2025年金融科技专题报告：“国之重器”的保障基石

1. 复盘金融 IT 行业历史阶段

自上世纪 70 年代以来，平均每隔 15-20 年，金融科技行业就会出现一轮重大迭代，整 个金融行业会伴随着科技的迭代进行升级。综合来看，金融与科技的融合发展可以总结 为以下几个阶段：

金融电子化和信息化（1970-2003）

这一阶段的主要任务聚焦于对后台业模式、业务流程及管理模式进行 IT 技术升级，旨在 实现风险的集中控制、业务快速扩容以及无纸化办公等目标，以提升金融机构内业务效 率。

互联网金融阶段（2004-2015）

在此阶段中，金融机构开始对资金的来源、去向进行在线监控、集中管理和调配产生扩 张性需求，传统的系统已难以满足用户实时性要求。伴随 21 世纪初互联网的蓬勃发展， 传统金融机构开始进行转型，通过线上业务平台实现信息共享及业务融合，对业务的实 时性提供高效支持。互联网的出现，减少了信息不对称，开拓了线上销售新渠道，金融 产品也逐渐开始多元化。

金融数智化阶段（2015 至今）

在互联网带来新的科技及产业变革后，金融机构开始积极推动技术与业务的融合创新， 改造并推出新产品，旨在达到提质增效、精准匹配需求的目标。在此阶段中，人工智能、 云计算、物联网等新兴技术开始渗透进传统的金融业务，深度覆盖信息集采、投资决策、 风控各端。基于金融科技发展的前一阶段，日益多元化的产品及日益蓬勃的金融发展， 对行业的风险控制及资产分配均带来挑战，金融科技赋能的重要性凸显1。

2. 内外因素推动，金融科技资本开支具备增长预期

金融科技结合了大数据、人工智能、区块链、云计算等先进前沿技术的新兴行业，其目 标是利用先进的技术、产品及模式等，对传统的金融行业赋能，达到降本增效的目标。 从金融机构具体应用分类上，可分为“银行 IT、证券 IT、保险 IT”三大类。 效率、客户体验等环节的体验提升是金融科技能带给金融机构的直观改变，是行业获得 重塑的体现。未来金融机构盈利模式预计会开始转换。

2.1 银行 IT

银行作为传统金融体系的重要机构，承担调配资金需求、保障资源合理利用的重要任务， 以促进产融结合与金融服务实业的目标。因此，前沿技术对传统金融机构的转型赋能尤 为重要。

外部因素

政策出台：2022 年以来，央行、银保监会等部门相继出台了一些政策文件，加大对银行 业数智化转型的支持力度。其中，《金融科技发展规划（2022-2025 年）》、《关于银行业 保险业数字化转型的指导意见》等政策文件，对银行业强化金融科技投入、加快数智化 转型提出了较高要求2。

互联网公司的冲击

互联网平台在流量吸引、资源整合角度有天然的优势。近几年，随着互联网公司开始陆 续涉足金融行业，推出各项金融服务与产品，传统的银行业务所占据的市场份额受到不 小的冲击。互联网公司有足够的能力将流量资源迁移至电商、金融服务及各大板块，且 能够结合用户的网络消费习惯数据进行定制化服务，客户预计将对金融服务商进行重新 选择，传统的银行业务迫切需要新型技术加持与互联网公司竞争3。

内部投入

银行在数字化转型与科技应用领域起步较早，金融科技基础建设与资金投入均较为可观。 随着国家数字化转型系列政策的出台及前沿技术在金融服务领域应用的逐步成熟，银行 数字化转型已经成为国内商业银行发展的大势所趋。近年国内银行业在 IT 建设与服务领 域的资金投入规模逐年递增4。 2023 年全年，国有六大行在金融科技方面的投入均超过百亿元。其中，工商银行、建设 银行、农业银行和中国银行投入均在 200 亿元以上，交通银行和邮储银行在 100 亿元以 上。具体来看，工商银行、建设银行、农业银行、中国银行、交通银行和邮储银行，2023 年金融科技投入分别为 272.46 亿元、250.24 亿元、248.5 亿元、223.97 亿元、120.27 亿元、112.78 亿元，其中同比增速最高的是建设银行和农业银行，分别为 7.45%和 7.06%； 邮储银行、中国银行、工商银行和交通银行的同比增速分别为 5.88%、3.97%、3.9%和 3.4%5。从近几年银行业科技投入来看，国有头部银行在科技投入端已做了较好表率， 行业整体科技资本开支仍处在上升周期。

