論在財(cái)務(wù)風(fēng)險(xiǎn)管理中的大數(shù)據(jù)應(yīng)用所面臨的問(wèn)題

【摘要】隨著大數(shù)據(jù)技術(shù)手段逐步融入現(xiàn)代財(cái)務(wù)風(fēng)險(xiǎn)管理中，傳統(tǒng)的財(cái)務(wù)風(fēng)險(xiǎn)管理面臨著前所未有的技術(shù)變革。大數(shù)據(jù)帶來(lái)的風(fēng)險(xiǎn)預(yù)測(cè)能力提升使得財(cái)務(wù)風(fēng)險(xiǎn)管理者對(duì)風(fēng)險(xiǎn)的發(fā)生因素、時(shí)點(diǎn)和風(fēng)險(xiǎn)內(nèi)在邏輯因素都有了全新的認(rèn)識(shí)，風(fēng)險(xiǎn)管理者變得越來(lái)越依賴(lài)于大數(shù)據(jù)。但是在這種革命性變化中，由于對(duì)大數(shù)據(jù)的認(rèn)識(shí)與使用仍欠缺成熟的經(jīng)驗(yàn)，在財(cái)務(wù)風(fēng)險(xiǎn)管理領(lǐng)域，大數(shù)據(jù)仍舊會(huì)面臨新的風(fēng)險(xiǎn)與挑戰(zhàn)。本文從一名財(cái)務(wù)風(fēng)險(xiǎn)從業(yè)者的角度來(lái)闡述大數(shù)據(jù)應(yīng)用中存在的三重挑戰(zhàn)。

【關(guān)鍵詞】大數(shù)據(jù) 數(shù)據(jù)量饑渴 模型迭代 風(fēng)險(xiǎn)管理復(fù)雜性

財(cái)務(wù)管理利用財(cái)務(wù)執(zhí)行的一般原則，管理資金運(yùn)行，規(guī)劃經(jīng)營(yíng)行為，借助會(huì)計(jì)準(zhǔn)則，成本控制與編制預(yù)算實(shí)現(xiàn)對(duì)當(dāng)前與未來(lái)的掌握與操控。財(cái)務(wù)風(fēng)險(xiǎn)因素在基于面向未來(lái)的財(cái)務(wù)管理行為中占據(jù)了越來(lái)越重要的位置，成為財(cái)務(wù)管理的核心內(nèi)容[1]。傳統(tǒng)的風(fēng)險(xiǎn)管理基于經(jīng)驗(yàn)和過(guò)往事例比照，并不能有效的應(yīng)對(duì)多重干擾和未知因素的出現(xiàn)，風(fēng)險(xiǎn)管理往往流于形式，過(guò)多的依賴(lài)不確定的主觀判斷，風(fēng)險(xiǎn)的預(yù)估和應(yīng)對(duì)都不能準(zhǔn)確的量化。長(zhǎng)期依賴(lài)非量化指標(biāo)讓財(cái)務(wù)主體很難有效應(yīng)對(duì)市場(chǎng)競(jìng)爭(zhēng)與變化。

