品指数维持上升通道运行;规模指数整体呈下行发展态势,前两季度指数较上一期均有轻微下降;经营效益指数与人才资源指数平稳发展,轨迹相近
18、。分指数变化层面,2023 年上半年,除规模指数同比出现负增长以外,产品、经营效益和人才资源指数同比增速均有不同程度的上升,其中产品指数同比增速涨幅较大。据测算,截至 2023 年第二季度,规模指数为 577.71、同比下降 6.24%,产品指数为 1304.25、同比增长 18.84%,经营效益指数为 303.93、同比增长 8.99%,人才资源指数为 255.08、同比增长 0.94%。今年以来,在市场波动背景下,资管行业尝试探索财富管理业务新模式,发力金融科技创新,完善客户服务体系,提供多样的产品供给,提升全渠道服务能力,把高质量的财富管理服务打造为机构的核心竞争。2.2.2 分行业资产
19、管理业务发展指数变化情况(2023Q2)为便于对比银行业、证券业、保险业、信托业和基金业五大细分金融行业资产管理业务发展情况,现根据主成分分析法确定的各指标加权权重,测算 2013 年一季度至2023 年二季度各细分金融行业的资管发展指数,具体结果见附表 2。图图 4 各行业资产管理业务发展指数(各行业资产管理业务发展指数(2013Q1-2023Q2)02004006008001,0001,2001,4001,6001,800银行业 证券业 保险业 信托业 基金业 7 图图 5 各行业资产管理业务发展指数同比增长率(各行业资产管理业务发展指数同比增长率(2014Q1-2023Q2)分行业看,2
20、023 年上半年,基金业、保险业、信托业资管发展维持上升通道,其中基金业指数始终遥遥领先;受证券市场波动加大影响,银行业和证券业资管发展短期受阻,指数有所下降。分变化来看,银行业和证券业为负增长,其中银行业降速趋缓;保险、信托、基金业指数增长高速趋缓。据测算,截至 2023 年第二季度,银行业资管指数为 365.92、同比下降 2.48%,证券业资管指数为 300.30、同比下降 7.51%,保险业资管指数为 1052.87、同比增长 16.91%,信托业资管指数为 409.80、同比增长 21.48%,基金业资管指数为1640.46、同比增长 9.29%。2.2.2.1 银行理财:低利率时代
21、下的发展之路 2013 年一季度至 2023 年第二季度,我国银行业资产管理业务发展指数整体呈现先增后减两个发展阶段。第一阶段为 2013 年一季度至 2018 年第四季度的增长阶段,指数从 2013 年一季度基期的 100 增长到 2018 年四季度的 626.90,五年间增长了超 500%。第二阶段为 2019 年第一季度至 2023 第二季度的波动下行阶段,2019 年第一季度总指数-40%-20%0%20%40%60%80%100%120%140%银行业 证券业 保险业 信托业 基金业 8 首次出现同比负增长,2023 第二季度指数进一步下降至 365.92,同比下降 2.48%。图图
22、 6 银行业资产管理发展指数(银行业资产管理发展指数(2013Q1-2023Q2)2.2.2.2 券商资管:公募化加速,主动管理水平或为核心竞争力 图图 7 证券业资产管理发展指数(证券业资产管理发展指数(2013Q1-2023Q2)2013 年一季度至 2023 年二季度,我国证券业资产管理业务发展指数同样呈现先增后减两个发展阶段。第一阶段为 2013 年一季度至 2016 年第四季度的高速增长阶段,指-40%-20%0%20%40%60%80%100%00500600700银行资管指数 同比增长率(右轴)-40%-20%0%20%40%60%80%100%010020
23、0300400500600证券资管指数 同比增长率(右轴)9 数从 2013年一季度基期的100 增长到2016 年四季度的 512.71,四年间增长了 400%多。第二阶段为 2017 年第一季度至 2023 年第二季度的持续下行阶段,截至 2023 年第二季度,指数下探至 300.30,同比下降 7.51%。2.2.2.3 保险资管:规范发展,专业制胜 图图 8 保险业资产管理发展指数(保险业资产管理发展指数(2013Q1-2023Q2)2013 年一季度至 2023 年二季度,我国保险业资产管理业务发展指数呈现不断增长趋势,是最具潜力、增长最稳定的资管行业,指数从 2013 年一季度基期
24、的 100 攀升到2023 年二季度的 1052.87,持续稳定增长了 950%多,年复合增长率高达 26.53%。从同比增长率来看,保险业资管指数始终保持高速增长,2023 年增速逐步趋缓,至 2023 年2 季度同比增速为 16.91%。2.2.2.4 信托资管:新业务转型助推特色金融高质量发展 0%5%10%15%20%25%30%35%40%45%50%0.00200.00400.00600.00800.001000.001200.00保险资管指数 同比增长率(右轴)10 图图 9 信托业资产管理发展指数(信托业资产管理发展指数(2013Q1-2023Q2)2013 年一季度至 202
25、3 年二季度,我国信托业资产管理业务发展指数总体呈现波动上升趋势;同比增长率方面,2014 至 2018 年呈波动下降趋势,2019 年起波动回升,进入上升通道。截至 2023 年二季度,信托业资管指数为 409.80,同比增长 21.48%。2.2.2.5 基金资管:跨周期机遇下行业现状与转型方向 图图 10 基金业资产管理发展指数(基金业资产管理发展指数(2013Q1-2023Q2)2013 年一季度至 2023 年二季度,我国基金业资产管理业务发展指数整体呈现波动上升趋势;同比增长率方面,2014 至 2019 年上半年呈波动下降趋势,2019 年下半年至-10%0%10%20%30%4
26、0%50%0500300350400450信托资管指数 同比增长率(右轴)-20%0%20%40%60%80%100%120%140%020040060080010001200基金业资管指数 同比增长率(右轴)11 2021年波动回升,2023年增速整体趋缓。截至2023年二季度,基金业资管指数为 1640.46,同比增长 9.29%。2.3 中国财富管理能力评价中国财富管理能力评价 完整的财富管理链条涉及财富管理业、资产管理业、投资银行业,前两者通常被统称为“大财富”或“大资管”。我们在上一节编制了“中国资产管理行业发展指数”,从银行、证券、保险、信托和基金等五个子赛道
27、详细阐述资产管理行业的发展。本节,我们将基于 2023 年第二季度数据,对我国不同机构的财富管理能力进行评价3。本报告中的财富管理能力主要指主动管理能力,我们聚焦银行理财产品(非现金管理类)以及非货币公募基金的保有量规模。上述公募类理财产品均具有低门槛、净值化等相似点。由于财富管理业务正在从卖方服务向买方服务转型,对机构来说,客户信任和客户粘性是财富管理机构溢价能力的重要来源,关注保有量,意味着以客户为中心,通过高频交互、专业服务和长期陪伴帮助客户以更大概率获取正收益,这也将强化财富管理机构与客户的合作关系。财富管理的保有量反映了机构的投资研究、管理等能力,因此我们把它作为关注的指标。3 具体
28、评价方法参见附录 2 12 表表 1 机构财富管理能力评价机构财富管理能力评价 100 强强 数据来源:中国证券投资基金业协会、中证金牛金融研究中心、道乐研究院 机构名称机构名称 评分评分 排名排名 机构名称机构名称 评分评分 排名排名 机构名称机构名称 评分评分 排名排名 机构名称机构名称 评分评分 排名排名 招商银行 493.63 1 上海基煜基金销售 260.15 26 兰州银行 165.86 51 汉口银行 132.78 76 兴业银行 462.47 2 广发银行 255.38 27 温州银行 164.06 52 北京雪球基金销售 132.07 77 中国工商银行 455.76 3 华
29、泰证券 252.96 28 国信证券 160.91 53 北京农村商业银行 131.60 78 中国建设银行 451.97 4 上海农村商业银行 251.84 29 齐鲁银行 160.24 54 上海利得基金销售 129.04 79 中国银行 444.18 5 浙商银行 242.85 30 苏州银行 159.76 55 九江银行 127.97 80 蚂蚁(杭州)基金销售 440.21 6 青岛银行 241.09 31 吉林银行 158.77 56 晋商银行 126.49 81 中信银行 438.44 7 成都银行 237.06 32 广州银行 156.01 57 浙江稠州商业银行 125.79
30、 82 中国农业银行 431.48 8 渤海银行 230.48 33 中国中金财富证券 155.81 58 威海市商业银行 125.34 83 交通银行 430.74 9 桂林银行 228.28 34 东方财富证券 155.11 59 郑州银行 123.39 84 中国光大银行 410.58 10 珠海盈米基金销售 221.69 35 广发基金 154.93 60 中泰证券 121.11 85 平安银行 387.21 11 徽商银行 218.80 36 大连银行 152.67 61 华夏基金 118.21 86 上海浦东发展银行 384.57 12 广发证券 217.44 37 中原银行 14
31、8.62 62 广西北部湾银行 115.67 87 上海天天基金销售 374.72 13 京东肯特瑞基金销售 216.48 38 海通证券 148.14 63 长江证券 114.93 88 中国民生银行 368.14 14 重庆农村商业银行 214.27 39 浙江同花顺基金销售 147.76 64 江苏常熟农村商业银行 114.55 89 中国邮政储蓄银行 363.83 15 恒丰银行 206.12 40 贵阳银行 147.38 65 浙江萧山农村商业银行 114.49 90 江苏银行 334.80 16 中国人寿保险 204.65 41 重庆银行 147.26 66 湖北银行 110.70
32、 91 华夏银行 333.06 17 中信建投证券 198.29 42 长安银行 145.52 67 天弘基金 109.78 92 宁波银行 331.91 18 招商证券 196.55 43 申万宏源证券 144.84 68 珠海华润银行 109.31 93 南京银行 318.23 19 上海好买基金销售 195.44 44 兴业证券 142.02 69 安信证券 109.19 94 杭州银行 308.44 20 汇添富基金 184.65 45 东方证券 139.74 70 哈尔滨银行 107.83 95 上海银行 300.28 21 成都农村商业银行 183.67 46 天津银行 139.6
33、0 71 东莞农村商业银行 107.16 96 北京银行 288.70 22 国泰君安证券 177.70 47 杭州联合农村商业银行 139.28 72 南方基金 106.78 97 腾安基金销售(深圳)285.97 23 中国银河证券 177.29 48 广州农村商业银行 137.94 73 江苏江南农村商业银行 105.42 98 北京汇成基金销售 264.34 24 易方达基金 171.04 49 长沙银行 136.47 74 光大证券 104.62 99 中信证券 263.41 25 平安证券 169.55 50 盛京银行 135.10 75 嘉实基金 103.99 100 13 表表
34、 2 2023 年二季度公募财富管理产品(非现金类)各机构保有规模年二季度公募财富管理产品(非现金类)各机构保有规模 TOP15 机构名称 2022Q4 非现金类银行理财产品保有规模(亿元)2023Q2 非现金类银行理财产品保有规模(亿元)2022Q4 非货币类公募基金保有规模(亿元)2023Q2 非货币类公募基金保有规模(亿元)2022Q4 合计(亿元)2023Q2 合计(亿元)2022Q4 排名 2023Q2排名 排名变化 招商银行 16953 15259 7576 8044 24529 23303 1 1-兴业银行 13187 13439 2486 2923 15673 16362 3
