數據要素背景下基金公司項目投資風險管理及優化策略

摘要：隨著大數據技術的不斷發展和應用，基金公司在項目投資中面臨的風險管理和優化挑戰日益突出。文章旨在探討在大數據背景下，基金公司可采取的項目投資風險管理和優化策略，以提高投資決策的準確性和效率。

關鍵詞：大數據；基金公司；項目管理；項目投資；風險控制

隨著金融市場改革的深層推進，以及各項法律法規體系的持續完善，私募股權基金的價值地位也隨之凸顯。但是基金公司在實際進行項目投資中很容易發生資金流動性較弱、信息不對稱、技術賦能不強等問題，使得資金運作中面對一些風險無法及時采取有力的應對措施。另一方面，在如今社會主義市場經濟發展的潮流以及趨勢下，數據作為一種要素、一種資源，對各行各業的發展都產生了頗為直接的影響，鑒于此，基于數據要素背景，加強針對基金公司投資風險管理和控制的優化策略研究，十分有必要。

一、概述

（一）數據要素的概念和意義

數據要素是依托數據資源所形成的，形態穩定且擁有清晰產權，能夠在市場上進行流通，實現規模化應用和價值提升，通過直接參與經濟循環，進而產生經濟社會效益的數據初級產品。作為一種新興的生產要素，數據是深化數字經濟發展的引擎以及核心所在，也是遵循數字經濟發展客觀規律的必然選擇。

（二）與數據要素相關的概念

與數據要素相關的概念包括數據資源、數據資產以及各個層級的數據產品。

1. 數據資源

其是數據要素治理的對象以及基礎，主要包括原始數據以及經過清洗和處理后的各項數據。原始數據通過處理和清洗，可以進一步形成體系更強、關聯度更加突出、價值密度更高的數據。

2. 數據資產

其主要是指包括特定主體合法持有的、能夠帶來各種直接或者間接利益的數據資源。

3. 數據產品

經過加工處理之后，數據資源可以形成能夠被定價、可以被計量、可以標準化且形態穩定的數據要素，也將基于數據要素和資源加工而成的不同類型和層次的數據產品囊括其中。

就概念而言，數據產品主要是指通過對數據資源進行加工處理之后形成的信息產品以及服務，包括數據分析報告、離線數據包、API接口等，都是可以流通、產權清晰的商品，也是數據要素市場的重要交易對象。

（三）數據要素化和市場化面臨的矛盾闡釋

1. 問題表象

數據要素的市場化配置難以實現“發展數據要素市場、激活數據要素潛能”的目標，主要原因在于市場流動性不佳、數據潛力有待激發、規模化應用短期內難以實現。

數據要素化和市場化現狀無法滿足快速增長和變化的數據應用訴求。一來數據規模所呈現出的爆炸式增長態勢；再則高效、合規、合法以及安全的應用數據確實面臨很多的難點以及困境。

2. 矛盾癥結

之所以會出現諸如此類的問題，主要原因在于數據流通與安全之間存在矛盾、數據供需兩旺以及數據要素市場缺位之間存在矛盾以及數據資源開發使用的迫切性與數據資產化體系建設滯后性之間存在不可避免的矛盾，這些矛盾長期存在，短期內難以得到妥善的解決，故加劇了上述問題的出現以及其影響。

（四）數據要素的市場體系以及數據產業的運營生態

1． 構建數據要素市場體系

（1）一級和二級市場。

通過科學的市場調研，可以進一步歸納出和數據交易、使用存在高度關聯性的三個場景，實現了對數據市場的三級劃分。

一級市場主要解決數據究竟從何處來——這樣一個問題，也是數據的確權和授權市場，包括數據的權責歸屬、如何保證授權的流通，如何保證后續各個場景下的數據安全以及有效流通。