整体银行业角度，根据艾瑞咨询数据，自 2019 年起，银行业 IT 投入规模以 11.86%的 复合增长率稳定增长，预计于 2024 年突破 3000 亿元，且于 2027 年投入超 4000 亿元。 投入结构上，预计银行未来于前沿技术的科技投入较快，在科技人员与传统 IT 的投入上 也有不同程度增幅6。

内外因素增压的情况下，银行在维持软硬件更新换代的基础上，亦需带头引领国产替代 进程，支持国内银行业的运营由“粗放”走向“精细”，支撑国家经济体系高质量发展。

2.2 证券 IT

证券机构的数字化转型主要可以体现在财管、投顾、风控等各个环节，主要面向业务展 开时用户画像与生命周期覆盖难度较高、产品同质化且单一的痛点，需要数字化手段进 行业务调整与重构。

转型背景

“十四五”规划提出加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动 生产方式、生活方式和治理方式变革。党的二十大报告也提出，需要加快发展数字经济， 促进数字经济与实体经济深度融合，打造具有国际竞争力的数字产业集群7。

人才建设队伍加快

根据中国证券业协会发布的《证券公司数字化转型实践报告及案例汇编（2022）》，2021 年证券公司 IT 人员总数为 30952 人，同比增长 19.7%。其中证券公司总部 IT 员工为 14862 人，同比增长 21.38%，常驻外包 IT 员工数量为 11404 人，同比增长 35.39%。 从人员构成上看，正式员工数量持续增长，2021 年同比增长 12.13%，外包人员大幅度 增长，2021 年同比增长 35.39%。 此外，中证协发布的《证券公司网络和信息安全三年提升计划（2023-2025）》显示，《计 划》鼓励有条件的券商结合自身实际情况逐步提升信息科技专业人员比例至企业员工总 数的 7%，其中信息安全专业人员比例至信息科技专业人员总数的3%并且不少于2 人， 此前征求意见稿要求信息科技专业人员不低于公司员工总数的 6%，相比之下，新计划稿将 IT 人员的数量要求提上了一个新的高度。 此外，《证券公司网络和信息安全三年提升计划（2023-2025）》提出，要合理加大科技 资金投入，鼓励有条件的券商 2023 年至 2025 年三个年度的信息科技平均投入金额不少 于上述 3 个年度平均净利润的 10%或平均营业收入的 7%。考虑到金融科技对金融机构 的转型赋能，证券行业未来的盈利模式预计会跟随改变，盈利能力有望提升，因此我们 认为券商的未来科技资本开支也具备增长预期。

券商科技投入预期

最后，从目前来看，根据艾瑞数据，中国证券行业的金融科技投入自 2019 年起至 2027 年预计以 16.70%的 CAGR 达到超过 700 亿元规模，且每年同比增幅预计较稳定。投入 结构上，证券行业在各项科技的投入并不如银行那般均衡，更多是在传统 IT 建设的基础 上叠加前沿技术更新，未来会伴随云技术等新兴技术的广泛应用持续加大前沿技术的投 入。

证券行业的科技投入更多还是基于深度融合用户数据信息、挖掘用户数据价值的需求背 景，并且将软件与金融理论结合，以产品化的运营模式在多个业务场景提供证券投顾全 流程覆盖，提高客户受益，改善机构间交互体验。未来中国证券行业会随着持续的科技 投入而愈发成熟。

