前言：本站為你精心整理了大數(shù)據(jù)下金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)探究范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

摘要：區(qū)域性金融風(fēng)險(xiǎn)具有極強(qiáng)的聯(lián)動(dòng)性與傳播性，極容易引發(fā)國(guó)家金融風(fēng)險(xiǎn)甚至是全球性的金融危機(jī)。由于金融系統(tǒng)有著數(shù)據(jù)量巨大，來(lái)源廣泛，變化迅速的特點(diǎn)，使其預(yù)測(cè)性與監(jiān)管性都變得極為困難。因此建立起一套以大數(shù)據(jù)技術(shù)為支撐的區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)就顯得尤為重要。以此為背景，通過(guò)整合巨量的相關(guān)數(shù)據(jù)，引入關(guān)聯(lián)風(fēng)險(xiǎn)指標(biāo)，建立起一套科學(xué)有效的評(píng)價(jià)體系，以數(shù)據(jù)為中心，最終搭建了一套區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)，為防范區(qū)域性金融風(fēng)險(xiǎn)提供了一定的借鑒與參考。

關(guān)鍵詞：區(qū)域性；金融風(fēng)險(xiǎn)；大數(shù)據(jù)；大數(shù)據(jù)

引言

區(qū)域性金融風(fēng)險(xiǎn)危害性較強(qiáng)[1-2]，如果在區(qū)域性金融風(fēng)險(xiǎn)爆發(fā)的初期及時(shí)加以監(jiān)控，避免風(fēng)險(xiǎn)的加大，尤其根據(jù)金融活動(dòng)異常數(shù)據(jù)在其未爆發(fā)前及時(shí)地進(jìn)行預(yù)警，那么一場(chǎng)金融危機(jī)便可以“銷惡于未萌，彌禍于未形”?，F(xiàn)階段區(qū)域性金融風(fēng)險(xiǎn)的預(yù)警難度極大，其主要原因在于金融活動(dòng)一直伴隨著海量的數(shù)據(jù)信息?，F(xiàn)階段，網(wǎng)絡(luò)飛速發(fā)展、公眾輿論都可能引發(fā)一場(chǎng)小型的金融風(fēng)險(xiǎn)，這些巨量的信息、實(shí)時(shí)變化的不確定性因素都對(duì)金融風(fēng)險(xiǎn)的預(yù)警提出了極大的挑戰(zhàn)。如果單純地依靠普通的計(jì)算機(jī)程序進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，通過(guò)人力對(duì)金融活動(dòng)進(jìn)行監(jiān)管預(yù)測(cè)，是低效與不現(xiàn)實(shí)的。而大數(shù)據(jù)時(shí)代正好彌補(bǔ)了這一缺點(diǎn)，大數(shù)據(jù)的優(yōu)勢(shì)在于通過(guò)數(shù)據(jù)互聯(lián)，可以更加高效快速地收集數(shù)據(jù)，不僅僅可以收集單一來(lái)源的數(shù)據(jù)，對(duì)于多方面來(lái)源、不同類型的數(shù)據(jù)依然可以進(jìn)行整合，并通過(guò)模型算法等手段迅速進(jìn)行歸納分類，從中發(fā)現(xiàn)規(guī)律快速分析，即時(shí)性的輸出結(jié)論[3]。與此同時(shí)，大數(shù)據(jù)還兼具預(yù)測(cè)性，這使其具備了預(yù)測(cè)金融風(fēng)險(xiǎn)的基本條件。大數(shù)據(jù)時(shí)代的來(lái)臨，將對(duì)整個(gè)金融活動(dòng)帶來(lái)巨大的變革，現(xiàn)階段，大數(shù)據(jù)已經(jīng)廣泛應(yīng)用于客戶畫(huà)像、金融自動(dòng)交易、運(yùn)營(yíng)流程精細(xì)化管理等諸多方向，將大數(shù)據(jù)引入到金融業(yè)中已然是眾望所歸，但是由于其算法制約、數(shù)據(jù)質(zhì)量等問(wèn)題，對(duì)于風(fēng)險(xiǎn)的預(yù)警能力亟待提高。

