金融科技發展對金融統計的影響分析

張錦清

摘 要：2011年以來，以大數據、云計算、區塊鏈、人工智能等新興核心技術為代表的金融科技對金融行業進行深度的改造，改變了金融行業傳統的金融信息采集、風險定價模型、投資決策過程和信用中介角色，不斷推動金融行業創新發展。本文從數據采集、數據處理以及數據分析三個方面探討金融科技發展對金融統計的影響，揭示金融創新背景下傳統金融統計工作存在的不足，并提出針對性的提升措施。

關鍵詞：金融科技;金融統計;大數據;數據分析

中圖分類號：F832 文獻標識碼：A 文章編號：1671-2064（2019）22-0209-02

1 金融科技的發展現狀

1.1 金融科技的定義

金融科技顧名思義就是金融和科技的有機結合物，核心技術包括：以大數據、人工智能、云計算、區塊鏈以及移動互聯等。根據FSB（Financial Stability，金融穩定理事會）的定義，金融科技是指技術帶來的金融創新，它能創造新的業務模式、應用、流程和產品，從而對金融市場、金融機構或金融服務的提供方式造成重大影響。金融科技實質上是傳統金融行業發展到一定程度，在行業標準化數據積累規?？捎^的背景下，信息化、網絡化、數字化、智能化發展的過程，是運用科技對傳統金融行業的產品和服務進行供給側改革的必然趨勢，最終的結果是提升資金融通的效率。金融科技對傳統金融業務進行改造，涉及的領域包括借貸、財富管理、支付清算、保險、眾籌、征信和零售銀行等。同時，金融科技也對金融行業的營銷管理、合規風控、統計核算等中后臺環節影響重大。

1.2 金融科技的發展過程

金融科技的發展歷程大概可以分為三個不同階段。第一個階段是電子化階段（1980-1989），本質上是金融機構主動將IT技術運用到行業中，包括在金融機構內部設置IT部門，招聘IT技術人才，在交易、結算、辦公等環節大規模引入IT系統，比如清算系統、信貸流程系統、AMT、POS機具等，結果是通過IT技術實現電子化作業，提高金融機構辦公、業務流程的效率。第二個階段是移動互聯化階段（1990-2010），主要是移動互聯網在金融領域的全面應用，通過搭建互聯網在線業務平臺，連接各類終端用戶，獲取線上更為廣闊的客戶源。移動互聯網主要改變金融機構的業務渠道，將原來線下的傳統業務搬到線上，實現業務流程再造。這一階段的金融產品和服務包括：移動支付、互聯網銀行、線上金融超市、P2P借貸等。第三個階段是人工智能化階段（2011至今），大數據、云計算、區塊鏈、人工智能等新興核心技術改變傳統的金融信息采集來源、風險定價模型、投資決策過程、信用中介角色，解決傳統金融發展痛點。金融機構更加主動地參與到科技創新和技術引進過程中，金融管理理念朝著智能化、創新化方向發展。代表性應用如大數據征信、智能投顧、供應鏈金融等。

1.3 我國金融科技的發展現狀

我國金融科技的發展起步較晚，直到2017年5月，央行成立金融科技委員會，金融科技的概念才被正式明確。金融科技委員會的主要任務是負責開展金融科技應用試點、制定具有前瞻性的金融科技標準，加強監管科技的應用實踐，提升跨行業、跨市場交叉性金融風險的甄別。2019年8月22日，人民銀行出臺《金融科技發展規劃（2019-2021年）》，提出到2021年建立健全我國金融科技發展的“四梁八柱”，增強人民群眾對數字化、網絡化、智能化金融產品和服務的滿意度，為金融科技的長期健康發展奠定基礎。

2019年以來，我國金融業有關金融科技布局明顯提速，一是金融機構不斷將金融科技納入戰略發展規劃中，增強科技實力。大中型商業銀行注重內部科技力量的孵化轉型，研發投入、體制機制改革、人才儲備持續加碼，以股份制銀行為代表的大型商業銀行則設立科技子公司進行獨立研發，將科技輸出作為未來業務增長點。比如興業銀行一直以“科技興行”為戰略，并于2015年成立興業數字金融服務（上海）股份有限公司，是國內行業最早設立的金融科技子公司，此后同業機構陸續設立金融科技公司。截至目前，銀行系金融科技子公司已達10多家，大多為銀行的全資子公司。二是科技與業務深度融合，智能投顧、消費信貸、普惠金融領域場景化、平臺化建設初顯成效，大數據獲客及營銷能力持續提高。三是知識圖譜、機器學習、人工智能技術在金融機構風險管理、合規控制以及發欺詐等領域起到越來越重要的作用。

2 金融科技對金融統計的影響

2.1 傳統金融統計及其存在的問題

金融統計是指面向金融領域的統計工作活動。國際貨幣基金組織2000年頒布《貨幣與金融統計手冊》，并將金融統計定義為對全社會貨幣資金融通活動的統計。在金融科技不斷發展，深入滲透金融機構每個業務環節的背景下，傳統金融統計顯得越來越不能適應金融創新的發展，局限性越來越明顯。隨著知識圖譜、機器學習、人工智能等金融科技的運用，線上貸款、精準營銷、風險畫像、智能反欺詐等產品和服務在金融機構得到廣泛的使用。傳統金融統計受限于數據采集能力、數據儲存處理方式、數據分析模式等局限，無法有效采集、處理上述新興業務數據，難以全面、深入反映金融業務的創新活動，進行深度數據挖掘，并提供針對性業務發展建議來促進業務穩定、高效發展。

