金融科技发展对金融统计的影响分析

张锦清

摘 要：2011年以来，以大数据、云计算、区块链、人工智能等新兴核心技术为代表的金融科技对金融行业进行深度的改造，改变了金融行业传统的金融信息采集、风险定价模型、投资决策过程和信用中介角色，不断推动金融行业创新发展。本文从数据采集、数据处理以及数据分析三个方面探讨金融科技发展对金融统计的影响，揭示金融创新背景下传统金融统计工作存在的不足，并提出针对性的提升措施。

关键词：金融科技;金融统计;大数据;数据分析

中图分类号：F832 文献标识码：A 文章编号：1671-2064（2019）22-0209-02

1 金融科技的发展现状

1.1 金融科技的定义

金融科技顾名思义就是金融和科技的有机结合物，核心技术包括：以大数据、人工智能、云计算、区块链以及移动互联等。根据FSB（Financial Stability，金融稳定理事会）的定义，金融科技是指技术带来的金融创新，它能创造新的业务模式、应用、流程和产品，从而对金融市场、金融机构或金融服务的提供方式造成重大影响。金融科技实质上是传统金融行业发展到一定程度，在行业标准化数据积累规模可观的背景下，信息化、网络化、数字化、智能化发展的过程，是运用科技对传统金融行业的产品和服务进行供给侧改革的必然趋势，最终的结果是提升资金融通的效率。金融科技对传统金融业务进行改造，涉及的领域包括借贷、财富管理、支付清算、保险、众筹、征信和零售银行等。同时，金融科技也对金融行业的营销管理、合规风控、统计核算等中后台环节影响重大。

1.2 金融科技的发展过程

金融科技的发展历程大概可以分为三个不同阶段。第一个阶段是电子化阶段（1980-1989），本质上是金融机构主动将IT技术运用到行业中，包括在金融机构内部设置IT部门，招聘IT技术人才，在交易、结算、办公等环节大规模引入IT系统，比如清算系统、信贷流程系统、AMT、POS机具等，结果是通过IT技术实现电子化作业，提高金融机构办公、业务流程的效率。第二个阶段是移动互联化阶段（1990-2010），主要是移动互联网在金融领域的全面应用，通过搭建互联网在线业务平台，连接各类终端用户，获取线上更为广阔的客户源。移动互联网主要改变金融机构的业务渠道，将原来线下的传统业务搬到线上，实现业务流程再造。这一阶段的金融产品和服务包括：移动支付、互联网银行、线上金融超市、P2P借贷等。第三个阶段是人工智能化阶段（2011至今），大数据、云计算、区块链、人工智能等新兴核心技术改变传统的金融信息采集来源、风险定价模型、投资决策过程、信用中介角色，解决传统金融发展痛点。金融机构更加主动地参与到科技创新和技术引进过程中，金融管理理念朝着智能化、创新化方向发展。代表性应用如大数据征信、智能投顾、供应链金融等。

1.3 我国金融科技的发展现状

我国金融科技的发展起步较晚，直到2017年5月，央行成立金融科技委员会，金融科技的概念才被正式明确。金融科技委员会的主要任务是负责开展金融科技应用试点、制定具有前瞻性的金融科技标准，加强监管科技的应用实践，提升跨行业、跨市场交叉性金融风险的甄别。2019年8月22日，人民银行出台《金融科技发展规划（2019-2021年）》，提出到2021年建立健全我国金融科技发展的“四梁八柱”，增强人民群众对数字化、网络化、智能化金融產品和服务的满意度，为金融科技的长期健康发展奠定基础。

2019年以来，我国金融业有关金融科技布局明显提速，一是金融机构不断将金融科技纳入战略发展规划中，增强科技实力。大中型商业银行注重内部科技力量的孵化转型，研发投入、体制机制改革、人才储备持续加码，以股份制银行为代表的大型商业银行则设立科技子公司进行独立研发，将科技输出作为未来业务增长点。比如兴业银行一直以“科技兴行”为战略，并于2015年成立兴业数字金融服务（上海）股份有限公司，是国内行业最早设立的金融科技子公司，此后同业机构陆续设立金融科技公司。截至目前，银行系金融科技子公司已达10多家，大多为银行的全资子公司。二是科技与业务深度融合，智能投顾、消费信贷、普惠金融领域场景化、平台化建设初显成效，大数据获客及营销能力持续提高。三是知识图谱、机器学习、人工智能技术在金融机构风险管理、合规控制以及发欺诈等领域起到越来越重要的作用。

2 金融科技对金融统计的影响

2.1 传统金融统计及其存在的问题

金融统计是指面向金融领域的统计工作活动。国际货币基金组织2000年颁布《货币与金融统计手册》，并将金融统计定义为对全社会货币资金融通活动的统计。在金融科技不断发展，深入渗透金融机构每个业务环节的背景下，传统金融统计显得越来越不能适应金融创新的发展，局限性越来越明显。随着知识图谱、机器学习、人工智能等金融科技的运用，线上贷款、精准营销、风险画像、智能反欺诈等产品和服务在金融机构得到广泛的使用。传统金融统计受限于数据采集能力、数据储存处理方式、数据分析模式等局限，无法有效采集、处理上述新兴业务数据，难以全面、深入反映金融业务的创新活动，进行深度数据挖掘，并提供针对性业务发展建议来促进业务稳定、高效发展。

