论文部分内容阅读
随着信息技术所带来的新一轮科技革命，推动着各行业的模式、管理、产品的创新和更替。在金融领域，大数据技术的应用越来越广泛，为金融创新提供了有效的支持，是难得的契机，但也带来一定的挑战。本文简述了大数据在金融市场的几种应用情况，重点介绍了大数据在交易欺诈识别，信贷风险评估，客户个性营销以及股市期货预测中所发挥的作用。
一、引言
随着互联网和智能设备的应用和普及，大量数据被不断产生，呈爆发式增长趋势。据国际数据公司（IDC）的研究结果表明，全球数据总量年复合率约为50%。按照这种增速，估计在未来两年世界新增的数据将超过人类历史积累的数据总和。IDC预测，到2020年，全球数据总量将达到40ZB（400亿TB），代表地球上每个人平均会产生5TB的数据。大数据就是一种将体量如此庞大的数据进行通过分析整合，将本无用的，散乱的信息变废为宝，从而帮助解决问题的手段。大数据与传统的数据分析方式有着明显的不同，其特征被业界总结为4个V：大量化（Volume）、多样化（Variety）、价值密度低（Value）和速度化（Velocity）。大数据时代，对使用和驾驭数据的能力提出了新的要求和挑战，也提供了获得更为深刻、全面的洞察能力的空间与潜力。大数据对物理学、生物学、环境生态学等领域以及军事、农业、金融、通讯等行业已造成深刻影响。
相较于其他行业，大数据在金融业的应用更为广泛、更具价值。金融业的数据类型众多，拥有客户账户等结构化数据，也有客服音频、网上银行记录等非结构化数据;同时积累具备了大量处理传统数据的经验和方法。大数据技术和大数据思维在金融创新、发展模式转型和管理升级等方面都起到推动作用;在交易欺诈识别、信贷风险评估、客户个性营销、股市预测等方面得到了很好的应用。
二、大数据在金融市场的应用
（一）交易欺诈识别的应用
不论是银行支付还是保险行业，交易欺诈识别都十分重要。而传统的欺诈识别方式往往由于数据不全、隐蔽性高、信息处理不及时等原因使得交易欺诈识别能以得到及时发现和处理，造成客户或金融机构的财产损失。
当前，金融欺诈主要分为三类：洗钱，客户交易欺诈和内部欺诈。其中客户交易欺诈包括：
1.身份类欺诈：通过非法途径获取客户个人信息从而利用此信息非法获得不是欺诈者的金融产品、额度等;还包括：通过电脑病毒盗取账号之后进行取款，转账等行为。
2.交易类欺诈：主要是盗取信用卡等支付信息进行欺诈;如通过获取银行信用卡卡片信息进行伪造交易行为。
3.移动终端欺诈：随着智能手机的普及，欺诈者通过传播手机病毒的方式盗取账户信息或者进行欺诈操作行为。
基于交易欺诈给金融服务机构带来的巨大挑战和经济损失，一些金融机构着手建立了基于大数据的反欺诈管控体系，利用大数据挖掘和分析技术改善用户体验、监督欺诈行为、验证合规性等。
当前，银行业开展交易欺诈识别工作所采用的几种方式：（1）利用内部数据结合相关技术开展识别工作。银行通过已有的客户基本信息、卡的基本信息、交易歷史、客户历史行为模式、正在发生行为模式等，结合智能规则引擎进行实时的交易反欺诈分析。如，IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪;摩根大通银行利用大数据技术追踪盗取客户账号或侵入自动柜员机（ATM）系统的罪犯。（2）利用大数据手段不断地实时分析和寻找数据所展现的异常行为来开展对可疑活动进行监测工作。当信用卡持有人第一次在设备执行交易时，银行就会收到通知，如果信用卡在一天中在不同的设备进行多笔交易时，则反欺诈系统会依据生成的数据向用户以及银行发送交易提醒;然后银行会立即通知持卡人，甚至直接阻止在线交易。如果同一张信用卡很短时间内在不同的城市进行两次交易，反欺诈系统就会给银行发出危险信号，并以更短的反应时间对可疑交易行为进行干预，从而保证客户和银行的利益。（3）利用外部数据协助识别交易欺诈活动。比如，银行通过从社交媒体上所获取相关数据，来进一步帮助识别交易欺诈;当银行获取了信用卡持有人发布在社交媒体上的“自己快要上飞机”的数据时，在持有人在飞机上期间任何信用卡交易都是异常的，银行可以阻止该交易。（4）利用人工智能等技术开展识别工作。比如，兴业银行通过使用人工智能技术，分析大量样本让机器完成识别判断;同时，系统通过机器学习不断更新并且完善模型，提高模型的时效性，大大节省了所需的时间。
