大數據金融論文匯總十篇

序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦十篇大數據金融論文范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。

篇（1）

摘要：目前，在社會發展的過程中，教育水平的發展也有了前所未有的提高。金融大數據爆炸性發展要求金融學專業學生具備一定的金融數據分析與處理能力，計量經濟學作為培養學生數據處理與分析能力的核心課程，新的歷史時期應當承擔起培養學生金融大數據視野的責任。

關鍵詞：金融數學專業；計量經濟學；金融理論；實踐結合

引言

計量經濟學作為一門非常強調應用性的學科，是應用型本科院校的一門重要的課程，是應用型本科學生知識能力結構中不可缺少的組成部分。近年來的教育教學改革的探索注重實踐環境的強化，人們已越來越清醒地認識到，實踐教學是培養學生實踐能力和創新能力的重要環節，也是提高學生社會職業素養和就業競爭力的重要途徑。計量經濟學作為經濟學核心課程之一，在當前教育新常態下，產生了一些新的問題，因此應用型本科教育背景下的計量經濟學也應該被重新賦予新的屬性。

一、教學內容和教學方式的問題

（1）傳統計量經濟學教學強調回歸分析背后模型的假設及相關內容，但現代經驗研究強調因果關系。因此，當前計量經濟學教學過分強調對隨機擾動項分布、異方差及自相關的長篇討論，顯得不合時宜，而對國內外廣泛流行的新穎工具較少提及，其結果是學生對計量經濟學應用仍是一知半解。（2）由于現有課時安排等原因，教師教學過程中著重講授計量經濟學原理和方法，而輕視實際應用和數據處理能力的培養。例如，教學中主要講授參數估計和各種檢驗的理論和方法，對如何從經濟問題出發建立模型，如何應用模型分析實際的經濟問題討論得較少。（3）由于課堂教學注重理論知識的講授，不能分配更多的實驗課時，導致學生難以真正理解和運用計量經濟學理論知識，特別難以將理論知識靈活應用于金融數據建模與處理。（4）現有的計量經濟學課程缺乏將計量經濟學方法與金融數據相融合的缺陷。在課堂教學內容安排中，著重講述計量經濟學的基本原理和方法，而沒有將計量方法與金融大數據的獲取與加工處理結合起來進行講解。導致多數學生具備一定的計量經濟學基礎，但面對查找和處理金融數據時卻束手無策。（5）已有計量經濟學教學內容安排上，一般將經典的計量經濟學和現代時間序列方法安排在一個學期內完成。由于教學內容過多而教學課時有限，其結果是導致無法詳細講解金融時間序列部分，金融學專業學生對金融大數據處理及建模能力不強。

二、金融數學專業計量經濟學與金融理論及實踐的結合的優化措施

（一）突出案例教學

豐富多彩又符合專業特色的案例教學可以激發學生的學習興趣。案例教學一方面能夠使理論知識更加通俗易懂，另一方面案例教學重視師生互動，可以提高學生的興趣，為課程論文和畢業論文的寫作打下良好的基礎。計量經濟學教學案例的選取一定要突出目的性、代表性和趣味性等特點，應結合學生所學專業的差異，多搜集一些與該專業密切相關的經濟熱點問題和前沿問題，激發學生的學習積極性和主動性。

（二）金融數學專業計量經濟學與金融理論及實踐的結合

就金融數學專業學生而言，在為這些學生開展計量經濟學課程教學時，需要注重將金融理論和具體的金融實踐知識緊密結合起來，以此來引導他們正確使用計量經濟模型方法來研究金融相關實踐問題。金融市場相關實踐知識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-收入這一知識以偏概全，這就要求計量經濟學老師在為金融數學專業學生開展課程教學時，需要拓展到相關金融領域，通過講解相關金融理論和具體的市場實踐數據來開展課程教學。

（三）“案例+微課”的教學模式改革

為了提高金融專業本科生金融大數據處理能力，改善教學效果，擬重點對《計量經濟學（Ⅱ）》的教學方法進行創新。為了改變以課堂為中心的單一教學方法“重在教，逼學生學”的缺陷，我們將使用“案例+微課”的教學模式。“案例教學”是計量經濟學一種非常有效的輔助教學模式（楊汭華，2005；黃佐钘，2008；張玲，2014）。與傳統的案例教學不同：（1）項目強調針對金融大數據開發相關案例，并以“微課”的形式將教學內容呈現給學生。“案例+微課”的教學模式的好處在于能激發學生對計量經濟學理論學習的興趣，更加生動和直觀地將金融大數據處理呈現給學生，引導學生自主學習。此外，“案例+微課”模式能對課堂教學形成有效補充，課堂上沒有解決的問題，學生可以在課外通過“案例+微課”進一步鞏固與提高課堂知識。（2）傳統計量經濟學經驗案例強調計量經濟學理論知識的應用，重點介紹數學與統計技術，而忽視其內在的經濟問題與變量間的內生關系。項目強調以真實的金融大數據為載體，在案例分析中，更加注重因果關系的討論，從而案例分析更加接近現實。因此，相比于傳統的案例分析，項目經驗分析更接近現代研究范式，故而具有更好的實用價值。

（四）完善考核體系

作為一門應用型的學科，考核方式也應該多樣化。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生對課程內容的學習，另一方面也能加強學生的應用能力，提高學生的獨立思考能力和對知識的靈活運用能力。課程論文可以與學生的畢業設計結合，突出學生所在學科屬性，充分調動學生的積極性。同時不能將試卷考核的方式拋棄，例如可以將紙質試卷改為上機考試，增加操作題的比重。完善的考核方式會提高學生對計量經濟學課程的重視程度，強化計量經濟學的教學效果。

結語

總之，計量經濟學教學改革是高等教育供給側改革的一個縮影，只有明確清晰教學定位，有效提升高等教育供給體系的質量和效率，重點解決好高校人才培養能力、支撐引領國家創新發展能力的問題，才能提供更多有選擇的本科教育，建成更有競爭力的本科教育，開創更有特色的本科教育，發展更加公平的本科教育。

計量經濟學畢業論文范文模板(二)：基于計量經濟學的電力企業經濟效益與管理決策實證研究論文

摘要：在我國快速發展的過程中，我國的電力建設在不斷的完善，中國的現代化建設離不開電力的發展，同時國民經濟的發展也將推動電力工業的進步。處于新時代的電力企業需要具備超前的思維與意識，在外對國民經濟的發展具備清晰的預判，在內要做好企業內部的管理建設，針對未來長遠發展制定科學的規劃。要做好這幾點，就離不開對電力企業經濟效益、經營管理的分析以及數學建模工具的運用。本文選取2001-2017年中國的國內生產總值（GDP），全社會用電量數據以及典型電力企業華電國際年度報告數據，分析了華電國際的經濟效益與外部經濟環境以及企業經營管理之間的關系。首先從時間序列非平穩角度出發，利用協整理論并通過單位根檢驗以及協整關系檢驗對華電國際的經濟效益建立了長期均衡模型。再對模型進行短期誤差修正，在證明了模型有效性的基礎上，利用所建模型對提升華電國際的經濟效益進行實證分析預測。最后對以華電國際為代表的中國電力企業的發展提出相關建議。結果表明，對華電國際而言其供電成本、管理與財務及人力資源成本的完善對其經濟效益的影響將是一個長期過程，而其短期內經濟效益主要受國民經濟的發展水平以及全社會用電量需求的影響。該模型具有廣泛的適用性，可以為其他電力企業的經濟效益及其影響因素進行分析與預測，對企業未來的管理決策規劃提供參考。

