時(shí)間:2023-03-07 14:57:52
序論:好文章的創(chuàng)作是一個(gè)不斷探索和完善的過程,我們?yōu)槟扑]十篇大數(shù)據(jù)金融論文范例,希望它們能助您一臂之力,提升您的閱讀品質(zhì),帶來更深刻的閱讀感受。
摘要:目前,在社會(huì)發(fā)展的過程中,教育水平的發(fā)展也有了前所未有的提高。金融大數(shù)據(jù)爆炸性發(fā)展要求金融學(xué)專業(yè)學(xué)生具備一定的金融數(shù)據(jù)分析與處理能力,計(jì)量經(jīng)濟(jì)學(xué)作為培養(yǎng)學(xué)生數(shù)據(jù)處理與分析能力的核心課程,新的歷史時(shí)期應(yīng)當(dāng)承擔(dān)起培養(yǎng)學(xué)生金融大數(shù)據(jù)視野的責(zé)任。
關(guān)鍵詞:金融數(shù)學(xué)專業(yè);計(jì)量經(jīng)濟(jì)學(xué);金融理論;實(shí)踐結(jié)合
引言
計(jì)量經(jīng)濟(jì)學(xué)作為一門非常強(qiáng)調(diào)應(yīng)用性的學(xué)科,是應(yīng)用型本科院校的一門重要的課程,是應(yīng)用型本科學(xué)生知識(shí)能力結(jié)構(gòu)中不可缺少的組成部分。近年來的教育教學(xué)改革的探索注重實(shí)踐環(huán)境的強(qiáng)化,人們已越來越清醒地認(rèn)識(shí)到,實(shí)踐教學(xué)是培養(yǎng)學(xué)生實(shí)踐能力和創(chuàng)新能力的重要環(huán)節(jié),也是提高學(xué)生社會(huì)職業(yè)素養(yǎng)和就業(yè)競(jìng)爭(zhēng)力的重要途徑。計(jì)量經(jīng)濟(jì)學(xué)作為經(jīng)濟(jì)學(xué)核心課程之一,在當(dāng)前教育新常態(tài)下,產(chǎn)生了一些新的問題,因此應(yīng)用型本科教育背景下的計(jì)量經(jīng)濟(jì)學(xué)也應(yīng)該被重新賦予新的屬性。
一、教學(xué)內(nèi)容和教學(xué)方式的問題
(1)傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)教學(xué)強(qiáng)調(diào)回歸分析背后模型的假設(shè)及相關(guān)內(nèi)容,但現(xiàn)代經(jīng)驗(yàn)研究強(qiáng)調(diào)因果關(guān)系。因此,當(dāng)前計(jì)量經(jīng)濟(jì)學(xué)教學(xué)過分強(qiáng)調(diào)對(duì)隨機(jī)擾動(dòng)項(xiàng)分布、異方差及自相關(guān)的長(zhǎng)篇討論,顯得不合時(shí)宜,而對(duì)國(guó)內(nèi)外廣泛流行的新穎工具較少提及,其結(jié)果是學(xué)生對(duì)計(jì)量經(jīng)濟(jì)學(xué)應(yīng)用仍是一知半解。(2)由于現(xiàn)有課時(shí)安排等原因,教師教學(xué)過程中著重講授計(jì)量經(jīng)濟(jì)學(xué)原理和方法,而輕視實(shí)際應(yīng)用和數(shù)據(jù)處理能力的培養(yǎng)。例如,教學(xué)中主要講授參數(shù)估計(jì)和各種檢驗(yàn)的理論和方法,對(duì)如何從經(jīng)濟(jì)問題出發(fā)建立模型,如何應(yīng)用模型分析實(shí)際的經(jīng)濟(jì)問題討論得較少。(3)由于課堂教學(xué)注重理論知識(shí)的講授,不能分配更多的實(shí)驗(yàn)課時(shí),導(dǎo)致學(xué)生難以真正理解和運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)理論知識(shí),特別難以將理論知識(shí)靈活應(yīng)用于金融數(shù)據(jù)建模與處理。(4)現(xiàn)有的計(jì)量經(jīng)濟(jì)學(xué)課程缺乏將計(jì)量經(jīng)濟(jì)學(xué)方法與金融數(shù)據(jù)相融合的缺陷。在課堂教學(xué)內(nèi)容安排中,著重講述計(jì)量經(jīng)濟(jì)學(xué)的基本原理和方法,而沒有將計(jì)量方法與金融大數(shù)據(jù)的獲取與加工處理結(jié)合起來進(jìn)行講解。導(dǎo)致多數(shù)學(xué)生具備一定的計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ),但面對(duì)查找和處理金融數(shù)據(jù)時(shí)卻束手無策。(5)已有計(jì)量經(jīng)濟(jì)學(xué)教學(xué)內(nèi)容安排上,一般將經(jīng)典的計(jì)量經(jīng)濟(jì)學(xué)和現(xiàn)代時(shí)間序列方法安排在一個(gè)學(xué)期內(nèi)完成。由于教學(xué)內(nèi)容過多而教學(xué)課時(shí)有限,其結(jié)果是導(dǎo)致無法詳細(xì)講解金融時(shí)間序列部分,金融學(xué)專業(yè)學(xué)生對(duì)金融大數(shù)據(jù)處理及建模能力不強(qiáng)。
二、金融數(shù)學(xué)專業(yè)計(jì)量經(jīng)濟(jì)學(xué)與金融理論及實(shí)踐的結(jié)合的優(yōu)化措施
(一)突出案例教學(xué)
豐富多彩又符合專業(yè)特色的案例教學(xué)可以激發(fā)學(xué)生的學(xué)習(xí)興趣。案例教學(xué)一方面能夠使理論知識(shí)更加通俗易懂,另一方面案例教學(xué)重視師生互動(dòng),可以提高學(xué)生的興趣,為課程論文和畢業(yè)論文的寫作打下良好的基礎(chǔ)。計(jì)量經(jīng)濟(jì)學(xué)教學(xué)案例的選取一定要突出目的性、代表性和趣味性等特點(diǎn),應(yīng)結(jié)合學(xué)生所學(xué)專業(yè)的差異,多搜集一些與該專業(yè)密切相關(guān)的經(jīng)濟(jì)熱點(diǎn)問題和前沿問題,激發(fā)學(xué)生的學(xué)習(xí)積極性和主動(dòng)性。
(二)金融數(shù)學(xué)專業(yè)計(jì)量經(jīng)濟(jì)學(xué)與金融理論及實(shí)踐的結(jié)合
就金融數(shù)學(xué)專業(yè)學(xué)生而言,在為這些學(xué)生開展計(jì)量經(jīng)濟(jì)學(xué)課程教學(xué)時(shí),需要注重將金融理論和具體的金融實(shí)踐知識(shí)緊密結(jié)合起來,以此來引導(dǎo)他們正確使用計(jì)量經(jīng)濟(jì)模型方法來研究金融相關(guān)實(shí)踐問題。金融市場(chǎng)相關(guān)實(shí)踐知識(shí)更傾向于股票投資和資金資本等的利用,不能僅僅依靠消費(fèi)-收入這一知識(shí)以偏概全,這就要求計(jì)量經(jīng)濟(jì)學(xué)老師在為金融數(shù)學(xué)專業(yè)學(xué)生開展課程教學(xué)時(shí),需要拓展到相關(guān)金融領(lǐng)域,通過講解相關(guān)金融理論和具體的市場(chǎng)實(shí)踐數(shù)據(jù)來開展課程教學(xué)。
(三)“案例+微課”的教學(xué)模式改革
為了提高金融專業(yè)本科生金融大數(shù)據(jù)處理能力,改善教學(xué)效果,擬重點(diǎn)對(duì)《計(jì)量經(jīng)濟(jì)學(xué)(Ⅱ)》的教學(xué)方法進(jìn)行創(chuàng)新。為了改變以課堂為中心的單一教學(xué)方法“重在教,逼學(xué)生學(xué)”的缺陷,我們將使用“案例+微課”的教學(xué)模式。“案例教學(xué)”是計(jì)量經(jīng)濟(jì)學(xué)一種非常有效的輔助教學(xué)模式(楊汭華,2005;黃佐钘,2008;張玲,2014)。與傳統(tǒng)的案例教學(xué)不同:(1)項(xiàng)目強(qiáng)調(diào)針對(duì)金融大數(shù)據(jù)開發(fā)相關(guān)案例,并以“微課”的形式將教學(xué)內(nèi)容呈現(xiàn)給學(xué)生。“案例+微課”的教學(xué)模式的好處在于能激發(fā)學(xué)生對(duì)計(jì)量經(jīng)濟(jì)學(xué)理論學(xué)習(xí)的興趣,更加生動(dòng)和直觀地將金融大數(shù)據(jù)處理呈現(xiàn)給學(xué)生,引導(dǎo)學(xué)生自主學(xué)習(xí)。此外,“案例+微課”模式能對(duì)課堂教學(xué)形成有效補(bǔ)充,課堂上沒有解決的問題,學(xué)生可以在課外通過“案例+微課”進(jìn)一步鞏固與提高課堂知識(shí)。(2)傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)經(jīng)驗(yàn)案例強(qiáng)調(diào)計(jì)量經(jīng)濟(jì)學(xué)理論知識(shí)的應(yīng)用,重點(diǎn)介紹數(shù)學(xué)與統(tǒng)計(jì)技術(shù),而忽視其內(nèi)在的經(jīng)濟(jì)問題與變量間的內(nèi)生關(guān)系。項(xiàng)目強(qiáng)調(diào)以真實(shí)的金融大數(shù)據(jù)為載體,在案例分析中,更加注重因果關(guān)系的討論,從而案例分析更加接近現(xiàn)實(shí)。因此,相比于傳統(tǒng)的案例分析,項(xiàng)目經(jīng)驗(yàn)分析更接近現(xiàn)代研究范式,故而具有更好的實(shí)用價(jià)值。
(四)完善考核體系
作為一門應(yīng)用型的學(xué)科,考核方式也應(yīng)該多樣化。可以嘗試采用課程論文的考核方式,課程論文一方面可以深化學(xué)生對(duì)課程內(nèi)容的學(xué)習(xí),另一方面也能加強(qiáng)學(xué)生的應(yīng)用能力,提高學(xué)生的獨(dú)立思考能力和對(duì)知識(shí)的靈活運(yùn)用能力。課程論文可以與學(xué)生的畢業(yè)設(shè)計(jì)結(jié)合,突出學(xué)生所在學(xué)科屬性,充分調(diào)動(dòng)學(xué)生的積極性。同時(shí)不能將試卷考核的方式拋棄,例如可以將紙質(zhì)試卷改為上機(jī)考試,增加操作題的比重。完善的考核方式會(huì)提高學(xué)生對(duì)計(jì)量經(jīng)濟(jì)學(xué)課程的重視程度,強(qiáng)化計(jì)量經(jīng)濟(jì)學(xué)的教學(xué)效果。
結(jié)語(yǔ)
總之,計(jì)量經(jīng)濟(jì)學(xué)教學(xué)改革是高等教育供給側(cè)改革的一個(gè)縮影,只有明確清晰教學(xué)定位,有效提升高等教育供給體系的質(zhì)量和效率,重點(diǎn)解決好高校人才培養(yǎng)能力、支撐引領(lǐng)國(guó)家創(chuàng)新發(fā)展能力的問題,才能提供更多有選擇的本科教育,建成更有競(jìng)爭(zhēng)力的本科教育,開創(chuàng)更有特色的本科教育,發(fā)展更加公平的本科教育。
計(jì)量經(jīng)濟(jì)學(xué)畢業(yè)論文范文模板(二):基于計(jì)量經(jīng)濟(jì)學(xué)的電力企業(yè)經(jīng)濟(jì)效益與管理決策實(shí)證研究論文
