从盘面上看，高铁、芯片替代、白酒居板块涨幅榜前列，汽车整车、银行、医疗改革居板块跌幅榜前列。

这将是中国央行公开市场首次进行两个月期逆回购操作。

此前央行的逆回购期限一般为7天期、14天期和28天期，今日早盘时段，央行也对这三个期限的逆回购操作进行了询量。

消息传出后，债市小幅上涨。10年期国债期货翻红，10年期国债期货现券收益率下跌至3.758%，早盘一度升破3.82%。

更长期限的逆回购操作，意味着流动性的期限将被拉长，相对应地流动性将更趋稳定。

此举也有进一步安抚债市之意。债市已经连续数日下跌，市场利率大幅升高。投放流动性有利于缓解债市的抛盘压力，进而止住债市跌势。

中金公司固收团队认为，2个月逆回购的启动不完全是意外的事件：

在今年一季度货币政策执行报告中就提到：“未来一段时间央行逆回购操作将以7 天期为主，当出现临时性、季节性因素扰动时也会择机开展其它期限品种的逆回购操作”。

二季度货币政策执行报告中提到：“为避免某一阶段资金面持续收紧或宽松引发市场对稳健中性货币政策取向的误读，公开市场操作将增强主动投放和回笼的灵活性，研究丰富逆回购期限品种，提高资金面稳定性并引导金融机构优化资产负债期限结构，维护银行体系流动性基本稳定、中性适度”。

因此，这次2个月逆回购的启动是符合此前央行规划的。

值得注意的是，根据央行此前的部署，两个月后，央行将在2018年初对符合条件的商业银行进行两档定向降准，分别降准0.5%和1.5%。

其中第一档定向降准，覆盖绝大多数商业银行：

• 第一档是上年普惠金融领域的贷款增量占全部新增人民币贷款比例达到1.5%，或上年末普惠金融领域的贷款余额占全部人民币贷款余额比例达到1.5%；
• 第二档是上年普惠金融领域的贷款增量占全部新增人民币贷款比例达到10%，或上年末普惠金融领域的贷款余额占全部人民币贷款余额比例达到10%。

当时还有分析观点指出，定向降准的实际的执行时间要到2018年年初，意味着今年的流动性紧张可能已就无法缓解。

央行询量甚至操作两个月期逆回购，意味着商业银行从这一长期限逆回购中拿到的资金，将在两个月后到期。马上会有定向降准的资金跟上，年内的流动性状况有了保证。

不过如果启动了两个月期的逆回购操作，14天期和28天期的操作量有可能相应减少，维持整体流动性平衡。

央行主管媒体中国《金融时报》此前提到，近期央行一直以“维持流动性基本稳定”为中心开展操作，通过灵活运用多种公开市场工具“削峰填谷”，保持市场资金面“不松不紧”，引导货币信贷及社会融资规模合理增长。

10月19日凌晨，在国际学术期刊《自然》（Nature）上发表的一篇研究论文中，谷歌下属公司Deepmind报告新版程序AlphaGo Zero：

· 从空白状态学起

· 在无任何人类输入的条件下

· 它能够迅速自学围棋

· 并以100:0的战绩击败“前辈”

团队称，AlphaGo Zero的水平已经超过之前所有版本的AlphaGo。在对阵曾赢下韩国棋手李世石那版AlphaGo时，AlphaGo Zero取得了100:0的压倒性战绩。DeepMind团队将关于AlphaGo Zero的相关研究以论文的形式，刊发在了10月18日的《自然》杂志上。

一、AlphaGo Zero进化之处

一年多前，AlphaGo便是2016年1月28日当期的封面文章，Deepmind公司发表重磅论文，介绍了这个击败欧洲围棋冠军樊麾的人工智能程序。今年5月，以3:0的比分赢下中国棋手柯洁后，AlphaGo宣布退役，但DeepMind公司并没有停下研究的脚步。

伦敦当地时间10月18日，DeepMind团队公布了最强版AlphaGo ，代号AlphaGo Zero。可以从一张白纸开始，零基础学习，在短短3天内，成为顶级高手。

1、不再受人类知识限制，只用4个TPU

AlphaGo此前的版本，结合了数百万人类围棋专家的棋谱，以及强化学习的监督学习进行了自我训练。在战胜人类围棋职业高手之前，它经过了好几个月的训练，依靠的是多台机器和48个TPU（谷歌专为加速深层神经网络运算能力而研发的芯片）。