關鍵詞：電力企業；經濟效益；管理決策

經濟研究的方法在于總結典型的經驗特征與收集數據，并在此基礎上建立相應的經濟理論或經濟模型。經濟研究的科學性在很大程度上取決于經濟理論或經濟模型的可驗證性，即能否通過數據實證檢驗相關的經濟理論與經濟模型來解釋事實，并預測未來的經濟變動趨勢以及提供科學的政策建議。計量經濟學和實驗經濟學則猶如硬幣的雙面，從不同的角度為經濟學的實證分析提供重要的方法論基礎。計量經濟學以實際經濟數據的建模與分析為主要研究對象。當實際數據不可得，或實際數據過于復雜而導致因果關系不易梳理時，實驗經濟學則有可能從另一個角度出發，通過可控的實驗數據代替實際數據，成為實證經濟分析的又一個有力工具。

一、協整理論概述

協整的概念是由恩格爾一格蘭杰（Engle-Granger）在1987年“協整與誤差修正，描述、估計與檢驗”中正式提出的，協整的基本思想認為，盡管兩個或兩個以上變量中的每一個都是非平穩的，但他們的線性組合可能會相互抵消趨勢項的影響，使該組合是平穩的。這一理論的提出為經濟時間序列分析樹立了新的里程碑，對經濟學和計量經濟學產生了革命性的影響。之所以協整理論會產生如此大的影響，是與一協整理論所具有的深厚的經濟學背景密不可分的。

二、基于計量經濟學的電力企業經濟效益與管理決策實證

（一）非均衡博弈論框架的建立和實驗驗證

策略性思考是博弈理論及其應用的基礎。納什均衡以及相關均衡的概念過去一直是描述策略性思考的核心內容，其定義為每個博弈參與者的策略都是在給定其他方策略下的最優反應。顯然這種均衡的定義內在要求每個博弈參與者在決策信念上達到均衡，即每個參與者對其他方的策略持有正確的信念。在過去的研究中，經濟學者通常假定均衡框架存在從而做出對參與者行為的預測。盡管在一些博弈場景下，基于均衡概念的行為預測是準確的，但在多數情況下實驗經濟學研究結果表明博弈參與者的行為會系統性地偏離基于均衡概念的行為預測。由于來自實驗經濟學數據對原有理論框架的挑戰，經濟學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用實驗經濟學的方法收集數據來檢驗這些新理論。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假定博弈參與者在決策時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的理性假設。

（二）ECM誤差修正

通過Granger定理易知，具有協整關系的一系列變量會對應一個包含誤差修正的表達形式。可以進一步通過誤差修正來研究華電國際經濟效益的短期行為。具體而言可根據由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代表協整回歸厚的一階滯后誤差，括號內的數字代表不拒絕相應零假設的概率。從該方程式以及統計結果的數據可以發現，文中所進行的統計檢驗在置信水平上表現顯著。這一結果也證明了文中構建的誤差修正的具有良好的適用性。圖中給出了LY的實際數據與擬合結果以及殘差結果，從圖中可以看出，協整以及誤差修正之后的模型具有較為理想的結果。

（三）計量經濟學應用研究中的多重共線性問題

篇（2）

一、緒論

（一）背景

隨著我國互聯網是迅速發展，互聯網模式迅速占據各行各業，而我國的互聯網經濟也取得了飛速的發展。截止2015年我國的網民已經達到了9億人，這個龐大的數字表明我國的互聯網市場的巨大潛力。此外，政府的大數據政策也開始向互聯網行業傾斜，表明了互聯網大數據時代的美好機遇的到來。互聯網金融的融資理財等模塊的發展也取得了很大的進步，第三方支付交易規模已經達到了11.9萬億，第三方移動支付交易規模達到了9.5萬億。

通過在大數據背景下研究互聯網金融的盈利模式，可以對于我國今后互聯網金融的發展提供良好的理論基礎，同時針對大數據環境下互聯網金融和傳統金融相比存在的優劣勢做出對比，可以為傳統金融的轉變提供良好的方案此外為互聯網金融的問題給出良好的解決措施，從而有利于我國互聯網金融的健康發展。

（二）相關理論和概念

互聯網金融是傳統金融行業與互聯網精神相結合的新興領域。互聯網“開放、平等、協作、分享”的精神向傳統金融業態滲透，對人類金融模式產生根本影響，具備互聯網精神的金融業態統稱為互聯網金融。

“大數據”是指以多元形式，自許多來源搜集而來的龐大數據組，往往具有實時性。在企業對企業銷售的情況下，這些數據可能得自社交網絡、電子商務網站、顧客來訪紀錄，還有許多其他來源。這些數據，并非公司顧客關系管理數據庫的常態數據組。

博弈論又被稱為對策論（Game Theory）既是現代數學的一個新分支，也是運籌學的一個重要學科。博弈論主要研究公式化了的激勵結構間的相互作用。是研究具有斗爭或競爭性質現象的數學理論和方法。

二、傳統金融盈利模式分析

（一）傳統金融機構盈利模式分析

廣義上說我國傳統的金融機構有銀行，基金，保險，證券公司等，這些公司都屬于我國傳統進行機構，傳統金融的盈利模式分為不同的機構進行簡單介紹。

1.銀行。我國的銀行主要盈利模式是吸納存款給存款人發放利息，同時對外房貸，收取貸款利息，其中貸款利息和存款利息的差額就的利潤，中間業務收入，同行拆借，承兌匯票貼現利息收入，信用證，托管業務等。這些構成了銀行的盈利來源。

2.證券。證券是多種經濟權益憑證的統稱，因此，廣義上的證券市場指的是所有證券發行和交易的場所，狹義上，也是最活躍的證券市場指的是資本證券市場、貨幣證券市場和商品證券市場。

3.保險。保險公司（insurance company）是銷售保險合約、提供風險保障的公司。保險公司可以這樣分類：人壽保險公司和財產保險公司。按照中華民國保險法之規定，兩者必須分開經營。所以有的保險公司成立了集團公司，下設獨立核算的人壽保險公司和財產保險公司。再保險公司是保險公司的保險公司，對保險公司承擔的風險進行分散和轉嫁。

（二）傳統金融在互聯網背景下發展的局限性

第一，產品品種優勢不明顯，投資門檻高，客戶體驗度差。銀行的流程繁瑣和復雜，使得一些客戶避而遠之，加上銀行近些年的理財產品不以客戶為中心，客戶理念差。

第二，渠道單一。對于傳統金融機構來說，更多的是來自物理渠道的客戶，商業銀行的客戶群體多來自網點的客戶，而線上客戶缺乏，也沒有線上客戶來源，線上市場推廣策略缺乏，缺乏市場前瞻性。

第三，傳統的管理戰略思想導致銀行發展緩慢。銀行帶有濃重的政治色彩，一直都是國家控股，對于銀行的戰略管理也是以國家戰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制和內部晉升渠道。現代管理中，具有競爭力的人才才能給公司帶來發展，銀行人才的競爭和選拔也缺乏合理性，傳統銀行很多都是關系戶，導致銀行內部人才缺乏公平競爭機制。

