大数据为什么这么重要？
美联储每个月开个会，一直把利息降到零，所以大家都在猜，市场都在猜，比如每个月15号17号18号的会议，周三周四议息决定的公布，为了获得重要的加降息信息，有人就研究了一个方法——看格林斯潘的包。如果包变厚，说明带很多材料去开会，这说明他肯定是要做一个重大的举动，他要论证，比如要降息了为什么做降息，他要举很多材料说服其他美联储的同行，要加息同样，如果包很薄估计这次没什么决定，一切都照旧。所以当时大家就说格林斯潘的包，只要每次要开会，大家可以看看他的包。
从此处可以看出大数据在金融领域的重要性，请看真融宝吴雅楠博士为我们带来的“大数据如何运用到金融科技领域”的方式解读：
大背景：美国和全球的金融形势
2000年有一个互联网泡沫，那个时候互联网公司也是如日中天，只要公司起个名字，皮包公司起个.com，只要公司名字.com马上上市，几十倍几百倍市值的炒作，可以看到2000年的股市市值的确反映了互联网萌芽期整个公司的代表。
据此，吴雅楠博士提出，金融是跟周期直接相关的，周期背后是宏观经济的周期，我们有四大周期，现在的经济衰退与萧条，期望经济未来复苏，还有通胀或者过热，称为经济的四大周期，这是宏观的经济周期。同时金融也有不同的资产所代表的金融周期，我们金融产品就需要跨越金融周期，同时讲资产配置的时候，讲到全球资产配置的时候，我们需要对全球资产的变化和轮动有个很明确的认识。
A股无论是沪市还是深市在全球表现最好，主要原因还是我国抗疫提前得比较早。美国股市短短的五周之内从技术性的熊市跌了40%，到现在技术性的牛市又反弹了20%30%，美国股市的一个特点就是流动性驱动非常强。
吴雅楠博士认为供求不平衡是最根本的原因，其次是期货被逼仓。
在对全球经济宏观形式有了了解过后，吴雅楠博士介绍了金融产品的大数据相关观点。
金融大数据
“金融产品还是要跨越整个周期对金融周期要有一定的了解，需要进行自上而下的整理。”
金融和科技，传统产业和新兴的科技行业怎么融合，这成为了一个新颖的话题。招行是国内最好的营收银行，招行田行长每天都有种危机感，传统银行怎么去面对科技对银行未来的冲击，科技和传统金融在形成一个大家互相融合又互相竞争的关系。
为什么大家讲金融科技现在做到如今这个地步，还是存在基础设施？
“任何一个行业的发展是因为基础设施首先铺了路。”
叫个外卖、线上直播、短视频都很方便，但现在海外还缺这块，中国这块反而做得比较好。今年一个最大的主题除了疫情就是5G、物联网IoT，这个会使得更多的数据形成。当我们在看我们人的时候，我们现在人生活在一个网络世界里，同时人也因为现在移动互联网的发展生活在一个移动的数据的世界里，我们每个人就是一个移动数据的载体，你无时无刻地留下了数据。
现在大家更多得用拼多多、抖音，变迁非常快，现在小视频也非常活跃。
中国有就在金融科技这块拥有一个非常优越的环境，因为我们的市场足够大，用户体验上做得非常好。中国第一是竞争，第二是人口众多，所以我们互联网的公司对用户体验这块做得非常好，所以我们金融科技有基础设施之后在各种各样的应用中都用得非常好，这是金融科技为何在中国能够发展这么快甚至有点失控了。
而在5G互联网时代是个多端口的时代，我们的智能家居也是个端口。冰箱就是个智能家电，它就是一个端口，这个是在物联网时代，我们未来是多端口的时代，数据就更加泛滥，大数据就更加丰富，原来需要一个单端口的手机，未来可能是多载体的，包括线上的远程医疗问诊。
“未来我们会生活在智慧城市。”
