大数据在金融领域的应用
作者： 魏伊伦 学号： 1511081556 专业： 机械工程 学院： 机械工程与力学学院
中 国 宁 波 20 15 年 12 月
大数据在金融领域的应用
摘要
随着金融业务的载体与社交媒体、电子商务的融合越来越紧密，金融业正在面临着
前所未有的科技挑战。数据是重要资产的观念已经成为共识，面对激增的海量数据，如何运用85%的非结构化数据，借助大数据战略打破数据边界，实现大数据分析洞察，将是金融行业创新和转型的关键。《中国金融大数据》提到，麦肯锡的研究显示，金融业在大数据价值潜力指数中排名第一。银行、证券、保险、信托、直投、小贷、担保、征信等金融，以及P2P、众筹等新兴的互联网金融领域，正在利用大数据进行一场新的。这样的历史机遇会造就一批大数据服务提供商。
关键词： 大数据 互联网金融 应用与创新 正文：
中信银行案例：2014年8月28日，中信银行发布2014年上半年业绩报告，其中中
信银行信用卡业绩喜人。报告显示，截至报告期末，中信银行信用卡累计发卡2,245.98万张；报告期内，新增发卡168.03万张，同比增长1.77%；报告期内，信用卡交易量2,7.80亿元，同比增长31.85%；实现信用卡业务收入60.11亿元，同比增长55.49%。2014年，中信银行信用卡中心更是积极探索移动互联网及大数据时代背景下的新经营模式，持续推动产品创新，优化客户结构，不断扩大中信银行信用卡品牌的创新影响力。中信银行信用卡持续推出体验式营销项目——9分享兑，通过联合知名连锁餐饮、咖啡、精品超市、娱乐商户，借助便捷的积分实时支付平台，为持卡客户提供9积分兑换的体验式优惠兑换活动，由此实现回馈忠实持卡客户，并全线引入二维码权益兑换及转赠技术，显著提升客户体验。另一项 “9元看电影” 营销项目在2014年引入网票网等线上合作资源，合作影院数量拓展到900多家，成为行业第一，并开通移动客户端“动卡空间”电影在线选座功能，为影迷客户带来观影舒心体验。
而备受客户追捧的“精彩365”优惠活动今年以全国热门商圈为主要营销阵地，主攻商圈餐饮商户，并结合商圈内“9分享兑”和“9元看电影”商户，全年开展形式丰富的商户优惠活动，为客户带来实惠的同时带来不间断的精彩体验。
2014年上半年，中信银行信用卡中心通过深入挖掘客户需求，不断进行产品创新，升级高端卡权益体系，加快拓展零售金融业务，大力发展社区金融业务，打造具有极致客户客户体验的超级信用卡中心。
作为高端信用卡品牌的市场领跑者，中信银行携手银联于今年2月发布了中信银联钻石信用卡，该卡汇集了如喜达屋酒店集团SPG俱乐部金卡会籍在内的酒店、商旅、健康多方面众多顶级权益。这张全球顶尖的商旅服务信用卡提升了中信银行服务高端客户的整体水平，标志着中信银行顶级信用卡产品的国际化进程又向前迈进了一步。而今年7月中信银行信用卡中心与深圳航空有限责任公司联袂发布的“凤凰知音”深航中信联名信用卡，更标志着中信银行信用卡向“7张航空联名卡+2张商旅联名卡+1张酒店联名卡”的商旅产品体系布局迈进了一步。
面对年轻女性客群新诉求时，在女性卡市场一直处于领先地位的中信信用卡又一次突破创新，携手淘米公司发布了国内首张女性客户专属的手游主题信用卡—“中信魔力摩尔联名卡”，该卡结合游戏体验为传统的信用卡赋上了休闲色彩，直击年轻人轻松自主的生活主张。
随着互联网金融的兴起，社区金融成为金融业竞争的焦点。响应中信银行总行“大力发展社区金融业务”的指示，顺应“以消费主导性的增长模式转变”的经济形势，中信信用卡与国际著名商超品牌家乐福发行联名信用卡，为中信信用卡全面进入零售服务行业、开展社区金融服务拉响了号角。
今年3月，中信银行信用卡中心联合众安保险分别与互联网巨头腾讯、阿里巴巴关联公司支付宝推出微信信用卡以及淘宝异度支付信用卡。这一“触网”合作旨在满足广大消费者日益增长的移动支付需求，为用户创造支付新体验。
