文/夸客金融創(chuàng)始人兼CEO郭震洲

 

在互聯(lián)網(wǎng)時(shí)代，大數(shù)據(jù)在各類(lèi)產(chǎn)品、營(yíng)銷(xiāo)方面做出了巨大貢獻(xiàn)。其實(shí)在金融領(lǐng)域，大數(shù)據(jù)更為密不可分。金融是數(shù)據(jù)利用極高的行業(yè)，在大數(shù)據(jù)這個(gè)概念還未興起前，數(shù)據(jù)已經(jīng)深入金融的多個(gè)領(lǐng)域，以各類(lèi)產(chǎn)品形式實(shí)現(xiàn)了不小的產(chǎn)出。

 

大數(shù)據(jù)的外延表現(xiàn)為各種信息的積累，這些信息以結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行存儲(chǔ)，并形成海量數(shù)據(jù)，以簡(jiǎn)單的人工分析已經(jīng)難以去覆蓋所有數(shù)據(jù)；其內(nèi)在是知識(shí)，是指導(dǎo)商業(yè)行動(dòng)有效率、有效果的能力。大數(shù)據(jù)對(duì)金融的改造觸及了方方面面。

 

保險(xiǎn)：數(shù)據(jù)是產(chǎn)品的基石

 

精算理論體系是保險(xiǎn)行業(yè)科學(xué)發(fā)展和經(jīng)營(yíng)的重要基礎(chǔ)。保險(xiǎn)產(chǎn)品大量依靠精算，進(jìn)行各類(lèi)數(shù)據(jù)統(tǒng)計(jì)，計(jì)算各類(lèi)情況發(fā)生概率，制定產(chǎn)品費(fèi)率。精算體系了解每一項(xiàng)產(chǎn)品的相關(guān)業(yè)務(wù)所處的環(huán)境背景以及其面臨的風(fēng)險(xiǎn)，并以此為核心進(jìn)行分析，將相關(guān)的大數(shù)據(jù)利用各種統(tǒng)計(jì)方法進(jìn)行分析，去監(jiān)測(cè)各種情況，包括風(fēng)險(xiǎn)可能發(fā)生的概率，并以此作為保費(fèi)等費(fèi)率的重要制定因素，這些風(fēng)險(xiǎn)包括理賠發(fā)生概率、理賠額度大小、騙保的可能性等。過(guò)去，這個(gè)過(guò)程非常類(lèi)似于數(shù)學(xué)統(tǒng)計(jì)工作，以樣本抽查等傳統(tǒng)方式進(jìn)行測(cè)算，掌握規(guī)律。

 

隨著大數(shù)據(jù)時(shí)代的來(lái)臨，精算也實(shí)現(xiàn)了升級(jí)。可以依托數(shù)據(jù)挖掘技術(shù)、數(shù)據(jù)存儲(chǔ)技術(shù)，實(shí)現(xiàn)更全面的統(tǒng)計(jì)分析，不僅僅是樣本抽查，而是更大范圍的數(shù)據(jù)運(yùn)算，實(shí)現(xiàn)了“大數(shù)據(jù)+精算”的精準(zhǔn)化飛躍。

 

保險(xiǎn)產(chǎn)品也為此獲得了更細(xì)分的深入挖掘：大數(shù)據(jù)為幫助保險(xiǎn)產(chǎn)品的定價(jià)精準(zhǔn)化和差異化。舉例來(lái)說(shuō)，阿里巴巴運(yùn)費(fèi)險(xiǎn)的進(jìn)化演變就是利用大數(shù)據(jù)的成果，最初是統(tǒng)計(jì)定價(jià)，通過(guò)精算定價(jià)根據(jù)歷史事件率定期更新，從而預(yù)測(cè)分析改進(jìn)精度，最終以機(jī)器學(xué)習(xí)極速核賠決策，通過(guò)各種算法實(shí)現(xiàn)差異化定價(jià)。

 

證券：潛移默化的大數(shù)據(jù)

 

證券行業(yè)可以說(shuō)是普羅大眾認(rèn)知度最高的金融細(xì)分行業(yè)，經(jīng)過(guò)多年的普及和推廣，大數(shù)據(jù)已經(jīng)潛移默化地深入每位股民的日常交易中。

 

