“大數據”時代人民銀行經濟預測和金融統計研究

唐宏飛

摘 ? 要：本文以人民銀行構建“大數據”需求為出發點，分析構建“大數據”的基本條件和制約因素，并借鑒國外央行成功經驗和做法，探索人民銀行利用“大數據”構建前瞻性、科學性的經濟預測和金融統計框架和模型。

關鍵詞：大數據;經濟金融;理論研究

中圖分類號：F830.31 ? ? ? ? ? ? ? ? ? 文獻標識碼：B ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-0017-2015（9）-0089-05

IBM執行總裁羅睿蘭認為，“數據將成為一切行業當中決定勝負的根本因素，最終數據將成為人類至關重要的自然資源?！丙溈襄a給“大數據”的定義是：大小超出常規的數據庫工具獲取、存儲、管理和分析能力的數據集;亞馬遜的“大數據”定義：任何超過了一臺計算機處理能力的數據量;維基百科的“大數據”定義：“無法在一定時間內用常規軟件工具對其內容進行抓取、管理和處理的數據集合”;美國國家科學基金會（NSF）的“大數據”定義：“由科學儀器、傳感設備、互聯網交易、電子郵件、音視頻軟件、網絡點擊流等多種數據源生成的大規模，多元化、復雜、長期的分布式數據集”?！按髷祿钡娘@著特點是大量化（Volume）、多樣化（Variety）、快速化（Velocity）及由此產生的價值（Value）?！按髷祿碧峁┙o人們新的觀察世界方法，并用數據化思維和先進的處理技術去探索海量數據之間的關系。

一、構建“大數據”是人民銀行經濟預測和金融統計的現實需要

受“大數據”驅動，依托信息共享、高度集成的數據倉庫、先進的數據挖掘分析模型，“大數據”將改變人民銀行宏觀調控、管理與決策的方式與方法。

（一）構建“大數據”，強化人民銀行宏觀調控管理的智能化。人民銀行“大數據”實施后，人民銀行業務將從傳統的手工處理向全信息化處理轉變，業務基礎工作重心將從手工或半手工采集數據轉換到靈活運用人民銀行“大數據”，依托對結構化和非結構化數據的聚類和清洗，優化人民銀行綜合管理模塊數據自動采集功能，實施宏觀預測分析，對社會經濟運行情況進行綜合分析和評價，實時掌控全國經濟金融變化動態，實現人民銀行宏觀調控的智能化處理。

（二）構建“大數據”，夯實人民銀行信息服務與決策支持的堅實基礎。隨著人民銀行各類數據處理、管理和交換進一步集中，經濟金融數據共享渠道的進一步暢通，“大數據”的統一性和完整度將出現質的變化，人民銀行將成為國家調控、政府及其部門、企事業單位等部門數據的樞紐。充分挖掘和運用人民銀行“大數據”，為我國經濟金融政策的制定、執行、監測、決策和實施，提供快捷、全面的數據支撐和信息支持。

（三）構建“大數據”，有利于人民銀行及時掌控、跟蹤金融風險。通過深度挖掘人民銀行業務數據，建立和完善人民銀行現場和非現場監管模型，實施人民銀行調控手段的規范化管理，動態跟蹤、管理資金流的異常監測，實現人民銀行風險控制、內部業務風險控制、外部業務監督管理的智能化處理。

二、人民銀行初步具備建立“大數據”的基本條件

人民銀行數據是指人民銀行在履職過程中所獲取的具有分析、研究、決策等功用和價值的數據，包括調查統計、貨幣信貸、征信管理、財務會計、國庫等結構化數據，以及人民銀行經過積累的統計、貨幣分析資料庫、圖表、文字資料、影音視頻文件等非結構化數據。

（一）建立了較為全面的金融業綜合統計監測體系。經過多年探索，人民銀行目前已構建了包括貨幣供應量統計、信貸收支統計、現金收支統計、對外金融統計、金融市場統計、人民銀行專項調查統計（企業商品價格指數、景氣調查指數）和資金流量統計等金融業綜合統計監測體系，為人民銀行宏觀調控服務，著力提高貨幣政策針對性、靈活性，支持經濟發展方式轉變奠定了堅實基礎。2014年12月，人民銀行征信中心與環境保護部政策法規司、國家稅務總局稽查局、國家外匯管理局管理檢查司、中國出口信用保險公司等8家單位簽署信息采集合作文件，標志著人民銀行征信系統在信用信息交換共享方面邁出新步伐，將進一步推動我國社會信用體系建設。

