淺談大數據在金融中的應用

摘 要：近年來，大數據在各行各業中的應用發展飛快，其中金融行業先天的數字特性決定了大數據在金融中的應用有著廣闊的前景。本篇文章將從大數據應用于金融業的理論基礎與必要性、大數據金融的現狀、大數據在金融業中的典型應用情景，結合現實分析大數據金融在實際應用中的一些問題，借此展望大數據金融的未來。

關鍵詞：大數據;互聯網金融;金融科技;金融創新

“大數據”這一概念起源于美國，最早在統計領域得到應用，并在計算機領域引發了一場革命，隨后蔓延至經濟、社會、科學等各個領域。近年來云計算的發展給大數據的廣泛應用提供了土壤，大數據技術取得了飛速發展。由于金融業的天然特性，大數據與金融的結合不可避免。

一、大數據在金融領域應用的理論基礎

大數據技術與金融的結合是必然的，兩者的融合來自以下三方面的推動力：

（一）金融業應用大數據技術的優勢。金融業是典型的數據密集型產業。一方面，金融機構沉淀了大量數據，這些數據經過數據分析以后具有巨大的商業價值。同時金融機構具有處理傳統數據的豐富經驗。最后，大數據的決策模式也適用于金融業的日常決策過程。

（二）大數據技術應用的逐步成熟。近年來移動互聯網呈現爆發式增長。我國 2013 年產生的數據總量超過0.8ZB，預計2020年我國的數據總量將到達8.5ZB。同時大數據處理技術不斷升級，如Hadoop、spark臺等。同時，云計算平臺趨于完善，為大數據提供儲存空間與計算資源，使大數據分析的應用市場更加普惠化。此外，企業級數據倉庫將成為主流。實現金融與大數據的結合，大數據技術的逐步成熟是必要條件。

（三）金融業創新發展的必然要求。金融機構必須創新才能避免同質化，金融業創新的最終目標便是提高金融服務水平。而利用大數據來刻畫客戶形象，精確分析客戶偏好，精準推送金融服務便是金融業創新的一個很好突破口，比如針對現金留存多且投資機會少的企業推送理財類業務等。另外大數據可用于打開長尾市場，降低金融服務成本，更好地進行風險控制。因此說大數據與金融的結合是金融業創新的必然要求。

二、大數據金融的現狀

大數據的應用大大降低了信息不對稱，這使得資源配置更加突破空間時間的局限，使效率進一步提高。有關研究顯示在大數據價值潛力指數中，金融業排第一。

隨著大數據的廣泛應用，金融交易數字化與電子化明顯。具體表現為支付更加電子化，支付寶等APP大大改變了傳統支付行業。渠道更加網絡化，網絡成為了越來越多金融業務的渠道。信用數字化，當前的征信系統離不開大數據的應用，如芝麻信用分在生活中的應用越來越廣泛。此外，阿里巴巴等互聯網企業也在憑借其強大的數據積累和客戶基礎進軍金融業，支付寶、京東金融等得益于公司平臺的大數據基礎，不斷開拓新的業務模式。

經過近年來的技術改造，金融機構具備了不同以往的數據處理能力，大數據金融已經顯現雛形。主要包括集成、儲存、計算、整合、智慧、消費和洞察。其中前四個層次主要考驗金融體系IT基礎設施能力，后三個則考慮金融業務范疇上的服務轉型升級。

三、大數據風控

大數據風控是“大數據風險控制”的簡稱。說到風險控制，首先要提風險管理的三步法，第一是風險識別，第二是風險度量，第三便是風險處理。而大數據技術天然地迎合了風險控制的特點，可以從方方面面改變傳統的風控模式，升級風險管理方法。

（一）大數據與征信體系。風險識別的基礎便是征信系統的構建，征信是風控的基礎。我國征信體系為中央銀行主導的公共征信系統與市場化的征信公司相結合。國家層面有國家金融數據基礎庫;企業征信有鵬遠、華夏等公司;個人征信方面，2015年開放了8家試點征信單位如芝麻信用等。互聯網金融帶來的最核心的變化是數據采集更容易、數據也更全面更豐富。與之前要求數據的質量不同，大數據時代不再拘泥于傳統數據挖掘的統計特征，而是更加具體化。加之我國的征信系統不成熟不完善，大數據在征信方面有廣闊的發展空間。

