数据智能赋能金融数字化白皮书北京金融科技产业联盟北京金融科技产业联盟20232023 年年 1212 月月编制委员会编委会成员：赵韵东周天虹龚伟华聂丽琴赵焕芳俞吴杰闫晓林编写组成员：赵存超贡佳炜马晓煦.

0人已浏览 2024-02-25 86页 5星级

伦敦经济月刊（2013 年 1月）2013 年 1 月 18 日 中银研究产品系列 经济金融展望季报 中银调研 宏观观察 银行业观察 国际金融评论 国别/地区观察 作 者：梁 斯 中国银行研究院 电. 

0人已浏览 2024-02-24 19页 5星级

拥抱变革，适者生存全球资产和财富管理调研报告2023普华永道近期发布的普华永道近期发布的全球资产和财富管理调研报告全球资产和财富管理调研报告2023显示显示，到到2027年年，投资者预期的转投资者预期的转变将打破行业现状并重塑行业生态变将打破行业现状并重塑行业生态。资产和财富管理机构只有一个选择资产和财富管理机构只有一个选择拥抱变革拥抱变革，适者生存适者生存。普华永道对全球250家资产管理机构和250家机构投资者的调研结果显示，到2027年，预计全球16%的资产和财富管理机构将被整合或淘汰这将是历史最高比例的两倍，凸显出全球资产和财富管理行业正面临比以往任何时期都更为严峻的挑战。在社会、经济和地缘政治局势愈加复杂的背景下，一些长期以来备受关注的重点领域，如数字化转型、投资者预期变化、行业整合与“零售化”趋势等，获得了新的进展，但同时也带来了新的挑战。当前，管理者需要专注于思考如何在瞬息万变的行业环境中实现适者生存并谋求发展。生存与成功的五大要务1在难得一遇的变局中把握方向在难得一遇的变局中把握方向当前，投资者和资产管理机构最为担心未来一到两年内的通胀、市场波动和利率变动问题。对资产和财富管理行业而言，实现超过市场基准、甚至超过低风险存款和货币市场基金的收益，将是一项挑战。2重识客户需求重识客户需求到2030年，全球预计将有68万亿美元的财富完成从“婴儿潮一代”到“千禧一代”的代际传承，而非公开市场的进一步开放和投资配置的转变（包括对ETF需求的提升），正在改变行业的竞争格局和发展前沿。拥抱变革，适者生存全球资产和财富管理调研报告 202313拥抱技术前沿与变革拥抱技术前沿与变革参与调研的机构投资者中，近90%相信革新性技术（包括大数据、人工智能和区块链）的使用将为资产组合带来更好的表现。虽然资产管理机构在技术领域的投入与应用已非常广泛，但仍然难以达到投资者预期。4在成本和竞争压力下扩大规模在成本和竞争压力下扩大规模随着行业集中度加速提升，预计到2027年，全球排名前10位的资产管理机构将控制全球近一半的共同基金资产规模。随着资产管理机构在募资方面的需求提升，以及其对实体经济的影响力不断增强，部分资产管理机构甚至考虑采取更为全面的方式以保持财务健康，例如通过与银行或保险机构进行并购重组、成立合资公司或公司联盟。5强化社会责任强化社会责任参与调研的资产管理机构中，60%认为当前的市场环境下，环境、社会和治理（ESG）领域的专业能力对投资组合管理团队至关重要，而相关的优秀人才却愈发稀缺。随着资产和财富管理行业对于经济的影响力不断提升，资产管理机构的使命与社会责任也受到关注。值得庆幸的是，面对瞬息万变的市场环境和不断变化的投资者需求，资产和财富管理行业表现出了非凡的韧性。为了应对不断积聚的短期压力，新生代的资产管理机构正在兴起，即具备了科技赋能、以客户为中心、能够在传统和新兴的细分领域管理多种类型资产。普华永道预计，全球资产和财富管理行业将在2027年基本完成转型。因此，管理者必须顺势而为，与时俱进。拥抱变革，适者生存全球资产和财富管理调研报告 202322027年年6月月7日（星期一）日（星期一）设想2027 年资产与财富管理行业CEO的一天上午上午8点点与品牌顾问和客户关系团队讨论如何提升公司的信任评级和净推荐值（Net Promoter Score or NPS），并选择合适的数字渠道推广新的理财产品。上午上午10点点与零售渠道CEO会面，协商收入分成安排，并确定在双方合作的数字渠道客户忠诚度积分项目中，哪方拥有客户关系和数据所有权。上午上午9点点与首席创新官通话，讨论最新的沙盒试验，需要快速决定是否继续推进并准备召开董事会研究区块链结算和托管安排相关议题。上午上午11点点与首席投资官会面，讨论发行投资于通证化证券(tokenisedsecurities)的基金产品。中午中午12点点在参加立法委员会和电视公开露面之前，听取公司事务简报，准备“净零”投资、中小企业贷款投放和防止“漂绿”措施的相关议题，并听取对媒体和市场反应的最新通报。下午下午2点点与公司战略团队会面，讨论私人和/或数字银行的潜在收购目标。下午下午3点点与首席运营官会面，讨论进一步优化外包模式，通过只保留核心职能部门来控制成本。下午下午5点点在公司员工大会上讨论关于因种族和性别差异造成的薪酬差距问题的研究成果以及未来举措。拥抱变革，适者生存全球资产和财富管理调研报告 20233拥抱变革，适者生存全球资产和财富管理调研报告 20234中国资产和财富管理行业主要发展机遇1基金投顾业务迎来关键发展期基金投顾业务迎来关键发展期基金投资顾问业务自2019年10月试点正式启动以来，已初具规模，但渗透率仍然较低。而随着行业从卖方市场向买方市场转型，未来几年或将成为证券、基金类机构发展专精化基金投顾业务的黄金时期。2个人养老金业务发展加速个人养老金业务发展加速2022年，我国个人养老金业务正式启航。截至2023年6月，个人养老金业务参加人数达到4,030万人，总缴费金额182亿元。未来，随着各类机构的加速布局、可配置产品的持续丰富、投资者开户及转入资金进行投资意愿的上升，预计个人养老金业务将成为行业稳定、持续增量的重要来源。过去几年过去几年，作为全球资产与财富管理行业的重要组成部分作为全球资产与财富管理行业的重要组成部分，即使面对复杂的市场和政策环境即使面对复杂的市场和政策环境，中国资产与财富管理行业在历经锤炼之后中国资产与财富管理行业在历经锤炼之后，仍然以坚定有序的步伐持续向前迈进仍然以坚定有序的步伐持续向前迈进，积极转型积极转型，并呈现出以下各类战略发展机遇：并呈现出以下各类战略发展机遇：3被动型及量化业务持续增长被动型及量化业务持续增长自2018年以来，被动型和量化投资在国内经历了快速发展，未来，为应对市场波动等业务挑战和投顾业务及养老金业务带来的产品配置需求增加，被动型及量化投资业务仍将持续发展。4“固收固收 ”类产品将仍受偏好类产品将仍受偏好虽然“固收 ”类产品在过去两年表现欠佳，但由于国内投资者相对保守的风险偏好和低利率环境，“固收 ”类产品仍将是配置的重要方向，且其对应策略将进一步丰富。5信创和“数智化”转型深化信创和“数智化”转型深化资产与财富管理行业的核心系统信创和“数智化”转型已逐步深化。未来，为了加快业务发展与转型升级，构建高效、安全的服务方案，行业机构将在核心系统信创和“数智化”转型上，包括数据治理环节，持续进行战略性投入，同时也将与多元化的技术服务商进行合作以加强整体抗风险能力。6通过兼并收购实现布局通过兼并收购实现布局受行业降费影响，中小型及新成立的资产管理机构将面临更大的经营压力，其中经营不善的机构将退出市场。但由于相关业务牌照的稀缺性，潜在意向者可以通过兼并收购进入市场完成布局。20222027产品模式产品模式主动管理被动管理传统主观主观量化主动策略传统被动被动量化被动策略投资者风险偏好低高现金管理类权益类投资者配置偏好固收类配置偏好纯固收固收 卖方模式买方模式营销服务模式营销模式营销模式产品新发持续营销客户偏好客户偏好相对收益绝对收益低高市场集中度差异化竞争同质化竞争竞争模式低跨境业务增长高行业发展行业发展关注规模增长关注业务结构调整个人养老金增长低高未来，中国资产与财富管理行业将进一步回归本源，为投资者创造更大价值，同时也将因势利导，依托数智化和业务转型，开创更为广阔的发展空间。拥抱变革，适者生存全球资产和财富管理调研报告 202351.在难得一遇的变局中把握方向调研结果显示，当前，全球投资者和资产管理机构最为担心未来一到两年内的通胀、市场波动和利率变动问题。回顾2022年，全球资产管理规模（AuM）降至115.1万亿美元，较2021年127.5万亿美元的高点下降近10%，为近10年来的最大降幅。但普华永道预计，行业到2027年会实现反弹，资产管理规模或将上升至147.3万亿美元（基准情况预测结果），即实现5%的复合年化增长率。全球资产管理规模将在2027年前反弹复合年化增长率（2018年-2022年）=5.9%注：由于四舍五入，合计数可能与所显示的总和不同。.来源:普华永道全球资产和财富管理及ESG市场研究中心,Refinitiv Lipper,Preqin美元/万亿公募基金委托投资200020222027 低预期2027 基准预期2027 高预期15050预测(百分比为复合年化增长率预测值)另类投资39.591.647.144.922.323.7115.8137.825.3115.13.7%57.36.57.5拥抱变革，适者生存全球资产和财富管理调研报告 2023651.555.959.96467.772.339.353.652.21.在难得一遇的变局中掌握方向从全球来看，资产管理行业的许多从业者缺乏或根本没有在经济充满不确定性以及主要发达经济体高利率环境下的运营经验，而劳动力短缺和地缘政治局势的不稳定可能会使这种状况更为持久。在应对短期挑战的同时，从业者还需专注于实现业务转型以及长期生存与增长所需的决策和投资。未来，alpha收益将更难获取，而市场上涨所带来的beta收益则可能会受到来自货币市场基金甚至银行存款的挑战。已经有部分投资者从股票型基金转向了收益率更为稳定的债券型和货币市场基金。此外，还有以下显著的资产再配置趋势：（1）投资者寻求透明度高、流动性好、成本低的投资标的，逐渐转向被动投资；（2）投资者寻求回报率高、能够对冲市场波动性的投资标的，逐渐转向非公开市场。按资产类别划分的全球资产管理规模注：由于四舍五入，显示的百分比合计可能不等于100。由于四舍五入，合计数可能不等于所显示的总和。来源:普华永道全球资产和财富管理&ESG市场研究中心、Refinitiv Lipper、Preqin业务类型业务类型20027低预期2027基准预期基准预期2027高预期高预期CAGR(20182022)CAGR低预期低预期CAGR基准预期基准预期CAGR高预期高预期全球资产管理规模全球资产管理规模91.6115.8115.1137.9147.3157.45.90%3.70%5.00%6.50%公募基金公募基金39.353.652.26467.772.37.40%4.20%5.30%6.70%其中：主动投资30.339.435.94143.6474.40%2.70%3.90%5.50%被动投资914.216.323.124.225.315.90%7.20%8.20%9.10%其中仅ETF4.87.99.113.414.114.817.30%7.90%9.00.10%委托投资委托投资39.547.144.951.555.959.93.20%2.80%4.50%6.00%其中：主动投资30.434.630.932.535.838.60.40%1.00%3.00%4.60%被动投资9.112.51419.120.121.311.40%6.30%7.50%8.70%另类投资另类投资12.815.11822.323.725.38.90%4.40%5.60%7.00%拥抱变革，适者生存全球资产和财富管理调研报告 202371.在难得一遇的变局中掌握方向（美元/万亿）基于上述趋势，主要投资于公开市场的主动型资产管理人，未来可能会继续失去市场份额。此外，如果2024年及以后全球主要发达经济体利率水平维持在4%左右，投资于非公开市场的资产管理人为了保持竞争力，需要大幅提高其内部回报率（IRR）目标，而严峻的经济形势和低成本融资时代的结束将增加目标实现的难度。在越发同质化的市场环境下，数据和预测性分析将成为发掘非常规投资机会的重要抓手。大规模的资产配置调整意味着主要投资于公开市场的主动型资产管理人大规模的资产配置调整意味着主要投资于公开市场的主动型资产管理人可能会失去市场份额。可能会失去市场份额。重回增长趋势随着全球经济恢复增长以及通胀和利率的压力逐渐缓解，全球资产和财富管理行业的收入预计将反弹，到2027年达6,221亿美元，突破2021年5,991亿美元的历史高点。普华永道预计，增长将由非公开市场收入的持续上涨所驱动，预计到2027年，非公开市场收入将占到全球资产管理行业收入的一半左右，较2020年37.6%的占比大幅上升（见下图）。拥抱变革，适者生存全球资产和财富管理调研报告 202381.在难得一遇的变局中掌握方向8381,5691,7761,9942,1102,3452,5282535074844到2027年，全球资产管理收入预计将突破历史高点注：私人市场收入包括管理费和附带利息。私人市场不包括对冲基金。来源:普华永道全球资产和财富管理&ESG市场研究中心，Lipper,Preqin,Pitchbook被动投资主动投资4,0000200,0002,000非公开市场3,3715,0005,3395,6075,9944,72720222027预期5,4516,221全球资产管理收入（美元/亿）2,3873,1692,7233,0663,1913,2942,6082,7293,094被动投资主动投资8002000020非公开市场0027预期100100占总收入的比例（%)6040拥抱变革，适者生存全球资产和财富管理调研报告 202391.在难得一遇的变局中掌握方向资产和财富管理机构为寻求增长和收益，开始涉足新的细分市场、地区和资产类别，同时也衍生出可预见的问题，包括业务更加复杂，运营要求更高以及细分产品规模过于分散。前沿和新兴市场前沿和新兴市场亚太地区以及非洲和中东地区的前沿和新兴市场将引领全球资产管理规模的增长。普华永道预计，到2027年，亚太地区资产管理规模的增长率相较于北美地区将高出约50%（基准情况预测结果）。对于中东地区，此前因受制于复杂的监管环境，行业增长缓慢，预计未来增长速度会有所上升。为了开拓新市场以实现收入增长的目标，资产和财富管理机构正重拾动力，寻求机会，加快进入独具价值的地区，然而挑战将与机遇并存（见下图）。到2027年，亚太地区的资产管理总规模增长率将比北美地区高出约50%复合年增长率(2018年-2022年)=5.9%全球资产管理规模（美元/万亿）欧洲亚太2000资料来源:普华永道全球资产和财富管理与ESG市场研究中心,Refinitiv Lipper,Preqin20222027 低预期2027 基准预期2027 高预期15050预测(百分比为复合年化增长率预测值)拉丁美洲100 91.560.374.7137.9115.23.7%5.07.36.57.4115.9中东及非洲北美洲70.674.72759.6拥抱变革，适者生存全球资产和财富管理调研报告 20235.419.920.23725.739.528.142.130.330.732.226.446.560.670.674.779.61.在难得一遇的变局中掌握方向年度同比增长来源:普华永道全球资产和财富管理&ESG市场研究中心,Refinitiv Lipper,Preqin20%0%-20 021-10%拉丁美洲中东及非洲亚太地区北美全球平均欧洲欧洲亚太拉丁美洲中东及非洲北美洲全球2022未来展望发挥独特竞争优势发挥独特竞争优势当今，即使是大型机构也不可能具备在所有新兴市场中获得竞争优势的规模和专业能力。因此，专注于擅长领域至关重要。资产管理机构可以基于自身规模、人才和技术能力发挥独特的竞争优势，在合理调整细分领域产品组合的同时，提高自身绩效和盈利能力。在不擅长的领域引入外部资源在不擅长的领域引入外部资源在非核心竞争优势方面，如保险或专业贷款领域，可以引入外部合作伙伴。通过进一步了解投资者以及开发数据和分析工具，加深理解客户需求，即便在第三方代销的情况下，资产管理机构依然可以为投资者提供洞察和价值，此举也有助于降低直销带来的复杂性和成本。拥抱变革，适者生存全球资产和财富管理调研报告 2023111.在难得一遇的变局中掌握方向中国市场概要及展望逆境中凸显韧性逆境中凸显韧性2019年末至2022年末，面对疫情的影响，中国资产管理行业整体规模仍保持了7%的复合年化增长率。截止2023年第三季度，国内整体资产管理规模达到135万亿元。受地缘政治风险上升、部分发达国家加息等诸多宏观因素的影响，相较于全球资产管理规模近10%的降幅，中国资产管理规模与过去两年相比，仍维持了相同水平，并未出现下跌。未来几年，随着国内经济的稳定及养老金等政策的完善，投资者可投资资产的累积和对资产收益率的要求将进一步提升对资产及财富管理产品和服务的需求。普华永道预计，国内资产管理规模也将重回增长。被动型及量化投资业务将持续发力被动型及量化投资业务将持续发力国内资产管理市场长期以传统主动型投资为主。自2018年以来，被动型投资作为资产配置的重要工具在国内迅猛发展。其中，被动型公募基金，尤其是ETF基金（不含货币市场基金ETF），在过去五年间实现了37%的复合年化增长率，截至2023年第三季度，规模已达1.78万亿元。同时，相较于传统投资策略，量化投资获得了快速发展。百亿级量化私募管理人数量迅速增加。为应对未来潜在的alpha收益下滑、过度依赖“明星基金经理”以及投资产能受限等挑战，随着投顾业务及养老金业务带来的工具类产品配置需求增加，被动型及量化投资业务将持续发展。在同质化竞争格局下探索差异化发展在同质化竞争格局下探索差异化发展当前，国内资产和财富管理行业整体呈现高同质化竞争的格局。同时，部分资产管理机构已基于自身背景及资源禀赋，通过在同类型产品或业务框架下调整投资策略、投资标的、渠道布局、业务模式等方式，探索并实现了特定领域的突破。例如，国内某基金公司依托股东投资银行业务的背景及资源优势，先发布局公募REITs业务，在该细分市场占据领先地位；另有一基金公司在宽基ETF布局时点及规模优势落后的情况下，主动寻求差异化模式、发展主题及行业ETF业务，实现ETF规模行业内排名前五位的目标。未来，随着各类机构在投顾、机构、个人养老金等业务上的战略性投入，以及行业受到降费、限薪等因素的影响，行业内竞争将持续加剧。预计资产管理机构将在同质化竞争的大格局下更多地探索差异化竞争策略，从而实现业务增长。拥抱变革，适者生存全球资产和财富管理调研报告 2023121.在难得一遇的变局中掌握方向2.重识客户需求本次全球资产和财富管理调研结果显示，零售市场仍存在巨大的、有待拓展的增长空间，快速增长的高净值人群和大众富裕群体正在寻求更为差异化的资产管理产品。与行业整体趋势一致，非公开市场的开放和投资配置的转变，包括ETF的持续增长，构成了需求增长的主要驱动力。但是，零售化也带来了一系列全新的风险，以及投资者预期和运营方面的挑战。在财富从“婴儿潮一代”向“千禧一代”传承的背景下，当务之急是准确理解客户需求，重新制定客户战略。非公开市场的进一步开放截至目前，诸如欧洲长期投资基金（ELTIF）等类型的产品已经获得当地监管部门的批准。在美国，部分管理型私募股权基金、私营企业、封闭式基金和非交易型房地产投资信托基金（REITs）等也已纳入美国的养老金计划，即“401（k）计划”，推动非公开市场向个人投资者进一步开放。然而，非公开市场目前远未普及，其主要客户群体仍由可投资资产达到100万美元及以上的高净值人群构成。普华永道预计，到2027年，全球高净值人群的总资产或将达到139.6万亿美元，占据了非公开市场的主导地位。拥抱变革，适者生存全球资产和财富管理调研报告 2023132.重识客户需求客户资产（美元/万亿）注：由于四舍五入，显示的百分比总数可能不等于100。由于四舍五入，总数可能不等于所显示的总和。来源:普华永道全球资产和财富管理&ESG市场研究中心,OECD,Lipper,Pension Fund andInsurance Associations客户客户20027低预期低预期2027基准预期基准预期2027高预期高预期CAGR(20182022)CAGR低预期低预期CAGR基准预期基准预期CAGR高预期高预期养老金4656.854.461.164.969.24.20%2.40%3.60%5.00%保险公司31.235.933.938.640.642.72.00%2.70%3.70%4.70%主权财富基金8.49.911.413.514.515.27.80%3.60%5.00%6.00%高净值个人73.5103.5107.3132.2139.6147.49.90%4.30%5.40%6.60%大众富裕人群64.688.584.5101.2107.11137.00%3.70%4.80%6.00%客户资产总额客户资产总额223.8294.6291.4346.6366.7387.56.80%3.50%4.70%5.90%总资产管理规模91.6115.8115.1137.9147.3157.45.90%3.70%5.00%6.50%渗透率渗透率40.909.309.509.80.20.60%NANANANA高净值人群期望财富管理机构能提供更为多样化的服务，否则将更换现有服务机构。对美国高净值人群的研究发现，对产品与服务多样性需求（如非公开市场）的提升正促使其重新考虑与已签约财富管理机构的关系。但许多财富管理机构发现，在实际操作中很难扩大非公开市场业务的范围，而来自于财务顾问的阻力也加剧了机构运营方面的挑战。针对高净值人群财富管理的机遇很大程度上源于财富的传承。到2030年，财富传承总额预计将超过68万亿美元。对技术驱动型服务的需求将随之增加，而“千禧一代”的客户预期将推动ESG、加密/数字货币、以及非公开市场领域的投资需求。拥抱变革，适者生存全球资产和财富管理调研报告 2023142.重识客户需求ETF走入大众视野普华永道发布的ETF 2027：探索充满新机遇的世界调研结果显示，受访的ETF基金经理预计，未来两到三年最大的需求增长将来源于个人投资者。而本次全球资产和财富管理调研也显示出主动型和被动型ETF均存在增长潜力，近四分之一的受访机构投资者表示正在考虑未来一到两年内投资主动型ETF。除新发行产品外，主动型ETF资产管理规模的增长还包括现有共同基金产品的转换。部分资产管理机构已启动这一进程，正在考虑开展主动型ETF业务的资产管理机构中，近六成表示考虑将不超过5%的共同基金产品转换为主动型ETF。在上述趋势下，如何在费率低于以往水平的情况下维持利润率将成为传统资产管理机构需面临的巨大挑战，而扩大规模效应、控制运营成本和拓展数字分销渠道将是破局的关键。资产管理机构正在考虑将现有的部分共同基金产品转换为主动型ETF问：您是否正在考虑在未来1-2年终止/转换现有的部分共同基金产品，并开设主动型ETF产品？来源:普华永道全球资产和财富管理&ESG市场研究中心未决定59%否21%是20%拥抱变革，适者生存全球资产和财富管理调研报告 2023152.重识客户需求来源:普华永道全球资产和财富管理&ESG市场研究中心问：未来1-2年，您考虑终止现有共同基金产品或将其转换为主动型ETF产品的比例是多少？1115%5a07%5W%未来展望跟随客户脚步跟随客户脚步 建立客户画像并不断积累所需的客户服务经验，为更广泛的客户群体提供高度定制化、高粘性的财富管理服务。可以通过内生性发展、收购或通过与知名度较高、分销能力较强的机构合作来实现这一目标。考虑更广泛的潜在合作对象考虑更广泛的潜在合作对象客户并不会主动上门，年轻客户尤其如此。资产和财富管理机构需要定位客户的主要来源、影响客户选择的主要因素以及如何建立并深化客户关系。为吸引新生代客户群体，除了着眼于金融服务机构外，还应关注其他潜在合作伙伴，包括连锁超市、网络零售商等非传统渠道。拥抱变革，适者生存全球资产和财富管理调研报告 2023162.重识客户需求重塑客户关系战略重塑客户关系战略 对于期望扩充客户群体的资产和财富管理机构，应首先关注高净值群体。基于结构化数据（如投资顾问建议和投资组合信息）和非结构化数据（如文本信息和网络媒体信息）客户画像能力的提升，可以更好地了解并回应客户需求。与此同时，移动端服务能力的提升及在线协同工具的应用也十分重要，以满足高净值客户，尤其是“千禧一代”，对于多渠道实时服务（包括线下服务）的需求。引入投资顾问引入投资顾问 随着产品类型的不断增加，引入投资顾问、提供投资者教育以及协助客户进行风险评估变得十分重要。如何管理复杂的投资组合并进行合规披露是一项长期挑战，这就需要专业的第三方机构的支持。中国市场概要及展望从卖方市场向买方市场转型从卖方市场向买方市场转型 行业持续从“聚焦产品销售”的资产管理卖方模式向“提升投资体验”的财富管理买方模式进行转型。伴随着投资者教育的增强以及市场波动带来的冲击，投资者进一步明确了风险偏好、投资目标、投资场景、投后服务等多维度需求。买方模式将更好地帮助投资者发掘适合自身的投资配置，引导投资者树立长期资产配置意识，也将更加注重投资者的实际投资体验，优化面向投资者的触达方式及服务水平。未来，我国资产管理机构将更加精细化地评估投资者需求，持续优化投资者画像，在产品或组合推介过程中，或将弱化现有的单位时间内业绩表现的呈现形式，而是更多地反映投资者的实际收益、实现盈利的占比等维度，深度绑定管理人、销售服务机构与投资者利益，进一步引导投资者采取理性投资行为，提升投资体验。拥抱变革，适者生存全球资产和财富管理调研报告 2023172.重识客户需求证券证券、基金类机构着力打造专精化投顾业务基金类机构着力打造专精化投顾业务 2019年10月，中国证监会发布了关于做好公开募集证券投资基金投资顾问业务试点工作的通知，正式启动基金投资顾问业务试点。截止2023年3月底，根据证监会披露，共有60家机构纳入试点，服务客户总计524万户，服务资产规模达1,464亿元。普华永道预计，未来几年或将成为我国证券、基金类机构发展基金投顾业务的黄金时期。在此期间，证券、基金类机构需要充分利用自身优势，在渠道平台上打造专业化、涵盖公募和私募基金的投顾服务体系。在“投”的方面，充分了解投资者风险偏好、投资周期等特征，推荐高匹配度的基金配置方案；在“顾”的方面，主动提供陪伴式服务，分享市场动态，并在市场及投资者需求发生变化时及时提供配置调整优化方案。未来，银行业金融机构在发展投顾业务时，将基于自身的客户和渠道优势，提供多元化产品配置（涵盖公募基金、私募基金、银行理财产品、私募资产管理计划及信托产品等）的投顾服务；而证券及基金类机构则基于投研能力优势，专精于基金投顾，以打造差异化竞争格局。“固收固收 ”策略仍将受到青睐策略仍将受到青睐 自2019年以来，以“固收 ”为代表的追求绝对收益的资管产品颇受市场追捧。然而，2022年，此类产品在市场波动影响下表现欠佳。当前，我国居民储蓄率依然保持在较高水平，加之风险偏好相对保守，以绝对收益为导向的“固收 ”类产品今后或仍将受到投资者青睐。同时，通过衍生品、另类投资降低业绩波动并对冲投资风险实现绝对收益，也将成为“固收 ”类产品的发展方向。拥抱变革，适者生存全球资产和财富管理调研报告 2023182.重识客户需求3.拥抱技术前沿与变革技术正在彻底改变参与市场的方式和客户期望。普华永道全球资产和财富管理调研结果显示，近90%的受访机构投资者相信，大数据、人工智能和区块链等颠覆性技术的应用将为投资组合带来更出色的表现及收益。超过90%的资产管理机构已经在使用新兴技术以提高投资业绩，但满足投资者对于新兴技术应用的期望仍将是资产管理机构未来面临的主要挑战之一。第三支柱个人养老金业务加速发展第三支柱个人养老金业务加速发展 2022年，第三支柱个人养老金制度在国内正式落地，并明确了相关运作规则、账户模式、税收优惠，以及纳入的养老产品范围等细节。截至2023年6月，纳入第三支柱的公募基金、银行理财产品、特定养老储蓄及养老保险产品合计已达660多只。普华永道预计，未来个人养老金业务将保持高速增长。未来，第三支柱养老金产品的供给和策略将进一步丰富。纳入第三支柱的公募基金类型或将从现有的以目标风险和目标日期策略为主的养老目标基金拓宽到其他权益型、混合型、债券型基金，而养老理财产品也将更多应用成熟的养老投资策略。同时，养老产品管理机构将逐步探索更适合本土市场的大类资产配置、下滑曲线设计等策略以迎合投资者偏好。其中，银行作为第三支柱的账户管理机构，养老产品管理机构需与银行深度合作，突破产品供应的单一角色，与银行共同打造养老端的财富管理业务，同时加强投资者教育和投资顾问等业务的渗透，为投资者提供一站式养老服务。此外，监管或将探索第二支柱年金与第三支柱个人养老金的转换机制，提高税延额度上限，增加纳入第三支柱的养老产品类型等，以进一步优化第三支柱个人养老金体系。拥抱变革，适者生存全球资产和财富管理调研报告 2023193.拥抱技术前沿与变革迎合年轻群体需求的数字化模式和直投平台所带来的影响显而易见。例如，个性化指数投资正越来越受欢迎，对寻求税收优化和倾向于ESG投资、因子投资和算法组合构建的投资者而言更是如此。调查显示，近40%的机构投资者计划未来一到两年投资定制化的指数投资产品。近一半的资产管理机构预计在未来一到两年推出个性化指数投资方案。到2027年，预计直接指数化产品的资产管理规模将增长两倍以上，达到1.47万亿美元，占总资产管理规模的近1%（见下图）。年复合增长率2015年至2021年=29.1 0182019来源:普华永道全球资产和财富管理&ESG市场研究中心，普华永道基于Cerulli Associates历史数据的预测直接指数化产品资产管理规模（美元/万亿）1.0020200.101.50.50.120.150.130.280.35预测21.3%截至2027年，预计直接指数化产品资产管理规模将增长两倍以上20212027 预测0.461.47拥抱变革，适者生存全球资产和财富管理调研报告 2023203.拥抱技术前沿与变革全新的市场基础架构20020来源：普华永道全球资产和财富管理市场研究中心，普华永道基于 Statista历史数据的预测智能投顾正在兴起并以更快的速度发展年复合增长率2015年至2022年=66.8%智能投顾管理资产规模（美元/万亿）202120222027 预测400.2620.40.71.11.92.5预测19.3%5.9技术正在彻底改变投资交易、证券持有和合约结算的方式，整个现存的行业基础架构可能因此变得冗余。其中，通证化技术通过增加市场准入和简化基金基础架构进一步推动了行业变革。通证化证券作为基于区块链技术的智能合约，可以通过创造通证来确权并享有获得股息等权利。迄今为止，该技术主要集中应用在实物资产上，但原则上通证化几乎可以应用于任何类型的投资标的，有效地缩减在交易结算、资产托管和支付审核上的时间、费用和管理投入。人工智能技术的最新进展也是推动市场数字化转型的因素之一。部分领先机构已经应用生成式人工智能技术对中后台业务进行了革新，而智能投顾等应用也在一些市场中得到迅速发展。普华永道预计，到2027年，由智能投顾管理的资产将达到5.9万亿美元，是2022年2.5万亿美元的两倍以上。但在另一些市场，智能投顾的推广速度较为缓慢，这表明该模式仍需进一步优化以提升可行性。除此之外，基于人工智能技术的未来发展方向包括增强型交易策略和可深入分析非结构化数据的生成式人工智能等。拥抱变革，适者生存全球资产和财富管理调研报告 2023213.拥抱技术前沿与变革技术的变革为资产和财富管理行业带来了发展的转折点，新的技术为行业普及和增长创造机遇的同时，也催生了现有机构中介作用被削弱的的风险。未来展望重新思考系统基础架构重新思考系统基础架构 为跟上系统快速迭代的步伐，资产管理机构应考虑将中后台等非面向客户的业务外包给具备足够规模和资源的服务供应商，以确保技术平台和人才技能均符合最新要求。例如，机构应该考虑在内部是否需要单独设立法律或财务部门，还是可以将部分基础职能外包给成本更低且更具效率的供应商，从而专注于公司特定业务。以创新引领发展以创新引领发展 通过建立创新实验室和“沙盒试验”（Sandbox trials），在通证化和其他创新技术前沿领域获得发展、进行测验并迅速投放市场，从而保持行业领先。为大规模定制化服务做好准备为大规模定制化服务做好准备 通过人工智能和智能投顾为更多投资者提供个性化解决方案（以往多为高净值人群专属服务），拓宽零售业务。但人工和数字化混合的服务模式将继续存在。管理技术风险管理技术风险 人工智能技术的应用必须建立在管理好投资者、员工和监管机构相关风险的基础之上，这要求资产管理机构在数据治理和数据保护方面保持稳健，同时要对数据安全、管理职责和意外后果负责并及时响应。拥抱变革，适者生存全球资产和财富管理调研报告 2023223.拥抱技术前沿与变革中国市场概要及展望加速布局核心系统信创加速布局核心系统信创，推进推进“数智化数智化”转型转型 近年来，国家信息应用技术创新（信创）政策逐步推进，资产和财富管理业务规模和复杂度不断提升，国家对信息技术和数据安全方面的监管进一步加强，对于行业机构的核心系统性能、安全稳定与适配性等方面的要求也持续提升。同时，作为高度依赖信息数据的行业，各类数字科技也在行业中得到加速应用。部分资产和财富管理机构在投研、交易、风控、运营、营销，基金投顾等业务场景中加快推进相关数字科技的落地，并促进了以数字为核心的系统融合和业务融合，提升了业务的自动化和一体化程度，实现了降本增效。未来，在核心系统信创和“数智化”转型上保持战略性投入将成为行业机构提升关键系统自主可控力和业务核心竞争力的必由之路。行业机构将重点加强信创规划与实施，通过加大信息技术投入，稳步推进现有核心信息基础设施的优化及国产化的落实，并提高自主研发能力和信息技术安全管理能力，以有效维护信息技术系统安全、数据安全和客户个人信息安全。同时，资产和财富管理机构也将基于自身禀赋，通过自研、采购、并购、合作等各种方式进一步聚焦“数智化”核心能力的提升，加快业务发展与转型升级，构建高效、安全的服务方案。此外，业务转型、技术发展和政策机制变化也为各细分领域内具备差异化竞争力的技术服务商的生存和发展提供了良好契机，从而催生出更为多元化的技术服务生态，加强行业的抗风险能力。拥抱变革，适者生存全球资产和财富管理调研报告 202323数据治理孕育技术蝶变数据治理孕育技术蝶变 数据治理作为人工智能、区块链、云计算、大数据等数字技术高质量发展的重要基石，需要管理人及各类服务机构投入大量的时间和精力，进行诸如源数据管理、数据标准化、历史数据归类、数据主题分类等基础工作。此类工作通常需要长期的沉淀以形成“从量变到质变”的转化，因此，管理人需要平衡短期需求和长期战略目标，并设置长期（约3-5年）评价指标，以合理评估其成效。3.拥抱技术前沿与变革在市场竞争和投资者压力的共同作用下，全球资产与财富管理行业的收费水平正在持续下降。被动型基金的总费率（TER，即运营或管理基金的总成本）降幅最大，而主动型基金在未来几年的降费速度将会更快。调查显示，资产管理机构预计，未来一到两年，甚至在更长时间内，费率下降的趋势可能将会持续。预计到2027年，主动型投资基金的总费率将较2022年下降12%，降至59个基点；而本就处于历史低位的被动型投资基金的总费率较2022年将下降9%，降至13个基点（见下图）。4.在成本和竞争压力下扩大规模拥抱变革，适者生存全球资产和财富管理调研报告 2023244.在成本和竞争压力下扩大规模全球总费率可能进一步下降804020020020602021股票类股票类全市场平均全市场平均债券类债券类混合类混合类货币市场货币市场全球投资基金总费率单位：基点20222027预测120100注:数据包括注册在欧洲、美国、中东和非洲地区以及拉丁美洲的公募基金和 ETF基金。总费用率基于其资产权重。数据不包括注册在美国的被动型货币市场基金和注册在 拉丁美洲的被动型混合基金。来源普华永道全球资产和财富管理市场研究中心,Lipper20201920202021股票类股票类全市场平均全市场平均债券类债券类货币市场货币市场混合类混合类全球投资基金总费率单位：基点20222027预测30拥抱变革，适者生存全球资产和财富管理调研报告 2023254.在成本和竞争压力下扩大规模主动型主动型被动型被动型透明度和可比性的提升在一定程度上促使资产和财富管理机构调整费率，但当前投资者已不再是机构降低费率的主要推动因素。超过70%的受访机构投资者表示对股票型基金的费率感到满意。对费率表示不满意的投资者中，大多数更愿意与现有机构协商以降低不超过5%的费用而非更换管理机构。目前，降低费用的最大驱动力来源于资产和财富管理行业内部的竞争压力，因为大型机构能整合规模优势和增加对前沿技术的投入，从而压倒其他竞争者。此外，行业内整合以及集中度的提高会进一步强化这些优势。普华永道预计，到2027年，按资产管理规模计算，前10大传统资产管理机构或将控制近50%的共同基金，高于2020年42.5%的比例（见下图）。800000 %到2027年，前10大传统资产管理机构控制近50%的共同基金资产管理规模202120222027预测62.7a.4a.2X.1W.5V.2U.7P.37.38.68.8A.9B.5C.8D.3I.7%来源:普华永道全球资产和财富管理&ESG市场研究中心,Refinitiv Lipper前十大机构资产集中度其他机构拥抱变革，适者生存全球资产和财富管理调研报告 2023264.在成本和竞争压力下扩大规模并购重组与战略合作再度兴起调研显示，近四分之三的受访资产管理机构（73%）考虑未来几个月与另一家资产管理机构进行战略整合。短期内，虽然部分交易可能会受估值不确定性和融资限制的影响而搁置，但在未来一年甚至更长的时间里，资产管理机构拓展新的细分市场、提升市场份额和降低风险等需求仍会进一步驱动并购交易（见下图）。促使资产管理机构在未来两年内进行合并的因素获得新的细分市场、客户或新的市场机遇增加市场份额，减少竞争降低风险和提升产品多样化利用其他公司的高技能人才或团队应对通货膨胀压力43871(%来源:普华永道全球资产和财富管理&ESG市场研究中心控制分销渠道和客户关系也可能成为纵向整合的推动力，资产管理机构希望能以投资能力作为核心价值推动整合私人银行、财富管理和其他直接触达客户的业务。近四分之三的资产管理机构（73%）考虑未来几个月与另一家资产管理机构进行战略整合。拥抱变革，适者生存全球资产和财富管理调研报告 2023274.在成本和竞争压力下扩大规模未来展望锁定交易目标锁定交易目标 纵观全球，在主要发达经济体利率高企和融资受限的情况下，大规模交易可能仅限于拥有大量现金的买家。而以创新联盟的建立和小规模的以技术及人才为目标的并购交易将推动转型发展。超越规模超越规模 对于资产和财富管理机构，通过横向整合扩大规模和提升影响力远远不够，并购重组将成为获取分销能力和实现纵向整合的关键，从而为交叉销售和建立直接客户关系创造机会。由于投资者预期的变化，并购可以帮助机构获得所需的业务经验和多元化的产品组合。中国市场概要及展望降费趋势下降费趋势下，行业重新审视营销模式及营收结构行业重新审视营销模式及营收结构 近期，随着让利型公募基金产品在国内的推出以及主动权益类公募基金降费措施的出台，管理费率、托管费率及交易佣金费率等将随之下降。银行理财产品则因过高的同质化产品竞争以及业绩表现不达预期而主动降低费率，以增加投资者收益。管理费及交易佣金下降将影响渠道端的收入，使渠道端重新调整对于产品新发的营销资源投入。行业逐渐从新发产品推动规模增长，向引导资金流入存续产品转变。因此，与投资者实际收益表现挂钩的持续营销模式或将成为主流。同时，随着国内监管趋严，原本依托特殊激励手段推动渠道优先配置营销资源的竞争行为也将偃旗息鼓，驱使行业回归本源。降费带来的营收压力也将促使机构重新审视目前的收入贡献结构，激励行业及管理机构主动求变，探索新业务潜力，促进多元化发展。拥抱变革，适者生存全球资产和财富管理调研报告 2023284.在成本和竞争压力下扩大规模5.强化社会责任中小型资产管理机构将面临更大生存压力中小型资产管理机构将面临更大生存压力 受行业降费影响，中小型及新成立的资产管理机构将面临更大的生存压力和注资需求。经营不善的机构将主动申请注销或者通过并购重组实现市场化退出，而由于相关业务牌照的稀缺性，部分潜在意向者将通过兼并收购进入市场，资产管理机构的总体数量增速预计有所下降。与境外资产管理机构通过并购重组实现业务多元化及规模增长不同，基于牌照监管主导的行业体系和有待提升的业务差异化程度，境内资产管理行业并购重组仍将主要服务于市场的进入与退出，而在产品多元化及规模增长方面仍主要依靠机构内生性发展。资产和财富管理行业及其社会角色日益重要，行业机构的使命和社会责任也引发了公众关注。资产管理机构在部分领域正在寻求目标导向的业务增长，诸如为净零排放转型提供资金或将私人信贷业务覆盖至中小企业等。在深入推动ESG投资和更广泛经济领域的创新和增长的同时，资产管理机构仍有机会进一步重塑公众观念并吸引新的人才和投资。一些投资者在选择资产管理机构时加入了多样性评分，因此提高行业的多样性和包容性也成为了当务之急。拥抱变革，适者生存全球资产和财富管理调研报告 2023295.强化社会责任展望未来，普华永道预计，资产管理机构将在绩效评价中加强对社会责任的考评，以显著改善其在员工和下一代投资者眼中的形象。调研结果显示，53%的受访机构正在努力提高ESG事项的透明度并在此领域持续推进（见下图）。资产管理公司需提高透明度，采取社会行动社会责任信息披露要求日益提高雇主正在采取行动满足员工的期望对整体经济的影响（就业、税收、工资等）对ESG事项的影响提升职场多样性和包容性提升员工健康和安全保护57PGA%提升ESG事项的透明度提高员工技能提升企业价值观与员工价值观的一致性提升职场多样性、公平性和包容性53HE7%来源:普华永道全球资产和财富管理&ESG市场研究中心拥抱变革，适者生存全球资产和财富管理调研报告 2023305.强化社会责任监管部门加强了对资产管理机构的监管，旨在防止行业集中度上升导致的系统性风险。在人口老龄化和公共养老金减少的背景下，需要重新制定资产管理行业收费、披露和产品创新等标准，未雨绸缪，应对可能出现的挑战。当非公开市场的整体规模超过公开市场，而资产和财富管理行业进一步涉足基础设施、公共住房和商业借贷等领域时，公众对于机构公信力的要求也在不断提升。未来展望树立更为积极的社会形象树立更为积极的社会形象 为维护运营，满足社会和监管要求，资产和财富管理机构的管理者需要树立更为突出的公众形象。同时，随着加快绿色转型等社会责任议题纳入战略决策和绩效管理评价，将给资产管理机构带来更大压力。打造合理的投资评价体系打造合理的投资评价体系 基金净值波动促使监管更加关注投资成果。对于资产管理机构而言，监管趋严可以作为改善和推行差异化投资评价体系的催化剂，而非仅仅作为满足合规的必然要求。其中的机遇蕴含在利用先进的客户画像技术和基金定制化方案以更好地理解和满足投资者在ESG等领域的财务目标和预期。成为引领者成为引领者 监管和公众对资产管理机构的要求还将逐渐提升并难以预测。机构迅速响应监管与公众要求的必要性愈发凸显，例如自然生态系统保护受到越来越多的关注。随着生物多样性被纳入监管要求以及新的信息披露规定出台，资产管理机构将其纳入投资和产品开发策略将助力机构处于行业领先地位，提升产品的差异化。拥抱变革，适者生存全球资产和财富管理调研报告 2023315.强化社会责任在金融行业薪酬改革背景下在金融行业薪酬改革背景下，探索股权激励及业务转型探索股权激励及业务转型在国内金融行业整体费率下行以及薪酬改革的背景下，资产和财富管理行业整体薪酬水平亦将有所下降。未来，资产管理机构或将难以维系现行的薪酬激励机制以吸引和留住人才，因此行业需要重新审视并调整现有的业务结构、人员结构以及激励措施。以境内公募基金行业为例，目前有约40家公司开展了员工持股计划(ESOP)。普华永道预计，未来将有更多国有及合资背景的资产管理机构尝试探索员工持股计划及其他股权激励措施。此外，国内资产和财富管理行业也将更注重内部人才培养体系以及公司文化及价值观的搭建，同时通过向被动及量化等平台型业务加速转型以降低薪酬改革带来的影响。监管及投资者需求驱动践行监管及投资者需求驱动践行ESG理念理念作为国家实现“双碳目标”战略的重要体现，ESG理念在监管、投资者及行业机构的推动下快速发展。在国家政策的激励下，机构在ESG方面的投入及能力建设或将成为监管部门考核其发展水平、实施分类监管的重要指标。行业头部机构将承担ESG先行者的角色，引领行业完善ESG研究、投资、人才培养、信息披露、理念推广等方面的能力。在私募股权或天使投资领域，来自不同地区的投资者，尤其是主权基金、养老金等机构投资者，逐步将ESG纳入机构考核指标，并以其作为判断是否投资的标准之一，这将推动ESG在衡量、评估和披露等机制安排不断完善。未来，资产和财富管理行业将进一步推动ESG整合，明确相关管理职责，通过自身的影响力推动资本市场深入践行ESG理念。更多类型的投资者也会进一步将ESG纳入自身的投资目标从而激励全行业提升ESG能力，实现正向反馈。中国市场概要及展望拥抱变革，适者生存全球资产和财富管理调研报告 2023325.强化社会责任推动长期增长展望未来，资产与财富管理行业需要在继续适应不断变化的投资者需求和市场环境的同时，向更加个性化、数字优先模式的策略转变。能够有效地利用技术、与新客户和现有客户建立有意义的联系并提供卓越客户体验的公司，将会在快速变化的环境中占得先机。总体而言，本次调查强调了一个事实，即作为全球金融体系至关重要的组成部分，资产与财富管理行业将驱动个人和机构的长期发展并创造财富。拥抱变革，适者生存全球资产和财富管理调研报告 2023335.强化社会责任关于调查普华永道2023年全球资产和财富管理调查是一项针对全球资产管理公司和机构投资者的国际性调查。该调查旨在评估当前资产和财富管理行业对近期宏观经济和商业环境变化的反应，收集关于这些变化在未来几年引领行业潜在发展方向的见解，并评估业内人员对资产和财富管理行业格局演变的准备程度。资产管理机构调查样本由250名受访者组成。受访者在职位、公司规模和类别方面具有跨部门性。调查样本还包括250名机构投资者。机构受访者的资产管理规模跨度较大，其中一半以上的受访机构资产管理规模超100亿美元。公共和私人养老基金共占机构受访者总数的60%以上。普华永道预测2027年行业前景的方式普华永道使用了计量经济学模型来获得相关估计值。相关指标（资产管理规模、客户资产、收入等）被用作目标变量（通常基于2004-2022年的数据），国际货币基金（IMF）的各项宏观经济指标被用作解释变量。普华永道使用了统计软件以验证各个模型，并筛选出了对每个国家或地区有显著统计学意义的模型。此外，我们还纳入了普华永道专家对不同行业未来主要趋势的观点。拥抱变革，适者生存全球资产和财富管理调研报告 202334联系人OlwynAlexander普华永道全球资产和财富管理行业主管合伙人DariushYazdani普华永道全球资产和财富管理行业市场研究中心主管,合伙人dariush.yazdanipwc.lu薛竞薛竞普华永道亚太区及中国资产和财富管理行业主管合伙人赵钰赵钰普华永道中国资产和财富管理行业合伙人本文仅为提供一般性信息之目的，不应用于替代专业咨询者提供的咨询意见。2024 普华永道。版权所有。普华永道系指普华永道网络及/或普华永道网络中各自独立的成员机构。详情请进入

0人已浏览 2024-02-23 36页 5星级

中国宏观金融NIFD季报主编:李扬殷剑峰张旸 王蒋姜2022 年 4 月债券市场NIFD季报主编:李扬彭兴韵周莉萍、孙雨萌、彭林威2024 年 2 月 NIFD 季报是国家金融与发展实验室主要的集体研究成果之一，旨在定期、系统、全面跟踪全球金融市场、人民币汇率、国内宏观经济、中国宏观金融、国家资产负债表、财政运行、金融监管、债券市场、股票市场、房地产金融、银行业运行、保险业运行、机构投资者的资产管理等领域的动态，并对各领域的金融风险状况进行评估。NIFD 季报由三个季度报告和一个年度报告构成。NIFD 季度报告于各季度结束后的第二个月发布，并在实验室微信公众号和官方网站同时推出；NIFD 年度报告于下一年度 2 月份发布。I 稳中有进，静水流深 摘摘 要要 2023 年，美欧仍延续货币政策紧缩态势，但加息渐入尾声，超高限制性利率在抑制通胀的同时，也带来了金融信贷环境的持续收紧，美国受益于前期的宽松财政政策，居民、企业等部门资产负债表较为健康，同时疫情后服务型消费韧性较强，经济增长持续超预期。同样激进加息的欧洲经济则持续陷入困顿，长期在零增长附近徘徊。在全面放开后的第一年，我国经济逐步恢复常态化运行，但内需不足仍是主要问题。2023 年初，国家从政策层面大举推动经济修复预期管理，宏观调控组合政策发力效果显著，经济运行状态持续好转，三季度GDP同比增长4.9%，两年平均增长4.4%，较二季度加快 1.1 个基点，全年 5%的经济增长目标有望实现。一级市场方面，2023 年，财政政策仍持续发力，国债与地方债发行持续放量，特别是四季度发行特别国债 1 万亿元，用于支持灾后恢复重建和弥补防灾减灾短板；同业存单 2023 年受资金面宽松及商业银行配置政府债券、增加信贷投放引起的流动性需求，发行量止跌回升；以住房抵押贷款为代表的资产支持证券仍延续大幅下跌态势。二级市场方面，债券市场最大买家商业银行份额占比持续提升，国债流动 2023 年止跌回升，交易比数及规模大幅提升。债券违约方面，实质性违约只数与规模继续下跌，展期债券与违约债券合计规模小幅下滑，但展期债券占比持续攀升，信用风险收窄有限。2023 年，监管机构持续推动金融监管改革，推动债券市场优化开放，通过住房租赁金融、科创型票据、企业资产证券化等多方式助力融资环境优化，北交所 2023 年启动公司债受理审核工作，债券市场供给体系进一步丰富。本报告负责人：本报告负责人：彭兴韵 本报告执笔人：本报告执笔人：彭兴韵 国家金融与发展实验室副主任 周莉萍 国家金融与发展实验室高级研究员 孙雨萌 中国社会科学院大学硕士研究生 彭林威 中国社会科学院大学硕士研究生 【NIFD 季报季报】全球金融市场 人民币汇率 国内宏观经济 宏观杠杆率 中国宏观金融 中国金融监管 中国财政运行 地方区域财政 房地产金融 债券市场债券市场 股票市场 银行业运行 保险业运行 机构投资者的资产管理 目 录 一、2023 年债券市场面临的利率环境.1（一）发达经济体加息周期已近尾声，高利率带动通胀高位回落 1（二）国内中枢利率在经济弱预期中不断下行.4 二、2023 年我国债券市场发展平稳.10（一）债券发行规模、偿债规模均同比增长，净融资额较 2022 年基本持平.10（二）国债二级市场流动性.15（三）债券市场信用风险事件冲击减弱.16（四）债券市场改革不断深化，密集出台支持债券融资的政策举措.17（五）不断扩大债券市场高水平对外开放.19 三、展望.21 1 一、2023 年债券市场面临的利率环境（一）（一）发达经济体加息周期已近尾声，高利率带动通胀高位回落发达经济体加息周期已近尾声，高利率带动通胀高位回落 2023 年，面对高企的通胀，美联储延续了紧缩性货币政策，但加息频率与节奏有所放缓，2023 年 4 次共加息 100 个基点，联邦基准目标利率升至 5.50%（见图 1），为 2008 年以来最高位。分季度来看，美联储 2023 年一季度加息两次，共 50 个基点；二季度、三季度各加息一次，共 50 个基点；7 月加息后至今美联储已暂停加息。图图 1 主要发达经济体政策利率（主要发达经济体政策利率（%）数据来源：Wind。激进加息下通胀遏制已见成效。激进加息下通胀遏制已见成效。2023 年，美国通胀在美联储紧缩货币政策下一路回落，CPI 从 1 月的 6.40%下降至 10 月的 3.20%（见图 2），三季度因油价上涨等因素短暂拉升徘徊，进入四季度后，因油价压力有所平复及住房等因素延续下行趋势，CPI 掉头下降。核心通胀从 1 月的 5.60%下降至 12 月的 3.90%，但核心 CPI 下落速度明显低于 CPI 回落速度，且核心 CPI 从 3 月起高于 CPI 维持至今，服务、住房、核心商品等核心通胀黏性较强，显示美国劳动力市场及居民消费等因素韧性较强。-1.000.001.002.003.004.005.006.002023-12-292023-12-082023-11-172023-10-272023-10-062023-09-202023-09-052023-08-212023-08-062023-07-222023-07-072023-06-222023-06-072023-05-232023-05-082023-04-232023-04-082023-03-222023-03-012023-02-082023-01-182022-12-232022-12-022022-11-112022-10-212022-09-302022-09-082022-08-172022-07-272022-07-062022-06-152022-05-232022-04-292022-04-062022-03-162022-02-232022-02-022022-01-12美国:联邦基金目标利率欧元区:再融资利率英国:基准利率日本:隔夜拆借利率2 图图 2 主要发达经济体通胀水平（月同比、主要发达经济体通胀水平（月同比、%）数据来源：Wind。尽管美联储大幅加息，但美国经济表现超出预期，美联储多次上调经济增长尽管美联储大幅加息，但美国经济表现超出预期，美联储多次上调经济增长率预测。率预测。2023 年一、二季度，美国实际 GDP 年化增速分别为 2.20%、2.10%，三季度实际 GDP 环比折年率高达 5.20%，剔除基期及库存扰动因素预计仍高于二季度数值。从各项对经济的拉动效果来看，私人消费与投资增长成为三季度 GDP高增长的推动因素。个人消费支出与国内私人投资对美国实际 GDP 环比拉动率分别为 2.44%、1.82%，保持强劲势头；政府消费支出与投资对美国实际 GDP 环比拉动率则波动较小，三季度维持在 0.92%。美联储对美国 2023 年实际 GDP 增速预测由 2023 年初的 0.4%，拉升至 2.1%，对 2024 年的实际 GDP 增速也由 1.2%增长至 1.5%，美国经济的强韧性成为市场最大的预期差之一。失业率处于较低水平，职位空缺率一度出现边际上升.劳动力市场的紧俏反映到薪资增长上，表现为薪资增长幅度下降偏缓，支撑了美国居民消费，同时美国房地产市场及权益类资产价格上涨带来的财富效应也起到了支撑作用。从政策来看，美国财政支出虽然有所收缩，但仍相对宽松，在拜登政府一系列产业政策加持下，政策对经济增长托底效果明显。美国国债利率创新高，国债实际利率快速上行。美国国债利率创新高，国债实际利率快速上行。2022 年以来，美国国债收益率总体呈上涨态势，尤其是在美联储加息后，国债收益率不断攀升。2021 年末美国 10 年期国债收益率维持在 1.60%左右，至 2022 年末上涨至 3.80%，2023 年年初短暂徘徊后快速上行，10 月末升至本轮最高点，一度逼近 5.00%。从短期影响因素看，美联储持续缩表减持美国国债，同时美国政府一系列产业政策扩张财政支出，增加了国债供给，造成国债供需有所失衡。从长期支撑因素看，美国国0.002.004.006.008.0010.0012.------------12美国:CPI:同比日本:CPI:当月同比欧元区:HICP(调和CPI):当月同比英国:CPI:同比3 债实际利率在 2023 年对国债收益率变动的主导效应越来越强。自本轮加息以来，联邦基金目标利率持续上升，同时美国经济表现出的强韧性提升了实际利率，从而提高了美国国债收益率。2023 年欧央行持续加息以对抗通胀，累计 6 次共加息 200 个基点，主要再融资利率升至 4.50%。2023 年 10 月，在连续加息 10 次后按下暂停键。连续的加连续的加息抑制了欧元区的信贷供应，收紧的金融条件使欧元区经济萎缩的风险不断上息抑制了欧元区的信贷供应，收紧的金融条件使欧元区经济萎缩的风险不断上升。升。欧元区通胀在欧央行高限制性利率下一路回落，2023 年上半年，受益于能源、食品价格下滑及全球供应链紧张的缓解，欧元区 HICP（调和 CPI）一路从年初的 9.20%下滑至 6 月末的 5.50%，但核心 HICP 却在上半年不降反升，一路走高，在 7 月实现对 HICP 的反超。长期的通胀让欧元区各行业公会普遍要求涨薪以抵消通胀影响，普遍的涨薪加大了“工资-价格”螺旋上升的风险，形成了对核心通胀的强力支撑。步入三季度后，核心 HICP 才跟随 HICP 缓慢下降，但仍高于 HICP。较高的利率让经济增长前景愈发黯淡，欧元区实际 GDP 一季度环比零增长，二季度环比微增 0.20%，三季度掉头转负，环比下降-0.10%，增长动能相对疲软，不断加大了欧元区陷入衰退的预期。尤其是与美国经济表现出较强韧性相比，欧洲经济愈发黯淡无光。三季度末，美国经济数据的超预期表现让欧元汇率承压。同时经济动能的回落让欧洲就业市场韧性消退，在一定程度上有助于通胀的缓解，但就业与工资的放缓对消费构成下行风险，高利率下信贷条件的收紧，欧洲消费与投资对经济的拉动形成拖累。2022 年以来，日本通胀一路上升，逐渐摆脱长期以来超低通胀甚至通缩的局面。2023 年 CPI 始终位于 3%以上，核心 CPI 也在 3%附近波动，经济增长略有起色，一、二季度实际 GDP 环比折年率分别达 3.70%、4.50%，三季度受汇率贬值影响净出口下降导致实际 GDP 环比折年率转负。汇率持续贬值，日本央行汇率持续贬值，日本央行2023 年两度调整年两度调整 YCC 政策。政策。在欧美央行激进加息下，日本央行始终维持负利率政策，利差不断扩大让日元汇率一路下跌，在 11 月初跌破美元兑日元 1：150 的心理关口，此后有所回升。同时，日本通胀及经济等因素让日本国债收益率不断抬升，一度逼近甚至超过原收益率曲线控制（YCC）政策定的 10 年期国债收益率 0.5%的上限，日本央行不得不在 7 月和 10 月议息会议上两度调整 YCC 政策，7 月将利率上限由 0.5%调整至 1.0%，10 月宣布上限 1.0%仅为参考，取消了无限4 购债的承诺，对 YCC 政策实现边际性松绑，摆脱了原先 YCC 政策下，通胀抬升引起国债收益率上行，央行维持承诺加大购债力度进一步放松货币，继而引起通胀的恶性循环。通胀方面，日本通胀自 2021 年下半年上升以来，由最初的能源输入型通胀，逐步转换为薪资增长、服务等内在通胀，尤其是 2023 年以，能源部分对日本通胀贡献率持续转负。日本央行也不断上调未来通胀预测，最新一次核心通胀预测（2024 年 3 月）已上调至 3.8%，显示日本央行对通胀超调的容忍度要高于通缩的容忍度。（二）（二）国内中枢利率在经济弱预期中不断下行国内中枢利率在经济弱预期中不断下行 2023 年被视为疫后放开后的第一年。中国经济在恢复常态化运行后，仍略显疲态，内需不足仍是本轮“波浪式”复苏所面临的主要挑战。2023 全年保持中性偏宽松的政策基调，未来在注重跨周期与逆周期调节的同时更加强调与财政政策的配合。从货币供应量来看，从货币供应量来看，自 2023 年 1 月以来，M1同比增速持续走低，从年初的 6.7%降至 12 月的 1.3%，同时，M2增速维持高位，M1-M2剪刀差走阔（见图 3）。这也反映了本轮经济复苏中，我国内需仍然不足，资金流通速度低位徘徊。衡量货币流通速度的 GDP/M2同比变动自 2023 年初以来就处于低位，货币政策对于资金流通速度的提振并未如预期明显，短期内货币政策仍有较大降息空间；中长期来看，更应坚持改革，将货币、财政以及相关产业政策更为紧密的结合，针对地方财政紧张的问题，应加快“土地财政”向“股权财政”的转型，保障债务如期偿还。图图 3 M1、M2同比及二者剪刀差（同比及二者剪刀差（%）数据来源：同花顺。0.01.02.03.04.05.06.07.08.09.010.00.002.004.006.008.0010.0012.0014.00M2-M1:(右)M1(货币):同比M2(货币和准货币):同比5 企业活期存款增速下降成为 M1同比最大拖累项。一方面，房地产销售市场遇冷，阻碍居民储蓄向企业活期存款的转换，1 月至 11 月我国商品房销售额与销售面积同比分别下降 5.20%、8.00%（见图 4）。2023 年以来，我国对房地产业的态度转向是多元化和综合化的，在坚持“房住不炒”的定位下逐渐松绑，落实“金融十六条”措施，“因城施策”实施差别化信贷政策，重视地产市场发展给经济增长与民生改善带来的积极作用。对地产业全年调控思路呈现“小幅但高频”的特点，城市分化较大，且政策持续性较弱，利好落地后经历 1-2 两周左右的“脉冲式”回暖。具体来看，央行两次降准、三次降息、下调公积金贷款利率以及阶段性放宽房贷利率下限，全年累计下调 LPR 共 35 基点，首套房房贷利率最低至4.1%，下调首套房个人住房公积金贷款利率 0.15 个百分点，引导居民房贷成本下降。2023 年下半年各大政策频繁出台，10 月底的中央金融工作会议再次明确要“一视同仁”，满足不同所有制房企合理的融资需求，提前对接相应需求，随后出台“房企白名单”、11 月中旬提出“三个不低于”，首次以量化指标的方式对于银行业房贷行为进行硬性规定，将触角细化至非国有房地产企业，调整供给侧融资支持结构，真正缓解房地产企业融资压力。预计后续也将继续围绕对民营房企的融资支持和满足居民的购房需求出台系列政策。图图 4 商品房销售额累计同比（商品房销售额累计同比（%）数据来源：同花顺。-40.00-20.000.0020.0040.0060.0080.00100.00120.00140.002月3月4月5月6月7月8月9月10月11月12月2017年2018年2019年2020年2021年2022年2023年6 在“波浪式”复苏的背景下，企业短期内投资扩张意愿较弱，企业存款定期化趋势明显，且在经营面临压力的情况下资金多用于偿还利息，并未沉淀于活期存款中，导致 M1与 M2剪刀差持续走阔。2023 年我国信贷总量增长较快，结构持续优化。2023 年全年人民币贷款增加 22.75 万亿元，同比多增 1.31 万亿元。其中，金融机构贷款同比多增 10.60%，贷款利率到达历史低位，金融机构对实体经济的支持力度不断加大。从结构来看，企事业单位中长期贷款较 2023 年初增加 13.57 万亿元，占全部企业贷款增加值的 75.78%。截至 11 月末，制造业和普惠小微贷款余额分别同比多增 38.2%与24.1%，比全部贷款增速分别高出 27.3%与 13.2%。2023 年度 CPI 与 PPI 走势明显背离，剪刀差延续走阔趋势。自 2023 年 6 月以来，我国 CPI 环比连续负增长（见图 5），同比在 6 月降至 0 附近，剔除食品与能源项的核心 CPI 也处于 0.4%左右的低位，猪肉和蔬菜价格走低是上半年食品项通胀回落的主要原因。下半年随着消费市场的恢复和部分商品价格的上涨，拉动 CPI 同环比有所上行。一些食品和非食品类商品的价格上涨较快，例如鲜果、鲜菜等食品项在季节效应下价格抬升明显，此外，在十一小长假的影响下服务类消费价格也有所上涨，前三季度 CPI 同比上涨 0.4%，12 月 CPI 环比上升0.10%，物价运行总体平稳。图图 5 CPI 同环比及分项贡献（同环比及分项贡献（%）数据来源：同花顺。-6.00-4.00-2.000.002.004.006.008.00-1.00-0.500.000.501.001.502.002.50CPI:非食品:当月同比%CPI:食品:当月同比%CPI:当月同比%CPI:环比%7 由于国际原油等大宗商品价格的波动以及国内供需关系的调整，2023年全年 PPI 出现了一定下跌（见图 6）。目前，我国工业品产能仍然过剩，商品价格受抑制的情况或将延续，预计 2024 年 PPI 同比增速或将继续低位运行，微观主体的弱预期与低需求可能导致通缩压力自产业链下游传导至上游，广谱利率中枢因此被拖累的可能性仍然存在。图图 6 PPI 同环比走势（同环比走势（%）数据来源：同花顺。结合 PMI 来看，2023 年一季度制造业景气度在去库存周期的带动下，保持在荣枯线以上（见图 7）；综合 PMI 在 4 月达到 54.4%，较 3 月回落2.6%，当月制造业 PMI 降至荣枯线之下，制造业企业“订单-生产-价格-采购”下降趋势明显；三季末我国官方综合 PMI 产出指数 52.0%，环比上升0.7pct。制造业 PMI 重返荣枯线上方，连续 4 个月景气回升，产需回暖共振，在三季末提升至 50.20%。但需求不足仍然是制造业恢复发展面临的首要问题。迈入四季度后，制造业 PMI 连续下行且维持在景气收缩区间，12 月制造业 PMI 环比下降 0.4 个百分点至 49%。非制造业 PMI 为历史同期及年内最低值，其中建筑业景气度明显强于服务业（见图 8），经济内生动能较弱的问题仍然突出，预计后续将提前出台“稳增长”系列政策，进一步巩固经济回升基础。-6.00-5.00-4.00-3.00-2.00-1.000.00-1.00-0.80-0.60-0.40-0.200.000.200.400.60PPI:环比PPI:当月同比（右）8 图图 7 制造业制造业 PMI 及部分分项（及部分分项（%）数据来源：同花顺。图图 8 非制造业非制造业 PMI 走势（走势（%）数据来源：同花顺。同时，国内消费与投资规模继续扩大。同时，国内消费与投资规模继续扩大。2023 年前三季度全国居民人均可支配收入为 2.9 万元，同比名义增长 6.3%，结构持续改善。前三季度社零总额同比增长 6.8%，其中服装粮油类等生活消费增长稳定，娱乐等升级类商品销售增长较快。前三季度固定资产投资 375035 亿元，同比增长 3.1%，制造业、基础设施与高技术产业投资分别增长 6.2%、6.2%与 11.4%，房地产开发投资下降 9.1%。2023 年以来，央行利率政策的针对性和协同性明显增强，实体融资成本稳中有降。除了两次降准、三次降息之外，央行还引导主要银行下调一年46.0047.0048.0049.0050.0051.0052.0053.00-30.0020.0070.00120.00170.00220.00制造业PMI:生产制造业PMI:新订单制造业PMI:原材料库存制造业PMI：（右）48.0050.0052.0054.0056.0058.0060.0062.0064.0066.00制造业PMI非制造业PMI:建筑业非制造业PMI:服务业50枯荣线9 期以及以上存款利率 10-25 个基点，充分发挥存款利率市场化调整机制的作用，缓解存款长期化倾向，提高资金活化率。同时，积极顺应房地产市场供求关系新态势，适时调整优化房产利率政策，按季动态调整首套房贷款利率，调降二套房利率下限 40 个基点，降低居民还贷压力，促进存款向投资消费转化。债券市场到期收益率在国内外经济形式和政策因素的影响下，呈波动下行态势。一方面，全球经济复苏乏力，以美国为代表的发达经济体持续宽松的货币政策和较低的利率水平对我国债券市场形成一定影响。另一方面，国内经济稳增长政策持续发力，货币政策保持宽松，推动债券市场利率下行。具体来看，2023 年上半年，我国债券市场整体表现平稳，收益率呈现波动下行态势（见图 9）。受银行间市场流动性宽松和避险情绪的影响，国债收益率波动下行，10 年期国债利率分别在 1 月末和 8 月末达到全年高低点；企业债收益率在信用风险事件和资金面波动的影响下，呈现区间波动；可转债市场则受到股市波动和转债个券表现的影响，呈现结构性机会。图图 9 国债到期收益率与国债到期收益率与 MLF 走势（走势（%）数据来源：同花顺。进入 2023 年下半年，我国债券市场面临全球经济复苏乏力、国内经济稳增长政策持续发力等多重因素影响，利率呈现下行态势。9 月以来，政府0070809010000.511.522.533.52023-01-032023-01-122023-01-282023-02-062023-02-152023-02-242023-03-072023-03-162023-03-272023-04-062023-04-172023-04-252023-05-082023-05-172023-05-262023-06-062023-06-152023-06-272023-07-062023-07-172023-07-262023-08-042023-08-152023-08-242023-09-042023-09-132023-09-222023-10-092023-10-182023-10-272023-11-072023-11-162023-11-272023-12-062023-12-152023-12-26十年期国债收益率-一年期国债收益率（右）：BP中期借贷便利(MLF):操作利率:1年中债国债到期收益率:10年中债国债到期收益率:1年10 释放诸多积极信号刺激经济，如地产积极政策（降低购买首套房首付比例和贷款利率、个人住房贷款“认房不认贷”）、活跃资本市场政策等，经济企稳回升态势明显，叠加货币市场利率上行（见图 10）和债券市场供需失衡等因素影响，债券收益率出现阶段性上行。图图 10 债券市场资金价格走势（债券市场资金价格走势（%）数据来源：同花顺。二、2023 年我国债券市场发展平稳 国内债券发行规模、偿债规模均同比增长，净融资额止跌回升。债券市场净融资在 2020 年达到最高值 17.18 万亿元后持续下滑，2023 年企稳回升，债券市场违约方面，信用风险暴露仍持续向房地产行业集中，但违约及展期规模均有所收窄，境外机构持有人民币债券 2023 年震荡企稳，受益于中国经济的复苏及欧美加息的终止，外资持有人民币债券预计将逐步提升。（一）（一）债券发行规模、偿债规模均同比增长，净融资额较债券发行规模、偿债规模均同比增长，净融资额较 2022 年年基本持平基本持平 2023 年，中国经济基本面修复不及预期，CPI 低位徘徊，地产延续 2022 年的收缩趋势，政策多次发挥逆周期调节优势，央行两度降准降息，增发 1 万亿元国债，国债与地方政府债加速发行支撑了债券市场的发行规模，债券市场多券种发行利率震荡下行。0.000.501.001.502.002.503.003.504.004.505.002023-01-032023-01-122023-01-282023-02-062023-02-152023-02-242023-03-072023-03-162023-03-272023-04-062023-04-172023-04-252023-05-082023-05-172023-05-262023-06-062023-06-152023-06-272023-07-062023-07-172023-07-262023-08-042023-08-152023-08-242023-09-042023-09-132023-09-222023-10-092023-10-182023-10-272023-11-072023-11-162023-11-272023-12-062023-12-152023-12-26DR007DR001R001R007逆回购:7日:回购利率11 2023 年，我国债券市场一级市场运行平稳，共发行各类债券 71.04 万亿元，发行规模较 2022 年同期增长 15.45%；总偿还规模合计 57.26 万亿元，同比增长13.47%，增幅较快；全市场净融资额为 13.78 万亿元（见图 11），较 2022 年增长24.44%，逐渐回归到新冠疫情前的水平并有所增长（2018 年全市场净融资额为11 万亿元、2019 年全市场净融资为 11.48 万亿元）。图图 11 我国债券市场发行、偿还及净融资规模（亿元）我国债券市场发行、偿还及净融资规模（亿元）数据来源：Wind。各券种发行分化，同业存单、地方债发行增幅明显。各券种发行分化，同业存单、地方债发行增幅明显。同业存单、地方政府债较 2022 年大幅增长，资产支持证券延续下滑趋势。其中，地方政府债的发行增速最快，2023 年共计发行 9.33 万亿元，同比大幅增长 26.78%；同业存单发行25.69 万亿元，增幅 25.39%，国债发行 11.10 万亿元，增幅 14.18%；资产支持证券发行延续了 2022 年的下滑趋势，发行 1.87 万亿元，降幅 6.75%，较 2021 年最高点下降 40.37%：金融债与非金融企业债发行规模较 2022 年小幅增长，分别发行 9.99 万亿元、12.79 万亿元（见图 12）。图图 12 我国债券市场发行规模及结构（亿元）我国债券市场发行规模及结构（亿元）数据来源：Wind。03200020202120222023x 100000总发行量（亿元）总偿还量(亿元)净融资额(亿元)0.000.501.001.502.002.503.0020000222023x 100000国债地方政府债同业存单金融债非金融企业债资产支持证券其他12 2023 年，国内经济复苏缓慢，政策加大了逆周期调节力度，中央财政在四季度增发特别国债 1 万亿元，全国财政赤字由 3.88 万亿元增加到 4.88 万亿元，赤字率提升至 3.80%。同时，在化解地方政府隐形债务风险上，2023 年政府工作报告 提出要“防范化解地方政府债务风险，优化债务期限结构，降低利息负担，遏制增量、化解存量”；4 月，中共中央政治局会议再次指出要有效防范化解重点领域风险，加强地方政府债务管理，严控新增隐性债务；7 月，中共中央政治局会议上则首次提出要有效防范化解地方债务风险，制定实施一揽子化债方案。为防止地方政府违约，2023 年地方政府债发行增长明显，再融资债券发行占比升至 48.84%，发行期限更加趋于长期化。商业银行发行同业存单利率以同期限 SHIBOR 为基准，一年期同业存单发行利率锚定 MLF 利率，2023 年央行两次下调 MLF 利率，同业存单利率整体呈下行趋势，受国债、地方债发行放量、信贷投放增多等多重因素影响，商业银行增加了发行同业存单进行主动负债以补充流动性。三季度，同业存单利率跟随资金面有所上升，但仍成为商业银行主动负债较低成本选项。金融债方面，2023 年11 月 1 日，国家金融监督管理总局发布商业银行资本管理办法，提高了银行二级资本债、同业存单和商业银行普通金债持有的风险权重，对商业银行金融债发行需求形成一定影响，但整体影响较小，2023 年商业银行绿色金融债与小微金融债增幅明显。债券市场存量规模持续增长，地方债占比持续提升。债券市场存量规模持续增长，地方债占比持续提升。截至 2023 年末，全国债券市场存量规模达 155.73 万亿元，较 2022 年增长 9.69%，保持稳定增长的势头，增幅较 2022 年的 8.46%有所回升。从存量结构看，地方政府债自 2022 年存量余额超越金融债成为债市第一大品种后，份额持续升高，国债份额超越非金融企业债占比升至第三，金融债份额较 2022 年微增，其余债券占比则有所下滑。截至 2023 年末，地方债、金融债、国债、非金融企业债为存量余额前四的主要券种，年末余额分别为40.54万亿元、37.24万亿元、29.71万亿元、28.16万亿元，占全市场比重分别为26.03%、23.91%、19.08%、18.08%，四大券种占比合计达 87.11%，较 2022 年上涨 1.47%（见图 13）。13 图图 13 我国债券市场存量规模及结构（亿元）我国债券市场存量规模及结构（亿元）数据来源：Wind。从存量同比增速看，除资产支持证券外，其余券种存量余额均有不同程度增长。其中，地方债的连续两年存量余额同比增速最快，国债次之，金融债第三，分别为 16.23%、16.12%、10.37%；非金融企业债、同业存单的同比增速较低，分别为 4.29%、2.88%；而资产支持证存量连续同比下降 20.06%，下降幅度高于2022 年。资产支持证券的大幅下滑主要是以住房抵押贷款为基础资产的信贷类ABS 存量大幅下滑。2023 年，以住房抵押贷款为基础资产的资产支撑证券存量余额为 0.45 万亿元，较 2022 年末的 1.07 万亿元下滑 57.86%，较 2021 年的 1.35万亿元下滑 66.78%。受房地产市场的影响，住房贷款抵押证券市场快速萎缩，此外以供应链应付账款、一般小额贷款债权等为基础资产的资产支持证券同样下滑严重。现券交易规模稳步增长，交易持续活跃。现券交易规模稳步增长，交易持续活跃。2023 年银行间和交易所市场债券结算量为 2572.74 万亿元，同比增长 18.14%。其中，现券结算量 351.19 万亿元，交易占比 13.65%，交易量同比增长 14.50%；回购结算量 2131.66 万亿元，交易占比 82.86%；同业拆借结算量 89.89 万亿元，交易占比 3.49%（见图 14）。0.002.004.006.008.0010.0012.0014.0016.0018.0020000222023x 100000国债地方政府债同业存单金融债非金融企业债资产支持证券其他14 图图 14 我国债券市场现券交易规模及结构（亿元）我国债券市场现券交易规模及结构（亿元）数据来源：Wind。从现券交易的结构来看，银行间债券市场仍为现券交易最活跃的市场，其成交量约占总交易量的 86.69%。从现券成交量来看，2013 年以来，我国债券市场现券成交量呈震荡上升趋势。2023 年，我国债券市场现券成交量再创历年新高；除资产支持证券、其他类型债券出现同比下跌外，其余券种现券交易额均实现同比正增长，其中，国债与地方政府债现券交易量较 2022 年大幅增长，分别实现48.79%、36.24%的涨幅。从债券品种看，在现券交易中，金融债交易较为活跃，2023 年金融债成交量为 130.74 万亿元，同比增长 8.28%，成交额占比达 37.23%；国债的成交量升至第二位，全年现券结算额为 81.93 万亿元，成交额占比达23.33%；第一大存量债地方政府债 2023 年全年现券成交额仅 13.30 万亿元，活跃度较 2022 年大幅提升，但整体交易表现活跃度仍较低、流动性较差，成交额仅占 3.79%；发行量大幅下滑的资产支持证券在 2023 年的现券交易额仅为 1.67万亿元，同比大幅下降 16.51%，延续大幅下跌态势。除地方政府外，商业银行持有的各种债券比例持续提升（地方政府债除外），除地方政府外，商业银行持有的各种债券比例持续提升（地方政府债除外），保险、证券及广义基金持有的地方政府债占比小幅上升。保险、证券及广义基金持有的地方政府债占比小幅上升。2023 年，在银行间国债市场，商业银行持有国债占比 69.66%，险资、广义基金、境外机构占比均有小幅下滑，证券公司持有占比小幅上涨。各机构国债持有量均有所上升，其中，证券公司持有量上升 27.73%至 0.87 万亿元，商业银行国债持有量增加 17.48%至18.64 万亿元。2023 年，地方债发行加速，存量增长较快，各机构持有量均实现 10%以上增长。其中，广义基金持债增长 38.27%至 2.19 万亿元，持有量增长位居第一；0.000.501.001.502.002.503.003.504.0020000222023x1000000国债地方政府债同业存单金融债非金融企业债资产支持证券其他15 保险、证券持债增长 31.79%、34.72%；商业银行持债增长 14.79%，占比小幅下滑，但仍持有近九成。金融债方面，商业银行与信用社占比上升，商业银行持有占比达到 51.45%，第二大持有人广义基金持有量与 2022 年基本持平，占比小幅下滑至 37.69%。2023 年，企业债发行量有所下滑，各机构持有企业债量均下滑明显，广义基金持有量跌破一半至 49.90%（见图 15）。图图 15 银行间债券市场国债、地方债、企业债、政策性银行加商业银行债持有银行间债券市场国债、地方债、企业债、政策性银行加商业银行债持有人结构（人结构（%）数据来源：中国债券信息网。（二二）国债二级市场流动性国债二级市场流动性 长期以来，国债交易始终保持上升势头，2022 年四季度受制于国债价格上行、债市转熊等因素影响，国债成交笔数与金额有所下滑，2023 年一季度跌至2022 年同期水平，此后快速回升，至四季度末成交金额 69.85 万亿元，成交笔数134.62 万笔（见图 16），创近年来新高。其中，四季度成交笔数较三季度环比增长 30.65%，成交金额较三季度环比增长 34.87%，增速明显。进入 2023 二季度以69.66%1.16%2.46%3.24%6.66%8.20%8.62%1.商业银行2.信用社3.保险机构4.证券公司5.非法人产品6.境外机构7.其他85.23%0.49%4.42%1.43%5.62%0.02%2.79%1.商业银行2.信用社3.保险机构4.证券公司5.非法人产品6.境外机构7.其他34.67%0.30%3.64.66I.90%0.16%0.67%1.商业银行2.信用社3.保险机构4.证券公司5.非法人产品6.境外机构7.其他51.45%2.49%3.21%1.607.69%2.65%0.91%1.商业银行2.信用社3.保险机构4.证券公司5.非法人产品6.境外机构7.其他16 来，受国债发行放量及政策利率下调、拉升交易情绪等因素影响，国债市场交易活跃度快速提升。图图 16 国债市场现券交易笔数及规模（笔、亿元）国债市场现券交易笔数及规模（笔、亿元）数据来源：中国货币网。（三三）债券债券市场信用风险事件冲击减弱市场信用风险事件冲击减弱 2023 年违约主体、违约规模持续下降。年违约主体、违约规模持续下降。2023 年，我国债券市场累计有 41 只债券主体发生违约，违约债券余额共计 308.19 亿元，违约主体数较 2022 年下降46.75%。违约债券余额较 2022 年下降 41.94%，违约主体及违约债券规模均自2020 年以来连续三年下降，实质性违约风险逐年下滑（见图 17）。2023 年以来，货币政策环境由宽货币向宽信用传导，金融条件较为宽松，企业债券融资成本持续回落，在一定程度上缓解了企业资金压力。图图 17 我国债券市场违约展期规模及实质性违约规模（亿元）我国债券市场违约展期规模及实质性违约规模（亿元）数据来源：Wind。05021Q121Q221Q321Q422Q122Q222Q322Q423Q123Q223Q323Q4x 10000 x 10000成交笔数成交金额05000250030003500200020202120222023展期规模违约规模17 不过，值得注意的是，信用风险暴露形式从实质性违约向展期转变，展期债不过，值得注意的是，信用风险暴露形式从实质性违约向展期转变，展期债券占比持续攀升，信用风险“明低暗高”。券占比持续攀升，信用风险“明低暗高”。自 2020 年实质性违约债券主体数量及违约规模双双下降以来，展期债券数量与规模迅猛增长。2023 年债券市场展期债券规模达 2146.38 亿元，较 2022 年轻微下滑 12.06%，较 2020 年增加 411.37%，年均复合增长率高达 70.46%。同时，展期债券占比迅速提高，2020 年债券市场实质性违约债券规模 1894.13 亿元，展期债券规模 419.73 亿元，展期债券规模占实质性违约与展期债券规模之和的 18.14%。2023 年展期债券规模占实质性违约与展期债券规模之和升至 87.44%，两者占比调换次序。信用风险暴露形式从实质性违约向展期转变。信用风险暴露仍持续向房地产行业集中。信用风险暴露仍持续向房地产行业集中。2023 年 41 只债券违约主体中，与房地产相关的违约主体占比 65.85%，较 2022 年上升 7.41%，展期债券主体数量占比达 72.35%。2020 年，房地产相关行业仅占当年违约主体数量的 7.43%，展期债券数量占比4.17%。2023年房地产行业整体仍延续下行态势，2023年TOP100房企销售总额为 6.28 万亿元，较 2022 年下降 17.30%。房地产投资方面，TOP100房企拿地总额为 1.32 万亿元，较 2022 年微增 1.70%。2023 年，政策层面及时适应我国房地产市场供求关系发生的转变，持续调整优化房地产政策，明确房地产行业作为国民经济支柱产业地位不变，同时大力支持刚性和改善性住房需求，下调首套房最低首付比例，落实首套房贷款利率政策动态调整；房企层面支持房企合理融资诉求，同时积极防范化解房企风险，通过设立房企纾困专项再贷款等方式推动出险房企债务化解，各地政府也积极优化房地产市场管理细则，供需两端同时发力。但当前房地产企业风险仍需持续关注，从资金链角度看，房企销售尚未回暖，融资也未大幅改善，现金流断裂仍是房企“爆雷”的最大风险。整体来看，2023 年，在宽松货币政策环境下，信用主体融资利率均有不同程度下降。但在经济复苏进程较慢、房地产仍持续下滑的背景下，信用风险收窄相对有限，实质性违约与展期债券规模较 2022 小幅下滑，出险风险主体通过展期方式寻求避免实质性违约发生。（四四）债券市场改革不断深化，密集出台支持债券融资的政策举措债券市场改革不断深化，密集出台支持债券融资的政策举措 金融监管改革持续深化，金融监督管理总局正式挂牌成立金融监管改革持续深化，金融监督管理总局正式挂牌成立。2023 年 3 月，十四届全国人民代表大会第一次会议表决通过了国务院机构改革方案，成立国家18 金融监督管理总局，并重新调整了与证监会、中国人民银行的监管职能划分；7月，国家金融监督管理总局 31 家省级监管局和 5 家计划单列市监管局，以及 306家地市监管分局迎来统一挂牌“金融监督管理局”；11 月，中国机构编制网正式公布国家金融监督管理总局职能配置、内设机构和人员编制规定，明确了金融监管总局“三定”之后的内设机构、职能调整、人员编制等问题。在此次金融监管改革中，还将原来由发改委管理的企业债券改为由中国证券监督管理委员会监管，中国债券市场从多头监管向统一监管迈出了重大一步。债券市场多举措发力促进融资回暖、经济企稳债券市场多举措发力促进融资回暖、经济企稳。2023 年以来，中国经济企稳恢复受多重因素影响有所承压，货币政策与财政政策积极配合的同时，与债券市场相关的政策法规也在密集出台（见表 1），不断促进投融资信心恢复，支持经济企稳增长。表表 1 2023 年国内债券市场主要监管政策年国内债券市场主要监管政策 时间时间 监管政策监管政策 2 月月 24 日日 中国人民银行发布关于金融支持住房租赁市场发展的意见（征求意见稿）4 月月 28 日日 证监会发布推动科技创新公司债券高质量发展工作方案 5 月月 20 日日 上交所、深交所发布科技创新公司债券上市规则指引 6 月月 30 日日 交易商协会发布 关于进一步发挥银行间企业资产证券化市场功能增强服务实体经济发展质效的通知 8 月月 1 日日 发改委等多部门联合印发 国家发展改革委等部门关于实施促进民营经济发展近期若干举措的通知 10 月月 20 日日 北交所首次发布公司债券（含企业债券）5 项基本业务规则、16 项配套指引指南 11 月月 1 日日 国家金融监督管理总局公布商业银行资本管理办法 资料来源：国家金融与发展实验室债券研究中心整理。2 月 24 日，中国人民银行发布关于金融支持住房租赁市场发展的意见（征求意见稿），旨在支持住房租赁企业发行债务融资工具、公司债券、企业债券，专项用于租赁住房建设、购买和经营，为住房租赁企业提供融资便利。4 月 28 日，证监会发布推动科技创新公司债券高质量发展工作方案，从五方面 18 项工作举措推动科技创新公司债券的发展，实行科创企业“即报即审、审过即发”的“绿色通道”政策，同时研究推出科创债 ETF，给予优质科创债通用质押式回购融资最高档折扣系数。随后，5 月 20 日，上交所、深交所发布科19 技创新公司债券上市规则指引；7 月 20 日，交易商协会推出混合型科创票据，增强了混合型科创票据对投资人的吸引力。6 月 30 日，交易商协会发布关于进一步发挥银行间企业资产证券化市场功能增强服务实体经济发展质效的通知，提出重点支持科技型企业和民营小微企业、重点支持盘活不动产和 PPP 项目、重点支持与公募 REITs 试点区域高度一致的国家重大区域和债务压力较大地区。8 月 1 日，发改委等多部门联合印发国家发展改革委等部门关于实施促进民营经济发展近期若干举措的通知，提出 28 条举措促进民营经济高质量发展。文件提出，将民营企业债券央地合作增信新模式扩大至全部符合发行条件的各类民营企业并尽快形成更多示范案例。这意味着从 2022 年底试点的房地产民营企业债券增信模式转入常态化实施阶段。信用保护工具是债券市场创新出的新型增信产品，在央地合作增信模式下，国家级机构、地方机构等多方为民营企业提供联合增信，有助于分散民营企业信用风险，修复市场对民营企业债券信心，提升民营企业融资效率。10 月 20 日，北交所首次正式发布公司债券（含企业债券）5 项基本业务规则及 16 项配套指引指南，北交所将于 10 月 23 日正式启动公司债券（含企业债券）受理审核工作。这一举措有利于丰富企业融资渠道，完善国内债券供给体系。11 月 1 日，国家金融监督管理总局公布商业银行资本管理办法，调整了部分信用风险资产权重，按揭贷款信用风险权重整体下调，但不符合审慎要求的房开贷风险权重有所调增；政策行次级债权、股权投资等不同程度下调。对商业银行而言，部分优质企业、中小微企业贷款资本占用有所下降，有利于商业银行节约资本。从金融市场影响看，资本管理办法有利于约束同业空转，银行与金融机构开展回购业务，抵质押物的风险权重底线为 20%，部分非银机构获取资金受限。一般地方债风险权重由现行的 20%降至 10%（专项债仍为 20%不变），地方债配置意愿预计将有所提升。（五五）不断扩大债券市场高水平对外开放不断扩大债券市场高水平对外开放 2023 年以来，我国债券市场不断扩大双向开放，降低境外投资者门槛，便利境外投资者入市渠道，不断优化入市机制与环境，在基础设施、产品服务、流程制度等方面持续发力。5 月 22 日，首笔人民币玉兰债在上海清算所发行，国际20 投资人可通过欧洲清算银行购买持有“玉兰债”。9 月 19 日，中国银行间交易商协会发布关于开展境外机构债券定价配售机制优化试点有关工作的通知，对熊猫债规则不断进行优化调整，顺应熊猫债投资人和发行人诉求，发行金额与配售方式更加灵活。9 月 28 日，中国人民银行、国家金融监督管理总局等多部门与中国香港金融管理局、中国澳门金融管理局等进一步优化粤港澳大湾区“跨境理财通”业务试点，优化投资者准入条件、扩大参与机构范围、扩大“南向通”“北向通”合格投资产品范围、进一步提高个人投资者额度。10 月 17 日国家金融监督管理总局发布的非银行金融机构行政许可事项实施办法，进一步放宽了境外机构入股金融资产管理公司的准入条件。境外机构持有人民币债券震荡下行，四季度起企稳回升。境外机构持有银行间市场债券在 2023 年一季度继续维持下行态势，一季度末下行至 3.21 万亿元，二季度有所震荡，小幅回升至 3.28 万亿元，三季度有所下行至 3.19 万亿元，四季度以来境外机构持有银行间市场债券开始回升。据中国人民银行上海总部最新披露，截至 2023 年底，境外机构持有银行间市场债券合计 3.49 万亿元，占债券市场托管量的 2.60%，较一季度末增加 0.28 万亿元（见图 18）。特别是进入四季度，美联储加息临近尾声，中美利差有所收窄，人民币升值预期增强，境外资本逐步加仓明显低配的人民币债券。从持有债券结构来看，境外机构第一大持仓券种为国债，托管量为 2.20 万亿元，占比 63.00%，并在 2023 年 1 月达到峰值 67.90%，此后缓慢下滑。伴随着中国经济的复苏，外资持有偏好有所调整。第二大持仓券种政策性金融债的托管量为 0.77 万亿元，占比 22.10%。图图 18 境外机构投资银行间债券市场规模及占比（亿元、境外机构投资银行间债券市场规模及占比（亿元、%）数据来源：中国人民银行上海总行。0.00%0.50%1.00%1.50%2.00%2.50%3.00%3.50%4.00%0.001.002.003.004.005.00托管量占比21 三、展望 中央金融工作会议提出要促进债券市场高质量发展。展望后市，我们认为2024 年的债券市场情绪与价格都将呈现正常化趋势。在需求回升基础尚未稳固的背景下，预计货币政策中性偏宽松的定调不会改变，或将兼顾配合“稳增长”以平衡金融风险。未来，将更加注重跨周期与逆周期调节，更加强调与财政政策的配合。财政收入是顺周期变量，财政支出作为逆周期调节工具的可能性较大，中央加杠杆的操作也暗示 2024 年“宽财政”或将提前发力，但仍需持续关注财政政策控制新增债务和化解隐债的实际效果。在此政策预期下，2024 年，我国债券市场或将继续维持“震荡”格局。一方面，2023 年三季度货币政策报告提出要“统筹衔接年末年初的信贷工作”，表明资金压力仍然存在，不排除提前扩张信贷的可能性。短期来看，尽管增发 1 万亿元国债对于需求提振作用有限，但“稳地产”“宽信用”预期的不断强化，仍旧对债市情绪形成扰动，且叠加平滑信贷要求以及跨年资金需求，资金波动预期可能升温，对债市带来一定压力，或将维持窄幅波动，但上行风险可控。另一方面，从长期来看，宽松的货币政策仍然会持续，只是侧重点由充分发挥信贷效能转向保持货币政策的稳健性，后续在总量适度的情况下，更加关注结构性工具的使用，利率“趋势锚”的下探空间仍然存在，预计 2024 年债券市场利率债发行仍将高位运行。考虑到当前地方政府实际杠杆率及隐形债务影响，2024 年地方政府预计将通过一揽子化债方案降低杠杆率。在财政支出缺口面前，中央政府仍有一定加杠杆空间，预计国债发行与地方政府专项债发行仍将呈现放量发行状态。版权公告：【版权公告：【NIFD 季报】为国家金融与发展实验室版权所有，未经版权所季报】为国家金融与发展实验室版权所有，未经版权所有人许可，任何机构或个人不得以任何形式翻版、复制、上网和刊登，如有违反，有人许可，任何机构或个人不得以任何形式翻版、复制、上网和刊登，如有违反，版权所有人保留法律追责权利。报告仅反映原文作者的观点，不代表版权所有人版权所有人保留法律追责权利。报告仅反映原文作者的观点，不代表版权所有人或所属机构的观点。或所属机构的观点。制作单位：国家金融与发展实验室。制作单位：国家金融与发展实验室。

