国内有金融大数据实验室嘛_金融实验室

金融实验室，金融大数据分析：每个人都离不开社会离不开这种大的经济环境，我们现在最关注的可能是未来得房价会不会跌、跌多少，我们的金融资产受到的冲击是多少，这就是经济环境的风险。通常我们认为经济环境的风险从金融大数据的角度来说更加注重从微观的数据整合到宏观的维度，它的准确度会非常高。在宏观经济领域，像穆迪、标普这种征信公司和很多其它金融机构都会联手做很多事情，比如说金融危机的时候美国经济机构做了很多宏观经济指数，这能够有指导性的作用，这也是金融大数据领域一个非常重要的应用。

金融实验室，金融大数据分析：每个人都离不开社会离不开这种大的经济环境，我们现在最关注的可能是未来得房价会不会跌、跌多少，我们的金融资产受到的冲击是多少，这就是经济环境的风险。通常我们认为经济环境的风险从金融大数据的角度来说更加注重从微观的数据整合到宏观的维度，它的准确度会非常高。

金融大数据，大数据这几年和金融都有哪些方面的融合？
最近几年，金融数据在做什么？

数据效率和即席分析
最近几年，大家又开始认为数据收集过多。对国内的金融机构来讲更是这样。实际上从数据的角度来讲，用户量实在太大了。现在我有几个同事在用Hadoop给银行做解决方案，大家发现数据效率已经成了非常大的瓶颈，因为其中有些计算实在太复杂。

原来从数据库导到数据仓库里，可以延时来算这个数据，但现在发现这样不可行了。最典型的一个案例就是“反欺诈”。 P2P现在已经有团伙性作案诈骗，这就导致选择模型很难，然而又不能像银行放贷一样速度很慢。所以我觉得，提升数据效率和即席分析这两个结合起来，诞生了非常多的机会。

金融实验室开始研究大数据在金融领域发挥的重要作用，大数据和金融的相辅相成也逐步凸显。

大家做企业评级、分析、参照的核心其实是两点：行业和规模。实际上，我觉得行业分类无论是采用统计局还是证监会的分类标准，其实差别都不大。况且，在分析中小企业时，这些标准的适用性并不强。

关于行业分析的扩展，视野金融也正在进行尝试。

首先，我们做的是宏观数据和行业数据的配比。宏观数据的可读性较差，可以说只是一个库而已。但对单列的某个行业来讲，比如铁路运输量和煤炭行业，白酒的销售和A股白酒行业的业绩表现，这些指标和行业趋势还是比较吻合的。将统计局的数据与行业数据相结合，还是可以看到大趋势的。

其次，是关联关系的分析。A股的两千多家公司中有很多关联公司，如果再加上新三板的挂牌企业，相当于将一万多家企业进行关联。将这两部分关联关系的优点是：披露信息更全。因为通过工商数据的关联关系，只能查到一些股权关系，信息不够全面。

最后，是大家都在尝试的产业链分析。这其中涉及前五大供应商、前五大供货商的分析等。

传统金融管理模式被大数据打破，如今大数据与金融相辅相成，互成利害关系。

金融行业的本质就是风险和定价。风险可以分为三个层次：信用风险、市场风险和操作风险。信用风险是去研究它的基本征信评级，市场风险是研究资产的定 价，操作风险是研究内部控制的。我们首先要用海量的数据去解决企业的信用风险问题，我们选择了金融行业一个比较有特征的领域，叫做新经济企业。

传统的制造业评估模型主要依赖于财务报表，而对于新经济企业，这种轻资产、高成长、高研发投入的企业，没有更多的资产信息，如何通过数据来弥补资产信息不足，对风险进行定义，就是我们研究的方向。

大数据对金融领域的支持和推进作用，估计很多人都看到了它的价值所以。金融实验室也把大数据作为重要的研究对象和研究部分。
在金融领域，多个交易中心之间的数据必须要汇齐，在整个金融机构里面有统一风险管理的相关交易汇集，统一的交易平台是机构风险管理的必须的要求。而金融业的监管机构在其监管要求里面，也明确提到了商业银行应该系统收集整合和跟踪各种风险相关数据，并且建立统一的数据平台进行风险控制，确保数据完整性、全面性、标准性以及一致性，为了满足资本计算以及内部充足评估的需要。

大数据的发展，促使金融领域也开始逐步深入大数据行业，金融实验室的研究范围也进一步扩大，尤其是加上互联网金融的迅速发展。
P2P落地中国已有近10年的历史,10年间,互联网金融行业逐年发展壮大。来自第三方机构的数据显示,截至今年11月底,互联网金融的历史累计成交量已突破3万亿元大关。互联网金融也逐渐成为了众多投资者的首选。
互联网金融在国家和市场的引导下，正在逐步占据金融市场主导地位。互联网金融以其起点低，更高的安全性，吸引着越来越多的投资人加入互联网金融的理财大军。

金融实验室，金融行业与大数据分析时代的相互交融与渗透.
互联网金融有三个必备要素，一个是数据的丰富度，既要有社交数据，又要有电商数据，第二要建立强大的信用体系，没有信用体系建设，做不到两三分钟内发放信用贷款。第三是基於大数据的风控体系，并不是基於IT技术的风控。

金融实验室，金融行业与大数据分析时代的相互交融与渗透：总结来说，金融大数据工程师，只是一个工程师还是远远不够的。他首先要对金融有所了解，其次要分析数据背后的本质，哪里风险高，哪里风控做的不好，最后形成决策。举例来说，中等风险的人群实际上是很能盈利的人群，因为他有一点风险，但又不是太高。那么这些人的风险如何管理，如何定价就是金融大数据工程师要做的。数据清理、分析你发现了什么、总结出什么规律、这个规律怎么提升、怎么样迭代，这是数据工程师最重要的五个核心。此外数据工程师还需要艺术思维和匠人精神，要科学性和艺术性相结合。

金融大数据能够集合海量非结构化数据，实时分析，为互联网金融机构提供信息支撑;通过分析和挖掘投资人的交易信息，掌握消费习惯，准确预测投资行为。