基于机器学习、大数据的经济管理体系构建策略

刘德乾 山东省单县不动产登记中心

一、大数据在经济管理中的意义

计算机信息技术应用是当前经济管理过程中的一种发展趋势，其优势众多，能够有效的实现经济管理水平大幅提升。而机器学习、大数据等新型技术与经济管理行业不断融合的加深，一种通过科技的创新及科技与金融的深度融合的产物金融科技应运而生。其中机器学习加大数据的构架，势必会引发新型革命的浪潮。如运用该行业中早已存在的各种数据通过机器学习的算法进行不断优化，以解决现阶段经济管理中出现的问题。金融机构可通过人工智能技术对该行业中现存在的庞大源数据进行结构化处理，充分根据客户需求和要求对其资产管理进行优化，为客户匹配差异化风险偏好的产品和服务，并对金融机构中可能出现的风险提供更为准确的测算，为风险识别、监测、预警等提供更多元化的方案。

其中大数据充分起到了整体架构基础的作用，以大数据为基础的量化模型在营销管理、客户定位、产品定价、贷款申请和审批、贷后管理和服务等整个客户管理的整个生命周期中均有应用。如今数据有机会成长为最重要的技术成分之一。以大数据为基础的模型在金融机构中的应用可大幅提高其风险识别能力、运营效率，减少运营成本及增加收益。

二、 机器学习、大数据在经济管理中的应用

（一）机器学习的含义

机器学习的分析方法有很多，分为两类统计方法：分类和聚类。分类可通过监督机器学习来解决，而聚类则遵循无监督的方法。分类对离散型变量进行预测。逻辑回归是其最常见的方法，将模型输出转化为0到1之间的概率，然后再根据此概率进行下一步判断。通过运用贷款者年龄预测信贷风险为例，若模型计算新样本的信贷风险超过原本设定阈值，则程序代码认为会违约。当分析多因素影响时，观测结果可通过支持向量机将低维的空间映射到高维的空间进行分类，并在各类别中赋予变量数值。聚类则通过寻找数据的类重心，进而将数据划分为若干个簇，每个簇表示一种类别，这些类别在执行算法之前是未知的，聚类即是自动形成簇结构的过程。它既可以单独运行寻找数据内在的分布结构，也可作为过渡将无监督学习的输出作为监督学习方法的输入。

深度学习方法则是在传统的模型方法上进行了深度的发展和优化。传统模型关注的是如何结构化出良好的数据集，然而深度学习则是在学习过程中应用分层算法，并且将初始数据转换成可以进行识别的复杂模式，进而可以模仿人类的大脑。几乎每种算法都关注不同数据的特征标识，通过这些分层模型合并大量的输入数据集（包含非结构化数据甚至是低质量的数据）。其中对数据进行分层的模型并不是人为编程所创造的，而是由该模型从各种各样的数据中学习得来。

（二）机器学习的应用与意义

如今，越来越多的经济管理机构开始摒弃原有传统的信用风险评估模型，开始将机器学习方法与传统的模型结合起来，用于解决当今复杂、非线性数据下的信用风险捕获，以便提高这些模型预测金融风险的能力。无监督方法通常用于探索数据，而回归和分类方法可以预测违约率、违约损失率等关键信用风险变量。

美国数据风控模型公司。开始将机器学习算法应用于传统信用评估模型中，这也是为数不多的通过机器学习进行融资授信决策的早期探索之一。Zestfinance公司现阶段还进行了模型开发和数据分析的进程，除了对财务资产状态进行评估外，还将更多非传统数据模型纳入信用评估模型中，致力于从应用媒体、社交媒体软件及个人的行为习惯中挖掘出风险因子，将表面上毫无联系的复杂数据进行分类与标签化，对信用人经济活动的背后线索进行学习，从而进一步分析出线索间的关联性，最终根据评定做出信贷决策。

三、 机器学习、大数据在经济管理中面临的挑战

机器学习与风险管理领域相结合是未来的发展方向，有关的经济机构应正视这种趋势，并且积极完善经济管理中立法体系有关的工作，为机器学习的发展创造优良的市场环境，并重视机器学习给风控工作所造成的冲击，以便进行研究与部署。随着智能时代的来临，各行各业都开始将自动化技术运用到该领域中以便进行下一步的数据处理，机器学习技术的介入，方便了将更多的数据模型纳入分析体系中，以此来提高传统业务的决策效率。当然各机构也应该清楚地认识到其技术与人类决策是为互补，而并非取代作用，机器学习所带来的更多是通过数据的敏感特征进而分析其之间的相关性，以做出决策结论。利用机器学习的各种算法进行决策，这其中必然会含有潜在的各种风险。所以对前期数据来源、算法编程等环节进行严格审查，高资产净值及更为复杂的业务交易仍需要面对面的风险估量，尤其在国际市场动荡、监管政策变革等个别极端情况下，必须介入人类决策，由风险管理人员进行必要的风险检测及应急计划制定。

随着机器学习技术应用的不断提高和深度发展，其数据挖掘能力使得消费者的隐私保护即将受到严重的威胁，个人信息的泄露在当今时代也屡见不鲜。因此，无论从机器学习的长久发展考虑，还是从基于保护消费者权利出发，都应该亟须相关部门加强相关法律约束和行政监管，明确金融机构相关告知义务、信息安全保障义务，有效保证机器学习在风险管理应用中的信息安全。还有提高消费者对风险管理相关业务的了解程度。随着经济管理服务的创新活跃进行，消费者之间应及时知晓与之相关的风险因素，提高自身的对于风险识别和防范的能力。并且相关的经济管理机构更要为消费者提供实时的信息来源，加强对业务流程的透明化程度，从而指导消费者正确认识风险因素及报告安全问题。