金融大數據

隨著信息科學技術的飛速發展,特別是云計算、大數據技術在電子商務、證券期貨、互聯網金融等領域的廣泛應用,未來金融業的核心競爭力很大程度上依賴于從大數據中提取信息和知識的速度與能力,而這種速度和能力,取決于數據分析、挖掘和應用水平。 隨著互聯網金融、移動支付等新型金融業態的不斷涌現,強化以“用戶為中心”的服務模式將成為未來金融業的重要發展方向,有助于金融產品創新、精準營銷和風險管理,實現數據資產向市場競爭力的轉化。

在大數據時代,面對海量的金融數據,傳統的分析方式需要發生重大的改變,并建立與之相應的新的統計模型。 面對金融大數據,如何使用和管理大數據、從中提取有用的信息,為金融決策者提供可靠的理論支持,是各級政府、企事業單位以及金融機構所共同面臨的重要問題。大數據在金融行業的應用還有很多的障礙需要克服,比如銀行內各業務的數據孤島效應嚴重、大數據人才缺乏以及缺乏銀行之外的外部數據的整合等問題。隨著近年來社會重視度的不斷提高,相信金融大數據的應用將迎來突破性的發展。

風險管理是所有金融業務的核心。典型的金融借貸業務例如抵押貸款、消費貸款、以及票據融資都需要數據風控識別欺詐用戶及評估用戶信用等級。中心楊立堅教授與合作者們近年來在信用評估的統計模型方面取得了重要成果,把斯坦福大學Hastie教授和Tibshirani教授提出的廣義可加模型用于違約風險的概率計算。他們提出的兩步算法具有默示有效的最高精確度和近乎最高的計算速度,并且為每個金融變量對違約概率的影響曲線構造出了同時置信帶,可以進行深度統計推斷。特別值得注意的是,該模型還廣泛適用于非金融類的風險概率計算,如在美國已經成功運用的Predictive Policing System,就是通過廣義可加模型計算在某個時間和地點發生犯罪的概率,以此安排警力出動巡邏。

1? ??2

金融收益率大數據中蘊藏著豐富的金融風險信息,獲取這類信息最直觀便捷的途徑是由2003年諾貝爾經濟學獎得主,美國科學院院士,紐約大學的Engle教授提出的ARCH模型,以及杜克大學的 Bollerslev教授提出的GARCH模型。這類模型通過精準計算未來時間金融收益率的波動性,發現有較大金融風險的時間點,指導投資者的科學決策。中心李東教授和楊立堅教授在條件異方差的研究中取得了一系列重要成果,特別是非平穩GARCH模型和Threshold ARCH模型的性質,非參數和半參數GARCH模型的性質以及對外匯兌換收益率波動性的擬合與預測。目前李東教授和楊立堅教授的研究團隊正研究網絡GARCH和時變GARCH模型的理論與性質,以應對金融大數據中普遍存在的,不同金融收益率之間的關聯效應,以及金融收益率在50年以上的長期觀測中表現出的明顯非平穩現象,這類非平穩現象在Engle教授2008年提出樣條GARCH模型后受到更多的重視。近年來,瑞典皇家科學院院士,諾貝爾經濟學獎評審委員會委員,丹麥阿爾胡斯大學的 Ter?svirta教授也在經濟學頂級期刊上發表了一系列關于非平穩GARCH模型的論文。

3 4