35、2 中国工商银行 9497 10278 5080 4838 14577 15116 4 3 中国建设银行 11856 10731 3971 3773 15827 14504 2 4 中国银行 8677 9097 4380 4192 13057 13289 5 5-蚂蚁(杭州)基金销售-11545 12667 11545 12667 7 6 中信银行 11217 10878 1292 1584 12509 12462 6 7 中国农业银行 8865 9656 2032 1848 10897 11504 9 8 交通银行 8460 9123 2451 2256 10911 11379 8 9 中国
36、光大银行 7682 8392 730 669 8412 9061 10 10-平安银行 4717 4886 1783 2061 6500 6947 13 11 上海浦东发展银行 6307 5595 1224 1161 7531 6756 11 12 上海天天基金销售-5845 6041 5845 6041 14 13 中国民生银行 5469 4465 1234 1136 6703 5601 12 14 中国邮政储蓄银行 3838 4424 977 913 4815 5337 15 15-数据来源:中国证券投资基金业协会、中证金牛金融研究中心、道乐研究院 14 2.3.1 不同机构的财富管理能力
37、评价结果变化 2.3.1.1 整体均分略有上升,总体分值依然保持高位 从 2023 年第二季度财富管理能力 100 强机构来看,银行有 62 家,尽管相比于 2022年第四季度减少了 2 家,但依然处在绝对优势地位;券商有 19 家,与 2022 年第四季度持平;第三方机构有 11 家,比 2022 年第四季度增加了 1 家(上海利得基金销售);公募基金数量有 7 家,也比 2022 年第四季度增加了 1 家(天弘基金)。由此可见,银行依然在财富管理行业中处于中流砥柱地位,其他机构是有益补充。从 2023 年第二季度末公募财富管理产品各机构保有规模来看,排在前 15 位的机构和 2022 年四
38、季度末一样,同样有 13 家为银行,其他两家为第三方机构(蚂蚁、天天基金)。前三名位次中,第一名为招商银行,以 23303 亿元保持总规模排名第一;兴业银行(16362 亿元)排名第二位,与 2022 年四季度末相比上升了一位;中国工商银行(15116亿元)排名从 2022 年四季度末第四位升至第三位。从非货币类公募基金保有规模来看,蚂蚁以 12667 亿元保有规模排在第一位,招商银行、天天基金分别以 8044 亿元、6041亿元排在第二、三位。从评分结果来看,100 家机构评分总体有所上升,机构财富管理能力依然较强。100家机构得分的平均值为 213.93 分,较 2022 年四季度 210
39、.58 分上升 1.59%,中位数为167.71 分,较 2022 年四季度 165.35 分上升 1.43%。得分在 400 分以上的机构仅有 10 家,与 2022 年四季度数量保持不变;得分位于 100-200 分之间的机构占比最高,接近六成,比 2022 年二季度减少 4 家。得分在 300-400 分、200-300 分、100-200 分的公司分别有11 家、20 家、59 家。和 2022 年四季度比,高分区域(400 分以上)的机构占比保持不变(10%);低分(100 分以下)的机构占比从 1%减少至 0%;中间(100 分-400 分)区域的机构占比从 89%上升为 90%。
40、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 15 队、业务协同等方面各具差异,因此在发展财富管理业务上也各有优劣势。从不同机构的平均得分来看,第三方机构平均得分为 242.53 分,在所有机构中依然排名第一;其次为银行,平均得分为 232.60 分;券商、保险、公募基金平均得分分别为165.77 分、204.65 分、135.63 分。得分排名前十的有 9 家银行,仅一家为第三方机构(蚂蚁(杭州)基金销售)。由此可见,银行在财富管理业的优势地位依然明显。表表 3 财富管理能力财富管理能力 100 强榜单机构类型强榜单机构类型 机构类型 2022Q4 数量 2023
41、Q2 数量 数量变化 银行 64 62 券商 19 19-第三方机构 10 11 保险 1 1-公募基金 6 7 表表 4 100 家机构打分区间分布家机构打分区间分布 打分区间 公司数量(家)400 分以上 10 300-400 分 11 200-300 分 20 100-200 分 59 表表 5 各类型机构平均得分各类型机构平均得分 机构类型 平均得分 银行 232.60 第三方机构 242.53 券商 165.77 保险 204.65 公募基金 135.63 16 图图 11 排名前排名前 10 家机构得分家机构得分 2.3.1.2 银行:优势地位领先,龙头地位稳固 2023 年第二季
42、度末财富管理能力评价得分中,银行平均分为 232.60 分,较 2022 年四季度末上升 2.49%。从 100 家机构评分排名来看,前 20 名中有 18 家为银行,前 10 名中有 9 家为银行。其中招商银行以 493.63 分排名第一,兴业银行、中国工商银行位于第 2、3 位。招商银行财富管理优势显著,几家国有大行的财富管理也都位于前列。从得分排名前十的银行来看,其分值差别不太大。排在前十的银行分别为招商银行、兴业银行、中国工商银行、中国建设银行、中国银行、中信银行、中国农业银行、交通银行、中国光大银行、平安银行,和 2022 年四季度结果一样,财富管理龙头仍然主要集中在头部银行。从银行
43、得分情况来看,得分在 400 分以上的有 9 家,得分在 300-400 分之间的有 10家。得分在 100-200 分之间的数量最多,有 32 家。493.63 462.47 455.76 451.97 444.18 440.21 438.44 431.48 430.74 410.58 00500600 17 图图 12 排名前排名前 10 家银行得分家银行得分 表表 6 银行得分区间分布银行得分区间分布 打分区间 公司数量(家)400 分以上 9 300-400 分 10 200-300 分 11 100-200 分 32 2.3.1.3 券商:均分略有上升,高分仍有
44、缺失 2023 年第二季度末财富管理能力评价得分中,券商平均分为 165.77 分,较 2022 年四季度末(160.72 分)上升 3.14%。从券商得分情况来看,得分在 100-200 分之间的数量最多,有 16 家;得分在 200 分以上的有 3 家,与 2022 年四季度持平。从得分排名前十的券商来看,其分值明显低于银行。排在前十的券商均是行业龙头,分别为中信证券、华泰证券、广发证券、中信建投证券、招商证券、国泰君安证券、中493.63 462.47 455.76 451.97 444.18 438.44 431.48 430.74 410.58 387.21 0
45、0500600 18 国银河证券、平安证券、国信证券和中国中金财富证券。表表 7 券商得分区间分布券商得分区间分布 打分区间 公司数量(家)200-300 分 3 100-200 分 16 图图 13 排名前排名前 10 券商得分券商得分 2.3.1.4 公募基金公司:上榜机构较少,均分有所下降 2023 年第二季度末中国财富管理能力评价得分中,公募基金公司平均分为 135.63分,较 2022 年二季度末(136.69 分)下降 0.78%。从公募基金公司情况来看,总体数量较少,上榜一共只有 7 家,从得分情况来看,7 家得分均在 100-200 分之间。从得分排名来看,由高到低分别为汇添富
46、基金、易方达基金、广发基金、华夏基金、天弘基金、南方基金和嘉实基金。263.41 252.96 217.44 198.29 196.55 177.70 177.29 169.55 160.91 155.81 0500300 19 表表 8 上榜上榜 7 家公募基金得分区间分布家公募基金得分区间分布 打分区间 公司数量(家)100-200 分 7 图图 14 上榜上榜 7 家公募基金得分家公募基金得分 2.3.1.5 第三方机构:上榜数量上升,分值差异较大 2023 年第二季度末财富管理能力评价得分中,第三方机构平均分为 242.53 分,较2022 年二季度末(241.0
47、3 分)上升 0.62%。从第三方得分情况来看,得分在 200-300 分之间的数量最多,有5家;得分在300分以上的仅有2家,分别为蚂蚁和天天基金;200-300分之间的有 4 家。上榜数量为 11 家,较 2022 年四季度增加一家(上海利得基金销售)。从得分排名前十的第三方机构来看,其分值差距较大。排在前五的分别为蚂蚁基金、天天基金、腾安基金、汇成基金、基煜基金。得分最高的蚂蚁基金得分达到 440.21 分,北京雪球基金销售排在第十位,分值 132.07 分。184.65 171.04 154.93 118.21 109.78 106.78 103.99 0204060801001201
48、40160180200汇添富基金 易方达基金 广发基金 华夏基金 天弘基金 南方基金 嘉实基金 20 表表 9 第三方机构得分区间分布第三方机构得分区间分布 打分区间 公司数量(家)400 分以上 1 300-400 分 1 200-300 分 5 100-200 分 4 图图 15 排名前排名前 10 第三方机构得分第三方机构得分 此外,在 2023 年二季度末财富管理能力评价结果 100 强的榜单中,还有一家保险公司上榜,即中国人寿保险,得分为 204.65 分,得分较 2022 年四季度有所上升。2.3.2 基于不同机构的财富管理能力评价结果分析 各类财富管理机构构成了财富管理行业生态链
49、的主体,由于各类金融机构在投研能力、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也各有优劣势,构成了百花齐放的财富管理竞争格局。440.21 374.72 285.97 264.34 260.15 221.69 216.48 195.44 147.76 132.07 129.04 0500300350400450500 21 2.3.2.1 银行:仍处于财富管理行业中流砥柱地位 从银行 2023 年第二季度非现金类银行理财产品保有规模和非货币类公募基金保有规模来看,大部分相对于 2022 年第四季度有所上升,说明银行发展态势向好
50、;从 2023年第二季度财富管理能力评价结果来看,银行得分略有上升,前20名中有18家为银行,前 10 名中有 9 家为银行,和 2022 第四季度保持不变。因此即使在存量略有波动的情况下,以招商银行为代表的头部机构的优势依旧明显,银行在财富管理行业依旧有着中流砥柱的地位。2.3.2.2 券商:市场占有率持续扩张 在 2023 年第二季度财富管理能力评价得分中,券商得分略有上升,总体排名基本不变。从得分排名前十的行业龙头券商来看,其分值差异较小,但其分值明显低于银行。而券商在财富管理榜单整体得分的上升,其主要原因是整个市场环境的恢复导致市场机构整体评分上升。而从整体来看,券商权益类基金市场占有
51、率环比增速最高,公募基金保有规模市场占有率提升也最为明显。同时,统计口径的调整,即 ETF 采用季末时点值统计,包含二级市场净买入金额,也将持续利好券商行业基金销售业务。随着疫情防控全面放开,市场环境改善,经济开始复苏。二级市场回暖活跃度及市场风险偏好回升,权益类资产将再度被机构投资者所配臵。同时,由于券商具有基金投顾等多种服务,使得客户粘性进一步增强,财富管理具备优势的券商将继续加速发展,券商代销份额预计将继续提升。2.3.2.3 公募基金公司:发展空间较大 2023 年第二季度末财富管理能力评价得分中,公募基金公司平均分较 2022 年四季度末有所下降。和银行、券商相比,公募基金公司上榜数
