
大数据时代:互联网金融发展的关键_数据分析师
关于互联网金融及其对资本市场的影响目前在市场上有许多不同的研究与比较,互联网金融在根本上对金融业今后的发展是会起到一些颠覆性的影响,但是互联网金融究竟如何发展,从目前来看还难以有一个确切的结论。
互联网金融和金融互联网从概念上有一些不同之处,比如当年AOL美国在线要收购时代华纳的时候是以AOL为主体收购兼并了时代华纳,最后就结果来看这个并购是失败的。失败的原因可能有许多方面,包括并购本身对企业未来发展造成的不确定性等,但从根本上来说是否有这么一个原因,是因为当时是以AOL为主体进行的收购,而在收购之后的十年中虽然时代华纳作为一个集出版、影视制作与娱乐的大型多媒体公司得到了很好的发展,但是AOL本身由于在网络上没能像谷歌、苹果、Facebook或Twitter这些企业不断地创新,结果就落后了。从这个案例可以看出,进行收购兼并的时候以哪个企业为主体是尤为重要的。如果当时是时代华纳作为主体收购AOL的话,时代华纳作为发展的主体,AOL作为发展的载体,经过这样的主次调整这个合并也许就不会如此糟糕。
由此,我们现在要研究的第一个问题是,互联网金融发展到最后究竟是以哪个方面为主,若以互联网为主体,那么接下来就是以互联网的流通性、对消费者的便利性及其对市场发展的迅捷性作为主体。而金融作为一种僵化的主体逐渐被淘汰,所有的金融活动围绕互联网为中心开展。相反,若以金融为主体,那么金融企业所必须具有的,如风险控制为先、注重稳妥经营、收益是建立在稳定基础上等等这样一些基本属性是不会改变的,互联网只是作为金融活动中必不可少的一种工具。
这个问题可能会决定今后这个行业发展的总体趋势,或者可以说,互联网金融还是金融互联网,着重点在哪可能将会决定这个行业今后的发展趋势。但目前看来这个趋势由于信息的局限性或者发展尚处初始阶段,没有谁能够准确或大胆地做出判断。因此,在今后的发展过程中对这个趋势进行更为清晰的探索,是这个行业发展的关键。
第二个问题是,无论是互联网金融还是金融互联网,从事金融,那么风险控制就是必不可少的。从余额宝这个角度来看,它对打破银行的垄断、提高消费者主体意识及对投资者的权益保护方面都起到了很好的作用,从这个角度来说余额宝就是个鲶鱼。它打破了银行原有的垄断,对整个的行业发展起到了很好的推动作用。但它面临的一个问题就是,如此大的一笔巨资在支取过程中的风险应该如何控制。
我个人认为,对余额宝的管理至少应根据类银行的方式进行管理,比如按照巴塞尔协议中保持百分之八的总资本充足率,以及向中央银行交存款准备金(目前是20%)这样的方式来管理。事实上余额宝在某种程度上把挤兑风险更明显地展现在市场面前,所以在这样的情况下对风险进行严格的监控是非常重要的。另外,可以考虑对余额宝进行“招安”,给予它一种类银行的形式,以及与银行相同的风险监控及营业范围,这可能对互联网金融的发展会起到健康的作用。
第三,就是所谓的移动二维码支付和虚拟信用卡,市场反映较为激烈。目前来看,虽然全球金融危机即将宣告终结,但还是存在着一些新的问题。在中国目前实体经济还面临着许多不足情况下,一旦叠加了次生的金融风险,问题将是非常严峻的。而且从目前的情况来看,余额宝对整个市场的冲击力、对普通老百姓的影响力已是不可同日而语。如果再加上移动二维支付和虚拟信用卡,发生金融风险的可能性会更大。从这一点出发,央行的慎重也是有道理的。
第四,余额宝的盈利方式即是所谓的积少成多。互联网就是采取这样一种点对点,对个体的这种极端的大数据处理,小投资者享受到与大投资者一样的收益与便利,从这个趋势上来说是好事。但是以后仍然会碰到上述第一个问题——到底以谁为主,而现在尚不能给出一个统一的结论。
但是,有一点可以肯定,即还是要以金融的本质属性为主,这是非常明确的。余额宝在很大程度上钻了我国利率不够市场化的空子,事实上是把银行的垄断利润分给了投资者。某种程度上来说本身对实体经济,或者说金融对实体经济的促进作用还是不够充分的,只是享受了目前存款利率固定化的制度红利。而一旦利率市场化、存款利率也浮动了以后,余额宝的优点可能逐渐缩小,缺点会逐渐放大。那时再讨论利弊可能会更有针对性,余额宝可能也跟海外成熟的互联网金融一样竞争力会大大减小。反过来说,余额宝对推进利率市场化的提前到来,对金融自由化的发展还是应该值得肯定的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29