一、設(shè)計(jì)原則

前文所述的現(xiàn)階段區(qū)域性金融安全面臨的挑戰(zhàn)，對(duì)于大數(shù)據(jù)背景下的區(qū)域性金融預(yù)警系統(tǒng)提出了一定的設(shè)計(jì)原則。覆蓋范圍廣。數(shù)據(jù)收集作為大數(shù)據(jù)的核心要素，最先要做好的就是數(shù)據(jù)整合工作，考慮到引發(fā)區(qū)域性金融風(fēng)險(xiǎn)的因素眾多，其預(yù)警系統(tǒng)必須盡量做到涵蓋所在區(qū)域內(nèi)的所有金融活動(dòng)，包括債券的發(fā)行，客戶的存款、借貸、消費(fèi)，證券理財(cái)保險(xiǎn)產(chǎn)品的發(fā)售，甚至是貨幣結(jié)算等金融活動(dòng)不一而足[4]。預(yù)警系統(tǒng)的另外一個(gè)原則是監(jiān)視監(jiān)管，區(qū)域內(nèi)的金融活動(dòng)參與者，銀行、證券公司、企業(yè)客戶、自然人客戶都應(yīng)當(dāng)納入預(yù)警系統(tǒng)的監(jiān)管體系中來(lái)，甚至監(jiān)管機(jī)構(gòu)本身也應(yīng)當(dāng)納入該體系中來(lái)。其監(jiān)管內(nèi)容不僅僅包括金融往來(lái)，還應(yīng)當(dāng)涵蓋輿論輿情、國(guó)家法規(guī)政策、大環(huán)境經(jīng)濟(jì)發(fā)展等。總之，就是盡量地?cái)U(kuò)展數(shù)據(jù)來(lái)源，全方位立體化的將金融活動(dòng)及其活動(dòng)對(duì)象納入監(jiān)管中來(lái)，其過(guò)程中產(chǎn)生的一系列數(shù)據(jù)都應(yīng)當(dāng)被大數(shù)據(jù)歸納整合，以便于進(jìn)一步分析預(yù)測(cè)。即時(shí)反饋預(yù)測(cè)。大數(shù)據(jù)與金融活動(dòng)具有較高的匹配性，除了需處理的數(shù)據(jù)量巨大，來(lái)源廣外，金融活動(dòng)的另一特點(diǎn)便是變化極快，瞬息萬(wàn)變。因此，依托大數(shù)據(jù)支撐的區(qū)域性金融風(fēng)險(xiǎn)預(yù)警預(yù)測(cè)系統(tǒng)必然要發(fā)揮大數(shù)據(jù)的優(yōu)勢(shì)，即時(shí)有效的整合數(shù)據(jù)，分析其中的風(fēng)險(xiǎn)因素，及時(shí)判別風(fēng)險(xiǎn)，并分析出最佳的處理手段，將損失降至最低。自我調(diào)整修復(fù)。隨著時(shí)間的流逝，金融活動(dòng)是不斷迭展的，為了使預(yù)警系統(tǒng)越來(lái)越完善，該系統(tǒng)要不斷地更新迭代?？梢詫?duì)其進(jìn)行模塊化設(shè)計(jì)，保證其能跟上時(shí)代的發(fā)展，確保系統(tǒng)穩(wěn)定平穩(wěn)運(yùn)行。模塊化設(shè)計(jì)的優(yōu)點(diǎn)在于，對(duì)于一部分量化指標(biāo)，例如居民的存取款、借貸行為，可單獨(dú)作為一個(gè)模塊，僅需日常維護(hù)即可。而對(duì)于社會(huì)輿論輿情、突發(fā)性不穩(wěn)定因素等定性指標(biāo)，亦可單獨(dú)作為一個(gè)模塊，有時(shí)甚至需要專人進(jìn)行維護(hù)，將定性的指標(biāo)進(jìn)行篩選判別，杜絕假消息、假新聞等對(duì)系統(tǒng)的影響，保證系統(tǒng)的可靠穩(wěn)定。

