祁旭陽　林天華　張倩倩

摘要： 身處大數(shù)據(jù)時代，人們生活的方方面面都離不開數(shù)據(jù)。同樣，金融行業(yè)也存在著海量的數(shù)據(jù)，將大數(shù)據(jù)技術(shù)與金融行業(yè)結(jié)合，有助于推動金融行業(yè)的發(fā)展。本文介紹金融大數(shù)據(jù)的分類和面臨的挑戰(zhàn)，并總結(jié)和整理了目前處理金融大數(shù)據(jù)的主要算法，具體包括基于語義的金融大數(shù)據(jù)處理算法和基于時間序列的金融大數(shù)據(jù)處理算法。介紹了金融大數(shù)據(jù)在不同分類下的應(yīng)用，并展望了金融大數(shù)據(jù)的發(fā)展前景。

關(guān)鍵詞： 金融大數(shù)據(jù)? 證券大數(shù)據(jù)? 銀行大數(shù)據(jù)? 保險大數(shù)據(jù)? 機(jī)器學(xué)習(xí)

一、引言

隨著金融市場的不斷發(fā)展，金融行業(yè)與互聯(lián)網(wǎng)、大數(shù)據(jù)等計算機(jī)技術(shù)的結(jié)合也越來越緊密[1]。金融行業(yè)自身所產(chǎn)生的以及外圍產(chǎn)生的數(shù)據(jù)量較大，且數(shù)據(jù)更新速度快，因此需要對大量的數(shù)據(jù)進(jìn)行處理、分析，應(yīng)對金融市場的快速多變，并改善金融業(yè)服務(wù)，降低金融行業(yè)風(fēng)險，科學(xué)推出金融產(chǎn)品，提高金融行業(yè)的競爭力[2]。具體來說，大數(shù)據(jù)技術(shù)作為一種蓬勃發(fā)展的信息處理技術(shù)，在證券、銀行、保險等各個金融行業(yè)得到了廣泛應(yīng)用。如果能夠?qū)⒔鹑诖髷?shù)據(jù)充分利用起來，那么就能更好地指導(dǎo)金融市場的發(fā)展[3]。

二、金融大數(shù)據(jù)的概念

（一）金融大數(shù)據(jù)的分類

根據(jù)行業(yè)不同，可以將金融大數(shù)據(jù)分為證券大數(shù)據(jù)、銀行大數(shù)據(jù)、保險大數(shù)據(jù)三個種類，其在不同的行業(yè)有各自不同的特點。

1.證券大數(shù)據(jù)。證券行業(yè)的發(fā)展對于數(shù)據(jù)的依賴度很高，證券公司在日常的運作中不僅會產(chǎn)生大量的數(shù)據(jù)，而且也需要運用數(shù)據(jù)來指導(dǎo)投資，證券數(shù)據(jù)自身的特點與大數(shù)據(jù)的特征相契合[4]。證券行業(yè)大數(shù)據(jù)主要表現(xiàn)在行情數(shù)據(jù)，財經(jīng)網(wǎng)站的股票行情圖以及通達(dá)信等行情軟件所展現(xiàn)的各類數(shù)據(jù)、K線圖、日均線圖等，背后都是海量的數(shù)據(jù)[5]。因此，大數(shù)據(jù)的應(yīng)用水平對于證券公司的發(fā)展而言越來越重要。提高大數(shù)據(jù)的應(yīng)用水平是證券公司業(yè)務(wù)與計算機(jī)技術(shù)融合的表現(xiàn)[6]。

2.銀行大數(shù)據(jù)。隨著證券行業(yè)的不斷發(fā)展，銀行的媒介地位逐漸降低。銀行在支付領(lǐng)域也面臨著第三方平臺的激烈挑戰(zhàn)，同時又要應(yīng)對手機(jī)支付的逐漸普及[7]。銀行要想在激烈的競爭中立于不敗之地，就需要認(rèn)識到大數(shù)據(jù)的重要性。