另类数据越来越重要，三个特点体量大、传播速度快、数据种类多，它是非结构化的，每个人在线上生成，或者有些商业机构像京东生成，或者设了些传感器卫星GPS数据，现在专门有data provider专门卖数据的，在国外只要你是合法获得的，这些数据都变成市场化了
未来更多的研究员变成数据工程师传统数据另类数据是不一样的，传统数据是个结构化的会计信息滞后的，但是另类数据实时在发生，这个时候是非结构化的，这些非结构化的数据怎么样直观的表现出来，所以可视化也很重要。
传统金融机构这么庞大，你要让它做一个内部人员的更新和组织的变化是非常难的事情所以一个大的传统金融机构需要补的一课就是怎么把自己慢慢变成数据驱动的，慢慢变成线上化的，变成更加互联化的以数据为驱动的。
所以我们未来真的不再依靠所谓公开的数据或者结构化的数据，而是更多依靠第一手的非结构化数据。
另类数据更多的是研究个人、商业监测工具的数据，更多的是用数据挖掘的方式，用这些数据模型来给我们提供这样的方向。现在打了个基础，当我们讲到大数据时代的时候，大数据为什么大，大在哪里，大数据为什么这么重要，刚才讲了无论是研究个人，未来你可能找个女朋友找个男朋友也不用去相亲网站了，也许你有些数据可以直接获得，更加清楚的认识对方。
这是在我们大数据时代做金融产品设计的时候不得不去考虑基础的素材。数据就变成我们现在在大数据时代金融产品设计最重要的素材。
金融科技产品的设计
以大数据为基础，吴雅楠博士介绍AI和机器学习的方式，如何在消费金融的金融产品中去设计，最主要解决金融产品给他定价的时候借款人的风险定价，给他借多少利率的贷款，同时这个人未来的还款能力意愿的概率怎样，都是需要通过金融科技做到的。这些代表了在消费金融里该怎么判断一个人的风险定价是优质的金融客户还是中等的还是比较差的，这样的话他的风险、给他授信的额度和他借款的收益率都会差异化个性化，这在过去是无法做到的，你不可能服务得这么细，因为他借款金额本身就小，他成本根本就覆盖不过来。现在用大数据和机器学习的方式能够实现，人就是一个移动数据载体，因为这样的结果我们能够服务这样一个个体的人，而且把他服务的个性化。
第二是在投资领域，我们对期货品种对他中高频的数据进行学习，同时用机器学习的方法捕捉到一些好的因子和特征变量，这些是非线性的，所谓的非线性就是不是像原来MACD、RSI简单的技术指标，而是想象不到的非线性的指标，这些反而在微观结构里是有效的，至少和现有的因子是相关性比较低的。
智能投顾
智能投顾是未来银行券商和大家做财富管理的时候都需要面对的，个性化的投顾的模式，投顾解决的是资产配置，资产配置最基本的最经典的是我们要做有效组合前沿，根据有效组合理论找到针对他的风险偏好，一个有效的投资组合，一个投资组合针对他个人，根据他所能忍受的波动所产生的未来的预期收益率，这是资产配置的一个概念。
总结来说智能化的财富管理和智能化的金融产品、资产配置的设计，设计了几个大的模型，大数据的分析模型，无论是资产还是用户，投资者适当性模型，投资者的风险偏好在哪块，他的流动性偏好在哪块，他的场景在哪块，然后就是有效组合前沿，怎么构造一个跟他的个性化组合相关，最后变成一个产品，产品本身可以给用户提供个性化的产品，最终就是千面千时的模型，我们随时随地可以服务任何一个人，同时给他个性化。你把智能投顾提炼的话或者金融产品未来想达到什么目的的话，这是一站式的资产配置和资产管理的平台，这里边有不同的资产从不同的机构采集的资产、不同的渠道设计的产品汇集到一起之后，另外你服务的用户是什么样的用户，他需要什么样的资产他需要什么样的产品，你能够帮他做一个有效的匹配嫁接，满足他个性化的风险偏好，满足他个性化的流动性需求，也满足他个性化的生活场景需求，这就是未来的金融产品方向。