（二）建立了規模較大的人民銀行數據庫。一是建立了金融信用信息基礎數據庫。截至2013年末，金融信用信息基礎數據庫收錄近8.4 億自然人和1919.3 萬戶企業及其他組織的信息; 個人、企業信息全年查詢量分別達3.5 億次和1.04 億次;全國累計補充完善小微企業信息近243 萬戶，累計已有35 萬戶小微企業獲得銀行貸款，貸款余額72318.90 億元;全國共為1.51 億農戶建立了信用檔案，對10143萬農戶進行了信用評定，貸款余額2萬億元。二是建立了國庫數據庫。國庫數據匯集了各級政府財務數據和各級國庫管理數據，包括各類結構化與非結構化數據。以“3T”系統[指國庫會計數據集中系統（TCBS）、國庫信息處理系統（TIPS）、國庫管理信息系統（TMIS） 三大系統]為核心的現代化國庫信息系統總體框架基本形成。2013年，全國通過TIPS成功處理各類業務20798.5萬筆，金額136911.25億元，通過TCBS辦理收入業務38070萬筆，金額109574億元;辦理實撥資金支出業務621萬筆，金額118694億元;辦理退庫業務153萬筆。2013年國庫系統共辦理國庫收支41.18 萬億元，2013年11 月，國庫管理基礎信息模塊在全國正式上線，國債管理模塊與38 家儲蓄國債承銷機構正式聯通。

（三）金融標準化建設取得顯著成效。2010年，人民銀行推出《銀行業標準體系框架》，發布《中國金融集成電路（IC）卡規范》（2 0 1 0版）等1 4項金融行業標準;發布《金融業機構信息管理規定》，建設金融業機構信息管理系統，構建中國首個金融機構名錄庫，囊括23萬多家金融機構信息。2011年3月，人民銀行頒布《關于推進金融IC卡應用工作的意見》，啟動我國銀行磁條卡向IC卡遷移戰略。2012年發布《中國金融集成電路（IC）卡規范》（PBOC3.0），組織建設國家金融IC卡安全檢測中心。先后發布《證券、期貨、保險、印制、銀行業標準體系》;修訂發布《人民銀行信息安全綜合規范（2013 版）》，發布《金融機構代碼證管理辦法（試行）》。2014年8月，人民銀行發布《統計數據與元數據交換（SDMX）》標準，規范了我國金融統計信息的處理、交換和對外發布流程等內容。2014年11月，人民銀行發布《金融信用信息基礎數據庫用戶管理規范》和《征信機構信息安全規范》。

（四）人民銀行數據具有較高的利用價值。人民銀行貨幣政策委員會通過分析研究存貸款及其變動對貨幣政策產生的影響，對貨幣政策進行適時適度調整。財政部等部門從人民銀行提取數據并加以利用，也會影響其宏觀決策的變化。地方政府通過使用國庫部門提供的預算收支數據，加強對預算收支情況、地方財政投入等各種管理工作。

三、制約人民銀行“大數據”構建的主要因素

當前，存在一些技術、法規因素制約了人民銀行“大數據”的建立、分析和利用。

（一）技術操作層面上，數據采集和挖掘仍較為落后。1、數據采集和挖掘較為落后。與阿里巴巴等電商動態的數據采集系統相比，人民銀行數據挖掘和采集方式仍較為落后，數據錄入處于原始狀態。人民銀行現在面臨的最大問題是沒有利用好系統數據，系統利用率大概不到20%?；ヂ摼W、電子商務等新興企業在“大數據”處理經驗、產品創新能力、市場靈活度等方面都擁有明顯的優勢，在這種情況下，人民銀行更應激活利用內部的“沉睡數據”。

2、數據整理缺乏標準化設計。人民銀行數據交換過程中缺乏標準化數據模型，且存在語義區別和數據源的不一致問題，不少業務處理和管理系統缺乏標準化的統一設計，直接導致“大數據”二次開發難。