二級市場主要負責解決數據怎么流通——這樣一個問題，具體涉及原始數據以及經過一定加工的數據交易。就基本內容來看，二級市場主要包括以數據交易為代表的場內交易市場以及大眾視野中頻繁亮相的場外交易市場。因此，后續如何更好地規范和引導二級市場發展，就成為一個非常現實和棘手的問題。

（2）三級市場。

其主要是指數據產品和服務的市場，也是目前為止場景最為豐富的市場，主要用來解決數據該如何使用的問題。

三級市場本身和應用場景存在極高的關聯性，由于不同應用場景對于數據的需求存在極大的差異性，無形中也催生了數據產品和服務的演進和革新。截至目前，三級市場較為常見的一種方案就是隱私計算，依托這種隱私計算的數據三級市場商業化生態，目前的引用狀況處于從無到漸漸興起的狀態，而能夠對其發展產生制約和影響的問題，集中在計算效率無從滿足市場化訴求方面。

具體來說，因為隱私計算必須考慮到安全和隱私方面的需要，很大程度上增加了數據處理的難度和壓力，也降低了數據處理的效率。針對此類情況，隱私計算解決方案有側重硬件的解決方案、側重軟件的解決方案，以及二者相結合的解決方案，就目前市場的調研情況來看，國內絕大多數公司側重于硬件方面的解決方案，對側重軟件的解決方案信心略有不足。

2. 培育數據生產業態

這是推進數實融合的基礎和前提，通常情況下，數據一級和二級市場的規模相對較小，三級市場的發展空間以及賦能效應會更加突出。除此之外，有研究表明數據資本對經濟增長的貢獻值將逐漸超過傳統的勞動力以及資本等要素。要想實現對數據生產業態的有效培育，可以嚴格按照三級市場的思路進行規劃：

一級市場強調數據來源的廣泛性，其需要鼓勵相關部門盡可能多地收集和匯總數據，以等價交換的方式進行數據流動的確權，保證其安全性；

二級市場強調數據交易規模之大，通過構建促成場內外有效互動和彼此協調的數據交易系統，推動行業內的數據實現同步共享、高效流動，最終形成典型的網絡效應；

單機市場強調數據產品要做精深、做細致，通過對AI算法等的合理使用，深入行業的各項應用場景，構建智能化的問題解決方案，服務各個行業同時，高度釋放數據的作用和價值。

（五）開發數據要素市場，完善數據資源供給體系

數據要素市場的開發十分關鍵，這是確保數據能夠充分發揮效能和價值的前提和基礎所在。但是因為現階段我國數據要素市場開發程度相對有限，整體供給能力不足，嚴重影響了作為新興生產要素的核心功能與作用。這意味著有必要從公共數據開放、基礎設施建設、數據要素主體等層面發力，完成數據資源供給體系的建設和持續完善。

1. 充分發揮龍頭企業在科技創新過程中的價值和作用

新興科技以及前沿技術的應用，對于技術、資金以及風險管理能力有著極高的要求，所以更適合龍頭企業。相關單位有必要采取一系列的激勵措施，鼓勵引導龍頭企業加大基礎性研發投入力度，通過跨界合作、多維協同、高效共享，深層激活數據要素創新活力。

2. 建設和鞏固數字基礎

要想充分發揮數據要素的賦能效應，必須推進數據要素的補給和生成，由于數據要素的生產必須匹配數據基礎設施，也唯有如此才能為數據要素的產出提供有效的工具和場所。現階段，我國在信息通信網絡以及算力基礎搭建等硬件設施方面，確實已經達到了世界領先水平，今后在保持如此基礎的前提下，要在軟基礎建設方面“發力”，其主要包括這樣兩個方面：

