大数据在互联网金融发展中作用

《大数据在互联网金融发展中作用》由会员分享，可在线阅读，更多相关《大数据在互联网金融发展中作用（40页珍藏版）》请在金锄头文库上搜索。

1、大数据在互联网金融发展中的作用大数据在互联网金融发展中的作用 2013 年 09 月 04 日 18:02 来源于 财新网 | 评论（1）随着计算机及互联网通讯技术的兴起和发展，在过去的几十年间，金融 行业在不断被改变，有两种互联网金融的表现形式引人注目。一种是越来越多的传统金融交易和服务因互联网技术得以升级和替代：从 各类大小额不同币种的电子支付系统的逐步使用，发展到电子化证券或货币交 易结算系统几乎完全取代了人工场内交易，到现在由互联网提供了几乎全部类 型的银行信贷、证券交易、保险理财等服务。另一种是以第三方支付为突破口，使互联网企业跻身网络小额信贷等金融 领域，比如阿里巴巴利用网络平台和

2、用户数据，为用户提供信贷、支付结算等 金融服务，在服务对象和贷款技术等方面取得突破，对传统金融体系形成了挑 战，也促使传统金融机构越来越重视互联网的作用。人们普遍认识到，互联网金融不是互联网和金融的简单加总。在上述两类 现象之外，更深层次的变化是一些基于互联网应用的特有技术、商业模式和产 品开始出现，金融体系正随之经历着新的变革。但究竟什么才是互联网金融有 别于传统金融的重要特征，还未被理论界和实务界广泛讨论。大数据时代数据一直是信息时代的象征。2011 年 5 月麦肯锡全球研究院发布了报告 大数据：创新、竞争和生产力的下一个新领域后，大数据的概念备受关注。 金融业是大数据的重要产生者，交易、

3、报价、业绩报告、消费者研究报告、官 方统计数据公报、调查、新闻报道无一不是数据来源。金融业也高度依赖信息 技术，是典型的数据驱动行业。互联网金融环境中，数据作为金融核心资产， 将撼动了传统客户关系、抵质押品在金融业务中的地位。例如，信用卡消费记 录中早就包含消费时的位置信息，现在就可以被互联网金融利用。在麦肯锡报告中，大数据的“大”通常是指数据量大到超过传统数据处理 工具的处理能力，是相对和动态的概念。后来，大数据又被引申为解决问题的 方法，即通过收集、分析海量数据获得有价值信息，并通过实验、算法和模型， 从而发现规律、收集有价值的见解和帮助形成新的商业模式。一般认为，大数据有四个特点（4 个

4、“V” Volume，Variety，Value，Velocity）：第一，数据体量巨大，目前数据级别已从 TB 跃升到 PB（petabytes = 1024*terabytes, terabytes=1024* gigabytes; gigabyte = 1024 megabytes） 。随着底 层技术的发展，从各类互联网设备和应用中产生信息的增长速度惊人，大量信 息来源于金融交易、客户互动和物联网。第二，数据类型繁多。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC 以及遍布地球各个角落的各种各样的传感器，都在产生各种类型的 数据。移动互联网、各类搜索及社交网络（如 Facebo

5、ok、网络日志、微博）兴 起，地理位置、音频、文本、视频、图片等非结构化数据出现，使得人们的思 想言论、日常行为和情绪等生活信息的细节化测量和大量收集，这也被称为用 户生成内容（UGC，User Generated Content） 。企业从合作伙伴、客户、业务部 门甚至员工收集信息的能力也越来越强。第三，价值密度低，商业价值高。一条数小时的监控视频，可能有用的数 据仅有一两秒。但如果能从海量数据中发掘出更符合用户兴趣和习惯的产品和 服务，大数据将成为企业竞争力的重要来源。第四，处理速度快。这和传统的数据挖掘技术有着本质的不同。大数据与金融创新大数据已经促进了高频交易、社交情绪分析和信贷风险分