3、缺乏對非結構化數據利用。人民銀行檔案管理制度對會計憑證、會計賬簿、報表和其他會計資料的完整和安全作出了具體要求，人民銀行數據的利用仍以報表、報告等傳統方式為主，對數據的分析仍集中在結構化數據，但對圖片和影音視頻文件等非結構化數據尚未統一進行數字化處理和規定，缺乏多維度智能分析、展示，缺乏對非結構化數據的處理能力。

（二）法律制度層面上缺乏明確的法規依據。人民銀行進行“大數據”挖掘，涉及到法律制度建設、系統開發等多方面原因。

1、個人信息采集的合法性問題?！墩餍艠I管理條例》第十三條規定：采集個人信息應當經信息主體本人同意，未經本人同意不得采集。但是，依照法律、行政法規規定公開的信息除外。因此，對信息主體的通話的語音信息、營業網點或ATM機的錄像信息等，這些數據信息采集如未得到信息主體允許，進一步分析開發是否合法、侵犯個人隱私尚未定論，影響了人民銀銀行數據采集的拓展。

2、“大數據”的基礎設施和安全管理亟待加強。由于“大數據”是伴隨著互聯網、云計算、移動互聯網以及物聯網等新技術發展到一定階段的產物，金融“大數據”的安全問題日益突出，進一步增加了“大數據”的風險隱患，若處理不當可能遭受重大損失。因此，信息安全體系建設、“大數據”安全技術研發、動態數據安全監控機制等亟待加強。

3、跨部門信息共享機制尚未建立。如共享信息的名稱、內容、質量、數量、更新頻度、授權使用范圍和使用方式、共享期限、共享依據、實現進度等事項，以及信息共享相關標準規范等尚未建立。

四、國外央行“大數據”運用比較分析及借鑒

以下主要介紹“定向算法文本分析”（簡稱DATA）、XBRL分析框架在國外央行的運用情況，以期對我國“大數據”利用提供借鑒。

（一）歐洲央行（ECB）和美聯儲運用“定向算法文本分析”（簡稱DATA）的新方法和統計手段。在2014年11月份的報告中，歐洲央行描述了基于“大數據”的經濟預測方法。DATA是基于文本數據集內的特定術語搜索，該搜索是以信念敘述理論為指導。信念敘述理論不僅表面上關注人們對經濟的感性預期，如“積極/消極”，“樂觀/悲觀”等，而且深入分析經濟決策背后隱藏的人類情感，包括情感的性質及程度。通過采用DATA方法來直接地、透明地構造情感轉移的相關性指標，評估這種相關性是否顯著。如將相對情感指標（BROKER）定義為一個月之內興奮類關鍵詞和焦慮類關鍵詞出現的頻率之差，這個差值除以文本中的總字數即是標準化后的指標。密歇根信心指數（MCI）主要用于衡量消費者的購買能力和購買意愿。指數以至少500次電話采訪，詢問大約50個問題，為期兩周的調查數據為基礎構成。指數每月發布兩次，其中初步數據在每月第二個周五發布，最終結果在每月第四個周五發布。研究表明，初步指數和最終指數間高度相關，因此，關鍵是預測T+1時點初步指數較T時點最終指數的變化，這個變化值用DIFFPRELIM來表示。

按照“大數據”預測方法，DIFFBROKER對DIFFPRELIM的回歸。DIFFPRELIM=初步指數（T+1）-最終指數（T），DIFFBROKER=BROKER（T）-BROKER（T-1），T為2010年7月到2012年3月中的任意某月。將兩者數據進行回歸分析，可得到2012年5月的密歇根指數預測值，如此逐月推進重復此項運算，直到估計出2013年7月的指數。從2012年5月到2013年7月期間的預測結果看，運用基于“大數據”的DATA，對代表消費者信心減去其焦慮的凈水平的時間序列數據進行文本分析，對這15個月的數據進行分析，其中預測準確的有12個月。繼續用“大數據”方法來預測更遠期的MCI值，結果顯示即使預測4個月后的情況，BROKER數據仍然顯示出預測功能。就預測的正確性而言，預測期為2期時，15個月中有11較準確;預測期為3期時，15個月中有8個較準確;而預測期為4期時，有7個月較準確。

