基于大数据的资金流量分析：思路与应用前景设想

互联网IDC圈1月27日报道：传统的资金流量分析方法，主要是编制部门之间的资金流量表，并据此展开分析，为宏观经济政策决策提供参考。资金流量表分为实物交易表和金融交易表, 分别统计国民经济各个部门(非金融企业部门、金融机构部门、政府部门、住户部门和国外部门)的资金运用与来源情况。通过引入大数据技术，传统的资金流量分析将面临重塑，并将成为精准宏观调控的基础。

大数据对资金流量分析的拓展与重构

大数据的应用将极大地改变资金流量分析的技术基础，拓展资金流量分析的范围，进而重构资金流量分析的内涵和外延。

首先，大数据的应用将极大地改变资金流量表的编制过程。在传统的方法下，编制资金流量表首先需要按照部门和项目逐项收集资料，然后按照国民经济核算的原理对数据进行加工，在此基础上编制资金流量表，并进行实物交易与金融交易的平衡，最后对照投入产出表、国际收支表等国民经济核算表进行校验。大数据的应用将大大简化资金流量表的编制工作。第一，编制者可以构建IT系统，根据核算原理对资金流量表中的每一个项目进行规则设定，从各类交易平台、登记平台、支付机构进行数据抓取。第二，对于不能直接统计生成的数据，可以根据国民经济核算的原理以及经济金融逻辑设置一定的核算规则或者测算规则，利用现存的各类数据计算取得。第三，利用大数据实现对资金流量信息的校验，即以其他信息，比如，利用价格、利润、税收等信息以及其他各类报表信息验证已获得资金流量数据的准确性。要实现这些应用，就要从国家层面不断强化数据治理，通过立法确定数据的公开以及不同数据资产的使用权限，确保国家宏观审慎管理部门对于数据资源的使用权。

其次，大数据应用将极大地改变资金流量核算的范围和频度。一是从核算范围看，基于大数据的资金流量表能够对传统资金流量表的项目进行明细划分，并且细分的颗粒度会越来越细。比如，对于国民经济部门能够进行更详尽的划分(远比目前资金流量表编制过程中的子部门划分更为详细);在当前尝试编制地区资金流量表的基础上，尝试编制特定市场的资金流量表;借鉴国外编制金融工具资金流量表的经验，尝试编制各类资产的资金流量表。由此，资金流量的核算范围扩展到宏观、中观、微观三个层次的流动性(微观层次的流动性意指机构的流动性或某一项资产的流动性;中观流动性，意指一个特定市场的流动性或一个地区的流动性;宏观流动性，就是整个经济体中的资金流动情况)。传统的资金流量核算是粗线条的，且微观流动性、中观流动性、宏观流动性分析难于有效衔接，借助大数据技术，不仅能够实现资金流量分析的精细化，而且可以形成整个经济体的流动性全景图。二是从资金流量分析的频度和时间范围看，传统的资金流量核算表按照年度编制(国外按照季度编制)，其应用效果因编制周期过长而大打折扣。基于大数据的资金流量核算能够极大地缩短编制周期，而且能够实现时间跨度的灵活选择，不仅能够实现对过去资金流量情况的核算，也能够实现对未来资金流量的精准预测。

第三，大数据技术的应用将极大地拓展资金流量分析深度与广度。资金流量核算范围的拓展，编制周期的缩短，为资金流量分析的发展提供了基础。运用机器学习、联机分析等大数据技术，不仅能够更加深刻地分析各层次资金流量变化规律，而且能够将详尽的资金流量数据置于海量的人流、物流信息及其他结构化、非结构化数据之中，应用数据挖掘技术深入分析资金流量与各类经济变量之间的关系。

大数据资金流量分析的应用前景

基于大数据的资金流量分析必将成为未来精准宏观调控体系的核心。以下三个相互联系的层次可以解释大数据资金流量分析的应用前景。

首先，基于大数据的资金流量分析将极大地推动流动性管理的精准化。一方面，由于大数据资金流量分析可以帮助管理部门洞悉细微，从微观流动性出发，把握中观和宏观流动性，并能够前瞻性地预测流动性，因而能够提高管理部门流动性研判的精准度。另一方面，由于资金流量数据频次的提高，管理部门对流动性的敏感性日益提高，借助压力测试能够较为准确地感知各层次经济主体及各类市场面临的流动性压力，对于流动性管理的时机选择和工具选择、效果评估都具有指导作用。例如，宏观审慎管理应该针对敏感时机的流动性实施精细化管理。从金融危机发生的一些时间窗口看，与敏感的会计工作日、报表日、清算日乃至节假日等时刻有关。这些时间节点容易发生资金需求量大、利率跳升等风险触发因素、事件。针对这种情况，宏观管理部门应对重要时间节点的流动性压力进行测试，并选择恰当的工具进行预调微调。

其次，基于大数据的资金流量分析能够为金融稳定提供现实的基础。流动性与各类主体杠杆率、流动性与各类主体资产负债表、流动性与资产价格、流动性与资本流动、流动性与投入产出效率之间的互动关系，以及由此造成的经济主体资产负债表的破坏是大规模风险传染的触发原因，其中流动性是枢纽和关键。基于大数据的资金流量分析不仅为精准把握各层次流动性提供了可能，而且，利用机器学习技术能够大大提高系统性风险传染预警模型的精准性，从经济金融的海量数据中寻找风险传染的可能线索，从而为防范系统性风险提供更好的基础。

第三，基于大数据的资金流量分析为宏观调控的精准性奠定了基础。几乎所有的宏观经济模型都要用到资金流量数据，传统的资金流量表核算相对较为粗糙，由此导致宏观经济模型的精准度难以尽如人意。基于大数据的资金流量表以及由此形成的应用，能够从微观层面更加灵敏地解释主要经济变量及各项政策指标的趋势，为货币政策、财政政策及其他宏观经济相关政策决策提供量化依据，从而为精准调控与管理奠定了基础。