0人已浏览 2024-02-23 25页 5星级

中国宏观金融NIFD季报主编:李扬殷剑峰张旸 王蒋姜2022 年 4 月中国金融监管NIFD季报主编:李扬郑联盛李俊成、张淑芬2024 年 2 月 NIFD 季报是国家金融与发展实验室主要的集体研究成果之一，旨在定期、系统、全面跟踪全球金融市场、人民币汇率、国内宏观经济、中国宏观金融、国家资产负债表、财政运行、金融监管、债券市场、股票市场、房地产金融、银行业运行、保险业运行、机构投资者的资产管理等领域的动态，并对各领域的金融风险状况进行评估。NIFD 季报由三个季度报告和一个年度报告构成。NIFD 季度报告于各季度结束后的第二个月发布，并在实验室微信公众号和官方网站同时推出；NIFD 年度报告于下一年度 2 月份发布。I 完善现代金融监管，有效防范金融风险 摘摘 要要 2023 年是全面贯彻党的二十大精神的开局之年，我国经济金融体系稳中求进、向好发展。2023 年党和国家机构改革实施推进后，我国召开中央金融工作会议，进一步部署加强和完善现代金融监管，有效防范金融风险。2023 年外部金融风险十分凸显，美欧货币政策转向触发美欧银行业爆发全球金融危机以来最显著的风险事件。面对国内金融急迫复杂的风险状况，金融管理部门积极主动、有效应对，有效保障金融体系整体稳定，同时在房地产市场、地方债务、中小金融机构等领域优化风险应对和金融监管，并着重强化系统重要性金融机构监管。面对人工智能等新兴技术在金融领域的应用，国内外金融监管部门着力探索适应性监管框架，以确保金融稳定。2024 年，金融监管系统将立足稳中求进、以进促稳、先立后破的工作总基调，进一步优化现代金融监管，更好地统筹金融高质量发展和高水平安全，确保金融体系稳定与安全。本报告负责人：本报告负责人：郑联盛 国家金融与发展实验室金融法律与金融监管研究基地主任 本报告执笔人：本报告执笔人：李俊成 中国社会科学院金融研究所金融风险与金融监管研究室助理研究员 张淑芬 中国社会科学院金融研究所博士后 【NIFD 季报季报】全球金融市场 人民币汇率 国内宏观经济 宏观杠杆率 中国宏观金融 中国金融监管中国金融监管 中国财政运行 地方区域财政 房地产金融 债券市场 股票市场 银行业运行 保险业运行 机构投资者的资产管理 目 录 一、中央金融工作会议胜利召开.1 二、美欧银行业爆发重大风险事件.4 三、系统重要性金融机构监管强化.7 四、地方债务风险处置取得进展.10 五、人工智能风险应对亟需优化.13 六、2024 年中国金融监管展望.18 1 2023 年是党和国家历史上重要的一年，是全面贯彻党的二十大精神的开局之年。这一年，国际政治经济环境不利因素增多，国内周期性和结构性矛盾叠加，面对错综复杂的国际国内环境，党中央领导全国顶住外部压力、克服内部困难，全面深化改革开放，加大宏观调控力度，着力扩大内需、优化结构、提振信心、防范化解风险，中国经济在持续承压中走出一条回升向好的复苏曲线，呈现前低、中高、后稳态势。中国金融监管当局稳中求进，积极应对、有效处置房地产金融、地方政府隐性债务、中小金融机构等领域风险，妥善应对美欧货币政策变化和美欧银行业重大风险事件等外部风险，牢牢守住不发生系统性金融风险的底线。同时，新一轮金融监管机构改革开启，“一委一行一局一会”新格局形成，金融监管当局把握回归本源、优化结构、强化监管、市场导向的四项原则，肩负服务实体经济、防控金融风险、深化金融改革三大任务，不断深化金融监管改革，优化金融监管制度，提升金融风险应对处置能力和金融部门现代化治理能力，逐步强化金融体系服务实体经济的能力，保持经济金融体系整体稳定，为中国式现代化和高质量发展贡献更大的金融力量。一、中央金融工作会议胜利召开 2023 年 10 月 30 日至 31 日，中央金融工作会议在北京召开。作为我国金融领域最高规格的会议，中央金融工作会议把“加强金融监管”列为重点工作之首，要求全面加强金融监管，有效防范化解金融风险。近年来我国金融监管工作已经取得一定成绩，在过去的“一委一行两会”金融监管架构下，稳妥有序推进风险处置、清理整顿金融秩序、维护房地产市场稳健运行、有效应对外部冲击风险、金融稳定保障体系建设取得积极进展。但目前金融领域还存在一些问题，急需得到更大力度的监管，主要体现在四个方面：一是经济金融风险隐患仍然较多。由于内外风险因素叠加，特别是金融风险暴露具有滞后性，我国金融系统风险频发、多发的态势将延续一段时间，中小金融机构风险、地方债务风险、房地产风险与汇率风险仍然较为严峻。二是金融服务实体经济的质效不高。金融机构同质化竞争依然存在，未能形成多层次金融服务体系。金融服务覆盖面不足，部分薄弱领域缺乏有效的金融服务供给。金融机构对金融产品服务、业务经营模式等创新力度不够，差异化经营有待进一步加强。小型金2 融机构无法承担融资功能，货币空转现象普遍。实体经济薄弱领域融资缺乏针对性配套制度。民间资本缺乏管理与引导。三是金融乱象和腐败问题屡禁不止。一方面，鱼龙混杂的互联网金融领域暴露出各种问题，传统金融行业中银行、证券、保险的一些金融产品创新过度脱离实体，邮币卡骗局、场外市场打着现货旗号做期货的现象也频繁出现。另一方面，金融腐败现象形式多样，包括金融机构工作人员利用职务便利以权谋私等违法活动，不仅破坏经济活动的公平公正原则，破坏市场经济的有序竞争，也扰乱金融机构的正常运行，损害金融机构的声誉，威胁金融体系的安全稳定。四是金融监管和治理能力薄弱。一方面，金融监管体制机制的顶层设计需根据中国式现代化要求进一步优化，主要监管部门之间的监管协同不够，中央金融监管部门指导地方金融监管不够到位。另一方面，金融监管人员的治理能力需更好地适应新时代的要求，干部人才队伍建设有待进一步提升监管能力与水平，落实全面从严治党“两个责任”有差距，部分金融机构或领域受到的监督管理不够有力，一些重要岗位和关键环节存在廉洁风险，系统中利用监管权谋私问题多发，政商“旋转门”问题比较突出，“四风”问题禁而未绝。考虑到“一委一行两会”的金融监管架构难以适应现阶段的金融发展形势，进行金融监管体制创新十分必要。本次中央金融工作会议召开之前，中共中央、国务院于 2023 年 3 月印发党和国家机构改革方案，决定在中国银保监会基础上组建国家金融监督管理总局，统一负责除证券业之外的金融业监管。就此，本次改革正式拉开序幕。2023 年 5 月 18 日，国家金融监管总局正式挂牌，如图1 所示，本次改革后，我国金融监管将由“一委一行两会”的金融监管模式转变为以中国人民银行、国家金融监管总局、中国证监会为主体的“一行一局一会”金融监管新格局。3 图图 1 “一行一局一会”金融监管新格局“一行一局一会”金融监管新格局 中央金融工作会议明确指出，要继续深化金融监管，明确将所有金融活动全部纳入监管，全面强化机构监管、行为监管、功能监管、穿透式监管、持续监管，消除监管空白和盲区，严格执法，严厉打击非法金融活动。中央金融工作会议后，国家金融监管总局的“三定”（定职责、定机构、定编制）方案浮出水面，继续深化金融监管机构改革。“三定”方案明确监管职能转变的方向：一是加强和完善现代金融监管，转变监管理念和监管方式，坚持既管合法又管非法，持续提升监管的前瞻性、精准性、有效性，强化中央和地方监管协同，加强金融消费者权益保护，加大对违法违规行为的查处力度，牢牢守住不发生系统性金融风险的底线。二是加强金融监管内部治理，强化对权力运行的有效制衡，规范政策制定、市场准入、稽查执法、行政处罚、风险处置等工作流程，强化对重点岗位和关键环节的监督制约，打造一支政治过硬、专业精湛、清正廉洁的监管铁军。本次金融监管体制创新工作意义深远，从此前“所有的金融业务”纳入监管，到如今“所有的金融活动”纳入监管，一词之差却体现了监管逻辑和本质的变化：此次监管体系的调整，突出了功能监管以及完善金融监管统筹协调之需求，是持续深化金融体系改革的体现，实现了金融监管全覆盖。具体来看，本次金融监管体制改革将产生以下积极效益：一是有利于统筹监管日益交叉混业的金融业，进一步增强金融监管工作的科学性、合理性和有序性。有效调整中央和地方政府金融监管职责，规范金融市场运行秩序，更好地支持金融创新，控制金融风险。更调整为 证监会证监会 证监会证监会 （国务院直属事业单位）（国务院直属机构）在此基础上组建 中国人民银行中国人民银行 银保监会银保监会 国家金融监督国家金融监督 管理总局管理总局 中国人民银行中国人民银行 （国务院直属事业单位）（国务院直属机构）一行两会 一行一局一会 4 为重要的是，将非正规金融活动也纳入到监管范围之内，实现了“兜底监管”。二是进一步强化金融服务实体经济的功能。统一债券发行规范，提升资本市场融资效率等，将有助于加快完善中国多层次资本市场体系建设，有效提高直接融资占比。三是有利于统筹中国人民银行职能的行使。改革后，人民银行的法律地位更加突出，与其他监管部门职责分工更加清晰，货币信贷政策传导更加高效，现代中央银行建设步伐将会加快，其宏观性、系统性、基础性和社会性职能将得到强化。四是加强对投资者的保护。集中监管、维护金融消费者的合法权益，将有助于推动中国财富管理行业规范运行，促进财富管理市场蓬勃发展。五是提高金融管理的效能，从宏观管理、监管体系、构建网络、隐患排查、体制保障等方面筑起制度“防火墙”，将金融监管的关口前移、下移，降低风险。六是有利于统筹监管工作人员与队伍，杜绝金融系统内部祸起萧墙，将工作人员全部纳入国家公务员管理，消除灰色收入带来的隐患。二、美欧银行业爆发重大风险事件 2023 年 3 月 8 日，硅谷银行爆发流动性危机，并迅速引发客户恐慌性挤兑，两天后，该银行被关闭接管；3 月 12 日，签名银行（Signature Bank）因“系统性风险”倒闭；再加上此前宣布停业的银门银行（Silvergate Bank），短短一周时间，美国三家银行倒闭。尽管美国金融监管机构立即采取紧急应对措施，但美国银行风险事件仍向欧洲外溢。3 月中旬起，欧洲银行业开始爆发风险事件，两家全球系统重要性金融机构瑞士信贷和德意志银行先后遭遇不同程度的风险冲击。3 月 14 日，全球系统重要性银行之一的瑞士信贷发布报告称该行对财务报告的内部控制存在重大缺陷，引发欧洲银行股价普遍下跌。在瑞士监管机构合力推动下，瑞银集团收购具有 167 年历史的瑞士信贷。十天后，德意志银行股价在盘中下跌近 15%，其 AT1 债券也遭受抛压，进一步引发风险溢出冲击。一时间，美欧银行业风声鹤唳。随着美欧监管者强势出手，硅谷银行、瑞信等危机解除，市场恐慌情绪暂时缓解。然而，不到两个月的时间，美国第一共和银行状况急剧恶化并宣布关闭。4 月 30 日，美国联邦存款保险公司控制了美国第一共和银行，宣布出售大量资产和存款。伴随着媒体报道的银行流动性风险事件引发担忧，多家美国银行股价出现大幅下滑，带动美国标普银行业ETF指数和区域性银行ETF5 指数大幅下跌。而欧洲银行业从瑞信被瑞银收购后，危机似乎暂时消退，欧洲Stoxx 600 银行指数在经历了一番波动之后缓和下来。图图 2 美欧美欧银行指数银行指数 数据来源：Bloomberg,混沌天成研究院。2023 年 3-5 月美欧银行业风险暴露具有市场预期逆转快、风险暴露速度快、市场冲击较显著等特征，是全球金融危机以来较为凸显的风险事件。审视本轮美欧银行业风险事件，具有多重根源。一是利率风险是本轮金融风险被触发的主要原因。受多重因素影响，2021 年下半年美欧通货膨胀率不断攀升，美联储和欧洲央行先后开启加息进程，自 2022 年 3 月以来，美联储已加息 11 次，累计加息幅度达 525 个基点，联邦基准利率调至 5.25%至 5.50%。欧洲央行自 2022 年 7月结束长达 8 年的负利率时代以来，连续加息 10 次，累计加息 450 个基点。2022年起，美欧货币政策转向，大幅、快速加息后，各类风险资产与避险资产价格大幅下跌，给持有上述资产的商业银行造成巨大亏损。二是资产负债错配引致流动性风险。由于问题金融机构资产端和负债端的风险交织传染，机构流动性陷入枯竭并形成负反馈，最后导致问题机构破产。三是金融监管有所放松为此次风险事件埋下隐患。美国 2018 年之后大幅度降低宏观审慎和微观审慎标准，中小商业银行面临的监管明显放松，新冠疫情爆发后，美欧进一步放松监管要求，特别是欧洲整体推迟对银行实施巴塞尔协议 III 的新资本要求。四是金融机构经营不够6 审慎。硅谷银行的服务对象资金稳定性弱，且资产配置存在明显的期限错配和利率错配，缺乏动态有效的风险管理机制。瑞士信贷内部风险管控不足由来已久，近年来风险事件频出。五是系统重要性金融机构监管有效性和完善度待提升。本轮美欧银行业风险事件虽未对我国造成重大直接影响，但对中国优化金融稳定和发展机制提供了重要借鉴。第一，继续保持宏观经济政策相对稳定。根据经济周期、结构调整和金融体系变化的内在需求，有序调整货币政策，避免出现美欧大水漫灌又大幅转向的政策操作。第二，防范货币政策对金融稳定的溢出冲击。统筹货币政策与金融稳定政策，防范货币政策可能带来的负面溢出效应。中国要以美欧教训为警戒，充分认识货币政策具有潜在的金融风险外溢性，着力处理好货币政策与金融稳定的内在关系。在调整货币政策时要充分评估货币政策的科学性和适宜度，避免出现政策副作用甚至负作用。第三，进一步加强和完善现代金融监管。美欧银行业风险暴露凸显美欧金融监管存在制度性或体制弊端，我国应全面落实中共中央、国务院关于党和国家机构改革方案，有效统筹经济增长、货币政策与金融监管的关系，优化金融监管框架，完善金融监管职责分工，构建具有中国特色的金融监管模式，不断提升金融监管的专业化和有效性。第四，提升金融机构稳健经营水平。我们应汲取美欧银行业风险事件教训，着力提升银行业资产负债管理水平，持续加强银行流动性风险管理，关注银行业潜在风险，强化金融机构公司治理和风险管控，提升金融机构稳健经营水平。第五，健全风险应对和问题机构处置长效机制。一是针对问题银行处置，要有果断的政策反应、充分的管理权限、匹配的政策工具、足够的资金支持和通畅的市场沟通，必要时迅速引入系统性风险应对机制。二是强化金融稳定制度建设，以金融稳定法立法为基础，着力构建维护金融稳定的长效机制，注重保护存款人和中小证券投资者权益，加强系统重要性金融机构风险应对和处置。三是优化金融风险应对和机构救助功能。强化金融消费者或金融投资者的权益保护，特别是要强化存款保险制度以及特别情况下政府资源在金融消费者权益保护中的地位和作用。7 三、系统重要性金融机构监管强化 为加强宏观审慎管理，完善系统重要性银行监管，根据系统重要性银行评估办法 的要求，中国人民银行、国家金融监督管理总局于 2023 年 9 月发布 2023年度我国系统重要性银行名单，认定 20 家国内系统重要性银行。其中，国有商业银行 6 家，股份制商业银行 9 家，城市商业银行 5 家。本轮名单新增南京银行，这是自 2021 年公布首批名单后第一次增加上榜银行。根据最新名单，按系统重要性得分从低到高分为五组：第一组 10 家，分别是中国光大银行、中国民生银行、平安银行、华夏银行、宁波银行、江苏银行、广发银行、上海银行、南京银行、北京银行；第二组 3 家，包括中信银行、浦发银行、中国邮政储蓄银行；第三组 3 家，包括交通银行、招商银行、兴业银行；第四组 4 家，包括中国工商银行、中国银行、中国建设银行、中国农业银行；第五组暂无银行进入（见表 1）。表表 1 20231 2023 年度我国系统重要性银行名单（年度我国系统重要性银行名单（2020 家）家）组别组别 得分区间得分区间 名单名单 第五组 1400 以上 无 第四组（4 家）750-1399 中国工商银行、中国银行、中国建设银行、中国农业银行 第三组（3 家）450-749 交通银行、招商银行、兴业银行 第二组（3 家）300-449 中信银行、浦发银行、中国邮政储蓄银行 第一组（10 家）100-299 中国光大银行、中国民生银行、平安银行、华夏银行、宁波银行、江苏银行、广发银行、上海银行、南京银行、北京银行 资料来源：作者整理。从名单变化来看（见表 2），南京银行首次入榜并进入第一组，无银行退出榜单，部分银行排名略有升降，但无银行跨越分组。其中，第四组的中国工商银行、中国银行、中国建设银行、中国农业银行同时在金融稳定理事会（FSB）公布的全球系统重要性银行（G-SIBs）名单中。8 表表 2 2 我国系统重要性银行名单我国系统重要性银行名单 资料来源：作者整理。为强化金融稳定保障体系，加强系统重要性金融机构监管，建立系统重要性保险公司评估与识别机制，根据完善系统重要性金融机构监管的有关规定，2023年 10 月中国人民银行、国家金融监管总局发布 系统重要性保险公司评估办法（以下简称办法）。办法立足我国保险业发展实践，借鉴国际经验，提出认定国内系统重要性保险公司的方法、流程和标准。办法共四条二十项，包括总则、评估流程与方法、评估指标和附则。主要内容：一是明确参评保险公司范围。包括我国资产规模排名前 10 位的保险集团公司、人身保险公司、财产保险公司和再保险公司，以及上一年度被认定为系统重要性保险公司的机构。二是明确评估指标和权重。包括规模、关联度、资产变现和可替代性 4 个维度共计9 13 项评估指标，4 个维度的权重分别为 20%、30%、30%和 20%。三是明确具体评估流程。中国人民银行、金融监管总局每两年根据参评保险公司相关评估指标数据，计算各家保险公司加权平均分数，得分达到或超过 1000 分的保险公司将被认定为系统重要性保险公司。中国人民银行、金融监管总局将联合发布系统重要性保险公司名单。办法的发布实施，将评估系统重要性金融机构的范围从银行进一步拓展到保险领域，为实施差异化监管打好基础，有助于强化系统重要性保险公司监管，完善宏观审慎政策框架，增强金融体系稳健性。防范化解系统重要性金融机构风险是 2008 年全球金融危机的重要教训，2011 年金融稳定理事会（FSB）发布金融机构风险有效处置机制核心要素，明确了系统重要性金融机构（SIFIs）的基本特征，要求各经济体对 SIFIs 进行有序处置。我国于 2018 年发布 关于完善系统重要性金融机构监管的指导意见，对我国系统重要性金融机构评估、监管和处置机制建设做出了规定，标志着我国系统重要性金融机构监管框架的初步建立。2020 年 12 月，中国人民银行、中国银保监会发布 系统重要性银行评估办法，明确系统重要性银行是因规模较大、结构和业务复杂度较高、与其他金融机构关联性较强，在金融体系中提供难以替代的关键服务，一旦发生重大风险事件而无法持续经营，可能对金融体系和实体经济产生不利影响的银行，并根据银行的系统重要性得分，将系统重要性银行分为五组。随后，2021 年 5 月，人民银行、银保监会公布了我国首批 19 家系统重要性银行名单。同年 10 月，人民银行、银保监会发布系统重要性银行附加监管规定（试行），从附加资本、杠杆率、流动性、大额风险暴露、公司治理、恢复处置计划、数据报送等方面，提出附加监管要求，对不同组别的系统重要性银行施行差异化监管。10 表表 3 3 系统重要性金融机构监管文件系统重要性金融机构监管文件 发布时间发布时间 发布部门发布部门 文件名称文件名称 2018.11 中国人民银行、银保监会、证监会 关于完善系统重要性金融机构监管的指导意见 2020.12 中国人民银行、银保监会 系统重要性银行评估办法 2021.5 中国人民银行、银保监会 我国首批 19 家系统重要性银行名单 2021.10 中国人民银行、银保监会 系统重要性银行附加监管规定（试行）2022.9 中国人民银行、银保监会 2022 年度我国系统重要性银行名单 2023.9 中国人民银行、国家金融监督管理总局 2023 年度我国系统重要性银行名单 2023.10 中国人民银行、国家金融监督管理总局 系统重要性保险公司评估办法 资料来源：作者整理。四、地方债务风险处置取得进展 2023 年 10 月 30 日，中央金融工作会议指出，要“建立防范化解地方债务风险长效机制，建立同高质量发展相适应的政府债务管理机制，优化中央和地方政府债务结构”。这是继 2023 年 7 月 24 日召开的政治局会议提出“有效防范化解地方债务风险，制定实施一揽子化债方案”之后的进一步化债工作指引，表明中央对地方债务风险处置工作的重视程度不断加强。2023 年，房地产市场持续转弱，地方土地出让收入增速加速下滑，地方政府债务压力进一步攀升，引发市场高度关注。二季度，各地采取一系列应急性纾困举措，包括债务置换、展期、化债试点、置换、再融资等。三季度，中央政治局提出化债新思路，制定实施一揽子化债方案，其中，发行特殊再融资债以缓解地方债务压力的方式被各地广泛采纳（见表 4）。区别于用于偿还到期旧债本金的普通再融资债，特殊再融资债是地方政府再融资债券的一种特殊类型，其用于偿还地方政府存量债务。截至 2023 年 12 月 31 日，安徽、福建、甘肃、广西、贵州、海南、河北、河南、黑龙江、湖北、湖南、吉林、江苏、江西、辽宁、内蒙古、宁夏、青海、山东、山西、陕西、四川、天津、新疆、云南、浙江、重庆等地宣布特殊再融资债发行计划，合计规模为 13885.14 亿元。11 表表 4 4 特殊再融资债发行情况特殊再融资债发行情况 省份省份/城市城市 发行日期发行日期 类型类型 规模规模/亿亿 省份省份/城市城市 发行日期发行日期 类型类型 规模规模/亿亿 内蒙古 2023-10-09 一般债 194.40 山东 2023-10-19 专项债 155.90 内蒙古 2023-10-09 一般债 194.40 云南 2023-10-19 一般债 172.90 内蒙古 2023-10-09 一般债 274.40 云南 2023-10-19 一般债 170.10 天津 2023-10-10 一般债 58.00 云南 2023-10-19 一般债 200.00 天津 2023-10-10 一般债 55.00 甘肃 2023-10-19 一般债 224.80 天津 2023-10-10 一般债 97.00 甘肃 2023-10-19 专项债 33.70 辽宁 2023-10-12 一般债 356.14 福建 2023-10-19 专项债 155.90 辽宁 2023-10-12 一般债 114.00 贵州 2023-10-20 一般债 147.21 辽宁 2023-10-12 一般债 259.28 贵州 2023-10-20 一般债 180.00 辽宁 2023-10-12 专项债 141.00 贵州 2023-10-20 一般债 175.01 重庆 2023-10-16 一般债 113.90 贵州 2023-10-20 一般债 150.00 重庆 2023-10-16 一般债 96.00 贵州 2023-10-20 一般债 150.00 重庆 2023-10-16 一般债 36.00 贵州 2023-10-20 一般债 80.16 重庆 2023-10-16 一般债 176.00 湖南 2023-10-20 一般债 145.22 云南 2023-10-16 一般债 271.00 湖南 2023-10-20 一般债 140.00 云南 2023-10-16 一般债 262.00 湖南 2023-10-20 专项债 80.56 广西 2023-10-16 一般债 224.80 湖南 2023-10-20 专项债 138.48 广西 2023-10-16 专项债 73.20 湖南 2023-10-20 专项债 139.00 广西 2023-10-16 专项债 200.00 湖北 2023-10-20 一般债 41.10 吉林 2023-10-17 一般债 179.00 湖北 2023-10-20 专项债 50.90 吉林 2023-10-17 一般债 71.00 陕西 2023-10-24 一般债 44.70 青海 2023-10-17 一般债 54.00 陕西 2023-10-24 专项债 55.30 青海 2023-10-17 专项债 42.00 天津 2023-10-25 一般债 108.05 内蒙古 2023-10-17 一般债 88.80 天津 2023-10-25 一般债 96.10 内蒙古 2023-10-17 一般债 140.80 天津 2023-10-25 一般债 123.40 内蒙古 2023-10-17 专项债 174.20 天津 2023-10-25 专项债 70.79 江西 2023-10-18 一般债 69.70 天津 2023-10-25 专项债 66.80 江西 2023-10-18 专项债 86.30 天津 2023-10-25 专项债 95.60 福建 2023-10-19 一般债 126.10 天津 2023-10-25 专项债 102.00 大连 2023-10-19 一般债 20.60 天津 2023-10-25 专项债 75.30 大连 2023-10-19 一般债 13.72 黑龙江 2023-10-25 一般债 104.00 大连 2023-10-19 一般债 75.86 黑龙江 2023-10-25 一般债 128.80 大连 2023-10-19 专项债 25.40 黑龙江 2023-10-25 专项债 70.20 宁夏 2023-10-19 一般债 80.00 吉林 2023-10-26 一般债 128.00 山东 2023-10-19 一般债 126.10 吉林 2023-10-26 一般债 159.00 吉林 2023-10-26 专项债 153.23 云南 2023-11-14 一般债 80.50 江苏 2023-10-26 一般债 116.70 云南 2023-11-14 专项债 99.50 江苏 2023-10-26 专项债 144.30 海南 2023-11-15 一般债 10.70 12 河北 2023-10-27 一般债 123.80 海南 2023-11-15 专项债 13.30 河北 2023-10-27 专项债 153.20 宁波 2023-11-16 一般债 11.20 新疆 2023-10-27 一般债 25.00 宁波 2023-11-16 专项债 13.80 新疆 2023-10-27 专项债 31.00 湖南 2023-11-16 一般债 216.38 广西 2023-10-30 一般债 25.00 湖南 2023-11-16 专项债 262.37 广西 2023-10-30 一般债 75.00 天津 2023-11-23 一般债 29.35 广西 2023-10-30 一般债 25.00 天津 2023-11-23 一般债 69.00 四川 2023-10-31 一般债 125.20 天津 2023-11-23 一般债 45.77 四川 2023-10-31 专项债 12.50 天津 2023-11-23 专项债 45.00 河南 2023-10-31 一般债 130.84 天津 2023-11-23 专项债 31.26 河南 2023-10-31 专项债 154.80 天津 2023-11-23 专项债 90.40 山西 2023-10-31 一般债 15.50 贵州 2023-11-24 一般债 50.00 山西 2023-10-31 专项债 125.15 贵州 2023-11-24 一般债 150.00 重庆 2023-11-01 专项债 166.93 贵州 2023-11-24 一般债 151.27 重庆 2023-11-01 专项债 137.17 贵州 2023-11-24 专项债 80.00 安徽 2023-11-07 一般债 277.20 贵州 2023-11-24 专项债 150.00 安徽 2023-11-07 专项债 342.80 贵州 2023-11-24 专项债 120.00 天津 2023-11-08 专项债 27.51 河南 2023-11-28 一般债 24.76 吉林 2023-11-09 专项债 201.77 河南 2023-11-28 专项债 67.25 贵州 2023-11-13 一般债 87.01 浙江 2023-12-05 一般债 23.20 贵州 2023-11-13 一般债 70.12 浙江 2023-12-05 专项债 28.80 贵州 2023-11-13 一般债 100.00 宁夏 2023-12-07 一般债 44.40 贵州 2023-11-13 专项债 110.40 宁夏 2023-12-07 专项债 16.60 贵州 2023-11-13 专项债 100.00 贵州 2023-12-15 一般债 60.00 贵州 2023-11-13 专项债 97.65 贵州 2023-12-15 一般债 54.98 资料来源：wind。地方政府发行特殊再融资债券以缓解地方政府债务压力并非长久之计，下一步化债工作重点应当落在以下三个方面：一是国有银行助力地方政府债务化解，省级政府提供担保措施，央行保证应急流动性贷款支持。一方面，银行坚持“保本微利”原则，通过对存量地方债务进行展期、降息，并发放贷款置换今明两年到期债券等方式参与化债。调整后的贷款期限不得超过 10 年（原则上），调整后的贷款利率不得低于（同期限）国债利率。调整后的还款方式应做到每年还本比例至少达到 10%（即十年内要还完且每年都有还本计划）。另一方面，央行设立应急流动性金融工具（SPV）等措施有望出台。这相当于紧急贷款，地方政府在公开市场发行的债券或非标理财到期无法偿还，可以向央行申请紧急贷款，期限不超过两年，省级政府要提供抵押担保措施。此外，对于 2024 年前到期的相13 关债务风险化解工作，维持五级分类正常，且不纳入征信管理。对于已出问题的债务自主核销，相关情况不纳入考核。二是优化城投债结构，降低对政府收入的依赖。制定城投平台认定清单，对于被认定为名单内的城投平台，限制其新增债券发行行为，对于名单外的城投平台，当地政府需要出具相关说明，交易所在审核时着重关注其收入结构。如果来自政府的收入占比较高，则对其新增债券发行进行一定程度的限制。三是建立防范化解地方债务风险长效机制。一方面，要建立同高质量发展相适应的政府债务管理机制，在债务管理方面完善中央及地方事权责任，探索形成央地协调、不同部门分工合作的监管新框架。另一方面，在年度赤字分配中继续适度向中央倾斜、提高国债占比，在中央转移支付体系中加大向基础政府、西部省份等财政缺口较大的地方政府的倾斜力度。此外，推动建立统一的长效监管制度框架。推进地方政府隐性债务和法定债务合并监管，提高财政信息透明度，规范债务行为，逐步统一债务监管、金融监管、部门预算监管、地方财政运行监控、财会监督，避免债务风险指标失真以及部分地方政府在两类债务间利用套利空间。本轮化债下城投供给端收缩或持续。在“一揽子化债方案”加速推进下，城投债严监管也难言放松，金融部门对化债工作的关注度较高，市场风险意识增强。城投平台在面临政策约束和市场风险的情况下，应持续关注政策走向，调整自身融资策略、收入结构和债务管理等方面，确保合规经营。五、人工智能风险应对亟需优化 ChatGPT 于 2022 年 11 月首次发布，短短两个月时间其活跃用户数量就超过1 亿，是史上用户数增长最快的应用技术，这成为人工智能发展史上的里程碑事件。ChatGPT 标志着人工智能技术从专用人工智能转向通用人工智能，广泛拓展了人工智能的应用场景。ChatGPT 的出现掀起了人工智能领域新一轮竞赛，微软、谷歌、腾讯、阿里巴巴等科技巨头纷纷加快人工智能布局。ChatGPT 从生成到创造层面都实现了对人类的超模拟，其显著优势体现在三个方面：一是具备超强的“人类反馈”学习能力。不同于传统人工智能聊天机器人，ChatGPT 不仅能够对用户提出的问题进行作答，还能从用户反馈中强化学习，使人机对话在多轮互动中走向深化，话题覆盖更广，交流更人性化。二是具备超14 强的语言重组创造能力。ChatGPT 自然语言能力突出，在人机互动时输出的内容逻辑清晰、结构完整、自然流畅，这是自主学习、消化和再输出的结果。超强的语言重组和整合能力使 ChatGPT 成为人类知识生产的强大引擎。三是具备超强的拟人情感能力。传统的人工智能聊天机器人缺乏情感能力，ChatGPT 作为一种大型生成式语言模型，能够模仿人类思维方式和表达习惯，学习人类的情绪表达方式，向用户提供贴近真人交流的体验。ChatGPT 在金融领域的应用同样引人注目。例如，摩根大通根据美联储过往25 年的政策声明和央行官员讲话，基于 ChatGPT 的语言模型检测美联储释放的政策信号基调，最后根据“鹰鸽评分”（Hawk-Dove Score）对政策信号进行从宽松到紧缩的评级分类，旨在破译美联储对外释放的信息，并发现潜在的交易信号。苏黎世保险公司试验使用 ChatGPT 从理赔说明和其他文件中提取数据，试图找出整个理赔部分的具体损失原因，从而优化承保工作。而目前国内金融机构主要借助 ChatGPT 进行品牌宣传或营销，还未到达实际功能应用阶段。例如中国招商银行借助 ChatGPT 生成品牌推广文案。在以 ChatGPT 为代表的先进技术与金融领域融合的同时，应正确认识并防范其可能引发的风险：一是数据和隐私泄露风险。以 ChatGPT 为代表的大型语言模型更依赖于多元海量数据训练，但是金融行业数据涉及消费者重大利益，部分使用者金融信息安全意识淡薄。此外，在金融领域应用场景中使用大型语言模型的规则还尚待完善，将会增加数据泄露、滥用的风险。二是法律风险。ChatGPT生成内容的归属问题是目前面临的重要问题，ChatGPT 生成的内容可能不具备原创性，存在剽窃的风险和知识产权侵犯的泛化。三是科技伦理风险。ChatGPT 在金融行业中的应用极大提升了生产力，也带来了道德和伦理问题，包括算法歧视、隐私侵犯、大数据杀熟、过度采集用户数据、数字鸿沟等，对社会公众的利益可能造成损害。面对 ChatGPT 与金融融合可能带来的诸多风险，如何在保证金融体系稳定的同时促进技术与金融融合，以创新技术驱动金融发展是各国监管者面临的一个重要问题。世界主要发达国家和地区沿用以往对金融创新的治理路径，出台了相关法律和政策规范，并成立相关治理机构，对 ChatGPT 等先进技术在金融行业15 的运用进行监管，表 5 列示了代表性国家近年来的主要监管举措，表明各国对先进技术与金融融合的监管侧重点与监管态度存在一定差异，主要分为以下三类：第一类是以美国为代表的限制型监管。美国的人才优势和优越的资本环境，形成了以技术创新为主要驱动力的科技推动金融发展的业态。针对这样的特性，美国采用功能性监管，即不论技术以何种形态出现，抓住金融与科技融合产物的金融本质，把所有涉及科技创新的金融业务，按照其功能纳入现有金融监管体系，高度重视对高新技术型金融产品和服务的监管。同时，欧洲国家同样重视对技术的严监管，注重保护个人信息安全。第二类是以英国和新加坡为代表的主动型监管。区别于美国，这类国家没有技术和市场的优势，为了实现科技带动金融创新型发展，政府挺身而出成为主要引导力量。早在 2013 年 4 月，英国成立金融行为监管局（FCA），致力于维持金融市场秩序、保护消费者合法权益以及促进有管控的金融创新。2017 年 4 月，FCA 开展了一项金融“创新工程”，帮助金融科技企业理解监管规则，降低合规成本，并创造性地启动“监管沙盒”机制，在保护消费者权益的前提下，为金融科技类企业提供缩小版的市场环境与宽松版的监管环境，提高金融服务的效率。英国“监管沙盒”机制在科技与金融融合发展的监管中显示出一定的优势，并逐渐受到世界各国监管者的青睐，目前澳大利亚、新加坡等国也在积极探索建立自身的“监管沙盒”模式。第三类是以中国为代表的被动型监管。和美国相反，中国的金融与科技融合进程以市场和商业模式为驱动力。中国的巨大市场需求和有待完善的现有金融服务体系，为科技推动金融创新发展提供了广阔的应用空间。另外，相对英美法体系的判例法，属于大陆法体系的中国，对数字金融、金融科技等的监管依靠成文的法律法规，灵活性和时效性相对不足。表 6 列示了中国近年来对科技与金融结合的重视程度与部分监管举措，由此可见，我国高度重视科技与金融的融合，形成以数字经济引领的经济发展格局，颁布了相关的法律法规以防范信息问题可能带来的福利损失，但新技术的面世与金融的创新性融合均是动态发展的，对金融与技术融合的监管，监管者不仅在监管理念上，在监管技术上也需要诸多的转变和提高，以持续防范与化解潜在的风险。16 表表 5 5 各国关于防范科技与金融融合风险的监管举措各国关于防范科技与金融融合风险的监管举措 国家国家 时间时间 监管举措监管举措 美国 2016 年 美国货币监理署（OCC）提出“负责任的创新”主题，成立创新办公室，以支持负责任的金融创新，并对利用云计算、人工智能、大数据分析、分布式账本等高新技术的金融产品和服务进行严格监管。2017年10月 美国消费者金融保护局（CFPB）出台关于消费者金融数据共享和整合的指导原则，严格明确了第三方所能获取和使用涉及消费者个人金融数据信息的权利范围。2019 年 9 月 美国消费者金融保护局（CFPB）与众多州级监管机构一同推出了美国消费者金融创新网络（ACFIN），以加强联邦和州监管机构间的协调沟通，紧跟市场创新动向，制定相应监管政策，促进市场合理竞争，重点打击市场欺诈、歧视和欺骗行为。2021 年 3 月 美联储等五部门宣布 金融领域 AI 技术应用意见征询，覆盖欺诈预防、个性化服务、信贷承销等多个方面。欧洲 2018 年 5 月 欧盟出台通用数据保护条例，设立数据保护委员会（EDPB），促进欧盟成员国之间数据保护要求的统一，加强各国之间的保护协作。2019 年 9 月 欧洲保险和职业养老金管理局成立了数字伦理咨询专家组，协助欧洲保险和职业养老金管理局制定保险行业数字伦理规范原则，同时协助解决保险定价和承保环节的伦理治理问题。2020 年 6 月 欧盟发布欧洲数据保护监管局战略计划（2020-2024），从前瞻性、行动性和协调性三个方面继续加强数据安全保护，保障个人隐私权。2021 年 6 月 数字伦理咨询专家组（UNESCO）发布人工智能治理原则，提出人工智能在保险领域应用中的六项伦理原则，即比例原则、公平性与非歧视性原则、透明度和可解释性原则、人的监督原则、可追溯的数据治理原则、稳健性和性能原则，加强了欧洲金融科技伦理治理力度。英国 2015 年 3 月 英国政府科学办公室发布的金融科技的未来：英国作为世界金融科技的领导者指出，英国要想在世界金融科技浪潮中取得优势，首要任务是为金融创新提供强大的制度支持和构建优质金融生态环境，并提出监管沙盒制度底层逻辑，挑战传统商业模式，消除不必要监管障碍，允许一定程度“破坏性金融创新”。2016 年 4 月 金融行为监管局举办第一次 TechSprint 会议，探讨如何使用新技术为金融科技监管提供技术解决方案。2016年11月 金融行为监管局联合挑战者银行和金融科技企业探讨有关“解锁监管报告”等方面的问题。2017 年 4 月 英国财政部和金融行为监管局发布监管创新计划。2018 年 2 月 英国财政部和金融行为监管局发布关于利用技术实现更加智能的监管报送的意见征询报告，进一步推动了监管科技发展，加速了监管沙盒的创新。2021 年 4 月 英国竞争与市场管理局（CMA）新建数字市场部门，加强对大型数字企业的监管力度，目标直指科技巨头。2021 年 7 月 英国政府宣布将启动一项促进数字经济增长、把握数字技术发展机遇的数字监管新计划，愿景是以支持创新的监管推动产业发展，同时最大限17 度地减少对国家经济、安全和社会的严重危害。2022 年 3 月 网络安全法案提交议会审议，旨在针对社交媒体服务、搜索引擎和信息平台实施强制性规定，制定推动数字产业发展的新制度，发布关于促进数字市场竞争制度的咨询意见。2023 年 3 月 促进创新的人工智能监管方法白皮书发布，提出基于五项原则的人工智能监管框架，以最大限度保证和促进人工智能在多领域的安全和创新使用，加深公众对尖端技术的信任，推进国家创新发展。新加坡 2018年10月 新加坡金融管理局提出提供智能投顾服务的指南，对算法监管进行明确规定，人工智能的实际运用应该符合责任性、道德性、公平性等要求，即对智能投顾的监管应该考察其伦理性，用刚性制度替代道德约束。2018年11月 新加坡金融管理局发布金融部门人工智能和数据分析（AIDA）使用指引，提出 FEAT 原则，旨在促进金融业实现可以公平、道德、透明地使用大数据、算法与人工智能。2021 年 1 月 新加坡金融管理局发布FEAT 公平性原则评估方法，从系统目标、数据和模型、系统影响度量、个人数据使用、持续监测五个方面进行公平性原则评估。2021 年 1 月 新加坡金融管理局发布技术风险管理指南，要求金融机构对与第三方服务提供商开展的合作进行严格监督。资料来源：作者整理。表表 6 6 中国对防范科技与金融融合风险的部分监管举措中国对防范科技与金融融合风险的部分监管举措 类别类别 时间时间 监管内容监管内容 政府工作报告 2014 年 互联网金融首次被写入政府工作报告，政府工作报告指出“促进互联网金融健康发展，完善金融监管协调机制”。2015 年 政府工作报告要求“促进互联网金融健康发展”，互联网金融新业务得到高度重视。2016 年 政府工作报告将“规范发展互联网金融，整顿规范金融秩序，坚决守住不发生系统性区域性风险的底线”列为工作重点。2017 年 互联网金融风险开始关注，政府工作报告指出，“对互联网金融等累积风险要高度警惕”。2018 年 互联网金融监管成为常态，政府工作报告指出，“健全互联网金融监管，进一步完善金融监管、提升监管效能”。2020-2021 年 政府工作报告指出，“强化金融控股公司和金融科技监管，确保金融创新在审慎监管的前提下进行”。2022 年 政府工作报告强调，“促进数字经济发展。加强数字中国建设整体布局完善数字经济治理，培育数据要素市场，释放数据要素潜力，提高应用能力，更好赋能经济发展、丰富人民生活”。2023 年 政府工作报告指出，“大力发展数字经济，提升常态化监管水平，支持平台经济发展”。18 监管条例 与法律法规 2020 年 9 月 国务院、中国人民银行出台关于实施金融控股公司准入管理的规定金融控股公司监督管理试行办法，明确金控公司的准入管理、股东和股本管理规范、股权结构要求等，将所有金融业务纳入监管，对金融科技公司形成了有力的监管约束。2020 年 11 月 国家市场监督管理总局出台关于平台经济领域的反垄断指南（征求意见稿），对不公平价格行为、限定交易、大数据杀熟、不合理搭售情况进行明确界定。2021 年 1 月 央行出台非银行支付机构条例（征求意见稿），强化支付领域反垄断监管，在信贷、保险、理财等细分领域也出台监管细则，以牌照管理、限制并购等预防式手段为主。同时，央行公布了首批金融科技创新监管试点应用名单。2021 年 6 月 颁布数据安全法，完善国家在个人隐私数据保护的政策体系，尤其在涉及个人数据信息交易和使用方面的风险管控成为政策关注重点。2021 年 8 月 颁布个人信息保护法，实现保护个人信息的法律化，协调个人信息保护与促进信息自由流动的关系。2021 年 12 月 国务院发布“十四五”数字经济发展规划指出，要着力强化数字经济安全体系的构建，提升数据安全保障水平，切实有效防范数字经济带来的各类风险。资料来源：作者整理。六、2024 年中国金融监管展望 2024 年金融监管将呈现总体稳慎和边际优化的趋势。在总体监管基调上，党中央要求“切实提高金融监管有效性”。可以预见的是，下一阶段围绕强监管严监管，金融监管部门将持续提升监管的前瞻性、精准性、有效性和协同性。一是加强金融监管的全面性。依法将所有金融活动全部纳入监管。监管部门要坚持市场化、法治化原则，要对各类违法违规行为实行“零容忍”，所有金融活动必须全面纳入监管，所有金融业务必须持牌经营，实现机构、业务和风险监管全覆盖，扭转重发展、弱监管和风险“击鼓传花”“捂盖子”的积弊，消除监管空白和盲区。二是强化“五大监管”，强化机构监管、行为监管、功能监管、穿透式监管、持续监管。在机构监管方面，监管当局将对不同的金融机构分别实施监管，通过设置“防火墙”，避免各金融机构间的风险传导。在行为监管方面，将强化对金融机构日常活动的监管，继续强化个人金融信息保护、促进公平交易、打击操纵市场及内幕交易、规范债务催收等。在功能监管方面，未来不同类型金融机构开19 展相同性质的金融业务，均面临相同的监管标准和监管主体，可有效减少监管缺失，还有利于促进市场公平和良性竞争。在穿透式监管方面，将坚持“实质重于形式”原则，监督金融市场中的所有参与者，包括金融机构、市场参与者和投资者，以确保市场的公平、透明和合规运作。在持续监管方面，将坚持围绕金融机构全周期、金融风险全过程、金融业务全链条，强化持续监管。三是加强中央和地方监管协同。一方面，加强中央金融监管机构与地方金融监管机构的协作，建立信息共享机制，通过中央金融监管机构的业务指导和必要协助，增强金融监管行为的协调性，提高地方金融有效监管的水平和能力，并强化对地方金融监管的监督与问责。另一方面，各地金融监管部门之间也要互相合作，消除金融监管壁垒，互通有无，利用部门协调机制和区域协调机制，进一步完善地方金融监管体系，有效加强现代金融监管。四是注重权责对等。监管当局将加大有关金融监管责任人的追责力度，加强对监管行为的再监督。既对金融监管的直接责任人和管理人员进行问责，也对因故意或过失、不履行或不正确履行职责的监管人员进行责任追究。通过加大责任追究力度，增强金融监管责任人和执行人在法律规定的范围内履行监管职责的监管能力。五是继续优化金融科技监管。数字经济发展是大势所趋，我国要积极主动、开放包容，抓牢数字经济发展机遇，强化数字经济与实体经济融合，构建良性互动发展格局，更好地应用数字技术，写好金融高质量发展“五篇大文章”。同时，要更加深入理解和研究金融科技的潜在风险，特别是分布式和智能化发展趋势对现有监管体系的挑战，要更多地应用数字技术来武装金融监管系统，提高监管针对性和有效性。版权公告：【版权公告：【NIFD 季报】为国家金融与发展实验室版权所有，未经版权所季报】为国家金融与发展实验室版权所有，未经版权所有人许可，任何机构或个人不得以任何形式翻版、复制、上网和刊登，如有违有人许可，任何机构或个人不得以任何形式翻版、复制、上网和刊登，如有违反，版权所有人保留法律追责权利。报告仅反映原文作者的观点，不代表版权反，版权所有人保留法律追责权利。报告仅反映原文作者的观点，不代表版权所有人或所属机构的观点。所有人或所属机构的观点。制作单位：国家金融与发展实验室。制作单位：国家金融与发展实验室。

0人已浏览 2024-02-22 23页 5星级

商业银行数据模型白皮书CCSA TC601 大数据技术标准推进委员会2023年12月版 权 声 明本报告版权属于CCSA TC601大数据技术标准推进委员会，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：CCSA TC601大数据技术标准推进委员会”。违反上述声明者，将追究其相关法律责任。商业银行数据模型白皮书编 制 说 明本报告的撰写得到了银行业数据模型领域多家企业与专家的支持和帮助，主要参与单位与人员如下。参编单位：大数据技术标准推进委员会、中国建设银行、中国工商银行、中国农业银行、交通银行、中国邮政储蓄银行、国际商业机器（中国）有限公司、北京数语科技有限公司。参编人员：林木森、尹正、田明慧、姜春宇、闫树、王妙琼、阚鑫禹、李雨霏、周圣文、张娇婷、周京晶、刘思达、郭彦美、谢坤、车春雷、董国田、刘巍、赵焕芳、唐守忠、孙 琳、史 珂 宇、朱红伟、周学张、孙伟、赵广祥、周强、齐慧娟、陈驰杰、王 宁、赵培然、任力强、张 放、胡 瑞 娟、张 立、司 晓 伟、冯立雪、高 赛、王 墨 飞、贾 宁、卢 翼、田 康 志、张 玉 明、赵后钰、王 琤、黎 山特别鸣谢以下专家对本指南编写的指导与建议：商业银行数据模型白皮书赵后钰、车春雷、董国田、刘巍、周学张、孙伟、赵广祥、周强、齐慧娟、黎山、赵焕芳、唐守忠、朱红伟、史珂宇、张立前 言中共中央国务院发布关于构建数据基础制度更好发挥数据要素作用的意见提出要“完善治理体系，压实企业的数据治理责任，保障安全发展”，对企业参与数据要素市场建设提出了明确的要求。“十四五”大数据产业发展规划中强调“构建行业数据治理体系，提升行业数据治理水平”，鼓励企业发挥技术驱动治理的作用，融合数据模型、数据分布、数据集成与共享等细分领域，应用于数据治理的全流程。人民银行印发金融科技发展规划（2022-2025年）中提出“高质量推进金融数字化转型，全面塑造数字化能力”，标志着银行业向推进数据治理管理的方向转变。数据治理是银行业高质量推进数字化转型的重要基础。随着监管部门对数据安全、数据质量要求的不断提高，银行机构亟需深化对数据的精细化管理，确保数据的准确性、安全性以及合规性。银行通过建立统一的数据标准，规范数据采集、处理、存储和使用等流程，提高数据的质量和价值，避免数据泄露、不合规使用等问题，为数字化转型提供可靠的数据基础。数据模型建设是推动高质量数据治理体系的核心环节。银行业作为早期开展数字化转型的行业，在取得了诸多显著的成果同时，也暴露出了一些问题。在银行的数据管理模式从粗放式扩张向集约式管理转变的过程中，出现了数据架构、数据质量等方面的问题。例如，数据质量无法满足运营安全要求，数据架构难以支撑业务创新需求等。构建企业级数据模型可以帮助银行厘清数据分布关系，优化数据架构，确保数据的一致性、完整性和易用性，进而提升数据应用效率，激发数据的业务价值。商业银行数据模型白皮书是由大数据技术标准推进委员会牵头，联合来自国有大型商业银行、IBM和数语科技的专家，经过共同深度探讨与总结而成的重要成果。白皮书从理论层面剖析了商业银行数据建模的模式及方法，从实践应用层面阐述了国有大型银行的建模思路和建模成果，旨在为银行业的数据建模提供参考框架和指引，也为其他行业在大数据建模方面提供参考和启示。商业银行数据模型白皮书目 录CONTENTS前言一、商业银行数据模型概述（一）商业银行业数据模型发展经历四个阶段（二）数据模型具有四大价值 0103（一）贯彻企业战略基于企业架构视角建模（二）穿透场景应用基于应用场景视角建模（三）两种数据模型建设模式对比 040607二、数据模型建设模式（一）数据模型设计的六项原则（二）概念数据模型（三）逻辑数据模型（四）物理数据模型 08091012三、数据模型设计原则与研发工艺（一）组织管理（二）流程管理（三）工具管理 141617四、数据模型管理保障措施五、国内大型银行数据模型实践案例（一）建设银行基于FSDM模型构建企业级数据模型（二）农业银行基于FS-LDM模型构建企业级数据模型（三）交通银行基于企业架构方法论构建企业级数据模型 182023（一）加速探索数据模型自主创新（二）加快适应新型数据管理理念（三）敏捷响应市场业务需求变化（四）加强构建数据模型评价体系 25252526六、银行业数据模型发展趋势商业银行数据模型白皮书（一）术语和定义（二）商业银行数据模型参考 2727附录 商业银行数据模型参考参考文献商业银行数据模型白皮书图目录图 1 流程模型、数据模型、产品模型三者关系参照图 图 2 数据应用场景视角数据模型参照图 图 3 两种建模模式对比分析 图 4 概念数据模型示意图 图 5 概念分类模型工艺图 6 逻辑模型框架示意图（参与人主题）图 7 逻辑模型实施工艺参考示意图 图 8 物理模型框架示意图（参与人主题）图 9 某银行数据模型管理组织示意图图 10 某银行数据模型管理制度和对应流程示意图 图 1 1 中国建设银行数据模型管控体系 图 12 中国建设银行数据模型建设阶段 图 13 中国建设银行C模型主题分类 图 14 中国农业银行DataOps数据设计研发流水线图 15 中国农业银行数据架构图 图 16 中国农业银行数据模型细化环节 图 17 交通银行数据模型双“T”架构 图 18 企业架构总体视图 0506070910101 202122222324表 1 数据模型相关人员主要职责 表 2 数据模型管理相关制度规范示例 表 3 数据模型管理平台的核心功能 151717表目录商业银行数据模型白皮书一、商业银行数据模型概述数据模型：是指使用结构化的语言将收集到的企业业务经营、管理和决策中使用的数据需求进行综合分析，按照模型设计规范将需求重新组织形成的结构化模型1。数据模型是银行数据架构管理的基础领域。如:基础数据标准体系建设需要依赖数据模型，数据分布需要依赖企业级逻辑模型，以明确主要实体的主辅应用；数据生命周期管理需要依据数据所属主题和功能判断数据的在线、离线和归档周期。完整、高质、稳定的数据模型有利于统一业务概念，促进信息整合和知识积累，维持数据库稳定，提高应用开发质量，同时也可以作为技术与业务之间沟通的工具。数据模型包括了三个部分2:数据结构、数据操作、数据约束。数据结构:数据模型中的数据结构主要用来描述数据的类型、内容、性质以及数据间的联系等。数据结构是数据模型的基础，数据操作和数据约束都基本上是建立在数据结构之上的。不同的数据结构具有不同的操作和约束。数据操作:数据模型中的数据操作主要用来描述在相应数据结构上的操作类型和操作方式。数据约束:数据模型中的数据约束主要用来描述数据结构内数据间的语法、词义联系、它们之间的制约和依存关系，以及数据动态变化的规则，以保证数据的正确、有效和相容。（一）商业银行业数据模型发展经历四个阶段银行业作为我国经济金融的基础，是我国金融体系的重要组成部分。改革开放以来，我国银行业持续根据市场以及国家总体情况进行探索与改革，逐步完成了从完全由国家接管，到相对独立的发展过程。我国银行业发展主要可概括为四个阶段3：011 数据管理能力成熟度评估模型2 银行数据治理(2016)3 中国银行业70年：简要历程、主要特点和历史经验商业银行数据模型白皮书第一阶段为1979年至1992年，为探寻市场化发展阶段，数据模型处于“无意识”管理状态。期间我国银行信用机制建立、设立了股份制银行，银行开始独立经营。这一阶段，我国银行业处于系统林立时期，数据分散存储于各类信息系统中，原始系统中的数据格式、数据模型、数据标准都很不统一。第二阶段为1992年至2001年，为市场化改革阶段，数据模型进入了集约化管理时期。期间我国银行专业化运营方向得以确定，银行的商业任务与政治任务进行了分离，此外银行的法制化建设持续推进，建立了银行间市场。1999年工商银行率先启动了数据大集中工程项目，随后国有银行纷纷推进数据的大集中建设，银行业信息化进入“大集约”时期。第三阶段为2002年至2017年，该阶段为国际化改革阶段，数据模型管理对标国际能力。期间我国国有商业银行通过股改上市，同时央行开始发行债券。银监会的成立使得银行业风险控制能力得到较大提升。2001年12月11日中国正式加入世界贸易组织（WTO），标志着中国对外开放进入了一个新的阶段，此阶段内我国多家银行设立了境外分支机构，国际化发展步入正轨。在“十一五”计划期间，国内银行业科技的重心从单一系统建设转向统一的数据模型和数据仓库的建设。许多银行选择引入或参考国际主流的数据模型方案（例如，国际商业机器公司（IBM）提出的FSDM模型和由天睿公司（Teradata）提出的FS-LDM模型）。第四阶段为2017年至今，我国银行业持续推进数字化转型、不断增强服务实体的能力，数据模型谋求本土化。近年来金融科技快速发展，依托云计算、数据库、区块链等计算机技术的银行业务持续创新，为银行带来新的成长动能。此时，大部分的商业银行都对行内数据进行了梳理盘点，尝试建立企业级的数据模型，并取得了一定的成果，但随着移动支付等一系列具有中国特色的业务的发展，国外的数据模型方案出现了“水土不服”。当前，我国经济处于发展的关键阶段，银行在这一阶段既要保证快速响应市场需求，也要坚守安全合规底线。如何建立起适应这一发展特点的企业级数据模型将成为进一步提升银行数据管理效率和质量的重点。02商业银行数据模型白皮书（二）数据模型具有四大价值在数据生产和管理过程中，数据模型发挥着关键作用，高质量的数据模型具有以下价值：构建业务与技术沟通的桥梁。良好的数据模型有利于统一银行内部人员对业务定义与术语的认知，提升银行内跨业务、跨团队的沟通效率。保障业务与数据架构的一致性。数据模型的研发需要依托于业务架构，良好的数据模型有利于从组织层面上，保障业务架构与数据架构的一致性，指导银行内系统建设与业务创新。优化数据成本。按照数据模型要求进行数据的研发应用，可以有效减少数据存储的冗余，增强数据的复用性，避免了孤岛式、烟囱式建设。优化数据的存储、建设和应用成本。提升业务决策能力。数据模型的建立有助于明确数据流向，保障数据的真实性，为行内业务决策者和数据使用者提供可靠的数据分析与应用，助力发挥数据价值。03商业银行数据模型白皮书二、数据模型建设模式通过对我国大型商业银行内模型领域专家开展广泛调研与讨论，我们发现，当前普遍存在两类数据模型建模方式，一是从企业架构视角进行建模，二是从数据应用场景视角进行建模。下面，我们将分别介绍这两种模式的建设流程及特点，并对二者进行对比，便于读者进行选择。（一）贯彻企业战略基于企业架构视角建模基于企业级架构视角的模型是以企业战略为核心，依托业务模型建立企业级数据标准，贯穿战略层面与系统应用层面。基于企业级架构视角的模型建设有助于打破组织内IT系统的孤岛式建设，核心任务是对银行内战略的分解、传导，帮助企业将零散的能力“聚沙成塔”，确保战略意图和绩效指标逐层落实到每一个流程步骤、程序模块、操作规范中。企业级架构中的业务模型从产品、流程及数据三个角度，对企业的业务运营进行精细化、结构化的描述。产品模型，主要包括产品分类结构、产品组件、产品条件和产品参数，以及可售产品实例化；通过对企业产品分类来优化和完善产品目录，确定与产品相关的业务规则、约束、价格等关键要素，并采用产品条件及参数的形式表达；在操作流程中由产品确定的相关业务规则形成企业级的产品模型。流程模型，是业务模型的主线，描述了客户端到端的业务操作流程；通过提取业务的变量（比如客户C、产品P、渠道C和合作方P），形成汇总的企业级流程，保证渠道、产品线之间业务流程的一致性以提供卓越的客户体验；流程模型能够包容客户、产品、渠道及合作方的差异，支持线上线下全渠道整合，体现端到端的完整业务处理流程，为客户提供跨渠道的、一致的体验和一站式的产品服务。数据模型，是将流程模型以及产品模型中产生的所有数据需求进行逻辑化和抽象化表示，反映企业的战略目标在实施过程中所用到的所有数据实体及实体之间的关系。集合每个操作流程需要进行读写处理的信息对象，流程规则需要读取或记录的信息项及其关联关系，构成了数据模型的基本输入。04商业银行数据模型白皮书产品模型、流程模型和数据模型从不同的维度还原了业务本质。产品模型体现业务创新，流程模型体现运营模式，数据模型体现业务模式。通过三者模型的对接，一方面交叉验证提升业务模型质量，另一方面为后续IT设计提供输入。基于企业架构视角建模流程主要分为五步：第一步，识别需求。通过研讨会、访谈、业务手册等方式，识别业务重点关注的内容。第二步，构造业务对象。提取相关名词形成候选核心实体，并基于核心实体形成业务对象。第三步，界定数据范围。提炼业务数据，界定系统的数据范围。第四步，划分主题域。对业务数据进行分类，抽象业务对象，最终梳理出业务实体，及实体间的业务关联规则。第五步，完善业务对象清单。结合流程模型验证已识别业务对象的正确性和完整性，识别完善与细化业务对象清单。05图 1 流程模型、数据模型、产品模型三者关系参照图产品模型产品线L1业务规则说明归属操作说明实体属性L1实体属性L2实体属性L3属性域实例L5属性域组属性域L4业务事件产品组L1基础产品L3产品组件L4产品条件L5数据模型业务领域L1价值流L2活动L3任务L4步骤L5流程模型业务组件商业银行数据模型白皮书（二）穿透场景应用基于应用场景视角建模基于应用场景视角建模是从业务驱动的角度，从具体业务场景出发，覆盖各方业务需求。核心任务是对具体业务场景的业务逻辑进行抽象，将业务与技术融为合力，为企业的战略规划、市场预测、产品研发等方面提供有力支持。基于应用场景视角建模流程主要分为四步：第一步，识别需求。明确需要建模的业务场景及模型应用诉求，例如风险评估、客户分析等场景。第二步，系统调研。对现有源系统进行信息调研，获取相关数据源、数据分布等信息。第三步，数据梳理。基于业务需求梳理数据项，包括数据指标、业务实体等，并逐步迭代定义实体关系，标识实体属性。第四步，建立映射。在实施过程中与底层库表建立完善的映射关系，持续优化建立描述各业务场景的数据模型。06图 2 数据应用场景视角数据模型参照图明确业务场景应用需求数据源系统候选实体业务主题框架分类业务对象定义业务对象L1数据模型业务实体L2实体属性L3属性域L4属性域组属性域实例L5业务组件清单业务实体清单业务活动商业银行数据模型白皮书（三）两种数据模型建设模式对比基于企业架构视角的数据模型建设方式，通常适合于跨部门或系统的业务需求较多的组织。这种方式主要是由组织层面发起，通过对数据的宏观把握和分析，梳理和整合不同部门和系统之间的业务逻辑和数据关系，通常实施开发周期较长，适合于组织重构数据模型或创新业务模式的时期。基于应用场景视角的数据模型建设方式，则通常适合于精细化分析的业务需求较多的组织。这种方式主要是从某个特定的业务场景出发，通过对数据的深入挖掘和分析，梳理和分析具体场景中的数据关系和业务逻辑，实施开发周期与业务场景及需求有关，适合于组织对已有数据模型进行改造或升级的时期。值得注意的是，数据模型构建的核心是为业务服务，在应用中企业需根据组织实际情况和需求，综合考虑企业数据现状、存储方式、处理效率与复杂度等情况，灵活选择或融合使用两种数据模型建设方式，以实现更好的数据分析和业务决策。07图 3 两种建模模式对比分析基于企业构架视角建模跨部门或跨系统的数据需求较多企业重构数据模型或创新业务模式企业重构数据模型或创新业务模式特定场景精细化分析的需求较多对已有数据模型进行改造或升级实施周期与业务场景有关基于应用场景视角建模业务需求适用场景实施周期商业银行数据模型白皮书三、数据模型设计原则与研发工艺企业级数据模型通常包含概念模型、逻辑模型和物理模型。建设数据模型是一套专业且规范的构建工序，包括对数据结构进行整理、分析、信息归类、裁剪与映射等一系列操作流程。本节将介绍企业级数据模型的建设原则与建设工艺，从各类数据模型的建模关键活动、设计指导原则及实施工艺（或工具）等角度进行说明。（一）数据模型设计的六项原则建设数据模型是一套专业且规范的构建工序，包括对数据结构进行整理、分析、信息归类、裁剪与映射等一系列操作流程。在企业级模型研发的过程中应遵守以下原则：完整性原则：在充分参考各类业界企业级数据模型的基础上，结合银行的实际情况，确保模型包含了正确的、全面的业务概念，涵盖现有业务范畴及数据范围如存款、贷款、投融资、营销等。其中涉及的重要实体、重要关系、重要分析维度等属性应保持完整。此外，还需要满足各模型间的参照完整性，支持相关的业务活动。继承性原则：指数据模型要遵循已有的概念，即所建立的模型应该在已存在主题的基础上进行细化。确保数据模型的全局一致，并保障数据可溯源，逐步形成企业统一数据模型。可扩展性原则：主题分类应具有高度的通用性，支持业务规则的多变性，保持数据模型的动态调整能力，以适应复杂的业务情况，并为后续拓展新的业务提供一定程度的技术支持。连贯性原则：模型中的数据与数据之间应有连贯性，由于单独的数据所体现的价值往往比相关联的数据少，数据间的连贯性可充分发挥数据的分析价值。前瞻性原则：企业应从业务的未来发展趋势看待模型，除了支持现有的业务与数据需求外，设计出来的模型应能够适应企业未来的业务发展，以支撑行业先进概念与企业未来需求。08商业银行数据模型白皮书可操作性原则：模型的应用可与日常操作和实例快速结合使用，易于让业务人员理解和使用，有助于科技和业务部门人员的沟通，便于指导项目研发。（二）概念数据模型概念模型也称为领域模型，是对数据的高级、抽象描述，概念模型的目标是捕获业务需求和数据的本质结构，通过模型帮助业务分析师和数据库设计师理解业务中的实体、实体间关系和数据分布关系，通常以实体-关系图形式呈现。设计工艺概念模型设计分为以下五步：第一步：明确建模范围；第二步：制定分类模板；第三步：识别分类模板；第四步：细化分类层级；第五步：定义各级分类。09图 4 概念数据模型示意图银行向用户销售的或提供给客户所使用的服务产品内部组织和业务单元，如分行、支行、营业网点、部门、机关组织单元参与人之间针对某种特定产品或服务而签立的契约关系合约参与人的所有资产，包括农行及客户拥有的资产资产各种与银行相关的活动的详细情况，包括金融性交易、非金融性交易事件银行服务的任意对象和感兴趣进行分析的各种对象参与人银行内部账务的组织模式，包括总账、科目、指标等财务记录来自外部的报表数据，这些数据是按多个主题交叉汇总的多维数据交叉记录各种参数、代码通用参数商业银行数据模型白皮书概念模型的主题划分是依据业务主体参与的业务活动特性来划分，建模人员需根据设计指导规则，梳理企业业务架构及业务实体，对业务概念或信息系统数据进行逻辑化，形成对数据模型分类框架的概念化结构。并按照“主体行为关系”（IBR）方法，建立数据域间的关联关系。通常对应银行业参考模型中的A（B）模型设计活动。（三）逻辑数据模型逻辑模型是对概念模型的进一步细化，描述业务实体、属性以及实体间的关系，可转化为数据库表结构的设计，通常使用实体-关系模型来描述数据的结构和关系。10图 5 概念分类模型工艺图 6 逻辑模型框架示意图（参与人主题）参与人参与人识别信息参与人识别信息生命周期参与人名称信息参与人他行账户信息参与人他行信息参与人纳税信息参与人生命周期参与人他行担保信息参与人他行贷款信息个人名称信息组织单元组织个人参与人外部编号信息参与人名称类型代码参与人类型代码参与人他行信息类型代码参与人名称信息生命周期参与人和位置关系位置黑名单资源项 参与人和黑名单关系参与人和资源项关系步骤1明确建模范围步骤2 制定模型分类模板步骤3识别模型分类模板步骤4细化模型分类层级步骤5定义模型各级分类商业银行数据模型白皮书逻辑模型是依据概念分类主题划分做进一步细化，建模人员需根据设计规范识别各概念主题下的候选实体，形成实体关系草图，对实体属性及实体间关系进行规范性描述。其中从“分配属性至候选实体”到“定义域和实例”的四个环节需要反复迭代以持续完善模型内容。通常对应银行业参考模型中的C/C模型设计活动。在由企业级逻辑模型（C模型）到应用级数据模型（C模型）设计过程中，C模 型 数 据 对 象 继 承 自 C 模 型 的 业 务 对 象，唯 一 的 核 心 数 据 实 体 和 属 性 应与 业 务 对 象 保 持 一 致。建 立 组 织 级 数 据 模 型 与 系 统 级 数 据 模 型 的 映 射 关系，形 成 模 型 的 同 步 更 新 机 制。设计工艺逻辑模型设计分为以下八步：第一步：识别候选实体；第二步：研发高阶实体关系草图；第三步：分配属性至候选实体；第四步：应用业务信息规范化原则；第五步：完善实体关系图（E-R图）；第六步：定义域和示例；第七步：检查业务与流程的完整性；第八步：描述属性与业务规则。11图 7 逻辑模型实施工艺参考示意图持续迭代步骤1识别候选实体步骤2研发高阶实体关系草图步骤3分配属性至候选实体步骤4应用业务信息规范化原则步骤5完善实体关系图步骤7检查与业务流程的完整性步骤8描述属性与业务规则步骤6定义域和实例商业银行数据模型白皮书（四）物理数据模型物理模型是数据库的实施模型，用于详细定义数据的物理结构，形成对真实数据库的完全描述。物理模型定义了数据库在特定硬件和数据管理系统中的存储和性能细节。设计工艺物理模型是对逻辑模型的进一步细化，需要对数据库中的表、视图、字段、数据类型、主键、外键、索引等进行明确和定义。通常对应银行业参考模型中的D模型设计活动。12图 8 物理模型框架示意图（参与人主题）商业银行数据模型白皮书13物理模型的设计还需要遵守如下原则：一致性原则：主题分类及主要实体一致，继承逻辑模型灵活性，易于扩展等优点。差异性原则：从逻辑模型到物理模型的落地设计过程中，对于集中式数据库存储，通常实体和属性是一一映射关系，主要考虑按不同的数据库类型进行属性类型和索引等设计的差异。性能保障原则：从应用性能和分布式存储的设计考虑，物理模型落地时需从分库、分表及应用性能等方面进行设计规范，提高数据的处理性能。物理模型（D模型）需要一对一继承 C模型逻辑数据对象、实体和属性，并根据实际使用的数据库，设计相应的物理特性。此外还需保障物理模型（D模型）和企业级数据模型（C模型）、应用级数据模型（C模型）间具有同步更新机制，确保数据模型间的一致性。企业除了模型设计工作外，还面临着一系列的数据模型管理工作。总体来说，数据模型的管理包含组织（人）、流程与工具三个方面。在下一章中我们将针对这三个方面分别展开介绍。商业银行数据模型白皮书四、数据模型管理保障措施银行积累了大量敏感信息，包括交易数据和客户资料。考虑到国家相关部门对数据质量和数据安全的强力监管，数据模型的构建必须经过严格的模型管控，以确保数据的合规性和安全性。为了更好地推动银行内数据模型管理工作的开展，银行可以从组织、流程以及工具三个维度入手，协同保障数据模型管理工作的落实。（一）组织管理完善的组织架构保障模型管理沟通渠道畅通。银行需要根据数据模型涉及的工作范围设立企业级的数据管理工作组，并在各业务（板块）下设立数据模型接口人，便于银行进行管理沟通上的横向协同与纵向打通。组织层面设立专门的数据管理部门，负责建设数据治理体系，包含数据标准、数据模型、数据质量等治理规范的制定与落实管控。由具备专业知识和技能的数据模型管理员负责企业级数据模型的管理，包括指导数据架构相关的工作和决策。部门层面设立IT业务研发部门，统一负责设计、开发和维护行内各业务系统。数据架构师和模型研发工程师负责数据模型的设计和维护工作。其中，数据架构师根据银行的整体战略和业务需求负责设计数据架构的设计原则、开发规范和标准。模型研发工程师则负责数据模型的落地与维护，对接各业务条线的数据需求，并对模型进行定期地优化和更新。14图 9 某银行数据模型管理组织示意图业务部门A数据BP数据BP数据BP数据BP业务部门B业务部门B业务研发部数据管理部数据模型管理员数据架构师负责设计数据 架构的设计原则、开发 规范和标准。模型研发工程师负责数据模型的落地与维护负责对模型进行定期地优化和更新。负责企业级数据模型的管理，包括指导数据架构相关的工作和决策。数据模型管理组织业务条线分支机构.商业银行数据模型白皮书（二）流程管理为了推动银行内数据模型设计研发以及管理运维工作更规范化地开展，需要建立完善的数据模型管理制度及流程。银行通过建立并维护完善的数据模型管理流程，严格约束数据模型建设过程中的相关操作，指导员工有序开展数据模型研发管理工作，从职能驱动向流程驱动转型。为避免先污染、后治理的运动式建设模式，银行通过规范的工作流程可以保障企业级数据模型在跨部门、跨条线、跨系统场景下的统一维护。银行可以从模型设计、模型实施、模型管理等维度形成相关制度规范，规范数据模型在银行内的设计及应用，为数据模型的设计和管理工作提供参考依据。数据模型管理相关制度规范示例：通过这种分工明确的组织结构和职责划分，有效地保障了数据模型的质量和可靠性，为银行的数字化转型和业务创新提供了强有力的支持，有助于推动该行的数据管理和应用水平的提升。相关人员职责要求示例：15表 1 数据模型相关人员主要职责序号12345岗位名称 数据架构师业务分析师数据模型管理员数据研发工程师数据治理专家负责数据模型的整体规划、制定和落实数据模型管理制度；负责制定数据模型研发规范及相关数据治理工作；负责业务线调研，分析业务需求，持续反馈与完善数据模型；负责提升数据模型用户体验，提高数据模型应用覆盖度；负责宣贯、评估数据模型落地效果，检查数据标准落地的规范性、完备性；负责数据模型的日常运维与更新；负责数据采集、计算、分析处理等相关数据模型研发工作；负责数据模型研发、问题跟踪与解决；岗位职责负责协调梳理模型的数据标准，并参与模型评审环节，推动数据标准的落标；制定和实施数据质量管理策略、标准和流程，制定相关报告和分析，发现数据模型质量问题和趋势；商业银行数据模型白皮书某大型国有商业银行通过在实践过程中总结建模过程中使用的方法和规则形成企业级数据模型建模方法，明确企业级数据模型的设计原则和要求。通过制定应用级数据模型设计规范明确模型间的继承规则，保证组织级数据模型与系统应用级数据模型的一致性。通过数据模型管理方法明确数据模型管理相关部门职责以及模型管理工作流程，进一步保障应用级数据模型设计规范的落地实施。16表 2 数据模型管理相关制度规范示例序号12345制度/规范名称数据模型需求管理办法数据模型设计规范企业级数据建模方法指引应用系统数据模型设计技术指引数据模型管理细则主要覆盖从需求来源、需求撰写、需求提交、需求变更、需求分析与技术评审等方面的管理要求，及需求管理流程步骤和各部门的职责分工。主要明确数据模型体系、遵循原则、设计方法和步骤、管控流程、职责分工等内容。主要明确企业级逻辑模型分层及设计原则，根据业务域划分、业务需求、概念定义等内容。主要明确应用系统数据模型设计原则、数据模型继承关系、ER 图设计与布局、模型表、属性命名与描述等方面的内容。主要内容主要明确数据模型管理体系、模型管理流程、模型管理原则、职责分工等内容。图 10 某银行数据模型管理制度和对应流程示意图模型建设与管理流程数据模型设计 安全要求质量规范标准引用数据模型评审数据模型发布发布元数据企业级数据模型建模方法应用级数据模型设计规范数据模型管理数据模型管理方法数据字典模型知识库元数据管理标准商业银行数据模型白皮书这些规范的制定和实施，帮助银行在数据模型研发管理工作中更加标准化、规范化，同时保障了企业级数据模型的完整性和灵活性，助力该行构建企业级数字化经营体系。（三）工具管理为了保障数据模型研发管理工作的高效实施，企业离不开先进的工具支撑。银行借助统一的数据模型设计、管理工具，保障数据模型管理规范与研发的一致性，支撑数据模型管理的持续运营，协助数据模型研发管理人员提升工作质量与效率。数据模型设计、管理平台包括但不限于以下功能：当前，国内大部分银行业主要选择采购如Erwin、ER/Studio等外部数据模型研发、管理工具，帮助银行梳理业务和数据现状，实现多种数据模型的落地，支撑数据模型的统一管理和维护。未来，国内银行业将逐渐采用自研的工具平台，解决银行的个性化管理需求，优化银行数据模型的设计流程，推动数据开发与治理的敏捷化、标准化、一体化。17序号345678支持用户对物理模型进行管理，包括逻辑模型创建、修改、版本管理等功能，并支持物理模型落库、DDL导出等。支持与标准、质量、元数据等平台对接能力，支持数据建模过程中对标准引用、质量规则校验、与元数据映射比对等。支持模型评审流程，包括模型检查、线上审批流程、评审通知、评审意见区等功能。支持对数据模型进行版本差异分析、变更影响分析、关联分析等功能。功能项描述支持对模型管理平台进行权限管控，包括权限角色配置、权限分组设置、权限审批、模型目录操作权限等。支持对数据模型样例、数据模型规范、模型相关知识等进行管理和维护，供相关人员查询和参考。功能项物理模型管理平台对接能力模型审核模型分析权限管理模型知识库表 3 数据模型管理平台的核心功能支持用户对数据概念域进行创建、修改、删除和查看，支持对模型进行分类管理。支持用户对逻辑模型进行统一管理，包括逻辑模型创建、修改、版本管理等功能，并支持定义模型关联关系，模型物化及模型结构可视化等。功能项描述序号12功能项概念模型管理逻辑模型管理商业银行数据模型白皮书18五、国内大型银行数据模型实践案例（一）建设银行基于FSDM模型构建企业级数据模型中国建设银行构建了完善的企业级数据模型质量管控体系，包括数据模型建模方法论、数据模型建模规范、数据模型质量检查三个方面。在数据模型建模方法论方面，参考业界实践，总结形成标准化建模规范，保障整体架构的合理性、稳定性以及数据模型的完整性、准确性。在数据建模规范方面，通过对实体对象的命名规范、定义规范、取值规范和绘图规范，指导企业级数据模型建设。在数据模型质量检查方面，通过完整性检查清单、规范性检查清单和正确性检查清单对企业级数据模型进行程序性检查和内容性检查，保证企业级数据模型设计的执行规范性。图 11 中国建设银行数据模型管控体系商业银行数据模型白皮书学习和理解银行数据阶段，主要学习和理解IBM公司的FSDM模型，梳理最重要的13个业务系统数据字典，并按B级模型的结构进行数据项整理，一一映射和补充到FSDM模型中。数据模型初稿形成阶段，主要是依据FDSM数据概念分类模型中的概念分类、描述和关系演化成逻辑数据模型的实体、属性、关系及域等内容，并用ERWin图的形式予以表达。数据模型终稿生成阶段，主要工作是将业务架构的流程建模过程中整理的数据需求作为输入，对C模型再次完善补充而生成终稿。经过三个数据模型建设阶段，建行形成企业级C模型，C模型主题域及主要子域划分模型内容如下所示：19建设银行于2011年启动了新一代核心系统建设，由总行数据管理部牵头新一代数据线工作。中国建设银行参考了FSDM模型，基于企业架构视角并充分结合自身的业务特点，建立了具有建设银行自有知识产权的企业级B、C、C和D模型，建设银行的数据模型建设过程经历了现状梳理、数据模型初稿形成和数据模型终稿形成三个阶段。图 12 中国建设银行数据模型建设阶段现状梳理数据模型初稿现状模型对接系统数据现状梳理FSDM B Level 翻译讨论建立C逻辑模型梳理（Draft）信息互换信息输入信息输入信息输入信息输入信息互换信息输入B Level成果输出FSDM初级培训制定FSDM模型与现状映射与差异分析主题域模型（Draft）目标模型对接完成C逻辑模型梳理生成主题域模型数据模型终稿商业银行数据模型白皮书截至2022年底，企业级数据C模型形成了约200个子主题分类，沉淀5500余个数据实体。通过搭建企业级数据模型，建设银行实现数据资产的结构化定义和规范建设，统一了数据标准和数据语言，指导了应用系统和数据仓库的应用模型建设，起着承上启下、连接业务和技术的关键作用。（二）农业银行基于FS-LDM模型构建企业级数据模型中国农业银行将数据建模方法与DataOps全生命周期的标准化流水线相结合，从组织模式、管理制度、系统工具为数据模型结构提供全方位支撑。在组织模式方面，明确数据模型研发各环节的角色职责和人员分工，共同推动数据模型的建设和管理工作。在管理制度方面，梳理数据研发运营全链路中各类技术、业务制度和规范，发布可实施的技术标准，包括模型设计规范、测试规范等，形成管理“软规范”。20图 13 中国建设银行C模型主题分类商业银行数据模型白皮书在系统工具方面，通过平台工具将模型设计过程与数据标准、数据质量管理要求融合，建立质量门禁，形成“硬约束”，保障数据模型设计规范的落地执行。农行的大数据体系在经历了基础数据平台、大数据平台、数据中台1.0三个阶段后，迈入了数据中台2.0阶段。农行数据模型最初的框架主要参考了Teredata公司的FS-LDM的主题划分方式，采用三范式建模与维度建模相结合的方法；当前的数据模型在此基础上补充了业务领域视角，与农行产品目录的划分保持一致，形成了数据视角和业务主题结合的通用数据视图。农行基于企业架构视角以维度建模为主，结合三范式建模的设计方法，如存款、贷款、理财等实体的设计采取维度建模，参与人相关实体的设计采用三范式建模。采用以数据驱动为主，业务驱动为导向，通过双向结合的方式既保证设计的数据模型符合业务实际发展导向，又保证了数据模型建立在现有的真实数据基础之上，从而间接地保证了数据模型的易懂性与可用性。随着数据架构的演化，农行引入了数据湖的新技术，拓宽了数据底座，以数据湖为源对数据架构进行了优化，分为基础宽表、通用宽表、服务宽表三层逻辑架构。21图 14 中国农业银行DataOps数据设计研发流水线商业银行数据模型白皮书随后基于数据资产视角细化主题域模型框架，本着便于业务人员理解和技术人员实施的原则，细化模型框架时按照客户性质、业务条线、凭证类别、渠道类型等进行划分，将各个分支尽可能的细化。同时确保模型的可扩展性，具体步骤如下：22图 15 中国农业银行数据架构图图 16 中国农业银行数据模型细化环节步骤1概念模型细化步骤2分类遵循标准步骤3基础表与属性分类步骤4设计维度表/事实表步骤5设计关系型维度表步骤6设计历史表步骤7主题分类完善商业银行数据模型白皮书（三）交通银行基于企业架构方法论构建企业级数据模型 交通银行在企业级架构实践过程中，总结形成了以“轻量化”、“智能化”为特点的企业级数据模型。轻量化主要包括三方面：建模方法的轻量化、模型资产轻量化和模型落地轻量化。轻量化模型降低了实施成本，缩短了项目周期，可以更好的支撑中小金融机构进行数字化转型的快速实践。智能化是指在建模过程中，通过建立语料库，近义词识别等步骤，对新建数据模型所引用的属性进行智能化标准推荐，贯彻数据标准智能化管控，可加快建模工作的效率和模型成果的准确度。交行数据模型采用双“T”架构，包括“正T模型”，即1个高阶数据模型加上N个领域数据模型，以及“倒T模型”，即1个公共模型加上N个场景化应用。正T针对交易服务和运营管理场景，关注数据规范性和唯一性，强调实体属性的标准化，指导交易系统的设计开发，提供业务组件边界划分标准和跨组件数据交互使用的参考依据。倒T针对分析与决策报告场景，关注数据易用性和一致性，强调统一维度管理，为数据指标建设提供设计依据，同时也是数据分析需求的管理抓手。双T设计原则强调彼此的对齐和同频，正T中圈定业务对象和关键实体与倒T中的维度和关键事实设计做映射，从而实现两个模型在内容层面的统一。通过“双T”架构模型，实现了数据生产侧与数据消费侧的逻辑自洽，在进行前台业务产品设计的同时，同步设计后续监管报送、运营分析等场景的数据方案。23图 17 交通银行数据模型双“T”架构商业银行数据模型白皮书数据架构管控主要包括事前分析、事中管控、事后监督三个阶段。在需求分析阶段，应以数据模型作为参照，基于模型的基础数据项与指标数据项进行详细分析，避免“同名不同义、数出不同源”等问题；在开发管控阶段，应通过数据模型落实主数据管理、数据标准化、数据模型、数据分布流转等管控要求，从模型层面对跨系统数据交互等予以规范；在事后监督阶段，定期对各业务系统的企业级数据模型落地情况进行检查和评估，持续发现并整改，保障企业级数据模型的执行落地、迭代优化的高效闭环。24图 18 企业架构总体视图商业银行数据模型白皮书在数据模型建设落地后，长期有效的运营机制建设也至关重要，需要通过数据架构管控落地实施。六、银行业数据模型发展趋势银行业作为我国经济金融的基础，是我国金融体系的重要组成部分。改革开放以来，我国银行业持续根据市场以及国家总体情况进行探索与改革，逐步完成了从完全由国家接管，到相对独立的发展过程。随着大数据、云计算和人工智能等技术的发展，我国银行业务持续创新，在科技创新和数据监管要求等因素影响下，银行业的数据模型或呈现以下发展趋势：（一）加速探索数据模型自主创新在数据模型管理领域，短短几十年已从早期的“无意识”数据管理到如今的国际化管理。随着移动支付的兴起，一些国际上的数据模型管理方案面临了“水土不服”的情况。如何解决数据引擎动能不足、数据合规性和信息透明度等问题，成为推动国内银行业自主研发企业级数据模型的主要推动力。在中国发展数字经济的特色背景下，自主创新能够提高企业的核心竞争力。通过自主创新数据模型，银行可以不断支撑与探索全新的业务模式、产品和服务，更好地适配自身特色业务，实现业务需求和科技手段的高度融合，打造企业核心技术壁垒。（二）加快适应新型数据管理理念随着大数据技术的快速发展和大数据理念的广泛普及，Data Fabric、Data Mesh等分布式数据管理架构理念或将影响数据模型的设计与管理工作。在模型设计方面，银行可加强设计可扩展、复用度高的数据模型。在分布式数据管理的数据架构下，更强调模型设计的规范性与易用性，更注重各系统的数据治理水平。（三）敏捷响应市场业务需求变化随着银行数字化转型的深入，移动支付、流程银行等业务模式的持续发展带来了更加多样化和更大规模的数据资源与数据需求，银行需要更加敏捷的方式来管理和应用数据。25商业银行数据模型白皮书以DataOps为代表的新型数据开发范式，将敏捷、精益等理念融入数据开发过程，通过对数据相关人员、工具和流程的重新组织，打破协作壁垒，构建集开发、治理、运营于一体的自动化数据流水线，不断提高数据产品交付效率与质量，实现高质量数字化发展。借鉴这种敏捷、精益的理念进行数据模型的研发，能够进一步提升模型研发效能，加速满足一线人员用数需求。（四）加强构建数据模型评价体系为了更好地监督和优化数据模型的研发与管理工作，评估数据模型的建设情况，银行需要一套考核指标来评价数据模型的设计及管理情况。当前，银行主要从数据模型的准确性、稳定性、实时性、可解释性和成本效益等维度对模型的质量和性能进行评价。但是，在实际的操作过程中仍存在落地困难的现象。例如，研发人员面临无法全面评价模型完整性的问题，导致模型的设计存在缺陷或遗漏。此外，数据模型的质量和价值也较难被量化，这使得企业在对模型评价进行实操时面临困难。这些发展趋势将推动银行业务不断创新和发展，从参考厂商模型向自主研发具有行内特色的数据模型方向探索，助力银行更好地分析客户需求和市场趋势，提供更优质、更高效、更安全的金融服务。26商业银行数据模型白皮书27参与人主要包含金融机构相关的个人或组织的数据。具体包括银行内部的组织机构、员工和外部的个人客户、公司客户、同业客户、合作伙伴等。合约信息主要管理两个或两个以上参与者之间潜在或实际的约定及其相关信息。包含客户与银行签订的约束双方权利义务的协议条款，据此出售、交换或提供产品、服务或资源项。事件主要指参与人与银行间以及银行内部的交互行为所产生的交易行为、交易数据。包含存款、取款、付款、信用年费、利息、投诉、网上交易等。位置信息主要指与位置、地址和地理区域有关的数据。包含电话号码、邮件寄送地址、电子邮件、行政区域、数据访问地址、内部地址等。资源主要管理银行在实现其业务的过程中拥有、管理、使用的任何有形或无形的、有价值的项目。包括实物资产、文件、无形资产、金融资源等相关资源。产品主要管理银行及其关联的参与者提供给市场，能满足客户的某种需求的货物（有形）与服务（无形）的相关信息。主题分类参与人合约信息产品事件位置信息资源主题内容商业银行数据模型白皮书（一）术语和定义 1.参考模型框架附录 商业银行数据模型参考数据架构 Data architecture从本质上反映企业中数据的组成，以及数据与相关系统和流程间的关系。业务对象 Business object一组反映业务数据和业务行为状态的实体集合。属性 Attribution对实体所具有的某一业务特性的具体描述。（二）商业银行数据模型参考 由业务需求管理和维护而来的抽象或具体的事物，是保存业务信息的基本数据概念。实体 Entity一种数据开发的新范式，将敏捷、精益等理念融入数据开发过程，通过对数据相关人员、工具和流程的重新组织，打破协作壁垒，构建集开发、治理、运营于一体的自动化数据流水线。数据开发运营一体化 DataOps282.核心主题设计参考主要包含参与人所共有的基本信息，如参与人编号、参与人纳税人状态等；参与人的其他特有信息不放在这里，放在下述相应实体中。用来描述客户标识的信息表，客户标识可以由一个或多个数字、代码等组成，是相关行业公认的代码，如身份证号、企业组织机构代码。用来描述客户的名称，可以是称呼、正式名称、简称。用于区分参与人在不同时期的生命状态，随着时间的推移其状态也会发生变化。用于描述参与人的财务状态，如负债情况、收入情况、资产情况等。用于描述参与人的绩效信息，如月贡献度、年贡献度等。对参与人家庭情况的描述，如人口数、收入情况、资产负债情况。描述组织或单位的共有的基本信息，如并表情况、会计水平、企业是否上市等。对企业、组织的其他基本信息的描述，如员工数量、员工月收入、工资情况等。描述组织或单位在相关部门的注册信息，如主营业务、兼营业务、注册资本金等。对参与人的各类统计信息，如各类比率等。参与人参与人参与人信息组织主题域子主题分类实体实体定义参与人基本信息参与人识别信息参与人名称信息参与人生命周期状态参与人财务信息参与人绩效信息参与人统计信息家庭概况信息组织基本信息组织概况信息组织注册信息渠道财务行为营销渠道主要指与客户进行交互和接触的手段方法，通过它客户与银行发生交易并传递信息。渠道一般包含分行柜台、呼叫中心、网络等。财务主要管理银行的总账信息，是描述科目组织、控制、内部核算等银行核心科目账务以及预算管理有关的内容。行为主要记录客户或银行工作人员在网银、手机银行等系统的所产生的各类操作记录的明细信息。企业可结合自身需求将行为设为一级主题或事件主题下的子主题进行建设。营销是指为了获取、维护、增强银行与客户关系而开展的促销活动。包括营销策略、营销行为以及营销活动的反馈信息。主题分类主题内容商业银行数据模型白皮书参与人主题29描述个人的通用、基本信息，如性别、民族、出生日期等。描述个人的兴趣、爱好、生活习惯等，但这些爱好类型不是互斥的。描述个人的其他一般性信息，如财务状况信息（工资收入、公积金缴存）、供养人信息等。描述个人工作情况，如参加工作日期、工作单位、单位性质、所任职务等描述个人具有哪有职业技能、经过了哪些单位的认证、认证等级等。某行内部为区分岗位等级所设定的不同的权利范围负责某项工作使其顺利进行的岗位描述个人的特点、外貌。参与人组织一个组成部分的基本信息某行内部机构撤销合并的相关信息某行内部机构组成部分的相关信息某行根据业务需要所设定的职务相关信息负责具体业务实施的岗位负责维护管理特定客户的岗位负责经营销售产品的岗位负责本行业专业工作的岗位描述参与人所承担的角色的基本信息，如所承担角色的生命周期信息等。根据参与人在参与人的相互关系中所承担的角色进行分类和描述。根据参与人在参与人的相互关系中所承担的角色进行分类和描述。参与人个人组织单元组织单元基本信息某行机构撤并信息某行组织机构岗位参与人角色与参与人相关角色参与人角色基本信息单位领导法律代表岗位基本信息岗位权限管理岗柜员岗客户经理岗市场营销岗业务岗实体定义个人基本信息个人爱好个人概况信息个人工作信息个人技能认证个人特征主题域子主题分类实体商业银行数据模型白皮书30根据参与人在参与人的相互关系中所承担的角色进行分类和描述。根据参与人在参与人的相互关系中所承担的角色进行分类和描述。根据参与人在参与人的相互关系中所承担的角色进行分类和描述。根据参与人在参与人的相互关系中所承担的角色进行分类和描述。根据参与人在参与人的相互关系中所承担的角色进行分类和描述。根据参与人在参与人的相互关系中所承担的角色进行分类和描述。根据参与人在合约申请、签署、执行过程中所承担的角色进行分类和描述。根据参与人在合约申请、签署、执行过程中所承担的角色进行分类和描述。根据参与人在合约申请、签署、执行过程中所承担的角色进行分类和描述。根据参与人在合约申请、签署、执行过程中所承担的角色进行分类和描述。根据参与人在合约申请、签署、执行过程中所承担的角色进行分类和描述。根据参与人在合约申请、签署、执行过程中所承担的角色进行分类和描述。根据参与人在合约申请、签署、执行过程中所承担的角色进行分类和描述。根据参与人在合约申请、签署、执行过程中所承担的角色进行分类和描述。根据参与人在参与人的相互关系中所承担的角色进行分类和描述。根据参与人在事件过程中所扮演的角色如发起者、交易对手、接收行、经办人等进行分类和描述。根据参与人在事件过程中所扮演的角色如发起者、交易对手、接收行、经办人等进行分类和描述。根据参与人在事件过程中所扮演的角色如发起者、交易对手、接收行、经办人等进行分类和描述。参与人与合约相关角色员工保证人成员行代理行合约持有人连带责任人牵头行券商贴息方与事件相关角色发起行交易对手接收行与参与人相关角色服务提供商实体定义股东客户联络人特约商户销售代理人主题域子主题分类实体商业银行数据模型白皮书31商业银行数据模型白皮书合约主题经办人清算行受理人根据参与人在事件过程中所扮演的角色如发起者、交易对手、接收行、经办人等进行分类和描述。根据参与人在事件过程中所扮演的角色如发起者、交易对手、接收行、经办人等进行分类和描述。根据参与人在事件过程中所扮演的角色如发起者、交易对手、接收行、经办人等进行分类和描述。根据参与人在参与人的相互关系中所承担的角色进行分类和描述。根据参与人在参与人的相互关系中所承担的角色进行分类和描述。根据参与人在合约申请、签署、执行过程中所承担的角色进行分类和描述。根据参与人在合约申请、签署、执行过程中所承担的角色进行分类和描述。根据参与人在合约申请、签署、执行过程中所承担的角色进行分类和描述。根据参与人在参与人的相互关系中所承担的角色进行分类和描述。参与人与产品相关角色产品设计人产品营销推广部门产品拥有人产品主管部门与事件相关角色与资源项相关角色实体定义投资人托管人主题域子主题分类实体主题域子主题分类实体实体定义合约所包含的基本信息合约基本信息合约财务状态合约生命周期状态合约重组信息合约核算信息合约参与人合约共用信息合约共用信息合约共用信息合约共用信息合约共用信息合约关联信息合约合约财务是指合作是否正常执行、还本付息、逾期、不良、保全等状态相关的信息。指合约涉及提出、接受、签署、执行、到期、重组等生命周期相关的信息。指合约中涉及核算的相关信息，比如利率、利息、费率、费用、金额、币种等。指合约涉及的个人和组织，包括合约的签署人、签署机构、经办人、经办机构等。指合约重组涉及的相关信息。32主题域子主题分类实体实体定义合约对应的产品相关信息合约产品合约资源项合约位置关联合约合约渠道合约时间条件合约金额条件合约关联信息合约关联信息合约关联信息合约关联信息合约关联信息合约条件信息合约条件信息合约合约条件信息合约条件信息合约条件信息合约条件信息存款合约金融服务合约金融服务合约金融服务合约金融服务合约金融服务合约金融服务合约金融服务合约合约费用条件合约比率条件合约限制条件合约格式条件存款合约金融服务合约公用信息贷款合约应收账款融资合约信用额度合约信用卡合约保函合约信用证合约对格式的约束金融服务产品账户合约的公用信息贷款产品账户合约应收账款融资产品账户合约银行向客户授信的合约信用卡产品账户合约合约涉及的资源项信息，比如抵质押合约涉及抵质押物合约涉及的位置信息，比如签署地点、联系电话、地址等合约签约的方式，包括网银、电话等方式的信息指定的时间、日期、次数或频率这些条件对合约起到约束或者状态的描述作用在合约中被描述，合约形成后会对合约的生效、执行或其他状态变化进行限制的金额类描述，例如：合约金额、贷款金额等。其中也包括为了清晰描述金额而进行的其他描述，例如：面额、单位、增量等描述从而对合约进行约束的条件一般分为限制状态（正常、异常、允许、违约限制等描述）、限制基准（上限、下限、目标限制）、限制类型（限制次数、限制金额、限制余额等）、限制原因（解释为什么要做限制）、限制时间框架（描述是当日、隔夜、特定日期等限制）客户购买银行存款产品时与银行签订的合约以比率形式出现的对合约进行约束的条件，例如：税率、利率、汇率等以限额、额度等形式进行指定的某项服务收取费用的描述与合约关联的其他合约的信息，比如担保、保证、借新还旧等商业银行数据模型白皮书33主题域子主题分类实体实体定义客户购买银行保函产品（服务）时与银行签订的合约合约投资理财合约现金管理合约资金交易合约保险合约结算合约结算合约账户服务合约账户服务合约账户服务合约账户服务合约非账户合约非账户合约非账户合约担保合约担保合约投资理财合约现金管理合约资金交易合约保险合约交易结算合约净扣合约访问服务合约金融工程服务合约转账合约信息服务合约金融组合管理安排合约托管合约资金监管合约担保合约公用信息抵质押合约金融组合管理安排合约资金监管合约指抵质押合约和保证合约中共有的信息。抵质押合同是抵押合约和质押合约的合称。担保合约参与人合约参与人合约参与人合约参与人合约参与人合约参与人合约参与人合约保证合约资产证券化合约合作合约保密合约会员合约回馈合约雇佣合约商务合约信用证产品账户合约投资理财产品账户合约资金交易产品账户合约保险产品账户合约交易结算产品账户合约为已开立的账户提供相关信息服务的合约抵押合约是按照中华人民共和国担保法规定的抵押方式以借款人或第三人的财产作为抵押物而发放贷款为目的签订的担保合约。质押合约是按照中华人民共和国担保法规定的质押方式以借款人或第三人的动产或权利作为质押物发放贷款为目的签订的担保合约。指保证人和债权人之间签订的，当债务人不履行债务时，保证人按照约定履行债务或者承担责任的合约。一方参与人（发起人）将其一组风险资产（如信用卡应收账款或抵押贷款）转移给另一方参与人的合约，通常另一方是称为特殊目的个体（SPE）的独立法律个体。SPE用本身在市场发行证券的所得支付以取得转移资产。发起人可从整体资本要求中，删除已转移资产的资本要求。托管产品合约金融工程服务合约账户间资金转移的合约净扣账户合约客户与银行签订的账户访问服务的合约，约定已开立的账户可以访问的方式，如网银、电话银行。客户购买现金管理产品（服务）时与银行签订的合约商业银行数据模型白皮书产品主题34描述产品信息项中的个性信息。描述不同产品类型的个性化信息，根据不同产品类 型进行细分。评价信息，是指描述银行根据各种不同管理需要，使用不同技术对产品进行评价的结果信息。产品组合又可称为产品方案，是指银行为了销售的需要，把原有的两种或两种以上的产品、以适用的方式和组合关系，合成一套新的服务方案所形成的复合型产品。产品包是指以一组性质相近的同系列产品，为方便业务的统一认知、管理和说明而形成的产品集合。管理信息，是指描述银行出于管理需要而设定的关于产品所属机构、客户经理等信息。产品使用的资源类型，资源包括银行可拥有、管理、使用项目。对产品已经发生或已经完成的经济活动进行的事后核算信息。如额度控制条件、申请条件、定价条件等信息。不同产品的名称、类型、内容等基本信息。产品与参与人、位置、渠道等关联关系信息产品与产品核算项、科目的对应关系信息主题域子主题分类产品基本信息产品基本信息产品管理信息产品条件信息产品个性信息产品评价信息参与人/产品关系产品/位置关系产品/渠道关系产品针对的市场细分介质类型/认证方式/渠道/产品关系介质类型/认证方式/渠道关系产品/产品关系产品/条件关系产品使用的资源类型产品核算项产品/产品核算项/科目关系产品组合条件信息产品包管理信息产品产品关系产品属性产品组合信息产品包信息实体实体定义商业银行数据模型白皮书事件主题35主要包含所有事件共有的基本信息，如事件编号、事件名称、事件类型、事件描述等；某事件特有的信息不放在这里，放在下面相应事件里。主要包含与事件生命周期有关的信息，包括事件生命周期状态类型（潜在事件、待执行事件、进行中事件、完成事件等）；事件生命周期状态日期类信息（开始日期、到期日期、冻结日期、结清日期等）；事件生命周期状态原因（账户关闭、违反合约条款、客户要求、资金不充足、系统忙等）与事件有关的相关方，包括个人与机构，主要体现事件与人（机构）的关系。如事件的发起人、操作员、买方、卖方、申请人、审核人、审批人、受益人、管理人、管理机构、合约方、代理人、基金管理公司、交易商等。事件所依托的渠道，主要体现事件与渠道的关系。如渠道使用类型（发布渠道、营销渠道、交流渠道、销售渠道），渠道类型（柜台、ATM、网银、电话银行等）沟通交流是指与相关方以信息交换为目的的事件，例如：信用评估、问卷调查、反馈、客户投诉、客户申请等。交流公共信息主要包括交流类的事件所共有的信息，例如交流事件的编号、交流的类型、交流的原因、交流的联系状态、交流的媒介、交流成本、交流费用、交流处理时间、响应时间等。交流类的事件所特有的信息不放在这里，应放在下面相应的交流事件里。指把交流的不同部分连接在一起的事件，包括交流线索事件编号、交流线索参与类型（开始线索交流、交流线索参与者、结束线索交流、相对独立的交流）、交流线索生命周期状态类型（初始的交流线索、活跃的交流线索、非活跃的交流线索、关闭的交流线索）。指为制定标准的评估提供信息的交流活动。包括与客户、产品、合约建立信用评级相关的信用评估，对损失事件影响的风险评估等。指由客户或其代理人发出给金融机构的请求或指令，例如资金转账指令、支付指令、贸易融资指令、金融市场结算指令等。这里放指令的共有信息，不同指令的特有信息应放在下面相应的指令里。指金融市场工具中当某预定条件满足的时候请求执行某项交易。主要包括订单编号、订单上下限价格、订单截止日期、订单取消日期等信息。指在一个或多个合约中一个或一系列交易如何细分的指令，包括交易分配编号、交易合约分摊价格，交易合约分摊数量等信息。指与金融机构提供的贸易融资产品与服务相关的指令，例如信用证发行、跟单托收等。指在具体指定条件下以获得付款或承兑而传达的指令。该指令提供金融文件的认证而无需物理的传输。跟单托收类型有票据承兑、托收约定等。合约共用信息事件共有信息事件共有信息事件共有信息事件共有信息沟通交流事件沟通交流沟通交流沟通交流沟通交流沟通交流沟通交流评估指令事件基本信息事件生命周期状态事件参与人事件发出渠道交流公共信息交流线索事件金融市场订单交易分摊贸易融资指令跟单托收主题域子主题分类实体实体定义商业银行数据模型白皮书36该指令用于代表不同类型的支付，例如信贷转账和直接借。沟通交流支付指令指以获得某些信息为目的将问题以标准模板进行编排提交给受访人进行解答的交流，例如一个客户调查报告回答，一份完整的产品应用表格等。指以提供表扬或投诉为目的的交流。例如雇员高质量的服务而收到客户的表扬信，客户关于分支机构位置的投诉等。以显示不满为目的的反馈，例如客户投诉，还包括对投诉的响应。指各领域专家或人员对金融机构所提供产品或服务的意见或建议。指为某事向某人发出的请求，如客户办理信用卡的申请、授信额度的申报等。指改变金融机构财务状况或信息基础的所有层面的业务工作的记录。交易事件通过计入金融机构会计账簿的借方或贷方或维护已有数据而记录下来，可以从金融机构的内部或外部进行触发，是金融机构保持对业务活动进行审计追踪的有效保证。主要包括会计交易与维护交易。这里放交易事件的共有信息，不同交易的特有信息应放在下面相应的交易事件里。指交易所付的费用信息，如手续费、代理费、邮电费等。指对会计单元余额有影响的交易事件。这里放会计交易的共有信息，不同会计交易的特有信息应放在下面相应的会计交易事件里。指对会计单元余额有影响的交易事件。这里放会计交易的共有信息，不同会计交易的特有信息应放在下面相应的会计交易事件里。指对金融市场工具持有进行调整的会计交易，主要包括买入、卖出、借、贷、掉期、外汇交易等交易类型。指金融市场工具基于金融市场交易组件的变动其持有所做的调整，其变动类型主要包括交易数量、交易费用、交易成本、交易估值、订单数量、结算金额、订单的执行成本、订单的执行数量、变动日期等。指以一种数额的货币交换另一种数额的不同货币为目的的交易，一般是金融机构代客户在金融市场上进行外汇的交易。指金融机构希望追踪的与某项交易相关的物理文件和凭证信息。指以支付为目的的会计交易，包括票据支付、手续费支付、股息支付、税款支付等。指一定数量的货币被兑换成等价的另一种货币的会计交易。如客户到金融机构将美元兑换成人民币。将贷款发放给借款人的会计交易。事件共有信息交易信息交易事件交易事件交易事件交易事件交易事件交易事件事件交易事件交易事件交易事件沟通交流沟通交流沟通交流投诉沟通交流申请沟通交流服务建议问卷调查反馈交易公共事件交易文件/凭证信息会计交易会计交易金融市场交易交易费用信息金融市场组件变动外汇交易支付交易货币兑换贷款发放主题域子主题分类实体实体定义商业银行数据模型白皮书37交易事件交易事件交易事件交易事件交易事件借款人归还贷款的会计交易。指费用或收入从一个分配中心到另一个分配中心的交叉入账分配，分摊类型包括赊出分摊、收入分摊、留存分摊。指资金、证券或其他资产从一个责任方到另一个责任方进行变动的会计交易。例如100万人民币从A金融机构转账到B金融机构。转账类型可分为客户对银行直接借、客户对银行信贷转账、银行对银行直接借、银行对银行信贷转账、银行对客户直接借、银行对客户信贷转账等。指某项目停止归属的会计交易。如不良资产处置、以资抵债处置等。指对会计单元余额没有影响的交易事件。例如，对金融机构报表周期日期信息的改变，对包含姓名、地址、财务信息的明细表的增加。分录事件指直接改变一个会计单元余额或者修改金融机构信息基础的业务活动。一个分录事件可以增加或减少它所过账的余额，或者可以增加、更改或删除金融机构信息。许多分录事件可能由一项交易产生，例如一个新的抵押贷款合约的“抵押贷款支付”交易会导致接下来的分录事件。分录事件分为过账分录与维护分录。这里放分录事件的公共信息，过账分录与维护分录的特有信息放在下面相应的事件里。指直接导致一个会计单元余额发生变化的分录事件。例如编号为9884749的过账分录将1万元计入某一特有会计单元结余的贷方。指对不直接影响会计单元结余的金融机构信息进行修改的会计分录。例如，编号为9884746的维护分录是对客户住址的一个改变。营销项目指金融机构为了达到一个明确的业务既定目标而承担的一个持续过程的项目。外部营销包括市场拓展、客户策反、信用卡营销、车贷营销、新产品营销、现有产品营销等，内部营销包括合规宣传等。指一项营销内部瞄准一个特殊群体的营销活动。例如对中小企业的营销活动按照业务需要又进一步把中小企业分为中型企业、小型企业、微小型企业分别进行营销。指以提升金融机构业务发展而制定的方案相联系的业务事件。主要包括营销广告、营销投放、营销管理、促销、市场调查。可用来提供简化的协议生命历程（可能跟交易分开），包括过去及未来的业务事件。金融机构可选择记录所有活动（需视保存策略的应用而定），或只记录协议契约义务所导致的活动（如还款）分录记账事件分录记账事件分录记账事件 项目事件业务事件交易事件事件业务事件贷款还款费用分摊资产处置转账维护交易分录事件公共信息过账分录维护分录营销项目信息营销活动营销细分活动合约活动主题域子主题分类实体实体定义商业银行数据模型白皮书38可定义定期重复发生的合约活动时间表，例如：定期还款、利息资本化、报表输出、雇用契约更新等计划项目信息。业务事件业务事件业务事件业务事件业务事件业务事件业务事件产品相关活动产品相关活动其他事件其他事件其他事件其他事件指合约债项的结算活动，包括货币的支付、金融工具的交割或资源项的交收。指对于一个给定主体确定其评级的业务事件。例如对公司客户或个人客户风险暴露进行决定其信用风险等级的活动。指记录一项测试发生的业务事件，例如新资本协议明确指定进行VaR值模型的回归测试。指由于债项违约或破产而影响信用衍生工具收益的事件指与定价事件有关的产品活动事件，被用于叙述产品的价格条件。资源项活动被用于提供简化的资源项生命历程，包括过去及未来的业务事件。金融机构可选择记录所有活动（需视保存策略的应用而定），例如资源项评估、购买、出售、毁灭、重新分配、重新定位、维护等。指一个事件被用于提供简化的产品生命历程（可能跟交易分开），包括过去已经完成的及未来计划的事件。产品活动趋向于覆盖那些属于产品本性、条款和条件的活动（例如产品投放、股票发行、利息资本化）。与产品相关但并不取决于产品层面的因合约而发生的活动不应该被产品活动所描述而应被合约活动所描述。一些产品活动会导致合约活动（例如股息支付）然而另一些则不会（例如产品投放）。导致破坏、灾祸、不幸、财产收入损失、失去生命或土地等的事件，通常是没有先兆地突然发生，例如地震等。指导致金融机构或客户当前或预计资金损失的事件。主要包括司法事件的类型（民事、刑事、仲裁）与司法事件的裁定（定罪、无罪开释、驳回诉讼、移交、和解、未被证明）。主要包含所有事件共有的基本信息，如事件编号、事件名称、事件类型、事件描述等；某事件特有的信息不放在这里，放在下面相应事件里。因无法预测的，不幸的事件发生而引发索赔的危险事件。事件合约活动计划项目信息结算活动评级活动模型测试信用事件资源项活动事件产品活动事件产品定价扰乱司法事件损失事件意外事件事件基本信息主题域子主题分类实体实体定义商业银行数据模型白皮书资源主题39固定资产是指企业为生产产品、提供劳务、出租或者经营管理而持有的、使用时间超过12个月的，价值达到一定标准的非货币性资产，包括房屋、建筑物、机器、机械、运输工具以及其他与生产经营活动有关的设备、器具、工具等。流动资产的内容包括货币资金、短期投资、应收票据、应收账款和存货等。抵债资产是指银行等金融机构依法行使债权或担保物权而受偿于债务人、担保人或第三人的实物资产或财产权利。金融资产通常指企业的库存现金、银行存款、其他货币资金（如：外埠存款、企业的外汇存款、银行本票存款、银行汇票存款、信用卡存款、信用证保证金存款、存出投资款等）应收账款、应收票据、贷款、其他应收款、股权投资、债权投资和衍生金融工具形成的资产等。由参与人生成、编辑或传送的信息，通常动态的或依赖时间。金融机构从外部提供者接收的金融、经济、统计、产品、位置、资源项等信息。银行卡卡号的前6位是用来表示发卡银行或机构的，称为“发卡行识别码”（BankIdentification-Number，缩写为“BIN”）。表示特别知识权力的资源项，例如金融机构新开发的程序。抵债资产是指银行等金融机构依法行使债权或担保物权而受偿于债务人、担保人或第三人的实物资产或财产权利。参与人不改变财产的所有权而依法加以利用的权利。参与人申请贷款所提供的担保物。专利权、商标权等。银行自有的固定资产。银行自有的流动资产。银行自有的无形资产。表示产业或权益方面的信息主题域子主题分类参与人资产资源项自有资产实体固定资产流动资产抵债资产担保资产使用权金融资产无形资产报告信息产业及权益信息银行卡识别码知识产权抵债资产固定资产流动资产无形资产实体定义商业银行数据模型白皮书位置信息主题渠道主题40主题域子主题分类实体实体定义描述渠道的基本通用信息，包括渠道的营业时间、渠道绩效等描述银行出于管理目的关注的信息，如渠道营销/销售的统计结果等该类渠道独有的相关信息内容，如电话银行渠道的电话服务方式代码、手机银行渠道的手机操作系统类型等信息。描述渠道的自然属性及管理属性信息。营销/销售的统计结果信息。按照渠道的评估体系对销售过程进行判断、分析信息。对渠道进行控制的具体条款信息。渠道基本信息渠道管理信息渠道个性信息渠道属性信息渠道统计信息渠道绩效信息渠道控制条件渠道基本信息渠道关系渠道是指一个比较独立的地理地形区，该区或者是自然形成的，或者是被外部机构定义的，例如政府，或者是为商业活动而划分的。位置共有信息地理区域基本信息主题域子主题分类即时通讯是一个终端服务，允许两人或多人使用网络即时地传递文字讯息、档案、语音与视频交流。即时通信工具目前市场上很多，如QQ、MSN、中国移动飞信、中国联通即时通等。电子邮件又称电子信箱、电子邮政，它是种用电子手段提供信息交换的通信方式。是Internet应用最广的服务。位置共有信息位置共有信息位置共有信息位置共有信息地址地址地址地址地址地址基本信息地址间关系地址与产品关系资源与地址关系内部地址即时通信地址电子邮件地址数据访问地址网络地址参与人和资源的地址信息两个地址间的关系地址与产品的关系地址与资源的关系内部识别地址，不能被外部邮递识别定义访问数据的路径在网络上的地址位置实体实体定义商业银行数据模型白皮书财务主题41渠道与产品关联关系，介质类型关联关系等信息。渠道与产品合约关联关系，介质关联关系等信息。渠道与事件关联关系信息参与人与渠道关联关系信息渠道与资源项关联关系信息产品与渠道关联关系信息产品/介质类型/渠道类型关系产品合约/介质/渠道类型关系渠道/事件关系参与人/渠道关系渠道/资源项关系产品/渠道关系渠道关系主题域子主题分类实体实体定义渠道主题域子主题分类实体实体定义对会计对象的具体内容进行分类核算的科目，提供金融信息。会计核算科目总账科目 财务总账科目账务处理科目科目余额财会产品管理现金流、账户余额和交易记录等日常财务活动，账务处理可以迅速和准确地跟踪交易流程和记录。科目余额描述财务实际值，包括发生额、笔数、余额。从会计的角度将银行对客销售的产品和内部事项形成的产品进行细分的结果即为财会产品。商业银行数据模型白皮书行为主题42主题域行为行为基本信息行为基本信息行为基本信息行为基本信息行为过程信息行为过程信息行为过程信息行为过程信息行为评价信息行为评价信息行为评价信息基本信息用户信息规范信息管理信息终端信息点击信息浏览信息曝光信息用户行为信息用户体验信息异常行为信息实体定义主要包含行为的基本信息，对行为进行申请及管理等；如埋点编号、埋点名称、埋点类型、埋点位置（APP/WEB/小程序等）、埋点描述等；以及相关埋点的调整等。主要包括用户注册、用户登录以及网络行为开户证件、上传资料等信息；如用户ID、用户姓名、注册日期、登录时间、退出时间等。主要包含埋点的规范信息，如对服务器端或客户端不同位置点位的规范与标准等，包括其他类型终端规范，属性命名规范，版本，安全等级，屏幕分辨率等。主要包含页面功能的管理，如用户点击页面中功能icon时触发，搜索按钮点击；包括所属页面、icon名称等。主要包含与埋点或采集有关的终端信息（PC/移动等），如：设备型号，操作系统版本（如IOS)、设备制造商、IP、浏览器名称、浏览器版本、运营商名称、网络类型、国家、省份、城市、登录用户等。记录用户与页面进行点击（含Banner（横幅页）、Tab页面）交互操作时行为的内容；比如点击ID、点击名称、点击位置、Banner编号、Banner名称等信息。记录用户在访问页面时，页面在被浏览器加载呈现行为。通俗的讲，就是打页面或APP页面的跳转或进入其他页面或第三方跳转链接；如从手机银行转账网页跳转到手机银行产品的理财网页，页面内容ID、页面名称、页面类型等。是在页面加载时一种用户虚拟点击的交互行为，如商品、活动推荐等内容，登录网银提示转账红包活动信息，或退出支付时，推送产品信息，如进入时间、退出时间等。主要是对用户行为的评价，包括：PV/UV:PV(page view)：即页面浏览量或点击量；UV：指访问某个站点或点击某条新闻的不同 IP 地址的人数；评价用户来源的渠道，促进产品的推广，计算用户在每一个页面停留的时间，针对停留较长的页面，精准广告投放等。对不同用户，不同终端和不同系统下的用户体验，包括页面等请求的响应时间、页面交互完成时间等。主要用于异常情况捕获，比如内存泄漏以及其他偶现的异常难以捕获。常见的异常包括：页面的异常、样式丢失的异常等引起数据提交失败。子主题分类实体商业银行数据模型白皮书营销主题43主题域营销子主题分类营销活动营销和其他主题的关系实体营销策略营销行为营销业绩营销和位置信息关系营销和产品关系营销和机构关系营销和渠道关系实体定义针对营销活动制定的策略。记录营销过程中产生的行为数据。记录营销活动的反馈信息。只针对某些地区的特定营销活动只涉及某些产品的特定营销活动只在某些机构进行的特定营销活动只在某个渠道进行的特定营销活动商业银行数据模型白皮书参 考 文 献1.数据管理协会（DAMA 国际）:DAMA 数据管理知识体系指南,机械工业出版社 2020 年版.2.美国霍伯曼：数据建模经典教程（第2版），丁永军译，中国工信出版集团、人民邮电出版社 2017 年版.3.陆顾新：银行数据治理，机械工业出版社 2016年版.5.中国工商银行业务研发中心.商业银行业务架构应用的研究与实践白皮书.6.IBM 商业价值研究院.企业级架构驱动的未来金融企业转型.7.中电金信.业务模型驱动的企业架构转型白皮书.8.王国刚：中国银行业70年：简要历程、主要特点和历史经验，管理世界2019 年第 7 期.9.数据管理能力成熟度评估模型（GB/T 36073-2018).10.金融业数据治理能力建设指引(JR/T 0218-2021).11.证券期货业数据模型 第 1 部分：抽象模型设计方法(JR/T 0176.12019).12.证券期货业数据模型 第 3 部分：证券公司逻辑模型(JR/T 0176.32021).13.证券期货业数据模型 第 4 部分：基金公司逻辑模型(JR/T 0176.42019).44商业银行数据模型白皮书大数据技术标准推进委员会地址：北京市海淀区花园北路52号邮编：100191邮箱：官网：联系方式：

