文程 羅長(zhǎng)青

摘 要：大數(shù)據(jù)是一種極其重要的國(guó)家戰(zhàn)略資源，對(duì)金融理論及實(shí)踐的影響既廣且深，文章梳理了大數(shù)據(jù)及相關(guān)技術(shù)對(duì)金融學(xué)的系統(tǒng)影響。在放松理論假設(shè)、革新研究工具、升華既有內(nèi)容與拓展新興領(lǐng)域四個(gè)方面，大數(shù)據(jù)將引起理性經(jīng)濟(jì)人假設(shè)再厘定、引入全樣本數(shù)據(jù)及相關(guān)性分析、設(shè)計(jì)高頻程式化交易規(guī)劃與強(qiáng)化互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)控制，從而重塑金融學(xué)。

關(guān)鍵詞：大數(shù)據(jù)；理性經(jīng)濟(jì)人；計(jì)算金融；高頻程式化交易；互聯(lián)網(wǎng)金融

中圖分類號(hào)：G642 文獻(xiàn)標(biāo)識(shí)碼：A 收稿日期：2020-01-30 文章編號(hào)：1674-120X（2020）14-0105-04

追根溯源，Apache.org的開(kāi)源項(xiàng)目Nutch中最早出現(xiàn)“大數(shù)據(jù)“一詞，意指在更新網(wǎng)絡(luò)搜索索引的同時(shí)需要分析和處理大量數(shù)據(jù)集。其后，隨著計(jì)算機(jī)網(wǎng)絡(luò)、云計(jì)算與數(shù)據(jù)挖掘的進(jìn)一步發(fā)展，大數(shù)據(jù)技術(shù)應(yīng)運(yùn)而生，在數(shù)據(jù)體量、結(jié)構(gòu)類型與處理速度上均獲得了質(zhì)的飛躍，并以數(shù)據(jù)驅(qū)動(dòng)的思維方式深刻地重塑著行業(yè)已高度數(shù)字化的世界，促進(jìn)了自然科學(xué)與社會(huì)科學(xué)的交互，促進(jìn)了定量分析與定性分析的融合，使數(shù)據(jù)真正成了一項(xiàng)足以與資本、勞動(dòng)力及自然資源不分伯仲，甚至有過(guò)之而無(wú)不及的戰(zhàn)略資源。在現(xiàn)代金融理論的框架下，各類金融主體在不同程度的有效市場(chǎng)中，收集定性與定量數(shù)據(jù)，緩解市場(chǎng)信息不對(duì)稱問(wèn)題，并通過(guò)設(shè)計(jì)交易策略和風(fēng)控模式來(lái)實(shí)現(xiàn)資金的跨期最優(yōu)配置。因此，市場(chǎng)假設(shè)、信息處理、交易行為和風(fēng)控模式是現(xiàn)代金融體系的核心要素。其中，市場(chǎng)假設(shè)是金融活動(dòng)的前提，信息處理是緩解信息不對(duì)稱問(wèn)題的重要手段，交易行為和風(fēng)險(xiǎn)控制是金融主體兩類最頻繁且主要的活動(dòng)，是“硬幣的兩面”。

大數(shù)據(jù)在金融領(lǐng)域的廣泛運(yùn)用，深化了金融學(xué)的基本理論，革新了金融學(xué)的分析工具，豐富了金融學(xué)的重要內(nèi)容，拓展了金融學(xué)的領(lǐng)域邊界，深刻改變了現(xiàn)代金融體系的核心要素?；谶@一理解，文章擬從理論假設(shè)到研究工具，從既有內(nèi)容到新興領(lǐng)域，從樣本數(shù)量到結(jié)構(gòu)類型，緊密結(jié)合當(dāng)前金融市場(chǎng)新興的高頻交易模式以及互聯(lián)網(wǎng)金融方興未艾的發(fā)展趨勢(shì)，依次探討有效市場(chǎng)假說(shuō)中理性經(jīng)濟(jì)人的再厘定、計(jì)算金融的全樣本數(shù)據(jù)及相關(guān)性挖掘、高頻程式化交易的策略時(shí)序規(guī)劃與互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)控制四個(gè)問(wèn)題，最后指明大數(shù)據(jù)金融的局限性。