52、量较少,只有 7 家,主要集中在头部公募基金公司(汇添富基金、易方达基金、广发基金、华夏基金、天弘基金、南方基金和嘉实基金)。22 去年以来,各类 ETF 等创新类产品持续申报落地,公募 REITs 持续受到投资青睐;与此同时,个人养老金制度的试点落地为行业发展打开长期空间;监管自律出台的一系列政策不断呵护着市场和行业生态,推进着公募基金行业高质量发展。另一方面,公募基金作为大资管领域发展最为良好的品类之一,其工具化属性和大容量特征有望承担起经济体直接融资的重任。未来,公募基金的发展势头料将延续,在大资管领域的地位仍有较大提升空间。而全面注册制的实施,也将为公募基金发展带来了新的制度红利。随着
53、越来越多优质公司登陆资本市场,资产端供给增多,这将为公募基金带来更加丰富、充裕的企业类型和选择。同时,常态化退市机制也让市场生态进一步优化,让公募基金公司的产品和服务能更好匹配投资者的风险偏好和收益预期。在未来,市场将回归价值投资,对投资者的定价和风险管理能力提出更高要求。而公募基金作为具备深厚投资研究能力积累的机构投资者,将有更多机会发挥其价值发现的专业能力。未来,普通投资者通过公募基金等专业机构进行股票投资的占比会不断加大,A 股投资者结构也有望进一步机构化和专业化。2.3.2.4 第三方机构:依托互联网,发展迅速 2023 年第二季度末财富管理能力评价得分中,第三方机构平均分较 2022
54、 年四季度上升,并位列各类型机构均值的第一位。上榜数量较 2022 年四季度末增加一家。从得分排名前十的第三方机构来看,其分值差距较大,说明第三方机构差异化发展较为明显。相比于银行、证券公司,第三方财富管理机构发展历史较短,其客户基础不及传统的财富管理机构。但由于第三方财富管理机构多为互联网企业,依托其技术与用户体验优势,在线上触达与便捷程度上更胜一筹。互联网企业拥有的 APP 相比于券商类软件,具备高频、高粘性的特点,在客户流量方面优势明显。同时,公司持续坚持自主研发,产品在交互性和体验性方面具有较强竞争优势。公司持续在 AI、大数据领域布局,未来有望增加客户粘性及市占率。23 第第3章章
55、财富管理财富管理升级升级趋势:趋势:数字化数字化助力助力开放生态开放生态建设建设 随着居民理财需求的快速增长和相关政策的日益完善,中国财富管理行业进入机遇与挑战并存的关键发展期,传统财富管理行业逐渐开始暴露管理能力不足、服务范围有限、产品创新滞后、运营效率低下、盈利空间收窄、增长势头减弱等问题,而数字化正提供了针对这些问题的最佳解决方案,财富管理数字化转型成为大势所趋。大数据、云计算、人工智能、区块链等一系列金融科技的蓬勃发展使得金融学科的边界和研究范式被不断打破重构,传统金融行业所提供的产品和服务实现延展创新,“财富管理”与“金融科技”深度耦合,财富管理业务变得更加普惠、更加便捷、更加智能、
56、更加安全。从“大财富”到不同机构的财富管理业务,数字化已渗透了财富管理行业的方方面面和全生命周期,它打破了时空阻隔,助力保障居民财富的收益性、流动性和安全性,提高居民的获得感、幸福感和安全感。为了更好地提供专业化、智能化服务,财富管理行业开始逐步构建开放生态,这也意味着数字化转型的新阶段正在到来。这个阶段,通过打通财富管理服务价值链的上下游,构建更加协同共赢的财富管理生态圈,各机构可以挖掘并释放潜在生态价值,实现财富管理业务的高质量发展。各类机构共同构建开放的生态体系已成为财富管理行业重要的升级趋势,而高效、普惠、安全、完善的开放生态必须建立在扎实的数字化能力之上。基于第二章对中国大财富管理行
57、业中的资产管理和财富管理行业现状和发展趋势的分析,本章则将聚焦财富管理数字化转型发展,重点阐释开放生态这一重要行业发展趋势。在清晰定义其内涵的基础上,结合调研案例深入分析不同机构的开放生态建设实践和未来趋势。3.1 财富管理财富管理数字化转型概况数字化转型概况 24 3.1.1 财富管理数字化的内涵 财富管理数字化是指综合运用人工智能、大数据、云计算、机器人流程等多项技术,推动产品、营销、运营、管理和服务实现全面数字化、精准化、智能化,从而更好地满足客户的综合需求,提升客户的财富管理服务体验。其全流程包括了解客户背景、发掘客户需求、确定客户目标、拟定方案、选择方案、执行方案、监督与再平衡方案以
58、及维持客户关系。图图 16 数字化财富管理的内涵数字化财富管理的内涵 数字化数字化拓展了拓展了财富管理财富管理的边界的边界。传统的财富管理业务须要财富规划师对于客户和市场两方面的情况都进行深入了解和准确把握,提供服务的成本较高,收取的费用较高,因而门槛较高,主要面向高净值客户,如私人银行客户(其最低资产规模通常设定在 600万元至 1000 万元不等),遵循“二八法则”,依靠 20%的客户创造 80%的利润。处于“长尾”的客户虽然数量庞大,但很难获得专属的财富管理服务。而通过数字化技术,财富管理业务创造性地实现了为长尾客户画像,从而降低了服务成本,拓展了客群边界,实现了批量获客、及时触达、定制
59、服务等一系列功能,得以下沉至中等甚至长尾财富规模客户。25 3.1.2 财富管理机构数字化赋能财富管理的路径 数字化全面赋能数字化全面赋能财富管理财富管理,优化财富管理全流程,优化财富管理全流程。数字科技从前、中、后台三个方向布局,贯穿全流程,构建了赋能财富管理的完整路径。图图 17 数字化财富管理的前、中、后台布局数字化财富管理的前、中、后台布局(1)前台:前台:前台是客户对接的门户和客户交互的平台,既需要链接和了解客户,也需要为客户创造良好体验。数字化技术从三个方面助力财富管理前台:数字化技术从三个方面助力财富管理前台:一是帮助实现 KYC(Know Your Customer),即充分地
60、了解客户。财富管理机构可以依托大数据的分析能力精准构建客户标签和勾勒客户画像,做到 360 度的客户洞察,据此研判客户行为、风险承受能力和投资偏好,从而实现营销和产品推介的精准化。二是以客户端 App 为抓手进行高效的线上运营。作为前端的客户交互应用门户,客户端 App 被称为财富管理数字化的主战场,它的功能和界面设计直接关乎客户体验,决定客户的体验感和使用粘性,因此也成为各个财富管理机构竞争的关键手段。让客户不限时间和场景获得丰富且有温度的体验,是客户端 App 的目标。26 2022 年,中国手机银行 APP 全年更新迭代超过 500 次,中国农业银行以 12159.6万台的平均月度总独立
61、设备数位居所有手机银行APP活跃度的榜首。截至2023年4月,投资理财服务应用共收录 1245 个 APP,投资理财服务应用活跃人数达 7298.33 万人,日均活跃人数 941.35 万,活跃人数全网渗透率达 6.98%,活跃人数领域渗透率 7.28%,人均使用时长 0.65 小时,人均启动次数 20.04 次。可见,财富管理 APP 已成为财富管理数字化的必要载体和服务工具,未来还可能会成为财富管理开放生态建设的重要平台。三是高效辅助机构制定、沟通和执行多样化、个性化的财富方案。数字化财富管理根据 360 度客户画像,聚焦财富管理全链条场景,基于投资者财富总体情况进行全生命周期试算,基于财
62、富管理目标进行仿真规划测试,基于核心风险点提供保险保障服务,并最终通过智能算法开展线上内容分发、资产配臵、财富规划、智能推荐等自助式服务。(2)中台:中台:中台是前端应用的能力支持,是驱动前后台的数字化引擎和链接前后台的联动机制。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,让来自于业务的数据反哺业务,并不断循环迭代,为客户提供高效服务。数字化技术从三个方面助力财富管理中台:数字化技术从三个方面助力财富管理中台:一是提升机构的客户画像能力。财富管理机构能够以丰富的高质量客户 KYC 信息为基础,运用大数据技术制作涵盖人口轮廓、客群特征、产品持有、消费偏好、价
63、值贡献等各个维度的标签,形成千人千面的客户视图,实现深度的客户需求挖掘与洞察,以更好地针对不同客群匹配相应的产品、服务、营销、渠道策略。二是加强投研体系的智能化建设。传统投研依靠人类大脑,依据有限数据,依托经验逻辑,分析指导投资,过程中对投研人员信息搜集、数据处理、逻辑思维和知识储备都提出了较高的要求,而且会花费大量时间。在数字化协助下,机构能节省大量人工处理数据信息的时间,数据信息挖掘的精确性和丰富性也得到了大大提高。三是实现投顾的精准匹配。数字化投顾基于智能算法等能力,为投资者提供投资咨询和建议服务。依托数字化转型,可以建立强大的一站式投顾工作平台,通过与内部的 27 财富规划与资产配臵系
64、统、交易执行系统、产品管理系统、客户关系管理系统、投资研究等系统进行无缝整合,提升运营能力和体系支持,实现流程无缝衔接、数据实时共享,提高服务效率、增强专业能力、扩大营销产能,实现精准匹配,为客户提供双向、高频的陪伴和咨询服务。(3)后台:后台:后台端的数字化主要指运营环节,要将金融科技用于产品展示管理、交易信息控制、数据分析系统等,联通数据,动态调整,检测评估,打造数字运营生态。数字化技术从三个方面助力财富管理数字化技术从三个方面助力财富管理后后台:台:一是完善产品信息展示管理。数字化可以梳理丰富的产品种类,打造开放式产品平台。通过统筹布局优势特色产品,优化产品谱系,提炼产品词典,建立财富管
65、理全产品视图和内外部结合开放式的产品平台,在客户端形成一体化产品体验和特色品牌形象。二是加强交易信息控制。数字化可以对交易信息进行批量搜集、整理和分析,梳理出潜在的风险点,并进行实时监控和预警。机构可以运用先进技术建构智能运算模型和金融信息搜索引擎,最终实现交易信息的快速寻找、精准把握、自动更新、异动监控与智能提醒等功能,赋能市场研究与跟踪。三是升级数据分析系统。大数据技术帮助机构对客户行为进行深入分析,以充分了解客户的投资偏好,并提供后续的精准服务。通过分析资金流向,跟踪资金应用场景,机构可以实现精准营销;通过数据检测以对异常客户和资金进行提前预警,机构可以有效防范风险,安全经营;通过整合基
66、础数据、交易数据、行为数据、市场数据,打破数据孤岛,机构可以实现由外而内的客户需求与由内而外的业务流程的整合。3.1.3 财富管理机构数字化转型能力支撑体系 在全面剖析数字化如何赋能财富管理的基础上,构建包括客户洞察能力、服务供给能力、渠道管理能力在内的“三位一体”能力支撑体系,以更好地衡量不同财富管理机构数字化转型能力。28 图图 18“三位一体”财富管理机构数字化转型能力支撑体系“三位一体”财富管理机构数字化转型能力支撑体系(1)客户洞察能力客户洞察能力,即,即财富管理机构通过各种行为特征识别客户、分析客户偏好财富管理机构通过各种行为特征识别客户、分析客户偏好和行为习惯,并从中得到个性化辅
67、助决策的能力。和行为习惯,并从中得到个性化辅助决策的能力。它可以帮助机构透过表象找到客户行为的背后原因、客户需求的具体特征、客户偏好的变化趋势、客户风险的承受能力,从而引导客户体验服务,促进客户购买适合的产品。财富管理机构的客户洞察能力数字化转型是在大数据、人工智能、机器学习等技术的驱动下,形成客户画像、客户标签,识别客户生命周期,建立客户全景视图与客户旅程地图,形成立体化、多维度的客户洞察。(2)服务供给能力服务供给能力,即借助,即借助数字化、标准化的投资分析工具和模型化、系统化的数字化、标准化的投资分析工具和模型化、系统化的资产配臵资产配臵工具等优化服务效果的能力工具等优化服务效果的能力。
68、数字化的服务供给能力可以根据投资者的投资目标和风险偏好,应用大数据分析的量化算法,在产品组合下提供相匹配的最优资产组合建议,并根据市场变化情况动态调整,且支持投资人一键完成投资交易过程。此外,通过大数据的技术手段,根据投资人需求,还可以实现更精准的产品推荐,提升财富管理机构的产品管理能力(KYP,Know Your Product),通过链接产品信息库与客户画像库,将客户自身风险承受能力与金融产品的风险等级相匹配,全面提升产品货架管理与销售风险管理水平,并最终提高服务供给能力。29 (3)渠道管理能力渠道管理能力,即,即通过开展线上平台建设,打造线上线下全渠道服务能力。通过开展线上平台建设,打