2.3 保险 IT

保险行业的数字化转型需求较为多元。一方面，疫情肆虐引发社会对保险需求的再思考， 另一方面，保险面临和银行业同样的线下渠道销售问题。当前数字化趋势下，传统保险 公司基于既有业务优势，通过“金融 + 科技”的探索和创新优化原有作业模式，同时， 专业互联网保险公司以“科技+ 场景”为特色，寻求互联网保险的独特发展之道。 根据 IDC，2022 年，中国保险业 IT 解决方案市场规模达到 107.6 亿元人民币，与 2021 年相比增长 6.3%。市场规模进一步增长，但整体增速进一步放缓。 保险机构的科技投入与机构保费息息相关。从保费上分析，根据华经产业研究院统计数 据，近十五年来，中国保险行业总保费收入总体呈上升趋势，其中 2007 年和 2014 年保 险业“国十条”和 2014 年“新国十条”的出台促进了保险行业的快速增长。2021 年在 新冠疫情和车险综合改革的背景下，原保费收入逐年递增的态势被打破，全年总保费收 入为 44900 亿元，同比下降 357 亿元。但国家金融监管总局数据显示，2023 年保险公 司原保险保费收入 51247 亿元，同比增长 9.14%，有触底回升之势。

行业投资规模端，中国保险业金融科技投入金额逐年攀升，自 2019 年 276.4 亿元预计 增长至 2027 年 870.4 亿元，2019-2027E 年复合增速为 15.42%8。 根据中国保险行业协会《保险科技“十四五”发展规划》，“十四五”期间中国保险行业 科技投入需要进一步加大，以实现行业平均保险信息技术投入占营业收入比率超过 1%， 并且对组织架构和人才队伍进行优化，推动行业信息科技人员数量占正式从业人员数量 比率超过 5%9。因此，保险业的科技投入具备量化指导目标，未来科技投入已制定标准 及自律机制。 投入领域拆分上，传统 IT 建设仍是保险业科技投入占比最高的部分，前沿技术投入水平 仅次于银行。大数据平台、数据要素、AI 等预计会扮演更重要的角色，以丰富营销模式、 提升获客效率及处客方式10。

保险机构目前已在部分环节如自动化理赔等实现阶段性金融科技成果，后续预计保险机 构的科技投入会进一步覆盖至更多业务环节，逐步实现保险全环节数智化改造。

3. 金融科技技术端与应用端 技术端带动发展衍生设想

3.1 核心交易系统：金融信创+分布式架构转型，全面更换提上日程

金融业对系统的高可用能力要求较高，其中证券核心交易系统是证券公司交易执行平台， 提供交易前端风控检查、订单生成、报盘、交易管理、运营等功能，为投资者提供交易 服务。从 2005 年算起至 2023 年，上一代集中式架构的证券核心交易系统已经运行了近 18 年，然而证券行业正处在持续发展阶段，上一代系统面临着高可用、低延时、高吞吐、 易扩展、安全方面的挑战，已经无法满足新的业务诉求11。 在国家信创战略方兴未艾、财富管理转型不断深入践行、客户需求多样化个性化趋势等 多重因素的驱动下，金融行业正处于架构转型期，券商核心交易系统的变革之路全面开 启。

鼓励分布式架构转型：分布式架构是指将不同的服务模块部署在多台不同的服务器上， 用一组计算机集群替换大型机，然后通过远程调用协同工作，共同完成服务。分布式架 构拥有高可用，低延时，高并发，灵活横向扩展等优势，是突破集中式性能瓶颈的最佳 技术手段，IT 架构的分布式转型逐渐成为业界共识12。 中国证券业协会于 2023 年 6 月 9 日正式印发《证券公司网络和信息安全三年提升计划 （2023-2025）》（以下简称《计划》）重点强调券商技术架构转型升级、持续提高核心系 统自主掌控能力；鼓励有条件的券商积极推进新一代核心系统建设，根据不同客户群开 展核心系统技术架构的转型升级工作。在《计划》提到的 31 项主要任务中，其中有 17 项任务关于提高数据架构与核心系统的自主掌控能力和安全防控能力。随着分布式、微 服务、云原生等技术的成熟，证券业系统升级迭代基础不断夯实，结合政策催化，核心 交易系统正向分布式、低时延、开放技术架构转型，且搭载云原生、微服务技术中台， 使系统具备高可用、高性能、低延时、易扩展及松耦合等特性13。

