大数据时代金融风险预测及防范对策

刘威 南开大学经济学院

引言：近年来，金融行业的发展中积累了大量的数据，这些大量的数据成就了大数据技术在金融行业中的成功应用。时代经济的发展使得金融行业的信息趋向于复杂化，也正因为如此，金融行业中原有的预测手段和防范对策已经不能跟上行业发展的脚步。如何开发新的风险预测手段和防范对策是整个金融行业共同关注的问题。基于大数据技术的发展以及大数据在其他行业中应用的成功案例，当前大数据技术也开始广泛应用于金融行业的风险预测和防范对策的发掘。大数据能够通过对以往积累的大量数据的计算和分析，有效发掘出数据中隐藏的信息，并且可以供给有关人士参考利用，实现对行业的实时风险监控和管理的有效提高。

一、大数据的基本内涵及应用发展状况

（一）内涵概述

“大数据”是一个体量巨大、数据类型非常大的数据集。作为现代社会的一个重要资产，在数据分享方面具有重要作用。大数据的基本特征可以概括为四个点，即数据量庞大、数据类型多、可高效进行数据的获取和处理、数据真实。

（二）我国大数据产业发展情况

一是随着移动互联网、物联网、云计算产业的深入发展，以及大数据国家战略的加速落地，大数据体量呈现爆发式增长态势。根据赛迪顾问研究显示，中国大数据产业受宏观政策环境、技术进步与升级、数字应用普及渗透等众多利好因素影响，2018年整体规模达到4384.5亿元，预计到2021年将达到8070.6亿元，持续促进传统产业转型升级，激发经济增长活力，助力新型智慧城市和数字化建设。

（三）应用情况

从技术角度来看，大数据技术的应用热度主要集中于数据挖掘与大数据信息服务，其次是数据采集、数据清洗、数据整合、可视化以及增值服务，大数据技术在数据安全与数据交易领域的应用热度较低。从业务角度来看，大数据技术应用热度最高的是风险控制领域，其次是业务转型、内部管理等，其在广告营销、供应链管理等领域的应用热度较低。从行业角度来看，大数据技术应用热度最高的是服务业，主要集中于金融、政务、电商和交通等领域，其次是社会治理、电信等。

二、金融信息工作面临的挑战

（一）收集数据方面

统计口径和覆盖面在不同业务单位的应用领域不同，并且收集标准和验证规则不同,导致大量重复统计数据和检查困难,反过来又降低数据准确性和可靠性。

（二）数据管理方面

主要存在“不同的数据结构和数据库、分散式数据存储问题、不同的存储介质问题、缺乏统一的基本代码”，导致企业系统之间缺乏沟通和连接困难，阻碍了不同经济和金融指标的共享使用。

（三）数据使用需求

从使用这些数据的需求的角度来看，决策者的数据需求需要各个业务部门共同配合才可以完成，以解决数据时效性的问题。业务专家有时不得不在部门间合作分析数据。数据处理周期很长，处理过程很复杂，这就存在着高复杂性和低效率的问题。

三、大数据在金融领域的应用及影响

（一）大数据与金融风控

随着我国的发展和信用体系的完善，金融业也逐步得到发展。目前，传统金融风险管理方法已经无法满足需求，而将金融风控和大数据进行整合，结合之后对金融风险管理有着积极作用。大数据技术的应用能够对不同信息的内部关系进行分类和分析，并识别数据中的风险，从而提高识别和控制风险的能力[2]。不同类型的信息可以进行量化，用数据来表示，大数据技术通过这些数据表示可以识别分类金融风险类型，并且对风险情况进行监控。该技术能够依照用户的行为数据，对用户未来行为数据进行预测，以达到降低风险的目的。在金融风险管理领域当中，信用管理部分是大数据的主要应用模块。在金融机构对客户进行贷款前，可以利用大数据技术，对客户的各项信息进行采集和分析，并将客户偿还贷款的主管意愿和偿贷能力当做标准。

（二）大数据与金融监管

在新时代，“大数据+监管”的这种模式在工商局、法院和中国人民银行的数据等不同角度下都能反映情况，并能引入多种多样的全方位信息提供模式。这种模式也为进行科学合理的决策提供了依据[3]。同时，大数据技术使用区域财务数据，在特定规则和权重比例的基础上，自动计算出多地区各类财务指数。这是本地监测的导向数据，用于计算财务指数，进行动态分析，做出及时准确的金融监督决定，更有效地体现金融监督，促进金融产业健康发展。

（三）大数据与金融创新

1.金融技术创新

采用信息技术对数据进行收集、传输、处理也给金融方面带来了巨大的变化，更带来了金融技术的创新。大数据技术可以对大数据进行精细化处理，并切实提升金融业处理数据的效率。并且将大数据和金融技术相结合能够为金融业应用其他新技术带来积极作用，这就既能使大数据技术得到应用，同时也创新了金融技术。

2.金融服务创新

从大数据分析和多层次分析结果可以进行分析，为按照用户的要求提供准确有效的金融服务，根据特定特点合理分类用户。在全国试点项目“小微贷款”中，由于使用了大数据技术，在多角度全面收集和分析小企业的相关信息的同时，还可以提供快速和自助的贷款[4]。这也使得小企业贷款的传统思想和思路发生了根本性变化，能够利用企业非财务方面信息和数据，对小企业进行评估并提供适合的金融服务，使小企业都能享受到普惠融资。