69、造线上线下全渠道服务能力。通过线上渠道的集约化、智能化运营和线下渠道的综合化、特色化经营,实现更全面的客户覆盖,提升客户服务的广度、深度和效率。线上可以借助金融科技,整合现有服务渠道,使产品直达客户,可以协同客户端 App、短信、公众号、邮件、一对一视频、在线直播等全渠道的营销资源,提升客户线上数字化体验,优化升级数字化营销模式。同时,也应当对线下渠道进行差异化管理,依据不同经营主体和分支机构的禀赋优势和自身特色,错位发展。除线上线下相结合外,渠道管理能力也要与客户洞察能力和服务供给能力相结合,最终实现客户、产品、渠道的适配。3.2 财富财富管理管理开放开放生态的必然性生态的必然性 数字化全面
70、赋能财富管理,帮助优化财富管理前台、中台、后台全流程,有效提升了机构的管理效率和数字化技术水平,增强了机构的专业服务能力并促进机构在数字能力挖掘与释放、数字安全建设、数字风险防控经验上的积累,为机构进一步推进财富管理开放生态的建设奠定了扎实的基础。财富管理开放生态是指以财富管理上下游产业链为主体,通过连接技术平台,使用标准化技术工具,将客户数据与金融服务等资源和能力开放给合作伙伴,以实现充分的场景、数据、能力和经验共享,为各参与者的高效运营与决策提供支撑,进而形成生态共建、共生共赢的业务创新范式。各类机构共同构建开放的生态体系已成为财富管理行业发展的重要趋势,而高效、普惠、完善的开放生态必须建
71、立在扎实的数字化能力之上。30 图图 19 财富数字开放生态可能运作模式财富数字开放生态可能运作模式(以银行为例)(以银行为例)资料来源:平安银行、IDC 表表 10 主要财富管理开放平台概况主要财富管理开放平台概况 机构 财富开放平台名称 建立时间 蚂蚁财富 蚂蚁财富号 2017 年 3 月 天天基金 天天财富号 2017 年 8 月 理财通 理财通名店 2021 年 2 月 平安银行 银基开放平台 2021 年 6 月 招商银行 招财号 2021 年 7 月 交通银行 财富圈 2021 年 10 月 浦发银行 卓信财富号 2021 年 10 月 31 中信银行 幸福号 2021 年 11
72、月 中国工商银行 工银财富 2022 年 11 月 光大银行 光彩号 2022 年 12 月 资料来源:作者根据公开资料整理,按开放平台建立时间排序。在数字化助力下财富管理行业生态逐步走向开放共赢。该行业趋势具有必然性,主要由于以下几点原因。第一,开放生态反映的是财富机构的经营理念从“以产品和销售为核心”向“以客第一,开放生态反映的是财富机构的经营理念从“以产品和销售为核心”向“以客户为中心”转变。户为中心”转变。在财富管理开放生态出现之前,财富管理行业中的传导和反馈机制是资产管理链接财富管理,财富管理再链接客户,即机构在设计或获得了相应的投资产品后再通过各种渠道去寻找适配的客户。但随着机构客
73、群和 AUM 的快速增长和日益庞大,客户的财富管理需求愈发的多元化,传统的单向、单边、逐层的服务模式便显得有些低效化和延迟化,显然已不符合时代要求。于是大财富管理开始朝着数字化、平台化、生态化方向演变,财富管理开放生态的出现成为必然。财富开放生态的核心特点在于能在机构数字化能力的支撑下重塑财富管理上下游关系,实现从独立服务向协同联合服务用户模式的转变,本质上是以客户为中心来对财富管理服务方式进行革新和优化。在开放生态下,财富管理机构从产品的销售者变为交易的撮合者,自有产品销售将仅仅是平台中的一小部分,经营管理机制发生了巨大重构,经营理念也从以往的以产品和销售为核心转向以客户为中心的平台思维。具
74、体来说,财富管理机构不再单纯以产品的销售额、管理费、手续费、自营产品的营收为目标,而是转向以客户价值最大化为目标,通过搭建平等、开放、合作、共赢的财富管理生态圈,引入基金、保险、理财等各类合作伙伴,引入各类专业投顾机构,实现为不同财富水平、不同年龄阶段、不同风险偏好和收益预期的客户定制专属的财富管理综合服务方案,全面提升客户的财富管理体验。同时,开放平台能够节约财富管理整个流程的冗杂信息,促进信息流转的通畅,这是因为平台化既省去了对客户需求信息的 32 了解环节,也略去了资管端和财富端之间的不必要信息沟通,从而降低了交易成本,提升了服务效率。第二第二,开放生态的本质是发挥各参与方的比较优势,更
75、高效地分工协作。,开放生态的本质是发挥各参与方的比较优势,更高效地分工协作。在开放生态这种新型生态关系里,资产管理机构和财富管理机构成为合作伙伴,始终从客户需求出发共同服务目标客户:资产管理机构负责构建一揽子的市场工具,进行多样化的产品设计,财富管理机构则负责提供系统性、个性化的解决方案,两类机构联手营销和服务客户,实现携手互助和长久共赢。如果将财富管理机构和资产管理机构的传统合作模式比喻成各自能力的加法,即两类机构各司其职、各行特色职能以打造丰富的内容,实现“以量取胜”,那么双方在开放生态下的合作机制则更像是一种全方位的乘法,即从客户视角出发调动和聚合各种能力,营造不分彼此、协同互促的融合生
76、态。第三,海外金融科技领域也呈现开放、融合、协作发展的趋势。第三,海外金融科技领域也呈现开放、融合、协作发展的趋势。无论是兴起于欧洲的开放银行模式(open banking)还是近年来火热的嵌入式金融(embedded finance)概念,其本质与上述开放生态是相似的,都意味着能力互补、协同共赢的协作发展模式。据咨询机构 additiv 的预测4,全球嵌入式财富管理模式代表了行业未来发展的趋势,其潜在营收空间达到 1000 亿美元的规模。该机构认为嵌入式模式的核心优势包括:降低客户促达上游机构优质服务的摩擦成本、提升上游机构对客户个性化需求的理解和基于客户需求敏捷地开发针对性更强的产品和服务
77、。3.3 财富财富管理管理开放生态的内涵开放生态的内涵和成效和成效 3.3.1 建设开放生态的核心环节和具体内涵 财富管理服务的开放需要财富管理机构从前台能力、中台能力、后台能力三方面同 4 分析引用自Embedded wealth management:a$100 billion market opportunity hiding in plain sight,additiv 33 时入手,全面提升开放平台的获客能力、析客能力和运营能力。第一,第一,专注专注前台能力前台能力,以实现以实现持续持续、精准精准的的获客获客。财富管理机构的公众号通常是其获客引流的核心私域阵地,此外,一些机构还重点开
78、放了中心化公域阵地以帮助资管机构吸引目标客户。比如,招商银行在资讯/社区服务页面提供理财资讯服务,在上海品茶以“金刚区”icon 导流至基金、理财页面,在“我的”页面通过引入资产优化、资产分析的功能以导流至产品;蚂蚁财富逐步开放小程序、讨论区、直播等渠道,鼓励入驻机构通过活动、小程序,同时利用中心化活动、理财工具和支小宝来持续提升内容和服务的客户触达,对优质的产品、内容进行扶持。在开放式财富社区,机构自身还能够通过投教宣传、直播讲解、视频模拟、场景设计等方式向用户普及必要的金融投资知识,把复杂、专业的术语和投资方式转化为通俗易懂的指导和科普,让客户看得懂、能操作,从而吸引因金融素养缺乏而畏怯不投的
79、客流。同时,智能化、个性化的开放社区也能让客户更便利化地享受观趋势、定策略、选配臵、挑产品、知收益、控风险、改组合等一站式服务,沉浸式体验投前、投中、投后的全旅程陪伴服务,提升客户获得感、幸福感,帮助稳固既有客流。第二,第二,提升提升中台能力中台能力,以做到充分、以做到充分、深入深入的的析客析客。了解并理解客户是顺利开展财富管理服务的关键,而开放平台的搭建正为机构提升析客能力提供了契机。财富管理机构能够利用开放平台上的日常交互数据进行运营情况分析和反馈,并结合不同人群的风险偏好、流动性偏好、风险承受能力与投资目标等来更好地理解客户需求,以有效地帮助和牵引入驻机构针对不同客群特点,为客户提供个性
80、化、完善化的资产规划、产品配臵、持仓诊断等财富管理服务,助力客户实现财富梦想。同时,高效的数据管理也有利于合作机构更好地管理客户预期,及时动态调整财富管理方案,切实提升服务的精准率和效率,极大地改善客户的服务体验。随着财富管理平台更加深度的开放化,预期未来财富管理机构开放平台的日均使用率和点击访问率也会不断提高,这就要求机构的数据管理和保护能力也要进行匹配式提 34 升,一方面机构要积极吸引和培养专业的、优秀的数据管理人才,另一方面也要不断优化自身的数据管理和保护系统,以保证即便在高访问率的情况下,平台仍然正常运转,且不会出现数据私密信息泄露的情况,带给客户流畅舒适、安全放心的使用体验。第三,
81、第三,深耕深耕后台能力后台能力,以,以帮助帮助高效、优质的高效、优质的运营运营。除了依托开放平台的功能设计和数据信息提升获客能力和析客能力外,平台管理者还需要采取后台赋能工具和手段,不断降低合作机构在开放平台提供服务的成本,促进开放平台的高效运转。在产品刻画、投入产出分析方面,在产品刻画、投入产出分析方面,财富管理机构通过运用生动形象的图表符号以及简洁趣味的视频对产品分类、风险风格等特征进行明确、清晰、详尽的刻画,并使用交互式界面展示产品的历史业绩状况,预估可能的未来表现,从而实现在售前就显著提升产品与客户需求的匹配度,降低了合作机构的寻客和营销成本。在在内容创作和粉丝经营方面,内容创作和粉丝
82、经营方面,财富管理机构通过搭建专门的内容分享、新闻资讯社区,提供便捷的视频直播渠道来帮助合作机构宣传投资理念、分享投研结论并展示自身的优势能力,以吸引粉丝关注,并转化粉丝为服务对象。随着内容创作和发布数量的快速增长,发布频率的日益提高,财富管理机构开始对合作机构的资讯内容进行审核,以尽可能筛选出更优质的内容,促进平台文章质量的不断提升。在在线上化服务线上化服务效率效率和质量提升方面和质量提升方面,资管机构能够依托开放平台 APP 等为客户提供 7*24 小时服务,不断提升对客户提问和诉求的及时应答率,从而增强了自身与客户之前的联系,也降低了机构与客户之间的沟通成本。平台还会基于大数据技术与机器
83、训练,设计智能客服,为客户提供实时的收益查询、涨跌分析、市场热点解读、产品推荐、资产配臵建议等财富管理综合服务。在每次问题解决或服务完成后,平台运营方会让客户对整个过程进行反馈和评价,据此来进行平台相应模块的整改,不断完善和优化整个的运营环节。此外,开放平台还通过创新组织机制,持续推动财富管理机构和此外,开放平台还通过创新组织机制,持续推动财富管理机构和资产管理资产管理机构的深机构的深度合作和自我改进。度合作和自我改进。一方面,构建和完善资管机构运营力评价机制以提升参与机构的主 35 动性和竞争力,督促和激励参与机构不断提升自身的综合服务能力,另一方面也引入合作机构对开放平台的满意度评价体系,
84、帮助平台运营方查找问题、漏洞并进行针对性地解决,实现内部和外部的“双向奔赴”,推动开放平台的迭代优化。基于以上分析,可从前台、中台、后台三个维度来评估财富管理开放平台的开放程度以及相应财富管理机构的开放能力。各类型财富管理机构也可以从这个三个维度出发对标可比机构,找差距、学优势,不断完善和改进自身的开放平台系统,推动更深层次的财富管理开放。表表 11 财富管理开放能力评估框架财富管理开放能力评估框架 维度维度 开放开放能力评估能力评估 前台 通过在平台公开领域实现客户引流能力 中台 对客户有效识别和洞察理解的能力 后台 提供财富解决方案的一篮子赋能和运营提效工具 3.3.2 开放生态的成效 财