三、互聯網金融盈利模式分析

（一）互聯網金融的運作模式

第一，第三方支付企業指在收付款人之間作為中介機構提供網絡支付、預付卡發行預受理、銀行卡收單以及其他支付服務的非金融機構。代表企業：支付寶、易寶支付、拉卡拉、財付通為代表的互聯網支付企業，快錢、匯付天下為代表的金融型支付企業。

第二，P2P小額貸款。P2P金融又叫P2P信貸，指個人與個人間的小額借貸交易，一般需要借助電子商務專業網絡平臺幫助借貸雙方確立借貸關系并完成相關交易手續。

第三，眾籌融資模式。眾籌融資模式是基于“互聯網+金融”所創新的一種模式，意義不僅在金融創新本身，而在于對傳統金融領域和金融業態提出的挑戰，并且在一定意義上具有顛覆性。

第四，虛擬電子貨幣模式。虛擬貨幣是一種計算機運算產生或者網絡社區發行管理的網絡虛擬貨幣，可以用來購買一些虛擬的物品，也可以使用像比特幣這樣的虛擬貨幣購買現實生活當中的物品。

（二）互聯網金融主要盈利收入來源

我國目前互聯網金融發展迅速，很多的經營模式以規模制勝，P2P模式中的主要利潤來源是賺取中間的差價，借款人和貸款人之間的利息差為主要利潤來源。虛擬貨幣的主要利潤來源就是賣虛擬貨幣的收入扣除相應的成本之后所得利潤。對于眾籌融資模式來說，盈利模式大多數以收取傭金的形式來實現收益，其次，很多眾籌平臺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。

四、大數據及互聯網金融視角下國有商業銀行盈利模式研究

（一）博弈論角度分析商業銀行和互聯網金融選擇

1.假設前提

第一，金融市場中只存在了商業銀行和互聯網金融兩個參與者。

第二，經濟人假設。商業銀行和互聯網金融機構是兩個理性經濟人，以個人最大利益為出發點，基于自身利益最大化做出決策。

第三，在應對互聯網金融同時商業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）。互聯網金融在應對商業銀行時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，互聯網金融和商業銀行的博弈過程是完全的信息動態博弈，即在博弈過程中，商業銀行很清楚的了解到互聯網金融的交易模式及其有點，在互聯網金融機構也了解商業銀行的優勢所在。

2.博弈過程

商業銀行和互聯網金融博弈模型

博弈過程的開始我們以商業銀行首先做出選擇，上圖所示。最上方商業首先進行選擇信息集（合作，不合作），如果商業銀行選擇不合作，那么博弈結束，各自都以自己的利益最大化為目標開始自己的發展。

如果商業銀行選擇合作，那么就開始由互聯金融機構開始選擇，這個時候互聯網金融機構可以選擇合作還是不合作，選擇不合作，那么互聯網金融機構就可以借助商業銀行的優勢綜合自己的優勢來大力發展自身，而商業銀行則不能利用互聯網金融的優勢去發展自身。如果互聯網金融機構選擇合作，那么相互之間就可以進行優勢互補，從而達到雙贏的局面。

從上圖可以看出來，商業銀行在博弈中的處境和地位，選擇不合作那么就會處于劣勢，可能會被互聯網金融搶占原有的市場，如果選擇合作的時候，互聯網金融業選擇合作那么雙方都可以得到一個很好的發展局面，如果互聯網金融不選擇合作，那么商業銀行就會成為犧牲品，優勢被互聯網金融所利用，逐漸被互聯網金融邊緣化。

互聯網金融機構選擇是否合作，都可以看得出來其的發展結構。如果選擇不合作，那么必然受到道德風險的阻礙，根據自身利益最大化做出選擇，那么在短期內必然受到信用方面的負面影響。所以從長遠來看，互聯網金融機構根據自身利益最大化原則是比要和商業銀行進行合作。如果為了避免不合作情況的發生，商業銀行會選擇與互聯網金融機構簽訂一份相互合作的協議，以維持合作的狀態。

（二）大數據互聯網背景下商業銀行創新盈利模式

互聯網迅速發展，商業銀行的客戶大數據必然是其發展的基礎。大數據能力將成為銀行的核心競爭力。所謂的“核心競爭力”，關鍵的要素是“不可復制”、“不可替代”。

數據是大銀行的戰略資產。隨著數據挖掘技術的發展，銀行可謂是數據密集型行業，其資產不僅是貸款等，還包括數據。要把數據作為重要資產保護、經營，這是大銀行區別于小銀行，也是現代銀行區別于傳統銀行的關鍵之處。而且數據財富是沒有天花板的，可以不斷挖掘、不斷創造，最近國際上很多機構都在探討如何量化數據等無形資產的價值。

商業銀行通過對自己原有客戶群體的數據挖掘提煉客戶需求，提高客戶服務質量，從而改變當前銀行的困局。創新服務模式，提高服務效率和便捷性。每個用戶都會辦理銀行卡，利用這個基礎進行相關客戶端軟件安裝，對于有余額的客戶提供理財服務，發展互聯網銀行多種理財方式和渠道。

未來商業銀行的業務模式中將轉移到以大數據客戶資源為核心，以數據資源為主要競爭力量和利潤來源，來擴大和發展銀行相關業務。

五、結論

篇（3）

[ 3 ] 王喜文.日本強化ICT領域國際競爭力[N].中國電子報，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公布個性化和推薦系統架構[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] 中國科學院.李國杰院士：大數據成為信息科技新關注點[EB/OL].[2014-08-08].http：///xw/zjsd/201206/t20120627_3605350.shtml.

[11] 李奕.大數據應用方式：從數據服務、信息服務到知識服務[N].中國計算機報，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.大數據知識服務平臺構建關鍵技術研究[J].情報資料工作，2013（2）：29-34.

[14] 秦曉珠，李晨暉，麥范金.大數據知識服務的內涵、典型特征及概念模型[J].情報資料工作，2013（2）：18-22.

篇（4）

[中圖分類號] G642 [文獻標識碼] A [文章編號] 2095-3437（2017）10-0008-03 

2013年以來，互聯網金融快速崛起并深刻影響著金融學子的學習生活、社會實踐和思維觀念。一系列互聯網金融的新概念進入高等金融教育的視線：“大數據”、“云計算”、“社會征信”、“共享經濟”、“數字貨幣”、“機器學習”、“人工智能”等，讓金融專業的師生既興奮又備感壓力。互聯網金融相對于傳統金融的思維觀念已經改變，經濟和金融明顯可分的界限被打破。當前，互聯網“經濟”、互聯網“金融”和互聯網下的“大數據”高度融合，渾然一體，不可分割。一切資金支付活動均通過移動終端進行，幾乎不需要現實貨幣參與，點對點的資金流動使得“金融脫媒”趨勢來得異常凜冽，基于大數據的分析解決了信息不對稱的難題。受此影響，復合型人才和跨界發展不再是空洞的口號，傳統金融教育的專才培養模式不再可行。互聯網金融是新生事物，其實踐遠遠走在了當前高等金融教育的前面，對傳統高等金融教育產生強烈沖擊，但也帶來了變革和發展的機遇。因此，強化對互聯網金融教育的研究，通過互聯網金融思維重塑和再造高等金融教育勢在必行。 