6、析三大金融创新。高频交易（high-frequency trading）和算法交易（algorithmic trading） 。以高频交易为例，交易者为获得利润，利用硬件设备和交易程序的优势， 快速获取、分析、生成和发送交易指令，在短时间内多次买入卖出，且一般不 持有大量未对冲的头寸过夜。来自各方面的统计预测综合显示，2009 年以来， 无论是美国证券市场、还是期货市场、外汇市场，高频交易所占份额已达 40% 到 80%。随着采取这类策略的高频交易越来越多，其负面效应凸显且利润大幅 下降。芝加哥 Rosenblatt 证券咨询公司的研究显示，2012 年高频交易公司的利 润比 2009 年下降

7、了 74%。现在的高频交易开始采取“战略顺序交易” （strategic sequential trading） ， 即通过分析金融大数据，以识别出特定市场参与者留下的足迹。例如，如果一 只共同基金通常在收盘前一分钟的第一秒执行大额订单，能够识别出这一模式 的算法将预判出该基金在其余交易时段的动向，并执行相同的交易。该基金继 续执行交易时将付出更高的价格，使用算法的交易商可趁机获利。通过收集、分析社交媒体上的内容进行市场情绪分析。伴随 Twitter 日发消息超过 5 亿条，Facebook 日均用户超过 10 亿，社交媒 体数据应用已经成为互联网商业模式的重要组成部分。研究者在这方面有不少

8、发现：英国布里斯托尔大学的团队研究了从 2009 年 7 月到 2012 年 1 月，由超 过 980 万英国人创造的 4.84 亿条 twitter 消息，发现公众的负面情绪变化与财政 紧缩及社会压力高度相关。惠普实验室的社交计算研究主管伯纳多休伯曼在 网页法则一书里，把人们发布的微博与现实世界发生的事情之间的关系， 称之为“注意力经济学” 。他发现可以通过分析人们发布的微博来准确预测票房 收入。金融市场的投资者试图开始将研究与应用结合起来。大约两年前，对冲基 金开始从 Twitter、Facebook、聊天室和博客等社交媒体中提取市场情绪信息， 开发交易算法。例如一旦从中发现有自然灾害或恐

9、怖袭击等意外信息公布，便 立即抛出订单。2008 年，精神病专家理查德彼得森筹集了 100 万美元在美国 加州圣莫尼卡建立了名为 MarketPsy Capital 的对冲基金，通过追踪聊天室、博 客、网站和微博，以确定市场对不同企业的情绪，再据此确定基金的交易策略。 到 2010 年，该基金回报率达 40%。巴黎三位拥有行为金融学背景的交易员经营 的 IIBremans，针对法国 CAC40 指数提供情绪分析；位于伦敦的小型对冲基金 DCM 资本从 Facebook 和 Twitter 等社交媒体收集信息，将人们对某个金融工具 的情绪进行打分，并向零售客户发布预测，辅助投资者作出投资决定。加

10、强风险的可审性和管理力度，支持精细化管理。金融机构希望能够收集和分析大量中小微企业用户日常交易行为的数据， 判断其业务范畴、经营状况、信用状况、用户定位、资金需求和行业发展趋势， 解决由于小微企业财务制度的不健全，无法真正了解其真实的经营状况的难题。阿里小贷首创了从风险审核到放贷的全程线上模式，将贷前、贷中以及贷 后三个环节形成有效联结，向通常无法在传统金融渠道获得贷款的弱势群体批 量发放“金额小、期限短、随借随还”的小额贷款。首先，通过阿里巴巴 B2B、淘宝、天猫、支付宝等电子商务平台，收集客 户积累的信用数据，利用在线视频全方位定性调查客户资信，再加上交易平台 上的客户信息（客户评价度数据

11、、货运数据、口碑评价等） ，并对后两类信息进 行量化处理；同时引入海关、税务、电力等外部数据加以匹配，建立数据库模 型。其次，通过交叉检验技术辅以第三方验证确认客户信息的真实性，将客户 在电子商务网络平台上的行为数据映射为企业和个人的信用评价，通过沙盘推 演技术对地区客户进行评级分层，研发评分卡体系、微贷通用规则决策引擎、 风险定量化分析等技术。第三，在风险监管方面，开发了网络人际爬虫系统，突破地理距离的限制， 捕捉和整合相关人际关系信息，并通过逐条规则的设立及其关联性分析得到风 险评估结论，结合结论与贷前评级系统进行交叉验证，构成风险控制的双保险。 阿里小贷还凭借互联网技术监控贷款的流向：如

