江南APP官网曾途：大数据框架的金融风险管理曾途：非常感谢各位嘉宾，有机会能够在这里分享一下利用大数据技术在金融方面做的一些实践。前面嘉宾讲到，不管在区块链技术也好，还是金融实践也好，我们都有很多的一些创新。今天我想讲的是我们在大数据领域，确实做了一些实践的案例，试图去改变一下我们对传统还有对未来创新的金融行业一些本质的理解。大家都知道，金融行业从本质上讲分为五大市场，不论是债券市场、股票市场、外汇市场、利率市场，还有大宗商品市场。研究其本质，核心是研究风险和定价。
但是，风险是什么？我们把风险按照金融工程的一个原理分为信用风险、市场风险和操作风险。而信用风险作为核心的一个基础，我们怎么去对待江南APP官网，这就是我们BBD在研究这样一个创新问题上做出的一些探讨。我们看到这页PPT，我们看到我们以美国和中国做一个对比，未来的中国的金融竞争和中国的金融安全的竞争，本质上是对风险管理的竞争。我们看美国，它在整个金融服务行业里面有大量的桥头堡企业，不论是会计师事务所、评级机构，投资银行，金融信息服务，律师事务所和企业数据，包括证券市场，还有其他的咨询机构。
他们一方面在全球提供非常高级的一些金融服务的同时。一方面也采集了更多的数据。当然，我们国家也有相应的机构去匹配。比如我们的瑞华会计师事务所已经是国内第一大会计师事务所，我们也清楚的明白数据作为一个本质的核心，像美国他们的机构在提供服务的同时，一方面在提供服务，另一方面也采集了全球的数据。所以说，它可以很快的映射出一个区域的金融风险，一个行业的金融风险，甚至一个产业的金融风险。实际上这里面告诉我们一个课题，未来我们要干什么事情。这里我们团队一直在思考，是不是能够站在未来十年看今天，我们是不是能做一件可以持续而伟大的事情？那是什么呢？我们认为金融是一个持续而伟大的事情，金融风险未来将成为一种基础设施。
第二、什么样的事情才能持续去做，成为平台的平台？我们认为数据本身是金融工程和金融风险最本质的东西。所以我们要专注于数据。
所以，我们今年下半年非常快速和我们中国的金融桥头堡企业展开了深度合作，试图用大数据本身解决金融风险的问题。
纵观中国和美国金融企业、服务业的对比，我们发展传统制造业领域，金融服务机构实际上在FinTech方面有非常大差距，但是我们也发现一个中国金融体系面临的大量特征就是新经济企业的风险评估。所谓新经济企业，就是高成长、轻资产，重研发投入这样的企业。这样的企业，按照传统的风险评估，按照传统银行授信模型是没有资产信息的，在全球范围内，这都是一个难题。我们试图就用企业的行为数据，代替他的资产信息，从而对这种金融行业，新经济的企业进行评估，这就帮助了我们的国内的金融服务机构，创造了一个新的风险管理的蓝海。这就是我们通过对轻资产，高成长企业的企业行为信息的分析和描述，打通他从征信到评级，到定价，到最后的指数趋势预测这一方面整个的金融行业的一些链条，从而建立一个弯道超车的机会，去帮助我们的金融服务企业在国际市场上赢得在金融服务业里面取得话语权。
这里面包括信用风险、市场风险、操作风险。信用风险是关注企业的风险本身，包括征信和评级。市场风险我们关注定价，然后操作风险关注它的内部控制和它的经营特征。这里面我们认为要做好这几件事情，三件事情虽然说起来简单，其实比较难。这里面有几个要素我认为是未来我们在分析这种企业类型不可避免的一个要素。第一、我们要拉通新的金融数据的框架，这种服务的框架是不同于传统的一个金融分析，以资产信息为主。因为像大量的企业，大量的新经济企业，比如刚才提到小米科技，等等一些新经济企业一样，它很少有资产信息和固定资产信息。如何用企业的行为信息，比如背后的投资方是谁，投资方背书能力有多大，无形资产有多大，是否合规，这些信息弥补它的资产信息，从而对整个企业的信用重新进行定义。第二、是不是有业界专家，能够通过网络结构、大数据，还有一些新的技术结合，定义一些新的业界适用的模型。第三、是不是有度的数据去交叉验证同样一个标的物的一些特征。第四、是不是有一个科学家团队，能够自动的、智能化的处理企业的风险信息？我们认为这都是未来我们在大数据框架下做金融需要考虑的非常重要的要素。