AlphaGo Zero的能力则在这个基础上有了质的提升。最大的区别是，它不再需要人类数据。也就是说，它一开始就没有接触过人类棋谱。研发团队只是让它自由随意地在棋盘上下棋，然后进行自我博弈。值得一提的是，AlphaGo Zero还非常“低碳”，只用到了一台机器和4个TPU，极大地节省了资源。

经过几天的训练，AlphaGo Zero完成了近5百万盘的自我博弈后，已经可以超越人类，并击败了此前所有版本的AlphaGo。DeepMind团队在官方博客上称，Zero用更新后的神经网络和搜索算法重组，随着训练地加深，系统的表现一点一点地在进步。自我博弈的成绩也越来越好，同时，神经网络也变得更准确。

2、AlphaGo Zero习得知识的过程

AlphaGo Zero使用新的强化学习方法，让自己变成了老师。系统一开始甚至并不知道什么是围棋，只是从单一神经网络开始，通过神经网络强大的搜索算法，进行了自我对弈。

随着自我博弈的增加，神经网络逐渐调整，提升预测下一步的能力，最终赢得比赛。更为厉害的是，随着训练的深入，DeepMind团队发现，AlphaGo Zero还独立发现了游戏规则，并走出了新策略，为围棋这项古老游戏带来了新的见解。

除了上述的区别之外，AlphaGo Zero还在3个方面与此前版本有明显差别。

3、AlphaGo-Zero的训练时间轴

首先，AlphaGo Zero仅用棋盘上的黑白子作为输入，而前代则包括了小部分人工设计的特征输入。

其次，AlphaGo Zero仅用了单一的神经网络。在此前的版本中，AlphaGo用到了“策略网络”来选择下一步棋的走法，以及使用“价值网络”来预测每一步棋后的赢家。而在新的版本中，这两个神经网络合二为一，从而让它能得到更高效的训练和评估。

第三，AlphaGo Zero并不使用快速、随机的走子方法。在此前的版本中，AlphaGo用的是快速走子方法，来预测哪个玩家会从当前的局面中赢得比赛。相反，新版本依靠地是其高质量的神经网络来评估下棋的局势。

以上这些不同帮助新版AlphaGo在系统上有了提升，而算法的改变让系统变得更强更有效。

经过短短3天的自我训练，AlphaGo Zero就强势打败了此前战胜李世石的旧版AlphaGo；经过40天的自我训练，AlphaGo Zero又打败了AlphaGo Master版本。“Master”曾击败过世界顶尖的围棋选手，甚至包括世界排名第一的柯洁。

4、实现“无师自通”

DeepMind的新算法AlphaGo Zero开始摆脱对人类知识的依赖：在学习开始阶段无需先学习人类选手的走法，另外输入中没有了人工提取的特征 。

首先，在AlphaGo Zero出现之前，基于深度学习的增强学习方法按照使用的网络模型数量可以分为两类: 一类使用一个DNN"端到端"地完成全部决策过程(比如DQN)，这类方法比较轻便，对于离散动作决策更适用; 另一类使用多个DNN分别学习policy和value等(比如之前战胜李世石的AlphaGoGo)，这类方法比较复杂，对于各种决策更通用。

此次的AlphaGo Zero综合了二者长处，采用类似DQN的一个DNN网络实现决策过程，并利用这个DNN得到两种输出policy和value，然后利用一个蒙特卡罗搜索树完成当前步骤选择。在网络结构的设计上，与之前将走子策略(policy)网络和胜率值(value)网络分开训练不同，新的网络结构可以同时输出该步的走子策略(policy)和当前情形下的胜率值(value)。实际上 policy与value网络相当于共用了之前大部分的特征提取层，输出阶段的最后几层结构仍然是相互独立的。训练的损失函数也同时包含了policy和value两部分。这样的显然能够节省训练时间，更重要的是混合的policy与value网络也许能适应更多种不同情况。

另外一个大的区别在于特征提取层采用了20或40个残差模块，每个模块包含2个卷积层。与之前采用的12层左右的卷积层相比，残差模块的运用使网络深度获得了很大的提升。AlphaGo Zero不再需要人工提取的特征应该也是由于更深的网络能更有效地直接从棋盘上提取特征。根据文章提供的数据，这两点结构上的改进对棋力的提升贡献大致相等。

