什么是大数据?关于这个问题, 不同的人心中, 恐怕自有一番看法。但我们至少可以找到两个特征:其一为海量的数据, 其二为综合汲取考量。一般来说, 利用广泛的数据统计, 得出特定人群的特定趋向, 这就是大数据技术所倾向于解决的问题。事实上, 通过特定的统计方法和优秀的软件计算, 人们可以从杂乱无章的海量数据中找到某些规律, 这些规律往往在单纯的人力研究下隐而不彰, 而在显现出来后, 就能够为人们的决策等方面带来意想不到的便利。在大数据这个时代中, 信息有着无穷的潜力。而金融行业, 一向掌握着巨大数据便利。凡举线上线下各种转账支付, 资金流通背后的社会本质和表面的经济现象……可以说, 金融行业天生就与大数据技术有着密切的关系。
传统金融统计模式的统计思维建立在统计数据的严格性、匹配性、结构性和确定性之上。这种思维假定数据彼此间具有严密的关联性, 能够以确定的数学公式加以描述, 用成熟的数据模型加以预测, 而忽略了数据本身具有的杂乱无章的特性, 难以从更高层面上观察经济金融现象, 数据模型虽然漂亮, 与实际情况并无太大关联。
大数据时代下的思维, 首先着眼的是更广泛地收集数据, 而不严格要求其匹配性;往往强调数据的获取程度和更好的包容性, 而不要求结构化和标准化;关注于为使用者提供参考, 而并非做出决定。这样做的结果, 大数据技术的关联程度更广, 涉及面更多, 穿透力更强, 真实性也更佳。
传统金融统计对数据的准确性要求的严格程度、繁重手续和复杂环节, 必然影响到数据的及时传达。可能因此错过了数据的及时分析而对金融行业造成巨大损失。因此, 及时准确地传递数据与信息, 减少不必要的汇总审查环节对数据的滞后效果, 是大数据技术和时代对金融统计数据的准确性方面的主要影响。由于简化了汇总环节, 统计成本得到了减小, 工作效率得到了提升, 因此也使得经济效益得到了新的保证。
在对数据的分析方面, 大数据技术摒弃了传统统计方法中过于简单的汇总分析, 因为这种分析首先假定了数据的关联性。大数据采用分层分析的方法, 融合了多种先进的科学思想和技术, 对数据的分析更加准确和深入, 能够更好地分析内容, 反映出事件的本质情况, 使得数据分析能够更好地为决策提供重要的参考。
此外, 由于大数据对信息数据的挖掘越来越广泛, 采集工作变成越来越完善, 反映金融状况的数据被越来越完整、全面地呈现在金融监管部门的眼前。利用大数据技术, 他们可以方便、快捷地分析数据呈现出的金融运动, 找出趋势, 使得金融监管工作变得更为便捷, 针对程度也更高, 工作效率也更好。
要想真正运用大数据技术, 融入大数据时代, 就要从金融统计思维上加以改变。首先, 大数据技术是现代统计学的趋势, 集合了现代统计学的思想和研究成果。其次, 要认识到传统金融统计思维的局限性, 认识到必须通过转变思维方式, 打破思维的局限性造成的劣势。需要认识到, 任何的主体定义都是与大数据思维的内容背道而驰的。现实的实时数据, 不存在一个明确的主体、某种可套用的公式、某些规范性的规则。重要的不是预先假定的规律, 不是漂亮优美的模型, 而是数据的全面性和完整性。在对不确定的主体有一个正确的认识之后, 也就是认识到金融数据的来源、量化标准和个体识别等数据主体的特征并不存在之后, 再在对不固定的数据来源进行合适的处理。
大数据时代对数据的要求是更加细致的, 它不仅要求通常的宏观数据, 还要求金融机构的细粒度数据也能够被纳入到大数据技术的观察之中, 受到分析的数据越多越好、越细越好。所谓全面而详细, 也就只有在大数据技术强大的分析能力面前, 各种琐碎的、看似毫无关联毫无结构性甚至毫无用处的数据才能够得到应用和分析。面对复杂多变的市场, 传统的宏观数据分析难以把握的动向, 由于大数据技术朝微小数据方面的反复不断和深入的挖掘, 市场的动向往往能够更加准确地被展现出来。从而发现问题、解决问题, 能够更好地采取有力有效的措施来保护市场。事实上, 由于金融数据采集方式的改变, 统计工作在大数据技术的帮助下变得较为简单, 这使得金融检测工作也得到了发展, 并在一定程度上保证检测结果的准确性。
