大数据时代的金融统计改革浅析

《大数据时代的金融统计改革浅析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大数据时代的金融统计改革浅析　　摘要：文章结合实际分析了大数据时代金融统计改革的相关问题，并提出改进意见和建议。　　关键词：大数据；金融统计　　中图分类号：F830文献标识码：A文章编号：1001-828X（2013）11-0-01　　一、引言　　何谓大数据？简而言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。“大数据”具有以下特点：第一，如果不依赖某些可视化软件的帮助，人类不可能理解如此大的数据量，用散点图寻找规律或异常情况的传统办法，在这里毫无作用；第二，数据可能高度互相关联。　　哈佛大学社会学教授加里金指出：“这是一场革命，庞大的数据资源使得各个

2、领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”在2013年全国统计工作会议上，国家统计局局长马建堂指出：“大数据时代”的来临，对统计数据的生产方式带来了很大的挑战。统计部门应利用海量数据并对其进行标准化处理，发掘这一数据宝库，认真把握好这一促进政府统计改革发展的难得机遇。　　作为数据密集型金融行业的监管部门，金融统计改革的重点是加强细粒度数据采集，建立全球协调一致的金融统计标准体系。本文旨在分析大数据对金融统计正在带来和将要带来的各种影响，分析大数据时代金融统计监管的特点及难点，同时对加强顶层设计，推动金融统计生产方式的变革和统计生产力水平的提升提

3、出相关意见建议。　　二、大数据时代金融统计的影响　　（一）大数据时代金融统计对数据准确性的影响。目前我国金融统计数据是各金融单位按人民银行“全科目”指标口径层层汇总上报至人民银行，每一层级的金融机构在指标汇总过程中可能会产生错误，最终影响人民银行统计数据的准确性。大数据化的采集方式减少了层层汇总的环节，有助于提高数据及时性、准确性，在长期统计信息建设过程中有助于降低金融机构的统计成本，消减对于金融统计数据的质疑。　　（二）大数据时代金融统计对宏观经济金融分析方式的影响。大数据时代分析数据并不是简单的数据汇总、对比或数据罗列，而是要按照科学方法挖掘数据，根据需要构建数据立方体进

4、行联机分析处理，可以进行多个维度的下钻或上卷操作，对这些原始的数据进行加工、整理和上升为重要的结论。决策者通过海量数据寻找因果联系，而不只是规律，最终指导行动、决策效率和决策质量。　　三、大数据金融统计监管工作的特点及难点　　（一）数据数量和质量的矛盾。数据量大不一定就代表信息量或者数据价值的增大，相反很多时候意味着信息垃圾的泛滥。数据质量问题，贯穿于数据收集、使用、发布等所有过程，涉及各行业发展规划的设定等。一方面很难有单个系统能够容纳下从不同数据源集成的海量数据。另一方面如果在集成的过程中仅仅简单地将所有数据聚集在一起而不作任何数据清洗，会使得过多的无用数据干扰后续的数据

5、分析过程。大数据时代的数据清洗过程必须更加谨慎，因为相对细微的有用信息混杂在庞大的数据量中。如果信息清洗的粒度过细，很容易将有用的信息过滤掉。清洗粒度过粗又无法达到真正的清洗效果，因此在质与量之间需要进行仔细的考量和权衡。　　（二）数据公开与隐私保护的矛盾。如果仅仅为了保护隐私就将所有的数据都加以隐藏，那么数据的价值根本无法体现。数据公开是非常有必要的，监管机构可以从公开的数据中来了解整个金融市场的运行，以便更好地指导社会的运转。金融机构则可以从公开的数据中了解客户的行为，从而推出针对性的产品和服务，最大化其利益。因此大数据时代的隐私性主要体现在不暴露客户敏感信息的前提下进行

6、有效的数据挖掘，这有别于传统的信息安全领域更加关注文件的私密性等安全属性。很多学者开始致力于研究新型的数据发布技术，尝试在尽可能少损失数据信息的同时最大化地隐藏用户隐私。但是数据信息量和隐私之间是有矛盾的，因此尚未出现非常好的解决办法。　　（三）构建相关先行指标数据困难重重。大量实证检验证明，不论是非金融部门或更广泛金融部门爆发的危机，如房地产泡沫，最终都会传递到银行业，并变得更严重和更具有破坏力。因此对实体经济统计数据信息采集覆盖面低、相对匮乏和细化度不足，可追溯的历史数据有限、以及不同行业数据难以满足一致性要求等原因，对构建相关先行指标体系建设具有很大影响。　　四、意见和

7、建议　　（一）重视细粒度数据的采集，内容从汇总指标发展到逐笔报送。近年来人民银行统计数据采集原则发生了结构性的根本转变，趋向富于弹性的逐笔报送模式，应用大数据开展宏观审慎管理。人总行开展的存贷款抽样综合统计工作是对大数据时代数据采集、汇总、清洗、利用过程的一项探索工作。目前只是在部分省的金融机构开展试点。下一步要在全国各金融机构中推开，是开启大数据时代的“敲门砖”。　　（二）建立通用数据标准体系，提高整个金融业统计体系兼容性。　　受数据标准不统一，数据记录不全等因素影响，现有统计数据通常难以满足可靠性、