
“大数据”时代 信息化成银行资管业务发展方向
我国银行理财市场经过10多年的发展,银行理财产品的发行数量和发行规模的增长不断创下历史新高。据不完全统计,截至2016年上半年,在中国80万亿元的金融资产管理的市场中,银行理财产品的规模已经达到了26万亿元,累计发行规模80万亿元,在中国资产管理市场上处于当之无愧的龙头地位。
随着大资管时代的到来,金融机构的经营方式从以存贷利差和发展规模为主转向注重争夺高收益、低风险的资产管理,从高资本、高信贷、低效益外延粗放式经营转向以轻资产加上投行为主内涵集约化经营,从间接融资、收益率的经营模式,回归代客理财,走综合金融解决方案服务商的道,这些都意味着金融机构迫切需要加强大数据分析和资产管理。而中国银行(行情,买入)(港股)业正在步入大数据时代的初级阶段,银行理财业务面临着很多挑战和机遇,如何在产品创新、市场营销、风险管理等方面运用大数据技术进行分析并做好资产管理,成为一个值得业界共同探讨的问题。
信息化:资管业务发展必然方向
在近日举行的第五届普益标准财富论坛上,普益标准首席经济学家在论坛上表示,在资产管理业务的发展中,越来越多的机构意识到数据和数据分析的作用,无论是从初始阶段对客户风险偏好的识别,还是针对客户需求和风险偏好做模型,再到接下来对组合的一个实时和随时调整,每一步都离不开大数据对客户需求准确的把握以及对市场走势的及时。
认为,未来资产和负债端仍然有下降的空间,但是长期债券还是有投资价值的,比如说资产端都加杠杆,财富端也慢慢接受这样的利率,然后大家的风险偏好下降,资产利率再下降,这个螺旋式下降还会持续一段时间。他,银行要分销巨头优势,这是银行的传统优势。分销巨头大部分是针对大众财富,或者说稍微低层次的高净值人群;对其他高层次的高净值人群可以做方案解决专家。
兴业银行(行情,买入)资产管理部总经理顾卫平则提出,在大数据运用方面,银行资管行业无论是在产品端还是在投资端,都有可挖掘的大量机会。大数据其实是通过对大量的信息分析,解决信息不对称的问题。金融服务行业有很多的困惑,就是因为信息不对称。由于信息不对称,增加了交易成本。大数据的应用就是能够很好地解决信息不对称的问题。
顾卫平表示,从投资端的应用来讲,信用风险管理、投资策略、资产组合、流动性管理等方面运用是较多的。银行资产管理业务部门建立了针对信用风险的研究团队,专门来管理标准的信用资产的投资管理,收集大量的数据,长期管理人投资风格、投资行为,并且进行归因分析。“比如,去年债券比较热,需要看产品的收益是从哪里来的,多少是从票息来的,多少是从杠杆来的,多少是从交易来的,这样分析之后,市场的变化对哪一个账户影响大,每个人在哪一个方面能发挥他的能力,这就需要大量的数据分析才能做好管理。”
谈及对未来的展望,顾卫平用了来概括:“第一,大数据是方兴未艾;第二,我国的资产管理业务必然是向信息化、系统化发展;第三,应用大数据根本目的是拓宽信息来源和支持投资决策。”
大数据:有助提升银行经营能力
江苏银行(行情,买入)投行与资产管理总部总经理高增银介绍了大数据在江苏银行资管业务中的几个应用实例,他表示,大数据相关方法和技术有助于提升江苏银行经营管理能力,对该行资管业务在资产挖掘、风险防控、产品创新等方面均具有很好的应用价值。
高增银认为,当前商业银行资产管理业务有几个新动向:一方面,理财产品收益率与所配置资产的价格均大幅下降,但资产价格下降速度更快,理财业务经营难度加大。他表示,今年5月,非结构性人民币理财产品平均预期收益率已降至3.97%,正式迈入“3时代”,降幅之大、速度之快超出预期。具体到各家银行,则略有差异,农商行与城商行的理财产品收益率在各类银行中依然处于最高水平,股份制银行次之,大型商业银行则最低。相比大行,中小银行的理财客户对收益率的度更高,中小银行理财资金成本压力也最大。
另一方面,随着利差缩小,理财资产配置难度加大,资管业务投行化趋势明显。银行资管业务迫切需要向投行业务延伸,提升优质资产的获取能力。在大类资产配置中,利率债与货币市场工具保流动性,比重不宜过高;信用债依然是主体,属于基础性资产配置,但收益率逐年走低,投资收益贡献度低。在脱虚入实、金融资本支持实体经济的要求下,资管业务也在创新思,通过投行产品以多种方式投入实体经济,服务国家供给侧结构性。
据高增银预计,银行理财所投非标资产占比下降,权益性投资比重将进一步提升。2014年至2015年末,我国银行理财配置股票等权益类资产占比已由6%提升至8%,预计未来将进一步提升。但目前银行理财配置的权益类资产还主要集中于结构化二级市场配资、结构化定增等低风险、类固收形式,平层进入股市尚不多见。他表示,未来随着净值型理财产品推进,权益性资产的配置将更为灵活。
另外,高增银认为,在投行业务“基金化”的背景下,银行资管业务参与各类基金日趋活跃。他介绍说,目前常见的几种模式为:一是传统的单个非标项目向各类基金模式延伸,如各类基础设施投资基金、政策性PPP投资基金、产业投资引导基金等;二是通过定增基金等形式参与一级半权益资产投资;三是通过与上市公司或其关联方、知名管理机构合作,共同设立并购基金,支持优势资本的低成本扩张,理财资金获取固定回报加浮动收益分成;四是与优秀的创投机构合作,积极进入私募股权投资领域。
高增银表示,各类证券化资产也成为理财资金配置新宠。随着证券化进程的推进,非标资产将逐渐退出历史舞台。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15