【大數據與證券法治】

大數據在我國證券行業(yè)風險監(jiān)測上的運用問題研究

鞏海濱 王洪偉 華 龍[1]

摘要:目前,大數據在金融風險監(jiān)測領域的運用日益增多,我國的金融監(jiān)管部門也正在積極運用大數據開展科技監(jiān)管,金融企業(yè)也積極利用大數據進行自身風險業(yè)務監(jiān)測。可以預見,以大數據為代表的信息科技發(fā)展終將重塑證券行業(yè)風險監(jiān)測體系,以大數據證券業(yè)風險監(jiān)測為代表的金融監(jiān)管科技將形成一套完整體系。在此情況下,需要強化數據安全治理。

關鍵詞:大數據 證券行業(yè)風險 風險監(jiān)測 監(jiān)管科技

前 言

大數據治國戰(zhàn)略研究課題組在《大數據》中開門見山地指出,“大數據就像顛覆性、滲透性、傳染性極強的基因一樣,一經提出便席卷全球,迅速從概念轉化為實踐,給各個行業(yè)領域帶來顛覆式的改造和創(chuàng)新”。資本市場無論從其市場發(fā)展、行業(yè)進步還是從市場治理和行業(yè)監(jiān)管都在大數據時代背景下發(fā)生著深刻變化,面臨著新的挑戰(zhàn)。 [2]本文聚焦證券行業(yè)風險監(jiān)測領域,嘗試分析大數據技術對證券行業(yè)風險監(jiān)測的方式改造和效能提升。

一、大數據基本特征及在金融業(yè)風險監(jiān)測中的運用

伴隨著互聯網、移動互聯網、物聯網的快速發(fā)展,海量的數據產生并且沉淀,形成大數據,正逐步成為新時代、新社會、新經濟的寶貴財富,是待開采與挖掘的金礦。伴隨著大數據技術的不斷完善與大數據應用的不斷推廣,大數據的特征、本質及成熟的應用場景也逐步清晰。與此同時,大數據在金融風險監(jiān)測領域也在逐步地嘗試、深入與完善。

(一)大數據基本特征及應用場景分析

1.大數據的基本特征

2011年5月,麥肯錫全球研究院(Mc Kinsey Global Institute)第一次定義大數據 [3],“大數據是指其規(guī)模大到超出了常規(guī)數據庫工具獲取、儲存、管理和分析能力的數據集”,指出,“大數據具有海量的數據規(guī)模、快速的數據流轉、多樣的數據類型和價值密度低四大特征”。 [4]咨詢公司高德納公司(Gartner)將大數據定義為,“大數據是高容量、高速度、高多樣性的信息資產,它要求信息處理的形式有著高性價比且創(chuàng)新,以增強洞察力和決策的準確性”。該定義明確指出大數據的三大特征,數據容量上的極大、數據加工和變化動態(tài)的速度快、數據結構和類型具有多樣性。 [5]

綜合來看,大數據的首要特征是數據體量大,大到需要使用“拍字節(jié)(petabytes)”、“艾字節(jié)(exabytes)”、“澤字節(jié)(zettabytes)”甚至“堯字節(jié)(yottabytes)” [6]來表示;大數據第二個達成共識的特征是多樣性 [7],是指大數據的來源多樣、類型多樣、維度多樣;大數據第三個達成共識的特征具有一定的表面性即“Velocity” [8],從數據獲取的角度,應該解釋為及時性強或周轉的速度快,從數據處理的角度,應該解釋為數據需要的處理速度快,但是從數據的本質看,缺乏及時性的數據也是大數據;低價值密度、高應用價值、真實性、完備性、可視化也是大數據的局部特點,構成了本文分析證券行業(yè)風險監(jiān)測的基礎。

2.大數據分析的本質與應用場景

大數據分析的本質在于,當以探尋因果關系為主要目標,進行邏輯推理為主要手段的理論探索陷入停滯或困境,對一個問題不能以準確的模型或者方法進行解決時,數據驅動方法 [9]可以使用很多簡單、近似、不夠精準甚至是粗糙的模型通過大數據的擬合實現和精準模型對現實問題同樣的分析效果。面對不確定性,以信息論作為指導,通過大數據分析提取信息,有效解決了部分不確定性問題,但是大數據分析在于探索變量之間的強相關關系,不能取代對因果關系(本質規(guī)律)的精準分析與持續(xù)探索。

