当前位置:股票 > 正文
大数据时代催生证券业创新

  随着大数据时代的到来,经过短短数年的发展,其价值已经得到了高度认可,应用也从最初的科研机构及少数互联网寡头,逐渐延伸到电子商务、通信、金融服务等各个行业领域。

  近年来,我国证券行业早已将目光瞄向了金融科技领域。特别是在这样的一个信息化时代,移动互联网技术的发达造就了大量数据的产生,作为金融科技发展的基石,以大数据技术、平台及应用的创新逐渐走进金融行业,越来越多的金融机构主动拥抱变化,突出“数据驱动业务”的重要地位。

  大数据时代催生证券业创新

  大数据概念兴起于美国,麦肯锡在2011年发布的研究报告中首次指出:“数据已经渗透到每一个行业和业务职能领域,逐渐成为重要的生产因素”,并宣告了大数据时代已经到来。

  而我国也在“十三五”规划纲要中首次提出,要实施国家大数据战略。把大数据作为基础性战略资源,全面实施促进大数据发展行动,加快推动数据资源共享开放和开发应用,助力产业转型升级和社会治理创新。易观发布的《2016大数据市场综合报告》显示,2015年中国大数据市场规模达到105.5亿元,同比增长39.4%,预计未来3-4年,市场规模增长率将保持在30%以上。

  图1:2016-2018年中国大数据市场规模预测

  对于证券行业,其作为一个高度信息化的行业,每天的证券市场活动都会产生海量的结构化和非结构化数据,而证券市场的估值定价、资产配置、风险管理等市场基础性功能都无时无刻依赖着数据和分析。

  在大数据趋势的影响下,国外证券业这几年来一直在加强相关信息产品的研发。实时大数据信息发掘行业的领跑者Dataminr基于大数据技术开发的金融资讯产品能够对推特、网页、交通数据、新闻报道和其他数据源进行数据采集。

  例如,Dataminr警告客户,加州的一家炼油厂发生了火灾,因为监测到炼油厂附近的一位用户发了这条消息。半小时后,火灾被媒体报道,相关厂商的股票迅速下跌。英国的对冲基金公司Derwent Capital Markets成立了能够根据社交网络来进行市场情绪分析的产品,该产品可通过抓取、分析Twitter的数据内容来感知市场情绪,量化判断后进行投资,使得其在首月的交易中获得了1.85%的收益率,跑赢同业其他对冲基金0.76%的平均收益率。

  相比之下,国内证券行业对于大数据的应用相对滞后,但随着我国经济结构转型升级和互联网+战略的推进,其大有后来居上之势。

  光大证券曾基于大数据技术开发了一款“中文云”的文本开发系统,从推出到现在“中文云”系统积累了36万篇以上的研究报告,300多万篇财经新闻以2800万条以上论坛帖子,形成了比较完整的金融文本数据库贮备。随后依托于数据积累,光大证券又开发出了一系列量化模型,包括情绪择时模型、新闻套利模型、概念套利模型、关注度因子选股模型等。

  而近日长江证券发布的iVatarGo宣称提取了后台交易客户五年内共86.7亿条交易数据,利用通联数据的算法技术和分布式计算能力,实现了多维度的用户行为评估。基金公司方面,广发基金牵手百度开发的百度100指数系列基金,与传统基金相比,该基金将大数据因子纳入量化选股模型,从选股逻辑上打破了传统指数对行业、板块、市场题材的依赖。

  证券业大数据应用场景广泛

  大数据在证券行业的应用,除了常见的基础信息的展示,即通过将定期的采集的数据进行分类整理归档之外,更多的是通过叠加其他新兴技术,包括云计算、机器学习等实现数据的更好的应用,例如金融产品定价、量化交易、风险管理、用户画像和机器人投顾等。

  图2:证券行业大数据应用层面

  在电商领域,大数据被应用于识别用户画像方面非常成功,而将其拓展应用至投资领域,通过识别投资者画像,进一步提供“千人千面”的服务将成为证券业的趋势。随着《证券期货投资者适当性管理办法》将于今年7月1日正式实施,“如何识别投资者并提供适当的服务”已成为了证券业迫切需要解决的难题。