一、有效市場(chǎng)假說(shuō)中理性經(jīng)濟(jì)人的再厘定

眾所周知，金融研究由定性向定量的決定性轉(zhuǎn)變，進(jìn)而涵蓋資產(chǎn)組合、資本資產(chǎn)定價(jià)、套利定價(jià)與期權(quán)定價(jià)等諸多主流模型與方法，實(shí)肇始于現(xiàn)代資本理論的產(chǎn)生，而有效市場(chǎng)假說(shuō)則是奠定整個(gè)現(xiàn)代資本市場(chǎng)理論的基石，是金融學(xué)中最為重要的七個(gè)理念之一。Kendall（1953年）發(fā)現(xiàn)股價(jià)時(shí)序類似于隨機(jī)漫步，認(rèn)為所有已知信息一定已經(jīng)反映于股價(jià)之中，股價(jià)只對(duì)不可預(yù)測(cè)的新信息做出上漲或下跌反應(yīng)，是隨機(jī)且不可預(yù)測(cè)的。Fama（1970年）將之深化為有效市場(chǎng)假說(shuō)（EMH），并將其分為三類：股價(jià)反映了全部可從市場(chǎng)交易數(shù)據(jù)中獲得信息的弱式有效市場(chǎng)、股價(jià)反映了所有公開(kāi)信息的半強(qiáng)有效市場(chǎng)、股價(jià)反映了全部與公司有關(guān)的公開(kāi)或內(nèi)部信息的強(qiáng)有效市場(chǎng)。

這一重要理論的建立依賴于一個(gè)基本而關(guān)鍵的假設(shè)，即資本市場(chǎng)中所有投資者均為“理性經(jīng)濟(jì)人”。這是一種新古典宏觀經(jīng)濟(jì)學(xué)假設(shè)，意指所有投資者為風(fēng)險(xiǎn)厭惡者，要求的高收益與其承擔(dān)的高風(fēng)險(xiǎn)一致，利益最大化的投資者可根據(jù)其獲取的信息對(duì)證券進(jìn)行合理與最優(yōu)的定價(jià)。然而，近年來(lái)的研究屢屢發(fā)現(xiàn)現(xiàn)實(shí)中存在著越來(lái)越多與“理性經(jīng)濟(jì)人”假設(shè)不符的案例。一方面，這促使有效市場(chǎng)假說(shuō)自身不斷演進(jìn)，并逐漸放松理性經(jīng)濟(jì)人假定。比如，投資者一般是理性的，能對(duì)證券價(jià)值做出較合理的評(píng)估；有些投資者在某種程度上并非理性，但其隨機(jī)性交易使非理性相互抵消而不影響證券價(jià)格；也許非理性投資者會(huì)犯同樣的錯(cuò)誤，但市場(chǎng)中的理性套利者會(huì)消除他們對(duì)價(jià)格的影響等。另一方面，促使金融市場(chǎng)微觀結(jié)構(gòu)、行為金融以及分形市場(chǎng)等新理論不斷產(chǎn)生，從新的假設(shè)條件與角度出發(fā)，更貼近現(xiàn)實(shí)地解釋各種市場(chǎng)現(xiàn)象，特別是有效市場(chǎng)假說(shuō)的種種異象。盡管這些新理論在某一方面更具實(shí)用性與說(shuō)服力，但尚未成熟，亦無(wú)法取代有效市場(chǎng)假說(shuō)。況且經(jīng)典理論是完美條件下的標(biāo)準(zhǔn)化理論，假設(shè)放松后依然是新理論的參照標(biāo)準(zhǔn)。

目前，上述理論基本上各有所長(zhǎng)，僅適于從某一特定視角對(duì)某些資本市場(chǎng)現(xiàn)象加以解釋。其未來(lái)趨勢(shì)必將是相互聯(lián)系與借鑒，而大數(shù)據(jù)的出現(xiàn)則為這種融合提供了以往無(wú)可比擬的實(shí)證之源：基于大數(shù)據(jù)分析，可精準(zhǔn)識(shí)別所有投資者的風(fēng)險(xiǎn)偏好。哪些是理性經(jīng)濟(jì)人認(rèn)定的風(fēng)險(xiǎn)厭惡者，哪些是風(fēng)險(xiǎn)中性者，哪些又是風(fēng)險(xiǎn)喜好者？在遭受重大損失時(shí)，會(huì)采取何種冒險(xiǎn)行動(dòng)，會(huì)導(dǎo)致哪些形式的非理性行為？基于大數(shù)據(jù)分析，可精準(zhǔn)描述所有投資者對(duì)新信息的反應(yīng)速度。哪一些或者哪一類投資者對(duì)新信息做出了迅速反應(yīng)？哪一些或哪一類投資者是在獲取信息以后，先觀察新信息出現(xiàn)時(shí)證券的最新變化趨勢(shì)，再對(duì)信息做出反應(yīng)？哪些反應(yīng)是線性的，哪些又是非線性的？其整體性狀與統(tǒng)計(jì)規(guī)律如何？基于大數(shù)據(jù)分析，可精準(zhǔn)刻畫(huà)所有投資者對(duì)新信息的反應(yīng)程度?？疾焖型顿Y者的主觀判斷，可對(duì)正確與錯(cuò)誤的判斷加以區(qū)分，而后重點(diǎn)研究對(duì)新信息做出的錯(cuò)誤反應(yīng)，以及由此在市場(chǎng)中引起的非理性波動(dòng)。

