大数据技术在证券交易中的应用分析

大数据技术在证券交易中的应用分析

我国证券市场三十几年的发展中，产生了海量的数据，面对大量的数据，通过大数据技术对数据的挖掘、分析和利用，提升各部门各环节的运营效率；对客户市场进行细化，根据不同组内群体客户，实施精细化管理，定向营销；摸索出适合业务需求的算法，建设证券市场智能化平台，强化风险管控，降低管理难度，从而推动证券市场的交易模式创新、业务转型等。

标签：证券市场；大数据技术；数据分析；业务转型

0 引言

自二十世纪八十年代初开始，我国首次发行国库券后，就开启了我国证券市场新时代。在这几十年的发展中，虽然中国证券起起落落，但也在曲步前行，取得了一定了成绩。截至到2017年8月11日，已经发展到了3328家上市公司，这么多加上市公司，每年因各种业务产生了海量的数据，海量数据的管理对任何一个行业任何一家企业而言，都是极具挑战性的难题，更何况数据量增长较快且数据结构较为复杂的证券市场，证券市场每天都要处理大量的新旧迭代数据。由于证券行业业务多元化的特点，证券市场的大数据通常分散在相互独立的各个业务部门之中，数据存在严重的孤岛，无法进行数据共享，导致大数据处于严重的切割和分散状态。

随着现代信息技術的快速发展，大数据技术已经渗透到每一个行业，逐渐成为重要的生产因素。目前正被广泛地应用于商业、政府等领域的现代信息技术之一的大数据技术刚好可以为上述问题提供很好的解决方案。大数据技术特别适合涉及大量数据的证券市场，用大数据技术对市场行情数据、偏好数据、成交数据等等进行挖掘及分析，来支持决策。利用大数据技术对证券市场中的基础工作、客户细分、风险等进行管理，同时搭建证券行业智能化平台，可以提升各部门各环节的运营效率，为不同组内客户提供精准服务，利用智能化平台加速业务转型等，因此，证券市场既可以通过大数据技术来解决目前已有的业务问题，同时，也可以利用大数据技术来分析处理证券市场中的数据资产，让数据活起来，发挥数据的价值。

1 大数据技术在证券行业中的应用探讨

“十三五”规划纲要中首次提出，要实施国家大数据战略，把大数据作为基础性战略资源，全面实施促进大数据发展行为，加快推动数据资源共享开放和开发应用，助力产业转行。目前，各行各业都意识到大数据技术的左右，大数据技术在各个行业都有井喷之势，在证券行业尤其如此，但证券行业对于大数据技术的研究与应用正在处于起步阶段，相对于银行和保险业，证券市场的大数据应用起步相对较晚。目前，国内外证券市场对大数据技术的应用主要在以下三个方面：

第一，对于基础业务，利用大数据技术提升证券市场各部门各环节的运营效

率。

基础业务是证券市场最基本，最频繁，最繁琐，也是最重要的业务，合理利用大数据技术，对证券市场日常工作中产生的海量数据进行挖掘和分析，提供快速的、大量的自动化分析结果，根据结果对基础业务进行判断及决策，从而推动证券市场日常运营活动数据化；通过大数据技术对海量数据的交易量化、组合管理、投资决策等进行分析，从而加大信息整合的力度与深度，以便在信息数据爆炸的时代，快速、高效地提取有用信息为客户提供精准且专业的咨询服务；并根据客户的实时交易决策，市场的方向、流动性等信息，分析市场客户的买卖行为，来确定投资者的长短、市场的方向等，还会定期更新证券市场数据，让客户知道最佳投资指标数据，了解证券市场历史数据，从而判断市场的变化趋势，提升证券市场各部门各环节的运营效率。同时，随着“互联网+”及大数据技术的快速发展，证券市场中部分低效率的人工统计工作将会被大数据技术等所取代。

第二，对于客户市场，通过大数据技术对客户进行区分，并对不同客户群体做精细化管理。

根据证券市场客户的资金账户、证券交易量占总交易量比、市值与资产的比等，可将客户分为基金客户、长线客户、低价值客户、高价值客户等，但这些分类还不够细化，为了更加准确地知道客户需求，便于客户筛选，深入调研不同客户群体的不同需求，对不同客户群体的不同需求实施精细化管理，提前为其定制相应的精准服务，将合适的产品或服务在合适的时间段推荐给客户，就需要运用大数据技术的数据收集和数据分析方法来收集不同客户在证券市场中的交易数据、留存数据，再加上外部的消费数据、偏好数据、信用数据、位置数据、人口属性等数据，通过这些收集到的数据，即可将客户市场细分，通过将客户的特征指标进行聚类分析，将市场中的所有客户细分为多个具有刻画特征的组别，使得同组内的客户相似度很高，不同组内客户差异明显，根据细分组内客户的需求和特性，有针对性地实施精细化营销；同时，在细分客户群体的同时，还能发现证券市场的战略焦点、业务发展方向等。

