陳昊琪

隨著信息技術(shù)所帶來的新一輪科技革命，推動著各行業(yè)的模式、管理、產(chǎn)品的創(chuàng)新和更替。在金融領(lǐng)域，大數(shù)據(jù)技術(shù)的應(yīng)用越來越廣泛，為金融創(chuàng)新提供了有效的支持，是難得的契機(jī)，但也帶來一定的挑戰(zhàn)。本文簡述了大數(shù)據(jù)在金融市場的幾種應(yīng)用情況，重點(diǎn)介紹了大數(shù)據(jù)在交易欺詐識別，信貸風(fēng)險評估，客戶個性營銷以及股市期貨預(yù)測中所發(fā)揮的作用。

一、引言

隨著互聯(lián)網(wǎng)和智能設(shè)備的應(yīng)用和普及，大量數(shù)據(jù)被不斷產(chǎn)生，呈爆發(fā)式增長趨勢。據(jù)國際數(shù)據(jù)公司（IDC）的研究結(jié)果表明，全球數(shù)據(jù)總量年復(fù)合率約為50%。按照這種增速，估計在未來兩年世界新增的數(shù)據(jù)將超過人類歷史積累的數(shù)據(jù)總和。IDC預(yù)測，到2020年，全球數(shù)據(jù)總量將達(dá)到40ZB（400億TB），代表地球上每個人平均會產(chǎn)生5TB的數(shù)據(jù)。大數(shù)據(jù)就是一種將體量如此龐大的數(shù)據(jù)進(jìn)行通過分析整合，將本無用的，散亂的信息變廢為寶，從而幫助解決問題的手段。大數(shù)據(jù)與傳統(tǒng)的數(shù)據(jù)分析方式有著明顯的不同，其特征被業(yè)界總結(jié)為4個V：大量化（Volume）、多樣化（Variety）、價值密度低（Value）和速度化（Velocity）。大數(shù)據(jù)時代，對使用和駕馭數(shù)據(jù)的能力提出了新的要求和挑戰(zhàn)，也提供了獲得更為深刻、全面的洞察能力的空間與潛力。大數(shù)據(jù)對物理學(xué)、生物學(xué)、環(huán)境生態(tài)學(xué)等領(lǐng)域以及軍事、農(nóng)業(yè)、金融、通訊等行業(yè)已造成深刻影響。

相較于其他行業(yè)，大數(shù)據(jù)在金融業(yè)的應(yīng)用更為廣泛、更具價值。金融業(yè)的數(shù)據(jù)類型眾多，擁有客戶賬戶等結(jié)構(gòu)化數(shù)據(jù)，也有客服音頻、網(wǎng)上銀行記錄等非結(jié)構(gòu)化數(shù)據(jù);同時積累具備了大量處理傳統(tǒng)數(shù)據(jù)的經(jīng)驗和方法。大數(shù)據(jù)技術(shù)和大數(shù)據(jù)思維在金融創(chuàng)新、發(fā)展模式轉(zhuǎn)型和管理升級等方面都起到推動作用;在交易欺詐識別、信貸風(fēng)險評估、客戶個性營銷、股市預(yù)測等方面得到了很好的應(yīng)用。

二、大數(shù)據(jù)在金融市場的應(yīng)用

（一）交易欺詐識別的應(yīng)用

不論是銀行支付還是保險行業(yè)，交易欺詐識別都十分重要。而傳統(tǒng)的欺詐識別方式往往由于數(shù)據(jù)不全、隱蔽性高、信息處理不及時等原因使得交易欺詐識別能以得到及時發(fā)現(xiàn)和處理，造成客戶或金融機(jī)構(gòu)的財產(chǎn)損失。

當(dāng)前，金融欺詐主要分為三類：洗錢，客戶交易欺詐和內(nèi)部欺詐。其中客戶交易欺詐包括：

1.身份類欺詐：通過非法途徑獲取客戶個人信息從而利用此信息非法獲得不是欺詐者的金融產(chǎn)品、額度等;還包括：通過電腦病毒盜取賬號之后進(jìn)行取款，轉(zhuǎn)賬等行為。

2.交易類欺詐：主要是盜取信用卡等支付信息進(jìn)行欺詐;如通過獲取銀行信用卡卡片信息進(jìn)行偽造交易行為。

3.移動終端欺詐：隨著智能手機(jī)的普及，欺詐者通過傳播手機(jī)病毒的方式盜取賬戶信息或者進(jìn)行欺詐操作行為。

基于交易欺詐給金融服務(wù)機(jī)構(gòu)帶來的巨大挑戰(zhàn)和經(jīng)濟(jì)損失，一些金融機(jī)構(gòu)著手建立了基于大數(shù)據(jù)的反欺詐管控體系，利用大數(shù)據(jù)挖掘和分析技術(shù)改善用戶體驗、監(jiān)督欺詐行為、驗證合規(guī)性等。