在傳統(tǒng)的風(fēng)險(xiǎn)管理技術(shù)工具箱中，可應(yīng)用的預(yù)測(cè)工具較少，使得風(fēng)險(xiǎn)管理者往往缺乏有效的手段。以金融行業(yè)為例，傳統(tǒng)的工具箱中，風(fēng)險(xiǎn)價(jià)值度量（VaR）方法已被用于評(píng)估市場(chǎng)風(fēng)險(xiǎn)數(shù)十年[2]。VaR是一種基于統(tǒng)計(jì)方法，依托歷史數(shù)據(jù)計(jì)算某一概率水平下最壞情況的投資組合所造成的預(yù)期回報(bào)。這種用于在給定的置信區(qū)間和固定的時(shí)間段內(nèi)測(cè)量投資組合風(fēng)險(xiǎn)水平的工具箱在過(guò)去幾十年內(nèi)證明并不能非常有效的幫助金融行業(yè)在長(zhǎng)期時(shí)間段內(nèi)擺脫不確定性風(fēng)險(xiǎn)因素的出現(xiàn)。除去VaR，確定風(fēng)險(xiǎn)標(biāo)的水平常用的蒙特卡洛方法也被證明缺乏可靠性[3]。作為一種重復(fù)采樣算法，蒙特卡洛模擬僅僅是依據(jù)往期收益軌跡，然后進(jìn)行大量模擬試驗(yàn)，最后對(duì)所得結(jié)果進(jìn)行平均，并以此來(lái)作為風(fēng)險(xiǎn)發(fā)生的標(biāo)的值。VaR與蒙特卡洛模型都不能有效的預(yù)測(cè)突發(fā)性風(fēng)險(xiǎn)事件的出現(xiàn)。顯然，傳統(tǒng)的風(fēng)險(xiǎn)管理工具是有根本性缺陷的。

而大數(shù)據(jù)的出現(xiàn)為回報(bào)性更好的投資決策、競(jìng)爭(zhēng)決策提供了現(xiàn)實(shí)可能性。結(jié)合大量的歷史數(shù)據(jù)和數(shù)學(xué)模型，依托大數(shù)據(jù)支持的交易算法不僅可以用來(lái)尋求最優(yōu)的決策組合，也在關(guān)于未來(lái)預(yù)期展望下的風(fēng)險(xiǎn)評(píng)估方面有著巨大的優(yōu)勢(shì)。正是大數(shù)據(jù)的出現(xiàn)，才首次將風(fēng)險(xiǎn)管理代入為一種可以完全量化的經(jīng)濟(jì)行為，從而讓風(fēng)險(xiǎn)變得更加透明可控，進(jìn)而改變了以往的財(cái)務(wù)管理格局。

然而，除去明顯的優(yōu)勢(shì)之外，大數(shù)據(jù)捕獲不斷增長(zhǎng)的數(shù)據(jù)量的能力與處理這些數(shù)據(jù)量所依托的技術(shù)方法仍然面臨著多重挑戰(zhàn)。