2.2 金融科技對金融統計的影響

2.2.1 對數據采集的影響

傳統金融統計工作進行數據采集的特征包括抽樣采集、人工、碎片化。主要是基于“小數據”的抽樣方式，通過盡可能少的樣本數據來反映全體樣本特征，統計研究的方向則是不斷改進抽樣的方法，以提高抽樣的準確性和代表性。通過人工和抽樣采集的數據以結構化數據為主，碎片化儲存在不同的條線、部門和機構中，各個維度的數據缺乏統一規劃，難以融合到一起進行反映金融活動的全部面貌。當前金融創新活動高度依賴網絡日志、音頻、圖片、視頻、網購數據、地理空間位置等半結構化和非結構化數據，傳統金融統計難以高效、準確、全面采集這些數據，而以大數據、知識圖譜、機器學習、人工智能等代表的金融科技技術則改變過往數據采集模式，采集對象由樣本數據改變為所有相關數據，并大大增加半結構化和非結構化數據采集，一旦制定數據標準，建立好數據平臺，不同的條線、部門和機構采集的數據都能夠統一到平臺中，深度融合綜合利用，提高數據采集和運用的效率。

2.2.2 對數據處理的影響

傳統統計數據處理主要通過專業人員依據特定的方法對已經收集的數據進行存儲、統計、匯總和校驗，并存入數據庫中方便后期分析使用。但在目前金融創新活動中，金融新興業務對結構化數據的依賴越來越小，網絡日志、音頻、圖片、視頻、網購數據、地理空間位置等半結構化和非結構化數據的占比則是越來越大，龐大的數據量超過傳統數據規模的極限。金融科技通過云存儲和云計算技術能夠充分對數據進行處理，增強數據存儲、檢索的有效性，降低各類數據清洗難度，篩選、挖掘出有價值的數據，避免無用信息的干擾。

2.2.3 對數據分析的影響

首先，傳統金融統計分析方法依賴數據模型，主要是通過回歸分析、聚類分析、主成分與因子分析等來推斷變量之間的關系，更多體現為因果關系的分析，在金融領域主要體現為金融業務的均值、中位數、基本數據分布以及關聯關系。以機器學習、知識圖譜和人工智能為代表的大數據分析技術，完全不同于傳統金融統計分析方法，它不依賴數據模型，不需要設定特定條件前提，就能幫助金融機構發現原來在傳統金融統計分析方法下難以發現的業務規律，預測業務未來發展情況。比如基于大量保險欺詐數據“學習”，機器學習技術能夠發現哪些人存在欺詐行為;基于大量消費貸款數據“學習”，機器學習能夠幫助銀行機構拒絕不良貸款。

其次，傳統金融統計分析的結果往往體現為金融統計報表，而金融創新背景下，數據使用者對于數據挖掘和分析結果的要求不再局限于一張表，形式上要求能夠動態反映出市場變化、刻畫客戶畫像、跟蹤業務風險。以知識圖譜為代表的大數據分析技術高效滿足這種需求，比如通過知識圖譜技術深入搜集、挖掘信貸客戶風險信息，并形成客戶風險畫像;比如通過知識圖譜技術深入分析業務變化，提供業務部門精準營銷的突破口。

3 金融統計工作改進建議

3.1 積極擁抱金融科技

從金融行業發展歷史看，科技發展與金融發展如影相隨。尤其是2011年以來金融科技對金融行業的影響非常重大，金融科技發展趨勢明顯。在這種背景下，金融行業的中后臺管理必須深刻認識到金融科技的重要性，統一思想認識，加強金融科技理論知識學習，深入開展大數據、云計算、區塊鏈、人工智能、數據挖掘等各類前沿科學技術的學習。逐步完善傳統金融統計工作存在的問題和不足，提高金融統計工作的適應性和創新性，滿足金融創新發展的需求。

3.2 加強金融統計數據的標準化建設

由于大數據下的金融統計數據十分龐大，數據統計口徑較多且涉及到很多不同的行業，這給數據的搜集和統計分析帶來了一定的難度。因此為了提高金融統計的效率，必須制定標準化的數據統計規則，從而保證不同的金融行業和機構，能夠根據標準化的數據統計要求，進行數據的提交和分享。這樣的方式能夠有效消除信息壁壘，保證數據在不同行業的部門之間的共享和流轉。對于與其他部委、外部單位之間共享的數據，也要遵照一定的標準規范，使各方對數據的含義、標識、用途等有統一的理解。此外，除了數據的標準化規范以外，對于數據的挖掘、存儲、傳輸和分析，需要有一套標準化的制度來保證其數據的真實性、有效性和安全性。因此應制定相應的信息處理機制，對不同類型和不同重要程度的信息處理進行規定，保證統計數據的有效性。

3.3 創新金融統計工作模式

在金融科技的推動下，金融行業數據的深度和廣度呈數量級發展趨勢。傳統金融統計模式高度集中于金融統計部門，既難以多渠道多來源采集數據，也無法深度融合各類數據，新的金融創新活動要求金融統計不再是單一部門的工作，而是全公司、全行業、全社會的工作，金融統計部門的核心工作是統籌并創建統計的數據平臺，各類數據使用機構通過平臺處理、共享數據，挖掘數據價值。

參考文獻

[1] 吳曉光，王繼暉，謝喬.辯證看待金融大數據與金融統計[J].金融科技，2018（4）：33-36.

[2] 劉璐.大數據對金融統計的影響研究[J].金融經濟，2018（22）：131.

[3] 惠旭.大數據背景下金融統計未來的發展方向[J].金融天地，2019（10）：339.

[4] 王鵬懿.基于大數據背景下金融統計的發展趨勢[J].金融在線，2018（05）：74-75.