一是各種智能化、標準化的算法、工具以及模型；

二是接入數據空間的各類工具、主體、協議、認證和授權連接器。

3. 提升公共數據開放的質量以及數量

通過加強公共數據的授權及運營管理，積極鼓勵第三方使用和挖掘公共數據資源，提高其利用水平以及使用的有效性，不斷擴大該數據資源庫的使用范疇和覆蓋群體。為了實現這一目標，需要建立一個開放和透明的數據共享機制，確保數據的可訪問性和可用性。同時，通過制定合理的政策和標準，保障數據的安全性和隱私保護，從而增強公眾和企業對公共數據的信任。此外，還應提供必要的技術支持和工具，幫助第三方更好地理解和應用這些數據，以促進創新和創造新的價值。

4. 場景驅動

對于基金公司有計劃參與投資的項目而言，其用來交易的數據產品大致可以分為個人數據和企業類數據，其中前者大多是個人隱私、征信、不動產數據等，在整個數據產品中占有非常大的比重。相對來講，企業類數據更為豐富，包括經營活動、管理行為、基本信息、投融資、關聯企業、企業畫像等內容，同時涉及以企業自身為核心的行業動態、產業鏈、供應鏈等信息。如果從行業的維度來看，現階段實時數據采集項目最多的行業，就是以銀行為代表的金融行業；從交付的角度來看，數據形式主要包括數據包、逐條查詢——這樣兩種類型，后者涵蓋的數據產品主要包括工商、保險、社保、動產、不動產、輿情等等。

（六）政策扶持

1. 關于扎實做好科技金融大文章的工作方案

我國政府出臺的《關于扎實做好科技金融大文章的工作方案》，重點提出要加強金融科技研發與應用，全面提高金融市場及金融機構科技創新能力，深層優化金融服務，為各類市場創新主體提供定向支持，特別是要加大對重大科創產業、戰略性新興產業、未來產業等的全面支持。

長久以來，因為我國直接融資市場的發展并不夠健全，融資渠道以金融機構主導的負債融資為主，一些規模較小的企業往往存在資產數量少、發展前景不明朗等現狀，直接影響到金融機構的借款意愿。之所以會出現如此結果，有研究證實，這些規模較小的，尤其是處于高新技術領域的中小型企業，具有可抵押資產少、項目投入周期長、投資回報前景不明朗、受外部環境影響因素大的特征，行業內缺少可以參考的案例和信息支持——這些因素對于金融機構而言都是不利的條件、往往也促使銀行本身也承載著極大的風險管理與控制壓力。

鑒于這樣一種狀態，《關于扎實做好科技金融大文章的工作方案》中明確提出了一系列更加具有針對性的措施和要求，包括打造企業債券發行的綠色通道，從增信、融資對接、評級等角度著手，推動小規模企業發展債券融資；支持和鼓勵金融機構構建專屬的風險管控機制以及組織架構，完善盡職免責以及績效管理考核等內部制度。

2. 加大力度支持科技型企業融資行動方案

2023年，我國再次出臺《加大力度支持科技型企業融資行動方案》，預示著政策維度對科創企業的扶持力度持續加大。方案明確指出要持續加大對初創型企業的支持力度，全面構建以股權投資為主，債券、保險、貸款等為輔的金融服務與保障體系；做好融資支持以及風險防范與控制工作，有序維系金融系統以及市場發展的穩定性；加強針對知識產權交易、創新評價系統、信用信息系統基礎設施建設等工作的開展；引導鼓勵金融機構以不同發展階段企業個性化需求為導向，定向創新金融產品與服務，提供精準、持續、優質的金融支持。

對于以商業銀行為代表的廣大金融機構而言，現階段其都在積極探索支持企業和產業新發展和融資創新渠道。比如一些規模較大的銀行會打造出更加系統和全面的，針對企業融資的創新評價體系，調整和改變以往單純圍繞財務狀況進行評價的“資金流”，嘗試導入知識產權以及技術應用因素，堅持從團隊綜合實力、專利密集程度、研發成果和市場應用化程度、行業認可及獎項獲取等維度進行評價分析，在授權管理、客戶準入等方面探索出差異化的政策及執行辦法。