一、數(shù)據(jù)量饑渴

財(cái)務(wù)主體面對(duì)日益激烈的競(jìng)爭(zhēng)環(huán)境和市場(chǎng)需求，不斷尋求利用技術(shù)來(lái)提高效率。很多風(fēng)險(xiǎn)管理者相信，通過(guò)超越對(duì)手的更高效數(shù)據(jù)獲取能力，自己便可以從眾多競(jìng)爭(zhēng)對(duì)手中脫穎而出。但事實(shí)上，大量數(shù)據(jù)的存在和獲取并不能保證信息的獨(dú)占或者霸權(quán)。相反，僅僅是大量的數(shù)據(jù)本身，對(duì)于風(fēng)險(xiǎn)管理而言并非具有很大實(shí)際意義。從初始數(shù)據(jù)的歸類(lèi)上，大數(shù)據(jù)可以分為結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)。非結(jié)構(gòu)化的數(shù)據(jù)是無(wú)組織意義的信息，這種信息中包含有大量“噪音”，不能應(yīng)用于任何預(yù)先設(shè)定好的模型中。而往往決策者更加關(guān)心獲取的數(shù)據(jù)是這種非結(jié)構(gòu)化數(shù)據(jù)。誠(chéng)然，多數(shù)非結(jié)構(gòu)化數(shù)據(jù)從表面上看起來(lái)是有意義的，例如從電商平臺(tái)收集的用戶(hù)信息或者用戶(hù)偏好，但是對(duì)于風(fēng)險(xiǎn)評(píng)估來(lái)說(shuō)，其依賴(lài)的數(shù)學(xué)模型往往需要經(jīng)過(guò)平整與處理后的低“噪音”數(shù)據(jù)，賦予數(shù)據(jù)集合更明確的意義，使得用于模型預(yù)測(cè)的數(shù)據(jù)只存在有意義的變量和數(shù)據(jù)。這種低“噪音”的結(jié)構(gòu)化數(shù)據(jù)空間組織在關(guān)聯(lián)的數(shù)據(jù)庫(kù)中，是進(jìn)行模型計(jì)算的前提，才能夠在不濫用大量預(yù)測(cè)因子的情況下提供準(zhǔn)確的樣本外預(yù)測(cè)[4]。但是，這種降低數(shù)據(jù)“噪音”的嚴(yán)格需求目前僅僅存在于技術(shù)端，多數(shù)從事財(cái)務(wù)風(fēng)險(xiǎn)控制的管理者并不具備足夠的技術(shù)意識(shí)。他們的關(guān)注點(diǎn)集中在數(shù)據(jù)獲取速度和規(guī)模，并以此作為考量大數(shù)據(jù)管理的重要指標(biāo)。這會(huì)刺激市場(chǎng)上過(guò)量數(shù)據(jù)的出現(xiàn)，使得大數(shù)據(jù)交易市場(chǎng)變得過(guò)度繁榮，反過(guò)來(lái)又會(huì)讓風(fēng)險(xiǎn)管理者陷入一種數(shù)據(jù)量持續(xù)增長(zhǎng)的假想中。在這種狀態(tài)下，所有的財(cái)務(wù)風(fēng)險(xiǎn)管理者必然做出大數(shù)據(jù)永遠(yuǎn)處于增長(zhǎng)的判斷，或者是挖掘的深度增加，或者是采集范圍的擴(kuò)張。大數(shù)據(jù)饑渴就因此出現(xiàn)。

二、數(shù)學(xué)模型的迭代風(fēng)險(xiǎn)

對(duì)于所有市場(chǎng)主體來(lái)說(shuō)，大數(shù)據(jù)的數(shù)學(xué)模型應(yīng)用基礎(chǔ)無(wú)外乎算力、變化和速度。云平臺(tái)普及后，過(guò)去制約數(shù)學(xué)模型復(fù)雜化和迭代速度的算力因素被逐漸緩解，在算力充足的前提下，模型變化速度就成為財(cái)務(wù)風(fēng)險(xiǎn)管理者眼中的核心競(jìng)爭(zhēng)力，幾乎所有的財(cái)務(wù)風(fēng)險(xiǎn)管理者都相信，越來(lái)越多的數(shù)據(jù)和更加先進(jìn)復(fù)雜的模型系統(tǒng)可以幫助實(shí)時(shí)預(yù)測(cè)未來(lái)危機(jī)的癥狀、時(shí)點(diǎn)，甚至去嘗試描述危機(jī)本身的內(nèi)在邏輯，以便及時(shí)采取行動(dòng)來(lái)防止或削弱危機(jī)。所以，對(duì)于數(shù)學(xué)模型性能的追求就變成一種自發(fā)動(dòng)力。但任何有效的數(shù)學(xué)模型必須經(jīng)過(guò)不斷的學(xué)習(xí)訓(xùn)練，而這種學(xué)習(xí)訓(xùn)練所依托的只能是既往的數(shù)據(jù)信息，于是數(shù)學(xué)模型的快速迭代就將面臨兩種風(fēng)險(xiǎn)。一是模型本身可能缺乏充分且可驗(yàn)證的學(xué)習(xí)訓(xùn)練就面臨升級(jí)，從而造成整個(gè)數(shù)學(xué)模型體系存在缺陷。二是當(dāng)市場(chǎng)上所有財(cái)務(wù)主體都依賴(lài)大數(shù)據(jù)帶來(lái)的快速響應(yīng)行為，將會(huì)改變市場(chǎng)周期，而這會(huì)導(dǎo)致既往用來(lái)訓(xùn)練數(shù)學(xué)模型的樣本信息不能有效反應(yīng)當(dāng)下的市場(chǎng)變化，從而使迭代后的模型仍舊落后。

