IMI：2023年中國財富管理能力評價報告

DinK發表於2024-06-11

2023 年是中國財富管理充滿機遇與挑戰的一年，這一年裡，財富管理行業的市場規模仍保持高速增長的趨勢，但也面臨著宏觀經濟和資本市場波動導致的業績壓力，以及中國財富管理客戶的需求持續多樣化、複雜化的新要求。2023 年底至 2024 年初的股票市場暴跌對財富管理行業造成較大沖擊，再一次引發了市場的不信任感，不利於行業長期高質量發展。度過危機並抓住機遇需要各類財富管理產品為客戶帶來切實的收益，這要求財富管理機構和資產管理機構以客戶利益為中心，深入挖掘客戶風險狀況和理財需求，精準匹配產品特徵，同時在投資交易中更穩健高效。為實現上述目標，加快推進財富管理行業數字化、精準化、智慧化，利用前沿科技賦能行業發展，成為各類財富管理機構在未來一段時間內的核心要務。

本報告主要由三部分內容組成。第一部分基於 2023 年第四季度資料，對中國不同型別機構的公募財富管理產品(非現金類)保有規模(簡稱“財富管理規模”)指數進行分析。結果表明:第一，銀行優勢地位仍然穩固。在 100 強機構中有 61 家銀行，且指數平均值持續上升;前 20 名中有 18 家銀行，前 10 名中有 9 家銀行。尤其以招商銀行為代表的頭部機構的優勢顯著。第二，券商市場佔有率持續擴張。2023 年券商的權益類基金保有規模首次超越第三方基金銷售機構，成為僅次於銀行的第二大銷售渠道，其保有規模和市佔率均實現逆勢增長;券商的非貨基金保有規模和市場佔有率也有較大提升，保持強勢增長。由於券商具有場內 ETF 產品的差異化優勢以及投顧等多種專業化服務，使得客戶粘性進一步增強，財富管理具備優勢的券商將加速發展。第三，公募基金公司財富管理服務仍有較大的發展潛力。和銀行、券商相比，公募基金公司上榜數量較少(只有 7 家，均為頭部機構)，行業集中度較高。第四，第三方機構依託網際網路發展迅速，上榜數量較 2023 年上半年增加一家，指數平均值較 2023 年上半年下降，但仍位列各型別機構均值的第一位。從上榜第三方機構前十家來看，其指數值差距較大。第三方財富管理機構多為網際網路企業，其依託技術能力，在專業服務便捷性、普惠性和互動體驗性方面具有較強競爭優勢，同時具有更大的客戶底盤優勢。

第二部分著眼於財富管理行業數字化的現狀和趨勢，提出中國財富管理機構數字化能力指標，並對業內各型別頭部機構的數字化能力建設進行深入分析。對財富管理機構而言，數字化轉型重塑了行業傳統的經營運作模式。這一過程從滿足客戶綜合需求出發，不僅在產品和服務上實現創新，更推動機構在運營和管理層面的重構，使其財富管理能力有條件發生質的飛躍。目前部分頭部機構的數字化轉型已初顯優勢，線上觸達和個性化自助定製服務將大量多層次線上客戶流量有效轉化為存量。具體我們將基於財富管理機構 APP 使用者的月活躍程度(MAU)和日活躍程度(DAU)指標來評估財富管理機構數字化轉型程度和數字化服務能力，並構建核心分析評價體系。我們發現，財富管理機構的相對 MAU 指標(MAU/零售客戶數)、相對 DAU 指標(DAU/零售客戶數)與非貨幣非現金財富管理產品保有量(億元)之間均具有明顯的正向相關關係，財富管理機構的數字化能力是其財富管理規模和綜合能力的重要影響因素。具有更高使用者活躍度水平的財富管理機構，往往具有更高的財富管理規模，在財富管理領域處於靠前地位。

第三部分將聚焦大模型賦能財富管理，詳細介紹大模型在財富管理行業中的應用場景和使用案例，並對未來大模型持續推動財富管理行業高質量發展的前景與挑戰進行展望。未來 AI 大模型將廣泛應用於財富管理行業，為中國財富管理行業數字化轉型提速增效。與傳統 AI 模型不同，大模型演算法的出現使得低成本高個性化的模型訓練和“千人千面”的客戶服務成為可能。在大模型的賦能下，財富管理行業前中後臺的運作機制將會發生重大轉變。前臺方面，大模型在智慧營銷、智慧服務、智慧運營等環節展現出更為顯著的優勢。中臺方面，大模型透過對海量資料進行採集、計算、儲存、加工和統一後，儲存標準資料，形成大資料資產層，並基於資料資產進行二次加工，產出智力資本。大模型讓來自於業務的資料反哺業務，並不斷迴圈迭代，在客戶畫像、智慧投研、智慧投顧、智慧風控等領域為客戶提供高效服務。後臺方面，大模型出色的程式碼生成能力能夠幫助財富管理機構減少系統開發和對接成本，加速大模型和現有業務的融合。

大模型在財富管理領域的應用和推廣，將有效推動我國財富管理行業的高質量發展，使我們對於行業的未來充滿期待。然而，當前在財富管理領域應用大模型或在資料質量、風險合規、使用者行為等領域仍然面臨相關挑戰。為此，監管部門和金融機構均應採取應對策略，使得大模型能夠更加有效地服務財富管理行業。例如，在資料質量方面，透過新增資料標記、清洗和轉換資料、資料縮減、增加資料多樣性、持續監測和維護資料等方式對資料質量進行嚴格把控，共同打造行業資料集;在風險合規方面，引入警戒牌機制、緩衝區機制、車道線機制等，明確監管責任主體，建立一體化實施的大模型安全防控體系;在使用者行為方面，積極投入垂直大模型預訓練和應用層微調，打造演算法邏輯各異的模型，建立起豐富的財富管理模型生態。