首页 典当商城 大数据
项目资金 行业资讯 来可奢商城
您现在的位置:首页 > 行业资讯 >

大数据在金融领域中的作用--金程内训

作者:佚名 2018-06-13 来源:金程财经

大数据在金融领域中的作用,当我们谈起高科技驱动的行业时,有些人首先想到的可能并不是银行业。然而,当我们考虑大数据的3V特性,即海量(Volume)、速度(Velocity)、多样性(Variety)时,很难发现有其他行业比金融业对数据的需求更加符合这些特性。

例如,在2016年4月,外汇市场每天平均交易额为5.1万亿美元。外汇市场提供了世界各国货币的实时汇率,促进了全球商业交易与结算。

本文讨论了大数据方法与金融行业的相关性,概述了大数据技术对行业未来发展的挑战和机遇。尽管大数据的应用领域许多与消费金融有关,但鉴于金融行业的交易规模和资金规划庞大,本文将聚焦于企业银行业务上(如金融市场、企业信贷、交易等)。

大数据在金融领域中的作用--金程内训

 

一、金融行业大数据

让我们首先检验下大数据的3V特性与金融的关联性:

lVolume:TB级甚至PB级数据才被认为达到大数据级别。金融行业产生了大规模的报价数据、市场数据和历史交易数据。其中,纽约证券交易所(NYSE)每天写入超过1TB的数据。

lVelocity:数据存储速度和处理速度在每秒105次交易以上才达到大数据的要求。对于金融市场来说,以这样的速度产生数据并不难。而且,系统处理交易数据越快,就能越快控制交易进程。

lVariety:大数据算法能够处理不同类型的数据结构和数据源。在企业银行中,机构要处理参考数据(如法人实体)、交易与市场数据、客户需求(通过电子的或者声音的方式)以及其他很多数据源。

大数据在金融领域中的作用--金程内训

 

从大数据的视角看,金融行业更有意思的是新规范和报告准则的持续流入,会为金融系统带来新数据源和更加复杂多维的数据。这使得该领域成为了数据学家非常感兴趣的地方。

除了周末短暂的休息窗口,前文提到的外汇市场全天24小时开展交易活动,从悉尼的早上到纽约的晚上从不间断。此外,算法交易模式已经通过各种形式用于金融市场很长一段时间了。

在20世纪70年代,NYSE提出了一种指定命令周期(DOT)系统,用于将原先均为手动执行的指令自动地发送至交易台。现在,算法交易系统将大规模指令拆分成小规模指令,这些小规模指令在相关市场参数优化后将基于时间、价格、规模自动执行。

在连续性基础上,大规模数据处理被用于金融机构的报告中:

l银行业和金融市场规范越来越要求大量的多维复杂数据的计算,如XVA(基于交易对手信用风险、融资成本、保证金等对金融衍生工具进行估值调整)。这些多维复杂数据被用于,如设定最小化银行存款准备金,该值直接影响到银行的盈利能力。

l时间序列交易数据被用于对市场和用户行为的建模中。比如,映射交易规模与时间的函数可以帮助预测信用违约的可能性,为银行减少贷款损失。

一些大型金融机构在采用大数据方法时进展缓慢,但是普华永道的市场研究表明这些机构中,部分是因为组织和文化方面的因素导致,许多有关因素在其他行业也同时存在。

首先,一些金融行业的管理者认为大数据算法只能解决技术问题,却不能解决业务问题。然而,数据是由业务产生的,数据结果也能被用于业务中,显然技术是支持业务的。

部分人不知道如何从数据流中获得有价值的信息,也有部分人觉得大数据方法提升了技术效率,但是对企业的盈亏底线作用不大。大数据中的深度学习算法在企业的业务增长和效率提升上起到支持作用。

金融行业从来都不是数据科学家所向往的行业,因此部分金融机构在寻找和吸引技术型人才上相对困难。最终,即使金融机构已有变革的意愿,但是对于使用大数据技术对企业进行转型该如何开始和从哪方面开始还并不清楚。

大数据在金融领域中的作用--金程内训

 

图1 2016年大数据分析市场

大数据在金融领域中的作用--金程内训

 