證券行業(yè)有極其深厚的大數(shù)據(jù)基礎(chǔ)，即行情數(shù)據(jù)。不論是財(cái)經(jīng)網(wǎng)站的股票行情圖，還是大智慧、通達(dá)信等行情軟件（包括App），其背后都包含了海量的數(shù)據(jù)。市場(chǎng)上每一個(gè)交易者的買(mǎi)賣(mài)都是一個(gè)數(shù)據(jù)信號(hào)，而這行信號(hào)通過(guò)交易所后臺(tái)的處理，形成了一個(gè)個(gè)原始數(shù)據(jù)包，然后由數(shù)據(jù)服務(wù)商進(jìn)行處理，形成了可視化的行情圖，這是一個(gè)非常復(fù)雜的過(guò)程。譬如每一根K線包含了最高價(jià)、最低價(jià)、開(kāi)盤(pán)價(jià)、收盤(pán)價(jià)、成交量等數(shù)據(jù)。而在此基礎(chǔ)上，證監(jiān)會(huì)的信息披露條例，又增加了各種機(jī)構(gòu)持倉(cāng)數(shù)據(jù)、公告數(shù)據(jù)，實(shí)現(xiàn)了證券大數(shù)據(jù)的3D透視。

 

基于成熟的大數(shù)據(jù)，證券行業(yè)的相關(guān)產(chǎn)品不斷推陳出新，簡(jiǎn)單舉例，在2005年前，由于長(zhǎng)期熊市，股民數(shù)量銳減，在利潤(rùn)稀薄的情況下，當(dāng)時(shí)的產(chǎn)品主要是門(mén)戶(hù)網(wǎng)站的行情圖。

 

2006年至2007年的大牛市中，行情一方面吸引了增量資金入市，同時(shí)以基金為代表的機(jī)構(gòu)投資者入市，培養(yǎng)了大量的基民?；谶@樣的背景，東方財(cái)富、證券之星、金融界等證券門(mén)戶(hù)網(wǎng)站先后推出基金凈值估算數(shù)據(jù)。該產(chǎn)品上線后，備受好評(píng)，給門(mén)戶(hù)網(wǎng)站帶來(lái)很大比例的流量。該產(chǎn)品的成功在于：基于基金公司持倉(cāng)數(shù)據(jù)+交易所的基金凈值計(jì)算公式+持倉(cāng)股票當(dāng)日變動(dòng)+自有參數(shù)幾個(gè)關(guān)鍵要素，在盤(pán)中就能以行情圖的可視化界面，體現(xiàn)基金凈值的大致波動(dòng)。這一產(chǎn)品的數(shù)據(jù)全都是公開(kāi)數(shù)據(jù)，只有自有參數(shù)是一個(gè)變量。該產(chǎn)品受到了股民和基民的雙重青睞，基民可以實(shí)時(shí)了解所買(mǎi)基金的變化（基金凈值由基金公司每日收盤(pán)后公布一次，盤(pán)中不顯示），股民則可以根據(jù)估算凈值和基金公司盤(pán)后公布的實(shí)際凈值進(jìn)行對(duì)比，根據(jù)其每日的差額變化去預(yù)測(cè)基金調(diào)倉(cāng)，從而成為買(mǎi)賣(mài)股票的一大判斷依據(jù)。

 

2010年股指期貨推出后，基于大數(shù)據(jù)的投資產(chǎn)品突然爆發(fā)，并一度引發(fā)金融機(jī)構(gòu)對(duì)MATLAB（MathWorks公司推出的一款軟件）程序員的招聘潮。股指期貨上線后，以“一價(jià)定律”為理論基礎(chǔ)的套利產(chǎn)品被市場(chǎng)熟知。機(jī)構(gòu)投資者通過(guò)量化方式，推出了各種對(duì)沖套利產(chǎn)品。這類(lèi)產(chǎn)品以股指期貨為主要必選標(biāo)的（一腿交易），以及相關(guān)的指數(shù)基金或者進(jìn)行優(yōu)化后的加強(qiáng)型指數(shù)基金為另一腿標(biāo)的（在某指數(shù)所統(tǒng)計(jì)的大量股票中進(jìn)行優(yōu)選，選擇其中強(qiáng)勢(shì)股，按照指數(shù)計(jì)算的權(quán)重進(jìn)行配置，力求配置組合的表現(xiàn)高于該指數(shù)），進(jìn)行雙邊多空套利，賺取價(jià)差。

 

此后的一段時(shí)間內(nèi)，期貨獲得了金融機(jī)構(gòu)的重視，商品期貨的相關(guān)產(chǎn)品也不斷推出，并從最初簡(jiǎn)單的跨期套利、跨產(chǎn)品套利、期限套利逐漸發(fā)展為高頻套利、高頻交易（寬客）。由于當(dāng)時(shí)大部分的金融量化模型，在落地層面，都是以MATLAB撰寫(xiě)，因此這一時(shí)期，MATLAB工程師成為了金融機(jī)構(gòu)的熱招人才。

