這一切都是顯得那么的令人振奮，令人欣喜。但我認(rèn)為在看到互聯(lián)網(wǎng)金融快速發(fā)展所帶來的種種積極變化的時候，在繼續(xù)推進金融創(chuàng)新的過程中，似乎也應(yīng)該注意兩個問題，一、金融創(chuàng)新的全部內(nèi)容是不是金融的互聯(lián)網(wǎng)化；二、是否應(yīng)該避免陷入技術(shù)至上、唯數(shù)據(jù)論的誤區(qū)。第一點比較容易理解，答案也應(yīng)該是明確的。關(guān)于第二點想必看法不會完全一致。我想就此談?wù)勔患簻\見。這可以從北京大學(xué)國家發(fā)展研究院沈艷教授最近的一篇文章說起。

　　沈艷教授的文章題目是《大數(shù)據(jù)分析的光榮與陷阱——從谷歌流感趨勢談起》。她在文章中講了一個故事，那就是谷歌公司在2008年11月啟動了一個“谷歌流感趨勢”（GoogleFluTrends，GFT）項目，這個項目曾被許多人認(rèn)為是大數(shù)據(jù)分析優(yōu)勢的一個證明。這個項目的團隊曾宣布他們通過數(shù)十億搜索中45個可能涉及流感關(guān)鍵詞的分析，就能夠比美國疾控中心提前預(yù)報流感的發(fā)病率，從而使人們可以有充足的時間提前采取預(yù)防措施以避免患上流感。倘若真能如此，這個成果無疑具有重要的社會意義和經(jīng)濟價值�？上У氖�2014年，美國《科學(xué)》雜志的有關(guān)文獻(xiàn)報道了GFT在2009年沒有能預(yù)測到有關(guān)流感的爆發(fā)，在2011年8月到2013年8月間的108周里，有100周預(yù)告不準(zhǔn)（預(yù)測率是實際報告值的1.5倍多）。沈艷詰問道，為什么傳說中充滿榮光的大數(shù)據(jù)分析會出現(xiàn)如此大的系統(tǒng)性誤差呢？她認(rèn)為如果在數(shù)據(jù)分析中只關(guān)心相關(guān)關(guān)系而不注意因果關(guān)系是不行的，必須避免模型對數(shù)據(jù)值作出“過度擬合”，她還指出尤需注意不能以為大數(shù)據(jù)可以完全替代小數(shù)據(jù)，她呼吁要防止墜入“大數(shù)據(jù)陷阱”，力戒“大數(shù)據(jù)自大”。我十分贊同沈艷的觀點。沈教授所指出的問題正是若干年來我們在推進互聯(lián)網(wǎng)金融發(fā)展中所一直十分注意和努力想解決的問題。

　　撇開銀行在產(chǎn)品研發(fā)、客戶營銷、員工及機構(gòu)管理等方面的數(shù)據(jù)應(yīng)用問題暫且不談，就說銀行最常見也最重視的風(fēng)險管理，多年來許多銀行尤其是一些大中型銀行都在如何利用數(shù)據(jù)技術(shù)提升風(fēng)險管控能力方面進行了很多的探索，做出了不懈的努力。例如，工商銀行在估算客戶的違約概率（PD）、違約損失率（LGD）的時候，十分注意把數(shù)據(jù)長度作為風(fēng)險參數(shù)量化過程中的一個重要因素，堅持要求數(shù)據(jù)觀察期起碼必須涵蓋一個完整的經(jīng)濟周期，以努力避免簡單地以昨天的數(shù)據(jù)來說明今天和預(yù)測明天�，F(xiàn)在工商銀行非零售業(yè)務(wù)和零售業(yè)務(wù)的客戶違約率、損失率數(shù)據(jù)積累長度均已超過12年。同時包括工商銀行在內(nèi)的不少銀行還建立起了全行數(shù)據(jù)質(zhì)量的管理標(biāo)準(zhǔn)和平臺，不斷進行內(nèi)部評級的復(fù)核驗證，以盡可能減少失真數(shù)據(jù)的干擾和影響。為了能夠?qū)Ω鞣N風(fēng)險進行量化，在信用風(fēng)險管理方面僅工行就開發(fā)了34個法人客戶評級模型，實現(xiàn)了對所有法人客戶違約概率（PD）的計量，開發(fā)了175個信貸產(chǎn)品的3類債項評級模型，實現(xiàn)了對違約損失率（LGD）的計量。對零售業(yè)務(wù)，工行還開發(fā)了75個信用評分模型，覆蓋了個人客戶準(zhǔn)入、賬戶信貸審批和業(yè)務(wù)管理的完整業(yè)務(wù)生命周期。在面對市場風(fēng)險（因市場價格例如利率、匯率、債券股票價格、商品價格的不利變動，而使商業(yè)銀行表內(nèi)和表外業(yè)務(wù)發(fā)生損失的風(fēng)險）的防控方面，我們制定了16個辦法，開發(fā)了17個定價估值模型來進行風(fēng)險價值（VaR）和壓力風(fēng)險價值（SVaR）的計量，并且在實踐過程中每日實施返回檢驗，把模型計算所得的風(fēng)險價值與發(fā)生的真實損益進行比較，以檢驗?zāi)Ｐ�、方法的�?zhǔn)確性和可靠性。在防控操作風(fēng)險（主要是指由不完善或有問題的內(nèi)部程序、員工行為和信息科技系統(tǒng)，以及外部事件所造成的風(fēng)險）方面，工行開發(fā)了操作風(fēng)險損失事件管理系統(tǒng)，分別用于對操作風(fēng)險高頻低損和低頻高損部分的計量。