0人已浏览 2024-02-22 52页 5星级

中国宏观金融NIFD季报主编:李扬张旸 王蒋姜2022 年 4 月全球金融市场NIFD季报主编:李扬胡志浩李晓华、李重阳 2024 年 2 月 NIFD 季报是国家金融与发展实验室主要的集体研究成果之一，旨在定期、系统、全面跟踪全球金融市场、人民币汇率、国内宏观经济、中国宏观金融、国家资产负债表、财政运行、金融监管、债券市场、股票市场、房地产金融、银行业运行、保险业运行、机构投资者的资产管理等领域的动态，并对各领域的金融风险状况进行评估。NIFD 季报由三个季度报告和一个年度报告构成。NIFD 季度报告于各季度结束后的第二个月发布，并在实验室微信公众号和官方网站同时推出；NIFD 年度报告于下一年度 2 月份发布。I政策转向的前夜政策转向的前夜摘摘要要2023 年，美欧相继暂停加息、日本微调收益率曲线控制政策，全球主要经济体货币政策面临转向。高利率环境下，主要发达经济运行均面临一定风险。2023 年，美日欧发达经济体国（公）债利率整体经历先上后下行情，但具体影响因素与波动幅度不尽相同。美国经济增速超预期驱动 10 年期美债利率于 10 月中旬突破 5%，创近 16 年新高；随着通胀超预期下行和降息预期强化，美债利率转而大幅回调。此轮加息周期中，宽财政弱化了紧货币对需求抑制作用，叠加劳动参与率提升持续修复供给缺口，供给弹性逐渐恢复，供需动态平衡使得美国经济增长彰显韧性、通胀持续下行。然而，随着劳动参与率逐渐收敛导致供给增长降速，美国总供给或将再次面临弹性降低的压力，温和“滞涨”成为接下来美国经济最可能的前景。日本央行边际调整 YCC 政策但尚未根本转向，国债利率上行空间被压制。在通胀持续超 2%的情况下，日本央行或将缩减购债计划、继续微调 YCC 政策，但短期内能否退出负利率和 YCC 政策，仍存不确定性。欧元区强力紧缩促使通胀大幅回落，衰退风险加剧，欧央行或先于美联储开启降息。2023 年，伴随美欧货币政策转向预期的出现，新兴经济体资本外流和货币贬值的压力逐渐得以缓解。由于经济环境和政策取向不同，新兴经济体国债利率走势也不尽相同。其中，印度经济和政策保持相对稳定，国债利率小幅波动；俄罗斯央行大幅加息，应对通胀压力和卢布贬值，国债利率持续上行；由于通胀明显回落，巴西央行调整先前超高基准利率，率先开启降息通道，本报告负责人：本报告负责人：胡志浩本报告执笔人：本报告执笔人：胡志浩国家金融与发展实验室副主任李晓华国家金融与发展实验室全球经济与金融研究中心研究员李重阳国家金融与发展实验室全球经济与金融研究中心研究员【NIFD 季报季报】全球金融市场全球金融市场人民币汇率国内宏观经济宏观杠杆率中国金融监管中国宏观金融中国财政运行地方区域财政房地产金融债券市场股票市场保险业运行机构投资者的资产管理II国债利率持续下行。中国经济面临经济下行和阶段性通缩压力，货币政策适度宽松，利率整体下行。2023 年，美元指数保持震荡，但波动加剧。全年来看，除日元外主要发达经济体货币兑美元升值，除巴西雷亚尔外，新兴经济体货币兑美元普遍贬值。展望未来，美元指数或将保持震荡。一方面，美国经济增速放缓、通胀下行的前景，美元指数面临下跌压力；另一方面，美国经济基本面表现仍好于日欧，在未来欧央行可能先于美联储降息的前提下，美元指数也有上涨动力。2023 年，全球主要股市普遍上涨，发达市场表现显著优于新兴经济体。在盈利预期提升和利率下降的助推下，美股创新高，未来市场风险在于盈利不及预期及利率反弹。在美国通胀下行但短期内保持一定黏性的背景下，美债利率或将震荡下行但短期内反弹风险较大，预计 2024 年美股或将先抑后扬。展望 2024 年，黄金价格中枢大概率继续上行，但美国 CPI 走势、美国财政问题以及美联储宽松预期和实际政策落地之间的博弈和预期差仍将反复拉扯黄金价格。原油供给不确定性提高，需求不容乐观，地缘政治风险仍存，油价料企稳宽幅震荡。铜价的核心交易逻辑将是美联储降息时点，在降息开始前，铜价可能先行偏弱，随着降息空间打开，铜价重心或重新上移。铁矿石 2024 年料供需两旺，考虑到库存处于偏低状态，叠加美联储货币政策宽松预期，预计 2024 年铁矿石价格易涨难跌。大豆和玉米丰产预期均较高，两者价格中枢或将进一步下移。2023 年，加密资产价格整体上行，特别是 10 月以来比特币现货 ETF 推出预期带动比特币领涨，稳定币总市值也显著放量。2024 年初，比特币现货 ETF 已获得SEC 批准，我们认为这将是一把双刃剑。一方面，这会扩大比特币需求，有助于比特币进一步沐浴监管阳光；另一方面，ETF 的推出使比特币与传统金融体系更深度绑定，意味着将愈发成为一种风险资产而非货币，即背离了比特币的初衷。2023 年第四季度，人民银行数研所参与的 mBridge 项目取得新进展。其在分布式账本设计、共识算法、互操作性和报文标准兼容性等方面都具备一定吸引力。数字欧元方面，欧洲央行宣布将研发工作推进至准备阶段，并表示主要关注 CBDC 带III来的支付数字化升级、隐私保护和维护欧元货币主权这三大问题。目录一、全球债券市场情况.1（一）美国经济活动减弱、通胀下行，降息预期强化推动美债利率触顶回调.1（二）日本货币政策微调但尚未转向，国债利率上行空间被压制.5（三）欧元区强力紧缩促使通胀大幅回落，衰退风险加剧，欧元区公债利率整体下行.7（四）新兴经济体政策和利率走势分化.8二、全球外汇市场情况.11（一）美元指数明显回调，其他主要货币普涨.11（二）中美利差触底反弹，人民币贬值压力缓解.13三、全球股票市场情况.14（一）全球主要股市总体普涨.14（二）盈利预期提升和利率下降助推美股创新高.15四、大宗商品.18（一）黄金价格中枢仍有上行空间.18（二）油价将企稳震荡，一季度存在中枢下行压力.19（三）美联储降息时点将成铜价拐点.21（四）铁矿石供需紧平衡，价格易涨难跌.22（五）大豆中枢有进一步下行压力.22（六）玉米或仍将维持供大于求局面.23五、数字货币.24（一）2023 年加密资产回顾.24（二）人民银行数研所参与的 mBridge 项目取得新进展.27（三）数字欧元进入准备阶段.281一、全球债券市场情况（一（一）美国经济活动减弱美国经济活动减弱、通胀下行通胀下行，降息预期强化推动美债利降息预期强化推动美债利率触顶回调率触顶回调2023 年美联储加息逐步放缓，并于 7 月底完成最后一次 25BP 加息后停止加息。高利率环境下，美国经济运行以及依赖数据货币政策面临高度不确定性，市场对经济和政策的预期已转变为：其一，美国通胀下行，但是其经济表现强劲；其二，美国经济衰退预期逐渐消散，软着陆预期不断强化；其三，2023 年第四季度，美国经济活动减弱，通胀超预期下行，市场的降息预期有所强化。从经济增长来看，2023 年，美国前三季度 GDP 环比年化增长率分别为 2.20%、2.10%和 4.90%。其中，二、三季度增长超市场预期，个人消费和私人投资成为了拉动经济增长的主要分项。从物价水平来看，2023 年，美国通胀率整体有明显下行。美联储青睐的指标核心 PCE 同比由 1 月 4.87%持续回落至 12 月 2.93%。从劳动力力市场来看，美国劳动力市场边际放松但总体仍保持强劲。其中，全年失业率3.40%至 3.80%的历史低位区间波动，似有逐渐抬升的迹象；12 月职位空缺率5.3%，较年初 1 月 6.40%稳步下降，但仍显著高于疫情前水平，这表明劳动力市场依旧紧张；劳动参与率由 1 月 62.40%缓慢提升至 11 月 62.80%，但 12 月又回落至 62.50%，疫情和人口老龄化或导致劳动参与率难以恢复至疫情前 63.30%的水平，美国劳工供给增速将进一步下降。整体来看，2023 年，美国国债利率走势大致分为三个阶段：2023 年一季度，加息背景下，美国银行业冲击暂时中断美债上行趋势，10 年期美债利率在 3.40%4.00%区间波动；2023 年 4 月10 月，美国经济增长超预期和软着陆预期强化，10 年期美债利率大幅上行，10 月突破5%，创近 16 年新高。2023 年 11 月至 12 月，美国通胀超预期下行以及降息预期强化，10 年期美债利率明显回调至 3.88%（见图 1）。通过总供给与总需求的（AD-AS）分析框架，我们能够更为清晰地分析接下来美国宏观经济走势的发展态势。从劳动力市场角度，劳动力人口、失业率以及求职倍率（职位空缺数/失业人数，V/U）三个指标可反映供需曲线的变化。为刻画经济变量之间的关系，我们将上述三个指标和增长、通胀两个变量的数据统一为季度指标，相关增长率数据均转换为环比年化率（见图 3、图 4）。此外，供需2均衡点的变化决定了劳动力市场两条重要曲线菲利普斯曲线与贝弗里奇曲线的形态变化。其中，菲利普斯曲线是刻画失业率与通胀率经验关系的一条曲线，2008 年危机以来菲利普斯曲线扁平化以及疫情后菲利普斯曲线垂直化成为了各方关注的焦点。贝弗里奇曲线是刻画失业率与职位空缺率经验关系的一条曲线。沿曲线向左上方移动，表示劳动力市场趋于紧张；若曲线整体向右移动时，表示匹配效率下降（见图 9）。基于上述框架，我们先简单回顾疫情以来美国经济运行的三个阶段：第一，2020 年上半年，疫情冲击导致供需大幅下降且需求下降幅度大于供给，美国经济增速和通胀均大幅下降（见图 5）。2020 年前两个季度，美国劳动力人口急剧下降，年化环比率分别为-1.83%和-13.15%，AS 曲线大幅左移；同时，失业率大幅上升，2020 年第二季度，美国失业率飙升至 13.00%，表明 AD 曲线相对 AS 曲线明显左移；V/U 急剧下降，显示总供需的均衡点供给弹性足够大，菲利普斯曲线加速扁平化（见图 10）；此外，疫情引起的远程办公、子女照顾等加剧劳动力市场摩擦，劳动力市场匹配效率下降，贝弗里奇曲线外移（见图 9）。第二，2020 年下半年至 2022 年上半年，劳动参与率回升和强力财政金融救助政策促使供需复苏且需求复苏力度强于供给、供给弹性急剧衰减，美国经济增速触底反弹，通胀飙升（见图 6）。在此阶段，美国劳动参与率稳步回升助推美国劳动力人口平均年化增速为 1.90%，明显高于疫情前三年平均值 1.09%，美国供给快速恢复，AS 曲线持续右移；同时，失业率快速下降，反映需求反弹速度大于供给，AD 曲线相对 AS 曲线明显右移；V/U 由 2020 年二季度阶段性低点0.27 迅速飙升至 2022 年二季度的历史最高值 1.90，总供给在均衡点上的弹性急剧衰减，菲利普斯曲线由扁平迅速转变为垂直，同时，失业率和职位空缺率移至贝弗里奇曲线最左端，显示劳动力市场极度紧张。第三，2022 年下半年至 2023 年年底，劳动参与率提升推动供给持续改善、“宽财政、紧货币”政策导致需求增长速度放缓，供给弹性缓慢恢复，美国经济保持平稳增长，通胀稳步降温。在此阶段，美国劳动力人口保持 1.49%速度增长，总供给曲线平稳右移；同时，失业率保持历史低位，反映需求曲线相对供给曲线缓慢右移；V/U 由历史高点缓慢下降至 1.39，但仍高于疫情前水平，劳动力市场依旧紧张但已出现边际缓和。与此同时，菲利普斯曲线继续保持垂直。3综上，疫情后，劳动参与率持续回升促使美国劳动力市场实现再平衡劳动参与率持续回升促使美国劳动力市场实现再平衡，是美是美国经济强力复苏的主要动力国经济强力复苏的主要动力。劳动参与率提升不仅有助于供给修复、促进经济增长，同时还缓解了劳动力市场紧张程度，使供给弹性得以恢复，利于通胀降温。同时同时，需求相对供给复苏力度决定通胀走势需求相对供给复苏力度决定通胀走势。以加息为转折点，加息前，需求复苏力度强于供给，表现为失业率下降和求职倍数上升，通胀抬升；加息后，财政对需求仍有支撑但增速弱于供给，表现为失业率相对稳定但求职倍率下降，通胀回落。此外，在通胀分析框架中，劳动力市场主要影响核心 CPI 走势。在本轮通胀周期中，除劳动力市场因素外，原油等能源价格大幅波动对整体 CPI 走势也有明显影响。接下来，从供给面看，考虑到疫情以及人口老龄化等因素，美国劳动参与率进一步提升空间有限，尤其是 2023 年 11 月的最新数据，美国劳动参与不仅没有提升，反而显著下降 0.3 个百分点，预示美国劳动力改善空间不大，供给曲线右移速度将明显放缓；需求端，必须综合考虑美国私人消费的韧性与财政支持力度能否持续，以及美联储利率政策转变时机和力度。因此，美国接下来的经济走势美国接下来的经济走势主要取决于需求端的变化，在供给改善空间有限的前景下，美国经济增长中枢主要取决于需求端的变化，在供给改善空间有限的前景下，美国经济增长中枢将明显下降将明显下降，而要实现美联储而要实现美联储 2%通胀目标通胀目标，需求增速放缓则是必要条件需求增速放缓则是必要条件。从短期来看，美国职位空缺率较高、劳动力市场依然强劲，同时，私人消费仍有韧性，通胀或将保持一定黏性。从季度数据来看，2023 年四季度美国核心通胀环比3.33%，较三季度 2.86%有所回升。总之，在美国经济增速放缓，通胀下行但短总之，在美国经济增速放缓，通胀下行但短期内保持一定黏性的背景下，美债利率或将震荡下行但短期内反弹风险较大。期内保持一定黏性的背景下，美债利率或将震荡下行但短期内反弹风险较大。此外，还应当关注石油等商品价格波动对整体通胀的影响。有关美债利率曲线斜率走势的判断，我们仍坚持 2023 年二季度报告的观点：在美联储停止加息后，美国国债曲线斜率将维持震荡，只有当美联储明确开启降息进程，曲线斜率才会趋势性地随之走陡。4图图 1美国国债利率和期限利差美国国债利率和期限利差图图 2美国美国 10 年期国债利率与通胀预期年期国债利率与通胀预期图图 3美国劳动力市场总体情况美国劳动力市场总体情况图图 4美国经济增长与通胀情况美国经济增长与通胀情况图图5 第一阶段美国第一阶段美国AS-AD曲线移动情况曲线移动情况 图图6 第二阶段年美国第二阶段年美国AS-AD曲线移动情况曲线移动情况5图图7 第三阶段美国第三阶段美国AS-AD曲线移动情况曲线移动情况图图8 第三阶段美国第三阶段美国AS-AD曲线移动情况曲线移动情况图图9 美国贝弗里奇曲线美国贝弗里奇曲线图图10 美国菲利普斯曲线美国菲利普斯曲线（二（二）日本货币政策微调但尚未转向日本货币政策微调但尚未转向，国债利率上行空间被压制国债利率上行空间被压制2023 年，日本经济整体保持温和复苏态势，但增长力度逐渐减弱；同时，日本央行货币政策边际微调但对政策转向仍保持耐心。在此背景下，2023 年日本国债收益率曲线先后经历熊陡牛平两个阶段。其中，日本 10 年期国债利率由年初 0.49%升至 11 月 1 日的 0.96%的高点后，回落至年底的 0.65%。2023 年，日本经济整体保持温和复苏态势，货币政策微调但尚未实质性转年，日本经济整体保持温和复苏态势，货币政策微调但尚未实质性转向向。从经济基本面来看，日本前三季度 GDP 同比增长分别为 2.5%、2.2%和 1.5%；日本 PMI 指数在二季度达到阶段性高点后有小幅回落，其中，服务业 PMI 一直处于扩张区间，制造业 PMI 则降至荣枯线以下；日本劳动力市场依然紧张，在劳动参与率升至本世纪以来最高值的情况下，新增求职倍数也处于历史高位。同6时，2023 年全年失业率处于 2.4%2.80%的低位区间波动。从物价水平来看，日本通胀除了二季度有所反弹外逐渐放缓，但仍保持在央行 2%目标以上，2023 年12 月，CPI 同比与核心 CPI 同比分别为 2.60%和 2.30%。2023 年 7 月 28 日，在日本经济保持复苏、通胀稳定以及美联储重启加息的影响下，日本央行再次调整YCC 政策，将 10 年期国债利率上限由 0.5%上调至 1%，但同时强调持续保持货币宽松政策立场，坚持负利率和大规模购债计划。受此消息影响，日本 10 年期国债收益率持续上行，在 2023 年 11 月 1 日升至 0.96%，创 2012 年以来新高。由于经济复苏和通胀放缓，2023 年四季度日本央行多次强调“工资/通胀的正周期是否会形成仍存在很大的不确定性”，弱化市场对日本央行货币政策提前转向的预期，日本国债利率随即转为下行。2022 年底，日本首次调整 YCC 政策，被市场解读为货币政策转向的标志。在美欧强力加息背景下，市场对日本退出全球仅存的负利率政策一直存在预期。2023 年日本仅在边际上调整 YCC 政策，这表明经历多年通缩困扰，日本央行对通胀确认仍比较谨慎。2024 年，日本央行货币政策正常化仍存不确定性。年，日本央行货币政策正常化仍存不确定性。在通胀持续超越央行目标的情况下，日本央行或将缩减购债计划、继续微调 YCC 政策，但能否正式退出负利率和 YCC 政策，仍取决于能否实现工资/通胀良性循环，2024 年春季薪资谈判是当前市场和央行关注的焦点。一方面，从数据上看，日本经济与通胀的风险总体平衡。首先，自 2022 年 4 月以来，日本已连续 21 个月保持通胀率（包括核心通胀率）超过 2%，但在 2023 年一季度通胀率冲高回落后保持相对稳定，这或许表明输入型通胀因素效应减弱后，通胀可持续性在逐步得要验证；其次，由于大宗商品价格回落，日本外贸形势有所好转，2023 年以来，其贸易逆差逐渐收窄进而转为顺差；再次，日本投资者企业信心增强，劳动力市场或将持续紧张，企业进一步加薪概率提升。此外，2024 年 1 月，央行行长植田和男表示“实现 2%持续通胀目标的确定性正在逐步上升”。另一方面，从未来国内外环境来看，日本经济仍面临不确定风险。首先，伴随全球经济增速下滑，日本刚刚改善的外贸形势将重新面临压力；其次，当前，日本的私营部门需求仍低于新冠肺炎疫情前的水平，对工资/通胀循环形成抑制；同时，若美欧进入降息周期，日元贬值压力释放，日本货币政策转向的紧迫性也将大大减小。总之，在全球经济增速下滑在全球经济增速下滑，美欧货币政策转向宽松的预期下，日债利率上行的压力锐减。因此，日本央行美欧货币政策转向宽松的预期下，日债利率上行的压力锐减。因此，日本央行7或将逐渐缩减购债计划，同时在美国通胀和美债利率反弹的情况下，或将继续或将逐渐缩减购债计划，同时在美国通胀和美债利率反弹的情况下，或将继续通过微调通过微调 YCC 政策来缓解日元贬值压力。对于短期内能否退出负利率和政策来缓解日元贬值压力。对于短期内能否退出负利率和 YCC政策，市场继续持谨慎态度。政策，市场继续持谨慎态度。（三（三）欧元区强力紧缩促使通胀大幅回落欧元区强力紧缩促使通胀大幅回落，衰退风险加剧衰退风险加剧，欧元欧元区公债利率整体下行区公债利率整体下行2023 年欧元区强力紧缩促使通胀大幅回落，但衰退风险加剧。2023 年 9 月，欧央行实施年内最后一次加息。加息阶段，欧元区 10 年期公债利率缓慢上行；随着通胀持续下行和衰退风险加剧，10 年期公债利率快速下行，低于年初水平。同时，欧元区公债曲线斜率倒挂加深，创历史之最。2023 年，欧央行延续强力加息政策以应对通胀压力，但也导致欧元区经济年，欧央行延续强力加息政策以应对通胀压力，但也导致欧元区经济增长低迷，衰退风险不断加剧。增长低迷，衰退风险不断加剧。自 2022 年 7 月开启本轮加息周期至 2023 年 9月，欧央行已连续加息10次，累计加息450BP，主要再融资利率由0%升至4.50%，并一直持续至今。欧央行陡峭的加息政策促使通胀大幅回落，同时也导致欧元区衰退风险加剧。其中，2023 年 12 月，欧元区 CPI 同比由 2022 年 10 月 10.60%高点大幅降至 2.90%，核心 CPI 同比由 2023 年 3 月 5.70%高点降至 3.40%。2023年欧元区经济形势逐渐恶化，其中前三季度 GDP 同比分别为 1.30%、0.60%和0%，显著低于同时期美日水平，该数据自 2022 年二季度以来已连续 6 个季度下滑。多项经济指标显示，欧元区经济面临停滞甚至萎缩。多项经济指标显示，欧元区经济面临停滞甚至萎缩。其中，2023 年三季度GDP 环比年化增速为-0.50%；2023 年，欧元区制造业 PMI 在收缩区间进一步下行；服务业 PMI 也于 8 月下滑至收缩区间，导致整体 PMI 在收缩区间深度下行，表明欧元区经济活动低迷。同时，欧元区投资者和消费者信心指数不断恶化。与上述数据不同的是，欧元区劳动力市场仍保持强劲欧元区劳动力市场仍保持强劲。其中，2023 年欧元区失业率处于历史低位区间，11 月失业率为 6.40%，创历史新低；欧元区就业人数增速下降，2023 年前三季度，欧元区就业人数环比分别为 0.50%、0.10%和 0.20%。可见，整个欧元区劳动力供给改善空间有限。而与此同时，“欧元区经济火车头”德国职位空缺率稳定在 4.1%的历史高位，显示欧元区劳动力市场依旧紧张。劳动力市场依旧紧张。欧元区经济前景黯淡，或将先于美联储开启降息。欧元区经济前景黯淡，或将先于美联储开启降息。从 AD-AS 角度来看，一方面，劳动参与率接近饱和的情况下，欧元区劳工供给改善空间有限，欧元区总8供给增速将放缓；另一方面，当前维持较长时间的高利率对总需求抑制影响将逐渐发挥作用。未来，欧元区经济增长前景依然黯淡，随着总需求增速的快速回落，通胀也将随之进一步放缓，欧元区或将率先开启降息。但同时，由于短期内欧元区劳动力市场仍保持强劲，2023 年四季度失业率仅小幅下降，GDP 环比增速或将在三季度负增长的基础上小幅反弹至正区间，勉强避免技术性衰退。因此，未来欧元区公债利率走势与美国类似，整体震荡下行但短期内反弹风险较大。图图 11日本国债利率日本国债利率图图 12欧元区公债利率欧元区公债利率数据来源：wind。（四）新兴经济体政策和利率走势分化（四）新兴经济体政策和利率走势分化2023 年，伴随美欧货币政策出现调整迹象，新兴经济体资本外流和货币贬值的压力逐渐得以缓解。由于经济环境和政策取向不同，新兴经济体国债利率走势也不尽相同。其中，印度经济和政策保持相对稳定，国债利率小幅波动；俄罗斯央行大幅加息，应对通胀压力和卢布贬值，国债利率持续上行；由于通胀明显回落，巴西央行调整先前超高基准利率，率先开启降息通道，国债利率持续下行。中国经济面临经济下行和阶段性通缩压力，货币政策适度宽松，利率整体下行。2023 年，印度经济保持稳步增长，通胀震荡波动，小幅加息 25BP 后货币政策保持稳定，10 年期国债利率基本在 7%7.5%区间波动。具体来看，印度国债利率走势大致分为四个阶段。第一，2023 年 1 月2 月，印度央行将基准利率小幅上调 25BP 至 6.50%，结束了自 2022 年 5 月开启的本轮加息周期，印度国债收益率呈现熊平态势；第二，2023 年 3 月5 月，印度通胀率回落至 2%6%央行合意区间，印度国债收益率呈现牛平态势；第三，2023 年 6 月9 月，印度通胀有所反弹，经济景气度保持年内较高水平，国债利率呈现熊陡态势；第四，20239年 10 月12 月，印度通胀在央行合意区间上部小幅波动，经济景气度处于扩张区间小幅下降，印度国债利率呈现牛平态势。2023 年，俄罗斯经济与财政状况有所改善，为应对通胀压力和卢布持续贬值，俄罗斯央行大幅加息 850BP，10 年期国债利率持续上行，曲线斜率基本处于负区间。具体来看，2023 年前三季度俄罗斯 GDP 同比分别为-1.80%、4.90%和 5.50%，远超经济学家预期，逐渐摆脱了自 2022 年二季度以来的持续萎缩；2023 年 2 月以来，俄罗斯制造业和服务业 PMI 均处于扩张区间，保持较高的经济景气度；2023 年上半年，由于财政收入减少、支出增加，俄罗斯财政持续恶化，下半年形势逆转，俄罗斯财政状况显著改善。111 月，俄罗斯财政赤字为0.88 万亿卢布，较 15 月的 3.4 万亿卢布，有显著下降。2023 年俄罗斯面临严峻通胀压力，在去年高基数的背景下，俄罗斯通胀持续上涨，2023 年 12 月 CPI 同比达到 7.42%。同时，俄罗斯卢布兑美元持续大幅贬值，俄罗斯央行于 2023 年 7月重启加息，年内连续加息 5 次，累计加息 850BP，将关键利率从 7.50%升至16.00%。在经济形势好转、通胀高企以及大幅加息的背景下，2023 年俄罗斯 10年国债利率持续上行，由年初 10.36%升至年底 12.30%，累计上行约 200BP，曲线斜率维持倒挂状态。2023 年，巴西经济保持复苏态势，通胀整体延续回落，央行率先开启降息周期，国债曲线整体呈现牛陡态势，斜率转正。具体来看，2023 年前三季度，巴西 GDP 同比分别为 4.2%、3.5%和 2.0%，保持复苏态势，其主要源于净出口的强劲增长，2023 年巴西月度平均贸易顺差超过 80 亿美元，创历史纪录。自 2022年 8 月以来，巴西央行维持 13.75%超高基准利率来对抗两位数增长的通胀压力，至 2023 年 6 月，CPI 同比已降至 3.00%。在全球主要央行中，巴西央行也于 2023年 8 月率先开启降息，连续 4 次累计降息 200BP，将基准利率下调至 11.75%。在通胀下降和降息如期而至的背景下，巴西国债利率整体呈现牛陡态势，斜率在历时近三年后摆脱负区间。其中，10年期国债利率由年初13.16%降至年底10.36%，累计下行 280BP。在三季度通胀回升的情况下，巴西 10 年期国债利率也出现阶段性反弹。2023 年，中国经济面临经济下行和阶段性通缩压力，货币政策适度宽松，利率整体下行。整体来看，经济恢复进程以及政策预期影响主导国债利率走势。10第一阶段：1 月至 2 月，市场对经济复苏预期较强，通胀温和，货币和信贷开门红，10 年期国债利率短期内明显上行，由 2.80%升至 2.90%以上；第二阶段：3月至 8 月，中国经济弱复苏，有效需求不足，市场主体预期较弱，货币政策保持宽松，10 年期国债利率降至 2.60%以下。二季度 GDP 同比增长 6.3%，但低于市场预期；同时，消费、投资、进出口增速大幅下降，1-8 月，社会消费品零售累计同比降至 7.0%，社会固定资产投资总额累计同比降至 3.2%；进出口同比均跌至负区间，外贸压力凸显。同时，中国物价增长乏力，面临阶段性通缩压力，央行于 6 月、8 月分别降息 10BP。第三阶段：9 月至 11 月，中国经济复苏斜率有所改善，防空转叠加财政发力，资金面偏紧，利率回升至 2.7%。三季度中国 GDP同比增长 4.9%，低于二季度 6.3%，但超市场预期；为防止资金套利和空转以及应对人民币贬值压力，市场资金利率不断抬升；同时财政发力，地方专项债发行节奏明显加快，此外，10 月 24 日，全国人大常委会明确，中央财政将在 2023年四季度增发 1 万亿元国债。第四阶段：12 月，货币进一步宽松预期较强，资金面逐渐宽松，10 年期国债利率下行至 2.6%以下。国内 CPI 同比处于负区间，需求仍就较弱，同时美联储降息预期弱化人民币贬值压力，市场对于货币宽松预期强化。图图 13印度国债利率印度国债利率图图 14俄罗斯国债利率俄罗斯国债利率11图图 15巴西国债利率巴西国债利率图图 16中国国债利率中国国债利率二、全球外汇市场情况（一）美元指数明显回调，其他主要货币普涨（一）美元指数明显回调，其他主要货币普涨2023 年第四季度，美元指数明显回调，其他主要货币兑美元普涨。由于美国经济活动减弱、通胀超预期下行强化美联储降息预期，美元指数由三季度末106.19 下跌至年末的 101.38，回吐三季度的大部分涨幅，与年初水平相差无几。除土耳其里拉大幅贬值和印度卢比小幅贬值外，其他主要货币兑美元均有升值，尤其是前期大幅贬值的俄罗斯卢布和日元有明显反弹。其中，发达经济体中，瑞士法郎、瑞典克朗、日元、欧元和英镑兑美元分别升值 8.76%、8.39%、5.91%、4.42%和 4.39%；新兴经济体中，俄罗斯卢布、巴西雷亚尔、墨西哥比索、人民币兑美元分别升值 8.61%、3.09%、3.00%、2.76%（见图 20）。纵观 2023 年全年，美元指数保持震荡，但波动加剧。全年来看，除日元外，主要发达经济体兑美元升值。其中，瑞士法郎、英镑、欧元、加元分别升值 9.99%、5.29%、3.12%和2.21%，日元贬值 7.02%；除墨西哥比索、巴西雷亚尔外，新兴经济体货币兑美元普遍贬值。其中，墨西哥比索和巴西雷亚尔升值 15.36%和 8.94%，俄罗斯卢布、南非兰特、人民币和印度卢布分别贬值 21.58%、6.94%、2.85%和 0.56%（见图 21）。2023 年，美元指数主要受基本面和货币政策差异以及利差影响，先后经历震荡上涨下跌行情。第一阶段：2023 年年初至 7 月 13 日，在美联储加息放缓、市场对美国经济预期不断反复，欧元区持续加息以及日本 YCC 政策调整预12期的多重影响下，美元指数在 101106 区间波动。期间，3 月银行业危机触发的避险情绪促成美元指数阶段性高点，而美联储 6 月份“跳过”一次加息，促使美元指数扭转上涨势头小幅回调；第二阶段：2023 年 7 月 14 日至 10 月 3 日，美国经济数据超预期和美债利率飙升的驱动下，美元指数一路上涨，由 99.94 涨至107.07，累计上涨 7.33%。其中，欧元兑美元和美元兑日元的走势与美元指数走势均保持一致。第三阶段：2023 年 10 月 4 日至年底，美债利率大幅下行导致美欧和美日利差快速收窄，美元指数大幅回调至 101.38，基本回吐了上一阶段上涨幅度。美元兑日元由 144.307 跌至 149.372，日元贬值 3.39%。展望未来，美元指数或将保持震荡。一方面，美国经济增速放缓、通胀下行的前景，美元指数有下行压力；另一方面，美国经济基本面表现仍好于日欧，在未来欧央行可能先于美联储降息的前提下，美元指数也有上涨动力。图图 17美元指数与国债利差美元指数与国债利差图图 18欧元汇率与欧美国债利差欧元汇率与欧美国债利差图图 19日元汇率与美日国债利率日元汇率与美日国债利率图图 202023 年年 Q4 主要货币汇率变化主要货币汇率变化13图图 212023 年主要货币汇率变化年主要货币汇率变化（二）中美利差触底反弹，人民币贬值压力缓解（二）中美利差触底反弹，人民币贬值压力缓解图图 22人民币汇率与美元指数人民币汇率与美元指数图图 23人民币汇率与中美利差人民币汇率与中美利差数据来源：wind。2023 年第四季度，中美利差触底反弹，人民币兑美元小幅回升 2.85%，人民币贬值压力有所缓解。纵观 2023 年全年，中美 10 年期国债利差驱动人民币汇率波动，由于美债利率波动幅度远大于中债利率，实质上美债利率基本主导人民币汇率变化。围绕中美国债利差变化，人民币汇率大致经历震荡波动-大幅贬值-小14幅反弹三个阶段。第一阶段：1 月至 3 月，人民币汇率基本处于 6.7 至 7.0 区间波动。一季度，美国衰退预期、加息以及银行业危机引发美债利率上下波动；第二阶段：4 月至 10 月，美国经济增长超预期和软着陆预期强化，10 年期美债利率大幅上行，人民币汇率由 6.87 贬为 7.32，累计贬值 6.10%，人民币面临较大贬值压力；第三阶段：11 月至 12 月，美国通胀超预期下行以及降息预期强化，10年期美债利率明显回调，人民币汇率由 7.32 升为 7.09，累计升值 3.18%，人民币贬值压力缓解。2024 年，在美债利率下行的背景下，人民币汇率或将稳中有升，但短期内应关注因美债反弹可能导致人民币贬值压力。三、全球股票市场情况（一）全球主要股市总体普涨（一）全球主要股市总体普涨2023 年第四季度，美股引领全球主要股市普遍上涨。年第四季度，美股引领全球主要股市普遍上涨。受全球利率下行和主要央行货币政策转向降息预期的影响，美股引领全球股市总体普遍上涨。其中，美股三大指数纳斯达克指数、道琼斯工业指数和标普 500 指数分别上涨13.56%、12.48%和 11.24%；法兰克福 DAX 指数、巴黎 CAC40 指数、欧洲证券交易所 100 指数分别上涨 8.87%、5.72%和 5.42%；东京日经 225 指数上涨 5.04%。新兴市场中，孟买 Sensex30 指数和俄罗斯 RTS 指数分别上涨 9.74%和 7.53%。中国市场各大指数延续下跌趋势，其中，沪深 300 指数、中小板和创业板分别下跌 7.00%、3.31%和 5.62%；恒生指数下跌 4.28%。纵观纵观 2023 年全年年全年，全球股市整体大幅上涨全球股市整体大幅上涨，发达市场表现显著优于新兴经发达市场表现显著优于新兴经济体济体。2023 全年，MSCI 全球指数累计上涨 20.09%，发达市场指数上涨 21.11%，新兴市场指数上涨 7.04%。对于发达市场，纳斯达克指数、日经 225 指数和标普500 指数涨幅靠前，分别上涨 43.42%、28.24%和 24.23%。截至 2023 年年末，美股三大股指中道琼斯工业指数创历史新高，纳斯达克指数和标普 500 指数均逼近2022 年初的历史最高值。日本股市走出近十年来最佳表现，日经 225 指数在 11月一度触及 33 年历史纪录高点。对于新兴市场经济体，孟买 Sensex30 指数上涨18.74%，实现连续八年上涨。俄罗斯 RTS 指数也上涨 11.63%。沪深指数和香港恒生指数在全球股票市场中表现垫底。其中，创业板指数、恒生指数、沪深 300指数和中小板指数累计下跌 19.41%、13.82%、11.38%和 8.47%。15表表 12023 年全球主要股票指数涨跌情况（年全球主要股票指数涨跌情况（%）2023 年Q4Q3Q2Q1纳斯达克综合指数43.4213.56-4.1212.8116.77东京日经 225 指数28.245.04-4.0118.367.46标准普尔 500 指数24.2311.24-3.658.307.03MSCI 发达市场21.119.50-2.996.606.96法兰克福 DAX 指数20.318.87-4.713.3212.25MSCI 全球指数20.0910.68-3.815.586.84欧元区 STOXX50 价格指数19.198.31-5.101.9513.74孟买 Sensex30 指数18.749.741.669.85-3.11巴黎 CAC40 指数16.525.72-3.581.0613.11道琼斯工业平均指数13.7012.48-2.623.410.38欧洲证券交易所 100 指数13.315.42-3.640.9910.45俄罗斯 RTS 指数11.637.532.51-1.392.70MSCI 新兴市场指数7.047.45-3.71-0.083.55伦敦富时 100 指数3.781.651.02-1.312.42上证综合指数-3.70-4.36-2.86-2.165.94中小板综指-8.47-3.31-7.42-4.226.75沪深 300 指数-11.38-7.00-3.98-5.154.63深证成份指数-13.54-5.79-8.32-5.976.45恒生指数-13.82-4.28-5.85-7.273.13创业板指数-19.41-5.62-9.53-7.692.25（二）盈利预期提升和利率下降助推美股创新高（二）盈利预期提升和利率下降助推美股创新高图图 24美国股票指数走势美国股票指数走势数据来源：wind。162023 年四季度年四季度，美联储降息预期下美债利率大幅下行美联储降息预期下美债利率大幅下行，推动美股大幅反弹推动美股大幅反弹。2023 年四季度，美国通胀超预期下行强化市场对美联储 2024 年提前降息预期，推动美债 10 年期国债利率从 10 月份 5%的高点大幅下行超过 100BP，美股集体大幅反弹。标普 500 指数累计上涨超 11%。从行业看，只有能源行业下跌超 9%，剩余 10 个行业中，二季度大幅下跌的房地产行业累涨超 18%，信息技术行业紧随其后累涨超 17%。纵观纵观 2023 年全年年全年，估值和盈利共同驱动标普估值和盈利共同驱动标普 500 指数上涨指数上涨。其中，标普 500指数 PE 增长 12.2%，每股收益 EPS 增长 7.8%，贡献标普 500 指数全年上涨 24.2%的绝大部分。从行业来看，2023 年只有三个板块下跌，分别是公用事业、能源和日常消费下跌 10.2%、4.8%和 2.2%；在剩下的 8 个板块中，信息技术、通信服务和可选消费涨幅靠前，分别上涨 56.4%、54.4%和 41.0%，凸显科技股强劲涨势。其中，科技龙头占主导科技龙头占主导。在标普 500 指数 24%的涨幅中，科技“七姐妹”（苹果、微软、Meta、亚马逊、Alphabet、英伟达和特斯拉）贡献超过 15%。英伟达全年上涨近 246%，创 2001 年以来最大年度涨幅；Meta 上涨近 184%，创上市以来最大年度涨幅；特斯拉、亚马逊、Alphabet、微软和苹果分别上涨约 130%、77%、57%、57%和 54%。表表 22023 年标普年标普 500 指数各行业表现（指数各行业表现（%）2023 年Q4Q3Q2Q1信息技术56.3917.38-6.2116.9321.49通讯服务54.369.903.5912.8220.18可选消费41.0412.79-5.5014.3115.76综合综合24.2311.24-3.658.307.03工业16.0411.83-5.006.013.03材料10.238.87-5.042.763.75金融9.9412.43-0.724.83-6.05房地产8.2718.07-9.970.801.04医疗保健0.305.13-2.312.51-4.72日常消费-2.164.54-6.37-0.200.16能源-4.80-9.6213.57-1.79-5.57公用事业-10.207.82-10.28-3.26-4.04数据来源：wind，国家金融与发展实验室整理。17采用 Damodaran 股票估值模型对标普 500 指数价格进行情景分析。Damodaran 模型是对经典股票现金流贴现估值模型DDM（Dividend DiscountModel）的一种扩展。股票价格等于所有未来现金流贴现之和。Damodaran 模型包括两个阶段：未来 N 年内的高增长阶段和 N 年之后长期稳定增长阶段（永续模型）。具体来看：=1()(1 )? ( 1)()(1 )其中，为当前股票价格（股票指数的数值）；为未来第 t 年的现金流，包括股息和回购；为股票或股指预期回报率；为前 N 年盈利增长率；为长期稳定增长率；在高增长阶段：=0 1 1 ；在稳定增长阶段：=1 ；股票风险溢价：=为无风险利率，通常取 10 年期国债收益率；N 通常取 5 年。具体计算过程中，模型的参数包括：（1）未来 5 年盈利增长率；（2）未来无风险利率；（3）长期稳定增长率；（4）股票风险溢价 ERP。我们基于 2023 年 10月 1 日从公开渠道获取的数据，计算基准情形下标普 500 指数内在价值。设定参数基准情形和区间：（1）基于 Factset 的市场调查研究报告，假设未来 5 年盈利增长率为 8.5%。情景假设区间为 5.5.5%；（2）未来 10 年期国债利率为 4%，情景假设区间为 3%5%；（3）长期稳定增长率为 5%，上市公司盈利增长率略高于名义 GDP 长期增长率 4%（2%通胀率 2%实际增长率），情景假设区间为 4%6%；（4）ERP 为 5%，过去 10 年 ERP 均值为 5.35%，情景假设区间为 3%7%。模型计算结果显示模型计算结果显示，当前标普当前标普 500 指数市场价格定价相对合理指数市场价格定价相对合理。依据上述参数基准情形，通过 Damodaran 模型估算，标普 500 指数的内在价值等于 4927.75，比 12 月 31 日市场价格点 4769.83 高 3.31%，处于合理定价区间。未来市场风险未来市场风险18在于盈利不及预期及利率反弹。在于盈利不及预期及利率反弹。标普 500 指数的内在价值等于 4927.75，相较于9 月 31 日估值 3961，显著提升，主要在于未来 5 年盈利增长率由 7%升至 8.5%，市场无风险利率由 4.50%降至 3.88%。在美国通胀下行但短期内保持一定黏性的背景下，美债利率或将震荡下行但短期内反弹风险较大，预计预计 2024 年美股或将年美股或将先抑后扬。先抑后扬。四、大宗商品（一）黄金价格中枢仍有上行空间（一）黄金价格中枢仍有上行空间回顾 2023 年，黄金价格整体呈上行趋势，大体经历了三轮上涨、两轮下跌。2023 年 1 月，黄金价格承接 2022 年末美联储加息幅度边际放缓带来的涨势，但好景不长，2 月份美国通胀回落不及预期、非农数据远超预期，紧缩预期回归，黄金价格下跌并回吐了 1 月的全部涨幅。进入 3 月后，美国银行业危机带动避险情绪上升，金价显著上涨直到 5 月。5 月至 10 月初，此前的避险预期退却，且货币政策方面美联储官方态度持续鹰派，不断引导“higher for longer”的基准利率预期，导致金价向下调整。而这一阶段，人民币相对贬值，所以沪金震荡走高，两者出现背离。10 月中旬至年底，黄金再度上涨。正如我们在 2023Q3 全球金融市场报告中预判的，“强美元叠加巴以冲突，黄金价格将走强”。本轮上涨前期由巴以冲突升级导致，避险情绪推动金价走高；后期则主要受到美联储政策宽松预期影响。图图 252023 年黄金价格走势年黄金价格走势数据来源：wind，国家金融与发展实验室整理。19展望 2024 年，黄金价格中枢大概率继续上行。12 月 FOMC 会议中，美联储已讨论降息时点问题。在降息背景下，美债利率与美元指数都趋于下行，总体推动金价走高。此外，当前地缘冲突时有发生，乌克兰危机以来全球主要央行连续增持黄金（见图 26），黄金作为国家、企业和个人的储备资产的地位显著上升。2024 年，黑天鹅事件担忧仍然高企，叠加美国大选年的政治不确定性，对黄金而言都属利多。但这其中，几方面预期和实际之间的差异仍将反复拉扯。一是宽松预期和实际政策的博弈，市场和美联储都将根据美国的经济表现不断动态调整降息时间和幅度，从而影响黄金波段走势。二是美国财政问题，目前美国赤字规模已经很高，利率高企也导致利息支出和再融资成本不断增加。考虑到此前美国财政对经济软着陆助益颇丰，财政的难以为继可能会显著降低美国经济韧性。三是美国 CPI 是否能如期下行，这其中可能会受到能源、租金和薪资等方面的影响。图图 26乌克兰危机以来全球央行持续净买入黄金乌克兰危机以来全球央行持续净买入黄金数据来源：wind，国家金融与发展实验室整理。（二）油价将企稳震荡，一季度存在中枢下行压力（二）油价将企稳震荡，一季度存在中枢下行压力2023 年，原油价格走势整体可以分为三段。第一段是 1 至 6 月的宽幅震荡行情，市场多空信号并存。其中，利好信号包括中国疫情防控转段后，交通出行需求迅速回升；而阶段性利空因素包括美国三家银行和瑞信的倒闭事件以及美联储的紧缩政策。第二阶段是 7 至 9 月的持续上行。这主要由供需带动，即沙特和俄罗斯两大主要产油国联手减产叠加欧美传统需求旺季。第三阶段是 10 月至年末，油价震荡下跌。供给方面，减产效应减弱，且 11 月 30 日 OPEC 发布的 202420年一季度减产计划并没有新增减产量，弱于市场预期；需求方面，四季度是欧美传统需求淡季。虽然期间有巴以冲突带来的地缘风险，但随着冲突演进，市场预期的失控风险不断减小，风险溢价趋于收敛。图图 272023 年石油价格走势年石油价格走势数据来源：wind，国家金融与发展实验室整理。展望 2024 年，供给方面供给方面，OPEC 组织内部存在分歧。其一是中东产油国存有增产预期，比如阿联酋对本次减产就颇不情愿；其二是安哥拉不满减少产量配额，已经决定退出 OPEC ，这可能会诱导其他中等产油国的不满。目前虽然对2024 年一季度达成了资源减产协定，但这些矛盾只是被搁置和拖延，存在一系列增产压力。不过，经历了 2023 年的超预期增长后，2024 年美国页岩油增产预期较低，这是由于经历了此前一段时间的高速增长，页岩油田密度大幅增加，开采初期红利已经消失殆尽，后续增产动能匮乏。需求方面需求方面，正如本报告全文所述，当前路径下，美国经济增速可能会明显放缓后保持相对稳定，美国石油消费增速可能受到经济下行压力和高利率环境影响而放缓。欧洲方面亦然，经济数据不佳、利率高企叠加财政约束，其原油和成品油需求不容乐观。地缘政治方面，2024年是美国、俄罗斯和乌克兰等国的大选年，中国台湾地区也面临领导更替。特别是美国方面，很可能拿中国台湾问题做文章，中美关系面临新考验。此外，仍需关注乌克兰危机和巴以冲突的失控风险，冲突规模扩大可能影响原油供应。总体总体来看，来看，2024 年油价料宽幅震荡，一季度存在中枢下行压力。年油价料宽幅震荡，一季度存在中枢下行压力。21（三）美联储降息时点将成铜价拐点（三）美联储降息时点将成铜价拐点2023 年，铜价整体在高位震荡，走势可以分为四个阶段。第一阶段是 2023年 1 至 5 月，年初中国疫情防控转段，宏观经济复苏预期强，引领铜价快速上行；但后续实际情况较弱、与预期存在差距，加之美联储继续加息，铜价有所回调。第二阶段是 6 至 7 月的触底反弹，这一阶段自 6 月初美国债务上限达成协议以及美联储暂停加息开始，主要交易美联储货币政策反转预期。第三阶段是 8 至 10月，美联储态度偏鹰，引导“higher for longer”预期，与上一阶段差异较大，铜价进入下跌趋势。第四阶段是 10 月下旬至年末，美国通胀逐渐得到控制，货币政策转向预期重启，同时低库存问题发酵，铜价震荡走高。图图 282023 年铜价走势年铜价走势数据来源：wind，国家金融与发展实验室整理。此前一段货币政策紧缩时期，铜的金融属性被压制，铜价主要受到供需和预期差影响。展望展望 2024 年，如果美联储如预期开启降息周期，铜的金融属性有望年，如果美联储如预期开启降息周期，铜的金融属性有望得到强化得到强化。供给方面供给方面，此前资本对未来经济绿色转型的预期，导致了一批现有铜矿扩产和新建铜矿项目，随着这些项目形成产能，新增供给将逐渐释放。需求方需求方面面，中国国内需求有望稳步增长，传统基建和制造业用铜量具有较强韧性，电力、新能源等重要下游将持续拉动，且中国铜库存长期保持在相对低位，也存在支撑作用。在供需双双齐升的情况下，两方面力量的影响是背离的。因此，美联储在供需双双齐升的情况下，两方面力量的影响是背离的。因此，美联储的降息时点将成为交易核心逻辑，在降息开始前，年初铜价可能偏弱；随着降的降息时点将成为交易核心逻辑，在降息开始前，年初铜价可能偏弱；随着降息空间打开，铜价重心或重新上移。息空间打开，铜价重心或重新上移。22（四）铁矿石供需紧平衡，价格易涨难跌（四）铁矿石供需紧平衡，价格易涨难跌2023 年，铁矿石价格走势大致可以分为三个阶段。第一阶段从 2022 年 11月延续至 2023 年 3 月，铁矿石价格上涨。主要因素是中国宏观预期改善、部分经济数据回暖，支撑铁矿石市场信心。第二阶段从 3 月至 6 月，由于钢厂产量大幅减少叠加供给偏宽，铁矿石价格大幅回落。第三阶段从 6 月至年底，面对美国持续加息，中国国内宽松政策频出，钢厂平控导致钢材减产预期被证伪，高炉开工率持续上升，大幅提振市场信心，增加了铁矿石需求，铁矿石价格震荡回升。图图 292023 年铁矿石价格走势年铁矿石价格走势数据来源：wind，国家金融与发展实验室整理。展望 2024 年，供给方面供给方面，随着铁矿石新项目投产，四大矿山运营状况改善，非主流矿山增产顺利，二者产量可能同步提升。同时，海外发运稳定增长，铁矿石供给扩张预期较为确定。需求方面需求方面，国内房地产行业料应能维持弱稳运行，基建扩张、制造业坚挺，内需存在支撑；但在碳达峰、碳中和的大背景下，对钢材生产的紧箍咒持续存在，值得注意；国际上，美国、俄罗斯、印度、韩国等国家都加大了基础设施建设投资，海外需求亦呈现复苏态势。考虑到库存处于偏低状考虑到库存处于偏低状态，叠加美联储货币政策宽松预期，预计态，叠加美联储货币政策宽松预期，预计 2024 年铁矿石价格易涨难跌。年铁矿石价格易涨难跌。（五）大豆中枢有进一步下行压力（五）大豆中枢有进一步下行压力2023 年，大豆价格中枢整体下降，但存在几番波折。2023 年 3 月，经历了一季度的高位震荡后，随着巴西大豆集中出口期到来，大豆行情主导因素移交至23南美，由于本年巴西大豆显著增产，因此大豆价格持续下行。直到 6 月，巴西大豆出口持续消耗，美豆新作种植开启，行情主导因素转移至美国。随着美国大豆产区天气变化，美豆减产预期刺激大豆价格探底回升。进入 9 月以后，美豆供应利多出尽，同时南美大豆进入种植期，且天气预期良好，叠加美国货币政策持续紧缩压力，大豆中枢整体下行。虽然 10 月巴西中西部旱情支撑大豆价格，但市场对巴西大豆供应担忧转淡，四季度大豆价格整体走弱。图图 302023 年大豆价格走势年大豆价格走势数据来源：wind，国家金融与发展实验室整理。展望 2024 年，南美丰产预期较高。受天气影响，巴西大豆产量不确定性上升，但阿根廷预计产量和出口双双恢复，因此预计预计 2024 年初大豆价格将在震荡年初大豆价格将在震荡中走弱中走弱。2024/25 年度的美豆将于 2024 年 4 至 5 月份播种，此前的厄尔尼诺天气预计会在 2024 年春季结束，其对新作美豆的影响可能很小，美豆产量有望恢复。同时，根据美国农业部（USDA）的预测，美豆种植成本有望进一步下调，届时美豆从量价两方面支撑可能减弱，即 2024 年三季度后大豆价格中枢将有进一步年三季度后大豆价格中枢将有进一步下行压力。下行压力。（六）玉米或仍将维持供大于求局面（六）玉米或仍将维持供大于求局面2023 年，玉米价格走势总体下行，呈下跌、反弹、再下跌的三段走势。2023年 1 至 4 月，玉米价格整体偏弱。这一阶段供给端相对充裕，但在 2023 年一季度期间，玉米种植成本上升和南美玉米产区天气预期较为浓厚，支撑了玉米价格24仅震荡走弱。进入 4 月以后，巴西二茬玉米生长情况良好，美国新季玉米种植面积预期也大幅增加，供给端引领玉米价格下跌。2023 年 5 月至 8 月，玉米价格反弹，主要来自供给端拉动。华北地区在临近小麦收货时期大范围降雨，使小麦对玉米替代减弱，玉米价格因此出现上升。9 月至年末，玉米价格在震荡中逐步回落。供给方面，全球玉米供应较为宽松，特别是国产玉米迎来收获期，产量小幅上升；而需求方面，美国环保署调低了未来两年玉米基乙醇的强制掺混数量，未来需求预期下降。国内养殖业利润持续不佳，因而寻找成本更低的谷物替代玉米，双重因素综合导致玉米价格中枢下移。图图 312023 年玉米价格走势年玉米价格走势展望 2024 年，南美、美国、乌克兰玉米增产预期强烈，作为我国玉米第一大进口国，巴西大豆播种推迟可能会影响二茬玉米的种植，后续需重点关注巴西天气及相关播种情况。国内玉米单产及种植面积也有所增长，这意味着 2024 年年度玉米仍将维持供大于求的局面，价格运行区间或仍将下移。度玉米仍将维持供大于求的局面，价格运行区间或仍将下移。五、数字货币（一）（一）2023 年加密资产回顾年加密资产回顾刚刚过去的一年中，加密资产市场总体在震荡中缓慢上涨。以比特币和以太坊为代表（见图 32），截至 2023 年末，比特币收于 42265.19 美元，较 2023 年初上涨 154.23%；以太坊收于 2281.47 美元，较 2022 年同期上涨 89.97%。具体来具体来看，看，2023 年的价格走势可以大致分为三个阶段：年的价格走势可以大致分为三个阶段：25图图 32比特币和以太坊价格走势比特币和以太坊价格走势资料来源：CoinMarktetCap，国家金融与发展实验室。（1）2023 年初，受上一年 FTX 交易所破产事件影响，加密资产价格从低点起步。2023 年初至年初至 4 月中旬，得益于美国通胀降温、美联储未来加息预期减月中旬，得益于美国通胀降温、美联储未来加息预期减弱等因素弱等因素，加密资产市场流动性环境改善加密资产市场流动性环境改善，价格整体上涨价格整体上涨。其间，3 月初硅谷银行等三家美国银行倒闭事件引起了短暂的回调，但美国政府的迅速反应阻止了金融风险的蔓延。特别是站在加密资产拥护者的视角来看，这一事件恰恰反映了部分准备金制度下银行体系的固有风险，凸显了传统中心化金融的问题。因此，这反而助推了后续一段时间加密资产的上涨。此外，此外，2023 年初人工智能的火热也年初人工智能的火热也是助推因素之一是助推因素之一，AI 在 DeFi、GameFi、NFT、DAO、智能合约等领域都存在应用场景，多家基于人工智能和机器学习的区块链平台相继获得大额融资。（2）2023 年 4 月至 10 月，比特币和以太坊价格宽幅震荡比特币和以太坊价格宽幅震荡。这其中美国的监管态度起到了很大作用。6 月，美国证券交易委员会（SEC）向币安和 Coinbase公司发起提供未经注册的证券等指控，涉及 Solana、Cardano 和 Polygon 等诸多加密资产；此外，币安也一直因其 BNB 和 BUSD 而受到 SEC 的审查，导致这一段时间加密资产市场整体清淡。（3）2023 年 10 月至年末，比特币领涨带动加密资产价格显著上升。这主比特币领涨带动加密资产价格显著上升。这主要是由美国可能批准比特币现货要是由美国可能批准比特币现货 ETF 预期带动的。预期带动的。早在 8 月 29 日，灰度在与SEC 的诉讼中获胜，法官在裁决中指出，SEC 批准比特币期货 ETF 而拒绝灰度将 GBTC 转换为比特币现货 ETF 的决定是“武断且反复无常的”。这一判决意味26着比特币现货 ETF 的获批大概率只是时间问题。10 月 25 日，在美国存款信托与清算公司（DTCC）网站上出现了贝莱德的比特币现货 ETF 拟议代码，导致市场对后市比特币需求放大的预期进一步加强。与此同时，巴以冲突等地缘政治事件也使比特币收获了部分避险需求。在两方面作用下，比特币“逆市”上涨近 70%，以太坊等加密资产亦随之上涨。虽然 ETH 的价格涨幅稍显落后，但经历了 2023年 4 月上海升级以及更多二层应用（Layer-2）拓展后，以太坊的生态系统仍在不断扩大和发展。目前，比特币现货 ETF 已于美东时间 2024 年 1 月 10 日获得 SEC 批准，贝莱德、富达、景顺、灰度等 11 家公司申请的产品获得通过。展望后市，比特币展望后市，比特币现货现货 ETF 的推出是一把双刃剑。的推出是一把双刃剑。一方面，投资者能够通过受监管的产品直接投资比特币，这无疑会扩大比特币的需求，有利于资金进入市场；叠加即将在 2024年 4 月进行的减半，这可能推高比特币价格。同时，监管的介入有机会让比特币更多地沐浴在阳光之下，挤出洗钱、恐怖主义融资等非法交易，有利于比特币长期健康发展。事实上，通过稳定币总市值的变化，已经能够看到显著的资金进事实上，通过稳定币总市值的变化，已经能够看到显著的资金进场势头场势头。如图 33 所示，我们统计了 USDT、USDC、DAI、BUSD 四种代表性稳定币市值。可以发现，2023 年以来由于美国监管趋严、大类资产轮动（美国国债替代稳定币）以及投资者离开加密资产市场等因素影响，稳定币存量持续下降，2023 年 9 月 30 日录得最低值 1159.8 亿美元。而进入 10 月以来，随着比特币现货ETF的预期不断增强，稳定币存量也持续上升，截至2023年末累积回升5.67%，喻示着加密资产市场投资热度的回升。图图 33稳定币总市值在稳定币总市值在 2023 年年 10 月后显著回升（单位：十亿美元）月后显著回升（单位：十亿美元）资料来源：CoinMarktetCap，国家金融与发展实验室。27另一方面，比特币现货另一方面，比特币现货 ETF 也可能带来一些问题。也可能带来一些问题。首先，ETF 的推出将使比特币愈发成为一种风险资产而非货币，它将鼓励投资者通过比特币的价值波动获利，而不是使用它来进行交易。这将进一步破坏比特币寻找实际用途并构建相应生态的机会，意味着比特币将与华尔街的金融机构更深度地捆绑了起来，推动其愈发背离初衷充当去中心化货币、改变传统金融体系。其次，本轮 ETF的推出正值加密货币上涨走势，它们可能重蹈历史上很多主题 ETF 的覆辙，即吸引投资者在高点买入。事实上，ETF 落地后几天的行情已经初见端倪。此前，比特币因 ETF 推出的预期而大幅上涨，然而真到靴子落地后却是“利好出尽”，2024 年 1 月 10 日至 14 日比特币价格连续下跌，跌幅达 10.36%。（二）人民银行数研所参与的（二）人民银行数研所参与的 mBridge 项目取得新进展项目取得新进展2023 年 10 月 31 日，由国际清算银行（Bank for International Settlements，BIS）创新中心、香港金管局、泰国央行、中国人民银行数字货币研究所（下称“数研所”）和阿联酋央行共同发起的 mBridge 项目发布报告跨境支付的多边CBDC 新 尝 试 （experimenting with a multi-CBDC platform for cross-borderpayments），将迄今为止项目的成果做了综述性的介绍，详细描述了 mBridge 平台的定义、遵循的原则、具备的功能和技术特征，并介绍了其在隐私保护、互操作性、法律与治理等方面的情况，可以将该报告看作目前最为全面的 mBridge平台宣传手册。目前，mBridge 项目已经建立了一个用于安全模拟的沙盒环境，供观察成员访问测试。截至报告发布时，已有 11 个观察成员参与了沙盒测试。未来，项目将以打造最小可行产品（MVP）为目标，继续拓展 mBridge 平台的功能和用例，完善法律和治理框架，吸纳更多的参与者。笔者认为笔者认为，至少有四方面内容值得注意至少有四方面内容值得注意。首先首先，mBridge 开发了专用的许可开发了专用的许可型型 DLT，称为，称为 mBridge 分类账分类账，简称 mBL。该分类账支持 Solidity 编程语言，可以加载智能合约。参与 mBridge 项目的中央银行是 mBL 的验证节点，既参与共识机制的验证过程，也具备完整的节点能力；而商业银行作为普通节点，不参与共识形成，但具备完整的节点能力。验证节点和普通节点的区分，通过参与方央行的信用背书，确保了 mBL 分类账的真实可信，也维护了各方央行的主导权力。其次其次，区块链共识机制采用了数研所联合清华大学发布的大圣区块链共识机制采用了数研所联合清华大学发布的大圣（DASHING）协议共识算法协议共识算法。根据现有的披露内容，大圣协议的底层逻辑仍属于拜占庭容错机28制（Byzantine Fault Tolerance，BFT），是许可型 DLT 上一种比较高效的共识算法，能够同时满足高安全、高延展、高吞吐和低延迟的四方难题，为 mBL 的运行提供了自主可控的共识技术基础。再次再次，在互操作性方面在互操作性方面，mBridge 平台可以平台可以通过通过 API 接口连接国内支付基础设施接口连接国内支付基础设施。这个基础设施既可以是 CBDC 系统，也可以是传统的 RTGS 系统，这意味着某个司法辖区即便没有发行国内 CBDC，也可以参与 mBridge 平台，大大提高了平台的普适性。最后最后，mBridge 平台报文使平台报文使用了全球主流标准用了全球主流标准，即基于即基于 ISO 20022 金融信息传递标准设计金融信息传递标准设计，这与这与 SWIFT 主主流报文标准一致流报文标准一致。未来，更多央行和商业银行加入 mBridge，这能显著降低系统对接和数据标准统一的难度。（三）数字欧元进入准备阶段（三）数字欧元进入准备阶段2023 年 10 月 18 日，欧洲央行发布报告数字欧元盘点（Astocktake on thedigital euro），宣布经过前期的调查阶段（investigation phase），欧洲央行管理委员会（Governing Council of ECB）决定将数字欧元研发工作推进至准备阶段（preparation phase）。该报告详细归纳了调查阶段对数字欧元形成的共识，包括引入数字欧元的动机、数字欧元的设计特征、公私合作的模式以及其将如何促进金融普惠和保障用户隐私。从终端使用者视角，欧洲央行具体介绍了数字欧元的适用范围，注册、充值、线上和离线支付的方式等设计考量。特别地，为减轻数字欧元发行对商业银行的影响，欧洲央行将设定每类用户的数字欧元持有量上限，以防止金融脱媒。其中，零售用户的持有量上限为正；而商业用户和政府部门的持有量上限将为零，这意味着他们收到的数字欧元将自动转入其银行账户。在公私合作方面，欧洲央行将负责数字欧元结算、数字欧元 app 开发、相关法律和规则框架的制定、维护用户注册信息、开展反欺诈和风险管理、以及可能提供的多货币功能等事务；而私人部门的支付服务提供商（payment serviceproviders，PSPs）则负责面向用户的注册/注销、支付发起与合规审查、流动性管理和交易管理等事务。根据欧洲央行的设想，一个用户只能拥有一个数字欧元账户、对应一个 PSP，为避免用户被某个 PSP 深度捆绑导致垄断，欧洲央行要求PSPs 必须为客户提供“携号转网”服务，即可以快速、无缝地将数字欧元账户从一个 PSP 转移到另一个 PSP。在商业激励和成本分摊方面，欧洲央行指出，发29行数字欧元与发行纸币类似，数字欧元作为一项公共产品，欧洲央行将承担其自身的运营成本，个人用户可以免费使用数字欧元的基本功能。对于私人部门而言，PSPs 被允许收取与其他电子支付工具类似的费用。由于数字欧元的使用会产生网络效应，因此商户和 PSPs 将获得足够的经济激励以参与数字欧元的分发和推广。总体来看，欧洲央行主要关注总体来看，欧洲央行主要关注 CBDC 带来的支付数字化升级、隐私保护和带来的支付数字化升级、隐私保护和维护欧元货币主权这三大问题维护欧元货币主权这三大问题。欧洲央行认为，数字欧元能够为最广泛的群体提供一种通用、可得的央行货币，能够最大限度地减少对私人货币的依赖，在全球政治经济环境动荡和地缘紧张背景下，有助于增强欧洲的战略自主性和弹性。为此，欧盟委员会已于 2023 年 6 月公布了相关提案，这标志着数字欧元立法程序的启动。接下来的准备阶段将从 2023 年 11 月起持续两年，欧洲央行将积极推动相关立法法案的通过，同时对数字欧元开展进一步的试验。版权公告版权公告：【NIFD 季报】为国家金融与发展实验室版权所有，未经版权所季报】为国家金融与发展实验室版权所有，未经版权所有人许可，任何机构或个人不得以任何形式翻版、复制、上网和刊登，如有违有人许可，任何机构或个人不得以任何形式翻版、复制、上网和刊登，如有违反，版权所有人保留法律追责权利。报告仅反映原文作者的观点，不代表版权反，版权所有人保留法律追责权利。报告仅反映原文作者的观点，不代表版权所有人或所属机构的观点。所有人或所属机构的观点。制作单位：国家金融与发展实验室。制作单位：国家金融与发展实验室。

0人已浏览 2024-02-22 36页 5星级

寿险渠道专题研究（二）他山之石银保篇，推动银保合作向更紧密的模式转型行业深度报告 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。行业报.

0人已浏览 2024-02-22 18页 5星级

敬请参阅最后一页特别声明-1-证券研究报告 2024 年 2 月 19 日 行业研究行业研究 量优质高的亲周期正循环量优质高的亲周期正循环 江苏地区商业银行投资价值分析报告 银行业银行业 江苏省经济. 

0人已浏览 2024-02-22 35页 5星级

 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。银行行业 行业研究|深度报告 2023 年银行间流动性回顾. 

0人已浏览 2024-02-22 22页 5星级

 请务必阅读最后一页股票评级说明和免责声明请务必阅读最后一页股票评级说明和免责声明1 1证券证券证券行业年度策略领先大市证券行业年度策略领先大市-A(维持维持)政策催化模式变革，提前布局静待花开政策催化.