摘要:在我國(guó)快速發(fā)展的過程中,我國(guó)的電力建設(shè)在不斷的完善,中國(guó)的現(xiàn)代化建設(shè)離不開電力的發(fā)展,同時(shí)國(guó)民經(jīng)濟(jì)的發(fā)展也將推動(dòng)電力工業(yè)的進(jìn)步。處于新時(shí)代的電力企業(yè)需要具備超前的思維與意識(shí),在外對(duì)國(guó)民經(jīng)濟(jì)的發(fā)展具備清晰的預(yù)判,在內(nèi)要做好企業(yè)內(nèi)部的管理建設(shè),針對(duì)未來長(zhǎng)遠(yuǎn)發(fā)展制定科學(xué)的規(guī)劃。要做好這幾點(diǎn),就離不開對(duì)電力企業(yè)經(jīng)濟(jì)效益、經(jīng)營(yíng)管理的分析以及數(shù)學(xué)建模工具的運(yùn)用。本文選取2001-2017年中國(guó)的國(guó)內(nèi)生產(chǎn)總值(GDP),全社會(huì)用電量數(shù)據(jù)以及典型電力企業(yè)華電國(guó)際年度報(bào)告數(shù)據(jù),分析了華電國(guó)際的經(jīng)濟(jì)效益與外部經(jīng)濟(jì)環(huán)境以及企業(yè)經(jīng)營(yíng)管理之間的關(guān)系。首先從時(shí)間序列非平穩(wěn)角度出發(fā),利用協(xié)整理論并通過單位根檢驗(yàn)以及協(xié)整關(guān)系檢驗(yàn)對(duì)華電國(guó)際的經(jīng)濟(jì)效益建立了長(zhǎng)期均衡模型。再對(duì)模型進(jìn)行短期誤差修正,在證明了模型有效性的基礎(chǔ)上,利用所建模型對(duì)提升華電國(guó)際的經(jīng)濟(jì)效益進(jìn)行實(shí)證分析預(yù)測(cè)。最后對(duì)以華電國(guó)際為代表的中國(guó)電力企業(yè)的發(fā)展提出相關(guān)建議。結(jié)果表明,對(duì)華電國(guó)際而言其供電成本、管理與財(cái)務(wù)及人力資源成本的完善對(duì)其經(jīng)濟(jì)效益的影響將是一個(gè)長(zhǎng)期過程,而其短期內(nèi)經(jīng)濟(jì)效益主要受國(guó)民經(jīng)濟(jì)的發(fā)展水平以及全社會(huì)用電量需求的影響。該模型具有廣泛的適用性,可以為其他電力企業(yè)的經(jīng)濟(jì)效益及其影響因素進(jìn)行分析與預(yù)測(cè),對(duì)企業(yè)未來的管理決策規(guī)劃提供參考。
關(guān)鍵詞:電力企業(yè);經(jīng)濟(jì)效益;管理決策
經(jīng)濟(jì)研究的方法在于總結(jié)典型的經(jīng)驗(yàn)特征與收集數(shù)據(jù),并在此基礎(chǔ)上建立相應(yīng)的經(jīng)濟(jì)理論或經(jīng)濟(jì)模型。經(jīng)濟(jì)研究的科學(xué)性在很大程度上取決于經(jīng)濟(jì)理論或經(jīng)濟(jì)模型的可驗(yàn)證性,即能否通過數(shù)據(jù)實(shí)證檢驗(yàn)相關(guān)的經(jīng)濟(jì)理論與經(jīng)濟(jì)模型來解釋事實(shí),并預(yù)測(cè)未來的經(jīng)濟(jì)變動(dòng)趨勢(shì)以及提供科學(xué)的政策建議。計(jì)量經(jīng)濟(jì)學(xué)和實(shí)驗(yàn)經(jīng)濟(jì)學(xué)則猶如硬幣的雙面,從不同的角度為經(jīng)濟(jì)學(xué)的實(shí)證分析提供重要的方法論基礎(chǔ)。計(jì)量經(jīng)濟(jì)學(xué)以實(shí)際經(jīng)濟(jì)數(shù)據(jù)的建模與分析為主要研究對(duì)象。當(dāng)實(shí)際數(shù)據(jù)不可得,或?qū)嶋H數(shù)據(jù)過于復(fù)雜而導(dǎo)致因果關(guān)系不易梳理時(shí),實(shí)驗(yàn)經(jīng)濟(jì)學(xué)則有可能從另一個(gè)角度出發(fā),通過可控的實(shí)驗(yàn)數(shù)據(jù)代替實(shí)際數(shù)據(jù),成為實(shí)證經(jīng)濟(jì)分析的又一個(gè)有力工具。
一、協(xié)整理論概述
協(xié)整的概念是由恩格爾一格蘭杰(Engle-Granger)在1987年“協(xié)整與誤差修正,描述、估計(jì)與檢驗(yàn)”中正式提出的,協(xié)整的基本思想認(rèn)為,盡管兩個(gè)或兩個(gè)以上變量中的每一個(gè)都是非平穩(wěn)的,但他們的線性組合可能會(huì)相互抵消趨勢(shì)項(xiàng)的影響,使該組合是平穩(wěn)的。這一理論的提出為經(jīng)濟(jì)時(shí)間序列分析樹立了新的里程碑,對(duì)經(jīng)濟(jì)學(xué)和計(jì)量經(jīng)濟(jì)學(xué)產(chǎn)生了革命性的影響。之所以協(xié)整理論會(huì)產(chǎn)生如此大的影響,是與一協(xié)整理論所具有的深厚的經(jīng)濟(jì)學(xué)背景密不可分的。
二、基于計(jì)量經(jīng)濟(jì)學(xué)的電力企業(yè)經(jīng)濟(jì)效益與管理決策實(shí)證
(一)非均衡博弈論框架的建立和實(shí)驗(yàn)驗(yàn)證
策略性思考是博弈理論及其應(yīng)用的基礎(chǔ)。納什均衡以及相關(guān)均衡的概念過去一直是描述策略性思考的核心內(nèi)容,其定義為每個(gè)博弈參與者的策略都是在給定其他方策略下的最優(yōu)反應(yīng)。顯然這種均衡的定義內(nèi)在要求每個(gè)博弈參與者在決策信念上達(dá)到均衡,即每個(gè)參與者對(duì)其他方的策略持有正確的信念。在過去的研究中,經(jīng)濟(jì)學(xué)者通常假定均衡框架存在從而做出對(duì)參與者行為的預(yù)測(cè)。盡管在一些博弈場(chǎng)景下,基于均衡概念的行為預(yù)測(cè)是準(zhǔn)確的,但在多數(shù)情況下實(shí)驗(yàn)經(jīng)濟(jì)學(xué)研究結(jié)果表明博弈參與者的行為會(huì)系統(tǒng)性地偏離基于均衡概念的行為預(yù)測(cè)。由于來自實(shí)驗(yàn)經(jīng)濟(jì)學(xué)數(shù)據(jù)對(duì)原有理論框架的挑戰(zhàn),經(jīng)濟(jì)學(xué)研究人員逐漸提出了基于非均衡概念的策略性思考理論框架并且運(yùn)用實(shí)驗(yàn)經(jīng)濟(jì)學(xué)的方法收集數(shù)據(jù)來檢驗(yàn)這些新理論。這些基于非均衡概念的策略性思考理論框架的核心在于繼續(xù)假定博弈參與者在決策時(shí)仍然有策略性思考的因素在里面,但放棄了均衡的概念以及嵌入在均衡概念里面的很強(qiáng)的理性假設(shè)。
(二)ECM誤差修正
通過Granger定理易知,具有協(xié)整關(guān)系的一系列變量會(huì)對(duì)應(yīng)一個(gè)包含誤差修正的表達(dá)形式。可以進(jìn)一步通過誤差修正來研究華電國(guó)際經(jīng)濟(jì)效益的短期行為。具體而言可根據(jù)由Hendry提出的一般到特殊的建模理論,逐步剔除從三階滯后變量及誤差修正項(xiàng)開始的不顯著量,從而得到最終的誤差修正模型:(見下面公式)式中:ECMt-1代表協(xié)整回歸厚的一階滯后誤差,括號(hào)內(nèi)的數(shù)字代表不拒絕相應(yīng)零假設(shè)的概率。從該方程式以及統(tǒng)計(jì)結(jié)果的數(shù)據(jù)可以發(fā)現(xiàn),文中所進(jìn)行的統(tǒng)計(jì)檢驗(yàn)在置信水平上表現(xiàn)顯著。這一結(jié)果也證明了文中構(gòu)建的誤差修正的具有良好的適用性。圖中給出了LY的實(shí)際數(shù)據(jù)與擬合結(jié)果以及殘差結(jié)果,從圖中可以看出,協(xié)整以及誤差修正之后的模型具有較為理想的結(jié)果。
(三)計(jì)量經(jīng)濟(jì)學(xué)應(yīng)用研究中的多重共線性問題
一、緒論
(一)背景
隨著我國(guó)互聯(lián)網(wǎng)是迅速發(fā)展,互聯(lián)網(wǎng)模式迅速占據(jù)各行各業(yè),而我國(guó)的互聯(lián)網(wǎng)經(jīng)濟(jì)也取得了飛速的發(fā)展。截止2015年我國(guó)的網(wǎng)民已經(jīng)達(dá)到了9億人,這個(gè)龐大的數(shù)字表明我國(guó)的互聯(lián)網(wǎng)市場(chǎng)的巨大潛力。此外,政府的大數(shù)據(jù)政策也開始向互聯(lián)網(wǎng)行業(yè)傾斜,表明了互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代的美好機(jī)遇的到來。互聯(lián)網(wǎng)金融的融資理財(cái)?shù)饶K的發(fā)展也取得了很大的進(jìn)步,第三方支付交易規(guī)模已經(jīng)達(dá)到了11.9萬(wàn)億,第三方移動(dòng)支付交易規(guī)模達(dá)到了9.5萬(wàn)億。
通過在大數(shù)據(jù)背景下研究互聯(lián)網(wǎng)金融的盈利模式,可以對(duì)于我國(guó)今后互聯(lián)網(wǎng)金融的發(fā)展提供良好的理論基礎(chǔ),同時(shí)針對(duì)大數(shù)據(jù)環(huán)境下互聯(lián)網(wǎng)金融和傳統(tǒng)金融相比存在的優(yōu)劣勢(shì)做出對(duì)比,可以為傳統(tǒng)金融的轉(zhuǎn)變提供良好的方案此外為互聯(lián)網(wǎng)金融的問題給出良好的解決措施,從而有利于我國(guó)互聯(lián)網(wǎng)金融的健康發(fā)展。
(二)相關(guān)理論和概念
互聯(lián)網(wǎng)金融是傳統(tǒng)金融行業(yè)與互聯(lián)網(wǎng)精神相結(jié)合的新興領(lǐng)域。互聯(lián)網(wǎng)“開放、平等、協(xié)作、分享”的精神向傳統(tǒng)金融業(yè)態(tài)滲透,對(duì)人類金融模式產(chǎn)生根本影響,具備互聯(lián)網(wǎng)精神的金融業(yè)態(tài)統(tǒng)稱為互聯(lián)網(wǎng)金融。
“大數(shù)據(jù)”是指以多元形式,自許多來源搜集而來的龐大數(shù)據(jù)組,往往具有實(shí)時(shí)性。在企業(yè)對(duì)企業(yè)銷售的情況下,這些數(shù)據(jù)可能得自社交網(wǎng)絡(luò)、電子商務(wù)網(wǎng)站、顧客來訪紀(jì)錄,還有許多其他來源。這些數(shù)據(jù),并非公司顧客關(guān)系管理數(shù)據(jù)庫(kù)的常態(tài)數(shù)據(jù)組。
博弈論又被稱為對(duì)策論(Game Theory)既是現(xiàn)代數(shù)學(xué)的一個(gè)新分支,也是運(yùn)籌學(xué)的一個(gè)重要學(xué)科。博弈論主要研究公式化了的激勵(lì)結(jié)構(gòu)間的相互作用。是研究具有斗爭(zhēng)或競(jìng)爭(zhēng)性質(zhì)現(xiàn)象的數(shù)學(xué)理論和方法。
二、傳統(tǒng)金融盈利模式分析
(一)傳統(tǒng)金融機(jī)構(gòu)盈利模式分析
廣義上說我國(guó)傳統(tǒng)的金融機(jī)構(gòu)有銀行,基金,保險(xiǎn),證券公司等,這些公司都屬于我國(guó)傳統(tǒng)進(jìn)行機(jī)構(gòu),傳統(tǒng)金融的盈利模式分為不同的機(jī)構(gòu)進(jìn)行簡(jiǎn)單介紹。
1.銀行。我國(guó)的銀行主要盈利模式是吸納存款給存款人發(fā)放利息,同時(shí)對(duì)外房貸,收取貸款利息,其中貸款利息和存款利息的差額就的利潤(rùn),中間業(yè)務(wù)收入,同行拆借,承兌匯票貼現(xiàn)利息收入,信用證,托管業(yè)務(wù)等。這些構(gòu)成了銀行的盈利來源。
2.證券。證券是多種經(jīng)濟(jì)權(quán)益憑證的統(tǒng)稱,因此,廣義上的證券市場(chǎng)指的是所有證券發(fā)行和交易的場(chǎng)所,狹義上,也是最活躍的證券市場(chǎng)指的是資本證券市場(chǎng)、貨幣證券市場(chǎng)和商品證券市場(chǎng)。
3.保險(xiǎn)。保險(xiǎn)公司(insurance company)是銷售保險(xiǎn)合約、提供風(fēng)險(xiǎn)保障的公司。保險(xiǎn)公司可以這樣分類:人壽保險(xiǎn)公司和財(cái)產(chǎn)保險(xiǎn)公司。按照中華民國(guó)保險(xiǎn)法之規(guī)定,兩者必須分開經(jīng)營(yíng)。所以有的保險(xiǎn)公司成立了集團(tuán)公司,下設(shè)獨(dú)立核算的人壽保險(xiǎn)公司和財(cái)產(chǎn)保險(xiǎn)公司。再保險(xiǎn)公司是保險(xiǎn)公司的保險(xiǎn)公司,對(duì)保險(xiǎn)公司承擔(dān)的風(fēng)險(xiǎn)進(jìn)行分散和轉(zhuǎn)嫁。
(二)傳統(tǒng)金融在互聯(lián)網(wǎng)背景下發(fā)展的局限性
第一,產(chǎn)品品種優(yōu)勢(shì)不明顯,投資門檻高,客戶體驗(yàn)度差。銀行的流程繁瑣和復(fù)雜,使得一些客戶避而遠(yuǎn)之,加上銀行近些年的理財(cái)產(chǎn)品不以客戶為中心,客戶理念差。