銀行自身有著豐富的數(shù)據(jù)，同時也有稅務(wù)、工商、海關(guān)等外部數(shù)據(jù)[8]，目前銀行大數(shù)據(jù)的治理體系建設(shè)比較匱乏，數(shù)據(jù)資源管理的整合度不高，并且其非結(jié)構(gòu)化數(shù)據(jù)占比不斷上升，因此比較難以挖掘數(shù)據(jù)資源的潛在價值[9]。

3.保險大數(shù)據(jù)。保險行業(yè)的關(guān)鍵數(shù)據(jù)有：承保數(shù)據(jù)、保險數(shù)據(jù)以及理賠數(shù)據(jù)。保單里包含有投保人信息、被保人信息，保障內(nèi)容，賠付條款，免責(zé)條款等[10]，這些使得保險行業(yè)的數(shù)據(jù)規(guī)模巨大。由此可見，數(shù)據(jù)的整合處理的程度影響著保險公司的發(fā)展，而恰當(dāng)使用大數(shù)據(jù)技術(shù)則有助于保險公司的發(fā)展，京東、阿里巴巴等公司投資保險行業(yè)，這是保險行業(yè)走向信息化的積極信號，如魏麗等人認(rèn)為“大數(shù)據(jù)”是保險與電子商務(wù)融合的核心[11]。

（二） 金融大數(shù)據(jù)面臨的挑戰(zhàn)

1.數(shù)據(jù)量大，跨地域、跨系統(tǒng)分布。金融大數(shù)據(jù)來源于金融領(lǐng)域的各個行業(yè)，包括銀行業(yè)務(wù)、股票業(yè)務(wù)、用戶消費信息等[12]，這些數(shù)據(jù)都來源于實際的應(yīng)用，產(chǎn)生量很大，數(shù)據(jù)從結(jié)構(gòu)化到半結(jié)構(gòu)化甚至非結(jié)構(gòu)化的形態(tài)轉(zhuǎn)變[13]，數(shù)據(jù)量從太級（TB）向Z級轉(zhuǎn)變[14]。并且，金融業(yè)務(wù)廣泛，金融行業(yè)系統(tǒng)分布在世界各地，要將這些系統(tǒng)連接成為一個網(wǎng)絡(luò)，才能夠使得數(shù)據(jù)匯總起來，并對大量的數(shù)據(jù)進(jìn)行分析，進(jìn)而明確這些數(shù)據(jù)代表什么。以及面對這些數(shù)據(jù)，我們應(yīng)該提出怎樣的對策，從而更好地為金融行業(yè)服務(wù)。以上幾點，對資源和時間提出了很高的要求。

2.數(shù)據(jù)組織形式多樣、結(jié)構(gòu)各異。在金融企業(yè)中，技術(shù)一般更新?lián)Q代較慢[15]，可能會導(dǎo)致各個數(shù)據(jù)中心互相孤立，難以進(jìn)行數(shù)據(jù)和資源的共享，并且會因此增加服務(wù)器和存儲設(shè)備的數(shù)量，但是服務(wù)器和存儲資源卻不能得到充分利用。其次，金融行業(yè)業(yè)務(wù)種類繁多，不同的業(yè)務(wù)往往會產(chǎn)生各異的數(shù)據(jù)結(jié)構(gòu)[16]。因此，整合、處理、分析組織形式多樣、結(jié)構(gòu)各異的數(shù)據(jù)是金融大數(shù)據(jù)領(lǐng)域面臨的又一個挑戰(zhàn)。

3.大數(shù)據(jù)分析策略變化頻繁。當(dāng)今的金融市場環(huán)境變化迅速，而市場監(jiān)管規(guī)則往往需要被提出、形成草案提交后再到最終被審核實行，這是一個相對較為漫長的過程[17]，因此市場監(jiān)管規(guī)則的滯后與企業(yè)金融運轉(zhuǎn)之間常常存在著矛盾。