毋庸置疑，通過(guò)大數(shù)據(jù)實(shí)證分析對(duì)理性經(jīng)濟(jì)人的再厘定，有望使各理論融會(huì)貫通，形成一個(gè)以有效市場(chǎng)假說(shuō)為主的統(tǒng)一理論體系，重塑現(xiàn)代資本理論，進(jìn)而重塑金融學(xué)。

二、計(jì)算金融的全樣本數(shù)據(jù)及相關(guān)性挖掘

大多數(shù)學(xué)科的科學(xué)化與精確化，都需要采用數(shù)學(xué)語(yǔ)言加以描述，金融學(xué)亦是如此。正是由于可運(yùn)用金融學(xué)數(shù)學(xué)語(yǔ)言定量地描述和預(yù)測(cè)交易行為，金融機(jī)構(gòu)才得以較高效地收集市場(chǎng)信息，緩解市場(chǎng)的信息不對(duì)稱問(wèn)題，從而實(shí)現(xiàn)資金的優(yōu)化配置。金融的定量分析不僅需要運(yùn)用數(shù)學(xué)語(yǔ)言，還需要借助計(jì)算機(jī)科學(xué)的相關(guān)方法。雖然都是金融學(xué)、數(shù)學(xué)與計(jì)算機(jī)科學(xué)互相融合的產(chǎn)物，但分支流派各有側(cè)重，不盡相同，如數(shù)理金融側(cè)重于隨機(jī)過(guò)程與微積分，較多地表現(xiàn)為方程求解與數(shù)值分析；計(jì)量金融側(cè)重于概率統(tǒng)計(jì)，較多地表現(xiàn)為參數(shù)估計(jì)與假設(shè)檢驗(yàn)；計(jì)算金融則側(cè)重于人工智能，較多地表現(xiàn)為機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘。

一般而言，數(shù)理金融以模型為驅(qū)動(dòng)，但往往因現(xiàn)代金融建模中存在諸如多尺度、高維度、不適定、非線性與奇異性等復(fù)雜因素，不僅可能讓方程無(wú)解，而且數(shù)值分析也可能面臨計(jì)算規(guī)模大得難以承受或者失去時(shí)效、計(jì)算不穩(wěn)定、數(shù)值結(jié)果不可信、包含奇異性、計(jì)算非正常終止等問(wèn)題；計(jì)量金融面向數(shù)據(jù)，以樣本數(shù)目趨于無(wú)窮大時(shí)的漸近理論為基礎(chǔ)，然而現(xiàn)實(shí)中樣本數(shù)目通常有限，故盡管理論預(yù)期較好，其類似于自然科學(xué)實(shí)驗(yàn)的計(jì)量結(jié)果卻往往不盡如人意，且預(yù)先知道樣本分布形式這一要求十分苛刻也代價(jià)不菲；計(jì)算金融同樣以數(shù)據(jù)為驅(qū)動(dòng)，但以專門(mén)研究小樣本情況下的機(jī)器學(xué)習(xí)規(guī)律的統(tǒng)計(jì)學(xué)理論為基礎(chǔ)，該全新理論體系中的統(tǒng)計(jì)推理規(guī)則不但考慮了對(duì)漸近性能的要求，而且追求在現(xiàn)有有限信息條件下獲得最優(yōu)結(jié)果，計(jì)算金融所彰顯的良好的適用性與有效性使其在金融研究與實(shí)務(wù)中無(wú)處不在。

就樣本數(shù)量而言，計(jì)量金融雖然基于樣本數(shù)目趨于無(wú)窮的漸進(jìn)理論，但實(shí)際檢驗(yàn)卻僅采用十分有限的樣本；經(jīng)典計(jì)算金融雖然基于小樣本的統(tǒng)計(jì)學(xué)習(xí)理論，但實(shí)際處理的樣本數(shù)卻很多，而且通常比計(jì)量金融的數(shù)量級(jí)要高。不過(guò)兩者的樣本性質(zhì)仍然沒(méi)有實(shí)質(zhì)性區(qū)別，均為隨機(jī)樣本——一種經(jīng)由抽取典型特征數(shù)據(jù)而形成的數(shù)據(jù)集。目前，唯有金融大數(shù)據(jù)分析技術(shù)這一計(jì)算金融發(fā)展中的最新理論所處理的才是真正的全樣本，即涵蓋相關(guān)數(shù)據(jù)的整個(gè)歷史，囊括已經(jīng)發(fā)生的全部數(shù)據(jù)。顯然，超高頻股價(jià)時(shí)間序列包含了市場(chǎng)交易的每一個(gè)價(jià)格信息，可跳出以往假設(shè)檢驗(yàn)與統(tǒng)計(jì)推斷的研究窠臼，超越時(shí)間尺度上秒、分、時(shí)、日、月、季與年股價(jià)采樣的樣本代表性及誤差。其接近于完全歸納所獲得的市場(chǎng)微觀結(jié)構(gòu)方面的相關(guān)結(jié)論，無(wú)疑具有更高的普適性與必然性。

