謝平著的《互聯網金融九堂課(精)》一書，從互聯網金融的理論基礎、模式；金融產品貨幣化；互聯網貨幣；數字加密貨幣；ICT、移動支付與電子貨幣；P2P網絡借貸；互聯網金融監管和互聯網+的經濟學分析等九個角度深度剖析了互聯網金融的理論與方法。本書將理論與方法高度結合，為讀者提供了諸多深具洞察力的觀點，是大眾創業、萬眾創新浪潮下必須掌握的金融工具書。

**講 互聯網金融的基礎理論
第二講 互聯網金融模式
第三講 金融產品貨幣化
第四講 互聯網貨幣
第五講 數字加密貨幣
第六講 ICT、移動支付與電子貨幣
第七講 P2P網絡借貸
第八講 互聯網金融監管的必要性和核心原則
第九講 “互聯網+”的經濟學分析

互聯網金融的核心特征 一、交易成本降低 **，互聯網替代傳統金融中介和市場中的物理 網點和人工服務，從而能降低交易成本。比如，手機 銀行本身不需要設立網點，不需要另外的設備與人員 等，交易成本顯著低於物理網點和人工櫃員等方式（ CGAP, 2010）。
第二，互聯網促進運營優化，從而能降低交易成 本。比如，第三方支付集成多個銀行賬戶，能提高支 付清算效率。在傳統支付模式下，客戶不能與中央銀 行之間直接建立聯繫，而必須分別與每一家商業銀行 建立聯繫。在第三方支付模式下，客戶與第三方支付 公司建立聯繫，第三方支付公司代替客戶與商業銀行 建立聯繫。此時第三方支付公司成為客戶與商業銀行 支付清算的對手方，通過采用二次結算的方式實現了 大量小額交易在第三方支付公司的軋差後清算，從而 能降低交易成本（謝平等，2014a）。
第三，互聯網金融的去中介化趨勢縮短了資金融 通中的鏈條（後文有詳細討論），能降低交易成本。
二、信息不對稱程度降低 在互聯網金融中，大數據被廣泛應用於信息處理 （體現為各種算法，自動、高速、網絡化運算），提 高了風險定價和風險管理效率，顯著降低了信息不對 稱。大數據至今未有統一定義。但一般認為大數據具 有四個基本特征——數據體量龐大（volume）、價值 密度低（value, 也有人理解成應用價值巨大）、來 源廣泛和特征多樣（variety）、增長速度快 （velocity, 也有人理解成需要高速分析能力）。大 數據產生的背景是整個社會走向數字化，特別是社交 網絡和各種傳感設備的發展（見**部分）。大數據 有三個主要類型——記錄數據、基於圖形的數據以及 有序數據。雲計算和搜索引擎的發展，使得對大數據 的高效分析成為可能，核心問題是如何在種類繁多、 數量龐大的數據中快速獲取有價值信息，主要有兩類 任務（Tan, et al., 2006；Rajaraman and Ullman ，2012；Provost and Fawcett，2013）。**類是 預測任務，目標是根據某些屬性的值，預測另外一些 特定屬性的值。第二類是描述任務，目標是導出概括 數據中潛在聯繫的模式，包括相關、趨勢、聚類、軌 跡和異常等，具體可分為分類、回歸、關聯分析、聚 類分析、**繫統、異常檢測、鏈接分析等。大數據 分析有很強的實用主義色彩。預測在大數據分析中占 有很大比重，對預測效果的後評估也是大數據分析的 重要內容。大數據與超高速計算機結合，使得相關性 分析的重要性將超過因果分析，行為分析的重要性將 不低於財務報表分析。
在信貸領域，可以根據大數據來決定動態違約概 率。謝平和鄒傳偉（2012）指出，對某個信用主體， 很多利益相關者都可以在互聯網上給予評價，這樣根 據自主信息和主觀判斷，任何時點都可以知道違約概 率，並且是*有效的。總的效果是，地方信息和私人 信息公開化，隻可意會的信息顯性化，分散信息集中 化，類似“充分統計量”的指標或指數能反映彙聚來 的信息，使信息在人與人之間實現“均等化”。我們 把這種狀況簡稱為“大眾點評”原理，其可以替代銀 行內部專業的、線性的信貸評估方法。證券市場可能 同時具有行為金融學（Shefrin and Statman，1994 ）和有效市場假說（Fama et al., 1969）描述的特 征。一方面，在社交網絡的促進下，投資者之間的交 流、互動和相互影響會**有效，個體和群體行為會 接近行為金融學的描述（比如Coviello et al. (2014)發現，人類情緒可以通過社交網絡產生傳染效 果），進而對單個證券或整個證券市場產生可觀測的 影響。另一方面，在大數據分析的促進下（內幕信息 不屬於大數據），市場信息充分、透明，市場定價效 率**高（比如證券定價中的一些復雜計算轉化為應 用程序，簡單化），證券市場會接近有效市場假說的 描述。
在保險領域，大數據能提高保險精算的準確性， 使保費充分考慮個體差異性，並且動態調整，類似動 態違約概率。比如，在非壽險中，保險公司可以為客 戶提供根據行駛裡程及時間定價的保險（pay as you drive），根據駕駛行為定價的保險（pay how you drive），以及可以協助被保險人完善駕駛習慣 （manage how you drive）；壽險精算在生命表的基 礎上，將來會充分考慮個人的基因、家族遺傳、飲食 運動習慣和職業等，時效性也將進一步提高（王和， 2014）。隨著精算效率的提高，互聯網金融中的保險 ，將接近**的風險轉移模型——自願、自由、公平 地進行風險轉移(Arrow, 1970)。**，保險產品豐 富化，對人身和財產方面的每一種風險，均可能出現 相應的保險產品。第二，保險費率由公平原則釐定。
第三，風險轉移給社會中有相應風險偏好的人，由他 們自願承擔。（P6-9）