大数据在证券行业的应用

　　在信息爆炸的时代，高新技术的发展为大数据技术的应用提供了良好的土壤，证券行业的业务同质化、获利空间不足等问题在大数据的背景下，将迎来转机。企业若能从海量多维度数据中提取有效成分，为决策提供指导，就可以提升企业运营效率，拓宽业务广度，控制业务风险，进行针对性营销，推进监管制度改革。面对硬件性能限制、数据分散且安全性难保障、人才缺口大等问题，企业必须在大数据的潮流之中不断创新和完善，以获取发展。

　　关键词:大数据;证券行业;应用

　　一、大数据特点

　　大数据，也就是从海量由后台计算机自动收集、存储的不同类型和结构的数据中进行挑拣，筛出可利用的数据，通过加工、处理，为商业决策提供依据，最终创造价值。这种利用直观数据，用客观的视角去分析的方式，可以一定程度上纠正人们直觉判断的缺陷。大数据具有以下几个显著特征：规模化：在全球视野下，数据量正以惊人的速度持续增长，在社交媒体、移动端、各类传感器、探测器等无时无刻地产生和更新。多样化：大数据包含了结构化数据和非结构化数据。其中，非结构化数据占据了超过总量的80%，其蕴藏的价值不可小觑，但对数据的存储、处理提出了更高的要求。高速化：现如今，证券行业、新闻业等行业以及人们在日常生活中的各类需求都亟待数据的快速处理分析能力。数据的高速处理以获取市场动态信息、客户信息并作出适应性决策已经成为影响企业核心竞争力的重要因素。价值化：数据量之大并不意味着数据的价值就能立刻随之提升，海量的数据需要我们深入分析和挖掘，从而做出预测性判断，才能够体现大数据的价值，否则仅仅是数据的堆砌而已。

　　二、证券行业如今面临的挑战

　　近年来，证券行业业内竞争越来越激烈，行业业务同质化，依靠通道业务的营业模式难以持续。大量交易数据和其他类型的数据处理后所衍生的价值密度较小，且处理速度较慢。行业监管各部分中，相较于发行、承销、上市监管，交易监管是难点，加上监管制度的僵化，其实际监管效果也一直存有疑虑。要想在这场较量中取胜，企业急需推动现有业务转型和多元化服务。在大数据的背景之下，通过收集外部交易数据、用户行为数据以及来自互联网的非结构化数据，运用图像识别、语言处理等分析手段和开源平台上发布的各类算法，得以提取出数据中的有效成分，为企业提供指导性、预测性决策支持。能否抓住机遇调整自身和不断创新，这就是企业生存与否的决定性条件。

