“你能想象得到、所有可以搜集到的信息，都可以為金融所使用，關鍵是如何能夠擁有創新的手段和想法，讓手里的數據產生價值。”昨日，在IDG-Accel、宜信、第一財經新金融研究中心聯合主辦的“2013年互聯網金融創新峰會——硅谷對話北京”論壇上， 通聯數據首席戰略官龍白滔如是說。

　　龍白滔曾經是上海證券交易所交易系統的總設計師，全中國每天三分之二的股票交易都是通過他寫的程序執行的，這聽上去很酷，不過，相對于用冰冷的計算機代碼幫助人們實現交易，龍白滔現在做的事情——在大數據中“掘金”更令人浮想聯翩。

　　互聯網上每分每秒都有熱騰騰的數據新鮮出爐，只要地球上還有電，互聯網上的數據就會源源不斷地產生，那么這些數據到底能為傳統金融行業做些什么?

　　信用評分

　　一切數據皆為信用數據。很多來自P2P行業的創業者們在論壇上都不約而同地表達了同樣的觀點：大數據可為信用評估所有。

　　“美國申請信用卡，姓名有可能全部小寫，也有可能全部大寫，這在我們看來信用是完全不一樣的，一個人如果能知道何時大小寫他的姓名，從某種程度來說姓名指數更好，跟教育背景形成正相關。再例如，開本田雅閣和開尼桑350Z的人從一定程度來說，風險偏好程度往往不一樣：開尼桑往往更激進，還款程度來說更快一些。”Turbo Financial Group首席風險官顧凌云舉例說。

　　同樣用大數據來做風險評估和信用評估的還有美國P2P借貸行業的翹楚Lending Club。

　　“和大數據打交道，最重要的是怎么通過這些信息找到你需要的最基本的、能夠預測預警欺詐風險和信用風險的信息。”Lending Club首席風控官陳超美介紹說，“我們除了提到用信用統計的這些數據以外，還會要求借款人提供很多其他信息，包括為什么要借貸、希望的額度、教育背景、職業等等。第三方的評分包括他的郵件、電話號碼和住址、計算機IP地址這些都在網上操作。不光是信用還有欺詐風險，核實也是很重要的一部分，這部分是我們手工操作積累起來的經驗，未來逐步進行自動化。”

　　而互聯網產生的隨時變化的數據能為信用評級做的不僅僅是提供一個靜態的分數這么簡單。利用大數據做信用評估主要是觀察兩個方面：第一有沒有還款意愿;第二有沒有還款能力，但兩者之間并不能完美協調。“原因很簡單，因為有一個滯后性，而解決的辦法是把離散的評分變成連續的，希望最終產生的版本是根據不同數據源，每分每秒改變，不是等兩三個月信息才改變一次。”顧凌云說。

　　值得注意的是，在“金融”前面加上“互聯網”或者“大數據”的修飾語，并不是保證金融創新成功的萬靈藥，實際上，在互聯網驅動下的模式創新也同樣需要搭載傳統金融技術才能更好地發展。

　　“我們要借助互聯網的理念和技術去提升和改變傳統金融。”龍白滔說，“國內做P2P信貸的有幾千家企業，因為這個模式很好復制，真正做得好的只有屈指可數的幾家，但是除了模式本身之外，還有對這種信貸核心業務能力的掌握，而真正掌握這種業務能力的企業是非常少的，而這正是傳統金融業務的本質。”

　　投資指導

　　除了做信用評估外，大數據在指導投資上也開始嶄露頭角。Thasos Group就是一家利用大數據技術進行投資的對沖基金，而對于喜歡多樣化的華爾街投資人來說，這一新鮮的想法已經受到了不少的青睞。

　　“據我所知，Thasos Group 是目前唯一一家使用大數據投資的對沖基金，而且收益率超過非高頻交易之外的對沖基金平均交易水平，而他們之所以能夠表現優異，就是緣于對大數據的科學和充分運用。”Thasos Group首席科學家潘巍說。

　　“傳統的投資機構基本上使用的是金融和財務數據進行投資，而我們使用的是大數據挖掘，通過這些數據的挖掘來準確判斷美國消費者的行為，進而了解美國宏觀經濟運行的趨勢，從而做出正確的投資決策。”潘巍在接受記者采訪時表示。

　　金融數據和大數據的使用是潘巍區分Thasos Group和其他對沖基金的特性所在。

　　之前有關一些金融機構通過使用一些社交網絡進行客戶追蹤，并據此進行投資，潘巍認為，其實基于Twitter和Facebook等社交網絡進行投資的方式基本歸于失敗，“因為這些社交網絡提供的數據是基于非結構性的語言，很難準確定位并最終帶來收益。”互聯網大多數數據都是半結構化和非結構化的數據。

　　潘巍的技術并非如此，不過鑒于市場競爭，潘巍拒絕向本報記者透露其挖掘的大數據來源或者挖掘方法，但其言語中透露出的是Thasos Group的數據挖掘關注的是宏觀經濟基本面以及行業的評估，借此來精準定位其要投資的公司或行業。

　　“大數據的繼續挖掘將會改變整個投資行業，最直接的是投資方法;另外包括利用大數據建立新的信用評級機構等都將帶來巨大的機會和市場。”潘巍表示。

　　另外，從市場方面，潘巍告訴本報記者，在美國，鑒于金融創新落后于技術創新，“一旦你有不一樣的方法，很多機構投資者都會撲向你，只要我們能證明我們不同，這有助于這些機構投資者降低其投資組合的關聯性，實現多元化投資，我們就能找到投資者。”

　　昨日的論壇上，包括Zestfinance等多家機構也都解釋了大數據挖掘對信用評級、信貸匹配等方面可能帶來的巨大機遇。

　　不過潘巍也表示，目前大數據技術挖掘及投資還面臨著很多來自監管、技術以及市場環境的挑戰。

　　“數據的跟蹤和使用有可能會給個人或者社會帶來一定的傷害，包括對隱私的滲透等，而監管機構避免這些傷害的行為在一定程度上成為大數據的一種障礙。”潘巍告訴本報記者。

　　另外，大數據本身的特質也決定了一些結論的科學性值得甄別，“只要數據足夠大，你什么樣的結論都可能得到，但這些結論很有可能是錯誤的，如何甄別是一種挑戰，包括相關性和因果性之間到底哪種關系更具有價值等。”

　　盡管潘巍對大數據改變投資行業非常有信心，但他認為中國的市場仍然需要培育，“大數據投資并不適用于中國的股票投資市場，包括中國的債務二級市場、貨幣市場、衍生品市場等都不成熟。”