政策層面，2017年我國頒布了《新一代人工智能發展規劃》。綜上所述，得益于政策面的利好與大數據應用于風控的天然優勢，使得大數據征信迅速發展起來。

（二）大數據與貸后風險管理。貸后風險主要是借款人逾期的風險，常用的解決辦法便是對進款人進行催收。借款人逾期后往往會故意造成貸款機構對其失聯，常見的方法便是更換聯系方式。據統計，逾期3個月以上的借款人失聯的概率為70%，在借款人失聯后若重新聯系到則催收概率提高50%。傳統的搜尋失聯借款人的方式工作量大且成功率低。而大數據風控手段可以通過對社交平臺、地理位置、網絡瀏覽痕跡等對失聯的借款人進行比較準確的搜尋。大大降低搜尋成本，提高催收成功率。

（三）大數據與動態風險管理。動態風險管理指對風險監控對象的行為進行跟蹤，從而風險出現時可以及時識別。一個典型的應用就是企業經營風險識別。企業的經營活動充滿不確定性，通過建立科學的經營風險評估體系，對企業經營風險實現動態跟蹤，及時發現風險并做出預警。當風險暴露程度超過設定的閾值后便向管理決策人員發出風險預警信號與相應的對策指導，以保證及時調整經營策略，保證企業穩定發展。

四、銀行業大數據金融

（一）大數據在傳統銀行業中的應用，主要體現在客戶畫像、精準營銷、風險管控與運營優化這幾個方面。

具體來說，銀行在風控方面的創新就屬于客戶畫像方面的應用。央行征信數據庫雖然有大約8億人與近2000萬家企業的征信數據，但是央行征信的時效性差且不夠精準，尤其是對中小微企業與個人來說。因此傳統銀行的一個舉措便是建立自己的電商平臺采集數據，如銀聯的云閃付APP。在個人征信方面，傳統銀行與第三方征信公司合作，如上文提到的螞蟻信用等個人征信企業。

精準營銷則在中小銀行中應用廣泛，我國歷來的銀行業格局便是大銀行服務大企業，小銀行大多面向中小微企業與個人開展業務。隨著大數據分析技術的發展，光大銀行2012年推出“陽光理財”資產配置平臺，特點是能夠面向客戶提供個性化的資產配置建議，并隨著市場變化動態指導客戶調整資產配置方案。這項業務取得巨大成功，成為了國內銀行零售金融服務的典范，屬于銀行業成功的業務創新。

風險管控體現在銀行的信用評分卡業務與小微信貸方面。眾所周知，中小企業融資不易。客觀來說，由于中小微信貸單個體量小、數量多，使得信貸決策成本成了中小企業融資面臨的最大問題。傳統的信貸決策成本高。而大數據時代大大減少信貸決策成本，并且風險管控能力提高。通過建立智能化的中小微金融服務模式，可以在減少貸款成本的同時關注小微企業的運營風險。

（二）互聯網銀行。聯網銀行是互聯網金融的典型產物。互聯網銀行不設物理網點，只進行線上業務。近些年來，電商平臺憑借其得天獨厚的數據與平臺優勢開始成立互聯網銀行。代表的有阿里巴巴主要控股的浙江網上銀行與騰訊系的深圳前海微眾銀行，當然還有百度與中信銀行共同出資成立的百信銀行。

互聯網銀行的目標群體便是廣大中小微企業、個人創業者等所謂的“長尾市場”的客戶。互聯網銀行依托電商平臺的用戶行為數據與個人征信數據（如螞蟻信用）對借款人進行審核，并實現個性化的與風險匹配的貸款額度劃批。

五、證券業大數據金融

由于大數據的應用可以提高信息挖掘處理能力，減小交易成本，同時證券業在應用數據技術開展業務時也會產生大量新的數據素材。證券業屬于信息密集型行業，由此實現了產業閉環，因此證券業比其他行業更適合融入大數據。

隨著證券業的不斷發展，券商的業務同質化日趨嚴重，傳統的經紀業務由于競爭利潤逐年減少，投行業務“靠天吃飯”的特點也不利于證券公司長遠穩定的發展。因此未來券商避免同質化就必須轉型。在資管與自營業務方面開辟新的天地，如大數據搜索技術應用于行研，通過多維數據精確地刻畫行業、企業特征。應用于后臺風險管理，對風險進行更精確的刻畫。還可以應用于ABS資產證券化，借助利率期限結構利用金融工程方法，更好地實現不同期限利率產品的打包。最后，大數據在自營業務中最重要的應用便是量化投資。量化投資可以避免由于人的非理性情緒導致的投資缺陷，未來發展前景光明，是證券業務創新的突破口。