3.2 AI 大模型：法律法规护航，金融大模型发展空间广阔

在数字中国的建设背景下，大模型在金融领域具备广泛的应用前景，有助于推动构建用 户个性化服务体验、提升金融领域营销、运营等价值链效率，拓展数据决策在风控领域 的创新应用效果，助力金融行业数字化转型产生实质性的飞跃。金融行业凭借数据丰富 且质量高的特征，具备夯实的大模型训练基础，AI 不间断从技术驱动迈向场景驱动，已 广泛与金融业务深度融合，衍生出众多新业态、新服务，同时也浮现关键性任务和动态 适应性、个性化要求和隐私保护、安全可控需求提升、大数据和基础设施等问题14。为 了应对通用 AI 大模型存在的安全性问题以及技术性缺陷，国家及时出台相关法律法规， 相关金融企业也致力于完善金融大模型，促进金融行业大模型的健康发展与规范应用。 法律法规不断完善：2023 年 7 月 10 日，网信办等七部门正式发布了《生成式人工智能 服务管理暂行办法》，该办法自 2023 年 8 月 15 日起施行，鼓励人工智能在各行业、各 领域的创新应用，并明确了人工智能监督检查与网络责任。2023 年 7 月 28 日，腾讯宣布与中国信通院共同启动行业大模型标准联合推进计划。其中，腾讯与信通院将联合牵 头开展《面向行业的大规模预训练模型技术和应用评估方法第 1 部分：金融大模型》编 制，这也将是国内首个金融行业大模型标准，有助于全面评估金融行业大模型的应用能 力，进而推动行业大模型的产业化发展。“构建安全可信的人工智能”逐步成为行业共识， 相关法律法规的不断完善，为 AI 大模型的可持续发展提供了良好的土壤与环境。 金融大模型陆续问世：现如今，通用大模型陆续推出，但通用大模型“千模竞帆”现状 的背后是国内各厂商的数据生态割裂，由于当前数据开放共享的安全与收益分配机制还 不完善，因而具有大量数据的头部大厂开放高质量数据集的意愿不足，主要将数据价值 创新服务于企业内部，国内各大主流厂商推出的大模型均基于己方已有数据，但由于数 据分散、丰富度不足、质量参差不齐等原因，各个大模型都存在一定的局限性。应对大 模型数据供应不足等问题，金融行业致力于推出金融业的垂直大模型15。

然而，当下的“金融大模型”主要停留在工具层和应用层，更类似于业务流程优化助手， 在核心金融业务场景的落地之路仍任重而道远。此外，由于金融业对于算法可解释性与 可信度要求极高，AI 大模型仍处于“前牛顿时代”。在世界人工智能大会上，交通银行 与华为、腾讯云、科大讯飞宣布共建 3 个联合创新实验室，分别聚焦大模型在金融领域 的应用与创新、增强网络空间安全防御能力、研究认知模型在金融领域的应用16。对于 刚刚迈入数智化“深水区”的金融业而言，需要身处水中的厂商们拥抱合作互通，共同 迎接大模型时代的到来。

