大數據在金融市場應用簡述

陳昊琪

隨著信息技術所帶來的新一輪科技革命，推動著各行業的模式、管理、產品的創新和更替。在金融領域，大數據技術的應用越來越廣泛，為金融創新提供了有效的支持，是難得的契機，但也帶來一定的挑戰。本文簡述了大數據在金融市場的幾種應用情況，重點介紹了大數據在交易欺詐識別，信貸風險評估，客戶個性營銷以及股市期貨預測中所發揮的作用。

一、引言

隨著互聯網和智能設備的應用和普及，大量數據被不斷產生，呈爆發式增長趨勢。據國際數據公司（IDC）的研究結果表明，全球數據總量年復合率約為50%。按照這種增速，估計在未來兩年世界新增的數據將超過人類歷史積累的數據總和。IDC預測，到2020年，全球數據總量將達到40ZB（400億TB），代表地球上每個人平均會產生5TB的數據。大數據就是一種將體量如此龐大的數據進行通過分析整合，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。大數據與傳統的數據分析方式有著明顯的不同，其特征被業界總結為4個V：大量化（Volume）、多樣化（Variety）、價值密度低（Value）和速度化（Velocity）。大數據時代，對使用和駕馭數據的能力提出了新的要求和挑戰，也提供了獲得更為深刻、全面的洞察能力的空間與潛力。大數據對物理學、生物學、環境生態學等領域以及軍事、農業、金融、通訊等行業已造成深刻影響。

相較于其他行業，大數據在金融業的應用更為廣泛、更具價值。金融業的數據類型眾多，擁有客戶賬戶等結構化數據，也有客服音頻、網上銀行記錄等非結構化數據;同時積累具備了大量處理傳統數據的經驗和方法。大數據技術和大數據思維在金融創新、發展模式轉型和管理升級等方面都起到推動作用;在交易欺詐識別、信貸風險評估、客戶個性營銷、股市預測等方面得到了很好的應用。

二、大數據在金融市場的應用

（一）交易欺詐識別的應用

不論是銀行支付還是保險行業，交易欺詐識別都十分重要。而傳統的欺詐識別方式往往由于數據不全、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現和處理，造成客戶或金融機構的財產損失。

當前，金融欺詐主要分為三類：洗錢，客戶交易欺詐和內部欺詐。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品、額度等;還包括：通過電腦病毒盜取賬號之后進行取款，轉賬等行為。

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

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

基于交易欺詐給金融服務機構帶來的巨大挑戰和經濟損失，一些金融機構著手建立了基于大數據的反欺詐管控體系，利用大數據挖掘和分析技術改善用戶體驗、監督欺詐行為、驗證合規性等。

當前，銀行業開展交易欺詐識別工作所采用的幾種方式：（1）利用內部數據結合相關技術開展識別工作。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、正在發生行為模式等，結合智能規則引擎進行實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據有效地預防與管理金融犯罪;摩根大通銀行利用大數據技術追蹤盜取客戶賬號或侵入自動柜員機（ATM）系統的罪犯。（2）利用大數據手段不斷地實時分析和尋找數據所展現的異常行為來開展對可疑活動進行監測工作。當信用卡持有人第一次在設備執行交易時，銀行就會收到通知，如果信用卡在一天中在不同的設備進行多筆交易時，則反欺詐系統會依據生成的數據向用戶以及銀行發送交易提醒;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在不同的城市進行兩次交易，反欺詐系統就會給銀行發出危險信號，并以更短的反應時間對可疑交易行為進行干預，從而保證客戶和銀行的利益。（3）利用外部數據協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數據，來進一步幫助識別交易欺詐;當銀行獲取了信用卡持有人發布在社交媒體上的“自己快要上飛機”的數據時，在持有人在飛機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開展識別工作。比如，興業銀行通過使用人工智能技術，分析大量樣本讓機器完成識別判斷;同時，系統通過機器學習不斷更新并且完善模型，提高模型的時效性，大大節省了所需的時間。

保險業在開展交易欺詐識別工作時采用的方式與銀行業類似，運用大數據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，同時建立專業軟件平臺，建立依賴大數據技術的反饋機制，并應用機器學習技術不斷提升動態防衛系統。保險公司可以從各種來源獲取數據，如社交媒體，過往索賠記錄，犯罪記錄和電話記錄等等。隨著數據的不斷積累和規律的不斷更新尋找規律，不斷適應保險欺詐的新特點并加以跟蹤識別，大大提高管理和索賠的效率和有效性。

新型金融機構，本身就是基于移動互聯、大數據、云計算等發展起來，在交易欺詐識別中采用大數據等技術開展工作更為普遍和廣泛。如電子商務公司阿里巴巴的交易欺詐風險防控系統就具有多層次、大流量、實時管控等特點。其推出的運用大數據手段的風險防控產品“蟻盾”（AntBuckler）利用RAIN風險模型對各類商家和客戶進行信用評分，以此實現防控交易欺詐的功能。

（二）信貸風險評估的應用

風險管理是金融機構的生命線。傳統的信貸風險評估通常依靠客戶過往借貸數據，存款，收入等較為靜態的數據。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，還包括個人或行業的整體發展狀況，企業的實時經營情況等，而大數據手段的介入使信貸風險評估更趨近于事實。