第二,渠道單一。對(duì)于傳統(tǒng)金融機(jī)構(gòu)來說,更多的是來自物理渠道的客戶,商業(yè)銀行的客戶群體多來自網(wǎng)點(diǎn)的客戶,而線上客戶缺乏,也沒有線上客戶來源,線上市場(chǎng)推廣策略缺乏,缺乏市場(chǎng)前瞻性。
第三,傳統(tǒng)的管理戰(zhàn)略思想導(dǎo)致銀行發(fā)展緩慢。銀行帶有濃重的政治色彩,一直都是國(guó)家控股,對(duì)于銀行的戰(zhàn)略管理也是以國(guó)家戰(zhàn)略管理為核心而展開的,因此,銀行的變革一直在比較緩慢的。
第四,缺乏良好的人才選拔機(jī)制和內(nèi)部晉升渠道。現(xiàn)代管理中,具有競(jìng)爭(zhēng)力的人才才能給公司帶來發(fā)展,銀行人才的競(jìng)爭(zhēng)和選拔也缺乏合理性,傳統(tǒng)銀行很多都是關(guān)系戶,導(dǎo)致銀行內(nèi)部人才缺乏公平競(jìng)爭(zhēng)機(jī)制。
三、互聯(lián)網(wǎng)金融盈利模式分析
(一)互聯(lián)網(wǎng)金融的運(yùn)作模式
第一,第三方支付企業(yè)指在收付款人之間作為中介機(jī)構(gòu)提供網(wǎng)絡(luò)支付、預(yù)付卡發(fā)行預(yù)受理、銀行卡收單以及其他支付服務(wù)的非金融機(jī)構(gòu)。代表企業(yè):支付寶、易寶支付、拉卡拉、財(cái)付通為代表的互聯(lián)網(wǎng)支付企業(yè),快錢、匯付天下為代表的金融型支付企業(yè)。
第二,P2P小額貸款。P2P金融又叫P2P信貸,指?jìng)€(gè)人與個(gè)人間的小額借貸交易,一般需要借助電子商務(wù)專業(yè)網(wǎng)絡(luò)平臺(tái)幫助借貸雙方確立借貸關(guān)系并完成相關(guān)交易手續(xù)。
第三,眾籌融資模式。眾籌融資模式是基于“互聯(lián)網(wǎng)+金融”所創(chuàng)新的一種模式,意義不僅在金融創(chuàng)新本身,而在于對(duì)傳統(tǒng)金融領(lǐng)域和金融業(yè)態(tài)提出的挑戰(zhàn),并且在一定意義上具有顛覆性。
第四,虛擬電子貨幣模式。虛擬貨幣是一種計(jì)算機(jī)運(yùn)算產(chǎn)生或者網(wǎng)絡(luò)社區(qū)發(fā)行管理的網(wǎng)絡(luò)虛擬貨幣,可以用來購(gòu)買一些虛擬的物品,也可以使用像比特幣這樣的虛擬貨幣購(gòu)買現(xiàn)實(shí)生活當(dāng)中的物品。
(二)互聯(lián)網(wǎng)金融主要盈利收入來源
我國(guó)目前互聯(lián)網(wǎng)金融發(fā)展迅速,很多的經(jīng)營(yíng)模式以規(guī)模制勝,P2P模式中的主要利潤(rùn)來源是賺取中間的差價(jià),借款人和貸款人之間的利息差為主要利潤(rùn)來源。虛擬貨幣的主要利潤(rùn)來源就是賣虛擬貨幣的收入扣除相應(yīng)的成本之后所得利潤(rùn)。對(duì)于眾籌融資模式來說,盈利模式大多數(shù)以收取傭金的形式來實(shí)現(xiàn)收益,其次,很多眾籌平臺(tái)也采取分成模式或廣告模式,也就是眾籌成功之后從其收取一定的廣告費(fèi)。
四、大數(shù)據(jù)及互聯(lián)網(wǎng)金融視角下國(guó)有商業(yè)銀行盈利模式研究
(一)博弈論角度分析商業(yè)銀行和互聯(lián)網(wǎng)金融選擇
1.假設(shè)前提
第一,金融市場(chǎng)中只存在了商業(yè)銀行和互聯(lián)網(wǎng)金融兩個(gè)參與者。
第二,經(jīng)濟(jì)人假設(shè)。商業(yè)銀行和互聯(lián)網(wǎng)金融機(jī)構(gòu)是兩個(gè)理性經(jīng)濟(jì)人,以個(gè)人最大利益為出發(fā)點(diǎn),基于自身利益最大化做出決策。
第三,在應(yīng)對(duì)互聯(lián)網(wǎng)金融同時(shí)商業(yè)銀行可以采取措施有合作和不合作,即選擇集合為(合作,不合作)。互聯(lián)網(wǎng)金融在應(yīng)對(duì)商業(yè)銀行時(shí)采取的措施有合作和不合作兩種選擇,即選擇集合為(合作,不合作)。
第四,互聯(lián)網(wǎng)金融和商業(yè)銀行的博弈過程是完全的信息動(dòng)態(tài)博弈,即在博弈過程中,商業(yè)銀行很清楚的了解到互聯(lián)網(wǎng)金融的交易模式及其有點(diǎn),在互聯(lián)網(wǎng)金融機(jī)構(gòu)也了解商業(yè)銀行的優(yōu)勢(shì)所在。
2.博弈過程
商業(yè)銀行和互聯(lián)網(wǎng)金融博弈模型
博弈過程的開始我們以商業(yè)銀行首先做出選擇,上圖所示。最上方商業(yè)首先進(jìn)行選擇信息集(合作,不合作),如果商業(yè)銀行選擇不合作,那么博弈結(jié)束,各自都以自己的利益最大化為目標(biāo)開始自己的發(fā)展。
如果商業(yè)銀行選擇合作,那么就開始由互聯(lián)金融機(jī)構(gòu)開始選擇,這個(gè)時(shí)候互聯(lián)網(wǎng)金融機(jī)構(gòu)可以選擇合作還是不合作,選擇不合作,那么互聯(lián)網(wǎng)金融機(jī)構(gòu)就可以借助商業(yè)銀行的優(yōu)勢(shì)綜合自己的優(yōu)勢(shì)來大力發(fā)展自身,而商業(yè)銀行則不能利用互聯(lián)網(wǎng)金融的優(yōu)勢(shì)去發(fā)展自身。如果互聯(lián)網(wǎng)金融機(jī)構(gòu)選擇合作,那么相互之間就可以進(jìn)行優(yōu)勢(shì)互補(bǔ),從而達(dá)到雙贏的局面。
從上圖可以看出來,商業(yè)銀行在博弈中的處境和地位,選擇不合作那么就會(huì)處于劣勢(shì),可能會(huì)被互聯(lián)網(wǎng)金融搶占原有的市場(chǎng),如果選擇合作的時(shí)候,互聯(lián)網(wǎng)金融業(yè)選擇合作那么雙方都可以得到一個(gè)很好的發(fā)展局面,如果互聯(lián)網(wǎng)金融不選擇合作,那么商業(yè)銀行就會(huì)成為犧牲品,優(yōu)勢(shì)被互聯(lián)網(wǎng)金融所利用,逐漸被互聯(lián)網(wǎng)金融邊緣化。
互聯(lián)網(wǎng)金融機(jī)構(gòu)選擇是否合作,都可以看得出來其的發(fā)展結(jié)構(gòu)。如果選擇不合作,那么必然受到道德風(fēng)險(xiǎn)的阻礙,根據(jù)自身利益最大化做出選擇,那么在短期內(nèi)必然受到信用方面的負(fù)面影響。所以從長(zhǎng)遠(yuǎn)來看,互聯(lián)網(wǎng)金融機(jī)構(gòu)根據(jù)自身利益最大化原則是比要和商業(yè)銀行進(jìn)行合作。如果為了避免不合作情況的發(fā)生,商業(yè)銀行會(huì)選擇與互聯(lián)網(wǎng)金融機(jī)構(gòu)簽訂一份相互合作的協(xié)議,以維持合作的狀態(tài)。
(二)大數(shù)據(jù)互聯(lián)網(wǎng)背景下商業(yè)銀行創(chuàng)新盈利模式
互聯(lián)網(wǎng)迅速發(fā)展,商業(yè)銀行的客戶大數(shù)據(jù)必然是其發(fā)展的基礎(chǔ)。大數(shù)據(jù)能力將成為銀行的核心競(jìng)爭(zhēng)力。所謂的“核心競(jìng)爭(zhēng)力”,關(guān)鍵的要素是“不可復(fù)制”、“不可替代”。
數(shù)據(jù)是大銀行的戰(zhàn)略資產(chǎn)。隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展,銀行可謂是數(shù)據(jù)密集型行業(yè),其資產(chǎn)不僅是貸款等,還包括數(shù)據(jù)。要把數(shù)據(jù)作為重要資產(chǎn)保護(hù)、經(jīng)營(yíng),這是大銀行區(qū)別于小銀行,也是現(xiàn)代銀行區(qū)別于傳統(tǒng)銀行的關(guān)鍵之處。而且數(shù)據(jù)財(cái)富是沒有天花板的,可以不斷挖掘、不斷創(chuàng)造,最近國(guó)際上很多機(jī)構(gòu)都在探討如何量化數(shù)據(jù)等無形資產(chǎn)的價(jià)值。
商業(yè)銀行通過對(duì)自己原有客戶群體的數(shù)據(jù)挖掘提煉客戶需求,提高客戶服務(wù)質(zhì)量,從而改變當(dāng)前銀行的困局。創(chuàng)新服務(wù)模式,提高服務(wù)效率和便捷性。每個(gè)用戶都會(huì)辦理銀行卡,利用這個(gè)基礎(chǔ)進(jìn)行相關(guān)客戶端軟件安裝,對(duì)于有余額的客戶提供理財(cái)服務(wù),發(fā)展互聯(lián)網(wǎng)銀行多種理財(cái)方式和渠道。
未來商業(yè)銀行的業(yè)務(wù)模式中將轉(zhuǎn)移到以大數(shù)據(jù)客戶資源為核心,以數(shù)據(jù)資源為主要競(jìng)爭(zhēng)力量和利潤(rùn)來源,來擴(kuò)大和發(fā)展銀行相關(guān)業(yè)務(wù)。
五、結(jié)論
[ 3 ] 王喜文.日本強(qiáng)化ICT領(lǐng)域國(guó)際競(jìng)爭(zhēng)力[N].中國(guó)電子報(bào),2012-06-15(003).
[ 4 ] The White House. Big Data Across the Federal Government[EB/OL].[2014-08-08].http://whitehouse.gov/sites/default/files/microsites/ostp/big_data_fact_sh-eet.pdf.
[ 5 ] The Wall Street Journal. Big-Data Success Stories: Splunk[EB/OL].[2014-08-08].http:///ve-nturecapital/2011/10/21/big-data-success-stories-s-plunk/.
[ 6 ] The New York Times. Harvard Releases Big Data for Books[EB/OL].[2014-08-08].http:///2012/04/24/Harvard-releases-big-data-for-books/
[ 7 ] Spolanka. OverDrive announces a series of “Big Data”reports[EB/OL].[2014-08-08].http://libraries.wr-ight.edu/noshelfrequired/2012/04/11/overdrive-an-no-unces-a-series-of-big-data-reports/.
[ 8 ] Xavier Amatrain,Justin flix公布個(gè)性化和推薦系統(tǒng)架構(gòu)[EB/OL].[2014-08-08].http:///article/2013-04-04/2814767-netflix-ml-architecture.
[ 9 ] 云推薦[EB/OL].[2014-08-08].http:///.
[10] 中國(guó)科學(xué)院.李國(guó)杰院士:大數(shù)據(jù)成為信息科技新關(guān)注點(diǎn)[EB/OL].[2014-08-08].http:///xw/zjsd/201206/t20120627_3605350.shtml.
[11] 李奕.大數(shù)據(jù)應(yīng)用方式:從數(shù)據(jù)服務(wù)、信息服務(wù)到知識(shí)服務(wù)[N].中國(guó)計(jì)算機(jī)報(bào),2012-07-09(024).
[12] Big data:The next frontier for innovation,competition and productivity[EB/OL].[2014-08-08].http:///Features/Big Data.
[13] 李晨暉,崔建明,陳超泉.大數(shù)據(jù)知識(shí)服務(wù)平臺(tái)構(gòu)建關(guān)鍵技術(shù)研究[J].情報(bào)資料工作,2013(2):29-34.
[14] 秦曉珠,李晨暉,麥范金.大數(shù)據(jù)知識(shí)服務(wù)的內(nèi)涵、典型特征及概念模型[J].情報(bào)資料工作,2013(2):18-22.