其次，AlphaGo Zero没有再利用人类历史棋局，训练过程从完全随机开始。随着近几年深度学习研究和应用的深入，DNN的一个缺点日益明显: 训练过程需要消耗大量人类标注样本，而这对于小样本应用领域(比如医疗图像处理)是不可能办到的。所以Few-shot learning和Transfer learning等减少样本和人类标注的方法得到普遍重视。AlphaGo Zero是在双方博弈训练过程中尝试解决对人类标注样本的依赖，这是以往没有的。

第三，AlphaGo Zero在DNN网络结构上吸收了最新进展，采用了ResNet网络中的Residual结构作为基础模块。近几年流行的ResNet加大了网络深度，而GoogLeNet加大了网络宽度。之前大量论文表明，ResNet使用的Residual结构比GoogLeNet使用的Inception结构在达到相同预测精度条件下的运行速度更快。AlphaGo Zero采用了Residual应该有速度方面的考虑。

因为这些改进，AlphaGo Zero的表现和训练效率都有了很大的提升，仅通过4块TPU和72小时的训练就能够胜过之前训练用时几个月的原版AlphaGo。在放弃学习人类棋手的走法以及人工提取特征之后，算法能够取得更优秀的表现，这体现出深度神经网络强大的特征提取能力以及寻找更优解的能力。更重要的是，通过摆脱对人类经验和辅助的依赖，类似的深度强化学习算法或许能更容易地被广泛应用到其他人类缺乏了解或是缺乏大量标注数据的领域。

二、AlphaGo Zero进化成功原因分析

1、AlphaGo具有局限性

很多阿尔法狗的新闻标题写着不依赖于人类的任何知识或者完全自通，但实际情况是阿法狗（零）在开始运行时，是需要程序员输入人类制定的围棋规则。阿法狗（零）依然依赖于人类设定的规则，而这其实是人类最为强大的知识。

关于AlphaGo是否具备创新创造性问题，金准数据认为它依然是依托人工支持的大数据训练形成的策略模型，同时在比赛中结合比赛对手的落点数据，根据其内部的运算规则，来不断形成自己的落点数据，这些落点数据最终形成比赛数据集合。AlphaGo根据围棋规则与对手的比赛数据集合进行计算和比较，判断输赢，整个过程完全在人类设定的规则下运行，无法体现其自身的创造性，如图所示。

即使AlphaGo形成的落点数据集合很可能是人类历史上没有出现过的，也不能说明AlphaGo具备了独立的创新创造功能。例如，我们用计算机程序实现下述过程：从1万到100万的自然数中随机选取两个数进行相乘，记录相乘结果，重复此过程361次，即使得出的自然数集合很大，并且可能是人类历史上没有出现过的，我们也不能认定该计算机程序具有创新创造性。

如果AlphaGo在没有人类协助更改程序的情况下，能够自动理解比赛规则的任意变化，并主动更改内部设置，自动改变自己的训练模型，用于实战比赛、战胜对手，那么在这种情况下，我们才可能认为AlphaGo具备创新性。但从人工智能的发展过程看，AlphaGo还完全无法实现这一点。

2、AlphaGo Zero 算法强势

AlphaGo Zero除了使用围棋规则，完全摈弃了人类棋手的知识和棋谱，利用强化学习和深度学习模型、左右手互搏的自学习，获得功力。它高强度的使用了搜索（模拟），蒙特卡罗树搜索（MCTS），但实际上，这个树搜索实际上是在产生标注数据。

因为围棋下到一定程度，最极端的情况是大家都无子可下的时候，是能通过规则计算胜负的。也就是说，模拟（搜索）到一定程度，就能产生一个输或赢的棋局数据。正是由于这一点，围棋是能够在没有人类棋手的知识（用来减少搜索空间和加速搜索进程）的情况下，使用非监督学习来学习的。机器的计算速度很快，能够在极短的时间内模拟大量的有胜负的棋局，并且从中学习。大众媒体指出AlphaGo只用到了深度学习，但是实际上它是 Monte Carlo树搜索算法+深度学习。许多强化学习任务是由NEAT算法(通过增强拓扑的进化神经网络)实现，不是基于BP的神经网络算法。

很多的游戏也具有类似的能够模拟（搜索）产生最后能用规则判别胜负的样本，所以它们无需人类的知识，确实能从零学习。但是，像语音识别、图像识别、自然语音理解等领域，就缺乏用简单规则就能判别的样本，它们需要大量的人工标注，然后才能监督或是半监督学习。

明白了这个可用简单规则判别结果的先决条件，知道AlphaGo Zero 确实算法和工程很强势，但是不要被误导，任何东西都可以无需人类知识或是领域数据就可以从零学习的。

