400-998-1200
让数据创造价值
用专业成就未来
某国有政策性银行
将行业指数构建相关的50多项指标,除去经济指标之外还将各行业招聘信息,运用机器学习算法进行重要指标筛选,最终得出6个一级指标和29个二级指标,用于支持行业指标的实时计算及预测。
解决方案
政务
产品与服务
灵析智能仪表盘
客户简介

该银行成立于1994年,是直属国务院领导的政策性银行,也是全球最大的开发性金融机构,该行主要通过开展中长期信贷与投资等金融业务,为国民经济重大中长期发展战略服务。目前在中国内地设有37家一级分行和3家二级分行,境外设有香港分行和开罗、莫斯科、里约热内卢、加拉加斯、伦敦、万象等6家代表处。
面临问题

目前,行业指数分析存在着下面几个问题:
(1) 数据单一:
依据大量的经济数据作为形成指数依据,如生产价格,销售生产总量,利润率,资产规模等等,“以数为据”的统计数据进行历史累积。
(2) 动态时效性弱:
传统行业数据主要依靠结构化数据,这些数据通常是“发生后得到”,从而造成了明显的时滞性及数据缺失。
(3) 算法模型基础:
传统的经济计量模型建立在抽样的统计学基础上,以假设检验为基本模式,经典计量模型以因果检验为核心,而在当前复杂的经济环境变化当中,因果关系往往难以准确检验、因果结论备受质疑。
(4) 新兴产业无太多体现:
当前新兴产业如各类服务业,并未有足够长度的统计数据和年鉴进行参考,数据缺失的情况使得新兴产业并未形成权威的行业景气指数,从而于当前市场的投资热度相背离。
如何解决

通过综合考虑行业产品市场、投资环境、信贷环境、国际竞争环境、企业绩效及大数据背景下的舆情分析数据,构建行业的健康度指标,协助银行把控各行业整体健康情况,为银行未来的信贷、投资业务提供参考。
运用6个一级指标和29个二级指标,分别从产品市场表现、投资表现、资金流向、政策支持、热度方向进行多维度构建,在原始传统指标的基础上加入大数据类指标。加入大数据概念,将定性分析赋予量值计算,运用机器学习算法进行重要指标筛选和实时预测,提高了指数的现时反应价值。
实施效果

通过不断的验证和参数调整,行业指数加入了大数据舆情类指标可以有效对行业发展现状及未来进行有效的预测,避免了传统经济数据统计方式的滞后性,从而为精准预测提供了有方式。在分析方法上,通过将传统时间序列模型与机器学习算法相结合,构建出更准确的指标预测模型,对宏观流动性分析起到了很好的提升作用。
准备好开始大数据升级了吗?

© 2017 Pintechs.com 版权所有 ICP证:沪ICP备17033318号-1