保险业在开展交易欺诈识别工作时采用的方式与银行业类似，运用大数据手段来识别可能的诈骗交易和行为。一些保险公司会在建立保险销售平台时，同时建立专业软件平台，建立依赖大数据技术的反馈机制，并应用机器学习技术不断提升动态防卫系统。保险公司可以从各种来源获取数据，如社交媒体，过往索赔记录，犯罪记录和电话记录等等。随着数据的不断积累和规律的不断更新寻找规律，不断适应保险欺诈的新特点并加以跟踪识别，大大提高管理和索赔的效率和有效性。
新型金融机构，本身就是基于移动互联、大数据、云计算等发展起来，在交易欺诈识别中采用大数据等技术开展工作更为普遍和广泛。如电子商务公司阿里巴巴的交易欺诈风险防控系统就具有多层次、大流量、实时管控等特点。其推出的运用大数据手段的风险防控产品“蚁盾”（AntBuckler）利用RAIN风险模型对各类商家和客户进行信用评分，以此实现防控交易欺诈的功能。
（二）信贷风险评估的应用
风险管理是金融机构的生命线。传统的信贷风险评估通常依靠客户过往借贷数据，存款，收入等较为静态的数据。而影响和造成违约的重要因素并不仅仅只是客户历史情况，还包括个人或行业的整体发展状况，企业的实时经营情况等，而大数据手段的介入使信贷风险评估更趋近于事实。 银行业通过使用大数据分析技术，将企业的生产、流通、销售、财务等相关信息与大数据挖掘方法相结合的方式进行贷款风险分析，从而量化企业的信用额度，使得银行的风险管理能力大幅提高。特别的，通过大数据技术的应用，可以使银行更有效地开展中小企业贷款工作。为数众多的中小企业是金融机构不可忽视的客户群体，市场潜力巨大。但是，中小企业贷款偿还能力差，财务制度普遍不健全，难以有效评估其真实经营状况，生存能力相对比较低，信用度低。据测算，对中小企业贷款的平均管理成本是大型企业的5倍左右，而风险成本却高很多。这种成本、收益和险的不对称导致金融机构不愿意向中小企业全面敞开大门。现在银行可通过大数据挖掘方法对客户数据进行贷款风险分析，得到信用评级，结合中小企业的自身经营财务健康状况就可以开展中小企业贷款决定。
保险企业对于不同风险的保险设定不一样的保险金，即风险定价。若没有大数据的介入，風险定价是比较困难的。例如，汽车保险的保险金额跟开车次数多少是否相关？若相关，如何来获取驾车次数的多少这一数据？大数据可以协助保险公司解决这一问题。保险公司可以通过智能监控装置搜集驾驶者的行车频率、行车速度、急刹车和急加速频率等行车数据，通过社交媒体搜集驾驶者的行为数据，通过医疗系统搜集驾驶者的健康数据等等。并在这些数据基础上，通过大数据分析挖掘，给客户进行精准画像，若客户是属于不经常开车、并且开车十分谨慎的画像，那么就可以获得比一般价格优惠30%～40%的保费，这将大大的提高保险产品在市场上的竞争力。
互联网巨头阿里巴巴集团依靠诚信通和支付宝产品来获取大量信用数据来建立模型，形成阿里征信模式。阿里巴巴的征信模式是建立在其平台产生的庞大数据之上，通过分析客户在其平台上所产生的海量行为数据进行信用评价，并以此为依据采用风险控制手段。阿里的诚信通是一个面向企业的信用记录和评估产品，该产品为企业建立一份包括企业身份认证，客户反馈、在阿里平台上的过往交易记录在内的数据档案，并根据这些数据最终形成一个企业的诚信评级。诚信指数对平台上的企业行为是有约束性的，从而促使企业重视平时的诚信度积累，避免违约，毁约等不诚信行为。
（三）客户个性营销的应用
随着移动互联技术的发展，智能终端设备的高普及率，使得用户行为被记录而使得用户画像被刻画的更为清晰。金融业也跟大多数行业一样，在这样的技术革命的大背景下，开展发展模式的战略转型。从“以产品为中心”向“以客户为中心”、“粗放营销”向“精准营销”、“标准化服务”向“个性化服务”转型。
