2022-03-30-北京金融科技产业联盟-中央银行大数据应用情况_17页_437kb

国际清算银行：中央银行大数据应用情况总结

一、引言

• 背景：大数据和信息技术（如人工智能、机器学习）在中央银行领域的应用日益受到关注，主要驱动因素包括：大数据集的可用性增强、信息处理技术进步以及IT基础设施的建设。

二、央行的大数据定义

• 三V特征：大数据具备容量（Volume）、速度（Velocity）和种类（Variety）三个特征，通常包括非结构化和大型结构化数据集。
• 主要来源：
  • 非结构化数据（如社交媒体、互联网搜索、传感器数据）。
  • 时间序列和横截面数据集（如金融交易、支付数据、监管数据）。
  • 属于传统数据池之外的数据集（如支付交易、征信记录等）。

三、央行对大数据的兴趣

• 兴趣增长：与2015年相比，央行对大数据的兴趣显著提升，45%的央行在正式讨论中涉及大数据，高级官员兴趣增长更快，近65%的央行高管对大数据有浓厚兴趣。
• 讨论重点：主要包括数据存储、IT技能、基础设施、数据访问及组织法律问题，但发达经济体与发展中经济体关注重点略有不同。

四、央行在大数据方面的工作

• 应用情况：约80%的受访央行目前在工作中使用了大数据，用途包括经济研究、金融稳定、统计汇总等，发达经济体应用更频繁（95%），而发展中经济体仅80%。
• 主要应用类型：
  1. 自然语言处理：用于从文本信息中提取定量结论，如经济政策不确定性指数。
  2. 临近预报演习：结合多源高频数据，提高通货膨胀、经济增长等统计数据的预测能力。
  3. 微观金融数据分析：支持宏观政策制定，如信用评估、支付结算监控。
  4. 监管科技（RegTech）：用于微观风险评估、反欺诈和反洗钱。

五、面临的挑战

• 主要制约因素：
  1. IT基础设施不足：需要大量投资以适应大数据处理需求。
  2. 数据处理困难：包括数据清洗、数据库匹配等问题。
  3. 人才短缺：数据科学家和复合型技能人才稀缺。
  4. 羞法与道德风险：数据准确性和隐私问题是主要顾虑。

六、展望：合作的益处

• 合作意愿：约50%的央行希望开展国际合作，计划共享知识、解央行数据全球化难题，并开发跨境项目。
• 国际合作的形式：
  1. 共享技术、工具及经验。
  2. 联合解决全球性问题（如金融风险国家溢出、跨境支付等）。
• 国际金融机构的支持：有助于推动数据标准、技术协调和资源共享。

总结

国际清算银行调查显示，央行对大数据的兴趣持续上升，应用范围广泛，但仍面临IT基建、数据处理、人才储备等多重挑战。央行间合作被视为提升大数据应用效率和解决全球问题的重要途径。