3.3 可信数据安全：AI+政策，数据安全需求释放

随着大模型部署爆发热潮，ChatGPT 等大语言模型超乎寻常的使用量使 AI 大模型逐渐 暴露了其平台内所隐藏的安全隐患，这些风险与隐患给用户、企业、甚至大模型平台本 身都带来了前所未有的安全威胁。面对当下快速增长的数据量，持续扩大的数据风险敞 口，数据安全亟需得到重视。 AI 大模型数据泄露问题：人工智能可能引发的安全问题主要体现在大模型训练、调优所 使用数据的安全问题，以及如何在数据全生命周期各阶段，通过加密、数据水印等技术手段保护用户隐私等。早在 2023 年 3 月 31 日，意大利个人数据保护局宣布，从即日起 禁止使用聊天机器人 ChatGPT，并限制开发这一平台的 OpenAI 公司处理意大利用户信 息，同时个人数据保护局开始立案调查17。AI 大模型暴露的用户隐私与企业机密信息在 整个社会范围内都引起了巨大的反响。 政策聚焦数据安全：随着我国数字经济驶入快车道，数据流动和安全发展的矛盾也逐渐 显现，我国对数据安全的重视程度也提升到了新的高度。在 2021 年相继发布《数据安 全法》、《个人信息保护法》等顶层设计，为数据和个人信息保护提供了重要法律依据， 加大对于数据安全的保护力度18；2023 年年初组建国家数据局，为保障数据安全提供强 大后盾19；2023 年 7 月，中国人民银行起草了《中国人民银行业务领域数据安全管理办 法（征求意见稿）》，以落实《中华人民共和国数据安全法》有关要求，加强中国人民银 行业务领域数据安全管理。根据年初工业和信息化部等十六部门联合印发的《关于促进 数据安全产业发展的指导意见》，数据安全产业规模于 2025 年将超过 1500 亿元，年复 合增长率超过 30%，数据安全产业基础能力和综合实力将得到显著提升。

3.4 云计算应用：资源交付和使用

云形态可包含公有、混合及私有云，通过云计算技术，用户可随时按需从可调动的资源 共享池中获取网络、服务器、存储器、应用程序等资源。按照交付模式，可另外分为 IaaS、 PaaS 和 SaaS，“私有云”及“行业云”的选择，更多基于不同金融机构的规模及具体需 求20。 如赋能至金融领域，云计算的出现降低了金融机构获取数据和各类信息的成本，同时也 提高了金融服务效率。并且，云计算将金融机构从非核心的 IT 建设中释放出来，聚焦核 心业务，更多创新性业务未来会逐渐向云端迁移，大数据规模带来的算力应用部署也将 由云完成21。

存量替换

目前主要集中在对外资服务商提供服务的存量替换，也是金融行业伴随信创趋势的替换 转型重点。未来关注点主要集中在试点的深化。

增量需求

云技术作为新兴技术的一种，目前正在逐渐被各大金融机构所接受。放眼未来，云原生、 云计算作为底层资源层，将更多服务于上层的业务逻辑实现，赋能更高价值的业务开发， 释放云技术红利。 市场规模端，按照艾瑞数据，中国金融云解决方案市场规模自 2018 年起至 2025 年呈现 逐年上升趋势，预计 2025 年将达到 1077 亿元规模。对中国金融云来说，无论是政策的 明确规划、产业痛点倒推技术升级还是技术创新带来的基础落地条件，未来都面临良好 的发展环境。

业务场景侧发展设想

3.5 B 端业务场景

智慧银行

2023 年 8 月，波士顿咨询公司（BCG）发布《银行业生成式 AI 应用报告（2023）》，董 事总经理、全球资深合伙人何大勇称，当前 AIGC 落地银行业仍处于最初级的阶段，其 应用场景可以贯穿银行全产业链的各个环节。目前，银行业主要应用生成式 AI 释放运营 类人力资源；以 AI 为助手放大关键节点“人”的产能、赋能“专业”内容形成和“基础 管理”环节；以革新传统银行业信息采集和交互的方式，促进银行系统的安全性升级和 运营体系的降本增效。目前，银行业已基本实现了金融产品、营销、风控等领域的数智 化，相关投入也在持续增长；尽管银行业的数字化基础扎实、技术能力完备且数据丰富 多样，但其专业性强、精准性要求高、数据安全需求大的特点也使得 AIGC 规模化应用 面临较大挑战。

