大數據在我國期貨行業的應用

摘 要：在網絡和移動網快速發展的當下，已進入大數據發展時代。從金融行業來看，大數據不斷得到推廣，一方面支持金融行業發展，另一方面，在大數據快速發展后，數據類型變得更加復雜多樣，怎么樣對數據進行處理、運用，這是金融創新與監督管理工作的一個難題，具有重要的研究意義。在對大數據特點作出分析，同時對大數據應用模式與應用范圍進行對比，對大數據在期貨領域推廣的實際情況進行闡述，最后概括了大數據大環境中期貨領域面對的考驗，并給出了具體的應對策略。

關鍵詞：大數據 期貨行業 應用

因為網絡和移動網絡快速向前發展，不管是數據規模，還是產生數據的速度，均獲得快速增長。從IDC提供的預估數據來看，2020年全世界數據規模巨大，大于40ZB（大概為4萬億GB）。人們進入了大數據發展時代。從金融行業來看，大數據不斷得到推廣，一方面支持金融行業發展，另一方面，在大數據快速發展后，數據類型變得更加復雜多樣，怎么樣對數據進行處理、運用，這是金融創新與監督管理工作的一個難題，具有重要的研究意義。

一、大數據的特征與應用

2011年，麥肯錫對外公布的以大數據為主題的一份調研報告，第一次運用了“大數據”這個詞匯。自此之后，美、日、中等國家先后出臺實施了大數據計劃，或推出相應的戰略引導。聯合國在2012年出臺了《大數據政務白皮書》，對各個國家在運用大數據方面的工作進行了歸納概括。不過一直到現在，何為大數據，尚未制定統一的定義。麥肯錫指出，大數據可理解為在某個時期當中，難以通過傳統數據庫有關工具收集、保管與分析其內容的所有數據的集合。與之進行對比，Gartner作出的定義要較為好理解一些：大數據即必須通過新處理模式方可具備更為優異的流程優化能力、決策力以及洞察力的多種多樣的、高速增長的、規模龐大的信息資產。IDC以可操作性為切入點，站在技術角度作出如下定義：大數據屬于一種新型的技術與架構，旨在通過低廉的成本支出，在規模龐大的、多元化類型與結構的、高頻的各類數據中得到相應的價值信息。

盡管不同機構作出的定義不一樣，不過，從中不難發現，大數據具備普遍認可的Volume（容量巨大）、Value（價值密度不高）、Variety（類型豐富）、Velocity（速率極快）的4V特征。

從大數據運用角度來看，盡管其還在初級階段，不過，其能夠對各領域產生變革性的影響。麥肯錫認為，在美國的制造業、歐洲的公共管理等5個領域當中，大數據發揮著巨大的作用。就公共管理角度來看，年均潛在價值為2500億美金。

大數據屬于資源的范圍，不過與普遍資源不一樣，其具有可再生性的特點，且在業務不斷壯大、數據持續擴展中不斷累積，愈是深入挖掘則數據量愈大，愈是進行分析愈加具有價值。當下，證券、銀行等領域逐步擺脫經驗與直覺的束縛，著重在開發利用各類信息方面下功夫，運用大數據為決策提供參考，以挖掘更多的價值。

首先，大數據發展條件下，數據逐步發展成公司的一項戰略性資產，變成推動公司創新、提升公司競爭力的核心內容。在公司決策方面，由于大數據施加的影響，已改變了過去的“業務驅動”模式，朝著“數據驅動”方向發展，公司決策過程也相應發生變化，一改之前的“被動式”做法，朝著“預判式”方向轉型。

其次，在充分運用大數據的基礎上，金融領域可以對不同層次客戶的實際所需予以深入的了解，在設計產品與經營管理工作中，樹立起客戶至上的理念。

再次，大數據可以對金融領域的管理模式產生變革性的沖擊，盡可能推動高效的開展金融服務工作。在充分運用大數據之后，會對金融部門的業務流程、經營等產生重要影響，進而做出相應的調整與整合，持續提升核心競爭水平，占據更大的市場份額。

二、我國期貨行業對大數據的應用現狀

2015年9月，中國出臺實施了《促進大數據發展行動綱要》。因為國家層面的頂力支持，在經濟轉型發展、重新提升國家核心競爭力方面，大數據將發揮更大的作用。就行業發展角度而言，從《2015年中國大數據交易白皮書》可預測，2020年國內大數據將獲得巨大發展，拿產業市場規模來說，從2014年的767億人民幣上漲到8228.81億人民幣，年度復合增長速度為48.5%。