0人已浏览 2024-02-22 37页 5星级

上海交通大学中国金融研究院/蚂蚁集团研究院/蚂蚁理财智库中国居民投资理财行为调 研 报 告年月“数字经济开放研究平台”系列研究 近年来，随着经济发展、居民收入提高、人口结构变动以及城市化进程，居民家庭理财的需求在过去不断增长的基础上进一步加速增长。同时，我国金融市场的建设进程加快，金融服务和金融产品也在不断丰富。在这个大背景下，上海高金和蚂蚁集团合作的居民理财调研报告完成并发布恰逢其时、很有意义！报告有以下特点：一是注重调研主题的针对性 只有了解居民理财状况直面居民理财中的实际问题，才能准确把握居民理财的实际需求。比如，如何用金融服务匹配和满足居民投资理财“增长加速”的新要求？如何更好推动普适性的理财观念、改善居民理财投资管理的水平、提升理财效率？如何为居民理财提供更好的环境？这些问题在居民理财迅速发展的阶段都显得尤为重要。没有调查，就没有发言权。回答以上问题需要深入了解居民理财的现状，分析居民理财的行为，研究居民理财行为背后的经济原理和逻辑，从而帮助居民把握理财投资的发展趋势，更好地将其需求与金融机构的产品和服务进行匹配。这是本次居民理财调研的初衷和意义。二是注重调研方法的系统性 这次调研结合了上海高金的学术优势和蚂蚁集团的平台优势，以系统理论为指导，形成了完整的问卷设计-数据分析-报告撰写逻辑。通过合理的问卷设计，调研从居民的基本财务情况出发，先通过财务规划与目标、养老规划、风险管理意识、负债管理能力四方面的了解，对他们的金融健康水平进行基础性评估，再逐渐深入到配置、选品、长期投资等投资理财行为，讨论其现象、特征与背后的原因。在调研的基础上，形成了本次 中国居民投资理财行为调研报告。报告总结了调研的统计结果，描绘了居民的投资理财的现状和行为特征，并分析这些特征背后的经济学原理和形成机制。通过本次调研报告，我们可以看到居民投资理财的需求在高速发展，保障意识在逐渐增强、投资理财观念在逐步转变。同时也存在金融素养有待提升、风险意识需要加强和行为偏差需要纠正等问题。三是注重调研结果的实践性 调研的目的是为了更好地促进居民理财市场的不断完善和发展，这对于居民财产性收入、对于融资体系健全、对于资本市场发展都有重要意义。整体来说，报告展现了我国居民当前投资理财的现状，有助于保持居民理财选择的客观性、资产配置的科学性，也有助于普及投资理财意识和提升居民金融素养。同时也对金融机构了解市场现状、提供与之匹配的金融产品和服务起到参考和借鉴作用。本次调研只是起点，希望居民投资理财调研和报告能定期持续进行。相信通过一定频次的调研和分析积累，系列报告将展现出更加持续和深远的影响。希望系列报告成为居民了解投资理财趋势的“晴雨表”、提升金融素养的“参考书”和风险防范的“警报器”，产生更多的社会价值。是为序。屠光绍上海交通大学上海高级金融学院执行理事中国居民投资理财行为调 研 报 告本报告旨在持续关注我国居民的投资理财行为及特征,反馈居民金融健康状况。报告从居民的财务目标与规划、养老规划、风险管理意识、负债管理能力等方面评估居民的金融健康状况，从居民的配置行为、选品行为、长期投资行为等方面描绘居民的投资理财行为特征。在金融健康度方面，具体发现如下：居民财务规划及设立财务目标的热情回落，采取财务规划举措的人群数量有所下降。养老成为居民长期理财规划的主要目的，但个人养老金仍待普及。居民仍具备较强的风险管理意识，家庭备用金渗透率小幅下降，保险配置比例稳定增长。部分居民的负债管理仍存在问题，相较于上一年度，债务负担呈现两极化的特点，无负债和高负债比例增加，健康负债范围的比例降低。在投资理财行为方面，具体发现如下：居民期望收益逐渐降低，期望收益和实际收益落差逐渐缩小。居民理财产品配置偏好更加集中和偏于保守。公募基金配置继续降低，其中权益类配置降低、固收类增加，体现出避险的特征。居民整体保险产品配置比例稳中有升，相较于传统寿险和财产险，年金险的配置比例提升。居民对理财产品的选择回归理性，对成本更加敏感，对明星基金经理和基金公司品牌的关注倾向减弱。基金投顾的使用增加，但对基金投顾的价值认知仍存在偏差，更看重基金投顾的产品价值而非服务价值。居民长期投资行为呈现出两极化，部分居民逐渐建立长期投资意识，对产品亏损时间容忍度上升。主要发现中国居民投资理财行为调 研 报 告根据国家统计局的数据，从年到年，我国居民人均可支配收入从元增长到元，增长了近倍。改革开放余年，我国基本民生得到有力保障，城乡居民的人均可支配收入实际增长倍，消费水平大幅提高。随着我国经济社会的转型以及资本市场的迅速发展，居民对金融行业和金融产品有了更多的了解，加之存款利率下降，居民不再满足于只将资金放入银行储蓄账户。在发达国家，提供个人及家庭的投资理财规划是商业银行的主要业务之一。在我国，投资理财服务也逐渐受到居民青睐，尤其是近年来互联网金融及理财平台的发展，更是推动全民理财时代的到来。为了解我国居民投资理财现状，上海交通大学中国金融研究院联合蚂蚁集团研究院和蚂蚁理财智库于年开始通过线上调研平台对不同年龄段、不同地区的支付宝活跃用户进行问卷调研。基于调研而发布的 中国居民投资理财行为调研报告 持续关注我国居民的投资理财行为的主要特征。报告从居民的财务目标与规划、养老规划、风险管理意识、负债管理能力等方面评估居民的金融健康状况，从居民的配置行为、选品行为、长期投资行为等方面描绘居民的投资理财行为特征，并分析这些特征背后的形成机制。同时，通过每年数据的变化，报告观察我国居民在投资理财行为方面的改变，并力图解读变化背后的原因，为居民的投资理财提供体系化的分析视角，从而引导居民提升投资理财的科学性。报告结果还为财富管理机构进一步发展个人及家庭投资理财规划业务起到参考和借鉴作用。研究背景年居民收入和消费支出情况，国家统计局，年月。注解：中国居民投资理财行为调 研 报 告随着国民经济的增长，居民财富规模在不断增长，人们对于财富管理和投资理财的需求也日益增加。在探讨居民投资理财的话题时，我们首先需要了解居民的财务现状，然后从财务规划与目标、养老规划、风险管理意识、负债管理能力四方面对他们的金融健康水平进行基础性评估，并从配置、选品、长期投资三方面分析居民投资理财行为特征。本调研问卷于年月通过支付宝消息盒子对周岁以上的活跃用户随机投放。经过周，共回收有效答卷份，具有一定的样本代表性。样本主要有以下两个特点：一是，有别于基金公司、证券公司和银行等金融机构的理财调研，本次调研样本覆盖我国各地区、各年龄段、各行业的居民。二是，样本具有年轻化的特征，本次调研相较于去年的样本年龄层略有提升：参与调查的居民中，-岁人群占比最高，为%；岁以下人群占比次之，达到%。参与调查的居民中男性居多，占比%；来自广东省的最多，占比%，上海市次之，为%；%的居民学历为高中学历至本科学历之间；%的居民年收入分布在-万；%的居民主要收入来源为工资收入；%的居民可投资资产在万以内。调查内容主要涵盖居民基本信息、金融健康度及投资理财行为三个板块（图）。研究内容一、问卷调查及设计图 中国居民投资理财行为调查问卷框架居民基本信息财务规划与财务目标年龄 性别受教育程度年收入水平及来源投资经验风险偏好理财信息与服务获取渠道金融健康度投资理财行为是否有财务规划配置行为养老规划情况风险管理意识负债管理能力期望收益与实际收益投资理财产品配置偏好保险配置行为选品行为选品重点考虑因素和理性程度投顾服务使用情况和评价长期投资行为持有时长现状持有收益变化对持有行为的影响负债收入比家庭备用金情况保险配置情况中国居民投资理财行为调 研 报 告本研究在蚂蚁集团域内的蚂蚁开放研究实验室（简称“实验室”）远程开展。由蚂蚁集团研究院课题组成员对数据进行抽样、脱敏。由上海交通大学中国金融研究院课题组成员远程登录“具体数据不可见”的实验室进行实证分析。本研究使用的所有变量来自于随机在线调研。https:/ 研 报 告本次调研发现，我国居民整体呈现出对家庭财务措施热情下降的趋势，理财产品的投资仍然较为集中且更加保守，养老成为长期理财规划的首要驱动力，且居民负债管理存在两极分化的情况。调研的具体结论如下：（一）年采取家庭财务管理措施的占比整体下降，家庭财富管理热情下降。具有纪律性的财务规划习惯是居民财务健康的衡量指标之一。有%的用户并没有采取过任何类似规划、目标、记账、定投等财务措施，与去年的数据持平。备用金、记账和购买保险等财务措施有所减少，其中受市场情况的影响，定投的减少最为明显。从调研数据来看，居民设立财务目标和进行财务规划的意识仍然有待提高。尤其在相对弱的市场环境下，财务规划的重要性更加凸显。财务规划习惯的养成和提升，一方面需要居民了解财务规划方法和工具，另一方面也受居民金融素养、文化习惯等长期因素的影响。因此，养成和提升财务规划的习惯可能仍需要长时间的金融教育，绝非一蹴而就。（二）养老成为居民长期理财规划的主要目的，居民对补充养老话题关注度持续提升，个人养老金产品有待进一步宣传普及。在今年的调研结果中，我们看到配置年金险的家庭比例相较去年有所提升。与之相对应，将长期理财用作补充养老金的居民比例继续大幅提升，由年的%、年的%提高至今年的%，尤其是岁以上群体中，该比例达到了%。这可能来自于居民对于我国老龄化社会的前景预判和对目前养老金现状的评估。同时，我国养老体系的转型和健全发展问题也在研究和探索之中。为了缓解单一的、以政府为主导的社会养老金制度在人口老龄化环境下所面临的平衡难以持续、负担不断加重的问题，养老三支柱模型将成为必然的趋势。以发达国家为例，美国补充养老金规模呈波动上升趋势，近年年均复合增长率为.%。截至年末，美国补充养老金规模达到.万亿美元，同比增长.%。在养老金规模上升的同时，其在GDP中的占比也持续上升。年，美国GDP共万亿美元，补充养老金占GDP比重为%，创历史新高。就家庭资产而言，养老金日渐成为美国家庭投资理财的重要途径之一，在美国家庭金融资产中的占比逐渐提高。自年起，补充养老金在美国家庭金融资产中的占比稳定在%至%之间。截至年月日，美国退休资产总额为.万亿美元，占美国所有家庭金融资产的%。二、居民金融健康度调查ICI The US Retirement Market Fourth Quarter 注解：图 居民家庭财务措施%留有家庭备用金（现金/活期存款/货币基金）购买保险做长期或短期的财务规划记账执行定期存款或定投基金设定财务目标没有以上任何财务措施 年 年 年您采取了以下哪些家庭财务措施（多选）中国居民投资理财行为调 研 报 告借鉴国际经验，我国正在快速地进入多层次、多支柱养老保险体系框架的搭建。年底，备受瞩目的个人养老金制度正式实施，各部门包括财政部、税务总局、银保监会和证监会都就个人养老金制度颁布了具体的运作流程、税收政策和相关业务管理办法；同时，地方政府如北京、上海、广州等个城市率先启动试点。这些举措标志着作为第一支柱补充的第三支柱个人养老金制度在我国进入实质性推动落地阶段。本次调查新增个人养老金产品相关问题，以关注居民对此次养老金制度改革的态度。调查发现，尽管个人养老金产品的推出引发了社会广泛热议，但实际上产品普及率仍然较低，受访者中有%尚未开立个人养老金账户，%未购买个人养老金产品。岁以上人群较为关注补充养老话题，但对个人养老金的购买比例却并未高于全部样本。同时调研发现，年收入越高的群体，选择购买个人养老金产品的比例越高。对于产品不了解和产品吸引力不足是个人养老金产品推行的最大阻碍。从年龄细分来看，岁以下和岁以上人群更多表示不了解个人养老金产品，这可能与他们对补充养老问题的关注度较低有关；而岁至岁人群对现有个人养老金产品不满意的比例相对更高。另外，按照目前的税收政策，个人养老金产品费用可在税前据实扣除，领取时单独计算缴纳%的个人所得税。对于应纳税额在.万以上（即原本个人所得税率在%以上）的居民而言，可以通过购买个人养老金产品享受到税收优惠，且年收入越高的群体可享受的税优更多。但年收入万以上受访者中，超三成表示税收优惠力度不够大，比例高于全部样本一倍以上。受限于元/年的产品购买限额，对于高收入人群而言个人养老金产品可以帮助节税的空间有限，这可能是其对于税收优惠不满意的原因所在。图 不同收入群体购买个人养老金产品的比例不同收入群体购买个人养老金产品的比例%万以下-万-万-万万以上不清楚或不方便透露%图 未购买个人养老金产品的原因您未开户或未购买养老金产品的原因？（多选）%不了解个人养老金产品对个人养老金产品不满意个人资金不足税收优惠力度不够大中国居民投资理财行为调 研 报 告（三）中国居民仍具备较强的风险管理意识。.家庭备用金渗透率小幅下降。中国居民的风险管理意识主要体现在应急金和保险的使用两个方面。家庭应急金或称为家庭备用金，由于其应急的属性，通常以现金、活期存款、货币基金等流动性高资产的形式存在，额度一般覆盖-个月的家庭日常开支。与去年稳中有升的数据结果不同，今年有家庭备用金的比例从去年的%降至%。合理的备用金准备率有助于居民更好地应对短期风险，但备用金的储备取决于居民的风险意识、收入能力以及对短期开支的压力等。考虑到今年经济的复杂程度，备用金的渗透率波动尚在合理范围。.居民保险配置比例保持稳定增长，%的受访居民购买过保险，相较去年提升了个百分点。年金类保险配置比例继续提升，寿险、财产险比例下降。随着居民保险意识不断提高，商业保险将逐渐成为社保的必要补充。%的受访者购买过保险，该比例相较于去年继续提升，说明中国居民对风险管理的关注仍在持续。相较于去年的保险配置情况，今年的调研显示出在具体保险类别上的一些变化。寿险和财产险的配置比例下滑，年金险受欢迎，一定程度上也反应了居民理财对确定性偏好的提升。（四）负债整体略微下降，月度负债程度呈现两极分化。适当的负债可以帮助居民改善生活、提高资金的利用率，例如，可以以未来的收入为保证，通过房贷和车贷提前满足居住和出行需求。虽然负债应当是适度的，但鉴于每个家庭都有着不同的家庭结构、收入水平、个人偏好等，很难有一个统一的适度标准。我们通过月度还款比例（月度负债占家庭月收入的比例）来衡量债务对家庭生活的影响。月度还款占比越高意味着用于生活消费和储蓄的钱越少，从而侵蚀家庭资产，影响生活品质。尤其当个人和家庭遇到紧急情况时，负债过高会加重财务负担。从受访用户月度负债占家庭月收入的比例来看，仍有相当部分居民存在负债管理的问题。样本中有月度负债的用户降至%，较去年减少个百分点；每月还款比例在月收入的%以下的人群占比下降个百分点，仅有%。月度还款比例高达%以上的居民占比增加了个百分点。负债人群规模整体减少，但超过%负债收入比的人群数量在增加，债务结构相对更加两极化。图 居民每月负债收入比%无负债每月还款占家庭收入%以下每月还款占家庭收入%-%每月还款占家庭收入%-%每月还款占家庭收入%以上您当前每月的负债收入比情况是？中国居民投资理财行为调 研 报 告三、居民投资理财中的行为特征调查结论居民投资理财行为涉及的方面众多，根据居民理财的过程进行分类，本次调研主要关注：大类配置的行为（居民投资收益期望、投资理财产品配置偏好、保险配置行为等）、选品行为（选择理财产品和购买基金时的考虑因素，以及投顾使用行为）、长期持有行为（持有时长现状、持有收益变化对持有行为的影响、追涨杀跌行为）等方面。与前两年相比，居民投资收益期望和实际收益之间落差缩小，理财产品配置偏好更加集中和偏于保守，对理财产品的选择回归理性，专业投顾使用增加，持有期限分化，追涨杀跌现象仍客观存在。（一）配置方面，收益期望逐渐理性，低风险资产和保险配置增加，显得更加保守。.居民收益期望逐渐回归理性，期望收益和实际收益落差逐渐缩小。）居民对投资收益的期望继续下降。对于投资的年化期望收益在%以内（包括“不亏就好”）的受访用户数量连续两年增加，从年占比为%，年增至%，到今年超过半数，占比约%；超过%收益预期的各区间比例均有下降。年收益期望在%-%的用户占比为%，年这一比例为%，今年则为%。值得注意的是，具有高收益期望的人群数量继续明显减少，今年收益期望超过%的用户继去年自%跌至%之后，今年进一步降低至%。实际上，收益期望超过%的人群规模都在下降，年占比为%，年占比%，今年则仅占比%，连续两年降幅令人瞩目。这一方面说明人们的收益期望逐渐回归理性，另一方面也体现出对市场预期的不乐观。）实际收益情况连续两年降低，亏损人群比例小幅增加。如数据所示，年全年实现正收益的受访者比例为%，相较年度的%和年度的%呈继续下降趋势。按照收益细分，年实现收益超过%的受访者有%，年相对应的占比为%，而年仅为%；年实现收益超过%的受访者占%，年相对应的占比为%，而年仅为%。近两年实现高收益的居民比例大大降低。图 居民的投资理财期望收益您对投资理财的年化收益率预期多少？%保值-不亏就好%-%-%-%-%-%-%以上 年 年 年您的理财的年化收益率是？图 居民的投资理财实际收益 年 年 年%亏%以上亏%-%亏%-%亏%-%大体不赚不亏赚%-%赚%-%赚%-%赚%以上中国居民投资理财行为调 研 报 告）预期收益与实际收益落差收窄。期望收益是人们对投资收益的主观期待，而实际收益是人们获得的客观投资结果。这中间会存在一定的差值，而差异的大小取决于个体对市场、工具、投资经验乃至自身决策水平的评估。今年收益预期超过%的人群占比是%，实际收益超过%的人群是%，差值为%。而去年这组数据差值为%。相比去年，差值有较大幅度的减小。其中，超过%收益预期的人群由%降至%，实际%收益以上的人由%降至%。高收益预期人群占比下降比例远超过实际高收益人群的下降比例，是差值收窄的主要原因。比较实际收益的区间分布，可以看到，相较于年的调研，今年实际获得超过%收益的人群下降、亏损人群增加。预期收益和实际收益的差值收窄，一定程度上反映了居民对理财收益的态度逐渐恢复理性，对风险收益一致性的理解在逐渐加深。今年可以看到居民配置中低风险资产、固收类资产增配明显，理应是获得相对稳健的固定收益。结合收益期望在回归合理区间的现象，可以看到居民在弱市场中逐渐调适了风险收益的匹配度。除了结果显示出的匹配度增加之外，受访居民从主观上体现出对自己风险承受能力的确认。%的受访者坚持了自己的风险承受等级，相较于去年的%有明显增长，而认为自己高估和低估风险承受能力的群体都有所下降。即便如此，定期对自己的风险承受能力进行重新的评估，对财务状况变化可能性较高的年轻群体而言仍是十分必要的。.居民的理财产品配置偏好更加集中和偏于保守。公募基金配置继续降低，其中权益类配置降低、固收类增加，体现出避险的特征。资产配置是指根据投资需求将投资资金在不同资产类别之间进行分配，例如将资金在低风险、低收益的债券与高风险、高收益的股票之间进行分配。多元化的资产配置利用不同资产之间的走势差异，降低投资组合波动率来降低风险，从而降低投资亏损的概率。银行存款类、公募基金和债券类是仍然是年居民投资比例最高的三项资产。其中债券类资产在年取代股票成为居民配置最多的三类资产之一后，今年继续增加个百分点，达到%。公募基金配置仍居于居民配置品类的第二位，但比例继续大幅下降，从年的%到年的%降至今年的%；而图 居民对个人风险承受等级的评估经历年的弱势市场，您是否对个人的风险承受等级有新的判断？%不清楚-记不得我的评测等级有-我的实际承受能力比评测等级更低有-我的实际承受能力比评测等级更高没有，坚持原风测等级图 居民投资理财实际收益区间的占比变化实际收益不同区间占比变化（-）亏%以上-.%亏%-%.%亏%-%.%大体不赚不亏.%赚%-%-.%赚%-%-.%赚%以上-.%赚%-%.%亏%-%.%中国居民投资理财行为调 研 报 告从公募基金配置种类的问题回答可以看到，选择公募基金的受访者也有大部分配置的是偏债的公募基金。这进一步加剧了居民资产配置的集中度，提高了偏债资产的配置比例。私募基金、房产配置有微弱降低。整体来说，权益类配置（股票 公募基金 私募基金）整体呈现出下降的趋势，资产配置的风险偏好下降。同时，调研关注了居民在未来对这些配置品类的增减持意愿。公募基金、信托、股票、投资性房产的增持意愿持续走低，存款、债券类配置意愿仍在增加。这可能导致未来一段时间居民资产配置的集中程度继续增大。.整体保险配置比例稳中有升，健康险、财产险小幅下降，年金险配置比例有所增加。保险是风险管理的一种重要工具。从财务规划而言，保险的作用是补偿未来不确定性风险所导致的损失。从资产配置的角度而言，保险产品也是居民家庭资产配置中非常关键的基础资产，能够增加资产配置多元化和资产安全的保障性，是整个资产组合的压舱石。您目前投资比例最高的三项理财资产是？图 居民投资理财配置最多的三种资产 年 年 年%银行存款类（包括活期存款、定期存款）偏债类（包括债券或其它固定收益类产品）公募基金（包括货币市场基金、股票型基金、债券型基金、混合型基金等）金融衍生品（包括期货、期权、融资融券等）私募基金信托类产品房地产投资海外市场投资其他另类投资（包括贵金属、艺术品、收藏品等）股票%您的公募基金投资中，最主要的是？图 居民公募基金投资类型 年 年 年%货币市场基金%债券基金混合型基金股票基金我没有公募基金投资%中国居民投资理财行为调 研 报 告今年的调研中，中国居民在保险类产品的配置行为有如下特点：）健康险仍是首选，年金险有所增加。在已配置保险的受访者中，对于保险产品的配置顺序，居民会优先考虑医疗险、重疾险，其次是意外险、寿险，然后再考虑年金险和财产险。如图所示，年配置人身保险的家庭比例较去年有明显下降，配置医疗险、重疾险的比例由%下降至%，配置意外险、寿险的比例由%下降至%；年金险的配置比例从%小幅增加至%，另有%的家庭配置了中短期理财险。接近%的家庭未配置任何类型的保险，保险渗透率有所增加。年金险的增配，体现出居民对长寿风险的关注。在我国社会结构趋于老龄化而社保退休金替代率承压的情况下，年金险具有长期支付的明显优势。结合前述个人养老成为居民长期理财的首要驱动的结果，年金险作为养老产品的一种仍具有较为广阔的空间。）近%的受访者不了解保险配置的合理顺序。当问及家庭购置保险时对被投保人的考虑顺序时，%的受访者会优先考虑家庭支柱，即家庭收入来源，其余近六成受访者则倾向优先为老人、小孩和重要财产投保。保险从经济角度来看既是一种金融工具，也是一项重要的风险管理手段，可以起到转移风险、补偿损失的作用。对于家庭而言，如果经济支柱出现意外，势必会对整个家庭经济收入带来重大影响，从而减损家庭承担赡养老人和抚养孩子的能力。因此，家庭配置保险的合理顺序应当是家庭的经济支柱优先，而后再根据家庭预算为老人和孩子配置保险产品。做好经济支柱的风险保障，是夯实家庭经济稳定的基础。在具体的险种选择上，应该根据家庭收入和支出情况量入为出，酌情考量。例如，对于中低收入家庭而言，可以选择配置低保费、高保额的高杠杆险种，如医疗险、重疾险、意外险和寿险等，以满足家庭的基本保障。而对于高收入家庭，在做好与收入水平相匹配的基础保障之后，可以选择用闲置资金配置年金险等储蓄类保险产品，作为一种长期投资手段。图 家庭保险配置类别您家庭配置了哪些类型的保险产品？（多选）%医疗、重疾险意外险、寿险长期年金险（年期及以上）中短期理财险（-年）家庭财产保险没有以上任何保险配置 年 年 年图 家庭保险配置顺序当您为家庭购置保险时，优先考虑的是？%老人小孩家庭支柱（收入来源）重要财产%中国居民投资理财行为调 研 报 告（二）选品方面，居民对理财产品的选择回归理性，专业投顾使用增加。.居民选择理财产品时更加理性，成本敏感度上升。影响长期投资的因素是多样的。首要的是回报的波动性，许多投资者会基于基金的短期业绩表现频繁申购赎回。在筛选能力没有提高的情况下，频繁申赎看似增加了投资的机会，实际上只会增加购买成本以及面临择时错误的风险。其次，投资期限可能和投资者在选择基金时所关注的重点要素相关。如果投资者不了解理财产品的收益逻辑，对产品经理没有充分的信任，而仅仅依赖别人的推荐或停留在一些表面数据而选择基金产品的话，很难做到长期持有。尤其是信息过载的时代，居民通常有过多的渠道获得大量的信息，而处理、甄别这些信息，从中获得有价值的内容也并非易事。年的调研结果显示，投资者对于基金公司品牌和明星基金经理的关注倾向明显减弱，对基金公司品牌的关注比例由去年的%下降至%，对明星基金经理的关注比例由%进一步下降至%。可能是受到市场风格切换后明星基金经理“翻车”事件影响的结果。历史收益仍是投资者购买基金最关注的因素，占比为%，较去年小幅下降个百分点。在众多因素中，投资者关注度仅在销售费率这一因素上有所提升，由年的%、年的%，提升至今年的%。在投资理财渠道选择的问题中，今年同样有更多受访者基于费率考量选择投资渠道，可见居民对费率的关注度明显增加，原因或与去年市场波动情况有关，投资者对购买成本更加敏感。同时，与个人匹配的投资期限与理财规划中的目标相关。适当进行理财规划可以帮助居民更好地厘清自己在各个时间点的财务需求，不仅确定实现目标的时间期限，并根据目标的性质和期限来匹配不同持有期限、不同收益的资产类别。通常，长期投资没有明确的时间定义，但有的可能意味着五年或更长时间，理财规划中养老和教育目标规划大多也超过五年甚至更长。了解何时需要退出投资的资金，将更好地帮助居民了解如何选择适当投资以及应该承担多少风险。专注目标将有助于降低其它噪音对长期持有的影响。当您考虑购买一只基金的时候，您最关注哪些因素？（多选）图 购买基金时的关注因素 年 年 年%历史收益高基金的投资策略和逻辑基金封闭期的长短销售费率低基金公司品牌购买渠道的推荐朋友推荐或熟人推荐明星基金经理新发基金%中国居民投资理财行为调 研 报 告.尝试专业投顾业务的人群增加，居民对专业投顾的信任在逐渐建立。理念仍待更新，居民更关注投顾的产品价值，而非其服务价值。公募基金投资顾问业务，主要是指拥有相关资质的基金投资顾问机构，接受客户委托，在客户授权的范围内，按照协议约定为客户进行基金具体品种、数量和买卖时机的选择，并代替客户开展基金产品申购、赎回、转换等交易申请的业务。就我国而言，年月，证监会发布 关于做好公开募集证券投资基金投资顾问业务试点工作的通知，基金投顾业务由此启航；年月，证监会起草 公开募集证券投资基金投资顾问业务管理规定(征求意见稿)并向社会公开征求意见，旨在进一步完善公募基金投资顾问业务法规体系，为业务活动长期、规范、健康发展提供有力法治保障。至此，基金投资顾问业务试点在历经三年零八个月的运行后，终于有望正式转为常规业务，成为中国资本市场又一里程碑事件。从证监会公布的数据来看，基金投资顾问业务试点期间业务规模实现了平稳有序的扩展：年月，基金投顾服务资产仅约亿元，服务投资者约万户；而到了年月，服务资产规模已达亿元，客户总数万户。在投资者对公募基金热情减退的市场形势下，基金投顾业务规模逆势扩张，显示出良好的发展前景。本次调研继续考察了居民对基金投顾业务的部分问题，以评估基金投顾的市场接受度和认同度。）尝试基金投顾的居民进一步增加。经过将近四年的试点，各机构通过投资者教育、市场宣传等，使得居民了解基金投顾的理念、优势等。从调研结果来看，去年尝试过基金投顾的受访者占比为%，而今年占比增加至%，市场对于基金投顾业务的接受度有显著提升。对于未尝试基金投顾的投资者而言，最大原因是对新兴业态不了解，持谨慎态度（%），其次则是认为自己可投资资产较少，没有必要（%），而收费并不是投资者顾虑的主要原因。用户对投顾业务模式的不了解和对新兴金融业态的警惕心，相信将在业务常规化发展后得到进一步纾解，同时也有赖于各家机构持续开展投资者教育，给予投资者信任感和安全感。）居民更看重投顾的产品价值而非服务价值。与去年的调研结果相似，今年大部分受访者依然认为基金投顾的价值主要在于偏产品类的价值，例如提升收益（%）、规避风险（%）或兼顾收益和风险（%）。就产品价值而言，数据证实基金投顾的用户在近一年较为波动的市场环境下确实收获了相对更好的投资体验。年月发布的 试点三周年 基金投顾业务发展白皮书（）显示，从盈利占比来看，近年基金投顾盈利用户占比略高于基金单品盈利用户；在收窄亏损上，基金投顾也发挥出较好的作用，近年投顾持有人平均收益率高于单品基金近个百分点。相比之下，偏服务类的价值，例如提升理财知识、实现特定目标和持续陪伴等功能的受认可度进一步降图 居民未尝试基金投顾的原因%对新兴业态不了解，持谨慎态度可投资资产较少，没有必要信任自己的投资能力，喜欢自己理财不信任投顾提供的财务建议投顾服务收费较高其他您没有或者不考虑尝试基金投顾服务的原因是？中欧财富、蚂蚁理财智库，试点三周年 基金投顾业务发展白皮书（）注解：中国居民投资理财行为调 研 报 告低。然而基金投顾服务的产生就是为了帮助投资者纠正行为偏差、实现长期理财目标，并非单纯通过优化资产配置使投资者获取短期收益。对于投顾价值的取舍，直接影响到居民“如何为投顾付费”的行为。当居民聚集在产品价值时，通常会因短期的收益影响付费意愿；而当居民聚焦在服务价值时，会更加综合和长远地考虑付费问题。进一步地，这也将影响到投顾服务的市场行为和投资行为。因此基金投顾机构仍需重视投后服务和投资者教育，帮助投资者树立长期的投资观念和科学的投资行为。）专业与非专业渠道的理财信息获取比例同时下降，居民倾向自己研究以掌握投资主动权。本次调研发现，在获得投资理财建议和信息的途径方面，专业和非专业渠道的资讯来源同时下降。有%的用户会收看财经新闻、%的用户会寻求专业投顾的建议，相较于去年分别回落个百分点和个百分点。从非专业渠道的信息获得比例（朋友熟人推荐、社交媒体推荐）同样有所降低，占比均降至二成左右。选择自己研究的比例仍位居首位，且较去年有所增加。进一步交叉对比发现，选择自己研究的受访者，对自身挑选理财产品的能力评价却并不高，其中认为自己“完全不具备挑选能力”或“能力较弱”的受访者占比为%，比全部样本高出个百分点；而认为自己“有很强能力”的受访者仅为%，比全部样本低个百分点。居民对自身理财能力并未过于自信，但仍倾向自己研究而非寻求专业投顾的建议，一定程度上反映了对专业渠道的信赖不足。图 居民获得投资理财信息和建议的方式图 居民对基金投顾服务价值的认可度%提升收益规避风险兼顾收益和风险提升理财知识实现特定目标（如买房、购车等）持续陪伴其他 年 年您认为基金投顾服务的价值主要体现在哪个方面？（最多选项）%自己研究收看财经新闻咨询专业投资顾问朋友或熟人推荐刷社交媒体的推荐其他 年 年 年您主要通过什么方式获得投资理财信息和建议？（多选）图 居民对自身挑选理财产品能力的评估倾向自己研究的受访者对自身挑选理财产品能力的评估选择“自己研究”人群%全部样本完全不具备挑选能力能力较弱有一定能力有很强能力中国居民投资理财行为调 研 报 告以上调研结果进一步证明了我国处于专业投顾的初级阶段。人们还没有习惯和接受买方投顾的立场，对于专业投顾没有产生足够的信赖，有待于更加耐心的市场教育和培养。（三）长期投资行为：相较于上一年度，中国居民的长期投资意识呈现出两极分化。.年理财产品的持有时间分化。去年，%的受访用户愿意持有理财产品的时间在一年以内，其中%的用户不愿意持有理财产品超过三个月。今年，一年以内持有意愿的用户比例提升至%，不愿意持有超过三个月的升至%。与此同时，愿意持有五年以上的用户为%，较去年提升个百分点。受访者的现实持有时间与愿意持有时间呈现出类似的分布，即两端增长、中间降低，说明居民对于长期投资的意愿呈现出更明显的两极分化。调研还发现，线下渠道（如银行网点）理财客户短期投资倾向更为明显，愿意持有时长在个月以下的客户占比达到%，线下工作人员的引导并未提升客户的长期投资意愿，反而促进了短期投资行为。从引导客户长期投资行为的角度，应考虑转变线下工作人员的考核机制，从销售导向到资产管理导向。.居民对理财产品亏损时间的容忍上升。在理财产品产生亏损的情况下，以股票型基金为例，年只能接受三个月以内亏损的受访用户高达近%，年降低为%，今年该比例继续下降至%；今年%的用户能接受一年以内的亏损，即%的用户能接受年以上亏损，该部分用户比例较去年提升个百分点。对亏损时长的容忍增加，说明人们可以更理性地看待市场的波动。其原因可能是居民对市场规律理解加深，也可能得益于过去两年市场波动的教育改变了人们对于通过“不行就换”策略来赢得收益的思路。.追涨杀跌现象仍存在，持有期限分化。相较于年基金销售火热的状况，近两年基金投资热有所减退。在今年的调查中，人们对公募基金的投资热情明显减退。由于市场的波动、明星基金光环褪去，人们在做出基金购买决定时更加回归理性。但这不意味着非理性投资行为不存在。在关于基金损失、取得收益时是否改变投资计划的调查中，数据显示当收益超过%时，%图 股票型基金可接受的亏损时长图 愿意持有理财产品的时间%个月以内-个月以内个月-年年-年年-年年以上%年 年 年您通常愿意持有基金等理财产品的时长是？年 年 年当您买入股票型基金之后，您可以接受的最长亏损时间是？%个月以下个月到个月个月到个月个月以上中国居民投资理财行为调 研 报 告的受访者选择增持，相较于去年%的数据上升了个百分点；当面临损失超过%时，%的受访者选择卖出，与去年数据相持平。追涨杀跌现象在中国居民投资理财中是客观存在的，逢高减持增多、逢低增持减少的现象，除了反映非理性投资行为有所加剧外，可能也显示出投资者对于基金持续盈利能力的信心有所减弱。根据本次调研，除了%没有投资基金的受访者外，%的受访者持有基金的时长小于个月；%的受访者持有时长在-个月；%的受访者持有时长在-年；%的受访者持有时长在年以上。相较于去年，持有时长在个月以下和年以上的受访者均有所增长，与前述理财产品持有意愿相一致，呈现两极分化的特征。图 获得收益时是否改变投资计划 年 年 年假设您投资的股票型基金在过去三个月取得了不错的收益（例如超过了%），您将？%尽可能多的增持稍微增持一部分稍微减持一部分不操作尽可能多的减持您在基金产品投资中一般持有基金的时间为？图 愿意持有基金产品的时间 年 年个月内%个月内%个月内%个月内%-年以内%年以上%我没有投资基金%中国居民投资理财行为调 研 报 告（一）持续关注居民资产配置的多元化总体而言，今年居民投资理财的风险偏好进一步降低。具体表现为一方面增加备用金、深化保险配置、增配低风险产品、减少收益浮动的权益类资产；另一方面，月度信贷呈现出两极分化的现状，无负债人群增加，高负债人群增加，健康负债人群减少。这体现出居民对风险的态度，一方面是更加审慎，提前还贷不敢借钱，另一部分人则可能因为收入的下降导致负债压力的上升。资本市场低迷对权益配置的影响是真实存在的，但以我国惯有的权益资产配置不足的视角来看，资产更加集中于低风险、偏债类资产中，居民无法充分获得多元化资产配置带来的收益。导致以上问题的原因是多样而复杂的，疫情变化导致的经济受挫、国际环境的紧绷、就业影响、市场波动增加都可能促使居民在投资理财的决策中以安全为最大诉求。因此，改变居民投资理财决策的根本，还是需要增加居民财务安全感，持续增加投资理财的获得感，让居民从资产配置中获益。（二）聚焦个人养老规划，丰富和完善养老体系养老是一个无法回避的长期目标。越来越多的居民在关注养老的问题，而养老的规划对于不同年龄的居民显然有不同的紧迫性和不同的难度。个人养老金制度推出之后，对个人、基金公司、金融服务机构都带来了一定的影响。就个体而言，首先需要确立合理的养老目标，而后是科学的养老规划，最后才是养老计划的执行。因此，一方面个人需要提升金融素养，加深关于养老相关的认知，尽早着手养老计划的筹备。另一方面，市场也需要增加养老规划服务、买方投顾服务、养老金产品服务的供应，满足居民多元的、个体差异化的养老需求。由于养老是必然面对的长期目标，养老需求的增加必将促进居民投资行为长期化，从而对市场机构的长期投资行为也产生正向的影响。（三）推动高质量的投顾市场发展目前来看，投顾服务是财富管理专业化很重要的一个方面，同时与前两点息息相关，是帮助居民实现资产多元化配置和实现养老目标的重要工具。自年月基金投顾开放试点以来，基金投顾业务实现了从到的突破，并有所发展。越来越多的居民开始接触到专业投顾服务，但基金投顾无论在规模还是质量上都还有待提升。目前基金投顾在试点三年之后逐渐常规化，公募基金的费率也在逐渐规范中下行，投顾业务的主客观发展条件已经基本具备。展望未来，专业的投顾业务应当建立在“以客户为中心”的服务宗旨和多元的大类资产配置能力之上。当前可投顾资产仅包括公募和私募基金，这或许一定程度限制了投顾能力的发挥空间。四、总结和建议中国金融研究院(CAFR)是依托于上海高级金融学院(SAIF)建立的国际水平的开放研究平台和高端智库。CAFR旨在运用现代金融经济理论与实践经验，帮助社会各界解决重大金融问题和挑战；为中国现代金融市场的建设和发展提供满足市场和政策需求的创新思路、方案、产品和技术。CAFR具备国际一流的研究团队，目前包括国内外著名金融学者、资深政府官员和金融机构高管共余名。这个团队既具有全球视野、通晓金融理论与实务，又对中国市场有深刻理解。成立至今，CAFR已经取得了丰硕的成果：在国际顶级杂志发表文章余篇；完成余项涉及国际、国内和地区各层面的重大金融问题研究；创立的“夏季金融峰会”已成为国内最具国际影响力的金融学术交流平台；组织的“上海金融论坛”已成为上海建设国际金融中心的高端交流平台。蚂蚁集团研究院是蚂蚁集团的专业研究部门，从事宏观经济、监管政策、公司战略和学术理论研究，覆盖数字支付、数字金融、数字科技、ESG、数据与平台治理、宏观经济等研究领域。通过开展客观、扎实和深入的研究工作，为公司战略决策提供支持，为政府部门公共政策提供参考和研究服务，并通过研究开放平台的搭建，为国内外学术研究和政策研究提供数据、案例等支持。团队介绍中国金融研究院报告参与者蚂蚁集团研究院蚂蚁理财智库是蚂蚁集团旗下蚂蚁财富平台发起，联合行业头部的专业机构、专家、学者等共同组建，服务于广大普通投资者的理财智囊团。截至年末，已有超家专业机构和高校，逾位专家学者参入智库，从专业的视角出发，通过直白的语言、图文并茂的表现方式，让大众更加了解金融市场发展变化，对于资产配置以及合理的投资行为有更加深入的了解，最终助力广大投资者实现中长期的理财目标。蚂蚁理财智库上海交通大学中国金融研究院：蚂蚁理财智库严弘 上海高级金融学院 教授、学术副院长吴飞 上海高级金融学院 教授许洁 上海交通大学中国金融研究院 青年研究员庄文怡 上海交通大学中国金融研究院 研究助理李小军 王静进 李智健 蚂蚁集团研究院李振华 王芳 虞娅雅 马冬冬 张耀冈本研究在蚂蚁集团域内的蚂蚁开放研究实验室 远程开展。由蚂蚁集团研究院课题组成员对数据进行抽样、脱敏。由上海交通大学上海高级金融学院课题组成员远程登录“具体数据不可见”的实验室沙盒环境中进行实证分析。本研究所有变量来自于随机在线调研。本项研究严格遵守学术规范，重视对答题人的隐私保护。本研究采用了随机在线调研的方式，在随机在线调研的卷首语、知情确认页面已经获得答题人的明确授权；数据处理过程采用严格的匿名化、脱敏化、汇总化方式。研究团队再次诚挚地感谢位答题人的真诚参与，并将恪守“对答题人的个人信息严格保密”“答题内容仅用于本次学术研究分析”“答题内容杜绝一切商业用途”的承诺。本研究感谢蚂蚁集团客户体验及权益保障部的技术支持。-%https:/