針對科技支持下的金融事項運轉，《加大力度支持科技型企業融資行動方案》也明確表示，需要建立健全科技金融統計制度以及標準體系，完善有關信息共享、常態化投融資對接、構建風險分擔及配套防范機制；加強相關機制以及基礎制度的開發和建設，完善獎懲激勵及政策引導體系，建立并完善科技金融服務效果評估系統、持續完善包括專項金融債券、再貸款等政策工具，充分調動廣大金融機構服務支持的積極性以及主動性。

央行也曾多次公開表示，后續將與相關部門聯手進行頂層設計，積極構建信息共享、多維協同機制，持續深入開展金融服務能力專項提升行動，保證《加大力度支持科技型企業融資行動方案》可以在實際應用的過程中，將各項細節嚴格落到實處。

二、項目投資風險管理策略

基于上文，可以說在數據要素背景之下，基金公司項目投資風險管理，需要在行業發展大勢及相關要求之下，從這樣幾個維度開啟管理策略：

（一）數據驅動的風險評估模型

基于大數據技術，基金公司可以構建數據驅動的風險評估模型。該模型利用歷史數據和實時數據來評估項目的風險水平，并通過算法和模型進行預測和分析。通過對多個維度的數據進行全面評估，可以更準確地識別和量化項目的風險，并采取相應的風險管理措施。

（二）多源數據整合和分析

基金公司要對財務、平臺、市場等數據進行全面整合，通過系統研究、聯動分析，獲取更加全面精準的項目信息，以及深層識別潛在風險問題。

（三）實時監測和預警系統

基金公司可以打造動態監測、智能預警系統，對核心風險指標、關鍵指標實施全過程監測，并設置閾值，一旦發現異常信息第一時間進行預警，確保相關主體及時干預解決。這樣，能夠避免風險的進一步擴大，并保護投資者的利益。

（四）加強和鞏固公司的人力資源基礎

對于基金公司而言，其有必要加強對人才的合理選拔和應用，為其安排匹配的工作崗位，以間接提高公司的投資風險管理和控制水平。

第一，基金公司有必要在做好人才培養的基礎上，通過校企合作或者社會招聘的方式，網羅和吸納一批高素質的專業人才。

第二，對于基金公司的核心管理層而言，要構建完善的獎勵機制，重點提高團隊整體能力，特別是要明確各管理人員的職責定位，保證專人專崗，并且能夠保證團隊成員彼此之間實現“能量”和專業的互補。

第三，基金公司要全面考慮行業動態、市場趨向，以及團隊結構、能力水平等要素，及時開展相關法律法規、業務操作上的培訓工作，并加大大數據技術及關聯工具的培訓，全面提高員工大數據技術應用能力，保證在具體崗位工作中進行熟練操作，提高數據管理與治理能力，盡快完成數據資產沉淀與轉化，同時減少損失等發生的可能性。

（五）建設大數據風險管理與控制平臺

現階段，很多基金公司在大數據技術引進與應用中處于淺層階段，思想認知、系統搭建相對簡單，很難對項目投資風險管理形成有力的賦能驅動，因此需要進行定向改進優化，盡快打造屬于自己的大數據應用平臺和基礎信息數據庫。

第一，加強行業關聯數據與公司歷史數據的整合工作，構建一個全面、翔實的基礎數據庫和資源庫，這些數據將作為項目開發和決策支持的基石。整合工作不僅包括對現有數據的梳理和歸類，還涉及對數據的清洗、更新和維護，確保數據的準確性和時效性。

第二，基金公司需要對內組建，或者選擇高專業度的大數據研發團隊，結合公司的特點、業務狀況以及發展瓶頸，產出具有針對性的風險管理和信息共享的大數據平臺。

第三，針對基金公司業務特點、風險類型，以及實際風險管控中存在的不足，定向構建適合基金公司大數據技術應用的風險防范與控制體系。

第四，通過大數據技術的合理使用，開發出具有針對性的基金存儲處理分析以及輔助工具系統，確保基金公司在后續可以直接通過這些系統來界定投資項目的風險，做出及時的風險預警和識別。