  而能否实现为每位投资者提供最适当的服务,关键在于用户画像的刻画。在生成用户画像上,利用大数据技术对用户群体进行画像描摹,建立完善的标签体系,通过样貌、性格、爱好、工作、资产、投资行为等“标签”归类,呈现出每一位用户的“个性画像”,进而实施精细化服务,包括精准营销、个性化推荐和客户生命周期管理等。相比传统线下用户管理、问卷调查,用户画像可以获取客户更为精准的反馈信息,如搜索习惯、阅读习惯、买卖偏好、操作风格等信息,能更及时了解用户差异化特征。

  图3:证券行业大数据应用热度图

  长江证券发布的iVatarGo就是通过对客户的投资行为数据、交易数据进行深度智能分析,为每位客户进行全面精准“画像”。通过用户画像的刻画,系统可以实现对用户特征进行标注,识别客户投资行为,并进一步提供匹配的资讯、产品和服务。

  在产品方面,不少机构已经开始尝试借助大数据来优化策略和交易模型。例如在股票价格方面可以利用大数据来进行舆情判断,上述英国对冲基金成立的“Twitter基金”就是一个很好的例子。国内方面,百度推出的数据炒股软件“百度股市通”吸引了大量的关注。作为中国最大的搜索引擎运行商,百度搜索引擎每天爬取大量的数据,通过对这些数据进行加工处理,能够实现对市场热度进行判断,进一步对市场热度与股价的关联性建立有效的模型来帮助投资者更好的把握市场的行情。

  在证券行业风险管控方面,大数据技术也发挥了很大的作用。券商拥有海量的交易数据和客户资料,能够在交易维度、投资行为、用户信用等多个层面上,依靠大数据技术,积极开展风险量化分析。例如,通过交易数据和用户资料可以进行相应的分析和建模,来判别不同客户群体的交易规律和风险特征,提高模型的风险敏感性;通过资金数据,再与银行合作深度挖掘客户的资产规模和资金规模信息,可建立相应的模型动态调整不同客户群体间的抵质押物比例。另外针对杠杆率较高的金融衍生品业务和做市业务,也可以通过大数据技术对创新业务进行适当的分析,动态监控各项业务的风险敞口。

  对于证券行业监管机构来说,大数据技术能够帮助监管部门对操纵市场、内幕交易、老鼠仓等违法行为的监控和防范。交易所可以通过大数据的分析挖掘出可疑账户,比如系统发现两个交易账户,交易的品种、时间、频次、手法非常接近,而其中一个是基金账户,那另一个就很有可能是老鼠仓。大数据监测现在已经成为交易所维护市场资本市场繁荣与公平的重要武器之一。

  大数据破冰 券商积极布局智能化服务

  证券行业在实践大数据战略的过程中,也面临着诸多的难题。

  一方面是源于行业内缺乏大数据技术相应的科学体系和实践方法论、大数据平台规划与技术选型困难、业务和数据科学的结合能力弱、缺乏统一的数据标准体系。对于这方面问题,行业内相应的公司除了加强复合型人才的培养之外,可选的做法是放弃以往单打独斗的局面,寻求与外部金融科技公司进行合作,这样或许能够达到事倍功半的效果,例如长江证券开发的iVatarGo便是其与金融科技公司通联数据结合的产物。

  另外一方面,大数据技术的发展离不开其他新兴技术的突破。比如,大数据的处理和分析必须依靠云计算提供计算环境和能力,挖掘出适合于特定场景和主题的有效数据集。若要实现更加智能化的服务,还需要机器学习、人工智能技术的进一步突破。

  图4:股价智能预测模型的流程

  整个证券行业,不论是国内还是国外,在过去的几年里,许多机构都在尝试着在采用数据驱动的方法来促进自身业务的升级转型。未来,随着信息技术革命的不断发展,各种新兴技术的突破,大数据与证券行业的结合也将更加深入。从各大券商发布的2016年年报来看,几乎所有的券商都在积极布局以大数据为基础的线上智能化服务平台。截至目前,统计的18家上市券商中,有9家券商在今年的战略中直接提出了要加强在大数据技术方面的深入发展,有11家券商规划的产品跟大数据的应用相关。以大数据技术为突破口,可以预见今年证券业将在金融科技领域掀起一场新的业务革命。

相关链接:

作者: 来源:中国证券经纪人协作网 发布时间:2017-07-31 02:12:00
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任