大數據的應用,推動了機器智能的出現,機器語音識別、圖像分析、博弈競賽(象棋、圍棋)已相當成熟。除此之外,大數據在基于互聯網、移動互聯網的服務業(yè)領域應用深入,相關平臺(零售、新聞、視頻、社交等)充分使用大數據開展個性化精準推送。基于移動互聯網的普及與物聯網的發(fā)展,大數據的深入應用也逐漸由服務平臺轉到制造、服務、研究實體和監(jiān)管主體。使用大數據開展監(jiān)督管理、風險防控等也正在逐步展現其強大生命力。

(二)大數據運用于金融業(yè)風險監(jiān)測的國際實踐

金融系統(tǒng)具有信息化程度高、數據維度多、數據質量好、應用場景多等特點,其涉及的賬戶、交易、價格、投資、風險防控等都是重要的數據源,是大數據的生產者。金融風險監(jiān)測作為金融行業(yè)發(fā)展的永恒主題,是大數據在金融系統(tǒng)應用的重要領域。各國金融監(jiān)管機構高度重視大數據的采集,積極采用大數據相關應用監(jiān)測風險。國際清算銀行金融穩(wěn)定研究所(FSI)將金融風險監(jiān)測分成兩個部分,數據收集和數據分析,在數據收集階段,通過大量數據初步整理自動生成監(jiān)測報告;在數據分析階段,利用大數據等技術進行緊急風險識別、重大風險預測等。 [10]

1.監(jiān)管主體對金融系統(tǒng)的風險監(jiān)測

對于資本市場風險監(jiān)測,美國金融業(yè)監(jiān)管局(FINRA)建立SONAR系統(tǒng)收集資本市場、新聞輿論數據,用于檢測內幕交易和誤導交易者行為;美國證券交易委員會(SEC)建立MIDAS系統(tǒng),每天從全美13家股票交易所收集約10億條微秒量級的交易記錄,并具備對數以千計的股票在過去6個月甚至12個月內的交易情況進行即時分析的能力; [11]澳大利亞證券投資委員會(ASIC)建立MAI系統(tǒng),收集澳大利亞一級、二級市場收集實時數據,提供市場異常監(jiān)測和實時報警;英國金融行為監(jiān)管局(FCA)利用機器學習(ML)的監(jiān)督學習工具對每天接收到的超過2000萬筆市場交易信息進行大數據處理,以發(fā)現市場操縱行為。

對于金融系統(tǒng)及業(yè)務風險監(jiān)測,歐洲中央銀行、美聯儲、英格蘭銀行等使用熱圖技術(Heat Map)分析潛在的金融風險。熱圖是在大量被監(jiān)督機構日常數據和其他數據整理、分析的基礎上自動生成的輔助判斷信息系統(tǒng),充分使用了大數據可視化技術。 [12]

2.金融企業(yè)對自身業(yè)務的風險監(jiān)測

恒豐銀行建立了基于大數據的信用風險預警系統(tǒng),在其自身業(yè)務數據基礎上,從不同渠道收集諸如海關進出口數據、企業(yè)稅務數據、統(tǒng)計局數據等多元數據,運用機器學習(ML)完善風控體系。 [13]意大利銀行通過匯合包括中央信用系統(tǒng)數據、非金融企業(yè)資產負債表數據等,探索使用機器學習(ML)進行貸款違約預測。荷蘭銀行以實時結算系統(tǒng)支付數據為基礎,使用抓取主要特征的無監(jiān)督學習方法,以檢測銀行流動性問題。 [14]

基于外部監(jiān)管的視角與國外應用經驗,金融大數據風險監(jiān)測也存在一定的問題需要解決。其一,信息噪音,各系統(tǒng)收集匯總的海量數據存在噪聲,盡管大數據分析重相關性、重方向性,但是冗余、錯誤數據的存在使大數據分析的精準度受到較大影響,對監(jiān)管部門的數據挖掘與清洗提出更高要求;其二,數據安全,金融的很多數據涉及隱私數據,大數據匯總、積累、挖掘有效解決了信息不對稱的問題,但是也極大影響了隱私保護,容易造成隱私數據泄露。以上問題都需要從制度設計和完善法律體系的角度進行解決。