就相互關(guān)系而言，因果關(guān)系無(wú)疑揭示了事物內(nèi)部各要素之間的本質(zhì)屬性，是事物之間的本質(zhì)關(guān)系。只有把握因果關(guān)系才能真正把握事物，因而因果分析是科學(xué)研究的基本任務(wù)與終極目標(biāo)。然而，如上所述，數(shù)理金融以因果分析為歸依的模型構(gòu)建與方程求解殊為不易，即使獲得也與計(jì)量金融的因果檢驗(yàn)類似，是基于有限樣本支持的相對(duì)真理，還可能存在模型過(guò)度擬合的問(wèn)題。加之實(shí)際決策所涉及的因素較多，在不同時(shí)間與地點(diǎn)的運(yùn)用，其結(jié)果通常出入較大，即模型也不一定穩(wěn)定有效。

盡管相關(guān)分析永遠(yuǎn)是因果分析的基礎(chǔ)與起點(diǎn)，但放松條件的覆蓋面將更寬廣，亦不失為一種低成本與高效率的手段。大數(shù)據(jù)便是通過(guò)描述事物全數(shù)據(jù)在數(shù)量之間的關(guān)聯(lián)特征來(lái)尋找事物之間的關(guān)聯(lián)關(guān)系，用數(shù)據(jù)挖掘、模式提取與機(jī)器學(xué)習(xí)的知識(shí)進(jìn)行決策，而不必明確訓(xùn)練學(xué)習(xí)中所獲黑箱內(nèi)部結(jié)構(gòu)的準(zhǔn)確含義。例如，對(duì)一個(gè)交易策略進(jìn)行全數(shù)據(jù)分析，只要研究結(jié)果是能長(zhǎng)期穩(wěn)定盈利，就可被投資者采納。而具體哪筆交易賺錢與哪筆交易賠錢，雖然投資者會(huì)好奇，但交易策略無(wú)須給出精確答案，從某種程度上講也是無(wú)意義的。又如，當(dāng)基于大數(shù)據(jù)的投資策略預(yù)測(cè)某個(gè)模式出現(xiàn)后某股票很大概率會(huì)上漲，若執(zhí)迷于股價(jià)上漲背后的基本面緣由則成本過(guò)高，且確實(shí)無(wú)法得出準(zhǔn)確的原因。

顯而易見(jiàn)，脫胎于機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘，結(jié)合了云計(jì)算的金融大數(shù)據(jù)分析技術(shù)，通過(guò)采用全樣本數(shù)據(jù)集與分析相關(guān)性來(lái)革新計(jì)算金融這一重要工具，能提高信息處理的效率，并且大幅度地提高信息處理效率，進(jìn)而重塑金融學(xué)。

三、高頻程式化交易的策略時(shí)序規(guī)劃

交易活動(dòng)是金融市場(chǎng)最主要的微觀行為，伴隨著大數(shù)據(jù)技術(shù)的發(fā)展，高頻程式化逐漸成為金融市場(chǎng)主流交易方式之一。Tian等（2015年）指出大數(shù)據(jù)技術(shù)帶來(lái)了更智能的交易（More intelligent trading）。高頻程式化交易是智能交易的一種形式，它是指運(yùn)用計(jì)算機(jī)從極為短暫的市場(chǎng)變化中尋求獲利的高頻率交易。其中，極為短暫的市場(chǎng)變化一般指某種證券買入價(jià)與賣出價(jià)之間的微小價(jià)差，或者不同交易所之間某只股票的微小價(jià)差。這種變化如此之快，以至于交易者不借助先進(jìn)的計(jì)算機(jī)設(shè)備與交易程序軟件，就無(wú)法提升其獲取數(shù)據(jù)與分析處理的速度，也就無(wú)法快速生成并發(fā)送交易指令從而憑借速度上的優(yōu)勢(shì)獲得高額利潤(rùn)。為此，有些交易機(jī)構(gòu)甚至將自己的“服務(wù)器群組”（server farms）安置在離交易所計(jì)算機(jī)物理位置很近的地方，以進(jìn)一步縮短交易指令在光纜中傳輸?shù)木嚯x。也正是因?yàn)橛腥绱烁叩乃俣?，交易者才能以較高頻率在短時(shí)間內(nèi)完成多次交易，以達(dá)到在交易結(jié)束時(shí)間到來(lái)之前身上盡量少持頭寸的目的，高頻交易因此得名。