　　三、大数据技术的应用

　　由于数据样本量规模之大，且高度动态化，无法使用集中式数据库存储，所以需要将数据分解到各子单元来处理，使计算机均衡负载。通过分类、聚类、回归分析、寻找关联规则、神经网络等方法进行数据挖掘，再采用Hadoop、MapReduce等技术手段将数据分解、分块在不同任务区处理后输出结果，最终做出预测性分析。为获得第一手资料，可将基础任务分派至平台，基于客户的分布特征，为与客户直接接触的一线员工提供数字化工具，从而在全媒体平台上收集客户的需求信息，进行分布式管理，再根据传统量化模型，发掘市场机会，提供有侧重点的相关信息支持，有针对性地服务，在全局视角下调整经营策略。大数据平台的总体框架，主要分为平台、引擎和行业数据模型。这其中平台包含了对多类型数据采集与整合，对系统运行和数据质量的管控，提供数据支撑、流量监控和数据安全性保障的服务功能。引擎分为计算和数据流引擎。计算引擎包括批量计算、实时计算引擎和分析引擎，最终目标为实现精益化计算。可以自定义、灵活改变运算流程，也可进行多模式计算，且适配企业基础组件。数据流引擎则是涉及组建、设计、管理、监控的分部处理。最后，行业数据模型可在梳理和改善业务流程的基础上，从业务、领域、逻辑、物理几个层面上建模，形成全方位、系统化的数据视角。结合企业自身特点，构建出一个严整的大数据平台，可为证券行业长期发展道路指引方向。具体应用方向有以下几点：服务创新：传统证券行业服务较为单一，主要靠通道业务来获取利润，这就极易导致同质化竞争。而且完全依靠成本优势去攫取市场并不符合长期发展规划。而通过大数据，证券行业可以着眼于包含增值业务的综合类金融业务，突出自身优势和特色，以实现差异化竞争。精细化管理：以往由于可利用的数据和信息的匮乏，造成了在某些方面的管理不善或缺失。但通过对海量数据的采集、分析，进行目标细化，最终作出有价值的预测。一方面，货币资金、权益乘数、杠杆率等财务层面的重点指标需要具体设置对应的目标区间;另一方面，利用大数据得到的各类指标，进行聚类分析，可对客户市场再进行细分，分别进行管理。个性化服务：通过对客户风险偏好、投资特性、类型喜好、投资者情绪等客户资料深入研究，进行客户画像的描绘。通过量化模型等低成本和低门槛的方式，为客户制定投资方案，有针对性地开展营销，以此提高成功概率，充分开发客户资源。

　　四、大数据技术为证券行业带来新机遇

　　(一)企业业务高效运营，创新业务运营新思路

　　企业日常运营与大数据紧密结合，智能服务于企业，能够缩短数据分析周期，提升运营效率。基础业务重复性强，非常繁琐，大数据的运用可以促成大量全自动化结果的生成，大幅度提高基础业务的处理速度。另外，以芝加哥的RSMetrics卫星情报分析公司为例，该公司采用卫星遥感技术，采集各商铺、办公用地等地的停车场流量信息，可以推断地区的客户流量信息和销售情况，由此进一步推断企业的运营状况。这种高效、准确、智能化的方式下相较于传统的人工人分析手段，优势不言而喻。

　　(二)基于大数据技术的新式思维，寻找新的业务机遇

　　主要依托通道业务收取佣金的传统方式已经难以获利，引入大数据的新思维，促进业务的多元化发展，能解决证券行业业务同质性的问题，从根本上提升企业综合竞争力。美国的ZestFinance互联网金融公司和英国的WongaP2P平台引入了大量非结构化数据，以难以获得传统金融支持的小型用户为主要目标对象，创新算法和分析模型，构建信息网络，进行有效地风险评估，创造了大量业务机会。

　　(三)创建数据标签，构建相关模型，进行智能化营销

　　依托全媒体平台构建数据库系统，将结构化和非结构化数据分开建立数据子库后，在进行数据存储之前，赋予数据更多内容特征，设置多种标签和索引，以便快速查找数据。同时，用户的常用关键字也将自动录入并生成新的标签，创建出客户购买倾向模型、客户忠诚度模型、客户投资能力模型等。也就是说，标签和索引的生成是智能的，这些模型也是具有适应性的。于是，基于这种动态的数据管理系统，辅以可视化技术，证券公司可以更有针对性、更高效、更直观地向各类客户群体推送信息。

　　(四)更好地管控企业业务风险

　　利用大数据和相关技术，构建合理管控企业业务风险的系统。随着数据量的增大，加之合理且高效的筛选、整合、处理分析，基于此的风险控制和信用管理体系可以具备更高的准确性，也可以进行实时动态监测，以达到更优的事前、事中、事后控制效果。目前，证券行业在事前风险控制尚有欠缺，在开展互联网金融业务的同时，必须关注信用的核心地位，树立风险控制意识，通过多元化数据和模型建立传统与互联网金融相结合的风险控制、征信体系，以减少产品风险系数与客户风险承担能力不匹配的情况。另外，寻求不同金融领域和机构的合作、数据共享，将得以增加数据的容量和有效性。