智能投研

智能投研是利用计算机技术和人工智能算法等，对金融市场进行分析和预测的一种新型 研究方法；其以数据为基础、算法逻辑为核心，利用人工智能技术完成投资信息获取、 数据处理、量化分析、研究报告撰写及风险提示，以辅助专业人员进行投资研究；克服 传统投研流程中数据获取不及时、研究稳定性差、报告呈现时间长等弊端，有利于扩大 信息渠道并提升知识提取及分析效率，在文本报告、资产管理、信息搜索等细分领域形 成广泛应用。智能投研作为结合了金融科技和投研需求的前沿领域，目前处于成长初期， 未来仍需要不断丰富数据、完善算法模型、加强对人工智能算法的监管和规范，以确保 其安全性和可靠性22。

智能信贷

智能信贷是基于大数据等金融科技技术的全流程线上数字化的借贷模式。传统的信贷服 务依赖人工、基于流程的风控特点，导致放贷门槛高、审批手续繁琐，不利于小微企业 和中产阶级以下群体的融资；而智能信贷则可以通过聚合线上数据服务及智能评分技术， 全面展现客户消费、银行卡交易、共债、黑名单及征信情况，有效降低线下评估难度和 客户经理道德风险，提高调查审批效率，全面提升面向商户、农户、小微企业、个人等 群体的信贷服务能力23。

智能保险

智能保险在营销和理赔环节具有显著优势：在传统保险的营销环节中，大多数保险产品 较为单一且销售人员难以洞察消费者潜在需求；利用生成式 AI 技术，保险公司可以通过 自然语言交互，分析客户的需求、偏好、风险承受能力等信息，从而理解个人需求特征， 创建差异化和个性化的保险产品，生成满足不同客户需求的保险方案。在传统理赔过程 中，往往需要经过多道人工流程才能完成，而智能理赔则可根据保险条款、索赔信息和 历史数据等信息，自动计算理赔金额，提高理赔效率和准确性。当处理复杂的理赔时， 生成式 AI 还能基于深度学习模型生成更高效的理赔流程以及解决争议和问题的方式，降 低保险行业的人工成本并提升客户的满意度24。

智能风控

智能风控是指利用大数据技术整合风控数据信息，并通过人工智能中的机器学习、专家 系统等技术自主学习风险，进而实现各业务环节的风险识别、风险评估、风险预警和风 险处理等的过程。传统的风控手段已无法满足风险信息实时、动态的监测和预警，难以 达到大数据时代提出的效率要求；而数据的共享共治，为打造金融机构数字化、标准化 的风控体系提供了难得的机遇；随着大数据、人工智能等金融科技技术不断完善，中国 智能风控行业市场规模持续扩容，新技术支撑下的智能风控体系成为金融机构风险管理 的主动需求25。

3.6 C 端业务场景

数字人民币与支付

数字人民币出现的背景，主要是中国的经济发展由高速增长向高质量发展的转变，以及 以数字经济为代表的科技创新开始成为催生发展动能的重要驱动力，边远地区对线上金 融服务的需求也随着数字经济覆盖面的拓展日益旺盛。电子支付的普及使得社会零售支 付服务更加便携高效，一定程度上也改变了消费者的支付习惯。 金融科技对数字人民币的赋能主要体现在技术支持上。例如在支付时的实时密码更改技 术，增强账户实时保护能力、3D 安全认证技术，需要双重验证码进行安全验证，增加支 付安全防线。此外诸如令牌化技术、硬件安全芯片等为数据的安全也提供了安全环境。 应用场景端，除了“支付安全”之外，新支付方式例如“碰一碰、面部扫描、指纹掌纹” 等均和数字人民币不断推广互相呼应，截至 2024 年 12 月，“碰一下支付”已覆盖超 50 个城市，全国已有超 1000 家商场、商圈接入26。除了“人支付”的体验，“汽车用户支 付”体验方面也得到提升，用户可通过车牌识别、ETC、车辆 VIN 识别等方式，可以实 现自动扣款，提高出行场景的支付效率。整体上，通过金融科技的技术赋能，应用场景 端已开始逐渐铺开，用户体验也逐渐升级。