85、富管理开放平台的设立使得财富管理机构的客户累积、资源禀赋、先进技术手段、特色金融服务能够与资管机构的专业能力和投研能力充分结合,有利于搭建和维护全生命周期服务客户的财富管理开放生态,帮助拓展客户经营的深度和广度,实现更优质的客户陪伴功能,真正地为客户创造价值,促进财富管理生态圈的各方共赢。首先首先,财富管理开放生态带动了财富管理开放生态带动了上游资管机构上游资管机构的发展和成长。的发展和成长。一方面,这种开放模式对资管机构有着极大的吸引力,这是因为在财富管理机构搭建的开放平台上,资管机构将能直接参与客户服务的全旅程,通过内容创作、短视频传播、直播科普等方式建立与客户的亲密连接,从而不再是单纯的
86、产品提供方,而是深度服务的提供者。开放平台的出现能更好地助力资管机构线上开店,拓宽了资管机构的线上化运营和服务渠道,提高了其对客户财富管理全旅程、全周期陪伴的参与度,最终促进整个财富管理生态的共荣共生。36 以招商银行为例,截至 2023 年第二季度,招行共与 90 余家基金及资管公司、14家银行理财子公司、40 余家保险公司建立了合作,代销产品万余种,142 家合作机构相继进驻“招财号”财富开放平台。截至 2022 年年底,招商银行 App 平台上由合作机构生产的陪伴内容占比已经达到 93%,充分说明上游资管机构是财富管理开放化的赢家之一。作为开放平台模式的先行者,蚂蚁财富“财富号”开放生态
87、已入驻超过 150 家资管机构。另一方面,开放化的竞争环境也激励着资管机构不断加强供给侧的服务质效提升,持续促进自我的革新和全面的进步。开放平台通过构建一种包括理财直播、社区运营、智能理财助理和投顾管家等在内的服务矩阵,有效提升了客户对综合服务的满意度并加强了客户对合作机构的依赖度。以蚂蚁财富理财直播为例,看过直播的用户的定投次数较未看过的用户提升 15%、持有时长增加了 30 天,客户粘性和投资持久性都得到了显著提升。为更好地稳固粉丝群体并吸引新客流,机构必须全方位地提升自身的产品、服务、投研等能力,以在开放平台的激烈竞争中站稳脚跟。其次其次,财富管理开放生态为财富管理开放生态为下游客户下游
88、客户创造了新价值,创造了新价值,给给客户客户带来了优质体贴的服务带来了优质体贴的服务体验。体验。一是能够为客户提供更多样化、个性化的财富管理方案选择,极大地提升了客户效用。在开放平台出现之前,由于每个财富管理机构的产品提供具有一定的局限性,客户的可选项不多,因此产品投资类型往往也较为单一化、片面化,对投资收益和风险的管理效果也往往不佳,难达预期;而开放平台通过引入多类型的资管机构作为产品和服务的提供者直接有效地丰富了产品的种类,扩大了客户的选择面,使得客户能从单一产品选择向组合配臵进阶,并能在同一平台中操作、监测和管理自己的财富管理方案,带给客户全新的服务体验。二是能够通过财富管理全旅程、全周
89、期陪伴带给客户更加贴心、优质的服务体验。开放平台使得财富管理逐渐从单一的投资属性向着兼顾客户生活的财务属性转变,机构 37 服务重点也从重售前转向了售前投教、售中优选、售后跟踪的全旅程财富管理服务,客户的财富管理服务感受和体验因此得到了全面升级。同时,机构还能综合运用大数据和人工智能技术实现对开放平台中处于不同人生阶段客户的智能化服务,根据客户的人生阶段和特征标签,结合各方面形势变化,帮助客户提前规划下一人生阶段的财富需求和投资目标,并据此有规律地调整优化客户的财富管理投顾方案,实现对财富管理投资组合的动态管理,从而充分满足客户全生命周期的财富管理服务需要,打造极致客户体验。最后最后,财富管理
90、开放生态也能财富管理开放生态也能对财富管理机构自身对财富管理机构自身形成反哺效应,稳固和提升了机形成反哺效应,稳固和提升了机构在行业内的地位构在行业内的地位。以招商银行为例,截至 2022 年末,招行零售 AUM 余额达 12.12 万亿元,较上年末增长12.68%;财富产品持仓客户数达4,312.93万户,较上年末增长14.14%;2023 年 7 月 12 日,招行宣布其公募基金保有规模逆势突破 10000 亿。可见,持续完善的开放平台是招行在当前市场错综复杂、行业急剧调整的背景环境下仍能维持中高速增长态势的关键,也说明财富管理的开放化模式是有竞争力和生命的,是一条可持续的良性发展路径。3
91、.4 财富管理财富管理开放开放生态的建设路径生态的建设路径 数字化时代的竞争就是生态的竞争,数字技术的迭代进步和财富管理行业的激烈竞争促使各类财富管理机构正积极地从传统的财富管理服务向以用户体验为中心的全渠道、无缝式、定制化的财富管理服务转型。不过,由于不同类型机构的战略定位、经营文化、资源条件和所处的发展阶段与市场环境的不同,各机构在构建财富管理开放生态圈时所采取的模式可能会有所差别。特别地,建设财富管理开放平台并非是每个机构的最佳选择,机构应正确评估行业发展前景,找准自身的战略定位,或许积极融入外部的财富管理开放平台才是自身的最佳选项。对于银行而言,对于银行而言,由于其在财富管理方面天然具
92、有良好的品牌认知和心理认同,且具有高覆盖面的经营网络和丰富的合作伙伴,也拥有着相对完善的管理制度体系和风险防 38 范能力,因此适合作为财富管理开放平台的建设方。当然,不同类型银行在开放平台建设的着力方向上应有差异。大型国有商业银行由于综合实力雄厚,且一直以来高度重视金融科技的全面发展,积极推动各类金融科技成果的广泛应用,因此在财富管理数字化转型和开放生态构建上具有突出的技术优势和人才优势。特别地,借助于自身的声誉优势,国有大型银行更能吸引多样化、全面化、专业能力强的机构入驻财富管理开放生态平台,实现对不同风险偏好、不同风险承担能力、不同金融素养的客户需求的全覆盖,带给不同类型客户优质的服务体
93、验,从而进一步增强银行的客户黏性和依赖度,有利于银行沉淀存款,提高单位客户对银行的边际贡献度和自身的盈利水平。相比于大行,股份制银行的客户结构往往不均衡,一般侧重于某一类或几类的客户,所以在构建财富管理开放生态的过程中,应始终深耕本行客户真实需求,有条件地筛选最契合本行客户特点的机构作为合作伙伴,并利用强大的科技技术实现开放平台的简洁化、便利化以及操作流程和服务的创新,有效弥补资金体量和规模的不足,实现弯道超车。地区性小银行发展策略差异性比较大,由于资源有限,研发能力、数据治理、人才储备等方面的相对不足,大多数小银行可能尚未踏入财富管理开放生态阶段或与正考虑积极与其他优势机构合作以推动财富管理
94、业务的开放化。区域性中小银行通常面临着严重的同质竞争,容易受到大行下沉的冲击,需要通过不断地增强本地客户的黏性来实现稳健经营,比如依托金融科技在数字化营销能力提升和客户体验升级上持续发力,而后可以再考虑与外部金融科技公司和同业领先银行开展合作,搭建和营运符合地方特色的财富管理开放生态平台。对于券商而言对于券商而言,不同机构的专业能力和资源条件差异比较大,组织架构、人员配臵和服务链条的完善情况不统一,因此不应盲目紧跟其他机构的步伐,应谨慎选择开放化财富管理服务的参与模式。一些头部机构可以考虑利用自身的资源禀赋和特色优势逐步 39 拓展线上渠道、搭建线上财富开放平台,利用平台将流量、技术、工具等开
95、放给其他金融机构,实现财富管理的开放式运营。第三方机构第三方机构在探索发展开放化财富管理模式上起步最早,发展至今已形成了比较成熟的财富管理开放生态营运模式。2017 年 6 月,蚂蚁财富正式对外披露开放战略并上线财富号,由此开启了基金代销行业的财富号风潮,财富开放平台这一概念也开始萌生。蚂蚁财富的开放生态经历了 2 轮主要的模式升级迭代,其 1.0 阶段主要帮助机构更高效地为用户提供“投”的能力,把优质的基金产品搬上平台;2.0 阶段通过开放生态服务体系,帮助机构为用户更多元地提供“顾”的服务,引导用户理财行为更专业、理性。敏锐的市场觉察力、更早的起步、敏捷且丰富的运营策略以及公司领先的科技水
96、平是第三方机构成功的关键要素。未来,第三方机构将通过精耕细作,加强与各类专业机构间的紧密合作,进一步做大做强财富开放平台。财富管理开放生态的出现提升了整个财富管理行业的效率,避免了行业内的不良恶性竞争,促进了各方共赢获益,但也对各类型机构的风险控制能力提出了新的要求和挑战,为更好地推动财富管理开放生态的高质量发展,平台维护机构需要多方发力,不断完善风险预防预判、监测预警、管控处臵机制,切实增强线上风险管控能力。一是要做好多场景的识别控制,为不同的金融服务场景设计和匹配不同的智能风控系统,确保采用最适配的机器算法、数据风控模型和风控流程标准,从技术上保证风控结果的精确性和灵敏性。二是吸纳和培养高
97、素质管理人才,建立智能风控人才队伍,并通过日常化的培训不断提升智能风控系统管理和操作人员的专业能力,紧跟不断迭代更新的先进科技技术,保证风控人员的与时俱进。三是要设计和完善相关规章制度,建立起规范的智能风控管理制度,对财富管理开放生态平台的不同参与方进行必要的监测和及时的提醒,约束和规范参与机构的行为,设计有效的激励机制促进机构的自我管束。40 第第4章章 总结与总结与建议建议 21 世纪以来,中国经济发展逐步从新阶段迈向新常态,居民财富快速增长,全民理财意识逐步觉醒,各类财富管理需求持续攀升。党的二十大报告指出,中国式现代化是全体人民共同富裕的现代化。在此背景下,服务于经济高质量发展和共同富
98、裕也正成为新时代财富管理行业的新使命。基于基于 2023 年第二季度数据,我们对中国不同类型机构的财富管理能力进行评价。年第二季度数据,我们对中国不同类型机构的财富管理能力进行评价。结果表明:第一,银行仍处于财富管理行业中流砥柱地位。第一,银行仍处于财富管理行业中流砥柱地位。在 100 强机构中有 62 家银行,且平均分持续上升;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。第二,券商市场占有率持续扩张。券商权益类基金市占率环比增速最高,公募基金保有规模市占率提升也最为明显。由于券商具有基金投顾等多种服务,
99、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,公募第三,公募基金公司财富管理服务发展空间较大。基金公司财富管理服务发展空间较大。和银行、券商相比,公募基金公司上榜数量较少(只有 7 家),集中在头部机构,未来还有很大发展空间。第四,第三方机构依托互联第四,第三方机构依托互联网发展迅速。网发展迅速。第三方机构财富管理能力平均得分自 2022 年底以来处于第一位。第三方财富管理机构多为互联网企业,其依托技术能力,在专业服务普惠性和交互体验性方面具有较强竞争优势。财富管理行业的高质量发展离不开对于数字技术的运用,以及贯穿财富管理服务全链条的数字化转型。数字化拓展了财富管理服务对象的
100、边界,极大地提高了财富管理服务的质量和效率。近年来,随着财富管理行业数字化转型的深入,以及居民财富管理需求的日益精细化、复杂化和多样化,财富管理开始从单纯的金融产品和服务数字化进一步向平台化、生态化方向演变,财富管理数字化转型进入新阶段。41 财富管理开放生态的出现是财富管理机构数字化转型的必然结果,机构在转型期间数字化能力的培养和提升有效助力财富开放生态的建设。财富管理开放生态重塑了财富管理上下游关系,实现从独立服务向协同联合服务用户模式的转变,本质上是以客户为中心、以数字化能力为支撑,对财富管理服务方式进行革新和优化。我们通过调研对不同机构的财富管我们通过调研对不同机构的财富管理开放方式、
101、开放能力、开放效果作了系统评价理开放方式、开放能力、开放效果作了系统评价与分析,在此基础上总结了不同类型财富管理机构的开放趋势,得到以下结论:与分析,在此基础上总结了不同类型财富管理机构的开放趋势,得到以下结论:第一,银行财富管理开放生态建设如火如荼。第一,银行财富管理开放生态建设如火如荼。许多头部银行已纷纷搭建并运营了财富管理开放生态平台。银行由于其在财富管理方面天然具有良好的品牌认知和心理认同,且具有高覆盖面的经营网络和丰富的合作伙伴,也拥有着相对完善的管理制度体系和风险防范能力,因此适合作为财富管理开放平台的建设方。当然,不同类型银行应该结合自己的禀赋和优势,在开放平台建设的着力方向上有
