大数据在金融领域的技术实现与应用

栏目编辑：梁丽雯 E-mail:liven_01@163.com

Research|信息化论坛大数据在金融领域的技术实现与应用

■ 中国人民银行萍乡市中心支行　赵中林

摘随着科学技术的迅速发展与网络信息技术的不断革新，互联网金融以迅雷不及掩耳之势崛起，创造出要：

一个更加有效、符合时代发展的新金融体系，为投资渠道相对短缺的中国金融市场带来了新的生机和活力。大数据成为了金融行业的“热词”之一，金融业界正在紧锣密鼓地利用大数据分析推动金融创新和应对未来挑战。本文从数据存储与管理技术、数据分析与挖掘技术、数据融合与处理技术等方面对大数据在金融领域的技术实现进行了分析；并在大数据对金融创新推动方面，阐述了大数据在推进高频金融交易业务创新，推进金融产品创新，促进微贷、网贷等小额信贷业务创新等方面的积极影响。

大数据；金融领域；创新应用关键词：

一、大数据技术在金融领域的发展现状和趋势

任何一种新技术的发展，都要经历一个“脱胎换骨”的过程。当前，全世界已有30多个国家建立了数据开放平台，大数据技术在各个领域的应用正突飞猛进，具有十分广阔的发展前景。随着大数据产业应用市场的不断发展成熟，其产业规模越发壮大，所形成的价值快速提升。目前，我国大数据技术的发展处在基础理论研究与分析、关键技术突破与实践阶段，在金融应用领域还处在起步阶段。

最近几年，各国相继出台了有利于大数据发展的，可以预见，未来一段时期，大数据仍然是全球IT企业竞相追逐发展的方向。许多IT公司都认为实时性

的数据处理方式、基于云的数据分析、大数据与人工智能的融合、跨学科领域交叉的数据分析应用、开放式的知识体系、内存技术、边缘计算、物联网、大数据安全、开源软件等是未来大数据的发展趋势，而大数据的分析预测及其深度挖掘仍然是大数据技术的核心。

二、大数据在金融领域的技术实现

大数据不仅是一种资源，更是一种技术工具，要大数据被运用起来，首先必须掌握其特点，分析和认识其结构类型。目前，一般认为金融大数据具有5个特点（又称5V特点），即数量（Volume）、种类（Variety）、价值（Value）、速度（Velocity）和真实性（Veracity），

作者简介： 赵中林（1965-）,男，江西上高人，工程师。

收稿日期： 2018-02-22

25

Research|信息化论坛而从数据类型上进行划分，则大致可以分为结构化数据、半结构化数据与非结构化数据三大类。

金融业的大量信息来源于金融交易、客户分析和业务记录，数据体量巨大，增长速度惊人，已从TB级跃升到PB级。这些数据种类繁多，涉及会计财务、综合统计、信贷、征信、反洗钱、信托、资管等业务的数据，数据结构不统一。同时，数据的价值密度低，商业价值高，1 T的存储数据，可能只有1-2kB有使用价值，但只要对它进行深度挖掘与分析，其商业价值不可估量。另外，与其他行业相比，金融业对数据的时效性和真实可信性的要求更高。

结合金融大数据的特点和类型进行分析，金融数据具有逻辑关系紧密，对数据安全性、稳定性和处理实时性要求高，可展示性需求强等特征。通常需要通过运用以下关键技术来实现。

（一）数据存储与管理技术

大数据需要高性能、高吞吐率、大容量的存储设备，利用分布式存储架构以及虚拟化和云计算等技术，通过DAS，NAS和SAN等存储方式保证数据的高安全和高可靠存储。金融业对数据的安全性、稳定性和实时处理能力要求更高，需要运用各种先进技术对数据进行高效管理，包括关系型和非关系型数据、数据融合集成、数据抽取、数据清洗和转换配置等技术。

（二）数据分析与挖掘技术

主要采用决策树、神经网络、关联规则、聚类分析等统计学以及人工智能、机器学习等方法对数据进行观察、分析和挖掘，从海量用户数据、金融产品信息、营销信息等数据中挖出有潜在价值的信息。

（三）数据整合与处理技术

从业务需求和实际应用出发，通过数据传递、转换、净化、集成等功能实现数据整合，运用新型数据处理技术（包括分布式计算、内存计算、流处理等）提高数据处理能力。

26

2018年·第6期

栏目编辑：梁丽雯 E-mail:liven_01@163.com

（四）数据共享与展现技术

整合金融企业内外部数据资源，构建统一的数据交换平台，实现数据共享，是提升数据服务金融能力的具体体现。大数据展现技术主要包括可视化、历史流显示、空间信息流显示等，在银行客户价值监视、金融产品监视和反洗钱反欺诈预警等方面应用前景突出。