這兩種迭代風(fēng)險(xiǎn)之間存在的矛盾也會(huì)互相作用。市場(chǎng)上所有財(cái)務(wù)主體致力于取得風(fēng)險(xiǎn)預(yù)知優(yōu)勢(shì)，進(jìn)而促進(jìn)更快的模型迭代，更快的迭代行為也反過(guò)來(lái)影響了所有財(cái)務(wù)主體的市場(chǎng)行為，從而導(dǎo)致了市場(chǎng)的更快變化，所采集的大數(shù)據(jù)本身攜帶信息的時(shí)效性被進(jìn)一步壓縮，留給模型迭代的訓(xùn)練時(shí)間減少，可靠性下降。往復(fù)循環(huán)，將導(dǎo)致數(shù)學(xué)模型過(guò)快迭代后的預(yù)測(cè)失準(zhǔn)。

三、大數(shù)據(jù)增加了風(fēng)險(xiǎn)管理復(fù)雜性

相比財(cái)務(wù)管理的其它領(lǐng)域，新的信息和技術(shù)組合暫時(shí)并沒(méi)有給風(fēng)險(xiǎn)管理帶來(lái)像交易管理那樣帶來(lái)決策信息的便利性。仍舊以金融行業(yè)為例，風(fēng)險(xiǎn)管理常常是從運(yùn)營(yíng)以及與客戶(hù)關(guān)系的角度來(lái)解決的，建立專(zhuān)門(mén)針對(duì)欺詐的預(yù)防機(jī)制和對(duì)客戶(hù)進(jìn)行信用等級(jí)評(píng)分[5]。大數(shù)據(jù)在金融市場(chǎng)相關(guān)的應(yīng)用反而給風(fēng)險(xiǎn)管理者造就了更加復(fù)雜的局面。這主要是由于下列情況造成的：理論上，樣本外預(yù)測(cè)需要更高的準(zhǔn)確性才具有現(xiàn)實(shí)意義。而在實(shí)踐中，識(shí)別并及時(shí)分析快節(jié)奏的市場(chǎng)環(huán)境中可能包含有高價(jià)值信息內(nèi)容的非結(jié)構(gòu)化數(shù)據(jù)，且還需要進(jìn)行連續(xù)的樣本外預(yù)測(cè)，從技術(shù)上相比其它大數(shù)據(jù)應(yīng)用，復(fù)雜程度呈指數(shù)化增加，因而呈現(xiàn)給管理者的預(yù)測(cè)信息也會(huì)相應(yīng)的更加復(fù)雜，甚至與經(jīng)驗(yàn)結(jié)論相矛盾，讓風(fēng)險(xiǎn)管理者的決策行為充滿(mǎn)不確定性，降低了大數(shù)據(jù)技術(shù)應(yīng)用帶來(lái)的便利優(yōu)勢(shì)。