从AlphaGo Zero的论文中，描述的Self-Play和Neural Network Training，我们看到最终状态St是需要根据围棋规则来计算胜者z的，实际上，用模拟（搜索）产生了一个（或是几个）训练样本（棋局）。

三、总结

阿法狗（零）的进展的确是人工智能领域伟大的进展，但这种伟大并不应该让人类自惭形秽，反而是衬托出人类的伟大。因为人类可以自主的进化，拥有发现规则、制定规则、使用规则、判断规则价值使之有利于种群的进化。这四点中，阿法狗（零）只做了其中的一小部分，从宏观上说，AI与人类仍然有很长的一段距离。

沉思科技的首席执行官杰米斯·哈萨比斯表示，“人工智能有可能推动人类的智力向前发展，给全人类带来积极影响”。沉思科技与英国国家医疗服务体系(NHS)展开合作，除了将人工智能用于早期发现疑难杂症外，还将用于调整电力供需等方面。将来，还期待人工智能在依靠人类力量难以解决的新材料开发、探究蛋白质生成机制等方面做出贡献。

新技术将来还可能在产业方面做出贡献。例如，从大量数据中发现人类难以意识到的提升效率的方式等。据悉，以各种用电数据为基础，人工智能将有助于节省电力。由于像AlphaGo Zero一样的人工智能可以“无师自通”，在宇宙和海洋等观测数据不足的领域也有可能做出贡献。

太平山

太平山原名“硬头山”，古称为香炉峰，海拔高度为554米，是香港岛的最高峰。太平山风光秀丽，是高级住宅区，也是人们到香港的必游之地。在快到山顶的地方，有个观景台，在这里，可以俯瞰香港及维多利亚港的景色，缆车总站附近古色古香的狮子亭和空旷怡人的山顶公园也是极佳的观赏位置。

继耐克在美国直营网站进行大促销后，近日，耐克在中国官方直营网站打出“11·11优先购”的低折扣活动。以往来看，耐克公司鲜少依靠打折促销吸引消费者，但近年来，耐克业绩出现下滑，来自对手的竞争十分激烈。与此同时，运动品牌阿迪达斯即将启动销售来自快速工厂的首批产品。业内专家表示，面临来自老竞争对手的追赶和新兴流行起来的运动品牌的挤占，耐克在互联网渠道和产品创新方面都需要更多把控消费者的需求方向。

罕见低折扣促销

10月中旬，耐克在全球最大市场美国的直营官网进行了6折闪促，在其网站对200多种商品进行为期48小时的促销活动，最高降价幅度达到40%，其中甚至包括高端品牌Jordan的产品。体育行业分析师Matt?Powell在推特公开表示，这种形式的促销活动对耐克而言史无前例，并表示品牌出现了严重问题。

据了解，耐克很少在美国进行直接面对消费者的大规模促销，此次促销活动规模大、产品品类覆盖广、促销时间长，有专家认为，这是由于耐克在北美市场业绩下滑导致的，根据耐克公布的一季度财报，北美地区营收下降，但反观中国市场，销售额实现增长。

无独有偶，近日，耐克也在中国官方直营网站挂出“11·11优先购”低折扣活动。官网显示，耐克指定商品低至5折，活动时间为10月20日-11月12日，在11月11日当天零时将提供中国限定商品。页面显示，打折鞋款显示有366款。北京商报记者注意到，此前的“6·18”期间，耐克中国官网也曾参与过打折促销。

业内专家透露，一般而言，企业促销原因通常面临以下几种情况：第一种是跟风效应，紧跟竞品步伐；第二种是短时间内冲业绩的行为；最后一种是清理库存。北京商报记者注意到，耐克的订单量出现了连续三个季度的增幅减缓。其中，2017年9月-2018年1月全球订单同比增幅为7%，比上年度同期的增幅水平减少了10个百分点。

服装行业专家、独立服装师马岗表示，企业依靠促销提升业绩并非明智之举，此方式在短时间内会对业绩增长相对有效，但是不利于品牌长久发展。

国内服装行业战略专家、UTA时尚管理集团中国区总裁杨大筠认为，耐克今年业绩亏损情况比往年大，不敌对手阿迪达斯。在全世界最大的体育消费品市场，美国近两年零售业市场不景气，这对耐克产生了巨大的压力。据记者观察，耐克中国官网的低价促销运动鞋款式相对较老。“促销款式老，说明品牌主要是在清理换季库存”，他表示。

