大数据技术在金融行业有哪些应用前景?

问答中心分类: 大数据大数据技术在金融行业有哪些应用前景?
金融从业者 提问于 6月 以前

最近大数据征信很火,那么在金融行业大数据究竟可以怎么用呢?

1 个回答
chenjjchenjj 用户 回答于 6月 以前

一、行业标杆Bloomberg及前言
在回答问题之前,先对讨论之框架做个限定,免得撕逼。同时,抛出行业翘楚供大家参考。
首先,金融业的涵盖非常之广,主要包括三大类:银行类、投资类和保险类。具体则很多:商业银行、投资银行、证券、保险、小贷公司、租赁等。而且随着时代和技术发展,还出现了各类新型金融机构,比如:消费贷、P2P等等。
其次,金融业基本是全世界各个行业中最依赖于数据的,而且最容易实现数据的变现。在本回答中不纠缠于大数据和数据的区别。比如世界上最大的金融数据公司Bloomberg,看起来它提供的金融数据服务在深度上并不复杂,而且其成立时间远早于大数据这个词汇出现的时间,但是你很难说,Bloomberg不是一个金融大数据公司。

提到金融数据公司,就不能不提Bloomberg L.P.。这家创立于1981年的公司,是整个金融数据界的翘楚。创始人Michael Bloomberg,曾是Salomon Brothers的合伙人,因为公司被收购而拿到一千万美元的遣散费后离职,并创立了Bloomberg。下图左一就是Michael Bloomberg,不用怀疑你的记忆,你没有记错,他也是那个只拿一美元和坐地铁上班的纽约市市长,所以才有机会和加州州长施瓦辛格一起出现在Time杂志封面。
<img src="https://pic1.zhimg.com/ed8c464091f781da566dd84f9fee5640_b.png" data-rawwidth="500" data-rawheight="660" class="origin_image zh-lightbox-thumb" width="500" data-original="https://pic1.zhimg.com/ed8c464091f781da566dd84f9fee5640_r.png">
Bloomberg的最初产品是Innovative Market Systems (IMS),主要功能是向金融市场的各个玩家提供市场的实时数据、财务计算能力、财务分析等(听起来是不是很low,和大数据毫无关系)。创业之初,即使是高富帅创业的Michael Bloomberg及团队也依然苦逼,没有方向没有客户,为了激励劳累不堪的员工,Michael Bloomberg只好建议员工“看鱼缸中的金鱼来消遣”,于是每位新来的员工都会得到一只鱼缸。后来人员激增只能以公共空间的巨型鱼缸替代。

下图是著名的Bloomberg鱼缸。
<img src="https://pic2.zhimg.com/e9ef0cb28276b71ba54040745bb0ecd9_b.png" data-rawwidth="628" data-rawheight="382" class="origin_image zh-lightbox-thumb" width="628" data-original="https://pic2.zhimg.com/e9ef0cb28276b71ba54040745bb0ecd9_r.png">
在1983年,Bloomberg以30%股份的代价获得美林3000万美元的投资,估值仅为1亿美元。自此一路狂奔,推出各类产品,包括:Bloomberg Terminal,Bloomberg News,Bloomberg Radio,Bloomberg TV等等。

在1996年,Bloomberg以20亿美元的估值,花费2亿美元从美林回购10%的股份。而到了金融海啸的2008年,屌丝逆袭。昔日的大股东美林面临崩盘,结果其最大的资产就是所持有的20%的Bloomberg股份。昔日的小弟Bloomberg利用美林的危机买回所有股份自赎,当时估值为225亿美元。

2004年,这家专注于数据的公司,在纽约的曼哈顿的Midtown竖起了246米的高楼。算是技术公司对金融公司的一次彻底逆袭吧。
<img src="https://pic4.zhimg.com/ecfa3279bdfa907bc37d0d36ab19be9f_b.png" data-rawwidth="212" data-rawheight="400" class="content_image" width="212">
到今天,Bloomberg全球布局192个办公室,有1.5万名员工,2014年的收入是90亿美元。因为是私有公司,利润无从得知。但是按常规估计,即使20%的利润率及30xPE(这可不是市梦率Forward PE,而是一年多以前的实际PE),Bloomberg的估值也在500亿-1000亿美元之间,甚至超过1000亿美元。这个估值已经超过华尔街的标志企业高盛(2016年2月,高盛的市值为650亿美元),这才是真正的逆袭。

