中國悠悠期刊咨詢網是專業從事評職稱論文發表,核心期刊征稿,核心期刊發表,學術論文發表等服務的論文發表期刊咨詢網。
展開

大數據在證券行業的應用

發布時間:2020-06-09   |  所屬分類:證券:論文發表  |  瀏覽:  |  加入收藏

  在信息爆炸的時代,高新技術的發展為大數據技術的應用提供了良好的土壤,證券行業的業務同質化、獲利空間不足等問題在大數據的背景下,將迎來轉機。企業若能從海量多維度數據中提取有效成分,為決策提供指導,就可以提升企業運營效率,拓寬業務廣度,控制業務風險,進行針對性營銷,推進監管制度改革。面對硬件性能限制、數據分散且安全性難保障、人才缺口大等問題,企業必須在大數據的潮流之中不斷創新和完善,以獲取發展。

大數據在證券行業的應用

  關鍵詞:大數據;證券行業;應用

  一、大數據特點

  大數據,也就是從海量由后臺計算機自動收集、存儲的不同類型和結構的數據中進行挑揀,篩出可利用的數據,通過加工、處理,為商業決策提供依據,最終創造價值。這種利用直觀數據,用客觀的視角去分析的方式,可以一定程度上糾正人們直覺判斷的缺陷。大數據具有以下幾個顯著特征:規;涸谌蛞曇跋,數據量正以驚人的速度持續增長,在社交媒體、移動端、各類傳感器、探測器等無時無刻地產生和更新。多樣化:大數據包含了結構化數據和非結構化數據。其中,非結構化數據占據了超過總量的80%,其蘊藏的價值不可小覷,但對數據的存儲、處理提出了更高的要求。高速化:現如今,證券行業、新聞業等行業以及人們在日常生活中的各類需求都亟待數據的快速處理分析能力。數據的高速處理以獲取市場動態信息、客戶信息并作出適應性決策已經成為影響企業核心競爭力的重要因素。價值化:數據量之大并不意味著數據的價值就能立刻隨之提升,海量的數據需要我們深入分析和挖掘,從而做出預測性判斷,才能夠體現大數據的價值,否則僅僅是數據的堆砌而已。

  二、證券行業如今面臨的挑戰

  近年來,證券行業業內競爭越來越激烈,行業業務同質化,依靠通道業務的營業模式難以持續。大量交易數據和其他類型的數據處理后所衍生的價值密度較小,且處理速度較慢。行業監管各部分中,相較于發行、承銷、上市監管,交易監管是難點,加上監管制度的僵化,其實際監管效果也一直存有疑慮。要想在這場較量中取勝,企業急需推動現有業務轉型和多元化服務。在大數據的背景之下,通過收集外部交易數據、用戶行為數據以及來自互聯網的非結構化數據,運用圖像識別、語言處理等分析手段和開源平臺上發布的各類算法,得以提取出數據中的有效成分,為企業提供指導性、預測性決策支持。能否抓住機遇調整自身和不斷創新,這就是企業生存與否的決定性條件。