三、大数据对金融创新的推动与应用

任何先进的技术都是基于社会应用需求而产生的，又在社会应用创新和发展中体现其存在的价值。大数据在金融领域的应用也是随着金融业不断向纵深发展而衍生出来的，并在金融领域体现出其重要作用。从现状来看，大数据目前主要在以下几个方面推动金融业实现创新与发展。

（一）推进高频金融交易业务创新

金融交易商利用设备和海量交易数据的优势，开发交易算法，建立交易模型，快速获取交易指令，在短时间内高频率买入卖出，趁机获取超额利润。如中国A股市场平均成交量每天为5亿左右，产生的交易数据平均每天也在5亿条以上，久而久之就形成海量数据。交易商就可以对这些数据进行数据挖掘和分析，开发交易算法，建立或创新投资交易模型，应用于投资活动中，以创造更高的利润。

（二）推进金融产品创新

通过高端数据分析和综合化数据分享，有效对接银行、保险、信托、基金等各类金融产品，使金融企业能够从其他领域借鉴并创造出新的金融产品。如利用大数据决策，各家商业银行提出了小微金融的转型升级策略及小微金融服务和产品创新体系。

（三）促进微贷、网贷等小额信贷业务创新金融科技公司或金融机构运用大数据技术创新业务模式和产品体验，以促进旗下微贷商或网贷商对是否向网铺或网商提供贷款或贷款额度作出判断。如蚂蚁金服建立了大数据分析平台——蚂蚁数巢，创造

2018年·第6期

栏目编辑：梁丽雯 E-mail:liven_01@163.com

了蚂蚁微贷、蚂蚁花呗、保险服务和芝麻信用等全新的业务，促进了旗下业务的极大发展；微众银行使用大数据建立消费信用评分模型，留住“好客户”，其推出的微粒贷在2017年上半年累计放贷超4 000亿元，相比2016年末的1 987亿元，不到半年增幅超过100%，不良贷款率不足0.4%，远低于商业银行不良贷款率1.74%的水平，大数据技术的效果明显。

（四）改善经营策略，实现精准营销

银行可以通过大数据分析方法将外部客户数据与内部运营数据关联，对数据进行精准分析和深度挖掘，从中提取有价值的数据，为管理层提供可靠的数据支撑，从而改善经营决策，提升经营效率。在营销方面，运用大数据技术，银行可以掌握更多的用户信息，分析判断客户的习惯偏好，发掘其需求，从而实现精准营销。如有的银行通过“多倍积分累计”和“积分兑换”活动吸引优质客户；有的通过构建客户流失预警模型，对有流失倾向的前20%客户发售高收益理财产品或采取免手续费等策略进行挽留，从而降低客户流失率。

（五）收集传媒信息，辅助投资决策

在英美法等西方一些发达国家，社交媒体数据应用已经成为互联网商业模式的重要组成部分。对冲基金开始从Twitter、聊天室、Facebook和博客等社交媒体中提取市场情绪信息，开发交易算法，将人们对某个金融工具的情绪进行打分，并向零售客户发布预测，辅助投资者作出投资决定。如在股市投资决策过程中，投资者往往在下单前和持有时股价下跌这两个阶段对信息需求度更高，其决定不可避免地受到来自各方面信息的影响。为此，很多互联网公司与投资基金公司联手推出了大数据指数，收集和分析用户数据来统计个股关注度，以辅助投资决策。

（六）促进价值管理，风险管控

银行借助大数据技术进行客户聚类和客户行为分析，可以更精准地掌握存量客户信息，有助于交叉销售更多的产品或激活能够带来价值的客户，从而整体提

Research|信息化论坛升客户的价值。

应用大数据技术，一方面可以根据客户过去的财务状况和信用情况对其未来的授信额度以及利率定值提供决策依据，另一方面可以将金融企业内部客户数据与外部征信数据进行统一管理，完善信用风险防范体系，管控风险。