102、所差异,形成自己的特色。第二,券商在财富管理生态第二,券商在财富管理生态建设尚有较大发力空间。建设尚有较大发力空间。目前,仅有少量头部券商推出了财富管理开放平台,开放效果还有很大上升空间。不同券商机构的专业能力和资源条件差异比较大,组织架构、人员配臵和服务链条的完善情况不统一,应谨慎选择开放化财富管理服务的参与模式。头部机构可考虑利用自身的资源禀赋和特色优势逐步搭建线上财富开放平台。第三,第三方机构在财富管理开放生态建设上具备技术优势和丰富经验。第三,第三方机构在财富管理开放生态建设上具备技术优势和丰富经验。敏锐的市场觉察力、敏捷且丰富的运营策略以及领先的科技水平是第三方机构成功的关键要素。蚂
103、蚁财富是财富管理行业开放趋势下的先行者,已迈入开放 2.0 阶段。未来,第三方机构将通过精耕细作,加强与各类专业机构的紧密合作,通过财富开放平台进一步提升财富管理服务的专业性。在数字化转型的推动下,财富管理开放生态的出现提升了整个财富管理行业的效率,促进了各方协同共赢。财富管理开放生态带动了上游资管机构的发展,为下游客户带来了优质的服务体验,同时对财富管理机构自身形成正向的反哺效应。当前,中国已成为 42 全球第二大财富管理市场,尤其是银行理财和公募基金等公募类产品都呈现快速发展态势。面对去年以来的市场震荡、预期不足,财富管理行业面临挑战的同时,也要把握凝聚行业合力的机遇,以开放共赢的理念,通
104、过高质量客户服务提高投资者理财获得感。43 附录附录 1:中国资产管理行业指数编制方法中国资产管理行业指数编制方法 一、编制原则一、编制原则 第一,以现代金融理论为指导。现代金融理论是资管行业发展评价体系建立的基础,在指数的编制过程中,充分对相关金融理论进行梳理和分析。明确指标体系的构成和分类,既涵盖资管业务所具备的共性因素,又兼顾各个子行业的特性和优势,多维度、全方位建立评价指标体系,运用于我国资管行业发展的评价和分析。第二,兼顾未来资管行业发展趋势。当前我国正处于金融改革发展的关键期,金融结构不断调整,金融业务发展迅速,要兼顾资管行业发展趋势,涵盖新兴资管业态相关 指标,并对其进行合理的评
105、价和赋权,科学展现不同资管业务特点。第三,充分考虑全面性和数据可得性。金融行业具有综合性和复杂性,对其进行测度和评价需要一个完善的指标体系,需要从多方面进行考虑。在指数的编制过程中,要在充分考虑数据可得性的基础上,尽可能涵盖所应具备的各种因素。二、编制思路二、编制思路 中国资产管理行业发展指数编制过程包括,指标体系的确定、数据收集处理、权重的确定、指数测算四个过程。其中,有关指标体系的确定将在下一部分进行介绍,这里主要介绍数据处理和权重确定的方法。中国资产管理行业发展指数是从多角度、多层次对我国资产管理行业发展进行多维度测评的综合性指数,每一维度都是构成特定方面的分指数,每个分指数又由若干定量
106、指标合成。定量指标衡量范围包括规模、数量、盈利能力和人才规模等方面,指标量级与单位不尽相同,因此需要在各分指数计算之前,对这些指标的处理方法统一规范,以使整体测算的指数不仅横向可比,而且纵向可比;不仅可以比较不同金融领域的发展相 44 对水平,而且也可以考察资产管理行业整体发展的历史进程。三、指标体系构建三、指标体系构建(一)指标框架 在指标体系构建过程中,我们在借鉴中国资产管理行业发展报告(2018)、中国财富管理发展指数报告(2019)等研究的基础上,充分考虑当前我国资产管理行业发展特征5,以资管规模、资管产品、经营效益和人才资源等四个一级维度,银行业、证券业、保险业、信托业和基金业等五个
107、二级维度,来刻画我国资管行业的发展情况,保证该指数的科学性、系统性与完整性。2012 年以前,我国资产管理行业发展相对滞后,监管部门还未大规模放开金融机构的资产管理业务。2012 年之后,监管部门陆续推出新政,如券商资管新政十一条、放宽公募基金投资范围、保险业资管放松以及首次允许期货公司加入资管阵营,使资产管理行业步入具有竞争、创新、混业经营等特征的大资管时代。2013 年,在“放松管制、放宽限制、防控风险”的政策环境下,传统资管的分业经营壁垒逐渐被打破,各类资产管理机构之间的竞争加剧,银行、券商、保险、基金、信托等各类资产管理机构开始涌向同一片红海,我国资产管理行业也开始进入快速发展的新阶段
108、,2013 年也因此被称作“中国大资管元年”。有鉴于此,我们收集了时间跨度为 2013 年第 1 季度-2023 年第 2 季度6的数据,可以比较直观地了解自 2013 年进入大资管元年之后,我国资产管理行业的发展态势。52012 年监管部门首次允许期货公司加入资管阵营,2016 年我国泛资管行业所管理的资产总规模约为 102.5 万亿元,期货公司资管规模为 2792 亿元,占比仅为 0.27%,不足百分之一,可见期货公司资管业务还未成为我国财富管理的主要手段,因此暂未将其单独列为二级指标。6截至报告日,2023 年 2 季度多项数据未公布,暂未公布数据由估算得到。45 表表 12 中国资产管
109、理行业发展指数指标框架中国资产管理行业发展指数指标框架 一级指标 二级指标 指标描述7 数据来源 资管规模 银行业资管规模 银行理财产品存续余额8 普益标准数据库 证券业资管规模 证券公司及其子公司资管规模 中国证券投资基金业协会 保险业资管规模 保险业资金运用余额9 中国银行保险监督管理委员会 信托业资管规模 信托资产余额 中国信托业协会 基金业资管规模 公募基金、基金公司及基金子公司的专户业务与私募基金存续余额之和 中国证券投资基金业协会 资管产品 银行业资管产品 银行理财产品存续数量 普益标准数据库 证券业资管产品 证券公司存续资产管理计划数量 中国证券投资基金业协会 保险业资管产品 保
110、险资产管理产品存续数量 中国保险资产管理业协会 信托业资管产品 存续集合类、单一类、财产类信托数量之和 Wind 数据库 基金业资管产品 公募基金、基金公司及其子公司私募资产管理计划量与私募投资基金存续数量之和 中国证券投资基金业协会、Wind 数据库 7各指标所涵盖的各资产管理业务资金规模总和即为该行业资产管理规模。8由于银行业理财登记托管中心未公开银行资管相关季度数据,为满足本报告聚焦资管行业季度发展的变化,采用普益标准数据库对银行理财规模与产品的统计口径。9根据中国证券投资基金业协会发布的中国证券投资基金业年报,在其关于保险公司资产管理业务的描述中采用保险业资金运用余额来代表保险业资产管
111、理规模。46 经营效益 银行资管经营效益 上市银行手续费及佣金收入10 Wind 数据库 证券资管经营效益 资产管理业务净收入 中国证券业协会 保险资管经营效益 上市保险公司非保险业务经营收入11 Wind 数据库 信托资管经营效益 信托公司经营收入 中国信托业协会 基金资管经营效益 公募基金及基金子公司管理费总收入 中国证券投资基金业协会 人才资源12 银行资管人才资源 银行业金融机构从业人员数 国家统计局 证券资管人才资源 已注册从业人员 中国证券业协会 保险资管人才资源 保险公司职工人数 国家统计局 信托资管人才资源 信托机构从业人员 中国信托业协会 基金资管人才资源 公募基金管理机构从
112、业人员、私募基金管理人员数之和 中国证券投资基金业协会 10截至 2019 年末,36 家 A 股上市银行理财产品存续规模达到 21.64 万亿元,占银行业理财总规模的 80%。根据上市银行年报所披露的银行机构财务状况,未有银行资管业务的经营效益的具体衡量指标,而上手续费及佣金收入为非息收入,具体包括顾问和咨询费、理财服务手续费、代理手续费、托管及其他受托业务佣金等等,因此用该指标作为银行资管经营效益的替代变量。11数据来源于 Wind 数据库整理的上市保险公司年报,该指标为经营收入与保费总收入之差,该部分包括投资收益、公允价值变动损益、汇兑损益与其他业务收入,其中其他业务收入包括资管业务,鉴
113、于数据可得性,以该指标作为保险资管经营效益的替代指标。12由于银行业、证券业、保险业没有关于资管人才的指标统计,只能以子金融行业从业总人数的变化情况作为替代变量,衡量该领域人才资源发展情况。47 (二)指标选取 1.资管规模 资管规模指标是对各细分金融领域资管规模的动态刻画,从理论上讲,资管业务发展程度最直接的表现就是市场规模,规模的扩大可以吸引更多的金融机构和金融从业人员,形成规模经济收益。在资产管理规模一级指标下,我们设臵了基于不同子行业的五个二级指标。其中,银行业资产管理规模用银行业理财产品存续余额来度量,具体包括银行理财产品、私人银行业务的产品资金余额,数据来源于普益标准数据库;证券业
114、资产管理规模用证券公司及其子公司资管规模来衡量,数据来源于中国证券投资基金业协会;保险业资产管理规模用保险业资金运用余额来衡量,数据来源于中国银行保险业监督管理委员会;信托业资产管理规模用信托资产余额来衡量,数据来源于中国信托业协会;基金业资管规模用公募基金、基金公司及基金子公司的专户业务与私募投资基金存续余额之和来衡量,数据来源于中国证券投资基金业协会,其中私募投资基金包括私募证券投资基金、私募股权投资基金、创业投资基金等,数据来源于中国证券投资基金业协会。2.资管产品 资管产品指标是基于银行业、证券业、保险业、信托业和基金业进行集成的一级指标,包括五大行业产品发行量的二级指标,以此对我国资
115、产管理产品总体发行数量与丰富程度进行量化评估。其中,银行业资产管理产品用理财产品存续数量来衡量,数据来源于普益标准数据库;证券业资产管理产品用证券公司存续资产管理计划数量来衡量,数据来源于中国证券投资基金业协会;保险业资产管理产品用保险资产管理产品存续数来衡量,数据来源于中国保险资产管理业协会;信托业资产管理产品用存续集合类信托数量、单一类信托数量和财产类信托数量之和来衡量,数据来源于 Wind 数据库;基金业资管产品用公募基金、基金公司及其子公司私募资产管理计划量与私募投资基金存续数行量之和来衡量,数据来源于中国证券投资基金业协会。3.经营效益 48 经营效益指标是对五大细分行业资管业务运作
116、能力和效益进行评价的一级指标。具体来看,银行业资产管理经营效益用上市银行手续费及佣金收入来衡量,据来源于 Wind 数据库整理的上市银行年报;证券业资产管理经营效益用证券机构资产管理业务净收入来衡量,数据来源于中国证券业协会;保险业资产管理经营效益用上市保险公司非保险业务经营收入来衡量,数据来源于 Wind 数据库;信托业资产管理经营效益用信托公司经营收益来衡量,数据来源于信托业协会;基金业资产管理经营效益用公募基金管理费总收入与基金子公司管理费总收入之和来衡量,数据来源于中国证券投资基金业协会。4.人才资源 资产管理是一个轻资产、重人才的服务型行业,人才就是竞争力的体现,对人才的吸引和培养是
117、资管业务发展的关键。从理论上讲,金融人才是最重要的供给因素,是金融集聚的重要体现,是每一个金融市场发展不可或缺的因素。人才资源不仅是软实力的重要体现,更是对未来发展趋势的潜在参考指标。由于银行业、证券业、保险业缺少关于资管人才的指标统计,鉴于数据可得性,我们以子金融行业从业总人数的变化情况作为替代变量,以此来衡量该领域人才资源发展情况。具体来看,银行资管人才资源用银行业金融机构从业人员数来衡量,数据来源于国家统计局;证券资管人才资源用已注册从业人员来衡量,数据来源于中国证券业协会;保险资管人才资源用保险公司职工人数来衡量,数据来源于国家统计局;信托资管人才资源用信托机构从业人员13来衡量,数据
118、来源于中国信托业协会;基金资管人才资源用公募基金管理机构有从业人员与私募基金管理人员工总数之和来衡量,数据来源于中国证券投资基金业协会。四四、数量指标的无量纲化、数量指标的无量纲化 无量纲化,也叫数据的标准化,是通过数学变换来消除原始变量(指标)量纲影响的方法。在计算单个指标指数时,首先必须对每个指标进行无量纲化处理,而进行无量纲化 13信托机构从业人员数据为信托业协会季报公布的信托业净利润收入总额除以人均净利润额的值。49 处理的关键是确定各指标的上、下限阈值。在指数的构建过程中我们采用 min-max 方法,对原始数据进行标准化处理,消除量纲。这种方法的好处是能够使得标准化后的指标变量都位
