欧洲主要国家央行运用数据点模型推动金融统计标准化经验和启示.docVIP

欧洲主要国家央行运用数据点模型推动金融统计标准化经验和启示 　　摘要：在我国金融统计标准化建设进程中，如何建立一个大数据模型来促进元数据和统计数据之间进行批量信息转换和处理，是金融统计标准化工作落地的一大难题。西班牙、法国等欧洲主要国家中央银行通过运用数据点模型（DPM）搭建元数据和统计数据之间的数据关系，进而推动标准化数据的批量信息采集、转换和处理，其建模理念、建模框架对于推进我国金融统计标准化建设提供了启示借鉴。 　　关键词：金融统计；数据点；标准化；大数据模型 　　一、基本框架 　　西班牙、法国等欧洲国家中央银行根据货币统计或其他监管统计要求，通过建立工具分类标准收集受监管机构或信贷机构的公共财务数据、利率统计数据和非金融公司的资产负债数据，并以XBRL（即可扩展商业报告语言，是一种可扩展、标准化的语法格式）分类标准表单作为中央数据仓库，形成能够直接在网页上就实现输入和输出数据的XML（是一种自我描述的、可扩展的、标准化的交换数据方法）标记语言。而在数据仓库中通过运用数据点模型（DPM）来搭建元数据和统计数据之间的数据关系，适时推动标准化统计数据的批量采集、转换、处理和生成，实现元数据输入端到统计数据输出端的直接转换和处理，推动金融统计工作标准化的落地工作。当前，运用数据点模型（DPM）创建XBRL分类标准已逐渐被欧洲各国中央银行和统计部门所使用。其中，西班牙银行最早于2010年6月就开始使用DPM模型构建XBRL分类标准；欧洲银行业监管局（EBA）于2013年12月发布了根据DPM构建的最新XBRL分类标准，推动金融统计工作标准化。 　　二、数据点模型建设经验 　　欧洲国家中央银行和银行业监管部门运用数据点模型，推进金融统计工作标准化的建设经验主要包含以下几方面内容。 　　（一）引进多维度、多层次定性信息对元数据进行描述 　　数据模型主要是金融机构元数据向监管部门统计数据之间转变的“桥梁”。传统的数据模型主要有表单中心方法和数据中心方法（见表1）。表单中心方法仅能通过表单中的横坐标和列坐标等二维信息对数据进行描述，无法了解诸如年份、币种、国别等多维度信息内容；而数据中心模型尽管增加了元数据的定性信息，但对于定性信息中指标的分层次信息（例如国别区域项下的州级区域）则无法体现。因此，数据点模型通过引进多维度、多层次的定性信息共同对元数据进行描述，将数据主要信息存放至度量元素中，其他定性信息则以维度或参考信息等形式存在，克服了传统数据模型维度小、层次低及交叉数据难统计的模式。 　　（二）创建标准、开放、可拓的数据点模型结构 　　数据点模型的基础是数据点，核心是通过对数据点定性和定量信息进行确定并形成一个完整的数据点结构，以数据点结构的形式将元数据存储至中央数据仓库，并结合统计需求生成所需的统计数据。一般而言，一个数据点就代表着一个统计数据需求，数据点结构涵括度量、维度特征和其他参考信息等三大类信息（见图2），数据点结构主要具有标准性和开放、可拓性特征。一是监管部门基于统计需要，可以自行设定数据点结构搭建数据模型，同时还可结合指标进一步充实维度和层次等定性信息，满足数据模型的开放、可拓性特征；二是由于所有的定性和定量指标都参照国际通用金融工具分类标准，因此整个数据点结构均具有标准化特征。 　　（三）减少数据冗余定义，降低数据信息重复统计 　　一是增强元数据的统一性。由于引入了多维度、多层次定性信息，使得数据能够在更广泛的中央数据仓库中储存、转换和处理，确保了元数据到统计数据的标准化统一。二是降低了数据信息的重复统计。在数据点建模过程中，每一个数据点都只会被定义一次，并且通过对域（例如交易对手国）、域成员（例如交易对手国域下的美国、中国、欧洲等）和分层关系（例如“父子”关系、“总分”关系、域成员关系）明确细分，确保数据点模型拥有明确的数据点结构，避免了传统的表单汇总方式下数据的冗余定义，降低了数据信息重复统计。 　　（四）推动统计数据的自动批量信息采集、转换和处理 　　运用数据点模型构建的数据结构框架，可以有效推动金融机构从元数据到监管部门统计数据之间的标准化批量数据采集、转换和处理（见图3），即通过数据点模型格式实现元数据到金融数据的采集、转换和处理。一是金融机构通过将数据点结构运用至其会计、信贷或其他金融统计系统，实现金融机构的各项业务属性均以数据点的形式逐笔统计并存储。二是监管部门通过在中央数据仓库中运用同样的数据点结构，实现对金融部门的批量标准化数据点进行批量接收、存储；再根据统计数据需求设定其维度、区域、币种等条件限制，在中央数据仓库中对符合所有条件限制的数据点进行自动归集、汇总、处理，最终生成所需的统计数据。 　　（五）设置科学、严谨的数据建模步骤 　　数据点模型建模步骤主要有5个：