1、.大數據環境下互聯網金融的開展與生存模式的研究隨著互聯網的高速開展，數據量呈爆炸式增長，傳統數據處理技術已無法解決大量的、不規那么的、“非構造性的數據。中國擁有最龐大的人群基數和復雜多變的應用市場，因此，解決這種由大數據所引發的問題，探索以大數據為根底的解決方案，是國家產業升級、效率提升的重要決策。金融業是大數據的使用者與產生者，交易、價格、業績報表、行業企業統計數據、市場調研、消費者研究報告、媒體報道等都是數據的來源。金融業高度依賴于信息技術的創新，是最為典型的據驅動行業，金融業在大數據價值潛力指數中排名第一。銀行、證券、保險、信托、直投、小貸、擔保、征信等金融以及個人對個人(P2P)、眾籌

2、等新興的互聯網金融領域，正在利用大數據進展一場顛覆性的變革。"一、大數據與互聯網金融的關系自從2011年5月麥肯錫全球研究院發布報告"大數據：創新、競爭和生產力的下一個新領域"后，大數據和云計算成為人們持續關注的熱點。大數據具有四大特點：數量大(Volume)、類型多 (Variety)、商業價值高(Value)和處理速度快(Ve-locity) 。大數據技術成為解決問題的主要方法，即通過收集、分析大量數據獲取有價值信息，并通過實驗、算法和模型，發現其規律性，獲得有價值的見解，最終形成新的商業模式。大數據促進了傳統金融的三大創新：高頻次交易、社交情緒分析和從海量數

3、據中進展信貸風險評估。二、國內互聯網金融的開展現狀分析1.我國互聯網金融開展歷程國內互聯網金融開展可劃分為四個階段。第一階段:2005年以前，互聯網為金融機構提供網絡技術效勞與技術支持，即構建網絡銀行，實現網上支付和網上貸款;第二個階段:20052011年，互聯網與金融相結合，從技術領域走向金融領域，第三方支付平臺進人規X開展階段，網絡借貸公司提供小額貸款效勞;第三階段:20122013年，互聯網金融快速開展，P2P網絡借貸平臺井噴式增長;第四階段:2014年至今，互聯網金融逐步轉移到移動互聯網金融階段，通過移動互聯網，可以完成支付、繳費、網購等，電子商務與物聯網的開展，改變著整個金融產業流程

4、。2.我國互聯網金融開展現狀互聯網金融下的交易過程變得簡單、快捷，互聯網金融下的金融定價和資源配置有了根本性的變化，現有金融運行格局正在演變。資金供求雙方無需經過銀行、證券公司或交易所等傳統金融中介市場，直接在網上發行和交易貸款、股票、債券等，信息處理和風險評估以大數據分析和高速算法為根底，給出資金需求方的信用評價和動態違約概率，通過互聯網進展金融交易、風險等級評三、基于大數據的互聯網金融創新開展的必要性大數據的真實價值就如同漂浮在海洋中的冰山，第一眼只能看到冰山一角，絕大局部都隱藏在外表之下。對于互聯網金融來說，大數據從客戶需求、市場透明度和風險控制等方面為金融產品和金融效勞的創新提供了新的

5、渠道。1. 通過海量數據采集與分析實現精準營銷互聯網金融借助互聯網平臺所產生的龐大用戶和海量數據，通過數據挖掘和關聯性分析，預測投資者與消費者對產品和效勞的反響，有的放矢，提升客戶轉化率，實現互聯網金融業務的精準營銷。同時，互聯網金融客戶群體快速增長，倒逼傳統金融企業轉變觀念，進展傳統業務的轉型升級。2. 通過大數據技術形成有價值的社交商業鏈在大數據和云計算的保障下，互聯網金融客戶的信息通過社交網絡生成和傳播，被搜索引擎組織、排序、檢索，通過數據分析最終形成有價值的信息鏈，作為信用評估的重要依據;電子商務平臺利用買賣雙方的交易信息，觀察用戶搜索、瀏覽、決策、交易全過程，判斷用戶的行為和潛在需求

