劉恩猛 劉家鵬

摘 要 大數(shù)據(jù)的應(yīng)用為金融風(fēng)險管理提供了更多的決策信息，也對金融風(fēng)險管理技術(shù)提出了更高的要求。本文討論了金融工程專業(yè)相關(guān)實踐課程中引入大數(shù)據(jù)風(fēng)控相關(guān)內(nèi)容的可能，意在提高學(xué)生風(fēng)險管理意識和管理技術(shù)水平，適應(yīng)社會人才的需要。

關(guān)鍵詞 大數(shù)據(jù)風(fēng)控 金融風(fēng)險管理 實踐教學(xué)

0引言

2008年全球金融危機(jī)后，我國經(jīng)濟(jì)增速放緩，金融市場波動加大，風(fēng)險控制與管理成為金融部門或企業(yè)工作內(nèi)容不可或缺的一部分。然而，傳統(tǒng)金融風(fēng)險管理主要是定性分析和一些傳統(tǒng)的（系統(tǒng)內(nèi)數(shù)據(jù)）定量分析相結(jié)合來構(gòu)建風(fēng)險管理體系，這在應(yīng)對當(dāng)前金融市場的頻繁波動時顯的不夠靈敏。這些金融風(fēng)控中的不足可以利用大數(shù)據(jù)風(fēng)控加以改進(jìn)，而這些改進(jìn)所需知識和技術(shù)，可以融合在金融工程專業(yè)本科教學(xué)的一系列相關(guān)實踐課程中，比如應(yīng)用統(tǒng)計學(xué)、金融計量學(xué)、金融數(shù)據(jù)挖掘、金融風(fēng)險管理、保險學(xué)（保險精算）、量化投資、互聯(lián)網(wǎng)金融等，這對原有的金融實踐課程教學(xué)提出新的挑戰(zhàn)。

1大數(shù)據(jù)風(fēng)控的特點

大數(shù)據(jù)的出現(xiàn)與應(yīng)用讓金融風(fēng)險控制方法和信息來源都有了質(zhì)的飛越。大數(shù)據(jù)具有數(shù)據(jù)量大、信息豐富等優(yōu)點，但也存在數(shù)據(jù)結(jié)構(gòu)復(fù)雜，處理難度大的問題。風(fēng)險管理中若能用好大數(shù)據(jù)，可以增加信息來源，為多源信息融合提供有利條件，可以提高風(fēng)險管理有效性。當(dāng)前利用大數(shù)據(jù)做風(fēng)險控制既有優(yōu)勢也有困難，優(yōu)勢是：覆蓋面廣、信息維度豐富、數(shù)據(jù)獲取及時;注重強(qiáng)相關(guān)信息，忽略弱相關(guān)信息;可以豐富數(shù)據(jù)的廣度和深度;困難是：隱私得不到保護(hù)，數(shù)據(jù)查得率不高，數(shù)據(jù)覆蓋率不高，匹配率不高，飽和度不高，鮮活度不高。隨著網(wǎng)絡(luò)信息監(jiān)管的加強(qiáng)，信息來源也會越來越規(guī)范，為提高大數(shù)據(jù)質(zhì)量提供了有利條件。

2大數(shù)據(jù)風(fēng)控在金融實踐教學(xué)中的應(yīng)用

將大數(shù)據(jù)的理論與應(yīng)用融入金融教學(xué)實踐中，可以增加學(xué)生獲取、利用大數(shù)據(jù)的技術(shù)手段，提高其風(fēng)險管理的技術(shù)水平;開拓學(xué)生視野，提高金融風(fēng)險管理的能力，加強(qiáng)學(xué)生利用大數(shù)據(jù)進(jìn)行金融風(fēng)險管理的意識。和傳統(tǒng)的風(fēng)險控制理論相比，金融大數(shù)據(jù)的搜集（多種技術(shù)手段）和應(yīng)用（傳統(tǒng)數(shù)據(jù)、商業(yè)數(shù)據(jù)庫大數(shù)據(jù)和網(wǎng)絡(luò)搜集的數(shù)據(jù)等多源信息的綜合利用）可以提高風(fēng)險管理效率，在原有傳統(tǒng)的風(fēng)險管理理論基礎(chǔ)上增加風(fēng)險信息來源與決策模型的選擇，提高風(fēng)險管理的有效性，適應(yīng)社會人才需求。學(xué)生可以在不同的課程中學(xué)習(xí)大數(shù)據(jù)風(fēng)控方法和技術(shù)，比如我們可以將其融入到下列課程中。