0人已浏览 2024-02-21 21页 5星级

上海证券交易所上海证券交易所 ETF 行业发展报告行业发展报告（2024）上海证券交易所创新产品部 2024 年 2 月 -1-摘要摘要 2023 年是全球指数化投资蓬勃发展的一年。全球全球 ETF 市场市场规模首次突破规模首次突破 11 万亿美元，全年资金净流入接近万亿美元。万亿美元，全年资金净流入接近万亿美元。截至 2023 年底，全球挂牌交易的 ETF 资产总规模达 11.61 万亿美元，较 2022 年底增长 21.83%。近 20 年的全球 ETF 规模年均复合增长率达 22.16%，产品数量连续 20 年保持正增长。从资产类从资产类别来看，权益别来看，权益 ETF 占主导地位占主导地位。截至 2023 年底，全球权益 ETF规模达 8.62 万亿美元，占比 74.2%；债券 ETF 规模达 2.06 万亿美元，占比 17.7%；商品 ETF 规模约 1794 亿美元，占比 1.6%；其他类 ETF 规模约 7506 亿美元，占比 6.5%。从地域来看，从地域来看，全全球球 ETF 规模主要分布在美国和欧洲规模主要分布在美国和欧洲。截至 2023 年底，美国 ETF市场规模达 8.11 万亿美元，占比近 70%，美国被动基金规模首次超越主动基金规模，指数化投资跨越新的里程碑；欧洲 ETF市场规模约 1.74 万亿美元，占比近 15%。回顾境内市场，指数化投资已成为境内公募基金行业发展趋势。境内境内 ETF 市场规模突破市场规模突破 2 万亿元，创历史新高。万亿元，创历史新高。截至 2023年底，境内交易所挂牌上市的 ETF 数量达 889 只，较 2022 年底增长 18.06%；总规模达 2.05 万亿元，较 2022 年底增长 28.13%。其中权益型 ETF 市值达到 1.73 万亿元，约占 A 股总市值的 2%。境内境内 ETF 市场全年资金净流入超市场全年资金净流入超 5000 亿元，充分发挥了稳定市亿元，充分发挥了稳定市场的作用。场的作用。2023 年境内 ETF 市场资金净流入达 5009.36 亿元，-2-较 2022 年增长 71.11%。其中股票 ETF 净流入最高，达 4485.41亿元。新发产品中近八成为股票新发产品中近八成为股票 ETF，存量规模增长主要来源，存量规模增长主要来源于宽基于宽基 ETF。2023 年境内 ETF 规模增长 4508.82 亿元；其中新发产品贡献了 778.96 亿元的规模增量，占比 17.28%；存量产品规模实现了 3729.86 亿元的增长，占比 82.72%。从上交所市场来看，2023 年上交所以习近平新时代中国特色社会主义思想为指导，推动基金市场高质量发展。沪市沪市 ETF规模规模快速增长快速增长，投资者参与，投资者参与度持续提升度持续提升。截至 2023 年底，沪市共挂牌 ETF 539 只，规模合计 1.56 万亿元，较 2022 年底增长25.26%；全年成交额 21.65 万亿元，同比增长 15.84%。沪市 ETF成交额、规模分别位居亚洲第一、第二。沪市 ETF 市场参与度稳步提升，年末持有账户数669万户，全年交易账户数862万户。从投资者结构来看，机构投资者持有占比更高，交投更为活跃。截至 2023 年底，沪市 ETF 规模和全年交易量中机构投资者的占比分别为 63.5%、61.2%。产品方面，打造旗舰宽基产品方面，打造旗舰宽基 ETF，持续，持续完善产品布局。完善产品布局。沪深 300ETF 单只规模突破千亿元，为境内规模最大的权益基金；8 只科创 50ETF 规模合计突破千亿元，成为境内第二大宽基指数系列产品。上交所着力以宽基 ETF，服务国家战略的 ETF，风险低、收益稳的基金产品为抓手，打造居民财富管理主阵地。机制方面，持续优化配套机制，便利投资者参与机制方面，持续优化配套机制，便利投资者参与ETF 市场。市场。推动 ETF 集合申购试点全部落地，推动纳入互联互通的 ETF 标的稳步扩容，优化基金产品开发配套机制。-3-展望 2024 年，随着新一轮资本市场改革开放成效不断凸显，境内 ETF 市场处于难得的发展机遇期。2024 年，ETF 行业主要发展趋势包括：一是指数化投资发展空间广阔，ETF 市场处于发展机遇期；二是宽基 ETF 持续发展，形成沪市基金市场名片；三是行业主题型 ETF 快速发展，服务国家战略布局；四是债券ETF 品种持续丰富，机制进一步优化；五是大力推动产品创新，ETF 产品链持续完善；六是研究推动集合申购业务常态化，完善ETF 配套机制；七是研究拓宽基金通平台业务功能，落实为群众办实事要求；八是拓宽 ETF 互联互通，积极打通全球市场；九是丰富 ETF 期权品种，完善风险管理工具；十是持续加大 ETF推广，引入更多中长期资金参与。本报告旨在汇聚行业研究力量、全方位展示全球及境内 ETF 行业发展情况，为行业机构、投资者了解 ETF 行业发展动态以及趋势提供参考资料。本报告共分为三个部分，主要内容包括：第一部分介绍全球 ETF 市场，分析全球 ETF 行业发展；第二部分介绍境内 ETF 市场，对境内及沪市 ETF 市场发展进行分析，同时对 2024 年境内 ETF 市场发展进行展望；第三部分是专题研究，联合华泰柏瑞、博时、汇添富、易方达、招商、华夏等基金管理人，以及华宝、平安等证券公司围绕宽基 ETF、科创板ETF、央企国企主题 ETF、SmartBeta ETF、指数增强 ETF、债券ETF 等产品，以及全球 ETF 市场产品创新、ETF 持营情况等主题进行深入研究，为行业发展提供参考。-4-目录目录 第一部分第一部分 全球全球 ETF 市场市场.-5-一、全球 ETF 发展概况.-6-二、全球主要 ETF 市场发展概况.-9-三、2023 年全球 ETF 创新发展趋势.-14-第二部分第二部分 境内境内 ETF 市场市场.-17-一、境内 ETF 市场发展概况.-18-二、上交所 ETF 市场发展情况.-24-三、上交所 ETF 投资者行为分析.-32-四、2024 年境内 ETF 市场发展展望.-38-第三部分第三部分 专题研究报告专题研究报告.-43-附录附录 1 ETF 行业发展大事记（行业发展大事记（2023 年）年）.-206-附录附录 2 沪市沪市 ETF 产品指南（产品指南（2023 年）年）.-208-5-第一部分第一部分 全球全球 ETF 市场市场 -6-2023 年对于全球指数化投资和 ETF 发展而言是波澜壮阔的一年。全球 ETF 市场规模再创新高，首次突破 11 万亿美元，2023年全年资金净流入接近万亿美元。从资产类别来看，权益 ETF规模达到 8.62 万亿美元，占比超过 70%。从地域分布来看，美国 ETF 市场规模达到 8.11 万亿美元，占比近 70%，亚太 ETF 市场规模达到 1.17 万亿美元，占比超过 10%。截至 2023 年底，美国被动基金规模首次超越主动基金规模，分别为 13.29 万亿美元和 13.23 万亿美元，指数化投资跨越新的里程碑。一、全球 ETF 发展概况 （一）产品规模创新高，首次突破 11 万亿美元 截至 2023 年底，全球挂牌交易的 ETF 资产总规模达到 11.61万亿美元，较 2022 年底增加 21.83%。近 20 年的规模年均复合增长率达到 22.16%，产品数量更是连续 20 年保持正增长。图 1 全球 ETF 市场发展趋势 数据来源：Bloomberg-7-近 20 年来，ETF 的资产规模仅在 2008 年全球金融危机和2022 年全球资本市场波动期间出现过较大缩水，其他年份基本保持快速增长。从 1993 年全球第一只 ETF 成立到 2009 年 ETF规模首次突破万亿美元，全球 ETF 市场经历了 17 年；2013 年，全球 ETF 市场便达到第二个万亿美元，仅用 4 年时间；2016 年，全球 ETF 资产规模突破 3 万亿美元，仅用 3 年时间；2017 年便突破了 4 万亿美元；此后更是 1 年 1 个台阶，2019 年突破 6 万亿美元，2020 年突破 7 万亿美元，2021 年突破 10 万亿美元，2022年有所下滑，2023 年突破 11 万亿美元。（二）资金净流入加速，全年净流入近万亿美元 2023年，全球ETF行业资金大幅净流入，达到9749亿美元，相较于 2022 年的 8562 亿美元增加 13.86%。分资产类别来看，权益 ETF 资金净流入最高，达到 5324 亿美元；债券 ETF 资金净流入达到 2717 亿美元；商品 ETF 资金净流出 156 亿美元；其他ETF 资金净流入 1864 亿美元。表 1 近两年全球 ETF 资金净流入比较 资产类别资产类别 2023 年资金净流入年资金净流入（亿美元）（亿美元）2022 年资金净流入年资金净流入（亿美元）（亿美元）增加值增加值（亿美元）（亿美元）权益 5324 4797 527 债券 2717 2366 351 商品-156-164 8 其他 1864 1563 301 合计合计 9749 8562 1187 数据来源：ETFGI 从具体产品分析，2023 年资金净流入排名前 20 的产品中，-8-14只为权益ETF，6只为债券ETF。权益ETF中基本为宽基ETF，体现了“蓄水池”作用。排名前 3的均为跟踪标普 500指数的 ETF，头部基金管理人道富、先锋领航、贝莱德安硕各占 1 只。上交所有2只ETF华泰柏瑞沪深300ETF和华夏科创板50ETF位列其中，分别排名第 12 和第 20。表 2 2023 年全球 ETF 资金净流入前 20 名情况 序号序号 名称名称 规模规模（亿美元）（亿美元）2023 年资金年资金 净流入（亿美元）净流入（亿美元）1 SPDR 标普 500 ETF 信托 4935.39 494.34 2 Vanguard 标普 500 ETF 3724.18 425.19 3 iShares 安硕核心标普 500 ETF 3998.75 380.99 4 iShares 安硕 20 年期以上美国国债基金 516.27 247.33 5 Vanguard 全股票市场 ETF 3477.22 216.33 6 先锋领航总体债券市场 ETF 1046.85 173.80 7 iShares 安硕核心美国综合债券 ETF 1014.52 167.14 8 Invesco S&P 500 Equal Weight ETF 498.15 128.75 9 JPMorgan Equity Premium Income ETF 305.39 127.79 10 iShares 安硕 Edge MSCI 美国质量因素 ETF 361.32 110.69 11 iShares 0-3 Month Treasury Bond ETF 175.16 101.17 12 华泰柏瑞沪深华泰柏瑞沪深 300ETF 168.24 92.22 13 iShares 安硕核心 MSCI 全球 UCITS ETF 美元(累计)657.82 86.57 14 Invesco Nasdaq 100 ETF 185.38 84.06 15 领航中期国债 ETF 217.79 78.33 16 先锋富时发达市场 ETF 1227.07 78.18 17 领航国际债券 ETF 540.95 76.92 18 iShares 安硕罗素 2000 ETF 678.50 76.90 19 景顺 QQQ 信托系列 1 2299.65 72.89 20 华夏科创板华夏科创板 50ETF 132.64 72.03 数据来源：Bloomberg（三）从资产类别来看，权益 ETF 占主导地位 从全球 ETF 投资的资产类别来看，权益 ETF 依然占据主导-9-地位，2023 年底规模达到 8.62 万亿美元，占全球 ETF 总规模的比例达到74.2%；债券ETF规模达到2.06万亿美元，占比17.7%；商品 ETF 规模约 1794 亿美元，占比 1.6%；其他类 ETF 规模约7506 亿美元，占比 6.5%。与 2022 年相比，股票 ETF 规模增加21.9%，债券 ETF 规模增加 17.7%，商品 ETF 规模有所下降。图 2 2023 年全球 ETF 资产类别分布 数据来源：Bloomberg 二、全球主要 ETF 市场发展概况（一）全球 ETF 规模主要分布在美国和欧洲 2023 年底，全球 11.61 万亿美元的规模中，美国市场规模约8.11 万亿美元，占比 69.85%，较 2022 年的 68%有所增加；欧洲市场规模约 1.74 万亿美元，占比 14.99%，与 2022 年持平；亚太市场规模约 1.17 万亿美元，占比 10.08%，与 2022 年基本持平。-10-表 3 2023 年全球主要交易所 ETF 规模以及交易额排名 交易所交易所 ETF 规模（亿美元）规模（亿美元）规模排名规模排名 年交易额（亿美年交易额（亿美元）元）交易额排名交易额排名 纽交所 60460 1 272174 1 纳斯达克交易所 14250 2 99102 2 伦敦证券交易所 7271 3 824 12 芝加哥交易所 5894 4 12748 4 东京证券交易所 5338 5 3815 8 德国交易所 3240 6 71 22 多伦多交易所 2930 7 4348 7 上交所 2135 8 31656 3 巴黎交易所 1523 9 312 15 瑞士证券交易所 1150 10 224 19 数据来源：Bloomberg 权益 ETF 占股票总市值比重反映了 ETF 市场的发展程度和成长空间。截至 2023 年底，美国权益 ETF 规模为 6.4 万亿美元，美国股票市场总市值为 49.2 万亿美元，占比为 13%；欧洲权益ETF规模为1.2万亿美元，欧洲股票市场总市值为14.1万亿美元，占比为 8.5%；亚太地区权益 ETF 规模为 1 万亿美元，亚太股票市场总市值为 22.2 万亿美元，占比仅为 4.5%。从亚太地区内部来看，日本权益 ETF 规模为 0.5 万亿美元，日本股票市场总市值为 6.3 万亿美元，占比为 7.9%；中国大陆权益 ETF 规模为 0.24 万亿美元，股票总市值为 11.8 万亿美元，占比为 2%，还有较大发展空间。-11-图 3 各市场权益 ETF 占股票总市值比重 数据来源：Bloomberg（二）全球主要 ETF 市场概述 1.美国 ETF 市场 美国 ETF 市场在规模方面长期占据全球主导地位。截至2023 年底，美国市场 ETF 规模为 8.11 万亿美元，占全球 ETF 市场规模近七成，其中纽交所 6.05 万亿美元，排名全球第 1；纳斯达克交易所 1.43 万亿美元，排名全球第 2；芝加哥期权交易所0.59 万亿美元，排名全球第 4。-12-图 4 美国 ETF 市场规模变化（亿美元）数据来源：Bloomberg 图 5 2023 年美国各交易所 ETF 规模分布 数据来源：ETF.com 2.欧洲 ETF 市场 在 2008 年之前，欧洲市场的 ETF 产品数量仅 100 只左右，资产规模不超过 1000 亿美元。近年来，欧洲 ETF 市场快速发展。0 10000 20000 30000 40000 50000 60000 70000 80000 90000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 75%7%纽交所 纳斯达克交易所 芝加哥期权交易所-13-截至 2023 年底，市场规模达到 1.74 万亿美元，占全球总规模比重约 15%，已经发展成为全球第二大 ETF 市场。图 6 欧洲 ETF 市场规模变化（亿美元）数据来源：Bloomberg 3.亚太 ETF 市场 较美国和欧洲市场而言，亚洲 ETF 市场起步较晚。自 2012年以来，亚洲 ETF 市场发展开始提速，除中国大陆外，日本、韩国和中国香港的 ETF 市场具有代表性。日本 ETF 市场规模排名亚洲第一，截至 2023 年底，市场规模达到 5338 亿美元。韩国ETF 市场近年来快速发展，截至 2023 年底，市场规模达到 913亿美元。香港交易所早在 1999 年就推出了 ETF 产品，2010 年以来，港交所的 ETF 产品种类不断增多，交易日趋活跃。截至 2023年底，港交所 ETF 市场规模达到 312 亿美元。0 2000 4000 6000 8000 10000 12000 14000 16000 18000 20000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023-14-三、2023 年全球 ETF 创新发展趋势 除了 ETF 数量和规模明显增长外，近年来，全球 ETF 市场的底层资产和管理方式也在不断创新，其中最为显著的是主动ETF 快速发展。主动 ETF 是由基金经理主动管理、不以跟踪指数为目标、可在二级市场进行交易的 ETF 产品。主动 ETF 将主动管理的基金与 ETF 产品架构进行了融合，兼具主动投资和上市交易两方面特点。与场外的主动管理基金相比，主动 ETF 具有流动性好、高度透明等 ETF 的传统优势；与被动 ETF 相比，主动 ETF 调样更灵活，更能应对市场变动，具有获取超额收益的潜力。2008 年美国首只主动 ETF 推出，截至 2023 年底，全球主动ETF 规模为 7390 亿美元，占 ETF 总规模的比重达到 6.4%。2023年，主动 ETF 资金净流入 1385 亿美元，总规模较 2022 年大幅增长 51.8%。-15-图 7 全球主动 ETF 市场发展趋势 数据来源：ETFGI 目前，全球有 423 家主动 ETF 管理人，传统的头部 ETF 管理人排名相对靠后。Dimensional 排名第一，管理资产达 1250.68亿美元，市场份额为 16.9%；摩根大通以 968.82 亿美元和 13.1%的市场份额位居第二；第一信托以 597.01 亿美元和 8.1%的市场份额紧随其后，3 家管理人合计占据 38.1%的市场份额。表 4 2023 年全球主动 ETF 管理人排名 序号序号 管理人管理人 主动主动 ETF 数量数量 主动主动 ETF 规模规模(亿美元）亿美元）市场份额市场份额 1 Dimensional 40 1250.68 16.90%2 JP Morgan 61 968.82 13.10%3 First Trust 137 597.01 8.10%4 American Century 33 353.75 4.80%5 PIMCO 23 253.65 3.40%6 Fidelity 59 247.19 3.30%7 iShares 93 207.08 2.80%8 Capital Group 14 188.12 2.50%9 Mirae Asset 76 170.34 2.30 Innovator ETFs 103 168.34 2.30%-16-从产品类别来看，主动 ETF 中 55.62%为权益型，39.46%为债券型。从地域分布来看，美国市场规模 5310亿美元，占比71.9%；欧洲市场规模 320 亿美元，占比 4.3%；亚太市场规模 870 亿美元，占比 11.8%。图 8 全球主动 ETF 资产分类 数据来源：ETFGI 图 9 全球主动 ETF 地域分布 数据来源：ETFGI 55.629.46%2.66%1.46%0.46%0.31%0.03%权益 债券 混合 商品 另类 货币 反向 71.90.90.80%4.30%0.10%美国 加拿大 亚太 欧洲 中东北非-17-第二部分第二部分 境内境内 ETF 市场市场 -18-一、境内 ETF 市场发展概况（一）指数基金快速发展，境内 ETF 规模首次突破 2 万亿元 截至2023年末，境内公募基金产品 11514只，规模合计27.27万亿元，其中权益型基金规模 7 万亿元，占境内公募基金总规模的 26%。指数化投资已成为境内公募基金行业发展趋势，截至 2023年底，境内交易所挂牌上市的 ETF 数量达到 889 只，较 2022 年底（753 只）增长 18.06%，年末市值总规模达到 2.05 万亿元，较 2022 年底（1.60 亿元）增长 28.13%。其中权益型 ETF 市值达到 1.73 万亿元，创历史新高，约占 A 股总市值的 2%。图 10 近 10 年境内 ETF 规模情况 数据来源：交易所官网、Wind（二）被动化投资趋势显现，ETF 资金净流入超 5000 亿元 0 5000 10000 15000 20000 25000 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 沪市ETF规模（亿元）深市ETF规模（亿元）-19-2023 年境内 ETF 市场资金净流入创历史新高。虽然年初以来 A 股行情出现一定波动，但境内 ETF 市场持续呈现资金净流入态势，2023年全年净流入高达5009.36亿元，较2022年（2927.58亿元）增长 71.11%，充分发挥了稳定市场的作用。分类型来看，股票 ETF 净流入最高，达 4485.41 亿元。除此之外跨境 ETF 净流入 926.14 亿元、债券 ETF 净流入 238.45 亿元、商品 ETF 净流入 50.76 亿元、货币 ETF 净流出 691.40 亿元。表 5 各类型 ETF 年度净流入额情况 产品类型产品类型 2022 年净流入额年净流入额（亿元）（亿元）2023 年净流入额年净流入额（亿元）（亿元）股票 2317.79 4485.41 货币-200.21-691.40 跨境 861.68 926.14 商品-98.52 50.76 债券 46.85 238.45 总计 2927.58 5009.36 数据来源：Wind（三）新发产品中近八成为股票 ETF，存量规模增长主要来 源于宽基 ETF 2023 年，境内 ETF 规模增长 4508.82 亿元，其中新发产品贡献了 778.96 亿元的规模增量，占比 17.28%，存量产品规模实现了 3729.86 亿元的增长，占比 82.72%。-20-图 11 2023 年境内新发、存量 ETF 规模情况 数据来源：Wind，2023年1月至12月 新发产品方面，2023年境内ETF市场新增161只产品上市，发行规模合计 1184.04 亿元。其中 131 只为股票 ETF，发行规模占比 81.67%；28 只为跨境 ETF，发行规模占比 15.72%；2 只为债券 ETF，发行规模占比 2.61%。股票 ETF 中，48 只为宽基 ETF，涵盖了科创 100、中证 2000、宽基指增等重要产品；64 只为行业主题 ETF，包括了央企股东回报、央企科技引领、央企现代能源、半导体材料设备、稀有金属等市场热点；19 只为风格策略ETF，包括 10 只红利 ETF、2 只科创成长 ETF 等。跨境 ETF 中，港股红利、纳斯达克、泛东南亚科技等产品陆续上市，有助于满足广大投资者境外资产配置需求。新上市的 2 只债券 ETF 投资标的包括上证基准做市国债、中债 30 年期国债，进一步丰富了场内债券指数基金品种。0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 往年发行产品 2023新发产品-21-表 6 2023 年境内新发 ETF 情况 产品产品 类型类型 数量数量 发行发行规模规模 2023 年底存续情况年底存续情况 只数只数（只）（只）占比占比（%）规模规模（亿（亿元元）占比占比（%）规模规模（亿元）（亿元）占比占比（%）股票股票 131 81.37 1053.69 88.99 636.17 81.67 宽基 48 29.81 500.66 42.28 433.40 55.64 行业 13 8.07 59.32 5.01 23.16 2.97 主题 51 31.68 338.94 28.63 129.86 16.67 策略 19 11.80 154.77 13.07 49.76 6.39 跨境跨境 28 17.39 107.20 9.05 122.46 15.72 债券债券 2 1.24 23.15 1.96 20.33 2.61 总计总计 161 100.00 1184.04 100.00 778.96 100.00 数据来源：Wind，截至2023年底 存量产品方面，沪深 300、上证 50、科创 50 等宽基旗舰 ETF规模实现大幅增长，其中华泰柏瑞沪深 300ETF、华夏上证科创板 50ETF、易方达沪深 300ETF、华夏上证 50ETF 年度规模增量位居前四，分别达到 534.71 亿元、424.25 亿元、315.45 亿元和216.53 亿元，不仅体现了相关产品市场认可度的稳步提升，也反映了 ETF 市场强化持营的发展理念。表 7 规模增量前 20 的 ETF 存量产品 基金代码基金代码 证券简称证券简称 发行发行规模规模（亿（亿元元）2022 年年 市值市值（亿元）（亿元）2023 年年 市值市值（亿元）（亿元）2023 年年 市值增量市值增量（亿元）（亿元）510300 华泰柏瑞沪深 300ETF 329.69 775.45 1310.17 534.71 588000 华夏上证科创板 50ETF 51.23 509.38 933.63 424.25 510310 易方达沪深 300ETF 11.04 159.16 474.60 315.45 510050 华夏上证 50ETF 54.35 583.41 799.94 216.53 159915 易方达创业板 ETF 5.62 209.93 406.63 196.70 159919 嘉实沪深 300ETF 193.33 207.08 396.12 189.03 588080 易方达上证科创板 50ETF 51.06 169.71 309.80 140.09 510330 华夏沪深 300ETF 6.03 249.36 376.64 127.28 511360 海富通中证短融 ETF 5.11 129.77 247.31 117.54 -22-512480 国联安中证全指半导体 ETF 3.13 145.59 262.27 116.68 512170 华宝中证医疗 ETF 2.49 173.98 265.43 91.45 159792 富国中证港股通互联网 ETF 2.46 37.60 120.79 83.19 513180 华夏恒生科技 ETF 14.56 168.71 246.38 77.67 159949 华安创业板 50ETF 5.50 111.86 187.45 75.59 512010 易方达沪深 300 医药卫生 ETF 5.21 128.70 204.08 75.38 513130 华泰柏瑞南方东英恒生科技 ETF 11.72 83.35 152.70 69.35 588200 嘉实上证科创板芯片 ETF 3.67 2.45 68.72 66.28 513120 广发中证香港创新药 ETF 3.00 1.84 67.48 65.64 513060 博时恒生医疗保健 ETF 3.08 68.89 132.28 63.39 159995 华夏国证半导体芯片 ETF 53.88 199.44 262.37 62.93 数据来源：Wind，仅统计2023年以前上市的产品（四）产品布局日趋完善，满足投资者资产配置需求 截至 2023 年末，境内 ETF 的投资标的涵盖了股票、债券、货币、商品、境外股票等大类资产，产品布局较为完善。其中股票 ETF 规模 1.45 万亿元，占比 70.86%；跨境 ETF 规模 2792.75亿元，占比 13.66%；货币 ETF 规模 2067.94 亿元，占比 10.11%；债券 ETF 规模 788.92 亿元，占比 3.86%；商品 ETF 规模 307.16亿元，占比 1.50%。图 12 2023 年各类型 ETF 规模分布 数据来源：Wind，截至2023年底 14488.52 71 67.94 1092.75 1407.16 1x8.92 4%股票 货币 跨境 商品 债券-23-（五）51 家基金管理人布局 ETF 产品，头部化趋势较为显著 截至 2023 年底，共 51 家基金公司发行上市非货币 ETF 产品。产品规模前三的管理人分别是华夏基金（4011.51 亿元）、易方达基金（2577.55 亿元）和华泰柏瑞基金（1949.73 亿元）。产品规模排名前三、前五、前十的管理人的市占率分别为 46.46%、58.19%和 79.17%，管理人头部化趋势较为显著。表 8 ETF 管理人产品规模情况（非货币）基金管理人基金管理人 2022 年年 2023 年年 规模（亿元）规模（亿元）市占率市占率 规模（亿元）规模（亿元）市占率市占率 华夏基金 2789.20 21.1411.51 21.83%易方达基金 1714.04 12.99%77.55 14.03%华泰柏瑞基金 1262.56 9.5749.73 10.61%国泰基金 934.71 7.0852.50 6.27%南方基金 1079.85 8.1802.68 5.46%广发基金 688.44 5.229.65 5.33%博时基金 542.42 4.11w4.82 4.22%嘉实基金 441.71 3.35r7.22 3.96%华安基金 519.41 3.94q9.66 3.92%华宝基金 564.50 4.28e0.99 3.54%富国基金 387.54 2.94a0.32 3.32%天弘基金 409.58 3.10D2.63 2.41%汇添富基金 363.81 2.76B5.89 2.32%鹏华基金 253.79 1.92B4.02 2.31%国联安基金 188.08 1.4307.35 1.67%海富通基金 161.21 1.22)9.98 1.63%银华基金 165.50 1.25#4.52 1.28%工银瑞信基金 152.34 1.154.00 1.22%平安基金 173.58 1.32!3.00 1.16%景顺长城基金 38.63 0.299.06 0.87%招商基金 97.38 0.748.48 0.70%大成基金 25.68 0.19g.59 0.37%泰康基金 40.46 0.31E.18 0.25%-24-鹏扬基金 34.93 0.269.40 0.21%国寿安保基金 34.72 0.264.59 0.19%万家基金 2.90 0.02(.18 0.15%永赢基金 23.50 0.18&.34 0.14%建信基金 26.32 0.20&.20 0.14%摩根基金 7.18 0.05.89 0.09%西藏东财基金 13.44 0.10.73 0.07%华富基金 4.18 0.03.80 0.06%方正富邦基金 8.33 0.06%7.82 0.04%西部利得基金 4.79 0.04%7.53 0.04%申万菱信基金 4.87 0.04%6.65 0.04%浦银安盛基金 7.01 0.05%4.86 0.03%弘毅远方基金 5.15 0.04%4.29 0.02%中金基金 3.63 0.03%3.07 0.02%兴银基金 1.23 0.01%2.75 0.01%交银施罗德基金 2.64 0.02%2.67 0.01%民生加银基金 2.22 0.02%1.73 0.01%中银基金 2.18 0.02%1.40 0.01%汇安基金 1.31 0.01%1.36 0.01%国投瑞银基金 1.54 0.01%1.36 0.01%前海开源基金 0.96 0.01%1.19 0.01%国联基金 1.37 0.01%1.17 0.01%融通基金 0.80 0.01%0.89 0.00%中银证券 0.83 0.01%0.83 0.00%兴业基金 0.49 0.00%0.75 0.00%浙商资管 0.51 0.00%0.68 0.00%新华基金 1.33 0.01%0.57 0.00%南华基金 0.45 0.00%0.36 0.00%数据来源：Wind 二、上交所 ETF 市场发展情况 2023 年，上交所将推动基金市场高质量发展、服务实体经济、服务居民财富管理作为基金市场发展的重要目标，多措并举，加大存量产品持营力度，持续服务国家战略，优化市场机制。（一）市场规模快速增长,投资者参与度持续提升-25-5963 9004 11390 12429 15568 143 420 550 608 669 0 100 200 300 400 500 600 700 800 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 2019 2020 2021 2022 2023 市值规模（亿元）持有账户数（万户）截至 2023 年底，沪市共挂牌 ETF 539 只，规模合计 15568亿元，较 2022 年底增长 25.26%；全年成交额 21.65 万亿元，同比增长 15.84%，沪市 ETF 成交额、规模分别位居亚洲第一、第二。与此同时，沪市 ETF 市场参与度也保持稳步增长，年末持有账户数 669 万户，同比增长 10.05%，近五年年均增长率 36.13%；全年交易账户数 862 万户，总体上投资者的 ETF 持有意愿有所增强。图 13 近 5 年上交所 ETF 市值规模、持有账户数情况 表9 沪市ETF市场总体概况 产品类型产品类型 数量数量 市值（亿元）市值（亿元）成交额（亿元）成交额（亿元）2022 年年 2023 年年 2022 年年 2023 年年 2022 年年 2023 年年 单市场股票 ETF 48 57 1909.61 3297.87 11471.14 18756.61 跨市场股票 ETF 328 373 5967.50 7536.89 51884.03 56265.63 债券 ETF 13 14 309.29 542.38 14158.80 35674.36 黄金 ETF 8 8 111.71 166.90 2502.49 2154.14 货币 ETF 24 24 2726.09 2051.77 80890.34 72455.60 跨境 ETF 48 63 1404.80 1972.58 25996.26 31218.68 小计 469 539 12429.00 15568.41 186903.06 216525.02 数据来源：Wind-26-（二）大力发展股票 ETF，旗舰龙头产品不断涌现 截至 2023 年底，上交所股票 ETF 规模 10835 亿元，占沪市ETF 规模近七成。单市场股票 ETF 规模增幅亮眼，从年初的 1910亿元快速增长到 3298 亿元，增幅达到 73%。2023 年，华泰柏瑞沪深 300 ETF（1310 亿元）、华夏上证科创板 50 成份 ETF（934亿元）和华夏上证 50 ETF（800 亿元）等代表性产品规模超 500亿元，具有较为广泛的市场影响力。随着上交所ETF挂牌数量的逐渐增多，龙头产品也不断涌现。上交所123只宽基ETF实现了对上证50、沪深300、中证500、中证1000、中证2000、科创50、科创100等重要宽基指数的全覆盖。2023年资金加速净流入宽基ETF，在维护市场稳定方面发挥了积极作用。268只行业主题ETF实现了对11个中证一级行业的全覆盖，为广大投资者高效配置特定主题板块、采取行业轮动策略创造了条件。在此背景下，沪市百亿级代表性产品不断涌现，截至2023年底，沪市共25只非货币ETF规模超百亿，规模合计8361亿元，占沪市ETF总规模比重的54%。表10 沪市百亿级ETF产品概况 基金代码基金代码 证券简称证券简称 基金管理人基金管理人 市值（亿元）市值（亿元）510300 沪深 300ETF 华泰柏瑞基金 1310.17 588000 科创 50ETF 华夏基金 933.63 510050 上证 50ETF 华夏基金 799.94 510310 沪深 300ETF 易方达 易方达基金 474.60 510500 中证 500ETF 南方基金 467.05 510330 沪深 300ETF 华夏 华夏基金 376.64 513050 中概互联网 ETF 易方达基金 336.31 512880 证券 ETF 国泰基金 324.80 588080 科创板 50ETF 易方达基金 309.80 -27-513330 恒生互联网 ETF 华夏基金 298.78 512170 医疗 ETF 华宝基金 265.43 512480 半导体 ETF 国联安基金 262.27 511360 短融 ETF 海富通基金 247.31 513180 恒生科技指数 ETF 华夏基金 246.38 512000 券商 ETF 华宝基金 218.42 512010 医药 ETF 易方达基金 204.08 510180 上证 180ETF 华安基金 188.57 512760 芯片 ETF 国泰基金 171.89 510880 红利 ETF 华泰柏瑞基金 166.52 513130 恒生科技 ETF 华泰柏瑞基金 152.70 518880 黄金 ETF 华安基金 139.80 513060 恒生医疗 ETF 博时基金 132.28 512690 酒 ETF 鹏华基金 116.29 515790 光伏 ETF 华泰柏瑞基金 114.66 513100 纳指 ETF 国泰基金 102.96 数据来源：Wind，截至2023年底（三）市场功能逐步发挥，多维度服务国家战略 一是丰富科创类一是丰富科创类 ETF 产品，提供科创板的多元化投资工具。产品，提供科创板的多元化投资工具。为响应我国创新驱动发展战略，服务科技自立自强，上交所积极推动管理人开发跟踪科创板指数的基金产品。截至 2023 年底，沪市共挂牌 8 只科创 50ETF，总规模 1443 亿元；6 只科创细分主题 ETF 产品，总规模 90 亿元，总体运行平稳，交投活跃。2023年新推出了 2 只科创成长 ETF，聚焦科创板高成长性板块，发行规模合计 22 亿元；8 只科创 100ETF，聚焦科创板中等市值上市公司，截至 2023 年底总规模 313 亿元，为广大投资者分享科创板公司发展红利提供了多元选择。-28-表11 沪市科创板相关ETF产品概况 基金代码基金代码 证券简称证券简称 基金管理人基金管理人 市值（亿元）市值（亿元）588000 科创 50ETF 华夏基金 933.63 588080 科创板 50ETF 易方达基金 309.80 588050 科创 ETF 工银瑞信基金 88.20 588030 科创 100 指数 ETF 博时基金 85.58 588220 科创 100ETF 基金 鹏华基金 77.13 588800 科创 100ETF 华夏 华夏基金 73.22 588200 科创芯片 ETF 嘉实基金 68.72 588090 科创板 ETF 华泰柏瑞基金 48.62 588060 科创 50ETF 龙头 广发基金 33.61 588120 科创板 100ETF 国泰基金 31.23 588190 科创 100ETF 银华基金 29.59 588180 科创 50ETF 基金 国联安基金 24.39 588290 科创芯片 ETF 基金 华安基金 11.84 588900 科创 100ETF 南方 南方基金 7.02 588100 科创信息技术 ETF 嘉实基金 6.36 588880 科创 100ETF 指数 华泰柏瑞基金 5.61 588210 科创 100ETF 易方达 易方达基金 3.31 588150 科创 50ETF 南方 南方基金 2.55 588280 科创 50ETF 指数基金 华安基金 2.46 588110 科创成长 ETF 广发基金 2.18 588020 科创成长 50ETF 易方达基金 1.74 588260 科创信息 ETF 华安基金 1.57 588010 科创新材料 ETF 博时基金 0.88 588160 科创材料 ETF 南方基金管理 0.77 数据来源：Wind，截至2023年底 二是二是完善央企完善央企ETF产品布局，服务央企长期健康发展。产品布局，服务央企长期健康发展。为引导市场参与者深入挖掘央企长期投资价值，推动央企估值逐渐回归合理水平，近年来，上交所ETF市场持续服务国资国企改革，央企、泛央企ETF产品布局逐步丰富。截至2023年底，上交所共有国企、央企ETF产品23只，规模合计454亿元，投资领域涵盖了上海国企、一带一路、央企创新驱动、央企结构调整等。2023-29-年新推出了9只国新央企系列ETF产品，截至2023年底总规模80亿元，为广大投资者分享央企上市公司发展红利提供了更多元选择。表12 沪市国新央企系列ETF产品概况 基金代码基金代码 证券简称证券简称 基金管理人基金管理人 市值（亿元）市值（亿元）560170 央企科技 ETF 南方基金 25.43 560700 央企红利 50ETF 广发基金 9.99 560070 央企股东回报 ETF 汇添富基金 8.79 561790 央企现代能源 ETF 博时基金 8.71 562850 央企能源 ETF 嘉实基金 8.22 561260 能源 ETF 工银瑞信基金 6.30 562380 央企科技引领 ETF 银华基金 4.49 563050 央企科技 50ETF 易方达基金 4.26 561960 央企回报 ETF 招商基金 3.88 数据来源：Wind，截至2023年底 三是三是丰富跨境丰富跨境 ETF 产品产品，推出首批沪新推出首批沪新互通互通 ETF 产品产品。上交所积极贯彻落实党中央关于扩大金融开放有关决策部署，在借鉴成熟跨境 ETF 互通模式经验的基础上，推出了首批沪新 ETF 互通产品，对于深化中新金融合作具有积极意义，有利于丰富交易所跨境基金产品体系，增强资管行业国际化发展能力，服务居民财富管理需求。截至 2023 年底，上交所上市的华泰柏瑞南方东英新交所泛东南亚科技 ETF 规模 6.8 亿元，为投资者配置以科技为重点的东南亚上市公司提供了选择。（四）丰富风险低、收益稳产品，发挥基金市场普惠金融作用 一是丰富债券一是丰富债券 ETF 品种。品种。2023 年，上交所债券 ETF 规模实现高速增长，规模从年初的 309 亿元大幅增长到 542 亿元，增幅-30-达到 75%，年内新增华夏基准做市国债 ETF、鹏扬 30 年期国债ETF 上市，进一步丰富了场内低风险产品，为投资者提供了更便捷的场内现金管理工具。此外，上交所推出首只 30 年国债 ETF，填补了境内超长期债券 ETF 产品布局的空白，不仅有利于满足长期资金入市需求，也有助于加强超长国债的期限联动效应，为市场提供更多策略选择；推出首只做市基准国债 ETF，不仅满足了低风险偏好投资者的配置需求，也有助于提升债券做市策略的多元化。表13 沪市债券ETF产品概况 基金代码基金代码 证券简称证券简称 基金管理人基金管理人 市值（亿元）市值（亿元）511520 政金债券 ETF 富国基金 72.33 511380 可转债 ETF 博时基金 62.71 511030 公司债 ETF 平安基金 60.41 511220 城投债 ETF 海富通基金 29.15 511100 基准国债 ETF 华夏基金 16.79 511010 国债 ETF 国泰基金 14.41 511020 活跃国债 ETF 平安基金 11.16 511270 10 年地方债 ETF 海富通基金 7.36 511260 十年国债 ETF 国泰基金 5.98 511060 5 年地方债 ETF 海富通基金 5.89 511090 30 年国债 ETF 鹏扬基金 3.53 511180 上证可转债 ETF 海富通基金 3.47 511580 政金债 5 年 ETF 招商基金 1.87 数据来源：Wind，截至2023年底 二是二是推出推出更多更多红利、低波动类型红利、低波动类型 ETF。截至 2023 年底，上交所共有 18 只红利、低波策略 ETF，规模合计 379 亿元；年内推出 6 只红利、低波策略 ETF，规模合计 27 亿元，投资标的涵盖 A 股、港股，标的指数包括恒生港股通高股息低波动、中证-31-央企红利、中证国有企业红利、中证红利、中证红利低波动、标普港股通低波红利和标普中国 A 股红利机会。红利风格提供稳定分红的同时，通常也保持较低的波动和回撤，低波因子进一步强化了红利的防御属性，展现出更高的收益风险比，体现了“攻守兼备”的特征，提供了稳健收益的投资选择。表14 沪市红利、低波动ETF产品概况 基金代码基金代码 证券简称证券简称 基金管理人基金管理人 市值（亿元）市值（亿元）510880 红利 ETF 华泰柏瑞基金 166.52 515100 红利低波 100ETF 景顺长城基金 50.83 515080 中证红利 ETF 招商基金 43.68 515180 红利 ETF 易方达 易方达基金 40.08 512890 红利低波 ETF 华泰柏瑞基金 25.27 513630 港股红利指数 ETF 摩根基金 10.01 515300 红利低波 ETF 基金 嘉实基金 9.15 515450 红利低波 50ETF 南方基金 7.65 561580 央企红利 ETF 华泰柏瑞基金 6.78 515890 红利 ETF 博时 博时基金 6.25 562060 标普红利 ETF 华宝基金 4.87 513950 恒生红利 ETF 富国基金 2.19 512390 平安 MSCI 低波 ETF 平安基金 1.93 563020 红利低波动 ETF 易方达基金 1.17 560020 红利 ETF 添富 汇添富基金 0.85 512260 中证 500 低波动 ETF 华安基金 0.80 561060 国企红利 ETF 华安基金 0.70 512530 沪深 300 红利 ETF 建信基金 0.56 数据来源：Wind，截至2023年底（五）市场机制持续优化，提升投资者参与体验 一是一是基金通平台平稳运作近两年基金通平台平稳运作近两年。基金通平台旨在为基金公司直销、银行、第三方销售机构等渠道的投资者使用开放式基金账户（无需开立证券账户）转让公募REITs等上市基金份额提供-32-服务。基金通平台于2022年2月28日正式上线，初期以公募REITs为试点，仅开通了投资者卖出公募REITs份额功能。目前16只公募REITs开通了基金通平台转让业务功能，12家做市商、9家基金销售机构接入了基金通平台，较好地满足了公募REITs场外投资者退出需求，市场各方反馈积极正面，高度认可基金通平台对于普惠金融的重要性。二是二是股票股票ETF集合申购试点平稳运行近三年集合申购试点平稳运行近三年。集合申购业务允许投资者使用单只或多只成份券申购ETF份额，有助于优化投资者持仓结构、分散集中持股风险。截至2023年底，上交所有序开展ETF集合申购业务试点，19只股票ETF试点均已成功落地，为投资者持续参与ETF市场投资提供了便利，市场运行总体平稳，舆论反馈积极正面。三三是纳入互联互通标的是纳入互联互通标的ETF产品稳步扩容。产品稳步扩容。2022年7月4日，根据两地证监会联合公告，ETF纳入沪港通正式启动。开通以来，纳入产品数量稳步扩容、品种逐渐丰富，有助于内地与香港市场进一步融合，为境外投资者提供了更加多样化的资产配置工具。截至2023年底，纳入沪股通的ETF共76只，总规模9013亿元，产品类型既包括宽基ETF，也涵盖行业主题ETF。三、上交所ETF投资者行为分析（一）机构投资者持有占比超六成，个人投资者持有占比有所提升 1 机构投资者持有ETF规模增长，持有ETF规模占比同比下-33-降 截至2023年底，个人投资者持有沪市ETF的市值总规模为5676.54亿元，较2022年同比增长31.33%，机构投资者持有沪市ETF市值总规模为9877.06亿元，较2022年同比增长12.99%。个人投资者持有沪市ETF的市值占比为36.5%，较2022年上升3.4个百分点；机构投资者持有沪市ETF的市值占比为63.5%，较2022年下降3.4个百分点。2从标的资产类别来看，机构投资者对多数ETF的持有规模占比较高 从持有规模来看，除跨境ETF和股票行业ETF，机构投资者持有沪市ETF的占比更高，其中债券ETF机构持有的规模占比最高，占沪市债券ETF总市值的92.12%。图14 截至2023年底各类型沪市ETF持有市值分布情况（单位：亿元）3机构投资者日均持仓市值大多呈上升趋势，保险和企业149.59 725.96 2154.69 1162.64 405.25 999.52 36.13 42.76 152.42 691.7 4316.16 1476.79 1646.54 963.04 130.78 499.63 0 0Pp0%股票策略 股票行业 股票宽基 股票主题 货币 跨境 商品 债券 个人市值 机构市值-34-年金增幅居前 2023 年，在沪市机构投资者中，公募基金（主要为 ETF 联接基金）、私募和一般机构的 ETF 日均持仓规模排名靠前，日均持仓市值分别为 2124 亿元、1844 亿元和 1552 亿元。除社保基金、沪股通投资者、财务公司和期货资管类别之外，其余机构投资者类别的日均持仓都超过100亿元。与2022年持仓情况对比，除基金专户和期货资管等机构之外，大部分类别的机构投资者日均持仓市值都呈上升趋势。在日均持仓超过 100 亿元的机构投资者中，保险机构和企业年金的日均持仓较上一年同比增幅明显，分别达到 102%和 46%。图 15 2022 年和 2023 年各类机构投资者沪市 ETF 日均持仓市值（单位：亿元）（二）二级市场交投活跃，机构投资者交易活跃度高于个人投资者 1432 2124 364 394 317 1844 1552 1024 709 1818 544 368 217 1803 1490 753 0 500 1000 1500 2000 2500 保险 公募基金 基金专户 境外投资者 企业年金 私募信托 一般法人 证券公司 2023 2022-35-1从投资者类型来看，机构投资者成交额占比超六成，其中券商自营、私募和境外投资者交易最为活跃 2023 年全年，沪市个人投资者 ETF 交易金额约 8.4 万亿元，较 2022 年同比增长 5.66%，占沪市总成交额的 38.8%；机构投资者交易金额 13.25 万亿元，较 2022 年同比增长 23.26%，占总成交额的 61.2%。机构投资者中，券商自营、私募信托和境外投资者在 ETF 成交金额中排名靠前，2023 年全年成交金额分别为6.7 万亿元、4.3 万亿元和 1.0 万亿元，共占机构投资者交易总额的 90.57%。其余机构如一般机构、保险、基金专户、公募基金和企业年金的 ETF 交易也较为活跃，ETF 成交金额均超千亿。图16 2023年各类机构投资者沪市ETF成交金额占比 2从产品类别来看，权益类 ETF 整体交易活跃，债券 ETF成交显著增长 2023 年权益类 ETF（包括跨境 ETF）交易活跃，年度成交513%7%3%3%3%证券公司 私募信托 境外投资者 一般法人 保险 其他七类-36-金额达 10.62 万亿元，较 2022 年增加 20.68%。股票 ETF 年成交额为 7.5 万亿元，较 2022 年同比增长 18.3%，其中，细分宽基、行业、主题和策略指数 ETF 的年成交额分别为 3.9 万亿元、1.3万亿元、2.2 万亿元和 0.14 万亿元。2023 年跨境 ETF 总成交 3.12万亿元，较 2022 年同比增长 20%。债券类 ETF 交易显著增长，年成交额 3.6 万亿元，是 2022 年成交额的 2.5 倍。其中短融 ETF成交额增长势头强劲，是提供沪市债券 ETF 流动性的主力，占债券 ETF 总成交额的 53%，全年成交额达 1.9 万亿元。2023 年黄金ETF 和货币ETF的成交额分别为2154亿元和7.25万亿元。图 17 2023 年沪市股票 ETF 成交额细分类别占比（三）ETF 一级市场净申购趋势显著，券商、私募申购意愿强烈 2023 年，沪市 ETF 申购赎回总体呈现净流入态势。沪市 ETF全年申购总金额达 1.67 万亿元，较 2022 年同比增长 15.97%；赎回总金额约 1.23 万亿元，较 2022 年同比增长 6.5%。全年净申购2R)%策略ETF 宽基ETF 行业ETF 主题ETF-37-金额为 0.35 万亿元，较 2022 年同比增长 51.06%。1ETF 净申购以机构投资者为主，券商自营、私募、公募基金申购意愿强烈 从投资者类型来看，2023 年净申购以机构投资者为主，个人投资者净赎回金额为 1569.48 亿元，机构投资者净申购金额为5120.02 亿元。进一步区分机构投资者账户类型，2023 年券商自营、私募、公募基金在 ETF 净申购中排名靠前，全年净申购规模分别为1962.63 亿元、1923.61 亿元、549.08 亿元。2023 年净赎回的机构投资者只有证券公司资产管理计划，净赎回 69.43 亿元。图 18 2023 年沪市各机构投资者 ETF 净申购（单位：亿元）2 权益类 ETF 净申购活跃，股票 ETF 净申购增长态势明显 从细分资产类别来看，沪市股票 ETF、跨境 ETF、债券 ETF、和黄金 ETF 呈净申购态势。其中股票 ETF 贡献了净申购金额的1962.63 1923.61 549.08 262.62 242.11 85.17 81.84 40.38 30.71 7.88 3.42-69.43-500 0 500 1000 1500 2000 2500-38-主要部分，净申购金额达 3384 亿元，在所有净申购产品类型中总额占比 78.72%，较 2022 年有显著增长。图 19 2023 年沪市各类 ETF 申赎情况（单位：亿元）把股票ETF进行进一步细分，宽基ETF净申购金额在其中占据绝对主力，2023年净申购达2557.77亿元。行业、主题和策略指数ETF净申购金额分别为119.3亿元、624.35亿元、82.67亿元。四、2024 年境内 ETF 市场发展展望 随着新一轮资本市场改革开放成效不断凸显，境内 ETF 市场处于难得的发展机遇期。为更好服务实体经济、提升新时期高质量发展成效，上交所多措并举助力投资端改革走深、走实，不断加快 ETF 市场的创新步伐，产品布局将会更加丰富，投资者参与程度也将持续提升。2024 年，ETF 行业将呈现以下发展趋势：（一）指数化投资发展空间广阔，ETF 市场处于发展机遇期 12520.95 1078.74 147.28 581.58 2372.93 9136.86 401.97 111.52 379.65 3120.94 0 2000 4000 6000 8000 10000 12000 14000 股票ETF 跨境ETF 商品ETF 债券ETF 货币ETF 申购金额 赎回金额-39-2024 年，随着我国全面建设现代化经济体系和资本市场深化改革进程的加快，指数化投资的发展将迎来巨大机遇。一方面，预计境内指数体系会迎来进一步完善，总体指数供给增加；一方面，上交所将紧密围绕经济结构调整和产业转型升级，多措并举丰富 ETF 产品格局，持续优化 ETF 投资生态环境，促进资本市场持续开放，为指数化投资营造更为广阔的发展空间。（二）宽基 ETF 持续发展，形成沪市基金市场名片 2024 年，上交所将重点推进宽基 ETF 产品做大做强做优，从包括强化推广、优化生态等多方面入手，多措并举打造沪市基金市场名片。提高机构投资者对宽基 ETF 投资参与度，不断提升投资者参与体验。同时研究推出中证 A50 等更多宽基 ETF 产品，持续丰富产品布局。（三）行业主题型 ETF 快速发展，服务国家战略布局 2024 年，随着市场有效性的不断提升，上交所将继续着力推动行业主题类权益型 ETF 创新发展。紧扣国家重大战略布局和资本市场改革目标，围绕中国经济转型、科技自立自强、央企估值回归、绿色环保节能、区域协调发展、消费理念升级、多层次资本市场等概念的行业主题 ETF 将持续发展，呈现百花齐放的趋势。更加特色鲜明的行业主题 ETF 能够更好地满足不同投资者的资产配置需求，降低投资者选股难度，充分发挥 ETF 投资优势。（四）债券 ETF 品种持续丰富，机制进一步优化-40-2024 年，上交所将充分发挥基金市场普惠金融作用，不断丰富债券 ETF 产品布局，为投资者提供更多风险低、收益稳的基金产品。此外，债券 ETF 配套机制也将不断完善，便利各类投资者参与债券 ETF 投资。（五）大力推动产品创新，ETF 产品链持续完善 2024 年，上交所将在把握好金融创新和风险防控关系的前提下，加大产品创新力度，完善 ETF 布局及产品链，推动创新产品开发，为投资者提供更加多元化的资产配置工具，切实发挥基金市场服务居民财富管理需求的作用。（六）研究推动集合申购业务常态化，完善 ETF 配套机制 ETF 集合申购是对现有申购方式的有益补充。目前，上交所已顺利完成 19 只 ETF 集合申购试点落地。2024 年，上交所将持续研究推动 ETF 集合申购业务常态化，吸引更多中长期资金通过投资 ETF 入市，支持实体经济发展。此外，通过优化做市评价、精简业务办理流程等方式持续优化做市商机制，进一步提升券商参与基金做市业务积极性，推动市场运行效率不断提高。（七）研究拓宽基金通平台业务功能，落实为群众办实事要求 上交所认真落实“为人民群众办实事”的工作要求，秉持打造普惠金融的工作精神，推动基金通 2.0 平台上线，便利场外投资者转让公募 REITs 份额。2024 年，上交所将继续研究拓展基金通 2.0 平台业务功能，推动开通投资者买入功能，拓展平台转让-41-标的范围，便利基金公司直销、第三方销售机构、互联网等渠道投资者参与公募 REITs 等上市基金转让，助力养老、投顾等业务发展。（八）拓展 ETF 互联互通，积极打通全球市场 2024 年，上交所将推动沪市 ETF 纳入互联互通标的稳步扩容，同时继续借鉴中日、沪港、沪新 ETF 互联互通经验，探索创新与境外合作模式，加深与“一带一路”国家基金市场合作，不断提升交易所对外开放水平，切实推进我国资本市场双向开放，助力构建以国内大循环为主体、国内国际双循环相互促进的新发展格局。（九）丰富 ETF 期权品种，完善风险管理工具 2024 年，上交所将在上证 50ETF 期权、沪深 300ETF 期权、中证500ETF期权和科创50ETF期权的基础上研究推出更多ETF期权品种。ETF 期权的上市对丰富股票市场风险管理工具、完善我国资本市场产品结构和功能、提升服务实体经济能力具有重要意义。（十）持续加大 ETF 推广，引入更多中长期资金参与 2024 年，上交所将深化投资端改革，进一步加强面向机构投资者服务，聚焦关键问题精准发力，营造有利于机构投资者的入市环境，引导更多中长期资金入市。同时进一步提升 ETF 推广力度，加强 ETF 行业分析师队伍建设，丰富推广活动形式，不断拓展培训合作方的范围和投资者覆盖面，鼓励更多个人与机-42-构投资者参与到 ETF 投资中来。-43-第三部分第三部分 专题研究报告专题研究报告 -44-专题系列（一）宽基专题系列（一）宽基 ETF 研究研究报告报告 华泰柏瑞基金管理有限公司 -45-一、我国宽基指数体系概况和编制方案分类 股票型指数基金按照跟踪指数的不同，可以分为宽基指数、行业指数、主题指数、策略指数以及风格指数基金。其中，宽基指数是指选样范围不限于特定行业或投资主题，反映某个市场或某种规模股票表现的指数。虽然宽基指数以反映整体或部分市场表现为主要目的，但由于编制方式的不同，各个宽基指数之间仍有一定的差异。例如按照不同宽基指数样本公司流通市值大小来进行分类，上证 50、沪深300为大盘类宽基指数，中证500和中证1000则分别是中、小盘类宽基指数；如果按照市场跨度来看，上证 50、深证 100、科创 50 等是单市场指数，而沪深 300、中证 500 则为横跨沪深两市的跨市场宽基指数。截至 2023 年 12 月 31 日，若包含沪港深指数，我国共有 38只宽基指数拥有对应的 ETF 产品。下表展示了截至 2023 年 12月 31 日，跟踪 ETF 规模超过 100 亿元的宽基指数及相应信息。目前市场上最主流的宽基指数包括沪深 300、科创 50、上证 50、中证 500、创业板指等。表 1 跟踪 ETF 规模最大的宽基指数 宽基指数宽基指数 指数名称指数名称 跟踪跟踪 ETF 规模规模(亿元亿元)流动性剔除流动性剔除 的比例的比例 是否行业是否行业 中性处理中性处理 是否是否 ESG 剔除剔除 000300.SH 沪深 300 2807.22 50%否 否 000688.SH 科创 50 1443.97 10%否 否 000016.SH 上证 50 882.72-否 否 000905.SH 中证 500 718.22 20%否 否 399006.SZ 创业板指 582.50 10%否 否 000852.SH 中证 1000 337.52 20%否 否-46-000698.SH 科创 100 312.49 10%否 否 931643.CSI 科创创业 50 270.68 20%否 否 399673.SZ 创业板 50 212.74 10%否 否 000010.SH 上证 180 188.82-否 否 746059.MI MSCI 中国 A50 互联互通 148.37-是 否 资料来源：Wind 从宽基指数的编制方案来看，除样本空间存在差异之外，选样思路基本一致，整体而言都是以样本空间内成份股过去一年的日均总市值排序，再自上而下选择一定数量的股票作为成份股，但在具体细节上还是有一定不同，主要体现在三方面：一是在样本空间中作流动性剔除的股票比例，二是是否在选样时进行行业中性处理，即尽可能确保成份股中各个行业股票数量的一致性，三是选样过程中是否纳入 ESG 评分考量，将低 ESG 得分股票剔除。从实践中来看，流动性剔除比例一般为 10%或者 20%，也有部分指数选择更高的流动性剔除比例，如沪深 300 指数达到 50%，或者完全不作流动性剔除；行业中性处理方面，跟踪 ETF 产品规模最大的 10 条宽基指数中，除了 MSCI 中国 A50 互联互通指数，其余主要宽基指数均未对行业进行中性处理，说明早期的宽基指数对行业配比并未赋予太多的关注，但新发的宽基指数为了提高与老指数的区分度，行业中性处理的使用频率明显提高；ESG 剔除方面，由于 ESG 概念在我国投资者群体中接受度并不高，近年来即便在海外也产生了较大争议，绝大多数主流宽基指数都未采用 ESG 剔除，但一些近期发布的宽基指数，如中证 A50指数，就在编制方案中加入了 ESG 因素，将中证 ESG 评价结果-47-在 C 及以下的股票剔除出样本。二、2023 年我国 ETF 市场发展情况 回顾 2023 年，我国股票型 ETF 呈现出稳定增长的趋势。截至 2023 年底，我国已上市的股票型 ETF（不含跨境 ETF）整体规模攀升至 1.45 万亿元，较年初增加了 0.4 万亿元。图 1 2023 年我国股票型 ETF 整体规模和数量变化 资料来源：Wind 按照指数类别对股票型 ETF 进行进一步划分（包含宽基指数、风格指数等），从二级分类来看，宽基指数和主题指数 ETF 市场规模在 2023 年上升较快，其中宽基指数 ETF 较 2022 年底增长52%、主题指数 ETF 较 2022 年底增长 27%；行业指数 ETF 在2023 年整体稳中有升；相较于其他类型，策略和风格指数 ETF整体规模较小。073510313911 353356058060062064066068002,0004,0006,0008,00010,00012,00014,00016,000ETF规模（亿元）ETF数量（右轴）-48-图 2 二级分类下我国 2023 年各类型 ETF 规模变化（亿元）资料来源：Wind 按 ETF 的板块属性和因子使用情况，统计周期、大金融、消费、科技、Smart Beta 五类 ETF 的规模变动情况。科技和消费类ETF 在 2023 年有所扩张，相较于 2022 年底规模分别增长了 36%和 32%。Smart Beta 类 ETF 虽然目前规模仍较小，但在 2023 年发展迅速，规模增速高达 70%。02,0004,0006,0008,00010,00012,00014,00016,000风格指数策略指数行业指数主题指数宽基指数-49-图 3 三级分类下我国 2023 年各类型 ETF 规模变化（亿元）资料来源：Wind 对宽基 ETF 内部跟踪不同指数产品的规模变化情况进行更为细化的统计，图 4 重点展示了跟踪宽基 ETF 产品规模最大的10 只指数。截至 2023 年底，宽基 ETF 规模最大的标的指数为沪深 300 指数，占所有宽基指数产品规模的三分之一，此外跟踪产品规模超过 500 亿元的还有科创 50、上证 50、中证 500 以及创业板指。从规模增长的角度来看，沪深 300 指数 ETF 在 2023 年规模增长了 1207 亿元，增幅高达 75%，其中仅规模最大的产品华泰柏瑞沪深 300ETF 在 2023 年的规模就增加了 535 亿元。科创 50、创业板指和创业板 50ETF 在 2023 年同样发展迅速，规模接近翻倍。此外，今年新发行的科创 100ETF 同样备受瞩目，科创 100 指数于 2023 年 8 月 7 日发布，自该指数发布以来，跟踪01,0002,0003,0004,0005,0006,0007,000Smartbeta周期大金融消费科技-50-ETF 规模不断扩大，截至年底已超 300 亿元。图 4 2023 年我国主要宽基 ETF 规模增长情况（亿元）资料来源：Wind 图5 2023年我国主要宽基ETF规模增长情况（亿元）资料来源：Wind 三、宽基 ETF 的持有人结构（一）宽基指数 ETF 的机构投资者持有比例较高 本文采用“ETF 机构持仓穿透算法”计算 ETF 基金中机构投资者实际持仓的规模和占比。目前 ETF 基金在半年报、年报中公布的机构投资者持有份额占比，一般是将 ETF 联接基金和其他机构都视作机构求得的，按照现有方法计算会高估机构投资者的占比。为此本文基于 ETF 和 ETF 联接基金的年报/半年报数据对 ETF 公布的机构投资者占比进行修正，在 ETF 公布机构持有比例中扣除联接基金中个人投资者持有比例。从持有规模来看，在各类型股票型 ETF 中，机构投资者持有宽基指数 ETF 的占比最高。由于 2023 年年报尚未公布，我们根据 2023 年中报统计了各类型 ETF 的机构和个人投资者的占比。0500025003000沪深300科创50上证50中证500创业板指00500600中证1000科创100科创创业50创业板50上证180-51-其中，宽基指数 ETF 中机构投资者持有比例约 50%，行业和主题 ETF 的机构投资者占比近 40%，而策略指数以及风格指数 ETF 主要被个人投资者所持有。图 6 各类 ETF 机构投资者持有比例 资料来源：Wind 根据 2023 年中报披露的持有人结构数据，在机构投资者持有的 ETF 总规模中，有近 60%的机构资金集中在宽基指数 ETF中。49.979.537.313.10&.49%0 0P%宽基指数主题指数行业指数策略指数风格指数-52-图 7 机构投资者持有各类型 ETF 的规模占比 资料来源：Wind（二）投资者在宽基指数 ETF 上偏好逢低买入 ETF 的前期涨跌可能会引发 ETF 份额发生变动，以 20、60、120、240 个交易日为观察期，我们发现宽基指数 ETF 本期份额变化与上期收益的相关系数普遍表现为负相关，即投资者行为主要表现为高抛低吸，这在沪深 300、中证 500 和创业板指中表现尤为明显。宽基指数,56.14%主题指数,28.68%行业指数,14.62%策略指数,0.46%风格指数,0.10%-53-表 2 部分宽基指数 ETF 本期份额变化与上期收益相关系数1 区间长度区间长度 沪深沪深 300 中证中证 500 创业板指创业板指 20 交易日交易日-18.55%-14.59%-14.27 交易日交易日-5.40%-0.21%-0.500 交易日交易日-15.81%-16.16%-22.14$0 交易日交易日-16.57%-32.25%-29.19%资料来源：Wind 从价格创短期和长期新高/新低的角度来看相应的 ETF 份额变化，可以发现，对于宽基 ETF 而言，在价格创短期新高时(20、60、120 日)，对应后 10 个交易日 ETF 的份额有所下降，而后 20个交易日的份额变化特征并不明显；在创新低时，后 10 个和 20个交易日内 ETF 的份额均有明显提升，呈现出市场资金逢低买入、短期逢高抛出的交易特征。2023 年市场整体下行，部分投资者选择通过买入宽基 ETF的方式抄底，宽基 ETF 整体规模提升明显。以华泰柏瑞沪深300ETF 为例，我们将其在 2023 年 9 月 5 日至 10 月 31 日期间的日度份额变化与指数净值的走势进行了比较，其中日度份额变化的计算方式为当日 ETF 份额减去前一日的 ETF 份额的差值。可以看到，在沪深 300 指数连续走低的这段时间，华泰柏瑞沪深300ETF 整体上呈现出买入的态势；尤其在 10 月 23 日沪深 300创出近一年新低时，当日伴随着近 10 亿的新增份额。1 在此表中，我们对各区间长度下 ETF 份额变化与上期收益的相关系数进行了 P 值检验，我们将对应 P5%的相关系数进行了标色，其中相关系数为正的标为红色，表明显著正相关；相关系数为负的标为蓝色，表明显著负相关；未进行标色的数值表明在 95%的置信水平下无法判断其具有显著的相关性。-54-图 8 沪深 300ETF 在指数创新低时份额变化（亿份，2023.09.05-2023.10.31）资料来源：Wind（三）投资者对 ETF 的应用日益多元 随着 ETF 市场规模的增长，全球投资者对于 ETF 产品的关注度不断提升，ETF 在投资组合中的运用更加多样化、灵活化。根据ETF市场数据服务供应商Trackinsight在2023年对全球ETF投资者最新的调查，近四分之三的受访者（72%）表示正在运用ETF 进行战略资产配置，该比例较 2022 年增加 7%；约三分之一（35%）的受访者表示使用 ETF 进行战术性资产配置；同时，大部分受访者通过购买 ETF 来弥补共同基金在特定主题、行业或风格的缺口，充分发挥 ETF 投资属性。0.90.920.940.960.9811.02-6-4-2024685 20230912 20230919 20230926 20231011 20231018 20231025 20231030每日新增份额沪深300指数净值（右轴）-55-图 9 ETF 在投资组合中的主要用途 资料来源：Trackinsight 四、宽基 ETF 规模高速增长的主要原因 2023 年宽基 ETF 取得的迅猛发展，包括首只千亿级别 ETF的诞生，都是整个市场全方面多维度发展的缩影，由多个因素共同作用而成，具体来说包括以下几点：（一）衍生品市场对宽基 ETF 现货市场的反哺效应逐渐显现 近年来指数投资理念逐步深入人心，投身 ETF 市场的基金公司越来越多，激烈的竞争促使 ETF 产品数量快速增加，ETF 市场组合投资的颗粒度和效用日益提高；期货、期权等金融衍生品陆续推出且市场容量有序扩大，宽基 ETF 生态建设迈向更高水-56-平，衍生品市场对现货市场的反哺效应逐渐显现。下表我们统计了中证 500、沪深 300、上证 50、创业板指等指数具有代表性的 ETF 产品在相应指数 ETF 期权上市前后 60个交易日的成交量、成交额、以及基金份额的变化情况。可见，在相应宽基指数衍生品上市后，对应 ETF 的交易活跃度明显提升。表 3 ETF 期权上市前后 60 个交易日指标对比 标的名称标的名称 日均成交量日均成交量(万手万手)日均成交金额日均成交金额(亿元亿元)日均基金份额日均基金份额(亿亿)南方中证南方中证 500ETF 上市前 144.31 10.07 55.74 上市后 250.87 15.17 79.02 变化 73.85P.64A.77%华泰柏瑞沪深华泰柏瑞沪深300ETF 上市前 257.9 10.23 86.14 上市后 551.44 21.75 100.44 变化 113.812.67.61%华夏上证华夏上证 50ETF 上市前 1196.95 27.77 106.02 上市后 1377.88 39.16 112.83 变化 15.12A.01%6.42%嘉实中证嘉实中证 500ETF 上市前 34.96 2.24 5.58 上市后 106.33 6.53 11.63 变化 204.202.228.63%嘉实沪深嘉实沪深 300ETF 上市前 95.84 3.81 59.17 上市后 200.49 8.09 66.43 变化 109.192.42.26%易方达创业板易方达创业板 ETF 上市前 302.23 7.9 58.93 上市后 542.05 12.44 82.85 变化 79.35W.54.60%易方达深证易方达深证100ETF 上市前 22.12 0.73 20.16 上市后 29.84 0.86 20.85 变化 34.90.39%3.46%资料来源：Wind（二）ETF 在投资者群体中的认知度持续提升，规模效应引发质变-57-从产品本身特点来看，宽基 ETF 一直具有风格清晰、持仓透明、适合作为投资组合构成“模块”的优势，只是过去市场对此认识并不充分，宽基 ETF 长期处于“酒香巷子深”的状态，但随着近年来宽基 ETF 在资本市场中的地位稳步提升和各类信息传播渠道对其覆盖度增加，越来越多投资者对宽基 ETF 的认知和理解日益深刻，而且与主动权益基金存在明显的规模上限制约不同，宽基 ETF 规模越大，投资者数量越多，其流动性与市场容量反而会随之改善和扩大，边际管理成本又会大幅下降，并在达到一定程度之后引发从量变到质变的使用价值上涨。（三）市场风格轮动下主动管理基金战胜指数的难度增大 从主动与被动基金的表现对比来看，2022 和 2023 两年中，由于市场风格轮动较快，且小市值风格较为凸显，与基金重仓股整体风格形成错位，主动权益基金获取超额收益的难度显著增加。从过去一年的数据来看，跑赢中证 A 股指数和沪深 300 指数的主动权益基金数量比例分别只有 24%和 32%。在此情况下，投资者随机从主动权益基金中选择一只产品投资的预期收益就将低于直接买入跟踪某个宽基指数的 ETF 产品，导致宽基 ETF 的相对吸引力上升。（四）ETF 市场不同产品之间的联动与赋能 与移动互联网市场中的社交、点评类 APP 类似，ETF 的最大价值在于其“网络效应”和“聚集效应”，即 ETF 产品数量越多，可供投资者使用的基础“模块”越丰富，最终能够构建的投资组合-58-数量就可以实现几何倍数的增长，其中每个 ETF 产品的潜在使用价值也都会有所提升，哪怕是行业、主题、风格、策略类产品的数量增加都会潜移默化地抬高宽基 ETF 的地位。近年来越来越多基金管理人参与到 ETF 市场当中，也在良性竞争的过程中为市场提供了大批优质的产品，供给侧的优化完善催生了需求侧的繁荣，这也是 ETF 市场生命力的最主要来源。五、宽基 ETF 在我国资本市场整体发展格局中的作用和意义 长期以来，宽基指数 ETF 一直是指数化投资发展的重点。ETF 本身具有成本低廉、高效透明的投资特点，能够满足市场资产配置和风险管理的需求，得到越来越多投资者的认可，已经成为我国资本市场中不可或缺的重要投资工具。其中，宽基 ETF 作为整体市场/部分市场配置的直接工具，发展时间最早、规模增长快速。2004 年 12 月，国内成立的第一只 ETF(上证 50 ETF)即为宽基指数 ETF；2012 年市场首现一批跨市场 ETF 产品，华泰柏瑞沪深 300ETF（510300.SH）、嘉实沪深 300ETF（159919.SZ）和华夏沪深 300ETF（510330.SH）相继成立，同年 ETF 市场规模跨过千亿元大关；此后宽基指数ETF 规模持续增长，截至 2023 年末，宽基指数 ETF 规模已经达到 8287 亿。宽基指数 ETF 的发展不仅极大地丰富了被动指数型基金市场的基金产品，提升了被动产品在公募产品中的占比，也给投资-59-者带来更多的被动投资工具，对提升被动基金市场投资者的参与度有重要意义。图 10 二级分类下我国各类型 ETF 自 2010 年以来规模变化（亿元）资料来源：Wind 而对于整个资本市场而言，宽基 ETF 的意义可以从以下方面理解：（一）助力建设现货与衍生品协同发展的资本市场体系 宽基 ETF 现货与宽基指数衍生品具有天然的互补性，两者相互依存，互为表里，共荣共生。在宽基 ETF 缺失或者规模较小、流动性较差的情况下，期现套利策略的容量和有效性就相对有限，对应的宽基指数衍生品定价缺少“锚点”，可能导致行情波动大，风险管理功能薄弱，反过来又抑制宽基 ETF 现货规模的增长。只有做到“两手都要硬”，打造 ETF 现货和衍生品均有扎02,0004,0006,0008,00010,00012,00014,00016,0002010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023风格指数策略指数行业指数主题指数宽基指数-60-实基础的双支柱体系，才能形成两者相互促进，协同发展的正反馈循环。（二）在市场承压时作为投资者注入信心的载体 从沪深 300ETF 个人投资者“低买高卖”的交易行为可以看出，在市场持续回调的过程中，投资者并非缺乏信心，而是更倾向于以投资更为分散、更具价值属性的宽基ETF为载体来表达信心，从而规避市场压力下部分个股潜在的“暴雷”风险，并排除主动权益基金低透明度所带来的不确定性。因此，宽基 ETF 的发展能够为个人投资者创设更多信心表达载体，在市场承压时维系资金流入渠道，纾解资本市场压力，增强市场稳定性。（三）承接养老资金日益扩大的权益配置需求 在人口结构持续改变的背景下，养老投资规模大幅增加以及权益类资产配置比例显著提升将是大势所趋，并将成为 ETF 市场的重要增量资金来源。养老投资具有资产配置属性强、投资周期长、安全性要求高等特点，ETF 持仓透明、品种繁多、申赎交易机制完善等特点能够很好地适配这些需求。其中，以沪深300ETF 为代表的宽基指数产品，是任何资产配置策略所不可或缺的“基石”，不同类型的投资者可能具有多元化的风险偏好、风险承受能力、投资周期和市场观点，对宽基 ETF 与其他类型 ETF的配置比例也可能存在较大差异，但无论如何宽基 ETF 都将是其权益类投资组合中的核心，是一切投资决策的根本出发点。（四）树立 ETF 市场的招牌和标杆，为行业争取更大关注-61-和资源，成为行业发展的“火车头”随着金融市场对外开放力度的不断增强，我国基金行业必将迎来更为激烈的国际化竞争，届时 ETF 行业并不仅仅是国内基金管理人之间的竞争，还需要与其他资产管理业态，甚至是其他国家的 ETF 行业之间进行竞争，因此很有必要树立一个或者几个无论是规模、流动性还是投资价值在全球资产管理系统中都具有很强竞争力的标志性产品，依靠这些“招牌”和“尖刀连”为整个行业发展争取更多的舆论关注度和政策资源，营造更为积极和包容的环境，带动其他 ETF 产品携手并进，并且在全球资本市场联通逐步恢复和重塑的背景下，为我国 ETF 市场加大对境内外资本虹吸力度，充分利用国内国际两个市场、两种资源提质增效，强筋健骨创造有利条件。六、我国宽基 ETF 进一步发展的市场空间前景 我国宽基ETF虽然已经取得快速增长，但从绝对规模来看，当前 8340 亿元的水平哪怕与美国最大的标普 500ETF（SPY）超过 4000 亿美元的规模相比，依然还有较大差距，也意味着行业还有十分广阔的发展空间，后续可以从以下措施着手推动宽基ETF 做大做强：（一）着力提升机构投资者占比 担当资本市场压舱石 机构投资者作为活跃资本市场的重要推动力，起到着力强化逆周期布局的作用，自 2023 年 10 月份以来，中央汇金、国新投资等多家国有机构购买宽基 ETF，为资本市场注入长期资金，为-62-投资者积极参与多层次资本市场建设树立良好信心，展现了机构投资者争当金融稳定压舱石的决心。机构投资者通过投资宽基 ETF 可以促进提升市场流动性、提高市场投资效率、吸引更多个人投资者参与，结合政策支持共同搭建更加有效、充分流动、足够稳健的交易环境，促进活跃资本市场、提振投资者信心。大部分机构投资者参与ETF投资主要是看重ETF的灵活性，可以参与多领域市场交易，而且交易成本低廉、交易流动性较强。机构投资者通过投资宽基 ETF 获取市场收益，不仅可以分散单只股票风险，而且可以将更多投研资源分配到主动和指数增强型策略方面。同时，机构投资者通常相比个人投资者而言更加理性，换仓频率相对较低，畅通机构投资者投资 ETF 的路径可以为权益市场带来规模化资金，促进资本市场稳定向好。（二）将 ETF 纳入基金投顾业务范围，引导个人投资者进行长期价值投资 随着 ETF 市场不断发展，个人投资者在 ETF 产品的筛选、交易、投资方面存在一定挑战，需要具有资产管理业务牌照的机构投资者进行引导和陪伴，即 ETF 产品需要逐步纳入基金投顾范围，由财富管理机构结合专业投顾服务和 ETF 投资，为个人投资者提供更全面的投资解决方案，从而提升资本市场机构投资者占比，深化中长期资金参与资本市场的广度和深度，建立投资者与市场的良性互动，为资本市场高质量发展奠定坚实基础。-63-参考海外成熟市场的基金直接持有人结构，在美国市场的机构投资者中有相当一部分为投资顾问。将 ETF 纳入投顾范围不仅可以明确机构作为顾问角色的责任，为投资者提供策略研究、择时研究等增值服务，同时可以引导投资者进行长期投资，提升市场稳定性。（三）将指数基金直接纳入个人养老金投资范围 美国市场上机构投资者占比较高，随着养老金体系变革和共同基金快速发展，个人和非营利机构持股比例持续下降。从 1950年至 2022 年，美国股市专业机构投资者占比从 5.58%上升至38.43%。在此期间，机构投资者占比至少经历了两次显著的变化。第一次变化发生在 20 世纪 70-80 年代，由于养老体系变革推动了二三支柱的快速发展，养老金的持股比例明显放大，从 1970年的 8.07%增长至 1985 年的 21.80%；第二次变化是 90 年代共同基金的快速发展以及境外机构投资者参与美股投资增加。自2000 年以来，机构投资者持股市值占比超过了 60%，此后稳定在 60%-65%。-64-图 11 美国不同类型投资者持股市值占比变化 资料来源：美联储 相比之下，我国个人递延型商业养老保险虽已起步，但业态容量仍在积累之中，在公募基金市场可选择的投资标的也还较为有限，目前仅可投资养老目标 FOF，鉴于宽基 ETF 分散投资、持仓透明、业绩稳健、流动性好的特性，未来可以考虑将部分头部宽基 ETF 试点先行纳入个人养老金投资范围。（四）推动 ETF 纳入转融通证券出借标的 目前，转融通证券出借标的仅包含 A 股，考虑到符合一定条件的 ETF 本身属于融资融券标的，将其同样纳入转融通证券出借标的理论上具有可行性和逻辑连贯性，而纳入后能够有效提高机构投资者，尤其是长期资金持有宽基 ETF 的收益水平，增强产品的吸引力。0 0Pp0%养老金共同基金其他专业机构投资者政府海外投资者非金融机构家庭投资者专业机构投资者占比1970-1980养老体系变革1980-2000共同基金快速发展-65-（五）将规模较大的宽基 ETF 纳入打新底仓 目前，ETF 可以在产品内参与打新，但其本身还无法作为打新底仓。对于部分规模较小的产品来说，打新收益确实起到了增加基金资产收益，覆盖管理费、佣金等基金资产列支费用成本，减小跟踪偏离度的作用，但是对于百亿元规模以上的宽基 ETF而言，打新所能获得的超额收益可以忽略不计，在参与网下打新的机构投资者看来，能够作为打新底仓的属性更加切合其真实需求，使规模较小的机构账户可以在持有宽基 ETF 的同时通过打新为其自身创造超额收益。基金管理人也可以宽基 ETF 为基础推出打新专户，实现较为稳定的指数增强效果，拓展公司产品链，打造公私募业务的闭环。因此，可以试点将基金规模较大，打新收益较低的宽基 ETF 先行纳入打新底仓，同时基金本身不再参与打新。-66-专题系列（二）科创板专题系列（二）科创板 ETF 研究报告研究报告 博时基金管理有限公司 -67-一、科创板五周年回顾（一）发展历程 科创板于 2018 年 11 月 5 日宣布设立并试点注册制，并于2019年7月22日正式开市。主要定位是服务具有关键核心技术、卓越科技创新能力、稳定商业模式、较高市场认可度、良好社会形象以及较强成长性的“硬科技”企业，扶持并引导这类企业在前沿科技、新产品、新业务等方面进行创新，旨在推动中国企业在科技创新和经济主战场上取得国际竞争优势，促进经济结构的升级和转型，助力资本市场支持科技自立自强。科创板设立五年多以来，科创板始终立足创新驱动发展战略，持续发挥其聚集科技创新领域企业的领先优势，已成为上市企业540 家、首发总募资额超 8,000 亿元、总市值超过 7 万亿元的投融资平台。截至 2023 年末，从上市公司数量来看，科创板由开市时 25 只上市公司增长至 566 只，市场扩容近 23 倍；从成交活跃度来看，2023 年科创板月均成交额约 1.15 万亿元，远高于 2019年 0.22 万亿元的月均成交额。科创板的设立及发展助力中国资本市场进一步优化多层次市场建设，完善基础制度，显著提升中国资本市场服务实体经济能力。（二）近况观察 1.行业分布特色鲜明 从科创板上市公司属性来看，科创板深入贯彻落实“面向世界科技前沿、面向经济主战场、面向国家重大需求”的战略定位，-68-布局新一代信息技术产业、新能源汽车产业、新能源产业、新材料产业、相关服务业、数字创意产业、生物产业、节能环保产业与高端装备制造产业，在电子核心产业、智能装备制造、生物医药产业、新兴软件和新型信息技术服务等细分领域扶持具有科技含量、对社会创新发展具有重大战略价值和潜力的企业。截至2023年12月31日，在已上市的566家科创板企业中，新一代信息技术产业、生物产业、高端装备制造产业、新材料产业公司数量较高，占比分别为：41%、19%、17%、12%。细分行业方面，电子核心产业、智能装备制造、生物医药产业等上市公司占据相当份额。市值分布方面，科创板市值小于50亿元的科创板公司数量最多（242家），占比42.8%；市值介于50-100亿的公司数量位居第二（157家），占比27.7%；市值超过1,000亿元的公司共6家，占比1.1%。2.科创100指数发布，ETF成立上市 科创100指数的发布进一步完善科创板指数体系，更加充分地发挥科创板市场服务“硬科技”企业的功能，助力资本市场支持科技自立自强。2023年8月7日上交所和中证指数公司正式发布科创100指数。科创100指数是从科创50样本以外选取市值中等且流动性较好的100只证券作为样本，以反映科创板中等市值证券的整体表现。此次科创100指数的推出一方面有助于进一步提升科创板规模指数系列对科创板市场的覆盖度，为投资者提供更多元化投资工具，有助于投资者分享科技创新与高质量发展红利；另-69-一方面，科创100ETF的推出有助于提升科创板流动性，加强板块对科技创新型企业的支持。2023年下半年，8只科创板100ETF相继成立并上市。截至2023年12月31日，跟踪科创板100指数的ETF产品合计规模约312亿元。3.科创50ETF期权上市 2023年6月5日，上交所科创50ETF期权上市交易，在价格发现、风险管理、完善市场多空平衡机制等方面都发挥了重要作用，进一步丰富了投资者的风险管理工具。由于其标的指数科技成长属性较高，科创50ETF期权的上市有望进一步健全指数投资生态，吸引中长期资金入市并有力提升科创板公司的创新活力，进一步体现金融服务于实体经济科技创新的重要作用。4.海外资金流入，结构持续优化 2023年，外资投资科创板渠道进一步拓宽，外资投资规模与覆盖面不断上升。投资渠道方面，互联互通机制作为香港市场与内地市场的桥梁，有效降低香港投资者在科创板投资的难度。截至2023年末，已有290只科创板上市企业进入沪股通标的。5.践行ESG理念，可持续披露增强 科创板上市公司践行ESG理念，在坚持科技发展的基础上推进产业结构的绿色转型，不断加强企业可持续信息的披露。2022年，主动编制并披露社会责任报告的科创板上市企业有147家，相比2021年增加41家。在可持续信息的披露上，科创板上市公司-70-聚焦环境保护、社会责任、公司治理等方面，在绿色技术创新实践、回馈社会、ESG制度建设等方面展开了较为详尽的介绍。6.科创债、GDR渐次落地，融资渠道多元化 2023年2月，证监会同意沪硅产业向专业投资者公开发行面值总额不超过13.4亿元科技创新公司债券的注册申请。2023年11月，“23沪硅K1”成功发行，成为科创板上市公司发行的首单科创债。此外，科创板公司通过境外发行GDR的方式开辟国际融资渠道。杭可科技、中控技术、东威科技已完成GDR发行，分别募资1.73亿美元、5.65亿美元、1.05亿美元。二、科创板指数和 ETF 产品体系不断丰富（一）科创指数和 ETF 产品体系简介 中证科创指数体系共包含12条指数，涵盖规模、主题、策略三大类，指数体系呈现出层次丰富、各有侧重的特征。目前，科创指数体系已初步形成“2 7 2 1”的指数体系，包括科创50、科创100等2条宽基指数，新一代信息技术、生物医药、代表性芯片、高端装备制造、新材料、新能源、工业机械等7条行业主题指数，长三角、大湾区等两条区域主题指数，1条策略指数科创成长。2023年，中证指数公司发布科创100、科创新能、科创机械、科长三角指数，中证科创指数体系得到进一步地补充和完善。中证科创指数体系层次分明且各有侧重，有助于发挥科创板的投资价值并挖掘市场优势，强调科创板高成长性等特点，帮助投资者拓宽了投资渠道以及投资范围。-71-表1 中证科创指数体系 指数指数类型类型 细分细分类型类型 指数指数 代码代码 指数指数 简称简称 发布发布 时间时间 指数指数 定位定位 规模 大盘 000688 科创 50 2020/7/23 反映最具市场代表性的一批科创企业的整体表现 中盘 000698 科创 100 2023/8/7 反映科创板中等规模上市公司证券整体表现 主题 行业主题 000682 科创信息 2021/8/16 反映科创板新一代信息技术产业上市公司证券的整体表现 000683 科创生物 2022/5/9 反映科创板生物医药产业上市公司证券的整体表现 000685 科创芯片 2022/6/13 反映科创板代表性芯片产业上市公司证券的整体表现 000687 科创高装 2022/8/15 反映科创板高端装备制造产业上市公司证券的整体表现 000689 科创材料 2022/8/15 反映科创板新材料产业上市公司证券的整体表现 000692 科创新能 2023/4/3 反映科创板新能源产业上市公司证券的整体表现 000693 科创机械 2023/4/3 反映科创板工业机械产业上市公司证券的整体表现 区域主题 000695 科长三角 2023/4/3 反映科创板市场长三角地区代表性上市公司证券的整体表现 000697 科大湾区 2023/4/3 反映科创板市场粤港澳大湾区代表性上市公司证券的整体表现 策略 000690 科创成长 2022/11/4 反映科创板具有高成长特征的上市公司证券的整体表现 数据来源：中证指数 随着科创板市场规模的不断扩大，其产品种类和指数体系持续丰富和完善，截至 2023 年 12 月 31 日，跟踪科创板指数系列的 ETF 产品共有 27 只，合计规模约 1,860 亿元。其中，跟踪科创规模指数的 ETF 产品 18 只，合计规模约 1,770 亿元，是科创板系列指数 ETF 规模的主要贡献者；此外，行业主题内科创信息、科创生物、科创芯片、科创材料均有 ETF 产品存续，合计-72-规模约 90 亿元；风格指数方面，科创成长指数有 2 只 ETF 产品，合计规模约 4 亿元。表2 科创板指数系列内ETF产品概况 指数类指数类型型 细分类型细分类型 指数代码指数代码 指数简称指数简称 发布时间发布时间 ETF 数量数量(只只)ETF 规模规模(亿元亿元)规模 大盘 000688 科创 50 2020/7/23 10 1452.76 中盘 000698 科创 100 2023/8/7 8 312.49 主题 行业主题 000682 科创信息 2021/8/16 2 7.93 000683 科创生物 2022/5/9 1 3.49 000685 科创芯片 2022/6/13 2 80.55 000687 科创高装 2022/8/15-000689 科创材料 2022/8/15 2 1.65 000692 科创新能 2023/4/3-000693 科创机械 2023/4/3-区域主题 000695 科长三角 2023/4/3-000697 科大湾区 2023/4/3-策略 000690 科创成长 2022/11/4 2 3.93 合计 27 1862.80 数据来源：中证指数（二）科创指数体系包含指数和 ETF 产品 1.规模指数（1）科创 50 和科创 100 指数 科创规模指数包含科创 50 和科创 100 指数，分别描述科创板市场大盘和中盘风格证券的整体表现。从样本选取来看，科创50 选取市值大且流动性较好的 50 只证券作为样本，科创 100 在剔除科创50样本以及过去1年日均总市值排名样本空间前40的证券后的剩余证券内选择样本。在科创板设立五周年之际新推出科创 100 指数特征鲜明，与-73-定位反映科创板大市值证券表现的科创 50 指数形成差异化，进一步丰富了科创板规模指数体系。以最新一期样本为例，市值规模方面，科创100指数样本过去一年日均市值中位数为167亿元，市值规模在 200 亿元以下样本占比约 83%，与科创 50 指数样本531 亿元的市值中位数形成定位差异。行业分布方面，科创 100指数成份股超过半数分布于生物医药、高端装备、新材料等产业，行业分布上与科创 50 指数形成较好互补。创新能力与业绩成长性方面，科创 100 指数样本公司 2022 年度合计研发投入 289 亿元，占营业收入比例平均达到 19%，样本公司近三年营业收入年均复合增长率高达 38.9%，研发强度与营收增速均高于科创板市场平均水平。科创100指数的推出将有助于进一步提升科创板规模指数系列对科创板市场的覆盖度，科创50与科创100指数样本合计总市值占科创板上市公司总市值的比例约65%，可为投资者提供更多元化投资工具。科创50与科创100指数较好的区分了科创板市场大盘和中盘市场特征。从市值分布来看，截至2023年12月31日，科创50指数成分股总市值与自由流通市值中位数分别为351亿元、147亿元；科创100指数成分股总市值与自由流通市值中位数分别为153亿元、58亿元；作为对比，科创板全样本总市值中位数约59亿元，自由流通市值中位数约23亿元。-74-表3 科创规模指数市值 指数指数 代码代码 指数指数 简称简称 细分细分 类型类型 发布时间发布时间 成分成分 数量数量 总市值总市值中位数中位数(亿元亿元)总市值均总市值均值值(亿元亿元)自由流通自由流通市值中位市值中位数数(亿元亿元)自由流通自由流通市值均值市值均值(亿元亿元)000688 科创 50 大盘 2020/7/23 50 351.12 537.45 147.25 200.94 000698 科创 100 中盘 2023/8/7 100 153.17 171.60 57.51 66.50 科创板全部样本 59.35 120.00 22.83 45.23 数据来源：Wind（截至 2023 年 12 月 31 日)此外，科创 50 指数权重主要集中于 500 亿流通市值以上的公司，科创 100 指数权重主要集中于流通市值在 40 至 60 亿规模的公司。根据 Wind，科创 50 指数内流通市值超过 500 亿样本的权重合计约 34%；科创 100 指数内流通市值在 40 亿至 60 亿样本的权重合计约 22%。从科创主题行业分类来看，科创100指数相对科创50指数权重分布更分散。科创主题方面，科创50指数重点布局新一代信息技术产业，成分股权重占比约67%，科创100指数兼顾新一代信息技术产业与生物产业投资，对应权重占比分别为38%、31%，整体布局更为分散与均衡。（2）科创50ETF产品 跟踪科创50指数的ETF是科创指数系列中规模最大的ETF产品线。截至2023年12月31日，跟踪科创50指数的ETF共有10只，合计规模约1450亿元，在宽基ETF中规模仅次于沪深300指数。从产品竞争格局来看，当前华夏基金、易方达基金管理的科创板50ETF市占率高，对应规模分别约934亿、310亿。-75-表4 跟踪科创50指数产品明细 基金代码基金代码 基金名称基金名称 基金规基金规模模(亿亿)基金成立日基金成立日 管理人管理人 近近 1 年年跟踪误跟踪误差差(%)588000.SH 华夏上证科创板 50ETF 933.73 2020-09-28 华夏 0.05X8080.SH 易方达上证科创板 50ETF 310.09 2020-09-28 易方达 0.03X8050.SH 工银上证科创板 50ETF 88.32 2020-09-28 工银瑞信 0.03X8090.SH 华泰柏瑞上证科创板 50ETF 48.64 2020-09-28 华泰柏瑞 0.03X8060.SH 广发上证科创板 50ETF 33.66 2021-07-15 广发 0.03X8180.SH 国联安上证科创板 50ETF 24.39 2021-06-24 国联安 0.04X8460.SH 鹏华上证科创板50成份增强策略ETF 6.81 2022-12-01 鹏华 0.32X8150.SH 南方上证科创板 50 成份 ETF 2.56 2021-12-10 南方 0.04X8280.SH 华安上证科创板 50ETF 2.47 2021-10-12 华安 0.03X8370.SH 南方上证科创板50成份增强策略ETF 2.09 2022-12-01 南方 0.20%数据来源：Wind（截至 2023 年 12 月 31 日)（3）科创 100ETF 产品 跟踪科创100指数的ETF是科创指数系列中规模增长较快ETF产品线。截至2023年12月31日，跟踪科创100指数的ETF共有8只，合计规模约312亿元，在科创板ETF中规模仅次于科创50ETF。从产品竞争格局来看，当前博时基金、鹏华基金、华夏管理的科创板100ETF市占率较高，对应规模分别约85亿元、77亿元、73亿元。表5 跟踪科创100指数产品明细 基金代码基金代码 基金名称基金名称 基金规基金规模模(亿元亿元)基金成立基金成立日日 管理人管理人 发行发行份额份额(亿份亿份)最新最新份额份额(亿份亿份)资金资金净流净流入入(亿亿元元)成立至成立至今日均今日均成交额成交额(亿元亿元)588030.SH 博时上证科创板100ETF 85.49 2023-09-06 博时 26.61 87.87 60.70 6.86 588220.SH 鹏华上证科创板77.02 2023-09-06 鹏华 14.40 78.94 64.36 6.64-76-100ETF 588800.SH 华夏上证科创板100ETF 73.23 2023-11-08 华夏 38.95 78.22 37.92 9.89 588120.SH 国泰上证科创板100ETF 31.19 2023-09-06 国泰 14.92 31.87 17.02 3.17 588190.SH 银华上证科创板100ETF 29.60 2023-09-06 银华 13.58 30.35 16.67 2.81 588900.SH 南方上证科创板100ETF 7.03 2023-12-08 南方 8.90 7.22-1.61 1.07 588880.SH 华泰柏瑞上证科创板 100ETF 5.61 2023-11-08 华柏 10.59 6.00-4.51 0.68 588210.SH 易方达上证科创板100ETF 3.32 2023-11-08 易方达 5.53 3.53-1.98 0.21 数据来源：Wind（截至2024年1月3日)自成立以来，科创100ETF流入资金189亿元，其中博时基金、鹏华基金、华夏基金管理的产品资金流入相对多。产品份额方面，鹏华基金旗下科创100ETF份额增长相对快。成交活跃度上，华夏基金成立至今的日均成交额较高。2.主题指数（1）科创信息指数 科创信息指数全称上证科创板新一代信息技术指数，是科创板行业主题指数内的信息主题指数，发布于2021年8月16日。指数从科创板市场中选取50只市值较大的下一代信息网络、电子核心、新兴软件和新型信息技术服务、互联网与云计算、大数据服务、人工智能等领域上市公司证券作为指数样本，以反映科创板市场代表性新一代信息技术产业上市公司证券的整体表现。从科创主题分布来看，指数权重主要分布在新一代信息技术产业，少部分权重分布于高端装备制造产业与新材料产业，截至-77-2023年12月31日，新一代信息技术产业权重占比约92%。科创板二级分类方面，电子核心产业、新兴软件和新型信息技术服务企业是指数最主要的投资方向，两类主题权重占比分别约：64%、16%。截至2023年12月31日，跟踪科创信息指数的ETF共有2只，合计规模约8亿元。根据Wind，两只ETF均成立于2022年5月18日，管理人分别为嘉实基金、华安基金。其中，嘉实基金发行的科创信息ETF存续规模较高，华安基金发行的科创信息ETF近1年跟踪误差较小。表6 跟踪科创信息指数产品明细 基金代码基金代码 基金名称基金名称 基金规基金规模模(亿亿)基金成立日基金成立日 管理人管理人 近近 1 年日年日均跟踪误均跟踪误差差(%)588100.SH 嘉实上证科创板新一代 信息技术 ETF 6.36 2022-05-18 嘉实 0.03X8260.SH 华安上证科创板新一代 信息技术 ETF 1.57 2022-05-18 华安 0.02%数据来源：Wind（截至2023年12月31日）（2）科创生物指数 科创生物指数全称上证科创板生物医药指数，是科创板行业主题指数内的医药主题指数，发布于2022年5月9日。指数从科创板市场中选取50只市值较大的生物医药、生物医学工程、生物农业、生物质能、其他生物业等领域上市公司证券作为指数样本，反映科创板市场代表性生物医药产业上市公司证券的整体表现。-78-从科创主题分布来看，科创生物指数权重主要分布在生物产业，少部分权重分布于高端装备制造产业与新材料产业，截至2023年12月31日，生物产业权重占比约89%。科创板主题二级分类方面，生物医药产业、生物医学工程产业、智能制造装备产业是指数最主要的投资方向，上述主题权重占比分别约：54%、29%、10%。截至2023年12月31日，跟踪科创生物指数的ETF共有1只，合计规模约3亿元。根据Wind，该ETF成立于2023年12月27日，管理人为嘉实基金。表7 跟踪科创生物指数产品明细 基金代码基金代码 基金名称基金名称 基金基金规模规模(亿亿)基金成立基金成立日日 管理人管理人 近近1年日年日均跟踪均跟踪误差误差(%)588700.SH 嘉实上证科创板生物医药ETF 3.49 2023-12-27 嘉实-数据来源：Wind（截至2023年12月31日)（3）科创芯片指数 科创芯片指数全称上证科创板芯片指数，是科创板行业主题指数内的芯片主题指数，发布于2022年6月13日。指数从科创板上市公司中选取业务涉及半导体材料和设备、芯片设计、芯片制造、芯片封装和测试相关的证券作为指数样本，以反映科创板代表性芯片产业上市公司证券的整体表现。从科创主题分布来看，科创芯片指数权重主要分布在新一代信息技术产业，少部分权重分布于新材料产业与高端装备制造产-79-业，截至2023年12月31日，新一代信息技术产业权重占比约93%。科创板主题二级分类方面，电子核心产业是指数最主要的投资方向，对应权重约88%。截至2023年12月31日，跟踪科创芯片指数的ETF共有2只，合计规模约81亿元。根据Wind，两只ETF均成立于2022年9月30日，管理人分别为嘉实基金、华安基金。其中，嘉实基金发行的科创芯片ETF存续规模较高。表8 跟踪科创芯片指数产品明细 基金代码基金代码 基金名称基金名称 基金规基金规模模(亿亿)基金成立日基金成立日 管理人管理人 近近 1 年日年日均跟踪误均跟踪误差差(%)588200.SH 嘉实上证科创板芯片 ETF 68.70 2022-09-30 嘉实 0.02X8290.SH 华安上证科创板芯片 ETF 11.85 2022-09-30 华安 0.02%数据来源：Wind（截至2023年12月31日)（4）科创高装指数 科创高装指数全称上证科创板高端装备制造指数，是科创板行业主题指数内的高端制造主题指数，发布于2022年8月15日。指数从科创板市场中选取50只市值较大的航空装备、卫星及应用、轨道交通装备、海洋工程装备、智能制造装备等领域上市公司证券作为指数样本，反映科创板市场代表性高端装备制造产业上市公司证券的整体表现。从科创主题分布来看，科创高装指数权重主要分布在高端装备制造产业、新一代信息技术产业，少部分权重分布于新材料产业、新能源产业、相关服务业，截至2023年12月31日，高端装备-80-制造产业、新一代信息技术产业权重占比分别约58%、28%。科创板主题二级分类方面，高端装备制造产业中的智能制造装备产业、新一代信息技术产业内的电子核心产业是指数最主要的投资方向，对应权重分别为41%、20%。（5）科创材料指数 科创材料指数全称上证科创板新材料指数，是科创板行业主题指数内的新材料主题指数，发布于2022年8月15日。指数从科创板市场中选取50只市值较大的先进钢铁、先进有色金属、先进化工、先进无机非金属等基础材料以及关键战略材料等领域上市公司证券作为指数样本，反映科创板市场代表性新材料产业上市公司证券的整体表现。从科创主题分布来看，科创材料指数权重主要分布在新材料产业、新一代信息技术产业，少部分权重分布于节能环保产业，截至2023年12月31日，新材料产业、新一代信息技术产业权重占比分别约76%、20%。科创板主题二级分类方面，先进有色金属材料、电子核心产业、先进石化化工新材料、先进无机非金属材料是指数主要的投资方向，对应权重分别为20%、20%、19%、17%，指数在科创二级主题投资上相对分散。截至2023年12月31日，跟踪科创材料指数的ETF共有2只，合计规模约2亿元。根据Wind，两只ETF均成立于2022年9月30日，管理人分别为博时基金、南方基金。-81-表9 跟踪科创材料指数产品明细 基金代码基金代码 基金名称基金名称 基金规基金规模模(亿亿)基金成立基金成立日日 管理人管理人 近近1年日年日均跟踪均跟踪误差误差(%)588010.SH 博时上证科创板新材料ETF 0.88 2022-09-30 博时 0.02X8160.SH 南方上证科创板新材料ETF 0.77 2022-09-30 南方 0.02%数据来源：Wind(截至2023年12月31日)（6）科创新能指数 科创新能指数全称上证科创板新能源指数，是科创板行业主题指数内的新能源主题指数，发布于2023年4月3日。指数从科创板市场中选取50只市值较大的光伏、风电以及新能源车等领域的上市公司证券作为指数样本，以反映科创板市场代表性新能源产业上市公司证券的整体表现。截至2023年12月31日，指数成分股为38只。从科创主题分布来看，科创新能指数权重主要分布在新能源产业、新材料产业、节能环保产业、高端装备制造产业、新能源汽车产业，对应权重分别为：37%、19%、15%、12%、11%，整体分布相对均衡。科创板主题二级分类方面，太阳能产业、高效节能产业、智能制造装备产业是指数主要的投资方向，对应权重分别为29%、14%、12%，指数在科创二级主题投资上相对分散。（7）科创机械指数 科创机械指数全称上证科创板工业机械指数，是科创板行业主题指数内的机械主题指数，发布于2023年4月3日。指数从科创-82-板市场中选取50只市值较大的城轨铁路装备、工业自动化、工程机械等领域上市公司证券作为指数样本，以反映科创板市场代表性工业机械产业上市公司证券的整体表现。从科创主题分布来看，科创机械指数权重主要分布在高端装备制造产业、新一代信息技术产业，少部分权重分布于新材料产业、节能环保产业与相关服务业，截至2023年12月31日，高端装备制造产业、新一代信息技术产业权重占比分别约49%、39%。科创板主题二级分类方面，智能制造装备产业、电子核心产业、新兴软件和新型信息技术服务是指数主要的投资方向，对应权重分别为39%、18%、16%。（8）科长三角指数 科长三角指数全称为上证科创板长三角指数，是科创板指数体系内区域主题指数，发布于2023年4月3日。指数从科创板市场中选取50只市值较大且注册地位于长三角地区的上市公司证券作为指数样本，以反映科创板市场长三角地区代表性上市公司证券的整体表现。从成分股地域分布来看，截至2023年12月31日，相当一部分成分股权重注册地位于上海、江苏，两地成分股权重合计分别为：63%、23%。从覆盖宽基指数成分股范围来看，科长三角指数权重均在科创50与科创100指数范围内，整体展现出中大盘风格。其中，成分股在科创50指数范围内的权重占比约75%、在科创100指数范围内的权重占比约25%。-83-从科创主题分布来看，科长三角指数权重主要分布在新一代信息技术产业、高端装备制造产业、生物产业，少部分权重分布于新材料产业、节能环保产业、新能源产业、新能源汽车产业，截至2023年12月31日，新一代信息技术产业、高端装备制造产业、生物产业权重占比分别约56%、12%、10%。科创板主题二级分类方面，电子核心产业、智能制造装备产业、新兴软件和新型信息技术服务是指数主要的投资方向，对应权重分别为43%、12%、10%。（9）科大湾区指数 科大湾区指数全称为上证科创板粤港澳大湾区指数，是科创板指数体系内区域主题指数，发布于2023年4月3日。指数从科创板市场中选取50只市值较大且注册地位于粤港澳大湾区的上市公司证券作为指数样本，以反映科创板市场粤港澳大湾区代表性上市公司证券的整体表现。从科创主题分布来看，科大湾区指数权重主要分布在新一代信息技术产业、生物产业，少部分权重分布于高端装备制造产业、新材料产业、节能环保产业、相关服务业、新能源产业，截至2023年12月31日，新一代信息技术产业、生物产业权重占比分别约62%、22%。科创板主题二级分类方面，电子核心产业、下一代信息网络产业、生物医学工程产业是指数主要的投资方向，对应权重分别为25%、20%、13%。3.策略指数-84-科创成长指数是科创板策略指数内的成长风格指数，发布于2022年11月4日。指数从科创板上市公司中选取营业收入与净利润等业绩指标增长率较高的50只上市公司证券作为指数样本，反映科创板具有高成长特征的上市公司证券的整体表现。从科创主题分布来看，科创成长指数权重主要分布在新一代信息技术产业、生物产业、新材料产业、新能源产业，少部分权重分布于高端装备制造产业，截至2023年12月31日，新一代信息技术产业、生物产业、新材料产业、新能源产业权重占比分别约63%、15%、14%、11%。科创板主题二级分类方面，电子核心产业、生物医药产业是指数主要的投资方向，对应权重分别为53%、15%。截至2023年12月31日，跟踪科创成长指数的ETF共有2只，合计规模约4亿元。根据Wind，两只ETF均成立于2023年8月23日，管理人分别为广发基金、易方达基金。其中，广发基金发行的科创信息ETF存续规模较高，易方达基金发行的科创信息ETF近1年跟踪误差较小。表10 跟踪科创成长指数产品明细 基金代码基金代码 基金名称基金名称 基金规基金规模模(亿亿)基金成立基金成立日日 管理人管理人 近近 1 年日年日均跟踪均跟踪误差误差(%)588110.SH 广发上证科创板成长 ETF 2.19 2023-08-23 广发 0.37X8020.SH 易方达上证科创板成长ETF 1.74 2023-08-23 易方达 0.33%数据来源：Wind(截至2023年12月31日)-85-三、未来展望（一）科创板展望 2023 年的中央金融工作会议指出，要把更多金融资源用于促进科技创新、先进制造、绿色发展和中小微企业，要做好科技金融等五篇大文章。科创板聚焦“硬科技”领域，着力于新一代信息技术产业、生物产业及高端装备制造产业等 9 个战略性新兴产业的发展，大力支持专精特新企业上市，这些产业代表着未来产业革命和科技变革的趋势方向，在新的使命下，科创板作为以服务高水平科技自立自强为使命的市场板块，未来将乘势而上，在科技创新中不断成长。预计科创板的未来发展将会聚焦以下几点：1.加强对硬科技企业上市的支持力度，孕育更多高科技创新产业。硬科技产业将科创板作为上市地点首选，主要由于其多元且宽松的上市条件，以及因汇集众多高科技企业而拥有的强大板块产业链集群效应，科创板企业之间能够实现资源共享以及互惠互利，未来将会有更多高科技企业选择在科创板上市。科创板在多层次资本市场体系中始终坚守“硬科技”定位，拓宽高科技企业和战略性新兴产业融资渠道，契合二十大、中央经济工作会议、扩内需的多重战略导向，形成“科技产业金融”良性循环。2.持续优化监管规则，打造高质量发展。自中央金融工作会议举行以来，上交所陆续对数起科创板财务违规案件作出公开谴责等纪律处分决定。未来，我们预计科创板监管力度会持续加大，对违规行为做到零容忍，同时配合全面注册制改革要求，优化和-86-完善监管制度，并提高信息披露的透明度。同时，在企业发行、交易、退市等方面针对科创属性不断优化制度改革，为资本市场对接国家战略科技企业提供一条中国特色示范路径，从“试验田”成为“示范田”，将经验推广至创业板、北交所。3.积极打造服务科技创新良好氛围。目前科创板围绕发行承销、交易机制等方面积极推进改革创新，以推进科技、产业以及金融之间的融合和循环。展望未来，科创板有望进一步引入PE/VC 等早期资金进入科创领域，并在制度创新方面先行试点，助推科创企业高质量发展。科创板孵化新一轮技术创新应用，成为数字经济建设新引擎，二十大报告提出全球面临“新一轮科技革命和产业变革”“促进数字经济和实体经济深度融合”，中央经济工作会议强调加快“新能源、人工智能、生物制造、绿色低碳、量子计算”等前沿基础应用，数字经济的新技术应用成为高质量发展的重要动能。4.提升科创型央国企核心竞争力。科创板助力打造科创型央国企，提高央国企核心竞争力，在战略性新兴产业组建新央企集团，符合二十大报告提出的推动“国有企业做强做优做大”，中央经济工作会议亦强调“提高国企核心竞争力”，契合提高央企控股上市公司质量工作方案中提出的打造科技创新国家队、现代产业链链长，央企带头落实国家战略性新兴产业集群发展工程和龙头企业保链稳链工程。（二）科创板指数及 ETF 展望-87-近几年，科创板指数体系不断完善，并在2023年新增科创100、科创新能、科创机械、科长三角以及科大湾区4条指数，目前共计12条指数，初步形成“2 7 2 1”的多层次指数体系。展望未来，科创板指数体系有望持续完善，在广度和深度上不断增强，通过科创板特色指数及相关产品促进创新驱动发展战略和经济高质量发展。综合指数方面，科创板指数可增加综合指数；规模指数方面，科创板指数可增加中小规模指数；行业指数方面，科创板指数可增加基于中证行业分类的行业全指指数；主题指数方面，科创板指数可增加基于科创板上市公司的节能环保产业、新能源汽车产业指数；策略指数方面科创板指数可发布价值、质量、红利、低波等策略指数；绿色及ESG方面，中证公司可结合已有的ESG评级数据，进一步开发基于环境、社会、公司治理等不同领域指数系列。近年来，随着科创板上市公司的数量的扩大，指数可选投资范围提升，指数类型与指数收益特征愈发独特，呈现出“百花齐放”的场景，科创板 ETF 产品不断推出，产品多元化程度持续加深。2023 年，科创板新发布了 11 只 ETF 产品，其中 8 只跟踪2023 年发布的科创 100 指数，2 只跟踪 2022 年 5 月发布的科创成长指数，并且科创生物指数发布了其首只 ETF 产品。随着科创 100 等宽基类 ETF 产品以及行业主题和区域主题等主题类ETF 产品的蓬勃发展，使得市场投资者也能参与到助力我国战略-88-性新兴产业的发展建设中。2023 年 10 月，科创 100ETF 正式纳入融资融券标的，将进一步提升科创板市场的流动性。当前科创板 ETF 规模主要来源于科创板规模指数，科创行业主题 ETF 与科创策略 ETF 未来拓展空间广阔。-89-专题系列（三）央企国企专题系列（三）央企国企主题主题 ETF 研究报告研究报告 汇添富基金管理股份有限公司 -90-一、央国企标的投资逻辑（一）央国企事关国民经济命脉，是国民经济的支柱 国有企业，是指国务院和地方人民政府分别代表国家履行出资人职责的国有独资企业、国有独资公司以及国有资本控股公司，包括中央和地方国有资产监督管理机构和其他部门所监管的企业本级及其逐级投资形成的企业。截至 2023 年末，A 股市场共有 1402 家国企上市公司，其中央企 457 家、地方国企 945 家，市值合计 44.27 万亿元，平均市值超过 315 亿元。从行业分布上看，央国企主要集中在金融、工央国企主要集中在金融、工业、能源等事关国民经济命脉的重要领域，提供基础设施和民生业、能源等事关国民经济命脉的重要领域，提供基础设施和民生保障，维护国民经济平稳运行。保障，维护国民经济平稳运行。图 1 央国企行业分布情况 2022 年，央国企上市公司合计实现营业收入 47.06 万亿元，净利润 3.98 万亿元，现金分红总额达到 1.27 万亿元。央国企上央国企上 11.75 7.64 4.82 4.27 3.84 3.71 2.76 2.20 1.46 1.09 0.73 0 2 4 6 8 10 12 14 0 50 100 150 200 250 300 350 400 450 500 市值（万亿元）-右轴 数量-左轴-91-市公司以市公司以 26%的数量占比贡献了的数量占比贡献了 A 股股 51%的总市值，的总市值，65%的营的营业收入，业收入，69%的净利润和的净利润和 68%的分红，充分体现了央国企作为的分红，充分体现了央国企作为国民经济支柱的重要地位。国民经济支柱的重要地位。图 2 央国企各项指标在 A 股全部上市公司中占比（二）央国企经营状况稳健，上市公司质量持续提升 近年来，全球突发疫情冲击、国际地缘政治冲突加剧，我国经济转型面临巨大挑战，各类企业经营波动加大。在此背景下，央国企经营状况稳健，为夯实宏观经济大盘提供了有力支撑。央国企经营状况稳健，为夯实宏观经济大盘提供了有力支撑。尤其是央企上市公司，近三年 ROE 始终维持在 9%-10%左右，相较民营企业等其他类型企业体现出更强的经营韧性。26Qeih%0 0Pp%数量 总市值 营业收入 净利润 现金分红-92-图 3 央企、地方国企与民企近年来 ROE 央国企近年稳健的经营状况得益于过去十年来持续推进的央国企近年稳健的经营状况得益于过去十年来持续推进的国企改革国企改革。2013 年，十八届三中全会指明现阶段国企改革总方向；2015 年，国企改革总文件正式公布，“1 N”指导文件陆续出台，后续试点包括十项改革、混改试点、“双百行动”等；2020年 6 月，国企改革三年行动方案（2000-2022）出台，国有企业公司治理日趋完善，国资布局结构调整优化；2022 年，国务院国资委制定提高央企控股上市公司质量工作方案，央企着力提高公司治理水平，调整优化股权结构，提高信息披露质量及透明度，并通过现金分红、股份回购等方式提高股东回报水平，持续提升央企上市公司质量。此外，近年央国企考核体系逐步完善。此外，近年央国企考核体系逐步完善。2023 年，国资委对央企的考核指标从之前的“两利四率”调整为“一利五率”，以净资10.1.6.7.1%8.8%9.8%9.4%9.0%6%7%8%9%中央国有企业 地方国有企业 民营企业-93-产收益率替代净利润总额，以营业现金比率替代营业收入利润率指标。在考核指挥棒下，央企经营更加注重质量而非体量，更加注重现金流安全性，央企资产负债表有望进一步改善，更加符合资本市场投资审美。图 4 央企考核指标体系变化（三）高分红是央国企投资价值的重要来源 央国企经营稳健，现金流充裕，有意愿有能力通过现金分红央国企经营稳健，现金流充裕，有意愿有能力通过现金分红回馈投资者。回馈投资者。近年来，央国企分红数量和分红总额逐年提升。2022年，935 家央国企累计分红约 1.27 万亿元。图 5 央国企分红数量与金额逐年提升 0.57 0.58 0.57 0.66 0.75 0.79 0.87 0.95 1.26 1.27 758 760 739 839 918 902 901 914 944 935 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 700 750 800 850 900 950 1000 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 分红金额（万亿元）-右轴 分红央国企数量-左轴-94-高股息一直是央国企上市公司的重要特征，也是央国企相较高股息一直是央国企上市公司的重要特征，也是央国企相较于其他类型企业最大的比较优势之一。于其他类型企业最大的比较优势之一。截至 2023 年末，央企股息率达到 3.24%，在各类企业中股息率水平最高，远超 2.14%的市场平均水平；同时，地方国企股息率也达到 2.27%，为投资者提供了较高股东回报。图 6 各类企业股息率水平（四）中国特色估值体系助力央国企价值实现 2022 年 11 月，证监会主席易会满提出“要把握好不同类型上市公司的估值逻辑，探索建立具有中国特色的估值体系”，“中特估”开始受到资本市场高度关注。相应地，2023 年上半年央国企行情表现亮眼。我们认为，“中特估中特估”并非凭空拔高央国企估值，并非凭空拔高央国企估值，而是建立在近年来央国企坚实的基本面之上的估值合理修复。而是建立在近年来央国企坚实的基本面之上的估值合理修复。近年来，央国企价值创造能力逐步增强，但在资本市场上央国企的估值水平相对较低。截至 2023 年末，央企整体 PE 估值仅 9.333.24%2.46%2.27%2.22%1.55%1.11%0.0%0.5%1.0%1.5%2.0%2.5%3.0%3.5%-95-倍，在所有类型企业中估值最低；地方国企整体 PE 估值水平为16.13 倍，也明显低于民营企业和外资企业。随着央国企公司治随着央国企公司治理更加完善，经营管理水平持续提升，央国企估值水平仍有较大理更加完善，经营管理水平持续提升，央国企估值水平仍有较大修复空间。修复空间。表 1 中国特色估值体系相关表述 发布时间发布时间 中国特色估值体系相关表述中国特色估值体系相关表述 2023/06 证监会主席易会满在十四届陆家嘴论坛发表主题演讲 讲话指出，要“完善长效化的综合监管机制，持续提高信息披露质量，保持高压态势，从严惩治财务造假、大股东违规占用等行为，推动上市公司提升治理能力、竞争能力、创新能力、抗风险能力、回报能力，夯实中国特色估值体系的内在基础。”2023/05 经济日报文章指出，“中特股”不能简单理解为直接拔高国企估值 文章指出，估值高低直接体现市场对上市公司的认可程度，不管国企还是民企，市场最终衡量的还是经营效益及能否持续稳定地创造价值。更完善的公司治理、更有效的盈利模式、更可持续性的发展前景，才是“中特估”的应有之义。2023/03 国资委召开会议，正式启动对标世界一流企业的价值创造行动 会议强调，对标世界一流，国企在面对新一轮科技革命和产业变革时，在效率效益、战略性新兴产业布局、科技创新能力支撑等方面仍存差距。国资国企要进一步提高政治站位，以价值创造为主要抓手，通过提升核心竞争力和增强核心功能两个途径，坚定不移的推进做强做优做大国有资本和国有企业的根本目标。2023/02 国资委召开中央企业提高上市公司质量工作专题会 会议指出“要统筹推进中央企业高质量上市，通过充分对接资本市场、助力稳定资本市场，为中央企业高质量发展提供坚实支撑、为建设中国特色现代资本市场贡献更大力量”。2022/11 证监会主席易会满在 2022 金融街论坛年会上发表主题演讲，首提中国特色估值体系 讲话首提“中国特色的估值体系”，特别指出“探索建立具有中国特色的估值体系，促进市场资源配置功能更好发挥”。-96-图 7 各类企业 PE 估值水平 二、央国企主题 ETF 产品发展迅速（一）央国企主题 ETF 整体情况介绍 截至 2023 年末，沪深两市共成立、上市了沪深两市共成立、上市了 31 只央国企主题只央国企主题ETF，合计规模，合计规模 394.46 亿元，平均规模亿元，平均规模 12.72 亿元。亿元。其中上交所上市 26 只央国企主题 ETF，合计规模 363.29 亿元；深交所上市5 只央国企主题 ETF，合计规模 31.17 亿元。此外，还有多只央国企主题 ETF 正在产品审核过程中，有望陆续进入市场。具体列表如下：表 2 已上市央国企主题 ETF 列表 基金基金代码代码 基金简称基金简称 基金管理人基金管理人 上市交上市交易所易所 上市时间上市时间 基金规模基金规模（亿元）（亿元）510810 汇添富中证上海国企ETF 汇添富基金 上交所 2016-08-29 62.62 512950 华夏央企结构调整ETF 华夏基金 上交所 2019-01-18 50.80 515900 博时央企创新驱动ETF 博时基金 上交所 2019-12-18 49.91 9.33 11.57 15.10 16.13 32.35 40.39 0 5 10 15 20 25 30 35 40 45-97-512960 博时央企结构调整ETF 博时基金 上交所 2019-01-18 49.62 159959 银华央企结构调整ETF 银华基金 深交所 2019-01-18 26.35 560170 南方中证国新央企科技引领 ETF 南方基金 上交所 2023-07-06 25.40 515680 嘉实中证央企创新驱动 ETF 嘉实基金 上交所 2019-12-18 19.34 515600 广发中证央企创新驱动 ETF 广发基金 上交所 2019-12-18 19.00 560700 广发中证国新央企股东回报 ETF 广发基金 上交所 2023-06-06 9.97 560070 汇添富中证国新央企股东回报 ETF 汇添富基金 上交所 2023-06-06 8.77 561790 博时中证国新央企现代能源 ETF 博时基金 上交所 2023-08-09 8.73 562850 嘉实中证国新央企现代能源 ETF 嘉实基金 上交所 2023-08-09 8.23 561580 华泰柏瑞中证中央企业红利 ETF 华泰柏瑞基金 上交所 2023-05-30 6.78 515150 富国中证国企一带一路 ETF 富国基金 上交所 2020-01-15 6.33 561260 工银中证国新央企现代能源 ETF 工银瑞信基金 上交所 2023-08-09 6.30 517180 南方富时中国国企开放共赢 ETF 南方基金 上交所 2021-12-28 4.87 562380 银华中证国新央企科技引领 ETF 银华基金 上交所 2023-07-06 4.49 517090 国泰富时中国国企开放共赢 ETF 国泰基金 上交所 2021-12-28 4.39 563050 易方达中证国新央企科技引领 ETF 易方达基金 上交所 2023-07-06 4.25 561960 招商中证国新央企股东回报 ETF 招商基金 上交所 2023-06-06 3.87 513920 华安恒生港股通中国央企红利 ETF 华安基金 上交所 2024-01-05 3.39 159974 富国中证央企创新驱动 ETF 富国基金 深交所 2019-12-18 2.83 515110 易方达中证国企一带一路 ETF 易方达基金 上交所 2020-01-15 2.74-98-510060 工银上证央企 50ETF 工银瑞信基金 上交所 2009-10-27 1.12 515990 汇添富中证国企一带一路 ETF 汇添富基金 上交所 2020-01-15 1.12 159719 平安富时中国国企开放共赢 ETF 平安基金 深交所 2021-12-28 0.93 561060 华安中证国有企业红利 ETF 华安基金 上交所 2023-09-21 0.70 159515 鹏扬中证国有企业红利 ETF 鹏扬基金 深交所 2023-09-06 0.69 159519 国泰中证香港内地国有企业 ETF 国泰基金 深交所 2023-08-31 0.38 513810 华夏中证香港内地国有企业 ETF 华夏基金 上交所 2023-09-01 0.37 510270 中银上证国企 ETF 中银基金 上交所 2011-08-18 0.19 数据来源：wind；数据截至 2023/12/29 以上 31 只央国企主题 ETF 由 17 家基金管理人管理。其中，博时基金、汇添富基金、华夏基金的管理规模位居前列博时基金、汇添富基金、华夏基金的管理规模位居前列，旗下央国企主题 ETF 的合计规模分别达 108.25、72.51、51.17 亿元。从从数量上来看，汇添富基金、博时基金管理的央国企主题数量上来看，汇添富基金、博时基金管理的央国企主题 ETF 数数量最多量最多，均为 3 只。31 只央国企主题 ETF 跟踪 14 只央国企方向的主题指数，涵盖央国企综指、央国企红利、央国企行业主题、港股央国企等方向。其中，中证央企创新驱动指数跟踪的产品最多（4 只），中证央企结构调整指数跟踪的产品规模最大（126.76 亿元）。（二）央国企主题 ETF 数量、规模、流动性快速提升，市场表现出色 从 2017 年末至 2023 年末，央国企主题 ETF 数量由 3 只快速增长至 31 只，总规模由 103 亿元增长至 394 亿元。-99-其中，2019 年、年、2023 年是央国企主题年是央国企主题 ETF 快速发展的重要快速发展的重要时间节点。时间节点。2019 年，4 只央企创新驱动 ETF、3 只国企一带一路ETF 成立，央国企主题 ETF 数量由前一年的 6 只增长至 13 只，总规模由 529 亿元增长至 1014 亿元。2020-2022 年，央国企主题ETF 的发展相对放缓。但随着国企改革的推进、中特估体系的提出，央国企投资逻辑愈加受到投资者与基金公司认可。2023 年，9 只国新央企系列的 ETF 成立（分别跟踪央企股东回报、现代能源、科技引领指数），再加上跟踪国企红利、央企红利、港股通央企红利等指数的央国企主题 ETF 成立，央国企主题 ETF 数量由前一年的 16 只增长至 31 只，总规模由 282 亿元增长至 394 亿元。图 8 央国企主题 ETF 数量及规模 随着央国企主题随着央国企主题 ETF 数量、规模的快速提升，央国企主题数量、规模的快速提升，央国企主题ETF 的流动性水平也显著上扬。的流动性水平也显著上扬。2023 年，央国企主题 ETF 的合 103 529 1,014 464 343 282 394 3 6 13 13 16 16 31 -200 400 600 800 1,000 1,200 0 5 10 15 20 25 30 35 2017 2018 2019 2020 2021 2022 2023 基金规模（亿元）-右轴 基金数量-左轴-100-计年成交额已达 1406 亿元，相较 2022 年的年成交额 170 亿元增长了 7.3 倍，也大幅超越了此前的最高记录 766 亿元（2020 年）。流动性的明显提振有助于降低央国企主题 ETF 的折溢价水平，同时也有助于带动更多投资者入场申赎、交易。图 9 央国企主题 ETF 合计年成交额 截至2023年末，对于可查数据的13条央国企指数，近一年、近三年表现的中位数分别为 3.6%、13.0%，近五年的最大回撤中位数为-26.2%，以上指标均显著高于沪深 300、中证 500 指数。在近五年表现（35.1%）、近五年年化波动率（18.3%）等指标中，央国企指数的中位数表现同样处于市场较好水平。长期来看，特长期来看，特别是在近三年的结构性行情中，央国企指数整体表现出色、稳定，别是在近三年的结构性行情中，央国企指数整体表现出色、稳定，超越市场平均水平，帮助投资人取得了良好的投资回报。超越市场平均水平，帮助投资人取得了良好的投资回报。表 3 央国企指数近年来表现 指数名称指数名称 近一年近一年表现表现 近三年近三年表现表现 近五年近五年表现表现 年化波年化波动率动率 最大回最大回撤撤 76 9 350 766 250 170 1,406 0 200 400 600 800 1000 1200 1400 1600 2017 2018 2019 2020 2021 2022 2023 年成交额（亿元）-101-中证央企结构调整指数 2.3%4.45.1.6%-23.7%中证央企创新驱动指数 7.2.5Y.1.1%-24.4%中证上海国企指数-5.4%-18.5%-1.5.1%-28.9%中证国新央企科技引领指数-6.3%-14.0c.7%.5%-38.6%中证国新央企现代能源指数 4.09.4Y.7.4%-25.6%中证国新央企股东回报指数 3.6&.3.0.1%-20.7%中证国企一带一路指数-1.4%-3.3$.2.3%-27.4%富时中国国企开放共赢指数 16.09.92.4.5%-26.2%中证中央企业红利指数 6.9.70.7.2%-26.5%中证国有企业红利指数 8.42.1c.2.6%-23.5%上证中央企业 50 指数 0.2%-3.5 .6.9%-23.0%中证香港内地国有企业指数 4.5.0.8.9%-28.7%上证国有企业 100 指数-0.8%-7.36.0.3%-27.1%央国企指数-中位数 3.6.05.1.3%-26.2%沪深 300 指数-9.1%-28.4.1.2%-39.4%中证 500 指数-5.9%-9.1.2.9%-31.5%数据来源：wind；数据截至 2023/12/29；除富时中国国企开放共赢指数统计价格指数外，其余指数收益均统计全收益指数。（三）央国企主题 ETF 股息率、分红比率均高于市场平均水平 2023 年末，对于可查数据的 13 条央国企指数，其股息率中其股息率中位数为位数为 4.21%，高于沪深，高于沪深 300 指数、中证指数、中证 500 指数，与上证指数，与上证 50指数的水平相当，可见央国企指数的股息率处于市场较高水平。指数的水平相当，可见央国企指数的股息率处于市场较高水平。其中，恒生港股通中国央企红利（8.28%）、中证香港内地国有企业（7.62%）等指数，其股息率亦显著高于代表性的红利指数中证红利指数，为投资者提供了十分具有吸引力的高股息标的。-102-图 10 央国企指数 2023 年股息率 从分红情况来看，2023 年央国企主题 ETF 中有 4 只产品分红，占所有产品的比例为 12.90%；分红规模为 4.62 亿元，占 2023年末基金总规模的比例为 1.17%。同期，全市场股票 ETF 中仅有4.10%的产品分红，分红规模占比仅为 0.50%。央国企主题央国企主题 ETF的分红数量及分红规模占比均显著高于全市场股票的分红数量及分红规模占比均显著高于全市场股票 ETF 的平均的平均水平。水平。（四）机构投资者是央国企主题 ETF 投资的中坚力量，同时个人投资者占比逐渐提升 8.3%7.6%6.3%6.2%5.6%4.9%4.7%4.3%4.2%4.2%3.8%3.7%3.3%3.2%2.7%1.9%0.9%0%1%2%3%4%5%6%7%8%9%恒生港股通中国央企红利 中证香港内地国有企业指数 中证国有企业红利指数 中证红利指数 中证中央企业红利指数 中证国新央企股东回报指数 上证中央企业50指数 上证50指数 上证国有企业100指数 中证国新央企现代能源指数 中证央企结构调整指数 中证央企创新驱动指数 中证国企一带一路指数 沪深300指数 中证上海国企指数 中证500指数 中证国新央企科技引领指数-103-从投资者结构来看，机构投资者是央国企主题从投资者结构来看，机构投资者是央国企主题 ETF 的主要的主要投资者。投资者。截至 2023H1，在公布 2023 中报的 16 只央国企主题 ETF中，机构投资者的合计规模占比达 95.98%。以相同口径统计全市场股票 ETF，机构投资者的合计规模占比为 60.87%。机构投机构投资者在央国企主题资者在央国企主题 ETF 中的结构占比显著高于全市场股票中的结构占比显著高于全市场股票 ETF的平均水平。的平均水平。2019 年以来，央国企主题 ETF 的机构投资者占比始终高于95%，同时始终高于全市场股票 ETF 的平均水平，说明机构投资者是央国企主题 ETF 投资的中坚力量。不过，从 2021 年开始，央国企主题 ETF 的个人投资者占比开始逐渐提升，至 2023H1 已提升至 4.02%，说明央国企主题说明央国企主题 ETF 正逐渐得到个人投资者的正逐渐得到个人投资者的认可。认可。图 11 央国企主题 ETF 机构投资者占比 从投资者的具体类型来看（数据来源为各基金 2023 中报的前99.08.32.23.90.98y.12b.41a.64a.22.870 19 2020 2021 2022 2023H1 央国企ETF 全市场股票ETF-104-十大投资者明细），央国企是央国企主题央国企是央国企主题 ETF 最重要的投资者，最重要的投资者，持有规模（持有规模（237.3 亿元）及占比（亿元）及占比（65.7%）均显著高于其他类型）均显著高于其他类型投资者。投资者。其中，中国石油天然气集团有限公司持有 6 只央国企主题 ETF，合计持有规模达 122.0 亿元，是持有央国企主题 ETF最多的单一投资者。除央国企之外，保险（保险（8.6%）、私募（）、私募（6.6%）、）、其他资管机构（其他资管机构（6.4%）、）、ETF 联接基金（联接基金（6.0%）也持有较高比）也持有较高比例的央国企主题例的央国企主题 ETF。图 12 央国企主题 ETF 各类型投资者持有规模及占比 数据来源：wind、各基金 2023 年中报，仅统计各基金前十大投资者；数据截至 2023/6/30（五）“央国企 ”产品方兴未艾，“央国企 红利”产品最受关注 近年来，除了传统的规模指数、地域指数外，与特定行业主题挂钩的“央国企 ”产品方兴未艾，出现了“央国企 红利”、“央 237.3 31.0 23.9 23.0 21.5 11.5 6.6 4.2 2.1 0.3 65.7%8.6%6.6%6.4%6.0%3.2%1.8%1.2%0.6%0.1%0 0Pp%-50 100 150 200 250 -105-国企 科技”、“央国企 能源”等多种组合指数及 ETF产品。其中，其中，2023 年最引人关注的是年最引人关注的是“央国企央国企 红利红利”产品。在产品。在 2023 年成立的年成立的15 只央国企主题只央国企主题 ETF 中，有中，有 7 只属于只属于“央国企央国企 红利红利”产品，占产品，占比接近一半。比接近一半。表 4 央国企 产品 央国企央国企 策略策略 指数名称指数名称 跟踪跟踪 ETF数量数量 合计规模合计规模（亿元）（亿元）央国企 红利 中证国新央企股东回报指数 3 34.17 中证国有企业红利指数 2 中证中央企业红利指数 1 恒生港股通中国央企红利指数 1 央国企 科技 中证国新央企科技引领指数 3 34.14 央国企 能源 中证国新央企现代能源指数 3 23.26 如前文所述，高分红是央国企投资价值的重要来源，因此央国企投资与红利策略天然契合。目前，已成立的 7 只“央国企 红利”ETF 产品跟踪 4 只指数，这些指数的选样范围、加权方式等各有区分，同时普遍具有较高的股息率，为投资者提供了“央国企 红利”策略下多样的投资标的。表 5 已布局产品的“央国企 红利”指数 指数名称指数名称 覆盖范围覆盖范围 样本数量样本数量 加权方式加权方式 2023 股股息率息率 中证国新央企股东回报指数 国资委央企 50 近三年股息率 回购比率加权 4.85%中证国有企业红利指数 全部央企 地方国企 100 近三年股息率加权 6.33%中证中央企业红利指数 全部央企 50 近三年股息率加权 5.59%恒生港股通中国央企红利指数 港股上市央企 40 近一年股息率加权 8.28%从 2018 年末至 2023 年末的五年间，除缺少数据的恒生港股-106-通央企红利指数外，国有企业红利指数、央企股东回报指数、中央企业红利指数分别实现了 63.17%、60.05%、30.66%的收益，均强于沪深 300 指数（27.06%），其中 2 只也强于中证 500 指数（40.16%），整体表现十分出色。“央国企央国企 红利红利”产品股息率高、市场表现出色；同时，相较产品股息率高、市场表现出色；同时，相较传统红利指数，传统红利指数，“央国企央国企 红利红利”产品主要投资央国企，其企业经产品主要投资央国企，其企业经营、分红计划更加稳定。因此，营、分红计划更加稳定。因此，“央国企央国企 红利红利”产品未来有望吸产品未来有望吸引更多投资者。引更多投资者。图 13“央国企 红利”指数近五年表现 数据来源：wind；数据截至 2023/12/29；指数收益均统计全收益指数 三、小结与未来展望 展望未来，央国企将成为资本市场的重要投资主线。展望未来，央国企将成为资本市场的重要投资主线。一方面，国企改革持续推进，央国企上市公司质量持续提升；另一方面，-20%0 00 19-01-02 2020-01-02 2021-01-02 2022-01-02 2023-01-02 中央企业红利 国有企业红利 央企股东回报 沪深300 中证500-107-市场对于央国企的评价更加公允，央国企估值水平持续修复；最后，央国企将通过分红、回购等方式不断提高股东回报水平。因此，央国企具有良好的长期投资价值。近年来，央国企主题近年来，央国企主题 ETF 产品发展迅速。特别是产品发展迅速。特别是 2023 年，年，产品数量、规模、流动性都在快速提升。产品数量、规模、流动性都在快速提升。尤其在近年来的结构性行情下，央国企主题 ETF 市场表现出色、股息率高、分红意愿较强，得到了投资者的充分认可。“央国企 ”产品方兴未艾，特别是“央国企 红利”产品最受关注，已成立的多只产品也为投资者提供了多样的投资标的。从现有趋势来看，央国企主题 ETF 未来仍将以机构投资者为主体，但有望吸引更多个人投资者，投资者类型也将更加多元。有望吸引更多个人投资者，投资者类型也将更加多元。同时，央国企主题央国企主题 ETF 的品种未来有望进一步扩充的品种未来有望进一步扩充，若“央国企 ESG”、“央国企 特定行业”、“央国企 质量/增长等特定因子”等产品持续推出，将进一步丰富投资者的投资选择。-108-专题系列（四）专题系列（四）SmartBeta ETF 研究报告研究报告 易方达基金管理有限公司 -109-一、SmartBeta ETF简介及产品特点 SmartBeta ETF 是以一套规则构建组合以超越传统市值加权指数基金的 ETF 产品。权重构造方面，与传统指数基金相比，SmartBeta ETF 不仅用市值衡量成分券权重，还会考虑价值、动量、波动性和规模等因素的替代权重方案。成分选择方面，SmartBeta ETF 使用一组在长期内可能产生超额回报的定量因子筛选样本。SmartBeta ETF 结合主动和被动管理风格元素，其中被动风格来源于跟踪指数，主动风格来源于设计一套因子组合选择指数内样本。其中，常见的几类 SmartBeta ETF 类型有：价值 ETF、成长 ETF、红利 ETF、质量 ETF、等权 ETF、基本面 ETF、多因子 ETF 等。表 1 常见的 SmartBeta ETF 产品类型 分类分类 组合构造方式组合构造方式 价值 使用市盈率、市净率和市销率等价值性指标选择证券 成长 使用营收增速、净利润增速等成长性指标选择证券 红利 使用股息率、现金分红比例等指标选择证券，常用股息率加权 动量 使用证券近期表现和上升趋势选择证券，可能会根据动量强度加权。质量 使用 ROE、债务股本比、和盈利稳定性等指标选择证券，可能会根据质量得分加权。低波 选择波动率或风险较低的证券，可能会根据波动性得分加权。等权 对组合内每种证券赋予等权，这种方式可能会增加小盘股投资，并可能降低集中风险。基本面 使用收入、现金流和收益等一系列基本面因素选择证券，可能会根据基本面得分加权。多因子 使用上述两个或两个以上因素构造投资组合和加权。数据来源：ETF.com，易方达基金 -110-SmartBeta ETF 产品优势在于有更高的回报潜力、多元化投资方案、更低的成本与更高的持仓透明度。一方面，SmartBeta ETF 采用已被证明有效的因子进行组合的样本筛选和加权，有效提升产品潜在回报并提供区别于传统市值加权产品的组合构建方案；另一方面，被动权益产品相较于主动权益基金有更低的费率与更准确及时的持仓信息。二、境外SmartBeta ETF发展特征及趋势（一）境外SmartBeta ETF发展特征 近年来，境外 SmartBeta ETF 产品数量稳步增长，规模仍持续上升。从 2018 年至 2023 年，美国 SmartBeta ETF 产品规模由7681 亿美元增长至 1.8 万亿美元左右，产品数量从 690 只增长至逾 1000 只，近 5 年规模年化复合增速约 18.9%。图 1 美国 SmartBeta ETF 产品规模及数量 数据来源：ETF.com，Bloomberg，截至 2023 年底 0 2,000 4,000 6,000 8,000 10,000 12,000 14,000 16,000 18,000 20,000 0 200 400 600 800 1,000 1,200 2018 2019 2020 2021 2022 2023 数量(只)规模(亿美元，右轴)-111-从资产类型来看，权益类产品是境外 SmartBeta ETF 规模增长的主要来源。境外 SmartBeta ETF 产品涵盖权益、固定收益、商品、资产配置、另类投资、货币等，产品类型丰富，但从规模发展来看，权益类仍是境外 SmartBeta ETF规模增长的主要来源。截至 2023 年末，权益类产品规模占 SmartBeta ETF 产品总规模的 97%。图 2 美国不同资产类型 SmartBeta ETF 产品规模 0 2,000 4,000 6,000 8,000 10,000 12,000 14,000 16,000 18,000 20,000 2018 2019 2020 2021 2022 2023 另类投资类 商品类 资产配置类 货币类 固定收益类 权益类 97%2%1%权益类 固定收益类 商品类 资产配置类 另类投资类 货币类-112-数据来源：ETF.com，Bloomberg，截至 2023 年底 从策略类型来看，成长、价值、红利等策略产品规模占优。多因子、基本面、ESG、等权等其他策略存产品数量较多，但整体规模仍较为有限。截至 2023 年 12 月底，以成长、价值、红利策略为核心的权益产品规模占比分别为 25%、22%、21%，合计占比约 70%；但数量上，多因子、基本面、ESG、等权策略产品数量均超过 100 只。图 3 美国 SmartBeta ETF 产品策略分布 数据来源：ETF.com，Bloomberg，截至 2023 年底 从头部产品来看，前十大 SmartBeta ETF 产品成立时间较早，先发优势明显。截至 2023 年底，规模最大的 SmartBeta ETF 产品为 Vanguard Value ETF，该产品由 Vanguard 发行，以价值因子为核心策略，产品规模约 1060 亿美元。从管理人分布来看，前十大产品管理人有 Vanguard、Blackrock、Charles Schwab Invesco，其中 Vanguard 旗下产品占 4 席。0 500 1,000 1,500 2,000 2,500 3,000 3,500 4,000 4,500 5,000 0 50 100 150 200 250 数量(只)规模(亿美元，右轴)-113-表 2 美国规模前十大（权益类）SmartBeta ETF 基金简称基金简称 成立时间成立时间 规模规模(亿美元亿美元)策略策略 管理人管理人 Vanguard Value ETF 2004/1/30 1060.43 价值 Vanguard Vanguard Growth ETF 2004/1/30 1044.59 成长 Vanguard iShares Russell 1000 Growth ETF 2000/5/26 817.26 成长 Blackrock Vanguard Dividend Appreciation ETF 2006/4/27 742.10 红利 Vanguard iShares Russell 1000 Value ETF 2000/5/26 550.68 价值 Blackrock Schwab U.S.Dividend Equity ETF 2011/10/20 520.09 红利 Charles Schwab Vanguard High Dividend Yield ETF 2006/11/16 509.16 红利 Vanguard Invesco S&P 500 Equal Weight ETF 2003/4/30 498.15 等权 Invesco iShares S&P 500 Growth ETF 2000/5/26 368.60 成长 Blackrock iShares MSCI USA Quality Factor ETF 2013/7/18 361.32 基本面 Blackrock 数据来源：ETF.com，Bloomberg，截至 2023 年底 从管理人来看，SmartBeta ETF 产品规模集中度较高，前 5大管理人规模占比超 80%。截至 2023 年底，美国共有 92 家机构发行 SmartBeta ETF 产品，其中 Blackrock、Vanguard、Invesco、Charles Schwab、State Street Global Advisors 旗下 SmartBeta ETF突破千亿美元，前五大管理人规模合计占比约 82%。-114-图 4 美国 SmartBeta ETF 产品管理人分布 数据来源：ETF.com，Bloomberg，截至 2023 年底 从新发产品来看，ESG 策略是热门的布局方向，其次为多因子策略。其中，2023 年新发产品规模最大的为 Xtrackers MSCI USA Climate Action Equity ETF，规模约为 18.67 亿美元。该 ETF跟踪标的为 MSCI 美国气候行动指数，获取在实体经济中实现净零排放取得重大进展、并积极应对气候变化的公司的风险敞口。表 3 美国新发 SmartBeta ETF 产品情况 资产类型资产类型 策略策略 数量数量(只只)规模规模(亿美元亿美元)权益 ESG 17 42.52 成长 3 4.23 价值 2 4.20 领式期权 1 2.28 多因子 9 1.64 等权 2 0.60 基本面 9 0.19 红利 2 0.06 固定收益 多因子 2 12.44 ESG 1 0.20 另类投资 多因子 1 0.03 0 1,000 2,000 3,000 4,000 5,000 6,000 7,000 0 20 40 60 80 100 120 140 Blackrock Vanguard Invesco Charles Schwab State Street Global AJM Ventures LLC WisdomTree Pacer Advisors Goldman Sachs Northern Trust VanEck ProShares SS&C JPMorgan Chase DWS BMO John Hancock Fidelity Nuveen Securities Victory Capital Mirae Asset Global Franklin Templeton Direxion New York Life The Hartford ETFMG Bondbloxx 数量(只)规模(亿美元，右轴)-115-资产配置 多因子 2 0.01 商品 多因子 3 0.20 分层 2 0.04 货币 等权 2 0.05 数据来源：ETF.com，Bloomberg，截至 2023 年底 从资金流向来看，等权、基本面、成长策略产品是资金主要流入的方向。2023 年 SmartBeta ETF 中资金净流入 449 亿美元，其中，Invesco S&P 500 Equal Weight ETF、iShares MSCI USA Quality Factor ETF 产品资金净流入超过 100 亿美元。另外，成长风格的多只 ETF 产品净流入进入前十。表 4 美国资金净流入前十大（权益类）SmartBeta ETF 基金简称基金简称 发行人发行人 策略策略 资金净流入资金净流入(亿美亿美元元)Invesco S&P 500 Equal Weight ETF Invesco 等权 128.75 iShares MSCI USA Quality Factor ETF Blackrock 基本面 110.69 Schwab U.S.Dividend Equity ETF Charles Schwab 红利 67.36 Pacer U.S.Cash Cows 100 ETF Pacer Advisors 多因子 63.90 VanEck Morningstar Wide Moat ETF VanEck 基本面 45.99 Pacer U.S.Small Cap Cash Cows 100 ETF Pacer Advisors 多因子 42.55 Vanguard Growth ETF Vanguard 成长 42.41 SPDR Portfolio S&P 500 Growth ETF State Street 成长 35.81 Vanguard Russell 1000 Growth ETF Vanguard 成长 35.53 Invesco Russell 1000 Dynamic Multifactor ETF Invesco 多因子 27.89 数据来源：ETF.com，Bloomberg，截至 2023 年底（二）境外SmartBeta ETF发展趋势 1成长风格规模反超价值，ESG策略成为布局趋势 2023年，美国成长类ETF规模大幅攀升并超越价值类ETF，成为规模最大风格类 ETF。截至 2023 年底，美国 SmartBeta ETF中成长类 ETF 规模约 4360 亿美元，相对 2022 年增长 1300 亿美-116-元；价值类 ETF 规模约 3880 亿美元，相对 2022 年增长 290 亿美元；另外，ESG 策略 ETF 布局数量明显上升。2023 年，以 ESG策略为核心的权益产品数量有 114 只，产品数量仅次于多因子与基本面产品，是相对上年数量增长最多的产品策略。图 5 美国 SmartBeta ETF 策略规模及数量变化 数据来源：ETF.com，Bloomberg，截至 2023 年底 0 500 1,000 1,500 2,000 2,500 3,000 3,500 4,000 4,500 5,000 2022:规模(亿美元)2023:规模(亿美元)0 50 100 150 200 250 2022:数量(只)2023:数量(只)-117-2头部管理人规模保持增长，但市场集中度小幅下降 2023 年，美国头部管理人规模保持增长。相比上年，2023年美国前十大 SmartBeta ETF 管理人旗下产品规模均有所增长。其中，Vanguard、Blackrock 管理规模增长位于前两位，对应增长规模分别约 890 亿美元、630 亿美元。但从头部整体市占率来看，前三大机构规模占比由 68.9%下降至 68.0%，市场集中度有所小幅下降。图 6 美国前十大 SmartBeta ETF 管理人规模及占比变化 数据来源：ETF.com，Bloomberg，截至 2023 年底 0 1,000 2,000 3,000 4,000 5,000 6,000 7,000 2022:规模(亿美元)2023:规模(亿美元)0%5 %05 22年规模占比 2023年规模占比-118-3基本面、多因子等策略成为资金流入主要方向 从整体资金流量来看，2023 年权益类产品资金流入放缓，固收类产品资金流入由负转正；在具体策略方面，除传统成长策略外，基本面、多因子等策略产品获得较高资金净流入。其中流入规模最多的产品为基本面策略，2023 年净流入约 326 亿美元。同时，相较上年基本面策略产品资金净流入持续上升，多因子策略产品净资金流入稍有放缓，而股息、ESG、动量、价值、低波等策略产品净资金开始流出。图 7 美国 SmartBeta ETF 策略资金净流入变化 数据来源：ETF.com，Bloomberg，截至 2023 年底-200 0 200 400 600 800 1,000 1,200 1,400 1,600 1,800 另类投资 商品 资产配置 货币 固定收益 权益 2022年资金净流入(亿元)2023年资金净流入(亿元)-200 -100 0 100 200 300 400 500 2022年资金净流入(亿元)2023年资金净流入(亿元)-119-三、境内 SmartBeta ETF 发展特征及趋势（一）境内SmartBeta ETF发展特征 境内 SmartBeta ETF 产品起步较晚，但近年来产品规模和数量有较大的提升。国内第一只 SmartBeta ETF 成立于 2006 年，经过十余年的发展，截至 2023 年底，我国 SmartBeta ETF 数量达 60 只，产品规模合计约 560 亿元。底层资产类型方面，境内SmartBeta ETF 主要为权益类产品，固收类产品仅一只。与海外市场相比，我国 SmartBeta ETF 市场仍处于起步发展阶段，未来发展空间广阔。图 8 境内 SmartBeta ETF 产品数量和规模 数据来源：Wind，截至 2023 年底 产品策略方面，红利为境内应用最广的 SmartBeta ETF策略，近年来规模占比保持高位。从 2018 年至 2023 年，红利策略产品规模保持高速增长态势，由 30 亿元增长至 319 亿元；除红利外，多因子产品规模也增长较快，由 7 亿元增长至 136 亿元。从规0 100 200 300 400 500 600 0 10 20 30 40 50 60 70 2018 2019 2020 2021 2022 2023 数量(只)规模(亿元，右轴)-120-模占比来看，2020年以来红利策略产品规模占比均在60%以上。图 9 境内 SmartBeta ETF 策略规模变化及占比 数据来源：Wind，截至 2023 年底 从标的指数来看，共有49只SmartBeta指数挂钩ETF产品。具体包括：多因子策略指数 20 只、红利策略指数 12 只、价值策略指数 7 只、基本面策略指数 3 只、成长策略指数 2 只、质量策略指数 2 只、低波策略指数 2 只、等权策略指数 1 只。其中，上0 100 200 300 400 500 600 2018 2019 2020 2021 2022 2023 红利 基本面 价值 质量 成长 等权 低波 多因子 63%2%2%3%3%红利 基本面 价值 质量 成长 等权 低波 多因子-121-证红利指数挂钩 ETF 产品规模最大，中证红利指数挂钩 ETF 产品数量最多，多因子策略指数中红利低波 ETF 占据主要规模。表 5 境内 SmartBeta ETF 标的指数及跟踪产品情况 指数类型指数类型 指数简称指数简称 ETF 规模规模(亿元亿元)ETF 数量数量(只只)红利 红利指数 161.70 1 中证红利 91.21 4 深证红利 27.42 2 恒生港股通高股息率 10.66 1 标普 A 股红利 7.83 1 中证国企红利 5.73 2 中证央企红利 5.53 1 恒生港股通中国央企红利 3.38 1 港股通高息精选 2.52 1 港股通高股息(CNY)1.44 1 恒生中国内地企业高股息率 0.78 1 沪深 300 红利 0.58 1 多因子 创成长 42.08 1 红利低波 28.87 2 红利低波 100 22.42 2 标普港股通低波红利指数 13.53 1 标普中国A股大盘红利低波50 6.44 1 创价值 4.95 1 300 红利 LV 4.48 1 红利质量 2.53 1 300 成长创新 2.09 1 新兴科技 100 1.94 1 300 价值稳健 1.69 1 恒生港股通高股息低波动 1.11 1 凤凰 50 0.75 1 1000 价值稳健 0.64 1 1000 成长创新 0.52 1 科技先锋 0.52 1 500 价值稳健 0.46 1 ESG120 策略 0.44 1 证券先锋 0.32 1 500 成长创新 0.22 1 基本面 深证 F120 3.50 1-122-深证 F60 3.48 1 基本面 50 1.73 1 价值 国信价值 4.37 1 180 价值 1.46 1 300 价值 1.34 2 小盘价值 0.61 1 中证 500 价值 0.55 1 中证 800 价值 0.50 1 深证价值 0.49 1 成长 300 成长 11.96 2 成长 40 1.01 1 质量 500 质量 12.42 2 MSCI 中国 A 股国际公司质量(人民币)2.72 1 等权 500 等权 0.37 1 低波 MSCI中国A股国际低波(美元)2.03 1 500SNLV 0.86 1 数据来源：Wind，截至 2023 年底 从资金净流入来看，红利、多因子（主要为红利低波）等策略产品整体上表现为净资金流入，质量、价值、成长策略产品整体表现为资金净流出。其中，2023 年多因子（红利低波）策略产品资金流入约 100 亿元，红利策略产品资金流入约 70 亿元。图 10 境内 SmartBeta ETF 策略资金净流入 数据来源：Wind，截至 2023 年底-40 -20 0 20 40 60 80 100 120 140 多因子 红利 利差 基本面 等权 低波 质量 价值 成长-123-从基金管理人来看，大部分管理人 SmartBeta ETF 规模上升，头部集中度有所下降。2023 年，境内 21 家管理人旗下 SmartBeta ETF 产品规模上升。其中，华泰柏瑞、易方达基金、招商基金旗下 SmartBeta ETF 规模增长较多，分别增长 50 亿元、32 亿元、27 亿元。头部集中度方面，前十大 SmartBeta ETF 管理人的产品规模由 92%下降至 88%。图 11 境内 SmartBeta ETF 基金管理人规模变动 数据来源：Wind，截至 2023 年底（二）境内SmartBeta ETF发展趋势 1红利及红利衍生策略规模增长趋势明显 相较上年，2023 年红利、红利低波产品资金净流入明显高于其他策略，红利及红利衍生策略受到市场青睐，贡献了境内SmartBeta ETF 的主要资金流入。而成长策略产品资金呈持续流出状态，质量、价值策略产品净资金由流入转为流出。未来，随-20 -10 0 10 20 30 40 50 60 华泰柏瑞基金 易方达基金 招商基金 景顺长城基金 摩根基金 华夏基金 华宝基金 博时基金 华安基金 工银瑞信基金 南方基金 汇添富基金 嘉实基金 天弘基金 富国基金 鹏扬基金 申万菱信基金 浙商资管 交银施罗德基金 华富基金 前海开源基金 大成基金 建信基金 浦银安盛基金 西部利得基金 平安基金 中金基金 万家基金 银华基金 规模净增加(亿元)-124-着国内利率持续下行，社会人口老龄化趋势加剧，红利类产品仍将是境内 SmartBeta ETF 的重要发展方向。图 12 境内 SmartBeta ETF 策略资金净流入变化 数据来源：Wind，截至 2023 年底 2SmartBeta ETF开始向港股等境外市场扩展 2023 年，港股 SmartBeta 指数产品数量与规模持续提升，SmartBeta ETF 投资范围进一步扩展。2022 年，境内挂钩港股SmartBeta 指数的 ETF 产品仅 2 只，产品规模合计约 5.82 亿元；2023 年，境内管理人新增发行标普港股通低波红利指数、恒生港股通中国央企红利、港股通高息精选、恒生港股通高股息低波动指数挂钩等 4 只 ETF，同时存量港股标的指数 ETF 规模也逐步扩大。截至 2023 年末，挂钩港股市的 SmartBeta ETF 产品规模约 32.65 亿元。-60 -40 -20 0 20 40 60 80 100 120 22年净流入(亿元)23年净流入(亿元)-125-表 7 境内港股 SmartBeta ETF 产品情况 标的指数标的指数 2022 年年 2023 年年 数量数量(只只)规模规模(亿元亿元)数量数量(只只)规模规模(亿元亿元)恒生港股通高股息率 1 5.20 1 10.66 港股通高股息(CNY)1 0.63 1 1.44 标普港股通低波红利指数 0 0.00 1 13.53 恒生港股通中国央企红利 0 0.00 1 3.38 港股通高息精选 0 0.00 1 2.52 恒生港股通高股息低波动 0 0.00 1 1.11 数据来源：Wind，截至 2023 年底 3固收类SmartBeta ETF市场需求持续上升 目前，境内仅有 1 只固收类 SmartBeta ETF，采用利差因子策略，跟踪中债-中高等级公司债利差因子指数。2023 年，该 ETF产品规模由 52 亿元增长至 60 亿元，日均成交活跃，已逐渐成为投资者进行资产配置的有效工具。当前境内固收类 SmartBeta ETF 策略仍较为单一，但随着配置需求不断提升，未来有望出现更为多元化的固收类 SmartBeta ETF 产品。-126-图 13 中债-中高等级公司债利差因子 ETF 规模 数据来源：Wind，截至 2023 年底 48 50 52 54 56 58 60 62 2019/03 2019/05 2019/07 2019/09 2019/11 2020/01 2020/03 2020/05 2020/07 2020/09 2020/11 2021/01 2021/03 2021/05 2021/07 2021/09 2021/11 2022/01 2022/03 2022/05 2022/07 2022/09 2022/11 2023/01 2023/03 2023/05 2023/07 2023/09 2023/11 基金规模(亿元)-127-专题系列（五）指数增强专题系列（五）指数增强 ETF 研究报告研究报告 招商基金管理有限公司 -128-一、2023 年全球主动管理 ETF 飞速发展 截至 2023 年底，全球市场上共有 2223 只主动 ETF 产品（剔除杠杆反向，下同），规模合计 7034 亿美元，超过三年前的 3倍；2023 年规模增速达到 69%，发展迅速。从国别来看，美国市场是全球主动管理 ETF 的主战场，美国主动管理 ETF 数量占比近 60%，规模占比约四分之三。值得关注的是，近三年，有越来越多的管理人开始将场外主动管理基金转型为场内主动管理ETF，这也构成了主动管理 ETF 重要的规模来源。（一）2023 年全球主动管理 ETF 增加近 600 只，7%为转型而来 2023 年，主动管理 ETF 延续了此前的数量高增态势，产品新增 579 只。值得注意的是，自 2021 年 Dimensional 将近 300亿美元的 4 只场外主动基金转型为场内主动管理 ETF 后，美国市场上更多的管理人开始将场外主动管理基金转型为主动管理ETF。例如，2023 年，Fidelity 将旗下主要投资于颠覆性创新技术的 disruptive 系列 6 只场外主动权益和指数增强系列的 6 只场外基金转型为了场内 ETF。截至 2023 年底，12 只产品规模合计96 亿美元。-129-图 1 2023 年，主动管理 ETF 产品增加近 600 只 数据来源：Morningstar，2023/12（二）从资产类别看，2023 年股票主动管理 ETF 规模飞速增长 2023 年，是全球股票主动管理 ETF 大爆发、飞速增长的一年：规模从 2077 亿美元增至 3510 亿美元，增长 69%。与之相比，债券主动管理 ETF 则稍显逊色，仅从 1745 亿美元增至 2250 亿美元，增长 29%。图 2 全球股票主动管理 ETF 规模已远超越债券主动管理 ETF-130-数据来源：Morningstar，2023/12 主动管理 ETF 规模最大的美国市场上，2023 年，股票主动管理 ETF 规模达 2915 亿美元，占比达到 55%；而固定收益类的主动管理 ETF 规模约 1771 亿美元，占比由 2022 年的 40%降至2023 年的 33%。图 3 2023 年美国主动管理 ETF 中股票类的规模占比已超过一半 数据来源：Morningstar，2023/12。单位：亿美元（三）从发行国家来看，美国不论是产品数量还是规模，都仍居主导地位 全球主动管理 ETF 分布在美洲、欧洲、亚洲、非洲和大洋洲 5 大洲、超 20 个国家。ETF 最发达的美国在主动管理 ETF 领域，不论是在产品数量还是产品规模上依然保持绝对领先地位：主动管理 ETF 产品数量 1295 只，占比 58%；规模超 5300 亿美元，占比约 76%。其次是加拿大，有超 400 只产品、近 1000 亿美元管理规模。-131-图 4 美国主动管理 ETF 数量和规模都居全球主导地位 数据来源：Morningstar，2023/12（四）从发行人看，越来越多的基金管理人加入主动管理ETF 领域，规模最大的已突破千亿美元 主动管理 ETF 还处于发展初期，越来越多的管理人正在加入主动管理 ETF 领域。Dimensional 首先规模突破千亿美元，是全球最大的主动 ETF 管理人，市场份额约 16.72%；其次是JPMorgan，规模逼近千亿美元，市场份额约 13.75%。Fidelity、PIMCO 和 Capital Group 等主动管理能力较强的管理人也位列前十大内。被动 ETF 的三巨头Blackrock、Vanguard 和 State-132-Street 在主动管理 ETF 领域暂略居后。表 1 全球主动管理 ETF 管理人规模排名 管理人管理人 2023 年底规模（亿美元）年底规模（亿美元）占比占比 Dimensional 1175.88 16.72%JPMorgan 966.92 13.75%First Trust 595.82 8.47%American Century 355.97 5.06%Fidelity 244.35 3.47%PIMCO 239.04 3.40%BlackRock 204.47 2.91pital Group 187.60 2.67%Vanguard 183.29 2.61%Innovator 167.36 2.38%ARK 158.25 2.25%BMO 152.90 2.17%Janus Henderson 117.55 1.67%CI Investments 113.99 1.62%Samsung 109.26 1.55%State Street 109.00 1.55%其他 1952.35 27.75%数据来源：Morningstar，2023/12（五）前十大主动管理 ETF 以主动股票 ETF 为主，主动债券 ETF 退居次位 全球前十大主动管理 ETF 均分布在美国。从资产类别看，除了两只短债 ETF（JPMorgan Ultra-Short Income ETF 和 PIMCO Enhanced Short Maturity Active ETF）外，其余 8 只均为股票主动管理 ETF。规模最大的是 JPMorgan 的红利 备兑策略的 JPMorgan Equity Premium Income ETF，2023 年底规模已突破 300 亿美元。其次是量化选股的 Dimensional US Core Equity 2 ETF，规模约-133-242 亿美元。ARK Innovation ETF 规模约 93.4 亿美元，排在第 7。表 2 前十大主动管理 ETF 序号序号 名称名称 资产资产大类大类 基金品牌基金品牌 规模（亿美规模（亿美元）元）上市日期上市日期 招募书中招募书中的净费率的净费率 新发新发or 转转型型 1 JPMorgan Equity Premium Income ETF 股票 JPMorgan 305 2020/5/21 0.35 新发 2 Dimensional US Core Equity 2 ETF 股票 Dimensional 242 2021/6/14 0.17 转型 3 JPMorgan Ultra-Short Income ETF 固 定收益 JPMorgan 223 2022/9/15 0.18 转型 4 PIMCO Enhanced Short Maturity Active ETF 固 定收益 PIMCO 103 2009/11/17 0.35 新发 5 Dimensional US Targeted Value ETF 股票 Dimensional 95.5 2021/6/14 0.28 转型 6 Dimensional US Marketwide Value ETF 股票 Dimensional 95.3 2022/5/9 0.22 转型 7 ARK Innovation ETF 股票 ARK 93.4 2014/10/31 0.75 新发 8 Avantis US Small Cap Value ETF 股票 American Century 89.9 2019/9/26 0.25 新发 9 JPMorgan Nasdaq Equity Premium Inc ETF 股票 JPMorgan 84.4 2022/5/4 0.35 新发 10 Dimensional US Equity ETF 股票 Dimensional 77.4 2021/6/14 0.09 新发 数据来源：Morningstar，2023/12（六）以美国为例，主动管理 ETF 增速远高于被动 ETF 以主动管理 ETF 规模最大的美国市场来看，兼具 ETF 税收优势和场外主动管理基金主动管理优势的主动 ETF 规模增速大大高于被动 ETF。2017 年以来的 7 年中，除 2022 年外，主动管理 ETF 规模增速均超过 40%，远高于被动 ETF 的规模增速。虽-134-2022 年，主动管理 ETF 的规模增速仅 19%，但同期被动 ETF 的规模增速为负。2023年，主动管理ETF占全部ETF2规模接近7%。图 5 美国主动 ETF 规模增速远高于被动 ETF 数据来源：Morningstar、ICI，2023/12 二、2023 年境内指数增强 ETF 队伍进一步壮大（一）2023 年新成立 13 只产品，发行规模略低于 2022 年 自 2021 年首批指数增强 ETF 诞生后，指数增强 ETF 的队伍逐步扩张。2023 年，全市场新发行 13 只指数增强 ETF，是 2021年和 2022 年的总和；发行规模 78 亿元，略低于 2022 年的发行量。2 因 ICI 的美国市场 2023 年 12 月底的全部 ETF 规模数据还未出，因此使用 11 月的规模数据计算。-135-图 6 2023 年新发行 13 只指数增强 ETF 数据来源：Wind，截至 2023/12/31（二）2023 年指数增强 ETF 的管理人新增 7 个，各管理人规模相差不大 2023 年，博时、易方达、平安、工银瑞信、天弘、富国和汇添富都发行了自己的第一只指数增强 ETF，指数增强 ETF 的管理人数量增至 17 个（占 ETF 管理人的 32%）。由于指数增强ETF 还处于起步阶段，各管理人之间的规模差距不大。规模最大的是国泰基金，管理规模 14.7 亿元；其次是招商基金，规模 8.6亿元。图 7 指数增强 ETF 管理人规模和产品数量分布-136-数据来源：Wind，截至 2023/12/31（三）2023 年指数增强 ETF 产品的标的指数范围进一步扩大 2023 年指数增强 ETF 产品的标的指数新增了中证 800（汇添富）和中证 2000（平安和银华）。除了上证 50 外，指数增强ETF 的标的指数已基本覆盖所有宽基指数，投资者的可选范围进一步扩大。其中，标的指数为中证 1000 的产品数量最多，有 8只；其次是标的指数为中证 500 的产品，有 7 只。从规模来看，标的指数为中证 500 的 7 只产品规模最大，合计 18.33 亿元；其次为沪深 300 指数增强 ETF，规模合计 16.79 亿元。图 8 指数增强 ETF 标的指数规模和数量分布 数据来源：Wind，截至 2023/12/31（四）2023 年的规模增速远低于 ETF 整体的规模增速 2022 年指数增强 ETF 因基数低、年末有 4 只产品发行成立等因素，2022 年规模增速 41%，远高于 ETF 整体的规模增速。2023 年虽然有 13 只产品发行，但留存率低，规模增速为-8%；-137-而非货 ETF 整体规模增速达到 38%。目前，指数增强 ETF 标的指数均为宽基指数。2023 年是宽基 ETF 大年，宽基 ETF 整体规模增长 51%。指数增强 ETF 的规模增速远远落后于被动宽基 ETF的规模增速；也落后于非货 ETF的整体平均增速。图 9 指数增强 ETF 规模增速弱于宽基 ETF、非货 ETF 整体规模增速 数据来源：Wind，截至 2023/12/31 此外，指数增强策略产品对比来看，场外指数增强基金在2023 年前三季度规模增长 18%，而指数增强 ETF2023 年前三季度规模仅增长 3%。-138-图 10 指数增强 ETF 规模增速弱于场外指数增强基金规模增速 数据来源：Wind，截至 2023/9/30 （五）2023 年证券公司担任托管人的指数增强 ETF 产品大幅上升 2021 年，首批四只指数增强 ETF 中，托管人均为银行。2022年发行的 9 只指数增强 ETF 中，2 只产品的托管人为证券公司，占比 22.2%；2023 年发行的 13 只指数增强 ETF 中，7 只产品托管人为证券公司，占比 54%。指数增强 ETF 由证券公司托管的比例 34.6%（9/26）高于整体非货币 ETF3由证券公司托管的比例21.7%（183/843）。3 这里不含指数增强 ETF。-139-图 11 指数增强 ETF 由证券公司托管的比例大幅提升 数据来源：Wind，截至 2023/12/31 （六）指数增强 ETF 的前十大持有人以证券公司和保险为主 截至 2023/6，指数增强 ETF 的 89 亿元中，前十大持有人持有的约 38 亿元。证券公司约持有 20 亿元，保险约持有 8 亿元。此外，从全部 ETF 来看，证券公司共持有宽基 ETF 约 449 亿元，指数增强 ETF 仅占 4.45%；保险公司共持有宽基 ETF 约 440 亿元，指数增强 ETF 仅占 1.82%。指数增强 ETF 在投资者端的认知还需进一步提升。-140-图 12 指数增强 ETF 前十大持有人分布 数据来源：Wind，截至 2023/6/30 具体分产品4来看，华泰柏瑞中证 1000 增强策略 ETF 和银华中证 1000 增强策略 ETF 的机构持有比例最高，约 96%。而博时中证 500 增强策略 ETF、嘉实创业板增强策略 ETF 和景顺长城中证 500 增强策略 ETF 的机构持有比例仅不到 20%。平均来看，机构持有比例约 44%，将近一半。图 13 各指数增强 ETF 的机构持有比例差异较大 4 不包含未披露中报的 7 只产品。-141-数据来源：Wind，截至 2023/6（七）指数增强 ETF 产品业绩和策略情况 整体来看，多数指数增强 ETF 产品能够给投资人带来超越标的指数的超额回报，起到了指数增强的作用。在成分股和非成分股的配置上，各只产品策略不尽相同。1沪深 300 指数增强 ETF 3 只标的指数为沪深 300 的指数增强 ETF，2023 年均取得了正超额收益。招商沪深 300 增强策略 ETF 连续两年取得了正超额。从积极投资的仓位来看，华安全部持有成分股，未持有指数成分股外的股票；而招商的策略约 10%持仓为非指数成分股，超额收益部分来源于指数外选股。表 3 标的指数为沪深 300 的增强策略 ETF 代码代码 基金简称基金简称 2022 年超额年超额收益率收益率 2023 年超额年超额收益率收益率 积极投资的仓位积极投资的仓位（2023/9/30）561000.SH 华安沪深 300 增强策略 ETF 1.82%0V1990.SH 招商沪深 300 增强策略 ETF 3.95%1.79V1300.SH 国泰沪深 300 增强策略 ETF-0.61%3.15%0.75%数据来源：Wind，收益数据截至 2023/12/31 2中证 500 指数增强 ETF 中证 500 指数增强策略 ETF5普遍超额收益比沪深 300 指数增强的超额收益更厚。而策略上也明显分为了指数外选股和指数内成分股调整权重两个方向。5 4 只 2023 年成立的中证 500 指数增强策略 ETF 成立时间未满一年，所以在这里未列出。-142-表 4 标的指数为中证 500 的增强策略 ETF 代码代码 基金简称基金简称 2022年超额收年超额收益率益率 2023 年超额年超额收益率收益率 积极投资的仓位积极投资的仓位（2023/9/30）560100.SH 南方中证 500 增强策略 ETF 3.55%0.129610.SZ 景顺长城中证 500增强策略 ETF-2.38%4.87.07V1550.SH 华泰柏瑞中证 500增强策略 ETF 5.74%5.31%0.33%数据来源：Wind，收益数据截至 2023/12/31 3中证 1000 指数增强 ETF 2022 年，首批中证 1000 增强策略 ETF 上市，丰富了增强ETF 的标的指数。2023 年，3 只 1000 增强策略 ETF 也都取得了正超额，招商中证 1000 增强策略 ETF 的超额收益达到 9.13%。表 5 标的指数为中证 1000 的增强策略 ETF 代码代码 基金简称基金简称 2023 年超额收益年超额收益率率 积极投资的仓位积极投资的仓位（2023/9/30）159677.SZ 银华中证 1000 增强策略ETF 7.24%3.76V1590.SH 华泰柏瑞中证 1000 增强策略 ETF 2.83%0.159680.SZ 招商中证 1000 增强策略ETF 9.13.49%数据来源：Wind，收益数据截至 2023/12/31 三、境内指数增强 ETF 的发展仍需市场各方的共同努力 2023 年，境内外主动管理 ETF（目前在境内仅表现为指数增强 ETF）呈现了完全不同的发展态势。从收益来看，多数指数增强 ETF 产品交出了较好的答卷，但在投资者对指数增强 ETF的认知、使用上，仍需市场各方的共同努力。-143-专题系列（六）债券专题系列（六）债券 ETF 研究报告研究报告 华夏基金管理有限公司 -144-一、基准国债 ETF 介绍（一）交易所债券做市业务 2022 年 1 月 27 日，沪深交易所分别正式发布了债券交易规则及三项配套指引，在做市业务方面，明确表示将建立债券做市商机制，提高债券市场价格发现功能，改善各债券品种流动性。债券做市业务指做市商可在沪深交易所债券市场采用匹配成交、点击成交等方式，对做市债券进行双边买卖报价、对沪深交易所债券投资者的询价请求进行回复，以及通过沪深两所认可的其他做市方式，为债券提供流动性的行为。具体而言，做市业务采用了主做市商与一般做市商的分层架构。做市品种包括基准做市品种和自选做市品种，基准做市品种包括了利率债与信用债两类债券。对于主做市商，需选择一定数量的基准做市品种开展持续做市业务；对于一般做市商，可自行选定做市债券，在一定时期内面向全市场或部分投资者开展做市业务。2023 年 2 月 6 日，交易所正式启动债券做市业务，首批共有 12 家证券公司参与做市，同时交易所和指数公司也推出了利率债与信用债两类基准做市指数。做市商充分发挥交易所市场“竞价交易匿名撮合、报价交易显名竞争”的优势特点，为基准做市品种及自选做市品种提供持续报价。债券做市业务的推出，一方面有利于降低流动性溢价和债券发行成本，完善交易所债券市场功能，进一步发挥债券市场对实体经济的支持作用；另一方面有利于提高定价效率，形成能更加准确反映市场供求关系的债券-145-收益率曲线，为市场定价提供基准参考。考察实际做市情况，基准做市利率债以“22 国债 19”为例，2023 年 2 月 6 日后成交与估值的偏离缩窄，成交量显著提升，价差可以收敛至 0.001 元的市场最小值；基准做市信用债以“20 京资 01”为例，成交与估值的偏离缩窄，成交笔数显著提升，交易活跃（有实际交易日的天数提升）。可以发现，基准债的流动性得到了改善，做市业务效果明显，体现在报价活跃度提升、债券成交量增长、报价价差及成交价格偏离度收敛，定价效率有所提升。图 1“22 国债 19”成交价与估值偏离情况 图 2“22 国债 19”成交量(万)图 3“20 京资 01”成交价与估值偏离情况 图 4“20 京资 01”成交量(万)及成交笔数-20.00-15.00-10.00-5.00 0.00 5.00 10.00 2022-10-12 2022-11-12 2022-12-12 2023-01-12 2023-02-12 2023-03-12 YTM偏离(Bp)价格偏离(%)0 5,000 10,000 15,000 20,000 25,000 30,000 35,000 40,000 45,000 2022-10-12 2022-11-12 2022-12-12 2023-01-12 2023-02-12 2023-03-12-20.00 0.00 20.00 40.00 YTM偏离(Bp)-0.30-0.20-0.10 0.00 0.10 2022-09-28 2022-10-28 2022-11-28 2022-12-28 2023-01-28 2023-02-28 价格偏离(%)200 400 600 800 1,000 1,200 1,400 1,600 0 5,000 10,000 15,000 20,000 25,000 30,000 35,000 40,000 45,000 成交量(万)成交笔数-146-数据来源：Wind，截至 2023 年 3 月 21 日 目前，基准做市债券品种均集中在较优质的债券，并逐步纳入了科创债，预期未来做市商队伍将稳步扩容，基准做市债券范围和类型也将拓展。（二）基准国债 ETF 介绍 基准国债 ETF 于 2023 年 12 月 13 日成立，并于 2023 年 12月 25 日上市，募集规模达到 20 亿元，吸引了银行自营、券商自营、私募基金、个人客户等多种类型投资者参与。基准国债 ETF 追踪上证基准做市国债指数，成分券为上交所基准做市品种名单范围内的全部国债，目前包含 1 年期、2 年期、3 年期、5 年期、10 年期、30 年期等各期限国债中最新上市的两只国债。基准国债ETF能够与场内债券做市业务形成联动，提高做市策略灵活性，为活跃场内国债提供新支持。成分券的流动性问题是影响债券 ETF 发展的一大因素。基准国债 ETF 的成分券有流动性保障，利用场内做市制度优势开辟了一条债券 ETF 发展新路径，推动 ETF 一二级套利有效性提升，折溢价更趋稳定，投资者赎回的一篮子现券也能更便捷地卖出，满足其流动性管理需求及配置需求。（三）基准国债 ETF 的投资价值 目前，基准国债 ETF 久期在 5 年左右，最小申赎单位约 100万元，涵盖 12 只涉及短、中、长、超长期限的国债，二级市场1 手交易规模约为 1 万元。截至 2023 年年末，上证基准做市国-147-债指数的近 1 年收益率为 3.63%，最大回撤 0.71%。基准国债 ETF集合了基准做市、国债现券、ETF 产品的特性与优势，具备较强的投资价值：1能够帮助投资者一键配置一篮子综合国债，是场内高效的低风险、稳健型投资工具 基准国债 ETF 聚焦国债这一特定细分市场。国债是中央政府为筹集财政资金而发行的一种政府债券，是由中央政府向投资者出具的、承诺在一定时期支付利息和到期偿还本金的债权债务凭证。由于发行主体是国家，所以国债具有最高信用度，具备流动性好、税收优惠、收益率一般高于同期限银行存款利率等优点，是商业银行和保险公司等机构配置的重要对象，不少个人投资者也把国债当作安全性较高的资产进行配置。基准国债 ETF 提供了一键配置综合性国债的便利，兼顾流动性与收益率，是场内投资者低风险资产配置的新选择。2交易效率高，可开展多样化的策略，具备较强的功能属性 基准国债 ETF 能够实现 T 0 交易，可与股票等场内交易品种实现无缝衔接、一键转换，也可进行利率波段交易，产品效率高，可配合国债现券、国债期货等开展多样化的交易策略。同时，基准国债 ETF 贴合债券现券进行设计，具备较强的功能属性，例如可开展通用式质押回购，提高资金使用效率；还可纳入两融标的及两融可充抵保证金证券，有丰富的投资策略及使用场景。-148-3持续跟踪新发国债，便捷追踪国债行情 上证基准做市国债指数选取相应期限最新上市的两只国债作为成分券，若同一期限有新券上市，老券将被调出，指数层面每月定期调整一次，实现新老换券。国债品种数量多、期限多，新发、续发、增发品种多，复杂的发行机制导致部分投资者难以选择合适的现券交易。基准国债 ETF 可帮助投资者便捷、持续追踪国债行情，免除投资者自行选券、新老换券等操作。二、海外债券 ETF 发展（一）海外债券 ETF 发展历程 在海外市场，债券 ETF 是 ETF 的一种重要类型。债券 ETF有诸多优势，如投资门槛低、二级市场流通便利、分散化投资、成本低廉、可实现自动高效调仓需求等，因此在海外市场颇受欢迎。目前，全球债券 ETF 规模达到 2.20 万亿美元，数量超过 2000只。其中美国债券 ETF 体量最大，规模超过 1.5 万亿美元，全球市占率为 69%。表 1 全球债券 ETF 规模前十大国家/地区分布 债券债券 ETF 规模（亿美元）规模（亿美元）规模市占率规模市占率 债券债券 ETF 数量数量 数量市占率数量市占率 美国 15,215 69e9 33%爱尔兰 3,206 153 14%卢森堡 1,097 54 8%加拿大 942 4(6 14%中国台湾 651 3 5%-149-韩国 201 12 7%澳大利亚 137 1Y 3%中国 116 1 1%印度 91 0 1%以色列 75 06 7%数据来源：彭博，截至 2024 年 1 月 8 日 美国的债券 ETF 起源于 2002 年，基金管理人贝莱德当年共推出了 4 只债券 ETF，包括 3 只不同期限的国债 ETF 和 1 只投资级公司债 ETF，不过此后债券 ETF 发展缓慢，2003-2006 年仅新发了 5 只债券 ETF。2007 年美国证券交易委员会（SEC）发布了债券 ETF 标准化产品结构及相应上市规则，针对指数型新发ETF 产品颁布豁免法案，之后债券 ETF 发展有所起色，但彼时债券 ETF 仍然只是作为债券型共同基金的补充，在 ETF 市场的规模占比约为 6%。直到 2008 年金融危机，债券 ETF 流动性疏导作用被市场充分发掘，这类产品才快速发展起来，在 ETF 的规模占比在当年跃升至 11%。2019 年 SEC 推出了 ETF 新规（Rule 6c-11），符合条件的 ETF无需单独申请豁免令，产品创设流程得以简化，此外基金管理人可使用定制篮子（custom basket），这赋予了基金管理人创建篮子及调仓的灵活性，能有效减少跟踪成本，降低折溢价。对于本身使用抽样复制的债券 ETF 而言，定制篮子起到的效果更为明显。-150-在 2020 年疫情初期的冲击期间，金融市场波动加大，部分债券遭受恐慌性抛售，基础资产面临流动性危机。彼时，美国债券 ETF 向市场提供了流动性，起到了价格发现、风险管理的作用。此外，美联储也首次通过在二级市场购买债券 ETF 的方式向市场注入流动性。2020 年，美国债券 ETF 的规模、资金流入、二级成交量均有大幅提升。ETF 较高的流动性使得投资者能够以低成本的方式按需交易，进行组合调整、风险管理。根据贝莱德的调研，在此次市场危机之后，养老金、保险公司、投资经理等投资者均增加了对债券 ETF 的配置，以替代单只债券等固收标的。时至今日，美国债券 ETF 在本土 ETF 市场中规模占比接近20%，产品类型、策略也进一步丰富。图 5 美国 ETF 市场结构变化 图 6 美国债券 ETF 规模趋势（万亿美元）0 0Pp0 02 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 固定收益 股票 其他 0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022-151-图 7 美国债券 ETF 资金流量（百亿美元）图 8 美国债券 ETF 二级成交情况（万亿美元）数据来源：彭博 总之，债券 ETF 在美国等海外市场的蓬勃发展离不开诸多客观因素的支持，包括生态环境、产品机制、政策因素等，监管机构、基金管理人等市场机构、交易所等基础设施机构也做了大量投资者教育的工作。从海外经验看，债券 ETF 往往在市场出现危机或大幅调整时反而出现交易峰值，其发展是在经历一次次市场调整后，债券 ETF 优势凸显，投资者对债券 ETF 加大关注和应用，从而逐渐认可的一个过程。（二）海外债券 ETF 产品现状 按策略类型和投资标的划分，美国债券 ETF 主要包括综合全债、公司债、政府债、通胀保护、资产支持证券、可转债等类型。其中综合债、国债、公司债是占比最大的三个类型，其规模及占比分别为 4886 亿美元/32%、4143 亿美元/27%、3285 亿美元/21%。从发展趋势看，美国债券 ETF 产品类型由最初的国债、0 5 10 15 20 25 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022-152-公司债不断拓展至其他各类券种。近两年策略稳健、风险分散的综合债 ETF 和国债 ETF 规模占比有所提升，也是资金流入的主要品种，通胀保护 ETF 近两年资金呈现净流出趋势。图 9 美国不同策略债券 ETF 规模变化趋势（百亿美元）数据来源：彭博 评级和期限是债券 ETF 最常见的划分属性。按照标的券的评级划分，美国债券 ETF 主要分为投资级债券 ETF 和高收益债券 ETF，其中前者投资标的主要为国债、市政债和投资级公司债，后者投资标的主要为高收益公司债。从 2013 年开始，投资级债券 ETF 规模占比逐步提升，目前规模达到 1.2 万亿美元。高收益债 ETF 共 106 只，整体规模为 946 亿美元。海外管理人持续布局高收益债 ETF，其与投资级债 ETF 共同构成了多样化的评级策略分布。0 20 40 60 80 100 120 140 160 180 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 综合 国债 公司债 地方债 抵押支持 通胀保护 优先股 银行贷款 可转债 资产支持-153-图 10 美国不同评级债券 ETF 规模变化趋势（百亿美元）数据来源：彭博，不包括无限制、评级不适用和无评级债券 ETF 按照产品组合的期限划分，美国债券 ETF 可以分为超短期(小于 1 年)、短期(1-3 年)、中期(3-10 年)与长期(大于 10 年)。规模主要集中在短期及中期债券 ETF，近几年超短期及长期债券ETF 规模占比也在逐步提升。图 11 美国不同期限债券 ETF 规模变化趋势（百亿美元）数据来源：彭博，不包括未明确期限或不适用期限划分的债券 ETF 0 20 40 60 80 100 120 140 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 高收益 投资级 0 10 20 30 40 50 60 70 80 90 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 超短期(小于1年)短期(1-3年)中期(3-10年)长期(大于10年)-154-（三）海外债券 ETF 投资者结构 美国债券 ETF 的参与机构多样化程度高，投资者包括投资顾问、银行、保险公司、经纪商、信托、养老金、控股公司、对冲基金、主权基金、捐赠基金、私募基金和家族信托等多种类型。考察规模最大的 4 只海外债券 ETF 的持有人结构，如下图所示，投资顾问均为这 4 只债券 ETF 持有占比最高的投资者。在海外，个人投资者养老金账户是公募基金最重要的资金来源，而个人养老金账户中的资产配置，往往会借助投资顾问来提供方案。很多基金公司的投顾系列组合也会进行内部配置。其次持有规模较大的投资者是银行，大型银行往往是债券 ETF 的授权参与商（AP）或做市商，在 ETF 的份额供需和二级市场流动性改善方面发挥着巨大作用。此外，保险公司、经纪商、养老金、对冲基金、境外机构也是美国债券ETF的重要持有人，其中保险机构受估值、资本计提等政策利好推动曾一度大幅增加对债券 ETF 的配置；境外机构持有人中也包括了一些主权财富基金。图 12 领航总体债券市场 ETF 图 13 安硕核心美国综合债券 ETF 投资顾问投资顾问 72r%银行银行 17%经纪商经纪商 7%7%信托信托 2%2%保险公司保险公司 1%1%投资顾问投资顾问 70p%银行银行 15%信托信托 7%7%经纪商经纪商 4%4%保险公司保险公司 1%1%-155-图 14 领航国际债券 ETF 图 15 安硕 20 年期以上美国国债 ETF 数据来源：彭博，截至 2024 年 1 月 8 日 总体而言，债券 ETF 交易便利、投资门槛低，流动性较好的优势吸引了交易型投资者的广泛参与，起到了活跃交易的作用；而其风格稳定、持仓透明，分散化投资等特点也促使了配置型投资者的深度参与，起到了稳定规模的作用。两大类投资者共同推动了债券 ETF 的持续性发展。（四）海外债券 ETF 发展新趋势 根据贝莱德的预测，2030 年全球债券 ETF 规模有望达到 5万亿美元。投资者方面，投资者方面，越来越多的投资者开始使用债券 ETF替代现券，并将其作为主动投资的配置标的。投资经理、养老金、保险机构、央行等投资者将更积极地使用债券 ETF 构建组合，投资策略包括流动性管理、战术性及战略性配置、风险管理等。市场环境方面，市场环境方面，ETF 及其生态系统持续优化、电子交易平台不断完善、现券定价及交易水平得到提升、债市透明度和流动性提高，债券 ETF 和现券间逐渐形成良性循环，债券 ETF 管理难度也将银行银行 54T%投资顾问投资顾问 399%经纪商经纪商 6%6%投资顾问投资顾问 63c%银行银行 20 %经纪商经纪商 11%对冲基金对冲基金 2%2%保险公司保险公司 2%2%-156-有所降低。产品管理模式方面，产品管理模式方面，海外的债券 ETF 主动化趋势明显，新发产品中主动管理产品数量占比、主动管理产品存续规模占比均持续提升：2023年美国市场新成立的110只债券ETF中，75 只为主动管理，数量占比达到 68%。主动债券 ETF 存量规模为 1459 亿美元，规模占比为 11%。图 16 主被动债券 ETF 历年成立数量 图 17 主被动债券 ETF 规模占比变化 数据来源：彭博 债券债券 ETF 的产品创新不断，策略逐步丰富。的产品创新不断，策略逐步丰富。债券 ETF 品种在传统的券种、久期、信用等级、杠杆/反向等划分维度下不断丰富、细化，此外，ESG 主题、目标日期、通胀对冲、单一债券、Smart-Beta 等创新型产品也在不断推出，例如，贝莱德旗下的 iBond 目标日期系列债券 ETF 持续丰富，2023 年将资产类别拓展至通胀保护债券。F/m Investments 自 2022 年开发首只单一国债 ETF 以来，持续布局不同期限的产品，形成了从最短 3 个月到最长 30 年的共 10 只单一国债 ETF 产品序列。Smart-Beta债券 ETF 旨在摆脱传统债券指数市值加权的固化模式，在成分0 0Pp%0 20 40 60 80 100 120 2002 2003 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 数量 主动管理产品占比 0 0Pp0 12 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 被动型固定收益ETF 主动型固定收益ETF-157-券赋权方面引入更多影响因子。根据彭博的分类统计，美国Smart-Beta 债券 ETF 规模持续增长，目前规模达到 834 亿美元，2023 年规模同比增长 35%，策略类型也不断丰富。总体而言，债券 ETF 产品的颗粒化程度将越来越高，管理模式不断改进，能为各种类型的投资者提供精准的个性化投资选项，捕捉细分化领域及特定策略的收益。在丰富投资者选择的同时，多元化的债券 ETF 也将能够适应不同的市场环境和风格，发展韧性持续增强。图 18 美国 Smart Beta 债券 ETF 历年规模（亿美元）数据来源：彭博 三、国内债券 ETF 发展及展望（一）债券 ETF 发展历程及现状 我国债券 ETF 从 2013 年首只产品成立开始至 2017 年，基本处在相对缓慢发展的阶段，期间成立的产品以国债类 ETF 为主，信用债 ETF 也有个别尝试，其中部分产品之后因规模较小清盘。2018 年至 2020 年，债市回暖，债券 ETF 发行数量增多，0 100 200 300 400 500 600 700 800 900 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 定义的到期 基于原则 评级变动 基本面选项 目标久期 最新发行 收益率增强 另类加权 利率套期 动量/旋转 利率策略 风险平衡-158-产品在规模、券种、期限等方面继续向前推进。2022 年，债券ETF市场出现两大进展，一是短融 ETF契合场内现金管理需求，规模增长超过百亿；二是现金申赎政金债 ETF 诞生。2023 年，市场新发了两只债券 ETF，分别为基准国债 ETF 和 30 年国债ETF。近两年，债券 ETF 规模增量较明显，每年均有超过 200亿元的增量。图 19 我国债券 ETF 规模及数量 数据来源：Wind 目前我国境内市场共有19只债券ETF，规模合计789亿元，占所有非货币型 ETF 规模的 4%，占所有债券基金规模的 0.89%，有较大的发展潜力。产品方面产品方面，标的覆盖国债、地方政府债、政策性金融债、城投债、短融、公司债、可转债等。整体来看，呈现利率产品数量多，信用产品数量少；短期限产品规模占比大，长期限产品规模占比较小的局面。规模也还主要集中在少部分产0 2 4 6 8 10 12 14 16 18 20 0 100 200 300 400 500 600 700 800 900 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 规模（亿元）数量-159-品。投资者方面，投资者方面，以机构客户为主，部分产品持有人集中度高。多样化、全面化的产品体系有待逐步完善。值得注意的是，经过 10 多年的发展，我国债券 ETF 已有很大起色，出现了不少较好的发展苗头：成交方面，多只债券 ETF活跃度提升，日均成交额、日均换手率均有明显增长；客群方面，投资者类型持续丰富，持有人类型覆盖保险、券商、银行的自营及其资管产品，以及基金专户、企业年金、社保基金、养老金产品、QFII、私募基金、公募基金、个人等，债券 ETF 越来越受到场内投资者的关注。表 2 我国债券 ETF 基本情况 基金简称基金简称 成立日成立日 规模（亿元）规模（亿元）流动性（亿元、流动性（亿元、%）2022 2023 2022 日均日均成交额成交额 2023 日均日均成交额成交额 2022 日均日均换手率换手率 2023 日均日均换手率换手率 国债 ETF 2013-03-05 6.08 14.41 2.40 3.87 33.02 39.96 城投债 ETF 2014-11-13 13.37 29.16 0.62 2.80 4.58 17.19 十年国债 ETF 2017-08-04 6.09 5.99 2.91 4.21 43.19 75.16 10年地方债ETF 2018-10-12 6.45 7.44 1.12 3.83 15.86 52.57 活跃国债 ETF 2018-12-21 9.90 11.21 0.58 4.38 5.46 42.00 公司债 ETF 2018-12-27 52.08 60.42 0.54 2.48 1.04 4.56 5 年地债 ETF 2019-08-23 36.92 31.42 0.35 0.49 0.89 1.48 5 年地方债 ETF 2019-11-07 5.81 5.95 1.33 3.73 23.43 61.99 可转债 ETF 2020-03-06 22.07 62.84 3.07 6.73 32.20 20.07 -160-上证可转债 ETF 2020-07-13 1.47 3.47 0.89 1.85 67.71 108.95 0-4 地债 ETF 2020-07-30 16.03 13.68 0.24 0.34 1.44 2.36 短融 ETF 2020-08-03 129.76 247.28 42.13 77.35 37.92 41.78 国开债 ETF 2022-08-08 46.39 58.68 22.81 19.76 46.05 44.63 政金债券 ETF 2022-08-19 51.66 72.24 13.98 33.47 26.04 88.58 国开 ETF 2022-08-26 104.14 102.88 19.23 16.42 28.51 28.86 国开 0-3ETF 2022-09-01 15.71 39.98 4.28 2.80 61.54 17.62 政金债 5 年 ETF 2022-09-15 5.41 1.87 1.98 2.09 38.38 98.90 30 年国债 ETF 2023-05-19 3.53 0.97 37.40 基准国债 ETF 2023-12-13 16.79 4.53 27.04 图 20 我国债券 ETF 类型分布 图 21 我国债券 ETF 期限分布 数据来源：Wind（二）债券 ETF 应用场景及未来机遇 1我国债券 ETF 的应用场景分析 0 2 4 6 8 10 12 14 16 0 50 100 150 200 250 300 350 400 450 利率债 信用债 可转债 规模（亿元）数量 0 1 2 3 4 5 6 7 8 0 100 200 300 400 500 短期 中期 长期 不适用 规模（亿元）数量-161-作为标准化的工具型产品，债券 ETF 具有与现券相似的特征，并融合了 ETF 产品低成本、交易便捷、持仓透明、风险分散等优势，能够帮助各类型投资者实现多种投资目的，应用场景十分丰富。State Street Global Advisors 曾对全球 700 家机构投资者做了调研，揭示了债券ETF在当前环境下的四点应用新趋势，包括使用债券 ETF 构建投资组合、满足组合流动性需求、满足内部管理趋势下投资需求、执行 ESG 等主题投资目标。在我国，我们认为债券 ETF 可推广的应用场景包括：（1）债券 ETF 可替代现券，作为精准、高效的配置工具 债券 ETF 跟踪债券指数，追求跟踪偏离度及跟踪误差最小化，能够反映一篮子现券的风险收益特征，风格相对稳定。产品每日披露申购赎回清单，投资运作高度透明，结合交易的便利性、低成本等特点，债券 ETF 能够成为现券更优的替代品，为个人和机构投资者打通多样化的债券资产投资通道，帮助投资者实现各类长期战略性配置及短期战术性配置。（2）债券 ETF 可作为流动性管理工具 债券 ETF 交易便利、风险较低，部分短久期产品收益稳健，做够作为“货币 ”类理财工具，满足组合日常管理中的流动性管理需求。同时，T 0 交易机制使得债券 ETF 能够与股票等其他场内资产配置之间实现无缝切换。此外，债券 ETF 已纳入融券卖出资金可投范围，此前融券卖出资金仅可投资证券公司现金管理产品、货币基金等高流动性证券，而债券 ETF 作为高流动性-162-的理财工具，可以更好地补偿融券成本。（3）运用债券 ETF 的换购功能，可实现组合投资 在产品募集认购期间，实物模式债券ETF可接受单券换购；在产品申赎期间，实物模式债券 ETF 可接受现券 现金替代模式的申购。投资者可将其持有的流动性、信用质地较弱的成分券，或是不想继续持有的成分券换购为流动性更好、风险更分散的债券 ETF，以降低持有单一债券所带来的特定风险，实现换券交易及组合投资。（4）债券 ETF 作为质押券参与回购交易 符合条件的债券 ETF 可作为质押券参与交易所通用式质押回购业务，该功能和现券相同，可提高投资者的资金使用效率，开展杠杆投资。（5）运用债券 ETF 实现丰富的交易型策略，并可配合衍生品进一步拓展 债券 ETF 可以实现 T 0 日内回转交易，同时存在一级申赎及二级交易市场，投资者可运用其实现日内交易策略以及一二级市场套利策略。此外，债券 ETF 也可配合国债期货等衍生品开展更为丰富的投资策略。2我国债券 ETF 的未来发展机遇 我国债券市场规模已超过 150 万亿元，位居全球第二，债市体量远远大于股票市场规模，在当前市场环境下，债券 ETF 面临着巨大的发展机遇及潜力，具体包括：-163-（1）低利率环境下债券的主动管理超额收益减弱，被动投资优势凸显 过去，在债券市场发展成熟度还不高、利率中枢相对当前处于高位的环境中，通过对债券的主动管理、加杠杆、信用下沉等操作，可以较容易地超越基准指数表现。但随着债券市场的发展，从市场利率看从市场利率看，近几年利率中枢处于低位，债市整体投资回报中枢下移，在低利率、低波动的大趋势下，票息收益和波段操作的收益空间被压缩，主动型与被动型债券基金的收益及波动率差异进一步收敛。从信用利差看，从信用利差看，随着投资者对信用风险的偏好降低、下沉收敛、投资标的选择趋同、投资策略趋同，债券的超额收益进一步压缩。统计发现，2015 年超过 60%的纯债基金可以获得超越业绩基准 1%的收益水平，至 2023 年这一比例已降低至 40%以下，近三年纯债基金平均可获得的超额报酬目前在 0.5%-0.7%之间，债券主动管理的优势正在逐渐减少，被动投资的优势开始显现。图 22 纯债基金的超额报酬变化 数据来源：Wind 0.00 1.00 2.00 3.00 4.00 5.00 0 0Pp 14 2015 2016 2017 2018 2019 2020 2021 2022 2023 实现超越基准1%的产品比例 超额报酬（%，右轴）-164-（2）随着个人养老体系的迅速发展和资产配置理念的兴起，特色鲜明的债券被动型产品将成为配置型组合的理想投资工具，FOF、投顾的扩容也将带来更多投资需求 近年来个人养老金体系发展迅速，包括养老政策密集出台、个人养老金账户试点逐步设立等，为未来 FOF、养老金投资带来历史性发展机遇。此外，投顾组合概念在国内逐步兴起，未来销售市场有望由卖方转向买方市场。债券被动型产品跟踪一篮子债券，投资分散度高，策略丰富，更能满足投资者对投资安全性、收益平稳性等的要求，持券的相对透明也符合对底层资产穿透要求的大趋势。债券被动型产品适合作为 FOF、投顾等组合的底层配置工具。从美国经验来看，其养老需求的提升及投顾市场的发展推动了个人对风格明确、收益稳健的指数基金的配置，债券ETF 等产品得以快速发展。（3）境内外市场双向开放不断推进，债券 ETF 有望获得境外机构青睐 2022 年，人民银行、证监会、外汇管理局发布关于进一步便利境外机构投资者投资中国债券市场有关事宜公告，对境外机构进入中国债券市场提出了多项便利措施，境外机构参与债券 ETF 将更加方便。中国债券已纳入全球三大主流债券指数，在全球机构投资者的投资组合中将占据越来越高的比重。中国债券收益率表现与发达国家相关度较低，受全球风险因素的影响相对较小，具备自身独特的风险收益特征。在境外投资者构建全球-165-投资组合中，债券 ETF 能起到较好的风险分散作用。此外，债券 ETF 是境外机构投资者更为熟悉和信赖的资产配置工具,符合其投资行为偏好。（4）基础市场建设不断完善，支持政策不断推出，债券 ETF运营环境不断完善 我国债券基础市场不断完善，券种丰富且持续创新，债券指数也从期限、信用等级的简单划分进一步拓展到各类主题、策略、因子等更细维度的划分。现券流动性问题在交易所推出债券做市业务后得到了有效改善，债券 ETF 本身也能起到活跃市场的作用，基准国债 ETF 就是一次很好的创新尝试。未来债券现券和债券 ETF 相互促进，将形成正反馈，共同推动债市流动性提升。此外，监管和市场各参与方均积极推动债券 ETF 的发展，2022 年上交所推动将债券 ETF 纳入债券质押式协议回购，并发布 关于部分债券交易型开放式基金开展通用质押式回购交易相关事项的通知；2023 年债券 ETF 被纳入融券卖出所得价款的投资范围；债券借贷相关规则发布，未来将允许债券 ETF 作为标的证券或者质押证券开展借贷业务。随着支持性政策的持续实施，债券 ETF 的功能性逐步增强，使用场景也将更加丰富。（三）债券 ETF 发展思考 当前，我国债券 ETF 仍处在发展前期，不过在长达十多年的发展积淀下，债券 ETF 已经有了较大起色，并迎来了诸多历史性机遇。从海外经验看，境外债券 ETF 发展并非一帆风顺，-166-在长期发展中经历过各种市场环境的淬炼，产品优势才得以逐渐凸显，也逐渐被投资者所认可。制度不断完善、市场生态加速构建、多元化产品层出不穷，推动了全球债券 ETF 规模迈入 2 万亿美元的发展新阶段。我国债券 ETF 的发展需要市场各方的通力合作，也需要政策的配合与支持，将是一个相对长期的探索过程。为推动我国债券 ETF 进一步发展，我们从投资者培育、基础市场建设、产品机制设计与布局等方面提出一些思考，具体而言：1投资者培育方面，引导增量投资者参与，加大个人投资者培育力度，构建债券 ETF 生态体系 目前我国债券 ETF 投资者的类型已比较丰富，但客群的生态体系建设还有待完善，部分投资者入场还面临一些不便之处。未来需要各方努力，从制度安排、投资渠道等方面增加投资者的便利性，加大对增量投资者的引导力度，并持续开展投资者培育和债券 ETF 的产品宣传工作。据 2023年中报统计，权益 ETF 中个人持有占比已接近 40%，而债券 ETF 中个人持有中占比尚不到 10%。在当前鼓励发展个人零售型债券产品、中低波动产品的背景下，债券 ETF 能够以其自身优势成为引导稳健型零售客户的抓手。个人投资者原来仅能通过交易所和银行柜台获得有限品种和数量的债券，而债券ETF 的拓展了个人投资者对债券类固定收益资产的投资范围。在投资渠道方面，可通过投顾加大对个人投资者的参与引导，-167-通过养老金投资、FOF 等引入中长期配置力量支撑产品规模，通过 ETF 互联互通、双向开放便利措施等引入境外投资者。债券 ETF 的发展既需要市场风格环境的配合，也需要投资者的接受和熟悉，目前在低利率、风险偏好逐步下移的大环境中，正是推行债券指数化投资理念的重要窗口期，可针对债券 ETF开展专项的投资者培育及产品宣传工作，扩大产品影响力，提高市场认知度。2基础市场建设方面，推动债券市场互联互通机制进一步优化，提升债券做市的深度和广度，鼓励配套衍生工具发展 从债券市场看，从债券市场看，经过几十年的发展，我国形成了银行间、交易所、商业银行柜台等不同的债券市场，各市场中侧重流通的债券种类不尽相同，各市场的市场容量、投资者结构也存在一定差异。为进一步丰富债券 ETF 品类，开展便捷统一的业务模式，需要持续深化优化各债券市场的互联互通机制。从债券流动性看，从债券流动性看，债券基础市场中如果现券的流动性偏弱，将导致 ETF 实物申赎模式下投资者的投资退出不便，套利策略也不易施展，目前债券 ETF 在二级市场大多为折价状态，也体现了市场对底层债券流动性的反映。未来在各方推动下债券做市的深度和广度会进一步加强，债券 ETF 也将随之优化和发展。从配套衍生工具看，从配套衍生工具看，当前境内固收衍生品的种类还可以进一步丰富，使用范围也可以继续拓展。境外成熟市场中管理人可通过灵活使用多种衍生工具去控制债券 ETF 的申赎冲击、缩小跟-168-踪误差、有效管控风险。继续推动境内固收衍生品种类的不断增加，鼓励扩展衍生品的使用范围，将能有效丰富债券 ETF 的产品策略和投资策略，更好地满足投资者配置债券 ETF 时的风险管理需求。债券 ETF 的发展需要有较高成熟度的市场配合，基础市场的完善与债券 ETF 的发展能够相辅相成，未来各债券市场间的互联互通还需持续深化优化，做市商类型可进一步丰富，固收类衍生品的使用群体、使用限制可逐步拓宽，进而能围绕债券 ETF各参与方、各类业务模式不断构建完善良好的生态环境。3鼓励产品机制设计创新，加大债券 ETF 布局力度 产品机制方面，产品机制方面，从海外市场情况看，投资者已逐步将债券ETF 作为相较现券更优的替代品，美国市场引入授权参与人（AP）作为 ETF 的重要参与人，承担平衡 ETF 一二级市场供需、改善流动性的职能，为投资者在二级市场便捷地交易提供基础。此外，定制化篮子的设计也有助于基金管理人更好的运作 ETF。未来在产品设计上，可立足于境内市场实际情况，适度借鉴海外经验，继续贴合债券现券设计和创新性拓展债券 ETF 的功能属性，为境内投资者增加使用场景。产品布局方面，产品布局方面，可参考海外经验及股票 ETF 的经验，持续探索产品创新，开展全面化布局。从海外市场看，不论是利率、信用，还是综合类指数均有很大的市场需求。长期看，对债券ETF 从不同久期、不同券种、不同信用等级、不同策略、不同主-169-题行业等层面开展全面化、细分化的布局，形成全谱系风险收益特征、多样化细分策略的产品供应是吸引各类型投资者参与债券ETF 配置和交易的重要基础；此外，也可从满足特定投资需求角度出发开展产品设计，例如可探索研究开发叠加衍生品或其他大类资产配置的低波动固收 ETF，满足稳健型投资者的需求。-170-专题系列（七）全球专题系列（七）全球 ETF 市场产品创新市场产品创新趋势趋势 研究报告研究报告 华宝证券股份有限公司 -171-ETFGI 显示，截至 2023 年末，全球市场共有 10,303 只 ETF，合计管理规模约 11.61 万亿美元，产品数量与管理规模保持较快增速。从结构上看，ETF 的管理规模分布呈现出明显的头部效应，前 15 家机构的 ETF 管理规模占比超过 90%。图 1 全球 ETF 规模增长趋势 数据来源：ETFGI 产品创新驱动着 ETF 管理人和行业的规模增长，同时也随着全球资本市场的变化不停迭代。本文将通过区域视角、机构视角和产品视角，分别探讨全球 ETF 市场产品的创新趋势。一、区域视角：全球主要 ETF 市场发展及产品创新概况 0 2,000 4,000 6,000 8,000 10,000 12,000 0 20,000 40,000 60,000 80,000 100,000 120,000 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 ETF规模（左轴，亿美元）ETF数量（右轴，只）-172-表 1 全球 ETF 市场规模及资金流向 地区 根据 ETF 管理规模划分的主要 ETF 市场（亿美元）2023 资金净流入（亿美元）北美 84472.5 6171.0 美国 81353.9 5856.9 加拿大 3118.6 314.0 欧洲 17945.8 1597.2 爱尔兰 12540.4 1295.3 卢森堡 3403.3 315.8 亚太 9646.0 804.6 日本 5337.9 87.6 中国内地 2810.1 中国台湾地区 1147.4 309.8 拉丁美洲 184.8 3.4 巴西 98.1-7.4 墨西哥 64.7-2.1 非洲 78.8-8.5 南非 78.8 3.4 数据来源：LSEG Lipper（数据截至 2023 年 12 月 31 日）（一）北美：主动管理 ETF、另类 ETF 增长强劲 1993 年第一只标普 500 指数 ETF 在纽交所上市至今，美国ETF 市场已经走过了 30 年的发展历程，市场成熟度相对较高。截至 2023 年末，美国 ETF 市场规模超过 8.1 万亿美元，较年初增长约 25%。进入 2020 年代以来，美国 ETF 市场的一大亮点在于主动型ETF 的蓬勃发展。晨星数据显示，2023 年美国主动型 ETF 规模约为 5331 亿美元，当年度增幅超 50%。一方面，年内主动管理型 ETF 的规模呈现加速增长的态势；另一方面，主动管理型 ETF持续从传统的共同基金中抢占市场份额。-173-与投资者涌向 ETF 呈现鲜明对比的是，共同基金自 2018 年以来有五年都出现了明显的资金外流。主动管理型 ETF 既具备ETF 的低成本和灵活性，同时又可以迎合投资者对于超额收益的追求。此外，越来越多的基金管理人正在选择将共同基金转换为主动管理 ETF。2023 年，有 39 只共同基金转换为 ETF，这大约是 2021 年（首次发生）和 2022 年发生转换的总和。图 2 投资者正在从共同基金转向 ETF 数据来源：Morningstar（数据截至 2023 年 9 月 30 日）另类 ETF 在 2023 年也颇受市场关注，其优势在于与传统股债资产相关性较低，能够为投资者提供更加多样化的收益来源。截至 2023 年末，另类 ETF 的整体规模抬升至 1500 亿美元左右，增长幅度达 50%。其中，备兑策略 ETF 吸引了近 40 亿美元的资金，创历史记(15,000)(10,000)(5,000)0 5,000 10,000 2018 2019 2020 2021 2022 2023 单位：亿美元 主动管理型ETF 主动管理型共同基金 被动型ETF 被动型共同基金-174-录。备兑策略 ETF（Covered Call ETF）是一类管理波动和下行风险的重要工具，在 2022 年黯淡的美股市场中成为投资者的热门选择，这一趋势在 2023 年还在延续。虽然此类 ETF 在美股强劲上涨期间可能难以跑赢市场，但鉴于海内外不确定性因素仍然存在，同时投资者对能够对冲风险的另类投资工具越来越重视，备兑策略 ETF 仍有进一步发展的空间。另类 ETF 版图在数字货币领域的延伸同样值得关注。受益于美国数字货币市场的发展，美国数字货币类 ETF 也出现了明显的规模回升。2024 年 1 月，比特币现货 ETF 上市，标志着美国数字资产生态系统迎来了里程碑时刻，同时，也让另类 ETF与时俱进成为表征特定资产敞口的投资工具。（二）欧洲：债券 ETF 产品推动规模增长 欧洲的第一只 ETF 于 2000 年上市交易，至 2010 年代 ETF市场发展迈入正轨。起初，驱动欧洲 ETF 市场发展的主要为规模指数型 ETF，其次为策略指数 ETF 和行业 ETF，它们的投资范围高度集中于美国市场。例如，欧洲许多规模较大的股票 ETF主要投向美国大盘股，挂钩标普 500 指数。而近两年，债券 ETF 接力股票 ETF，成为 ETF 市场重要的增量资金来源。-175-图 3 2010 年以来欧洲市场各类 ETF 流入情况 数据来源：Morningstar（数据截至 2023 年 12 月 31 日）2023 年，欧洲 ETF 市场实现了强劲的资金净流入。在利率飙升，以及对经济衰退担忧的背景下，欧洲投资者纷纷涌入发达市场政府债券。债券 ETF 规模增长主导了欧洲 ETF 市场的叙事演绎，债券 ETF 全年获得约 650 亿美元的资金流入，创下历史新高。围绕着债券 ETF 的产品设计创新是推动 ETF 规模增长的重要因素。2023 年 9 月，贝莱德推出了欧洲首批 4 只固定久期债券 ETF（Fixed Maturity Bond ETFs）。这四只 ETF 分别于 2026年 12 月和 2028 年 12 月到期。固定久期债券 ETF 的亮点在于，投资者能够更加清晰地了解其收益率预期和投资期限。相较于直接持有特定期限的公司债券，投资者同时收获了 ETF 分散化、高透明度和高流动性等配置优势。（三）亚太：ETF 规模与渗透率快速提升(500)0 500 1,000 1,500 2,000 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 资金流入规模，单位：亿美元 股票ETF 债券ETF 商品ETF 其他-176-在过去五年中，亚太地区 ETF 规模增速居全球之首，正处于整体渗透率迅速提升的黄金发展期。ETFGI 数据显示，截至2023 年 11 月末，亚太地区（日本除外）ETF 市场资金净流入超1477 亿美元，连续第 29 个月资金净流入，ETF 资产规模从年初的 5787 亿美元增长至 7463 亿美元，增幅达 29%。本土资产管理公司在亚洲 ETF 的热潮中逐渐崭露头角。得益于日本股市的复苏，2023 年日本 ETF 市场吸引了不少资金关注。除了在 ETF 规模上占据亚太地区首位，日本 ETF 市场在品类创新上的投入同样值得借鉴。东京证券交易所于 2023年 6 月开始接受主动管理型 ETF 的申请，并于 9 月批准首批主动管理 ETF 上市。当前 ETF 市场共 8 只主动管理 ETF，合计管理规模超 500 亿日元。表 2 日本市场的主动管理 ETF ETF 名称 管理规模（亿日元）PBR IMPROVEMENT OVER 1X ETF 148.8 STRATEGIC SHAREHOLDING DISPOSAL PROMOTION ETF 6.2 INVESTOR-MANAGEMENT UNITE AS ONE ETF 5.5 NEXT FUNDS JAPAN GROWTH EQUITY ACTIVE EXCHANGE TRADED FUND 32.9 NEXT FUNDS JAPAN HIGH DIVIDEND EQUITY ACTIVE EXCHANGE TRADED FUND 75.3 MAXIS HIGH DIVIDEND JAPAN EQUITY ACTIVELY MANAGED ETF 59.4 LISTED TRACERS US GOVERNMENT BOND 0-2YEARS LADDER(NO CURRENCY HEDGE)152.6 SMDAM ACTIVE ETF JAPAN HIGH DIVIDEND EQUITY 25.0 总计 505.7 数据来源：Bloomberg（数据截至 2024 年 1 月 19 日）-177-中国台湾地区拥有亚太第三大 ETF 市场，仅次于日本和中国内地。中国台湾地区 ETF 市场呈现出三点主要特征：第一，生息类资产更受投资者青睐，中国台湾地区拥有全球第二大债券ETF 市场，且高股息 ETF 规模位居亚太第一。第二，ETF 在本土投资者人群中的渗透率很高，截至 2023 年末，ETF 受益人数占当地总人口数量约四分之一。第三，中国台湾地区的 ETF 规模比场外基金更大。在经历老龄化、经济下行、投资回报不佳的多重影响之后，确定性在普通投资者的投资决策中被赋予更高的考量权重。中国台湾地区投资者习惯用“存股”和“存债”的说法指代长期投资，而低费、透明、高流动性的 ETF 则成为投资者“存股”、“存债”的首选工具。二、机构视角：主要资管机构的 ETF 布局方向 除了低费率、持仓透明等优势之外，因为提供了清晰的敞口（Exposure），ETF 成为投资者“表达投资观点的工具”。如何通过产品设计提供准确的风险敞口，以及如何在产品品类已然足够丰富的 ETF 市场中提供差异化投资方向与投资体验，是摆在每一家管理人面前共同的课题。值得一提的是，由于 ETF 产品对于管理人而言持续维护成本较高，全球资管机构持续就 ETF 进行产品创新的目的之一在于通过创新品种维持较高的管理费率。（一）主动型 ETF（Active ETFs）虽然主动型 ETF 目前在整个 ETF 市场的占比还不高（约占-178-全球 ETF 资产的 6%），但 2023 全年资金净流入却占据了全球ETF 市场的五分之一。在传统资管机构转型和投资者偏好变化的驱动下，越来越多的 ETF 管理人加入到主动管理型 ETF 的发行竞赛中。摩根大通股票溢价收益 ETF（JEPI）的爆火是主动管理 ETF领域的一大经典范例。JEPI 采用双管齐下的投资策略，其核心投资组合主要由标普 500 指数中波动性低且被低估的价值股组成，另一部分则投资于结构化用作备兑看涨期权策略的股票挂钩票据（ELN）。JEPI 将其投资 ELN 所收到的期权费转换成息票，每月分发给持有人一次。根据该产品最新说明文档，其所投资的股票组合 12 个月滚动股息收益率约为 9.82%，即使在当前海外高利率的环境下也颇具吸引力。从投资结果上看，持有人可以获得一个低波动性的大盘股投资组合，同时还可以从相关期权溢价和股票股息中获得月度现金流。在 JEPI 大获成功后，一些主流资管机构正通过备兑策略产品进军 ETF 市场，例如贝莱德优势大盘收益 ETF（BALI）、高盛标普 500 核心溢价收益 ETF（GPIX）和摩根士丹利股票溢价收益 ETF（PAPI）等。此外，各机构也在积极布局一些主动债券型 ETF。整体来看，全球资管机构在主动型 ETF 赛道的发力，已经使得 ETF 的发行市场出现了一些微妙变化，原本的统治 ETF 发行市场多年的“三巨头”贝莱德、道富环球顾问、先锋领航的-179-绝对统治地位正逐渐被后来居上的中小管理人撼动。（二）结果可预期型 ETF（Defined Outcome ETFs）在风险管理愈发受到投资者重视的当下，海外资管机构也加大了结果可预期型ETF的布局。结果可预期型ETF又称缓冲ETF（Buffer ETFs），它能够给予投资者在一定期限内，对于标的资产固定程度的损失保护（例如提供 10%下跌保护），同时又设有一定的涨幅限制（最高涨幅限制为 20%）。这意味着投资者可以在指数下跌期间减少损失，但在指数强势上涨时也会错过部分回报。结果可预期型 ETF 通过产品结构设计，将投资者的潜在亏损与或有收益限定在相对固定的范围内。全球市场的波动性以及不确定性仍在抬升，这类 ETF 正在被越来越多的投资者关注与认可。（三）主题型 ETF（Thematic ETFs）包括中国市场在内，主题型 ETF 近年在全球迎来规模增长上的共振。主题型ETF的主要特征是反映全球产业趋势的方向，随着主流投资观念的不断切换，主题型 ETF 不停推陈出新。近年，资源类主题型 ETF 是资管机构的布局重点，其背后是全球各国对于存量能源、资源品的抢占，以及对下一代清洁能源的布局。景顺旗下水资源 ETF（PHO）在 2023 年表现强势，并持续受到投资者关注；欧洲已推出一只 MSCI 全球清洁水和卫生设施ETF（XDG6）。VettaFi（一家为 ETF 管理人提供指数编制、数据分析等服务的供应商）在 2023 年推出了液化天然气指数-180-（ALNGX），为能源领域提供更多差异化投资机会。三、产品视角：全球各地受市场广泛认可的新发行 ETF 一只 ETF 的吸引力如何，既要看产品本身能否提供准确的风险敞口，更取决于它是否生逢其时地出现在适合