(三)大數據運用于金融業(yè)風險監(jiān)測的國內實踐

黨中央、國務院高度重視我國大數據發(fā)展和應用,將數據作為國家基礎性戰(zhàn)略資源,上升到國家戰(zhàn)略層面。2015年,國務院印發(fā)《促進大數據發(fā)展行動綱要》,旨在全面推進大數據發(fā)展和應用,加快建設數據強國。大數據在監(jiān)管方面的潛力也受到高度重視,2015年,國務院辦公廳發(fā)布《關于運用大數據加強對市場主體服務和監(jiān)管的若干意見》,指出要“構建大數據監(jiān)管模型,進行關聯分析”。金融系統(tǒng)監(jiān)管部門、市場主體積極踐行,使用大數據加強監(jiān)督管理、強化風險防控與進行業(yè)務拓展。

1.金融監(jiān)管主體積極利用大數據開展科技監(jiān)管

2017年,中國人民銀行專門成立金融科技委員會,強化監(jiān)管科技(Reg Tech)應用實踐,積極利用大數據、人工智能、云計算等技術豐富金融監(jiān)管手段,提升跨行業(yè)、跨市場交叉性金融風險的甄別、防范和化解能力。2017年,中國證監(jiān)會啟動“監(jiān)管科技3.0”相關工作,旨在利用金融科技、監(jiān)管科技,完善和提升監(jiān)管手段。2018年,證監(jiān)會發(fā)布《中國證監(jiān)會監(jiān)管科技總體建設方案》,開始全面實施科技監(jiān)管,利用大數據等科技監(jiān)管方式對被監(jiān)管金融主體進行實體畫像、行為跟蹤、風險分析。2018年,中國銀保監(jiān)會發(fā)布《銀行業(yè)金融機構數據治理指引》,要求銀行金融機構將數據應用嵌入業(yè)務經營、風險管理和內部控制的全流程中,以實現有效捕捉風險,優(yōu)化業(yè)務流程,實現數據驅動銀行發(fā)展。

對于互聯網金融等新金融模式,使用傳統(tǒng)監(jiān)管方式,往往出現“發(fā)現難、研判難、決策難、控制難與處置難”的“五難”現象。有關專家建議利用互聯網上公開的多元化數據源,包括工商數據、招聘數據、輿情數據、法院行為信息數據、客戶反饋數據、投訴舉報數據、監(jiān)管機構數據等,使用大數據技術進行互聯網金融業(yè)務風險監(jiān)測,實現針鋒相對的監(jiān)督管理。 [15]人民銀行、銀保監(jiān)會相關單位積極推動利用大數據開展互聯網金融風險監(jiān)測。

2.金融企業(yè)積極利用大數據進行自身業(yè)務風險監(jiān)測

工商銀行積極探索大數據在風險管理領域的應用,基于大數據平臺,建設統(tǒng)一的風險監(jiān)控平臺框架,形成客戶風險畫像,提供風險模型、計算引擎等風險服務,將風險管控和業(yè)務流程緊密結合,應用于各渠道及業(yè)務領域,并逐步拓展向行外提供風險信息服務。 [16]平安集團建立大數據倉庫,將旗下證券、保險、信托等公司數據匯總起來,對訴訟、專利、輿情等重要信息進行量化,為其信用風險評估提供了堅實的數據分析基礎。 [17]

基于外部監(jiān)管的視角與國內應用經驗,金融大數據風險監(jiān)測出現了一些與國外相比不同程度的問題。在信息噪聲方面,由于國內數據治理的基礎較弱,國內比國外面臨更大的技術挑戰(zhàn);在數據安全方面,國內的數據安全相關制度建設比西方發(fā)達國家相對滯后;在數據開放方面,國內比西方發(fā)達國家,尤其是美國保守,也因此,監(jiān)管與輔助監(jiān)管主體對金融企業(yè)業(yè)務數據的掌握不充分,監(jiān)管數據相互不開放,部門數據相互不共享,造成數據的多維性受到影響,限制了大數據分析作用的充分發(fā)揮。