 

不過(guò)，在光大“烏龍指”事件后，監(jiān)管層對(duì)量化產(chǎn)品非常謹(jǐn)慎，因此以A股為標(biāo)的的全自動(dòng)量化產(chǎn)品逐漸轉(zhuǎn)變?yōu)榘胱詣?dòng)半人工產(chǎn)品（交易下單由人工進(jìn)行，交易的時(shí)間價(jià)位由智能策略提供）。之后，在2015年股災(zāi)后，股指期貨的持倉(cāng)量、成交量、保證金比例、傭金都被限制，因此相關(guān)套利產(chǎn)品逐漸失去了生存土壤。不過(guò)隨著期權(quán)等衍生品的問(wèn)世，金融基礎(chǔ)產(chǎn)品多樣化將推進(jìn)大數(shù)據(jù)、金融量化在證券領(lǐng)域的步伐。

 

另一方面，金融大數(shù)據(jù)的商品化也最為成熟，在A股上，投資者早已了解信息的重要性，因此愿意以金錢(qián)去購(gòu)買(mǎi)數(shù)據(jù)，正因?yàn)槿绱?，在證券大數(shù)據(jù)領(lǐng)域，誕生了多家金融數(shù)據(jù)類(lèi)上市公司。

 

信貸：創(chuàng)新基礎(chǔ) 數(shù)據(jù)驅(qū)動(dòng)

 

在信貸領(lǐng)域，大數(shù)據(jù)呈現(xiàn)兩極分化格局。信貸領(lǐng)域的大數(shù)據(jù)主要是征信數(shù)據(jù)，這一數(shù)據(jù)呈現(xiàn)兩極分化局面。一方面，針對(duì)大型企業(yè)的財(cái)報(bào)類(lèi)數(shù)據(jù)，央行系統(tǒng)的征信報(bào)告已經(jīng)形成了較為成熟的覆蓋，有了成熟的體系。另一方面，針對(duì)個(gè)人和小微企業(yè)的普惠領(lǐng)域，則數(shù)據(jù)缺乏，有待完善。

 

大企業(yè)通過(guò)銀行信貸、公開(kāi)發(fā)債等方式進(jìn)行融資，對(duì)于大企業(yè)資質(zhì)等數(shù)據(jù)主要從財(cái)報(bào)數(shù)據(jù)、股東背景等進(jìn)行判別，對(duì)于這些數(shù)據(jù)，經(jīng)過(guò)長(zhǎng)時(shí)間積累，央行體系有了健全的征信數(shù)據(jù)庫(kù)。同時(shí)，國(guó)內(nèi)四大評(píng)級(jí)機(jī)構(gòu)（中誠(chéng)信、聯(lián)合資信、大公、上海新世紀(jì)）也有多年經(jīng)驗(yàn)，并形成了健全的產(chǎn)業(yè)鏈。

 

在個(gè)人和小微企業(yè)領(lǐng)域，則有較大比例的缺口。根據(jù)中國(guó)人民銀行的公開(kāi)數(shù)據(jù)顯示，有信貸記錄的人群基本在4億人左右，征信中心有效覆蓋人數(shù)則達(dá)到9億人之多，也就意味著個(gè)人征信記錄覆蓋到45%上下，而美國(guó)的費(fèi)埃哲公司（FICO）數(shù)據(jù)覆蓋率為95%。從這份數(shù)據(jù)上，能顯而易見(jiàn)地看到由征信數(shù)據(jù)嚴(yán)重不足所帶來(lái)的互聯(lián)網(wǎng)金融的信貸隱患。

 

企業(yè)層面，由于小微企業(yè)大部分屬于輕資產(chǎn)企業(yè)，可抵押資產(chǎn)有限，與傳統(tǒng)信貸機(jī)構(gòu)的信用審核體系匹配度有限，風(fēng)險(xiǎn)管理成本高企。而近年來(lái)創(chuàng)新、創(chuàng)業(yè)爆發(fā)，這些企業(yè)多數(shù)為服務(wù)行業(yè)，在初期對(duì)資金有很大的需求，因此造成了小微企業(yè)的融資痛點(diǎn)。據(jù)公開(kāi)數(shù)據(jù)，我國(guó)中小微企業(yè)已經(jīng)超過(guò)7300萬(wàn)家。然而，獲得貸款能力依然較弱。

 