2.1在統(tǒng)計學(xué)、金融計量學(xué)、金融數(shù)據(jù)挖掘等課程中講解大數(shù)據(jù)統(tǒng)計理論

大數(shù)據(jù)的出現(xiàn)與應(yīng)用，對傳統(tǒng)統(tǒng)計工作提出了挑戰(zhàn)，原有的統(tǒng)計方法可能在面對大數(shù)據(jù)時會無能為力，需要提出新的統(tǒng)計方法才能解決現(xiàn)實問題，如高維變量的選擇、并行計算，利用文本挖掘等技術(shù)獲得數(shù)據(jù)等，這些可以在講解統(tǒng)計模型理論時提及，讓學(xué)生對大數(shù)據(jù)問題有所認(rèn)識，在金融數(shù)據(jù)挖掘課程實驗中重點講解適合大數(shù)據(jù)風(fēng)控的模型。

2.2在python語言、金融數(shù)據(jù)挖掘課程中講解相關(guān)獲取和利用大數(shù)據(jù)的技術(shù)

大數(shù)據(jù)信息可以由視頻、語音、圖片、文本、數(shù)字等形式表現(xiàn)，但這些信息中90%是以文本的形式體現(xiàn)的，所以信息的提取技術(shù)非常關(guān)鍵，常用的技術(shù)是網(wǎng)絡(luò)爬蟲和文本挖掘等，這些可以在python語言、金融數(shù)據(jù)挖掘等課程中講解相關(guān)技術(shù)。另外，大數(shù)據(jù)獲取后的清洗、整理與利用也非常關(guān)鍵。數(shù)據(jù)清洗是python的強(qiáng)項，處理與應(yīng)用可以在金融計量（常用的是Eviews軟件）或金融數(shù)據(jù)挖掘（常用的r語音）中講解。

2.3在金融風(fēng)險管理、互聯(lián)網(wǎng)金融課程中講解大數(shù)據(jù)風(fēng)控的應(yīng)用

利用網(wǎng)絡(luò)爬蟲、文本挖掘等方法獲得大數(shù)據(jù)，并將其利用在欺詐行為識別、貸前風(fēng)險控制、運營風(fēng)險管理等。如對P2P平臺借款者違約風(fēng)險評估中，平臺能通過金融系統(tǒng)獲得一些傳統(tǒng)的征信數(shù)據(jù)，僅憑這些數(shù)據(jù)提供的決策信息有限，借款人可能有大量的信用相關(guān)信息散落在網(wǎng)絡(luò)上，這些信息重要但分散，需要利用相關(guān)數(shù)據(jù)挖掘技術(shù)查找并提煉，比如可以找出借款人經(jīng)驗及能力信息、居住穩(wěn)定性信息、借款人及其家人健康信息和信用風(fēng)險方面的信息（如不良信用記錄、拖欠稅費、電費等情況，還款能力問題等）。

2.4在信用評級課程中，利用大數(shù)據(jù)改善傳統(tǒng)評級方法中信息利用的局限

評級機(jī)構(gòu)搜集被評級對象的公開信息與非公開信息，傳統(tǒng)的搜集方法容易遺漏，造成評級時的信息不充分。這里可以借助大數(shù)據(jù)，在網(wǎng)絡(luò)上搜集各類公開或非公開的文本信息進(jìn)行提煉和加工，為劃定評級結(jié)果提供更多的信息。比如可以利用文本挖掘技術(shù)搜集有關(guān)被評級公司運營的情況，包括物流信息、與合作伙伴關(guān)系（如拖欠貨款、交貨逾期等）、消費者對其的評價等。

信用評級中的幾個難點可以利用大數(shù)據(jù)得到緩解，比如被評級主體的戰(zhàn)略風(fēng)險和還款意愿的量化問題。這兩項在機(jī)構(gòu)評級中往往作為調(diào)整項，無法真正量化，但兩項內(nèi)容對應(yīng)違約風(fēng)險來說是非常關(guān)鍵的。我們可以利用文本挖掘，采集、挖掘公司相關(guān)信息，評估公司的還款意愿，評估戰(zhàn)略風(fēng)險對違約風(fēng)險的影響。比如在專利數(shù)據(jù)庫可以利用文本挖掘技術(shù)，發(fā)現(xiàn)企業(yè)主營產(chǎn)品的技術(shù)創(chuàng)新趨勢，和企業(yè)的創(chuàng)新戰(zhàn)略作對比，判斷企業(yè)戰(zhàn)略的合理性。在網(wǎng)絡(luò)信息中挖掘被評級對象的信用風(fēng)險相關(guān)信息，確認(rèn)其還款意愿的高低。

