基于機(jī)器學(xué)習(xí)、大數(shù)據(jù)的經(jīng)濟(jì)管理體系構(gòu)建策略

劉德乾 山東省單縣不動(dòng)產(chǎn)登記中心

一、大數(shù)據(jù)在經(jīng)濟(jì)管理中的意義

計(jì)算機(jī)信息技術(shù)應(yīng)用是當(dāng)前經(jīng)濟(jì)管理過(guò)程中的一種發(fā)展趨勢(shì)，其優(yōu)勢(shì)眾多，能夠有效的實(shí)現(xiàn)經(jīng)濟(jì)管理水平大幅提升。而機(jī)器學(xué)習(xí)、大數(shù)據(jù)等新型技術(shù)與經(jīng)濟(jì)管理行業(yè)不斷融合的加深，一種通過(guò)科技的創(chuàng)新及科技與金融的深度融合的產(chǎn)物金融科技應(yīng)運(yùn)而生。其中機(jī)器學(xué)習(xí)加大數(shù)據(jù)的構(gòu)架，勢(shì)必會(huì)引發(fā)新型革命的浪潮。如運(yùn)用該行業(yè)中早已存在的各種數(shù)據(jù)通過(guò)機(jī)器學(xué)習(xí)的算法進(jìn)行不斷優(yōu)化，以解決現(xiàn)階段經(jīng)濟(jì)管理中出現(xiàn)的問(wèn)題。金融機(jī)構(gòu)可通過(guò)人工智能技術(shù)對(duì)該行業(yè)中現(xiàn)存在的龐大源數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，充分根據(jù)客戶(hù)需求和要求對(duì)其資產(chǎn)管理進(jìn)行優(yōu)化，為客戶(hù)匹配差異化風(fēng)險(xiǎn)偏好的產(chǎn)品和服務(wù)，并對(duì)金融機(jī)構(gòu)中可能出現(xiàn)的風(fēng)險(xiǎn)提供更為準(zhǔn)確的測(cè)算，為風(fēng)險(xiǎn)識(shí)別、監(jiān)測(cè)、預(yù)警等提供更多元化的方案。

其中大數(shù)據(jù)充分起到了整體架構(gòu)基礎(chǔ)的作用，以大數(shù)據(jù)為基礎(chǔ)的量化模型在營(yíng)銷(xiāo)管理、客戶(hù)定位、產(chǎn)品定價(jià)、貸款申請(qǐng)和審批、貸后管理和服務(wù)等整個(gè)客戶(hù)管理的整個(gè)生命周期中均有應(yīng)用。如今數(shù)據(jù)有機(jī)會(huì)成長(zhǎng)為最重要的技術(shù)成分之一。以大數(shù)據(jù)為基礎(chǔ)的模型在金融機(jī)構(gòu)中的應(yīng)用可大幅提高其風(fēng)險(xiǎn)識(shí)別能力、運(yùn)營(yíng)效率，減少運(yùn)營(yíng)成本及增加收益。

二、 機(jī)器學(xué)習(xí)、大數(shù)據(jù)在經(jīng)濟(jì)管理中的應(yīng)用

（一）機(jī)器學(xué)習(xí)的含義

機(jī)器學(xué)習(xí)的分析方法有很多，分為兩類(lèi)統(tǒng)計(jì)方法：分類(lèi)和聚類(lèi)。分類(lèi)可通過(guò)監(jiān)督機(jī)器學(xué)習(xí)來(lái)解決，而聚類(lèi)則遵循無(wú)監(jiān)督的方法。分類(lèi)對(duì)離散型變量進(jìn)行預(yù)測(cè)。邏輯回歸是其最常見(jiàn)的方法，將模型輸出轉(zhuǎn)化為0到1之間的概率，然后再根據(jù)此概率進(jìn)行下一步判斷。通過(guò)運(yùn)用貸款者年齡預(yù)測(cè)信貸風(fēng)險(xiǎn)為例，若模型計(jì)算新樣本的信貸風(fēng)險(xiǎn)超過(guò)原本設(shè)定閾值，則程序代碼認(rèn)為會(huì)違約。當(dāng)分析多因素影響時(shí)，觀測(cè)結(jié)果可通過(guò)支持向量機(jī)將低維的空間映射到高維的空間進(jìn)行分類(lèi)，并在各類(lèi)別中賦予變量數(shù)值。聚類(lèi)則通過(guò)尋找數(shù)據(jù)的類(lèi)重心，進(jìn)而將數(shù)據(jù)劃分為若干個(gè)簇，每個(gè)簇表示一種類(lèi)別，這些類(lèi)別在執(zhí)行算法之前是未知的，聚類(lèi)即是自動(dòng)形成簇結(jié)構(gòu)的過(guò)程。它既可以單獨(dú)運(yùn)行尋找數(shù)據(jù)內(nèi)在的分布結(jié)構(gòu)，也可作為過(guò)渡將無(wú)監(jiān)督學(xué)習(xí)的輸出作為監(jiān)督學(xué)習(xí)方法的輸入。