6、，洞察市場動向，監測平商家經營狀況，設計有針對性的互聯網金融產品。3. 通過大數據挖掘風險控制創新方式互聯網金融企業通過大數據挖掘，自建信用評估系統。互聯網金融企業的風險控制大致有兩種模式，一種是類似于阿里巴巴的風控模式，通過自身系統大量的電商交易以及支付信息數據建立封閉系統的信用評估和風控模型;另一種那么是眾多中小互聯網金融公司把數據提供給中間征信機構，再從征信機構分享征信信息。互聯網金融打破了時空的限制，既迎合了我國互聯網普及和信息消費升級的新趨勢，也滿足了客戶希望獲得更加方便的金融效勞的迫切需求，大數據、云計算等現代信息科技快速開展，使那些無法從傳統銀行貸款的小微企業或個人獲益，并通過良

7、性競爭刺激傳統銀行跟上時代和科技的步伐，從而帶給客戶更優質的產品和效勞。1. 大數據對個人信息的大量獲取導致了隱私和平安問題隨著個人所在或行經位置、購置偏好、XX和財務情況的海量數據被收集，再加上金融交易習慣、持有資產分布以及信用狀況等信息，機構投資者和金融消費者能獲得更低的價格、更符合需要的金融效勞，從而提高了市場配置金融資源的能力。2. 大數據技術不能代替人類價值判斷和邏輯思考大數據是人類設計的產物，大數據的丁具并不能使人們擺脫曲解、隔膜和成見，數據之間關聯性也不等同于因果關系，大數據還存在選擇性覆蓋問題。如社交媒體是大數據分析的重要信息源，但其中年輕人和城市人的比例偏多;波士頓的 Str

8、eetBump應用程序對城市路面坑洼統計信息，從駕駛員的智能手機上收集數據，得到的樣本可能會缺失年老和貧困市民聚集區域的情況;在2010 年，美國股票市場行情回暖，股民情緒從恐懼轉向復蘇，但MarketPsy Capital基金的分析模型未及時更新，仍以恐懼為根底，沒有納人對趨勢變化的考慮，結果該年度該基金虧損8%。此外，通過社交網絡所獲得的大數據，其信用評估不能簡單地應用于金融信用;而且數據采集量越大，帶來的“數據噪音也越多，可能會產生一定的負面效應。五、探索大數據下互聯網金融的創新發展模式1 打造以垂直搜索為核心的互聯網金融效勞平臺互聯網金融效勞平臺最大的價值在于其渠道價值。依托大數據技術

9、，聚集產業鏈上下游企業，構建產業聯盟平臺，會聚多種金融產品和金融服務，向用戶提供垂直搜索功能，用戶通過比照進展挑選。互聯網金融效勞平臺為用戶提供全面的行業信息、精準的金融產品，為互聯網金融企業提供智能化的金融產品銷售效勞，從而深度挖掘和滿足用戶的個性化需求，解決交易過程中的信息不對稱問題，實現資金供需雙方信息交流、業務對接和利益共贏。2 開展互聯網金融C2B模式互聯網金融企業通過大數據對客戶行為、習慣、需求進展智能分析，為客戶量身設計金融產品和金融效勞，滿足客戶對金融業務的多元化需求，提升用戶個性化體驗，逐步形成互聯網金融領域的C2B模式。互聯網金融的C2B模式是互聯網金融的開展趨勢之一，但同

10、時也面臨金融效勞本錢、資金門檻、監管約束及風險控制等問題。3 提供普惠金融效勞的民營互聯網銀行模式互聯網銀行依托移動互聯端，其資本來源于民間，向小微企業和個人提供普惠金融效勞。互聯網銀行利用網絡平臺和中介優勢擴X其業務領域，運用已有的龐大客戶群體和成熟的產業鏈發展供給鏈金融，利用大數據技術分析社交媒體等構建風控體系，與傳統銀行之間展開差異化競爭，在效勞流程、效勞質量上凸顯自身優勢。4 開展基于線下擔保、數據開放的P2B模式P2B模式在經營活動中涉及到個人投資者、借貸企業、P2B網貸平臺、第三方資金托管以及擔保機構等，P2B平臺主要為有理財需求的個人投資者和有借貸需求的中小微企業搭建“橋梁。首先

