互聯網金融的概念和創新模式

　　本篇高級經濟師論文分析互聯網金融的概念和創新模式 ，傳統金融需要積極推進信息化金融，利用互聯網技術對傳統運營流程進行改造或重構，實現經營、管理全面電子化。此外，隨著業務的發展，傳統金融機構積累了大量的用戶個人信息、財務信息、信用信息、轉賬消費信息等，其應該充分利用這些資源，利用互聯網思維改造服務，利用大數據分析技術積極進行產品和服務上的創新，積極拓展行業鏈的上下游，進行優勢資源和渠道的整合，在新的競爭環境下鞏固傳統優勢，努力建立新的業務和利潤增長點。

　　《新金融》期刊是由交通銀行主辦、面向國內外公開發行的經濟、金融類刊物，也是國內第一份由股份制商業銀行主辦的學術性月刊。《新金融》創刊18年來，受到了金融界人士和廣大讀者的青睞，在金融界、經濟理論界及企業界享有很高的聲譽，受到業內人士和眾多媒體的熱切關注。《新金融》期刊主要讀者對象包括：中央和地方政府有關部門;中央銀行、商業銀行、保險公司、證券公司、基金托管公司、信托公司和資產管理公司等金融機構;以及各大專院校、社會團體、跨國公司、各圖書館和有關研究機構等。

　　摘要：隨著以大數據、云計算和數據挖掘技術為代表的互聯網技術飛速發展，互聯網金融以迅雷不及掩耳之勢向金融市場襲來。本文分析了互聯網金融的概念和創新模式，總結了目前各種互聯網技術在傳統金融領域應用的現狀和前景，詳細分析了不同互聯網技術在互聯網金融背景下的創新應用案例和場景，給出了我國金融系統的發展展望和建議。

　　關鍵詞：互聯網金融;云計算;大數據;數據挖掘;技術;創新;監管

　　一、互聯網金融的概念和創新模式

　　隨著信息技術的不斷發展，近年來我國互聯網金融迅速發展，對整個金融生態產生了全方位的影響。互聯網金融一般是指以大數據、云計算、社交網絡和搜索引擎為代表的互聯網信息技術與金融行業深度融合所形成的金融新業態、新模式，具有融資、支付和交易中介等金融功能。

　　互聯網金融模式上的創新主要集中在五個方面：支付方式、銷售渠道、投融資方式、信息化金融和金融組織架構。支付方式的創新主要體現在第三方支付技術的興起，典型例子有支付寶和財富通等。銷售渠道方面的創新代表是互聯網金融門戶，具體是指利用互聯網對金融產品進行銷售或者為金融產品銷售提供第三方服務的平臺，典型的例子包括91金融超市、余額寶、百度理財平臺等。資金供需方式的創新主要在P2P、眾籌和大數據金融三個方面。P2P是一種新興人對人的直接小額借貸模式，典型的有拍拍貸和人人貸等，眾籌是指通過互聯網發布籌款項目并募集資金的方式，典型的例子有點名時間和追夢網等;大數據金融是指金融機構利用互聯網上的海量數據，通過分析和挖掘客戶的交易和消費信息建模客戶的消費習慣，進行營銷、小額信貸和風控方面的服務，具體例子有阿里小貸和京東供應鏈貸款等。信息化金融是指傳統金融企業利用信息技術對于其業務流程的改造，使得企業電子化、信息化和互聯網化，典型的例子是各大行的網上銀行。金融組織架構上的創新就是一些有資質的互聯網企業通過申請相關牌照或者收購中小金融機構而進軍金融行業的模式創新，典型的有網商銀行和蘇寧在線等。

　　本文集中探討大數據、云計算和數據挖掘這三種技術對于整個金融生態系統的改造，以及創造出的新金融服務業態。

　　二、互聯網金融核心支撐技術

　　金融領域涉及銀行、證券、保險及其他相關內容，包括銀行信貸、信用評分、市場分析、投資組合、保險定價、智能定損、金融欺詐等。傳統的基于統計模型的分析方法只能處理少量的數據，而且對于分析的數據集也有一些較強的假設，比如要求數據滿足一定的概率分布，或者要求關系為線性。隨著銀行、證券和保險等金融業務信息化程度的不斷增加，數據量不斷擴大，數據類型不斷增多，傳統的分析方法已經不能使用。在互聯網金融場景下，以云計算、數據挖掘和大數據技術為代表的互聯網技術由于不苛求嚴格數據假設，為銀行、證券、保險及其其他相關業務創新，以及刻畫金融市場規律的趨勢帶來了新的工具和分析手段。