二、模型搭建

金融活動(dòng)的參與者與影響者大多為人，人的思維情感較為復(fù)雜，在金融風(fēng)險(xiǎn)中屬于不可控因素。一些影響金融體系的大事件往往都是由人引起的，面對(duì)利益、風(fēng)險(xiǎn)等因素，人往往有趨利避害的心態(tài)[5]?，F(xiàn)階段，隨著網(wǎng)絡(luò)的不斷發(fā)展，人獲取信息的渠道也更加的方便，一些利好利空消息經(jīng)過(guò)網(wǎng)絡(luò)層面的放大，極容易失控，造成不可估量的影響。因此，區(qū)域性金融風(fēng)險(xiǎn)預(yù)警預(yù)測(cè)系統(tǒng)的關(guān)鍵在于對(duì)金融活動(dòng)參與者的分析，以股票市場(chǎng)為例，參與用戶的年齡結(jié)構(gòu)、學(xué)歷結(jié)構(gòu)、家庭收入、消費(fèi)水平及其偏好、獲取信息的來(lái)源、交易偏好與交易量等。這些數(shù)據(jù)需要建立起一個(gè)完整的評(píng)價(jià)指標(biāo)才能夠使用，用戶的數(shù)量、交易量可以作為一個(gè)定量指標(biāo)進(jìn)行統(tǒng)計(jì)，然而一些定性的指標(biāo)如用戶行為，這些行為數(shù)據(jù)可以通過(guò)微博微信公眾號(hào)等社交平臺(tái)、搜索引擎、新聞門戶網(wǎng)站等途徑獲取，但是其數(shù)據(jù)來(lái)源錯(cuò)綜復(fù)雜，需要建立起相應(yīng)的評(píng)估評(píng)價(jià)體系。經(jīng)過(guò)分析，初步建立起了區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的用戶評(píng)價(jià)體系指標(biāo)。評(píng)價(jià)體系指標(biāo)建立之后，需要對(duì)各項(xiàng)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)收集，可以考慮采用爬蟲(chóng)技術(shù)進(jìn)行深度收集。對(duì)于用戶數(shù)量、用戶的年齡性別等基礎(chǔ)信息的權(quán)重，完全可以由系統(tǒng)進(jìn)行直接統(tǒng)計(jì)分析。而對(duì)于用戶行為等難以定量分析的指標(biāo)權(quán)重則可以通過(guò)專家進(jìn)行評(píng)分的方式進(jìn)行。根據(jù)楊凱森[6]等學(xué)者給出的處理方法，通過(guò)對(duì)原始數(shù)據(jù)的處理，最終得到了區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)用戶評(píng)價(jià)體系的權(quán)重?cái)?shù)值，其中用戶行為作為中介變量，其獲得的權(quán)重最高，高達(dá)0.86，其上一層變量中涵蓋了網(wǎng)絡(luò)行為0.32，操作行為0.28，用戶量級(jí)0.15，用戶結(jié)構(gòu)0.11，另外用戶指數(shù)與用戶行為成并列關(guān)系，其權(quán)重為0.14。以此為基礎(chǔ)，建立了大數(shù)據(jù)用戶參與模型，如圖1所示。該模型的目的是為了降低用戶行為對(duì)整個(gè)區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的影響，降低用戶不理智行為、賭徒心態(tài)、抗風(fēng)險(xiǎn)承壓能力的風(fēng)險(xiǎn)。該系統(tǒng)通過(guò)用戶量級(jí)對(duì)體量的影響，用戶結(jié)構(gòu)對(duì)結(jié)構(gòu)數(shù)據(jù)的影響，用戶行為的影響，用戶指數(shù)對(duì)指數(shù)評(píng)估的影響等指標(biāo)進(jìn)行數(shù)據(jù)分析，同時(shí)采用機(jī)器學(xué)習(xí)的手段完成了對(duì)成交量的預(yù)測(cè)、風(fēng)險(xiǎn)的預(yù)測(cè)以及對(duì)異常行為的監(jiān)管。

三、基于大數(shù)據(jù)的預(yù)警系統(tǒng)設(shè)計(jì)