二、大數據在我國證券行業(yè)風險監(jiān)測中運用的必要性與可行性

大數據等信息科技高速發(fā)展,正在逐步蔓延、深入經濟、社會的方方面面,改造升級甚至改變各個領域的運行方式。應用大數據的思維方式與相關技術開展證券行業(yè)風險監(jiān)測,有利于對現有監(jiān)管、監(jiān)測形成強有力的補充,有利于對行業(yè)內個體企業(yè)的健康發(fā)展產生重大促進作用,正在逐步成為大數據背景下證券行業(yè)風險監(jiān)測的新趨勢。

(一)當前傳統(tǒng)證券行業(yè)風險監(jiān)測面臨的困難與挑戰(zhàn)

傳統(tǒng)證券行業(yè)風險監(jiān)測的主體包括行業(yè)監(jiān)管機構:證監(jiān)會及其派出單位——各地方證監(jiān)局,輔助監(jiān)管機構:中國證券投資者保護基金有限責任公司、中證資本市場運行統(tǒng)計監(jiān)測中心等。傳統(tǒng)的證券行業(yè)風險監(jiān)測主要采用現場檢查和非現場檢查相結合,以非現場檢查為主的方式,非現場檢查主要采用風險指標監(jiān)測的方式。所謂風險指標監(jiān)測就是基于證券公司業(yè)務構建完善的風險監(jiān)測指標體系,并制定相應數據規(guī)范,在行政命令的要求下,各證券公司按照相關要求填寫報表,并上報相關監(jiān)管機構。監(jiān)管機構及其輔助監(jiān)管機構匯總、整理證券公司風險監(jiān)測指標數據,形成全行業(yè)的風險監(jiān)測統(tǒng)計分析結果,并根據比對分析判斷全行業(yè)及個體公司的風險情況。傳統(tǒng)證券行業(yè)風險監(jiān)測主要存在如下問題:

1.數據時效性不強

目前的證券公司風險監(jiān)測數據采集以月度數據采集為主,在時效性方面具有極強的滯后性。在經濟周期的順周期階段,行業(yè)形勢一片大好,月度數據在監(jiān)管中基本能夠滿足風險監(jiān)測需要,發(fā)揮跟蹤行業(yè)平穩(wěn)風險形勢的作用。在經濟結構調整階段、金融系統(tǒng)防范化解風險的關鍵時段上,月度數據難以滿足對證券行業(yè)風險監(jiān)測的及時性要求,系列業(yè)務的風險集聚極有可能在較短的時間內集中爆發(fā),因此,月度數據過于滯后。除此之外,證券公司個體的操作風險發(fā)生具有即時性,以日度數據監(jiān)測才能具有足夠的時效性,月度數據只能具備統(tǒng)計功能。

2.數據顆粒度較粗

目前,對證券行業(yè)風險監(jiān)測指標體系的設置主要包括五大類一級指標,分別是資本風險指標、市場風險指標、信用風險指標、操作風險指標與流動性風險指標。五大類一級指標又分別下設幾類二級指標,總共的細分指標在五十個左右。從證券公司整體的角度,能夠比較全面、完整地反映風險狀況。但是深入證券公司的具體業(yè)務中時,指標設置的科學性存在問題,同時指標設置的顆粒度與具體業(yè)務風險監(jiān)測需要相比太粗,不能較好地反映其風險狀況。

3.數據質量不夠高

每個證券公司的不同業(yè)務條線具有不同的數據系統(tǒng),數據標準的統(tǒng)一,數據接口的規(guī)范仍存在較多問題,造成其內部統(tǒng)計的數據質量不高,那么報送給監(jiān)管部門的數據質量也不高;證券公司對指標的理解不同,統(tǒng)計口徑不同,數據報送后,匯總整理形成的數據質量也不高;還有些證券公司對有些敏感數據報送存在瞞報、假報的現象。綜合來看,由于多方面原因,證券行業(yè)風險監(jiān)測數據質量的治理還是一個長期任務,扭曲的證券行業(yè)風險監(jiān)測數據自然不能充分反映風險狀況。