第一、要做这些事情要有很多人。我们团队集聚了国内最优秀的金融工程的一些人士，集中在团队，去干两件事情，就是挖掘企业的整个的从征信到评级，到定价，到趋势预测，所以没有人干不了。所以，未来的金融工程，包括未来基于大数据的金融风险服务，即将是一个人才的竞争。
讲一下整个的逻辑，我演讲的整个步骤，还是给大家讲一下大数据怎么去做，大数据关心的问题是什么？最近两年大数据特别火，也涌现出很多的大数据公司，有些说他技术好，有些说他产品好，有些说未来的发展趋势好。但是我认为大数据归根到底有三个问题特别重要。第一、大数据我们认为是一种基础设施，它提高了我们用数据去解决问题的能力，其最重要的事情是，我们是不是能够在业界和在行业内提出一个普世性的问题，去解决这个问题，所以提出问题我们认为是最重要的。第二、是不是有足够的数据源支撑这种问题的解决。第三、是不是有一帮科学家或者数据工程师，或者极具天赋的人用最好的算法去优化，解决这些问题。
所以说，人才、数据源、数据的技术和提出一个什么样的问题，我们认为是未来用大数据去解决行业问题最重要的几个要素。金融领域我们认为，要解决普世性的问题是什么？金融问题的本质是风险和定价。风险问题有几个层次，第一、我们用行为数据的加加减减，经济学对结果不负责任，但是金融不是，金融的本质是要么赚钱，要么亏钱，要么不赚也不亏。所以，我们叫金融是经济学的临床。经济学的临床应用，我们要关注什么问题？第一、基于数据的加加减减就是征信，比如券商有它不同的模板做的征信，做的征信报告，这些都要基于数据。我们把征信数据加上我们的评级模型，我们就可以成为不同行业的评级报告。当我们把评级报告，我们把评级的内容加上授信模型，我们可以用于借贷。当评级报告加上估值模型，可以用于投资，当我们的评级模型，加上收益率，可以用于债券，当把所有的整个基于企业微观和宏观数据打通的时候，我们可以预测一个行业，尤其是新经济行业，像智能制造、新一代信息技术、生物医疗等行业，是否能够提前三到六个月预测这个行业的波动周期，这些本质上来说，就是我们要用大数据解决这一系列问题的本质，就是风险和定价。
一方面我们和国家信息中心合作，国信优异（音译）数据公司，接入了政府的外网数据，我们和一些省级地方政府进行试点，比如和贵阳进行试点，我们还和第三方数据合作，包括我们自己的数据合作，我们全量采集2300万家公开的企业信息，包括可以一键生成关联方，等等这些数据源，我们经过深度的数据挖掘和分析得出一些结论，这些结论支撑我们从征信到评级到定价的一些工作。比如我们传统要做一个尽职调查报告，做到三度关联方，或者四度关联方是非常那的事情，用大数据技术，可以一键生成关联方，这就是大数据并没有改变金融的本质，而是提升了金融的效率。
提高金融效率的一些基础设施。我们应用了现在世界最上先进的一些技术，包括未来的图计算。我们叫做GPU创新应用。用这样一些新近的计算方法，结合我们现在大数据平台价格，甚至于超过传统的CPU架构下的计算能力几千倍，然后做整个的高性能的计算。同时，在全球范围内布局和我们企业相关的内容，比如我们在伦敦、纽约、新加坡采集我们和企业相关的数据，并且这些数据和“一带一路”结合起来，我们可以看到“一带一路”沿线上所有企业的信用风险。
讲到这些问题，前面讲的大数据比较多。大数据的本质，最后再总结一下，就是要做到提出问题，解决问题的算法，解决问题的资料数据，应用算法和数据的融合才能解决一个问题。所以业界的专家和大数据变革的影响解决市场风险和操作风险等的问题，这样才是一个体系，这是整个系统架构。这个架构就是未来的技术非常简单，大数据尽可能减少人工，用机器处理事情，但凡把任何数据输入进去，都可以得到有效的结论，并且这个结论不同于传统的数据挖掘，不是找规律，而是通过已知的数据和未知关系的结合，找到一些预测性的规律。同时，我们结合业界专家，包括把普华和德勤团队都邀请进入我们的公司。