如果把Instant Bloomberg当成一种社交软件或者把Bloomberg Terminal当成一种客户端,Bloomberg是可以妥妥得作为一个互联网公司入围下面的排行榜(数值采集于2015年8月),至少排入前六,仅次于Google、Facebook、阿里、亚马逊及腾讯。将BAT之中的某家公司牢牢甩在后面。如果考虑到Bloomberg Terminal的软硬件结合以及Instant Bloomberg的社交属性(以上两个均为提升估值的利器),Bloomberg成为全球第二或第三值钱的互联网公司不是梦想。
<img src="https://pic2.zhimg.com/5799c45c6414b6c5e31d80c0357c35dd_b.png" data-rawwidth="350" data-rawheight="679" class="content_image" width="350">
华尔街的“约炮”名言堪称“Just Bloomberg Me”,Instant Bloomberg如果在中国会不会也被牵连到各种打黄扫非的案件中?因为Instant Bloomberg实在太垄断和强大了,堪比Facebook(Facebook的LYR PE可是38x),所以我说给Bloomberg更高的PE一点不过分。

然而外界经常猜测其利用Instant Bloomberg里面的隐私信息套利。2014年10月,一家叫做Symphony的创业公司出现了,并将产品定位于替代Instant Bloomberg。而华尔街上的各大机构对于Bloomberg实在是又爱又恨,在Symphony宣布成立时,十四家金融机构联合向 Symphony 注资 6600 万美元。2015年10月,Symphony 宣布寻求新一轮融资,估值高达 10 亿美元,投资人很可能是Google。

下图是著名的Bloomberg Terminal,Bloomberg的现金牛及拳头产品。经典的Terminal界面和极客的黑色背景,几乎没有图像化操作的违和感;下方是定制的键盘及无数的快捷键。Bloomberg Terminal每个终端每年的起步价是2.4万美元,根据服务级别不同,坐着火箭往上涨。
<img src="https://pic1.zhimg.com/f643dafc877cce0565788e82ebbab20c_b.png" data-rawwidth="600" data-rawheight="609" class="origin_image zh-lightbox-thumb" width="600" data-original="https://pic1.zhimg.com/f643dafc877cce0565788e82ebbab20c_r.png">

毫不客气得说,大部分购买Bloomberg Terminal的机构,只是做装饰,里面0.1%的功能都没有用到。在回答(做投行、行研、咨询等金融岗位,有没有什么好用的找数据技巧呢? - 何明科的回答)中提到,为了方便其他同事使用Bloomberg数据,我不得不写了个程序利用Bloomberg API获取Bloomberg数据,然后推送到邮件。Bloomberg API支持多种程序,包括 Java、C、C++、.Net、COM 和 Perl,API 设计简洁,适用于低延迟的应用程序,是quant及有编程功底的trader的最爱。
<img src="https://pic1.zhimg.com/e380e1d040289c3a300ed65d33130000_b.png" data-rawwidth="799" data-rawheight="512" class="origin_image zh-lightbox-thumb" width="799" data-original="https://pic1.zhimg.com/e380e1d040289c3a300ed65d33130000_r.png">
这种拿Bloomberg Terminal提升逼格的情况不仅仅在国内,华尔街也是如此。Bloomberg Terminal在某种程度上是一个人在华尔街地位的强大象征。过去当一名I Banker被提拔到董事总经理职位时,会得到一套个人专属的Bloomberg Terminal作为一种待遇,尽管实际的数据处理是由做牛做马的Analyst完成的。是不是很类似国内大老板们满满的书柜?
<img src="https://pic3.zhimg.com/a3f4ac48729686ff6ad59432bf7a74be_b.png" data-rawwidth="500" data-rawheight="333" class="origin_image zh-lightbox-thumb" width="500" data-original="https://pic3.zhimg.com/a3f4ac48729686ff6ad59432bf7a74be_r.png">
当然除了上述的严肃功能,Bloomberg还提供了订酒店、买红酒以及搭讪等各种高级功能。比如输入命令行指令DINE和FLY指令,可快速检索本地餐厅和航班。如果输入POSH,就可以得到各种华尔街和各种金融街的纸醉金迷。下图是《华尔街之狼》的截图。
<img src="https://pic3.zhimg.com/268e6ba95e279f1ac13409867b69e872_b.png" data-rawwidth="600" data-rawheight="331" class="origin_image zh-lightbox-thumb" width="600" data-original="https://pic3.zhimg.com/268e6ba95e279f1ac13409867b69e872_r.png">

