在四川，大數據已經滲透到各行各業。除發展較早的政務大數據、交通大數據外，在健康醫療、金融領域，大數據的應用也初見成效。

近日，紅星資本局實地探訪西南財經大學金融科技國際聯合實驗室(FIC)，就數字經濟如何賦能金融行業，專訪西南財經大學教授、金融科技國際聯合實驗室副主任李慶。

西南財經金融科技國際聯合實驗室（FIC）

傳統的金融學研究范式

正發生巨大改變

目前，我國大數據產業規模已達千億級，并且還在保持高速增長。相關數據顯示，2020年中國大數據產業規模達到6388億元，預計未來三年保持15%以上的年均增速，到2023年產業規模超過10000億元。

值得一提的是，大數據在金融領域的應用空間巨大，2020年市場規模已超600億。

“作為大數據行業的細分領域之一，相對于其他大數據領域而言，關于金融大數據的智能算法與應用創新研究相對薄弱。然而，大數據在金融行業的應用正在對傳統金融業態造成沖擊，甚至帶來顛覆性改變。”李慶說。

2019年4月，西南財經大學金融科技國際聯合實驗室（FIC）正式啟用。數字貨幣與數字經濟一直是FIC的重點研究方向。在項目方面，實驗室也取得不少成果。2019年，實驗室聯合央行、第三方支付公司推出了系列研究成果，還參與了央行金融數據安全分級標準制定，成為全國唯一參與標準起草的學術機構。

金融科技國際聯合實驗室副主任、金融智能與金融工程四川省重點實驗室主任李慶，在數字經濟和金融科技領域研究頗深。李慶提到，由于大數據技術的進步，傳統的金融學研究范式正在發生巨大改變，機器學習模型正逐漸成為金融研究領域一個重要的方法學分支。同時，由于金融數據的獨有特性，誕生了一系列創新性的智能算法，促進了大數據技術的發展。

李慶稱：“以證券市場的資產定價模型為例，美國的Fama教授因為提出了基于線性回歸的四因素模型而獲得諾貝爾經濟學獎。隨著人工智能的發展，無論是學界還是業界，都意識到僅僅依靠簡單的線性回歸模型，無法精準地捕捉市場的走勢。因此，在數據股票預測中，基于大數據的機器學習算法已經成為了主流。”

李慶提到，由于證券市場金融數據的獨特性，從其他大數據領域借鑒來的傳統大數據分析算法會“水土不服”。這些主流的算法，主要依據一家公司的歷史交易和基本面數據來判斷公司的未來發展趨勢，但實際上，在證券市場之中，公司與公司之間存在相互的關聯性，譬如有些公司之間有供應鏈的關系，有些則是競爭關系，有一些是持股關系，那么其中一家公司出了問題，必然會影響到另外一家的市場表現。

分析個股相關聯公司情況

也就是說“拿來主義”的傳統大數據模型行不通了，需要依據金融大數據的特性，設計新的智能計算模型。紅星資本局獲悉，西財金融科技國際聯合實驗室做了探索性嘗試，一些前期成果已經發布在國際人工智能與大數據領域的頂級會議上。

在這樣的背景下，金融學科的培養體系也逐漸發生著變化。“以前文科生不用學編程，現在金融學專業的學生主要學習內容有三大模塊，包括財經模塊、數學模塊、計算機模塊，金融學的學生不僅需要學習經典財經課程內容，同時我們還要教他們用Python進行程序編程，大數據分析和先進的機器學習算法。”李慶感慨，這樣的嘗試也得到了認可，在2021中國軟科學學科排名中，西南財經大學的金融科技專業被評為全國僅有的2個A+專業。