数字人民币市场规模端，根据江苏省支付清算服务协会及移动支付网数据，截至 2024 年 7 月末，数字人民币 App 累计开立个人钱包 1.8 亿个，试点地区累计交易金额 7.3 万 亿元；并且数字人民币已推广至中国 17 个省（市）的 26 个地区，广泛推广应用于批发 零售、餐饮文旅、教育医疗、公共服务、城市治理等领域，更是推出诸如预付资金管理、 供应链金融、信贷服务、小微企业服务等基于数字人民币的产品。整体上，数字人民币 的普及深化有迹可循。 规模上，根据麦肯锡，预计到 2030 年，全球支付市场规模将达到 450 万亿美元，其中 数字货币支付的占比将显著提升。因此，数字人民币未来普及的想象空间较大，中国将 成为数字货币市场的主要参与者之一。

3.7 政策端：金融信创刚性要求

据国家提出的“2+8+N”信创体系，金融等关键行业的信创进度于 2020-2021 年开始提速。当前处于三年黄金发展期，且从办公系统开始，向核心业务系统和云资源网络基 础建设等发力27。2022 年 9 月底国家下发 79 号文，全面指导国资信创产业发展和进度， 要求到 2027 年央企国企 100%完成信创替代，替换范围涵盖芯片、基础软件、操作系统、 中间件等领域28。金融机构对国产软件移植及国产化适配等信创方面的适应性改造需求 将不断提升，以解决基础软硬件产品国产化后应用系统层面的适配问题。

4. 金融信息服务兴起

金融信息服务是指通过收集、整理、分析和传递与金融市场相关的信息，为投资者、企 业和机构提供决策支持的服务。其内容通常包括市场数据、行业分析、风险评估、投资 建议、财务规划等，覆盖股票、债券、外汇、基金、保险等多个领域。金融信息服务以 大数据、人工智能和云计算等技术为依托，为用户提供精准、高效和实时的信息支持， 助力金融活动的优化和透明化。

4.1 金融信息服务行业稳定发展

资本市场持续发展，A 股市场成交额呈波动上升趋势。随着国民经济的持续快速增长和 多层次资本市场建设的日益完善，我国证券市场近年来获得了长足的发展，投资者参与 证券市场的意愿不断增强。除 2016-2018 年、2022-2023 年，A 股市场相对走弱，整体 成交额下降外，近 10 年来市场成交额呈波动上升趋势。其中，2023 年 A 股市场成交额 为 212 万亿元，较 2014 年增长 188%。

华经情报网数据显示，中国金融信息服务行业市场规模呈现出逐年上涨态势，从 2018 年的 340.86 亿元上涨至 2023 年的 607.86 亿元，随着中国金融业的发展，预计 2025 年 中国金融信息服务行业市场规模将上涨至 762.26 亿元。 在金融信息服务行业的产业链中，位于产业链上游的是各类基础信息提供商，主要包括 各交易所专属的信息发布机构和专业的资讯机构。金融软件与信息服务提供商位于产业 链条中游，包括同花顺、大智慧、指南针、东方财富、麟龙股份、益盟股份等企业。中 游机构开发各类行情交易、证券分析、金融资讯等软件，将从上游机构处获得的原始数 据及采编的各类金融财经信息进行再加工，并通过自身的软件产品传递给下游的各类客 户。