运用大数据技术，金融业可以切实掌握客户的真实需求，根据客户需求快速提高服务，实现精准营销的目的。金融机构手中拥有着很多未使用的数据，例如客户偏好和经济状况等，通过运用大数据技术，就可以对这些数据进行分析和挖掘从而获得有价值的信息，服务客户服务。当前，精准营销的一个典型方式是通过对cookie文件的利用，在客户浏览互联网时收集客户的相关活动信息，并在此过程中生成个性化数据。通过客户人群细分、分析用户对业务推送的反应模式等手段，有效提升了营销效果。例如花旗银行采用IBM Watson产品分析金融以及经济数据，对客户进行针对性营销;西太平洋银行利用社交媒体数据对客户进行情感分析来实现精准营销;等等。
（四）股市预测的应用
预测是大数据的核心价值之一，不论是天气预报、股票市场、用户行为、市场物价、疾病疫情等各方面大数据预测都有很好的应用。大数据预测是基于大数据和预测模型去预测未来某件事发生的概率。
大数据在股市预测方面有行情预测、股价预测、智能顾投等多种应用。大数据拓宽了数据获取的维度，通过场内场外更多元化的影响市场走向的相关性数据分析，可以更全面更准确的对行情和股价等未来走向做出判定，再结合客户风险偏好、交易行为等个性化数据进行匹配，为客户制定更为优化的投资方案和策略;而这些客户个性化数据又是影响行情、股价走向的因素。例如，华尔街德温特资本市场公司通过分析3.4亿微博账户留言，判断民众情绪，依据人们高兴时买股票、焦虑时抛售股票的规律，来决定公司股票的买入或卖出;再如英国华威商学院和美国波士顿大学物理系的研究发现，用户通过Google搜索的金融关键词或许可以预测金融市场的走向，相应的投资战略收益高达326%;等等。
三、结语
大数据的广泛应用，深刻的影响着整个金融领域。通过大数据识别交易欺诈，可以最大程度保护资产的安全;利用大数据分析企业可以得到企业的信用以及发展情况，从而解决信贷问题;等等。金融行业依靠大数据及相关技术进行着自我革新，对其自身能力、保护用户隐私和信息安全、大数据分析人才储备等方面提出新的要求，同时像互联网企业带来的跨界竞争也对传统金融机构的市场份额有所撼动，对金融监管也提出了新的要求。（作者单位：上海市市西中学）
一、引言
随着互联网和智能设备的应用和普及，大量数据被不断产生，呈爆发式增长趋势。据国际数据公司（IDC）的研究结果表明，全球数据总量年复合率约为50%。按照这种增速，估计在未来两年世界新增的数据将超过人类历史积累的数据总和。IDC预测，到2020年，全球数据总量将达到40ZB（400亿TB），代表地球上每个人平均会产生5TB的数据。大数据就是一种将体量如此庞大的数据进行通过分析整合，将本无用的，散乱的信息变废为宝，从而帮助解决问题的手段。大数据与传统的数据分析方式有着明显的不同，其特征被业界总结为4个V：大量化（Volume）、多样化（Variety）、价值密度低（Value）和速度化（Velocity）。大数据时代，对使用和驾驭数据的能力提出了新的要求和挑战，也提供了获得更为深刻、全面的洞察能力的空间与潜力。大数据对物理学、生物学、环境生态学等领域以及军事、农业、金融、通讯等行业已造成深刻影响。
相较于其他行业，大数据在金融业的应用更为广泛、更具价值。金融业的数据类型众多，拥有客户账户等结构化数据，也有客服音频、网上银行记录等非结构化数据;同时积累具备了大量处理传统数据的经验和方法。大数据技术和大数据思维在金融创新、发展模式转型和管理升级等方面都起到推动作用;在交易欺诈识别、信贷风险评估、客户个性营销、股市预测等方面得到了很好的应用。
二、大数据在金融市场的应用
（一）交易欺诈识别的应用
不论是银行支付还是保险行业，交易欺诈识别都十分重要。而传统的欺诈识别方式往往由于数据不全、隐蔽性高、信息处理不及时等原因使得交易欺诈识别能以得到及时发现和处理，造成客户或金融机构的财产损失。
当前，金融欺诈主要分为三类：洗钱，客户交易欺诈和内部欺诈。其中客户交易欺诈包括：