4.數據收集負擔重

證券行業(yè)風險監(jiān)測數據的采集信息化、自動化程度較低,一方面是風險監(jiān)測數據的采集頻率較低,建設采集系統(tǒng)的必要性不強;另一方面各證券公司數據系統(tǒng)具有多樣性,系統(tǒng)數據接口的匹配任務量大、困難程度高。因此,數據采集的負擔較重。根據不完全統(tǒng)計,單純機構監(jiān)管條線,證券公司上報的風險監(jiān)測采集報表就多達80多張。如果進一步增加數據采集的頻次與細化顆粒度,將進一步大幅增加證券公司上報數據的負擔。因此,證券行業(yè)數據采集處于兩難困境,信息化自動化程度低,提升信息化、自動化水平的困難性強,與此同時,風險監(jiān)測的要求又逐步提高,需要證券公司提供更多數據,大幅增加證券公司報送負擔。

毫無疑問,解決以上問題,除了直面問題根源,從數據治理、信息化建設源頭上下功夫之外,還要另辟蹊徑,考慮充分挖掘已有內部數據,充分收集、利用外部數據。因此,嘗試使用大數據技術及相關應用開展證券行業(yè)風險監(jiān)測具有必要性。此外,大數據等信息科技技術正逐步滲透到經濟的各個領域,西方發(fā)達國家也在積極開展相關實踐,使用大數據開展證券行業(yè)風險監(jiān)測也有一定的必然性。

(二)利用大數據開展證券行業(yè)風險監(jiān)測的國際經驗借鑒——以美國為例

在美國,大數據在證券監(jiān)管中的應用逐步深入,主要領域包括證券市場風險監(jiān)測、證券發(fā)行、投資交易、違法行為查處、投資者保護等方面。概括起來,美國在應用大數據開展證券監(jiān)管、風險監(jiān)測等方面具有兩大顯著特點。

1.重視計算機輔助系統(tǒng)(CAS)建設

信息化時代,CAS(Computer-aided system)是證券監(jiān)管重要的輔助手段,也逐漸成為前置要件,兼具數據庫與分析工具的雙重功能,實現了數據治理與數據分析的雙重作用。對于證券市場風險監(jiān)測分析與預警,早在2013年,美國證券監(jiān)督管理委員會(SEC)就引入市場信息數據分析系統(tǒng)(MIDAS)分析股票市場產生的大數據。在審計方面,SEC建立綜合審計系統(tǒng)(CAT),進行全面綜合的審計跟蹤,可以追蹤包括訂單、路演、修改和執(zhí)行的全過程。在信息披露方面,SEC建立互聯網電子數據收集、分析、檢索系統(tǒng)(EDGAR),2017年,開始建設“下一代”電子披露系統(tǒng)(ERD),進一步強化數據收集與分析功能。在內部交易和市場操縱行為檢測方面,SEC建立高級關系交易執(zhí)行度量調查系統(tǒng)(ARTEMIS),該系統(tǒng)能夠將歷史交易和賬戶持有人數據與其他數據源結合實現多發(fā)行者和多交易者數據分析。

2.充分借用工具分析、外部分析力量

由于采取大數據分析證券風險尚處于探索期,且大數據分析高度依賴技術與工具,因此SEC采取多種方法,充分利用工具分析與外部分析力量。在借用外部分析力量方面,除了內部使用市場信息數據分析系統(tǒng)(MIDAS)之外,SEC建立對外發(fā)布平臺,支持Python、Jupyter Notebook等強大的數據分析工具使用,積極吸引社會力量開展證券市場風險監(jiān)測方面的大數據分析。在充分使用工具分析方面,2018年,SEC建立云上數據科學工作站,為數據分析師提供先進的數據分析和機器學習工具。工作站提供的開源數據分析工具幫助分析人員處理非結構化數據、時間序列數據,數據可視化和機器學習工具幫助分析人員確定數據集檢查的優(yōu)先次序。充分使用工具軟件輔助監(jiān)測風險使得風險監(jiān)測業(yè)務人員的精力能夠更多集中在研究上。該數據工作站項目,也在積極向規(guī)則制定和經濟分析部門推廣使用。 [18]