三、金融大數(shù)據(jù)的處理技術(shù)

（一）基于語義的金融大數(shù)據(jù)整合技術(shù)

1.語義概述。語義即資源的含義[18]。即給符號賦予含義，使它不再單純地作為一種符號，而是轉(zhuǎn)化成為信息。

Tim Berners-Lee給出了語義web體系結(jié)構(gòu)模型[19]，如圖1所示。

該體系中從低層到高層分別為：Unicode和URI （Uniform Resource Identifier），XML，RDF，Ontology，Logic，Proof以及Trust。同時，Digital Signature貫穿全過程，建立語義Web的安全機(jī)制。核心層為XML， RDF， RDF Schema以及Ontology。其中，RDF定義了底層數(shù)據(jù)模型并且為更高層次的語義網(wǎng)、更復(fù)雜的特征提供了一個基礎(chǔ)平臺。

2.基于語義的金融大數(shù)據(jù)處理?；谡Z義的大數(shù)據(jù)處理現(xiàn)在研究并不充分，浙江大學(xué)的楊鹍[20]提出利用語義技術(shù)將各種數(shù)據(jù)進(jìn)行關(guān)聯(lián)，通過將復(fù)雜數(shù)據(jù)之間的關(guān)系以RDF的形式進(jìn)行整合來實現(xiàn)數(shù)據(jù)的共享，從語義層次上進(jìn)行數(shù)據(jù)的查詢與計算;另一方面，通過利用分布式計算技術(shù)實現(xiàn)大數(shù)據(jù)的高效處理;最后，通過采用提供編程接口的形式由客戶端實現(xiàn)數(shù)據(jù)采集的邏輯。

周亮[21]提出通過語義的相似性提取大數(shù)據(jù)關(guān)聯(lián)特征，通過對關(guān)聯(lián)特征的相似性判決統(tǒng)計量排序來排出關(guān)聯(lián)順序，關(guān)聯(lián)規(guī)則信息融合的判決統(tǒng)計量為：

其中表示大數(shù)據(jù)采樣序列;表示數(shù)據(jù)采樣時間間隔，;表示均值，表示數(shù)據(jù)挖掘過程中的語義相似度特征量：

實驗結(jié)果顯示，通過對大數(shù)據(jù)語義特征的提取，能夠有效提高金融大數(shù)據(jù)的處理速度。

（二）金融多元時間序列數(shù)據(jù)分析

曾海泉提出了一個金融時間序列分析的技術(shù)分析流程[22]，金融時間序列相似性查找技術(shù)，可以提供條件選股的分析，也可以進(jìn)行在線相似性檢測。

萬?；忍岢龅慕鹑诙嘣獣r間序列數(shù)據(jù)分析[23]在度量相似性時采用了動態(tài)時間彎曲（Dynamic time warping， DTW）方法，DTW算法既可以度量不等長時間序列的相似性，還能在不同時間點上匹配相同波動形態(tài)的數(shù)據(jù)對，這一點明顯優(yōu)于只能度量等長時間序列之間相似性的歐式距離，從而更好地體現(xiàn)了金融數(shù)據(jù)時間序列的異步相關(guān)性。在對多元時間序列進(jìn)行特征降維時，則采用了自適用中心算法（Adaptive method based on Center Line，ACL），該算法可以充分反映其波動規(guī)律。

（三）兩種金融大數(shù)據(jù)處理算法的優(yōu)劣性對比

在處理金融大數(shù)據(jù)時，上述算法各有其優(yōu)缺點，在選取處理算法對金融大數(shù)據(jù)進(jìn)行處理時，主要考慮的是算法執(zhí)行速度、執(zhí)行平臺、處理效果等，往往是根據(jù)這些方面來進(jìn)行應(yīng)用場景的選取。需要注意的是，在一些情況下，需要結(jié)合多種不同的算法來處理金融大數(shù)據(jù)，以期獲得最好的處理效果。