　　1、云計算技術

　　隨著云計算的不斷發展，它的商業價值被迅速認可，同時人們對互聯網的依賴也越來越強，就是在這樣的背景下互聯網金融得到了快速發展。互聯網金融依托于支付、云計算、社交網絡以及互聯網引擎搜索等一系列互聯網工具，形成資金融通、支付和信息中介等新興業務形式。互聯網金融引起一種全新的融資模式，使得各種中介機構和銀行、券商、交易所的作用減弱，大部分的資金融通可直接在網上實現。云計算的主要概念是“一切皆服務”，是服務的集合，其技術框架有 IaaS(基礎設施即服務)、PaaS(平臺即服務)、SaaS(軟件即服務)三種形式。云計算技術在金融中的一般架構如圖1所示。

　　云計算技術對于金融行業來說，更多的是對金融機構IT基礎架構上以及對于金融機構提供金融服務方式上面的革新。云計算技術由于“資源共享”的特性可以降低金融企業的運營硬件成本。另外，云計算的“動態響應”特性，保證了業務的靈活性。云計算技術可以幫助金融企業實現業務創新(如圖2所示)。云計算具有靈活、開放和易于整合等特點，特別適合金融企業實現上下游產業整合以及與縱向戰略合作，為金融企業鞏固市場地位和開拓新市場提供方式和手段。例如，銀行的傳統借貸模式可以經過云計算技術的改造，加入更多的外部數據比如電子商務平臺信用評價系統、中小企業財務系統和工商稅務系統，從而降低銀行向中小企業貸款的風險，降低平臺向中小企業提供貸款的成本。

　　2、數據挖掘技術

　　數據挖掘一般是指從大量的數據中提取人們感興趣的、事先不知道的、隱含在數據中的有用的信息和知識的過程，并且把這些知識用概念、規則、規律和模式等方式展示給用戶，從而解決信息時代的“數據過量，知識不足”的矛盾。金融數據挖掘的一般過程如圖3所示。

　　在金融市場中，數據挖掘技術的用處極廣。在銀行業務方面，數據挖掘技術可以從用戶的銀行賬戶信息中進行挖掘，對用戶進行信用評級，進行貸款審批;可以對銀行不同的客戶進行細分，提供差異化的服務;也可以對信貸風險進行評估，降低壞賬率，提高銀行利潤。

　　在證券業務方面，數據挖掘技術可以對復雜的數據建模，利用股票的歷史數據通過技術分析預測股票未來價格走勢;利用歷史收益—風險進行建模，考慮預期的不確定性，針對不同客戶的情況構建最優的投資組合，控制風險，提高收益;利用挖掘技術構建自動交易系統，用以避免在做投資決策時候受到投資者情緒的干擾，從而造成更大的損失。

　　在保險領域，數據挖掘算法也有廣泛的應用前景。利用數據挖掘算法，可以分析并界定保險欺詐或者企業破產的行為特征，針對于異常情況進行實時的預警和監測，這個對于保險業的發展具有至關重要的作用。

　　數據挖掘的算法主要包括參數統計方法、非參數統計方法、神經網絡和支持向量機。其在金融機構中的適用情況如表1所示。

　　參數統計和非參數統計屬于傳統的統計學方法，兩者的差別在于對于樣本總體的分部是否已知。參數統計是假定總體分布類型已知，對一些未知參數比如比較均值、方差等參數進行推斷。但是金融數據并不能很好地滿足這個假設，所以算法適用性較差。非參數統計對總體假定較少，結果穩定性較好，有更廣泛的適用性。

　　人工神經網絡，也簡稱神經網絡，是20世紀80年代以來人工智能領域興起的研究熱點。它是一種模仿生物的神經元和神經結構行為進行信息處理的數據模型，使得機器可以像人腦一樣的學習和判斷。神經網絡是一種自學習模型，并不需要對于數據樣本做出假定，適用性廣，可以用于分類、聚類和預測等，目前已經廣泛應用于金融市場建模中。

　　支持向量機是一種于上世紀90年代中期發展起來的基于統計學的機器學習算法。通俗來說，它是一個二類分類模型，利用特征空間上的間隔最大的線性分類器。它的優勢主要在解決非線性、小樣本以及高維模式識別上。它優于神經網絡是在于它可以避免神經網絡中可能得到局部最小化解的問題。另外，它有著嚴謹的理論基礎和數學證明，不像神經網絡的有效性主要基于參數的調優，而這個過程很大程度上取決于經驗。當然，支持向量機也有局限性，它無法處理大規模樣本，也不能直接處理多分類問題。

　　3、大數據技術

　　大數據具有數據量大、種類繁多、價值密度低和處理速度快等特點。金融業是大數據的重要產生者，其數據來源廣泛，包括各種股票、期貨、衍生品、債券等在內的金融報價、交易數據，各類公司的業績報告以及研究報告，官方對于宏觀經濟數據的調查統計，金融媒體的新聞報道，這些渠道每天產生海量的TB或者PB級別的數據。

