大数据驱动的个性化财富管理
2015年金融领域最受关注的热点问题是什么呢?大家一定会立即想到股市。大家可以看到,图上的这条黑线是上证指数的走势图,从年初到现在不过3、4个月的时间,已经涨了20%以上。根据CNN的评价,中国股市是现在全球最热的股票市场。为什么会这样呢?主流的说法大概有四个原因。第一是政策,国家要鼓励中小企业的发展,要通过股市推动中小企业的融资,提高老百姓的财富水平,拉动消费;第二,是货币政策,中国经济下行,中国人民银行有相对宽松的货币政策,全国的银行每个月放出的信贷总量大概在7000亿到8000亿的规模,这些钱在目前房地产市场相对比较低迷、制造业产能过剩的情况下,很多都最终流向了股票市场;第三是改革的政策红利,两会期间,总理提出了“互联网 ”的概念,提出了全民创新,但是怎么去支撑这个创新?政策上会有一些结构化的倾斜,我们也从股市中看到了这一点,因为中小板的涨幅更大一些;最后一点是股民的心态,我们看到股市在上涨,股民在做什么事呢?基本上每天新开的账户是17万,是去年平均水平的10倍。
我们再来看理财的情况。2014年,中国的商业银行共发行理财产品近7万款,平均收益在5%左右。而2014年互联网金融P2P的兴起给大家提供了更多的投资选择。从P2P的规模来看,截止2014年底,行业共有2500多家企业,信贷投资规模超过了3000亿,投资人的总数超过了100万。看上去很不错,但问题是,这些投资事实上是有较大风险的,理财需要谨慎,因为金融的核心讲到底是风险的问题。
今天上午,朱教授、王教授对“大数据”做了详细的介绍,但是一句话很难概括什么是“大数据”。我们回归到最原始的一句话,就是奥巴马政府在2012年官方网站上贴出来的“Big data is new oil”,它是一种新的能源。我们中国大数据现在应用在哪里?电商有阿里巴巴,媒体有百度、腾讯;金融在起步,其实应用的还很不够,其它领域的应用还没看到。中国在互联网发展起来的时候,大数据并没有发展起来,与美国的差距还比较大。大家在经常讲到大数据思维和互联网思维的时候,很少去深究二者之间的关系。其实它们是有区别的,虽然也有很多相关联的地方。
把大数据的思维形象体现出来的就是沃尔玛,很少有人把沃尔玛与互联网联系在一起,但它是一家极为注重大数据应用的公司。前一段有人说零售到时候会消失,但是沃尔玛的人可能不会同意这个观点。你想你整天在网上,在一个平面里面买东西,买了之后有可能还不喜欢要去退货,跟你推着个车在一个非常宽敞的地方,用一个手机APP告诉你可能喜欢的东西在什么地方,这个购物体验是不同的,是一个三维的立体空间的享受,购物环境还可以营造得非常好,这跟网上购物的体验还是有区别的。大数据应用的典范还有Capltal One,一家我供职过的公司,经历过几次金融危机的洗礼,它已经成长为美国的第五大银行,享有金融领域的Apple的美誉。Capital One 一开始只是一个消费金融公司,发放信用卡贷款。80年代美国的消费金融市场,跟中国现在的情况差不了多少,银行所有的信用卡都是一个利率,刷卡是身份的象征,不是所有人都能申请到的,而Capital One就专给穷人发信用卡贷款。那么这个商业模式行不行的通呢?好多人都持有疑问,恰恰因为他们忽略了Capital One商业模式的核心,就是大数据分析。后来美国有一本描述金融危机的畅销书,《大短线》,提到一个勇敢的投资人认真考察了这家公司,发现了它的与众不同之处,在这家公司股票才几块钱的时候果断买进,后来股价翻了数十倍以上。
现在我们再来看看中国的互联网金融。2013年开始定义为互联网金融的元年,大家这么去定义它,主要是因为6月份余额宝的上线。余额宝一出来,不出三个月,规模就达到了将近600亿。无独有偶,在10月份百度推出了百发。余额宝大家都清楚,是一个基金的电商,阿里巴巴跟天宏基金合作。百发是另外一个模式,百度跟广发合作做了个指数,这个指数我会在例子里详细说明。2013年过去了,2014年发生了哪些事情?2014年第一件事,互联网金融写入了国务院政府工作报告,有8家征信公司获批,还有5家民营银行,包括腾讯、阿里巴巴,再就是消费金融。大家能不能想象一下,2015年互联网金融会发生什么?在这里请允许我引用CapitalOne创始人理查德先生最近讲的一段话,“假设你的银行在你的手里,你跟它是互动的,是个性化的,又能实时给你提供服务的,而且变成生活的一部分,这是不是就是银行的一个未来?”