四、金融大數(shù)據(jù)的應(yīng)用

證券大數(shù)據(jù)、銀行大數(shù)據(jù)和保險大數(shù)據(jù)等金融大數(shù)據(jù)在其各自的行業(yè)內(nèi)應(yīng)用廣泛，為行業(yè)的發(fā)展提供了便利和幫助。

（一）證券大數(shù)據(jù)的應(yīng)用

1.量化投資。量化投資主要是通過計算機(jī)技術(shù)對證券數(shù)據(jù)進(jìn)行分析和處理，結(jié)合一定的算法，形成投資策略[24]，其基礎(chǔ)就是海量的證券數(shù)據(jù)。證券公司在為客戶提供信息服務(wù)時，需要準(zhǔn)確的行業(yè)報告和上市公司報告、股價的實時變動信息、大盤走勢等[25]。將海量的證券數(shù)據(jù)應(yīng)用到量化模型中，進(jìn)行數(shù)據(jù)的處理和分析，最終得到結(jié)論從而可以為客戶提供投資決策的建議[26]。在不斷的發(fā)展過程中，形成了許多效果很好的量化投資模型。如Fame提出的三因子選股模型[27]和五因子選股模型[28]，謝合亮等提出的Elastic Net量化投資模型[29]，田利輝提出的我國股票定價的五因子模型[30]等。這些模型為人們的投資提供參考策略，而它們都需要對海量證券數(shù)據(jù)進(jìn)行分析才能得到良好的結(jié)果，因此，證券大數(shù)據(jù)在量化投資中起著支撐作用。

2.個性化服務(wù)。在互聯(lián)網(wǎng)大數(shù)據(jù)背景下，證券公司可以獲得的證券數(shù)據(jù)量增大[31]，根據(jù)收集到的數(shù)據(jù)，可以設(shè)計出符合客戶需求的產(chǎn)品。并且由于收集到的數(shù)據(jù)具有實時性，因此可以不斷根據(jù)客戶喜好的改變而改變產(chǎn)品的設(shè)計，目前，很多公司從數(shù)據(jù)分析展開業(yè)務(wù)設(shè)計，取得了良好的個性化服務(wù)效果[32]。可以分析的數(shù)據(jù)包括股票價格、換手率、無結(jié)構(gòu)化新聞和文本以及隱含在社會媒體和網(wǎng)絡(luò)中的消費者信心和商業(yè)情緒等[33]。

（二）銀行大數(shù)據(jù)的應(yīng)用

1.客戶畫像。針對個人客戶和企業(yè)客戶，都可以通過銀行大數(shù)據(jù)對其進(jìn)行特征提取進(jìn)而形成客戶畫像。消費能力數(shù)據(jù)、興趣數(shù)據(jù)、風(fēng)險偏好等都是個人客戶畫像描述的重點目標(biāo)[34];企業(yè)的生產(chǎn)、運營、財務(wù)、銷售和客戶數(shù)據(jù)、相關(guān)產(chǎn)業(yè)鏈上下游等數(shù)據(jù)則是在對企業(yè)客戶進(jìn)行畫像時需要考慮的方面[35]。通過對銀行大數(shù)據(jù)進(jìn)行分析，得到個人客戶和企業(yè)客戶的畫像，可以提高銀行自身的業(yè)務(wù)收入，并更好的服務(wù)于客戶。

2.智能風(fēng)控。銀行大數(shù)據(jù)包含的數(shù)據(jù)范圍大、數(shù)據(jù)量大，可以利用恰當(dāng)?shù)乃惴?，從風(fēng)險控制的角度對銀行的大數(shù)據(jù)進(jìn)行分析處理，產(chǎn)生針對于不同場景的模型，用科學(xué)的方法挖掘出客戶可能存在的風(fēng)險[36]。例如可以分析客戶的還款能力和意愿，對客戶的異常消費行為進(jìn)行風(fēng)險預(yù)警，形成主動和積極的風(fēng)險管理模式[37]。