[中圖分類號(hào)] G642 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 2095-3437(2017)10-0008-03
2013年以來,互聯(lián)網(wǎng)金融快速崛起并深刻影響著金融學(xué)子的學(xué)習(xí)生活、社會(huì)實(shí)踐和思維觀念。一系列互聯(lián)網(wǎng)金融的新概念進(jìn)入高等金融教育的視線:“大數(shù)據(jù)”、“云計(jì)算”、“社會(huì)征信”、“共享經(jīng)濟(jì)”、“數(shù)字貨幣”、“機(jī)器學(xué)習(xí)”、“人工智能”等,讓金融專業(yè)的師生既興奮又備感壓力。互聯(lián)網(wǎng)金融相對(duì)于傳統(tǒng)金融的思維觀念已經(jīng)改變,經(jīng)濟(jì)和金融明顯可分的界限被打破。當(dāng)前,互聯(lián)網(wǎng)“經(jīng)濟(jì)”、互聯(lián)網(wǎng)“金融”和互聯(lián)網(wǎng)下的“大數(shù)據(jù)”高度融合,渾然一體,不可分割。一切資金支付活動(dòng)均通過移動(dòng)終端進(jìn)行,幾乎不需要現(xiàn)實(shí)貨幣參與,點(diǎn)對(duì)點(diǎn)的資金流動(dòng)使得“金融脫媒”趨勢(shì)來得異常凜冽,基于大數(shù)據(jù)的分析解決了信息不對(duì)稱的難題。受此影響,復(fù)合型人才和跨界發(fā)展不再是空洞的口號(hào),傳統(tǒng)金融教育的專才培養(yǎng)模式不再可行。互聯(lián)網(wǎng)金融是新生事物,其實(shí)踐遠(yuǎn)遠(yuǎn)走在了當(dāng)前高等金融教育的前面,對(duì)傳統(tǒng)高等金融教育產(chǎn)生強(qiáng)烈沖擊,但也帶來了變革和發(fā)展的機(jī)遇。因此,強(qiáng)化對(duì)互聯(lián)網(wǎng)金融教育的研究,通過互聯(lián)網(wǎng)金融思維重塑和再造高等金融教育勢(shì)在必行。
一、互聯(lián)網(wǎng)金融的優(yōu)勢(shì)和特點(diǎn)
(一)大數(shù)據(jù)優(yōu)勢(shì)
互聯(lián)網(wǎng)金融首先是從“草根金融”興起的,在民間金融“野蠻生長(zhǎng)”和“亂象叢生”的時(shí)代中逐漸走向成熟,對(duì)傳統(tǒng)正規(guī)金融形成強(qiáng)大壓力。實(shí)際上,歷史上非正規(guī)金融發(fā)展緩慢的根源在于一系列困境的桎梏:信息不對(duì)稱導(dǎo)致嚴(yán)重的逆向選擇和道德風(fēng)險(xiǎn)、社會(huì)征信缺失、無足值抵押等。互聯(lián)網(wǎng)金融的出現(xiàn),較好克服了這些頑疾,信息不對(duì)稱可以依靠大數(shù)據(jù)技術(shù)有效緩解,移動(dòng)終端的廣泛使用結(jié)合人工智能使社會(huì)征信和債務(wù)催收都不再成為問題,在此基礎(chǔ)上進(jìn)一步催生了眾籌、共享經(jīng)濟(jì)等變革創(chuàng)業(yè)方式、生活方式的全新業(yè)態(tài)。
(二)人工智能優(yōu)勢(shì)
與傳統(tǒng)金融相比,人工智能效率高,錯(cuò)誤率低,模型不斷進(jìn)行自主訓(xùn)練和優(yōu)化,大大提高了適應(yīng)性,在量化投資、決策咨詢和風(fēng)險(xiǎn)控制等方面逐步取得優(yōu)勢(shì)。人工智能的核心是機(jī)器學(xué)習(xí),互聯(lián)網(wǎng)金融下每日新增的海量用戶數(shù)據(jù),以及公司之間的數(shù)據(jù)共享使得感知機(jī)、決策樹、隨機(jī)森林、支持向量機(jī)、Logistic回歸、BP神經(jīng)網(wǎng)絡(luò)等一系列機(jī)器學(xué)習(xí)的核心算法和模型不斷“學(xué)習(xí)成長(zhǎng)”,在實(shí)踐中取代了傳統(tǒng)基于人工授信、核查和對(duì)客戶分類的工作模式。在不遠(yuǎn)的將來,這種開放、大維度、多渠道的人工智能下的“智能”金融,必然取得對(duì)銀行依賴中央銀行建立的封閉客戶數(shù)據(jù)系統(tǒng)的優(yōu)勢(shì)。
(三)“互聯(lián)網(wǎng)+”的后發(fā)優(yōu)勢(shì)
“互聯(lián)網(wǎng)+”是一種全新的思維,智能化、去中心化、脫媒化、信息化以及便捷快速的推廣模式催生了各類體量巨大的新興業(yè)態(tài),作為這些業(yè)態(tài)的基礎(chǔ)和共同體,互聯(lián)網(wǎng)金融擁有顯著的后發(fā)優(yōu)勢(shì),領(lǐng)先于傳統(tǒng)產(chǎn)業(yè)成為近年創(chuàng)新創(chuàng)業(yè)的最大落腳點(diǎn)。
(四)規(guī)模優(yōu)勢(shì)
2008年以來,互聯(lián)網(wǎng)金融的交易規(guī)模迅速擴(kuò)大,經(jīng)營(yíng)上的規(guī)模優(yōu)勢(shì)日益明顯,各項(xiàng)交易成本明顯下降。與傳統(tǒng)金融業(yè)態(tài)不同,互聯(lián)網(wǎng)金融由一系列的產(chǎn)業(yè)鏈構(gòu)成:征信、借貸、催收和服務(wù)等環(huán)節(jié)可分散于不同的公司,在業(yè)務(wù)模式上可以靈活分散也可有效整合,每一環(huán)節(jié)聚焦其優(yōu)勢(shì)業(yè)務(wù),可將規(guī)模優(yōu)勢(shì)帶來的低成本優(yōu)勢(shì)發(fā)揮到極致。
(五)雙創(chuàng)優(yōu)勢(shì)
2013年以來,互聯(lián)網(wǎng)金融的交易成本低,可有效緩解信息不對(duì)稱問題,交易效率高等的優(yōu)勢(shì)愈發(fā)明顯,不斷與其他行業(yè)形成跨界融合發(fā)展,催生創(chuàng)新,推動(dòng)創(chuàng)業(yè),極具雙創(chuàng)優(yōu)勢(shì)。一是依托互聯(lián)網(wǎng)的移動(dòng)支付業(yè)務(wù)的快速發(fā)展,不僅遠(yuǎn)程支付場(chǎng)景不斷完善,近場(chǎng)支付也在爆發(fā);二是支付產(chǎn)業(yè)鏈的受理端及其延伸的綜合金融增值服務(wù)——海量支付數(shù)據(jù)以及數(shù)據(jù)驅(qū)動(dòng)的增值服務(wù),為互聯(lián)網(wǎng)金融企業(yè)帶來了新的發(fā)展;三是區(qū)塊鏈技術(shù)的融合運(yùn)用引爆了“跨境支付”的探索熱潮;四是在P2P等典型的互聯(lián)網(wǎng)金融業(yè)務(wù)模式上,從以往只提供信息中介服務(wù)平臺(tái)的模式創(chuàng)新發(fā)展出了引導(dǎo)P2P平臺(tái)與擔(dān)保機(jī)構(gòu)合作、整合線上與線下服務(wù)以及增加債權(quán)轉(zhuǎn)讓等服務(wù)的新型模式;五是利用大數(shù)據(jù)、云計(jì)算和人工智能等技術(shù)幫助互聯(lián)網(wǎng)金融公司開展客戶的理財(cái)或量化投資業(yè)務(wù);六是基于互聯(lián)網(wǎng)的共享經(jīng)濟(jì)大大便利了人們的生活體驗(yàn)和觀念。
二、當(dāng)前高校金融教育應(yīng)對(duì)互聯(lián)網(wǎng)金融沖擊的SWOT分析
表1是高校金融教育應(yīng)對(duì)互聯(lián)網(wǎng)金融沖擊的SWOT分析矩陣,在理論和實(shí)踐兩個(gè)層面為當(dāng)前高校金融教育如何應(yīng)對(duì)互聯(lián)網(wǎng)金融的影響提供了分析思路和依據(jù)。
(一)優(yōu)勢(shì)
首先,傳統(tǒng)金融教育具有雄厚的人才基礎(chǔ)和優(yōu)勢(shì)。自20世紀(jì)80年代我國(guó)建立高等金融教育事業(yè)以來,到目前為止高等金融教育已取得質(zhì)的突破,金融專業(yè)的品牌認(rèn)可、高考招分、學(xué)生素質(zhì)、國(guó)際化程度、畢業(yè)后的薪資水平、社會(huì)評(píng)價(jià)等各項(xiàng)指標(biāo)均處于各行業(yè)的前列。同時(shí),國(guó)內(nèi)金融領(lǐng)域在國(guó)際一流期刊發(fā)表的論文數(shù)量也在整個(gè)社會(huì)科學(xué)領(lǐng)域處于領(lǐng)先地位。其次,當(dāng)前高校金融專業(yè)的培養(yǎng)方案和課程設(shè)置一般采取模塊化搭建的思路,從公共基礎(chǔ)、學(xué)科基礎(chǔ)、專業(yè)培養(yǎng)、素質(zhì)教育和實(shí)踐實(shí)習(xí)等方面進(jìn)行模塊化管理,具有良好的可拓展性,互聯(lián)網(wǎng)金融的相關(guān)課程可根據(jù)不同專業(yè)需要,進(jìn)行優(yōu)化組合,體現(xiàn)功能性。第三,互聯(lián)網(wǎng)經(jīng)濟(jì)和互聯(lián)網(wǎng)金融給高校師生帶來了良好體驗(yàn)和觀感,高校師生有充分的積極性迎接新專業(yè)的建設(shè)和發(fā)展。
(二)劣勢(shì)
傳統(tǒng)金融教育是單一化的金融專才培養(yǎng)模式,一般分為貨幣經(jīng)濟(jì)、金融市場(chǎng)、投資、金融工程、銀行經(jīng)營(yíng)與管理、公司金融、家庭金融等方向,注重對(duì)貨幣、投資、資產(chǎn)定價(jià)、股票、債券和財(cái)務(wù)等“純金融”知識(shí)的講授,對(duì)大數(shù)據(jù)、人工智能和機(jī)器學(xué)習(xí)等涉及計(jì)算機(jī)與統(tǒng)計(jì)學(xué)習(xí)等跨領(lǐng)域的知識(shí)鮮有涉及。在互聯(lián)網(wǎng)金融的沖擊到來之后,我們發(fā)現(xiàn)業(yè)界需要復(fù)合型的跨界人才,單一聚焦金融領(lǐng)域的教學(xué)思維和模式開始變得落后和陳舊,金融教育需要“混業(yè)發(fā)展”。另一方面,教材建設(shè)相對(duì)滯后。目前,比較缺乏互聯(lián)網(wǎng)金融的專業(yè)教材:一是自編教材的質(zhì)量令人擔(dān)憂;二是優(yōu)秀的互聯(lián)網(wǎng)金融的國(guó)外教材引用較少;三是互聯(lián)網(wǎng)金融跟風(fēng)開設(shè)課程的現(xiàn)象比較突出,沒有因地適宜,教學(xué)內(nèi)容和難度都過猶不及,影響了教學(xué)效果。 (三)機(jī)遇
互聯(lián)網(wǎng)金融是朝陽(yáng)產(chǎn)業(yè),帶來了巨大的發(fā)展機(jī)遇。當(dāng)前,互聯(lián)網(wǎng)金融行業(yè)的人才極度缺乏,不得不采取“挖墻腳”的無奈之舉,導(dǎo)致銀行業(yè)人才流失嚴(yán)重。限于人才奇缺,互聯(lián)網(wǎng)金融目前的進(jìn)入門檻較低,人員素質(zhì)和水平良莠不齊,原因在于高校對(duì)互聯(lián)網(wǎng)金融人才的培養(yǎng)處于摸索階段,傳統(tǒng)金融教育畢業(yè)的學(xué)生青睞于在正規(guī)金融行業(yè)就業(yè),對(duì)以民營(yíng)企業(yè)為主的互聯(lián)網(wǎng)金融行業(yè)心存疑慮甚至偏見,人才供給嚴(yán)重不足。顯然,傳統(tǒng)金融教育向互聯(lián)網(wǎng)金融教育轉(zhuǎn)型發(fā)展的機(jī)遇巨大。不僅如此,互聯(lián)網(wǎng)金融還在科研立項(xiàng)、論文選題、學(xué)生的實(shí)習(xí)實(shí)踐、就業(yè)創(chuàng)業(yè)、高校金融教育的學(xué)科點(diǎn)申報(bào)、專業(yè)建設(shè)和師資培養(yǎng)等方面開拓了廣闊空間,前景可期。另一方面,相對(duì)于傳統(tǒng)的金融業(yè)而言,互聯(lián)網(wǎng)金融是典型的跨界金融,從一開始就在進(jìn)行業(yè)務(wù)模式的細(xì)分和產(chǎn)品之間進(jìn)行內(nèi)部整合。互聯(lián)網(wǎng)金融也正在逐步通過用戶、大數(shù)據(jù)和場(chǎng)景的互動(dòng)來實(shí)現(xiàn)對(duì)銀行、證券、保險(xiǎn)、基金和資產(chǎn)管理等傳統(tǒng)金融機(jī)構(gòu)進(jìn)行強(qiáng)有力的整合運(yùn)作。互聯(lián)網(wǎng)金融的跨界整合實(shí)現(xiàn)了不同行業(yè)功能的有機(jī)結(jié)合,推動(dòng)了我國(guó)區(qū)域經(jīng)濟(jì)在空間和深度上的拓展。互聯(lián)網(wǎng)金融需要既懂得信息技術(shù)又懂得金融業(yè)務(wù)、營(yíng)銷和管理知識(shí)的跨界復(fù)合型人才,這就對(duì)高等金融教育提出了更高的要求。但是從高等金融教育實(shí)踐來看,金融、計(jì)算機(jī)及營(yíng)銷和管理類專業(yè)的教育還是各自為政,獨(dú)立培養(yǎng),忽略了跨界知識(shí)的構(gòu)建,導(dǎo)致學(xué)生難以適應(yīng)社會(huì)對(duì)復(fù)合型人才的需求。
(四)挑戰(zhàn)
首先,傳統(tǒng)金融教育“分業(yè)培養(yǎng)”的理念和當(dāng)前互聯(lián)網(wǎng)金融“混業(yè)發(fā)展”的現(xiàn)實(shí)需求嚴(yán)重沖突,需要解決“并軌”發(fā)展問題。其次,傳統(tǒng)高等金融教育的課程設(shè)置和培養(yǎng)體系相對(duì)成熟,然而,互聯(lián)網(wǎng)金融的實(shí)踐遠(yuǎn)遠(yuǎn)走到了學(xué)校教育的前面。再次,互聯(lián)網(wǎng)金融教育強(qiáng)調(diào)“長(zhǎng)尾性”。與傳統(tǒng)金融的“二八定律”正好相反,互聯(lián)網(wǎng)金融的優(yōu)勢(shì)在于服務(wù)80%的小微客戶,推廣的是普惠金融的理念。但在傳統(tǒng)金融教育中關(guān)于普惠金融、微型金融的相關(guān)課程幾乎從不開設(shè)。消除“教育偏見”達(dá)到在正規(guī)金融和非正規(guī)金融之間的教育平衡,更加注重“長(zhǎng)尾性”仍然任重道遠(yuǎn)。
三、結(jié)語(yǔ)
高等金融教育承擔(dān)著為金融行業(yè)輸送急需人才的重任,也是社會(huì)和家長(zhǎng)的關(guān)切所在。互聯(lián)網(wǎng)金融是未來金融行業(yè)的制高點(diǎn),需要高校金融教育培養(yǎng)復(fù)合型人才,要求他們具備金融學(xué)知識(shí),理解金融業(yè)務(wù)的原理,掌握信息化技術(shù)并能對(duì)大數(shù)據(jù)進(jìn)行分析,還要具有一定的營(yíng)銷和管理能力。因此,主要的啟示有如下幾點(diǎn):(1)注重學(xué)科交叉,優(yōu)化課程設(shè)置,培養(yǎng)復(fù)合型人才。(2)加強(qiáng)師資建設(shè),促進(jìn)傳統(tǒng)金融教育向互聯(lián)網(wǎng)金融轉(zhuǎn)型發(fā)展。(3)加強(qiáng)互聯(lián)網(wǎng)金融的“產(chǎn)學(xué)研”的合作,樹立“干中學(xué)”的務(wù)實(shí)求真精神。對(duì)此,高校金融教育是有優(yōu)勢(shì)的,要秉持開放理念加強(qiáng)彼此合作,使研究向應(yīng)用轉(zhuǎn)化。(4)加強(qiáng)對(duì)大數(shù)據(jù)和人工智能的關(guān)注,引入相關(guān)課程。此外,在互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)高發(fā)的背景下,高等金融教育也要積極承擔(dān)社會(huì)責(zé)任,適時(shí)向社會(huì)進(jìn)行互聯(lián)網(wǎng)金融知識(shí)的推廣和普及,提高民眾規(guī)避風(fēng)險(xiǎn)的能力,達(dá)到普及金融教育的目的。
[ 參 考 文 獻(xiàn) ]
[1] 劉小銘.淺析互聯(lián)網(wǎng)金融現(xiàn)狀及風(fēng)險(xiǎn)[J].經(jīng)營(yíng)管理者,2016(23):313.
