子课题4---社会化金融

子课题4名称：基于大数据的行为金融与金融风险管理
成员：任若恩、韩立岩、（??）刘善存、郑海涛、部慧、杨海军、吴俊杰（？）一、研究意义
大数据的出现，扩展了行为金融和金融风险管理的研究深度，使得需要大量微观数据支持的金融研究将获得前所未有的发展。

根据李国杰和程学旗（2012）的研究，大数据是人、机、物三元世界融合的产物，它包括以互联网基础产生的数据；以数据为中心的传统学科产生的数据；传感网和物联网下产生的数据等，本研究就以这三种数据为基础，从以下三个方面阐述所要研究的三个问题：首先，行为金融的出现对有效市场假设提出了前所未有的挑战，它强调行为和情绪在金融投资决策中所起到的重要作用。

在传统的投资者行为和情绪的测度中，一般都通过公开调查和投资者调查来实现，但是，这种调查需要花费大量的时间和成本，也存在抽样误差。

近年来，情感跟踪分析技术能够从博客、Twitter、Facebook、人人网、微信等社交网络数据（这是一种来自互联网的大数据形式）中直接提取公众情绪指标，这些方法更可能抓住投资者的情绪指标，而且，这种方法更快捷、低成本、更准确。

因此，基于这种互联网的大数据，研究公众和投资者的情绪指标，将有助于行为金融研究进一步深化，具有相当的理论价值和实践意义。

其次，信用风险管理是以数据为基础的，信贷对象的各种数据是判断是否放贷、信用风险定价等的基础。

传统的信用风险管理模型所依赖的数据大多是财务报表、个人资产和工资收入等定量数据和一些定性数据等。

但是，这些数据大多是事前数据，难以体现对信贷对象的监控与过程管理等。

在信贷机构经营过程中，信贷机构产生了大量关于信贷对象的过程数据（比如企业在信贷机构的结算账户
流量、个人客户的信用卡使用记录数据等），这些过程数据可为信用风险管理提供全新的贷中、贷后管理模式，减少前期信用风险评估数据缺乏或者不准确所带来的相关问题。

第三，全球金融危机和欧债危机告诉我们，传统的宏观经济学理论在预测预警经济危机、经济衰退方面显得苍白无力。

后来，资产负债表方法从经济存量的角度提出了非常好的预测经济危机的方法，但是，资产负债表的编制需要耗费大量的人力和物力，最重要的是这种方法比较适合长期的经济危机研究。

但对于中短期的经济衰退、区域性金融危机等现象，还可借助大数据来提前预警。

由于传感网和物联网的大力发展，使得各个监测终端的流量数据可迅速集中，数据的时效性非常强；同时，监测终端的分布范围相当广泛（比如港口的大宗商品交易的日价格数据、海关的出口数据流、蔬菜基地的日批发价格、某个楼盘的成交价格数据等），可迅速集中整个国家的最小个体的流量数据或过程数据。

基于这些底层数据（大数据），寻找金融危机、经济危机的先行指标，构建金融和经济危机的预测与预警模型。

这三个方面的突出特点包括两个方面：首先，它是面向大数据的。

这里的大数据包括三个方面，互联网上的线上数据，微观个体行为数据（比如信用卡所用者的信用使用数据）和传感网和物联网下的各个监控终端的流量数据（比如港口的大宗商品交易的日价格数据、海关的出口数据流、蔬菜基地的日批发价格等），现代社会每时每刻产生着巨量的、不断更新的大数据，这些大数据是了解信息的最好载体。

因此，引入信息学方法如数据挖掘，成为行为金融和金融风险管理的一大特点。

其次，它是多学科交叉的。

只有当金融学、经济学、信息科学、计算机科学、风险管理等结合在一起，才能应对高度复杂、动态变化的网络化社会所
带来的在建模、分析、管理和控制等方面的种种挑战。

二、研究内容
该子课题以国家、企业和投资者个体应对金融风险的重大需求为导向，以金融学、管理科学与工程、信息科学、行为科学、统计学等多学科方法为支撑，分层次、分步骤开展基于大数据的行为金融和金融风险管理研究。

具体研究内容包括：
研究方向一：基于线上数据投资情绪指标的行为金融研究。

该研究方向以大数据时代的线上数据（线上数据（online data）包括新闻媒体数据、网络搜索数据、社交媒体数据等）为投资情绪指标的研究对象，综合运用数据挖掘、复杂网络分析、统计计量、行为分析等方法，在线上数据中提取投资者情绪指标，以此为基础研究研究与行为金融相关的问题，包括资产定价和公司金融等方面。

包含如下研究要点：（1）投资情绪指标的网民情绪计算与指标挖掘；（2）三种线上数据的投资情绪指标比较研究；（3）基于线上数据投资情绪指标的资产定价研究，比如股价惯性、羊群效应等；（4）基于线上数据投资情绪指标的公司金融理论研究；等等。

研究方向二：基于过程数据的信用风险管理模型。

该研究方向的目标是革新现在的信用风险管理模型，主要融合利用数据挖掘、复杂网络分析、和计量分析等方法，通过对信贷对象的结算过程数据、信贷对象的抵押品等资产价格的过程数据等的深入挖掘，对信贷对象的信用风险进行实时跟踪评级，建立相应的风险管理模型。

包含如下研究要点：（1）基于经济、金融活动主体（比如交易者、企业）的活动过程数据库、网络数据库、财务数据库等，综合描述各主体的经济和金融行为特征；（2）基于过程数据的消费者的信用评分模型；（3）基于过程数
据的企业的信用评级模型；（4）基于过程数据的针对企业的贷中和贷后管理。

研究方向三：基于大数据的金融和经济危机预警模型。

该研究方向的目标是构建新的金融和经济危机预警模型，主要融合利用数据挖掘、和计量分析等方法，通过对传感网和物联网下的各个监控终端的流量数据等的深入挖掘，寻找金融危机、经济危机的先行指标，构建金融和经济危机的预测与预警模型。

包含如下研究要点：（1）针对可能的终端数据，寻找与经济发展相关的先行指标；（2）针对这些先行指标集，采用聚类分析等复杂数据统计方法，确定合适的金融和经济危机的先行指标集；（3）基于先行指标，构建金融和经济危机的预测与预警模型。

三、研究成果
本课题组已有成果如下：（1）已开发“基于新浪微博的社会舆情传播与情感分析系统”；（2）已在“Physical A”、“Journal of Mathematics Finance”等国际知名期刊和会议上发表高水平论文数篇；（3）已完成有关投资者情绪相关行为金融的国家自然科学基金课题和“基于行为的复杂社会经济系统理论与管理”国家自然科学基金创新团队课题。

（4）已完成有关信用风险管理、宏观金融危机预警方面的国家自然科学基金面上项目和重点项目。

预期2年内的成果如下：（1）高水平论文5-10篇；（2）申请国家相关的重点课题；。