1.身份类欺诈：通过非法途径获取客户个人信息从而利用此信息非法获得不是欺诈者的金融产品、额度等;还包括：通过电脑病毒盗取账号之后进行取款，转账等行为。
2.交易类欺诈：主要是盗取信用卡等支付信息进行欺诈;如通过获取银行信用卡卡片信息进行伪造交易行为。
3.移动终端欺诈：随着智能手机的普及，欺诈者通过传播手机病毒的方式盗取账户信息或者进行欺诈操作行为。
基于交易欺诈给金融服务机构带来的巨大挑战和经济损失，一些金融机构着手建立了基于大数据的反欺诈管控体系，利用大数据挖掘和分析技术改善用户体验、监督欺诈行为、验证合规性等。
当前，银行业开展交易欺诈识别工作所采用的几种方式：（1）利用内部数据结合相关技术开展识别工作。银行通过已有的客户基本信息、卡的基本信息、交易歷史、客户历史行为模式、正在发生行为模式等，结合智能规则引擎进行实时的交易反欺诈分析。如，IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪;摩根大通银行利用大数据技术追踪盗取客户账号或侵入自动柜员机（ATM）系统的罪犯。（2）利用大数据手段不断地实时分析和寻找数据所展现的异常行为来开展对可疑活动进行监测工作。当信用卡持有人第一次在设备执行交易时，银行就会收到通知，如果信用卡在一天中在不同的设备进行多笔交易时，则反欺诈系统会依据生成的数据向用户以及银行发送交易提醒;然后银行会立即通知持卡人，甚至直接阻止在线交易。如果同一张信用卡很短时间内在不同的城市进行两次交易，反欺诈系统就会给银行发出危险信号，并以更短的反应时间对可疑交易行为进行干预，从而保证客户和银行的利益。（3）利用外部数据协助识别交易欺诈活动。比如，银行通过从社交媒体上所获取相关数据，来进一步帮助识别交易欺诈;当银行获取了信用卡持有人发布在社交媒体上的“自己快要上飞机”的数据时，在持有人在飞机上期间任何信用卡交易都是异常的，银行可以阻止该交易。（4）利用人工智能等技术开展识别工作。比如，兴业银行通过使用人工智能技术，分析大量样本让机器完成识别判断;同时，系统通过机器学习不断更新并且完善模型，提高模型的时效性，大大节省了所需的时间。
保险业在开展交易欺诈识别工作时采用的方式与银行业类似，运用大数据手段来识别可能的诈骗交易和行为。一些保险公司会在建立保险销售平台时，同时建立专业软件平台，建立依赖大数据技术的反馈机制，并应用机器学习技术不断提升动态防卫系统。保险公司可以从各种来源获取数据，如社交媒体，过往索赔记录，犯罪记录和电话记录等等。随着数据的不断积累和规律的不断更新寻找规律，不断适应保险欺诈的新特点并加以跟踪识别，大大提高管理和索赔的效率和有效性。
新型金融机构，本身就是基于移动互联、大数据、云计算等发展起来，在交易欺诈识别中采用大数据等技术开展工作更为普遍和广泛。如电子商务公司阿里巴巴的交易欺诈风险防控系统就具有多层次、大流量、实时管控等特点。其推出的运用大数据手段的风险防控产品“蚁盾”（AntBuckler）利用RAIN风险模型对各类商家和客户进行信用评分，以此实现防控交易欺诈的功能。
（二）信贷风险评估的应用
风险管理是金融机构的生命线。传统的信贷风险评估通常依靠客户过往借贷数据，存款，收入等较为静态的数据。而影响和造成违约的重要因素并不仅仅只是客户历史情况，还包括个人或行业的整体发展状况，企业的实时经营情况等，而大数据手段的介入使信贷风险评估更趋近于事实。 银行业通过使用大数据分析技术，将企业的生产、流通、销售、财务等相关信息与大数据挖掘方法相结合的方式进行贷款风险分析，从而量化企业的信用额度，使得银行的风险管理能力大幅提高。特别的，通过大数据技术的应用，可以使银行更有效地开展中小企业贷款工作。为数众多的中小企业是金融机构不可忽视的客户群体，市场潜力巨大。但是，中小企业贷款偿还能力差，财务制度普遍不健全，难以有效评估其真实经营状况，生存能力相对比较低，信用度低。据测算，对中小企业贷款的平均管理成本是大型企业的5倍左右，而风险成本却高很多。这种成本、收益和险的不对称导致金融机构不愿意向中小企业全面敞开大门。现在银行可通过大数据挖掘方法对客户数据进行贷款风险分析，得到信用评级，结合中小企业的自身经营财务健康状况就可以开展中小企业贷款决定。