六、中央銀行大數據應用

央行與大數據的結合主要體現在其作為監管的職能中。有利于央行及時捕捉市場動向，提高監管能力，具體體現在以下幾個方面。

（一）宏觀審慎監管。央行可以通過爬蟲技術獲取市場輿情，減少對市場的信息不對稱。在制定政策時通過對各方面信息進行綜合考量，提高政策的科學性。通過對社會各方面的信息收集進行統計與預測，增強對市場總體的把握，提高宏觀審慎監管能力。

（二）完善征信體系。金融體系良性運轉離不開成熟的征信體系，從而減少信息不對稱帶來的市場摩擦。上文提到，中央銀行的征信體系不能涵蓋市場上的征信需求。未來央行應該利用自己的地位優勢，利用大數據搜尋技術開展各方面的信息采集工作，加強同其他政府部門、商業銀行、支付清算機構以及市場上的第三方征信機構的合作，爭取做到規范征信市場、統籌征信體系。提高征信對象覆蓋率，早日建成成熟高效的、涵蓋企業與個人的中國征信體系。

（三）加強反洗錢監測。我國反洗錢檢測中心的數據主要來源于各金融機構總部向其報送的可疑交易數據。而這些數據正是通過數據異常值動態檢測技術獲取的。2013年，央行組織多家金融機構開展大額交易與可疑交易報告綜合改革，通過研發新的異常交易檢測指標與優化算法，可疑交易報告的準確率大大提升，我國反洗錢工作取得了重大進展。

七、存在的問題與未來展望

大數據在金融中的應用如此廣泛，大數據金融的飛速發展固然值得我們驚嘆與期待。但是發展中存在的一些問題也不容忽視。

（一）個人隱私保護。目前我國已經成為數據最豐富、數據體量最大的國家之一，但在數據監管方面差強人意。互聯網上各種“過分精準”的廣告推送，讓人不禁思考個人隱私究竟在多大程度上被暴露。甚至懷疑在個人隱私數據保護方面，每個用戶都在“裸奔”。網上數據販賣之猖狂令人發指。不只是中國，在國外也有著名的“Facebook被指控通過用戶數據引導性干預大選結果”等新聞。種種事實表明，隱私數據的與使用亟需加強監管，同時國家應該加快相應法律規范的立法進程。避免“徐玉玉案”類似的惡性事件再次發生。

（二）數據質量安全。數據質量是大數據應用的基礎，如果數據質量不過關，則基于這些不良數據的一切數據分析都是徒勞的。因此數據質量問題顯得尤為重要。但是數據安全問題卻層出不窮，電商平臺上刷信用等級、刷銷量等問題嚴重;社交平臺“轉發量造假”、“刷評論”等現象也不斷被曝光。數據造假問題不解決，數據質量就難以得到保障。

（三）完全依靠大數據分析方法進行決策有時不具有說服力。在建模過程中，模型的假設條件是否接近現實就是一個很大的問題。其次在機器學習等方面，算法相當于黑箱，雖然有很好的決策預測能力，但是無法被解釋。基于這個原因，機器學習應用于金融會造成風險不可度量不可控等問題。

在未來，大數據技術伴隨著5G時代的到來無疑還會迎來一個更好的發展平臺，擁有更多的應用情景與發展機會。但是在發展的同時，上面提到的問題更需要及時解決。大數據金融無疑會發展得越來越好，雖然在大數據發展的過程中固然存在一些問題，但是“發展的問題要用發展來解決”，相信這些問題都會隨著大數據金融行業的逐漸成熟而逐一解決。

參考文獻

[1]蔡寧偉.操作風險的誘發類型與前瞻性防控研究[J].金融監管研究.2015（04）

[2]龍海明，王志鵬，申泰旭.大數據時代征信業發展趨勢探討[J].金融經濟，2014（12）：86-88

[3]羅明雄.互聯網金融[M].中國財政經濟出版社，2013.

[4]陶婭娜.互聯網金融發展研究[J].金融發展評論，2013（11）：58-73.

[5]Lauer，David.The Challenges and Opportunities of Big Data in Finance[J].Inside Market Data，2013，29（9）.

作者簡介：

楊鵬程（1997—），男，漢族，山東德州人，學生，金融工程碩士，單位：中央財經大學，研究方向：金融風險管理。