一、互聯網金融的優勢和特點 

（一）大數據優勢 

互聯網金融首先是從“草根金融”興起的，在民間金融“野蠻生長”和“亂象叢生”的時代中逐漸走向成熟，對傳統正規金融形成強大壓力。實際上，歷史上非正規金融發展緩慢的根源在于一系列困境的桎梏：信息不對稱導致嚴重的逆向選擇和道德風險、社會征信缺失、無足值抵押等。互聯網金融的出現，較好克服了這些頑疾，信息不對稱可以依靠大數據技術有效緩解，移動終端的廣泛使用結合人工智能使社會征信和債務催收都不再成為問題，在此基礎上進一步催生了眾籌、共享經濟等變革創業方式、生活方式的全新業態。 

（二）人工智能優勢 

與傳統金融相比，人工智能效率高，錯誤率低，模型不斷進行自主訓練和優化，大大提高了適應性，在量化投資、決策咨詢和風險控制等方面逐步取得優勢。人工智能的核心是機器學習，互聯網金融下每日新增的海量用戶數據，以及公司之間的數據共享使得感知機、決策樹、隨機森林、支持向量機、Logistic回歸、BP神經網絡等一系列機器學習的核心算法和模型不斷“學習成長”，在實踐中取代了傳統基于人工授信、核查和對客戶分類的工作模式。在不遠的將來，這種開放、大維度、多渠道的人工智能下的“智能”金融，必然取得對銀行依賴中央銀行建立的封閉客戶數據系統的優勢。 

（三）“互聯網+”的后發優勢 

“互聯網+”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態，作為這些業態的基礎和共同體，互聯網金融擁有顯著的后發優勢，領先于傳統產業成為近年創新創業的最大落腳點。 

（四）規模優勢 

2008年以來，互聯網金融的交易規模迅速擴大，經營上的規模優勢日益明顯，各項交易成本明顯下降。與傳統金融業態不同，互聯網金融由一系列的產業鏈構成：征信、借貸、催收和服務等環節可分散于不同的公司，在業務模式上可以靈活分散也可有效整合，每一環節聚焦其優勢業務，可將規模優勢帶來的低成本優勢發揮到極致。 

（五）雙創優勢 

2013年以來，互聯網金融的交易成本低，可有效緩解信息不對稱問題，交易效率高等的優勢愈發明顯，不斷與其他行業形成跨界融合發展，催生創新，推動創業，極具雙創優勢。一是依托互聯網的移動支付業務的快速發展，不僅遠程支付場景不斷完善，近場支付也在爆發；二是支付產業鏈的受理端及其延伸的綜合金融增值服務——海量支付數據以及數據驅動的增值服務，為互聯網金融企業帶來了新的發展；三是區塊鏈技術的融合運用引爆了“跨境支付”的探索熱潮；四是在P2P等典型的互聯網金融業務模式上，從以往只提供信息中介服務平臺的模式創新發展出了引導P2P平臺與擔保機構合作、整合線上與線下服務以及增加債權轉讓等服務的新型模式；五是利用大數據、云計算和人工智能等技術幫助互聯網金融公司開展客戶的理財或量化投資業務；六是基于互聯網的共享經濟大大便利了人們的生活體驗和觀念。 

二、當前高校金融教育應對互聯網金融沖擊的SWOT分析 

表1是高校金融教育應對互聯網金融沖擊的SWOT分析矩陣，在理論和實踐兩個層面為當前高校金融教育如何應對互聯網金融的影響提供了分析思路和依據。 

（一）優勢 

首先，傳統金融教育具有雄厚的人才基礎和優勢。自20世紀80年代我國建立高等金融教育事業以來，到目前為止高等金融教育已取得質的突破，金融專業的品牌認可、高考招分、學生素質、國際化程度、畢業后的薪資水平、社會評價等各項指標均處于各行業的前列。同時，國內金融領域在國際一流期刊發表的論文數量也在整個社會科學領域處于領先地位。其次，當前高校金融專業的培養方案和課程設置一般采取模塊化搭建的思路，從公共基礎、學科基礎、專業培養、素質教育和實踐實習等方面進行模塊化管理，具有良好的可拓展性，互聯網金融的相關課程可根據不同專業需要，進行優化組合，體現功能性。第三，互聯網經濟和互聯網金融給高校師生帶來了良好體驗和觀感，高校師生有充分的積極性迎接新專業的建設和發展。 

（二）劣勢 

傳統金融教育是單一化的金融專才培養模式，一般分為貨幣經濟、金融市場、投資、金融工程、銀行經營與管理、公司金融、家庭金融等方向，注重對貨幣、投資、資產定價、股票、債券和財務等“純金融”知識的講授，對大數據、人工智能和機器學習等涉及計算機與統計學習等跨領域的知識鮮有涉及。在互聯網金融的沖擊到來之后，我們發現業界需要復合型的跨界人才，單一聚焦金融領域的教學思維和模式開始變得落后和陳舊，金融教育需要“混業發展”。另一方面，教材建設相對滯后。目前，比較缺乏互聯網金融的專業教材：一是自編教材的質量令人擔憂；二是優秀的互聯網金融的國外教材引用較少；三是互聯網金融跟風開設課程的現象比較突出，沒有因地適宜，教學內容和難度都過猶不及，影響了教學效果。　（三）機遇 

互聯網金融是朝陽產業，帶來了巨大的發展機遇。當前，互聯網金融行業的人才極度缺乏，不得不采取“挖墻腳”的無奈之舉，導致銀行業人才流失嚴重。限于人才奇缺，互聯網金融目前的進入門檻較低，人員素質和水平良莠不齊，原因在于高校對互聯網金融人才的培養處于摸索階段，傳統金融教育畢業的學生青睞于在正規金融行業就業，對以民營企業為主的互聯網金融行業心存疑慮甚至偏見，人才供給嚴重不足。顯然，傳統金融教育向互聯網金融教育轉型發展的機遇巨大。不僅如此，互聯網金融還在科研立項、論文選題、學生的實習實踐、就業創業、高校金融教育的學科點申報、專業建設和師資培養等方面開拓了廣闊空間，前景可期。另一方面，相對于傳統的金融業而言，互聯網金融是典型的跨界金融，從一開始就在進行業務模式的細分和產品之間進行內部整合。互聯網金融也正在逐步通過用戶、大數據和場景的互動來實現對銀行、證券、保險、基金和資產管理等傳統金融機構進行強有力的整合運作。互聯網金融的跨界整合實現了不同行業功能的有機結合，推動了我國區域經濟在空間和深度上的拓展。互聯網金融需要既懂得信息技術又懂得金融業務、營銷和管理知識的跨界復合型人才，這就對高等金融教育提出了更高的要求。但是從高等金融教育實踐來看，金融、計算機及營銷和管理類專業的教育還是各自為政，獨立培養，忽略了跨界知識的構建，導致學生難以適應社會對復合型人才的需求。 

（四）挑戰 

首先，傳統金融教育“分業培養”的理念和當前互聯網金融“混業發展”的現實需求嚴重沖突，需要解決“并軌”發展問題。其次，傳統高等金融教育的課程設置和培養體系相對成熟，然而，互聯網金融的實踐遠遠走到了學校教育的前面。再次，互聯網金融教育強調“長尾性”。與傳統金融的“二八定律”正好相反，互聯網金融的優勢在于服務80%的小微客戶，推廣的是普惠金融的理念。但在傳統金融教育中關于普惠金融、微型金融的相關課程幾乎從不開設。消除“教育偏見”達到在正規金融和非正規金融之間的教育平衡，更加注重“長尾性”仍然任重道遠。 