保险企业对于不同风险的保险设定不一样的保险金，即风险定价。若没有大数据的介入，風险定价是比较困难的。例如，汽车保险的保险金额跟开车次数多少是否相关？若相关，如何来获取驾车次数的多少这一数据？大数据可以协助保险公司解决这一问题。保险公司可以通过智能监控装置搜集驾驶者的行车频率、行车速度、急刹车和急加速频率等行车数据，通过社交媒体搜集驾驶者的行为数据，通过医疗系统搜集驾驶者的健康数据等等。并在这些数据基础上，通过大数据分析挖掘，给客户进行精准画像，若客户是属于不经常开车、并且开车十分谨慎的画像，那么就可以获得比一般价格优惠30%～40%的保费，这将大大的提高保险产品在市场上的竞争力。
互联网巨头阿里巴巴集团依靠诚信通和支付宝产品来获取大量信用数据来建立模型，形成阿里征信模式。阿里巴巴的征信模式是建立在其平台产生的庞大数据之上，通过分析客户在其平台上所产生的海量行为数据进行信用评价，并以此为依据采用风险控制手段。阿里的诚信通是一个面向企业的信用记录和评估产品，该产品为企业建立一份包括企业身份认证，客户反馈、在阿里平台上的过往交易记录在内的数据档案，并根据这些数据最终形成一个企业的诚信评级。诚信指数对平台上的企业行为是有约束性的，从而促使企业重视平时的诚信度积累，避免违约，毁约等不诚信行为。
（三）客户个性营销的应用
随着移动互联技术的发展，智能终端设备的高普及率，使得用户行为被记录而使得用户画像被刻画的更为清晰。金融业也跟大多数行业一样，在这样的技术革命的大背景下，开展发展模式的战略转型。从“以产品为中心”向“以客户为中心”、“粗放营销”向“精准营销”、“标准化服务”向“个性化服务”转型。
运用大数据技术，金融业可以切实掌握客户的真实需求，根据客户需求快速提高服务，实现精准营销的目的。金融机构手中拥有着很多未使用的数据，例如客户偏好和经济状况等，通过运用大数据技术，就可以对这些数据进行分析和挖掘从而获得有价值的信息，服务客户服务。当前，精准营销的一个典型方式是通过对cookie文件的利用，在客户浏览互联网时收集客户的相关活动信息，并在此过程中生成个性化数据。通过客户人群细分、分析用户对业务推送的反应模式等手段，有效提升了营销效果。例如花旗银行采用IBM Watson产品分析金融以及经济数据，对客户进行针对性营销;西太平洋银行利用社交媒体数据对客户进行情感分析来实现精准营销;等等。
（四）股市预测的应用
预测是大数据的核心价值之一，不论是天气预报、股票市场、用户行为、市场物价、疾病疫情等各方面大数据预测都有很好的应用。大数据预测是基于大数据和预测模型去预测未来某件事发生的概率。
大数据在股市预测方面有行情预测、股价预测、智能顾投等多种应用。大数据拓宽了数据获取的维度，通过场内场外更多元化的影响市场走向的相关性数据分析，可以更全面更准确的对行情和股价等未来走向做出判定，再结合客户风险偏好、交易行为等个性化数据进行匹配，为客户制定更为优化的投资方案和策略;而这些客户个性化数据又是影响行情、股价走向的因素。例如，华尔街德温特资本市场公司通过分析3.4亿微博账户留言，判断民众情绪，依据人们高兴时买股票、焦虑时抛售股票的规律，来决定公司股票的买入或卖出;再如英国华威商学院和美国波士顿大学物理系的研究发现，用户通过Google搜索的金融关键词或许可以预测金融市场的走向，相应的投资战略收益高达326%;等等。
三、结语
大数据的广泛应用，深刻的影响着整个金融领域。通过大数据识别交易欺诈，可以最大程度保护资产的安全;利用大数据分析企业可以得到企业的信用以及发展情况，从而解决信贷问题;等等。金融行业依靠大数据及相关技术进行着自我革新，对其自身能力、保护用户隐私和信息安全、大数据分析人才储备等方面提出新的要求，同时像互联网企业带来的跨界竞争也对传统金融机构的市场份额有所撼动，对金融监管也提出了新的要求。（作者单位：上海市市西中学）