從期貨行業來看，也在不斷推進大數據的應用，不管是監管部門，還是交易所，或是期貨公司，均作出了大量的努力。

（一）大數據推動監督管理機構切實開展市場監管工作

因為大數據的發展，中國證券期貨監督管理委員會使出重招，對暗箱式交易、普通手段無法發現的、泄露內幕信息、多種違規交易并存等行為進行嚴厲打擊。從2013年6月正式使用大數據分析系統至今，監管成績顯著，累計對375例內幕交易線索進行了調查，其中142例進行了立案，同比分別上漲了21、33個百分點。

有關方面也乘勢而為，構建了“證券期貨行業數據模型”，將期貨領域的一些制度流程、政策規定等當作主要依據，根據“披露”、“交易”、“監管”三個方面的業務工作，編制了期貨領域機構內部數據流圖，以及頂層數據流圖，將整個市場當中所有數據和業務流程的共性信息，建立了相應的數據模型。此外，在運用抽象數據模型的基礎上，以期貨公司、證交所、監督管理層、基金公司、證券公司以及期貨交易所等為切入點，構建了相應的邏輯模型，從而讓監督管理機構可以及時得到精準的市場數據。

在網絡技術快速發展的當下，我國期貨交易所也清楚地看到，大數據能夠發揮巨大的作用，因此加大了“數字監管”建設力度，對市場風險、投資者行為等作出進一步的研究分析，不斷優化監督管理方式方法，進而讓期貨交易所能夠高效地開展一線監督管理工作。

（二）大數據促進期貨公司創新發展相關業務

國內期貨公司遵循“客戶至上”的理念，不斷加快大數據實踐運用的探索與研究。得益于IT技術與大數據強有力的支持，這些企業依托CRM系統成功的研發出了富有個性特點的服務體系，結合客戶的行為分析情況，及時針對性地在交易行為診斷、策略服務與風控產品方面提供服務，進一步增強客戶的風控、投資管理水平。在企業資產管理方面融入大數據，對交易策略進行完善與豐富，對產業宏觀基本面、現貨與期貨的數據進行有效的整合，在全面挖掘數據的基礎上，對行業風險、系統性風險進行精準的評估，基于此提供極具競爭優勢的交易策略，進一步做好資產管理業務工作，增加盈利能力。

三、我國期貨行業大數據建設面臨的挑戰

現階段，從國內期貨領域來看，雖然在大數據建設方面有了一定的成績，不過，依舊存在諸多挑戰。

（一）還沒有構建起大數據宏觀規劃

從期貨領域來看，就大數據建設層面而言，依舊在起步時期，就應用角度而言，大部分依舊在對傳統數據進行深層次的挖掘，與真正意義上的大數據相比，依舊存在較大的差距，表現出大數據理解不到位、運用不夠深入與全面等諸多問題。從宏觀角度分析，尚未構建具體的規劃，不管是基礎平臺建設，還是通用標準的制度，或是出臺政策規定等，均有待進一步完善。

（二）期貨業務復雜程度不斷提高

從期貨交易層面分析，在其復雜性不斷增強之后，在市場監督管理工作中融入大數據變得越來越難。尤其是在期貨品種，特別是金融期貨品種不斷增加，市場不斷發展壯大，品種間的特點不一，多個產品監管導致出現交叉性風險等相關問題。從我國來看，因為程序化交易的不斷發展，出現了諸多風險隱患，如果市場發生巨大的波動，在金融產品方面勢必會發生諸多連鎖性反應，導致存在嚴重的系統性風險。在期貨業務不斷變革發展過程中，怎么樣同步做好大數據建設工作，可謂是極具挑戰。

（三）期貨數據平臺需要調整

現有的期貨（交易所、期貨公司）的數據平臺主要應用于期貨交易與行情查詢等，商業智能、數據倉庫致力于解決結構化數據的整合分析。大數據的出現，將改變傳統的以結構化數據為依托進行設計的數據中心基礎架構、數據庫、應用程序等。為此，基礎IT架構和部署需要進行相應的調整，引入新的大數據技術，并與原有IT基礎設施有效整合。構建期貨行業大數據分析平臺，對期貨行業的創新能力、專業化管理以及高效決策支持都具有重大意義。同時，數據平臺的建設，需要大量資金的投入，對期貨公司也形成壓力。