四、基于大数据的金融风险分析

（一）信用方面

金融行业的信用风险主要由其在信贷方面的诚信度决定的。但是由于当今社会的快速发展，数据的真实性很难得到保证。金融企业在与客户建立了合作关系的时候，就会不可避免地面临由于客户的信用度及还款能力有限等带来的信用风险。大量不良信贷的出现，将会给整个金融行业带来发展危机。

（二）信息和数据方面

风险网络化的时代让金融行业的信息实现集中化。但是，由于科技的发展，大量数据的获取开始变得易如反掌，这也就导致了金融行业的信息安全存在隐患。金融信息是属于客户的私密信息，一旦泄露，将会给客户带来不可估量的损失。当前导致客户个人金融信息泄露的原因主要有两方面，一是客户信息围在金融行业的部门间实现共享，二是信息本身具有延迟和封闭的特点。数据的封闭性在一定程度上阻碍了金融行业对数据的分析，也因而进一步引发了数据方面的问题和隐患。

（三）金融受市场的影响

金融行业中，企业或个人在进行交易的不当行为以及金融企业对数据的垄断，导致了市场中共享的数据有时不真实。数据的不真实会使得对其风险预测和防范出现不真实现象，进一步加剧金融的市场风险[1]。与此同时，实力较强的企业对具有利用价值的金融数据进行垄断，这也间接降低了大数据的金融市场的调节能力，加剧了金融行业的市场风险。

（四）技术方面

金融企业要想发掘获取具有实用性的数据，需要大量的资金支持。这些资金主要用于聘用技术人才。只有通过技术人员用专业手段对大数据进行筛选和分析，企业才能够获取想要得到的信息。但是，目前部分企业存在人才发掘能力不足的现象，导致了企业无法获取有用信息进行利用，这也就使得了金融风险的提高。同时，也有部分企业存在对所获取信息保护不足的现象，这也会加剧金融风险。

（五）法律方面

互联网的发展让许多企业可以通过网络进行经营，长时间的线上经营也让企业获取了大量客户信息。但是，由于这些信息是通过网络获取的，并且具有一定的商业价值，这让一些不法分子开始打这些信息的主意。这些信息一旦被窃取，对企业和客户都会造成不可挽回的损失。此外，当前法律尚且没有对金融业务中数据方面的监管完整体系，法律方面的风险也因此变得不容忽视。

五、金融风险的防范对策

（一）转变思想，树立正确思想观念

要改变当前大数据的应用不足的局面，必须首先从思想方面开始转变，树立正确的战略思想观念。对大数据的应用，不能仅仅局限于分析数据产生的原因，而是更应该通过对大数据的分析进一步分析其相关性。同时，在进行数据分析时，要在保证准确的基础上提高效率。金融风险的走线可以通过大数据反映，对大数据的相关性的分析，能够帮助相应防范措施的发掘，减低分线指数，有利于金融企业和个人的利益。

（二）建立风险管理体系

制订针对客户的风险管理主要从三个方面着手。第一，无论面对线上还是线下的客户，都要利用现有科技资源，对客户的资料做到全方位的掌握[5]。第二，要善于运用大数据提供的便利对交易中的客户有全方面的了解，对其进行风险监控和提示。同时，要加强客户的风险意识，让其充分了解违约带来的后果。第三，要对零散的、不完全成型的数据进行整理，实现数据的统一化，这样有能够方便形成更加完善的针对客户的风险管理体系。

（三）企业间进行联盟，实现风险信息共享

减低企业金融风险的有效手段之一就是数据共享。打破当前数据垄断的局面，实现企业间数据共享有利于降低联盟双方的金融风险。联盟企业间的数据共享可以使得双方的数据库都得到扩大，能在实现对金融风险有效监控的同时，大程度减低风险。另外，数据共享平台的建立，能够企业各部门能够利用数据资源，借助其相关性，实现对客户信息的实时监控，降低风险的发生率。

（四）加强技术人员专业技能的培养力度

技术人员在金融行业的风险预测和防范中具有重要的作用。人才专业技能的提高，能够在一定程度上推动企业的发展[6]。金融行业中的数据分析等都需要大量的技术人员，培养技术人员，建立一支由专业技术人才构成的队伍，应该成为每一个追求发展的金融企业的不二之选。

（五）加速相应法律体系

建立完整的法律法规体系，能够成为金融风险防范和控制的保护罩。当前各行各业对大数据的运用十分广泛，但国家尚未出台相应的对大数据应用的法律法规。国家应该看到大数据发展的极大潜力，出台相应的切实有效的法律法规，让大数据能够得到相应的保护。法律的保护能够使金融行业的风险大大降低，促进大数据在金融行业的风险预测和防范方面发挥功效。

结束语：综上所述，金融行业作为我国改革开放以来发展迅速的行业之一，具有巨大的发展潜力，正当运用大数据这个时代产物能够促进金融行业的发展。基于金融行业本身具有的风险性，为促进其发展，应该合理利用大数据技术，增加其风险的可预测性。总之，应该基于大数据技术，对金融企业经营中的风险进行必要的预测及防范。