大資料如何改變金融？◆ ◆ ◆◆ ◆ ◆◆ ◆ ◆◆ ◆ ◆◆ ◆ ◆

序言

當今社會，龐大的資料及高端複雜的科學技術正在持續改變着産業的經營方式和競争方式。每一天，世界上都有兩百五十萬的三次方的位元組資料産生出來，這直接導緻了僅在過去兩年時間内就建立出世界上90％的資料。這種通常所謂的“大資料”的快速增長和存儲，也創造出了很多機會：比如收集資料，處理資料，結構化和非結構化的資料分析等等。

在遵循大資料的3 v法則的基礎上（後文會有詳細介紹），各類組織通過對已知資料加以分析，幫助自己的公司作出更好的商業決策。這些已經采用大資料技術的行業包括：金融服務，科技，市場營銷和健康護理/保健等。大資料的采用不斷改變着行業的競争格局。有89 ％的企業相堅信如果沒有決策分析将會讓自己在市場競争上存在很大風險。

特别是金融服務，現如今已是廣泛采用大資料分析來獲得更好的、有穩定回報的投資決策。交易算法使用複雜的數學模型和大量的曆史資料，最大限度地提高投資回報。持續采用大資料技術将不可避免地改變金融服務的格局。然而，雖然大資料的應用給我們帶來了明顯的好處，但與此同時如何讓大資料處理更多、更大量的資料也成為了挑戰。 （有關詳細資訊，請參見：the big play in big data）。

大資料的3v法則

3 v法則是大資料的基礎，他們是：量級（volume），種類（variety）和速度（velocity）。面對日益激烈的競争，監管限制和客戶需求，金融機構正在尋求新的方法/技術來提高效率。根據不同的行業，企業和公司可以利用大資料的某些特定方面獲得競争優勢。

速度是指資料被存儲和分析的速度。紐約證交所每天需要捕捉1兆兆位元組的資訊。到2016年，将有大約18.9十億的網絡連接配接，這意味着地球上每個人都貢獻了約2.5次連接配接。金融機構可以通過“專注高效，快速處理交易”而在行業競争中脫穎而出。

大資料可以被分類為非結構化資料或結構化資料。非結構化資料是指未被組織好并且無法被應用于已定義好的模型的資料。這包括來自社交媒體的消息，這類資訊一般有助于機構收集客戶需求。結構化資料是指已在關系資料庫和電子表格中組織管理好的資訊。總的來說，為了更好的作出商業決策，各種形式的資料都必須可以被持續有效的管理。

市場資料量的不斷增加對金融機構構成了一大挑戰。龐大的曆史資料，使得銀行及資本市場需要積極持續的管理資料。同樣，投資銀行和資産管理公司需要使用大量的資料做出正确的投資決策。保險和退休基金也需要通過擷取大量資料來進行風險管理和索賠資訊。 （有關詳細資訊，請參見：quants：the rocket scientists of wall street）

算法交易（algorithmic trading）

随着計算機性能的日益強大，算法交易已成為大資料的代名詞。自動化處理能使電腦程式以交易人員無法達到的速度和頻率完成金融交易。通過數學模型，算法交易使金融交易能以最優的價格及時的執行交易訂單，同時，也減少了由于行為因素導緻的人為錯誤。

金融機構可以更有效地精簡算法以結合大量資料，利用大量的曆史資料回測政策，進而生成風險較低的投資。這有助于使用者找出要保留的有用資料，抛棄低值資料。鑒于算法可以用結構化和非結構化資料，結合實時新聞，社交媒體和股票資料于一體的算法引擎可以建立更好的交易決策。不像人們做決策時會受到不同資訊源，情感和偏見的影響，算法的交易将隻根據金融模型和資料輸出執行結果。

機器人顧問在一個數字化平台上使用投資算法和海量資料。機器人顧問以現代投資組合理論為理論架構進行投資，它們通常贊同進行長期投資，以維持收益的一緻性，它們也需要與人類的财務顧問進行小小的互動。（更多資訊，請參閱：basics of algorithmic trading: concepts and examples.）

挑戰

盡管金融服務行業正在不懈地擁抱大資料，但是在該領域中仍然存在着重大挑戰。最重要的挑戰就是各種非結構化資料的收集所招緻的隐私問題。個人資訊可以通過社交媒體、電子郵件和健康記錄搜集到個人的決策資訊。

具體到金融服務而言，大多數的争辯關注在資料分析上。為了獲得準确的結果，對全量資料的分析需要更複雜的統計技術。特别是，評論家以僞相關性的模式高估了信噪比，這表示可靠的統計學結果純屬偶然。同樣，由于曆史資料的趨勢，以經濟理論為基礎的算法通常也會指向長期投資機會。支援短期投資政策的有效生成結果是預測模型中固有的挑戰。

總結

大資料将繼續改變各行各業的格局，尤其是金融服務業。許多金融機構都在采用大資料分析，以保持競争優勢。通過結構化和非結構化資料，複雜的算法可以使用多個資料源執行交易。人類的情感和偏見可以通過自動化實作最小化；然而，應用大資料分析的交易也有其特定的挑戰，到目前為止，因為該領域相對較為新穎，産生的統計結果還沒有完全被接受。然而，随着金融服務對大資料和自動化應用的趨勢，複雜的統計分析技術的準确性将會進一步提升。

 .

原文釋出時間為：2016-04-28

本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号