第四章 台灣與香港金融科技的分析與比較
第四節 國際金融科技之影響
資訊與通信科技(Information and Communication Technology, ICT)製造實力,又有優質 的人力及靈活彈性的中小企業精神,這是台灣進軍 FinTech 的基石。 290 萬美元。這種變化,一方面是因為 FinTech 發展雛形逐漸明朗,投資者對於 FinTech 的前景更加清楚,也明白唯有商業化的創新方案方才能獲利,因此投資計畫更加審慎。
‧
‧
利器。臺灣金融科技公司與美商鄧白氏(Dun & Bradstreet) 2017 年 10 月宣布攜手合作,推出企業量化信用風險評估指數 API 與線上企業信用風險報告分析器 Fusion$
(Cryptocurrency)的資訊科技技術,交互串連後形成數不清的應用面向均屬於 FinTech 的範疇。自從阿里巴巴在台灣申請電商、支付相關上百件專利的新聞出來之後,台灣金 HSBC、Citi 等金融業者外,還赫然可見諸多金融業陌生的非營運實體(Non-Practicing Entity,NPE),例如美國金融業者 Capital One 的網站被美商高智(Intellectual Ventures,
IV)申告使用其金融專利而遭起訴,被請求 1.3 億美元權利金。由各案件,FinTech 非金 融界的專利權人早已瞄準各國金融業為索取權利金、賠償金的對象;若無準備,恐難面 對專利風險的衝擊,特別是在科技業練兵多時、熟悉專利訴訟模式的非營運實體了。在 涉及卡片支付資料安全相關的標準核心專利(Standard Essential Patent,SEP),IV 也成功 的控告 First Natl Bank of Omaha 侵害專利權。在資訊科技與金融跨界合作的時代,金融 業除了受益於科技外,也面對了科技專利標準、專利聯盟等複雜又專業的議題。另外,
專利的交易轉讓也需注意,美國信貸、籌募資相關專利轉讓均超過 100 件,支付相關的
‧
專利轉讓更超過 1,000 件(周延鵬,2016)。其中 Bank of America 在支付領域受讓的專利 就超過 170 件,此無形資產顯示 FinTech 專利具有相當的市場需求需要強化營運作為。
其餘發展策略方向,台灣金融業在 FinTech 佈局想要後發先至,除透過併購及轉投 資 FinTech 公司以取得關鍵前沿技術也是在自主開發外可考量。觀察歐美指標性金融業 如 MasterCard 早有專利佈局外,近年的併購對象,也包括了 Transaction Network Services
(TNS)支付方案供應商、顧客忠誠方案業者 Pinpoint 等;前者一直為支付、金融和電 信行業提供領先的解決方案,是頻藉了其在全球支付和金融領域是眾多領先組織網路、 Post e-news,2017/10)。針對金融轉型提出有關未來金融服務的新開放標準的關鍵步驟,
為更開放的市場、政策環境配套,以構建台灣金融服務的大未來。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
若以數據量而言,在資訊、金融保險、電腦及電子設備和公用事業的資料量則最為龐大 (McKinsey & Company, 2017)。由此可見,金融保險產業無論是投資規模和應用潛力,都 會是在大數據分析時代下最為重要的產業之一。而將利用資訊科技金融創新應用在銀行 保險及證卷投資可有利於股價預測、投資景氣指數、推出金融創新產品;應用在銀行保 險可有收集到消費交易。
目前已有很多銀行和保險業者試著運用大數據進行業務銷售,透過客戶交易紀錄和 消費模式進行交叉行銷,可提供客戶所需求的商品,並可即時針對客戶狀況進行推薦。
凡此都能夠藉由大數據分析獲得更精準的行銷目標和銷售途徑。再者,結合大數據的資 料挖掘,亦可透過中小企業的產值、銷售和財務等量化數字評估企業的信用額度;針對 交易紀錄等資訊判斷可能涉及洗錢或者詐欺的交易,可以有效地降低銀行放款和營運上 的風險。此種作業流程可將傳統倚賴人工判斷的作業,轉變為以系統分析結果為依歸的 方式,除了能精確地細分客戶進行差異化服務、亦可發掘更多的潛在客戶(圖 22)。
圖 22 利用資訊科技在銀行保險及證卷投資的金融創新 (圖片來源:Beryl,2017)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 23 台灣金融科技創新之投資策略構想圖 (資料來源: http://www.acc.ncku.edu.tw/files,2017)
依照這樣的思維邏輯,金管會提出台灣金融科技創新之投資策略構想圖,從財經資 料庫組建資料庫加上群組作業平台,設定欄位公式等資料加值,加以進階篩選評鑑投資 策略及實現工具實現其投資利潤,之後進行回測及產業分析等驗證(圖 23)
在證券投資業方面,最亮眼的焦點則莫過於被應用於股價預測的大數據分析;透過 分析 Twitter 資訊內容以感知市場情緒的英國避險基金 Derwent Capital Markets,在 2011 年推出的第一個月即以 1.85%的報酬率,成功擊敗平均報酬僅有 0.76%的其他避險基金。
此外,收集公司企業產品及品牌在社群媒體上的受歡迎程度,可從粉絲人數、追蹤數和 觀看次數等數字作為評估要項。持續追蹤個別投資者的真實交易資訊、資金流動狀況、
帳面收益率和投資信心狀態等指標,FinTech 產品「個人投資者投資景氣指數」,在加權 匯總後所得綜合性的投資景氣指數與證指數走勢十分貼近(中國國泰君安證券,2012)。大 數據分析技術在金融市場造成前所未見的衝擊,並且替金融產業以極快的速度帶來顛覆 性的業務創新和經營新方向。不亞於由網路趨勢和行動浪潮所刮起的旋風,滲透到民眾
‧
析師相關矩陣究竟能有多穩定,由 1998 年,爆發的長期資本管理公司(Long Term Capital Managemtnt,LTCM)發生危機時,看風險最高的固定收益資產多高的相關性,和復甦後的 相關性又是多少可以佐證。警告信號是依據某種基於平均數-變益數框架的報酬相關矩 陣。如:組合式基金(Fund-of-Funds),不管是商品交易顧問基金 (CTA)或者是共同基金 絕大部份的時間,投資人和管理人都沒有考慮到這個問。造成這個結果的幾個主要的原因如下:(1) 沒有足夠的數據來估計它的相關矩陣。(2) 即使它有足夠的資料來計算相關系數,產生相關係數的財務過程仍然相當不穩定。(3)過 去的績效並不代表未來的回報。不管是報酬率或者是報酬的變益數都一樣。歷史平均報 酬除以報酬的變動來說並不是一個預測未來的適當因數。夏普指數(Share Ratio)並不能真 正產生報酬或降低風險。效率前緣(efficient Frontier)雖然可以呈現一條漂亮的曲線,但當 它的參數是參考歷史資料而得,就可能無法真的使資產配置在未來能夠達到最適的風險 以及報酬。多元共線性和在受限制的迴歸下並無法建立信賴區間的問題,使用短期的歷 史數據資料或許能夠看得清過去的情況,卻很難將它運用在預測未來的績效。