 
二、大数据在金融行业的应用之一:风险定价
定价永远是金融或者任何市场中最核心的部分之一,大部分金融活动都涉及到风险和收益的平衡。放贷,是在平衡利息收益与违约风险之间的平衡;保险,是在平衡保费收入与理赔金额之间的平衡……
大数据技术,可以让金融产品的颗粒度精确到每个人。从而可以根据每个人过去的历史推测其未来的财务状况及履约情况,即所谓的大数据征信,因此给于每个人不同的授信额度以及利率。
而扩展到保险,也是同样的道理,保费可以根据每个人的情况不同而差异化。比如在美国买车险,根据人的婚姻状况、车辆颜色、年龄等各种信息,都会得到不同的保费金额。而最近大火的UBI(Usage Based Insurance)更是将大数据技术的使用推向新高度。甚至通过在保险购买者的车辆上安装检测OBD数据的硬件设备来获取各项数据,从而对好司机和坏司机差别定价保费。
下图是中国UBI的先驱者车宝推出的车宝盒子,用于监控车主的使用习惯。
<img src="https://pic3.zhimg.com/2058bbc21fc9165da2d6b6e14a2ebd2e_b.png" data-rawwidth="646" data-rawheight="456" class="origin_image zh-lightbox-thumb" width="646" data-original="https://pic3.zhimg.com/2058bbc21fc9165da2d6b6e14a2ebd2e_r.png">

三、大数据在金融行业的应用之二:信息优势
除去银行和保险,金融的另一大类是投资,无论对于一级市场还是二级市场投资,拥有更早更多更准确的信息,会让投资人获得先发优势而最终转化为投资回报。而且大部分投资游戏都是玩家之家的零和博弈,谁下手早下手狠下手准,就会进一步扩大利收益。这个口号真是很像奥运会更高更快更强的口号。
<img src="https://pic1.zhimg.com/dd7af5235eace573b0e3ff8ab122dc90_b.png" data-rawwidth="750" data-rawheight="391" class="origin_image zh-lightbox-thumb" width="750" data-original="https://pic1.zhimg.com/dd7af5235eace573b0e3ff8ab122dc90_r.png">

在获得更早更多更准确的信息方面,大数据可以充分得发挥。常见的技术有:爬虫、视觉技术、AI、软硬件结合等等。在我的回答(你用 Python 做过什么有趣的数据挖掘/分析项目? - 何明科的回答)中其实已经提到了许多案例,正是因此这个原因,许多前卫的基金找到我们团队,希望利用大数据的各种技术帮他们建立信息优势,而最终将信息优势转化为投资回报。
下面将举出若干案例。
案例1:找到下一个独角兽,也许是“小红书”?
哪个VC不想在众多的App中,先于所有人找到下一个独角兽,用钱把公司锁定呢?
我们利用爬虫获取各个应用市场及社交网络的数据,找出增装最快的App。下图是在各个维度找出最有价值的App,各种量级范围内在30天/7天增长最快及评价最好榜单。(顺便吹一下牛,我们这个榜单很早就发现小红书App的快速增长趋势以及在年轻人中的极佳口碑)
<img src="https://pic4.zhimg.com/977e2c068a8a4f7687ea5920c1683dfb_b.png" data-rawwidth="1469" data-rawheight="741" class="origin_image zh-lightbox-thumb" width="1469" data-original="https://pic4.zhimg.com/977e2c068a8a4f7687ea5920c1683dfb_r.png">