當(dāng)前，銀行業(yè)開展交易欺詐識別工作所采用的幾種方式：（1）利用內(nèi)部數(shù)據(jù)結(jié)合相關(guān)技術(shù)開展識別工作。銀行通過已有的客戶基本信息、卡的基本信息、交易歷史、客戶歷史行為模式、正在發(fā)生行為模式等，結(jié)合智能規(guī)則引擎進(jìn)行實(shí)時的交易反欺詐分析。如，IBM金融犯罪管理解決方案幫助銀行利用大數(shù)據(jù)有效地預(yù)防與管理金融犯罪;摩根大通銀行利用大數(shù)據(jù)技術(shù)追蹤盜取客戶賬號或侵入自動柜員機(jī)（ATM）系統(tǒng)的罪犯。（2）利用大數(shù)據(jù)手段不斷地實(shí)時分析和尋找數(shù)據(jù)所展現(xiàn)的異常行為來開展對可疑活動進(jìn)行監(jiān)測工作。當(dāng)信用卡持有人第一次在設(shè)備執(zhí)行交易時，銀行就會收到通知，如果信用卡在一天中在不同的設(shè)備進(jìn)行多筆交易時，則反欺詐系統(tǒng)會依據(jù)生成的數(shù)據(jù)向用戶以及銀行發(fā)送交易提醒;然后銀行會立即通知持卡人，甚至直接阻止在線交易。如果同一張信用卡很短時間內(nèi)在不同的城市進(jìn)行兩次交易，反欺詐系統(tǒng)就會給銀行發(fā)出危險信號，并以更短的反應(yīng)時間對可疑交易行為進(jìn)行干預(yù)，從而保證客戶和銀行的利益。（3）利用外部數(shù)據(jù)協(xié)助識別交易欺詐活動。比如，銀行通過從社交媒體上所獲取相關(guān)數(shù)據(jù)，來進(jìn)一步幫助識別交易欺詐;當(dāng)銀行獲取了信用卡持有人發(fā)布在社交媒體上的“自己快要上飛機(jī)”的數(shù)據(jù)時，在持有人在飛機(jī)上期間任何信用卡交易都是異常的，銀行可以阻止該交易。（4）利用人工智能等技術(shù)開展識別工作。比如，興業(yè)銀行通過使用人工智能技術(shù)，分析大量樣本讓機(jī)器完成識別判斷;同時，系統(tǒng)通過機(jī)器學(xué)習(xí)不斷更新并且完善模型，提高模型的時效性，大大節(jié)省了所需的時間。

保險業(yè)在開展交易欺詐識別工作時采用的方式與銀行業(yè)類似，運(yùn)用大數(shù)據(jù)手段來識別可能的詐騙交易和行為。一些保險公司會在建立保險銷售平臺時，同時建立專業(yè)軟件平臺，建立依賴大數(shù)據(jù)技術(shù)的反饋機(jī)制，并應(yīng)用機(jī)器學(xué)習(xí)技術(shù)不斷提升動態(tài)防衛(wèi)系統(tǒng)。保險公司可以從各種來源獲取數(shù)據(jù)，如社交媒體，過往索賠記錄，犯罪記錄和電話記錄等等。隨著數(shù)據(jù)的不斷積累和規(guī)律的不斷更新尋找規(guī)律，不斷適應(yīng)保險欺詐的新特點(diǎn)并加以跟蹤識別，大大提高管理和索賠的效率和有效性。

新型金融機(jī)構(gòu)，本身就是基于移動互聯(lián)、大數(shù)據(jù)、云計算等發(fā)展起來，在交易欺詐識別中采用大數(shù)據(jù)等技術(shù)開展工作更為普遍和廣泛。如電子商務(wù)公司阿里巴巴的交易欺詐風(fēng)險防控系統(tǒng)就具有多層次、大流量、實(shí)時管控等特點(diǎn)。其推出的運(yùn)用大數(shù)據(jù)手段的風(fēng)險防控產(chǎn)品“蟻盾”（AntBuckler）利用RAIN風(fēng)險模型對各類商家和客戶進(jìn)行信用評分，以此實(shí)現(xiàn)防控交易欺詐的功能。