2.5保險（精算）學(xué)課程中，可利用大數(shù)據(jù)提高精算精度、甄別理賠欺詐等

現(xiàn)在保險行業(yè)對投保人或標(biāo)的物的風(fēng)險評估已經(jīng)不再局限于歷史數(shù)據(jù)和行業(yè)數(shù)據(jù)。以車險為例，車載傳感器設(shè)備收集的駕駛員行為數(shù)據(jù)、二手車交易數(shù)據(jù)等大數(shù)據(jù)的獲取和利用，為風(fēng)險特征描述和數(shù)據(jù)資源的獲取都帶來了便利。對保險精算師來講，充分利用大數(shù)據(jù)資源，可以建立更有效的模型，更精準(zhǔn)的識別對象的潛在風(fēng)險，提高精算準(zhǔn)確度，幫助公司更準(zhǔn)確的評估風(fēng)險和計算準(zhǔn)備金。

另外，通過保單數(shù)據(jù)、理賠記錄（不限于公司內(nèi)）、社交網(wǎng)絡(luò)數(shù)據(jù)、犯罪記錄等多樣化的大數(shù)據(jù)源，輔之以有效的算法和模型可以識別投保人存在的欺詐風(fēng)險、理賠中可能存在的騙保等欺詐行為，還可能挖掘出欺詐的方式等。

3可行性分析

以中國計量大學(xué)經(jīng)濟(jì)與管理學(xué)院為例，分院建有金融工程實驗室，為大數(shù)據(jù)風(fēng)控引入實踐教學(xué)提供了硬件基礎(chǔ);分院還購買了wind、同花順等金融數(shù)據(jù)庫，再借助網(wǎng)絡(luò)爬蟲、文本挖掘等技術(shù)就構(gòu)建多源信息的大數(shù)據(jù)，為風(fēng)險控制與管理提供數(shù)據(jù)支持。本校的金融工程系學(xué)生（二年級及以上）具備了良好的經(jīng)濟(jì)、金融知識和定量分析的基礎(chǔ)，對于學(xué)習(xí)大數(shù)據(jù)理論及模型應(yīng)用奠定了堅實的基礎(chǔ)。有了獲得大數(shù)據(jù)的技術(shù)支持，相關(guān)教學(xué)中案例數(shù)據(jù)可以經(jīng)常更新，讓學(xué)生接觸實際中大數(shù)據(jù)應(yīng)用的需求，認(rèn)識大數(shù)據(jù)的價值。

4總結(jié)

本文從金融實踐教學(xué)的角度討論了對大數(shù)據(jù)風(fēng)控的引入，目的是使學(xué)生學(xué)會大數(shù)據(jù)統(tǒng)計思維，并學(xué)習(xí)大數(shù)據(jù)在金融風(fēng)險管理方面應(yīng)用的技術(shù)，為將來適應(yīng)社會需求、從事風(fēng)險控制工作做好準(zhǔn)備。網(wǎng)絡(luò)時代帶來了信息爆炸，如何應(yīng)用好海量信息是金融風(fēng)險管理者需要思考的問題。我們認(rèn)為從金融（工程）的本科教育就開始灌輸大數(shù)據(jù)統(tǒng)計思維，教授大數(shù)據(jù)技術(shù)是個不錯的嘗試。

參考文獻(xiàn)

[1] 陳曉華，曹國嶺.互聯(lián)網(wǎng)金融風(fēng)險控制[M].人民郵電出版社，2016.

[2] 黃曉斌，趙超.文本挖掘在網(wǎng)絡(luò)輿情信息分析中的應(yīng)用[J].情報科學(xué)，2009（01）：96-101.

[3] 劉蘭，趙新力，李艷.基于文本挖掘和技術(shù)路線圖的技術(shù)創(chuàng)新機(jī)會發(fā)現(xiàn)[J].中國軟科學(xué)，2007（06）：102-105.

[4] 王星等.大數(shù)據(jù)分析：方法與應(yīng)用[M].北京：清華大學(xué)出版社，2013.

[5] 朱建平，謝邦昌，馬雙鴿，張德富，方匡南，潘璠.大數(shù)據(jù)統(tǒng)計理論、方法與應(yīng)用[M].北京：北京大學(xué)出版社，2019.