大数据金融

作者简介

刘晓星，博士（1970～），东南大学金融学教授，金融学专业博士生导师，金融系主任，全国高等学校金融学类专业教学指导委员会委员，江苏省“青蓝工程”中青年学术带头人，中国金融学年会理事，中国金融工程学年会理事。

内容简介

3. 数据交易的定价 数据交易市场的存在就是为了降低数据交易中存在的高昂风险成本。针对 特定的数据，我们应当采取不同的定价策略，实现交易成本的*小化。因此， 下文把数据交易的定价分为**类数据和第二类数据。 **类数据即不涉及用户隐私的统计或科研数据，其定价相对比较简单， 大部分情况下，采取供给方定价的形式就足够了。一方面是因为这类数据不涉 及个人，其价值相对性的波动不大，无须采用*复杂的定价模式；另一方面是 采取供给方定价的方式能将数据产品运营权保留在供给方，使其能够以各种如 限免、促销等方式运营数据，使得有价值的数据能够普惠*多的需求方。 而第二类数据即个人特征行为数据，由于能直接用于如个人征信、营销等 商业用途，其价值相对性的波动会**大，大到甚至连供给方都不能准确评估其 市场价值的程度。因此，这类数据比较理想的定价方式是需求方定价，如在线广 告数据平台**uekai的定价方式就是采取数据竞拍即需求方定价的方式，价高者得， 同时控制数据的供给数量，确保一份有价值的数据仅被一到两家客户所有。 个人特征及行为数据的鲜明特点是超乎想象的细分程度，数据需求方仅会 对其中一小部分数据感兴趣，如上海的淘宝卖家一般只关心江浙一带的用户数 据，使得供给方对千千万万的细分数据做定价变成了几乎不可能的任务。正如 当初Goo**e推出搜索引擎关键字广告时，根本不可能对几百上千万的各种关键 字逐一定价出售，*有效的方式就是采取需求方定价，即关键字竞价形式，综 合出价*高的广告主将赢得对应广告位的展示机会。  史的积淀都促使了“大数据”概念的诞生。本章首先从大数据概念的历史演变 过程出发，讲述了大数据的主要发展阶段，以及国外主要发达**和**大数 据的发展现状。接着从理论角度讲述大数据体量大、速度快、类型多、价值性、 在线化等特征，并指出了大数据将带来变革时代的力量以及未来可能面临的潜 在挑战；从技术层面剖析大数据实现价值所经历的四个步骤，即数据采集、导 入与预处理、统计分析和数据解释；从实践层面探讨互联网、**、企业和个 人的大数据价值体现，以便*深入地理解大数据的概念。*后，阐述了大数据 带来的产业变化趋势、行业颠覆以及三大关键行业的变革，揭示了数据市场的 未来发展趋势和变革。 理解大数据的概念是实现数据价值的前提条件。只有深入理解大数据的概 念，才能合理运用大数据技术，使其成为创新变革的动力和推动时代进步的力量。  些难题已经变得简单易行。曾经只有大公司才能做到的事情，现在*大部分的 公司都可以做到了。 通过使用所有的数据，我们可以发现如若不然，则将会在大量数据中淹没 的情况。例如，信用卡诈骗是通过观察异常情况来识别的，只有掌握了所有的 数据才能做到这一点。在这种情况下，异常值是*有用的信息，你可以把它与 正常交易情况进行对比。这是一个大数据问题。而且，因为交易是即时的，所 以你的数据分析也应该是即时的。 大数据技术的运用首先要数据全量在线。现在太多系统都是孤立的，银行 对公、对私，还有卡业务都是分开的，当把所有业务糅合在一起时，会发现很 多客观规律。现在有了大规模的计算能力，我们就不需要进行干预，**让机 器自己去找规律，让机器去找出海量数据中的建模规则，这**是黑箱建模的 思路。黑箱建模让我们发现了很多以前我们不知道的内容和规律。比如，以往 认为反洗钱只存在40多种在线规则，而利用机器学习可以推翻这一结论，发现 了1 000多条在线规则。针对保险用户，我们也可以通过异于常理的现象发现商 机。比如，在9 000多万用户中有百分之零点几的用户的年收入4万多元，但买 了7万多元的保险产品。那么相应的销售人员是用什么样的保险理财理念去推 销产品的，有什么样的经验，这都是需要探索的。 当然，为了面向用户，所有大数据的处理要做到容易解读。但客观讲，阿里 从来不解读，而是细分到碎片化以后直接做匹配、工具*作。阿里没有任何一个 人会在你购物买了这个包以后，给你**另外一个包。分析决策的过程全部是用 一个基础矩阵做的，是一个端到端的匹配*作，当分析结果出来以后，就直接执 行了。所以在这个过程中，全量数据可以帮助发现业务规则。这其中就涉及很多 模型。以前可能只是在北美金融界进行一些深度学习，都是比较学术型的。现在 大数据很跨界，在大数据的学术范畴里，不仅有IT的人、统计的人，还有物理学、 经济学、金融的人都在其中。学科交叉**明显，它是一个基础的现代跨界科学。 在无假设条件下，通过机器学习能发现用户的一些特征。这些工具、方式、 方法，帮助金融用户**清楚地了解到以前未知的市场和未知的用户。就像互 联网企业一样，通过这些了解，能够对这些用户进行有针对性的*作。 二、关注效率而不是**度 大数据标志着人类在寻求量化和认识世界的道路上前进了一大步，过去不  就可以指导其做出正确的市场*作，具有巨大经济价值。 那些以前我们认为碎片化、情绪化、难以量化的东西，现在都可以依靠大 数据技术被合理量化，并运用大数据的思维实现它的价值。但是随着互联网时 代的深入，社会发展的脚步越来越快，企业能够根据数据信息做出预测，先一 步采取行动就能够抓住时代的机遇，因而对数据分析技术的高效性要求符合时 代的趋势，是大数据思维下的必然选择。 本书着眼于大数据与金融业的深度融合，从大数据金融的商业模式创新、大数据金融机构与产品创新、大数据金融服务平台创新、大数据金融生态环境建设和大数据金融案例分析等角度深刻阐释了**外大数据金融的发展现状以及未来发展前景，是一本富有理论性和实用性的大数据金融类参考书。