三、結語 

高等金融教育承擔著為金融行業輸送急需人才的重任，也是社會和家長的關切所在。互聯網金融是未來金融行業的制高點，需要高校金融教育培養復合型人才，要求他們具備金融學知識，理解金融業務的原理，掌握信息化技術并能對大數據進行分析，還要具有一定的營銷和管理能力。因此，主要的啟示有如下幾點：（1）注重學科交叉，優化課程設置，培養復合型人才。（2）加強師資建設，促進傳統金融教育向互聯網金融轉型發展。（3）加強互聯網金融的“產學研”的合作，樹立“干中學”的務實求真精神。對此，高校金融教育是有優勢的，要秉持開放理念加強彼此合作，使研究向應用轉化。（4）加強對大數據和人工智能的關注，引入相關課程。此外，在互聯網金融風險高發的背景下，高等金融教育也要積極承擔社會責任，適時向社會進行互聯網金融知識的推廣和普及，提高民眾規避風險的能力，達到普及金融教育的目的。 

[ 參 考 文 獻 ] 

[1] 劉小銘.淺析互聯網金融現狀及風險[J].經營管理者，2016（23）：313. 

[2] 楊竹清，張超林.互聯網金融對我國高等教育金融的啟示[J].金融教育研究，2016（5）：82-88. 

[3] 劉源.論技術經濟學課程的分階段培養模式[J].中國市場，2016（48）：167-169. 

[4] 謝水園.企業的業務骨干參與大學課堂教學常態化研究——以《國際貿易實務》為例[J].亞太教育，2016（30）：89. 

[5] 謝水園.論外貿通關實務課程中多種教學方式的運用[J]. 中國市場，2014（22）：149-150. 

[6] 胡燁丹，潘錫泉.互聯網金融語境下的金融職業教育模式創新[J].中國職業技術教育，2015（34）：93-95. 

篇（5）

21世紀是信息化、數字化和網絡化時代。數字信息逐漸滲入我國企業的血液，企業如何利用數據信息提高財務管理的水平，為企業領導提供科學可靠的決策依據，是企業發展的關鍵所在。企業面對數據時代的變化應該順應時代的發展,勇于面臨新的挑戰，接受新的事物，對企業財務管理進行深層次的變革，使其在當今信息數字化的市場游刃有余。

一、大數據背景的概述

(一)大數據背景的優勢

大數據的時代為企業帶來更多的機遇，促使企業更深層次的重視數據信息所反映的本質，深層次的挖掘數字信息的能量。經濟全球化意味著我國企業不僅僅面臨國內企業的競爭，更面臨國外企業搶占市場的危機。面對國內市場一時涌入大量的數據信息，傳統的企業財務管理水平已經不能應對現今的市場。企業財務部門需要更為高效、精確的處理大量數據信息的能力，企業領導根據數據信息所反映的現狀，從而估測未來市場的發展趨勢，結合企業自身的發展現狀，選擇最佳經營方案和正確決策，為企業更好、更快的發展創建良好的數據平臺。

(二)大數據背景的劣勢

大數據時代在為企業帶來更多新機遇的同時，也為企業帶來更多的新挑戰。大數據時代在為人們帶來便捷的同時，也對人們的隱私權提出挑戰，企業財務管理收集信息時也經常會觸及人們隱私權的問題。在這個時代中人們的隱私經常侵害，很多數據信息的采集都是為被人們許可，甚至有些組織直接出售人們的信息，直接侵害人們的隱私；除此之外企業在面臨大量數據信息的時候，要意識到收集的數據信息也存在虛假信息或表面信息，其所得出的結果很有可能具有片面性，甚至是虛假性，很容易誤導企業領導做出錯誤的決策。

(三)大數據背景對企業的要求

企業財務管理面臨大量的數據信息，其應該意識到對于數據信息處理的工作不是一個部門或者傳統的工作方式就可以勝任或解決。企業財務部門應該注重部門之間的協作，并對其數據信息的分析結果進行共享，促使企業各個部門對企業經營的現狀有一個深刻認知，確保各個部門做出對企業最佳的決策，確保各個部門協作企業高層領導引導企；面對數據信息大爆發的現狀，傳統的企業財務管理已經不能應付龐大的數據信息。目前我國數據信息處理的方案仍處于探索的階段，會計與估值方案應與科學技術巧妙結合，成功掌握市場的變動和發展趨勢，財務人員應熟練掌握相關先進的會計軟件和具備數據統計的工作能力，為企業創建完善的數據信息庫。

二、大數據背景下企業財務管理面臨的挑戰與變革

(一)企業財務管理理論的挑戰

企業財務管理理論主要是以非金融企業為主體，著重講述財務理論與金融工具相結合對財務資源的統籌、組織與配置，實現財務資源的科學、合理、利率最大化的目標。現今大數據、互聯網和云計算的市場經濟環境為企業財務管理理論提出新的挑戰，其包括現今財務管理理論是否符合當下的企業財務管理實踐活動，股東價值的提升路徑和財務風險評估的精確性和預測性，企業財務管理論框架完善性等。從企業財務管理理論與財務管理實踐不相符的角度出發，使其財務學理論出現失誤，這些挑戰從側面反映出企業財務管理需要創新與突破，消除其局限性和落后性的負面影響。

(二)大數據背景下企業財務管理體系的創新

大數據背景下企業感受來自國際上新技術、新理念、新突破等多方面的壓力，為了促使我國企業財務管理趕上國際水平的大步伐，我國應該鼓勵企業財務管理不斷創新。目前我國一些大型企業已經意識到企業財務管理創新的重要性以及其研發的方向性。財務管理理論中“大司庫”的新概念被人們提出，大司庫是指利用管理統一、集中結算、多渠道融資、風險管理等方式對現金進行管理，降低企業金融風險和提高企業價值。以中國石油為例，其大司庫項目的實施，從觀念創新的角度分析是從資金集中管理到司庫管理再到大司庫管理。2000年中國石油實施資金的集中管理，實現規范資金收支、提高資金使用效率、降低資金成本、擴寬融資渠道等目標。隨著我國經濟飛速發展，資產的擴展和經濟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年提出建立司庫項目，從之前的被動管理轉變為主動管理、戰略管理和超前管理。在大數據的背景下企業財務管理建立“大司庫”體系，實現統籌管理金融資源和金融業務，并有效控制金融風險，促進企業更加適應大數據的時展。

三、大數據財務管理的要點

大數據背景下龐大的數據信息、高效的處理能力、不穩定等特征對企業財務管理提出更為嚴峻的要求，企業迎接新的挑戰和發生巨大的變革，創建這個時代特有的“大數據財務管理”。

(一)企業價值內涵和驅動因素的變化

企業財務管理的最終目標是企業經濟利益最大化。傳統的財務管理經常將企業價值與市場價值混淆，造成企業財務管理以企業市場價值為參考依據。現代化的財務管理糾正企業價值的內涵，企業價值是企業實際利潤、現金和凈資產等因素共同決定。但是大數據背景下，國際股價與國內市場存在很大的差異，不能僅憑企業利潤、現金和凈資產來估算企業價值，還要對企業綜合競爭能力、商業模式發展潛力、創新能力等多方面進行評估。這些評估需要根據企業籌資來源、資金投入，網絡數據信息等方面的數據。利用大數據、互聯網和云計算等深度挖掘數據信息的能量，為企業創造更大的價值，由此可知企業收集、處理和預測數據信息的能力是企業市場競爭的主要內容。

