过去5年，伴随宏观经济下行和监管调控，证券行业经历了大起大落。2015年股灾以后的三年间，伴随交易和融资量的萎缩，证券行业收入年均下降23%。然而2019年以来，伴随资本市场改革加速，股权融资大发展时代已经到来，市场交易和融资量大幅增长，券商收入同比增长35%。预计到2023年，券商的业务收入将翻倍。
随着科创板的超预期快速落地、外资提前放开以及再融资新政的全面解锁，中国资本市场将迎来改革的历史性时刻，未来券商将充分发挥资金配置等重要功能，更好地服务实体经济。131家券商的整合分化进程将全面提速：头部券商将占据更高的市场份额，精品券商也将迎来发展机遇；部分中小型全牌照券商则举步维艰，面临路径抉择与转型阵痛。随着新冠肺炎在全球范围的蔓延，资本市场面临高度不确定性。反观国内证券行业发展态势，同业兼并、混业融合和中小券商退出已成为行业常态。未来1-3年，行业进一步整合与模式分化将成为国内证券行业的主要趋势。“客户去低端化”、“业务去渠道化”，券商需要凭借专业化服务能力为客户提供全周期服务，逐步打造成真正意义上的专业投资银行。目前大多数券商都往全牌照方向发展，产品同质化严重。而在未来行业将加速分化，券商需要进行战略聚焦，在细分领域实现行业专精。- 业务聚焦：人力成本和资金成本攀升，大多数券商只能对有限的资源进行倾斜配置。只有梳理整体业务，将有限资源聚焦至关键业务，才能实现优势业务的发展。
- 客户聚焦：需要基于相关交易特征和行为数据，进行客户分群。并根据不同的客户群情况提供差异化服务，将线下投顾等资源向高价值客户倾斜。
- 区域聚焦：通过分析券商的自身资源、客户需求量，以及与境内业务的协同性等因素，选择关键区域的客户进行拓展和深耕。
- 渠道聚焦：收集线上和线下数据，利用数据分析差异化线上线下定位，完善线上平台的功能和客户体验。线下网点和投顾侧重高净值和富裕客户服务，同时加强线上线下渠道协同整合。
图2:活跃用户的地域分布情况 利用算法可以从不完整的客户数据中提炼洞见，而机器识别推介其他产品可弥补客户经理因不了解情况而错失的交叉销售机会；同时数据分析在研究、定价、风险管理上也将发挥重要作用，为客户匹配更精准的产品和服务，实现存量客户挖潜- 客户分析和交叉销售：CRM系统中经常存在客户信息不完备或数据质量差的问题，导致大数据分析结果失准，而通过机器学习则可利用有限的数据集作出更准确的分析，自动匹配更适合的产品和服务。
- 自然语言处理：包括文件自动审核、呼叫中心记录分析回复等，投行业务的文件、各类合同和法务文件等均可通过智能化的算法自动审核纠错。结合机器学习和自然语言，公司甚至可以组建虚拟工作队伍执行任务。
图3:详细的客户属性和行为数据 除了提升前台产能，业务中后台数字化将提高券商运营效率、减少人工审批环节出现的疏漏，且有助于更及时准确地把控风险。机器人流程自动化（RPA）能迅速完成数据提取和清洗等日常工作，在交易风险计算方面，机器人可以下载、验证和分析银行头寸。- 流程再造：通过梳理关键业务流程和流程关键步骤自动化，缩短各环节的业务审批周期。
- 业务协同平台：从CRM客户信息的简单收集到客户数据的动态分析使用，帮助建立公司层面的机构客户信息中台，投行等其他业务的企业/机构客户信息整合在单一数据存储平台并在整个公司内共享。
- 风控系统提升：从指标监控到动态管理，帮助企业开发内部核心系统作为风险管理和业务支持的重要工具。
虽然证券行业正在经历低谷，但发展前景可观。随着资本市场改革加速落地和对外开放节奏加快，证券行业将激发出新的活力，对券商的转型发展也提出了迫切要求。券商应抓住行业格局重塑的机遇，建立专业能力，明确自身价值主张，制定错位竞争的战略蓝图与发展路径，从而为业务腾飞积聚能量，制胜未来。
|