此外，中信银行信用卡中心还试水“粉丝经济”，与百度贴吧联合推出国内首个金融机构粉丝互动贴吧，进行众创、众包、众筹互联网模式的有益尝试。这是中信银行信用卡中心首次以粉丝为中心，使粉丝与中信信用卡形成紧密联结，实现以粉丝互动带来全新的社交传播和口碑效应。同时，基于百度贴吧移动社交平台的优势，真正实现了中信银行将粉丝全方位的引入到信用卡产品规划、设计和营销，创造极致的用户体验。
至此，中信银行信用卡中心率先完成了与国内互联网巨头的互联网金融布局，系统巩
固互联网金融的先发优势，实现弯道超车。未来，中信银行信用卡中心将继续通过互联网和大数据搭建更加智慧的信用卡生态系统，勇于突破，敢于创新，加速国际化进程，为更多客户带来极致体验。
1.名词解释
大数据：大数据（big data），是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。
信息不对称理论:信息不对称理论是指在市场经济活动中，各类人员对有关信息的了解是有差异的；掌握信息比较充分的人员，往往处于比较有利的地位，而信息贫乏的人员，则处于比较不利的地位。该理论认为：市场中卖方比买方更了解有关商品的各种信息；掌握更多信息的一方可以通过向信息贫乏的一方传递可靠信息而在市场中获益；买卖双方中拥有信息较少的一方会努力从另一方获取信息；市场信号显示在一定程度上可以弥补信息不对称的问题。
信号显示:是指具有信息优势的一方（拥有私人信息的一方）采取某种行动向信息劣势方（拥有公共信息的一方）发送相关信号，用以回避逆向选择，改进市场运行状况。
逆向选择:所谓“逆向选择”（adverse selection）应该定义为信息不对称所造成市场资源配置扭曲的现象。经常存在于二手市场、保险市场。虽然“逆向选择”的含义与信息不对称和机会主义行为有关，却超出了这两者所能够涵盖的范围之外，“逆向选择”是制度安排不合理所造成市场资源配置效率扭曲的现象，而不是任何一个市场参与方的事前选择。
机会主义行为：机会主义行为是指在信息不对称的情况下人们不完全如实地披露所有的信息及从事其他损人利己的行为。一般是用虚假的或空洞的，非真实威胁或承诺谋取个人利益的行为。如虚假广告、专利剽窃、偷税漏税、违约现象、偷懒行为等。
2.大数据在金融领域的应用
2.1用户授信：这其实是数据挖掘最早应用的领域之一，国内的数据挖掘最早基本上也是基于授信所需要的分类挖掘算法而发展的。基于大数据对用户信用风险进行判断，是一个重要的方向。特别是目前很多信用评估体系是依赖于国外的评估机构，如果能够基于大数据（看你能获得何种数据）来构建起信用评估机制来，这个会有市场。
2.2交易风险控制：这个跟用户授信不同。原来的数据挖掘能够实现对用户静态的信用评估，基于大数据的流式处理能力可以实现对用户的动态评估，即交易风险的判断。例如，当你发现同一个帐户在近乎相同的时间在不同的地区进行信用卡交易的时候，这个时候交易风险就产生了。客户的信用卡可能被盗，也可能存在欺诈交易行为。
2.3提现预测：目前互联网金融的一个很大的特定就是打破了原来流动性和收益率不能兼得的特征。而现在的很多“宝宝”能够两者兼得，除了跟创新有关外，在技术层面如果能够实现大数据对产品的支撑，会做得更高效。具体来说，“宝宝”们需要满足每天用户提现的需求，这就需要储备流动性强的资金，储备少了，会出现挤兑；储备多了，而资金不能得到充分利用，无法产生更多的收益。所以需要构建预测模型，实现对资金需求的有效预算与管理
2.4营销监控与评估：这个是容易被忽视的领域，因为是涉及到具体战术的工作。以后大多数人都关注营销效果的最终效果，比如搞了个客户营销产品，看最终转化了多少，但其实有很多环节可能会影响到用户的转化。比如接触情况，比如吸引性，比如消费滞后性等等。这些需要依赖于大数据基于更客户更准确的解答。
2.5流失预警：如果你能获取的数据可以洞察用户在整个相关产品里的使用行为，你就可以洞察用户潜在的流失风险与去向。例如，你会发现原来较优质的客户最近在一段时间里突然不太活跃了，这可能就会有风险，但是到底是最近比较忙没有交易？还是另有他爱了？这个需要依赖于大数据进行洞察。用户可能这段时间正在关注或已经购买竞争对手的产品，这可以提供更大的营销管理价值。