第三，搭建证券市场智能化平台，建立一套科学有效的证券市场管控工具。

在证券市场中，投资产品种类越来越多，交易规模越来越大，面对繁杂的交易、清算、风险管理等工作效率越来越低，管理难度越来越大，此时，可以借助大数据的相关技术，来提升工作效率，降低管理难度。根据实际业务需求，探索出相应的算法及开发出相应的模型及软件，搭建信息化、智能化的证券市场软件平台，该平台可以批量、高效地完成各种复杂交易指令，降低交易误差，并通过并行查询方法来提升数据处理性能，确保业务高效、安全地运作，并且减少成本开支。因此，通过建立一个权威的、具有公信力的证券市场服务平台，为各类客户提供更强的专业性、更高的透明度、更广的参与度、更低的平均成本、更便捷的操作平台，以更好的服务广大市场客户，有利于证券市场的信息流通，促进证券市场繁荣发展。

2 大数据技术在证券市场中面临的挑战

面对在证券市场大数据中全方位体现的五大特点，也即“5V”特点：大量（Volume）、高速（Velocity）、多样（Variety）、低价值密度（Value）、真实性（Veracity），大数据技术对其处理还存在一些问题和挑战，主要体现在如下三方面：第一，随着大数据技术的应用，隐私问题将成为关键。

像大家日常生活中，身份证信息、手机信息、住址信息等被随意泄露，已对大家的生活、资产造成了一定的影响，而证券市场与其它市場不同，必须及时更新隐私管理技术，确保证券市场不会将客户信息数据透露给第三方，确保证券市场不乱使用私人数据或不经本人同意给他人数据。

第二，大数据的异构性和不完备性，需长期探索有效的人工智能算法。

因从现实证券市场中获得的数据大部分是异构的而非同质的，对于异构数据，无法用已有的简单数据结构来表述它们，这类数据大多特征不清晰，反映出的现象背后缺乏严谨客观的逻辑。对于复杂数据结构表示的数据，计算机已有的算法很难高效地处理；而日常交易数据大多数是不完备的，面对不完整的数据，计算机算法也无法处理此问题，强行处理，可能会把正确和错误的数据搞反，或算出的结果与实际情况截然相反。目前采集到的大部分证券数据，由于异构性和不完备性，都需要根据提取到的基本信息数据，再结合特定的金融逻辑、业务场景以及相关经验，运用人工智能算法进行“深度挖掘”，才能得到最终的结果，对于需要构建有效的人工智能算法才能获得最终结果的状况的情况，是大数据技术应用的重点与难点。

第三，需继续加大大数据技术与实际证券业务契合及落地与相关人才的培养。

从大数据技术的部署以及相关业务的开展来看，虽然证券市场在证券行业使用大数据技术的战略上给予了高度的重视，且在大数据技术部署和相关业务上有所行动，但是在具体业务的落地和推进中，由于证券市场牵涉系统工程、经济学、计算机、算法、数据挖掘等方方面面的知识，牵涉范围太广，方法与业务契合面临困境，投入资源有限，所以取得的进展也相对缓慢。而进展缓慢的核心在于“人”，尤其是既懂证券又懂大数据技术的人才。因此，同时具备算法、计算机技术及证券等多学科交叉背景的人才稀缺，未来必须继续加大此类人才的培养和储备。

3 大数据技术在证券市场应用的展望

随着证券公司在大数据技术上面的研究深入，用大数据技术对证券行业海量数据进行采集、加工和分析是互联网化的趋势之一。证券市场必将数据化、互联网化。虽然目前大数据技术在我国证券市场的应用处于初级建设阶段，推广较为缓慢，大数据技术应用人才稀缺，研究成本高，数据安全问题层出不穷等，与发达国家比起来还有较大的差距，但由于国家战略方向，政府资金及政策支持，人们对大数据技术的重视度越来越高和应用大数据技术的急需性，大数据技术会随

着不断的开发、完善和成熟，将在证券市场中大显身手，会从大量的证券数据中不断的挖掘出有用的信息，提高数据质量，降低数据使用成本。同时，运用大数据技术，加快证券市场内部数据整合速度，创新证券市场的交易模式，改变传统金融模式。总体而言，随着大数据技术的普及，大数据技术将助推证券市场业务成功转型，持续发展大数据技术引领证券行业的未来。

参考文献

[1]杨龙.借力大数据技术 证券行业迎转型契机[J].清华金融评论，2017，（09）.

[2]周晓方，陆嘉恒，李翠平，杜小勇.从数据管理视角看大数据挑战[J].中国计算机协会通讯，2012，（9）.

[3]谢倩雯.大数据环境下证券领域的数据研究与分析[D].长沙：湖南大学，2016，（5）.