（六）提升工作人員利用大數據管控風險的能力和水平

現階段，不少基金公司業務人員以及內部負責風險管理控制工作的人員，在針對項目投資風險管理的過程中，習慣于從自身持有的經驗出發，未能立足實際進行全方位的數據分析與研判，導致決策驅動機制不完善，無法保證決策科學性、可行性。因此，基金公司的管理人員以及相關培訓部門需要進一步加強相關人員對大數據等先進技術和系統的使用培訓，促使其在投資管理決策以及風險管理控制等多個維度都能充分、有效地利用大數據技術，促使其功能和價值得到最大化的發揮與呈現。通過大數據平臺所嵌入的模型，依托客觀的數據對投資項目的收益情況以及其所面臨的風險展開系統的研究與評估，進而幫助其做出更加合理、具有可行性的投資決策，提升基金公司項目投資風險管理的水平。

三、項目投資優化策略

（一）數據驅動的投資決策

在當今這個信息爆炸的時代，基金公司能夠借助于大數據分析和挖掘技術，實現更加精準和科學的投資決策。通過深入分析歷史數據以及實時數據，結合先進的量化模型和算法，基金公司能夠有效地輔助其投資決策過程。這種方法不僅提高了決策的效率，而且通過數據的客觀分析，減少了人為因素對投資決策的影響，從而提高了投資決策的準確性和可靠性。

（二）創新金融工具和產品

在當前的大數據時代背景下，基金公司有機會借助一系列創新的金融工具和產品來優化和提升項目投資的效率和效果。舉例來說，基于大數據分析的風險對沖工具能夠幫助投資者識別和管理潛在的投資風險，而智能投顧系統則能夠利用先進的算法和數據分析技術，為投資者提供更加精準和個性化的投資建議。這些系統和工具不僅能夠幫助投資者在復雜的市場環境中做出更加明智的決策，還能夠提供全面的風險管理方案，從而在保障投資安全的同時，追求更高的投資回報。

（三）跨界合作和共享經濟模式

在當前這個大數據時代，跨界合作以及共享經濟模式已經逐漸成為基金公司優化項目投資的關鍵策略之一。通過與不同行業的企業攜手合作，不僅可以拓寬數據資源的獲取渠道，還能借助合作伙伴的專業知識和經驗，從而在投資決策中獲得更加全面和深入的洞察。

四、結語

大數據技術的不斷發展為基金公司項目投資的風險管理和優化提供了新的機遇和挑戰。通過采取數據驅動的風險評估模型、多源數據整合和分析、實時監測和預警系統等策略，基金公司可以更好地管理項目投資的風險。同時，通過數據驅動的投資決策、創新金融工具和產品、跨界合作和共享經濟模式等策略，基金公司可以優化項目投資，提高投資效果和回報率。

參考文獻：

[1]陸志鵬，孟慶國，王鉞.數據要素化治理理論方法與工程實踐[M].北京：清華大學出版社，2024.

[2]彭凱平，李稻葵，等.清華大學社會科學學院經濟學研究所.數據要素前沿九講[M].北京：人民出版社，2023.

[3]易炳坤.大數據背景下CJ基金公司項目投資風險管理優化研究[D].南昌：南昌大學，2019.

[4]許少雄.大數據與個人股票投資風險優化的思考[J].商訊，2019，180（26）：101-102.

[5]張遠飛.基金公司數字化經營管理優化對策研究[J].企業改革與管理，2022（18）：98-100.

[6]馬昕．私募基金公司全面預算管理問題研究[J]．經營者，2020，034（18）：82-83+85.

[7]岳生偉，趙娟，斯小琴.基于分析師指數基金的證券投資風險與收益探究[J].鹽城工學院學報：社會科學版，2023，36（03）：42-45.

（作者單位：國風投創新私募基金管理有限公司）