2.2 金融科技对金融统计的影响

2.2.1 对数据采集的影响

传统金融统计工作进行数据采集的特征包括抽样采集、人工、碎片化。主要是基于“小数据”的抽样方式，通过尽可能少的样本数据来反映全体样本特征，统计研究的方向则是不断改进抽样的方法，以提高抽样的准确性和代表性。通过人工和抽样采集的数据以结构化数据为主，碎片化储存在不同的条线、部门和机构中，各个维度的数据缺乏统一规划，难以融合到一起进行反映金融活动的全部面貌。当前金融创新活动高度依赖网络日志、音频、图片、视频、网购数据、地理空间位置等半结构化和非结构化数据，传统金融统计难以高效、准确、全面采集这些数据，而以大数据、知识图谱、机器学习、人工智能等代表的金融科技技术则改变过往数据采集模式，采集对象由样本数据改变为所有相关数据，并大大增加半结构化和非结构化数据采集，一旦制定数据标准，建立好数据平台，不同的条线、部门和机构采集的数据都能够统一到平台中，深度融合综合利用，提高数据采集和运用的效率。

2.2.2 对数据处理的影响

传统统计数据处理主要通过专业人员依据特定的方法对已经收集的数据进行存储、统计、汇总和校验，并存入数据库中方便后期分析使用。但在目前金融创新活动中，金融新兴业务对结构化数据的依赖越来越小，网络日志、音频、图片、视频、网购数据、地理空间位置等半结构化和非结构化数据的占比则是越来越大，庞大的数据量超过传统数据规模的极限。金融科技通过云存储和云计算技术能够充分对数据进行处理，增强数据存储、检索的有效性，降低各类数据清洗难度，筛选、挖掘出有价值的数据，避免无用信息的干扰。

2.2.3 对数据分析的影响

首先，传统金融统计分析方法依赖数据模型，主要是通过回归分析、聚类分析、主成分与因子分析等来推断变量之间的关系，更多体现为因果关系的分析，在金融领域主要体现为金融业务的均值、中位数、基本数据分布以及关联关系。以机器学习、知识图谱和人工智能为代表的大数据分析技术，完全不同于传统金融统计分析方法，它不依赖数据模型，不需要设定特定条件前提，就能帮助金融机构发现原来在传统金融统计分析方法下难以发现的业务规律，预测业务未来发展情况。比如基于大量保险欺诈数据“学习”，机器学习技术能够发现哪些人存在欺诈行为;基于大量消费贷款数据“学习”，机器学习能够帮助银行机构拒绝不良贷款。

其次，传统金融统计分析的结果往往体现为金融统计报表，而金融创新背景下，数据使用者对于数据挖掘和分析结果的要求不再局限于一张表，形式上要求能够动态反映出市场变化、刻画客户画像、跟踪业务风险。以知识图谱为代表的大数据分析技术高效满足这种需求，比如通过知识图谱技术深入搜集、挖掘信贷客户风险信息，并形成客户风险画像;比如通过知识图谱技术深入分析业务变化，提供业务部门精准营销的突破口。

3 金融统计工作改进建议

3.1 积极拥抱金融科技

从金融行业发展历史看，科技发展与金融发展如影相随。尤其是2011年以来金融科技对金融行业的影响非常重大，金融科技发展趋势明显。在这种背景下，金融行业的中后台管理必须深刻认识到金融科技的重要性，统一思想认识，加强金融科技理论知识学习，深入开展大数据、云计算、区块链、人工智能、数据挖掘等各类前沿科学技术的学习。逐步完善传统金融统计工作存在的问题和不足，提高金融統计工作的适应性和创新性，满足金融创新发展的需求。

3.2 加强金融统计数据的标准化建设

由于大数据下的金融统计数据十分庞大，数据统计口径较多且涉及到很多不同的行业，这给数据的搜集和统计分析带来了一定的难度。因此为了提高金融统计的效率，必须制定标准化的数据统计规则，从而保证不同的金融行业和机构，能够根据标准化的数据统计要求，进行数据的提交和分享。这样的方式能够有效消除信息壁垒，保证数据在不同行业的部门之间的共享和流转。对于与其他部委、外部单位之间共享的数据，也要遵照一定的标准规范，使各方对数据的含义、标识、用途等有统一的理解。此外，除了数据的标准化规范以外，对于数据的挖掘、存储、传输和分析，需要有一套标准化的制度来保证其数据的真实性、有效性和安全性。因此应制定相应的信息处理机制，对不同类型和不同重要程度的信息处理进行规定，保证统计数据的有效性。

3.3 创新金融统计工作模式

在金融科技的推动下，金融行业数据的深度和广度呈数量级发展趋势。传统金融统计模式高度集中于金融统计部门，既难以多渠道多来源采集数据，也无法深度融合各类数据，新的金融创新活动要求金融统计不再是单一部门的工作，而是全公司、全行业、全社会的工作，金融统计部门的核心工作是统筹并创建统计的数据平台，各类数据使用机构通过平台处理、共享数据，挖掘数据价值。

参考文献

[1] 吴晓光，王继晖，谢乔.辩证看待金融大数据与金融统计[J].金融科技，2018（4）：33-36.

[2] 刘璐.大数据对金融统计的影响研究[J].金融经济，2018（22）：131.

[3] 惠旭.大数据背景下金融统计未来的发展方向[J].金融天地，2019（10）：339.

[4] 王鹏懿.基于大数据背景下金融统计的发展趋势[J].金融在线，2018（05）：74-75.