这里解决几个问题。第一、解决整个行业财务数据的问题。我们监测了整个中国所有的上市公司、新三板公司，还有一些交换数据，授权数据的非上市公司，我们定义了按照不同行业和权重进行的指标，我拿到一个标的物的时候，可能很快比较出，它在这个行业高了还是低了。第二、我们做尽职调查往往需要很长时间，我们按照企业的行为模型，如果是高新技术企业，我们会从七个纬度看，第一、行业基本信息，第二、企业状况，比如，我们发现鄂尔多斯、山西、桂林，最近出现了大量的诉讼，主要在煤炭行业，煤炭行业主要的诉讼集中在民事的资金链断裂，都是债权纠纷。我们可以预测在煤炭行业，这样一个煤炭行业有大量资金链的纠纷，并且涉及到大量的质融，预示这个行业本身有很大的风险。第三、研究它背后的法人治理结构。第四、研究它的关联方。比如我们研究2070家P2P跑路的企业，就会发现它有五大特征。第一、它的关联方特别少，没有好的关联方背书，没有股东。第二、从来不注册无形资产和商标。第三、他们所有的平台都是买的三五万的平台，一开始就想套现，然后只招做美工的，招销售就是中专、大专以上学力，工资发三万到五万，完全不符合常理。第五、我们要研究它的KPI的信息，我们通过关联方图谱，通过网络信息结构的中心点和桥梁点发现它的实际控制人，或者实际控制的代理人。我们都知道中国的企业很奇怪，只要是挣钱的，尤其中小企业，或者高科技企业，挣钱的时候就是自己的，不挣钱的时候就是公司的。所以，如果企业一旦有价值，一个老板他就会覆盖更多的下属企业。所以，我们有很多方法去验证实际控制人。第六、它的社交媒体信息。比如我们会发现，我们这个不叫云信息，我们叫社交媒体，通过它所宣称的在媒体上高度曝光的这些标签，然后我们去和它企业的实际投资方向做匹配，看它的投资方向是不是和他的标签所宣传一样，是否一致，从而找到金融方向的转型。比如一些企业，上市公司要做大数据，曾经百度上有一家上市公司说并购数联铭品，完全是子虚乌有的事情。但是，我们会通过它的和战略投资方向去验证，通过他的投资方投资的图谱和做比较看他是不是在这一个战略方向投入了人力资源，是不是有招聘，是否有它的投资公司，从而验证它的不是在做金融转型，最后我们验证它的无形资产，产权信息，无形资产信息，招聘信息，从而对一个企业进行评估，从而一键生成一个尽职调查报告。我们对债券行业建立了收益率曲线。
我们认为未来中国的核心，企业是基本的信用单元。并且作为信用风险来说，它从央行到商业银行，到整个金融机构，再到金融市场，到政府，到个人，到组织，金融风险无处不在，信用风险无处不在。所以信用风险本身要解决这个问题，在新技术条件下，我们要解决基础设施的问题，是一个重大课题。我们从大数据技术上来说，可以无缝的找到这些规律。不论整个计算能力，还是数据的接口能力，还是它的复杂网络的挖掘能力，我们可以找到很多规律。
这里解决我们讲到的，我们可以通过和工商的合作、税务的合作、质检的合作，水电气的合作，包括和公开信息的一些录入和金融机构的合作，我们可以从信用风险当中的企业画像、尽职调查、风险评分、信用评级、金融定价、动态指数做完整的金融链这样的一个服务。最近我们也要发布中国最新的新经济指数，像PMI一样，预测制造业可以提前3-6个月可以看到整个行业的景气情况，未来我们发布的指数也可以提前3-6个月看到服务业以及新经济往上走还是往上下。
这就是一个数据的逻辑，这里就没有什么技术的东西了，这就是一个业务的逻辑。把内外部数据相结合，按照企业信的一些行为模型，这些数据是可以变相代替资产信息江南APP官网，帮助银行重新授信，帮助投行重新估值，帮助我们发行债券的机构重新定义风险因子。这就是我们的一个图例，我们只要输入任何一家公司进去，我们都可以看到它的中心点，它的桥梁点，它的股东的股东，股东背后的股东，以及这家公司和他周边相关的公司有什么样的信用风险。左边是我们和德勤做的PK，我们明显优于他们的模型。
