在互联网金融中，大数据被广泛应用于信息处理（体现为各种算法，自动、高速、网络化运算），提高了风险定价和风险管理效率，显著降低了信息不对称。
大数据至今未有统一定义。但一般认为大数据具有四个基本特征数据体量庞大（volume）、价值密度低（value, 也有人理解成应用价值巨大）、来源广泛和特征多样（variety）、增长速度快（velocity, 也有人理解成需要高速分析能力）。大数据产生的背景是整个社会走向数字化，特别是社交网络和各种传感设备的发展（见第一部分）。大数据有三个主要类型记录数据、基于图形的数据
以及有序数据。云计算和搜索引擎的发展，使得对大数据的高效分析成为可能，核心问题是如何在种类繁多、数量庞大的数据中快速获取有价值信息，主要有两类任务（Tan, et al., 2006 ；Rajaraman
and Ullman，2012 ；Provost and Fawcett，2013）。第一类是预测
任务，目标是根据某些属性的值，预测另外一些特定属性的值。第二类是描述任务，目标是导出概括数据中潜在联系的模式，包括相关、趋势、聚类、轨迹和异常等，具体可分为分类、回归、关联分析、聚类分析、推荐系统、异常检测、链接分析等。大数据分析有很强的实用主义色彩。预测在大数据分析中占有很大比重，对预测效果的后评估也是大数据分析的重要内容。大数据与超高速计算机结合，使得相关性分析的重要性将超过因果分析，行为分析的重要性将不低于财务报表分析。
在信贷领域，可以根据大数据来决定动态违约概率。谢平和邹传伟（2012）指出，对某个信用主体，很多利益相关者都可以在互联网上给予评价，这样根据自主信息和主观判断，任何时点都可以知道违约概率，并且是最有效的。总的效果是，地方信息和私人信息公开化，只可意会的信息显性化，分散信息集中化，类似充分统计量的指标或指数能反映汇聚来的信息，使信息在人与人之间实现均等化。我们把这种状况简称为大众点评原理，其可以替代银行内部专业的、线性的信贷评估方法。
证券市场可能同时具有行为金融学（Shefrin and Statman，1994）和有效市场假说（Fama et al., 1969）描述的特征。一方面，在社交网络的促进下，投资者之间的交流、互动和相互影响会非常有效，个体和群体行为会接近行为金融学的描述（比如Coviello etal. 2014 发现，人类情绪可以通过社交网络产生传染效果），进而对单个证券或整个证券市场产生可观测的影响。另一方面，在大数据分析的促进下（内幕信息不属于大数据），市场信息充分、透明，市
场定价效率非常高（比如证券定价中的一些复杂计算转化为应用程序，简单化），证券市场会接近有效市场假说的描述。
在保险领域，大数据能提高保险精算的准确性，使保费充分考虑个体差异性，并且动态调整，类似动态违约概率。比如，在非寿险中，保险公司可以为客户提供根据行驶里程及时间定价的保险（pay as you drive），根据驾驶行为定价的保险（pay how you drive），以及可以协助被保险人完善驾驶习惯（manage how you drive）；寿险精算在生命表的基础上，将来会充分考虑个人的基因、家族遗传、饮食运动习惯和职业等，时效性也将进一步提高（王和，2014）。随着精算效率的提高，互联网金融中的保险，将接近完美的风险转移模型自愿、自由、公平地进行风险转移Arrow,1970。第一，保险产品丰富化，对人身和财产方面的每一种风险，均可能出现相应的保险产品。第二，保险费率由公平原
则厘定。第三，风险转移给社会中有相应风险偏好的人，由他们自愿承担。
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