（三）保險大數(shù)據(jù)的應(yīng)用

1.精準(zhǔn)營銷。在精準(zhǔn)營銷這一方向，保險企業(yè)已經(jīng)逐步關(guān)注怎么能夠在整個的保險業(yè)務(wù)流程中更好地去整合各方面的客戶數(shù)據(jù)，借助于外部的數(shù)據(jù)資源，對客戶的購買需求、消費能力等形成全面、精準(zhǔn)的描述，然后再對客戶進(jìn)行產(chǎn)品推薦、交叉銷售、保險顧問等營銷行為[38]。曾小波提出將大數(shù)據(jù)技術(shù)應(yīng)用于保險企業(yè)，有利于精準(zhǔn)營銷[39]。

2.風(fēng)險控制。騙保行為頻繁發(fā)生，風(fēng)控對保險公司來講一直是比較嚴(yán)峻的話題。有效的風(fēng)控對保險公司具有重要意義[40]。而大數(shù)據(jù)技術(shù)可以幫助保險企業(yè)全面提高風(fēng)控能力。李起義提出通過收集市場上存在的關(guān)于投保人的大量數(shù)據(jù)，包括人際關(guān)系、消費能力等，并利用大數(shù)據(jù)技術(shù)，對投保人的信用進(jìn)行評估，進(jìn)而預(yù)測相應(yīng)的風(fēng)險[41]，從而降低保險公司的承保風(fēng)險。馮子超認(rèn)為大數(shù)據(jù)對于保險公司的風(fēng)險方法、業(yè)務(wù)流程、業(yè)務(wù)管理等方面有積極意義[42]。

五、金融大數(shù)據(jù)的發(fā)展趨勢

（一）數(shù)據(jù)融合

目前，數(shù)據(jù)融合在許多領(lǐng)域都在不斷使用，金融行業(yè)也不例外。主要是金融行業(yè)可以獲取到其他行業(yè)的數(shù)據(jù)，更好地了解到客戶的需求，制定出更為切合客戶的營銷策略，同時降低行業(yè)風(fēng)險。另一方面，跨行業(yè)數(shù)據(jù)融合可以更精確地了解到客戶在不同領(lǐng)域的需求，使金融行業(yè)得以設(shè)計出適合于不同場景的金融產(chǎn)品，擴(kuò)大客戶選擇的范圍，提高金融公司的盈利。

（二）金融大數(shù)據(jù)安全問題

大數(shù)據(jù)應(yīng)用于金融行業(yè)也是一把雙刃劍，一方面有助于金融行業(yè)的發(fā)展，但同時也帶來了一些問題，其中較為突出的是數(shù)據(jù)安全問題。

隨著互聯(lián)網(wǎng)的發(fā)展，惡意的網(wǎng)絡(luò)攻擊層出不窮，而金融行業(yè)的數(shù)據(jù)往往具有相對較高的價值，因此更容易受到不法分子攻擊[43]。大數(shù)據(jù)技術(shù)應(yīng)用于金融行業(yè)的一個特點就是造成數(shù)據(jù)的集中性，一方面數(shù)據(jù)容易存儲、讀取和管理，但從另一方面來看，一旦數(shù)據(jù)發(fā)生泄漏，那么將會造成數(shù)據(jù)的大量甚至全部泄漏[44]，被竊取的數(shù)據(jù)又可能通過互聯(lián)網(wǎng)快速傳播，給客戶和金融公司造成不可預(yù)想的嚴(yán)重后果。因此，隨著大數(shù)據(jù)技術(shù)的發(fā)展，也迫切需要有效的計算機(jī)技術(shù)以及規(guī)范的法律法規(guī)來保障金融大數(shù)據(jù)的安全。

參考文獻(xiàn)：

[1]靳玉紅.大數(shù)據(jù)環(huán)境下互聯(lián)網(wǎng)金融信息安全防范與保障體系研究[J].情報科學(xué)，2018，36（12）：134-138.