銀行業通過使用大數據分析技術，將企業的生產、流通、銷售、財務等相關信息與大數據挖掘方法相結合的方式進行貸款風險分析，從而量化企業的信用額度，使得銀行的風險管理能力大幅提高。特別的，通過大數據技術的應用，可以使銀行更有效地開展中小企業貸款工作。為數眾多的中小企業是金融機構不可忽視的客戶群體，市場潛力巨大。但是，中小企業貸款償還能力差，財務制度普遍不健全，難以有效評估其真實經營狀況，生存能力相對比較低，信用度低。據測算，對中小企業貸款的平均管理成本是大型企業的5倍左右，而風險成本卻高很多。這種成本、收益和險的不對稱導致金融機構不愿意向中小企業全面敞開大門。現在銀行可通過大數據挖掘方法對客戶數據進行貸款風險分析，得到信用評級，結合中小企業的自身經營財務健康狀況就可以開展中小企業貸款決定。

保險企業對于不同風險的保險設定不一樣的保險金，即風險定價。若沒有大數據的介入，風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多少是否相關？若相關，如何來獲取駕車次數的多少這一數據？大數據可以協助保險公司解決這一問題。保險公司可以通過智能監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據，通過社交媒體搜集駕駛者的行為數據，通過醫療系統搜集駕駛者的健康數據等等。并在這些數據基礎上，通過大數據分析挖掘，給客戶進行精準畫像，若客戶是屬于不經常開車、并且開車十分謹慎的畫像，那么就可以獲得比一般價格優惠30%～40%的保費，這將大大的提高保險產品在市場上的競爭力。

互聯網巨頭阿里巴巴集團依靠誠信通和支付寶產品來獲取大量信用數據來建立模型，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生的龐大數據之上，通過分析客戶在其平臺上所產生的海量行為數據進行信用評價，并以此為依據采用風險控制手段。阿里的誠信通是一個面向企業的信用記錄和評估產品，該產品為企業建立一份包括企業身份認證，客戶反饋、在阿里平臺上的過往交易記錄在內的數據檔案，并根據這些數據最終形成一個企業的誠信評級。誠信指數對平臺上的企業行為是有約束性的，從而促使企業重視平時的誠信度積累，避免違約，毀約等不誠信行為。

（三）客戶個性營銷的應用

隨著移動互聯技術的發展，智能終端設備的高普及率，使得用戶行為被記錄而使得用戶畫像被刻畫的更為清晰。金融業也跟大多數行業一樣，在這樣的技術革命的大背景下，開展發展模式的戰略轉型。從“以產品為中心”向“以客戶為中心”、“粗放營銷”向“精準營銷”、“標準化服務”向“個性化服務”轉型。

運用大數據技術，金融業可以切實掌握客戶的真實需求，根據客戶需求快速提高服務，實現精準營銷的目的。金融機構手中擁有著很多未使用的數據，例如客戶偏好和經濟狀況等，通過運用大數據技術，就可以對這些數據進行分析和挖掘從而獲得有價值的信息，服務客戶服務。當前，精準營銷的一個典型方式是通過對cookie文件的利用，在客戶瀏覽互聯網時收集客戶的相關活動信息，并在此過程中生成個性化數據。通過客戶人群細分、分析用戶對業務推送的反應模式等手段，有效提升了營銷效果。例如花旗銀行采用IBM Watson產品分析金融以及經濟數據，對客戶進行針對性營銷;西太平洋銀行利用社交媒體數據對客戶進行情感分析來實現精準營銷;等等。

（四）股市預測的應用

預測是大數據的核心價值之一，不論是天氣預報、股票市場、用戶行為、市場物價、疾病疫情等各方面大數據預測都有很好的應用。大數據預測是基于大數據和預測模型去預測未來某件事發生的概率。

大數據在股市預測方面有行情預測、股價預測、智能顧投等多種應用。大數據拓寬了數據獲取的維度，通過場內場外更多元化的影響市場走向的相關性數據分析，可以更全面更準確的對行情和股價等未來走向做出判定，再結合客戶風險偏好、交易行為等個性化數據進行匹配，為客戶制定更為優化的投資方案和策略;而這些客戶個性化數據又是影響行情、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，依據人們高興時買股票、焦慮時拋售股票的規律，來決定公司股票的買入或賣出;再如英國華威商學院和美國波士頓大學物理系的研究發現，用戶通過Google搜索的金融關鍵詞或許可以預測金融市場的走向，相應的投資戰略收益高達326%;等等。

三、結語

大數據的廣泛應用，深刻的影響著整個金融領域。通過大數據識別交易欺詐，可以最大程度保護資產的安全;利用大數據分析企業可以得到企業的信用以及發展情況，從而解決信貸問題;等等。金融行業依靠大數據及相關技術進行著自我革新，對其自身能力、保護用戶隱私和信息安全、大數據分析人才儲備等方面提出新的要求，同時像互聯網企業帶來的跨界競爭也對傳統金融機構的市場份額有所撼動，對金融監管也提出了新的要求。（作者單位：上海市市西中學）