
大数据助力证券业预判未来
上海,我国最具特色的金融中心,其证券市场交易额等单项指标已位列全球前三,有极丰富的金融数据资源;贵州,中国大数据领域的先行者,是国内推动大数据产业发展的重要支撑,已率先启动了全国首个大数据综合试验区建设。
“贵州已经建好了大量数据中心,而上海金融业有大量数据需要储存和重新梳理,两个充满激情和创造力的区域,在大数据和金融领域开展的合作,必将迸发出巨大的商业价值。”信达证券股份有限公司上海分公司副总经理许捷认为,当下,利用大数据发展金融服务和金融创新已经成为一种趋势,作为金融“三杰”的证券业,更渴望大数据助力其预判未来。
尴尬:互联网金融 强势冲击传统金融业
回顾刚刚过去“双12”,支付宝推出首个全球狂欢节,吸引了包括日本、韩国、泰国、新加坡、德国、法国、澳大利亚以及我国港澳台等12个国家和地区的3万家商户参与,涵盖夜市、免税店、百货公司、餐馆、酒吧等多种消费场所。一部手机,行遍天下。互联网金融带给传统金融业的冲击,从线上到了线下。
“互联网带来的便利改变了金融客户的行为习惯,使交易信息透明化,交易成本显著降低。而作为金融业的‘老大哥’,传统银行正从传统业务方式向网络、移动业务转变。”许捷感慨,互联网金融发展的如火如荼,其对传统金融来说,的确带来了巨大的冲击和挑战。证券商亦是如此。
“目前,全行业已经不能再考虑挑战了,而要考虑谁能抓住机遇。”许捷认为,挑战已经清清楚楚很现实的摆在那里,无论你想不想,都需要面对。主动面对才有可能抓住机遇,无论是大券商还是中小型券商,这些都是必须面对和考虑的。这同时也是整个券商行业和金融所需要考虑的。深思熟虑的思考和行动来面对机遇,必然能够带来好的结果。
当然,我们要有一种积极的拥抱的心态才能适应挑战,而不是防范。只有主观上认为是机会,才能考虑投入和合作,才会费尽心思地去想如何抓住机会,如何最大化自己的优势和实现自己的目标,才会有行动和反馈。如果主观上认为威胁,那只会被动的考虑防御,考虑怎么才能避免事情的发生,怎么才能回避或减少。但事实是互联网浪潮已经全面来临,券商已经没有办法回避。所以,我们必须积极地拥抱互联网,融合互联网。
突围:深度数据挖掘 大势所趋
欣然对面互联网金融时代的来临,对于金融业而言,最重要的一步就是利用数据进行“二次掘金”。
“未来,将是大数据引领智慧科技的时代,这也给国内证券公司带来了诸多启示。”许捷表示,大数据时代,券商们开始意会到数据挖掘的迫切性、必要性,券商对于大数据的研究与应用正在紧锣密鼓地进行中。
首先,从技术发展的大环境来看,随着虚拟化技术的深入,数据挖掘技术的不断创新,互联网的发展,为企业大数据挖掘提供了良好的外部环境和技术支持。
其次,从证券业自身发展需求来看,证券业面临行业监管及同业竞争的压力,资产管理、IB以及融资融券等各类新业务的相继推出,对系统及数据管理提出了更高要求。具体表示在:技术层面上,2000年后券商陆续完成了交易大集中,并按需推进建设了业务及管理系统,不断跟进客户的互联网应用需求;业务创新层面上,券商在零售业务、私人业务以及机构业务上的不断创新,一方面产生了大量的业务数据,另一方面对数据挖掘、分析提出了更高要求。大数据时代,对于数据和管理不仅仅停留在某一阶段,而是全周期性管理。
对于大数据的特点,大数据首先是数据量大,其次,海量数据的危机并不单纯是数据量的爆炸性增长,它还牵涉到数据类型的改变。再次,大数据带来的挑战还在于它的实时处理。
对于大数据的作用,大数据时代不一定是对已有客户的价值挖掘,而是要求我们更多从外部价值,对未来做出预测。
展望:大数据助力 证券业预判未来
在互联网金融+大数据时代下,信达证券作了许多尝试。首先,其是第一家推出即时行情网页交易的券商,采用业内领先的W EB版网上交易系统,一改传统交易模式,用户无须下载和安装交易软件,直接登陆信达证券网站即可安全、快速、方便地浏览行情和买卖股票。其次,就在上个月,信达证券发布了大数据告诉你A股的十个秘密规律。
“在我们看来,大数据能够更好的助力证券业预判未来。由此,我们非常看重与贵州的合作。”在许捷看来,贵州发展大数据占据天时地利人和。比如说,随着数据大增长,储存成本将成为金融机构的痛点。一般的企业每年的数据储存量都要增加1倍以上,如何控制储存成本也是一大难题。而为了保障安全,数据中心的地质条件也很重要。
“贵州已经建好了大量数据中心,且当地因海拔相对较高,冬无严寒,夏无酷暑、生态环境好,数据中心散热可以直接换新风。同等条件下,数据中心可以比南方其他地区节约10-30%的用电量,一个标准机架每年可以节电3万度左右。”许捷表示,这些他们都非常看重,因此,下一步打算将数据灾备中心建立在贵州。同时,也将在金融、证券等领域,与贵州加强合作。相信贵州大数据和上海金融,未来发展将前景无限。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16