图2 金融科技市场各领域占比情况

然而,如图1所示,根据IDC最近的研究表明,银行业在大数据研究投资方面位于所有行业的前列。并且,金融科技(FinTech)公司对于银行关于资产和财富管理的需求正在研发解决方案和产品;

根据普华永道的原始数据,图2展示了业内的金融科技市场中各个领域的比例。跟随现有的趋势,围绕着提高业务效率的其他金融数据应用的算法研究也有很大进展。我们接下来将重点介绍其中的几个。

二、市场交易模式

自适应市场交易模型可为买卖特定资产类型的投资策略提供输入变量。以下介绍一个例子。

除息日(X-Day)为存托凭证(DR)的卖方有权获得最后一次派息后的第一个交易日。在除息日之前,存托凭证的买方将会获得股息分红。美国DRs(ADRs)是非美国公司在美国市场进行交易的金融工具。

正因为这样,股息存在双重缴税压力:在美国和发行ADR国家均会扣税。因此,投资者倾向于在除息日前卖出ADRs,并在除息日后买回。显然,税收政策对ADR市场的稳定性有很大的影响。

在近期的研究中,Bi-Huei Tsai对ADR市场进行了实测,以理解市场交易量的变化[7]。通过一系列基于当前交易量的算法对该类市场的分析可用于最优交易时间的确定。

公司内训师分析了在除息期间(除息日前后10天)ADR交易量的超额率(每日交易量减去"正常"日期交易量),结果显示与股息税正相关,该结果为税收政策对ADR市场的影响提供了研究模型。对于交易人和政府税收部门均可使用该模型制定策略。

大数据在金融领域中的作用--金程内训

 

三、实时信用评级

该应用并非金融市场特有,但与消费者和中小企业银行业务有关,即实时处理数据为申请人提供信用评分。例如,Klarna、Lenddo和Credit Karma等金融科技公司提供了相关的线上信用评价和信用认证服务。在近期的研究中,Ying Wang、Siming Li和Zhangxi Lin 研究了电子商务实时信用评分的相关问题。

任何申请了巨额信用贷款的人都熟悉处理流程。传统流程为银行通过申请表和其他渠道收集申请人信息,专家分析申请人信息并提出该客户的信用建议,其中包括利率和还款期。

申请人和银行会对贷款的相关条款进行协商,包括从整体利益考虑在多个贷款条件之间进行权衡。在签订信贷合同之后,客户可以获得贷款从事相关财务活动,并在后期偿还该笔贷款。

不仅是数据收集和条款协商消耗时间,而且有两个因素使请款变得更复杂。第一是许多用于信用评级的数据中心数据是按月更新的,所以银行通过该渠道并不能获知客户当前的财务问题。第二是非金融因素可能导致违约风险。

上述企业内训师研究了与大型电商平台相关的几个因素:登陆平台的频率、额外联系数据(包含手机号码)、上一个月的交易量、整体成功交易次数、成为平台用户的时间、客户从事的行业等。

公司内训师通过客户历史数据构建包含以上影响因素的线性回归模型,推导出违约概率和这些因素的相关性。该模型结果可以帮助电子商务平台实时信用评级。这些影响因素甚至都没有出现在传统的中央信用评级数据库中。

 

编辑:晓坤

链接:

融资专栏

查看更多

花旗:若私有化失败 特  北京时间8月20日晚间消息,花旗研究(Citi Research)今日发布报告称,特

1个月融资150亿美元,美 在这个实体不景气虚拟如山洪的年代,融资已经很为很多互联网公司的问题,根据

GPLP投融资:沙特基金拟   新加坡风投基金Tin Men Capital募资1亿美元,专注投资B2B科技创企 目

成立66天获超千万美金近日,刚刚成立数月的农村出行新零售黑马"什马出行"获超千万美金Pre-A轮融资,

美国外卖送餐平台 Doo美国外卖送餐平台 DoorDash 近日宣布获2.5亿美元融资,由Coatue Management

十个月斩获四轮融资,智 和多数连续创业者不同,徐意不是一个能说会道的人。他讲话慢条斯理,语气中也

Copyright2015 北京银百汇网络科技有限公司  京ICP备10219046号