[2] 楊竹清,張超林.互聯(lián)網(wǎng)金融對(duì)我國(guó)高等教育金融的啟示[J].金融教育研究,2016(5):82-88.
[3] 劉源.論技術(shù)經(jīng)濟(jì)學(xué)課程的分階段培養(yǎng)模式[J].中國(guó)市場(chǎng),2016(48):167-169.
[4] 謝水園.企業(yè)的業(yè)務(wù)骨干參與大學(xué)課堂教學(xué)常態(tài)化研究——以《國(guó)際貿(mào)易實(shí)務(wù)》為例[J].亞太教育,2016(30):89.
[5] 謝水園.論外貿(mào)通關(guān)實(shí)務(wù)課程中多種教學(xué)方式的運(yùn)用[J]. 中國(guó)市場(chǎng),2014(22):149-150.
[6] 胡燁丹,潘錫泉.互聯(lián)網(wǎng)金融語(yǔ)境下的金融職業(yè)教育模式創(chuàng)新[J].中國(guó)職業(yè)技術(shù)教育,2015(34):93-95.
21世紀(jì)是信息化、數(shù)字化和網(wǎng)絡(luò)化時(shí)代。數(shù)字信息逐漸滲入我國(guó)企業(yè)的血液,企業(yè)如何利用數(shù)據(jù)信息提高財(cái)務(wù)管理的水平,為企業(yè)領(lǐng)導(dǎo)提供科學(xué)可靠的決策依據(jù),是企業(yè)發(fā)展的關(guān)鍵所在。企業(yè)面對(duì)數(shù)據(jù)時(shí)代的變化應(yīng)該順應(yīng)時(shí)代的發(fā)展,勇于面臨新的挑戰(zhàn),接受新的事物,對(duì)企業(yè)財(cái)務(wù)管理進(jìn)行深層次的變革,使其在當(dāng)今信息數(shù)字化的市場(chǎng)游刃有余。
一、大數(shù)據(jù)背景的概述
(一)大數(shù)據(jù)背景的優(yōu)勢(shì)
大數(shù)據(jù)的時(shí)代為企業(yè)帶來更多的機(jī)遇,促使企業(yè)更深層次的重視數(shù)據(jù)信息所反映的本質(zhì),深層次的挖掘數(shù)字信息的能量。經(jīng)濟(jì)全球化意味著我國(guó)企業(yè)不僅僅面臨國(guó)內(nèi)企業(yè)的競(jìng)爭(zhēng),更面臨國(guó)外企業(yè)搶占市場(chǎng)的危機(jī)。面對(duì)國(guó)內(nèi)市場(chǎng)一時(shí)涌入大量的數(shù)據(jù)信息,傳統(tǒng)的企業(yè)財(cái)務(wù)管理水平已經(jīng)不能應(yīng)對(duì)現(xiàn)今的市場(chǎng)。企業(yè)財(cái)務(wù)部門需要更為高效、精確的處理大量數(shù)據(jù)信息的能力,企業(yè)領(lǐng)導(dǎo)根據(jù)數(shù)據(jù)信息所反映的現(xiàn)狀,從而估測(cè)未來市場(chǎng)的發(fā)展趨勢(shì),結(jié)合企業(yè)自身的發(fā)展現(xiàn)狀,選擇最佳經(jīng)營(yíng)方案和正確決策,為企業(yè)更好、更快的發(fā)展創(chuàng)建良好的數(shù)據(jù)平臺(tái)。
(二)大數(shù)據(jù)背景的劣勢(shì)
大數(shù)據(jù)時(shí)代在為企業(yè)帶來更多新機(jī)遇的同時(shí),也為企業(yè)帶來更多的新挑戰(zhàn)。大數(shù)據(jù)時(shí)代在為人們帶來便捷的同時(shí),也對(duì)人們的隱私權(quán)提出挑戰(zhàn),企業(yè)財(cái)務(wù)管理收集信息時(shí)也經(jīng)常會(huì)觸及人們隱私權(quán)的問題。在這個(gè)時(shí)代中人們的隱私經(jīng)常侵害,很多數(shù)據(jù)信息的采集都是為被人們?cè)S可,甚至有些組織直接出售人們的信息,直接侵害人們的隱私;除此之外企業(yè)在面臨大量數(shù)據(jù)信息的時(shí)候,要意識(shí)到收集的數(shù)據(jù)信息也存在虛假信息或表面信息,其所得出的結(jié)果很有可能具有片面性,甚至是虛假性,很容易誤導(dǎo)企業(yè)領(lǐng)導(dǎo)做出錯(cuò)誤的決策。
(三)大數(shù)據(jù)背景對(duì)企業(yè)的要求
企業(yè)財(cái)務(wù)管理面臨大量的數(shù)據(jù)信息,其應(yīng)該意識(shí)到對(duì)于數(shù)據(jù)信息處理的工作不是一個(gè)部門或者傳統(tǒng)的工作方式就可以勝任或解決。企業(yè)財(cái)務(wù)部門應(yīng)該注重部門之間的協(xié)作,并對(duì)其數(shù)據(jù)信息的分析結(jié)果進(jìn)行共享,促使企業(yè)各個(gè)部門對(duì)企業(yè)經(jīng)營(yíng)的現(xiàn)狀有一個(gè)深刻認(rèn)知,確保各個(gè)部門做出對(duì)企業(yè)最佳的決策,確保各個(gè)部門協(xié)作企業(yè)高層領(lǐng)導(dǎo)引導(dǎo)企;面對(duì)數(shù)據(jù)信息大爆發(fā)的現(xiàn)狀,傳統(tǒng)的企業(yè)財(cái)務(wù)管理已經(jīng)不能應(yīng)付龐大的數(shù)據(jù)信息。目前我國(guó)數(shù)據(jù)信息處理的方案仍處于探索的階段,會(huì)計(jì)與估值方案應(yīng)與科學(xué)技術(shù)巧妙結(jié)合,成功掌握市場(chǎng)的變動(dòng)和發(fā)展趨勢(shì),財(cái)務(wù)人員應(yīng)熟練掌握相關(guān)先進(jìn)的會(huì)計(jì)軟件和具備數(shù)據(jù)統(tǒng)計(jì)的工作能力,為企業(yè)創(chuàng)建完善的數(shù)據(jù)信息庫(kù)。
二、大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)管理面臨的挑戰(zhàn)與變革
(一)企業(yè)財(cái)務(wù)管理理論的挑戰(zhàn)
企業(yè)財(cái)務(wù)管理理論主要是以非金融企業(yè)為主體,著重講述財(cái)務(wù)理論與金融工具相結(jié)合對(duì)財(cái)務(wù)資源的統(tǒng)籌、組織與配置,實(shí)現(xiàn)財(cái)務(wù)資源的科學(xué)、合理、利率最大化的目標(biāo)。現(xiàn)今大數(shù)據(jù)、互聯(lián)網(wǎng)和云計(jì)算的市場(chǎng)經(jīng)濟(jì)環(huán)境為企業(yè)財(cái)務(wù)管理理論提出新的挑戰(zhàn),其包括現(xiàn)今財(cái)務(wù)管理理論是否符合當(dāng)下的企業(yè)財(cái)務(wù)管理實(shí)踐活動(dòng),股東價(jià)值的提升路徑和財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估的精確性和預(yù)測(cè)性,企業(yè)財(cái)務(wù)管理論框架完善性等。從企業(yè)財(cái)務(wù)管理理論與財(cái)務(wù)管理實(shí)踐不相符的角度出發(fā),使其財(cái)務(wù)學(xué)理論出現(xiàn)失誤,這些挑戰(zhàn)從側(cè)面反映出企業(yè)財(cái)務(wù)管理需要?jiǎng)?chuàng)新與突破,消除其局限性和落后性的負(fù)面影響。
(二)大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)管理體系的創(chuàng)新
大數(shù)據(jù)背景下企業(yè)感受來自國(guó)際上新技術(shù)、新理念、新突破等多方面的壓力,為了促使我國(guó)企業(yè)財(cái)務(wù)管理趕上國(guó)際水平的大步伐,我國(guó)應(yīng)該鼓勵(lì)企業(yè)財(cái)務(wù)管理不斷創(chuàng)新。目前我國(guó)一些大型企業(yè)已經(jīng)意識(shí)到企業(yè)財(cái)務(wù)管理創(chuàng)新的重要性以及其研發(fā)的方向性。財(cái)務(wù)管理理論中“大司庫(kù)”的新概念被人們提出,大司庫(kù)是指利用管理統(tǒng)一、集中結(jié)算、多渠道融資、風(fēng)險(xiǎn)管理等方式對(duì)現(xiàn)金進(jìn)行管理,降低企業(yè)金融風(fēng)險(xiǎn)和提高企業(yè)價(jià)值。以中國(guó)石油為例,其大司庫(kù)項(xiàng)目的實(shí)施,從觀念創(chuàng)新的角度分析是從資金集中管理到司庫(kù)管理再到大司庫(kù)管理。2000年中國(guó)石油實(shí)施資金的集中管理,實(shí)現(xiàn)規(guī)范資金收支、提高資金使用效率、降低資金成本、擴(kuò)寬融資渠道等目標(biāo)。隨著我國(guó)經(jīng)濟(jì)飛速發(fā)展,資產(chǎn)的擴(kuò)展和經(jīng)濟(jì)全球化的程度不斷加深,顯出資金集中管理的落后性和局限性、2009年提出建立司庫(kù)項(xiàng)目,從之前的被動(dòng)管理轉(zhuǎn)變?yōu)橹鲃?dòng)管理、戰(zhàn)略管理和超前管理。在大數(shù)據(jù)的背景下企業(yè)財(cái)務(wù)管理建立“大司庫(kù)”體系,實(shí)現(xiàn)統(tǒng)籌管理金融資源和金融業(yè)務(wù),并有效控制金融風(fēng)險(xiǎn),促進(jìn)企業(yè)更加適應(yīng)大數(shù)據(jù)的時(shí)展。
三、大數(shù)據(jù)財(cái)務(wù)管理的要點(diǎn)
大數(shù)據(jù)背景下龐大的數(shù)據(jù)信息、高效的處理能力、不穩(wěn)定等特征對(duì)企業(yè)財(cái)務(wù)管理提出更為嚴(yán)峻的要求,企業(yè)迎接新的挑戰(zhàn)和發(fā)生巨大的變革,創(chuàng)建這個(gè)時(shí)代特有的“大數(shù)據(jù)財(cái)務(wù)管理”。
(一)企業(yè)價(jià)值內(nèi)涵和驅(qū)動(dòng)因素的變化
企業(yè)財(cái)務(wù)管理的最終目標(biāo)是企業(yè)經(jīng)濟(jì)利益最大化。傳統(tǒng)的財(cái)務(wù)管理經(jīng)常將企業(yè)價(jià)值與市場(chǎng)價(jià)值混淆,造成企業(yè)財(cái)務(wù)管理以企業(yè)市場(chǎng)價(jià)值為參考依據(jù)。現(xiàn)代化的財(cái)務(wù)管理糾正企業(yè)價(jià)值的內(nèi)涵,企業(yè)價(jià)值是企業(yè)實(shí)際利潤(rùn)、現(xiàn)金和凈資產(chǎn)等因素共同決定。但是大數(shù)據(jù)背景下,國(guó)際股價(jià)與國(guó)內(nèi)市場(chǎng)存在很大的差異,不能僅憑企業(yè)利潤(rùn)、現(xiàn)金和凈資產(chǎn)來估算企業(yè)價(jià)值,還要對(duì)企業(yè)綜合競(jìng)爭(zhēng)能力、商業(yè)模式發(fā)展?jié)摿Α?chuàng)新能力等多方面進(jìn)行評(píng)估。這些評(píng)估需要根據(jù)企業(yè)籌資來源、資金投入,網(wǎng)絡(luò)數(shù)據(jù)信息等方面的數(shù)據(jù)。利用大數(shù)據(jù)、互聯(lián)網(wǎng)和云計(jì)算等深度挖掘數(shù)據(jù)信息的能量,為企業(yè)創(chuàng)造更大的價(jià)值,由此可知企業(yè)收集、處理和預(yù)測(cè)數(shù)據(jù)信息的能力是企業(yè)市場(chǎng)競(jìng)爭(zhēng)的主要內(nèi)容。
(二)大數(shù)據(jù)財(cái)務(wù)管理邊界化的消除
大數(shù)據(jù)時(shí)代為企業(yè)數(shù)字化、網(wǎng)絡(luò)化和智能化提供優(yōu)良的發(fā)展環(huán)境。大數(shù)據(jù)時(shí)代的數(shù)據(jù)共享特征為企業(yè)總公司和子公司之間的信息共享與交流提供便利。企業(yè)內(nèi)部的數(shù)據(jù)信息能夠互通有無、整合歸納,使企業(yè)財(cái)務(wù)管理與企業(yè)項(xiàng)目聯(lián)合統(tǒng)籌管理,模糊企業(yè)財(cái)務(wù)管理與項(xiàng)目管理的便捷,實(shí)現(xiàn)數(shù)據(jù)集中管理,是企業(yè)大數(shù)據(jù)管理的必要條件,也是企業(yè)現(xiàn)代化改革的主要內(nèi)容之一。
(三)投資決策標(biāo)準(zhǔn)的變革