(二)大數據財務管理邊界化的消除

大數據時代為企業數字化、網絡化和智能化提供優良的發展環境。大數據時代的數據共享特征為企業總公司和子公司之間的信息共享與交流提供便利。企業內部的數據信息能夠互通有無、整合歸納，使企業財務管理與企業項目聯合統籌管理，模糊企業財務管理與項目管理的便捷，實現數據集中管理，是企業大數據管理的必要條件，也是企業現代化改革的主要內容之一。

(三)投資決策標準的變革

企業投資決策直接影響企業近期或長期企業的發展狀態，因此企業必然要確保企業決策的正確性和前沿性。大數據背景下傳統的投資項目評估法已經不能適應大數據時代的市場變動，貨幣的之間價值隨之波動，很有可能造成企業決策的失誤，尤其是現金流小和未來現金流不定的投資項目更不能選擇這一評估標準。大數據和互聯網實現現金流的全程監控，能高效獲取精確的數據信息；其次是在大數據的背景下“現金流”少或未來現金流不定，企業根據企業資源來源與投資和發展前進的估算可以較為精確的確定現金流。

(四)企業財務風險管理的重新構建

企業財務管理中財務風險的有效控制是其管理的主要內容，實現風險評估和風險防控。顯然傳統的財務風險管理并不適應大數據下的企業發展。風險評估過程中企業上下級領導的交流由于權利的限制，溝通較為順利，但是部門之間的交流存在一定的障礙，企業應利用大數據、互聯網和云計算加強部門之間的溝通，并建立部門之間溝通的意識，真正發揮數據信息功共享的功能，為企業財務管理提供科學可靠的數據依據，有效預測以及評估企業項目風險。

四、結束語

綜上所述，大數據時代具有大數據、互聯網和云計算的標志性特征，在大數據背景下企業財務管理利用借助大數據的特征推動企業財務管理理論的完善，財務管理體系的創新，企業價值的重新定義，邊界化的消除，投資標準的確定等方面的改進與完善。

參考文獻：

[1]馬美芳.大數據背景下企業財務管理的挑戰與變革探討[J].商.2015（45）

[2]湯谷良,張守文.大數據背景下企業財務管理的挑戰與變革[J].財務研究,2015（1）

篇（6）

大數據作為一種有用的信息資源，在商業、金融等領域發揮著越來越重要作用，也逐漸成為社會科學的國際前沿應用研究內容之一。然而，在經濟學領域，大數據還鮮少被用到（據統計，截至2014年12月，google中學術搜索到的與“大數據”有關的研究論文共3026篇，其中僅有29篇是和經濟學相關）。但因海量經濟數據資源的快速增長，計算技術和能力的不斷提高，以及方法論的不斷發展，將大數據分析技術運用于經濟學已成為一個值得探討的新課題。展望未來，由于經濟學是一門理論與實踐相結合的學科，將大數據應用于經濟學，有可能會開辟一個全新的經濟學發展領域。

一、大數據在經濟學領域應用的基本原理

大數據在經濟學中應用的基本思路以大樣本數據統計與機器學習技術為基礎。其中大樣本統計的過程概括如下：用N個代入變量得出對應的N個測量結果與K個潛在的預測因子，比如：以居民消費價格CPI指數預測為例，首先通過GOOGLE數據搜索或其他軟件，篩選出同CPI有關的一系列關鍵詞（比如糧食產量、原油期貨價格、氣候溫度、價格改革政策等），然后通過這些關鍵詞在文本數據（新聞、微博、評論、研究報告、學術論文等）出現的時間頻次，計算它們之間的相關關系和邏輯路徑關系，從而得到測量結果N和預測因子K。在許多情形下，每一個代入變量的信息是足夠豐富的，但不具有結構性，故可能會產生很多潛在預測因子，因此，需要注意的是：若是過度擬合，即預測因子K的個數可能會遠遠大于觀測變量N的個數時，雖然模型可完美解釋觀測到的結果，但樣本外數據的解釋力卻很差。在這種狀況下，構造一個最大化樣本解釋力的模型便成為首要目標，同時構建的模型還不能出現因過度擬合所導致的樣本外無力解釋的情形。因模型構建不同，使用方法也隨之改變，懲罰預測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，依據最小化離差平方和來選擇模型系數。通過將樣本分為“訓練樣本”和“測試樣本”（“訓練樣本”用來估計模型參數，“測試樣本”用來評估模型）進行過度擬合。而在評估預測效果時，一般交叉使用樣本內預測與過度擬合，但目前這種交叉驗證的方法在當前的實證微觀經濟學中也鮮少用到。

機器學習的一個非常重要假設就是機器學習的環境是相對穩定的，也就是樣本數據（訓練樣本與測試樣本情形相同）獨立產生于同一過程。但由于現實環境會隨著時間發生改變，故這一假設并不合理，因此，在高頻使用新數據的應用中，往往通過對自身持續“再訓練”，從而使得模型可以隨著時間與環境的變化對預測結果進行調整。當然，對于機器學習，有些經濟學家提出了盧卡斯批判的疑問，即若根據模型的預測結果進行政策調整，則政策調整后的現實結果可能與初始模型的預測結果有差異，因為政策的改變會影響數據間的潛在行為關系，但這一疑問在其他預測模型，比如計量經濟模型、結構方程模型和聯立系統模型中也都存在。

二、大數據對經濟學的影響及前景

如今，隨著數據樣本容量的急劇增加，使得大數據的使用方式不盡相同。作為一個規律性科學，經濟學需要廣泛、詳細的數據，并運用統計技術來處理新型數據，大數據的出現可能會在社會學與計算機科學間構建一架橋梁，其學科價值可能在于創造新的思維方式，這將會導致對經濟學的新思考和研究方法創新，甚至會帶來分析經濟學方法的質變。

一方面，由于多維度的精細間隔，大數據可以為經濟學研究人員提供更多研究變量和視角，可以研究以前難以測度的行為理論，這為經濟理論研究提供了一種全新的測量方法。例如：麻省理工大學助理教授Alberto Cavallo設計的“百萬價格”項目，該項目旨在通過一個網絡程序，獲取網上物品價格，繼而運用這些數據計算得出通脹指數，該通貨膨脹指數就是阿根廷的精確透明通貨膨脹指標，其實時價格數據的捕捉能力和準確度，使得該指標作為政府測量通脹的替代選擇。又如，谷歌提供的請求式數據選擇也提供了一個探索新機會的理由，目前一個備受矚目的例子就是“及時預報”，在某些方面它可以通過龐大經濟社會數據集進行短期精確預測。

篇（7）

一、征文范圍

1. 新技術應用環境下信息安全等級保護技術：物聯網、云計算、大數據、工控系統、移動接入網、下一代互聯網（IPv6）等新技術、環境下的等級保護支撐技術，等級保護技術體系在新環境下的應用方法；

2. 關鍵基礎設施信息安全保護技術：政府部門及金融、交通、電力、能源、通信、制造等重要行業網站、核心業務信息系統等安全威脅、隱患分析及防范措施；

3. 國內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制特點，信息安全管理標準發展對策，網絡恐怖的特點、趨勢、危害研究；

