感觉答案里实际经历或纯金融和大数据结合的例子不多。我介绍个某大行的实验项目和分析的公司案例(雅虎),这方面有兴趣也有技术背景的可以和我保持联系,之后有意往这方面发展。先科普,介绍下为什么做这个项目:我们都知道信用评级(可以理解为违约概率),有个人的(类似于个人征信,比如芝麻信用),有公司的(大到标普穆迪,本地的如中诚信,大公)。对于银行对公投行业务来说,银行还需要做一个内部评级(internal rating, 分自动评分和人工两种)。这种内部信用评级是银行计算风险权重资产(RWA)等重要关键数据的基础。目前来看,无论是基于财务分析或非财务分析,无论是系统根据模型自动评分或人工依据预设分析模板手动计算评分,都属于传统方法 - 即客户经理或信贷员将财务数据填入系统,然后得出一个信用评级。但是这样的评分仍然片面,因为一个公司,假设上市有年报的话,里面提供的信息往往不是财务信息所能表达的,然而传统评级方法很难体现这类的考虑。同时,很多公司,比如一些大型银行,年报厚达600页,国内比如万科的年报也有200多页。靠人来读然后给出评价的话基本不现实。也因此,我们目前在做的这个实验项目就是通过成千上万家上市公司年报进行大数据文本挖掘,借助机器学习算法,看是否可以相对准确快速的预测公司的信用评级,将这类结果提供给银行业务人员做为一个重要的参考指标。#更新:评论区有朋友说有点粗糙,不够细致(但是感谢
...
继续阅读
(38)