深度學(xué)習(xí)方法則是在傳統(tǒng)的模型方法上進(jìn)行了深度的發(fā)展和優(yōu)化。傳統(tǒng)模型關(guān)注的是如何結(jié)構(gòu)化出良好的數(shù)據(jù)集，然而深度學(xué)習(xí)則是在學(xué)習(xí)過(guò)程中應(yīng)用分層算法，并且將初始數(shù)據(jù)轉(zhuǎn)換成可以進(jìn)行識(shí)別的復(fù)雜模式，進(jìn)而可以模仿人類(lèi)的大腦。幾乎每種算法都關(guān)注不同數(shù)據(jù)的特征標(biāo)識(shí)，通過(guò)這些分層模型合并大量的輸入數(shù)據(jù)集（包含非結(jié)構(gòu)化數(shù)據(jù)甚至是低質(zhì)量的數(shù)據(jù)）。其中對(duì)數(shù)據(jù)進(jìn)行分層的模型并不是人為編程所創(chuàng)造的，而是由該模型從各種各樣的數(shù)據(jù)中學(xué)習(xí)得來(lái)。

（二）機(jī)器學(xué)習(xí)的應(yīng)用與意義

如今，越來(lái)越多的經(jīng)濟(jì)管理機(jī)構(gòu)開(kāi)始摒棄原有傳統(tǒng)的信用風(fēng)險(xiǎn)評(píng)估模型，開(kāi)始將機(jī)器學(xué)習(xí)方法與傳統(tǒng)的模型結(jié)合起來(lái)，用于解決當(dāng)今復(fù)雜、非線性數(shù)據(jù)下的信用風(fēng)險(xiǎn)捕獲，以便提高這些模型預(yù)測(cè)金融風(fēng)險(xiǎn)的能力。無(wú)監(jiān)督方法通常用于探索數(shù)據(jù)，而回歸和分類(lèi)方法可以預(yù)測(cè)違約率、違約損失率等關(guān)鍵信用風(fēng)險(xiǎn)變量。

美國(guó)數(shù)據(jù)風(fēng)控模型公司。開(kāi)始將機(jī)器學(xué)習(xí)算法應(yīng)用于傳統(tǒng)信用評(píng)估模型中，這也是為數(shù)不多的通過(guò)機(jī)器學(xué)習(xí)進(jìn)行融資授信決策的早期探索之一。Zestfinance公司現(xiàn)階段還進(jìn)行了模型開(kāi)發(fā)和數(shù)據(jù)分析的進(jìn)程，除了對(duì)財(cái)務(wù)資產(chǎn)狀態(tài)進(jìn)行評(píng)估外，還將更多非傳統(tǒng)數(shù)據(jù)模型納入信用評(píng)估模型中，致力于從應(yīng)用媒體、社交媒體軟件及個(gè)人的行為習(xí)慣中挖掘出風(fēng)險(xiǎn)因子，將表面上毫無(wú)聯(lián)系的復(fù)雜數(shù)據(jù)進(jìn)行分類(lèi)與標(biāo)簽化，對(duì)信用人經(jīng)濟(jì)活動(dòng)的背后線索進(jìn)行學(xué)習(xí)，從而進(jìn)一步分析出線索間的關(guān)聯(lián)性，最終根據(jù)評(píng)定做出信貸決策。