（二）信貸風(fēng)險評估的應(yīng)用

風(fēng)險管理是金融機(jī)構(gòu)的生命線。傳統(tǒng)的信貸風(fēng)險評估通常依靠客戶過往借貸數(shù)據(jù)，存款，收入等較為靜態(tài)的數(shù)據(jù)。而影響和造成違約的重要因素并不僅僅只是客戶歷史情況，還包括個人或行業(yè)的整體發(fā)展?fàn)顩r，企業(yè)的實(shí)時經(jīng)營情況等，而大數(shù)據(jù)手段的介入使信貸風(fēng)險評估更趨近于事實(shí)。

銀行業(yè)通過使用大數(shù)據(jù)分析技術(shù)，將企業(yè)的生產(chǎn)、流通、銷售、財務(wù)等相關(guān)信息與大數(shù)據(jù)挖掘方法相結(jié)合的方式進(jìn)行貸款風(fēng)險分析，從而量化企業(yè)的信用額度，使得銀行的風(fēng)險管理能力大幅提高。特別的，通過大數(shù)據(jù)技術(shù)的應(yīng)用，可以使銀行更有效地開展中小企業(yè)貸款工作。為數(shù)眾多的中小企業(yè)是金融機(jī)構(gòu)不可忽視的客戶群體，市場潛力巨大。但是，中小企業(yè)貸款償還能力差，財務(wù)制度普遍不健全，難以有效評估其真實(shí)經(jīng)營狀況，生存能力相對比較低，信用度低。據(jù)測算，對中小企業(yè)貸款的平均管理成本是大型企業(yè)的5倍左右，而風(fēng)險成本卻高很多。這種成本、收益和險的不對稱導(dǎo)致金融機(jī)構(gòu)不愿意向中小企業(yè)全面敞開大門?，F(xiàn)在銀行可通過大數(shù)據(jù)挖掘方法對客戶數(shù)據(jù)進(jìn)行貸款風(fēng)險分析，得到信用評級，結(jié)合中小企業(yè)的自身經(jīng)營財務(wù)健康狀況就可以開展中小企業(yè)貸款決定。

保險企業(yè)對于不同風(fēng)險的保險設(shè)定不一樣的保險金，即風(fēng)險定價。若沒有大數(shù)據(jù)的介入，風(fēng)險定價是比較困難的。例如，汽車保險的保險金額跟開車次數(shù)多少是否相關(guān)？若相關(guān)，如何來獲取駕車次數(shù)的多少這一數(shù)據(jù)？大數(shù)據(jù)可以協(xié)助保險公司解決這一問題。保險公司可以通過智能監(jiān)控裝置搜集駕駛者的行車頻率、行車速度、急剎車和急加速頻率等行車數(shù)據(jù)，通過社交媒體搜集駕駛者的行為數(shù)據(jù)，通過醫(yī)療系統(tǒng)搜集駕駛者的健康數(shù)據(jù)等等。并在這些數(shù)據(jù)基礎(chǔ)上，通過大數(shù)據(jù)分析挖掘，給客戶進(jìn)行精準(zhǔn)畫像，若客戶是屬于不經(jīng)常開車、并且開車十分謹(jǐn)慎的畫像，那么就可以獲得比一般價格優(yōu)惠30%～40%的保費(fèi)，這將大大的提高保險產(chǎn)品在市場上的競爭力。

互聯(lián)網(wǎng)巨頭阿里巴巴集團(tuán)依靠誠信通和支付寶產(chǎn)品來獲取大量信用數(shù)據(jù)來建立模型，形成阿里征信模式。阿里巴巴的征信模式是建立在其平臺產(chǎn)生的龐大數(shù)據(jù)之上，通過分析客戶在其平臺上所產(chǎn)生的海量行為數(shù)據(jù)進(jìn)行信用評價，并以此為依據(jù)采用風(fēng)險控制手段。阿里的誠信通是一個面向企業(yè)的信用記錄和評估產(chǎn)品，該產(chǎn)品為企業(yè)建立一份包括企業(yè)身份認(rèn)證，客戶反饋、在阿里平臺上的過往交易記錄在內(nèi)的數(shù)據(jù)檔案，并根據(jù)這些數(shù)據(jù)最終形成一個企業(yè)的誠信評級。誠信指數(shù)對平臺上的企業(yè)行為是有約束性的，從而促使企業(yè)重視平時的誠信度積累，避免違約，毀約等不誠信行為。

