大数据时代的金融监管创新

　　金融行业对数据的使用由来已久，各类金融监管主体会向其所主管领域的金融机构索取大量的数据用于监管。从这一点看，将数据应用于金融监管活动并不是一个新生事物。那么，到底大数据时代的金融监管与之前的将数据用于金融监管有什么样的不同呢？

　　从特点上看，大数据具有4V特点，即Volume、Velocity、Variety、Veracity。其中大数据的大体量与多维度的特点值得关注。大数据的体量大，一般指大数据的规模在10TB左右；大数据的多维化，是指大数据包括了用户很多维的信息。大数据的上述特点，使得大数据分析手段的精确性远远大于普通数据分析手段，其具体表现形式如下：

　　首先，大数据时代数据的体量提高了分析结果的准确性。传统的数据分析过程中，由于数据量较小的限制，通常只将总体的一部分进行分析（我们称之为总体的一个样本）。由于样本容量与总体容量的差异性，必然造成样本的统计特性与总体的统计特性呈现一定的差异性。简而言之就是由于样本只是总体的一部分，通过样本分析出来的结果未必符合总体的特征，即分析结果准确度不高，因此，一般采用多次采样的方式提高分析结果的准确性。而在金融行业，上述方法变得不再现实，其主要表现在以下几个方面：第一，金融行业对分析结果的准确度要求极高。金融行为总是伴随着一定的现金流，分析结果直接关系到相应资产的安全与监管的有效性。相关研究表明，即使数据分析的错误率在8%以下（对于数据营销领域而言，该错误率已经足够支持其业务发展），对于投资决策、监管分析而言，该错误率仍不可接受……