大數據金融
從生產來看,不需要特別的采集過程,因為監管要求、業務邏輯或者技術便利,具有"自生產"特征,比如搜索數據、交易數據等;從存儲來看,相對于傳統數據庫的數據規模,量變引起質變,需要新的數據庫技術來支持存儲和訪問;從使用來看,分析方法從基于概率論的抽樣理論過渡到人工智能、統計學習等講求高維、高效率分析技術。

從行業細分角度,大數據金融業主要有大數據銀行金融和大數據證券金融,分別和銀行業務、證券業務相關。當然,保險業天然就和大數據相關。

信用卡自動授信是典型的大數據銀行金融。從銀行角度是否應該對申請者授信、發授多少信用額度,是個重要問題。傳統方式是人工審核申請資料,然后根據大致的檔位發放額度或拒絕申請。但是當銀行積累了足夠多的用卡客戶數據,可以把是否違約,違約概率,有效使用額度等指標作為被評價對象,然后調用與此相關的各種客戶信息建立統計模型,自動計算授信結果。

機器人投資是大數據證券金融的代表形式,股票價格波動受各種因素影響,傳統的投資方式一般人工收集信息,手動交易。機器人投資可以建立多因素模型,自動選擇股票或尋找交易時機,在適當的風控模型下建立機器人投資云交易模式。

再如,連接銀行和證券的大數據不良資產評估。2005年,某國有不良資產管理公司開始嘗試在海量數據基礎上進行不良資產評估。原本銀行信貸資產的評估都是基于會計模型,但是不良資產基本沒有會計特征,很難用傳統方法評估。因此,收集已處置資產和待處置資產樣本進行對比,建立數據挖掘模型,可以方便評估待處置資產的價格。

金融業積累的大數據就是金融大數據,根據銀行金融和證券金融本身的不同,這些數據也分成銀行金融大數據和證券金融大數據。積累數據過程中,產生了數據采集、存儲、使用的相關工作和企業,這樣就完成了金融大數據的產業鏈。

隨著信息技術全面發展,金融大數據產業具備提供信息技術服務之外的金融服務能力時,就產生了大數據金融。大數據金融是脫穎于金融大數據的新服務,是技術服務催生出來的金融服務。

在大數據金融時代,"大數據監管"模式也將應運而生,即圍繞數據的生成、傳輸和使用等環節,采取實時、互動方式,實現對金融市場的監管。
Keywords: 文件加密 加密軟件 數據安全
云南快乐十分开奘查询