要专业还是时尚

近日，阿迪达斯机器人工厂制造的首批跑鞋即将发售，该工厂自建设之初就受到业界关注。据了解，阿迪希望通过全自动的机器人生产，将原来接近18个月的生产周期缩短至45天。对于类似需求，耐克也在今年9月发布了一家新的工作室，消费者可以在工作室挑选喜爱的颜色和款式，并在90分钟内拿到成品。

此外，近两年来，耐克与阿迪达斯都在时尚营销上下足了功夫。马岗认为，近几年来耐克的时尚化不如阿迪达斯做得好，例如阿迪三叶草NMD?R1系列每款配色限量900双，NMD?R2系列为中国人特制“囍”字LOGO，此外，阿迪达斯还常邀请中国当红明星代言，善用粉丝经济。但在专业领域和品牌口碑方面，耐克却略胜一筹。

但杨大筠也认为，耐克与阿迪近两年紧跟时尚潮流，市场反应比较不错，获得了消费者认可。但他强调，体育用品的核心仍在于运动装备的专业性。就在不久前，耐克花重金推广重新承接的NBA球衣，但在比赛中，耐克旗下最具商业价值的球星勒布朗·詹姆斯，在与杰伦·布朗对位时，球衣后背意外撕裂。杨大筠认为，企业应当强调功能与运动性能，太偏向时尚或其他方面，品牌的核心地位会丧失。所以未来上述品牌会逐渐回归专业市场。马岗也认为，虽然目前消费者的整体趋势偏向娱乐化，但运动品牌的专业化是不可缺少的，过度娱乐化可能会影响商品表现。

竞争愈发激烈

从长期来看，运动品牌的产品方向同样重要。分析认为，耐克需要根据市场变化做出相应调整，发展出更迎合消费者口味的产品。此外，马岗认为，在传统营销策略上，耐克占尽优势，可以用少量的营销手法达到巨大的传播效果，做到四两拨千斤。

从主要竞争对手的营销策略对比之下，阿迪达斯经常出现在奥运会、世界杯等国际重大赛事上；耐克多选择赞助球队和明星。在马岗看来，二者营销路线的差异，也会导致品牌业绩的不同表现。虽然整体体量尚有差距，但从增长势头上来看相差不小。耐克9月底发布的2018财年第一财季数据显示，净利润仅为9.5亿美元，下滑24%，篮球鞋销售额也下滑20%。阿迪达斯同期，篮球鞋销售额同比上涨达40%。

马岗表示，在此种情形下，耐克有必要调整营销策略，学习竞品的做法。如今，不同区域消费者的需求都有所转变，耐克在几年前的中国市场和今天中国市场上的地位也不一样了。“在中国这样成长性较快的国家，商品策略是否能跟上品牌发展步伐显得十分重要”，他说。

此外，互联网趋势下，消费者的购买渠道选择也在变化，有业内专家认为，耐克在微博、微信等新媒体平台营销做得比较成功，同时中国网络购买的发展速度提升很快，消费者的购买结构也在发生改变。以耐克为代表的老牌企业更擅长线下渠道，线上销售的研究与新兴流行起来的品牌相比，还存在一定程度的差距，特别是在新零售影响下，应该更多发挥品牌长期积累下来的优势，找到符合中国消费者立体需求的更多方式。

中国证券网10月26日——三季度市场震荡上扬，大市值银行、保险、家电消费等板块表现抢眼，新兴成长股也走出反弹行情。3只“国家队”基金刚刚披露的三季报显示，三季度大幅减仓，降低了家电、消费、白酒等板块的配置，新进了欧菲光、三安光电、大族激光等3只电子白马股。

减仓金融家电消费板块

东方财富Choice资讯统计数据显示，有色金属、钢铁、食品饮料三季度表现居前，通信、电子、非银金融行业季度涨幅也均超7%，公用事业和传媒板块表现落后。整体而言，低估值蓝筹股、苹果产业链龙头股，依然延续年内稳步上涨的态势。

“国家队”基金今年三季度的净值表现与市场稳步上涨态势一致，华夏新经济基金三季度上涨4.38%居首，易方达瑞惠基金上涨4.02%，南方消费活力基金上涨4%，嘉实新机遇基金上涨3.64%，招商丰庆混合A上涨3.55%。

从基金收益归因情况看，南方消费活力基金史博表示，三季度市场持续处于缓慢上行的趋势中，主要配置了低估值价值股，净值最大回撤控制在2%以内。嘉实新机遇基金经理王茜表示，三季度的配置重点是中低估值、业绩持续增长的大盘蓝筹股。