企業(yè)投資決策直接影響企業(yè)近期或長(zhǎng)期企業(yè)的發(fā)展?fàn)顟B(tài),因此企業(yè)必然要確保企業(yè)決策的正確性和前沿性。大數(shù)據(jù)背景下傳統(tǒng)的投資項(xiàng)目評(píng)估法已經(jīng)不能適應(yīng)大數(shù)據(jù)時(shí)代的市場(chǎng)變動(dòng),貨幣的之間價(jià)值隨之波動(dòng),很有可能造成企業(yè)決策的失誤,尤其是現(xiàn)金流小和未來現(xiàn)金流不定的投資項(xiàng)目更不能選擇這一評(píng)估標(biāo)準(zhǔn)。大數(shù)據(jù)和互聯(lián)網(wǎng)實(shí)現(xiàn)現(xiàn)金流的全程監(jiān)控,能高效獲取精確的數(shù)據(jù)信息;其次是在大數(shù)據(jù)的背景下“現(xiàn)金流”少或未來現(xiàn)金流不定,企業(yè)根據(jù)企業(yè)資源來源與投資和發(fā)展前進(jìn)的估算可以較為精確的確定現(xiàn)金流。
(四)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理的重新構(gòu)建
企業(yè)財(cái)務(wù)管理中財(cái)務(wù)風(fēng)險(xiǎn)的有效控制是其管理的主要內(nèi)容,實(shí)現(xiàn)風(fēng)險(xiǎn)評(píng)估和風(fēng)險(xiǎn)防控。顯然傳統(tǒng)的財(cái)務(wù)風(fēng)險(xiǎn)管理并不適應(yīng)大數(shù)據(jù)下的企業(yè)發(fā)展。風(fēng)險(xiǎn)評(píng)估過程中企業(yè)上下級(jí)領(lǐng)導(dǎo)的交流由于權(quán)利的限制,溝通較為順利,但是部門之間的交流存在一定的障礙,企業(yè)應(yīng)利用大數(shù)據(jù)、互聯(lián)網(wǎng)和云計(jì)算加強(qiáng)部門之間的溝通,并建立部門之間溝通的意識(shí),真正發(fā)揮數(shù)據(jù)信息功共享的功能,為企業(yè)財(cái)務(wù)管理提供科學(xué)可靠的數(shù)據(jù)依據(jù),有效預(yù)測(cè)以及評(píng)估企業(yè)項(xiàng)目風(fēng)險(xiǎn)。
四、結(jié)束語(yǔ)
綜上所述,大數(shù)據(jù)時(shí)代具有大數(shù)據(jù)、互聯(lián)網(wǎng)和云計(jì)算的標(biāo)志性特征,在大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)管理利用借助大數(shù)據(jù)的特征推動(dòng)企業(yè)財(cái)務(wù)管理理論的完善,財(cái)務(wù)管理體系的創(chuàng)新,企業(yè)價(jià)值的重新定義,邊界化的消除,投資標(biāo)準(zhǔn)的確定等方面的改進(jìn)與完善。
參考文獻(xiàn):
[1]馬美芳.大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)管理的挑戰(zhàn)與變革探討[J].商.2015(45)
[2]湯谷良,張守文.大數(shù)據(jù)背景下企業(yè)財(cái)務(wù)管理的挑戰(zhàn)與變革[J].財(cái)務(wù)研究,2015(1)
大數(shù)據(jù)作為一種有用的信息資源,在商業(yè)、金融等領(lǐng)域發(fā)揮著越來越重要作用,也逐漸成為社會(huì)科學(xué)的國(guó)際前沿應(yīng)用研究?jī)?nèi)容之一。然而,在經(jīng)濟(jì)學(xué)領(lǐng)域,大數(shù)據(jù)還鮮少被用到(據(jù)統(tǒng)計(jì),截至2014年12月,google中學(xué)術(shù)搜索到的與“大數(shù)據(jù)”有關(guān)的研究論文共3026篇,其中僅有29篇是和經(jīng)濟(jì)學(xué)相關(guān))。但因海量經(jīng)濟(jì)數(shù)據(jù)資源的快速增長(zhǎng),計(jì)算技術(shù)和能力的不斷提高,以及方法論的不斷發(fā)展,將大數(shù)據(jù)分析技術(shù)運(yùn)用于經(jīng)濟(jì)學(xué)已成為一個(gè)值得探討的新課題。展望未來,由于經(jīng)濟(jì)學(xué)是一門理論與實(shí)踐相結(jié)合的學(xué)科,將大數(shù)據(jù)應(yīng)用于經(jīng)濟(jì)學(xué),有可能會(huì)開辟一個(gè)全新的經(jīng)濟(jì)學(xué)發(fā)展領(lǐng)域。
一、大數(shù)據(jù)在經(jīng)濟(jì)學(xué)領(lǐng)域應(yīng)用的基本原理
大數(shù)據(jù)在經(jīng)濟(jì)學(xué)中應(yīng)用的基本思路以大樣本數(shù)據(jù)統(tǒng)計(jì)與機(jī)器學(xué)習(xí)技術(shù)為基礎(chǔ)。其中大樣本統(tǒng)計(jì)的過程概括如下:用N個(gè)代入變量得出對(duì)應(yīng)的N個(gè)測(cè)量結(jié)果與K個(gè)潛在的預(yù)測(cè)因子,比如:以居民消費(fèi)價(jià)格CPI指數(shù)預(yù)測(cè)為例,首先通過GOOGLE數(shù)據(jù)搜索或其他軟件,篩選出同CPI有關(guān)的一系列關(guān)鍵詞(比如糧食產(chǎn)量、原油期貨價(jià)格、氣候溫度、價(jià)格改革政策等),然后通過這些關(guān)鍵詞在文本數(shù)據(jù)(新聞、微博、評(píng)論、研究報(bào)告、學(xué)術(shù)論文等)出現(xiàn)的時(shí)間頻次,計(jì)算它們之間的相關(guān)關(guān)系和邏輯路徑關(guān)系,從而得到測(cè)量結(jié)果N和預(yù)測(cè)因子K。在許多情形下,每一個(gè)代入變量的信息是足夠豐富的,但不具有結(jié)構(gòu)性,故可能會(huì)產(chǎn)生很多潛在預(yù)測(cè)因子,因此,需要注意的是:若是過度擬合,即預(yù)測(cè)因子K的個(gè)數(shù)可能會(huì)遠(yuǎn)遠(yuǎn)大于觀測(cè)變量N的個(gè)數(shù)時(shí),雖然模型可完美解釋觀測(cè)到的結(jié)果,但樣本外數(shù)據(jù)的解釋力卻很差。在這種狀況下,構(gòu)造一個(gè)最大化樣本解釋力的模型便成為首要目標(biāo),同時(shí)構(gòu)建的模型還不能出現(xiàn)因過度擬合所導(dǎo)致的樣本外無力解釋的情形。因模型構(gòu)建不同,使用方法也隨之改變,懲罰預(yù)測(cè)因子的過度使用方式也不同。如Lasso回歸模型,在滿足一系列約束條件下,依據(jù)最小化離差平方和來選擇模型系數(shù)。通過將樣本分為“訓(xùn)練樣本”和“測(cè)試樣本”(“訓(xùn)練樣本”用來估計(jì)模型參數(shù),“測(cè)試樣本”用來評(píng)估模型)進(jìn)行過度擬合。而在評(píng)估預(yù)測(cè)效果時(shí),一般交叉使用樣本內(nèi)預(yù)測(cè)與過度擬合,但目前這種交叉驗(yàn)證的方法在當(dāng)前的實(shí)證微觀經(jīng)濟(jì)學(xué)中也鮮少用到。
機(jī)器學(xué)習(xí)的一個(gè)非常重要假設(shè)就是機(jī)器學(xué)習(xí)的環(huán)境是相對(duì)穩(wěn)定的,也就是樣本數(shù)據(jù)(訓(xùn)練樣本與測(cè)試樣本情形相同)獨(dú)立產(chǎn)生于同一過程。但由于現(xiàn)實(shí)環(huán)境會(huì)隨著時(shí)間發(fā)生改變,故這一假設(shè)并不合理,因此,在高頻使用新數(shù)據(jù)的應(yīng)用中,往往通過對(duì)自身持續(xù)“再訓(xùn)練”,從而使得模型可以隨著時(shí)間與環(huán)境的變化對(duì)預(yù)測(cè)結(jié)果進(jìn)行調(diào)整。當(dāng)然,對(duì)于機(jī)器學(xué)習(xí),有些經(jīng)濟(jì)學(xué)家提出了盧卡斯批判的疑問,即若根據(jù)模型的預(yù)測(cè)結(jié)果進(jìn)行政策調(diào)整,則政策調(diào)整后的現(xiàn)實(shí)結(jié)果可能與初始模型的預(yù)測(cè)結(jié)果有差異,因?yàn)檎叩母淖儠?huì)影響數(shù)據(jù)間的潛在行為關(guān)系,但這一疑問在其他預(yù)測(cè)模型,比如計(jì)量經(jīng)濟(jì)模型、結(jié)構(gòu)方程模型和聯(lián)立系統(tǒng)模型中也都存在。
二、大數(shù)據(jù)對(duì)經(jīng)濟(jì)學(xué)的影響及前景
如今,隨著數(shù)據(jù)樣本容量的急劇增加,使得大數(shù)據(jù)的使用方式不盡相同。作為一個(gè)規(guī)律性科學(xué),經(jīng)濟(jì)學(xué)需要廣泛、詳細(xì)的數(shù)據(jù),并運(yùn)用統(tǒng)計(jì)技術(shù)來處理新型數(shù)據(jù),大數(shù)據(jù)的出現(xiàn)可能會(huì)在社會(huì)學(xué)與計(jì)算機(jī)科學(xué)間構(gòu)建一架橋梁,其學(xué)科價(jià)值可能在于創(chuàng)造新的思維方式,這將會(huì)導(dǎo)致對(duì)經(jīng)濟(jì)學(xué)的新思考和研究方法創(chuàng)新,甚至?xí)矸治鼋?jīng)濟(jì)學(xué)方法的質(zhì)變。
一方面,由于多維度的精細(xì)間隔,大數(shù)據(jù)可以為經(jīng)濟(jì)學(xué)研究人員提供更多研究變量和視角,可以研究以前難以測(cè)度的行為理論,這為經(jīng)濟(jì)理論研究提供了一種全新的測(cè)量方法。例如:麻省理工大學(xué)助理教授Alberto Cavallo設(shè)計(jì)的“百萬(wàn)價(jià)格”項(xiàng)目,該項(xiàng)目旨在通過一個(gè)網(wǎng)絡(luò)程序,獲取網(wǎng)上物品價(jià)格,繼而運(yùn)用這些數(shù)據(jù)計(jì)算得出通脹指數(shù),該通貨膨脹指數(shù)就是阿根廷的精確透明通貨膨脹指標(biāo),其實(shí)時(shí)價(jià)格數(shù)據(jù)的捕捉能力和準(zhǔn)確度,使得該指標(biāo)作為政府測(cè)量通脹的替代選擇。又如,谷歌提供的請(qǐng)求式數(shù)據(jù)選擇也提供了一個(gè)探索新機(jī)會(huì)的理由,目前一個(gè)備受矚目的例子就是“及時(shí)預(yù)報(bào)”,在某些方面它可以通過龐大經(jīng)濟(jì)社會(huì)數(shù)據(jù)集進(jìn)行短期精確預(yù)測(cè)。
一、征文范圍
1. 新技術(shù)應(yīng)用環(huán)境下信息安全等級(jí)保護(hù)技術(shù):物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、工控系統(tǒng)、移動(dòng)接入網(wǎng)、下一代互聯(lián)網(wǎng)(IPv6)等新技術(shù)、環(huán)境下的等級(jí)保護(hù)支撐技術(shù),等級(jí)保護(hù)技術(shù)體系在新環(huán)境下的應(yīng)用方法;
2. 關(guān)鍵基礎(chǔ)設(shè)施信息安全保護(hù)技術(shù):政府部門及金融、交通、電力、能源、通信、制造等重要行業(yè)網(wǎng)站、核心業(yè)務(wù)信息系統(tǒng)等安全威脅、隱患分析及防范措施;
3. 國(guó)內(nèi)外信息安全管理政策與策略:信息安全管理政策和策略研究,信息安全管理體制和機(jī)制特點(diǎn),信息安全管理標(biāo)準(zhǔn)發(fā)展對(duì)策,網(wǎng)絡(luò)恐怖的特點(diǎn)、趨勢(shì)、危害研究;
4. 信息安全預(yù)警與突發(fā)事件應(yīng)急處置技術(shù):攻擊監(jiān)測(cè)技術(shù),態(tài)勢(shì)感知預(yù)警技術(shù),安全監(jiān)測(cè)技術(shù),安全事件響應(yīng)技術(shù),應(yīng)急處置技術(shù),災(zāi)難備份技術(shù),恢復(fù)和跟蹤技術(shù),風(fēng)險(xiǎn)評(píng)估技術(shù);