所謂程式化交易是指把一切都交給高性能計(jì)算機(jī)自動(dòng)完成。這既有利于在瞬息萬(wàn)變的市場(chǎng)中捕捉稍縱即逝的套利機(jī)會(huì)，又有利于規(guī)避投資者趨利避害心理所產(chǎn)生的強(qiáng)大干擾。因?yàn)闄C(jī)器是沒(méi)有感情的，一千塊與一千萬(wàn)對(duì)它而言都只是一個(gè)數(shù)字，它不會(huì)因?yàn)闃?biāo)的大小變化而產(chǎn)生情緒波動(dòng)從而影響投資決策的科學(xué)性與合理性。量化投資大師詹姆斯·西蒙斯教授創(chuàng)立了文藝復(fù)興公司，管理的大獎(jiǎng)?wù)禄鹪?989年—2007年平均年收益率高達(dá)35%，若考慮44%的提成，則實(shí)際收益更高達(dá)60%，比人盡皆知的股神巴菲特同期收益率高十幾個(gè)百分點(diǎn)，也比傳奇投資大師布魯斯·科夫勒、保羅·都鐸·鐘斯、喬治·索羅斯、路易斯·培根與馬克·金頓都要高出十幾個(gè)百分點(diǎn)，取得這一驚人神話的秘籍就是程式化交易。

美國(guó)《華爾街日?qǐng)?bào)》的統(tǒng)計(jì)數(shù)據(jù)表明，正是基于速度與自動(dòng)化方面的顯著優(yōu)勢(shì)，高頻程式化交易在美國(guó)的各金融市場(chǎng)均占據(jù)了相當(dāng)高的比例，為40%～80%。然而，成也蕭何，敗也蕭何，速度這一突出優(yōu)點(diǎn)反過(guò)來(lái)又成為高頻程式化交易獲利無(wú)法一而再，再而三突破的瓶頸。隨著采用高頻交易的交易者與日俱增，進(jìn)入該行業(yè)的門(mén)檻自然水漲船高。激烈的競(jìng)爭(zhēng)使得諸多算法與模型都處于公開(kāi)或半公開(kāi)狀態(tài)，最終的勝利則取決于硬件配置，包括計(jì)算速度與寬帶接口速度。于是，大家進(jìn)入了一場(chǎng)窮兵黷武的軍備競(jìng)賽，爭(zhēng)先恐后地投資于計(jì)算機(jī)與網(wǎng)絡(luò)領(lǐng)域，使得小公司倒閉而大公司減利。Rosenblatt證券咨詢公司研究調(diào)查顯示，與2009年相比，2012年全行業(yè)采用高頻交易所獲得的利潤(rùn)大幅縮水，下降幅度為74%。從2013年開(kāi)始，高頻程式化交易便逐漸萎縮。

為了阻止利潤(rùn)下滑并使之反彈，交易者開(kāi)始借助金融大數(shù)據(jù)進(jìn)行分析，以識(shí)別市場(chǎng)特定參與者的歷史足跡，進(jìn)行策略時(shí)序規(guī)劃。這為高頻程式化交易規(guī)避花費(fèi)巨資提高速度的惡性競(jìng)爭(zhēng)開(kāi)辟了一個(gè)新的可行途徑。例如，如果一支共同基金經(jīng)常在每分鐘的第一秒發(fā)出大單交易指令，那么采用金融大數(shù)據(jù)分析技術(shù)的交易者就可以識(shí)別這種模式，并據(jù)此分析與預(yù)測(cè)該共同基金在剩余交易時(shí)間內(nèi)的相關(guān)動(dòng)向，以調(diào)整自己的策略。而建立在共同基金已知模式下的剩余交易，知情方有較大概率獲得超額利潤(rùn)，這將明顯地改變市場(chǎng)競(jìng)爭(zhēng)格局。

由此觀之，大數(shù)據(jù)以豐富高頻程式化交易這一經(jīng)典內(nèi)容的方式重塑了金融學(xué)。

四、互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)控制

大數(shù)據(jù)技術(shù)客觀上推動(dòng)了互聯(lián)網(wǎng)金融的產(chǎn)生與發(fā)展，并且深刻地改變了傳統(tǒng)金融風(fēng)險(xiǎn)管理的范式?；ヂ?lián)網(wǎng)金融（ITFIN）是指以移動(dòng)支付、云服務(wù)、社交網(wǎng)絡(luò)及搜索引擎等互聯(lián)網(wǎng)技術(shù)為依托，實(shí)現(xiàn)資金融通、支付與信息中介等業(yè)務(wù)的一種新興金融。它不是金融業(yè)與互聯(lián)網(wǎng)的簡(jiǎn)單拼湊，而是新需求與新技術(shù)的深度融合，是一種建立在移動(dòng)與安全架構(gòu)上的金融新模式與新形態(tài)。

《互聯(lián)網(wǎng)金融報(bào)告2015》指出，截至2014年底，中國(guó)網(wǎng)貸行業(yè)總體貸款金額為1036億元人民幣，預(yù)計(jì)2024年中國(guó)P2P（Peer-to-Peer Lending）市場(chǎng)規(guī)模將躍升至 2萬(wàn)億元人民幣，約占剔除股票與債券后社會(huì)融資存量的0.9%。屆時(shí)的互聯(lián)網(wǎng)金融行業(yè)利潤(rùn)將躍升至400億美元，其年均復(fù)合增長(zhǎng)率約為41%，預(yù)計(jì)與2024年銀行整體盈利的8%相當(dāng)?？梢?jiàn)，互聯(lián)網(wǎng)金融極具生命力與成長(zhǎng)空間，很有可能在未來(lái)二十年成為主流金融。

