大数据分析在外汇管理的运用.docVIP

大数据分析在外汇管理的运用 摘要：当前，大数据正日益成为国家基础性战略资源，大数据在金融监管等领域将担任越来越重要的角色。与此同时，外汇管理要适应新形势的要求，就必须更新外汇管理理念和方式，深化外汇管理体制的改革和创新，完善外汇管理的大数据监测分析。本文从数据挖掘技术的角度出发，在介绍大数据定义、分析方法及主要应用场景的基础上，阐述了大数据分析方法在外汇管理领域的具体运用，并对开展大数据分析工作提出相关建议。 关键词：大数据;金融监管;外汇管理 一、大数据定义及常用分析方法 （一）定义。对于什么是大数据，迄今为止并没有公认的定义。麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。（二）数据挖掘常用分析方法。数据挖掘就是对观测的数据集（经常是很庞大的）进行分析，目的是发现未知的关系和以数据拥有者可以理解并对数据拥有者而言有价值的新颖方式来总结数据。常用方法类型介绍如下：一是关联分析。是在未有既定目标情况下，探索数据内部结构的一种分析技术，目的是在一个数据集中发现、检索出数据集中所有可能的关联模式或相关性，但这种关系在数据中没有直接表示或不能肯定。常用的关联分析算法有：Apriori算法、FP-growth算法。该技术目前广泛应用于各个领域，如我们在电商平台浏览商品时都会显示“购买此商品的顾客也同时购买”等提示语，这正是我们日常生活中接触最多的关联分析应用实例。二是聚类分析。是在没有给定划分类别的情况下，根据数据相似度按照某种标准进行样本分组的一种方法。它的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度将其划分为若干组，使组内距离最小而组间距离最大。常用的聚类算法有K-Mea、K-Medoids、DBSCAN、HC、EM等。当前，聚类分析在客户分类、文本分类、基因识别、空间数据处理、卫星图片分析、医疗图像自动检测等领域有着广泛的应用。三是回归分析。是指通过建立模型来研究变量之间相互关系的密切程度、结构状态、模型预测的有效工具。常用的回归模型有：线性回归、非线性回归、Logistic回归等。四是决策树。是一个预测模型，在已知各种情况发生概率的基础上，通过构成决策树来求取期望值大于等于零的概率、判断可行性的决策分析方法，是直观运用概率分析的一种图解法。常用算法有CART、C4.5等。五是人工神经网络。是人脑的抽象计算模型，是一个大型并行分布式处理器，由简单的处理单元组成。它可以通过调整单元连接的强度来学习经验知识，并运用这些知识推导出新的结果，属于机器学习的一种。 二、大数据分析在金融监管领域主要运用场景 当前大数据在前瞻性研究、风险防控、客户分析、舆情监测等方面都取得了巨大的成效，在金融领域实现了广泛应用,有效地提升了金融监管的针对性，为金融管理、风险识别带来了无限的可能性，成为当前不可或缺的分析手段之一。一是运用大数据开辟“线上溯源，线下打击”的治假新模式。2015年5月,某省“双打办”联合某电子商务企业发起行动。某电子商务企业首先运用大数据手段识别售假线索、锁定犯罪嫌疑人、分析串并背后团伙，根据警方需求批量输出线索用于侦查破案。行动期间，该省侵犯知识产权立案数同比上涨120%，破案数同比上涨77.3%。与传统打假模式相比，“大数据治假”模式实现了对犯罪嫌疑人线索信息的实时收集，为执法部门线下查处和打击提供了更精细、精准的线索和证据。二是运用大数据提升监管有效性。2016年，某交易所通过监控发现沪股通标的股票成交、股价涨势存在明显异常。运用大数据方法对历史资料进行关联匹配映射分析后发现，来自香港的证券账户与开立在内地的某些证券账户有操纵市场的重大嫌疑，根据上述线索，监管部门查获唐某等人跨境操纵市场的违法事实，成为沪港通开通以来查处的首例跨境操纵市场案例。大数据方法为资本市场的进一步对外开放提供了新的监管思路。三是运用大数据实现风险分析、风险评级，打击电信诈骗。通过收集和整理各行业、机构的黑名单，利用多样化的机器学习模型及大数据关联分析等技术，为银行、个人等提供风险管控和反欺诈的服务；运用数据挖掘技术，发掘与相关账户信用相关的预警信息，形成预警信号并向相关风险管理系统主动推送，进而跟踪预警信号处置流程，直至得出最终结论或风险管控方案，形成一个风险预警、通知、处置和关闭的闭环处理流程。四是运用大数据助力风控。例如，某电子商务企业旗下小贷平台建立了决策系统，借助大数据分析结果选择风险可控的企业开放信贷服务，实现贷前小额贷款风险管理控制，提升集约化管理的效率。该平台信用贷款部分客户的贷款年化利率可低至12%，对比原先降低6个百分点。依靠平台和数据优势，该平台在风险控制方面已形成了多层次、全方