　　(五)推动证券监管制度变革

　　传统的证券监管制度着重违法行为的事后处罚，而对交易监管，尤其是内幕交易监管，因其隐蔽性较强、界限模糊，仍难以捕捉。这一问题的根源在于信息披露不全面和处理程度不深。此外，由于监管方式的选择，与市场效率的提升产生了一定的冲突。而引入大数据观念和技术，就是弥补传统证券监管制度缺陷、推动证券监管制度变革的重要拐点。将分析样本延伸至全社会全数据，利用数据间的相互验证，提高准确度;工作重心转向数据分析和工具优化，分析侧重点趋向数据相关分析;对市场主体的活动监管从监管交易者的直接行为扩展到关联行为，进行全方位监管，提高事前预防水平。为了避免降低市场效率和保障数据的安全性，就有必要对数据进行标准化处理，以及数据使用和分析标准立法，来约束大数据的收集、使用和分析行为。

　　五、大数据技术应用仍面临重重阻碍

　　大数据技术在证券行业的应用难题主要集中在在收集、处理、共享这几方面。后台计算机收集的数据量极大，且数据来源具有多维度性，但又无法全部存储导致客观上硬件的性能不足，数据运行时间过长。而每一天所产生的新、旧数据，都需要进行迭代处理。如何进行新模型的建立，如何进行有价值信息的挖掘，从而得到预测性、指导性结论，就成了中心任务。另外，由于证券行业业务的复杂性，这些数据通常被分散在各个部门，导致大量割裂数据在部门之间畅通性受阻、数据冗余、缺乏逻辑性等问题，因而难以整合。数据的访问方式较为单一，也造成了专项数据支持力较弱的结果。此外，在运用大数据技术、与外部机构数据共享的同时，如何保障用户信息的安全性，提高风控能力，也面临着新的挑战。大数据应用的趋势不可抵挡，但想要在企业中扎根落地，不仅需要顶层战略支持，还需要积极培养具有交叉学科经验和丰富创造力的团队，这才是提升企业综合竞争力的核心问题。而当今证券行业中，此类人才比例很小，如何发掘同时具备金融、系统工程、经济学、算法、互联网领域知识的人才就成了重中之重。否则投入了大量资金，也将难以突破重重壁垒，将数据的价值发挥出来。

　　六、结论及建议

　　在证券行业激烈竞争、数据价值密度低、业务缺乏多样性的背景下，企业必须利用好大数据技术，为自身谋发展，方能长存。大数据的思维和相关技术能够推动企业高效运营，开发新业务，智能化营销，业务风险合理管控，监管制度改革。但其应用仍面临着重重阻碍，硬件性能不足、异构化数据难整合、信息共享的风险、复合型人才缺口这些难题亟待解决。因此，贯彻大数据思维，结合自身企业特点建立大数据平台，推动技术和模型的创新和优化，完善相关制度，发掘和培养复合型人才团队，构成“用数据解决问题”和“解决数据问题”的循环体系，是解决上述难题的关键路径。

　　参考文献：

　　[1]证券公司利用大数据完善风控体系的必要性与可行性分析[J].华北金融,2016(06).

　　[2]薛辉.在证券行业中挖掘有价值“大数据”的探讨[A].中国新闻技术工作者联合会.中国新闻技术工作者联合会2015年度“新闻科技论文”优秀论文集[C].中国新闻技术工作者联合会,2015.

　　[3]王军龙.基于大数据背景下分析国泰君安和中信证券股份有限公司[J].中国战略新兴产业,2018(24).

　　[4]徐天誉.大数据技术在证券行业的分析[J].信息通信,2018(09).

　　[5]孟琳.大数据背景下证券监管制度的变革——以防控内幕交易为例[J].法制博览,2015(31).

　　[6]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(08).

　　作者：黄洁莹

转载请注明来自：http://www.uuqikan.com/zhengquanlw/21709.html