科多大数据培训
全国24小时免费热线
15328019568
联系QQ
3048661160
开班时间
当前位置:首页 > 学习资讯 >

大数据培训学习:宏观审慎监管的大数据方法的基本原理

近年来,主要发达国家金融监管当局高度重视大数据方法在宏观审慎监管领域的运用。大数据的理念和技术手段能够帮助金融监管当局从体量巨大、类型庞杂且彼此关联的微观金融数据

  近年来,主要发达国家金融监管当局高度重视大数据方法在宏观审慎监管领域的运用。大数据的理念和技术手段能够帮助金融监管当局从体量巨大、类型庞杂且彼此关联的微观金融数据中提取系统性风险信息。大数据方法有着不同于传统研究方法的逻辑与特点,其强调数据的整体性和混杂性以及逻辑上的相关关系。科多大数据培训给大家详细分析一下大数据方法基本原理。
大数据培训学习:宏观审慎监管的大数据方法的基本原理
  使用大数据的理念和方法实施宏观审慎监管的基本原理可以概括为:在可获得的全部微观金融数据(包括现行金融统计体系内的结构化数据以及这一体系外的大量能够反映金融体系运行情况的非结构化数据)的基础上,使用数据挖掘、机器学习、数据可视化分析等大数据技术对系统性风险进行量化,并通过寻找和监测与系统性风险高度相关的指标这一方法,实现对系统性风险的预测和审慎监管。
  与传统研究相比,大数据方法在数据方面强调整体性和混杂性,在逻辑方面强调相关关系。具体而言:
  第一,大数据方法不要求事前对系统性风险的形成机制做理论假定,而是通过对可获得的全部微观金融数据而非部分样本数据进行即时和动态分析,做到“让数据说话”(LetDataTalk)。尽管这种海量数据分析得出的结论可能符合既有的解释危机爆发的理论,也可能与其相悖甚至一时令人难以理解,但这种分析结果是复杂的金融系统运行机制的最快且最全面的反映,其有助于修正既有的理论或经验并且在预测未来趋势时比传统方法更具优势。显然,大数据方法的内在逻辑是“数据驱动理论”而非相反。
  第二,大数据方法在强调数据整体性的同时,大大放松了对数据质量和数据类型的要求。在海量的微观数据面前,少量劣质数据的存在将不会影响最终的分析结果。随着大数据技术的不断完善,能够处理非结构化数据的技术方法不断涌现。因此,大数据方法能够从海量的结构化数据和非结构化数据相混合的复杂类型数据中捕捉传统分析方法无法获取的有用信息。
  第三,大数据方法更多地强调变量之间的相关性而非因果关系。大数据方法重在通过技术手段发现与系统性风险高度相关的变量,进而实现对系统性风险的监测与预判。这种通过“让数据说话”而非事前理论设定而获得的变量指标,可能与系统性风险的爆发仅仅是相关关系而并非因果关系。尽管其可能无助于我们解释危机为何会爆发,但却有利于我们预判危机何时会爆发。
  尽管大数据方法还不尽完善,但是其前景仍然是值得期待的,科多大数据线上培训学习平台已经开通,现进入科多大数官网可以领取免费试听账号,想要学习大数据的小伙伴可以来线上试听看看,再做选择哦~
最新资讯更多+
内容推荐更多+
在线课堂
猜你喜欢