  三、大數據技術的應用

  由于數據樣本量規模之大,且高度動態化,無法使用集中式數據庫存儲,所以需要將數據分解到各子單元來處理,使計算機均衡負載。通過分類、聚類、回歸分析、尋找關聯規則、神經網絡等方法進行數據挖掘,再采用Hadoop、MapReduce等技術手段將數據分解、分塊在不同任務區處理后輸出結果,最終做出預測性分析。為獲得第一手資料,可將基礎任務分派至平臺,基于客戶的分布特征,為與客戶直接接觸的一線員工提供數字化工具,從而在全媒體平臺上收集客戶的需求信息,進行分布式管理,再根據傳統量化模型,發掘市場機會,提供有側重點的相關信息支持,有針對性地服務,在全局視角下調整經營策略。大數據平臺的總體框架,主要分為平臺、引擎和行業數據模型。這其中平臺包含了對多類型數據采集與整合,對系統運行和數據質量的管控,提供數據支撐、流量監控和數據安全性保障的服務功能。引擎分為計算和數據流引擎。計算引擎包括批量計算、實時計算引擎和分析引擎,最終目標為實現精益化計算?梢宰远x、靈活改變運算流程,也可進行多模式計算,且適配企業基礎組件。數據流引擎則是涉及組建、設計、管理、監控的分部處理。最后,行業數據模型可在梳理和改善業務流程的基礎上,從業務、領域、邏輯、物理幾個層面上建模,形成全方位、系統化的數據視角。結合企業自身特點,構建出一個嚴整的大數據平臺,可為證券行業長期發展道路指引方向。具體應用方向有以下幾點:服務創新:傳統證券行業服務較為單一,主要靠通道業務來獲取利潤,這就極易導致同質化競爭。而且完全依靠成本優勢去攫取市場并不符合長期發展規劃。而通過大數據,證券行業可以著眼于包含增值業務的綜合類金融業務,突出自身優勢和特色,以實現差異化競爭。精細化管理:以往由于可利用的數據和信息的匱乏,造成了在某些方面的管理不善或缺失。但通過對海量數據的采集、分析,進行目標細化,最終作出有價值的預測。一方面,貨幣資金、權益乘數、杠桿率等財務層面的重點指標需要具體設置對應的目標區間;另一方面,利用大數據得到的各類指標,進行聚類分析,可對客戶市場再進行細分,分別進行管理。個性化服務:通過對客戶風險偏好、投資特性、類型喜好、投資者情緒等客戶資料深入研究,進行客戶畫像的描繪。通過量化模型等低成本和低門檻的方式,為客戶制定投資方案,有針對性地開展營銷,以此提高成功概率,充分開發客戶資源。

  四、大數據技術為證券行業帶來新機遇

  (一)企業業務高效運營,創新業務運營新思路

  企業日常運營與大數據緊密結合,智能服務于企業,能夠縮短數據分析周期,提升運營效率;A業務重復性強,非常繁瑣,大數據的運用可以促成大量全自動化結果的生成,大幅度提高基礎業務的處理速度。另外,以芝加哥的RSMetrics衛星情報分析公司為例,該公司采用衛星遙感技術,采集各商鋪、辦公用地等地的停車場流量信息,可以推斷地區的客戶流量信息和銷售情況,由此進一步推斷企業的運營狀況。這種高效、準確、智能化的方式下相較于傳統的人工人分析手段,優勢不言而喻。

  (二)基于大數據技術的新式思維,尋找新的業務機遇

  主要依托通道業務收取傭金的傳統方式已經難以獲利,引入大數據的新思維,促進業務的多元化發展,能解決證券行業業務同質性的問題,從根本上提升企業綜合競爭力。美國的ZestFinance互聯網金融公司和英國的WongaP2P平臺引入了大量非結構化數據,以難以獲得傳統金融支持的小型用戶為主要目標對象,創新算法和分析模型,構建信息網絡,進行有效地風險評估,創造了大量業務機會。

  (三)創建數據標簽,構建相關模型,進行智能化營銷

  依托全媒體平臺構建數據庫系統,將結構化和非結構化數據分開建立數據子庫后,在進行數據存儲之前,賦予數據更多內容特征,設置多種標簽和索引,以便快速查找數據。同時,用戶的常用關鍵字也將自動錄入并生成新的標簽,創建出客戶購買傾向模型、客戶忠誠度模型、客戶投資能力模型等。也就是說,標簽和索引的生成是智能的,這些模型也是具有適應性的。于是,基于這種動態的數據管理系統,輔以可視化技術,證券公司可以更有針對性、更高效、更直觀地向各類客戶群體推送信息。

  (四)更好地管控企業業務風險

  利用大數據和相關技術,構建合理管控企業業務風險的系統。隨著數據量的增大,加之合理且高效的篩選、整合、處理分析,基于此的風險控制和信用管理體系可以具備更高的準確性,也可以進行實時動態監測,以達到更優的事前、事中、事后控制效果。目前,證券行業在事前風險控制尚有欠缺,在開展互聯網金融業務的同時,必須關注信用的核心地位,樹立風險控制意識,通過多元化數據和模型建立傳統與互聯網金融相結合的風險控制、征信體系,以減少產品風險系數與客戶風險承擔能力不匹配的情況。另外,尋求不同金融領域和機構的合作、數據共享,將得以增加數據的容量和有效性。