5. 信息安全等級(jí)保護(hù)建設(shè)技術(shù):密碼技術(shù),可信計(jì)算技術(shù),網(wǎng)絡(luò)實(shí)名制等體系模型與構(gòu)建技術(shù),漏洞檢測(cè)技術(shù),網(wǎng)絡(luò)監(jiān)測(cè)與監(jiān)管技術(shù),網(wǎng)絡(luò)身份認(rèn)證技術(shù),網(wǎng)絡(luò)攻防技術(shù),軟件安全技術(shù),信任體系研究;
6. 信息安全等級(jí)保護(hù)監(jiān)管技術(shù):用于支撐安全監(jiān)測(cè)的數(shù)據(jù)采集、挖掘與分析技術(shù),用于支撐安全監(jiān)管的敏感數(shù)據(jù)發(fā)現(xiàn)與保護(hù)技術(shù),安全態(tài)勢(shì)評(píng)估技術(shù),安全事件關(guān)聯(lián)分析技術(shù)、安全績(jī)效評(píng)估技術(shù),電子數(shù)據(jù)取證和鑒定技術(shù);
7. 信息安全等級(jí)保護(hù)測(cè)評(píng)技術(shù):標(biāo)準(zhǔn)符合性檢驗(yàn)技術(shù),安全基準(zhǔn)驗(yàn)證技術(shù),源代碼安全分析技術(shù),逆向工程剖析技術(shù),滲透測(cè)試技術(shù),測(cè)評(píng)工具和測(cè)評(píng)方法;
8. 信息安全等級(jí)保護(hù)策略與機(jī)制:網(wǎng)絡(luò)安全綜合防控體系建設(shè),重要信息系統(tǒng)的安全威脅與脆弱性分析,縱深防御策略,大數(shù)據(jù)安全保護(hù)策略,信息安全保障工作評(píng)價(jià)機(jī)制、應(yīng)急響應(yīng)機(jī)制、安全監(jiān)測(cè)預(yù)警機(jī)制。
二、投稿要求
1. 來稿內(nèi)容應(yīng)屬于作者的科研成果,數(shù)據(jù)真實(shí)、可靠,未公開發(fā)表過,引用他人成果已注明出處,署名無爭(zhēng)議,論文摘要及全文不涉及保密內(nèi)容;
2. 會(huì)議只接受以Word排版的電子稿件,稿件一般不超過5000字;
3. 稿件以Email方式發(fā)送到征稿郵箱;
4. 凡投稿文章被錄用且未作特殊聲明者,視為已同意授權(quán)出版;
5. 提交截止日期: 2014年5月25日。
三、聯(lián)系方式
通信地址:北京市海淀區(qū)首都體育館南路1號(hào)
郵編:100048
Email:.cn
聯(lián)系人: 范博、王晨
聯(lián)系電話:010-68773930,
金融的本質(zhì)是風(fēng)險(xiǎn)管理,風(fēng)控是所有金融業(yè)務(wù)的核心。典型的金融借貸業(yè)務(wù)例如抵押貸款、消費(fèi)貸款、P2P、供應(yīng)鏈金融、以及票據(jù)融資都需要數(shù)據(jù)風(fēng)控識(shí)別欺詐用戶及評(píng)估用戶信用等級(jí)。傳統(tǒng)金融的風(fēng)控主要利用了信用屬性強(qiáng)大的金融數(shù)據(jù),一般采用20個(gè)緯度左右的數(shù)據(jù),利用評(píng)分來識(shí)別客戶的還款能力和還款意愿。
互聯(lián)網(wǎng)金融公司利用大數(shù)據(jù)進(jìn)行風(fēng)控時(shí),都是利用多維度數(shù)據(jù)來識(shí)別借款人風(fēng)險(xiǎn)。同信用相關(guān)的數(shù)據(jù)越多地被用于借款人風(fēng)險(xiǎn)評(píng)估,借款人的信用風(fēng)險(xiǎn)就被揭示的更充分,信用評(píng)分就會(huì)更加客觀,接近借款人實(shí)際風(fēng)險(xiǎn)。常用的互聯(lián)網(wǎng)金融大數(shù)據(jù)風(fēng)控方式有以下幾種:
1 驗(yàn)證借款人身份
驗(yàn)證借款人身份的五因素認(rèn)證是姓名、手機(jī)號(hào)、身份證號(hào)、銀行卡號(hào)、家庭地址。企業(yè)可以借助國(guó)政通的數(shù)據(jù)來驗(yàn)證姓名、身份證號(hào),借助銀聯(lián)數(shù)據(jù)來驗(yàn)證銀行卡號(hào)和姓名,利用運(yùn)營(yíng)商數(shù)據(jù)來驗(yàn)證手機(jī)號(hào)、姓名、身份證號(hào)、家庭住址。
如果借款人是欺詐用戶,這五個(gè)信息都可以買到。這個(gè)時(shí)候就需要進(jìn)行人臉識(shí)別了,人臉識(shí)別等原理是調(diào)用國(guó)政通/公安局API接口,將申請(qǐng)人實(shí)時(shí)拍攝的照片/視頻同客戶預(yù)留在公安的身份證進(jìn)行識(shí)別,通過人臉識(shí)別技術(shù)驗(yàn)證申請(qǐng)人是否是借款人本人。
2 分析提交的信息來識(shí)別欺詐
線上申請(qǐng)時(shí),申請(qǐng)人會(huì)按照貸款公司的要求填寫多維度信息例如戶籍地址,居住地址,工作單位,單位電話,單位名稱等。如果是欺詐用戶,其填寫的信息往往會(huì)出現(xiàn)一些規(guī)律,企業(yè)可根據(jù)異常填寫記錄來識(shí)別欺詐。例如填寫不同城市居住小區(qū)名字相同、填寫的不同城市,不同單位的電話相同、不同單位的地址街道相同、單位名稱相同、甚至居住的樓層和號(hào)碼都相同。還有一些填寫假的小區(qū)、地址和單位名稱以及電話等。
如果企業(yè)發(fā)現(xiàn)一些重復(fù)的信息和電話號(hào)碼,申請(qǐng)人欺詐的可能性就會(huì)很高。
3 分析客戶線上申請(qǐng)行為來識(shí)別欺詐
欺詐用戶往往事先準(zhǔn)備好用戶基本信息,在申請(qǐng)過程中,快速進(jìn)行填寫,批量作業(yè),在多家網(wǎng)站進(jìn)行申請(qǐng),通過提高申請(qǐng)量來獲得更多的貸款。
企業(yè)可以借助于SDK或JS來采集申請(qǐng)人在各個(gè)環(huán)節(jié)的行為,計(jì)算客戶閱讀條款的時(shí)間,填寫信息的時(shí)間,申請(qǐng)貸款的時(shí)間等,如果這些申請(qǐng)時(shí)間大大小于正常客戶申請(qǐng)時(shí)間,例如填寫地址信息小于2秒,閱讀條款少于3秒鐘,申請(qǐng)貸款低于20秒等。用戶申請(qǐng)的時(shí)間也很關(guān)鍵,一般晚上11點(diǎn)以后申請(qǐng)貸款的申請(qǐng)人,欺詐比例和違約比例較高。
這些異常申請(qǐng)行為可能揭示申請(qǐng)人具有欺詐傾向,企業(yè)可以結(jié)合其他的信息來判斷客戶是否為欺詐用戶。
4 利用黑名單和灰名單識(shí)別風(fēng)險(xiǎn)
互聯(lián)網(wǎng)金融公司面臨的主要風(fēng)險(xiǎn)為惡意欺詐,70%左右的信貸損失來源于申請(qǐng)人的惡意欺詐。客戶逾期或者違約貸款中至少有30%左右可以收回,另外的一些可以通過催收公司進(jìn)行催收,M2逾期的回收率在20%左右。
市場(chǎng)上有近百家的公司從事個(gè)人征信相關(guān)工作,其主要的商業(yè)模式是反欺詐識(shí)別,灰名單識(shí)別,以及客戶征信評(píng)分。反欺詐識(shí)別中,重要的一個(gè)參考就是黑名單,市場(chǎng)上領(lǐng)先的大數(shù)據(jù)風(fēng)控公司擁有將近1000萬(wàn)左右的黑名單,大部分黑名單是過去十多年積累下來的老賴名單。
5 利用移動(dòng)設(shè)備數(shù)據(jù)識(shí)別欺詐
行為數(shù)據(jù)中一個(gè)比較特殊的就是移動(dòng)設(shè)備數(shù)據(jù)反欺詐,公司可以利用移動(dòng)設(shè)備的位置信息來驗(yàn)證客戶提交的工作地和生活地是否真實(shí),另外來可以根據(jù)設(shè)備安裝的應(yīng)用活躍來識(shí)別多頭借貸風(fēng)險(xiǎn)。
欺詐用戶一般會(huì)使用模擬器進(jìn)行貸款申請(qǐng),移動(dòng)大數(shù)據(jù)可以識(shí)別出貸款人是否使用模擬器。欺詐用戶也有一些典型特征,例如很多設(shè)備聚集在一個(gè)區(qū)域,一起申請(qǐng)貸款。欺詐用戶還有可能不停更換SIM卡和手機(jī),利用SIM卡和手機(jī)綁定時(shí)間和頻次可以識(shí)別出部分欺詐用戶。
6 利用司法信息評(píng)估風(fēng)險(xiǎn)
涉毒涉賭以及涉嫌治安處罰的人,其信用情況不是太好,特別是涉賭和涉毒人員,這些人是高風(fēng)險(xiǎn)人群,一旦獲得貸款,其貸款用途不可控,貸款有可能不會(huì)得到償還。尋找這些涉毒涉賭的嫌疑人,可以利用當(dāng)?shù)氐墓矓?shù)據(jù),但是難度較大。也可以采用移動(dòng)設(shè)備的位置信息來進(jìn)行一定程度的識(shí)別。如果設(shè)備經(jīng)常在半夜出現(xiàn)在賭博場(chǎng)所或賭博區(qū)域例如澳門,其申請(qǐng)人涉賭的風(fēng)險(xiǎn)就較高。
總結(jié):總之,互聯(lián)網(wǎng)金融的大數(shù)據(jù)風(fēng)控采用了用戶社會(huì)行為和社會(huì)屬性數(shù)據(jù),在一定程度上補(bǔ)充了傳統(tǒng)風(fēng)控?cái)?shù)據(jù)維度不足的缺點(diǎn),能夠更加全面識(shí)別出欺詐客戶,評(píng)價(jià)客戶的風(fēng)險(xiǎn)水平。互聯(lián)網(wǎng)金融企業(yè)通過分析申請(qǐng)人的社會(huì)行為數(shù)據(jù)來控制信用風(fēng)險(xiǎn),將資金借給合格貸款人,保證資金的安全。
[中圖分類號(hào)] F83 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 2095-3437(2014)14-0029-02
一、背景
數(shù)據(jù)是與自然資源、人力資源一樣重要的戰(zhàn)略資源,其背后隱含著巨大的經(jīng)濟(jì)價(jià)值。近年來,“大數(shù)據(jù)”研究已經(jīng)備受關(guān)注。[1]例如,2012年,美國(guó)政府在國(guó)內(nèi)了“大數(shù)據(jù)”研究和《發(fā)展倡議》,投資約兩億美元發(fā)展大數(shù)據(jù)研究,用以強(qiáng)化國(guó)土安全、轉(zhuǎn)變教育學(xué)習(xí)模式和進(jìn)一步加速科學(xué)和工程領(lǐng)域的創(chuàng)新速度和水平。繼1993年美國(guó)宣布“信息高速公路”計(jì)劃后,這項(xiàng)決定標(biāo)志著美國(guó)的又一次重大科技發(fā)展部署。美國(guó)政府認(rèn)為“大數(shù)據(jù)”研究勢(shì)必對(duì)未來的科技、經(jīng)濟(jì)等各領(lǐng)域的發(fā)展帶來深遠(yuǎn)影響。在大數(shù)據(jù)應(yīng)用的技術(shù)需求牽引下,數(shù)據(jù)科學(xué)研究和人才培養(yǎng)引起了各國(guó)的重視。美國(guó)哥倫比亞大學(xué)和紐約大學(xué)、澳大利亞悉尼科技大學(xué)、日本名古屋大學(xué)、韓國(guó)釜山國(guó)立大學(xué)等紛紛成立數(shù)據(jù)科學(xué)研究機(jī)構(gòu);美國(guó)加州大學(xué)伯克利分校和伊利諾伊大學(xué)香檳分校、英國(guó)鄧迪大學(xué)等一大批高校開設(shè)了數(shù)據(jù)科學(xué)課程。
二、機(jī)器學(xué)習(xí)理論
機(jī)器學(xué)習(xí)(machine learning)是繼專家系統(tǒng)之后人工智能應(yīng)用的又一重要研究?jī)?nèi)容,在某種意義上,機(jī)器學(xué)習(xí)或?qū)⒄J(rèn)為是數(shù)據(jù)挖掘的同義詞。數(shù)據(jù)挖掘是指有組織、有目的地收集數(shù)據(jù)、分析數(shù)據(jù),從海量數(shù)據(jù)中尋找潛在規(guī)律,并使之為決策規(guī)劃提供有價(jià)值信息的技術(shù)。機(jī)器學(xué)習(xí)是人工智能的核心部分,在金融、工業(yè)、商業(yè)、互聯(lián)網(wǎng)以及航天等各個(gè)領(lǐng)域均發(fā)揮著重要的作用。對(duì)機(jī)器學(xué)習(xí)研究的進(jìn)展,必將對(duì)人工智能、數(shù)據(jù)挖掘領(lǐng)域的發(fā)展具有深遠(yuǎn)影響。