值得注意的是，随着市场上涨，“国家队”基金的仓位出现明显下降。根据基金三季报，截至三季度末，华夏新经济基金权益投资占基金总资产比例为56.83%，比二季度末的72.52%大幅减少；嘉实新机遇基金权益投资占基金总资产比例为36.77%，二季度末比例为53.47%；南方消费活力基金基金权益投资占基金总资产比例为32.33%，二季度末比例为44.36%。上述3只基金减仓幅度从12%到16.7%不等。

新进三只电子白马股

南方消费活力基金经理史博表示，今年三季度，经济保持平稳，物价压力依然不大，基本面对权益市场的影响中性略偏好，预计四季度经济仍会保持平稳势头，企业盈利保持高位。

从市场表现看，史博预计权益市场的四季度表现将弱于三季度，大幅上涨难度较大，但受益于基本面的不错表现，总体上风险也不会太大，处于结构行情表现期。“本基金未来仍将继续维持中性仓位，结构上仍重点配置低估值蓝筹个股。”

嘉实新机遇基金经理王茜认为，经济的结构性分化仍在继续，包括消费的全面升级、制造业的高端升级、经济的结构性变化，给国内的优秀企业带来越来越多的发展机会。

从基金十大重仓股调仓情况看，南方消费活力新进民生银行、剔除大秦铁路，大幅减仓了银行股，其中减仓了农业银行3亿多股，减仓了交通银行近1亿股，新进民生银行5453万股。

嘉实新机遇基金前三大重仓股依然是格力电器、伊利股份和美的集团，但三季度均被减持700多万股。从该基金三季度十大重仓股变化情况看，新进东方航空、国电电力、大族激光、大秦铁路，剔除了贵州茅台、康美药业、康得新和青岛海尔。

华夏新经济也调整了十大重仓股，三季度新进欧菲光和三安光电，剔除了农业银行和中国建筑。

中概股新贵趣店登陆美股后，伴随着资本追捧的，是对其大量的批判和质疑。趣店偏高的年化收益率、现金贷平台的风险以及过于依赖蚂蚁金服的导流，都成为市场质疑的焦点。

针对趣店商业模式的争议，微信公众号“卢泓言”日前发布了一篇采访趣店CEO罗敏的文章，罗敏在文章中表示，“我们的坏账，一律不会催促他们来还钱。电话都不会给他们打。你不还钱，就算了，当作福利送你了”。这一说法引来极大争议，疑似成为10月23日趣店股价暴跌的导火索。

趣店如何解释围绕自己的争议？面对网易财经的问询，趣店方面回复称，当前处于静默期，不便回应。

协纵策略管理集团联合创始人黄立冲对网易财经表示，通常一家公司上市后的静默期，公司管理层可以接受采访，重点是接受采访的内容，尤其是要注意业绩敏感型的部分。“如果管理层对外接受采访时，谈到公司的业绩信息，这是危险的。第一是可能误导投资者；第二是可能令一些投资人遭受损失，从而导致可能的诉讼和证监会的处罚。”

对于身处舆论漩涡的趣店，资本市场会给出怎样的反应？

现金贷助力趣店赴美上市

与趣店跌宕起伏的发展进程颇为相似的，是趣店CEO罗敏多舛的创业经历。创业失败七次的罗敏，曾经尝试过SNS、团购、在线教育、社交网站、电商等多个业务，希望终有一日能去到纳斯达克敲钟。每一个可能生钱的风口他都不曾错过，却被一次又一次拒绝。

直到2014年，罗敏看到了互联网金融的风口，与老伙伴何洪佳、刘震涛和吕东一起，在一所民房中成立“趣分期”，也就是趣店的前身，瞄准了大学生的消费分期市场。

2014年3月20日，“趣分期”上线的前一天，罗敏和何洪佳开车来到北科大，找到之前雇来的二十几个大学生，分发了后备箱里的2万多张传单。何洪佳记得，“那时的氛围是心照不宣的，如果这次再成不了，就真的散了。”

让他们没想到的是，校园贷市场竟被这种简单粗暴的“地推”方式逐渐打开。2014年7月，罗敏回到自己的母校江西师大，招收了100余人的“管培生”，快速进入校园，开启了地毯式的扫楼扩张。年轻人的消费欲望，成为了罗敏创业的动力和引擎。