如阿里小发了网络人际爬虫系统，突破地理距离的，捕捉和整合相关人际关系信息，对客户作出风险评估，并与贷前评级系统进行交叉验证，构成风险控制的双保险。

（七）重塑精细化管理，提升金融服务质量通过对大数据的应用，改善与客户之间的交互关系、提高客户黏性度，为个人与提供增值服务；收集大量来自客户的日常交易数据，对其业务范畴、经营状况、信用状况等信息进行分析，并据此判断其资金需求和行业发展前景，重塑精细化管理，提升金融服务质量，不断增强自身核心竞争力。另外，大数据技术支持的服务创新体系，可以更好地做到以“客户为中心”，通过对客户消费行为的分析，提高客户黏性度，实现差异化经营。

（八）反洗钱反欺诈预警

随着信息化时代高新技术的发展，洗钱、欺诈等经济犯罪活动也大量转移到了互联网上。全球反洗钱联盟、各个国家和地区均开始将大数据技术运用到反洗钱反欺诈挑战中。这不仅减轻了在信息搜集、可疑交易识别、预警和报告等过程中的负担，而且与传统作法相比，其覆盖面更广、误报率更底、时效性更高。蚂蚁金服就利用大数据建立了反洗钱系统，一旦用户的资金出现异常交易迹象，系统会自动报警，有利于打击网上洗钱、欺诈和恐怖融资等犯罪活动。　　

四、结束语

党的十九大提出加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合。银行业是

27

Research|信息化论坛2018年·第6期

栏目编辑：梁丽雯 E-mail:liven_01@163.com

实体经济主要资金来源（占到80%以上），从农业到制造业再到服务业，实体经济的各行业都是银行业服务和支持的对象。事实上，为实体企业提供资金支持，既是金融机构自身生存的根本，也是金融机构创新发展的土壤。希望金融机构抓住机遇，加强技术创新、产品创新，利用大数据技术为实体经济发展提供更多智能化产品和服务。FTT参考文献：

[1]李勇，许荣. 大数据金融[M]. 北京：电子工业出版社，2016.

[2]庞引明，张绍华，宋俊典. 互联网金融与大数据

分析[M]. 北京：电子工业出版社，2016.

[3]汤凌冰. 互联网金融技术与应用[M]. 北京：电子工业出版社，2015.

[4]中国电子银行网. 浅谈大数据在金融行业的应用与挑战[EB/OL]. http://zhuanti.cebnet.com.cn/20160823/102030760.html.

[5]中国产业信息. 2017年中国大数据产业市场规模预测及发展前景分[EB/OL]. http://www.chyxx.com/industry/201611/465188.html.

[6]搜狐. 大数据挖出洗钱黑手 建立7大模型实现智能化反洗钱[EB/OL]. http://www.sohu.com/a/31762373_190232.

（上接P24）

域中的应用，践行普惠金融，努力促进金融业持续健康发展。

（三）探索完善FinTech监管，促进FinTech产业持续健康发展

FinTech的发展和应用，确实能够改善金融服务，提高金融效率，但也存在潜在的风险和隐患。在宏观层面，其会增加金融系统的复杂性和关联性，容易放大金融风险波动；在微观层面上，其可能会增加信息安全风险、操作风险等。因此，金融机构特别是监管机构，要密切关注FinTech的发展，分析其潜在风险及由此带来的威胁，并采取有针对性的应对措施。此外，对FinTech的监管压力较大，既不能挫伤其创新的积极性，又要控制风险，因此要尽快出台相关法律法规，提高监管水平，创新监管手段。可以考虑实施“沙盒”监管机制，为金融科技产品搭建真实的测试环境，建议借鉴国外监管“沙盒”机制的成熟经验，不断完善我国的监管机制。另外，针对FinTech横跨多个领域的特点，我国的金融监管要加强协调合作，努力提

高监督协调合作能力，加强对风险的监控评估，及时调整监管方法和手段，既鼓励和促进金融创新，又有效防范和化解金融风险，促进FinTech产业的持续健康发展。FTT参考文献：

[1]钟鸣长. 新加坡FinTech生态系统建设及其启示[J]. 电子科技大学学报：社科版，2016(6):30-38.

[2]孙承新. FinTech的创新及其监管必要性的探讨[J]. 山西农经，2016(13):61.

[3]韩梅. FinTech的发展现状与金融创新分析[J]. 经济研究导刊，2016(23):88-90.

[4]严圣阳. 我国金融科技发展状况浅析[J]. 金融经济，2016(22):156-158.

[5]许超. 我国科技金融发展与国际经验借鉴—— 以日本、德国、以色列为例[J]. 经济论坛，2016(10):75-80.

[6]芦国荣. 英国金融科技创新:支持及启示[J].甘肃金融，2016(8):31-34.

28