0人已浏览 2024-02-20 233页 5星级

 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。1 证券研究报告 保险保险 日本寿险业何以走出利差损？日本寿险业何以走出利差损？华泰研究华泰研究 保险保险 增持增持 (维持维持)研究员 .

0人已浏览 2024-02-20 29页 5星级

 2024年2月7日行业评级：看好证券研究报告寿险公司负债成本几何？分析师胡强分析师洪希柠证书编号S04证书编号S01邮箱添加标题95%摘要21、负债成本定义.

0人已浏览 2024-02-19 21页 5星级

证券研究报证券研究报告告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 未经许可，禁止转载未经许可，禁止转载 行业研究行业研究 非银行金融非银行金融 2024 年年 02.

0人已浏览 2024-02-19 29页 5星级

香港银行业展望目录前言银行的财务业绩 香港作为国际金融中心的地位 信贷风险趋势 消费者欺诈 跨境理财通2.0 税务趋势 气候风险 交易环境 监管报告跨境数据互换 企业信贷虚拟资产 毕马威简介联系我们34455667788991010 2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。前言欢迎阅读毕马威二零二四年香港银行业展望。2023年，香港银行业和香港整体市场形势喜忧参半。香港特别行政区和中国内地最终在2023年年初全面取消新冠肺炎疫情限制措施，不少人预期经济活动将大幅反弹。然而现实并非如此，香港和中国内地市场的经济复苏缓慢。香港也继续受到地缘政治紧张局势的影响。在本报告中，我们将会讨论香港的经济前景，并对2024年影响银行业的热门议题作出一些预测。尽管未来一年香港银行的业绩可能不会出现显著增长，但在瞬息万变的环境中仍然存在机遇。在香港以外，许多地区的通胀受控，应该会为全球经济带来更大的稳定性。另一方面，鉴于与中国房地产和其他领域相关的信贷受压，企业信贷在未来一年仍面临重重挑战。在难以实现增长的情况下，银行应将注意力放在提高运营效率并谨慎管理风险，以便做好准备，在市场情绪改善和经济活动重拾升轨时蓄势待发。本报告探讨的范围包括保障消费者免受欺诈威胁、应对气候风险以及了解税务和监管形势的最新发展等。跨境互联互通预计在未来一年继续不断深化，跨境理财通等计划将有助于开辟新市场并扩大潜在客户基础。我们希望读者能从我们的2024年银行业展望中获益，并希望我们的预测能对读者规划未来一年的策略有所帮助。在讨论难以预测的议题时，毕马威内部的观点或许会各有不同。我们会密切关注未来一年的市场发展。如果您希望与我们进一步探讨本报告的任何议题，请随时与我们的专业团队联系。马绍辉(Paul McSheaffrey)香港银行业高级合伙人毕马威中国宋家宁香港银行和资本市场主管合伙人 毕马威中国 2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。银行的财务业绩 香港作为国际金融中心的地位 纵观2024年香港银行的业绩表现，我看到三大趋势。1：银行业的表现大致跟随经济发展。2023年经济充满挑战，这种状况可能会在2024年持续，导致贷款增长放缓，而金融市场活动减少也将影响银行的费用和佣金收入。2：信贷损失拨备已成为一大趋势，尤其是对中国内地房地产的风险敞口维持较高拨备水平。尽管当中许多风险敞口已计提充足拨备，但不少银行仍需在2024年清理问题账目，为未来发展做好准备。3：较高的利率水平通常对银行有利，特别是对于拥有大量往来账户和储蓄账户基础的银行。我们预计利率最早要到第三季度开始下调，这有望对银行在2024年的净利息收入产生积极影响。最终预测：2024年将是经济增长乏力的一年。因此，银行在当前时期应将注意力放在提升运营效率和管理风险上，以便做好准备，期在2025年恢复增长动力时全力发展。香港作为世界级城市和国际金融中心的地位比以往任何时候都更加稳固。这主要基于三个关键因素：1：我们在“一国两制”下的独特地位和秉持法治的精神，包括我们已经制定了多项数据和数码保护法规以保障相关的商业知识产权。我们应继续在 强调并重新确立我们的价值，不仅作为中国的国际金融中心，也作为全球其他地区与内地的超级联系人。2：监管、政府和私营界别之间的合作关系和政策协调更加明显，特别是在可持续金融和金融科技等领域，也包括围绕虚拟资产、金融基建和产品代币化等方面。3：香港早已跻身世界级城市之列。其中不仅充满金融或商业机遇，也是一个宜居的地方，能提供各种艺术、文化、体育和娱乐活动，让各类专业人士及其家人安居乐业，蓬勃发展。展望 2024 年，尽管我们在短期内仍面临一些阴霾，包括全球各地即将出现的领导人大选，但鉴于利率下调、通胀缓和，加上从商业角度来看宏观前景整体看好，我们仍保持审慎乐观的态度。马绍辉（Paul McSheaffrey）香港银行业高级合伙人宋家宁香港银行业和资本市场服务主管合伙人112233 2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。42024年香港银行业展望信贷风险趋势 消费者欺诈 2024年对于银行来说将会是充满挑战的一年，巴塞尔协议 III（以下简称“巴III”）的最终改革方案预计将于2025年1月生效，银行需要确保自身已做好相关准备。银行在巴III实施过程中将面临多重挑战。银行需要具备准确估计并应对资本要求可能增加的能力。因此，银行需要对涉及资本计量的数据、系统以及内外部监管报送进行升级，以满足更准确的风险计量和监管合规要求。最重要的是，银行需对资产负债管理制定相应的优化策略。另一个关键议题是近期全球金融市场的动荡，其中包括中国房地产危机、利率上升、欧美地区部分金融机构倒闭等事件。金融机构在考虑将这类不确定因素纳入信贷策略制定和信贷风险管理时，面临着重重挑战。越来越多银行开始审阅自身的压力测试方法论和预警机制，以确保风险管理的审慎性。银行应纳入更多前瞻性的经济指标，例如房价、原材料价格等，从而使预警机制更加完整、有效。对于明年，银行须自省是否在风险管理上已具备足够的前瞻性。在技术发展彻底改变金融交易方式的时代，强有力的消费者保护措施比以往任何时候都更显重要。银行是金融体系的支柱，一直推动经济增长和金融稳定性。但它们也是欺诈活动的目标。亚洲地区特别容易出现各种形式的金融欺诈活动，其中包括身份盗窃和网络钓鱼诈骗，以至信用卡和网上银行欺诈活动。有关威胁纷繁多样且不断演变。消费者信任是银行系统正常运作的基石，保护消费者免受诈骗，对于维持信任至关重要。银行业者应与监管部门和执法机构全力合作。通过分享信息、建立强有力的合作关系和促进制定协调一致的应对措施，银行可以携手协力，尽量减低诈骗活动对消费者的影响。对于银行而言，在亚洲地区保护消费者免受诈骗影响，绝对不容忽视。在2024年，鉴于维护客户利益是维持安全、可信的金融生态的先决条件，我们预计监管机构、执法部门和私营机构之间将加强合作。王怡欣香港金融风险管理总监欧胜杰（Chad Olsen）香港法证咨询服务主管合伙人 2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。52024年香港银行业展望跨境理财通计划于2021年推出，旨在让大湾区居民可投资于中国内地、香港和澳门的认可理财产品。监管机构最近宣布对跨境理财通计划进行优化升级，并指出2023年内地与香港恢复全面通关为引入跨境理财通2.0迎来了良机。跨境理财通1.0仅限银行参与，而跨境理财通2.0将扩展至符合条件的证券公司。跨境理财通2.0允许的投资产品范围更为广泛，个人投资者配额也有所增加。跨境理财通被银行业界视为便利且可靠的跨境资产多元化平台，并展示了对跨境理财服务的需求。随着跨境理财通新增符合要求的证券公司作为参与主体，我们预计市场竞争将会更加激烈。踏入2024年，我们预计银行将会借助跨境理财通2.0 的推出进一步提升自身的数字化理财方案，并探讨如何从远端开户到销售理财产品，为客户提供无缝的顾客体验，并在风险、合规和客户体验之间取得适当平衡。目前，香港银行的税务环境发生了重大而根本的变化。1：经合组织的税基侵蚀和利润转移倡议。我们目前正在实施经合组织的通用规则，但将在2024年开始着手分析香港的具体实施制度。银行业界必须从技术和财务角度审视相关影响，并考虑如何履行报告和合规义务。2：欧盟对香港属地征税制度提出挑战。海外来源收入豁免不适用于银行本身，但适用于非银行实体和银行客户。因此，我们预计在2024年，相关银行安排需要进行一些审查，并可能作出调整。3：银行还需负责处理常规日常营运操作（BAU）、拨备、合规和客户税务报告。许多银行正在进行重要的审查，以更清晰了解他们需要完善的流程，以及如何更有效地利用科技。2024年，我们在流程的规划和优化方面看到了机遇和挑战，因为我们需要细心分析和掌握相关的重大变革和改革。123跨境理财通2.0 黄晓恩香港咨询服务合伙人税务趋势 冯伟祺（Matthew Fenwick）香港税务合伙人 2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。62024年香港银行业展望2023年，金管局推出了经优化的气候风险压力测试（CRST），以配合其致力于加强金融业的气候变化应对韧性的承诺。该压力测试强调了银行评估气候相关风险的重要性，以为一系列潜在情景做好准备。金管局的另一重大举措是推出绿色分类框架，该框架根据经济活动的可持续性对其进行分类，为银行提供了一个强大的工具，以识别和管理其投资组合中的气候相关风险。金管局还明确承诺，在2050年前实现银行业净零碳排放的目标。这些计划不仅对缓解气候风险至关重要，还有助于银行成为可持续金融领域的领导者。此外，银行必须将气候因素纳入更广泛的风险框架中，并根据瞬息万变的气候形势调整策略，以培养长远的应变能力。展望未来，各界的紧密合作将是关键。通过发展伙伴关系、分享数据和制定共同标准，银行业可以携手共同应对气候风险，善用绿色融资，并为更广泛的可持续发展议程作出贡献。过去10年，中国对亚洲金融财富的贡献大幅增加，预计这种增长将会持续。随着大湾区人口和经济不断增长，加上跨境理财通2.0等计划的实施，大湾区为私人银行和财富管理业务提供了独有的机遇。我们继续看到金融服务业出现并购交易。例如在几个月前，汇丰银行宣布与花旗集团签署协议，收购其在中国的零售理财业务。我们预计财富管理行业将出现更多并购交易。银行业继续深化数字化改革。虽然许多银行均制定了内部计划并设立了专门的业务部门推进相关工作，但我们预计不少银行亦可能会通过业务并购来实现无机增长，从而增强其数字化能力并贯彻落实数字化的整体战略。我们的另一个观察的现象是，尽管当前的融资和IPO市场充满挑战，但仍有一些金融科技公司在尝试筹集资金。未来几年，我们预计财富管理和私人银行领域将会出现更多并购交易。气候风险 杨娜香港金融风险管理合伙人交易环境 黄晖香港财务咨询服务合伙人 2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。72024年香港银行业展望为了缓解风险以确保金融稳定性，香港监管机构目前将关注重点放在四大关键领域：增加透明度：措施包括细致数据汇报（GDR）。监管机构需要高质量的数据来帮助他们评估系统风险、进行市场监督，并开展执法和解决问题的活动。统一报告标准：通过 国际财务报告准则 和 巴塞尔协议 III 改革等措施，推动数据报告的协调一致性。非财务报告披露：其中包括环境、社会和治理(ESG)、碳信用额和可持续发展报告。异常情况检测：监管机构对不同报告数据集列报的数据不一致性提出质疑。为确保配合监管发展，香港银行业界需要：进行合规测试以确保数据质量 通过设计稳健的数据模型，开始运行 GDR 程序 实施由技术支持的报告引擎，以减少人为错误，简化监管报告流程如果要在2024年提出一项优先工作，那就是精细化数据报告。银行现在必须立即采取行动，实施健全、可扩展且具成本效益的方案，而不是等待监管机构来要求。数据连接是数字时代的一个重要议题，吸引许多机构热烈议论，其中包括香港与中国内地之间的跨境数据传输。近年来，中国政府颁布了多项有关跨境数据传输的法规，过去几个月亦发布了数项法规，为放宽某些报告要求等事项提供了更加具体的信息。此外，香港特区政府和广东省相关政府机关亦发布了有关在大湾区内落实数据交换安排的实施细节。我们明白到，数据流是一个复杂的问题。它需要适当的管理程序和技术设置，例如建立跨境数据清单、建立数据治理控制措施、订立数据发送者和接收者之间的正式协议，最重要的是将整体控制框架嵌入银行的日常营运操作（BAU）环境。展望2024年，我们预计这个议题将取得进一步进展。在制定未来的业务策略时，银行必须将跨境数据流纳入考虑范围。监管报告Aroopkumar Lalla香港咨询服务总监跨境数据互换 林海燕香港科技风险管理合伙人 2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。82024年香港银行业展望2023年的企业信贷形势相当严峻：政府已撤销新冠疫情期间推出的援助措施 全球供应链开始去风险化，导致贸易量下降 全球通胀飙升，打击贷款需求 利率急升，超低借贷成本时代结束 由于房地产和非银行金融行业受压，中国经济增长远低于预期这些因素对企业信贷组合构成负面影响，银行业绩受到贷款量下降和减值准备上升的压力。2024年，全球通胀将保持在政策目标之上，因此利率在下半年才会逐渐下调，并将一直维持在较高水平。除非政府突然大力推出刺激经济措施，否则中国内地和香港经济不太可能强劲反弹。贸易紧张局势仍将持续，并受到地缘政治发展的冲击。由于中国内地房地产以外领域亦出现信贷压力，预期信贷损失拨备将维持在较高水平。然而，美国经济充满韧性为全球贸易带来稳定性，从而缓解部分上述问题。2024年，由于企业贷款的质量和增长规模受压，企业信贷仍面临重重挑战。我们预计非中国内地房地产减值准备金额会不断上升，但随着银行积极处置不良贷款，不良贷款比率应会有所缓和。2023年对区块链和虚拟资产来说是令人振奋的一年。随着各界更加重视监管 例如香港虚拟资产服务提供商制度的实施将虚拟资产交易从无监管转变为受监管 我们预计这将为这个近年来频繁受到负面消息影响的行业带来更为稳定、确定性和投资者保障。我们还看到传统金融行业对这个领域的兴趣不断增加，亦增加采用有关技术。金融机构在探索分布式账本技术（DLT）方面看到了令人欣喜的成果，特别是在证券代币化和智能合约功能方面。2024年，工作重点仍然是将DLT和虚拟资产融合到实体经济中。金融机构如何推进创新，利用这项新技术开发具备新功能的产品，或者如何利用这项新技术为客户节省成本并增加利润，将是2024年及以后推动创新和差异化的主要动力。虚拟资产 詹斯堡（Robert Zhan）香港金融风险管理咨询总监企业信贷伊韶活（Guy Isherwood）香港高级顾问 2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。92024年香港银行业展望毕马威中国在三十一个城市设有办事机构，合伙人及员工超过15,000名，分布在北京、长春、长沙、成都、重庆、大连、东莞、佛山、福州、广州、海口、杭州、合肥、济南、南京、南通、宁波、青岛、上海、沈阳、深圳、苏州、太原、天津、武汉、无锡、厦门、西安、郑州、香港特别行政区和澳门特别行政区。在这些办事机构紧密合作下，毕马威中国能够高效和迅速地调动各方面的资源，为客户提供高质量的服务。毕马威是一个由独立的专业成员所组成的全球性组织，提供审计、税务和咨询等专业服务。毕马威国际有限公司（“毕马威国际”）的成员所以毕马威为品牌开展业务运营，并提供专业服务。“毕马威”可以指毕马威全球性组织内的独立成员所，也可以指一家或多家毕马威成员所。毕马威成员所遍布全球143个国家及地区，拥有超过273,000名专业人员。各成员所均为各自独立的法律主体，其对自身描述亦是如此。各毕马威成员所独立承担自身义务与责任。毕马威国际有限公司是一家英国私营担保有限责任公司。毕马威国际及其关联实体不提供任何客户服务。1992年，毕马威在中国内地成为首家获准开业的中外合作会计师事务所。2012年8月1日，毕马威成为四大会计师事务所之中首家从中外合作制转为特殊普通合伙的事务所。毕马威香港的成立更早在1945年。率先打入市场的先机以及对质量的不懈追求，使我们积累了丰富的行业经验，中国多家知名企业长期聘请毕马威提供广泛领域的专业服务（包括审计、税务和咨询），也反映了毕马威的领导地位。宋家宁香港咨询服务主管合伙人香港银行业和资本市场服务主管 合伙人马绍辉（Paul McSheaffrey）香港银行业高级合伙人王怡欣 香港金融风险管理总监欧胜杰（Chad Olsen）香港法证咨询服务主管合伙人黄晓恩香港咨询服务合伙人冯伟祺（Matthew Fenwick）香港税务合伙人杨娜香港金融风险管理合伙人黄晖香港财务咨询服务合伙人詹斯堡（Robert Zhan）香港金融风险管理咨询总监林海燕香港科技风险管理合伙人Aroopkumar Lalla香港咨询服务总监伊韶活（Guy Isherwood）香港高级顾问毕马威简介联系我们 2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。102024年香港银行业展望 2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。2024 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。112024年香港银行业展望kpmg/cn/banking如需获取毕马威中国各办公室信息，请扫描二维码或登陆我们的网站：https:/ 毕马威会计师事务所 香港特别行政区合伙制事务所，是与英国私营担保有限公司 毕马威国际有限公司相关联的独立成员所全球性组织中的成员。版权所有，不得转载。在中国香港特别行政区印刷。毕马威的名称和标识均为毕马威全球性组织中的独立成员所经许可后使用的商标。刊物编号：HK-FS24-0001c二零二四年二月印刷

