大数据在金融领域的应用与作用.pdfVIP

大数据在金融领域的应用与作用

随着互联网特别是移动互联技术的普及，20世纪90年代以来发展起来的信息技术革命出现

了新变化：在信息化时代以各种方式被产生、记录、存储、传播以及使用的数据开始成为信

息技术革命的主角。一场被形象地称之为“大数据革命”的信息技术变革悄然而至。与历次

技术革新所不同的是，从来没有哪一次技术变革能够像这场大数据革命一样，在短短的数年

里从少数科学家的主张转变为全球领军公司的战略实践，从而上升为大国的国家竞争战略，

并最终演变为一股对人类经济社会发展将产生深远影响的历史潮流。金融业作为一个信息密

集型传统行业，正成为应用大数据技术的先锋。全球金融基础设施正在面临系统性的重构，

传统金融机构的经营方式和风险管理也面临着转型的重大机遇和挑战。本文将从三个方面系

统论述大数据在金融领域的前沿应用及其对传统金融体系的影响。

一可视化分析技术的开发与应用

（一）可视化分析技术概述

大数据分析是大数据研究领域的核心内容之一。大数据分析可以从两个维度展开，这两个维

度均涉及理论分析和方法论问题。一个维度是从机器或计算机的角度出发，利用机器的计算

能力和人工智能，以高性能处理算法、分布式处理技术、智能搜索与挖掘算法等为主要研究

内容，例如，基于谷歌公司的Hadoop和MapReduce框架的大数据处理方法以及各类面向大

数据的机器学习和数据挖掘方法等；另一个维度则是从人作为分析主体和需求主体的角度出

发，强调基于人机交互的、符合人的认知规律的分析方法，意图将人所具备的而机器并不擅

长的认知能力融入分析过程中，这一研究分支以可视化分析（VisualAnalytics）为主要代

表。

当大数据以直观的可视化的图形形式展示在分析者面前时，分析者往往能够一眼洞悉数据背

后隐藏的信息并转化为可行动的知识（ActionableKnowledge），正所谓“一图胜千言”。

可视化分析是科学计算可视化、人机交互、认知科学、数据挖掘、信息论、决策理论等研究

交叉融合所产生的新的研究领域。Cardetal.（1999）将信息可视化（Information

Visualization）定义为：对抽象数据使用计算机支持的、人机交互的、可视化的表示形式

以增强人的认知能力。与传统计算机图形学以及科学可视化研究不同，信息可视研究更侧重

于通过可视化图形呈现数据中隐含的信息和规律，所研究的创新性可视化表征旨在建立符合

人的认知规律的心理映象（MentalImage）。Thomas和Cook则认为，可视化分析是一种通

过交互式可视化界面来辅助用户对大规模复杂数据集进行分析推理的技术。事实上，在科学

计算可视化领域以及传统的商业智能（BusinessIntelligence）领域，可视化分析一直是

重要的方法和手段。然而，这些研究领域并未深入地结合人机交互的理论和技术，因此难以

全面地支持可视化分析的人机交互过程。同时，大数据本身的新特点也对可视化分析提出了

更为迫切的需求与更加严峻的挑战。

可以将可视化分析的过程看作一个由数据到知识再到数据的循环过程。近年来，可视化分析

已经逐渐从一个新兴的交叉学科发展成为一个独立的研究分支，其研究目标主要是大规模、

动态、模糊或者常常不一致的数据集，主要是利用支持信息可视化的用户界面以及支持分析

过程的人机交互方式与技术，有效融合计算机的计算能力和人的认知能力，以获得对于大规

模复杂数据集的洞察力（Insight）。可视化分析研究逐渐被应用在大数据的热点领域，如

互联网、经济与金融、社会网络、城市交通、商业智能、气象变化、安全反恐等。

（二）可视化分析在宏观审慎监管领域的应用

由于数据可视化分析技术能够对不同维度、不同属性的非结构化数据在二维平面上以图形的

形式进行直观、有效的展示，因此其非常适合用来描述和研究系统性风险问题。如前所述，

金融体系的系统性风险具有一个十分突出的特征，即风险形成机制的复杂性和多面性。换言

之，度量系统性风险的视角并非是固定的。也正因为如此，才会有大量的基于不同研究视角

和不同维度数据的衡量系统性风险的工具和方法。如果利用可视化分析技术将度量金融体系

系统性风险不同维度的数据以图像的形式表现出来，往往能够更加深刻地揭示系统性风险的

程度以及不同因素之间的内在联系，从而为金融当局实施宏观审慎监管提供决策参考。特别

是当微观金融数据的数量十分巨大时，可视化分析技术相对于传统的统计分析方法的优势尤

其明显。

因此，可视化分析技术一直以来都是主要发达国家金融监管当局分析宏观经济金融风险的工

具之一。然而，在此次全球金融危机爆发之前的相当长的一段时间里，