　　為了達(dá)到上述的這種數(shù)據(jù)采集、挖掘和應(yīng)用水平，僅為積累有關(guān)數(shù)據(jù)、開發(fā)這些風(fēng)險管控模型，工商銀行就先后花了將近15年時間，投入了巨大的人力和財力。盡管目前這一套風(fēng)險識別和計量的方法、模型已經(jīng)按照國際金融穩(wěn)定理事會的有關(guān)標(biāo)準(zhǔn)，經(jīng)過監(jiān)管部門組織的多輪評估獲得通過，認(rèn)定為合格，但坦率地說，我們從來也沒有認(rèn)為這一切已經(jīng)是完美無缺的了。面對不斷變化的社會經(jīng)濟環(huán)境，隨著銀行業(yè)務(wù)日新月異的發(fā)展，在數(shù)據(jù)的管理利用方面確實還有許多問題需要解決，前面的路還很長。這也正是工商銀行近年來又推出了eICBC新發(fā)展戰(zhàn)略的一個重要原因。

　　我之所以不惜篇幅地介紹這些情況，主要想說的就是許多事確實不像想象的那么簡單。面對互聯(lián)網(wǎng)金融大潮，在興奮激動之余，我們還需要一種相對冷靜平和的心態(tài)。如果我們真的要搞金融大數(shù)據(jù)開發(fā)，真的要靠有關(guān)數(shù)據(jù)來辦互聯(lián)網(wǎng)金融，那確實就要認(rèn)真思考一下自己所謂擁有的“大數(shù)據(jù)”真的足夠大了嗎？足夠長了嗎？

　　自己擁有的數(shù)據(jù)中的信噪比問題有效解決了嗎？自己擁有的數(shù)據(jù)分析模型如果對樣本內(nèi)的數(shù)據(jù)分析還算準(zhǔn)確的話，那它對樣本外的預(yù)測結(jié)果也能一樣有效嗎？自己所擁有的數(shù)據(jù)處理模型是否完全建立在一種假定之上了，那就是以為人們的社交行為數(shù)據(jù)、那些非結(jié)構(gòu)化數(shù)據(jù)都是真實的？坦率地說，我始終認(rèn)為只要一些數(shù)據(jù)生成者知曉自己的行為數(shù)據(jù)可以影響自己的利益（例如可以獲得信譽、信用積分，可以獲得授信融資等），那對這部分?jǐn)?shù)據(jù)的可靠性就有質(zhì)疑的理由。這也許就是人文科學(xué)領(lǐng)域的“測不準(zhǔn)原理”。現(xiàn)在各種花樣百出的水軍現(xiàn)象已經(jīng)一再提示我們，真是“不能天真地認(rèn)為數(shù)據(jù)使用者和數(shù)據(jù)生成機構(gòu)都是無意識生產(chǎn)大數(shù)據(jù)的”（沈艷，2015）。

　　上述這些還沒有涉及諸如homes系統(tǒng)、高頻交易等技術(shù)在這一輪股市風(fēng)波中的作用究竟應(yīng)該如何認(rèn)定的問題。盡管對此還可能有這樣那樣的看法，但可以確定的是，在某些條件下，所謂的技術(shù)中性在面對市場時是完全可能發(fā)生變異的。

　　總之，我認(rèn)為金融的創(chuàng)新、互聯(lián)網(wǎng)金融的發(fā)展，除了技術(shù)，還需要一系列的條件支撐，包括營造一種良好的文化氛圍。在眼花繚亂之中，要力戒浮躁，腳踏實地�；ヂ�(lián)網(wǎng)技術(shù)是時代進步的標(biāo)志，是現(xiàn)代文明的產(chǎn)物，它與那些江湖氣其實是不搭的。諸如“流量為王，就是要靠燒錢來吸引客戶”，“互聯(lián)網(wǎng)就是財富重分的過程，就是贏者通吃的游戲”，“羊毛出在豬身上，猴數(shù)錢，牛買單”等說法，如果僅是開開玩笑，說說段子，那也未嘗不可，但作為一個要對投資者負(fù)責(zé)、對債權(quán)人負(fù)責(zé)、對債務(wù)人負(fù)責(zé)、對市場穩(wěn)定負(fù)責(zé)的金融從業(yè)者來說，如果把這真的當(dāng)成了自己的經(jīng)營理念，那是萬萬不可的。