然而，作為新興事物，依托網(wǎng)絡(luò)近乎無(wú)限張力而迅猛發(fā)展起來(lái)的互聯(lián)網(wǎng)金融實(shí)際上也暗藏巨大隱憂：面對(duì)數(shù)量龐大的群體，龍蛇混雜、魚(yú)目混珠，其信用如何評(píng)估？集腋成裘、聚沙成塔，但來(lái)得快去得也急，是否有跡可循？這兩個(gè)問(wèn)題解決不好，互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)就難以控制，其健康發(fā)展也就緣木求魚(yú)。羅長(zhǎng)青等（2016年）通過(guò)實(shí)證研究表明，互聯(lián)網(wǎng)金融行業(yè)提供的數(shù)據(jù)有利于金融機(jī)構(gòu)的風(fēng)險(xiǎn)管理，能產(chǎn)生正的外部效應(yīng)。

文章認(rèn)為，互聯(lián)網(wǎng)金融發(fā)展的核心在風(fēng)控，而風(fēng)控的核心在大數(shù)據(jù)分析。大數(shù)據(jù)技術(shù)使得風(fēng)險(xiǎn)評(píng)估突破空間、時(shí)間和行業(yè)的限制，使風(fēng)險(xiǎn)評(píng)估模式由靜態(tài)滯后模式轉(zhuǎn)變?yōu)閷?shí)時(shí)在線模式，因此風(fēng)控效率和準(zhǔn)確性大為提高。且不說(shuō)互聯(lián)網(wǎng)金融時(shí)刻產(chǎn)生海量非結(jié)構(gòu)化及半結(jié)構(gòu)化的數(shù)據(jù)，并且線上線下相結(jié)合的模式非用大數(shù)據(jù)技術(shù)不可，其信用評(píng)價(jià)與輿情分析也必須借助大數(shù)據(jù)分析。

就信用評(píng)估而言，用傳統(tǒng)方法評(píng)估貸款人信用來(lái)源，單一、種類貧乏、耗時(shí)冗長(zhǎng)與成本高，無(wú)法大面積推廣，給風(fēng)險(xiǎn)控制帶來(lái)很大困擾。而大數(shù)據(jù)分析則可調(diào)用數(shù)據(jù)倉(cāng)庫(kù)中已經(jīng)存在的與在線實(shí)時(shí)產(chǎn)生的交易數(shù)據(jù)、消費(fèi)數(shù)據(jù)及日常行為數(shù)據(jù)，以真實(shí)、全面、快速與有效地評(píng)估其信用。隨著網(wǎng)貸用戶群的擴(kuò)大，管理過(guò)程中出現(xiàn)越來(lái)越多有價(jià)值的行為信息，評(píng)估準(zhǔn)確率將不斷提高。例如，阿里小貸每天積累海量數(shù)據(jù)，通過(guò)分析商戶近百天的歷史記錄，將其劃分為資金匱乏與資金充裕兩類。接著，與存在資金問(wèn)題的商戶即潛在貸款對(duì)象溝通，并針對(duì)性地調(diào)用更多該小微企業(yè)在網(wǎng)絡(luò)平臺(tái)上產(chǎn)生的歷史數(shù)據(jù)，借以評(píng)估其還款意愿與能力，據(jù)此制定懲罰措施與力度，提高其違約成本從而控制其違約行為，實(shí)現(xiàn)安全風(fēng)險(xiǎn)下的盈利。

就輿情分析而言，傳統(tǒng)問(wèn)卷調(diào)查類指標(biāo)受人力、物力、財(cái)力等客觀因素限制，無(wú)法獲得大規(guī)模數(shù)據(jù)，也難以進(jìn)行精細(xì)化操作。而基于大數(shù)據(jù)技術(shù)的輿情分析則可通過(guò)搜索引擎、網(wǎng)絡(luò)爬蟲(chóng)、語(yǔ)言處理、文本分類與社交分析等機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘方法，對(duì)日發(fā)消息過(guò)5億的Twitter與日均用戶過(guò)10億的Facebook等著名社交網(wǎng)站進(jìn)行采樣分析，研究其與互聯(lián)網(wǎng)金融相關(guān)的聊天記錄、博客與評(píng)論，獲取客觀真實(shí)的市場(chǎng)情緒，以進(jìn)行產(chǎn)品設(shè)計(jì)與風(fēng)險(xiǎn)管理。精神病專家理查德·彼得森建立的MarketPsy Capital對(duì)沖基金經(jīng)過(guò)長(zhǎng)時(shí)間追蹤與輿情分析，所確定的投資策略獲得了40%的驚人回報(bào)率。此外，巴黎的IIBremans機(jī)構(gòu)與倫敦的小型對(duì)沖基金DCM在這方面也取得了不俗的業(yè)績(jī)。事實(shí)上，大數(shù)據(jù)輿情分析的確能較好地了解客戶對(duì)互聯(lián)網(wǎng)金融產(chǎn)品的真實(shí)態(tài)度，有利于預(yù)測(cè)其行為，從而有效降低不告而別的風(fēng)險(xiǎn)。