[2]周煜.大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用研究[J].計算機(jī)產(chǎn)品與流通，2018（10）：254.

[3]劉園，鄭忱陽，江萍，劉超.金融科技有助于提高實體經(jīng)濟(jì)的投資效率嗎？[J].首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報，2018，20（06）：22-33.

[4]劉妍慧.大數(shù)據(jù)技術(shù)在證券交易中的應(yīng)用分析[J].現(xiàn)代商貿(mào)工業(yè)，2018，39（18）：152-153.

[5]郭震洲.大數(shù)據(jù)改造金融業(yè)[J].清華金融評論，2017（11）：98-100.

[6]徐力.大數(shù)據(jù)證券監(jiān)管之路[J].中國金融，2015（05）：63-64.

[7]何金星.關(guān)于大數(shù)據(jù)驅(qū)動商業(yè)銀行金融科技創(chuàng)新轉(zhuǎn)型的探討[J].中國商論，2019（03）：37-38.

[8]孫速超.商業(yè)銀行大數(shù)據(jù)應(yīng)用現(xiàn)狀[J].納稅，2018，12（29）：199.

[9]趙倩倩.大數(shù)據(jù)技術(shù)在傳統(tǒng)銀行中的應(yīng)用研究[J].現(xiàn)代商貿(mào)工業(yè)，2018，39（30）：54-56.

[10]馬向東.大數(shù)據(jù)時代的保險營銷[J].中國保險，2018（04）：40-42.

[11]魏麗，王治軍.保險電子商務(wù)應(yīng)抓住“大數(shù)據(jù)契機(jī)”[J].中國金融家，2013（6）.

[12]FU Yong Gui，ZHU Jian Ming，ZHANG Ning.Analysis on Information Value of Big Data in Internet Finance.2015 Int.ernational Conference on Logistics，Informatics and Service Sciences （LISS）.

[13]顧君忠.大數(shù)據(jù)與大數(shù)據(jù)分析.軟件產(chǎn)業(yè)與工程[J].2013年第4期.

[14]張鼐，張英，杜云，李英劍.大數(shù)據(jù)環(huán)境下基于云的分析即服務(wù)平臺研究[J].情報探索，2014（08）：5-7+10.

[15]趙大偉.大數(shù)據(jù)技術(shù)驅(qū)動下的互聯(lián)網(wǎng)消費金融研究[J].金融與經(jīng)濟(jì)，2017（01）：41-45+92.

[16]孫杰.大數(shù)據(jù)時代互聯(lián)網(wǎng)金融創(chuàng)新與傳統(tǒng)銀行轉(zhuǎn)型[N].金融時報，2014，11（009）.

[17]Nir Kshetri.Big datas role in expanding access to financial services in China[J].International Journal of Information Management.

[18]袁金平，鮑愛華，姚莉.語義Web技術(shù)及其邏輯基礎(chǔ)[C].計算機(jī)工程，2008.34（24） 194-196.

[19]Tim Berners-Lee，James Hendler，Ora Lassila.The Semantic Web[C].Scientific American.2001.

[20]楊鹍.基于語義的金融行業(yè)大數(shù)據(jù)整合及處理技術(shù)[D].浙江大學(xué)，2013.

[21]周亮.基于語義相似性關(guān)聯(lián)特征提取的大數(shù)據(jù)挖掘技術(shù)[J].智能計算機(jī)與應(yīng)用.2018，8（05）： 134-137+142.

[22]曾海泉.”時間序列挖掘與相似性查找技術(shù)研究”[D].2003.

[23]萬?；詈Ａ?基于特征表示的金融多元時間序列數(shù)據(jù)分析[J].統(tǒng)計與決策，2015（23）： 151 -155.

[24]許龍.量化投資的應(yīng)用現(xiàn)狀與發(fā)展前景[J].現(xiàn)代商業(yè)，2019（05）：68-69.