股票洞察、風險分析

金融大數據應用在多個領域

有公開資料顯示，金融數據是大數據商業應用最早的數據源，早在1996年就用來對抵押貸款用戶進行統計分析，幫助銀行找到可能提前還款或未來不會還款的客戶。

李慶說，近年來，金融大數據帶來了重大的技術創新，為行業提供了便捷、個性化和安全的解決方案。目前，金融大數據產業有兩個重要發展分支，一是中小微貸款對外發放，用大數據判斷個人和企業是否存在風險；第二個應用就是證券市場的風險波動監控，通俗來講就是“量化投資”。

具體來看，不同于傳統的風控模式，大數據風控通過對數據的整合、加工、清洗、轉換等，形成數據量化的風控模型并不斷優化，形成數字決策的金融大腦。

“傳統的銀行審批貸款，主要看個人資產負債表等，根據借貸關系等情況，再決定是否給對方貸款，這使得金融業在幾百年的發展中，逐漸變得‘嫌貧愛富’，傾向于服務有良好資產抵押的客戶。”

但現在有了大數據，銀行獲客能力變強，另外審批關注的信用維度會更加全面，可以依據用戶的行為進行貸款，讓信用變成了財富，讓金融體系可以更加關注小微企業，服務實體經濟的發展。

此外，大數據還可以在運用于證券市場的風險波動監控上，通俗來說，也就是量化投資。

在金融科技國際聯合實驗室里，李慶介紹，實驗室和同花順（300033.SZ）合作研發的一款證券市場風險監控軟件。在這個軟件平臺上面，能通過一家公司的情況，查看相關聯的所有公司情況，包括一家公司出現了風險，看到其中有哪些可能相關聯和受影響的公司，這些數據都能瞬間在一張圖表上顯示出來。

“在這樣的情況下，我們會發現，金融行業傳統的從業人員人數在減少，但在金融大數據、金融科技金融風險領域的從業人數在急劇增加，而且各大銀行現在都成立了自己的金融科技公司，所以說你就會感覺到這種變化其實非常大。這也包括了西南財大在國內率先成立金融科技專業，現在金融大數據已經變成了我們一個比較重要的主攻方向。”李慶說到。

大數據時代下

金融行業監管面臨挑戰

除了上述兩個案例外，李慶還提出，未來在金融大數據產業這一塊，還有一個用途是用計算機模擬整個經濟系統，目前他們也在做這方面的探索。

“如同計算機模擬核爆，研究者正嘗試借助大數據和計算機強大算力，模擬構建一個復雜的經濟運行體系，去研究一系列外部沖擊或金融創新對經濟系統的影響。”

“以前我們用計算機做經濟系統模擬實驗，數據不是真實的，可能是根據某種金融公式推算出來的。但是，現在我們正在提出一個虛擬現實仿真的經濟研究思路，通過將真實的線下經濟運行數據，與線上仿真數據相融合，構建一個新的平行經濟運行系統，來量化分析各種經濟異動。”李慶解釋，這有點“元宇宙”的概念。

對于各個行業而言，大數據既是發展機會，也是挑戰，金融行業也不例外。

李慶提到，如今，信息技術發展迅猛、互聯網傳播的深度和廣度日益加強，這對目前的金融監管產生了巨大的壓力。

“以往一個新的金融業態產生，從其發展到產生破壞性影響，需要一個漫長的發酵期，監管者可以獲得足夠的時間進行預判和介入。現在金融科技的發展，一個新業態由于監管不到位，其產生破壞的時間越來越短，由于互聯網的傳播性，其破壞的范圍也越來越廣， P2P平臺就是一個很好的例子。”

對此，李慶建議“解鈴還須系鈴人”，金融科技的迅猛發展帶來了金融行業監管的巨大壓力，監管者也需要依靠科技技術來提高監管力度和增加快速響應能力，基于虛擬現實的復雜經濟系統分析，對未知和新興事物進行前瞻性的探索和預警不失為有益探索。同時，完善金融數據相關監管立法，提升金融數據監管水平，建立規范化的數據開放共享機制，以此構建金融數據法治化監管體系，促進金融數據行業的健康可持續發展。