大数据在金融行业中发挥了什么样的作用

随着大数据技术的广泛普及和发展成熟，金融大数据应用已经成为行业热点趋势，在交易欺诈识别、精准营销、黑产防范、消费信贷、信贷风险评估、供应链金融、股市行情预测、股价预测、智能投顾、骗保识别、风险定价等涉及银行、证券、保险等多领域的具体业务中，得到广泛应用。对于大数据的应用分析能力，正在成为金融机构未来发展的核心竞争要素。

 

 

一、大数据在银行业中的应用。

1.信贷风险评估。

在传统方法中，银行对企业客户的违约风险评估多是基于过往的信贷数据和交易数据等静态数据，这种方式的最大弊端就是缺少前瞻性。因为影响企业违约的重要因素并不仅仅只是企业历史的信用情况，还包括行业的整体发展状况和实时的经营情况。而大数据手段的介入使信贷风险评估更趋近于事实。

内外部数据资源整合是大数据信贷风险评估的前提。一般来说，商业银行在识别客户需求、估算客户价值、判断客户优劣、预测客户违约可能的过程中，既需要借助银行内部已掌握的客户相关信息，也需要借助外部机构掌握的人行征信信息、客户公共评价信息、商务经营信息、收支消费信息、社会关联信息等。

2.供应链金融。

利用大数据技术，银行可以根据企业之间的投资、控股、借贷、担保以及股东和法人之间的关系，形成企业之间的关系图谱，利于关联企业分析及风险控制。知识图谱在通过建立数据之间的关联链接，将碎片化的数据有机地组织起来，让数据更加容易被人和机器理解和处理，并为搜索、挖掘、分析等提供便利。

在风控上，银行以核心企业为切入点，将供应链上的多个关键企业作为一个整体。利用交往圈分析模型，持续观察企业间的通信交往数据变化情况，通过与基线数据的对比来洞察异常的交往动态，评估供应链的健康度及为企业贷后风控提供参考依据。

二、大数据在证券行业中的应用。

1.股市行情预测。

大数据可以有效拓宽证券企业量化投资数据维度，帮助企业更精准地了解市场行情。随着大数据广泛应用、数据规模爆发式增长以及数据分析及处理能力显著提升，量化投资将获取更广阔的数据资源，构建更多元的量化因子，投研模型更加完善。

证券企业应用大数据对海量个人投资者样本进行持续性跟踪监测，对账本投资收益率、持仓率、资金流动情况等一系列指标进行统计、加权汇总，了解个人投资者交易行为的变化、投资信心的状态与发展趋势、对市场的预期以及当前的风险偏好等，对市场行情进行预测。

2.股价预测。

证券行业具有自身的特点，与其他行业产品与服务的价值衡量普遍存在间接性的特点不同，证券行业客户的投资与收益以直接的、客观的货币形式直观地呈现。受证券行业自身特点和行业监管要求的限制，证券行业金融业务与产品的设计、营销与销售方式也与其他行业具有鲜明的差异，专业性更强。

诺贝尔经济学奖得主罗伯特·席勒设计的投资模型至今仍被业内沿用。在他的模型中，主要参考三个变量：投资项目计划的现金流、公司资本的估算成本、股票市场对投资的反应(市场情绪)。大数据技术可以收集并分析社交网络如微博、朋友圈、专业论坛等渠道上的结构化和非结构化数据，了解市场对特定企业的观感，使得市场情绪感知成为可能。

3.智能投顾。

智能投顾是近年证券公司应用大数据技术匹配客户多样化需求的新尝试之一，目前已经成为财富管理新蓝海。智能投顾业务提供线上的投资顾问服务，能够基于客户的风险偏好、交易行为等个性化数据，采用量化模型，为客户提供低门槛、低费率的个性化财富管理方案。智能投顾在客户资料收集分析、投资方案的制定、执行以及后续的维护等步骤上均采用智能系统自动化完成，且具有低门槛、低费率等特点，因此能够为更多的零售客户提供定制化服务。

三、大数据在保险行业中的应用。

1.骗保识别。

借助大数据手段，保险企业可以识别诈骗规律，显著提升骗保识别的准确性与及时性。保险企业可以通过建设保险欺诈识别模型，大规模地识别近年来发生的所有赔付事件。通过筛选从数万条赔付信息中挑出疑似诈骗索赔。保险企业再根据疑似诈骗索赔展开调查会有效提高工作效率。此外，保险企业可以结合内部、第三方和社交媒体数据进行早期异常值检测，包括了客户的健康状况、财产状况、理赔记录等，及时采取干预措施，减少先期赔付。

2.风险定价。

保险公司通过大数据分析可以解决现有的风险管理问题。比如，通过智能监控装置搜集驾驶者的行车数据，如行车频率、行车速度、急刹车和急加速频率等；通过社交媒体搜集驾驶者的行为数据，如在网上吵架频率、性格情况等；通过医疗系统搜集驾驶者的健康数据。以这些数据为出发点，如果一个人不经常开车，并且开车十分谨慎的话，那么他可以比大部分人节省30%-40%的保费，这将大大地提高保险产品的竞争力。

大数据技术时代已经来临！

运用大数据思维，青岛有容信息科技有限公司经过多年深入研究分析，创造性地提出了新一代支付技术——环链收付技术。

这一技术将具有应收应付关系的企业和个人，根据相互之间收付关系、关联关系等联系起来，形成一个庞大的收付网。通过大规模图数据的智能计算来提取其中的环式结构、链式结构、树状结构和关联方结构等各种特定的收付结构。接着，某一个特定收付结构上的所有用户汇聚产生一笔资金，经由平台进行资金的智能分配，各个相关用户只需支付少量资金，便可快速、高效解决所有用户的收付问题。

基于这一技术，我公司自主研发了“环链收付平台”。平台创造性地将机器学习方法用于大规模收付图的计算、平台风控和安全体系设计，提出了大规模图的智能分割、最优收付结构的分布式智能提取、非闭合式结构上收付资金的智能分配、动态智能化用户评级、非法交易信息的智能识别以及网络攻击的智能预警、甄别与截击等关键技术，构建了面向多用户同时共性收付平台——环链收付平台。