（二）XBRL分析框架在國外央行運用概況。XBRL是“Extensible Business Reporting Language”的縮寫，意為可擴展商業報告語言，主要用于商業和財務信息的定義和交換，讓在不同系統間共享數據成為可能，被設計成能夠適應最復雜的金融報告形式。

XBRL在日本央行的運用。日本央行從2003年中期起開展XBRL試驗。2006年2月，日本的金融服務公司每月使用XBRL向日本央行報送數據。日本央行認為，每月使用XBRL報送資產負債表大大減輕數據驗證等工作負擔。XBRL簡化了報送流程，特別是能夠通過提交前的驗證功能發現報告中的問題。

2、XBRL在南美央行的運用。巴西央行積極研究XBRL（巴西資產負債表注冊項目的一部分）的應用。2008年10月，阿根廷央行擔當建立XBRL阿根廷臨時地區組織的組織者，并向XBRL國際組織申請直屬成員資格。阿根廷央行實施資產負債表注冊項目，該項目主要是根據公司規模、市場知名度等標準分階段實現財務報送的XBRL化，主要目標是對阿根廷各類公司進行清晰的信用評級。

3、XBRL在西班牙央行的運用。西班牙政府發布了JUS/206/2009號法令后，XBRL已成為西班牙年度數字化財務報表編制的基礎。每年，2，743個實體向西班牙央行報送109，554份XBRL報告，XBRL技術的引入實現了數據驗證的自動化，提高了數據質量。同時，可以通過對內容嚴格定義來控制風險。西班牙央行的職責之一是收集、處理和保存西班牙非金融性公司的財務信息，增加對西班牙各分支行業的了解;收集本國金融機構信息，履行其監管國內銀行業體系;收集統計數據，向歐洲央行（ECB）報送所有公司數據的職責。西班牙央行正在推進XBRL應用擴展計劃，在償付能力信息、財務報表、互保、外幣兌換處和評估公司中增加運用這些公式。

（三）快速預判宏觀經濟形勢。英國央行以前通過統計部門發布的房地產銷售數據、就業數據等，判斷房地產市場和勞動力市場變動趨勢，但統計部門的數據一般有數日乃至數周的時滯，不利于對形勢的快速判斷。目前英國央行現已運用“大數據”對英國房地產市場和勞動力市場趨勢作出快速判斷，通過對一些網絡搜索關鍵詞的監控，如“按揭”“房價”“職位”等，獲取最新的經濟運行情況，分析預測客戶及交易對手行為。加拿大央行利用“大數據”分析并跟蹤宏觀經濟的變化。

五、相關建議

歐洲等國外央行的探索表明，“大數據”在經濟預測和金融統計等領域的應用具有良好效果。應積極借鑒國外經驗，探索人民銀行利用“大數據”進行經濟預測和金融統計。

（一）適應“大數據”要求，規劃人民銀行“大數據”戰略的頂層設計。一是建立“大數據”研究機構。在總行層面設置專門研究“大數據”機構，建立數據管理決策機制和內部協調機制，制定“大數據”工作規劃，形成管理數據、使用數據和推廣數據的有效工作機制。二是明確“大數據”發展重點。規劃明確“大數據”產業的發展重點、空間布局和保障措施，推動和改善與“大數據”相關的收集、儲存和分析工具及技術，開展“大數據”應用示范，加大對基礎研究的“大數據”獲取方式、組織與管理、關聯與發現、分析與可視化等方面的研究。三是以數據分析技術為核心。加快非結構化數據處理技術、非關系型數據庫管理技術、可視化技術等基礎技術研發，并推動與云計算、物聯網、移動互聯網等技術的融合。加強網頁搜索技術、知識計算（搜索）技術、知識庫技術等核心技術的研發，并與數據處理技術相結合，為提高人民銀行金融調控能力提供技術支持。四是構建覆蓋從數據訪問、數據傳輸、數據存儲、數據隔離到數據銷毀各環節的云端數據安全框架。建立“大數據”隱私保護制度和信息安全保障體系，提高安全防范能力，嚴密維護信息安全（包括濫用、篡改、損壞、竊取、失泄密等）。