刚才讲了一些很具体的一些东西，我们刚才讲的原理上是，刚才看到的数据都是征信，我往上走，我们发现有一个很好的概念，包括实践，这是通过云平台自动实现的一个聚合，这种企业像一个X光片一样，我们会发现它是一个内圈和外圈组合的一个图形，这里面每一个点就代表一家企业，其实只需要输入一家公司，我们就可以发现有几百上千，甚至上万个点和它发生关系，这仅仅是股权关系和公开的一些关系。但是，我把这个进行分类过后，我们就会发现，在中国我们研究了上百万家企业，我们发现不同的企业具体有不同的结构和不同的图形。从我们的右边开始看过去，我们这种太阳型图谱是典型的投资型图谱，但凡我们研究了接近80万家投资型企业都是讲这个图谱，但是往往有很多涉及到金融，包括非法的金融机构，它实际上做的是贸易、钢铁，还有制造业，也讲这种图谱，典型的就是打自制造业的幌子做金融，做投融资，做房地产。
所以，我们有了一个标准的图谱，叫金融诊断，当我们看企业，如同医生看X光片一样，了解了企业的金融风险，有了一个快速的判断机制。左边是中介型图谱，企业把他的基本关系进行大数据重新计算和整合过后，我们也能看到企业的基本现状，不同的企业就是不同的图形结构。
我们要做的什么事情呢？我们在做评级里面，就是要建立这种以非财务信息为主和财务信息为辅的新的新经济评级模型。因为大家都知道，企业财务报表，尤其小微的财务报表，真实可靠度不高，但是对于DNA图谱，基因图谱很难发生改变。所以，我们建立了这样一个纬度去看我们的企业，我们会找到它的异常点，从而对企业进行风险评级。
当我们把所有的高科技企业，或者轻资产，高研发，高成长性的企业按照一个非财务信息为主，财务信息为辅，七个行为模型的征信数据集为一体的时候，我们建立了评级模型。这种评级模型，就可以帮助我们的金融机构准确的对这些金融标的物和资产情况进行评级。当然，这些评级过后，我们建立了基于新经济企业整个资产的定价的一些功能，完善了新经济企业的风险因子。基于债券市场的风险和定价是我们未来要研究的重大课题，也是一个万亿级别市场。所以，我们按照一个新经济的方式重新计量了这些企业的风险，从而形成了定价。我们整个20多个博士，完整的攻克了整个债券模型，债券定价的方式和风险因子的方式，全是我们自主知识产权原创的，这相信也是在世界级范围内一个重大的突破。我们实现了整个新经济企业的准确定价，会帮助我们金融机构、银行，还有其他发债机构，我们将赢得一个更好的标准的定价体系。我刚才讲了风险、定价。
最后要讲的是一个大的课题，并且是我们正在做的课题。我们1月17号在美国佛罗里达发布我们全球中国新经济指数。我们为什么要做这个事情？2010年开始，整个制造业对整个中国经济的贡献50%，现在基本上30%，29%点几，制造业的贡献大幅下滑，服务业又在快速的增长。我们PMI看整个制造业的下滑趋势，但是服务业增长，但是传统的PMI又无法衡量整个服务业的一个正常的健康态势。所以，我们做了中国的新经济指数，我们围绕九个行业，111个四位数的代码行业，从节能环保、新一代信息技术去研究中国新经济的情况。我们最后发现新经济的定义就是高资本投入，高劳动力投入，轻资产，并且受到政府扶持等很多要素构成，并且这里面跟传统经济有最大的不同是投资方式以高端劳动力为主，产出过程是劳动力之间产生的化学反映，高人力成本投入是未来一个企业的一个信用最重要的一个信用记录之一，产出的结果是低能耗的，然后高回报的。
我们经过半年的测试，我们做了很多结果，我们可以从行业里面看成是，也可以从城市里面看行业。实际上我们发现，10月份整个经济周期整体的下滑，但是整个新经济行业还有两个百分点上升。这是我们指数的一些合作伙伴。
最后，总结一下我们想做的事情。BBD试图用大数据技术围绕新经济企业建立一个从企业行为数据到风险模型江南APP官网，再到定价模型，再到指数预测这样一个完整的风险服务体系。这就是我们认为一个伟大而可以做十年的事情，谢谢大家！