不言自明，互聯(lián)網(wǎng)金融離不開(kāi)大數(shù)據(jù)，大數(shù)據(jù)正以促進(jìn)風(fēng)控的方式推動(dòng)互聯(lián)網(wǎng)金融這一新興事物蓬勃發(fā)展，有力地拓展著金融學(xué)邊界，從而重塑著金融學(xué)。

五、結(jié)語(yǔ)

大數(shù)據(jù)及其相關(guān)技術(shù)的發(fā)展方興未艾，它通過(guò)逐步滲入與系統(tǒng)顛覆等多種方式全面改變了金融市場(chǎng)與金融機(jī)構(gòu)的運(yùn)行模式。理論來(lái)源于實(shí)踐，與大數(shù)據(jù)金融實(shí)踐相對(duì)應(yīng)的是，大數(shù)據(jù)技術(shù)也創(chuàng)新了傳統(tǒng)金融學(xué)的理論，目前至少在市場(chǎng)假說(shuō)、金融計(jì)算、高頻交易與網(wǎng)絡(luò)金融四個(gè)方面重塑著金融學(xué)。隨著創(chuàng)新驅(qū)動(dòng)發(fā)展等一系列戰(zhàn)略的實(shí)施，大數(shù)據(jù)對(duì)金融實(shí)踐和理論的影響仍將持續(xù)，如何更好地運(yùn)用大數(shù)據(jù)技術(shù)，對(duì)金融市場(chǎng)投資者行為和心理、市場(chǎng)微觀結(jié)構(gòu)、風(fēng)險(xiǎn)資產(chǎn)定價(jià)、風(fēng)險(xiǎn)預(yù)測(cè)與管理、金融市場(chǎng)監(jiān)管、金融危機(jī)預(yù)警與處置等問(wèn)題展開(kāi)更深入、系統(tǒng)的研究，是今后金融學(xué)應(yīng)重點(diǎn)研究的方向之一，也是我國(guó)金融學(xué)界與業(yè)界后來(lái)居上，趕超西方的重要方式。

雖如此，但也必須清醒認(rèn)識(shí)到，大數(shù)據(jù)不是萬(wàn)能的，其自身固有的大量噪音有可能將我們引向錯(cuò)誤的方向，獲得錯(cuò)誤的結(jié)論，采取錯(cuò)誤的決策。畢竟全樣本不是總體，相關(guān)性分析只是因果關(guān)系的有益補(bǔ)充，大數(shù)據(jù)也只能輔助而不能取代人?；ヂ?lián)網(wǎng)金融與大數(shù)據(jù)技術(shù)相輔相成，大數(shù)據(jù)技術(shù)的發(fā)展迅速推動(dòng)了互聯(lián)網(wǎng)金融的發(fā)展，傳統(tǒng)的線下金融模式雖然也在積極運(yùn)用大數(shù)據(jù)技術(shù)，但是否能均衡成本與收益，是否能取得預(yù)期收效還有待觀察，傳統(tǒng)線下金融所蘊(yùn)含的專家經(jīng)驗(yàn)優(yōu)勢(shì)與金融危機(jī)處置過(guò)程中的應(yīng)變能力，也是大數(shù)據(jù)技術(shù)目前難以實(shí)現(xiàn)的。

參考文獻(xiàn)：

[1]維克托·邁爾-舍恩伯格，肯尼斯·庫(kù)克耶.大數(shù)據(jù)時(shí)代[M].杭州：浙江人民出版社，2013.

[2]孟小峰，慈 祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J]. 計(jì)算機(jī)研究與發(fā)展，2013（1）：146-169.

[3]王元卓，靳小龍，程學(xué)旗.網(wǎng)絡(luò)大數(shù)據(jù)：現(xiàn)狀與展望[J]. 計(jì)算機(jī)學(xué)報(bào)，2013（6）：1125-1138.

[4]程學(xué)旗，靳小龍，王元卓，等.大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J].軟件學(xué)報(bào)，2014（9）： 1889-1908.

[5]Kendall M.The Analysis of Economic Time Series - Part 1：Prices. Journal of the Royal Statistical Society， 1953（96）：11-25.

[6]Fama E F.Efficient Capital Markets： A Review of Theory and Empirical Work. The Journal of Finance， 1970（25）：383-417.