12、果该客户是贷款用于扩展经营， 阿里小贷将会对其广告投放、店铺装修和销售进行评估和监控。大数据正在重构整个金融行业与传统金融相比，大数据给互联网金融不仅带来了金融服务和产品创新、 以及用户体验的变化，创造了新的业务处理和经营管理模式，对金融服务提供 商的组织结构、数据需求与管理、用户特征、产品创新力来源、信用和风险特 征等方面产生了重大影响，显著提升了金融体系的多样性，也对金融监管和宏观调控等方面提出了新的课题。大数据挑战金融机构内部的传统部门划分。金融机构中不同部门都在不断积累大量数据：抵押贷款部门储存和处理能 充分描述其贷款客户的海量数据；外汇、债券、货币和股票及衍生品交易部门 从全球收集能

13、影响资产价格变化的信息，并试图建立前瞻性模型；零售银行部 门则在收集和分析客户行为实时信息；研发、客户交易、市场开发或服务运营 等各个部门也隐藏了海量数据。由于缺乏大数据分析技术和跨部门沟通战略， 各部门难以了解不同金融市场之间的关系，或者对同一客户的看法发生分歧， 妨碍了信息的及时利用。已经有一些企业正试图打破这样的切割，推动跨职能部门的数据整合，甚 至寻求外部供应商和客户的外部信息。例如，美国纽约的 Movenbank 移动银行 通过与传统商业银行合作开拓移动银行新业务，帮助其解决内部机构割裂问题。 英国 ERN 公司计划利用用户的交易历史、消费习惯，参照交易位置和时间数据， 向银行和商家

14、提供相关数据服务和咨询。大数据打破金融机构对客户的信息垄断。大数据有助于提升金融市场的透明度。金融客户的信用状况将随着其资产、 经营和各类交易状况的变化而变化，传统商业银行利用投入大量人力和财力， 建立特有的信息收集、分析和决策体系，以解决信息不对称问题。近年来，互 联网金融平台直接收集潜在的金融交易双方信息，形成了新的金融信息来源模 式，金融客户信息、交易价格信息和社会经济状况等数据更为精细和透明，使 利率形成更为准确和市场化。新一代互联网金融企业更可能在价值链中扮演中介角色。例如，一家运输 公司在经营过程中意识到自己正在收集全球产品运输的海量信息，已开始专门 销售这些信息产品。与之相类似的

15、，第三方支付企业也发现了海量支付信息的 巨大商业价值。随着价格信息在网上及线下大量扩散，包括基金销售机构在内 的各类企业正在提供自动编辑数百万种商品信息的比价服务，这对消费者创造 了巨大价值。新兴市场欠缺成熟的征信机构，有些公司利用申请者的社交网络，加以分 析后得出信用评分。例如，德国 Kreditech 贷款评分公司、美国 Movenbank 移 动银行、香港 Lenddo 网络贷款公司以及 Connect.Me、TrustCloud 、Briiefly、Reputate 等新型中介机构试图设计打造能反映大数据时代互联网金 融信用的平台：说服 LinkedIn、facebook 或其他社交网

16、络开放资料，结合用户 在各网站的活动记录，通过自行开发的软件、算法等，分析客户的同事、好友 信息（特别是信用状况） ，建立归纳与收集信用资料的标准化格式，作为客户获 得信用评分的重要依据，将社交网络资料转化成个人互联网信用。Movenbank 对客户进行风险评估的核心概念称为 CRED，除了参考个人传统信评分数，也纳 入 eBay 等平台的交易评价、网络汇款记录等因素，还会计算 Facebook 好友人 数、LinkedIn 人脉对象、Klout 影响力分数等社交参与连结程度。大数据将支撑更迅速、更灵活的决策，带来更贴近客户需求的产品创 新。互联网金融借助社交网络等新平台产生了海量用户和数据，记录了用户群 体的情绪，但大数据库无法自己总结人类行为模式的规律。计算机科学家、统 计学家正在开始与社会科学家协作，找到把大数据策略和小数据研究相结合的 新途径。利用互联网，金融企业也可以对其客户行为模式进行分析（比如事件 关联性分析） ，这类似于工程上的“对照实验” ，即观察、测试不同条件下，机 构投资者或普通金融消费者对产品的反应，识别其中的因果关系