下图是对某个App的下载量跟踪,帮着基金做尽职调查。
<img src="https://pic4.zhimg.com/413b9d83cc0ec56319adffb69e9c78b3_b.png" data-rawwidth="600" data-rawheight="525" class="origin_image zh-lightbox-thumb" width="600" data-original="https://pic4.zhimg.com/413b9d83cc0ec56319adffb69e9c78b3_r.png">

案例2:在混沌的市场分歧中,找到证据尽快选对方向
在二级市场中,对一个公司的判断分歧越大,堵对方向而且敢于下注的一方,就会收获最大的利润。
在搜房从广告平台转型到交易平台后,市场意见出现严重分化。在公司财报发布之前,我们利用爬虫获取搜房在各个城市的经纪人数量及单产搞清楚并按时监督。发现搜房经纪人的产出远低于行业内的标杆公司——链家,而且完全没有出现快速爬坡追赶到行业平均水平的趋势。
http://xueqiu.com/3917381252/45640644
<img src="https://pic1.zhimg.com/c5dff9a3d88aa668a7ba38bcf25c3d6c_b.png" data-rawwidth="480" data-rawheight="302" class="origin_image zh-lightbox-thumb" width="480" data-original="https://pic1.zhimg.com/c5dff9a3d88aa668a7ba38bcf25c3d6c_r.png">

<img src="https://pic3.zhimg.com/c727090967de1de3861c00515138477a_b.png" data-rawwidth="480" data-rawheight="302" class="origin_image zh-lightbox-thumb" width="480" data-original="https://pic3.zhimg.com/c727090967de1de3861c00515138477a_r.png">

案例3:根据产品走势,确定公司及股价走势
越来越多的互联网公司甚至是传统行业的公司,变为产品导向性,一两款产品的走势就能决定公司的整体趋势乃至股价的走势,比如:苹果、长城等等。
我们抓取社交网络上关于哈弗H6及其他国产SUV的评论和用户购买信息,观察其重点产品上市的走势。同时根据用户的购买及关注行为,做出品牌忠诚度的交叉图,可以详细观察各个竞争品牌之间的替代和转换关系。
<img src="https://pic3.zhimg.com/cc116836c66e95860cb289fba16738a6_b.png" data-rawwidth="1047" data-rawheight="403" class="origin_image zh-lightbox-thumb" width="1047" data-original="https://pic3.zhimg.com/cc116836c66e95860cb289fba16738a6_r.png">

<img src="https://pic3.zhimg.com/518b774dde902acca7c3ccb0e976c082_b.png" data-rawwidth="1167" data-rawheight="473" class="origin_image zh-lightbox-thumb" width="1167" data-original="https://pic3.zhimg.com/518b774dde902acca7c3ccb0e976c082_r.png">

(还没实现的,下一步准备做)
苹果的价格很大程度上依赖于新发布的iPhone及iPad,然而这些产品的销量公布总是滞后或者大家是同步获得的。如果我们监测58上二手iPhone手机的价格(【二手手机价格),根据二手iPhone对于新品的折扣率,就可以基本得到新款iPhone的销量情况。基本上,销量与折扣率完全正相关。
 
案例4:一些更加高大上的案例,大数据及人工智能技术的完美结合
(以下案例为道听途说,不能完全保证其准确性,不过这些案例大部分都能实现)
MIT某实验室将声音采集设备放到交易所大厅,通过采集交易员的吼叫声然后做情绪分析,判断当前交易所众交易员的情绪,然后预测股市未来一段时间的走势。
有海外对冲基金动用卫星拍摄照片,根据建筑物的阴影长度,来跟踪某国各地的建筑情况,以此作为该国宏观经济的运行情况。

你的回答