0人已浏览 2024-02-17 12页 5星级

海量数据处理技术金融应用研究报告 北京金融科技产业联盟 2024 年 1 月海量数据处理技术金融应用研究报告 版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。海量数据处理技术金融应用研究报告 编制委员会 编委会成员：何 军 聂丽琴 胡利明 周刚慧 编写组成员：艾轶博 鲍 玲 曹 骏 陈 明 戴大海 郭龙飞 火雪挺 江 灏 姜 江 靳悦荣 李晨宇 罗 俊 杨文龙 刘亚龙 潘熙文 佘万君 唐天辰 王 锋 王良杰 王 能 许耀栋 徐晓敏 杨景瑞 袁 一 张 昆 张敬之 张 毅 周 飞 周 允 编 审：黄本涛 郭 栋 刘宝龙 海量数据处理技术金融应用研究报告 牵头单位：深圳市腾讯计算机系统有限公司 兴业银行股份有限公司 参编单位：中国工商银行股份有限公司 中国银行股份有限公司 浙商银行股份有限公司 飞腾信息技术有限公司 深圳市连用科技有限公司 北京科技大学 海量数据处理技术金融应用研究报告 目 录 一、发展概况一、发展概况.2（一）法律法规和政策环境.2（二）技术发展阶段及特征.5（三）技术框架与形态.9 二、应用情况二、应用情况.15（一）平台建设应用情况.15（二）技术应用情况.20 三、主要挑战三、主要挑战.28（一）数据存储的挑战.28（二）数据计算的挑战.29（三）云化计算的挑战.31（四）融合计算的挑战.32（五）研发运营一体化的挑战.33 四、关键技术与建设思路四、关键技术与建设思路.36（一）云数一体化.36（二）存算分离化.44（三）数据湖仓化.50（四）计算融合化.59（五）研发运营一体化.68 五、发展趋势和展望五、发展趋势和展望.78（一）生成式人工智能驱动数据技术方面.79（二）实时数据湖仓方面.81（三）数据网格方面.90（四）数据编织方面.93 六、实践案例六、实践案例.95 海量数据处理技术金融应用研究报告 1 摘要：摘要：海量数据处理是金融业大数据技术领域的关键难点，对金融业海量数据进行高效的存储、计算、分析和运营，将有效帮助金融机构深度挖掘数据的潜在业务价值，实现降本增效。现阶段，金融业在海量数据处理方面呈现出“五化”的技术趋势，即云数一体化、存算分离化、湖仓一体化、计算融合化与研发运营一体化。其中一些新的关键技术已在部分金融机构进行了较深入的实践应用，取得了可观的成果。但是，作为一项复杂的课题，海量数据处理还面临着技术、产品、应用等多方面的挑战和痛点，且这些难题当前尚未进行全面的研究和分析。因此，本报告对海量数据处理的技术、应用、建设等方面进行系统的分析，从行业发展、应用情况、落地痛点以及关键技术等多个维度展开研究，结合我国金融业多个典型案例，论证这些关键技术和实施路径的有效性和可行性，并对一些诸如人工智能、数据湖仓、数据网格等前沿数据技术应用进行初步分析，探讨金融业未来的数据技术发展趋势。兴业数字金融服务（上海）股份有限公司为本报告的编制提供了支持。中信建投证券股份有限公司、上海汽车集团财务有限责任公司为报告编制提供了行业案例。海量数据处理技术金融应用研究报告 2 一、发展概况（一）（一）法律法规和政策环境法律法规和政策环境 在金融业早期阶段，数据处理主要集中在银行和证券公司的业务数据处理，以及金融管理部门的监管工作中。相关法律法规和政策主要包括 1983 年 12 月 8 日第六届全国人民代表大会常务委员会第三次会议通过的 中华人民共和国统计法，以及1994年 2 月 18 日中华人民共和国国务院令第 147 号发布的中华人民共和国计算机信息系统安全保护条例等。这些法规为金融数据处理提供了基础的法律保障，确保了数据的准确性和安全性。在信息化阶段，随着信息技术的不断发展，金融业数据处理技术逐渐成熟。在这一阶段，金融业开始将数据处理技术应用于更多的领域，如互联网金融、金融风险控制等。相关法律法规和政策主要包括十二届全国人大常委会通过的 中华人民共和国网络安全法，以及中国人民银行等十部委发布的关于促进互联网金融健康发展的指导意见（银发2015221 号）等。这些法规促进了金融业的信息化进程，为金融业的快速发展提供了有力的支持。在数字化转型阶段，金融业开始迈向全面数字化。在这一阶段，金融业数据处理技术得到了更广泛的应用。相关法律法规和政策主要包括关于推进金融科技创新发展的指导意见（银发2019202 号）、国务院印发的关于促进大数据发展的行动海量数据处理技术金融应用研究报告 3 纲要（国发201550 号）等。这些法规推动了金融业的数字化转型，使金融业能够更好地适应现代经济的发展需求。智能化发展阶段，是金融业数据处理技术发展的最新阶段。在这一阶段，金融业开始采用人工智能等先进技术进行数据处理。相关法律法规和政策主要包括 2021 年 6 月 10 日第十三届全国人民代表大会常务委员会第二十九次会议通过的 中华人民共和国数据安全法、2021 年 8 月 20 日第十三届全国人民代表大会常务委员会第三十次会议通过的 中华人民共和国个人信息保护法、中央深改委发布的关于促进人工智能和实体经济深度融合的指导意见（工信部联科2019222 号）、科技部等六部门发布的 关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见（国科发规2022199 号）等。进一步法规明确了数据使用的安全合规和保护要求，为金融业数据处理技术的发展提供了良好的法律环境，促进数据处理技术的健康发展。相关政策为金融业的智能化发展提供了有力的支持，推动了金融业的创新和发展。此外，全国金融标准化技术委员会近年陆续发布了个人金融信息保护技术规范（JR/T01712020）、金融数据安全数据安全分级指南（JR/T01972020）、金融数据安全数据生命周期安全规范（JR/T02232021）、金融大数据术语（JR/T02362021）、金融大数据平台总体技术要求海量数据处理技术金融应用研究报告 4（JR/T02372021）等金融行业标准，为金融数据的处理提供了标准指引。除了国内的法律法规和政策文件，国际上的法规和政策也对金融业数据处理技术的发展产生了重要影响。例如，2018 年 5 月25 日欧洲联盟出台的通用数据保护条例（GDPR）和 2022 年6 月 3 日美国参议院和众议院发布的美国数据隐私和保护法等，这些法规对金融业的数据处理提出了更高的要求，促使金融业不断提高数据处理的标准和质量。过去一年，全球金融数据处理市场从疫情中逐步恢复，重新进入平稳增长态势，也呈现出一些新的特点：一是从区域发展来看，北美地区仍保持发展优势，东南亚及拉美地区的发展速度最快；二是从业务领域来看，数字货币、绿色普惠、数据安全等是全球各国共同关注的热点，金融基础设施的数字化升级也要求金融科技监管的国际合作水平不断提升；三是从市场主体来看，大型互联网科技企业持续强化金融数据处理市场布局，传统金融机构不断加大数字化转型投入，重回快速增长轨道。在政策、市场和技术等多种因素影响下，国内外金融数据处理技术发展环境和产业生态都在发生着深刻变化。中国金融数据处理市场在审慎稳妥的监管环境下，市场格局也正在发生改变，传统金融机构在金融科技战略定位上正在从“科技赋能”逐步向“科技引领”转型。大型互联网平台公司金融数据处理业务在监管政策环境下，更加注重科技服务与类金融业务的隔离，类金海量数据处理技术金融应用研究报告 5 融业务加快获取金融牌照步伐，并不断强化自身科技属性，推进核心技术持续演进，推进金融数据处理关键技术与热点应用的规模和范围不断扩展。（二）（二）技术发展阶段及特征技术发展阶段及特征 随着技术的发展，数据的处理从最开始的纸质票据和邮件寄送，到后来的传统数据库、小型机与大型机，到如今的中大型分布式数据存储与计算集群；从依靠掌柜和经理人的经验，到如今分析师和数据科学家们基于数据、算法与算力开展协同工作，实现在风控、反洗钱，反欺诈、反社工，以及信贷、借款、用户画像、网络安全等各个场景的数据价值。1 1.从传统数据库到大数据体系的变革从传统数据库到大数据体系的变革 随着数据在金融行业中的深度应用，数据规模的不断扩大，数据类型也不再局限于关系型数据。传统数据库开始在数据处理方面力不从心，业务使用的复杂性增高、数据管理的复杂性变大、海量数据处理的时效性差、成本高。于是，为了应对上述挑战，大规模并行处理 MPP（Massively Parallel Processing，MPP）数据处理技术开始被使用，以解决数据规模带来的复杂性问题。但是数据规模持续增长、数据表达维度增多、数据类型进一步多元化等问题所带来的复杂性挑战远远超过了预期，数据处理成本高昂和数据类型支持有限变成了新的困难。于是，行业内开始采用 Hadoop 及其衍生技术作为经典大数据方案来应对新的数据处理挑战，并取得了很好的效果。海量数据处理技术金融应用研究报告 6 2 2.从处理海量文本到高价值、多维度、多类型特征的转变从处理海量文本到高价值、多维度、多类型特征的转变 随着数据的价值不断被证明，数据工具的利用也从数据科学和数据分析等专业的技术团队逐步延展到业务团队，业务分析与挖掘的需求也更加旺盛。随着需求所对应的数据类型增加，原本仅面向海量文本及结构化类型的数据特性渐渐无法满足业务需求；最终，在保持海量数据处理能力的前提下，逐步向满足高价值、多维度和多类型的数据特征快速演进。Hadoop 体系诞生自互联，是沙中淘金的过程。随着金融业数字化转型的发展，在线业务通常采用 SDK 等方式进行埋点，数据清洗的无效计算量大大降低；通过数据压缩等方式，在性能影响微乎其微的前提下减少了 70%以上的存储空间浪费，但互联网用户仍旧是“沙中淘金”的思路。可转换到行业领域，尤其是金融业，原本的数据纯度就较高，是“金中炼金”的过程，处理过程中更多解决的是单节点无法完成计算的问题，亦或是处理速度不高的挑战；数据之“大”不再是单纯的存储规模，更是计算参与的维度之“多”。3 3.存算分离需求的萌芽存算分离需求的萌芽 数据规模与价值挖掘所需的资源之间，随着时间的推移表现出不同的关系。海量数据处理平台建设之初，所有存储的数据都会参与计算。随着数据价值的变化，参与计算的数据会逐步稳定在一定的比例，更多的数据因为合规或其他需要存储在服务器上但并不会持续参与计算。诚然，这个比例随着场景和策略的不同海量数据处理技术金融应用研究报告 7 而有所不同，例如对于离线数仓的场景来说，3 年以上的存储周期，参与计算的数据占总数据存储量的比例大致约为 23%左右。随着关联度和热度的降低，这部分数据的计算参与度也会随之降低。而对于行为特征类的数据，热度降低效应则会更加明显。因此，会出现存储和计算所需资源不匹配的情况。传统的海量数据处理方案也尝试过解决存算分离的挑战，通过将提供存储能力和计算能力的相关组件角色分别部署在不同服务器节点，获得初步的存储和计算分离能力。但这样的方案引入了集群灵活性不足、运维要求高、业务应用容易造成资源耗尽等各类衍生问题与风险，并不适合作为生产环境的最佳实践。4 4.易用性优化推动使用难度进一步降低易用性优化推动使用难度进一步降低 传统数据库向海量数据处理体系迁移的过程中，遇到的最大挑战便是初代数据处理体系的技术方案中，需要高级编程语言而非 SQL 语言来操作，这对方案的普适性推广造成了障碍。当 SQL语言被全方面地融入海量数据处理体系中后，成本更低，使用更灵活和易用的技术平台才被广泛推入生产环境使用。如今，海量数据处理平台已深度融入金融业的数据处理过程中，并从分担传统数据库 OLAP(On-Line Analytical Processing，OLAP)压力的旁路辅助角色，升级为数据中心中基础设施的核心，作为金融数字化的关键，处理近乎全量数据。而在数据开发与治理的交互方面，在满足高级编程语言支持的同时，尽可能实现支持类 SQL 兼容语法，以满足从业者快速上手和新旧技术栈快速迁海量数据处理技术金融应用研究报告 8 移的需求，这进一步降低了使用海量数据处理技术的难度，提高易用性，最大程度地帮助从业者发现并利用数据价值。5 5.行级别的海量数据近实时更新能力需求行级别的海量数据近实时更新能力需求 初代海量数据处理体系的技术方案中，为了满足大规模数据规模和读写性能需求，在底层实现中采用了“追加写”的方式，即：无论是数据新增、修改还是删除，在底层技术实现上均表现为写入一条新的数据，在后续构建离线数仓时，再进行有效的数据整理与合并，这样的方案初步解决了传统方案无法处理海量数据的挑战。随着数据的应用场景越来越丰富、数据价值越来越重要，对数据的时效性要求也越来越高。曾经基于全量数据定时构建离线数据仓库的方式不但资源消耗巨大，在满足时效性方面也越来越受到挑战。因此需要更高效的数据组织方式，将早期方案中粗犷的数据使用与资源利用模式进行深度优化，以应对挑战。数据湖和数据仓库的融合将构筑数据湖仓化，带来的行级别更新能力支持是很好的实践路径。通过有效的数据组织格式，基于行级别更新能力的支持，使得之前需要全量数据参与才能实现的数据更新时效性提升到了近实时，并极大减少了资源消耗，提升了资源利用效率。数据湖和数据仓库融合形成的数据湖仓一体架构，消除了数据湖和数据仓库之间的数据壁垒，实现了数据的自由流动，降低海量数据处理技术金融应用研究报告 9 了数据冗余，同时也实现了数据湖和数据仓库之间的优势互补。数据不必再进行湖仓之间的传递，极大优化了数据处理的时间。海量数据规模条件下的近实时数据更新能力，将为业务提供更高效的数据处理支持，更好地实现业务价值。（三）（三）技术框架技术框架与与形态形态 在不同的领域和行业中，对于海量数据的定义有所不同。一一般来说，般来说，“海量数据海量数据”（Massive DataMassive Data）是指数据量大到用传统）是指数据量大到用传统的数据管理和处理技术难以有效存储、管理和分析的数据集合。的数据管理和处理技术难以有效存储、管理和分析的数据集合。而海量数据处理技术，并非特指某一项技术，而是为了满足业务而海量数据处理技术，并非特指某一项技术，而是为了满足业务和行业实际需求的综合性解决方案技术栈，帮助金融机构充分利和行业实际需求的综合性解决方案技术栈，帮助金融机构充分利用数据，更加轻松地挖掘分析数据价值。用数据，更加轻松地挖掘分析数据价值。1 1.海量数据处理技术基本形态海量数据处理技术基本形态 从外部形态上，海量数据处理技术需具备类 SQL 交互语言支持、Python 语言支持、常用如 Flink、Spark 等计算引擎支持，保持标准开放性，主要支持从 TB 至百 PB 级别的数据处理能力，延展至 EB 级数据能力规模，以应对当下和未来的持续挑战，支持存算分离，以实现按需配置，最终实现性能、需求、成本、易用性、灵活性的平衡等。如图 1 是一个典型的海量数据处理技术架构：海量数据处理技术金融应用研究报告 10 图 1 典型的海量数据处理架构 2 2.分布式存储框架分布式存储框架 海量数据的存储通常基于分布式文件存储或对象存储，支持水平扩容，支持多种存储数据类型，提供结构化、半结构化、非结构化数据的存储解决方案。目前常用的存储框架，主要以文件存储、列式存储、对象存储三大类为主，属于图 1 的“分布式存储管理”模块，基本覆盖包括金融业在内的主要存储场景，这三者存储类型同属于大数据技术栈的底层存储层，但满足的是不同场景的存储需求，是金融业海量数据处理环节中的第一步。HDFS（Hadoop Distributed File System，HDFS）是面向 PB级数据存储的分布式文件系统，可以存储任意类型与格式的数据文件，包括结构化的数据以及非结构化的数据。HDFS 将导入的大数据文件切割成小数据块，均匀分布到服务器集群中的各个节点，海量数据处理技术金融应用研究报告 11 并且每个数据块多副本冗余存储，保证了数据的可靠性。HDFS 还提供专有的接口 API，用以存储与获取文件内容。Ozone是大数据场景中融合文件系统和对象存储的较佳解决方案，能有效解决用户在使用过程中各类存储需求，并延续Hadoop 开源存储项目的存储成本优势。生态方面支持 Hadoop 文件系统、对象存储/S3、本地路径挂载和 K8S CSI 等多种访问方式。Ozone 与 Hadoop 生态融合，如 Apache Hive、Apache Spark等无缝对接。Ozone 支持 Hadoop Compatible FileSystem API(aka OzoneFS)。通过 OzoneFS，Hive，Spark 等应用不需要做修改，就可以运行在 Ozone 上。除此之外，Ozone 还同时支持数据本地化，使得计算能够尽可能地靠近数据。HBase 是一个构建在 HDFS 上的分布式存储系统，主要用于海量结构化数据存储。从逻辑上讲，HBase 将数据按照表、行和列进行存储。与 HDFS 一样，HBase 目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。一方面，HBase 能够支持灵活的列字段定义；另一方面，HBase 利用LSM(Log-Structured Merge-Tree，LSM)数据结构模型，将数据的随机访问转换成对磁盘的顺序读写，从而实现高性能的数据随机访问。HDFS 节点主要负责 HBase 底层存储，HDFS 保证了 HBase海量数据处理技术金融应用研究报告 12 的高可靠性。HDFS 为 RegionServer 和 Master 节点提供分布式存储服务，同时保证数据的可靠性。HBase 的架构如图 2 所示：图 2 HBase 分布式存储架构 3.3.数据组织方式与分析技术框架核心数据组织方式与分析技术框架核心 Iceberg是一个面向海量数据分析场景的开放表格式(Table Format)，有时也被认为是新一代的数据湖仓组件。定义中所说的表格式(Table Format)，可以理解为元数据以及数据文件的一种组织方式，处于计算框架(Flink，Spark.)之下，数据文件之上。表格式(Table Format)属于数据库系统在实现层面上的一个抽象概念，一般表格式会定义出一些表元数据信息以及 API 接口，比如表中包含哪些字段，表下面文件的组织形式、表索引信息、统计信息以及上层查询引擎读取、写入表中文件的接口。海量数据处理技术金融应用研究报告 13 4 4.数据编排与缓存加速核心数据编排与缓存加速核心 Alluxio 被认为是一种数据编排技术。它为数据驱动型应用和存储系统构建了桥梁，将数据从存储层移动到距离数据驱动型应用更近的位置从而能够更容易被访问。在海量数据处理生态系统中，Alluxio 位于数据驱动框架或应用（如 Apache Spark）和各种持久化存储系统（如 HDFS）之间。Alluxio 统一了存储在这些不同系统中的数据，为其上层数据驱动型应用提供统一的客户端 API 和全局命名空间。5 5.消息队列消息队列 消息队列支持亿级的消息接收、中转和推送服务，可弹性扩展，无并发限制，高性能具备低延迟、高并发、高可用、高可靠等特性，可支撑亿级数据洪峰的分布式消息中间件，无缝迁移，更安全、更可靠、更易运维。6 6.分布式计算框架与分析引擎分布式计算框架与分析引擎 Hive 把存储在 HDFS 之上的结构化数据抽象成关系型数据表，并提供 SQL 接口对数据表做查询操作。因此，用户能够以传统关系型数据库的方式来查询大数据存储系统，可以通过 Hive 来实现 SQL 查询分析。Flink 提供高吞吐量、低延迟的流数据引擎以及对“事件-时间”处理和状态管理的支持。Flink 应用程序在发生机器故障时具有容错能力，并且支持 exactly-once 语义。程序可以用 Java、Scala、Python 和 SQL 等语言编写，并自动编译和优化集群或云海量数据处理技术金融应用研究报告 14 环境中运行的数据流程序。此外，Flink 的运行时本身也支持迭代算法的执行。Tez 是一种支持 DAG 作业的开源计算框架，它可以将多个有依赖的作业转换为一个作业从而大幅提升 DAG 作业的性能，相对于原始的 MapReduce 框架，Tez 可以一次 Map 读取，多次 reduce操作而中间不用进行 IO 操作，从而降低频繁的文件 IO 和网络IO，相对 MapReduce，使用 TEZ 做计算引擎性能能提高很多。Spark 是一种海量数据并行计算框架，充分利用集群的内存资源来分布数据集，大幅提高计算性能。Spark 包含丰富的计算生态，包括 SparkSQL、MLlib 等。Spark 支持丰富的编程语言如：Scala、Python、R、Java 等等。Presto 是一个分布式 SQL 查询引擎，适用于交互式分析查询，数据量支持 GB 到 PB 字节。Presto 的设计和编写主要是为了解决 PB 规模的海量数据交互式分析和处理问题。同时，Presto支持多种数据源，比如 Accumulo，HDFS，Redis，PostgreSQL，MySQL 等，支持多数据源 JOIN 查询。海量数据处理技术金融应用研究报告 15 二、应用情况（一）（一）平台建设应用情况平台建设应用情况 1.1.技术平台上云情况技术平台上云情况 金融业海量数据处理平台上云已经成为一个不可逆转的趋势。这一趋势的出现主要是由于云计算技术的不断发展和进步，提供了更高的计算能力、更大的存储能力和更好的灵活性。因此，金融机构正在逐渐将他们的数据、应用和计算资源迁移到云计算平台上，以实现更高效、灵活和低成本的数据管理和处理。金融业海量数据处理平台因其涵盖交易、客户信息等高敏感数据，一般采用私有云部署，部署模式的发展历程可以分为以下几个阶段：第一阶段是物理机部署，使用传统的硬件和软件资源构建管理数据处理平台。第二阶段是虚拟化部署，通过虚拟化技术将服务器、存储和网络等资源进行虚拟化，以提高资源利用率和管理效率。第三阶段是云化部署，将数据、应用和计算资源迁移到私有云平台上，以实现更高效、灵活和低成本的数据管理和处理。第四阶段是多云部署，将数据、应用和计算资源分散部署在多个不同的云平台上，以实现更好的容灾、备份和安全性。据不完全统计，目前部分中等规模以上的金融机构已进入第三阶段云化部署。对于云化部署的范围，金融行业内也有多种不同观点，主要如表 1 所示：海量数据处理技术金融应用研究报告 16 表 1 云化部署的范围 序号 名称 观点内容 1 浅上云 仅将非核心或外围系统迁移到私有云，核心系统仍采用物理机部署 2 核心上云 将核心系统都迁移到私有云 3 以云为主 保留部分传统物理机部署，但将大部分业务迁移至私有云平台，并借助云平台提供的技术创新推动业务发展 4 深上云 将所有业务迁移到私有云平台，借助云平台提供的先进技术推动业务深度创新 2.2.技术平台规模情况技术平台规模情况 在金融业中，海量数据涵盖了交易、用户行为、市场、客户信息、风险评估、反欺诈检测等多个方面，具有极高的复杂性、多样性和处理速度要求。在金融行业，海量数据通常通过以下指标来定义，如表 2 所示：表 2 海量数据通定义指标 序号 指标 指标解释 1 数据规模 海量数据具有非常大的数据量，通常以 TB 甚至PB 为单位 2 数据速度 海量数据的产生和接收速度极快，需要实时处理和分析 海量数据处理技术金融应用研究报告 17 3 数据多样性 海量数据包括各种类型的数据，如结构化数据、非结构化数据、实时数据等 4 数据价值 尽管海量数据规模庞大，但其中包含的有价值信息可能非常有限，需要进行深入的数据挖掘和分析。通过对海量数据进行深入挖掘和分析，可以为金融企业提供更好的业务决策支持 为了有效管理和分析这些海量数据，需要采用新的数据处理和分析技术，以提高数据处理和分析效率，为金融业务提供更准确、更快速的数据支持，从而提高金融业务的竞争力和效率。因此，金融业海量数据处理平台一般采用多样化的技术栈构建。近年来，随着互联网金融及第三方支付业务的快速发展，金融行业各机构的业务量也出现了大幅度的增长，产生的数据量也越来越大，底层平台规模也随之越来越庞大。如何评价一个组织的海量数据规模有很多维度，但基本上以数据总量和机器节点数量两个主要维度来判断一个组织的海量数据规模。在平台整体节点规模方面，体量较大的金融机构，典型如国有大行（工商银行、中国银行、建设银行等）已超过 8000 台，并计划在 2023 年扩容超过 10000 台；体量较小的也已超过 2000台。在单集群节点规模方面，Hadoop 集群已有超过 2000 台，MPPDB 集群最大已超过 500 台。在数据总量规模方面，体量较大的海量数据平台已超过单副本 80PB。海量数据处理技术金融应用研究报告 18 这些数据反映了金融行业海量数据处理平台的规模和实力，以及金融行业在数据处理方面的挑战和发展趋势。3.3.研发运营一体化应用情况研发运营一体化应用情况 DataOps 的概念最早在 2014 年由国外学者提出，随后业界逐步对其内涵进行补充。在 2018 年 DataOps 正式被纳入 Gartner的数据管理技术成熟度曲线当中，由此进入了国际的视野当中。2022 年中国信通院正式牵头成立了 DataOps 能力标准工作组，以此为基础推动我国大数据产业的多元化发展，助力企业完成数智化升级。不同组织对于 DataOps 的定义如表 3 所示：表 3 DataOps 的定义 机构 定义 Gartner DataOps 是一种协作性的数据管理实践，专注于改善整个组织的数据管理者和消费者之间的沟通、整合和数据流的自动化 IBM IBM 将 DataOps 定义为 DataOps 是人员、流程和技术的有机结合，用于快速向数据公民提供可信的高质量数据 海量数据处理技术金融应用研究报告 19 维基百科 DataOps 是一套实践、流程和技术，它将综合的、面向流程的数据观点与敏捷软件工程中的自动化和方法相结合，以提高质量、速度和协作，促进数据分析领域的持续改进文化 研发运营一体化是国内对 DataOps 理念的一种理解，是一种新兴的数据处理方法论和管理能力。这种技术旨在提高数据分析、数据工程和数据科学团队的生产效率和质量。它借鉴了数据研发、数据运营等方面在实践中的优劣点，强调数据工程中的自动化、协作、持续集成和持续交付，以便更快地从数据中获取价值，与DataOps 的理念具有很多相似处。研发运营一体化的核心理念是将数据处理过程视为数据产品的生产线，通过改进数据流程、工具和团队协作，实现数据产品的快速、可靠和高质量交付。在金融行业，研发运营一体化的作用具有许多意义，比如通过研发运营一体化，可以提高数据质量。金融行业对数据的准确性和完整性要求很高，因为数据质量直接影响到风险管理、投资决策和客户服务。研发运营一体化通过自动化数据清洗、验证和转换过程，确保数据质量得到有效控制。此外，还可以加速数据分析和决策，因为金融行业需要快速响应市场变化，做出及时的决策，通过自动化数据处理和分析过程，缩短了数据准备时间，使数据科学家和分析师能够更快地获得洞察力和建议。最后，研发运营一体化可以促进跨部门协作，由于金融行业的数据分析涉及多个部门，如风险管理、营销和客户服务。研发运营一体化实海量数据处理技术金融应用研究报告 20 现之后，可鼓励跨部门协作，共享数据和知识，实现业务目标的一致性。总结来看，研发运营一体化在金融行业的作用和发展主要体现在提高数据质量、加速数据分析和决策、降低数据安全风险、促进跨部门协作和支持创新和实验等方面，金融机构可以更好地利用数据，实现业务价值的最大化。（二）（二）技术技术应用应用情况情况 1.1.存储技术应用情况存储技术应用情况 金融业目前主流的数据存储技术中，HDFS、对象存储是常见的存储选型，它们各自有不同的应用情况：HDFS 用于存储大规模数据的分布式文件系统。它将数据划分为较小的块并分布在多台机器上，提供高可用性、容错性和可扩展性。HDFS 适用于批处理工作负载，如 MapReduce 任务，但对于随机读写性能较差。对象存储：对象存储是一种数据存储模型，将数据存储为对象，每个对象包含数据本身以及元数据（例如文件名、时间戳等）。对象存储不使用传统的文件系统层次结构，而是通过统一的 API 进行访问。这种存储方式不仅适合存储传统结构化数据，也适用存储大规模的半结构化、非结构化数据，如图像、音频、视频等。因此，随着大数据上云成为新的技术趋势，业界普遍将云上对象存储作为新一代的数据湖存储。流行的对象存储解决方案包括 Amazon S3、Azure Blob Storage 等。海量数据处理技术金融应用研究报告 21 据统计，金融行业中，当前以 HDFS 存储为核心的 Hadoop 技术广泛应用于构建企业的统一数据湖。随着大数据上云成为新的技术趋势，业界普遍趋向于将云上文件存储、对象存储等作为新一代的数据湖存储。2.2.计算技术应用情况计算技术应用情况 金融业对计算技术的要求越来越高，而且由于金融的计算处理非常复杂，所使用的计算技术也较为繁杂，目前使用的主要计算技术包括：批计算引擎 Hive/Spark、流处理引擎 Flink、交互式分析引擎 Presto。Apache Spark 是一个通用的大数据处理框架，支持多种计算模式，其中批处理模式是其最常见的用法之一。在 Spark 批处理中，数据被划分为小块，称为 RDD（Resilient Distributed Datasets，RDD），并且可以通过一系列的转换和操作进行处理。Spark批处理适用于对离线数据进行分析和处理，例如数据清洗、ETL（Extract-Transform-Load，ETL）、批量计算等。它的优点包括快速数据处理、容错性和丰富的 API。Apache Flink 是一个开源的流式处理框架，专注于支持实时流数据的处理和计算。与 Spark 的批处理模式不同，Flink 专注于实时数据的流式处理。Flink支持事件时间处理、窗口操作、状态管理等功能，使得用户可以实时处理和分析数据流。Flink适用于需要实时响应的应用，如实时监控、实时分析、事件驱动型应用等。海量数据处理技术金融应用研究报告 22 Presto 是一款开源的分布式 SQL 查询引擎，专注于实时分析和大规模数据查询。其独特之处在于高速的查询能力和弹性的分布式架构，适用于需要快速响应和复杂分析的场景。其出色的查询性能、灵活的数据源连接方式以及高度可扩展的架构，使其成为处理各种数据分析挑战的首选工具。Presto 适用于数据探索、BI 报表等领域，能够处理大量数据并支持复杂查询操作，是处理实时数据分析的强大工具。不同的计算技术适用不同的业务场景。在金融机构中，选择适当的计算模式取决于业务需求、数据特点和性能要求。金融行业普遍使用 Hive/Spark 引擎用于海量数据的批量加工，比如标签加工、指标加工，Flink引擎广泛应用于金融行业的实时营销、实时风控等场景中，Presto 应用于面向数据分析师的数据探索业务，以及 BI 报表对应。为了发挥计算技术的最大优势，在构建数据处理平台时还会采用计算与存储一体的数据库技术，在专项领域达到更优的性价比，如：HBase、时序数据库、图数据库、ClickHouse、MPPDB 等。HBase是一个适合存储海量非结构化数据或半结构化数据的、具备高可靠性、高性能、可灵活扩展伸缩的、支持实时数据读写的分布式数据库。HBase 适合需要高吞吐量、低延迟、大规模数据存储和实时查询的业务场景。其分布式、可伸缩的架构适用于大数据应用，如实时分析、日志处理、社交网络、物联网数据管海量数据处理技术金融应用研究报告 23 理等。同时，HBase 的数据模型类似于分布式哈希表，适合需要快速存取、随机读写的场景。时序数据库具备高效的时序数据存储和查询能力，适用于需要处理大规模、高频率时间序列数据的场景。支持复杂查询、聚合分析以及数据压缩，能够满足设备监控、智能城市、工业生产等领域的需求。时序数据库的优势在于可扩展性、低延迟读写以及对大量设备生成的实时数据的强大支持，在金融场景中可以用于处理大量的实时数据，如股票价格、汇率、交易信息等。时序数据库还非常适合金融的风险管理，实时交易监控等领域，在金融行业越来越受到重视。图数据库是用于图谱数据的存储和分析的数据库。客观世界的事物可以抽象成事物实体和事物之间的联系，将实体抽象成点，将实体之间的关系抽象成边，则客观的世界可以抽象成由点和边组成的图谱。用图谱的表示方式很多时候能更客观直接地描述事物的规律，针对图谱数据的分析也能更高效地发现事物直接的规律。图数据库就是专门针对这类抽象为点和边的图谱数据的分析组件。日志存储和搜索引擎以 Elasticsearch 为例，它是一个基于Apache Lucene 的分布式搜索和分析引擎，它主要用于搜索和数据分析场景。它允许用户构建实时搜索引擎、日志分析、指标监控和推荐系统等各种应用。日志存储和搜索引擎工具在金融业使用非常广泛，比如在金融的实时搜索和分析场景中因为涉及大量海量数据处理技术金融应用研究报告 24 文本数据，如交易记录、报告、研究论文等，Elasticsearch 的实时搜索和分析功能可以帮助金融企业快速查找相关信息，提高工作效率。另外金融的风险控制、合规、反洗钱（AML）和客户识别，甚至金融数据挖掘和分析等各个场景下，都需要日志存储和搜索引擎这一类的工具，对金融业具有重要意义。ClickHouse 是面向联机分析（OLAP）处理的列式数据库，适合大规模并行分析、交互式分析应用场景。支持通过分布负载到多个数据库服务器主机，实现存储和处理大规模数据，具有完全的伸缩性、高可用、高性能、资源共享等特征。支持基于 SQL 的查询、统计、分析，且性能好，特别是基于大宽表的聚合分析查询、分析性能非常优异。ClickHouse 完全使用 SQL 作为查询语言，提供了标准协议的 SQL 查询接口，具备基于 SQL 的数据查询、统计、分析等能力。使得现有的第三方分析可视化系统可以轻松与它集成对接。MPPDB 是一种面向数据分析的分布式并行运算数据库，通过将查询和计算分布在多个计算节点上来实现高性能分析。MPPDB数据库针对复杂数据查询和大规模数据分析进行了优化，具有并行性、高性能和高吞吐量等优势，适合实时和交互式分析。各类计算与存储一体的数据库技术都在金融业不同的场景中发挥着重要作用，如：HBase 广泛应用于金融机构的明细高并发查询场景中（如交易流水查询、账单查询），MPP 则应用于构建数据仓库支持大规模数据集的存储和查询场景；部分金融机构海量数据处理技术金融应用研究报告 25 已将时序数据库应用于量化交易、智能化运维等场景中，将图数据库应用于知识图谱、反欺诈等业务场景中，将 ClickHouse 应用于贷款、营销等场景的实时 SQL 统计分析，以及构建标签管理系统。而日志存储和搜索引擎则长期都是金融业处理海量日志以及实时搜索的必要工具。3.3.数据湖仓技术应用情况数据湖仓技术应用情况 数据湖仓技术是指将数据湖（Data Lake）和数据仓库（Data Warehouse）两种数据存储和管理模式结合起来的方法，旨在实现更灵活、高效和综合的数据处理和分析。这种方法可以让企业在一个统一的平台上同时享受数据湖和数据仓库的优势。目前主流的数据湖仓技术为湖仓一体技术，该技术在数据湖构建和管理方面有着不同方法和策略，近几年深受金融行业的青睐。Iceberg和Hudi（Hadoop Upserts Deletes and Incrementals）是两种流行的数据湖仓 Lakehouse 组件，常被用来构建湖仓一体技术架构，它们提供了类似事务性操作、数据版本控制、分区管理等功能。通过在数据湖中引入 Hudi 或 Iceberg等技术来实现增量数据存储、数据更新和删除操作的支持，实现了数据湖和数据仓库的融合。数据湖不仅承载原始数据，还负责承担数据仓库的职责，包括数据的清洗、转换、加工和分析。这种集成的方法不仅简化了数据架构，还提高了数据的可访问性和灵活性，使得金融机构能够更好地应对实时分析和复杂业务需求，从而实现更智能的决策制定和业务创新。海量数据处理技术金融应用研究报告 26 随着湖仓一体技术的兴起，金融机构也逐步将传统的数据湖和数据仓库升级到湖仓一体。目前头部的金融机构已经开始探索湖仓一体技术，并在生产业务中落地部分业务。随着未来时间的推移，湖仓一体将逐步成为金融行业的主流形态。4.4.数据架构应用情况数据架构应用情况 当前金融行业已经从传统的数据仓库体系、大数据体系升级演进到数据中台体系。这一演进是为了更好地整合企业内部的数据资源，提高数据的使用效率，以及满足金融行业日益增长的数据需求。在这种背景下，金融行业的数据中台体系下的数据架构往往做了数据分层。典型的数据分层如下：（1）贴源层：直接对接各个数据源，如交易系统、核心业务系统、外部数据接口等。通常保持数据的原始状态不做过多处理。（2）明细层：存储经过初步清洗和转换的详细事务数据，为后续的数据分析和报表提供了基础数据。保留了数据的细节，允许对数据进行深入的分析。（3）汇总层：基于明细层的数据，进行进一步的加工和汇总，生成对应的汇总数据、聚合数据或预计算的度量数据，以支撑快速查询和报告。海量数据处理技术金融应用研究报告 27（4）应用层：为终端用户或者应用系统提供数据访问服务。这一层通常包括为特定业务或功能定制的数据集，例如数据看板、报表、数据产品或 API 接口。数据架构的技术落地上，数据贴源层普遍基于数据湖技术构建，如 Hadoop、Delta Lake 或 AWS S3 等。数据湖为后续的数据分析、机器学习和报表提供了一个灵活的、原始的数据基础。明细层和汇总层部分金融机构会基于 MPPDB 构建，对于领先的金融机构而言，则通常使用大数据技术构建。最上层的应用层一般基于高并发的 OLAP 数据库和各类大数据技术组件比如 HBase、ElasticSearh、Redis 等构建。领先的金融机构已经实现完全基于开放大数据技术栈来构建整个数据架构，从而确保数据处理的高效、灵活和可扩展性。海量数据处理技术金融应用研究报告 28 三、主要挑战（一）（一）数据存储的数据存储的挑战挑战 近年来，金融业的数据呈现爆发增长的趋势，金融机构的数据存储面临多种问题和挑战，这些数据存储的痛点包括以下几个方面：一是数据内容爆炸问题，金融机构每天都产生大量交易、市场和客户数据，导致数据量急剧增长，挑战存储基础设施的容量和扩展性。此外数据多样性也存在较大挑战，数据来自不同业务源、格式和结构，如交易记录、文本、图像等，需要适应多样化的数据存储和处理需求。二是数据利用率和弹性伸缩问题，随着数据规模增长，传统的大数据处理系统由于存储和计算资源往往是紧密耦合的，这可能导致资源利用率低下，存储的弹性拓展性能也表现不佳，在这种情况下，如果可以把存储和计算分离出来将有效地解决这些问题。三是性能问题，数据规模一旦增长，数据存储性能非常容易遭受瓶颈问题，目前传统大数据平台架构，任意节点在数据膨胀后极可能会出现 I/O 瓶颈，影响系统性能。四是数据安全与高可用。金融数据涉及敏感信息，需要严格的安全措施，以保护客户隐私和符合监管要求，增加了存储的复海量数据处理技术金融应用研究报告 29 杂性，此外数据存储需要高度的系统可用性和容错性，存储系统必须具备故障恢复机制，以防止数据丢失或业务中断。当然，数据存储面临的挑战并不止这些。最近几年，金融业为了应对越来越复杂的存储难题，许多机构尝试采用了存算分离的数据架构，用以应对海量数据的存储痛点并取得了非常好的效果。存算分离技术是一种在大数据处理和存储领域的架构设计理念，它将数据的存储和计算过程分离开来，使得存储系统和计算系统可以独立进行扩展、优化和调度。这种技术能够提高资源利用率，提升系统性能，降低成本，保障数据安全，并提高系统可扩展性。金融业不同的组织通过实践证明，存算分离具有提高资源利用率、系统性能、扩展性，降低数据冗余，保障数据安全，以及简化任务调度等诸多优势，可以帮助金融业更好地应对大数据时代的挑战。（二）（二）数据计算的数据计算的挑战挑战 在金融行业，数据计算是关键的业务部分，金融行业始终在追求速度更快、性能更高的数据计算能力，以满足较为严苛的数据分析、时效性等方面的要求。随着金融的业务要求越来越高，数据计算也面临着许多挑战：一是海量数据计算压力，随着数据规模的膨胀，给数据计算也带来巨大的负担，传统数据仓库或原有架构在遭遇海量数据时会遇到明显的性能瓶颈和高成本问题，因此对于 PB 级的大规模数据存储，需要一套新的架构来应对数据计算的压力，并且这套海量数据处理技术金融应用研究报告 30 架构还需要支持分布式计算和存储，这样用户可以在一个统一的平台上高效地存储、查询、分析和处理各种类型的数据。二是实时数据计算能力，不同于传统数据计算，金融业对实时数据的计算能力要求较高，而且相比于经典数据仓库和普通的架构，金融实时计算还要求接收和处理各种类型和结构的数据流，并进一步实现实时数据分析和可视化，以满足金融业快速响应业务需求和实现实时决策的需求。目前越来越多的金融机构选择数据湖仓化来应对实时数据计算的挑战，湖仓一体技术不仅能支持实时数据处理，而且具备分布式拓展和提供统一平台管理数据计算引擎等多种优点，大幅度提升数据计算的效率。三是数据分析和挖掘能力，当前金融行业已不再满足停留在通用的数据计算能力上，还需要实现更高层次的数据分析和挖掘能力上，对于复杂的数据分析和挖掘一直都是金融行业孜孜不倦的追求。然后数据仓库以及传统大数据平台架构并不能很好满足这类需求，存在功能缺失、技术栈复杂、性能瓶颈等各类问题。目前，许多金融业机构采用湖仓化的架构，已提供了丰富的数据分析和挖掘功能，如 SQL 查询、机器学习和图分析等，使金融机构能够从大量数据中挖掘有价值的信息，为业务决策提供支持。四是弹性计算能力的需求，采用弹性计算能力可以大大提高数据计算的可靠性和拓展性，极大增强数据计算的性能，目前使用数据湖仓、容器化或分布式计算等架构已成为金融行业重点探索和实践的架构。通过这些灵活的弹性架构，可以根据业务需求海量数据处理技术金融应用研究报告 31 动态调整计算资源，实现资源的弹性伸缩，既解决了资源利用和运维成本方面的问题，又提高了资源利用率，并降低了金融业的运维成本。（三）（三）云化计算的云化计算的挑战挑战 在金融行业，采用云原生部署的计算引擎模式逐渐成为青睐的对象，云原生计算的模式为金融行业带来了敏捷性、弹性、成本效益、安全性、数据分析能力和丰富的生态系统等多种优势，为金融行业的海量数据处理能力大大新增了丰富且优秀的能力，因此最近几年许多金融机构纷纷拥抱云原生计算并逐步开展了实践和业务落地。当然，尽管云化计算后会带来许多优势，但也并不意味着云化计算这项技术没有风险，事实上云化改造的过程中也存在着一些挑战。一是迁移成本，对于已有的传统应用，迁移到云原生计算平台可能需要进行重构，以适应微服务架构和容器化部署，这可能会导致较高的迁移成本和风险。这一点目前有经验的大型云厂商都向客户提供自己的迁移工具，配合专业的人力服务，尽可能地降低成本。二是管理运维方面，云原生计算环境通常比较复杂，涉及多个微服务、容器和网络组件，投入更多的精力进行运维和管理。从现实情况来看，目前许多金融机构都会选择和一些有技术积累的大型厂商合作，借助工具和平台有效地补足管理运维方面的能海量数据处理技术金融应用研究报告 32 力，使得用户自身不需要关心云原生环境，只需要将大部分注意力聚焦在业务和数据上即可。三是技术复杂性上，云原生计算涉及许多新技术和概念，如容器、微服务、Kubernetes 等。金融行业在采用云原生计算时，需要投入时间和精力学习这些技术，可能会面临一定的学习曲线。目前一些国内主流的大型云厂商都会提供相对应的学习路径和配套设施环境，以帮助金融机构缩短学习时间，尽快实现云化部署。因此，虽然云化计算已成为很明显的趋势，但从普遍情况来看金融机构自身的云化转型是有一些风险的，往往需要借助一些外部组织的力量，以平稳可靠地实现过渡与改造。（四）（四）融合计算的融合计算的挑战挑战 近几年，融合计算在金融行业的应用具有巨大的潜力，其独特而优秀的能力受到了越来越多金融机构的关注，但这项前沿技术也面临一些问题和挑战：一是异构数据源处理，金融数据通常来自多个异构数据源，包括交易记录、市场数据、客户信息等，这些数据源可能有不同的格式、结构和存储方式，因此在做融合计算的时候需要自适应这些复杂的数据结构，以便进行跨源分析和计算，有时候还会涉及数据转换、标准化等问题。二是计算自适应，不同数据可能需要不同的计算模型和算法，跨源自适应引擎需要根据数据源的特点和需求，选择合适的计算海量数据处理技术金融应用研究报告 33 引擎（如 Spark、Hive、Presto 或其他组件），有时候针对计算情况还需要选择适合跨源计算的算法，并进行算法优化，以提高计算效率和准确性。三是计算效率和监控，融合计算可能涉及多个数据源的计算，需要有效管理计算任务和资源，以确保计算的效率和速度，这对融合计算平台提出了很高的要求，此外融合计算因为涉及多个数据源和计算组件，需要有效的监控和调试方法，以确保计算过程的稳定性和可靠性。四是技术整合，融合计算需要整合多个技术和工具，如数据集成、计算引擎、安全机制等，需要确保这些技术能够协同工作，不仅如此，技术的整合也需要专业的团队，金融机构需要这些人才熟悉融合计算的技术和最佳实践，以便有效地管理和操作。然而，尽管有着一些困难，但越来越多的金融机构开始采用融合计算的技术和理念帮助组织解决海量数据计算过程中的一些挑战，并取得了很好的效果。（五）（五）研发运营一体化的研发运营一体化的挑战挑战 1.数据研发运营一体化（DataOps）金融应用的优势。数据研发运营一体化（DataOps），通过对数据相关人员、工具和流程的重新组织，打破协作壁垒，构建集开发、治理、运营于一体的自动化数据流水线，不断提高数据产品交付效率与质量，实现高质量数字化发展。采用数据研发运营一体化的优势非常明显，对于金融行业来说至少带来以下三点改善：海量数据处理技术金融应用研究报告 34 一是采用 DataOps 可以提供敏捷数据产品开发流程，通过敏捷迭代，快速响应需求变化，并实现自助服务，各部门可以主动利用数据资产。二是构建企业内的开发治理一体化流水线，通过数据研发运营一体化流程，把数据质量管控前置到流程中，并在数据治理过程融入开发流程，这样就有针对性地打造了自动化测试流程，及时处理问题。三是建立精细化的数据运营体系，在 DataOps 中可以实现全数据链路的度量与反馈，基于流程和平台精细化地进行数据的运营，减少人力成本，并降低运营成本，尤其是海量数据处理的时候这种运营体系的优越性更为明显。2.数据研发运营一体化（DataOps）金融应用的问题。尽管数据研发运营一体化可以为金融业带来许多的便捷和优势，但在实际调研过程中发现，许多金融机构在实践这项技术的过程中遭遇到诸多问题，导致许多金融从业者并没有真正享受到落地数据研发运营一体化带来的金融科技进步，问题如下：一是技术和工具的缺失，目前较多金融机构还未完全或仅部分意识到数据研发运营一体化工具的好处，因此并没有真正开展落地的工作。此外当前市场上出现了不少数据研发运营一体化的工具，但是许多工具并不符合金融行业的技术特点，因此要真正提高数据运营效率，需要选择合适的工具，这是众多金融机构需要面临的首要问题。海量数据处理技术金融应用研究报告 35 二是组织变革和调整，实施 DataOps 通常都需要金融机构进行组织架构调整，各个部门之间必须重新组建数据流程，这样才能打破数据孤岛，实现数据的整合和共享。更深层的方面，金融业需要建立数据驱动的文化，推动组织变革，鼓励员工积极参与数据运营过程。三是数据思维的转型，许多金融机构依然存在研发治理思维的固化，研发角色和治理角色比较割裂，导致实际过程中依然存在分工和不协同的问题，这样就无法有效发挥数据研发运营一体化工具的作用。四是人才缺口，金融行业对数据运营人才的需求远大于供应，尤其是具备金融业务知识和数据技能的复合型人才。当前许多金融机构在实施 DataOps 过程中，往往优先和相应的 IT 供应商企业合作，采购工具的同时也寻求技术人力支持，度过适应期，然后一并投入资源进行金融机构自身的人才培养和引进。总的来说，当前金融机构普遍需要解决的是选择合适、全面的数据研发运营一体化工具，以尽快建立流程机制，再逐步推动组织、思维以及人才的变革与进步。海量数据处理技术金融应用研究报告 36 四、关键技术与建设思路（一）（一）云数一体化云数一体化 1.1.建设思路建设思路 随着大数据使用场景的不断丰富，数据使用强度逐步加深，数据的重要性也越来越凸显。其中，数据价值的挖掘离不开两个最基础的能力存储和计算，也离不开最基本的承载服务器。一般业务系统的建设，大多采用“前端服务端数据库”的经典构筑模式，且每个业务系统相对独立，系统之间的数据或权限互联互通。业务系统的数据交互，一般采用数据库表同步或跨系统 API 接口调用这两种方式。而海量数据处理平台的构筑模式，第一步是建立一个技术平台；第二步，是将来自业务系统或其他订阅数据源的数据，实时同步或定时同步到海量数据处理平台；第三步，经过符合业务要求的数据治理和开发等形成各种丰富的数据资产；第四步，数据资产采用定期报表、实时报表、数据同步、数据订阅、直接为业务系统服务等各种方式提供最终价值。（1）云的价值和意义 软件系统的生命周期与硬件的生命周期并不是完全同步，有时软件系统的生命周期可能仅有几个月到几年的时间，有时软件系统的生命周期却可能有 20 年、30 年或更漫长的时间，甚至超海量数据处理技术金融应用研究报告 37 过编写它编程语言的主流生命周期。而硬件设施的生命周期一般是 3 至 5 年，虽然有很多时候也有被使用超过 7 年的硬件，但实际的物理可靠性早已无法满足商业生产的要求。同样，随着时间和业务需求的变化，软件系统的设计、开发、部署、资源调度的周期越来越快，不再是之前以年计算的漫长流程，而是更加敏捷的 DevOps 开发部署过程。传统的立项、采购、测试、上线、周期结束等漫长过程无法很好地适应快速的需求发展变化等挑战。为了应对上述挑战，采用云的方式管理团队的基础设施变成了一种好的选择。基于云技术标准化一层虚拟基础设施，既可以随着资源需要和项目过程的变化灵活调整，也可以屏蔽底层硬件生命周期的影响，使得上层的业务系统只需要关注业务本身，而无需再将精力浪费在硬件异常的处理。（2）早期设计的海量数据处理技术为何不上云 无论哪种海量数据处理技术栈的实现，均具备数据副本冗余能力，即：任意非关键节点损坏，不影响集群的整体工作情况，数据具备高可靠性，数据出了问题可以在极短时间内修复，而且整个过程对上层服务无感知。换句话说，无论是哪种技术栈，均可原生具备物理硬件损坏或更新后的兼容与冗余能力，无需使用云技术再进行一次封装。其次，基于上文提到的数据价值挖掘过程，海量数据处理的业务均在平台自身内部实现资源调度和故障迁移，计算任务的上海量数据处理技术金融应用研究报告 38 线和下线均可在内部完成管理和冗余，不需要使用云技术再进行一次封装和管理。再次，早期硬件资源能力不足，采用千兆网络实现节点间互联，数据交换带宽严重不足，需要存算一体设计，并采用计算本地化方式节约数据交换带宽，即：利用数据冗余副本，将计算任务调度到参与计算的数据副本节点，直接从本地获得数据而非网络，以此节约网络带宽。随着万兆网络的逐步普及，且数据规模的增长和数据价值的显现，存储资源和计算资源不再强匹配，采用一体化设计将会出现资源配置不均衡或浪费等情况。因此，采用不同的服务器，按照需求分别部署计算角色和存储角色，从而实现初步的存算分离，成为一种通用做法。最后，还有一个不能被忽视的问题，早期的云平台一般能提供给海量数据处理平台的有效关键能力就是服务器，也就是将虚拟出的节点当作一台服务器交给平台，而平台把它当作一台物理机使用。但数据平台本身具有数据冗余能力，这就导致了数据的双重膨胀，即原本一份数据采用三副本策略，在上云之后，云的冗余机制可能又在该副本的基础上再加三副本，形成了九份数据副本的情况，一下子资源被冗余出了九倍，最终形成了严重的资源浪费情况。（3）海量数据处理平台的新挑战 海量数据处理技术金融应用研究报告 39 云数一体化助力构建了数据即服务（Data as a Service）的理念，海量数据处理平台迎来了更好的整体解决方案。首先，随着物理硬件的发展，使得万兆网络或更高条件的网络条件变得普遍且成本不再高昂。随着数据使用的不断深入而导致的存储资源和计算资源不均衡情况，也可以通过存算分离的方式进行解决，而不再有物理硬件方面的阻碍。其次，随着云和大数据技术的共同发展，存储的多重冗余不再是一个问题。随着海量数据处理引擎的发展，云提供的存储可以被海量数据处理技术直接使用，而不必先同步到数据平台内部才可被后续处理。其次，随着业务需求的不断发展，海量数据处理技术的不断发展，出现了更加丰富的计算引擎。较早的 MapReduce 引擎被继任者 TEZ 逐步替代，Spark 引擎的加入丰富了计算引擎的生态，Flink 引擎的加入则进一步拓展了海量数据处理的能力范畴。但经典的大数据架构产品设计上很难完成版本间兼容，例如Spark2.X 与 Spark3.X 的同时支持，此外新增一个全新的处理引擎从产品架构上看也不是容易的。而业务的发展是逐步滚动向前的，新的业务有需求，老的业务期望能保持成熟版本，这就为经典大数据一体化设计产品提出了新的挑战。多云多集群环境或是解决这个问题的有效途径之一。再次，大数据的资源调度弹性，是在大数据计算集群内部的弹性，但与其他业务资源之间存在壁垒，从整体业务使用特征看，海量数据处理技术金融应用研究报告 40 一般来说业务系统白天繁忙晚上空闲，而海量数据处理系统恰恰相反，一般来说是晚上繁忙白天空闲。随着整个平台的使用，业务系统和海量数据处理平台之间的峰谷也会越来越明显，因此需要一种基于云的全局弹性调度能力。最终，采用一切皆服务理念完成云数一体化构建，大数据作为云的一种服务实现深度融合，而非早期的集中部署。最终实现云原生大数据能力，实现云数的一体化建设，从而获得以下能力：一是，全局弹性调度能力。消除平台间的资源壁垒，进一步提高计算资源的利用效率。二是，大数据引擎的多版本兼容。实现不同历史时期的数据应用可以同时在一个平台实现调度和运行，不会导致因一次升级从而全部数据应用推倒重来的窘困局面。三是，深度融合降低无效存储冗余。从之前各自独立构建部署，数据在不同平台间必须进行同步，逐步发展为基于数据湖仓化实现数据价值的最大化的同时，降低无效存储冗余度，提高数据一致性。四是，基于云屏蔽基础设施变更带来的挑战。大数据技术栈虽然具备数据冗余和架构冗余能力，但当物理硬件故障或损坏后，完成修复的过程仍旧是需要大数据近乎全部的技术知识体系才能安全地完成操作。通过云技术，实现对基础设施层故障的屏蔽，大数据的用户可以将最大的精力关注在数据价值挖掘和利用方面等更有价值的地方，而非纠结于大数据平台运维。海量数据处理技术金融应用研究报告 41（4）实现云和数的一体化 海量数据处理技术的基础设施通常以复杂著称，利用云原生技术，提供敏捷易用低成本的云原生大数据服务，是当前海量数据技术发展趋势。云原生大数据底座通过构建虚拟集群，容器化中间件、大数据组件及工具平台，如 Spark、Flink、Presto 等，屏蔽底层各种资源的细节，为大数据抽象通用接口，对上实现数据应用的无缝对接，对下实行云化资源的高效调度，大数据产品对接底座即可在各种云化环境提供服务，灵活便捷、安全高效且具备较低成本。典型的云原生大数据架构如图 3 所示：图 3 典型的云原生大数据底座架构 云原生大数据底座为了进一步提升资源利用率，专为海量数据处理场景设计高性能、高扩展、高安全的统一资源调度器，支海量数据处理技术金融应用研究报告 42 持在线和离线的全场景安全混部，具备管理千万级资源能力，在保证在线服务质量的同时，尽可能提升资源利用率。基于内存的分布式文件系统缓存，可以同时管理多个底层文件系统，并将不同的文件系统统一在同一个名称空间下，让上层客户端可以透明地访问统一名称空间内的不同路径对应的存储系统内的数据。它统一了数据访问并且连接了计算框架和底层的存储系统，解决了云原生大数据架构网络 IO 以及数据本地化不足的问题，应用程序只需要连接到这个缓存层就可以访问存储在任何底层存储系统中的数据，并能够带来显著的性能提升。2.2.业务应用价值业务应用价值 海量数据处理技术与云平台的互相融合，既拓展了云的相关能力，也更好地将数据处理融入平台之中以帮助用户实现更好地利用数据，其业务应用价值主要体现在以下几方面：（1）数据服务化。通过云原生及多租户技术，实现跨数据中心、跨集群、跨引擎的统一数据运营及运维；避免由于技术栈升级，业务需求变化等，需要将全部平台推倒重新建设的情况。最终实现不同引擎之间、不同集群之间、不同租户之间，通过云的技术与海量数据处理技术的深入融合，实现数据及其技术组件作为云上的一种服务，为业务提供持续动力，实现数据价值挖掘的持续性、易用性和便利性。（2）更大且更灵活的规模。早期的数据处理技术栈，当集群规模达到 200 节点时，虽然可以很好地完成部署和使用，但由海量数据处理技术金融应用研究报告 43 于不同租户间的资源竞争、早期技术栈的不完善等因素，需要配置专业的运维人员参与维护；而当达到 800 节点时，一般至少需要配置3人的专业运维人员参与维护；当达到1200节点以上时，有规模带来的各种问题往往变得不可预估。而采用云原生大数据的方式，可以很好地解决大集群性能优化、弹性伸缩、集群稳定性等问题，实现从小规模到大规模以至于超大规模集群的部署、使用和日常运维。（3）降本增效。如前文所述，一般的数据处理平台虽然具备对内部计算任务的资源协调与调度，但无法实现全局的资源协调与调度。当云技术和海量数据处理技术深度融合，海量数据计算队列之间、数据与业务系统之间的资源壁垒将被打破，同时可以基于多租户实现资源的隔离、避免互相干扰。最终，通过虚拟集群技术，复用混部资源，实现公平共享的弹性调度，降低成本，提升资源利用效率。3.3.技术示例技术示例 云数一体化的技术构建，已经不再是直接将大数据部署在云平台所提供的虚拟机上的方式，而是采用云原生架构的一种深度技术融合。整个技术融合分为以下三大部分：第一部分，是底层的云基础设施，提供必要的存储和计算能力；存储层，一方面作为数据源，另一方面也是海量数据存储的支撑底座。容器平台，作为整体技术架构的核心资源调度支撑，是各类角色和功能的能力实体。海量数据处理技术金融应用研究报告 44 第二部分，是数据处理技术的云原生架构，提供云原生大数据运行所必需的相关能力，例如数据编排、大数据运行时、混合部署检测、隔离能力与统一任务调度等，包括各类计算引擎能力的云原生引擎支持，最终被数据开发所需的各类开发工具集和可视化工具集进行产品封装。本层提供海量数据处理所需的所有核心能力，包括各类计算引擎和框架，工作流调度等等。第三部分，是最上层的大数据相关应用，如：BI、AI、自助分析、数据门户等等，实现数据价值的最终可见和高效价值体现。（二）（二）存算分离化存算分离化 1.1.建设思路建设思路 如今，以数据对抗“不确定性”的需求进一步增多，技术也随着需求的变化不断发展，带来了计算能力的提升，也会导致原先的存算一体化资源配置出现比例失调的现象。以海量数据处理领域的离线计算来说，从最初的 Hive 发展到 Spark，而 Spark 从Spark1.x 到当前的 Spark3.x，相比于最初的框架的能力，整体性能上有数量级的提升。基于数据的业务也逐步丰富，随着技术、业务、数据的高速发展与需求涌现，海量数据处理平台也面临着存储资源和计算资源需求的不均衡，不同历史时期建设标准的不一致，不同业务之间使用的技术栈有所差异的挑战。为了应对上述三个方面的挑战，海量数据处理的技术架构逐渐从存储计算一体化的构建方式，演进为“存储标准统一、多计算引擎统一调度”的存算分离构建方式。存储和计算不再一对一海量数据处理技术金融应用研究报告 45 强贴合，而是存储支持 HDFS 标准接口和对象存储标准接口，聚焦存储引擎本身的任务，以完成来自业务系统和历史平台等各类不同的数据类型和数据源支持。计算则采用统一的云原生调度引擎，实现多类型、多版本的计算引擎调度，以满足不同建设周期，不同业务需求的使用。同时采用一致的数据开发与治理平台，形成对数据的有效管理，避免出现数据碎片化与数据沼泽。最终，从业务需求实际出发，以“互相之间的标准兼容”为衔接，以硬件能力为基础，实现存储能力、计算能力、数据开发与治理能力的各自最大兼容与系统性总体统一的存算分离架构，从而满足不同建设周期、不同业务需求对大数据平台的实质要求，避免重复建设、循环建设，使得数据可以持续地被挖掘与发挥其价值。存算分离的技术架构如图 4 所示：图 4 海量数据处理技术之存算分离架构 海量数据处理技术金融应用研究报告 46 基于云数一体的技术能力基础，海量数据处理的技术逐步支持云原生部署，由此解决上一代技术在硬件资源与负载要求的错配、资源浪费、系统难升级、难扩容、增删节点需要成倍的资源处理和数据重分布等挑战，并获得存算分离架构演进所带来的敏捷、池化、弹性、低成本等优势能力。存储层构筑多集群融合能力，即：同一平台中，既可以部署以 Hadoop 为主的存算一体集群，也可以部署以对象存储为主的存储计算分离集群，亦或是二者同时部署在同一个集群中被使用。算力层与云原生底座深度融合，通过构建虚拟集群，容器化中间件、计算引擎及工具平台，如 Spark、Flink、Presto、Iceberg等，屏蔽底层各种资源的细节，为大数据抽象通用接口，对上实现上层应用的无缝对接，对下实现云化资源的高效调度。存储加速层，是基于内存的分布式文件系统缓存作为以内存为中心的虚拟分布式存储，可以统一数据访问方式，为计算与存储构建了桥梁，可以大幅提升数据计算的性能。2.2.业务应用价值业务应用价值 存储系统和计算系统面对的挑战不一样，存储系统通常使用标准的接口，如：HDFS、对象存储等，其复杂性主要是如何实现数据的有效组织，即：用户、权限、分布/目录、格式支持等；还有计算支持，即：读写性能挑战、大小文件挑战、分布式计算所需的大规模并发度的挑战。而计算系统，其主要面对的是多样化的数据处理，即：采用不同技术特性应对不同业务需求的标准，海量数据处理技术金融应用研究报告 47 同时由于技术的发展，同一类技术也会有较为重大的更新，但受限于业务我们无法直接采用替换升级的方式，所以需要早期版本和最新版本同时支持的情况。采用存储和计算的分离设计，分别满足业务需求和挑战，实现无论是横向不同业务需求之间的平衡，还是纵向新旧技术栈之间的平衡，最终实现数据平台以动态满足业务需求的方式，实现持续的数据价值。因此，存算分离的业务应用价值主要如下：（1）持续迭代的海量数据处理平台。无论是横向不同业务需求，还是纵向新旧技术栈，均可实现灵活的支持，而不必每一次新技术的诞生就不得不淘汰老的平台，而又因为技术之间的差异和迁移成本等无法实现完全迁移，最终造成多个平台同时运行的窘境。通过存算分离的架构设计，可以完成类似插件化的技术实现，实现在一个大数据平台中的持续迭代，避免一体化设计时的重复建设问题。（2）统一的存储，灵活地计算，一体化的数据开发和治理工具，快速满足业务需求的同时，避免碎片化。（3）成本最优解。避免了重复建设、循环建设，以类似可插拔引擎的方式实现能力随需求的扩展，避免了仅技术因素而非业务优化带来的历史工程二次实现或兼容；避免由于技术栈不同而形成的一份数据多重冗余副本等问题。海量数据处理技术金融应用研究报告 48（4）实现“存储标准统一、多计算引擎统一调度、一体化数据开发与治理”为特征的，具有生命力的、可持续迭代的海量数据处理平台，持续动态地满足业务需求。3.3.技术示例技术示例 存算分离架构与经典架构之间，在数据开发和治理平台的参与下，不会对业务层面使用平台的方式产生根本影响。但平台内部的技术架构为了能适应更好的部署形态和业务需求，变化较大。经典大数据架构包括基础硬件层、运维管控层、存储层、计算层、工具链层；存算分离后，包括混合存储层、缓存加速与统一数据编排层、元数据层、弹性计算层、大数据工具层和统一管控层。其中，统一管控实现全局资源管理、权限管理、用户管理、安全认证和整体的平台管理和运维监控。混合存储层即支持的所有存储标准能力；缓存加速与统一数据编排层，主要是为了对混合存储层实现兼容和缓存加速，因为大数据计算的分布式性和并发性，对底层存储的压力较大，但又并非所有的存储标准都是为了这样的场景设计实现，故而增加一层缓存和兼容层，以实现不同存储直接的融合；元数据层，实现不同类型数据源和数仓的统一元数据管理，以支持数据的高效、清晰地使用和价值挖掘；弹性计算层，实现不同计算引擎和相同引擎不同版本等灵活支持，以满足业务的各类新增需求与历史兼容性；数据工具层，一方面提供可视化的界面以降低用户对海量数据处理平台的使用难度，海量数据处理技术金融应用研究报告 49 清晰高效地完成数据治理和数据开发工作，另一方面也同时封装了底层架构变动对业务的相关影响，业务层面将尽可能少的变动即可适应新架构的平台。采用存算分离架构获得优势的同时，也会面临存算之间数据距增大的挑战计算节点无法从本地获得数据，也就是无法实现所谓“数据本地化”从而影响计算效率，因为这时的数据将全部来自网络传输，计算任务对所需数据的读取时间相较于传统方式将有所增加。通过分布式缓存和数据编排组件，与计算集群资源混合部署，实现对热点数据的缓存与数据本地化，计算需求首先从分布式缓存和数据编排中获取数据，缩小了计算和存储之间的距离，最终实现加速效果。因为实现了数据缓存的构建，其也将大大减少存储节点的访问压力，有效减少对 HDFS 关键主节点NameNode 或对象存储请求压力等等，优化计算瓶颈。而分层存储的特性，支持内存、SSD、HDD 等不同的存储介质，使得低频冷数据可以以高性价比方式存储的同时，被高频使用的热点数据也以近乎内存的速度支持计算任务的高效使用。综合来说，以存算分离架构中重要的分布式缓存与数据编排组件 Alluxio 为示例，其优点包括：一是内存速度 I/O：Alluxio 能够用作分布式共享缓存服务，这样与 Alluxio 通信的计算应用程序可以透明地缓存频繁访问的数据（尤其是从远程位置），以提供内存级 I/O 吞吐率。此外，海量数据处理技术金融应用研究报告 50 Alluxio 的层次化存储机制能够充分利用内存、固态硬盘或者磁盘，降低具有弹性扩张特性的数据驱动型应用的成本开销。二是简化云存储和对象存储接入：与传统文件系统相比，云存储系统和对象存储系统使用不同的语义，这些语义对性能的影响也不同于传统文件系统。在云存储和对象存储系统上进行常见的文件系统操作（如列出目录和重命名）通常会导致显著的性能开销。当访问云存储中的数据时，应用程序没有节点级数据本地性或跨应用程序缓存。将 Alluxio 与云存储或对象存储一起部署可以缓解这些问题，因为这样将从 Alluxio 中检索读取数据，而不是从底层云存储或对象存储中检索读取。三是简化数据管理：Alluxio 提供对多数据源的单点访问。除了连接不同类型的数据源之外，Alluxio 还允许用户同时连接同一存储系统的不同版本，如多个版本的 HDFS，并且无需复杂的系统配置和管理。（三）（三）数据湖仓化数据湖仓化 1.1.建设思路建设思路 数据湖通常被认为是一个成本较为低廉的存储库，也被理解为一种数据组织形态，承载各种各样来源的结构化或非结构化的原始数据或原始数据的镜像，它可以存储任何类型的数据，包括像图片、文档这样的非结构化数据。这样的数据存储结构，存储其中的数据不需要满足特定的 schema，数据湖也不会将特定的schema 施加其上。相反的是，数据的拥有者通常会在读取数据的海量数据处理技术金融应用研究报告 51 时候解析 schema，当处理相应的数据时，将转换施加其上。相比传统的分治式数据组织方式，数据湖强调的是统一的数据组织方式，也就是所有的数据都在湖中进行加工、处理、分析和流动。数据仓库，则是将原始数据源或数据湖中完成数据初步加工的结果进行进一步的处理。数据仓库主要存储的是基于关系型数据库组织起来的结构化数据。数据通过转换、整合以及清理，并导入到目标表中。在数据仓库中，数据存储的结构与其定义的schema 是强匹配的。由于业务场景和需求的复杂性，数据湖和数据仓库虽各有优势，但又有各自的局限性，为了满足业务实际需要，我们常常将二者联合使用，即：数据湖、数据仓库和其他专门的系统，采用数据持续集成的办法将架构拼接混合使用，而这将带来三个常见问题：一是缺乏开放性。数据仓库将数据转换为专有格式，这增加了将数据或工作负载迁移到其他系统的成本。由于数据仓库主要提供 SQL 的访问模式，因此很难运行其他分析引擎，如机器学习系统。此外，使用 SQL 直接访问数据仓库中的数据非常昂贵和缓慢，这使得与其他技术的集成变得非常困难。二是对机器学习或其他新生的技术栈的支持有限。尽管有很多关于 ML 和数据管理融合的研究，但没有一个领先的机器学习系统，如 TensorFlow、PyTorch 和 XGBoost，能够很好地在仓库之上工作。与提取少量数据的 BI 系统不同，ML 系统使用复杂的海量数据处理技术金融应用研究报告 52 非 SQL 代码处理大型数据集。对于这些用例，有些数据仓库供应商建议将数据导出到文件中，这进一步增加了系统的复杂性。三是数据湖和数据仓库之间的强制权衡。超过 90%的数据存储在数据湖中，这是因为数据湖使用廉价存储，从开放直接访问文件到低成本的灵活性。为了克服数据湖缺乏性能和质量的问题，企业将数据湖中的一小部分数据 ETL 到下游数据仓库，用于最重要的决策支持和 BI 应用。这种双系统架构需要对数据湖和数据仓库之间的 ETL 数据进行持续的工程处理。每个 ETL 步骤都有可能导致失败或引入 bug，从而降低数据质量。同时保持数据湖和数据仓库的数据一致性是非常困难和昂贵的。除了需要为持续的 ETL 支付费用外，用户还要为复制到仓库的数据支付两倍的存储成本。而数据湖仓化 Lakehouse 技术可以有效解决以上三个问题，具体如下：一是 Lakehouse 技术使得海量数据处理技术所构成的平台同时具备数据仓库和数据湖的优势，数据分析师和数据科学家可以在同一个数据存储中对数据进行操作，同时也能为数据治理带来更多的便利。二是 Lakehouse 技术通过将数仓构建在数据湖上，使得存储变得更为廉价和弹性，并能够有效地提升数据质量，减少数据冗余。正因为将数据仓库构建在数据湖之上，数据湖采用的 Parquet、ORC 等开放兼容的存储格式将作为最基础的底层数据海量数据处理技术金融应用研究报告 53 存储格式，而非绑定某种特定的引擎。这样不同的存储引擎和计算引擎，不同的编程语言或数据操作语言都可以在湖仓上进行操作和数据处理。同时，数据湖所支持的存算分离架构、低成本硬件和集群化部署等优势，均会在数据湖仓上得到体现。三是 Lakehouse 技术通过将数仓构建在数据湖上，使得原本仅可以支持结构化数据的数据仓库，在数据湖仓化后，其结构可以支持更多不同类型的数据，包括文件、视频、音频和系统日志等等。数据湖仓可以根据应用的需求为绝大多数的数据施加schema，使其尽可能标准化，避免数据沼泽的产生。湖仓中所保存的数据经过了清理和整合，可以被直接使用以加速分析过程。同时相比于数仓，它能够保存更多的数据，数据的时效性也会更高，能显著提升报表的质量。2.2.业务应用价值业务应用价值 数据湖仓化不但具备数仓超高分析性能，同时也融入了数据湖的灵活性，存储和管理任意规模、类型的数据。湖仓中的数据可自由流动，通过统一元数据管理可以实现对湖仓资产进行统一管理，同时湖仓方案也具备湖仓数据联邦分析、统一开发平台以及统一管控等湖仓融合特性。通过构建数据湖仓 Lakehouse，不同角色的用户可以基于统一的数据平台简化整体的数据存储、计算、管理的流程和需求。数据湖仓也可以拆除湖与仓库之间的壁垒，无论是全局视角，还是利用存算分离技术与数据网格的架构方式，实现在满足不同使海量数据处理技术金融应用研究报告 54 用者需求的同时，实现统一标准支持和必要的资源复用，从而实现数据利用的最大价值。数据湖仓化主要的业务应用价值如下：一是更少的数据管理复杂度。使用数据湖仓 Lakehouse 的架构方式，任何已经被纳入平台的数据源都可以被直接访问或合并数据等方式以供数据价值使用，可以是直接从数据湖中的源数据，也可以是被治理后的数仓化数据；而不是从原始数据中逐步提取数据，并再经过数据处理过程后，流转到数据仓库进行最后的数据开发工作。二是降低数据治理难度并优化数据治理过程。使用数据湖仓Lakehouse 的架构方式，可以通过全面整合资源和数据源管理来简化并改进数据治理过程，并基于各类数据标准，以标准化的开放模式构建，可以更好地控制安全性、指标、基于角色的访问和其他关键管理元素等。三是提高成本的利用效益。数据湖仓 Lakehouse 的构建方式，其基础设施采用云数一体、存算分离等特性，当存储和计算资源需求不匹配的时候，可以轻松添加存储资源或计算资源，并通过数据缓存加速层优化存储资源与计算资源极度不均衡时带来的性能挑战。同时，实现不同计算需求之间的互相隔离，若有需要被启用，则无须担心不同用户之间由于计算资源竞争带来的衍生问题。最终，实现低成本数据存储，经济高效地扩展。3.技术示例 海量数据处理技术金融应用研究报告 55 数据湖仓 Lakehouse 的整体架构，并没有脱离海量数据处理技术的整体框架，而是实现了有机整合，并发挥最大限度的效能。数据仍是从各类数据源被接入，如：传统的数据库，消息队列或实时数据流，亦或者各类 IoT 设备、日志数据、爬虫数据、订阅的文件等等；但可以同时发挥数据湖和数据仓库的优势，即：将适合的数据类型存储到适合的存储方式和格式中，并形成初步的元数据构建和初步的数据治理，以类似数据仓库的数据组织方式管理数据湖中的多类型数据。基于表格式引擎和缓存加速引擎，并通过针对元数据信息和各类任务的综合性管控，实现对数据的有效组织。如：入湖时，通过元数据自动发现、一键入湖、增量迁移等实现入湖管理，生命周期内，通过库表元数据管理、小文件合并、数据分区管理等实现数据的湖内管理，各类必要的数据流转和数据治理过程，通过任务管理、作业脚本管理、监控日志管理等实现对各类任务的有效管控和自运行。通过表格式引擎进行有效的数据组织，采用缓存加速引擎优化不同存储技术的性能与接口差异，最终实现对数据的有效组织。经过初步组织后的数据，通过各类计算引擎，结合业务所需的任务流程和数据关联与流转，最终发挥数据的价值。湖仓架构同时具备海量存储系统和传统 DBMS 的优点。一方面，湖仓架构提供低成本的弹性存储，支持存储各类数据格式；另一方面，湖仓架构也提供 ACID（Atomicity 原子性，海量数据处理技术金融应用研究报告 56 Consistency 一致性，Isolation 隔离性，Durability 持久性）事务性支持、数据版本、审计、元数据管理、缓存、查询优化等。举例来说，数据湖仓组件 Iceberg 在设计之初的目标就是提供一个开放通用表格式(TableFormat)来实现湖仓一体的方案。因此，它不和特定的数据存储、计算引擎绑定。目前大数据领域的常见数据存储(HDFS、S3.)，计算引擎(Flink、Spark.)都可以接入 Iceberg。在生产环境中，可以根据实际情况选择不同的组件使用。甚至可以不通过计算引擎，直接读取存在文件系统上的数据。基于 Iceberg 可以实现海量数据处理的流批一体。上游组件将数据写入完成后，下游组件及时可读、可查询，可以满足实时场景。并且 Iceberg 同时提供了流/批读接口、流/批写接口，可以在同一个流程里，同时处理流数据和批数据，大大简化了 ETL链路。基于 Iceberg 可以实现通过 SQL 的方式进行表级别模式演进，即：数据表演化(TableEvolution)，进行这些操作的时候，代价极低，不存在读出数据重新写入或者迁移数据这种费时费力的操作。比如在常用的 Hive 中，如果我们需要把一个按天分区的表，改成按小时分区。此时，不能在原表之上直接修改，只能新建一个按小时分区的表，然后再把数据 Insert 到新的小时分区表。而且，即使我们通过 Rename 的命令把新表的名字改为原海量数据处理技术金融应用研究报告 57 表，使用原表的上层应用，也可能由于分区字段修改，导致需要修改 SQL，这样花费的经历是非常繁琐的。此外，数据湖仓组件 Iceberg 还有如下主要优点：一是分区演化(PartitionEvolution)。Iceberg 可以在一个已存在的表上直接修改，因为 Iceberg 的查询流程并不和分区信息直接关联。当我们改变一个表的分区策略时，对应修改分区之前的数据不会改变，依然会采用老的分区策略，新的数据会采用新的分区策略，也就是说同一个表会有两种分区策略，旧数据采用旧分区策略，新数据采用新新分区策略，在元数据里两个分区策略相互独立，不重合。得益于 Iceberg 的隐藏分区(Hidden Partition)，技术人员在写 SQL 查询的时候，不需要在 SQL 中特别指定分区过滤条件，Iceberg 会自动分区，过滤掉不需要的数据。Iceberg 分区演化操作同样是一个元数据操作，不会重写数据文件。二是列顺序演化(Sort Order Evolution)。Iceberg 可以在一个已经存在的表上修改排序策略，修改了排序策略之后，旧数据依旧采用老排序策略不变。往 Iceberg 里写数据的计算引擎总是会选择最新的排序策略，但是当排序的代价极其高昂的时候，就不进行排序了。三是隐藏分区(Hidden Partition)。Iceberg 的分区信息并不需要人工维护，它可以被隐藏起来。不同其他类似 Hive 的分区策略，Iceberg 的分区字段/策略（通过某一个字段计算出来）海量数据处理技术金融应用研究报告 58 不是表的字段和表数据存储目录也没有关系。在建表或者修改分区策略之后，新的数据会自动计算所属的分区。在查询的时候同样不用关系表的分区是什么字段/策略，只需要关注业务逻辑，Iceberg 会自动过滤不需要的分区数据。正是由于 Iceberg 的分区信息和表数据存储目录是独立的，使得 Iceberg 的表分区可以被修改，而且不会涉及数据迁移。四是镜像数据查询(Time Travel)。Iceberg 提供了查询表历史某一时间点数据镜像(snapshot)的能力，通过该特性技术人员可以将最新的 SQL 逻辑，应用到历史数据上。五是支持事务(ACID)。Iceberg通过提供事务(ACID)的机制，使其具备了 upsert 的能力并且使得边写边读成为可能，从而数据可以更快地被下游组件消费，通过事务保证了下游组件只能消费已 commit 的数据，而不会读到部分甚至未提交的数据。六是基于乐观锁的并发支持。Iceberg 基于乐观锁提供了多个程序并发写入的能力并且保证数据线性一致。七是文件级数据剪裁。Iceberg 的元数据里面提供了每个数据文件的一些统计信息，比如最大值、最小值、Count 计数等等。因此，查询 SQL 的过滤条件除了常规的分区、列过滤，甚至可以下推到文件级别，大大加快了查询效率。海量数据处理技术金融应用研究报告 59（四）（四）计算融合化计算融合化 1.1.建设思路建设思路 计算融合化的目的，是整合不同的海量数据计算组件，形成统一的计算、查询与分析入口，旨在解决传统大数据架构下诸如计算引擎的语言门槛高、处理引擎多而杂、海量数据计算链路长而复杂、资源利用率低、存储异构、数据孤岛等痛点和问题。其建设思路具体如下：（1）语法自适应 支持对接不同类型的外部计算（执行）引擎，包括 Presto、Livy、Hive、Flink，以及丰富多样的数据源，如MySQL、PostgreSQL、Hive、SparkSQL/Livy、Oracle、Phoenix(HBase)、ElasticSearch、Kylin、ClickHouse、Druid、Presto 等。引擎之间、数据源之间所使用的 SQL 语法存在一定的差异，作为计算分析的入口需要能够有效屏蔽语法差异做到语法自适应，从而为整合不同的海量数据处理组件提供基石。提供一套通用 SQL 语法，并通过 SQL 兼容转换功能来实现不同 SQL 语法之间的转换；做到在用户无需更改SQL 语法的前提下实现底层执行引擎的切换，通过一套 SQL 语法，自动适配不同计算引擎和数据源语法。顾名思义，SQL 兼容转换功能整体可以划分为两个模块，即 SQL 兼容与 SQL 转换。SQL 兼容：在进行 SQL 兼容时，为解决部分大数据平台语法与业务强耦合、定制化严重，以及不同语法强行融合易导致歧义的问题，遵循干净、可扩展、可替换、多场景兼容的兼容准则，海量数据处理技术金融应用研究报告 60 提供插件式的解析模块，将 SQL 语法模板化，分类管理，形成可扩展、多样的 SQL 生态。将 SQL 语法分为两大类即通用型（如SQL 标准语法，以及常见的 Spark、Hive、Flink 等大数据查询语法）、独特型（自定义语法，不具有普适性），基于分类语法模板、语义扩展定义、配置文件生成多样的 SQL 解析器，并且支持动态切换解析器，灵活性强。任意解析器得到的语法树均将转换为统一的逻辑计划，可基于此逻辑计划生成符合不同引擎或数据源方言语法的执行语句（这一过程即 SQL 转换）。默认使用通用Parser，其基于 SQL 标准语法，支持大部分通用大数据语法（如Spark、Hive 语法），适用于大部分的大数据系统组件。而对于一些与业务逻辑强耦合的自定义语法，支持自定义 SQL 模板，生成自定义解析器，通过这种做法，结合上文提及的生成统一执行计划以及下文提及的 SQL 转换，可以灵活地将业务任务切换到指定引擎。SQL 转换：SQL 转换发生在两个阶段，一阶段是通过解析器得到抽象语法树后，进行语法树重写以确保该语法树能转换为统一逻辑计划；另一阶段是基于统一逻辑计划与不同引擎或者数据源语法之间的等价映射关系，能够将逻辑计划转换为不同的引擎或数据源语法，做到执行引擎的无感切换，也为下文的智能引擎选择功能奠定基石。这种执行引擎的无感切换，不光能让平滑进行智能引擎选择，充分发挥引擎的优势特点，增加 SQL 执行效率；还能支持业务无海量数据处理技术金融应用研究报告 61 感迁移，做到在用户无需更改 SQL 语法的前提下实现底层执行引擎的切换，并且尽量最小程度地更改用户的使用习惯。通过 SQL 兼容和 SQL 转换，能够统一计算入口，整合大数据平台组件，降低大数据系统使用的门槛和繁琐程度。（2）引擎选择自适应 智能引擎选择是计算融合化的进阶功能之一，表现融合的自适应性。通过组合算法，自动为每条用户 SQL，挑选合适的不同类型的计算引擎（如 Presto、Spark 等）来执行，以提升用户体验（如响应时间快、可靠性高等）和资源利用率（CPU、内存等）。传统基于 RBO/CBO 的 SQL 优化框架，存在规则人工定制、统计信息缺失、历史流水闲置、失效资源浪费等几个主要问题。针对这些问题，可以设计一套基于历史负载的查询优化（History-Based Optimization，HBO）和基于机器学习的引擎选择。HBO 目标是分析处理历史用户 SQL 流水，以通用、抽象化的 HBO 策略，增强补充（非取代）已有的具体化 RBO/CBO 策略。机器学习算法可以自动学习 SQL 特征，更好地弥补人为规则的黑角。把 HBO 和机器学习结合起来，可以更好地降低日均提效失败（即错误选择引擎后执行失败）的 SQL 数，提升用户 SQL 的平均执行时间，减少引擎集群无效负载的同时节省宝贵的计算资源。HBO 框架的设计实现包括四个子模块；它们也代表了一条用户 SQL HBO 优化的四个串行阶段。基于引擎选择（SQL 优化）的实时性要求，整个 HBO 耗时必须控制在毫秒级。海量数据处理技术金融应用研究报告 62 查询签名：执行的所有计算类 SQL 语句（DQL/DML），无论执行结束后状态是成功还是失败，流水入库时都新增生成查询签名（Query Signature，QS）字段。查询签名是自研设计的 SQL 文本的“浓缩”表示，包含SQL访问的库表名和关键子句（Filter/Join/GroupBy/Orderby）中包含的列名。通过 QS 来匹配判断当前用户 SQL 与哪些历史 SQL“HBO 等价”，然后通过分析汇总这些历史等价 SQL 的执行特征，来决定当前 SQL 是否应选某类引擎执行。索引宽表：HBO 要求为每个最新提交的用户 SQL，从历史流水库中查找其最近一段时间内等价的历史 SQL 集。依赖外部的统一元数据服务，固化缓存 HBO 索引宽表来解决检索的实时性能问题。宽表的每一条记录对应一条历史查询，包括查询签名、执行时间、引擎类型、结果状态、数据量、引擎 shuffle 数据等信息。历史检索：基于查询签名的完全匹配（exact match），调用统一元数据服务的 REST API，返回最近历史区间（如一周）内的索引宽表记录集。通过不同的 API 入参，指定返回记录集的最大行数、起止日期、超时时间等属性，确保检索的实时性能（平均 100ms）。提效判定：分析统计获取的历史记录集，综合执行时间、失败率、引擎分布等数据，对比系统阈值参数，决定是否对当前 SQL选择使用的某类计算引擎来执行。（3）计算运行时自适应 海量数据处理技术金融应用研究报告 63 传统的大数据架构下，整个计算链路通常是单向的，上层计算缺少底层状态（比如资源状态）的反馈。单向链路虽然简单，但会造成计算资源不均衡、资源利用不充分等问题。算力感知是计算融合化的又一个进阶功能，是自适应计算架构里底层反馈的桥梁，让上层计算具备感知资源状态的能力，进而自适应地调整资源使用。通过算力感知，可以获取计算资源整体的资源状态以及单节点详细的算力指标，上层计算借此自适应地动态调整计算决策、资源使用、任务调度等。以 Presto 为例，作为一款典型的 MPP 架构、纯内存计算的交互式查询引擎，为了追求性能的最大化，Presto 会尽可能地利用节点上可用的资源，包括 CPU/内存/网络带宽等，节点间的物理资源规格也需要尽可能保持一致。然而在实际的使用场景中，节点的 CPU/内存等负载（算力）是随时波动的，而 Presto 的原生任务调度策略并未将节点的算力考虑在内，导致在节点算力明显下降的情况下，计算任务会受到严重的影响，从而产生长尾问题。为此，Presto做了针对性的优化，在动态的计算环境中，通过感知节点算力的变化，自适应地调整计算任务的调度，避免低算力节点的影响。Presto 自适应任务调度主要分为：Task 自适应调度与 Split 自适应调度，方案实现的核心思想是：根据节点的算力情况动态分配 Split 和 Task。Presto Coordiantor 在运行过程中，会实时感知 Worker 节点的算力变化情况，同时计算出对应的节点可用算力权重，在Task 和 Split 的调度过程中，针对不同的算力权重，根据模型海量数据处理技术金融应用研究报告 64 计算出相应的 Worker 上还可分配的 Task 或 Split 数目，对于算力严重下降的节点，少分配或不分配 Task 或 Split，尽量避免长尾问题，从而做到自适应的调度。自适应调度效果：当计算Task 在 CPU 波动比较大的节点上，会造成明显的计算长尾的问题，拖慢整个任务的运行，如图 5 所示，在没有开始自适应调度的情况下，Task 的执行时间波动很大。图 5：无自适应调度下 Task 执行时间波动较大 在开启自适应调度后，Task 会避免调度到 CPU 算力差的节点，有效地消除长尾问题。如图 6 所示，Task 的执行时间更加均衡，避免长尾问题影响整个计算任务的性能。图 6：有自适应调度下 Task 执行时间比较均衡（4）资源自适应 海量数据处理技术金融应用研究报告 65 面向大规模集群部署，多集群是运维管理的常规手段。但从资源管理的角度，多集群会带来诸多问题：一是资源对业务不透明，业务在使用计算资源时，需要人为指定特定集群。人为选择集群的方式不仅麻烦，也会带来集群负载不均衡的问题；二是由于资源不能统筹管理，资源整体利用率不高。资源自适应的目标是能够把所有资源统一管理起来，对计算提供统一的资源池，对资源统一调度，打破集群间的隔离问题，实现对资源的公平共享，充分利用空闲资源，提高资源利用率，同时对业务透明化。资源自适应主要包括集群间弹性伸缩和集群内资源调度。每个租户对应一个虚拟 K8S 集群，每个租户都有最低的资源保障，租户之间能借用资源，也可以借用集群空闲资源。通过自适应调配资源，打破集群间的隔离，充分利用不同业务的潮汐效应，错峰使用资源，提升整体的资源利用率。（5）数据编排自适应 在公有云、私有云、内网不同场景中，大数据底层存储是异构的，主要涉及 COS、HDFS、Ceph、Ozone 等。面向异构化的存储，自适应计算平台构建了一层统一的数据编排层，位于计算和存储之间，透明化存储差异。通过适配不同的权限和认证体系的统一的存储 Client，解耦计算和存储，避免不同计算引擎和不同存储间的相互适配工作，让计算和存储更加专注。海量数据处理技术金融应用研究报告 66 在大数据场景中，每天产生海量的数据，而数据治理往往赶不上数据积累的速度，海量元数据以及小文件会给存储 Master节点（例如 HDFS NameNode）极大压力，造成性能抖动。数据编排层会自适应缓存存储元数据，以及自动小文件合并，减轻Master 节点压力，同时在跨 DC 数据访问时，加速元数据访问，提升数据访问速度。2.2.业务应用价值业务应用价值 以自适应作为串联不同系统的能力抓手，通过自动、智能的方式解决传统大数据架构中的痛点问题，以实现海量数据处理过程中的计算融合化，其业务应用价值如下：（1）语法自适应：统一不同的计算入口，自动适配不同的SQL 语法和标准，降低大数据系统使用门槛。（2）引擎选择自适应：根据 SQL 特点和历史执行信息，实现 SQL 引擎的智能选择与加速，自适应调优计算参数，提升整体计算性能，降低失败率。（3）计算运行时自适应：根据运行时状态和信息反馈，动态调整计算执行拓扑，解决大数据计算执行链路复杂，稳定性低的问题。（4）资源自适应：统一资源管理，屏蔽各类资源的性能差异，使业务能透明地使用资源；通过自适应地弹性扩缩，资源借调，最大化资源使用效率。海量数据处理技术金融应用研究报告 67（5）数据编排自适应：实现不同异构存储场景下的存储加载策略，自适应不同架构下的数据融合计算需求，通过自动数据冷热分层，多级缓存，提升存储访问性能。（6）场景架构自适应：适配多云混合架构，实现最优的跨集群、跨 DC、跨云计算路由，打通数据链路，解决数据孤岛。3.3.技术示例技术示例 计算融合化提供了完整的端到端的大数据解决方案，适配公有云、私有云、内网不同的场景。整个架构可以分为四层：核心引擎层、计算层、资源层、数据编排层。核心引擎层是统一计算入口和智能决策中心。对外提供一套通用 SQL 语法，并自动适配计算引擎的不同 SQL 标准。同时汇总来自元数据、历史流水、底层集群状态等不同信息，通过组合算法做出 SQL 自适应优化、物化视图自主构建、引擎智能选择、计算参数调优等重要决策，从而影响整个计算的生命周期。计算层会根据不同场景，采用不同的计算引擎，其中 Spark负责 ETL、报表场景，Presto 负责交互式查询场景，Hermes 负责日志检索、用户画像场景，Doris 负责数据湖查询分析，PowerFL负责安全数据计算。核心引擎层根据 SQL 特点和使用场景选择最佳的计算引擎。为了保证计算在不同架构下的计算稳定性，Remote Shuffle Service（RSS）提供统一的数据 Shuffle 服务，实现计算执行拓扑自适应。海量数据处理技术金融应用研究报告 68 资源层整合云上和云下资源，把能够把所有资源统一管理起来，对计算提供统一的资源池。通过资源自适应调整、租户间资源弹性调度、集群中资源借调等手段，统筹管理调度资源，提升资源整体利用率。数据编排层适配不同异构存储，透明化存储差异，解耦计算和存储。自主学习数据访问模式，自适应缓存热点数据和元数据，加速数据访问性能，提升集群稳定性。（五）（五）研发运营一体化研发运营一体化 1.1.建设思路建设思路 在数据驱动的大背景下，组织内的数据意识已经逐渐成熟，数据相关的需求激增。但是技术引擎的动力略显不足，数据项目链路长、协同差、数据准备的时间长、数据需求的质量低等问题放慢了企业转型的步伐。研发运营一体化（以下称为 DataOps）以破局者的身份出现在大家的视野当中，为企业的数据引擎换挡。DataOps 在组织、流程和工具三个方面对企业产生影响。要求组织内人员更深入地吸收数据文化、加强协作，重构数据工作流程，加强一体化设计的数据开发、治理、运营运维、应用的平台优化，具体要求如表 4 所示：表 4 DataOps 在组织、流程和工具的具体要求 序号 名称 要求 1 组织 数据思维纳入组织通识教育，专注于效能与协同的岗位，决策层的战略支持。海量数据处理技术金融应用研究报告 69 2 流程 标准化数据工作程序，从面向交付到面向业务，降低对个人的依赖。3 工具 使用者不仅限于技术人员，强化一体化设计能力，并可进行持续优化。DataOps 标准的建设目的在于：一是确定 Dataops 概念意义、明确 DataOps 实施流程、把握企业发展阶段和方向；二是通过标准引领的方式，引导企业快速接纳 DataOps 文化，提供 DataOps的建设方法；三是以评促建，通过自评或三方评估的方式，对DataOps 能力查缺补漏。以下重点从工具能力建设上总结出 DataOps 的 3 个层次 4个核心能力，助力企业加快数据洞察的步伐，具体分析如图 7 所示：图 7 DataOps 的层次和核心能力 海量数据处理技术金融应用研究报告 70 DataOps 的 3 个层次如表 5 所示：表 5 DataOps 的基础层、开发层、治理层说明 层次 名称 说明 基础层 多 环 境（集群）管理 在基础层支持多环境多集群管理，支持一套统一的平台来对接多套不同规模、不同类型的集群，支持大数据平台、MPP 数据库等各类数据库作为计算引擎，提供统一的开发与应用体验，具备跨云部署以及对跨云 EMR 的兼容能力，面向多云场景提供统一开发、统一管控能力，用户可在不同的集群环境中（同类型引擎）实现代码及相关资源的无缝发布。开发层 数 据 全链 路 流水 线 开发 按照数据开发的基本过程，分为：模型设计、数据开发、部署上线、质量稽核 4 个步骤，日常用户的主要操作均是在这 4 个步骤之中。治理层 统 一 元数 据 管理、质量管理 治理层主要包括统一元数据及质量管理两块能力，细分下还包括全域血缘打通、资产分析、质量管理等。4 个核心能力如表 6 所示：海量数据处理技术金融应用研究报告 71 表 6 DataOps 的 4 个核心能力说明 能力项 说明 统一调度编排 需支持分布式调度引擎，支持百万级别复杂依赖调度。调度平台为底层通用能力，离线、实时、质量稽核等各任务均使用统一的调度能力。统一监控/告警 支持统一的告警通道，不同的产品模块内可能都会使用告警能力，例如离线任务突破基线、实时任务失败、API 调用失败、质量稽核未通过等。针对某个告警通道仅需开发一次，即可在各个产品内使用此告警方式，例如短信、邮件，企业微信、电话告警等。安全保障 主要包括系统安全、数据安全、安全审计等。团队协作 责任人机制、锁机制、用户组。2.2.业务应用价值业务应用价值 随着时间的推移，数据的数量、频率、多样性都在增加，在一个万物皆可被度量的时代，数据积累的速度超过大部分企业跟上其脚步的速度。这也意味着能够帮助企业完成自动化日常任务，提高数据质量，促进不同团队之间的协作，带来更准确的洞察和分析，以及助力企业进入敏捷、自动化和加速的数据供应链环境的 DataOps，未来将会在企业的数智化蜕变中，发挥不可小觑的作用。海量数据处理技术金融应用研究报告 72 DataOps 提供支持全链路协作的数据规划、集成、建模、开发、治理、分析、服务等工具能力，通过严谨的 CI/CD 流程规范和自动化的测试发布运维加持能力，缩短从原始数据加工到业务应用数据的路径，并在数据治理能力的加持下，输出准确、及时、有效的数据，提升效率的同时保障数据质量，为上层各类数据应用赋能。主要核心业务应用价值如下：（1）协同，围绕数据价值链基于协作空间使数据团队不同的角色更好地协作，打破团队间孤岛，缩短从原始数据到数据价值的路径。一站式：支持开发、分析、运维和运营多种场景；全链路操作，无需多平台多工具间来回切换。多角色协作：基于 DataOps 倡导的团队协作理念，在保障数据安全和资源隔离的情况下，不同的数据团队角色围绕项目进行协作。（2）效率，基于 DataOps 敏捷迭代、自动化流程和工具提升数据可靠性，加快数据生产和分析链路效率。敏捷易用：通过增量式代码开发和发布、代码自动补全、可视化图拉拽方式进行流程设计，快速易用支持业务开发。开发灵活：开发模式适应多场景，支持先开发后编排以及先编排后开发。海量数据处理技术金融应用研究报告 73 高性能可扩展：高性能调度引擎，支持日千万级任务调度，可对接多种引擎并支持引擎扩展，默认支持大多数 JDBC 接口的引擎。（3）一体，服务企业数据管理、数据生产、数据应用、数据运营 多个角色，给予不同视角一体化的产品体验。全链路生产治理：通过事前规划、事中异常阻断、事后质量和成本分析以及数据流通安全管控为数据的生产和消费提供有力的质量和安全保障。一站式运营治理：基于数据自服务和民主化理念，在安全稳定的基础上，通过数据地图、数据洞察和共享，让数据的查找、理解、分析和共享更容易。（4）质量，贯穿事前中后的数据质量控制，融入 DataOps 管道式开发流程，全面保障数据质量提升。数据任务/工作流提交版本前要求通过在线调试，在线调试会自动拉起数据表对应的质量监控任务。敏捷数仓建模工具在数据建模时支持直接引用事前定义好的数据标准，在源头上做到落标。遵从数据标准的表在进行数据集成任务时，支持对脏数据设置零容忍阈值来做到贯标。3.3.技术示例技术示例 数据研发运营一体化（DataOps）：是数据开发的新范式，将敏捷、精益等理念融入数据开发过程，通过对数据相关人员、海量数据处理技术金融应用研究报告 74 工具和流程的重新组织，打破协作壁垒，构建集开发、治理、运营于一体的自动化数据流水线，不断提高数据产品交付效率与质量，实现高质量数字化发展。其技术能力实现框架示例如下：（1）研发管理 在数据研发环节，通过串联数据模型设计、标准设计、质量设计，数据集成、数据存储、数据加工等流程，建成数据研发治理一体化能力，提升数据产品交付质量。一是强化需求评价，明确数据需求内容，降低沟通成本。二是通过“先设计，后开发”的方式，在建模环节做好数据标准、质量的设计。三是构建、离线、实时、数据挖掘的一体化开发能力，并在开发任务链中嵌入数据质量稽核能力，及时解决质量问题。四是为业务人员提供便捷的数据自服务空间，支持数据需求自主探查，缓解需求响应和交付压力。（2）交付管理 在数据产品交付环节，通过强化对数据版本和代码版本的管理，构建 CI/CT/CD 自动化流水线，提升测试与部署效率，降低人为风险，提高数据交付效率与质量。一是建设自动化测试流水线，加强对单元测试、集成测试的管理，对代码质量、数据质量均进行测试，提前发现问题、处理问题。海量数据处理技术金融应用研究报告 75 二是加强版本控制与环境管理。对代码版本与数据版本都进行管理，保证各阶段数据的实时可用性和可验证性。三是建设自动化部署发布流水线，加快数据部署效率，降低人为操作风险。（3）数据运维 在数据运维环节，通过构建完整监控体系，对研发资源运转情况、变更情况进行跟踪，提高全链路可观测性，及时发现问题、定位问题、处理问题，保障数据开发流水线平滑高效运转。一是构建完整的监控体系，对开发流水线运行情况、质量情况等进行时刻监控预警。二是对数据资源、计算资源、存储资源等进行调度优化，合理分配相关资源，优化运维成本。三是打造标准化、敏捷化变更流程，应对开发流水线的各类变更场景。四是构建异常管理知识库，构建自动化运维能力，提升运维效率。五是基于数据流水线运行情况，持续对流水线任务编排情况、平台配置情况进行调优，不断提升开发流水线性能。（4）价值运营 在价值运营环节，关注各项数据成本的开支，打造开放的反馈机制，通过量化指标驱动数据的精细化运营，提升数据研发质效。海量数据处理技术金融应用研究报告 76 一是细化数据产品交付和维护成本核算，精细控制相关资源投入，识别并减少浪费。二是打造反馈机制，及时收集数据研发各环节堵点问题，深挖问题源头并持续改进。三是构建完善的量化指标体系，对数据开发流水线交付效率、需求响应速度等进行定量评估，不断优化工作流程和资源分配策略。（5）系统工具 在系统工具建设方面，按照 DataOps 理念打造平台能力，构建完整工具链，为敏捷化、一体化、自动化的数据研发流水线提供强大技术支撑。一是支持代码线上流转，遵从“先设计，后开发”的建设原则。二是构建 CI/CT/CD 能力，支撑自动化的测试流水线与部署流水线功能，能够对代码和数据进行版本控制。三是支持对数据研发全链路的监测与报警功能，通过大屏展示等形式实时展现研发效能、质量等信息。四是建立全链路数据安全监测与管控能力，在数据研发全生命周期中落实权限的管控、敏感数据脱敏加密、高危操作审计等功能。（6）组织管理 海量数据处理技术金融应用研究报告 77 在组织管理方面，关注架构设置，岗位角色职能划分与发展规划，借助敏捷方法持续优化人员、工具的协同水平。一是合理配置企业内部的数据技术架构、数据人员架构。二是设置相应的岗位角色，明确晋升路线与考核方式。三是依托敏捷方法，着重关注团队、工具间的协同问题，并持续进行优化。（7）安全管理 在安全管控方面，构建完善细致的安全风险管理体系，并在DataOps 各个环节中全面嵌入安全屏障。一是加强对数据研发全生命周期中的风险识别，风险预测。提前制定风险预案，将风险的影响持续降低。二是结合外部法律法规、监管要求与企业内部安全需求，健全风险管理策略并不断更新完善。三是主动对数据研发过程的各环节进行安全测试，提前发现问题、处理问题。海量数据处理技术金融应用研究报告 78 五、发展趋势和展望 金融业一直都是大数据、人工智能等各种前沿技术理想的试验田，金融业积累的海量数据可以供从业人员不断测试、优化、完善各类新兴技术，并同时挖掘、探索金融业新的使用场景，进一步赋能金融业的创新和发展。未来海量数据处理技术对金融业的发展具有重要意义。一是提高决策能力：海量数据处理技术可以帮助金融机构更好地理解和利用数据，从而提高决策的准确性和效率。通过分析大量的历史数据和实时数据，金融机构可以更好地预测市场趋势、评估风险和发现投资机会，这将帮助投资者做出更明智的决策，提高投资回报率。二是优化风险管理能力：海量数据处理可以帮助金融机构更好地识别和管理风险。通过分析大量的数据，金融机构可以更准确地评估风险，并采取相应的措施来降低潜在的风险。这将提高金融机构的稳定性和可持续性。三是增强个性化服务能力：海量数据处理技术可以帮助金融机构更好地了解客户需求和行为模式。通过分析客户数据，金融机构可以提供更个性化的金融产品和服务，满足客户的特定需求，提高客户满意度和忠诚度。这将帮助金融机构在竞争激烈的市场中获得竞争优势。四是提高交易效率：人工智能和海量数据的算法等技术可以帮助金融机构更快速地处理和分析大量的交易数据。通过提高交易速度和决策效率，金融机构可以降低交易成本，提高交易效率和利润。这对于高频交易和算法交易尤为重要。海量数据处理技术金融应用研究报告 79 随着技术的不断发展，海量数据处理技术在金融业中将发挥更重要的作用，并带来更多创新和机会。本章节将介绍几类目前发展较为热门的技术，包括生成式人工智能、实时数据湖仓、数据网格、数据编制等，并简单探讨这些技术的基本概念和优势。（一）（一）生成式人工智能驱动数据技术生成式人工智能驱动数据技术方面方面 在当今数字时代，数据成为推动技术创新和商业决策的重要驱动力。然而，许多行业面临着数据获取不足、质量不高以及数据样本不平衡等挑战。这些问题严重影响了人工智能模型的性能和应用。随着人工智能技术的迅速发展，生成式人工智能驱动数据技术正在崭露头角，为数据处理和分析领域带来了一系列创新解决方案。生成式人工智能是一类人工智能模型，其主要目标是生成新的数据样本，这些样本与训练数据类似。生成模型通过学习训练数据的潜在分布和特征，能够生成逼真的图像、音频、文本等。其中，Transformer 模型和 GANs（生成对抗网络）是生成式人工智能的代表性模型。1.1.数据增强与样本生成数据增强与样本生成 数据增强是利用生成模型合成新的数据样本，从而增加训练数据的多样性，改善模型的泛化能力。在自然语言处理领域，通过生成式语言模型，可以轻松地生成大量与原始数据类似的句子，从而扩充数据集。在计算机视觉中，生成式模型能够生成具有各种变换和扰动的图像样本，有效提高了模型的鲁棒性和准确性。海量数据处理技术金融应用研究报告 80 此外，生成式人工智能也可以用于样本生成。在医疗影像诊断中，数据收集是一项耗时且昂贵的任务。通过使用生成式模型，可以合成大量的医疗影像数据，帮助加速医学图像处理和疾病诊断的研究进展。2.2.数据清洗和修复数据清洗和修复 数据质量是影响人工智能模型性能的一个重要因素。然而，现实中的数据往往会受到噪声、缺失或错误等问题的影响。生成式人工智能为数据清洗和修复提供了新的解决思路。生成式模型可以学习数据样本的分布规律，进而自动纠正损坏或缺失的数据。例如，在自然语言处理任务中，模型可以通过生成合理的上下文信息来修复错误或缺失的单词或短语。这种技术在提高文本数据质量和减轻数据预处理负担方面具有巨大潜力。3.3.数据合成与扩充数据合成与扩充 在某些应用场景下，真实数据难以获得，或者可能涉及隐私或版权问题。生成式人工智能提供了一种安全且有效的方式来生成合成数据，以替代真实数据进行模型训练或测试。在自动驾驶技术开发中，生成式模型可以生成大量虚拟驾驶场景，用于测试自动驾驶系统的稳定性和安全性，而不必依赖于真实道路测试，从而降低了测试成本和风险。海量数据处理技术金融应用研究报告 81 4.4.自动数据标注自动数据标注 数据标注是训练监督学习模型所必需的，但通常需要大量的人工劳动。生成式人工智能技术为自动数据标注提供了新的解决方案。通过结合生成式模型和半监督学习方法，我们可以自动生成标注数据，从而减轻了人工标注的负担。例如，在图像分类任务中，生成式模型可以自动给图像生成标签，从而用于训练分类器。5.5.生成数据模型与查询语句生成数据模型与查询语句 通过接入最全面的企业内部数据源及数据资产元数据目录，内部数据模型由提示词驱动 AIGC（Artificial Intelligence Generated Content，AIGC），查询结果由 LLM（Large Language Model，LLM）进行解读分析，构建由业务需求及即席查询需求驱动的抽取建模。整个过程包括业务模型分析、自动生成数据模型、规划查询步骤、生成查询并执行、查询结果判读、多次迭代或并行执行进行分析探索、（二）（二）实时实时数据湖仓数据湖仓方面方面 最早实时湖仓中实时强调的是流式 ETL 能力，湖仓则指的是基于 Lakehouse 的湖仓存储。随着 OLAP 组件近期纷纷加入湖仓的查询支持，例如 StarRocks 实现了自适应从湖仓加热和降冷到湖仓，实时湖仓中的仓支持也泛指了 OLAP 对 Lakehouse 分析，整体实时湖仓架构如图 8 所示：海量数据处理技术金融应用研究报告 82 图 8 实时湖仓架构图 1.1.基于基于 FlinkFlink 的流式的流式 ETLETL 能力能力 数据 ETL 是大数据分析的典型数据处理链路，业务系统的原始数据经过 Extract 到达数仓贴源层(Operation Data Store，ODS)，经过 Transform 转换成数据明细层（Data Warehouse Detail，DWD），经过数据建模或者分析的结果 Load 到数仓服务层(Data Warehouse Summary，DWS)供后续应用层例如 BI 使用。基于 Flink 构建大数据实时链路是业界应用最为广泛的方案之一，2023 年 SIGMOD 的最佳系统是 Flink 已经证明。2.2.基于基于 IcebergIceberg 的的 LakehouseLakehouse 架构架构 早在 2020 年，当 Lakehouse 概念提出时，有关企业就调研了业界相关开源产品来构建公司的湖仓一体架构。无论从软件架构设计、代码质量还是 license 多个维度来看，Iceberg 在当时都是最适合应用的一个项目。（1）软件架构上：它的核心能力与存储引擎、计算引擎解耦并抽象出一套核心能力的 API，使用 Iceberg 的厂商可以根据业务需求自行扩展 API 来构造自己的存储和计算支持。例如业界海量数据处理技术金融应用研究报告 83 有多个基于 Iceberg FileIO API 构造的存储支持，其中贡献到开源社区的有 AWS S3FileIO、Dell EcsFileIO、Google GCS FileIO、Aliyun OSSFileIO，类似的还有 Catalog、TableScan等。（2）代码质量方面：基本上它的每一个 PR 都是经过严格Review，整体 UT 的覆盖率也比较高。（3）合规方面：Iceberg 贡献给 Apache 基金会，商业使用上是较为安全的。图 9 Iceberg 架构元数据组织方式 Iceberg 最初是为了解决上云后数据规模变大后 Hive 无法继续服务的问题而立项，Hive 分区信息存储在 Metastore 背后的数据库里。当元数据本身成为大数据时，相关的数据库就会成为瓶颈，特别在大表读取场景下分区信息扫描会给数据库带来压力，分区目录下文件扫描会给存储元信息服务带来压力（List 操海量数据处理技术金融应用研究报告 84 作对 HDFS 或者对象存储都有巨大开销）。而 Iceberg 架构的元数据组织方式（如图 9 所示）可以有效地解决这些问题。Iceberg 通 过 快 照 机 制 支 持MVCC（Multi-Version Concurrency Control，MVCC），它在快照中保存了库表的基础元信息，同时引入 Manifest 文件(avro 格式）记录和组织了数据文件。通过从 snapshot 到 Manifest 再到 datafile 的组织的方式规避了传统数仓元数据相关问题。这种元数据的组织方式以及快照功能非常适合 Flink 流式入湖和流式增量读取从而实现流式 ETL(Extract,Transform,Load)。此外，流式入湖使用较短的 commit 间隔生产快照使得数据在较低延迟内可见。通过快照的时间戳或者快照 ID 获取增量数据使得 Flink 流式增量读取变得非常灵活，同时它还提供了类似消息系统的多种消费策略使得可以进行灵活的增量读取，所以 Iceberg 成为构建实时湖仓的最为流行的组件之一。3.3.智能湖仓服务智能湖仓服务(Auto Optimize)(Auto Optimize)流式入湖通过快速 commit 可以降低数据延迟，但也导致了元数据过多的问题。Iceberg 的元数据组织方式将元数据过多的问题转成元数据文件过多，从而将问题转化到擅长处理这种问题的大数据存储系统，例如对象存储系统。但是大量的小文件，一方面会降低后续的数据分析的性能，另一方面会给用户带来较大的存储和维护成本。未来需要构建智能湖仓服务(Auto Optimize，下面简称 AO)，通过异步的方式对湖仓进行多种优化，包括小文海量数据处理技术金融应用研究报告 85 件合并、数据生命周期管理、元数据清理，智能索引创建，数据排序和重分布等。AO 整体的架构如图 10 所示：图 10 智能湖仓服务架构图 AO 是基于规则和反馈的事件驱动框架。表的 scan,commit,schema change,properties change 等事件汇报到 MQ,AO 消费这些事件并让事件经过预先定义好的一些优化规则生成一些优化任务放到 MQ，再由相关模块消费任务相关 topic 并根据资源、之前类似任务执行效果调整参数后下发任务到调度系统。总的来说，实时湖仓搭配 AO 不仅可以持久稳定地工作，还能实现湖仓存储数据的持续优化。4.4.更多的湖仓场景展望更多的湖仓场景展望 实时湖仓除了覆盖数仓的经典场景，一些新的特性也使得一些过去无法在数仓上实现的场景成为可能，例如，全链路 CDC（Change Data Capture，CDC），多流拼接，特征工程等场景。海量数据处理技术金融应用研究报告 86（1）基于 Branch 的全链路 CDC 基于数据库 binlog 的 CDC 方式进行流式数据库增量同步方式已逐步成为一种主流的数据库同步方式，相比过去的数据库同步方式它具有几个优势：1)能够捕获所有数据的变化，捕获完整的变更记录；2)每次 DML（Data Manipulation Language,DML）操作均有记录无需发起全表扫描进行过滤，拥有更高的效率和性能，具有低延迟，不增加数据库负载的优势；3)无需入侵业务，业务解耦，无需更改业务模型。数据库通过 CDC 方式同步后，用户还会基于库表构建下游的数据处理链路，一般是通过增量消费实时湖仓表的方式进行。实时湖仓支持的增量消费分为两种类型：一种是只读取增量更新后的数据；另外一种是需要读取更新前后的数据，即 change log feed 模式。根据不同的消费模式有两种流式写入方式，一种是通过 Merge on Read 模式 upsert 到 Iceberg 库表，但是 Merge On Read 模式在生成回溯 Change Log Feed 时性能较为一般。Iceberg 从 1.2.0 版本后开始支持 Branch&Tags 功能，用户可以像使用 git 一样管理数据的版本和分支。未来我们会使用 Branch&Tags 的功能实现了一套全新的 CDC 写入和读取逻辑，使之可以快速地生成回溯记录（Change Log Feed)。基于 Branch 全链路 CDC 的设计方案如图 11 所示：海量数据处理技术金融应用研究报告 87 图 11 Branch 全链路 CDC 设计方案图 （2）多流拼接 多流拼接是广告大数据一种常见场景，它是指多个业务指标流拼接成一个大宽表。在过去的生产实践中常见的做法是通过KV引擎如 HBase 实现，或者通过 Flink 本身的多流 Join 功能实现。使用 KV 引擎实现多流拼接的主要问题是成本比较大且无法scale 到较大数量级，而使用 Flink 进行多流拼接则因为 Flink无法容纳较大的状态无法支持不同流时间相差较多的场景，如广告场景下曝光、点击、转化流的时间差可达几天以上。流程如图12、图 13 所示：海量数据处理技术金融应用研究报告 88 图 12 多流拼接流程图（1）图 13 多流拼接流程图（2）实时湖仓提供了一种全新的思路支持多流拼接的能力，通过将多个流分别写入到大宽表的不同列，并通过异步合并的方式达到拼接成大宽表的目的。写入逻辑与拼接逻辑的解耦使得拼接的获得较大的灵活性，用户可以定制拼接逻辑以及使用不同的引擎海量数据处理技术金融应用研究报告 89 来进行拼接，拼接执行时也可以根据延迟的需求来选择不同的算力来执行。（3）Deep Lake 在机器学习领域，Deep Lake 场景对 git-like 使用方式的需求，非常适合使用 Branch&Tags feature 进行支持。流程如图 14 所示：图 14 Deep Lake 流程图 海量数据处理技术金融应用研究报告 90（三）（三）数据网格数据网格方面方面 海量数据处理在传统观念和经典的最佳实践中，一般会将大量的原始数据集中起来，而后经由专业的数据分析团队完成数据维护和开发，最终由专业的数据团队结合业务部门需求完成数据价值。这样的数据组织形式很好地解决了数据碎片、零散分布、数据标准不一致等挑战，并由专门的数据团队负责维护的专业数据平台很好地保障了数据价值的发现和落地，协助业务部门更好的实现业务需求，业务部门可以完全专注于业务价值。随着技术的发展，海量数据处理相关的技术栈有了极大的易用性提升，再加上数据的价值不断被证明，业务部门的数据分析需求也日趋旺盛。一方面，数据需求被释放，再加上变得相对简单的交互方式，让业务部门具备了直接完成对简单需求的分析和处理能力；另一方面，数据所有者对业务和数据是十分熟悉的，而数据分析师或数据开发工程师对技术方面有着深入的研究，若数据服务于业务，就需要业务部门了解技术的能力边界，同时数据部门深入了解业务细节，海量数据处理技术的发展和多年的人才积累打破了技术和业务的壁垒。数据网格便是为了更好地适应上述变化形成的一种数据架构概念，以“数据自治”为核心，不同的业务部门自行认领并管理自己的数据和服务，在统一的技术平台和资源池中，形成自己的数据产品，并自治管理。与其他部门的数据共享主要是利用API进行数据订阅或推送的形式，从整体来看，类似工业流水线，每海量数据处理技术金融应用研究报告 91 一个节点构筑自己所需的数据价值挖掘并持续创新，对自己的下游提供符合标准的数据产品即可。数据网格将之前完全耦合的数据平台，升级为以标准进行不同数据产品衔接的统一数据平台。类似“流水线”的设计将有助于数据价值创新，只要确保数据产品之间的“标准”没有变化，数据产品节点内部的创新不会影响其他数据产品，最终避免因一个小变化却牵一发而动全身。上述这些是基于数据架构方面的，而海量数据处理所用技术栈和所用资源方面仍是统一和集约的，故可以在全局角度，在不同数据产品间实现一种联合治理形式，以支持不同部门数据产品彼此的灵活性、操作性和协同体验，在促进数据创新的同时避免数据碎片化。除此之外，数据网格的有效利用也会带来下述优势。一是，更加广泛的参与度和更容易的价值挖掘。数据网格的数据架构方式，使得数据能力的构建不只限于数据科学家、数据工程师、数据分析师等技术团队，而是不同的业务部门甚至于管理部门也可以平等且容易地参与数据能力构建过程。通过面向价值的数据架构设计，使数据价值可以更容易被发现，减少数据孤岛和运营瓶颈，让业务部门实现更快决策，让技术部门可以专注在复杂事件的处理和技术栈持续迭代优化等任务。二是，更低的成本与更高的效率。采用分布式的数据架构，将粗旷的数据处理阶段精细化；精细化的方式，使得我们不再需海量数据处理技术金融应用研究报告 92 要等待全局或大流程中的某一个阶段所有的数据处理完成后才进行下一个大处理阶段，只要上游数据产品可用，下游数据产品的数据处理过程就可以启动，无需由于与自身数据分析无关的数据而长时间等待，最终获得更好的数据处理效率。而由于精细化后，数据需求按照各自不同的特点自然散落在不同的时间段处理，避免了同类资源的同时间段的竞争抢占，避免出现某一时间段数据集成资源紧张但计算资源闲置，而后又随着整体过程计算资源繁忙而数据集成资源闲置的情况，可以在整体上更加平衡地使用整体集群资源，以获得更好的成本。三是，更高的技术栈灵活性。集中式的数据架构由于数据关联的复杂性，数据关联间的复杂性会导致对底层技术栈的直接锁定，技术栈是持续向前发展的，当面对有巨大价值的新技术时，被锁定的技术栈往往无法实现快速且安全的升级，此时，我们面对的不再是多个小问题，而是一个大的挑战。数据网格，采用分布式的数据架构方式，只要确保数据的上下游标准的可靠性，就可以将整个平台的大挑战，切分为每一个业务部门甚至于每一个数据产品的小问题；最终，新的需求、新的数据产品采用新的技术栈，而稳定的数据产品保持其自身技术栈，避免了由于技术因素导致数据架构的被迫全面升级，也不必担心由于技术升级带来潜在新的风险挑战。海量数据处理技术金融应用研究报告 93（四）（四）数据编织数据编织方面方面 业务部门不同，数据特征和数据分析需求也不尽相同，这就导致不同的场景有着各自的海量数据处理特征，进而衍生出各自的海量数据处理平台。若非全局已经采用数据网格的思路构建，由于技术栈差异和数据标准不同，建设周期的不同，不同平台的数据湖、数据仓库、数据湖仓之间，很难形成高效的联合利用，要么需要持续投入精力确保不同单元之间的数据交互可靠与可用性，要么就随着时间的推移逐步变成各自的处理逻辑，最终造成即便是一份数据源，经过各自逻辑处理后，不但数据标准可能不一致，甚至数据细节也出现不一致的情况。数据编织便是为了解决该问题的一套数据架构解决方案，实现集中、连接、管理、治理来自不同系统和应用的数据，以避免数据的标准不一致、数据被处理的逻辑不统一、数据沼泽化等问题。相较于传统方式，数据编织引入了 AI、机器学习和数据科学等技术手段，将基于人工的静态数据管理逐步向支持数据动态整合的方向演进，进而实现数据工程能力和特征工程能力的有效整合，并保持自动执行数据管理流程的持续有效，确保数据的统一、清晰、丰富、有效。最终，数据可随时被用于分析、AI 以及机器学习等应用场景，也可以随时被用户即时探索，亦或是被开发者进行数据产品或业务系统的高效构建，以适应快速变化的业务需求。海量数据处理技术金融应用研究报告 94 数据编织本质上是一种理念实践。不同于数据湖仓对数据持续集成、清洗、加工等对数据中内容的关注，数据编织是通过数据源的自动检测和元数据的主动发现，增强数据与业务的关联和实时性；通过数据知识图谱的构建，加强数据价值呈现；通过数据自动编排和动态集成，形成动态可持续的数据服务。部署数据编织技术后，用户能实现更准确、更高效、更智能的业务运营。金融机构可以通过各种渠道掌握有价值的数据，如通过客户的银行卡和信用卡使用情况、投资、保险以及税务申请等。金融服务提供商可以基于数据编织技术，管理、分析、保护这些敏感且高价值的数据。数据网格和数据编织均提供了跨越多种技术和平台的数据架构方案，但这二者并非二选一的关系，尤其是面对如金融业需求复杂且数据海量的场景，可以将二者进行必要的整合，以应对复杂的业务需求。例如在细节方面，采用数据网格的理念，保持最大程度的数据效率和创新力，实现微观程度的持续数据价值呈现。而在整体上，采用数据编织的理念，将数据网格所构建出的数据产品形成有效的数据管理，以助力实现业务与业务之间、数据和数据之间、业务和数据之间的数据价值挖掘与利用。海量数据处理技术金融应用研究报告 95 六、实践案例（一）（一）中国工商银行实践案例中国工商银行实践案例 1.1.案例概况案例概况 工商银行大数据平台是以数据共享、资源统筹、软件服务化的云理念打造的具备海量数据存储、批量计算、流计算等能力的企业级大数据云基础设施，融合了关系型、非关系型数据处理技术，为应用系统提供开箱即用的大数据服务。工商银行大数据平台全面实现了国产化，具有容量大、算力强、功能完备、算法齐全的特点。工商银行大数据平台从用数领域、垂直领域、通用领域和大数据基础服务领域等多个维度，构建了完善的技术体系，全方位满足上层便捷用法的需求，平台架构如图 15 所示。图 15 工商银行大数据平台架构图 海量数据处理技术金融应用研究报告 96 用数领域：打造快捷用数技术平台，赋能大数据研发和业务用数分析场景。即时 BI 提供全面的数据分析与图表展现服务，降低数据探索门槛，提升价值转换效率。大数据开发工作站提供全面的研发与测试服务，提升大数据研发人员工作效能。大数据运营工作站提供资源调配、资源治理、服务运维监控服务。垂直领域：打造大数据领域能力突出、边界清晰的技术平台，实现面向大数据垂直领域的技术赋能。实时数仓提供秒级/分钟级响应的实时采集、实时计算、实时分析能力。批量计算提供海量结构化或半结构化数据的存储和大规模并行计算能力。流计算提供毫秒级响应的事件驱动式逐条分析、统计、处理计算能力。联机分析提供海量数据高并发的键值查询、全文检索、向量检索能力。对象存储提供面向海量非结构化数据进行高并发联机存取的能力。通用领域：打造基础数据服务技术平台，实现面向通用数据处理领域的技术赋能。数据交换提供基于文件、增量日志等形式的通用数据交换能力。数据安全提供通用的数据全生命周期安全保护解决方案。大数据基础服务：提供统一的资源调度、日志中心、运营监控等公共服务能力。2.2.案例成果案例成果 工商银行基于大数据平台服务能力，覆盖了秒、分钟、小时、日等全时效的数据处理场景，共支撑工行近 400 种分行应用及子海量数据处理技术金融应用研究报告 97 公司的业务开发，覆盖了监管报送、风险防控、客户营销等多个关键业务领域，如：（1）损益预查询业务通过大数据平台批量计算服务，大幅提升处理时效。基于数据复制技术将业务系统数据实时写入大数据平台，并进行数据批量计算，从原先每天 10 轮（平均 30 分钟）查询提升到 30 轮（平均 15 分钟）。（2）信用卡交易实时反欺诈系统基于大数据平台流计算服务，全面提升实时反欺诈能力，降低了金融交易风险。通过实时数据处理和智能分析，并将加工后的结果实时返回（平均响应时间毫秒级），实现了事中风险拦截。（3）法人客户营销系统使用实时数仓服务实时统计资金流入流出情况，供法人客户经理便捷获取，挖掘客户资金变动规律，更好地帮助客户合理管理资产，拓展新的营销点。随着数字化转型的深入推进，工商银行借助大数据平台服务能力，不断为各类决策提供更加实时、更加精准的数据支持。3.3.经验总结经验总结 工商银行大数据平台在海量数据处理中数据架构、数据处理时效、数云融合等方面的建设经验如下：实时数仓方面：引入了 Hudi 技术，提供数据更新能力，显著提升了数据入湖、数据加工时效。同时引入 ClickHouse 丰富了数据分析场景。整体形成秒级、分钟级、小时级各类时效场景支海量数据处理技术金融应用研究报告 98 撑能力，支撑业务端到端高时效的数据感知、分析决策、行动和反馈。数云融合方面：通过建设云上统一存储服务，实现存算分离部署形态，解耦大数据存储与计算资源，并在架构上独立建设统一元数据服务，全局形成统一的数据视图。基于云上存算分离形态，多个大数据集群实现了统一存储，元数据统一管理，全面支撑数据中台“全”数据融合分析，可减少集群间之间的冗余存储。借助云平台弹性的优势，可避免资源按业务高峰满配，造成闲置资源浪费。基于云平台，资源调配更加灵活，可错峰使用，提升整体资源利用率。海量数据处理技术金融应用研究报告 99（二）（二）中国银行实践案例中国银行实践案例 1 1.案例概况案例概况 中国银行积极响应国家大数据发展战略，启动数据治理体系改革，从组织架构入手，实施中国银行企业级数据平台建设项目，并同步落实国家“十四五”规划，构建自主可控的大数据平台。平台基于国产化大数据技术栈，使用国产定制 Hadoop 生态技术的开源技术组件，搭建数据湖基础底座，借助大数据平台的海量数据处理能力，沉淀、存储全行数据资产，平台建设成果如图16。图 16 中国银行国产大数据平台建设成果 2 2.案例成果案例成果 由于 Hadoop 技术在复杂数据关联计算方面缺乏优势，不适合应用于数据仓库的模型建设和指标加工，因此中国银行采用了“湖仓混搭”架构。以“Hadoop 技术”构建贴源数据层、归集数仓及数据应用结果数据，发挥其对多态、复杂结构数据的归集、存储和处理能力，搭载适用于海量数据处理、交互式分析和实时海量数据处理技术金融应用研究报告 100 计算与访问的配套组件，提升数据应用效率，降低实施运维成本。利用“MPP 数据库”搭建数据仓库基础主题层和汇总共享层，解决复杂数据关系下的关联计算问题，保障数据仓库模型架构稳定和数出同源。中国银行湖仓建设采取全自主研发应用体系、湖仓混搭部署架构及自研软硬件基础设施，实现大数据平台全方位自主可控。数据治理项目上线至今，数据湖已积累了海量数据资产，单集群架构已不满足存储需求，同时考虑运维管理风险等因素，因此向多集群架构进行扩展，解决规模限制等问题。并通过 Spark 等查询引擎、开源 HDFS 联邦、Hive MetaStore 等技术满足跨集群数据访问需求。另外，在跨集群联邦访问机制在使用时，将多集群搭建在局域网下的同一个数据中心，避免了跨地域网络下的大规模数据交互带来的网络延迟影响，同时避免大规模使用跨集群查询、跨集群数据访问，大数据开发框架如图 17 所示。图 17 中国银行自研大数据开发框架 海量数据处理技术金融应用研究报告 101 3 3.经验总结经验总结 由于金融业面临着需求场景多、数据处理过程复杂、技术生态庞大且繁杂等问题，大数据应用开发存在门槛高、开发人员学习成本高等问题。因此，中国银行聚集于开发生态支撑能力，面向大数据开发测试人员自研一套大数据开发框架，提供统一的在线开发站点，降低开发门槛，提高效率。后续，中国银行还将探索湖仓一体架构，考虑采用开放式存储引擎的方式替代原有的湖仓混搭架构，以更好地支持流批一体，提高数据时效性，降低开发运维成本。海量数据处理技术金融应用研究报告 102（三）（三）兴业银行实践案例兴业银行实践案例 1.1.案例概况案例概况 兴业银行近几年在云化计算和存算分离数据湖等多项大数据技术方面进行了深入的探索和架构转型，取得丰硕的成果。经过不断地积累，目前兴业银行已自主研发落地了基于云化计算与存算分离数据湖为主要关键技术的大数据架构，不仅全面提升了大数据性能，还大幅度提高资源利用率，实现了降本增效。兴业银行作为一家广泛使用大数据技术的全国性股份制商业银行，在大数据处理方面遭遇了许多挑战，主要有以下几点：（1）数据爆发增长：随着兴业银行的生态场景的融入，数据量迎来爆发式增长，数据存储资源面临极大挑战，为解决存储资源的压力问题，兴业银行引入存算分离的架构，将存储资源单独部署运维，大大释放了压力。（2）计算引擎差异：行内使用大数据的计算需求差异明显（包括计算组件、计算资源、权限等各个方面），实际的管理使用复杂度高。为此，兴业银行基于数据湖仓技术构建流批一体的数据架构，提高数据时效性，解决多链路数据冗余和不一致的问题。同时引入融合计算技术，实现跨数据源、跨数据平台、跨执行引擎的交互式数据访问方式，提升大数据基础平台的事务访问等能力。（3）资源利用率较低：目前兴业银行大数据平台开发测试环境众多，大数据组件本地化安装部署、运维成本较高。兴业银海量数据处理技术金融应用研究报告 103 行通过实现计算引擎的云化部署，支持计算资源的弹性伸缩，在满足不同数据应用、不同计算引擎的隔离要求同时提高资源利用率。在经过实践和转型后，兴业银行通过采用这些前沿大数据技术，为金融机构提供了更高效、灵活和可靠的大数据处理解决方案，帮助其更好地应对不断增长的数据挑战。2.2.案例成果案例成果 兴业银行深入研究大数据组件云化部署、存算分离、数据虚拟化等底层大数据技术，通过自主研发预研湖仓一体底层技术，大幅提升了兴业的技术创新能力，构建了具备兴业特色的大数据平台架构，主要成果体现在以下几个方面：一是存储区与计算区分离。实现存储计算集群分离部署，以更好地发挥与利用两者的性能，释放计算节点的算力与存储节点存力。存算分离架构在原有 HDFS 存储基础上引入对象存储，热数据存储 HDFS 中，海量归档数据存储在对象存储中，解决 HDFS 的扩展性瓶颈。在计算集群中引入分布式缓存 Alluxio，以减少跨集群间的大量数据传输，提高数据处理效率。分布式缓存Alluxio同时还起到了数据编排的作用，作为多个集群的存储路径统一映射入口，简化了计算集群的读写对象复杂度。二是云化部署与缓存加速。采用 k8s 作为弹性计算资源的底层，通过改造开源大数据引擎实现计算资源的弹性伸缩，采用Alluxio 分布式缓存，以弥补对象存储、跨集群传输等在数据访海量数据处理技术金融应用研究报告 104 问速度上的不足。通过对大数据组件适配改造，可将组件容器化部署，增加组件资源弹性，提升集群资源利用率，降低成本。云化架构无缝对接多种引擎，降低了环境部署的难度和开发成本。三是流批一体融合数据湖。以开放式数据表格式 iceberg 为载体，承接落地 bacth 与 streaming 数据，以达到流批一体数据融合。流批一体经过改进和优化，已可以实现秒级数据处理，提升数据处理的时效性。架构上将流数据与批数据融合，既提升了数据新鲜度，又保证了数据最终的精确性。兴业银行湖仓一体底层技术架构如图 18 所示。图 18 兴业银行湖仓一体底层技术架构 海量数据处理技术金融应用研究报告 105 3.3.经验总结经验总结 兴业银行经过长期的论证、测试和投入，通过攻克自身的大数据技术难点，总结了宝贵的经验：（1）通过存算分离，消除节点不稳定导致的失败，同时将计算集群和存储集群的失败概率进一步降低，大幅提升可靠性，计算任务成功率可达 99.9%，存储使用率也提升 25%。（2）基于云化计算引擎的改造，可以实现资源预测，保障在不挤占在线资源前提下，最大化挖掘空闲资源。（3）借助数据湖 计算引擎的方式，进一步加强了数据处理流程的完整性和精准性，缩小集团内部的处理分析工具的差异，提升了大数据整体的效率和性能。海量数据处理技术金融应用研究报告 106（四）（四）中信建投证券实践案例中信建投证券实践案例 1.1.案例概况案例概况 金融业的数字化升级正在迈向新的阶段，而其中持续有效地释放数据要素潜能是重要路径之一。金融业信息化起步早、程度高，随着数字化的发展，不可避免地会有数据源多样异构、数据源孤岛等问题。此外，随着金融科技业务发展的需要，数据采集与集成的逻辑也从注重批量采集转变为批量与实时并重，作为数据要素潜能释放的第一步，金融组织需要拓宽数据要素融合的渠道、以增加其时效价值与应用价值。中信建投证券在其数字化发展与数据价值变现的道路上，一个主要的痛点就是内部有多种数据源需要统一集成到大数据平台，同时需要覆盖离线和实时接入的场景。其目标是在统一的集成平台之上进行各种集成任务的管理，简化使用成本及运维管理复杂度。除此以外，近年来数据的安全可控已经成为金融行业整体安全中最重要的环节之一。尤其对于证券行业来说，业务场景的特殊性与复杂性，对数据要素安全和系统自主可控性提出了更高的要求。作为国内领先的券商机构，率先提出了“科技赋能、运营升级”的战略目标，并于 2020 年，战略携手腾讯云探索数字化转型之路。2021 年，腾讯云大数据平台正式落地中信建投证券，并支撑了国产平台稳定运行。海量数据处理技术金融应用研究报告 107 2.2.案例成果案例成果 中信建投证券的国产大数据平台（以下简称“中信建投大数据平台”）全面基于腾讯云大数据平台，从编译环境搭建、部署适配、功能验证等多维度出发，深度满足用户的安全可控需求，加快金融行业实现全面自主可控的进程。比如全面支持国产生态，涵盖了国产芯片、操作系统、服务器等领域，成功适配鲲鹏、海光、麒麟、中科曙光等厂商产品，全面支持包括数据集成、数据存算、数据分析等多场景下大数据平台的产品落地。在数据采集方面，中信建投大数据平台搭载了高效稳定的数据集成平台，提供复杂网络环境下、丰富的异构数据源之间高速稳定的数据移动及同步能力，可以通过快速连接和融合云上或云下自建的各种数据，解决数据平台构建、数据库迁移备份，以及业务升级、整合，数据访问加速、全文检索等多个场景中数据整合和同步问题。国产的金融级数据集成平台，也从基础设施上解决了数据要素的安全保护问题。在数据要素的信息价值探索方面，中信建投大数据平台搭载了全场景大数据存储、分析和管理工具，拥有优化的开源组件、腾讯云自研组件与工具。尤其在大规模关系数据的多维分析场景中，通过腾讯云的自研国产数据仓库引擎，实现企业级数仓能力和万亿级关联查询秒级分析，同时升级海量数据汇聚能力，全面提升数仓构建和大数据湖仓一体方案。海量数据处理技术金融应用研究报告 108 中信建投大数据平台基于腾讯云的统一数据集成平台，对各种不同数据源进行配置、管理，以及元信息同步，通过离线任务及实时任务实现不同场景下的数据集成。目前，在中信建投证券落地大数据平台 120 余个物理节点，其中国产节点超 30 个。平台运行 1700 数据处理任务，其中，国产平台运行 600 数据处理任务，总数据存储量超 2PB。中信建投证券利用腾讯云大数据平台构建了企业级数据湖平台，将企业客户的基本信息、持仓情况、场内交易流水、场外交易流水等数据按监管及业务要求和分层架构完成数据加工，对外提供数据接口供其他业务系统调用；基于腾讯云大数据平台及分析工具，搭建自主报表、分析平台及领导驾驶舱，支持中信建投证券全面提升企业经营管理水平。在实时处理场景中，将腾讯云大数据平台应用于投资者适当性持续管理、两融客户账户资产变动管理、断点客户二次营销及基金投顾实时数据统计等业务场景，有效地及时了解客户情况，对投资者保护、业务营销策略动态调整和改进具有十分重要的意义。除此之外，中信建投证券还利用腾讯云大数据平台应用于实时与离线日志分析中。目前整个平台超过 50 个租户，支撑近 20 个团队使用，在安全审查环节得分名列前茅。3.3.经验总结经验总结 在建设中信建投大数据平台的过程中，总结了以下经验，可以为后续的建设提供参考：海量数据处理技术金融应用研究报告 109（1）零售/CRM 数据支撑：为满足各销售条线对销售管理、销售数据及时性、精细化的要求，大数据平台在数据资产方面应提供客户管理、渠道管理、报表管理等功能以支撑相应业务需求。（2）服务零售场景：由于开盘时间固定，应当根据实际情况对那些与开盘时间紧密相关的任务设置启停时间；由于金融数据的重要性，大量场景下不允许数据偏差存在，针对数据可靠性要求极高的特征，因此要对大量实时任务设置夜间数据修正的离线任务。（3）零售管理驾驶舱实时指标统计：需要面向零售业务设计实时数仓，需要获得开户统计、客户服务、APP 运营几个主题的统计指标（4）实时 ETL：大数据平台应提供实时 ETL 能力，以满足业务人员在开盘期间快速查询客户某个时间段内的交易流水明细数据。（5）金融资讯数据：新闻公告研报、货币证券市场、宏观行业、其它衍生信息等需要集中处理，提供的资讯数据服务会影响客户各个业务条线，因此需要将原有的缓存程序、业务逻辑整合到 Flink 中统一实现，最终使整个资讯数据处理过程得到了集中管理，缩短链路，节约了传输时间，降低了架构的复杂度，提升了数据生产到应用全链路输出效率。海量数据处理技术金融应用研究报告 110（6）实时并发查询量：业务人员在开盘期间快速查询客户某个时间段内的交易流水明细数据，资金流水明细达到几十亿的数据，数据量很大的情况下支持快速查询。海量数据处理技术金融应用研究报告 111（五）（五）上汽财务上汽财务公司公司实践案例实践案例 1.1.案例概况案例概况 上海汽车集团财务有限责任公司（以下简称“上汽财务公司”或“公司”）是上海汽车集团股份有限公司（以下简称“上汽集团”或“集团”）所属的非银行金融机构，于 1994 年 5 月在上海成立。公司经过多年持续快速发展，已经形成汽车金融、公司金融、投融资三大业务板块，走出一条“创新引领未来、和谐共创价值”的产融结合道路。近年来汽车金融行业，普遍面临汽车销量下滑、新能源车型冲击、零售客户质量下降，并且需要风险可控和宽松准入标准下，为渠道经销商量身定制提供金融服务等挑战，上汽财务公司紧跟数字产业化和产业数字化的大趋势，以数字化转型项目为牵引，建设公司数据中台并规划实施汽车金融实时数据湖仓项目，综合考虑汽车金融业务场景需求和数据统一性、易用性、性能服务等技术要求，完善数据体系架构，沉淀业务数据和用户行为数据，建设覆盖申请进件、放款跟踪、逾期回收等汽车金融全生命周期的主题域模型，落地业财一体化分析、营销洞察分析体系、客群资质监控、客户经理移动服务平台等应用场景，提供业务洞察、风险分级及预警、利润测算、客群分析等数据服务，实现业务数据化、数据资产化、资产价值化的增长闭环，支持数据赋能与业务转型。海量数据处理技术金融应用研究报告 112 2.2.案例成果案例成果 汽车金融实时数据湖仓项目实现了以下目标：一是完成业务系统数千张表的接入，上线数百个数据模型，每日处理记录数达亿级，实现了汽车金融零售业务、批发业务、业财分析数据等主题域模型搭建，覆盖汽车金融业务申请进件、放款跟踪、逾期回收等全生命周期。二是统一元数据管理，将数十个业务系统中数万张表的业务元数据、技术元数据与管理元数据紧密结合，建立“事先建标、事中落标、事后对标”的数据标准体系，践行“计划-执行-反馈-优化”的闭环质量问题统一管理流程与分级分类、动静脱敏的数据安全措施。三是落地业财一体化分析、营销洞察分析体系、客户资质监控、客户经理移动服务平台等应用场景，提供业务洞察、风险分级及预警、利润测算、客群分析等数据服务。传统汽车金融模式业务场景复杂，数据标准化难度高、数据复用难度大、数据管理标准化率低，汽车金融实时数据湖仓项目围绕上述情况，重点解决影响数据价值落地的核心难题，具体如下：（1）建设统一开发平台，遵循“DataOps”的研发运营一体化原则，基于 TBDS DataStudio（一站式数据开发平台）实现多个团队统一协同工作，践行“一份数据、多次使用”的设计理念，采用流式接入的方式入湖业务数据，搭建离线实时混合的数据仓海量数据处理技术金融应用研究报告 113 库模型，进行明细、汇总层模型建设，并且提供字段级精细化权限控制能力，以满足监管合规要求及公司制度要求。目前已实现数千张表、每日亿级数据记录接入数据中台，数百张数据模型表的计算，支持数百张报表的实时查询，系统运行稳定，满足项目需求。（2）夯实数据基础，基于 Iceberg 组件构建近实时数据湖仓，实时 CDC 入湖数百张表，优化实时集成技术，减少资源消耗，开发数据一致性检验程序，保障数据前后一致性；同时建立监控应急体系，保障实时入湖的数据完备性，解决公司数据库分散无法集成，导致无法动态捕捉变化而造成数据冗余的问题。（3）实现公司级业务元数据、技术元数据与管理元数据的统一管理，提供全领域的元数据全文检索服务和血缘管理功能，通过数据质量工单流程管理，快速定位问题到表到人，实现数据质量问题分发、流转、跟踪、解决的闭环管控，通过分级分类、动静脱敏实现数据安全保障，建立公司级基础数据标准和指标数据标准体系，让所有数据有标准可依。（4）构建监控应急平台，实现数据重复、数据任务、数据组件等监控告警，从而及时发现问题、定位原因并完成修复；构建数据治理平台以及包括元数据、数据标准、数据质量与数据安全体系的系统化工具。海量数据处理技术金融应用研究报告 114 3.3.经验总结经验总结 汽车金融实时数据湖仓项目全面梳理汽车金融业务数据资源，沉淀业务数据和用户行为数据，完成数据治理和质量提升，充分发挥和挖掘数据的价值。在平台建设方面，规划拓展大数据基础存算平台、数据全链路工具、数据资产管理工具和数据开发服务能力，落地涵盖数据汇聚、处理、治理、服务等数据全生命周期的数据平台体系。以数据流水线为核心，通过可视化拉拽方式支持在线代码开发测试、作业调度和任务维护等核心功能，支持多级多组以及“用户-组件”级的身份认证和权限管控，实现集群监控预警的统一运维中心。在数据治理提升方面，将数据治理与数据生产相结合，建设公司级元数据标准、基础数据标准和指标数据标准规范，遵循MOF标准规范和 CWM 规范构建全域元数据管理；完成数据治理平台系统建设，实现元数据全景视图和全链路追踪分析，形成数据资产的版本化管理。在业务场景建设方面，全程参与财务公司数字化转型建设，从数据层面完成各类构想场景可行性分析，构建覆盖申请进件、放款跟踪、逾期回收等汽车金融全生命周期的主题域模型，落地业财一体化分析、营销洞察分析、客群资质监控、客户经理移动服务平台等应用场景，提供业务洞察、风险分级及预警、利润测海量数据处理技术金融应用研究报告 115 算、客群分析等数据服务，将数据用于各业务部门的运营管理工作当中，实现数据化决策能力的建设目标。