传统金融统计在数据上的误差往往因为其缺乏一个通用的数据标准。金融统计工作标准化的缺乏, 是金融统计数据难以达到准确性、可靠性和一致性的重要障碍。因此推进金融统计的标准化, 建立通用数据标准体系势在必行。这种规范化和标准化, 通常表现于三个方面, 即金融机构信息的规范化, 金融工具的规范化和金融计值的规范化。一旦达成这三方面的规范化, 金融机构在搜集数据时就能极大地得到便利, 从而有效避免数据结果不一致的现象发生。
在大数据环境下, 金融统计更应当全方面地记录信息, 使得各方面使用者都能在数据的综合方面获得益处, 能够对风险具有全面的把握, 从而便利于资金的调配。这就要求建立综合性的金融数据统计体系, 实现数据与信息的共享, 在统计数据更加透明的基础上保障其真实性和效用性, 进而不断推动金融统计模式的良好创新和发展。
在大数据时代下进行的金融统计, 与传统的统计方式有着较大的不同。传统金融统计不会涉及的领域, 大数据的金融统计却可用来进行分析。
比如, 社交媒体上的大量信息, 就可以为金融统计提供信用评分。像德国的Kreditech贷款评分公司、美国的Movenbank移动银行、香港的Lenddo网络贷款公司, 以及诸如trust Cloud、Connect.Me、Briiefly和Reputate等新型的中介机构, 就能利用申请者提交的社交网络, 对其活动记录进行算法分析, 通过分析好友的信用状况来做出信用评分, 从而达到统计信用资料的目的。通过社交网络的资料进行客户信用评分, 这在传统的金融统计模式内是不可想象的。
再比如采集社交网络重点各类内容, 就可以利用大数据技术进行市场情绪分析。通过微博以及各种朋友圈里每日数亿数十亿的消息进行大数据分析, 就可以从中提取有用的市场情绪信息, 以此决定资金交易策略。举例来说, 美国Market Psy Capital对冲基金, 就是通过对社交网络, 各种博客、聊天室、网站评论、微博的大数据分析, 得到了有关市场情绪的关键信息, 从而在2008年至2010年通过调整交易策略, 达到40%的回报率。大数据技术对金融统计的影响不可小觑。
大数据技术是互联网蓬勃发展之后带来的创新, 以这种技术和思维为中心形成的大数据时代无疑极大地改变了金融统计的面貌。要想不落后于时代, 就要不断提高金融数据采集的全面性, 令信息的真实和准确程度得到保证, 从而不断推进金融行业朝着良好的方向发展。
摘要：传统的金融统计模式在大数据时代的背景下显得有些落后, 其具体表现在思维方式、统计方法和分析数据等多个方面。利用大数据技术的优势, 创新发展金融统计模式, 应当是这个时代显而易见的趋势。本文讨论大数据对金融统计的影响和金融统计可以采取的相应对策, 希望具有一些参考价值。
关键词：大数据时代,金融统计,创新
[1] 张曦.我国货币与金融统计的现状分析[J].时代金融, 2012 (18)
[2] 李璇.浅谈中国的金融统计国际化[J].经营管理者, 2011 (18)
[3] 张小明.互联网金融的运作模式与发展策略研究[D].太原:山西财经大学, 2015.
[4] 赵建超.大数据背景下金融统计未来的发展方向[J].中国统计, 2015 (04)
[5] 孟芳.大数据时代背景下现代统计思维模式的创新[J].全国商情 (经济理论研究) , 2015 (12)
推荐阅读：
大数据时代基于财务共享服务模式的内部审计10-24
基于大数据时代的数据挖掘预处理技术研究09-12
基于大数据时代下企业财务管理的创新分析09-10
基于大数据的项目管理创新研究03-02
基于大数据时代的计算机网络安全研究05-11
基于大数据的电力营销管理创新研究09-12
基于大数据时代企业成本管理研究10-10
基于大数据利用的企业财务管理创新研究09-14
