基于機器學習、大數據的經濟管理體系構建策略

劉德乾 山東省單縣不動產登記中心

一、大數據在經濟管理中的意義

計算機信息技術應用是當前經濟管理過程中的一種發展趨勢，其優勢眾多，能夠有效的實現經濟管理水平大幅提升。而機器學習、大數據等新型技術與經濟管理行業不斷融合的加深，一種通過科技的創新及科技與金融的深度融合的產物金融科技應運而生。其中機器學習加大數據的構架，勢必會引發新型革命的浪潮。如運用該行業中早已存在的各種數據通過機器學習的算法進行不斷優化，以解決現階段經濟管理中出現的問題。金融機構可通過人工智能技術對該行業中現存在的龐大源數據進行結構化處理，充分根據客戶需求和要求對其資產管理進行優化，為客戶匹配差異化風險偏好的產品和服務，并對金融機構中可能出現的風險提供更為準確的測算，為風險識別、監測、預警等提供更多元化的方案。

其中大數據充分起到了整體架構基礎的作用，以大數據為基礎的量化模型在營銷管理、客戶定位、產品定價、貸款申請和審批、貸后管理和服務等整個客戶管理的整個生命周期中均有應用。如今數據有機會成長為最重要的技術成分之一。以大數據為基礎的模型在金融機構中的應用可大幅提高其風險識別能力、運營效率，減少運營成本及增加收益。

二、 機器學習、大數據在經濟管理中的應用

（一）機器學習的含義

機器學習的分析方法有很多，分為兩類統計方法：分類和聚類。分類可通過監督機器學習來解決，而聚類則遵循無監督的方法。分類對離散型變量進行預測。邏輯回歸是其最常見的方法，將模型輸出轉化為0到1之間的概率，然后再根據此概率進行下一步判斷。通過運用貸款者年齡預測信貸風險為例，若模型計算新樣本的信貸風險超過原本設定閾值，則程序代碼認為會違約。當分析多因素影響時，觀測結果可通過支持向量機將低維的空間映射到高維的空間進行分類，并在各類別中賦予變量數值。聚類則通過尋找數據的類重心，進而將數據劃分為若干個簇，每個簇表示一種類別，這些類別在執行算法之前是未知的，聚類即是自動形成簇結構的過程。它既可以單獨運行尋找數據內在的分布結構，也可作為過渡將無監督學習的輸出作為監督學習方法的輸入。

深度學習方法則是在傳統的模型方法上進行了深度的發展和優化。傳統模型關注的是如何結構化出良好的數據集，然而深度學習則是在學習過程中應用分層算法，并且將初始數據轉換成可以進行識別的復雜模式，進而可以模仿人類的大腦。幾乎每種算法都關注不同數據的特征標識，通過這些分層模型合并大量的輸入數據集（包含非結構化數據甚至是低質量的數據）。其中對數據進行分層的模型并不是人為編程所創造的，而是由該模型從各種各樣的數據中學習得來。

（二）機器學習的應用與意義

如今，越來越多的經濟管理機構開始摒棄原有傳統的信用風險評估模型，開始將機器學習方法與傳統的模型結合起來，用于解決當今復雜、非線性數據下的信用風險捕獲，以便提高這些模型預測金融風險的能力。無監督方法通常用于探索數據，而回歸和分類方法可以預測違約率、違約損失率等關鍵信用風險變量。

美國數據風控模型公司。開始將機器學習算法應用于傳統信用評估模型中，這也是為數不多的通過機器學習進行融資授信決策的早期探索之一。Zestfinance公司現階段還進行了模型開發和數據分析的進程，除了對財務資產狀態進行評估外，還將更多非傳統數據模型納入信用評估模型中，致力于從應用媒體、社交媒體軟件及個人的行為習慣中挖掘出風險因子，將表面上毫無聯系的復雜數據進行分類與標簽化，對信用人經濟活動的背后線索進行學習，從而進一步分析出線索間的關聯性，最終根據評定做出信貸決策。

三、 機器學習、大數據在經濟管理中面臨的挑戰

機器學習與風險管理領域相結合是未來的發展方向，有關的經濟機構應正視這種趨勢，并且積極完善經濟管理中立法體系有關的工作，為機器學習的發展創造優良的市場環境，并重視機器學習給風控工作所造成的沖擊，以便進行研究與部署。隨著智能時代的來臨，各行各業都開始將自動化技術運用到該領域中以便進行下一步的數據處理，機器學習技術的介入，方便了將更多的數據模型納入分析體系中，以此來提高傳統業務的決策效率。當然各機構也應該清楚地認識到其技術與人類決策是為互補，而并非取代作用，機器學習所帶來的更多是通過數據的敏感特征進而分析其之間的相關性，以做出決策結論。利用機器學習的各種算法進行決策，這其中必然會含有潛在的各種風險。所以對前期數據來源、算法編程等環節進行嚴格審查，高資產凈值及更為復雜的業務交易仍需要面對面的風險估量，尤其在國際市場動蕩、監管政策變革等個別極端情況下，必須介入人類決策，由風險管理人員進行必要的風險檢測及應急計劃制定。

隨著機器學習技術應用的不斷提高和深度發展，其數據挖掘能力使得消費者的隱私保護即將受到嚴重的威脅，個人信息的泄露在當今時代也屢見不鮮。因此，無論從機器學習的長久發展考慮，還是從基于保護消費者權利出發，都應該亟須相關部門加強相關法律約束和行政監管，明確金融機構相關告知義務、信息安全保障義務，有效保證機器學習在風險管理應用中的信息安全。還有提高消費者對風險管理相關業務的了解程度。隨著經濟管理服務的創新活躍進行，消費者之間應及時知曉與之相關的風險因素，提高自身的對于風險識別和防范的能力。并且相關的經濟管理機構更要為消費者提供實時的信息來源，加強對業務流程的透明化程度，從而指導消費者正確認識風險因素及報告安全問題。