总结一下互联网金融发展到现在的六个模式,都是以互联网的模式做金融,实现大数据驱动的并不多。而且这些模式里面没有看到太多的理财模式,即以大数据驱动的、端对端的、理财银行是在你手里的,你随时都可以来管理你的资产组合,这种模式我们没有看到。这种模式用大数据的思维来看,从理财服务提供端,无论是银行也好,还是专门的理财公司也好,有两个部分,一个是产品,它给客户提供的是不是订制的个性化产品,另外一个是服务,它给客户提供的服务是不是一个互动的模式,当你对投资有疑问的时候是不是能够及时找到答案。还有一个就是从投资人的角度,对用户来讲能不能实现投资的智能化与自动化。这三个问题是大数据驱动的财富管理需要回答的核心问题,阐述起来比较复杂,我想借用三个案例跟大家讨论。
第一个例子是UBS。在2014年有这么一则新闻,瑞士最大的银行UBS用人工智能的办法来服务于富裕阶层的客户。它在新加坡搞了一个大数据的竞赛,出了个题目,哪家公司能够用我的数据帮助我更好的服务于客户,我就给你奖金,还跟你签一个合同,以后你为我提供大数据的服务。最后谁赢了?就是这么一家公司,叫Sqream,它做什么的?新加坡大概有600万人,它就积累了600万人的数据,每天收集这些人13万种行为事件,总结出8500万个行为模型。而且它有套算法,这套算法就是一个不断迭代的、不断递进的、量子化的数据压缩与信息提取的一套模型,用以给金融机构的客户进行画像,根据这个画像为客户选择最适合他的理财产品,这个公司最后以数据与算法赢得了这个挑战,获得了奖金与合同,不过相信这里最大的赢家最终还是UBS
银联智策是基于银联的交易数据,从事金融大数据分析和战略咨询服务的一家公司,在客户画像方面也做了大量工作。举一个形象一点的例子,我们曾经在公司内部搞过一个小小的挑战赛,参加挑战赛的每一个人都要读一本书,《二十一世纪资本论》,是一个法国经济学家写的。这本书得到的评价非常高,诺贝尔经济学奖得主保罗克鲁格曼认为这是最近10年世界上最重要的一本经济学著作。那么它的主要内容是什么呢?很重要的一部分内容就是把社会分层,前1%的人是最富有的人,然后是前1-10%,这些人也还比较有钱,其后是前10-50%的人,这些人勉强算是中产,最后50%则是相对比较贫穷的人。根据欧洲和美国的历史数据测算,最后面这50%的人所拥有的社会财富不足社会总财富的5%,中间10-50%拥有约35%的社会总财富,前面1-10%这部分人的财富约占社会总财富的30%,而位于顶层的1%这部分人在社会总财富的占比是30%,历史最高占比达到40%以上。我们挑战赛的题目就是,能不能用银行卡的交易数据把这些人划分出来。过了一个星期真分出来了,1%的人我们管他叫商贾富豪,1-10%是社会精英,还有中产阶层和普罗大众。可想而知,就是通过这么简单的一个分析,如果你恰好是银行一个财富管理的部门主管,给哪部分人什么样的理财产品,结论是显而易见的。这里要补充一点,上面举得例子只是一个简单练习,银联智策的客户画像产品要丰富的多,在实战中也有很多成功案例,就不一一列举了。
