基于大數據的資金流量分析：思路與應用前景設想

傳統的資金流量分析方法,主要是編制部門之間的資金流量表,“數據分析師”并據此展開分析,為宏觀經濟政策決策提供參考。資金流量表分為實物交易表和金融交易表, 分別統計國民經濟各個部門(非金融企業部門、金融機構部門、政府部門、住戶部門和國外部門)的資金運用與來源情況。通過引入大數據技術,傳統的資金流量分析將面臨重塑,并將成為精準宏觀調控的基礎。

大數據對資金流量分析的拓展與重構

大數據的應用將極大地改變資金流量分析的技術基礎,拓展資金流量分析的范圍,進而重構資金流量分析的內涵和外延。

首先,大數據的應用將極大地改變資金流量表的編制過程。在傳統的方法下,編制資金流量表首先需要按照部門和項目逐項收集資料,然后按照國民經濟核算的原理對數據進行加工,在此基礎上編制資金流量表,并進行實物交易與金融交易的平衡,最后對照投入產出表、國際收支表等國民經濟核算表進行校驗。大數據的應用將大大簡化資金流量表的編制工作。第一,編制者可以構建IT系統,根據核算原理對資金流量表中的每一個項目進行規則設定,從各類交易平臺、登記平臺、支付機構進行數據抓取。第二,對于不能直接統計生成的數據,可以根據國民經濟核算的原理以及經濟金融邏輯設置一定的核算規則或者測算規則,利用現存的各類數據計算取得。第三,利用大數據實現對資金流量信息的校驗,即以其他信息,比如,利用價格、利潤、稅收等信息以及其他各類報表信息驗證已獲得資金流量數據的準確性。要實現這些應用,就要從國家層面不斷強化數據治理,通過立法確定數據的公開以及不同數據資產的使用權限,確保國家宏觀審慎管理部門對于數據資源的使用權。

其次,大數據應用將極大地改變資金流量核算的范圍和頻度。一是從核算范圍看,基于大數據的資金流量表能夠對傳統資金流量表的項目進行明細劃分,并且細分的顆粒度會越來越細。比如,對于國民經濟部門能夠進行更詳盡的劃分(遠比目前資金流量表編制過程中的子部門劃分更為詳細);在當前嘗試編制地區資金流量表的基礎上,嘗試編制特定市場的資金流量表;借鑒國外編制金融工具資金流量表的經驗,嘗試編制各類資產的資金流量表。由此,資金流量的核算范圍擴展到宏觀、中觀、微觀三個層次的流動性(微觀層次的流動性意指機構的流動性或某一項資產的流動性;中觀流動性,意指一個特定市場的流動性或一個地區的流動性;宏觀流動性,就是整個經濟體中的資金流動情況)。傳統的資金流量核算是粗線條的,且微觀流動性、中觀流動性、宏觀流動性分析難于有效銜接,借助大數據技術,不僅能夠實現資金流量分析的精細化,而且可以形成整個經濟體的流動性全景圖。二是從資金流量分析的頻度和時間范圍看,傳統的資金流量核算表按照年度編制(國外按照季度編制),其應用效果因編制周期過長而大打折扣?；诖髷祿馁Y金流量核算能夠極大地縮短編制周期,而且能夠實現時間跨度的靈活選擇,不僅能夠實現對過去資金流量情況的核算,也能夠實現對未來資金流量的精準預測。

第三,大數據技術的應用將極大地拓展資金流量分析深度與廣度。資金流量核算范圍的拓展,編制周期的縮短,為資金流量分析的發展提供了基礎。運用機器學習、聯機分析等大數據技術,不僅能夠更加深刻地分析各層次資金流量變化規律,而且能夠將詳盡的資金流量數據置于海量的人流、物流信息及其他結構化、非結構化數據之中,應用數據挖掘技術深入分析資金流量與各類經濟變量之間的關系。

大數據資金流量分析的應用前景

基于大數據的資金流量分析必將成為未來精準宏觀調控體系的核心。以下三個相互聯系的層次可以解釋大數據資金流量分析的應用前景。

首先,基于大數據的資金流量分析將極大地推動流動性管理的精準化。一方面,由于大數據資金流量分析可以幫助管理部門洞悉細微,從微觀流動性出發,把握中觀和宏觀流動性,并能夠前瞻性地預測流動性,因而能夠提高管理部門流動性研判的精準度。另一方面,由于資金流量數據頻次的提高,管理部門對流動性的敏感性日益提高,借助壓力測試能夠較為準確地感知各層次經濟主體及各類市場面臨的流動性壓力,對于流動性管理的時機選擇和工具選擇、效果評估都具有指導作用。例如,宏觀審慎管理應該針對敏感時機的流動性實施精細化管理。從金融危機發生的一些時間窗口看,與敏感的會計工作日、報表日、清算日乃至節假日等時刻有關。這些時間節點容易發生資金需求量大、利率跳升等風險觸發因素、事件。針對這種情況,宏觀管理部門應對重要時間節點的流動性壓力進行測試,并選擇恰當的工具進行預調微調。

其次,基于大數據的資金流量分析能夠為金融穩定提供現實的基礎。流動性與各類主體杠桿率、流動性與各類主體資產負債表、流動性與資產價格、流動性與資本流動、流動性與投入產出效率之間的互動關系,以及由此造成的經濟主體資產負債表的破壞是大規模風險傳染的觸發原因,其中流動性是樞紐和關鍵?；诖髷祿馁Y金流量分析不僅為精準把握各層次流動性提供了可能,而且,"數據分析師"利用機器學習技術能夠大大提高系統性風險傳染預警模型的精準性,從經濟金融的海量數據中尋找風險傳染的可能線索,從而為防范系統性風險提供更好的基礎。

第三,基于大數據的資金流量分析為宏觀調控的精準性奠定了基礎。幾乎所有的宏觀經濟模型都要用到資金流量數據,傳統的資金流量表核算相對較為粗糙,由此導致宏觀經濟模型的精準度難以盡如人意?；诖髷祿馁Y金流量表以及由此形成的應用,“數據分析師”能夠從微觀層面更加靈敏地解釋主要經濟變量及各項政策指標的趨勢,為貨幣政策、財政政策及其他宏觀經濟相關政策決策提供量化依據,從而為精準調控與管理奠定了基礎。