(三)證券行業(yè)風險監(jiān)測的大數據源分析

大數據分析方法對數據的數量級、完備性、全面性要求高,沒有大體量、多維度、全面完備的數據基礎,就難以發(fā)揮大數據分析的優(yōu)勢與潛力。從數據源的角度看,證券行業(yè)大數據一方面來源于企業(yè)內部,另一方面來源于企業(yè)外部。

1.證券公司內部的數據

證券行業(yè)的內部數據來源于證券公司內部積累的大量數據,主要包括市場數據、財務數據、客戶數據、產品數據等,上述數據大部分屬于證券公司的機密,作為外部輔助監(jiān)管方,全部共享此類數據難度較大,往往采用要求證券公司填報相關報表并上報的方式獲取公司內部數據,但是數據的顆粒度較粗,時效性較差。中國證券業(yè)協會要求證券公司建立自身的風險管理信息技術系統(tǒng)開展內部風險數據的集中與治理。 [19]對于大型的券商,信息化水平較高、數據治理基礎較好,能夠建設完備的內部風險信息系統(tǒng),提升自身風險管理能力的同時,輔助監(jiān)管部門制定行業(yè)風險管理規(guī)范。但是對于中小型券商,受制于資本規(guī)模、業(yè)務能力、經營水平等 [20],風險管理能力較弱,風險信息管理缺乏,因此,抗風險能力較差,極易爆發(fā)相關風險。從監(jiān)管的視角看,應該強化對中小型券商內部數據的采集,輔助中小券商建設風險信息管理系統(tǒng),與此同時,應該加強與大中型券商風險信息系統(tǒng)的數據接口對接,強化全面性、及時性、詳細性風險數據的采集。

2.證券公司外部的數據

基于輔助監(jiān)管的角度來看,證券公司外部數據包括兩部分,一部分是資本市場內的留痕數據,如交易數據等;另一部分是非資本市場體系產生的數據,包括:國內外互聯網“爬蟲”數據、國內外政府公開發(fā)布數據、來源合法的商業(yè)數據等。按照數據源分類進一步細化,包括經營數據、信用數據、工商數據、司法數據、處罰數據、輿情數據、知識產權數據、外經貿數據、個人數據等。在證券公司外部數據獲取方式與可行性方面,資本市場數據可以通過監(jiān)管單位、輔助監(jiān)管單位建立共享機制的方式獲取部分非保密數據;資本市場外部數據,可以通過自行收集、委托收集、直接購買等方式獲取。

對于證券行業(yè)風險監(jiān)測,僅僅依靠證券公司上報數據,無法開展大數據分析,但是經過一系列數據來源拓展、數據匯集等,可以初步具備大數據分析的大體量、全面性、完備性數據基礎,能夠為開展大數據分析應用提供比較好的鋪墊。

(四)證券行業(yè)風險監(jiān)測的大數據方法論分析

大數據分析方法與傳統(tǒng)分析方法具有本質的區(qū)別,在思維方式、關鍵要素、輸出結果方面具有極大的不同。分析清楚大數據分析方法的邏輯,有助于增強大數據分析在證券行業(yè)風險監(jiān)測中的適用性。

1.證券行業(yè)風險監(jiān)測的傳統(tǒng)分析方法

證券行業(yè)風險是介于微觀個體風險與宏觀系統(tǒng)風險之間的局部風險,分析證券行業(yè)風險主要使用統(tǒng)計數據分類比較分析與統(tǒng)計計量模型分析兩類。統(tǒng)計計量模型分析要求,首先根據理論模型設置計量模型,再使用數據擬合并進行預測。因使用數據量少,為達到更好的擬合效果與預測效果,強調模型的精致與準確。在數據不可得的情況下,該研究范式是研究和解釋復雜運行機制的一種高效和可行方式。 [21]此類方法旨在探求風險變量之間的因果關系,試圖找出導致風險發(fā)生的原因,進而指導風險因素的控制,此類方法必須使用結構化數據,且對數據的代表性、準確性要求很高。