（三）客戶個性營銷的應(yīng)用

隨著移動互聯(lián)技術(shù)的發(fā)展，智能終端設(shè)備的高普及率，使得用戶行為被記錄而使得用戶畫像被刻畫的更為清晰。金融業(yè)也跟大多數(shù)行業(yè)一樣，在這樣的技術(shù)革命的大背景下，開展發(fā)展模式的戰(zhàn)略轉(zhuǎn)型。從“以產(chǎn)品為中心”向“以客戶為中心”、“粗放營銷”向“精準(zhǔn)營銷”、“標(biāo)準(zhǔn)化服務(wù)”向“個性化服務(wù)”轉(zhuǎn)型。

運(yùn)用大數(shù)據(jù)技術(shù)，金融業(yè)可以切實(shí)掌握客戶的真實(shí)需求，根據(jù)客戶需求快速提高服務(wù)，實(shí)現(xiàn)精準(zhǔn)營銷的目的。金融機(jī)構(gòu)手中擁有著很多未使用的數(shù)據(jù)，例如客戶偏好和經(jīng)濟(jì)狀況等，通過運(yùn)用大數(shù)據(jù)技術(shù)，就可以對這些數(shù)據(jù)進(jìn)行分析和挖掘從而獲得有價值的信息，服務(wù)客戶服務(wù)。當(dāng)前，精準(zhǔn)營銷的一個典型方式是通過對cookie文件的利用，在客戶瀏覽互聯(lián)網(wǎng)時收集客戶的相關(guān)活動信息，并在此過程中生成個性化數(shù)據(jù)。通過客戶人群細(xì)分、分析用戶對業(yè)務(wù)推送的反應(yīng)模式等手段，有效提升了營銷效果。例如花旗銀行采用IBM Watson產(chǎn)品分析金融以及經(jīng)濟(jì)數(shù)據(jù)，對客戶進(jìn)行針對性營銷;西太平洋銀行利用社交媒體數(shù)據(jù)對客戶進(jìn)行情感分析來實(shí)現(xiàn)精準(zhǔn)營銷;等等。

（四）股市預(yù)測的應(yīng)用

預(yù)測是大數(shù)據(jù)的核心價值之一，不論是天氣預(yù)報、股票市場、用戶行為、市場物價、疾病疫情等各方面大數(shù)據(jù)預(yù)測都有很好的應(yīng)用。大數(shù)據(jù)預(yù)測是基于大數(shù)據(jù)和預(yù)測模型去預(yù)測未來某件事發(fā)生的概率。

大數(shù)據(jù)在股市預(yù)測方面有行情預(yù)測、股價預(yù)測、智能顧投等多種應(yīng)用。大數(shù)據(jù)拓寬了數(shù)據(jù)獲取的維度，通過場內(nèi)場外更多元化的影響市場走向的相關(guān)性數(shù)據(jù)分析，可以更全面更準(zhǔn)確的對行情和股價等未來走向做出判定，再結(jié)合客戶風(fēng)險偏好、交易行為等個性化數(shù)據(jù)進(jìn)行匹配，為客戶制定更為優(yōu)化的投資方案和策略;而這些客戶個性化數(shù)據(jù)又是影響行情、股價走向的因素。例如，華爾街德溫特資本市場公司通過分析3.4億微博賬戶留言，判斷民眾情緒，依據(jù)人們高興時買股票、焦慮時拋售股票的規(guī)律，來決定公司股票的買入或賣出;再如英國華威商學(xué)院和美國波士頓大學(xué)物理系的研究發(fā)現(xiàn)，用戶通過Google搜索的金融關(guān)鍵詞或許可以預(yù)測金融市場的走向，相應(yīng)的投資戰(zhàn)略收益高達(dá)326%;等等。

三、結(jié)語

大數(shù)據(jù)的廣泛應(yīng)用，深刻的影響著整個金融領(lǐng)域。通過大數(shù)據(jù)識別交易欺詐，可以最大程度保護(hù)資產(chǎn)的安全;利用大數(shù)據(jù)分析企業(yè)可以得到企業(yè)的信用以及發(fā)展情況，從而解決信貸問題;等等。金融行業(yè)依靠大數(shù)據(jù)及相關(guān)技術(shù)進(jìn)行著自我革新，對其自身能力、保護(hù)用戶隱私和信息安全、大數(shù)據(jù)分析人才儲備等方面提出新的要求，同時像互聯(lián)網(wǎng)企業(yè)帶來的跨界競爭也對傳統(tǒng)金融機(jī)構(gòu)的市場份額有所撼動，對金融監(jiān)管也提出了新的要求。（作者單位：上海市市西中學(xué)）