然而，由于学生用户还款能力的欠缺，校园贷市场迅速从过热走向混乱，欠款自杀、暴力催收等事件相继曝出。虽然坐拥巨大市场，校园贷的盈利模式却被打上问号。据媒体报道，趣店在做校园贷期间一直处于亏损状态，2014年和2015年亏损额分别为0.41亿元（人民币，如无特殊注明，下同）和2.33亿元。

在一片质疑和讨伐声中，校园贷引来了监管的目光。2016年4月，银监会联合教育部，发布了《关于加强校园不良网络贷款风险防范和教育引导工作的通知》。监管重压之下，2016年9月，趣店宣布暂停校园贷业务，转型分期购物和小额现金贷款，覆盖用户群体为更广的蓝领和白领人群。

出乎意料的是，在高调宣布战略转型之后，趣店在2016年实现营收超过14亿元，净利润达5.77亿元。2017年上半年，趣店总营收为18.33亿元，净利润为9.73亿元，增长速度令人咋舌。近10亿元的盈利，让现金贷成为趣店业绩飙升的法宝。

美国时间2017年9月18日，趣店正式向美国证券交易委员会首次公开递交招股书，拟议价格区间为19美元至22美元。一个月后，趣店成功在纽约证券交易所挂牌上市，股票代码为“QD”。

10月18日，趣店上市首日，开盘价为34.35美元，较发行价24美元上涨43%，成交量3347万，总市值为96.3亿美元（约合638.84亿人民币）。10月20日收盘时，市值上涨至108.87亿美元（约合722.23亿人民币）。

值得关注的是，10月18日，趣店两大股东昆仑万维和国盛金控相继发布公告。公告显示，昆仑万维已转让趣店58.82万股股份，价格为24美元/股，交易金额为1411.74万美元（约合人民币9365.34万元）。

此外，昆仑万维通过趣店在纽约证券交易所的首次公开发行超额配售拟增加出售176.47万股，价格为24美元/股，若交易达成，昆仑万维将获得收益0.39亿美元（约合2.59亿人民币）。

过度依赖蚂蚁金服暗藏风险

与其他现金贷平台高企的获客成本不同，趣店背靠蚂蚁金服。2015年8月，趣店宣布获得约2亿美元E轮融资，由蚂蚁金服领投，昆仑万维、蓝驰创投、源码资本等跟投。

趣店的早期投资者，昆仑万维CEO周亚辉在投资笔记中写到，蚂蚁金服“当时重点推广芝麻信用，当年还是新生事物，他们要求每个申请趣支付的用户必须注册申请芝麻信用，他们算过，趣分期一天可以给芝麻信用带来10万量级的新增用户”。

2015年9月，趣分期与蚂蚁金服旗下支付宝、芝麻信用战略合作，完成授权接入。两个月后，趣店的现金贷产品“来分期”正式上线，接入支付宝，发力成人分期市场。

此后趣店的业务和利润的增长显而易见。2015年它还是净亏损约2.33亿元，2016年净利润就达到5.77亿元，到2017年净利润约9.74亿元。趣店的招股说明书提到，“我们通过支付宝用户界面吸引了大多数活跃的借款人，这大大促进了我们的快速增长”。此外，趣店还与芝麻信用合作，“芝麻信用为我们提供了未来借款人的信用分析信息，提高了我们的信用分析能力”。

通过支付宝的“第三方服务”入口，趣店向接近5亿的支付宝用户提供服务。数据显示，蚂蚁金服的导流作用，让趣店的线上获客成本从2015年的169元下滑到2016年的33元。

除了导流，在风控上，蚂蚁金服旗下的的芝麻信用也是趣店一个重要的考量指标。

趣店的招股说明书提到，获得批准贷款量的借款人，通常芝麻信用分至少不低于620分。但作为扩大借款人基础的战略之一，趣店也开始接触芝麻信用评分低于620分的借款人，“开始批准芝麻信用分在600分至620分之间的，相对较少的借贷者的信贷”，从而收集行为数据，优化信用评估模型。

罗敏曾表示趣店的坏账率低于0.5%。相较之下，其它的互金公司，比如宜人贷建立了信用分，拍拍贷则从2014年8月就推出了魔镜信用评分模式。

目前部分消费金融平台逾期率低，确实要得益于大数据风控系统的构建、信用评级体系的建立等因素。除此之外，中国普惠金融研究院院长贝多广分析认为，背后还有一个原因就是整体来看现在信贷在收紧，资金的获得比较困难。