3.大数据在金融领域的具体运用描述
3.1大数据的增信和网络贷款
和我们银行业的贷款区别在哪呢，银行业是分析你的财务状况，分析你的还款能力，而大数据是自动的算出你的能力，假设这个数据充分的话，那么他就自动算出他的违约概率，
每个公司每个人都有一个动态的CDS，这个给出了一个连续的风险定价，然后把它换算出一个系数，你随时可以投资，随时还款，这就是大数据，云计算，高度计算和社区网络综合的运用。
3.2融资机器
我们在P2P人与人之间，机构与机构之间直接的接待，风险概率直接算出的话，这种模式就比现在的银行模式资本市场模式更加节约成本，这样说比较抽象。我们举一个例子，假如中国石化巨大的公司，它的自动违约概率非常充分的话，融资机器，中国石化挂出这个融资机器以后，给他融资股权也好，他随时给你分红，这样的话中国石化就不需要银行，不需要资本市场，每个人都可以随时成为它的股东，这个东西的基础原理就是大数据，云计算，搜索引擎，和油价每一刻的变动，算出它的股价的价格这样的话中石油的融资机器，他可以给出不同的指数来让大家融资，互联网金融这是发展最高的平台，这就是大数据在证券投资当中将来的运用。
3.3大数据的保险
我们现在定车险的费率，定出每一辆车不同的差别费率这个已经很先进了，大家大数据更先进，根据你这个人的行为数据，你会不会喝酒，你要不要送小孩，你昨天晚上睡得好不好，根据这算出这辆车的汇率。奥迪在研究一种互联网汽车，就是基于大数据的原理，基于GPS的原理，人坐上去不用开车了的，主动送到你上班的地方，那那个时候车险这个行业就没有了，起码在加州实现，这是事实发生的。一旦这个互联网汽车发明，车险行业整个没有了，这个东西不是说做不到的，他们认为这个完全做到的，因为第一辆无人架车已经实现了。
所以大数据在保险业的运用是最充分的，因为整个信息数据化了。中筹可以在网上筹资，直接筹资不用通过交易所，不用通过证券公司，每个人可以拿出自己的项目来，像中国比较典型的天使投资等等，这些东西大幅度的降低金融交易的成本和信息不对称，大幅度的提高风险管理的效率，使金融业脱没了。大家都知道这是一个很典型的经济学，在时间和空间的上，每一个交易的市场总是有一个边界，但是互联网把人类可交易的可能性扩大。所以说这个交易成本的下降是不可估量的，再加上银行界的公司，加上保险业，我估计整个中国的交易成本，如果这个交易成本没有了
现在金融业给国家提供了4万亿的税收工资，当然我们公司也是吃了一大部分，所以说
这个交易成本是巨大的，但是互联网金融就把这个交易成本大幅度的下降，还有理解互联网金融一定要理解互联网精神，互联网精神跟我们金融精神是正相反的，互联网金融是去中心，平等选择普惠民主，分工专业化我们金融业都交出来，怎么定价，互联网金融人与人之间的互相交易，将来这样风险定价全部变成APP，就跟你在苹果商店买APP一样，每个人不用懂软件，就能玩一样，将来金融产品会简单化，所以理解互联网金融的关键支付，特别是第二点金融产品与支付的挂钩，就是说你通过余额宝，只要在0.1秒他就有利息，你就感觉到投资收益完全一体化了，余额宝他把投资一体化了，你不知道余额宝到底算金银还是货币，余额宝年底是1850亿，80%是30岁以下的人，将来90后的人一辈子没去过银行柜台，你在家里完全可以搞切除你这个人是真是假，因为你的眼球，你的DNA完全可以通过电脑辨别，所以用不着银行开户，这些90后根本就不知道银行柜台在那里，完全是网上支付。
3.4大数据有助于精确金融行业市场定位
企业想进入或开拓某一区域金融行业市场，首先要进行项目评估和可行性分析，只有通过项目评估和可行性分析才能最终决定是否适合进入或者开拓这块市场。如果适合，那么这个区域人口是多少？消费水平怎么样？客户的消费习惯是什么？市场对产品的认知度怎么样？当前的市场供需情况怎么样？公众的消费喜好是什么等等，这些问题背后包含的海量信息构成了金融行业市场调研的大数据，对这些大数据的分析就是我们的市场定位过程。