4. 信息安全預警與突發事件應急處置技術：攻擊監測技術，態勢感知預警技術，安全監測技術，安全事件響應技術，應急處置技術，災難備份技術，恢復和跟蹤技術，風險評估技術；

5. 信息安全等級保護建設技術：密碼技術，可信計算技術，網絡實名制等體系模型與構建技術，漏洞檢測技術，網絡監測與監管技術，網絡身份認證技術，網絡攻防技術，軟件安全技術，信任體系研究；

6. 信息安全等級保護監管技術：用于支撐安全監測的數據采集、挖掘與分析技術，用于支撐安全監管的敏感數據發現與保護技術，安全態勢評估技術，安全事件關聯分析技術、安全績效評估技術，電子數據取證和鑒定技術；

7. 信息安全等級保護測評技術：標準符合性檢驗技術，安全基準驗證技術，源代碼安全分析技術，逆向工程剖析技術，滲透測試技術，測評工具和測評方法；

8. 信息安全等級保護策略與機制：網絡安全綜合防控體系建設，重要信息系統的安全威脅與脆弱性分析，縱深防御策略，大數據安全保護策略，信息安全保障工作評價機制、應急響應機制、安全監測預警機制。

二、投稿要求

1. 來稿內容應屬于作者的科研成果，數據真實、可靠，未公開發表過，引用他人成果已注明出處，署名無爭議，論文摘要及全文不涉及保密內容；

2. 會議只接受以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，視為已同意授權出版；

5. 提交截止日期： 2014年5月25日。

三、聯系方式

通信地址：北京市海淀區首都體育館南路1號

郵編：100048

Email：.cn

聯系人： 范博、王晨

聯系電話：010-68773930，

篇（8）

金融的本質是風險管理，風控是所有金融業務的核心。典型的金融借貸業務例如抵押貸款、消費貸款、P2P、供應鏈金融、以及票據融資都需要數據風控識別欺詐用戶及評估用戶信用等級。傳統金融的風控主要利用了信用屬性強大的金融數據，一般采用20個緯度左右的數據，利用評分來識別客戶的還款能力和還款意愿。

互聯網金融公司利用大數據進行風控時，都是利用多維度數據來識別借款人風險。同信用相關的數據越多地被用于借款人風險評估，借款人的信用風險就被揭示的更充分，信用評分就會更加客觀，接近借款人實際風險。常用的互聯網金融大數據風控方式有以下幾種：

1 驗證借款人身份

驗證借款人身份的五因素認證是姓名、手機號、身份證號、銀行卡號、家庭地址。企業可以借助國政通的數據來驗證姓名、身份證號，借助銀聯數據來驗證銀行卡號和姓名，利用運營商數據來驗證手機號、姓名、身份證號、家庭住址。

如果借款人是欺詐用戶，這五個信息都可以買到。這個時候就需要進行人臉識別了，人臉識別等原理是調用國政通/公安局API接口，將申請人實時拍攝的照片/視頻同客戶預留在公安的身份證進行識別，通過人臉識別技術驗證申請人是否是借款人本人。

2 分析提交的信息來識別欺詐

線上申請時，申請人會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出現一些規律，企業可根據異常填寫記錄來識別欺詐。例如填寫不同城市居住小區名字相同、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碼都相同。還有一些填寫假的小區、地址和單位名稱以及電話等。

如果企業發現一些重復的信息和電話號碼，申請人欺詐的可能性就會很高。

3 分析客戶線上申請行為來識別欺詐

欺詐用戶往往事先準備好用戶基本信息，在申請過程中，快速進行填寫，批量作業，在多家網站進行申請，通過提高申請量來獲得更多的貸款。

企業可以借助于SDK或JS來采集申請人在各個環節的行為，計算客戶閱讀條款的時間，填寫信息的時間，申請貸款的時間等，如果這些申請時間大大小于正常客戶申請時間，例如填寫地址信息小于2秒，閱讀條款少于3秒鐘，申請貸款低于20秒等。用戶申請的時間也很關鍵，一般晚上11點以后申請貸款的申請人，欺詐比例和違約比例較高。

這些異常申請行為可能揭示申請人具有欺詐傾向，企業可以結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別風險

互聯網金融公司面臨的主要風險為惡意欺詐，70%左右的信貸損失來源于申請人的惡意欺詐。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行催收，M2逾期的回收率在20%左右。

市場上有近百家的公司從事個人征信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶征信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單。

5 利用移動設備數據識別欺詐

行為數據中一個比較特殊的就是移動設備數據反欺詐，公司可以利用移動設備的位置信息來驗證客戶提交的工作地和生活地是否真實，另外來可以根據設備安裝的應用活躍來識別多頭借貸風險。

欺詐用戶一般會使用模擬器進行貸款申請，移動大數據可以識別出貸款人是否使用模擬器。欺詐用戶也有一些典型特征，例如很多設備聚集在一個區域，一起申請貸款。欺詐用戶還有可能不停更換SIM卡和手機，利用SIM卡和手機綁定時間和頻次可以識別出部分欺詐用戶。

6 利用司法信息評估風險

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，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。尋找這些涉毒涉賭的嫌疑人，可以利用當地的公安數據，但是難度較大。也可以采用移動設備的位置信息來進行一定程度的識別。如果設備經常在半夜出現在賭博場所或賭博區域例如澳門，其申請人涉賭的風險就較高。

總結：總之，互聯網金融的大數據風控采用了用戶社會行為和社會屬性數據，在一定程度上補充了傳統風控數據維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平。互聯網金融企業通過分析申請人的社會行為數據來控制信用風險，將資金借給合格貸款人，保證資金的安全。

篇（9）

[中圖分類號] F83 [文獻標識碼] A [文章編號] 2095-3437（2014）14-0029-02

一、背景

數據是與自然資源、人力資源一樣重要的戰略資源，其背后隱含著巨大的經濟價值。近年來，“大數據”研究已經備受關注。[1]例如，2012年，美國政府在國內了“大數據”研究和《發展倡議》，投資約兩億美元發展大數據研究，用以強化國土安全、轉變教育學習模式和進一步加速科學和工程領域的創新速度和水平。繼1993年美國宣布“信息高速公路”計劃后，這項決定標志著美國的又一次重大科技發展部署。美國政府認為“大數據”研究勢必對未來的科技、經濟等各領域的發展帶來深遠影響。在大數據應用的技術需求牽引下，數據科學研究和人才培養引起了各國的重視。美國哥倫比亞大學和紐約大學、澳大利亞悉尼科技大學、日本名古屋大學、韓國釜山國立大學等紛紛成立數據科學研究機構；美國加州大學伯克利分校和伊利諾伊大學香檳分校、英國鄧迪大學等一大批高校開設了數據科學課程。

二、機器學習理論

機器學習（machine learning）是繼專家系統之后人工智能應用的又一重要研究內容，在某種意義上，機器學習或將認為是數據挖掘的同義詞。數據挖掘是指有組織、有目的地收集數據、分析數據，從海量數據中尋找潛在規律，并使之為決策規劃提供有價值信息的技術。機器學習是人工智能的核心部分，在金融、工業、商業、互聯網以及航天等各個領域均發揮著重要的作用。對機器學習研究的進展，必將對人工智能、數據挖掘領域的發展具有深遠影響。