（二）結合人民銀行履職特點，科學構建人民銀行數據庫。借鑒“大數據”理論，建立以總行為中心、分支機構為補充的分布式數據庫（見圖1），人民銀行數據庫實行總行統一規劃建模，分級管理推進，上下協調一致;本級業務數據由中心統一分發，非業務數據逐級上傳，借助人民銀行內網“云計算”1技術，提升數據流轉、計算分析能力;運用“霧計算”2技術，對人民銀行敏感數據進行保護，甄別、控制竊取和濫用數據行為，確保人民銀行數據安全。數據庫系統的基本結構由經濟金融數據庫，分析、預測模型庫和分析、預測體系三部分組成。運用統計學的理論和方法，對經濟金融活動進行分類、量化、數據收集和整理及進行描述和分析，反映經濟金融活動規律，為經濟金融制度的設計和理論研究以及金融調控機制的實施提供客觀和科學的依據。

（三）建立數據共享機制，構建人民銀行“大數據”平臺。建立與銀行、保險、證券等監管機構以及國家統計局、電商、數據公司、互聯網平臺企業等合作機制，構建共享數據庫和信息共享機制。同時，將金融宏觀調控與移動網絡、電子商務、社交網絡等融合，提高內外部數據信息的整合能力。構建人民銀行宏觀審慎管理“大數據”平臺，建立適應“大數據”時代要求的信息化基礎架構，通過信息技術手段，采集金融經營管理數據，建立標準化、系統性的數據體系，搭建“大數據”平臺，為金融業發展和監管提供基礎性的網絡支持和信息服務。

（四）借鑒歐洲等央行經驗，構建人民銀行“大數據”分析和預測模型。借鑒歐洲等央行經驗，改進和優化統計范圍、工具分類、部門分類、信息披露、數據質量控制等方面，進一步完善金融統計體系。嘗試建立人民銀行決策知識庫和預測、分析模型。要運用“大數據”技術對數據進行采集、整理出的一些關鍵性指標，構建前瞻性的動態隨機一般均衡模型（Dynamic Stochastic General Equilibrium，DSGE）的宏觀計量模型，對未來一個時期可能發生的經濟金融形勢進行分析和預測，提升人民銀行宏觀預測能力和運作效率，為貨幣政策制定和執行提供決策參考。

（五）探索挖掘數據結構新方式，建立和完善人民銀行“大數據”挖掘與應用體系。結合人民銀行宏觀審慎管理等職責需要，積極探索挖掘和利用數據結構新方式，如可將傳統的銀行家調查問卷改變為對銀行家情緒的搜集，利用DATA預測銀行業機構運營情況。圍繞深化經濟金融改革、金融宏觀調控等需求，統籌好歷史數據和當前采集數據的關系，充分挖掘歷史數據的潛在價值，并運用“大數據”技術手段提升分析現實數據的能力，形成具有人民銀行特色的數據挖掘與應用體系，推動人民銀行數據利用向智能化邁進。

參考文獻

[1]陳天怡.銀行業在大數據時代發展的機遇和挑戰[J]，甘肅科技縱橫.2015，（7）：27-29。

[2]胡劍波.我國大數據產業競爭優勢研究[J]，工業技術經濟.2015，（6）：55-69。

[3]秦珂.大數據法律保護摭談[J].圖書館學研究，2015，（12）：44-56。

[4]張寧熙.大數據在突發公共事件網絡輿情信息工作中的應用[J]，現代情報.2015，（6）：38-42。

[5]楊璐璐.淺談抽樣調查方法在統計工作中的地位[J].商，2015.（20）：80-85。

"The era of big data" the people's Bank of economic forecasting and

financial statistics research

Tang Hong fei

（the people's Bank of Chinese Guilin central sub branch， Guangxi Guilin 541004）

Abstract： with the continuous progress of information construction， the people's bank must comply with the "big data" the trend of the times， the construction and mining "data"， to enhance the use of "big data" analysis and prediction ability， provide important decision-making reference for the formulation of national economic and financial policy has very important realistic significance. In this paper， to the people's Bank of the construction of "big data" demand as the starting point， analysis on the construction of "big data" of the basic conditions and constraints， and learn from foreign successful experience and practice exploration of the central bank， the people's Bank of the use of "big data" to construct the forward-looking， scientific economic forecast and financial statistics framework and model.

Keywords： large data; economic and financial theory study

責任編輯、校對：張德進