以前述提到的蒙特卡洛算法為例。在足夠的算力下，基于大數(shù)據(jù)的蒙特卡洛算法演變?yōu)槊商乜骞沧R(shí)算法。即將結(jié)構(gòu)化的樣本數(shù)據(jù)在每個(gè)蒙特卡洛算法模型上獨(dú)立運(yùn)行，然后隨機(jī)“抽獎(jiǎng)”抽取結(jié)果組成新的樣本數(shù)據(jù)集。最后的結(jié)果可以看做在云計(jì)算平臺(tái)上單獨(dú)運(yùn)行了很長(zhǎng)一段時(shí)間的一組蒙特卡羅模擬[6]。突發(fā)的風(fēng)險(xiǎn)事件將作為稀有事件通過(guò)每一步模擬中逐步減少方差來(lái)發(fā)現(xiàn)，且數(shù)據(jù)樣本空間過(guò)程由于缺乏模擬本身之間的獨(dú)立性，通過(guò)大量的模擬能夠?qū)崿F(xiàn)模型收斂。但是，這種可能存在諸多收斂后極值點(diǎn)，從技術(shù)上來(lái)說(shuō)這些極值點(diǎn)應(yīng)該被更好的算法調(diào)整消除掉，但現(xiàn)實(shí)卻難以實(shí)現(xiàn)。于是擺在風(fēng)險(xiǎn)管理者面前的局面變得比以往更加復(fù)雜、信息更多導(dǎo)致決策困難。這反而違背了大數(shù)據(jù)應(yīng)用于財(cái)務(wù)管理的初衷，但確是當(dāng)下風(fēng)險(xiǎn)管理面臨的現(xiàn)實(shí)。

從上面的論述可知，大數(shù)據(jù)的引入，深刻改變了財(cái)務(wù)領(lǐng)域中的風(fēng)險(xiǎn)管理行為，但是這種改變并不是沿著一條已知或可知的既定路線(xiàn)演進(jìn)，如果不對(duì)大數(shù)據(jù)本身有著充足的了解，以及有賴(lài)于算力的增加，僅靠增加數(shù)據(jù)量和迭代數(shù)學(xué)模型，并不能從根本上改變?nèi)藗儗?duì)風(fēng)險(xiǎn)行為的認(rèn)知。盡管風(fēng)險(xiǎn)會(huì)因?yàn)榇髷?shù)據(jù)的引入而逐漸變得透明，但是風(fēng)險(xiǎn)本身的發(fā)生規(guī)律也會(huì)因?yàn)檎麄€(gè)市場(chǎng)的大數(shù)據(jù)化而發(fā)生改變，大數(shù)據(jù)化本身也不能保證風(fēng)險(xiǎn)管理一定向著更具預(yù)見(jiàn)性更可控的方向發(fā)展。在財(cái)務(wù)管理中，大數(shù)據(jù)的加入是不可改變的事實(shí)，只有保持清醒的認(rèn)識(shí)，才能讓大數(shù)據(jù)發(fā)揮應(yīng)有的作用，而這還有賴(lài)于財(cái)務(wù)從業(yè)者對(duì)大數(shù)據(jù)本身，包括算法學(xué)、信息學(xué)與計(jì)算機(jī)科學(xué)的深刻認(rèn)知與熟練掌握。從某種意義上來(lái)說(shuō)，這才是大數(shù)據(jù)帶給財(cái)務(wù)管理領(lǐng)域的變革，其對(duì)人的要求遠(yuǎn)遠(yuǎn)超越了大數(shù)據(jù)帶來(lái)的經(jīng)濟(jì)行為改變。

參考文獻(xiàn)：

[1]宋枝平.財(cái)務(wù)管理在現(xiàn)代管理中的重要作用[G].北京：中國(guó)經(jīng)貿(mào)，2012.

[2]Philippe Jorion.風(fēng)險(xiǎn)價(jià)值VAR：金融風(fēng)險(xiǎn)管理新標(biāo)準(zhǔn)（第3版）[M].北京：中信出版社，2010.

[3]趙麗麗.基于蒙特卡洛模擬的VaR方法在房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)度量中的應(yīng)用[D].濟(jì)南：山東大學(xué)，2008.

[4]Einav&Levin.Economics in the age of data[J].Science，2014，346（6210）

[5]Top 10 Big Data Trends in 2017 for Financial Services[OL].https：//mapr.com/blog/top-10-big-data-trends-2017-financial-services

作者簡(jiǎn)介：王博，1983年4月出生，性別：女，滿(mǎn)族，籍貫：北京市，對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)商學(xué)院在職人員高級(jí)課程研修班學(xué)員，現(xiàn)工作于北京科航投資有限公司。