《金融科技应用基础》课件-第二章 大数据技术在金融中的应用

《金融科技应用基础》

大数据技术在金融中的应用第二章目录CONTENTS大 数 据 概 述大数据技术在金融中的应用场景与价值创新大数据的理论架构与技术原理大数据在金融中应用的商业模式与未来展望Part1大 数 据 概 述一、大数据的概念与内涵数据信息知识（一）数据的概念数据（data）是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。信息是被组织起来的数据，是为了特定目的对数据进行处理和建立内在关联。知识，作为信息的升华与结晶，源自于信息间千丝万缕的联系，凝炼成具有普遍指导意义的规律与方法论。想一想：举例说明我们生活中哪些属于数据的范畴，哪些属于数据信息的范畴，哪些属于知识的范畴？一、大数据的概念与内涵（一）数据的概念（二）大数据的概念1.百度百科对大数据的定义大数据（bigdata，megadata）或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。2.互联网周刊对大数据的定义大数据的概念远不止大量的数据和处理大量数据的技术，通过对海量数据进行分析，从而获得有巨大价值的产品和服务，或深刻的洞见。3.专业研究机构对大数据的定义大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长和多样化的信息资产。一、大数据的概念与内涵（一）数据的概念（三）大数据的内涵EXAMPLETEXTGoaheadandreplaceitwithyourowntext.对象角度TextTextEXAMPLETEXTGoaheadandreplaceitwithyourowntext.技术角度TextTextEXAMPLETEXTGoaheadandreplaceitwithyourowntext.应用角度TextText二、大数据的特征三、大数据发展历程大数据1.0时代以MapReduce计算框架为代表，大数据技术广泛应用于大规模结构化数据的批处理。大数据2.0时代从2009年Spark诞生到2015年Spark在这场战争中逐步胜出，以Spark为主流的计算引擎已经广泛地替代了MapReduce。大数据2.0时代人们将此前在非结构化数据表现出众的深度学习技术与大数据技术相结合。四、大数据给金融行业带来的变革营销上的变革风险管理方面的变革管理上的变革在产品创新方面的变革Part2大数据的理论架构与技术原理一、大数据基础（一）数据的概念（一）数据与统计学统计基础从行为目的与思维方式看，统计方法可以分为两大类：描述统计和推断统计。大数据时代下的统计学样本数据与大数据。大数据更有利于探索相关关系。大数据是一种开放性的思维模式。大数据不再追求精确性。一、大数据基础（二）数据可视化数据可视化概念主要指的是技术上较为高级的方法，而这些技术方法允许利用图形、图像处理、计算机视觉对数据加以可视化解释。科学可视化信息可视化数据可视化与大数据二、大数据关键技术二、大数据关键技术大数据采集大数据智能感知层基础支撑层1大数据预处理抽取

清洗2大数据存储及管理

开发新型数据库技术。开发大数据安全技术。3大数据呈现与应用标签云关系图5大数据分析及挖掘大数据分析技术数据挖掘4Part3大数据技术在金融中的应用场景与价值创新一、大数据风控（一）数据的概念（一）“大数据+银行风控”传统银行风控（1）风控成本过高（2）客户体验差。（3）银行服务客户面窄。（4）银行贷款相对集中大数据银行风控（1）集约化管理。（2）全过程风控。（3）标准化与差异化相结合。（4）输入信息多样化。一、大数据风控（二）大数据风控的价值创新价值创新TEXTTEXTTEXTTEXTTEXTTEXTTEXT信用评价更加精准风控贯穿信贷全程有效防范信贷欺诈有效缓解小微金融供给不足优化客户信贷体验二、“大数据+量化投资”（一）数据的概念（一）大数据在证券行业中应用EXAMPLETEXTGoaheadandreplaceitwithyourowntext.股票分析TextTextEXAMPLETEXTGoaheadandreplaceitwithyourowntext.客户关系管理TextTextEXAMPLETEXTGoaheadandreplaceitwithyourowntext.投资情绪分析TextText（二）大数据与量化投资二、“大数据+量化投资”二、“大数据+量化投资”结构化数据在量化投资中，结构化数据应用主要集中于高频交易应用。高频交易（high-frequencytrading，HFT）是一种交易策略和技术，它是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易。非结构化数据广发基金联合百度公司、中证指数公司开发百发100指数，南方基金则携手新浪财经、深证信息公司推出了i100指数和i300指数。量化投资应用二、“大数据+量化投资”（三）量化投资的价值创新EXAMPLETEXTGoaheadandreplaceitwithyourowntext.全面分析TextTextEXAMPLETEXTGoaheadandreplaceitwithyourowntext.快速交易TextTextEXAMPLETEXTGoaheadandreplaceitwithyourowntext.理性交易TextText三、 大数据+保险业务精准营销承保定价反欺诈大数据能够帮助保险公司收集海量且多样的客户数据，使保险公司能够基于大数据的分析结果找出不同客户的潜在保险需求，进而将不同的保险产品恰当地推荐给有该产品潜在需求的特定客户。添加标题大数据技术将帮助保险公司获取到丰富的风特征描述，进而助其在承保定价方面实现革命性的创新。添加标题在利用大数据分析对欺诈风险进行监测的基础上，保险公司的理赔运营效率和客户体验能够得到有效提升。添加标题（一）大数据在保险行业中的应用场景三、 大数据+保险业务（三）量化投资的价值创新TextTextTextText建立信息共享机制量化分析关联信息建立科学的承保和理赔规程四、 “大数据+征信”（一）“大数据+征信”业务大数据征信的优势TEXTTEXTTEXTTEXTTEXTTEXTTEXT获取广谱数据源，多方渗透横向时间展开，实现数据实时性多元变量，量化全面而精确人性化思路，适用多场景依托互联网，覆盖范围大四、 “大数据+征信”（二）“大数据+征信”的价值创新个人信贷业务小微企业信用贷款Part4大数据在金融中应用的商业模式与未来展望一、 大数据金融的商业模式（一）金融集团模式金融集团与大数据金融了解客户更为全面的金融财务数据，为金融集团提供个性化金融服务、实时营销、交叉营销、大数据风控等提供了便利。金融机构跨界零售业务基于传统金融机构在消费金融上的弱势，受限于信用数据的不足，大型商业银行往往较少为小微企业、个人用户提供信用贷款等金融服务。为解决个人和小微企业信用数据不足的问题，大型商业银行采取的举措之一就是建立电子商务平台。一、 大数据金融的商业模式（二）供应链金融模式供应链服务提供商发展模式行业核心公司发展模式一、 大数据金融的商业模式（三）平台金融模式平台金融化阿里小贷金融平台化华夏银行二、 大数据金融的未来展望金融平台化大数据金融与区块链金融融合金融与实体经济深度融合123Part5项目实训——小微企业信贷风控案例背景

普惠银行是一家服务于小微企业的数字银行，推出了线上产品“普惠贷”，缓解小微企业广泛面临的“融资难、融资贵”问题。近年来，该行也积极响应全面推进乡村振兴的号召，加强县域地区和“三农”领域的“普惠贷”投放力度，为更多农村居民提供更多信贷便利，使其快速获得融资。普惠贷需由小微企业法定代表人亲自申请，年龄大于等于18周岁，且企业经营满2年，信用记录良好者，最高可贷500万元，最长可贷24期。

企业向普惠银行申请“普惠贷”后，运用大数据技术收集客户多维度数据信息，并运用准入规则、反欺诈规则、信用评分模型等可以批量识别企业的违约风险，对企业信用状况进行批量审核，通过或拒绝企业贷款申请，提高审批的效率，