[25]謝東東.量化投資的特點、策略和發(fā)展探討[J].時代金融，2018（27）：245+252.

[26]陳健，宋文達(dá).量化投資的特點、策略和發(fā)展研究[J].時代金融，2016（29）：245-247.

[27]Fama，E.F.and French，K.R.The Cross-Section of Expected Stock Returns[J].Journal of Finance Econimics，1992，47（2）：427-465.

[28]Fama，E.F.and French，K.R.A five-factor asset pricing model[J].Journal of Financial Economics，2015（1）：1-22.

[29]謝合亮，胡迪.多因子量化模型在投資組合中的應(yīng)用——基于LASSO與Elastic Net的比較研究[J].統(tǒng)計與信息論壇，2017，32（10）：36-42.

[30]田利輝，王冠英.我國股票定價五因素模型：交易量如何影響股票收益率[J].南開經(jīng)濟(jì)，2014（2）.

[31]楊莎，余偉，李石君，曹晶晶，劉晶.基于Web大數(shù)據(jù)挖掘的證券價格波動實時影響研究[J].計算機(jī)科學(xué)，2015，42（04）：166-171.

[32]楊龍.借力大數(shù)據(jù)技術(shù) 證券行業(yè)迎轉(zhuǎn)型契機(jī)[J].清華金融評論，2017（08）：32-34.

[33]孟慶江.解讀大數(shù)據(jù)及其在證券公司的應(yīng)用[A].中國證券業(yè)協(xié)會.創(chuàng)新與發(fā)展：中國證券業(yè)2014年論文集[C].中國證券業(yè)協(xié)會：中國證券業(yè)協(xié)會，2014：8.

[34]丁立，何堅.大數(shù)據(jù)技術(shù)在銀行的應(yīng)用[J].數(shù)字技術(shù)與應(yīng)用，2018，36（06）：122-123.

[35]欒林，王建寧，黃斐，丁玲.基于大數(shù)據(jù)的商業(yè)銀行對公客戶畫像體系的構(gòu)建及應(yīng)用[J].國際金融，2018（11）：51-55

[36]李小慶.銀行大數(shù)據(jù)智能風(fēng)控平臺建設(shè)及應(yīng)用[J].中國金融電腦，2019（04）：71-74.

[37]黃莉莎.大數(shù)據(jù)助推商業(yè)銀行信貸業(yè)務(wù)與風(fēng)險管理創(chuàng)新[J].經(jīng)濟(jì)師，2018（11）：165-167.

[38]王琪，鄂海紅，宋美娜，黃叒.論大數(shù)據(jù)技術(shù)對保險行業(yè)的影響[J].軟件，2017，38（05）：7-11.

[39]曾小波.大數(shù)據(jù)的“3j”服務(wù)——保險企業(yè)營銷服務(wù)與大數(shù)據(jù)應(yīng)用[J].當(dāng)代金融家，2014（2）.

[40]蔣韜.大數(shù)據(jù)和人工智能在保險行業(yè)的應(yīng)用及展望[J].清華金融評論，2017（12）：49-51.

[41]李起義.基于大數(shù)據(jù)和機(jī)器學(xué)習(xí)的保險風(fēng)險管理應(yīng)用研究[J].信息系統(tǒng)工程，2019（01）：145-146.

[42]馮子超.大數(shù)據(jù)對保險公司未來發(fā)展的影響探究[J].商業(yè)文化，2013（12）.

[43]康瑛石，鄭子軍.大數(shù)據(jù)整合機(jī)制與信息共享服務(wù)實現(xiàn)[J].電信科學(xué)，2014，30（12）：97-102.

[44]Lin Liu.Security and Privacy Requirements Engineering Revisited in the Big Data Era.2016 IEEE 24th International Requirements Engineering Conference Workshops （REW）.

（作者單位：河北經(jīng)貿(mào)大學(xué)）