3.5大数据成为金融行业市场营销的利器
今天，从搜索引擎、社交网络的普及到人手一机的智能移动设备，互联网上的信息总量正以极快的速度不断暴涨。每天在、Twitter、微博、微信、论坛、新闻评论、电商平台上分享各种文本、照片、视频、音频、数据等信息高达的几百亿甚至几千亿条，这些信息涵盖着、商家信息、个人信息、行业资讯、产品使用体验、商品浏览记录、商品成交记录、产品价格动态等等海量信息。这些数据通过聚类可以形成金融行业大数据，其背后隐藏的是金融行业的市场需求、竞争情报，闪现着巨大的财富价值。
在金融行业市场营销工作中，无论是产品、渠道、价格还是顾客，可以说每一项工作都与大数据的采集和分析息息相关，而以下两个方面又是金融行业市场营销工作中的重中之重。一是通过获取数据并加以统计分析来充分了解市场信息，掌握竞争者的商情和动态，知晓产品在竞争群中所处的市场地位，来达到“知彼知己，百战不殆”的目的；二是企业通过积累和挖掘金融行业消费者档案数据，有助于分析顾客的消费行为和价值趣向，便于更好地为
消费者服务和发展忠诚顾客。
以金融行业在对顾客的消费行为和趣向分析方面为例，如果企业平时善于积累、收集和整理消费者的消费行为方面的信息数据，如：消费者购买产品的花费、选择的产品渠道、偏好产品的类型、产品使用周期、购买产品的目的、消费者家庭背景、工作和生活环境、个人消费观和价值观等。如果企业收集到了这些数据，建立消费者大数据库，便可通过统计和分析来掌握消费者的消费行为、兴趣偏好和产品的市场口碑现状，再根据这些总结出来的行为、兴趣爱好和产品口碑现状制定有针对性的营销方案和营销战略，投消费者所好，那么其带来的营销效应是可想而知的。因此，可以说大数据中蕴含着出奇制胜的力量，如果企业管理者善于在市场营销加以运用，将成为金融行业市场竞争中立于不败之地的利器。
结束语
随着论坛、博客、微博、微信、电商平台、点评网等媒介在PC端和移动端的创新和发展，公众分享信息变得更加便捷自由，而公众分享信息的主动性促使了“网络评论”这一新型形式的发展。微博、微信、点评网、评论版上成千上亿的网络评论形成了交互性大数据，其中蕴藏了巨大的金融行业需求开发价值，值得企业管理者重视。
网络评论，最早源自于互联网论坛，是供网友闲暇之余相互交流的网络社交平台。在微博、微信、论坛、评论版等平台随处可见网友使用某款产品优点点评、缺点的吐槽、功能需求点评、质量好坏与否点评、外形美观度点评、款式样式点评等信息，这些都构成了产品需求大数据。同时，消费者对企业服务及产品简单表扬与评批演变得更加的客观真实，消费者的评价内容也更趋于专业化和理性化，发布的渠道也更加广泛。作为金融行业企业，如果能对网上金融行业的评论数据进行收集，建立网评大数据库，然后再利用分词、聚类、情感分析了解消费者的消费行为、价值趣向、评论中体现的新消费需求和企业产品质量问题，以此来改进和创新产品，量化产品价值，制订合理的价格及提高服务质量，从中获取更大的收益。
参考文献
[1] 徐赐发. 大数据时代金融企业面临的挑战[J]. 2012中国国际信息通信展专刊，2012 [2] 刘静如. 大数据：金融企业的盾与剑[J].科学技术与工程，2011
[3] 陈航． 后危机时代金融创新与风险管理的协调发展 [J] ．财经研究，2011（12）：27-31 [4] 林兰钧．金融创新与金融风险管理措施的初探 [J]. 金融经济，2012（3）：21-25 [5] 何弟. 金融风险管理的VAR方法及其应用 [J]. 时代金融，2012（27）：87-88. [7]李润春. 金融创新与金融风险管理刍议 [J].华东理工大学学报（社会科学版）2010（1）： 41-46.
[8]刘晓婧，杜文意. 我国金融风险管理研究综述 [J].预测，2011（2）：6-9