機(jī)器學(xué)習(xí)方法主要包括:Exper System(專家系統(tǒng))、K-Nearest Neighbor(K近鄰算法)、Decision Tree(決策樹)、Neural Net(神經(jīng)網(wǎng)絡(luò))、Support Vector Machine(支持向量機(jī))、Cluster Analysis(聚類分析)等。近幾年,研究人員將遺傳算法、神經(jīng)網(wǎng)絡(luò)、系統(tǒng)理論以及當(dāng)代數(shù)學(xué)研究的最新進(jìn)展,應(yīng)用于金融領(lǐng)域。這使得金融領(lǐng)域數(shù)據(jù)挖掘在金融管理中備受青睞。例如,產(chǎn)品定價(jià)、金融風(fēng)險(xiǎn)管理、投資決策甚至金融監(jiān)管都越來越重視金融數(shù)據(jù)挖掘,通過數(shù)據(jù)挖掘發(fā)現(xiàn)金融市場(chǎng)發(fā)展的潛在規(guī)律與發(fā)展動(dòng)態(tài)。機(jī)器學(xué)習(xí)理論及其在金融領(lǐng)域的應(yīng)用成為了一個(gè)比較熱的研究領(lǐng)域。[2] [3]
三、金融數(shù)據(jù)的特點(diǎn)
在眾多機(jī)器學(xué)習(xí)方法中,基于Logistic回歸、判別分析等傳統(tǒng)的統(tǒng)計(jì)方法,對(duì)金融模型假定條件非常嚴(yán)格,在實(shí)際應(yīng)用中很難達(dá)到理想效果。其原因在于對(duì)金融數(shù)據(jù)的非線性和非平穩(wěn)性的操作具有片面局限性,在實(shí)際處理金融數(shù)據(jù)時(shí),既定假設(shè)與金融市場(chǎng)發(fā)展實(shí)際并不完全一致,這樣可能會(huì)影響模型的推廣能力和泛化能力。
基于分類樹方法、K-近鄰判別分析、遺傳算法等傳統(tǒng)的非參數(shù)統(tǒng)計(jì)方法,其預(yù)測(cè)能力較好,但不能量化解釋指標(biāo)的程度。例如,K-近鄰判別分析是一種非參數(shù)距離學(xué)習(xí)方法,通常按照數(shù)據(jù)樣本之間的距離或相關(guān)系數(shù)進(jìn)行度量,這樣會(huì)受到少數(shù)異常數(shù)據(jù)點(diǎn)的影響。但是,在相同樣本容量下,如果對(duì)于具體問題確實(shí)存在特定參數(shù)模型可以應(yīng)用時(shí),非參數(shù)方法效率相對(duì)較低。以神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等為典型的機(jī)器學(xué)習(xí)方法,優(yōu)點(diǎn)在于可以有效處理金融數(shù)據(jù)的非線性特性,并且不需要事先嚴(yán)格的統(tǒng)計(jì)假設(shè),這樣會(huì)表現(xiàn)出較強(qiáng)的適應(yīng)效果,充分體現(xiàn)人工智能、機(jī)器學(xué)習(xí)等方法的魅力。神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度是各種機(jī)器學(xué)習(xí)方法中相對(duì)較好的,因?yàn)樵谝欢ǔ潭壬希窠?jīng)網(wǎng)絡(luò)可以按照任意精度近似非線性函數(shù),為高度非線性問題的建模和算法提供相應(yīng)支持。盡管神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)步有目共睹,但仍然存在一些難題。例如,通常難以確定隱層節(jié)點(diǎn)數(shù),并會(huì)存在“過學(xué)習(xí)”現(xiàn)象和局部極小值等問題。
四、支持向量機(jī)
傳統(tǒng)的統(tǒng)計(jì)模式識(shí)別方法是在樣本數(shù)目足夠多的情況下進(jìn)行的,但是樣本數(shù)目足夠多在實(shí)際問題里面往往難以保證。1968年Vapnik等人首次提出了統(tǒng)計(jì)學(xué)習(xí)理論,專門從事有限樣本情況下機(jī)器學(xué)習(xí)規(guī)律的研究。在此基礎(chǔ)上,1995年Vapnik等人首先提出支持向量機(jī)(Support Vector Machine,簡(jiǎn)稱SVM)的學(xué)習(xí)方法,它是數(shù)據(jù)挖掘中的一項(xiàng)新的技術(shù)。SVM是機(jī)器學(xué)習(xí)研究領(lǐng)域的一項(xiàng)重大成果,主要研究如何根據(jù)有限學(xué)習(xí)樣本進(jìn)行模式識(shí)別和回歸預(yù)測(cè),使在對(duì)未知樣本的估計(jì)過程中,期望風(fēng)險(xiǎn)最小。近年來,它被廣泛地應(yīng)用于統(tǒng)計(jì)分類以及回歸分析中。近幾年的研究成果表明,SVM在實(shí)用算法研究、設(shè)計(jì)和實(shí)現(xiàn)方面已取得豐碩的成果,其在理論研究和算法實(shí)現(xiàn)方面都有突破性進(jìn)展,逐漸開始成為克服維數(shù)災(zāi)難和過學(xué)習(xí)等傳統(tǒng)問題的有力手段。支持向量機(jī)可以成功處理回歸分析和模式識(shí)別等諸多問題,并可推廣于預(yù)測(cè)和綜合評(píng)價(jià)等領(lǐng)域,因此可應(yīng)用于管理、經(jīng)濟(jì)等多種學(xué)科。支持向量機(jī)屬于一般化線性分類器,可以認(rèn)為是提克洛夫規(guī)則化(Tikhonov Regularization)方法的一個(gè)特例,其特點(diǎn)是他們能夠同時(shí)最小化經(jīng)驗(yàn)誤差與最大化幾何邊緣區(qū)。支持向量機(jī)的優(yōu)點(diǎn)表現(xiàn)在:1.它通過使用結(jié)構(gòu)風(fēng)險(xiǎn)最小化代替?zhèn)鹘y(tǒng)的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化,使用滿足Mercer 條件的核函數(shù),把輸入空間的數(shù)據(jù)變換到高維的Hilbert 空間,將向量映射到一個(gè)更高維的空間里。在這個(gè)空間里建立有一個(gè)最大間隔超平面,實(shí)現(xiàn)了由輸入空間中的非線性分析到Hilbert 空間中的線性分析。2.訓(xùn)練的復(fù)雜度與輸入空間的維數(shù)無關(guān),只與訓(xùn)練的樣本數(shù)目有關(guān)。3.稀疏性。決定最大間隔超平面的只是少數(shù)向量――支持向量,就推廣能力方面而言, 較少的支持向量數(shù)在統(tǒng)計(jì)意義上對(duì)應(yīng)好的推廣能力。4.本質(zhì)上,SVM算法是一個(gè)二次優(yōu)化問題,能保證所得到的解是全局最優(yōu)的解。綜上所述,SVM在一定程度上解決了以往困擾機(jī)器學(xué)習(xí)方法的很多問題,例如,模型選擇與“過學(xué)習(xí)”問題、非線性和高維小樣本等維數(shù)災(zāi)難問題、局部極小問題等。[4]正是由于SVM具有完備的理論基礎(chǔ)和出色的應(yīng)用表現(xiàn),使其在解決高維小樣本、非線性、壓縮感知以及高維模式識(shí)別問題中表現(xiàn)出獨(dú)特的優(yōu)勢(shì),正成為自神經(jīng)網(wǎng)絡(luò)之后,機(jī)器學(xué)習(xí)領(lǐng)域中新的研究熱點(diǎn)之一。[5] [6]
同其他機(jī)器學(xué)習(xí)方法比較,支持向量機(jī)更具嚴(yán)密的理論基礎(chǔ),因而在模型表現(xiàn)上也略勝一籌,被成功應(yīng)用于模式分類、非線性回歸,從使用效果來看,其結(jié)果較為理想。但從實(shí)踐角度分析來看,模型參數(shù)的選擇過度依賴人們的實(shí)驗(yàn)方法和實(shí)踐技能,在一定程度上降低了模型的推廣泛化能力和應(yīng)用領(lǐng)域。同時(shí)計(jì)算方面,訓(xùn)練時(shí)間過長(zhǎng)、核參數(shù)的確定,在大訓(xùn)練樣本情況下, SVM面臨著維數(shù)災(zāi)難,甚至?xí)捎趦?nèi)存的限制導(dǎo)致無法訓(xùn)練。目前支持向量機(jī)在金融數(shù)據(jù)挖掘方面也存在一定的局限性,主要表現(xiàn)以下幾方面:動(dòng)態(tài)適應(yīng)性、魯棒性、特征變量異質(zhì)性調(diào)整、模型推廣精度等不盡如人意;建模方法與技術(shù)還有待進(jìn)一步完善;支持向量機(jī)研究金融數(shù)據(jù)挖掘和金融問題的成果雖然不少,但大多集中在股票價(jià)格和股票市場(chǎng)走勢(shì)預(yù)測(cè)方面,關(guān)于公司財(cái)務(wù)危機(jī)預(yù)測(cè)、套期保值分析、金融市場(chǎng)連接機(jī)制分析及其創(chuàng)新成果方面有待加強(qiáng)。
五、結(jié)論
大數(shù)據(jù)時(shí)代下金融專業(yè)的數(shù)學(xué)重在以下方面的應(yīng)用:深度學(xué)習(xí)(Deep Learning)、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘、分布式計(jì)算,如MR、Hadoop等,在大數(shù)據(jù)中預(yù)測(cè)最先取得突破的技術(shù)環(huán)節(jié)將會(huì)是分析中的大數(shù)據(jù)挖掘與關(guān)聯(lián)分析、存儲(chǔ)結(jié)構(gòu)和系統(tǒng)、數(shù)據(jù)采集和數(shù)據(jù)化。目前金融問題的研究方向和發(fā)展趨勢(shì),主要集中在計(jì)量經(jīng)濟(jì)方法,例如,格蘭杰因果分析、向量自回歸、條件異方差、隨機(jī)波動(dòng)分析等。這些計(jì)量經(jīng)濟(jì)方法和技術(shù)大部分使用了線性技術(shù),以及與金融市場(chǎng)不太吻合的理論假設(shè),基于這些方法的結(jié)果,例如,資產(chǎn)預(yù)測(cè)價(jià)格、發(fā)展動(dòng)態(tài)以及風(fēng)險(xiǎn)評(píng)估結(jié)果和實(shí)際出入較大,影響了金融管理的效率。對(duì)于我們大學(xué)教師來說,如何將已有分析數(shù)據(jù)算法整合,讓學(xué)生抓住重點(diǎn),挖掘到比較可靠的信息或知識(shí),都將成為金融專業(yè)數(shù)學(xué)研究的方向和目標(biāo)。
[ 注 釋 ]
[1] Anand Rajaraman Jeffrey David Ullman.大數(shù)據(jù)――互聯(lián)網(wǎng)大規(guī)模數(shù)據(jù)挖掘與分布式處理[M].北京:人民郵電出版社,2012.
[2] Kumar, P.R. and Ravi, V. 2007. Bankruptcy prediction in banks and firms via statistical and intelligent techniques-a review. European Journal of Operational Research, 180(1):1-28.
[3] M. Oet, R. Eiben, T. Bianco,D.Gramlich, S. Ong, and J.Wang,“SAFE: an early warning system for systemic banking risk,”in Proceedings of the 24th Australasian Finance and BankingConference, SSRN, 2011.
[6] 全球商業(yè)價(jià)值研究院.全新的價(jià)值整合者――全球CFO調(diào)研洞察[EB/OL]..
[7] 江虹曉.信托投資公司全面風(fēng)險(xiǎn)管理風(fēng)險(xiǎn)關(guān)鍵點(diǎn)控制方案研究[D].濟(jì)南:山東大學(xué)碩士論文,2010-03-24.
[8] 張巖.國(guó)際工程項(xiàng)目全面風(fēng)險(xiǎn)管理研究[D].西安建筑科技大學(xué)碩士論文,2009-06-01.
[9] IBM全球CFO研究.半數(shù)企業(yè)未準(zhǔn)備好應(yīng)對(duì)重大風(fēng)險(xiǎn)[EB/ OL].[2007-10-31]..
[11] 范曉東.企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理淺析[J].武漢:當(dāng)代經(jīng)濟(jì)(下半月),2007(10).
[12] 沈永偉.基于出口企業(yè)構(gòu)建風(fēng)險(xiǎn)管理體系的研究[D].北京:中央財(cái)經(jīng)大學(xué)碩士論文,2010.