2.證券行業(yè)風險監(jiān)測的大數據分析方法

大數據分析方法與統(tǒng)計計量模型分析方法有顯著不同。大數據分析方法要求盡可能獲得所有微觀證券數據,對數據的全面性、完備性要求高,不區(qū)分結構化數據與非結構化數據。大數據分析方法通過大量數據對系列簡單模型進行訓練以達到最佳擬合效果,不強調模型的精準性,反而有意限制模型的復雜性。因此,大數據分析方法得到的是相關關系,對因果關系沒有解釋力。這種“數據驅動型”的分析方法貼近現實的能力更強,往往產生“意外之喜”。在證券行業(yè)的局部風險與金融系統(tǒng)的系統(tǒng)風險更加緊密聯系的當下,采用大數據分析全行業(yè)數據,既能發(fā)現風險中的“灰犀?！?又能發(fā)現風險中的“黑天鵝”,值得期待。

三、大數據在我國證券行業(yè)風險監(jiān)測中運用的設計初探

要充分發(fā)揮大數據優(yōu)勢、利用大數據技術開展證券行業(yè)風險監(jiān)測,就要建立相應的制度機制、構建相應的設施系統(tǒng)。這些制度機制、設施系統(tǒng)匯聚整合到一起,可以統(tǒng)稱為證券行業(yè)風險監(jiān)測大數據平臺。它應該既是一套輔助系統(tǒng),又是一套管理機制,既有工具的集合,又有數據的集中,既是分析平臺,又是交流平臺,既開展監(jiān)管,又進行服務。

(一)構建起完整的大數據分析系統(tǒng)

證券行業(yè)風險監(jiān)測大數據平臺,要具備一套完整的大數據分析系統(tǒng),包括數據收集、數據資源管理、數據分析、數據展示等部分。在數據收集方面,既自身積累數據,又通過監(jiān)管系統(tǒng)內部各單位共享獲取數據 [22],又積極采用“爬蟲”等技術在互聯網上抓取數據,也適當購買數據。數據類型上包括結構化數據、半結構化數據和非結構化數據。在數據資源管理方面,要實現各類數據的兼容,利用多種數據處理技術,實現對各項數據結構變化的適應性,支持各種數據類型、各種數據來源。在數據分析方面,分析者可針對特定的需要對不同的數據集連接不同的算法。在數據展示方面,將風險數據分析后的結果通過圖表、報表、動圖、視頻的形式展示,或者直接將結果數據以接口的方式對監(jiān)管部門提供。

(二)內嵌全面且豐富的分析框架與技術

證券行業(yè)風險監(jiān)測大數據平臺,要能夠內嵌豐富且全面的分析方法、處理架構、分析技術、分析工具、分析軟件和分析模型。在大數據的處理架構、工具、軟件方面,囊括Hadoop、Storm等大數據處理框架,Spark、Map Reduce等分布式計算框架,HDFS等分布式存儲系統(tǒng),Ambari等部署工具,SPSS、SAS、R等統(tǒng)計分析軟件;在大數據的分析方法和技術方面,囊括知識圖譜技術、神經網絡技術、深度學習技術等多種技術,并能夠基于相關技術開發(fā)相應的應用系統(tǒng)。

(三)打造面向社會交流與服務的開放平臺

作為輔助監(jiān)管的風險監(jiān)測平臺,要具備開放性,能夠像社會大眾開放脫敏大數據,充分調動社會資源與力量開展證券行業(yè)風險分析,增強風險監(jiān)測分析能力;要具備交流功能,成為證券公司交流系統(tǒng)風險、市場風險、業(yè)務風險等的交流平臺,也是風險分析人員、大數據技術人員交流、學習分析方法、分析技術的交流平臺;要具備服務功能,成為金融系統(tǒng)尤其是證券行業(yè)獲取風險知識、風險信息第一位的咨詢平臺。

四、結論與趨勢

(一)基本結論

伴隨著大數據、人工智能、云計算等現代信息技術逐步深入社會、經濟中的各個領域,在大數據與金融系統(tǒng)業(yè)務拓展與風險防范緊密結合的當下,探索使用大數據強化證券行業(yè)風險監(jiān)測能力,改造證券行業(yè)風險監(jiān)測體系,正在逐步展示出其巨大價值與顯著意義。