同時(shí)，個(gè)人消費(fèi)信貸的市場(chǎng)同樣潛力非常巨大。尤其隨著90后、00后消費(fèi)崛起，年輕人生活環(huán)境的變化，導(dǎo)致了他們存款意識(shí)與過(guò)去不同。同時(shí)，隨著各種支付渠道的突破，他們更愿意杠桿消費(fèi)、透支消費(fèi)。但是由于數(shù)據(jù)的匱乏，導(dǎo)致了信貸運(yùn)用層面，大數(shù)據(jù)發(fā)展趨緩，未來(lái)的突破將源于數(shù)據(jù)的完善和技術(shù)運(yùn)用的創(chuàng)新。

 

在數(shù)據(jù)完善層面，個(gè)人征信數(shù)據(jù)在2015年實(shí)現(xiàn)了質(zhì)的突破，包括芝麻信用、騰訊征信在內(nèi)的八家機(jī)構(gòu)在人民銀行政策的引導(dǎo)下，開(kāi)始籌建個(gè)人征信業(yè)務(wù)。雖然時(shí)至今日還未正式發(fā)放征信牌照，但市場(chǎng)在此推動(dòng)下，涌現(xiàn)出一大批數(shù)據(jù)公司，進(jìn)行數(shù)據(jù)采集，為個(gè)人征信提供基礎(chǔ)建設(shè)。盡管目前個(gè)人征信發(fā)展有待提速，市場(chǎng)也還未形成統(tǒng)一標(biāo)準(zhǔn)，但這只是行業(yè)發(fā)展之初的陣痛期，一旦相關(guān)政策細(xì)則落地，市場(chǎng)理清邏輯，個(gè)人征信將迸發(fā)出巨大潛力，成為信貸領(lǐng)域大數(shù)據(jù)的有利支持，促進(jìn)信貸行業(yè)的多層次發(fā)展。

 

在運(yùn)用層面，隨著互聯(lián)網(wǎng)金融的發(fā)展，風(fēng)控模型、量化技術(shù)被運(yùn)用在風(fēng)險(xiǎn)管理層面，大數(shù)據(jù)在風(fēng)險(xiǎn)管理的權(quán)重會(huì)越發(fā)突出。這一層面的典型運(yùn)用主要是信貸工場(chǎng)：信貸工場(chǎng)利用消費(fèi)場(chǎng)景、大數(shù)據(jù)、反欺詐系統(tǒng)、決策引擎等金融科技手段結(jié)合專(zhuān)家智慧進(jìn)行風(fēng)險(xiǎn)管理，通過(guò)量化系統(tǒng)和自動(dòng)化操作，提高運(yùn)營(yíng)效率，減少人工操作，降低操作風(fēng)險(xiǎn)和運(yùn)營(yíng)成本。

 

新技術(shù)、新方法的使用，將信貸工場(chǎng)打造為“決策流+工作流”的集合。信貸工場(chǎng)大量運(yùn)用金融模型和機(jī)器學(xué)習(xí)等智能化手段，包括錄入環(huán)節(jié)引入手機(jī)App，提升用戶(hù)體驗(yàn)，信審和反欺詐環(huán)節(jié)引入金融模型提高判斷效率等。

 

與傳統(tǒng)風(fēng)控流程相比，信貸工場(chǎng)更智能、更高效，大量的判斷和機(jī)械操作都由機(jī)器完成，節(jié)省了人力降低了人工操作誤差，并通過(guò)機(jī)器學(xué)習(xí)的能力，不斷優(yōu)化、提升信貸工廠的風(fēng)險(xiǎn)定價(jià)能力。同時(shí)，智能化的人機(jī)結(jié)合，也賦予了信貸工場(chǎng)打造優(yōu)質(zhì)普惠金融資產(chǎn)的底氣。

 

金融是一個(gè)與數(shù)據(jù)息息相關(guān)的行業(yè)，大數(shù)據(jù)變革金融是歷史趨勢(shì)，同時(shí)也是漸進(jìn)發(fā)展的過(guò)程。目前的變革僅僅是大數(shù)據(jù)對(duì)金融改造的開(kāi)始，隨著數(shù)據(jù)挖掘技術(shù)的不斷推陳出新，越來(lái)越多的概念走向商業(yè)化產(chǎn)品，大數(shù)據(jù)將對(duì)金融形成大規(guī)模的改造，未來(lái)金融已經(jīng)跟以前完全不一樣，將是一個(gè)普惠與個(gè)性化共存的多層次金融體系，實(shí)現(xiàn)更大的資產(chǎn)管理規(guī)模、更廣闊的服務(wù)覆蓋。