　　傳統分析方法以及數據挖掘技術在如此大量的數據面前束手無策，大數據分析處理技術的出現填補了這一空白。最早得到廣泛應用的為Hadoop，它是一個實現了MapReduce分布式處理算法的、離線的、基于磁盤的大數據批處理平臺。隨著技術的發展，陸續出現了基于內存的大數據處理模型Spark和基于流式計算的計算模型Storm。 Spark改進了Hadoop基于磁盤的數據處理模式，將大數據的處理速度提高了數十倍，提供了近實時的處理延遲。Storm是針對實時的流式處理場景，它把數據建模一個不斷流動的“流”，是一種實時的處理模型。這三個系統目前是主流的大數據處理平臺，在不同的應用場景下相互補充，形成了一套完整的大數據技術體系。金融大數據分析的一般架構如圖4所示。大數據的出現促進了包括高頻交易、市場情緒分析、智能營銷、信貸風險分析、實時風險管理和個人征信等的金融創新，適用情況如表2所示。

　　高頻交易是指交易者利用軟件或者硬件的優勢，通過短時間內進行大量的交易進行獲利的一種方式。現在主流方式是通過分析金融大數據，建立一些市場變動的模型，識別出特定市場的模式，然后根據模式進行交易的過程。

　　市場情緒分析是指從社交媒體中的數據中提取市場情緒，并開發基于情緒的交易算法。在出現積極的市場情緒的時候進行買入操作，而在出現意外情況或者其他消極市場情緒的時候拋出訂單。

　　智能營銷是指通過綜合用戶各方面的信息，包括歷史數據、瀏覽數據、交易數據、社交數據、行為數據等識別客戶的行為模式，分析用戶需求和興趣，并根據結果進行特定的產品推薦、客戶體驗優化或者客戶挽留等精準營銷。

　　基于大數據的信貸風險分析是一種多維度分析中小微企業信貸風險的分析方法。通常做法是收集公司大量日常交易、運營活動、財務狀態等數據用以分析一個企業真實的運轉情況，從而準確評估信貸風險。

　　實時風險管理是指通過大數據技術，金融機構通過各種維度、不同的數據渠道來實時監控用戶的風險變化，比如監控用戶財務變化、意外事件、市場氛圍、運營情況來獲得全面、立體、實時的風險評監測。

　　基于大數據的個人信用評估機構利用更多的數據維度，包括一個人的消費數據、教育數據、社交數據、職業數據等，對用戶進行信用評估，提高評估的準確性，提高機構利潤。

　　三、互聯網金融的展望和建議

　　互聯網企業將掀起金融機構的“鯰魚效應”。所謂鯰魚效應指的是引入外部競爭者，往往會激發組織內部的活力。對于傳統金融行業來說，沒有足夠創新和提高服務的動力。這個時候互聯網公司就像進入的鯰魚，為沒有活力的池塘注入新鮮的動力。這個時候，傳統金融機構會奮起反抗，通過提高自己的業務水平和創新能力與野心勃勃的闖入者進行競爭。可以看到，未來的互聯金融行業的競爭會更加激烈，也會給消費者帶來更多的實惠。為了互聯網金融的良性發展，筆者提出以下建議。

　　1、金融監管部門需要鼓勵互聯網金融創新，同時建立有效的互聯網金融監管體系

　　創新意味著活力和發展，政府需要鼓勵和引導互聯網金融朝著健康、合理的方向有序的發展：一是加大對互聯網金融新產品的研究，加大技術研發投入，培養金融和互聯網技術復合型人才，以適應新市場下的監管需求。二是加強對互聯網金融等新興金融產品的監管，需要明確牽頭部門，建立統一安全標準、數據標準、傳輸標準，對互聯網金融產品實現備案登記制度，合理控制互聯網金融風險，特別是P2P等風險比較大的新興模式。三是加強金融消費者權益保護，監管部門需要建立針對互聯網金融新業態下的消費者權益保護規定，明確互聯網金融業務服務中的消息披露、風險承擔以及消費者信息保護(特別是隱私保護)的具體規定。四是監管部門應盡快建立全國統一的征信機制和平臺，政府可以牽頭整合傳統金融機構(比如銀行)的用戶信用信息、政府本身的工商信用數據庫和納稅數據和主流互聯網金融平臺上的信用信息，建立一個覆蓋多方面的全國性征信系統，消除信息不對稱性，保護消費者。

　　2、互聯網企業應該加強金融法律法規學習和宣傳，加強法律意識

　　互聯網的生存之道在于 “創新”與“顛覆”，這在其與很多傳統行業結合中得到充分體現。但是金融行業與其他普通行業有所不同，金融市場的穩定有序直接關系到社會穩定和經濟發展，所以必然需要受到更多的限制。互聯網企業自身需要意識到這一點，改變以往“自由”的習慣，在金融創新產品金融研發、宣傳的過程中，遵守相關法律法規，避免出現一些打擦邊球、走灰色地帶等有潛在危險的行為。

　　3、傳統金融企業應積極順應互聯網潮流，構建新競爭勢態下的新優勢

轉載請注明來自發表學術論文網：http://www.zpfmc.com/jjlw/7920.html