1.大數據分析開拓了證券行業(yè)風險監(jiān)測的新視野

大數據既是分析方法又是思維方式。脫離傳統(tǒng)的因果關系探索,突出強調強相關關系的探索,是大數據在思維方式上的顯著特點。對于大數據的強相關關系,在邏輯上仍需要深入分析,但是在現實問題解決方面卻具有獨到之處,針對證券行業(yè)風險的相關關系采取應對措施雖然“治表不治里”,但是為深入挖掘指標變量之間內在關系提供了線索。大數據強調數據驅動方法,分析方法建構在大量數據的基礎之上,對模型精確度的要求與數據精確度的要求都大大降低,因此可以采用系列簡單模型開展分析,優(yōu)化證券行業(yè)風險分析方法。

2.大數據分析形成了對傳統(tǒng)證券行業(yè)風險監(jiān)測的極大提升

基于大數據分析的邏輯與特點,傳統(tǒng)的證券行業(yè)風險監(jiān)測方法不能被取代,仍然是證券行業(yè)風險監(jiān)測的基礎與主流。大數據分析方法強調使用全行業(yè)數據,使用“無監(jiān)督”學習算法發(fā)現異常,使用“有監(jiān)督”學習算法證實相關關系。在異常發(fā)現、細節(jié)挖掘方面對傳統(tǒng)分析方法形成有益補充,具有較強的實用性;在相關關系方面具有較強的前瞻性,引導傳統(tǒng)分析方法強化因果關系探索,把握變量之間的實質聯系與傳導邏輯。

3.大數據分析在證券行業(yè)風險監(jiān)測上充分發(fā)揮其效能仍需時日

大數據及其建構在大數據分析基礎上的人工智能在風險監(jiān)測領域的利用才剛剛開始。數據的多元性、完備性、全面性問題即數據治理與數據采集問題還需要強化制度建設、管理建設與機制建設來解決,需要較長的時間;大數據技術本身仍在發(fā)展,大數據技術與證券行業(yè)風險監(jiān)測這類局部風險、行業(yè)風險監(jiān)測的結合還需要進一步的探索。

(二)發(fā)展趨勢

1.以大數據為代表的信息科技發(fā)展終將重塑證券行業(yè)風險監(jiān)測體系

伴隨著信息化滲透到證券經營的每根“毛細血管”,數據治理“日臻完善”,大數據及以大數據為基礎的人工智能等技術“登峰造極”,證券行業(yè)風險監(jiān)測無疑將通過信息化手段與大數據等信息技術對證券業(yè)務的細節(jié)進行“入木三分”的監(jiān)測,對局部性、系統(tǒng)性的風險進行“運籌帷幄”的把握,將實現風險的智能化診斷與自動化提醒。監(jiān)管主體尤其是輔助監(jiān)管主體將更多地以信息平臺、技術平臺的身份出現,將更多的工作重心放在技術研發(fā)與系統(tǒng)完善上。

2.以大數據證券業(yè)風險監(jiān)測為代表的金融監(jiān)管科技將形成一套完整的體系

以互聯網、物聯網為承托,以大數據、云計算、區(qū)塊鏈等信息化技術為工具的金融科技高速發(fā)展,帶來金融業(yè)務的持續(xù)拓展,也帶來復雜的金融亂象與頻發(fā)的金融風險,給監(jiān)管帶來極大的挑戰(zhàn)。“魔高一尺,道高一丈”,監(jiān)管科技亟待深化與強化。大數據、人工智能等信息化技術將被廣泛且深入地應用于以證券行業(yè)風險監(jiān)測為代表的金融各領域風險監(jiān)測、防范與化解之中,也將成為金融監(jiān)管以及輔助監(jiān)管的必然之路與必備工具。未來,監(jiān)管科技將依托金融系統(tǒng)各行業(yè)數據的共享與集合,整體數據的治理與分析,而形成一套相對獨立且完整的體系。

3.證券行業(yè)大數據安全治理將成為重中之重

伴隨著行業(yè)信息化的深入推進,數據治理的理順完成,證券全行業(yè)數據將構成一個完整的數據系統(tǒng)與數據庫。數據的大量產生與集中將成為一把“雙刃劍”,既帶來監(jiān)管效能的提升,又形成被盜用、亂用的風險。因此,數據安全將成為最重要的事情,數據竊取將成為最大的隱患。作為監(jiān)管與輔助監(jiān)管主體需要在數據安全治理與數據安全服務上著力,保證投資者、服務商的數據安全與隱私安全。