三、 機(jī)器學(xué)習(xí)、大數(shù)據(jù)在經(jīng)濟(jì)管理中面臨的挑戰(zhàn)

機(jī)器學(xué)習(xí)與風(fēng)險(xiǎn)管理領(lǐng)域相結(jié)合是未來(lái)的發(fā)展方向，有關(guān)的經(jīng)濟(jì)機(jī)構(gòu)應(yīng)正視這種趨勢(shì)，并且積極完善經(jīng)濟(jì)管理中立法體系有關(guān)的工作，為機(jī)器學(xué)習(xí)的發(fā)展創(chuàng)造優(yōu)良的市場(chǎng)環(huán)境，并重視機(jī)器學(xué)習(xí)給風(fēng)控工作所造成的沖擊，以便進(jìn)行研究與部署。隨著智能時(shí)代的來(lái)臨，各行各業(yè)都開(kāi)始將自動(dòng)化技術(shù)運(yùn)用到該領(lǐng)域中以便進(jìn)行下一步的數(shù)據(jù)處理，機(jī)器學(xué)習(xí)技術(shù)的介入，方便了將更多的數(shù)據(jù)模型納入分析體系中，以此來(lái)提高傳統(tǒng)業(yè)務(wù)的決策效率。當(dāng)然各機(jī)構(gòu)也應(yīng)該清楚地認(rèn)識(shí)到其技術(shù)與人類(lèi)決策是為互補(bǔ)，而并非取代作用，機(jī)器學(xué)習(xí)所帶來(lái)的更多是通過(guò)數(shù)據(jù)的敏感特征進(jìn)而分析其之間的相關(guān)性，以做出決策結(jié)論。利用機(jī)器學(xué)習(xí)的各種算法進(jìn)行決策，這其中必然會(huì)含有潛在的各種風(fēng)險(xiǎn)。所以對(duì)前期數(shù)據(jù)來(lái)源、算法編程等環(huán)節(jié)進(jìn)行嚴(yán)格審查，高資產(chǎn)凈值及更為復(fù)雜的業(yè)務(wù)交易仍需要面對(duì)面的風(fēng)險(xiǎn)估量，尤其在國(guó)際市場(chǎng)動(dòng)蕩、監(jiān)管政策變革等個(gè)別極端情況下，必須介入人類(lèi)決策，由風(fēng)險(xiǎn)管理人員進(jìn)行必要的風(fēng)險(xiǎn)檢測(cè)及應(yīng)急計(jì)劃制定。

隨著機(jī)器學(xué)習(xí)技術(shù)應(yīng)用的不斷提高和深度發(fā)展，其數(shù)據(jù)挖掘能力使得消費(fèi)者的隱私保護(hù)即將受到嚴(yán)重的威脅，個(gè)人信息的泄露在當(dāng)今時(shí)代也屢見(jiàn)不鮮。因此，無(wú)論從機(jī)器學(xué)習(xí)的長(zhǎng)久發(fā)展考慮，還是從基于保護(hù)消費(fèi)者權(quán)利出發(fā)，都應(yīng)該亟須相關(guān)部門(mén)加強(qiáng)相關(guān)法律約束和行政監(jiān)管，明確金融機(jī)構(gòu)相關(guān)告知義務(wù)、信息安全保障義務(wù)，有效保證機(jī)器學(xué)習(xí)在風(fēng)險(xiǎn)管理應(yīng)用中的信息安全。還有提高消費(fèi)者對(duì)風(fēng)險(xiǎn)管理相關(guān)業(yè)務(wù)的了解程度。隨著經(jīng)濟(jì)管理服務(wù)的創(chuàng)新活躍進(jìn)行，消費(fèi)者之間應(yīng)及時(shí)知曉與之相關(guān)的風(fēng)險(xiǎn)因素，提高自身的對(duì)于風(fēng)險(xiǎn)識(shí)別和防范的能力。并且相關(guān)的經(jīng)濟(jì)管理機(jī)構(gòu)更要為消費(fèi)者提供實(shí)時(shí)的信息來(lái)源，加強(qiáng)對(duì)業(yè)務(wù)流程的透明化程度，從而指導(dǎo)消費(fèi)者正確認(rèn)識(shí)風(fēng)險(xiǎn)因素及報(bào)告安全問(wèn)題。