機器學習方法主要包括：Exper System（專家系統）、K-Nearest Neighbor（K近鄰算法）、Decision Tree（決策樹）、Neural Net（神經網絡）、Support Vector Machine（支持向量機）、Cluster Analysis（聚類分析）等。近幾年，研究人員將遺傳算法、神經網絡、系統理論以及當代數學研究的最新進展，應用于金融領域。這使得金融領域數據挖掘在金融管理中備受青睞。例如，產品定價、金融風險管理、投資決策甚至金融監管都越來越重視金融數據挖掘，通過數據挖掘發現金融市場發展的潛在規律與發展動態。機器學習理論及其在金融領域的應用成為了一個比較熱的研究領域。[2] [3]

三、金融數據的特點

在眾多機器學習方法中，基于Logistic回歸、判別分析等傳統的統計方法，對金融模型假定條件非常嚴格，在實際應用中很難達到理想效果。其原因在于對金融數據的非線性和非平穩性的操作具有片面局限性，在實際處理金融數據時，既定假設與金融市場發展實際并不完全一致，這樣可能會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、遺傳算法等傳統的非參數統計方法，其預測能力較好，但不能量化解釋指標的程度。例如，K-近鄰判別分析是一種非參數距離學習方法，通常按照數據樣本之間的距離或相關系數進行度量，這樣會受到少數異常數據點的影響。但是，在相同樣本容量下，如果對于具體問題確實存在特定參數模型可以應用時，非參數方法效率相對較低。以神經網絡、支持向量機等為典型的機器學習方法，優點在于可以有效處理金融數據的非線性特性，并且不需要事先嚴格的統計假設，這樣會表現出較強的適應效果，充分體現人工智能、機器學習等方法的魅力。神經網絡預測精度是各種機器學習方法中相對較好的，因為在一定程度上，神經網絡可以按照任意精度近似非線性函數，為高度非線性問題的建模和算法提供相應支持。盡管神經網絡技術進步有目共睹，但仍然存在一些難題。例如，通常難以確定隱層節點數，并會存在“過學習”現象和局部極小值等問題。

四、支持向量機

傳統的統計模式識別方法是在樣本數目足夠多的情況下進行的，但是樣本數目足夠多在實際問題里面往往難以保證。1968年Vapnik等人首次提出了統計學習理論，專門從事有限樣本情況下機器學習規律的研究。在此基礎上，1995年Vapnik等人首先提出支持向量機（Support Vector Machine，簡稱SVM）的學習方法，它是數據挖掘中的一項新的技術。SVM是機器學習研究領域的一項重大成果，主要研究如何根據有限學習樣本進行模式識別和回歸預測，使在對未知樣本的估計過程中，期望風險最小。近年來，它被廣泛地應用于統計分類以及回歸分析中。近幾年的研究成果表明，SVM在實用算法研究、設計和實現方面已取得豐碩的成果，其在理論研究和算法實現方面都有突破性進展，逐漸開始成為克服維數災難和過學習等傳統問題的有力手段。支持向量機可以成功處理回歸分析和模式識別等諸多問題，并可推廣于預測和綜合評價等領域，因此可應用于管理、經濟等多種學科。支持向量機屬于一般化線性分類器，可以認為是提克洛夫規則化（Tikhonov Regularization）方法的一個特例，其特點是他們能夠同時最小化經驗誤差與最大化幾何邊緣區。支持向量機的優點表現在：1.它通過使用結構風險最小化代替傳統的經驗風險最小化，使用滿足Mercer 條件的核函數，把輸入空間的數據變換到高維的Hilbert 空間，將向量映射到一個更高維的空間里。在這個空間里建立有一個最大間隔超平面，實現了由輸入空間中的非線性分析到Hilbert 空間中的線性分析。2.訓練的復雜度與輸入空間的維數無關，只與訓練的樣本數目有關。3.稀疏性。決定最大間隔超平面的只是少數向量――支持向量，就推廣能力方面而言， 較少的支持向量數在統計意義上對應好的推廣能力。4.本質上，SVM算法是一個二次優化問題，能保證所得到的解是全局最優的解。綜上所述，SVM在一定程度上解決了以往困擾機器學習方法的很多問題，例如，模型選擇與“過學習”問題、非線性和高維小樣本等維數災難問題、局部極小問題等。[4]正是由于SVM具有完備的理論基礎和出色的應用表現，使其在解決高維小樣本、非線性、壓縮感知以及高維模式識別問題中表現出獨特的優勢，正成為自神經網絡之后，機器學習領域中新的研究熱點之一。[5] [6]

同其他機器學習方法比較，支持向量機更具嚴密的理論基礎，因而在模型表現上也略勝一籌，被成功應用于模式分類、非線性回歸，從使用效果來看，其結果較為理想。但從實踐角度分析來看，模型參數的選擇過度依賴人們的實驗方法和實踐技能，在一定程度上降低了模型的推廣泛化能力和應用領域。同時計算方面，訓練時間過長、核參數的確定，在大訓練樣本情況下， SVM面臨著維數災難，甚至會由于內存的限制導致無法訓練。目前支持向量機在金融數據挖掘方面也存在一定的局限性，主要表現以下幾方面：動態適應性、魯棒性、特征變量異質性調整、模型推廣精度等不盡如人意；建模方法與技術還有待進一步完善；支持向量機研究金融數據挖掘和金融問題的成果雖然不少，但大多集中在股票價格和股票市場走勢預測方面，關于公司財務危機預測、套期保值分析、金融市場連接機制分析及其創新成果方面有待加強。

五、結論

大數據時代下金融專業的數學重在以下方面的應用：深度學習（Deep Learning）、機器學習和數據挖掘、分布式計算，如MR、Hadoop等，在大數據中預測最先取得突破的技術環節將會是分析中的大數據挖掘與關聯分析、存儲結構和系統、數據采集和數據化。目前金融問題的研究方向和發展趨勢，主要集中在計量經濟方法，例如，格蘭杰因果分析、向量自回歸、條件異方差、隨機波動分析等。這些計量經濟方法和技術大部分使用了線性技術，以及與金融市場不太吻合的理論假設，基于這些方法的結果，例如，資產預測價格、發展動態以及風險評估結果和實際出入較大，影響了金融管理的效率。對于我們大學教師來說，如何將已有分析數據算法整合，讓學生抓住重點，挖掘到比較可靠的信息或知識，都將成為金融專業數學研究的方向和目標。

[ 注 釋 ]

[1] Anand Rajaraman Jeffrey David Ullman.大數據――互聯網大規模數據挖掘與分布式處理[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.

篇（10）

[6] 全球商業價值研究院.全新的價值整合者――全球CFO調研洞察[EB/OL]..

[7] 江虹曉.信托投資公司全面風險管理風險關鍵點控制方案研究[D].濟南：山東大學碩士論文，2010-03-24.

[8] 張巖.國際工程項目全面風險管理研究[D].西安建筑科技大學碩士論文，2009-06-01.

[9] IBM全球CFO研究.半數企業未準備好應對重大風險[EB/ OL].[2007-10-31]..

[11] 范曉東.企業財務風險管理淺析[J].武漢：當代經濟（下半月），2007（10）.

[12] 沈永偉.基于出口企業構建風險管理體系的研究[D].北京：中央財經大學碩士論文，2010.