第二个例子就是我们前面谈到的百度百发大数据指数。这个指数是百度与广发基金联合开发的,并不完全是大数据,也有基础研究,要看股票的财报数据,看基本的经营情况,要看这个行业,还要看股票本身时间序列的表现,用传统意义上的股票动量分析。那么为什么叫大数据指数?关键问题是增加了金融搜索和用户行为的大数据,主要是看搜索了什么样的关键词,用户行为体现的情绪是正面的还是负面的,要看投资者的关注程度。综合各种因素进行统计和计算,并利用历史的股票收益进行模拟与优化,选取100只股票构造了百发100指数。如果从2009年1月份开始投资这个基金,不到5年的时间,到2014年6月份收益就是7倍以上。
大家可能要问,银联智策有没有类似的指数呢?在宏观经济分析与投资研究领域,银联的交易数据在消费行业有不可比拟的优势,覆盖股票分析里面30多个行业、100多家上市公司,包括青岛地区的青岛啤酒、海尔等企业。人们喝多少青岛啤酒,消费多少海尔产品,反应市场的真实需求,跟企业实际的运营情况、财报情况,有着高达百分之八九十的相关性。我们认为充分利用这些信息,再加上清华大学数据科学研究院一流的研究能力,可以研发出更好的指数。在这方面银联智策与清华大学有非常紧密的合作,研究成果即将在近期发布,请大家积极关注。
第三个案例是Betterment,这是一个自动化投资的案例。表面上看它是基于互联网的思维,界面做得非常简单。用户登录到这个界面之后,会看到一个自己的基金组合,比如说60%是股票,40%是债券;这个组合现在表现是什么样,收益是什么样,以及大盘的情况。当然Betterment与众不同的地方不在这里,它吸引人的地方在于可以给客户提供量身定制的建议,比如说当用户的这个投资组合需要调整的时候,界面上就会有个新的建议提醒。这个建议有可能是计算机算出来的,也有可能理财专家给用户的个人建议。我总结了一下,简单说来它有4个基本特点。第一个特点,它的回报应该是比较高的,因为这里边的策略,好多跟百发100相似,是基于大数据的并且经过专家优选过的策略;第二个特点,使用它的成本低,门槛也低。买基金有一些门槛,这些门槛可能是数据、技术,也可能是知识、经验。Betterment做到了用更低的成本帮助用户得到更高的回报。第三个特点,它有定制化的组合,还有丰富的标准品,满足不同用户的不同需求。第四个特点,它支持投资自动化,还有一个专家互动的功能,如果有需要,网站上的财富管理专家可以提供人性化的服务。
以上三个案例帮助我们回答了大数据驱动的个性化财富管理中的产品设计与服务推送、个性化定制与智能互动等核心问题。其中也讲到银联智策在这些问题上的种种创新和实践。最后我想简单介绍一下银联智策在解决这些问题上的一个得天独厚的优势,就是银联智策“财富管理大数据”。具体包括银联的交易数据、行业统计数据、商户财务数据,还有互联网以及其他行业数据的多维度拓展。通过与清华大学数据科学研究院的深度合作,银联智策在相关领域已经达到或超越了包括以上案例在内的国内外同类产品水平。
时间的原因,今天就不多讲了。希望今天的内容能够帮助大家更好地认识大数据与财富管理这个课题。也希望银联智策所做的事情,能够在不久的将来帮助到大家,帮助到在美丽青岛生活的各个阶层的人们。每个人都有理财的需求,每个人都有理财的权利,借助大数据的力量,让我们共同在青岛创造财富管理的新世界。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21