  (五)推動證券監管制度變革

  傳統的證券監管制度著重違法行為的事后處罰,而對交易監管,尤其是內幕交易監管,因其隱蔽性較強、界限模糊,仍難以捕捉。這一問題的根源在于信息披露不全面和處理程度不深。此外,由于監管方式的選擇,與市場效率的提升產生了一定的沖突。而引入大數據觀念和技術,就是彌補傳統證券監管制度缺陷、推動證券監管制度變革的重要拐點。將分析樣本延伸至全社會全數據,利用數據間的相互驗證,提高準確度;工作重心轉向數據分析和工具優化,分析側重點趨向數據相關分析;對市場主體的活動監管從監管交易者的直接行為擴展到關聯行為,進行全方位監管,提高事前預防水平。為了避免降低市場效率和保障數據的安全性,就有必要對數據進行標準化處理,以及數據使用和分析標準立法,來約束大數據的收集、使用和分析行為。

  五、大數據技術應用仍面臨重重阻礙

  大數據技術在證券行業的應用難題主要集中在在收集、處理、共享這幾方面。后臺計算機收集的數據量極大,且數據來源具有多維度性,但又無法全部存儲導致客觀上硬件的性能不足,數據運行時間過長。而每一天所產生的新、舊數據,都需要進行迭代處理。如何進行新模型的建立,如何進行有價值信息的挖掘,從而得到預測性、指導性結論,就成了中心任務。另外,由于證券行業業務的復雜性,這些數據通常被分散在各個部門,導致大量割裂數據在部門之間暢通性受阻、數據冗余、缺乏邏輯性等問題,因而難以整合。數據的訪問方式較為單一,也造成了專項數據支持力較弱的結果。此外,在運用大數據技術、與外部機構數據共享的同時,如何保障用戶信息的安全性,提高風控能力,也面臨著新的挑戰。大數據應用的趨勢不可抵擋,但想要在企業中扎根落地,不僅需要頂層戰略支持,還需要積極培養具有交叉學科經驗和豐富創造力的團隊,這才是提升企業綜合競爭力的核心問題。而當今證券行業中,此類人才比例很小,如何發掘同時具備金融、系統工程、經濟學、算法、互聯網領域知識的人才就成了重中之重。否則投入了大量資金,也將難以突破重重壁壘,將數據的價值發揮出來。

  六、結論及建議

  在證券行業激烈競爭、數據價值密度低、業務缺乏多樣性的背景下,企業必須利用好大數據技術,為自身謀發展,方能長存。大數據的思維和相關技術能夠推動企業高效運營,開發新業務,智能化營銷,業務風險合理管控,監管制度改革。但其應用仍面臨著重重阻礙,硬件性能不足、異構化數據難整合、信息共享的風險、復合型人才缺口這些難題亟待解決。因此,貫徹大數據思維,結合自身企業特點建立大數據平臺,推動技術和模型的創新和優化,完善相關制度,發掘和培養復合型人才團隊,構成“用數據解決問題”和“解決數據問題”的循環體系,是解決上述難題的關鍵路徑。

  參考文獻:

  [1]證券公司利用大數據完善風控體系的必要性與可行性分析[J].華北金融,2016(06).

  [2]薛輝.在證券行業中挖掘有價值“大數據”的探討[A].中國新聞技術工作者聯合會.中國新聞技術工作者聯合會2015年度“新聞科技論文”優秀論文集[C].中國新聞技術工作者聯合會,2015.

  [3]王軍龍.基于大數據背景下分析國泰君安和中信證券股份有限公司[J].中國戰略新興產業,2018(24).

  [4]徐天譽.大數據技術在證券行業的分析[J].信息通信,2018(09).

  [5]孟琳.大數據背景下證券監管制度的變革——以防控內幕交易為例[J].法制博覽,2015(31).

  [6]楊龍.借力大數據技術證券行業迎轉型契機[J].清華金融評論,2017(08).

  作者:黃潔瑩


轉載請注明來自:http://www.208998.tw/zhengquanlw/21709.html

    上一篇:證券投資實戰策略
    下一篇:次級資產支持證券定價與投資

    锦牛网