[7]郭建軍，魯萬(wàn)波，焦 鵬.金融統(tǒng)計(jì)與金融計(jì)量的新進(jìn)展——2009金融統(tǒng)計(jì)與金融計(jì)量國(guó)際研討會(huì)會(huì)議綜述[J].統(tǒng)計(jì)研究，2009（26）：107-112.

[8]Tian X H，Han R，Wang L，Lu G，Zhan J F.Latency critical big data computing in finance. The Journal of Finance and Data Science，2015，1（1）：33-41.

[9]朱建平，魏 瑾，謝邦昌.金融高頻數(shù)據(jù)挖掘研究評(píng)述與展望[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2011（6）： 59-62.

[10]燕汝貞，李 平，曾 勇.一種面向高頻交易的算法交易策略[J].管理科學(xué)學(xué)報(bào)，2014（3）： 88-96.

[11]王 丹，向修海.高頻交易的最優(yōu)執(zhí)行策略研究[J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2013（2）：81-87.

[12]謝 平，鄒傳偉.互聯(lián)網(wǎng)金融模式研究[J].金融研究， 2012（12）：11-22.

[13]劉瀾飚，沈 鑫，郭步超.互聯(lián)網(wǎng)金融發(fā)展及其對(duì)傳統(tǒng)金融模式的影響探討[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2013（8）： 73-83.

[14]程 鑫.互聯(lián)網(wǎng)金融背景下征信體系完善所面臨的機(jī)遇與挑戰(zhàn)[J].上海金融，2014（11）：109-110.

[15]Moat，Helen Susannah，Adam Avakian，Dror Y. Kenett，H. Eugene Stanley，TobiasPreis.Quantifying Wikipedia usage patterns before stock market，Scientific Reports 2013，No.1801.

[16]羅長(zhǎng)青，李夢(mèng)真，楊彩林，等.互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行信用卡業(yè)務(wù)影響的實(shí)證研究[J].財(cái)經(jīng)理論與實(shí)踐， 2016，37（1）： 54-58.

[17]翟偉麗.大數(shù)據(jù)時(shí)代的金融體系重構(gòu)與資本市場(chǎng)變革[J].證券市場(chǎng)導(dǎo)報(bào)，2014（2）：47-50，60.

[18]Bollen，Johan，Huina Mao，Xiao-Jun Zeng.Twitter mood predicts the stock market[J].Journal of Computational Science，2011（2）：1-8.

[19]耿 直.大數(shù)據(jù)時(shí)代統(tǒng)計(jì)學(xué)面臨的機(jī)遇與挑戰(zhàn)[J].統(tǒng)計(jì)研究，2014（1）：5-9.

[20]李 倩，吳 昊.大數(shù)據(jù)背景下投資者行為研究的趨勢(shì)分析：基于“內(nèi)涵-思路-方法”的三重視角[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2017（2）：52-62.

[21]云立坤.大數(shù)據(jù)思維在金融學(xué)研究中的運(yùn)用[J].智富時(shí)代，2019（10）：12-13.

[22]程春莉.大數(shù)據(jù)思維在金融學(xué)研究中的應(yīng)用研究[J].環(huán)球市場(chǎng)，2017（28）：1-2.

[23]孫博洋.論大數(shù)據(jù)在金融學(xué)中的作用[J].中國(guó)經(jīng)貿(mào)，2017（19）：130.

[24]孫 鈞.金融學(xué)研究中大數(shù)據(jù)思維的運(yùn)用探究[J].中國(guó)市場(chǎng)，2016（50）：107，119.

[25]王玉華，石美燕，趙 平.大數(shù)據(jù)應(yīng)用背景下我國(guó)國(guó)際金融學(xué)本科課程教學(xué)改革研究——基于貴州花溪大學(xué)城高校的問(wèn)卷調(diào)查[J].教育觀察，2019，8（23）：112-115.

[26]朱佳琦.大數(shù)據(jù)思維在金融學(xué)研究中的運(yùn)用策略淺議[J].納稅，2017（7）：83.

[27]史雅靜.大數(shù)據(jù)思維在金融學(xué)研究中的運(yùn)用[J].時(shí)代金融（下旬刊），2017（9）：17，20.

[28]陳加旭，唐元琦.大數(shù)據(jù)背景下的金融學(xué)課程教學(xué)改革研究[J].長(zhǎng)江叢刊，2018（35）：182，184.

[29]陳宇昕.大數(shù)據(jù)思維在金融學(xué)研究中的運(yùn)用[J].中國(guó)民商，2017（12）：50-51.

[30]蔡慶豐，郭春松，陳詣之.大數(shù)據(jù)思維在金融學(xué)研究中的運(yùn)用[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2015（3）：104-114.

[31]梁昕妍.淺談大數(shù)據(jù)時(shí)代對(duì)金融學(xué)的幾點(diǎn)思考[J].中華少年，2018（2）：282.