0人已浏览 2024-02-16 122页 5星级

中国石油昆仑数智科技有限责任公司2024 年 2 月专 家 胡炳军 刘顺春 寇廷佳 杨剑锋 胡长乐 刘哲生 孟宪国 邓志国编写组成员数字化咨询中心:李新锐 朱丽娜 付 岩 刘开建 王欣宇 李成方 张棽 赵晓芳 国资监管业务部:李 忠 魏世欣 王正光 狄方领 蔡 瑞 靳丽平 王 丽 李博闻 崔晓丽 魏 伟 金龙飞国资监管数智化洞察与实践白皮书编 写 组当今时代，以大数据、云计算、人工智能等新一代信息技术为核心的科技革命和产业变革加速兴起，推动工业经济向数字经济加速转型过渡，为建设数字中国带来重大历史机遇，也对国资国企加速进入数字化、网络化、智能化发展新阶段提出更高要求。党中央、国务院高度重视数字经济，全面部署推进“网络强国”“数字中国”“数字经济”“数字政府”等重大战略，以数字化驱动生产方式、生活方式和治理方式变革，加强国资监管数智化成为国资委落实党中央、国务院战略的迫切需要。国资委加快推进国资国企改革，推动国资监管职能转变，发布加快推进国资国企在线监管系统建设工作的通知等系列文件，对新时代国资监管提出新要求，要求加快提升国资监管智能化水平，建立“横向到边、纵向到底、全面协同”数智化监管体系，向“智能监管”模式转变，推动数字化智能化赋能国资监管方式优化、监管效能提升和企业高质量发展，持续提升国资国企在线监管能力水平，全面服务国家治理体系和治理能力现代化。中国石油天然气集团有限公司（以下简称“中国石油”）积极落实国务院国资委部署要求，组织昆仑数智科技有限责任公司（以下简称“昆仑数智”）长期支撑国资监管数智化建设，多次承接国资监管信息化规划及重大课题研究任务，形成了专业深厚的研究咨询能力和落地实践经验。基于近十余年，国资监管信息化数智化课题等系列研究成果，组织专业研究力量，编制形成以国资监管数智化为主题的白皮书，分析国资监管数智化关键驱动力和内涵，总结监管数智化现状成效、面临挑战和洞察分析，研究监管数智化体系，沉淀形成实践案例，并提出国资监管未来展望，促进国资监管智能化发展。本白皮书共分为四章，各章内容概况如下：第一章国资监管数智化发展与内涵，主要从国家、产业、企业、技术四个层面，研究国资监管数智化的形势要求和关键驱动因素，阐述国资监管数智化面临的宏观环境和政策要求、数字产业发展、企业内生需求和技术发展等驱动力，并解析国资监管数智化内涵。第二章国资监管数智化现状与洞察，主要介绍国资监管数智化在国务院国资委、中央企业、地方国资委及地方国企等方面取得的现状成效，剖析监管数智化面临挑战，并通过现象看本质，总结提炼核心洞察观点。第三章国资监管数智化体系与实践，主要基于现状洞察，围绕国资监管数智化如何开展，阐述从监管客户核心需求到监管运营服务全过程的国资监管数智化体系框架，并给出国资监管数智化实践案例。第四章国资监管数智化未来展望，主要介绍国资监管数智化愿景目标，以及未来预期发展方向。通过编制本白皮书，旨在阐述昆仑数智对国资监管数智化的现状总结、趋势洞察、研究实践和未来展望，发挥自身能力建设，输出实践经验与赋能应用，为国资监管数智化建设发展、国资国企监管数智化实践工作提供借鉴与参考。在此，特别感谢本次白皮书编制过程中的全体参编人员，以及相关专家的咨询指导与大力支持。限于编者的水平和经验，书中难免有不当之处，恳请广大读者批评指正。前 言前言第一章 国资监管数智化发展与内涵形势要求和关键驱动力国资监管数智化内涵CONTENTS目录第二章 国资监管数智化现状与洞察现状成效面临挑战洞察分析0308091112141823第三章 国资监管数智化体系与实践数智化体系框架数智化实践案例第四章 国资监管数智化未来展望结束语2627334649国资国企参照 2018 年国务院国资委、财政部、证监会发布的上市公司国有股权监督管理办法中对“国有实际控制企业”的界定，国有企业主要包括（一）政府部门、机构、事业单位、境内国有独资或全资企业；（二）第一款中所述单位或企业独家持股比例超过 50%，或合计持股比例超过 50%，且其中之一为第一大股东的境内企业；（三）第二款中所述企业直接或间接持股的各级境内独资或全资企业。国资监管党的十八届三中全会提出：“完善国有资产管理体制，以管资本为主加强国有资产监管。”做到促进国有资本增值，优化国有资本布局，规范国有资本运作，提高国有资本回报和维护国有资本安全。智能监管参照 2023 年 4 月 21 日，国务院国资委在国资央企信息化工作推进会上提出，智能监管主要是围绕关键环节和重点领域，持续推进横向到边、纵向到底、全面协同的监管格局，形成全面覆盖、重点突出、协同联动、防控有效的国有资产数字化智能化监管体系，进一步实现实时监管、精准监管、有效监管，努力实现监管水平再上新台阶、形成与数字经济发展相适应的治理水平。术语说明管资本十八届三中全会提出的新概念，目的在于加强国有资产监管。十九届四中全会进一步明确要求，“形成以管资本为主的国有资产监管体制”，是在“管人管事管资产”现有管理体制基础上的“完善”，而非否定。国有资本“管布局、管运作、管回报、管安全、管党建”5方面，即聚焦优化国有资本配置，管好资本布局；聚焦增强国有企业活力，管好资本运作；聚焦提高国有资本回报，管好资本收益；聚焦防止国有资产流失，管好资本安全；聚焦加强党的领导，管好国有企业党的建设。三重一大“三重”即重大事项决策、重要干部任免、重大项目投资决策，“一大”即大额资金使用，主要指“重大事项决策、重要干部任免、重要项目安排、大额资金的使用，必须经集体讨论作出决定”的制度（简称“三重一大”制度），最早源于 1996 年第十四届中央纪委第六次全会公报。ChatGPT（Chat Generative Pre-trained Transformer）聊天生成式预训练变换模型，是 OpenAI 研发的聊天机器人程序。ChatGPT 是由生成式人工智能技术驱动的自然语言处理工具，能够通过理解和学习人类语言进行对话，还能根据聊天的上下文进行互动，实现聊天交流，并能够撰写邮件、文案、代码和论文等。国资监管数智化 发展与内涵8国资监管数智化发展与内涵第 章19国资监管数智化洞察与实践01形势要求和关键驱动力 国家战略和政策驱动国资监管数智化近年来，以习近平同志为核心的党中央高度重视数字化发展，作出一系列重大部署，擘画了数字中国建设的宏伟蓝图。党的十九大报告明确提出建设数字中国战略目标，数字中国首次写入党和国家纲领性文件。党的二十大报告进一步指出，要加快建设网络强国、数字中国。中共中央、国务院印发国民经济和社会发展“十四五”规划、数字中国建设整体布局规划等政策文件，从党和国家事业发展全局和战略高度，提出了新时代数字中国、数字经济、数字政府等建设的战略规划。党和国家高度重视国企改革发展，党的十八届三中全会上要求要加快全面深化改革，加快完善国有资产监管体制，为国企改革发展提供重要保障，要求将国资监管方式由管企业转变向管资本为主，加强国有资产监管。国务院国资委以全国国资国企在线监管系统建设为基础，大力推动国资监管应用建设、基础设施优化升级、政务信息整合共享。2018 年开始深入实施国资监管信息化建设“三年行动计划”，提升网络基础设施、构建统一国资监管平台、初步建立覆盖中央企业和地方国资委的信息化监管体系，有效提升网络安全防护能力和信息化整体水平。2021年，印发 “十四五”国资监管信息化建设规划，着力实施国资监管数字化智能化提升专项行动，充分利用新一代数智技术，激活数据要素潜能，推进在线监管向动态、实时、精准方向迈进，强化国资监管数智化水平和数字政务服务能力。数字产业化催生央国企数智化新需求当前，数字经济已成为我国经济发展中创新最活跃、增长速度最快、影响最广泛的领域，推动生产生活方式发生了深刻变革。十年来，我国数字经济规模从 11 万亿元增长到 45.5 万亿元，数字经济占国内生产总值比重由 21.6%提升至 39.8%，数字经济规模连续多年位居全球第二，新技术、新产业、新业态、新模式不断涌现，推动经济结构不断优化、经济效益显著提升。央国企作为中国式现代化和数字中国建设的主力军，积极落实党和国家对于推动数字产业和战略性新兴产业发展的要求，顺应数字产业化大潮，聚焦自身转型发展，在优化数字产业布局、创新驱动发展、产投协同、协同价值创造、管理架构、考核体系等方面形成新需求，并取得积极进展。同时，央国企大力推动数字化转型，深入推进企业“上云用数赋智”，加快推动工业互联网、数字商务、智慧农业发展，促进传统产业全方位、全链条转型升级。国资监管数智化 发展与内涵10 央国企提质增效加速自身数智化建设央国企积极贯彻落实党和国家决策部署，按照有关部门印发的“国有企业改革发展、企业高质量发展、构建世界一流企业”等政策文件，加速自身数智化建设。在建设世界一流企业过程中，同步建成一流信息化能力，以“智慧国资、数字央企”建设，更好促进国资监管效能提升，加快推进国资央企高质量发展。充分利用云计算、大数据、人工智能、区块链等技术，推进企业数智化转型升级，构建智能化的国资监管应用，以大数据分析助力国资监管工作。加强试点应用场景建设，鼓励先行先试，通过应用建设推动企业内部数据开放共享机制建立，全面优化企业物流链、信息链、资金链，深度提升资源统筹配置效率。打造生态化的智慧国资，促进上下游企业数据融合、协同联动、安全稳定，探索解决跨行业跨领域的关键共性问题，打破企业间数据共享壁垒，推动形成融合共享的数据生态，并融入国家大数据体系，探索政务服务及国资监管数据服务新业态、新模式，发挥国有资本优化调整、深化国有企业改革示范效应。新数字技术赋能数智化进程加速落地新一轮科技革命和产业革命加速兴起，“大云物智移链”等数字化技术与业务的有机融合，成为引领国资国企业务变革、实现创新驱动发展的源动力。2023 年初 ChatGPT 横空出世震惊全球，基于大模型的快速迭代升级和 AI 超出预期的学习速度，给各行各业带来颠覆性影响。高德纳研究报告指出，5G、大数据、人工智能、云计算、区块链等战略技术已呈现出融合发展趋势，未来将作为数字时代的基石无处不在。Web3.0、元宇宙、区块链、RPA 等新兴技术，因其广阔的应用前景，未来有望成为影响 IT 行业发展的关键技术。央国企积极开展数字化建设，采取一系列务实举措，在数字技术应用、数字基础设施建设、数字化场景示范等方面取得显著成效。许多企业通过自主研发、联合创新等多种形式，打造一体化数字技术平台，优化资源配置，提升核心架构自主可控水平，为企业转型提供共性技术服务。各重点领域央国企发挥行业龙头和现代产业链链长作用，充分利用海量数据和丰富应用场景优势，推动自身全业务、全链条、全层级转型升级，朝着更高效能运营、更高质量供给、更优化生态的数字企业方向发展。例如，建立“智慧油田”“智能矿山”“智慧工厂”“智慧税务平台”等数字化转型应用场景，从产业纵向和横向两个方面打通产业链，推动实现发展模式、生产方式和企业形态的根本性变革和整体性提升，发挥国有经济战略支撑作用。11国资监管数智化洞察与实践02国资监管数智化内涵在国资监管新形势和新要求下，国资监管定位和理念、监管对象和重点、监管途径和方式、监管导向和效果等方面也在加快转变。从相关材料中，我们获悉国务院国资委聚焦出资人、监管和党建三大职责，从“监管、改革、发展和保障”四方面，以数智技术应用，助力国资监管数智化提升。国资国企积极推进国资监管业务与企业数字化建设，有效贯通并满足国资监管要求，支撑监管业务高效运行，提高集约化管控、国资监管的科学性、针对性和有效性。从内涵来看，国资监管数智化是以“智能监管”为方向，通过5G、大数据、云计算、物联网、区块链、人工智能等数字技术在国资监管业务的深度融合和创新应用，在国务院国资委、中央企业、地方国资委及地方国企等三个层面，协同建设并持续优化全国国资国企在线监管系统，全面建立“横向到边、纵向到底、全面协同”的数字化智能化监管体系，实现国资监管“业务全面覆盖协同、数据充分共享利用、风险自动识别预警、监管画像全面准确、决策支持精准有力”，打造国资监管在线化、协同化和智能化新模式，从而促进国资监管更加实时、精准、有效，加快构建国资监管大格局，形成国资监管“上下一盘棋”，为提升国资监管效率效能、保障国有资产安全、赋能企业高质量发展、服务国家治理体系现代化提供更强有力支撑。国资监管数智化 现状与洞察12国资监管数智化现状与洞察第 章213国资监管数智化洞察与实践图 1 国资监管信息化发展历程国资监管信息化数智化建设历经分散建设、整合共享、集中统一3个阶段，正向“数字化智能化”阶段迈进。2017年，国务院国资委编制国资委国资监管信息化规划（20182025 年），提出信息化总体工作设想。2018 年，在国务院国资委和各中央企业范围内开展国资监管信息化建设“三年行动计划（20182020 年）”，建立完善的国资监管信息化工作平台，增强国资监管针对性、及时性和有效性。2021 年，印发“十四五”国资监管信息化建设规划，启动推进“国资监管数字化智能化提升专项行动”，协同构建提升全国国资国企在线监管系统，有力推动国资监管由结果静态监管向实时动态监管转变，持续优化“横向到边、纵向到底”的实时动态监管体系，在企业转型升级、优化监管方式、提高监管效能等方面取得明显成效。未来，国资监管将向“智能监管”方向迈进，全面提升国资监管数智化能力水平，服务国家治理体系和治理能力现代化。国资监管数智化 现状与洞察1401现状成效 国资监管数智化统筹协同工作机制基本建成国务院国资委高度重视国资监管数智化建设，开展顶层设计研究，编制印发规划及政策文件，明确数智化建设目标、架构蓝图，提出重点建设任务和项目，指导央国企和地方国资委深入推进国资监管数字化智能化建设和企业数字化转型。一是初步形成国资监管协同工作机制和制度标准国资监管信息化组织体系和工作机制逐步完善，有效保障国资监管平台化建设和集约化运维。通过加强制度标准建设，构筑信息化制度规范体系。制定系统建设、数据管理、信息共享、运行维护等系列相关制度办法，逐步构建科学合理的信息化管理模式，形成企业组织机构基本信息指标规范、统一编码规则等多项标准规范，发布有关数据采集指标库和数据管理办法，为国资监管数据统一采集、归口管理、共享使用提供制度保障、规范标准。二是央国企落实“一把手”工程，加强组织领导和资源保障各央国企明确集团总部和所属单位职责分工，组建工作专班，一体化推进监管各项工作。制定监管数智化有关专项规划和顶层设计，依托数智化全面加强并深化国资国企改革，加快国有经济布局优化和结构调整，加快世界一流企业建设步伐。央国企加强数字化标准体系建设，创建一系列数字化转型路线、应用需求、术语定义等基础共性标准，形成一批数据互通、系统互联、网络安全防护的应用标准，制定一批重点业务领域应用场景融合标准并加速落地。各央国企高度重视数字化人才队伍建设，培养出一批懂业务、懂技术、懂管理的复合型人才，并加大专项资金投入机制，提高数字化建设成效。15国资监管数智化洞察与实践国资委大力推进监管业务应用和大平台建设在国资委大平台建设背景下，推动国资监管持续深化业务应用。推动国资监管持续新建或优化业务应用，建成涵盖贯彻落实习近平总书记重要指示批示、党中央国务院重大决策、履行出资人职责、国有资产监管、企业党的建设和委机关运行等多类职责业务、近百个业务应用和数十个综合监测展示，实现对国资监管主要业务和专项工作关键数据指标的动态监测和直观展示。一是建成国资国企在线监管系统，有效推动国资央企履行职责使命围绕国资监管主责主业，实现中央企业及所属各级单位、37 家省市两级国资监管机构和所监管企业“两大领域”全覆盖，实现对重点业务实时监督全覆盖。二是全面推进国资央企云体系和大数据体系建设组织中央企业统筹建立“1 N M”国资央企云体系，全面启动“云上国资央企”建设。印发国资央企大数据体系指导意见，全面启动“1 X Y”大数据平台建设，持续推动建设国家级能源工业互联网、网络信息安全、医疗医药、采购交易等行业领域大数据平台建设。三是推动跨部门协同监管机制逐步建立，有效提升综合监管效能定期向相关上级部门报送关键指标数据，协调申请其他部委各类数据资源，会同国务院办公厅及其他部委协同推进跨部门数据共享工作。四是构建国资央企网上服务大厅，提升政企服务水平推动涉企事项网上服务大厅升级，实现非涉密事项网上办理，提升涉企事项办理的标准化、规范化、便利化水平，助力提升机关办事效率和服务质量。五是强化综合监测展示，助力移动办公与决策支撑建成移动办公平台，实现信息资讯、即时通信、后勤服务等非涉密事项的移动端应用。建设覆盖国资央企的视频会议系统、公文传输系统、信息报送系统等，基本支撑国资委各类业务工作开展。国资监管数智化 现状与洞察16 中央企业持续推进监管业务与技术深度融合中央企业认真学习研究有关政策文件，不断加强国资监管信息化数智化建设，持续推进重点监管业务与技术深度融合，促进业务协同联动、企业规范运营、风险预警防范等能力显著提升。持续完善数智化顶层设计，设计迭代各类架构，谋划数智化重点任务，推动数字化智能化建设。汇率并自动导入司库系统。相较于以往手工下载和录入汇率的方式，RPA 汇率机器人的使用不仅解放劳动力，也提高了数据准确性。一是国资监管数智化建设方面中央企业普遍高度重视信息化数字化工作，基本均建立健全组织制度保障，明确职责分工，形成完整配套的制度文件或标准规范，基本均设立信息化建设专项资金并纳入预算统筹安排，形成五年规划体系，落地配套项目稳步推进建设。大部分企业构建专业化人才队伍，并形成考核激励模式。绝大部分已建成统一的信息化运营规范体系，强化运营保障能力，并持续加强网络安全防护水平。大部分企业全面建成覆盖“三重一大”、组织机构、司库、投资、项目、采购等国资监管重点业务应用。超半数的企业完成投资运营风险、追责、内控等应用系统建设。各企业基本实现习近平总书记重要指示批示精神落实情况在线管理，并积极加快网上办公和服务提质增效促进“马上就办、办就办好”。绝大多数企业需报国务院国资委审批、备案等事项均已实现在涉企事项网上服务大厅办理。二是企业自身数智化建设方面中央企业不断加强国资监管信息化数智化建设，持续推进重点监管业务与技术深度融合，促进业务协同联动、企业规范运营、风险预警防范等能力显著提升。部分中央企业已先行探索利用人工智能等技术，强化企业基础设施底座，助力领导决策、流程优化、生产安全、智能制造，助力能源化工等传统产业转型升级。例如，某电力行业央企，通过构建人工智能平台为各专业提供图像识别、语音识别、流程自动化、知识图谱等智能分析处理服务，在电网隐患、故障识别和风险预警、客服应答和基层自动化辅助录入减负等方面发挥作用。某商贸行业央企，将人工智能等现代信息技术运用在司库系统中，提高换算效率。通过 RPA 汇率机器人每日定时自动从银行网站下载汇率并自动导入司库系统。相较于以往手工下载和录入汇率的方式，RPA 汇率机器人的使用不仅解放劳动力，也提高了数据准确性。17国资监管数智化洞察与实践地方国资委及地方国企数智化水平协同提升各地方国资委及地方国企协同推进全国国资国企在线监管系统建设，充分发挥数智化在推动构建国资监管大格局中的重要作用，加快推进自身和所属国有企业数智化建设，助力全国国资监管信息化数智化水平协同提升。总体来看，各地方国资委均实现与国资委“网络通”，大部分地方国资委已实现“数据通”和“业务通”。一是组织保障方面基本各地方国资委均成立了网信领导小组，超半数的地方国资委已建成会议专班督导等工作机制。绝大多数地方国资委将国资监管系统建设纳入“十四五”规划，开展顶层设计并有序推进业务应用建设，指导所属国有企业推进信息化数智化建设和转型升级。二是监管应用建设方面基本全部地方国资委建成了覆盖省级国资委的国资国企在线监管系统，基本实现了“三重一大”决策运行、大额资金动态监测等监管应用对监管业务的支持。三是数据体系建设方面各地方国资委积极开展国资国企大数据体系和国资监管大数据中心建设，实现国资监管数据统一采集、汇聚和存储管理，加快构建“企业画像”，拓展数据资源应用广度和深度，推动监管业务间数据协同联动。四是基础设施建设方面各地国资委通过明确关键信息基础设施专门机构及负责人、制定关键信息基础设施重点保护规范制度、定期开展关键基础设施安全监测等手段，对关键信息基础设施进行严格管理。五是网络安全保障方面各地国资委均设置网络安全专职机构，通过落实安全管理工作责任制、印发安全管理文件、定期自查等方式，将网络安全等级保护工作纳入年度常态工作内容。国资监管数智化 现状与洞察1802面临挑战 国资监管数智化亟需系统化顶层设计规划数字时代背景下，新理念、新技术、新模式不断涌现，对国资监管信息化工作提出了更高、更新的要求。不管是国资委侧，还是央国企侧，均需要顶层设计指导各自数智化建设工作，满足国资委“实时监管、精准监管、有效监管”需求，完善以管资本为主的国资监管体制。一是国务院国资委层面，国资监管顶层设计需要迭代优化，实现向智能化发展新阶段迈进随着数字化日新月异，监管业务需求不断更新，各厅局对利用数字化智能化手段加强业务工作的意识不断增强，对国资监管系统建设提出更多新增或优化需求。在国资委各厅局间，加强各监管业务间的流程贯通、数据共享、应用融合、监管协同，优化监管方式、提升监管效能；在国资委与中央企业集团间，加强国资监管数据穿透、风险识别、精准监管、智慧决策和闭环管理等。二是中央企业层面，迫切需要国资监管顶层规划为指导，加快企业集团管控数智化提升建设各央企均将企业高质量发展作为首要任务，并将数智化作为提升企业核心竞争力的重要引擎。同时，数智化也是改进国资监管方式、提高监管履职能力、防止国有资产流失的重要手段。中央企业迫切需要以国资监管数智化顶层设计为指导，开展集团总部及下属企业的监管数智化规划与建设，重点聚焦国资央企信息系统全面上云、国资央企大数据体系建设、国资央企信息系统智能化升级、信创工程和网络信息安全等领域。三是地方国资委及地方国有企业层面，迫切需要落实国资委要求，协同推进监管数智化建设目前地方国资委数智化推进过程中，客观反馈需要实施层面的政策及指导文件，地方国企顶层设计和监管建设力度有待完善，监管应用数智化有待进一步深化，数据资源共享和应用潜能有待释放，迫切需要以全国国资国企在线监管系统为主线，开展顶层设计并有序推进监管业务新应用、新模式建设，指导所属国有企业推进数智化建设和转型升级，加快构建国资监管大格局。19国资监管数智化洞察与实践国资监管业务流程贯通和系统联动难度大“十四五”国资监管信息化建设规划提出，以“数字监管、智能应用”为引领，全面升级全国国资国企在线监管系统，建立横向到边、纵向到底、全面协同的实时动态监管体系，加快构建国资监管大格局，形成国资监管“一盘棋”。在国资监管数智化过程中，实现上述目标存在如下挑战。一是国资监管跨业务协同和跨系统集成能力尚待提升主要体现在国资委内、国资委与各央国企间、央国企与下属企业间三个层面的国资监管业务流程贯通需求，并落地转化为系统间的集成需求，其中涵盖的组织机构、业务领域、系统应用等范围巨大，涉及的数据量庞大，国资委内、中央企业、地方国资委及下属国企等监管数字化未全覆盖、穿透能力不足，按照监管新要求进行跨业务协同、跨系统集成等工作，客观上存在一定难度。二是国资委和央国企监管数据各有侧重需有效衔接国资委监管各央国企、各央国企监管下属企业，两者监管重点、标准规范、指标维度及颗粒度上可能有所不同，如何保障上下指标管理体系的标准一致、逻辑一致，实现“在线监管、实时响应、上下协同”等监管目标，一方面及时满足国资委各类监管数据提报要求，另一方面也满足央国企经营所需的数据反哺需求，同样需要深入梳理和统筹研究。三是央国企数字化智能化发展尚不均衡面对“智能监管”建设目标，部分中央企业数字化水平未能有效支撑企业集团管控和高质量发展，部分地方国资委监管信息化建设尚处于起步阶段，监管方式、监管效能与新时期国资监管工作要求存在一定差距。四是国资监管从“传统报表录入”转变为“系统连接、数据分析、智能决策”新模式存在挑战。特别在风险监控领域，将监管规则前移，嵌入企业集团管控系统，提升风险防控水平有待探索和建设，需要央国企在自身数字化建设过程中融入监管规则和要求，推动监管应用落地实施力度和应用效果。国资监管数智化 现状与洞察20国资监管数据资源价值和应用场景待探索一是国资监管数据资源庞大，数据治理有待建立数据采集渠道分散、多头录入，存在部分监管数据统计口径不同、数据质量参差不齐、报送及时性和准确性不够等问题，在一定程度上制约了国资监管数据的综合分析利用，以及各央企间的数据融通共享。二是数据应用场景不明确，数据要素潜能待释放目前主要以数据采集交换、综合查询、大屏分析展示等应用为主，需强化数据驱动业务创新，建立数据挖掘和数据建模能力，明确重点业务应用场景，实现实时动态监管、问题及时发现、风险预警预测和智慧决策支持，拓展跨业务数据协同展示，加强数据穿透和智能分析。三是数据资产内外共享不足，数据运营面临安全风险国资委基本汇聚了所有央国企监管数据，但国资监管数据与政务服务数据、行业大数据的融合利用尚不够深入，央国企间的数据共享也不够充分。需重点关注数据安全，基于数据服务及产品的对外赋能应用时，需明确数据确权、数据授权和数据使用规范，切实保障国资数据安全，并加强自主可控，从专网建设、面向软硬件的国产自主技术路线，持续迭代升级相关软硬件底层系统和应用。21国资监管数智化洞察与实践国资监管新型基础设施技术支撑能力不足随着“云大物移智链”等新一代信息技术与经济社会各领域的深度融合，数字化已进入全面渗透、跨界融合、加速创新、驱动引领的新阶段，为国资监管数字化智能化发展提供有力支撑，也成为支撑和引领监管方式优化、监管效能提升，助力国家治理体系和治理能力现代化的重要力量。一是国资监管基础设施、网络及平台技术支撑不够国资国企监管网络，尤其是地方国资委和国有企业网络覆盖、基础设施资源利用效率和数据传输安全有待提升，部分落后地区尚未建立与国资委互联互通网络通道，难以满足数据报送需求。二是网络安全体系化管控尚不完备网络安全防护能力需要进一步夯实，网络安全防护能力是推进各类信息化数字化系统建设的基石，目前部分中央企业信创工作正处于起步阶段，IPv6 改造工作还需不断推进，网络安全防护能力需持续加强。面对实战化网络安全形势，亟须强化“全维全域监测快速持续响应精准研判预测动态纵深防御”动态自动化闭环运转以及安全智能化分析能力。三是大数据、RPA、生成式 AI 等智能应用不够深入不少监管业务仍是人工报送模式，国资监管业务与新技术的深入融合需积极探索应用场景，如：三重一大监督、大额资金监督、穿透式财务监管、企业画像、监管风险预警预测等数字化场景，推动国资监管效率效能显著提升。四是数字化建设效果不显著导致支持力度不够企业数字化建设历程漫长，新型技术的应用推广需逐步实施和长期运营，由于短期带来价值不明显，企业从整体经营考虑，可能会减少数字化投入，削减新型基础设施资源配置，从而反向影响企业数字化建设效果。国资监管数智化 现状与洞察22 国资监管数字化人才需求和供给难以平衡目前央国企纷纷开展监管数智化建设工作，但整体进程偏慢，大部分处于启动阶段，这对企业全员的思维理念和数字素养提出了全新挑战和要求，企业普遍存在数字人才紧缺、能力不足、结构失衡等困难，难以支撑未来智能化提升要求，由此面临巨大挑战。一是数字化人才储备不足各企业对数字化人才需求井喷，导致数字人才供给不足，互联网、信息通信等大型数字技术私有企业集中了 50%以上的数字化人才，央国企自身数字人才吸纳不够，数字化队伍建设缺口较大。二是现有人才胜任能力不足数字人才不仅仅是指专职从事 IT 工作的从业人员，而是需要将企业内大量的业务人员、职能部门人员转变为具有数字意识和素养的人员，央国企内部亟需提升全员数字素养和技术能力。三是数字化人才创新激励不足央国企对数字人才激励有待提升，在岗位体系、绩效考核和激励机制上灵活度相对稍低，需要逐步构建数字人才培养和赋能激励体系；企业外部知识获取渠道短缺，内部知识沉淀和共建共享不足，难以对员工持续创新进行充分赋能。23国资监管数智化洞察与实践03洞察分析数字化是改进国资监管方式、提高监管履职能力、防止国有资产流失的重要手段。党中央、国务院作出实施网络强国战略、大数据战略行动等一系列重大决策，开启了信息化和数字化发展新征程，也为国资监管“赋能”。国资国企深入贯彻落实党中央“做强做优做大国有企业”重大部署要求，抓住数字化网络化智能化融合发展契机，深入实施国有企业数字化转型行动计划，在产业数字化、数字产业化等方面取得积极进展，为数字中国建设增添了成色亮色。同时，全国国资委系统构建国资监管大格局研讨培训班会议强调，以更高标准、更实举措持续构建国资监管大格局，将系统提升数字监管智能监管能力作为工作重点之一。国资监管进入数字化、网络化、智能化发展新阶段。国资监管是自上而下由政策驱动实现与国资国企的管控系统逐层衔接。国资监管模式随着新技术发展不断演进，从最开始的手工报送式国资监管，转变为在线填报式国资监管，再到嵌入式集成国资监管，目前已逐步进入云上智能化国资监管模式，未来将逐步向生态化智慧国资模式发展。智慧化生态化的智慧国资加速多方融合，将借助国资监管云平台的技术优势、数据优势和算力优势，加快国有资本与社会资本的深度融合，包括产业融合、生产要素融合、金融资源融合等，同时创新融合路径与模式，用平台思维、产业生态思维打造产融协同平台。充分以数据要素赋能国资监管应用，以大数据治理推动国资监管核心工作，实现用数据说话、用数据管理、用数据决策、用数据创新的工作机制。AI、RPA 等新技术深入国资监管全业务场景，以数智化改造、以技术创新带动监管模式创新，赋能国资监管数智化，实现监管效率和效能大幅提升，为国企改革健康发展提供有力支撑与保障。国资监管进入数字化、网络化、智能化发展新阶段国资监管数智化 现状与洞察24随着国企改革浪潮的推进，作为国资监管的主要对象，国有企业如何与国资委、国资监管对接，成为当前企业集团管控体系建设的主要关注点。中央企业作为国有企业的排头兵，如何实现与国资监管体系有效对接，构建国资监管和央国企集团管控的协同体系，如何建立提升有效的“监督管控”数字化协同机制则成为重中之重。“十四五”国资监管信息化建设规划 中着重强调，要以“数字监管、智能应用”为引领，以优化完善逻辑统一的国资国企在线监管系统为主线，在国务院国资委、中央企业、地方国资委三个层面协同推进在线监管专项行动两阶段建设任务，全面提升国资监管数字化智能化水平。国资监管与央国企集团管控形成上下联动监管大格局尤其是集团型国资央企的内部管控体系搭建，需要与国资委监管重点、监管方向一致，才能保证监管数据准确有效。借助监管引领，发挥国资监管促进企业管控的导向性，实现集团管控与监管目标方向的清晰一致。聚焦国有资本规范运营、实现国资国企内部管控平台与国资委在线监管平台对接，做到承上启下并协同联动，落实监管要求和管控需求。从战略规划与调整、运营监测、管理分析、到战略回顾与绩效考核，形成一个全流程经营管理的闭环管控体系，实现监管数据实时汇聚、动态分析并及时反馈。国资国企集团管控体系要同步搭建集团管控与国资监管要形成上下联动集团内部搭建数据驱动的运营监督平台25国资监管数智化洞察与实践国务院国资委加快推进国资国企在线监管系统建设工作的通知提出，要求力争 2025年底前，实现全国国资国企在线监管系统全面升级，全面建立横向到边、纵向到底、全面协同的数字化智能化监管体系。“十四五”时期，国资国企将通过着力实施国资监管数字化智能化提升专项行动，全面提升在线监管能力水平，服务国家治理体系和治理能力现代化。以优化完善逻辑统一的国资国企在线监管系统为主线，通过数字化提升、智能化提升两个阶段，在国务院国资委、中央企业和地方国资委三个层面上，聚焦国资央企云、大数据中心、信息系统智能化升级、信创和网络信息安全四大重点方向，全面提升国资央企数据感知和应用能力、国有资产在线监管能力、风险识别防范能力、业务支撑驱动能力和网络信息安全防护能力。国资国企正在从如何满足国资监管要求开始，逐步体会到国资监管对企业自身数智化转型的有力推动和指引。国资监管需要更加快速、准确、实时地感知企业经营状态和经营效果，帮助企业发现国有资本经营过程中的问题和隐患。国资国企通过国资监管的手段，实现与国资委对接，让其更快、更准确地了解企业运行状况，制定更符合企业经营发展的政策。随着国资监管需求的不断变化，监管数据指标变得更多，整体监管广度、深度和颗粒度也变得更小，通过自顶向下的国资监管系统建设，驱动企业更好地建设整体经营管理及业务系统，横向拉通企业内部流程和数据共享，纵向衔接国资监管到集团管控端到端的数字化建设，并将管控要求逐步传递到下属企业数字化建设过程中，由此实现上下贯通、层层穿透的数智化监管体系。国资监管推动央国企数智化主要体现在如下四个方面：国资监管有力推动和促进央国企自身数智化转型进程以国资监管需求为出发点，统筹规划国资监管和国资国企网信工作，强化国资国企监管数智化愿景展望，坚持“一张蓝图绘到底”。以总体国家安全观为指导，加强网络安全和自主可控建设，加快构建实时在线的国资国企在线监管平台，强化网络信息安全在线监管重大风险感知能力和应急响应能力。持续推进国资国企数字化基础设施建设，加强系统集成应用和智能升级，推进央企云和数据中心建设，实现业务流程贯通，打通数据壁垒，构建逻辑统一的“大监管、大平台、大数据、大安全”监管平台，促进全国一体化监管协同。以数据为核心，统筹推进国资监管数据集中管理和共享应用，借助大数据、云计算、AI 等新技术，实现关键决策活动向以量化数据为驱动的决策模式转变，推动企业数字化智能化发展。业务主导战略统筹数据驱动体系赋能协同发展共同提升创新引领自主可控国资监管数智化 体系与实践26国资监管数智化体系与实践第 章327国资监管数智化洞察与实践01数智化体系框架图 2 国资监管数智化全过程体系框架国资监管数智化体系，主要围绕客户核心需求，研究国资监管数字化解决方案和业务系列产品，总结国资监管平台应用建设模式，汇聚形成监管数据资源，遵循制度规范体系，提供监管运营服务，基于上述全过程形成国资监管数智化体系框架，形成理论思路指导实践。客户核心需求国务院国资委侧需要通过国资国企在线监管系统有效推动国资央企履行职责使命，优化监管方式，助力精准决策，提升监管效能。完善国资监管数据体系，助力提升国资监管数智化水平。推动国资监管云上线运行并优化提升网络，实现国资监管系统优化升级。建立跨部门协同监管机制，有效提升综合监管效能。优化升级机关办公平台，助力机关规范高效运转。涉企事项网上服务大厅一体化，流程一次办成、智慧办好，助力提升政企服务办事效率和服务质量。中央企业侧需要提升企业管控水平、强化数智化能力，推动高质量发展。实现集团数据集中统一管理，促进数据共享应用，加快推进数字化应用场景建设。提升生产经营数字化水平，获取数字技术创新成果。激活数据要素潜能，在重点行业领域取得积极突破，提升数字化转型规划水平，加强数字创新能力。地方国资委侧需要协同构建数智监管体系，增强国资监管穿透层级和覆盖范围，打造上下联动的监管格局。监管体制机制需要进一步完善，重点监管应用数智化需要进一步深化。数据整合、数据共享和应用程度需要进一步增强，合作交流和措施保障要进一步强化。国资监管数智化 体系与实践28国资监管规划解决方案“十四五”国资监管信息化规划研究、新时期国资央企智能监管重点任务和路径研究等，服务国务院国资委多个重大课题，为国资委提供政策参考，为央企提供理论指导。通过央国企间合作，支持中央企业区块链合作创新平台、中央企业电子商务联盟等多个协同创新平台建设，承接央企规划咨询项目。国资监管研究解决方案中央企业新一代信息技术课题研究报告、国资国企在线监管系统总体架构优化升级研究等，构建央国企智库合作生态。支持国资委数字化转型和国资监管工作及相关数字化转型研究课题，形成国有企业数字化转型理论研究成果，梳理典型实践案例，整理一套关键数据，形成央国企加智库合作生态。国资监管建设实施解决方案立足国务院国资委对央企、地方国资委监管总体要求，构建动态化、协同化、智能化和可视化的国资监管新模式，持续推进国资监管数智化建设。遵循“五横四纵”总体架构，以“大平台、大数据、大监管、大安全”为核心，打造“逻辑统一、实时在线、精准有力”的全国国资国企在线监管信息系统，基于“平台 应用 数据”的建设模式，推进监管实时、精准、高效，逐步向“智能监管”方向迈进。图 3 国资央企数字化智能化监管解决方案地方国有企业侧需要推进自身数智化建设和转型升级，提升数智化能力，有效承接监管要求并落地实施。地方国企有较强的数字化升级的积极性，仍然存在“不会转”“不能转”等问题，需要加强顶层设计和国资监管数字化建设力度，各重点领域的数字化规划发展、新技术应用、基础设施水平、数据应用及运营能力均有待进一步提升。核心解决方案29国资监管数智化洞察与实践国资监管服务解决方案包括三重一大、监督追责、组织机构等应用服务，服务国务院国资委、中央企业、地方国资委及地方国企的国资监管信息化建设，形成重大专项监管、企业运营监管、企业协同监管、企业资本监管等业务领域监管服务。数字监管平台产品包括国资监管统一数据采集交换平台、国资监管数据共享交换平台、国资监管数据综合监测展示平台、国资监管数据治理平台等。数据采集交换平台是国资委和企业开展统一数据采集工作的主要信息化平台，实现统一采集、统一标准、统一管理，提升国资监管业务时效性和一致性、提高国资监管数据资源利用效能。数据共享交换平台实现国资监管数据的统一汇聚和管理，将分散在各业务系统的数据集成整合，形成统一数据资源底座，实现信息共享和业务协同。国资监管数据综合监测展示平台，实现经济运行、规划发展等业务主题，全方位、多角度地呈现企业各类经营管理指标，更加直观、立体地反映企业情况，引领分析决策。国资监管数据治理平台实现国资监管数据清洗、数据融合、数据加工等管理，实现原始数据清洗入国资监管规范库，融合应用国资监管信息库、主题库和专题库。智能监管应用产品基本按照各监管主体的监管业务领域，形成系列产品，如按照财务监管要求，形成大额资金监测系统、财务快报系统、财务预决算系统、国有资本经营预决算系统等多个业务产品，以满足国资财务监管要求和央国企财务部门的财务管理需求。按照产权管理的要求，形成产权登记管理系统、产权交易系统、资产评估系统、发债管理系统、混改管理系统、资产管理系统等多个业务产品，以满足国资产权监管要求和央国企集团产权管理部门的管理需求。监管数据感知产品包括国企智能研究与分析平台、企业风险防控平台等。国企智能研究与分析平台，基于深度学习的文本分类算法、图的自适应文本聚类、主题模型的国企研究主业务系列产品面向国务院国资委、中央企业、地方国资委及地方国企需求，目前聚焦国资监管、监督检查、研究决策、行业分析四个业务领域，形成了数字监管平台 智能应用 数据感知等系列产品。国资监管数智化 体系与实践30平台应用建设国务院国资委、中央企业、地方国资委、地方国企的国资国企在线监管系统建设基本按照国务院国资委国资监管总体架构标准和要求进行建设。国资监管平台应用建设，一般采用两种模式。模式一 国资委出资统一建设国资委基于统一的平台技术架构，建设完成各重点领域的监管应用，分配不同权限的账号给各中央企业集团和地方国资委、地方国企，各下属单位按照监管要求进行数据报送，完成上级单位的监管要求。比如，各地方国资委面向出资企业的产权监管领域，会采用产权监管统建模式，全级次采集产权数据，完成出资企业各层级单位的产权登记。模式二 国资委和企业各自建设国资委端和企业端分别进行建设，通过平台对平台的对接模式，完成监管数据的上下联动。委端通过国资监管统一数据采集交换平台与企业端国资监管数据共享交换平台对接，完成指标数据采集任务下达和数据自动采集。委端按照各业务处室的监管需求，企业端按照各业务部门的集团管控需求，在统一平台技术架构上开发实现多个监管应用，或采用集团管控相关系统提取监管数据，汇聚到企业数据中台，完成企业端建设，包括“三重一大”、大额资金、监督追责、党建、薪酬调查、考核分配、国企监督检查评价、投资、产权、境外项目、国企改革督办、“两非”资产剥离等监管应用。题挖掘、深度学习的文本要素抽取等技术，实现国资国企研究数智化主题分析；基于多维可视化图表分析、多种数据地图分析、数据钻取联动分析、数据预警分析等技术实现国资国企研究数智分析可视化；运用大数据和人工智能技术构建“知识多元、协同创新”研究模式，全方位组织、系统化揭示、深入挖掘情报大数据的内在知识价值，支持辅助科学决策。企业风险防控平台，利用科学方法和智能工具对企业内外部数据的风险要素和风险指标进行多维分析，识别和区分企业潜在风险形成风险清单；利用风险监控模型，对内外部数据进行深度挖掘和分析，及时预警潜在风险监控风险事件；建立风险数据库，对疑似风险进行甄别和处理，对潜在风险采取防范措施，对存在风险采取应对措施。31国资监管数智化洞察与实践数据资源沉淀基于数据资产建设实现业务系统间数据稽核数字化场景基于数据资产建设实现数据看板企业画像数字化场景“三重一大”系统涵盖重要人事任免、重大事项决策、重大项目投资、大额资金使用等业务，以“三重一大”系统为基准稽核投资项目管理系统中某个重大项目投资的合规性，是否经过“三重一大”会议决策、是否符合公司章程和制度。大额资金系统中大额资金支出是否经过三重一大会议决策，是否存在支付异常。企业领导人员系统中领导任免是否经过“三重一大”决策，相关会议是否合规。产权系统中某个企业的成立是否合规等场景，实现早发现、早处理，避免国有资产流失。基于多个监管领域数据，结合大数据检索形成各项数据看板，并可层层下钻，形成横向到边、纵向到底的多维看板数据。结合权限可控范围，提供面向企业领导人关联的三重一大会议、投资项目、组织机构等信息全景展示。借助外部数据，比如天眼查、万得金融、结合舆情舆论、法律诉讼，以及企业拥有的其他数据，加以综合分析，形成企业集团及下属各个企业画像，便于领导层更直观地掌握企业全貌。国务院国资委、中央企业、地方国资委和地方国有企业，通过建立数据标准规范，搭建分层级的数据仓库，建立逐步完善的数据管理服务中心，按照国务院国资委下发的国资监管数据采集指标库，形成数据资产全局地图和数据资源目录，挂接数据形成国资监管数据资产。例如，按照业务主题三重一大、大额资金、监督追责、组织机构、干部人才等形成主题库，开展国资监管数据资产定级分类，通过数据处理、监控、校验形成数据资产，更好地支持领导决策分析。国资监管数智化 体系与实践32制度规范体系国资委和央国企在制度规范体系建设，一般构建国资监管制度管理体系、标准规范体系、安全保障体系、运行维护体系四大类体系，提供系列的监管指标体系、监管业务体系、监管服务体系、监管数据体系、企业管控体系、技术支撑体系、运维保障体系、安全防控体系等设计。按照各级单位有国标的依据国标，国务院国资委有标准的、央国企集团、省内有标准的，依据国务院国资委标准、省标、企标，统筹制定适合本级单位国资国企在线监管的制度规范体系。监管运营服务监管运营服务对象主要面向国务院国资委、各中央企业、各省级国资委、各市地国资委、各省属企业、各市管企业等，提供多元化的国资监管运营服务，包括：国资云计算资源服务、国资监管网络安全监测服务、监管信创改造及数据加密服务、监管应用 SaaS 服务、监管第三方数据服务、数据模型训练服务等。监管服务类型主要包括 IaaS、PaaS、SaaS、DaaS、安全服务等内容，为国资监管提供专业性运营服务。33国资监管数智化洞察与实践02数智化实践案例某省国资委：构建全省“四位一体”综合监督体系通过建立“线上化、数字化、智能化”国资国企综合监督系统，实现全省国资国企统一覆盖、统一管理、一体化使用，打通了省国资委和省属企业协同开展责任追究的业务流程，为机构内部各业务部门，外部审计部门提供问题线索的开通了渠道，对追责问责全生命周期监督进行闭环管理，最终实现了对违规经营问题的全面监督和追责问责，从而避免国有资产进一步流失。典 型 场 景 一 违规经营问题线索全生命周期管理企业总部实时上报自身发现或下级企业报送的违规经营问题线索，上报问题受理后进入监督追责工作流程，支持违规经营问题线索受理、初核、分类处置、调查核实、处理、整改、结案销号的全生命周期管理。支持将各级企业上报、内部审计发现、监事发现、业务监督体系移送，或其他监管体系信息系统发现的问题线索开展排查，数据同步省国资委或处理过程中移交省国资委处理。支持省国资委查阅所有省属企业或地（市）国资委监管机构开展的问题线索处理情况。图 4 多位一体协同监督流程国资监管数智化 体系与实践34010203亮点效果：全级次实时报送问题，促进自我监管企业总部能够实时上报自身发现或下级企业报送违规经营问题线索，加强违规经营问题的及时发现和处置，有效防止问题扩大和恶化。集团全级次企业能够实时报送自身发现的违规经营问题线索，有利于促进企业自我监管和内部管理，提高企业管理水平和风险防范能力，更好发挥企业内部监督体系作用，加强对违规经营问题监管。全生命周期管理，确保问题线索闭环违规经营问题线索进行全生命周期管理，包括问题受理、初核、分类处置、调查核实、处理、整改、结案销号等环节，这种全面管理方式能够更好地追踪和管理问题线索，确保问题得到及时妥善处理。全方位监督体系，全面覆盖企业各类业务省国资委受理来自各省属企业综合监督职能人员、内部审计、监事和业务监督体系上报的问题线索，企业总部对各级企业上报的问题线索进行排查，这种全方位的监督体系可以更全面地覆盖企业各方面，及时发现并处理违规经营问题。35国资监管数智化洞察与实践0102亮点效果：内审外审并重，促进企业问题发现和整改内部审计强调对各级国有企业内审工作的支持，包括审计计划、审计项目、审计文书、审计问题、问题整改等事项，通过全面内审支持，可更好地帮助企业发现问题并进行整改。外部审计则强调对接收政府审计的审计问题的支持，通过督办企业进行相关审计整改工作，可更好地促进企业按照政府要求进行整改。业务流程自动化，提升审计整体工作效率审计问题涉及追责问责时，系统将自动转移至监督追责进行核查。建立自动化处理流程，可更好地保证追责问责的公正性和准确性，并有效提高审计工作整体效率。典 型 场 景 二 内外部审计多方位监督联合外部审计，加强内部审计，实现多方位联合监督。内部审计主要支持各级国有企业维护自身内审工作，支持集团全级次内部审计数据报送省国资委。外部审计主要支持接收政府审计工作，督办企业进行相关审计整改工作。审计发现的问题线索属于追责问责的需要进一步进行核查，最终实现多方位联合监督违规经营。图 5 内外部审计监督示例国资监管数智化 体系与实践36某省国资委：建成全省全业务协同联动监管平台通过建设国资监管统一服务平台及业务应用系统，实现全省全业务、全级次覆盖，全省全网全面对接，推进国资监管业务、数据互联互通。基本实现省国资委与出资企业、市（地）国资监管机构的“网络通”“数据通”和“业务通”，达成网络互通、资源共享、监管在线、决策智能，促进国资监管体制转变，提高监管效率，提升服务能力，有效防范腐败风险、形成监督合力新手段，成为全方位管理、透明化履职的重要支撑。典 型 场 景 一 国资监管综合分析展示支持监管决策建立国资监管数据分析模型，实现“业务支撑、数据采集、分析预警”为核心，“技术领先、安全性高、充分良好扩展”为方向的动态化、精准化、智能化、可视化的国资监管数据综合分析。搭建经济运行、三重一大、监督追责等业务主题，全方位、多角度呈现国有企业各类经营管理指标，清晰、直观展示企业全貌信息，支持国资监管分析决策。图 6 国资监管综合分析展示平台37国资监管数智化洞察与实践010203亮点效果：统一数据采集路径，提升数据采集效率建立数据采集平台，统一数据采集标准，打通省国资委、出资企业多级业务间数据孤岛，实时获取监管企业各业务系统上传数据。数据自动采集更新，有效解决国资监管数据上报不及时，效率低下问题。形成标准化指标体系，提升数据质量通过高度融合多源异构数据，建立数万个分析指标模型，涵盖投资监管、财务运行、产权管理、企业人才、考核分配、科技创新、追查督办等不同主题域，建成一套覆盖国资委和出资企业各业务领域全面的分析指标体系，有效提升数据质量。支持智能化决策分析，提升国资监管效能依托标准化分析模型对重点指标设定阈值，依据 AI 算法进行平均值、方差、极差计算，提供数据聚合、上探和下钻服务，基于数据智能分析，突出展示重点监测数据，实现异常数据实时报警，及时发现问题数据，识别问题企业，提升整体监管效能。国资监管数智化 体系与实践38典 型 场 景 二 企业画像展示国资国企全貌信息建设国资监管企业画像系统，清晰、直观地展示国资国企全貌信息，以折线图、环形图、数值预警等方式体现企业运营现状，为该省国有资产战略布局调整改革提供科学支撑。沉淀企业运营数据，完善企业数据模型，建立分析指标和预警指标体系，辅助国资委精准定位国资国企运营方向，准确掌控国资国企生产经营状况。图 7 企业画像0102亮点效果：汇聚企业全面信息，实现企业数据一体化展示集中汇聚展现企业国资监管全面信息，涵盖财务、经营目标、项目情况、“三重一大”、职工情况、企业党建、责任追究等数据指标。及时掌握企业情况，对企业“三重一大”决策、人员管理、债务风险等情况进行预警，及时识别企业问题。构建企业全业务领域的标准化数据分析模型库建成一套覆盖所有出资企业各业务领域的全面分析指标体系，实现国资监管核心指标数据整合、共享，进行多维度统计分析，通过图表形式直观展示国企运行状况，为领导提供直观的数据呈现和决策依据，有力支持国资国企业务监管及决策分析，提升国资监管数据价值，并为国资监管风险防范、智能管控奠定坚实基础。39国资监管数智化洞察与实践典 型 场 景 三 建设数据共享中心，形成统一数据资源底座实现国资监管数据的统一汇聚和集中化管理，建立跨业务系统的信息通道，实现分布、异构的应用系统间高效、安全的信息交换与传输，全面增强数据汇聚共享和综合分析能力。图 8 数据共享中心010203亮点效果：构建统一数据底座，实现数据共享和业务协同建立和完善国资监管数据库，形成统一的数据资源底座，打破组织、企业之间监管数据壁垒，将分散在各个业务系统中的国资监管数据进行集成整合，推进数据共享和业务协同，形成完善的国资监管数据管控体系，支撑国资监管综合分析展示平台和企业画像数据应用，挖掘利用最大数据价值，加强国资监督效能。统一数据采集标准，实现数据统一采集和管理建成统一数据标准、统一灵活的数据采集、统一数据交换、报表自动或手动报送、统一数据存储等功能。构建国资监管信息资源目录、国资监管数据资源目录，实现国资国企监管数据的统一采集和管理。支持数据稽核比对，及时查找企业数据问题通过业务模块数据之间相互稽核比对，及时查找数据问题，预防违规操作、堵塞管理漏洞。实现财务监管业务系统、总会计师履职管理系统和劳动用工监测综合系统等系统间的数据共享和稽核比对。国资监管数智化 体系与实践400102亮点效果：监管数据体系化，规范数据管理通过监管数据指标体系设计，构建集团国资监管指标数据全景视图，借助国资监管数据共享平台，支撑数据标准规范落实，实现集团国资国企监管数据的规范管理，奠定坚实国资监管业务数据基础。明确监管数据源头，提升数据质量过国资监管数据标准规范管理，明确数据源头，实现国资监管数据自动采集、自动填报，有效提升数据质量。某管网集团：建立央企国资监管大数据全景图通过建立覆盖集团全级次的国资监管数据共享服务平台，形成标准规范的国资监管数据指标体系，创建国资监管数据资源目录和国资国企监管信息资源目录，实现该集团公司国资监管重点业务数据归集，增强国资国企监管数据汇聚共享、综合分析和安全保护能力，为该集团建立国资监管大数据全景视图，打造从标准管理、采集治理、汇聚存储、交换共享、分析应用的监管全栈服务场景。典 型 场 景 一 国资监管数据资源一体化管理基于国资监管数据指标体系，支持以国资监管信息资源目录为核心的数据、专题等信息资源标准数据模型的一体化管理，包括监管数据采集治理、汇集存储、应用服务等全业务场景。图 9 国资监管数据资源目录管理示例41国资监管数智化洞察与实践0102亮点效果：打破数据壁垒，提升工作效率基于逻辑统一的国资监管指标体系，支撑集团监管业务数据自下向上采集报送，有效打破集团层面各级组织之间数据壁垒，实现国资监管数据高效共享共用。监管业务模式转变，赋能基层工采用自动化数据采集、治理工具开展监管数据收集、治理及报送等工作，减少因填报错误、信息缺失等造成的二次填报、反复校验等工作，减轻基层负担。典 型 场 景 二 国资监管数据安全高效共享通过国资监管统一共享门户，提供国资监管数据资源总览、共享订阅、需求申请、通知公告、用户中心等统一管理能力，实现监管数据资源共享服务全流程一站式服务。图 10 国资国企监管数据共享门户国资监管数智化 体系与实践420102亮点效果：监管数据分析，监管模式转变监管数据的规范汇集，形成了有效的监管数据资产，利用可视化分析组件，构建国资监管业务分析模型，建立国资监管业务驾驶舱，创造并挖掘监管数据价值，支持国资监管业务决策，有效促进监管模式转变。数据价值创造，监管风险防范监管数据的高效汇集，为跨业务领域监管数据分析提供了更多可能性，通过跨业务监管分析模型的构建，扩展了监管数据挖掘的深度和广度，为国资监管风险防范体系建立、监管效能提升提供有力支撑，创造并提升国资监管数据的应用价值。典 型 场 景 三 国资监管数据挖掘分析，决策支撑国资监管数据共享中心满足国资监管要求，深入挖掘国资监管数据，构建可视化监管分析模型，有力支持集团业务监管及决策分析。图 11 国资监管数据共享分析43国资监管数智化洞察与实践某石油集团：打造首个集团级国资监管平台设计蓝图采用云计算、大数据等新兴技术，构建统一的国有资产监督管理运行平台，成为首家采用平台化建设模式的国资央企，利用微服务快速搭建“三重一大”、大额资金、组织机构基本信息、监督追责等关键业务管理应用。运用人机交互、检索查询、自动提醒、钩稽校验等功能，建立业务数据联动机制，提高工作质量和效率，实现工作智能化。通过区块链验证的方式，加强数据安全，防止数据篡改，保证集团总部能够及时掌握内部各级下属企业国有资产状态情况。实现国资监管相关事项信息化监控、规范化管理、科学化决策，提高管理效率，提升监管水平，加强风险防控能力。典 型 场 景 一 数据采集多种数字化新手段国资监管业务数据采集方式在传统的在线填报模式以外，建立起支持集成接口数据传输、流式文档导入、语义分析录入、动态表单填报等多种数据采集方式，通过与外部源端系统进行数据集成，利用语义识别分析能力，将关键文本内容进行结构化转换，结合智能知识图谱提供的关联分析能力，配合不同工作场景，提升数据采集效率和数据准确性，为国资监管业务数字化提供新手段。图 12 国资监管数据采集智能化国资监管数智化 体系与实践440102亮点效果：分散数据集中统一，提升数据采集效率国资监管系统将分散的国资监管纸质文件信息转化为集中统一的数字化信息，打破传统组织、地域等限制，通过制度规范化、流程标准化、采集及时化，提高“三重一大”、改革在线督办、国资采购监管等数据采集速度，加快数据周转速度，实现国资监管工作集中统一管理，提高工作效率，节约管理成本。新技术辅助支持，减少人工干预系统提供区块链、大数据识别、知识图谱等大量新技术辅助支持，从对“三重一大”会议纪要进行自动文本识别，到对采购监管数据的大数据对比分析，实现数据智能采集、业务合规管理和考核量化反馈，减少人工干预，数据自动流转，防篡改可追溯，提供预警机制，为国资监管业务风险防范提供有力支撑。典 型 场 景 二 监管数据关联集成分析以业务需求为抓手，建立国资监管专项数据库，以人力系统、财务系统等源端数据为依据，灵活运用已有数据资源，通过大数据、智能图谱等相关技术，按需实现国资监管不同数据之间关联集成分析。通过对数据源端控制，杜绝大范围、大批量的数据重复采集，保障业务数据一致性，实现数据集成分析灵活性。图 13 国资监管数据集成分析应用45国资监管数智化洞察与实践0102亮点效果：构建动态管理机制，实现信息共享和业务融合通过建立专项工作信息库，构建集查、建、联、管于一体的动态管理机制，通过共享、交换，有效打破了不同系统间信息界限，打破信息孤岛，增强信息共享，进一步增强了国有资产监督管理的适应性和灵活性。构建国资监管一体化平台，实现监管模式清晰规范通过构建国有资产监督管理一体化信息化平台，改变过往国资监管工作碎片化、分散化的现状，通过固化国资监管流程，强化国资决策过程中的监督检查作用，避免过去线下管理工作分工模糊，工作内容重复，数据标准不统一等问题，促进工作过程更合规合理，国资监管管理模式清晰可见，管理效果有据可依。01亮点效果：发掘监管流程卡点堵点，优化流程联动创新通过信息化手段，对国资监管工作中如“三重一大”决策流转、国资采购管理等工作流程进行全面分析，辅助寻找过程卡点堵点，促进工作流程修正，提升业务流程周转效率。通过固化工作流程，使工作管理过程更加透明，加强工作合规性和合法性。通过业务的优化联动创新，促进国资监管业务融合，实现智能化管理。典 型 场 景 三 监管数据动态管理与综合应用国有资产监督管理运行系统数据覆盖向国务院国资委上报数据、企业内部月度、季度、年度或不定时的统计报表、动态数据分析报表等多项内容。通过构建国资监管数据模型，实现不同数据间钩稽关联，完善国资监管风险防护和预警机制，推动国资监管业务的有机融合，实现跨业务的查、建、联、管于一体的国有资产动态数据管理机制。国资监管数智化 未来展望46国资监管数智化未来展望第 章4国资监管数智化洞察与实践47新时代下，国资监管将以“数字监管、智能应用”为引领，全面推进国资监管数字化智能化提升专项行动，加强国资监管数智化顶层设计和制度建设，推进国资监管联动、全面覆盖和深化应用，推进国资监管协同机制更加顺畅，全国国资国企在线监管系统全面升级，国资央企云体系和大数据体系建设完善，绘制企业“监管画像”直观准确，综合监测和智能辨识能力显著提升，国资监管数据指标体系不断完善，全面建立横向到边、纵向到底、全面协同的智能监管体系，实现国资监管业务流程全面贯通、数据共享、自主可控、高效便捷体验，保障国资国企发展改革监管和党的建设工作更加有力。一是全面贯通国资监管机制按照“十四五”规划要求，以“智能监管”为方向，统筹推进国资央企一片云、国资监管一张网、业务支撑一平台等建设，结合企业信息化发展实际，持续开展国资国企在线监管信息化建设，加强系统集成应用，贯通监管业务流程，打通数据壁垒，消除信息孤岛，构建逻辑统一的“大系统、大平台、大数据”，建立横向到边联动协同、纵向到底穿透监管的国资监管机制，促进国资监管数智化水平协调发展、共同提升。二是构筑智能监管应用场景充分利用 AI、大模型等数字化智能化技术，建立国资监管决策过程合规、资本布局可控、产权变动可溯、经营绩效可感、资金动态可知、经营风险可视、债务风险可辨、监管责任可追等重点领域智能监管场景，助力监管效能释放和效率提升。通过国资国企先试先行，开展优秀智能化场景推广应用，解决跨厅局、跨行业、跨企业的关键监管共性问题，推动监管业务协同与创新应用，培育政务信息及国资监管数据服务新业态、新模式，助力决策科学化、治理精准化、服务高效化等智能监管新范式。三是实现数据驱动智能监管以数据为核心，建立国资央企大数据平台，实现监管数据资源集约共享，并建立智能监管算法模型库，实现以数据驱动决策监管新模式。健全数据治理体系，形成全量监管数据资源目录，提升监管数据质量，明确数据各方权力，探索数据资产化运营模式。构建数据内外共享开放服务体系，逐步形成国资监管数据统一采集、集中管理、共享交换和智能决策等服务，并融入政务大数据体系，构建部委间联合监管能力，增强综合监管效能。国资监管数智化 未来展望48四是强化网信安全与自主可控以满足国家安全保密有关法律法规和国资委要求为前提，建立全天候、全方位态势感知、监测预警和应急处置的国资监管网络安全管理体系，以国资国企网络信息安全在线监管平台建设为抓手，加强多方联动，建立统一高效的网络安全风险报告、情报共享、研判处置协作机制，聚焦关键信息基础设施和数据安全防护，强化数据全生命周期安全管理，保障国资监管网信安全和数据安全，推进国资央企自主可控应用进程，确保本质安全。五是提供高效便捷监管服务体验建成国务院国资委综合监管展示大屏、中央企业“一企一屏”、地方国资委“一地一屏”，提供全面可视化的大屏展示，实现上下贯通和穿透式监管，通过“一键调取”国资国企综合数据、“一屏总览”监管业务运营态势。构建国资监管数据资源全景视图，深入开展监管数据分析，丰富监管数据模型，绘制企业“监管画像”，提供多维度、全视角综合分析、趋势研判、风险防范和决策支持。推进国资监管指标整合、共享和分析应用，实现监管数据采集到反馈闭环管理，为国资监管各类用户提供便捷化的监管服务，实现国资监管展示直观准确、综合监测实时全面和智能决策科学高效。国资监管数智化洞察与实践49进入新时代，国资监管进入数字化、网络化、智能化发展新阶段，国务院国资委对国资监管信息化工作提出新要求。中央企业和地方国资委在推动实现国资监管数字化网络化的基础上，借助数据、算力、算法，提升国资监管智能化水平，进一步实现实时监管、精准监管、有效监管，为深化国有企业改革提供重要保障。本白皮书结合当前国资监管新形势，全面梳理国资监管数智化发展现状与面临挑战，对推进国资监管数智化体系框架进行全面阐述，并对实践案例进行剖析，为国资监管数智化规划和建设工作提供方法、路径和实践参考。未来，我们将不断持续研究国资监管解决方案和产品体系，提供国资监管规划咨询、课题研究、应用开发、系统集成、运维支撑等全方位服务，并通过加强与国资央企间的交流合作、联合创新，以“数智国资”加速国资监管智能化升级，助力构建国资监管大格局，为提升国资监管效能、推动国资央企高质量发展、加快建设世界一流企业、服务数字中国建设作出贡献。结束语 参考文献1 原诗萌.国资监管：提升监管效率 支撑改革发展 J.国资报告，2020，(05)：68-72.2 袁雪，姜华欣.加强国资监管水平 充分彰显监管效能 J.国有资产管理，2023(06)：9-12.3 德勤企业咨询（上海）有限公司，浪潮集团数字化转型工程咨询研究院等.基于国资云的国资国企监管数字化转型 R.2023-2-28.4 张熙，杨小汕，徐常胜.ChatGPT 及生成式人工智能现状及未来发展方向 J.中国科学基金，2023，(05)：743-750.5 于丽娜，构建国资监管和央企集团管控的数智化协同体系 EB/OL.http:/ 李立娟.国资委全面推进国资央企云体系建设 N.法治日报，2023-05-05(007).7 杜雨萌.国资央企大数据体系建设将提速 国资委明确三大主要工作 N.证券日报，2023-04-25(A01).关于昆仑数智 昆仑数智科技有限责任公司（简称“昆仑数智”）成立于 2020 年11 月，作为中国石油集团下属数字化智能化科技公司，始终以“数字化转型赋能者”为定位、以助力“数字化转型、智能化发展”为使命，形成智慧油田、智慧油服、智慧天然气与管道、智慧炼化、智慧销售、经营管理、智慧财金、智慧管理、智慧党建、系统集成、网络安全、云数据中心 12 项主营业务，实现油气产业链、新型基础设施全覆盖，具备为客户提供信息化和数字化咨询、设计、研发、交付、运营、培训等全生命周期、一体化服务的能力。昆仑数智始终贯彻落实中国石油集团决策部署，以“服务保障集团公司数字化转型、打造新业态发展新产业、探索建立全面市场化的体制机制”为己任，聚焦信息通信技术的应用研究和服务实施，提升数字产业化和产业数字化服务能力，全力打造数字化转型、智能化发展的新引擎，致力于成为国内领先、国际一流的能源行业和流程工业数字化智能化科技公司，为企业的数字化转型、智能化发展贡献力量。定位数字化转型赋能者愿景国内领先、国际一流能源行业和流程工业数字化智能化科技公司使命助力数字化转型、智能化发展

0人已浏览 2024-02-07 52页 5星级

2.3 购药习惯2.4 带病体保险需求*数据来源：杨雨萌：商业健康险已覆盖7.5亿人，中国银行保险报2023年5月三高（高血压/高血脂/高血糖）甲状腺结节食管癌肺癌淋巴癌结肠癌16.05.1.7 .1%8.8.60.4.3.1%7.0%3.7%2.8%9.9.3#.9&.8.3%2.8%4.2%不到1万1-5万5-10万10-20万20-30万30-40万40-50万50万以上慢性病轻症重疾带病体健康体带病体健康体带病体健康体带病体健康体备注：数据来自水滴保用户调研数据问题：您在以下哪些平台购买过保险？您给自己/家人购买过以下哪些类型的保险？目前，您家每年在保险上的支出费用大概是？复旦大学泛海国际金融学院保险创新与投资研究中心：2023年城市定制型商业医疗保险(惠民保)知识图谱，2024年1月10日 细分人群的数据积累是带病体保险产品设计、定价的基础，数据获取难阻碍带病体保险创新，主要表现在自身数据积累不足、外部数据获取受限和数据挖掘、处理能力不足。保 险 机 构 与 健 康 管 理 服 务 提 供 方融合度不高*中国发展研究基金会，2022年，国民健康生活方式洞察及干预研究报告

0人已浏览 2024-02-06 41页 5星级