（四）數據處理技術標準變得更嚴格

從傳統數據采集工作來看，其數據來源不多，同時在保存、分析等方面，工作量也不大。在大數據時代下，數據規模巨大，且來源眾多，同時具有各式各樣的類型，數據展現方面有著嚴格的要求，同時對數據可用價值、高效處理分析工作比較重視。與此同時，數據標準可能口徑多樣，各類數據無法有效地進行銜接。所以，在大數據環境中，有關數據的采集、處理、存儲和分析工作，都將對大數據建設工作產生影響，對其有著更加嚴格的要求。

（五）信息安全愈發重要

就大數據平臺而言，其存儲的數據規模巨大，對數據進行處理的軟件與硬件環境變得越來越復雜，大數據潛在價值不可計量，采取普通的安全措施難以對實際控制需求予以滿足。在大數據時代，在信息互享過程中怎么樣保障數據安全，是一項富有意義的研究課題。依法采集、分析與運用數據，這是開展大數據分析工作的前提條件。與此同時，黑客、病毒等是數據安全保障工作的一個困擾。

（六）專業人才極其匱乏

現階段，在大數據時代，一方面熟悉業務，另一方面掌握技術的大數據管理人才十分欠缺，數據分析師、工程師等技術性人才嚴重不足，這是大數據推廣運用過程中需要面對的難題。

四、期貨行業應對大數據挑戰的幾點思考

詳細來說，需進一步做好下述工作：

（一）做好宏觀規劃，形成數據思維

在大數據環境下，社會數字化是其一個十分突出的特點。對各種社會現象進行解釋、預估、監督控制與規劃，均與數據采集、分析等緊密相關，所以一定要樹立數據思維。不管是期貨公司，還是交易所，都要形成分析數據的思維，對大數據的實際運用予以重視，切實“以數據說話”。以數據為切入點，在充分運用大數據后，將數據升華為信息為企業所用，更好地進行管理與決策，進而更好地跟上形勢的發展。

（二）構建期貨大數據平臺，強化專業技術研究

加大技術創新力度，在期貨領域當中，不斷夯實大數據基礎工作，盡可能攻克規模龐大的數據分析處理之間的難題。從硬件建設來看，加大私有云建設力度，進而能夠根據需求、及時與靈活地提供IT服務。從軟件建設來看，需加大懂業務、懂網絡與大數據運用的人才培養力度，以對今后發展趨勢進行針對性的預估與研究，為公司決策獻智獻力。

（三）確保數據庫安全，加大信息互享力度

第一，確保數據安全，采取應急反應、安全預警等一系列措施保障數據庫運行平穩。第二，加大不同部門間的協作配合，做到信息互聯互通，構建信息共享平臺，對各類信息予以混合運用、綜合剖析，基于此更好地開展市場監督管理工作。

（四）強化大數據的實踐運用，增強競爭水平

對期貨公司來說，需把握時機，依托大數據推動業務創新，增強公司市場競爭水平。首先，采集、整理與剖析既有動、靜態數據，掌握客戶實際需要，精準進行營銷；對市場發展趨勢進行預測，讓客戶在市場競爭中占據有利條件。其次，堅持開放，強化各方合作。混業經營逐步發展成一種主流，基于此，期貨公司需將各類力量綜合利用起來，和基金、銀行等機構進行戰略合作，構建完善的、多層次的、統一的客戶視圖，讓客戶能夠享受優質服務，達到互利共贏的目的。

參考文獻：

[1]美國在2012年3月公布《大數據研究和發展計劃》，以推動大數據相關的收集、儲存、保留管理、分析和共享海量數據技術研究。同期，中國也發布了《“十二五”國家科技計劃信息技術領域2013年度備選項目征集指南》，明確提出“面向大數據的先進存儲結構及關鍵技術”。日本在2013年7月的《新ICT戰略研究計劃》中重點關注“大數據應用”，提升國家競爭力。

[2] 《2015年中國大數據交易白皮書》

[3]中國證監會.《證監會通報近年“老鼠倉”執法情況》，2017年7月7日http：//www.csrc.gov.cn/pub/newsite/zjhxwfb/xwdd/201707/t20170707_320124.html

作者簡介：

馮婷婷（1979-），女，對外經濟貿易大學金融學院在職人員高級課程研修班學員。