大數(shù)據(jù)背景下的區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)架構(gòu)應(yīng)當(dāng)從三個(gè)方面考慮：其應(yīng)涵蓋采集系統(tǒng)，用于數(shù)據(jù)的采集錄入，還有數(shù)據(jù)庫(kù)系統(tǒng)，用于數(shù)據(jù)的歸納分析，以及最關(guān)鍵的預(yù)警系統(tǒng)，用于風(fēng)險(xiǎn)的預(yù)測(cè)和監(jiān)察?？紤]到在信息采集時(shí)，除了傳統(tǒng)的交易量、用戶數(shù)量、用戶的年齡性別等基礎(chǔ)信息采集可以依賴計(jì)算機(jī)程序，例如結(jié)構(gòu)化數(shù)據(jù)采集、半結(jié)構(gòu)化WEB采集、宏觀數(shù)據(jù)收集等。而一些難以定量采集的數(shù)據(jù)如前文所述的用戶行為等數(shù)據(jù)，采集較為困難，因此需要采用數(shù)據(jù)挖掘的手段，輔助以人工干預(yù)對(duì)數(shù)據(jù)進(jìn)行采集整理，數(shù)據(jù)挖掘的方向可以包括爬蟲(chóng)技術(shù)和掃描監(jiān)控技術(shù)，例如風(fēng)險(xiǎn)事件爬蟲(chóng)、風(fēng)險(xiǎn)指標(biāo)掃描監(jiān)測(cè)等。采集的數(shù)據(jù)數(shù)量龐大，來(lái)源廣泛，無(wú)法以統(tǒng)一的標(biāo)準(zhǔn)進(jìn)行衡量，因此需要進(jìn)一步的歸納總結(jié)分析。數(shù)據(jù)庫(kù)系統(tǒng)的作用便凸顯出來(lái)，采用機(jī)器學(xué)習(xí)的手段，通過(guò)大量的數(shù)據(jù)對(duì)預(yù)警模型進(jìn)行訓(xùn)練，提高區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的預(yù)警性。預(yù)警系統(tǒng)是整個(gè)區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的外顯輸出部分，其涵蓋內(nèi)容應(yīng)包括風(fēng)險(xiǎn)分析、預(yù)測(cè)分析與預(yù)警跟蹤等。考慮到預(yù)測(cè)結(jié)果與實(shí)際結(jié)果之間可能存在一定的偏差，因此需要引入機(jī)器學(xué)習(xí)等技術(shù)手段，將預(yù)測(cè)的結(jié)果與實(shí)際結(jié)果不斷地進(jìn)行比對(duì)分析，通過(guò)大量的數(shù)據(jù)訓(xùn)練，使其結(jié)果不斷優(yōu)化，最終不斷地提高其預(yù)測(cè)結(jié)果，提高其結(jié)果的科學(xué)性與準(zhǔn)確性。考慮到金融活動(dòng)突發(fā)性風(fēng)險(xiǎn)因素較多，在必要的情況下需要依靠人力進(jìn)行介入，而且，金融活動(dòng)的變化極快，不斷地進(jìn)行更新迭代，因此預(yù)警系統(tǒng)也應(yīng)附帶糾正算法，不斷地迭代升級(jí)，對(duì)系統(tǒng)進(jìn)行優(yōu)化。

結(jié)語(yǔ)

引發(fā)區(qū)域性金融風(fēng)險(xiǎn)的因素較多，依靠傳統(tǒng)的人力、計(jì)算機(jī)將巨量的、來(lái)源廣泛的數(shù)據(jù)進(jìn)行收集、整合、分析進(jìn)而對(duì)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)并不現(xiàn)實(shí)，其即時(shí)性與預(yù)測(cè)性也無(wú)法保證?，F(xiàn)階段只有以大數(shù)據(jù)的手段為支撐才能夠?qū)崿F(xiàn)對(duì)區(qū)域性金融風(fēng)險(xiǎn)進(jìn)行預(yù)警，設(shè)計(jì)一款大數(shù)據(jù)背景下的區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)勢(shì)在必行。本文對(duì)預(yù)警系統(tǒng)的設(shè)計(jì)原則進(jìn)行了分析，該預(yù)警系統(tǒng)要滿足覆蓋范圍廣、即時(shí)反饋預(yù)測(cè)和自我調(diào)整修復(fù)等三個(gè)設(shè)計(jì)原則。同時(shí)通過(guò)對(duì)區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)用戶評(píng)價(jià)體系指標(biāo)進(jìn)行權(quán)重計(jì)算，明確了用戶行為對(duì)區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的影響最大，以此為基礎(chǔ)設(shè)計(jì)了一款大數(shù)據(jù)背景下的區(qū)域性金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)，為預(yù)防區(qū)域性金融風(fēng)險(xiǎn)提供了一定的借鑒與參考。

參考文獻(xiàn)

[1]肖雅文.“互聯(lián)網(wǎng)+”背景下普惠金融發(fā)展策略研究[J].時(shí)代金融，2021（09）：4–6.

[2]鄺志雯.大數(shù)據(jù)在金融領(lǐng)域中的應(yīng)用[J].中國(guó)市場(chǎng)，2021（09）：197–198.

[3]張帆.對(duì)金融風(fēng)險(xiǎn)管理的未來(lái)展望[J].商展經(jīng)濟(jì)，2021（06）：73–75.

[4]陸岷峰，周軍煜.金融治理體系和治理能力現(xiàn)代化中的治理科技研究[J].廣西社會(huì)科學(xué)，2021（02）：121–127.

[5]黃倫麗.新時(shí)期完善我國(guó)金融風(fēng)險(xiǎn)投資管理的有效措施研究[J].山西農(nóng)經(jīng)，2020（24）：169–170.

[6]楊凱森，付飛蚺.基于大數(shù)據(jù)的金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)[J].長(zhǎng)春理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2021（01）：135–142.

作者：宋偉飛   單位：盛京銀行