2.3 证券数据分享.pdf

证券数据 ——在量化投资与资产管理中的应用 主要内容 • 大数据资产管理时代的来临 • 金融机构资产管理变革 • 大数据在量化投资中的应用 • 案例分析 （一）大数据资产管理时代的来临 资产管理业务链条 资产管理的微观与宏观解读 • 对于资产管理行业，大数据的核心价值在 于高效地实现大规模、多类型数据的获取 与处理，发掘出关于产品、客户、市场的 高价值信息，辅助资产管理者做出更加合 理的决策。 资产管理的微观解读 • 1.产品开发的“多元化”。借助于大数据技术，资产管理产品能更充 分地满足市场多元化的需求，提供更加丰富的投资策略。一方面，从 海量数据中提取客户的资金使用习惯，研发出新型“碎片化”理财产 品；另一方面，大数据将表情、图片等半结构和非结构的数据纳入投 资组合研究中，培育出新的投资决策和资产管理风格。如华尔街的金 融分析师开始尝试对社交网络、电商网站、求职网站等进行挖掘，分 析股民情感、社交热点、就业率波动等信息，从而预判市场走势，获 得了出众的成效。 • 2.风险控制“智能化”。针对流动性风险，大数据技术通过多类型数 据的挖掘，从政策风险、行业竞争、客户习惯、公司财务等方面进行 全面分析和预测流动性风险，并提出风险管控策略。如2013年“光棍 节”余额宝成功应对了当日50亿元的巨额赎回。针对信用风险，大数 据信用风险评估系统能对融资者的上万条原始数据进行计算，并提取 数千个预测指标，实现对其违约风险的动态监控。如正是通过类似的 系统，服务于70万家小微企业的阿里小贷始终将不良贷款率控制在 1%以下。 资产管理的微观解读 • 3.市场营销“精确化”。 目前，资产管理行业的市场营销主动而不 “精确”。而大数据正在试图改变这一现状。立足于客户信息和互联 网数据，大数据可以分析出客户的风险偏好、投资风格、个性特征等， 从中推算出客户的产品偏好，实现客户的精确分层、产品的精确推送 和销售战略的精确调整。 资产管理的宏观解读 • 1.行业竞争“跨界化”。大数据打破了资产管理行业与互联网行业的 传统界限，与互联网企业共享大数据资源成为银行、基金、保险等行 业的新战场。如2013年，签收阿里巴巴的天弘基金一跃成为中国规模 最大的公募基金。同年10月，华夏基金携手百度推出“百发”理财计 划，其 亿元份额在 个小时内即告售完。 10 3 • 2.行业监管“高效化”。一方面，基于大数据技术的监管自动化，能 够成倍提升资产管理行业的监管效率和准确度，降低监管成本，有效 打击内幕交易等违法行为。另一方面，基于大数据技术的市场实时监 控和风险预警，能够在恶性行为造成实际危害前及时发现和阻断这些 行为，从而降低投资者的损失。如2013年以来，证监会借助大数据稽 查系统，准确侦破了多起“老鼠仓”。 （二）金融机构资产管理变革 l大数据与风险管理 l大数据与客户开发 大数据与风险管理 • 传统的风险评估方法除了查看信用记录外， 更多侧重于土地、房屋等物质资产和公司 信誉状况指标，缓释风险的机制多是抵押、 质押和担保。 • 大数据下的风险评估还包含了个人和企业 的信用信息，比商业银行等金融中介的传 统信用评级技术所得的结果要更为准确。 大数据风险管理的基本步骤 • 利用大数据进行风险管理的基本步骤包括：数据准备、加工、分析和应 用。 1 — 案例 ：阿里小贷的信用风险管理 —水文模型 • 从2010成立至2013年12月，阿里小贷累计 客户数量超过65万家，累计投放贷款超过 1600 4