4.2 行业发展趋势

行业规模不断扩大。经过多年发展，中国金融信息服务业行业规模迅速扩大，投资者数 量和群体不断增加丰富，国内证券市场及产品范围的逐步扩大，带来更多样化、深层次 的信息服务需求，拉动金融信息服务规模持续扩展。 资质严苛构成高准入壁垒。根据中国证监会《证券投资顾问业务暂行规定》(证监会公告 [2010]27 号) 规定，证券公司、证券投资咨询机构接受客户委托，按照约定向客户提供 涉及证券及证券相关产品的投资建议服务，辅助客户作出投资决策，并直接或者间接获 取经济利益的经营活动的，属于从事证券投资咨询业务，应当经中国证监会许可，并取 得证券投资咨询业务资格。目前，国内相关企业提供的金融信息终端类产品和服务虽然 在盈利模式上存在差异，但大多属于证券投资咨询业务的范围，因此相关企业应取得中 国证监会颁发的《证券投资咨询业务资格证书》，并符合相关监管要求。考虑到《证券投 资咨询业务资格证书》审批和发放过程中，中国证监会对于企业资质、业务能力等方面 的审核标准较高，因此相关资质已成为金融信息服务行业的进入壁垒。29 供给需求趋于多样化。随着经济全球化的发展和各市场关联性的不断增强，用户对金融 信息的需求日益增长。金融信息服务商需要不断完善数据交换和压缩技术，以实现海量 数据的远距离传输。同时，各公司需要不断提升数据分析与存储技术，以满足对海量数 据的采集、分析和处理的需要。 技术革新强化需求市场满足。中国金融信息服务行业将以智能化、实时化和高安全性为 核心，深度应用人工智能、大数据、区块链、云计算等技术，实现金融数据的精准分析、 实时推送和透明共享。同时，隐私计算、量子计算等前沿技术的探索，将提升行业的风 控能力和效率，5G 与物联网的融合则拓展了多场景金融服务的可能性。这些技术趋势将 推动行业向个性化、高效化和国际化迈进，满足复杂多变的市场需求。30 政策助推多层次发展。国务院、央行等部门相继出台相关政策，金融信息服务行业健康有序发展，政策提出强化金融科技建设，并指导金融科技行业布局人工智能数智化、出 海、服务能力提升等未来重点的发展方向。

强品牌壁垒属性。由于金融信息服务的特殊性、客户的敏感性，企业通常需要保有一个 较大规模的用户群，才能获得一定数量的收费用户群并形成规模效应。同时，金融信息 服务产品对品牌的依赖度较大，需要建立起一定的市场知名度和美誉度方能取得客户的 信任。因此，用户规模将形成新企业进入该领域的一大壁垒。此外，金融信息服务产品 的功能和服务，还可以在一定程度上培养客户的操作习惯，使客户形成一定的依赖性。 这种用户粘性形成后，用户若想转移至其他企业的产品，将不可避免地付出一定的学习 成本和时间成本，从而为新企业的进入造成一定壁垒。

4.3 核心受益市场活跃度提升强化 Beta

2024 年 9 月-10 月，证监会、央行等部门发布包括下调存款准备金、创设结构性货币政 策工具等多领域经济支持政策。宏观经济环境得到较好支撑，二级市场信心在短期内获 得明显修复。

我们对比了近十年来 A 股市场成交额与金融信息服务行业龙头同花顺、财富趋势及指南 针的营业收入增长率，具备比较明显的相关性。2016-2018 年 A 股市场成交额下行，金 融信息服务商收入呈低速或负增长。2018-2021 年，随着成交额逐年提升，金融信息服 务商收入增速提升，在 2020、2021 年迎来处于近年高点。

2C 券商 IT 主营金融信息服务，与二级市场整体景气度密切相关：投资者信心得到提振， 短期交易量出现明显回升。2024 年 9 月下旬开始，A 股成交额强势增长。2024 年 9 月 24-30 日成交额达 73696 亿元，且于 10 月 8 日单日成交额突破三万亿，达到 34835 亿 元。我们看好长期市场景气度提高，流动性改善推动下，2C 券商 IT 整体收入水平的提 高。

受益成交额提升，演绎更强的 beta。复盘过去两轮牛市（2014-2015 年、2019-2021 年），弹性上 2C 券商 IT >2B 券商 IT>券商>大盘。券商作为成交额上升的直接受益方， 弹性优于大盘指数。在金融科技板块中，传统 2B 券商 IT（以恒生电子、金证股份为例） 作为券商上游，受券商业绩改善带动 IT 预算提升逻辑影响，弹性优于券商板块。2C 券 商 IT（以同花顺、指南针为例）弹性最大。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）