11、， P2B平臺引進第三方資金托管和融資擔保機構作為戰略合作伙伴，利用大數據進展詳細的貸前審核，公布平臺自有的信用評估模型及信用評分，將風險防控、工程經營狀況公示于平臺。在P2B網貸平臺上，投資者自行選擇投資工程，向融資工程投標，將資金轉人第三方資金托管賬戶;借貸企業向 P2B平臺提出融資需求，擔保機構對融資標的提供擔保，擔保公司要求借貸企業提供線下抵押品進行反擔保，經P2B平臺審核通過后，發布融資信息。該模式特點是固定時間段內的投資標的較少，參與的投資人很多，風險高度聚集，第三方資金托管和擔保機構分散了 P2B平臺融資風險。六、大數據下的互聯網金融開展對策豐富第三方支付平臺業務類型，提供多元化

12、增值效勞。隨著我國金融業的深人開展，第三方支付平臺在不斷豐富自身業務類型，探索與其他行業合作的方式，參與企業的經營活動、財務管理、供給鏈管理等伴隨著互聯網金融的不斷開展變化，虛擬貨幣逐漸被人們所熟知。以比特幣為例，從2012年開場，約有4.33億美元風投資金投向比特幣公司，微軟公司和戴爾公司是承受比特幣支付的最大零售商。比特幣的應用可以看作是未來虛擬貨幣的一個開展趨勢，虛擬貨幣將逐漸向互通互兌階段過渡。國內虛擬貨幣的特點是種類繁多，但在流通方面存在著局限性，不能在整個互聯網環境中使用，如Q幣、百度幣等。實現不同種類的虛擬貨幣通兌，加強現實和虛擬網絡環境中的雙向流通，將其應用于數字資本協議許可的

13、眾多商業領域，可提高互聯網金融行業的運行效率。在不同國家之間的虛擬貨幣兌換時，應與匯率掛鉤，最終實現虛擬貨幣在全球X圍內流通。同時還要利用大數據和云計算，加大對虛擬貨幣監管力度，注重風險防控和信息平安等問題。隨著互聯網金融的井噴式爆發，由于信用數據審核不嚴謹、信息不對稱而導致的網貸平臺違約、資金斷裂等現象不斷出現。傳統商業銀行重規模輕效率、重數量輕質量、重業務輕管理的外延粗放型經營方式不再適應 “新常態的經濟開展形勢，必須進展戰略轉型，構建內涵式的智慧開展模式。首先以大數據和“泛資產管理的理念，打通貸款、投行、理財等業務的界限，借助金融市場拓展跨境金融、資產交易、泛證券化、構造性融資等新型業務

14、的空間，打造“新常態下商業銀行競爭的戰略制高點;8 二是利用互聯網和平臺化的思維，加快傳統商業銀行業務模式的創新，將金融服務融入企業經營決策中，建立以銀行融資與結算為核心的集經營管理、財務核算、信息交流為一體的網絡金融平臺;三是實現金融產品和金融效勞的多元化，為客戶定制綜合類金融解決方案，從面向單一客戶擴展至全產業鏈的客戶群體。應用數據挖掘技術從多來源、高價值的數據中發現欺詐活動的統計特征及潛在的關聯特征，并結合設備指紋、生物探針等技術的特征值構建特征矩陣，構建數學模型，使用適宜的機器學習算法對數據集進展訓練和測試，從而確定風險閾值和規那么權重，以到達預測風險用戶、實現風險行為實時管控的目的;通過設備追蹤識別、P地理風險識別、代理檢測、高危設備/IP黑匹配、注冊頻率檢測等方式，全面實時準確識別各類垃圾注冊以及賬戶被盜等異常行為，確保每一次識別精準度到達百分之百，從而更好地保護每一位用戶的平安;實時監控、實時分析，對于互聯網上發生的垃圾注冊、賬