在IPO文件中，趣店列出的2017年前半年向支付宝和芝麻信用支付的获客费用为7363.63万元，没有标明具体有多少流量来自支付宝，但承认是“绝大部分”。在风险章节，趣店也强调了自身对蚂蚁金服依赖所带来的风险。

趣店在坐享蚂蚁金服带来的高收益回报的同时，对蚂蚁金服的收入贡献却并不乐观。2017年，趣店向蚂蚁金服缴纳的支付、风控及获客费用，不超过其利润的7.5%。缺乏利润驱动，蚂蚁金服对趣店的“兴趣”或难以维系。

此前有未经证实的市场消息传出，趣店上市之后，支付宝很可能退出趣店业务，其中一个重要原因是“剪不断”的校园贷业务。多家媒体曾报道，虽然趣店声称退出了大学生市场，但大学生仍然可以在趣店上注册申请贷款，无须审核学生身份。

一位研究普惠金融的人士告诉网易财经，如果说背靠支付宝是趣店的弱项和风险，那在它的估值上一定会体现出来，市场比谁都聪明。

大量历史交易年化利率超上限

现金贷不同于消费贷，是没有场景的。而包括趣店在内的商业模式，很像欧美的Payday Loan，是一种小型的、短期的无抵押贷款。

贝多广告诉网易财经，典型的现金贷都是短期的，像Payday Loan一样，用于急需的短期开销。“Payday Loan解决的是收入的不稳定性给生活带来的困难，收支的不协调，需要靠短期的贷款临时解决。”这种短期急需的、临时性的、利率稍高的现金贷，传统金融机构不会满足，一些做现金贷的公司便应运而生。

对于现金贷饱受争议的高利率问题，贝多广分析说，这本质上不是解决资金价格的问题，而是解决资金供应和资金需求的问题，于中国就是解决资金供应的问题。“如果银行等传统金融机构都能提供方便的现金贷产品的话，有了竞争，利率自然就下来了。（现金贷的高利率）说明现在的金融服务不够。”

罗敏曾在接受自媒体采访时表示，“我们的年化利率从0到36%，36%是一道红线”。他甚至在这篇专访下面留言，称任何发现趣店的名义和实际利率超过36%的人联系他，他会提供100万元的赞助费用。

但根据趣店的招股说明书，在大量交易中，趣店产品收取的年化费率在历史上超过36%。在2016年的交易中，59.5%的交易的年化收益率超出36%。如果按照36%的上限执行，公司营收将会减少大约3.07亿元，占2016年总营收的21%。

根据“一本财经”今年3月初的统计数据，在78家较知名的现金贷平台中，平均利率是158%，其中最高的“发薪贷”年化利率可达598%。

变化的来临，在2017年4月。彼时，银监会发布了《关于银行业风险防控工作的指导意见》（下称“《意见》”）。《意见》除了要求重点做好校园网贷的清理整顿工作外，还首次提出做好“现金贷”业务活动的清理整顿工作。要求“确保出借人资金来源合法，禁止欺诈、虚假宣传。严格执行最高人民法院关于民间借贷利率的有关规定，不得违法高利放贷及暴力催收”。

也是在此时，面对监管意见，趣店对所有信用产品的价格进行了调整，以确保所有信贷额度下的年化费率不超过36％。

盈灿咨询高级研究员张叶霞告诉网易财经，在互金整治阶段，对现金贷的监管越来越严格，利率结构限制在36%这条线下，相关平台也会有意识规避36%以上的法律风险。“2016年现金贷平台的利息加上手续费的利率普遍比较高。现在许多平台意识到利率的问题，借款利率不再那么高。”

她分析说，发展较为稳定的现金贷平台，平均资金成本在10%-18%左右，获客成本在100-150元/人，部分现金贷平台的借款端获客成本高达200元／人左右。“需要区分借款额度，如果不区分借款的绝对额，严格按照36%执行，对于小额放贷机构来说大概率无法覆盖获客、经营、风控、运营等成本，将无法做到盈利。”

一位长期从事私募业务的人士也告诉网易财经，目前消费金融公司来自私募的资金成本大约在10%-15%。

中国人民银行副行长易纲曾在一个公开场合表示，普惠金融必须依法合规开展业务，要警惕打着“普惠金融”旗号的违规和欺诈行为，凡是搞金融都要持牌经营，都要纳入监管。

纳入监管之后，趣店等消费金融平台将会受到怎样的影响，唯有让时间来给出答案。