119、于0,1区间内,方便后续指数的计算。具体的标准化的公式如下:=指标 该指标最小值该指标最大值 该指标最小值=上式中代表待标准化的变量数据,为标准化后的变量,min 代表该指标变量的最小值,max 代表该指标变量的最大值 当指标数据存在极端值,离差较大时,简单的标准化方法可能会使得标准化后的数据集中在某一个较窄的范围,使得指标反映的信息模糊化,同时相当于无形中增大了异常值得权重,不利于指标之间的客观比较。因此,针对离差较大(即最大值减去最小值)大于1000 的变量,我们采用先取自然对数值,再进行标准化的方法进行特殊化处理。五五、指标权重的确定、指标权重的确定 权重值的确定直接影响综合评估的结果,
120、权重值的变动可能引起被评估对象优劣顺序的改变。所以,合理地确定综合评估发展各主要因素指标的权重,是进行综合评估能否成功的关键问题。权重的确定方法有很多种。从原理上看,我们可以基于理论研究确定权重,也可以以主观定性与客观定量法相结合的方式来确定不同指标的权重。确定权重的方法主要有简单平均分、专家打分法、主成分分析法、熵值法、VAR 脉冲响应法和 DMS-TVP-FAVAR 等五大类。对于前三类方法,主要依赖数据数值上的客观规律,以数值相关性、离散程度或空间结构来确定权重,其权重背后的经济学含义较弱,不利于公众的理解。而 VAR 系列的方法以指标对追踪变量的波动的解释程度作为权重,使得权重具有直观
121、明确的经济学含义,且这种方法构建的指数一般具有更好的预测能力。但简单的 VAR 模型的方法由于模型的假定及局限性,可能会遗漏部分指标变量的信息。同时,随着指标体系的扩大,VAR 模型的方法面临着过度参数问题,因此 VAR 脉冲响应的方法在对应较大的指标体系时的适用性不 50 佳。表表 13 五大类指数编制方法对比五大类指数编制方法对比 方法 主要内容 优点 缺点 简单平均法 平均赋权,每类一级指标相同权重 简单、直接 相同权重不符合 客观规律 专家打分法 聘请行业内专家对各指标重要性进行打分 简单、直观、便于理解 缺乏客观性 主成分分析法 发掘指标内部相关性,以共同因子替代,最大限度保留原有信
122、息 客观、可用于庞大的指标体系 背后经济学含义较弱 VAR 脉冲响应法 以指标变量对目标变量冲击的平均脉冲响应的比例作为权重 具备经济学含义,对目标变量追踪效果好 针对庞大指标,易出现过度参数问题 DMS-TVP-FAVAR VAR+主成分分析+系数动态变化+模型动态选择 先进、追踪效果佳、克服了之前的问题 操作复杂 对比可知,DMS-TVP-FAVAR 是目前在指数估计中最先进的方法,能够解决客观性、经济学含义以及应用庞大指标体系的问题。将主成分分析法与 VAR 方法结合,即因子增广向量自回归模型(FAVAR)既能解决主成分分析法确定权重存在的只注重数值规律,经济含义不明的问题,又避免大量指
123、标变量导致的过度参数问题。而加入动态系数变化(TVP)则考虑了指标体系中权重随时间变化的动态特征。同时,允许对指数的指标体系进行动态模型选择(DMS),不同时期,影响指标可以发生变化。例如,随着时间变动,以往对目标变量没有或者影响很小的指标,影响能力增大,应该加入模型中;而过去对目标变量影响较大的变量可能会失去影响力而从指标体系中剔除。动态模型选择的采用使得我们能够对指标体系进行动态跟踪、调整而不会对整个模型产生系统性变化。考虑到我国资管行业数据的可得性问题,暂时无法进行 VAR 系列方法的估计。在此,我们只是先将方法论提出,待中国资产管理行业相关变量扩充完善后,再进行更高级的方 51 法估计
124、。参考已有研究,20152019 年中国财富管理规模指数、中国财富管理行业产品指数与中国财富管理机构发展指数都是采用主成分分析法确定权重。因此,考虑到数据的可得性与评价客观性,我们分别测算了简单平均法、专家打分法和主成分分析法下的总指数。据测算,三种不同权重确定方法走势与增长趋势具有极高的相似,最终选择主成分分析法确定权重。(一)主成分分析法 主成分分析(Principal Components Analysis,PCA)也被称作主分量分析,主要思想是通过降维,将反映个体特征的多个指标转化为一个或少数几个综合性指标,从而使该指标兼具科学性、全面性和有效性等特点。基于主成分分析还可以进一步作因子
125、分析,以使各变量对研究目标的影响力更为显著。从数学运算上看,主成分分析与因子分析的本质是一致的,都是一种数据集简化技术,通过线性变换将原始数据投影到新的坐标系统中,并且依照数据投影方差的大小将投影坐标依次排序(第一主成分、第二主成分)。每个主成分包含原有指标或变量的主要信息,而且不同主成分所含信息不存在重叠,所以能够在兼顾多变量信息的同时将相对复杂的因素降维简化,得到更为科学、有效的信息集合。从实际运用上看,主成分分析法主要为了解决人们在指标(变量)信息量和分析效率之间的矛盾。为了尽可能全面、系统地分析问题或反映情况,在构建指数时,我们理论上应该将所有影响因素纳入考虑。但问题是这些未经处理的指
126、标或变量所包含的信息一般都有重叠,而且变量越多,信息重叠的情况就越严重,进行定量分析时计算就愈加复杂。主成分分析法正是解决此类问题的理想方法。将原有具有一定相关性(信息重叠)的指标(如 P 个变量)组合成为一组新的但相互不相关的综合指标加以替代。组合方法通常为线性组合。随后依据综合指标方差大小来确定最终选择综合指标的个数。如第一个综合指标(F1)的方差最大,即 Var(F1)最大,那么表明综合指标 F1 所包含信息较多,被称为第一主成分。如果第一主成分所包含信息不能满足分析需要,即遗漏了原始 P 个变量较多的信息,那么可以考虑增加选取第二个综合指标 F2,而经过矩阵转化之后,F1 所包含的 5
127、2 信息不会再出现在 F2 中,即 Cov(F1,F2)=0。我们可构造出 P 个综合指标,顺序增加纳入分析的指标,直到其所包含的信息满足分析需要。使用主成分分析的计算方法主要如下:1、对原始数据的标准化 假设有 n 个样本,指标体系中的变量有 P 个,因此可以得到总体的样本矩阵。并选取反映其特性的 P 个变量,从而得到总体样本矩阵:=(1,2,),=1,2,()(1-1)对样本矩阵元进行标准化:=,=1,2,;=1,2,(1-2)其中=1,2=()2=11,由此得到标准化的矩阵 Z。2、求解相关系数矩阵 利用标准化矩阵 Z 求解相关系数矩阵,计算方法如下:=,=1 (1-3)3、求解特征根
128、通过|=0求解样本相关矩阵 R 的特征方程并得到相应的特征根,依据信息利用率大小确定主成分个数 m。一般在指数构建时设定信息利用率达到 85%以上,由此得到m 值。对于每个特征根,求解特征向量。4、将指标变量转化为主成分 计算公式为:=0,=1,2,其中为第 j 个主成分,共得到 p 个主成分。5、对所选取的 m 个主成分进行综合评价 以信息利用率为标准,我们选择主成分的前 m 个作为最终分析所用综合指数,以每个主成分的方差贡献率作为权数对 m 个主成分进行加权求和,即可得到每个指标的权重。权重计算过程为:以所取前m个主成分特征值乘以对应主成分得分系数的绝对值得到系数值,53 再以各系数值占系
129、数值之和的比例作为权重。(二)权重测算 我们对原始数据进行标准化无量纲处理,以避免各指标量纲不同所引起的比较无意义性,然后通过主成分分析法计算得到的权重见下表。表表 14 指标权重分布情况指标权重分布情况 指标 主成分分析法 一级指标 二级指标 一级权重 二级权重 加权权重 资管规模 银行业资管规模 35.19%23.28%8.19%证券业资管规模 27.00%9.50%保险业资管规模 16.48%5.80%信托业资管规模 11.57%4.07%基金业资管规模 21.67%7.63%资管产品 银行业资管产品 35.28%17.34%6.12%证券业资管产品 21.69%7.65%保险业资管产品
130、 19.34%6.82%信托业资管产品 19.51%6.88%基金业资管产品 22.12%7.80%经营效益 银行资管经营效益 13.24%11.75%1.64%证券资管经营效益 25.21%2.36%保险资管经营效益 22.77%3.46%信托资管经营效益 22.43%3.31%基金资管经营效益 17.84%2.47%人才资源 银行资管人才队伍 16.29%18.71%3.05%证券资管人才队伍 20.94%3.41%保险资管人才队伍 29.30%4.77%54 信托资管人才队伍 21.26%3.46%基金资管人才队伍 9.79%1.60%55 附录附录 2:基于不同机构的财富管理能力评价方
131、法:基于不同机构的财富管理能力评价方法 一、口径与定位一、口径与定位 中国公募财富管理(非现金类)渠道榜单对我国财富管理机构按期末公募类产品(非现金类)保有规模进行排名。公募类产品(非现金类)目前包括银行理财产品(非现金管理类)以及非货币公募基金。上述公募类理财产品均具有低门槛、净值化等相似点。本榜单定位主要包含四点:第一,这是一个普惠性的财富管理的榜单,因此仅包括低门槛的公募资管产品,而不包括私募基金、信托和基金专户等相对高门槛产品;第二,这是一个强调财富管理类服务的榜单,因此不包含近似无风险和弱服务需求的现金管理类银行理财和货币型公募基金;第三,这是一个评判综合销售服务能力的榜单,因此包括
132、该财富管理机构自销内部资管产品和代销外部资管产品的保有量;第四,这是一个全面囊括不同类别机构的榜单,因此包括了从事零售和机构业务的不同类型机构。本报告中的财富管理能力主要指主动管理能力,我们聚焦银行理财产品(非现金管理类)以及非货币公募基金的保有量规模。由于财富管理业务正在从卖方服务向买方服务转型,对机构来说,客户信任和客户粘性是财富管理机构溢价能力的重要来源,关注保有量,意味着以客户为中心,通过高频交互、专业服务和长期陪伴帮助客户以更大概率获取正收益,这也将强化财富管理机构与客户的合作关系。财富管理的保有量反映了机构的投资研究、管理等能力,因此我们把它作为关注的指标。二、二、评价说明与数据来
133、源评价说明与数据来源 通过一种非线性转换方式(齐夫定律构造法)对各机构销售的公募资管产品(非现金类)保有规模进行评分,保有规模越大,评分越高。保有规模评分可直接且客观反映各机构的保有规模差异和相对排序。榜单数据分别来自中国证券投资基金业协会、中证金牛金融研究中心。56 三、三、评价方法说明评价方法说明 机构保有规模呈现一定程度的头部聚集效应,规模的对数与排名(1,2.100)呈一定的线性关系。为了让机构的得分代表规模的相对大小,同时避免披露各家机构的非现金公募产品具体保有规模,通过非线性转换的方式将规模转换成分数。线性打分为直接使用最大最小值法打分,非线性打分为 log 后,再按最大最小值打分
134、。虚拟最高分 500 分,虚拟最低 60 分。指数化具体做法是:规模取对数,得到变量 A;经过线性变化,得到变量 B;B 经过指数函数变换得到得分;前 20 名得分加一个微小扰动项,防止反推所有机构的规模。本质含义是机构得分的对数是机构保有规模对数的线性函数。57 附附 表表 附表附表 1 中国资产管理行业发展指数及其同比增长率(中国资产管理行业发展指数及其同比增长率(2013Q1-2023Q2)时间 总指数 二级指数 规模指数 产品指数 经营效益指数 人才资源指数 2013Q1 100.00 100.00 100.00 100.00 100.00 2013Q2 113.47 117.76 1
135、15.09 110.35 103.22 2013Q3 127.12 135.09 130.86 120.68 107.01 2013Q4 141.63 152.85 149.00 130.98 110.08 2014Q1 160.46 176.71 173.48 141.22 112.82 (58.56%)(64.81%)(76.60%)(33.67%)(16.59%)2014Q2 180.61 200.08 201.26 151.34 117.63 (58.84%)(61.50%)(78.27%)(30.59%)(21.21%)2014Q3 201.56 222.64 231.10 161.
136、31 124.76 (60.06%)(59.06%)(80.22%)(27.80%)(29.18%)2014Q4 224.96 246.85 265.62 171.05 133.42 (66.58%)(68.17%)(84.33%)(25.20%)(38.21%)2015Q1 256.84 281.06 312.65 180.47 145.74 (65.82%)(68.34%)(78.38%)(22.75%)(50.98%)2015Q2 300.86 336.48 370.99 189.49 162.57 (61.81%)(66.11%)(67.51%)(20.44%)(63.22%)2015
137、Q3 334.23 374.81 412.24 198.02 188.36 (54.98%)(67.36%)(52.14%)(18.26%)(53.53%)2015Q4 364.01 410.04 444.95 206.01 217.77 (41.98%)(52.59%)(39.23%)(16.24%)(32.44%)2016Q1 398.04 470.39 475.66 213.42 223.75 (36.12%)(46.35%)(37.97%)(14.39%)(1.93%)2016Q2 427.14 513.45 516.53 220.26 215.30 (31.78%)(42.31%)(
138、36.30%)(12.73%)-(16.35%)2016Q3 454.95 548.54 568.78 226.52 192.00 (24.32%)(28.97%)(30.43%)(11.24%)-(14.82%)2016Q4 479.71 583.52 606.47 232.23 182.16 (18.14%)(16.17%)(26.90%)(9.91%)-(10.42%)2017Q1 494.83 606.67 620.39 237.40 190.59 58 (14.33%)(9.53%)(21.65%)(8.74%)(2.41%)2017Q2 504.62 596.50 655.49 2
139、42.09 192.86 (11.11%)(3.64%)(19.11%)(7.72%)(8.71%)2017Q3 520.17 600.81 691.93 246.32 196.63 (9.78%)(0.10%)(20.51%)(6.84%)(3.67%)2017Q4 533.03 604.79 722.33 250.16 198.02 (7.47%)-(0.15%)(14.73%)(6.10%)(6.27%)2018Q1 543.22 607.26 747.66 253.64 197.58 (4.03%)-(2.25%)(8.96%)(5.49%)(6.49%)2018Q2 542.30 5
140、95.63 752.02 256.85 204.96 (1.82%)-(3.64%)(5.33%)(4.99%)(6.92%)2018Q3 541.14 587.29 753.90 259.84 209.39 -(0.89%)-(5.30%)(1.09%)(4.58%)(6.42%)2018Q4 542.73 582.75 760.82 262.63 211.72 -(1.28%)-(7.44%)(2.25%)(4.23%)(3.61%)2019Q1 538.37 575.05 755.82 265.26 210.27 -(0.86%)-(8.19%)(3.84%)(3.92%)(2.17%)
141、2019Q2 535.34 551.34 768.98 267.72 212.36 -(0.27%)-(7.39%)(4.38%)(3.61%)(2.06%)2019Q3 536.51 539.21 782.82 270.01 213.93 (0.95%)-(7.46%)(6.58%)(3.29%)(4.33%)2019Q4 541.28 539.66 794.11 272.11 216.08 (2.86%)-(2.57%)(6.46%)(2.95%)(5.11%)2020Q1 543.47 532.17 805.56 273.98 219.38 (5.93%)(0.72%)(10.02%)(
142、2.58%)(5.29%)2020Q2 550.68 537.16 818.62 275.61 223.22 (8.69%)(2.42%)(13.64%)(2.18%)(9.78%)2020Q3 568.32 543.10 861.27 276.97 225.24 (10.81%)(5.42%)(15.53%)(1.76%)(10.66%)2020Q4 588.31 552.71 902.40 278.04 237.21 (13.15%)(7.55%)(18.70%)(1.33%)(10.09%)2021Q1 602.20 561.02 930.65 278.81 242.77 (14.19%
143、)(10.04%)(18.73%)(0.91%)(11.39%)2021Q2 623.10 577.70 971.71 279.28 245.73 (14.44%)(10.01%)(19.59%)(0.50%)(7.64%)2021Q3 648.94 597.63 1022.62 279.48 250.90 (12.28%)(8.89%)(16.62%)(0.14%)(4.42%)59 2021Q4 673.28 608.06 1079.17 279.44 255.32 (9.46%)(6.65%)(12.94%)-(0.15%)(2.84%)2022Q1 676.13 610.89 1085
144、.37 279.21 253.49 (9.53%)(4.66%)(14.36%)-(0.36%)(0.83%)2022Q2 682.07 616.15 1097.46 278.86 252.70 (6.71%)-(1.52%)(12.76%)-(0.49%)(0.03%)2022Q3 710.76 625.48 1169.49 278.47 252.99 (8.16%)-(3.83%)(16.07%)(4.95%)(0.15%)2022Q4 718.45 598.82 1216.91 278.07 255.40 (9.26%)-(6.24%)(18.84%)(8.99%)(0.94%)2023
145、Q1 731.32 587.49 1259.8 293.01 253.88(8.16%)-(3.83%)(16.07%)(4.94%)(0.15%)2023Q2 745.21 577.71 1304.25 303.93 255.08(9.26%)-(6.24%)(18.84%)(8.99%)(0.94%)附表附表 2 各行业资产管理业务发展指数及其同比增长率(各行业资产管理业务发展指数及其同比增长率(2013Q1-2023Q2)时间 细分金融行业 银行业 证券业 保险业 信托业 基金业 2013Q1 100.00 100.00 100.00 100.00 100.00 2013Q2 112.2
146、4 124.47 110.30 105.92 111.20 2013Q3 125.65 148.84 120.13 112.31 122.39 2013Q4 142.48 173.08 130.85 119.08 133.59 2014Q1 155.34 194.27 146.62 125.35 169.83(53.30%)(59.10%)(47.02%)(27.09%)(100.87%)2014Q2 172.37 215.51 161.96 133.80 207.25(49.58%)(49.12%)(47.62%)(35.98%)(113.82%)2014Q3 192.62 236.80 1
147、76.61 142.73 245.85(68.70%)(44.87%)(41.50%)(38.71%)(104.80%)2014Q4 213.13 258.11 193.15 161.93 285.64(70.88%)(48.46%)(34.05%)(47.05%)(124.37%)2015Q1 262.06 281.43 207.47 173.87 347.80 60 (82.12%)(45.79%)(29.42%)(42.20%)(116.98%)2015Q2 294.55 319.94 217.11 196.75 465.00(65.80%)(44.01%)(25.03%)(28.52%
148、)(121.86%)2015Q3 350.81 345.23 228.57 202.96 533.45(62.00%)(45.84%)(23.08%)(20.58%)(94.38%)2015Q4 353.37 371.70 241.49 208.12 633.70(58.30%)(39.12%)(22.73%)(6.75%)(57.14%)2016Q1 424.53 410.44 255.36 209.65 676.06(45.82%)(36.11%)(23.38%)(7.63%)(45.37%)2016Q2 466.28 445.10 266.45 210.02 730.69(50.53%)
149、(37.93%)(24.07%)(11.37%)(26.25%)2016Q3 511.56 469.89 282.01 218.46 775.47(32.29%)(27.36%)(19.75%)(15.38%)(21.45%)2016Q4 531.93 512.71 299.61 231.78 800.04(21.95%)(16.14%)(21.02%)(18.86%)(15.98%)2017Q1 561.60 522.75 305.80 241.91 821.09(17.00%)(7.47%)(20.25%)(18.32%)(14.48%)2017Q2 568.62 516.92 322.4
150、5 249.62 847.48(15.56%)-(3.97%)(21.64%)(16.23%)(14.67%)2017Q3 598.52 504.98 339.12 258.47 887.75(11.47%)-(8.25%)(24.57%)(12.15%)(16.37%)2017Q4 614.71 492.34 364.45 269.41 917.38(9.61%)-(11.56%)(21.25%)(7.82%)(14.75%)2018Q1 626.04 479.64 380.93 271.30 955.53(4.04%)-(13.99%)(21.15%)(3.83%)(9.83%)2018Q
151、2 623.25 457.18 390.96 269.15 972.52(1.98%)-(14.84%)(20.80%)-(1.19%)(5.59%)2018Q3 622.69 434.36 410.83 268.37 975.03-(3.16%)-(15.46%)(19.23%)-(5.43%)(2.28%)61 2018Q4 626.90 419.26 440.27 266.19 968.70-(5.50%)-(13.81%)(21.40%)(0.51%)-(1.43%)2019Q1 606.27 405.48 454.19 256.56 977.31-(7.00%)-(13.68%)(2
152、0.41%)(1.65%)-(0.03%)2019Q2 588.97 394.06 474.61 270.53 958.57-(9.41%)-(13.92%)(18.49%)(3.06%)(2.99%)2019Q3 579.11 374.92 494.67 272.79 974.69-(13.97%)-(11.67%)(20.03%)(6.24%)(5.85%)2019Q4 567.90 360.90 521.68 274.34 997.67-(12.41%)-(10.79%)(20.84%)(2.48%)(9.66%)2020Q1 521.56 358.15 545.15 272.56 10
153、34.45-(12.10%)-(8.15%)(24.76%)(2.65%)(13.82%)2020Q2 515.91 351.54 573.52 277.25 1051.20-(12.46%)-(7.31%)(29.04%)(2.90%)(17.79%)2020Q3 509.02 344.35 617.17 280.01 1109.36-(12.20%)-(5.97%)(29.54%)(7.28%)(19.72%)2020Q4 497.13 334.51 673.18 282.30 1175.12-(9.03%)-(4.62%)(28.81%)(6.88%)(23.58%)2021Q1 457
154、.96 336.78 706.17 292.41 1238.41-(5.57%)-(0.61%)(25.92%)(7.66%)(23.30%)2021Q2 469.35 335.29 738.78 296.33 1299.10-(1.35%)-(1.23%)(22.91%)(12.59%)(21.75%)2021Q3 480.64 342.25 777.14 301.46 1367.80-(4.08%)-(2.77%)(22.04%)(11.39%)(17.54%)2021Q4 490.43 330.40 827.38 317.85 1430.77-(20.06%)-(3.17%)(21.90
155、%)(13.84%)(15.55%)2022Q1 439.29 327.47 861.84 325.70 1455.66-(8.38%)-(3.54%)(20.31%)(15.66%)(12.03%)2022Q2 375.22 324.67 900.56 337.34 1501.06 62 -(15.86%)-(4.88%)(18.16%)(15.16%)(8.90%)2022Q3 440.35 330.15 934.98 348.66 1532.35-(11.67%)-(6.26%)(17.72%)(19.22%)(9.82%)2022Q4 412.64 314.28 977.67 366.
156、05 1558.05-(2.48%)-(7.51%)(16.91%)(21.48%)(9.29%)2023Q1 388.02 306.98 1014.58 388.31 1598.66-(11.67%)-(6.26%)(17.72%)(19.22%)(9.82%)2023Q2 365.92 300.3 1052.87 409.8 1640.46-(2.48%)-(7.51%)(16.91%)(21.48%)(9.29%)IMI Report No.2306IMI Report No.2305IMI Report No.2304IMI Report No.2303IMI Report No.23
157、02IMI Report No.2301IMI Report No.2215IMI Report No.2214IMI Report No.2213IMI Report No.2212IMI Report No.2211IMI Report No.2210IMI Report No.2209IMI Report No.2208IMI Report No.2207IMI Report No.2206IMI Report No.2205IMI Report No.2204IMI Report No.2203IMI Report No.2202IMI Report No.2201IMI Report
158、 No.2135IMI Report No.2134IMI Report No.2133IMI Report No.2132IMI Report No.2131IMI Report No.2130IMI Report No.2129IMI Report No.2128IMI 宏观月度分析报告(第 73 期)IMI 宏观月度分析报告(第 72 期)IMI 宏观月度分析报告(第 71 期)IMI 宏观月度分析报告(第 70 期)中国财富管理能力评价报告(2022)IMI 宏观月度分析报告(第 69 期)IMI 宏观月度分析报告(第 68 期)2022 天府金融指数报告(发布稿)IMI 宏观月度分析
159、报告(第 67 期)IMI 宏观月度分析报告(第 66 期)IMI 宏观月度分析报告(第 65 期)IMI 宏观月度分析报告(第 64 期)中国财富管理能力评价报告(2022H1)IMI 宏观月度分析报告(第 62 期)IMI 宏观月度分析报告(第 61 期)IMI 宏观月度分析报告(第 60 期)IMI 宏观月度分析报告(第 59 期)IMI 宏观月度分析报告(第 58 期)中国财富管理能力评价报告(2021Q4)IMI 宏观经济月度分析报告(第 57 期)IMI 宏观经济月度分析报告(第 56 期)2021 天府金融指数报告(发布版)中美货币政策前景与展望独立董事的激励、惩罚与保护双碳目标
160、下如何发挥好绿色债券市场的作用商业银行的科技浪潮:从电子银行、网络银行到互联网银行IMI 宏观经济月度分析报告(第 55 期)IMI 宏观经济月度分析报告(第 54 期)人民币国际化报告 2021双循环新发展格局与货币国际化(发布稿)IMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMIIMI赵然许荣田昕明王剑IMIIMIIMI近 期 研 究 报 告Research Report 编 号 名 称 作 者中国人民大学国际货币研究所INTERNATIONAL MONETARY INSTITUTE OF RUC地址:北京市海淀区中关村大街 59 号文化大厦 605 室,100872 电话: 邮箱: