最近我在執(zhí)教的金融碩士班上給學(xué)生們布置學(xué)期的獨(dú)立研究論文，一個(gè)學(xué)生給我發(fā)來一份郵件，說他想寫寫“大數(shù)據(jù)”帶來的金融商機(jī)：他打算模擬一個(gè)“大數(shù)據(jù)”的交易所買賣基金（ETF），專門投資提供大數(shù)據(jù)所關(guān)聯(lián)的軟件、存儲(chǔ)、云計(jì)算等服務(wù)的供應(yīng)商，問問我對此有什么看法。正好我對這個(gè)話題也很感興趣，就給他回了一封長信。下面就是這封信的內(nèi)容。

“我喜歡這個(gè)話題，我也喜歡你對這個(gè)話題的熱情。最近關(guān)于“大數(shù)據(jù)”已經(jīng)有很多的討論，但我不認(rèn)為這是一個(gè)新的想法。在消費(fèi)者金融業(yè)，人們已經(jīng)開發(fā)了多年的基于大數(shù)據(jù)的模型，比如按揭貸款違約模型，信用卡模型，信用評分模型，我相信對此你應(yīng)該很熟悉（我的這個(gè)學(xué)生有在消費(fèi)者信用評級社的工作經(jīng)驗(yàn)）。然而，為什么從大數(shù)據(jù)估計(jì)出來的模型并沒有阻止我們進(jìn)入金融危機(jī)？我認(rèn)為有兩個(gè)基本原因：

1.      計(jì)量經(jīng)濟(jì)學(xué)模型（或任何基于歷史數(shù)據(jù)的預(yù)測模型），都假設(shè)在相同條件下，人們會(huì)做出相同的行為選擇，這通常是正確的。但在模型中沒有被捕獲的變量（即所謂潛在變量Latent Variable），有可能在某時(shí)某地發(fā)生改變，從而改變?nèi)藗兊男袨�。像新的抵押貸款承保指引，人們對擁有自有住房的看法，等等。這種影響是很難單獨(dú)被“大數(shù)據(jù)”模型抓獲的。

2.      預(yù)測不僅需要模型，也需要輸入，比如假設(shè)：未來的利率如何變化，房價(jià)增長率如何？但是在很多時(shí)候，沒有一個(gè)好辦法來事先判斷假設(shè)的合理性。例如，在2007年的時(shí)候假設(shè)房屋價(jià)格將保持長期的4.2%年增長率（當(dāng)時(shí)美國房價(jià)已經(jīng)保持了10年的持續(xù)高速增長），當(dāng)時(shí)看上去也許是一個(gè)非常合理的假設(shè)。但現(xiàn)在回頭來看，這個(gè)假設(shè)不但是完全沒有用的，甚至是非常有害的。

我認(rèn)為這種“大數(shù)據(jù)”技術(shù)的革命性意義在于它可以改變游戲規(guī)則：即創(chuàng)造更加公平的競爭環(huán)境。在以往的情況下，只有大公司可以收集和使用大的數(shù)據(jù)，但現(xiàn)在用廉價(jià)的存儲(chǔ)和云計(jì)算能力，小而專的企業(yè)也可以參與其中（個(gè)人認(rèn)為，云存儲(chǔ)和云計(jì)算在未來都會(huì)成為普通商品，就如同個(gè)人電腦、硬盤、閃存一樣，而能夠真正發(fā)掘出金子的將是那些懂得如何分析大數(shù)據(jù)、開發(fā)預(yù)測模型、或者運(yùn)用模型成功進(jìn)行市場營銷和風(fēng)險(xiǎn)管理的公司）。例如，我的公司現(xiàn)在可以處理和兩房（房利美和房地美）幾乎同樣規(guī)模的抵押貸款數(shù)據(jù)（數(shù)以千萬計(jì)的貸款數(shù)據(jù)和上億的交易記錄），而我們的模型估計(jì)、實(shí)施、以及預(yù)測可能是更加經(jīng)濟(jì)、更為高效的。

盡管如此，我認(rèn)為你可以繼續(xù)進(jìn)行ETF的現(xiàn)金流折現(xiàn)模型的想法。不過，我更感興趣的是研究風(fēng)險(xiǎn)投資，因?yàn)槲矣X得小公司/初創(chuàng)企業(yè)將能夠比你提到的ETF的大牌公司更加有效地利用這項(xiàng)技術(shù)。讓我聽聽你怎么看。”

昨天，學(xué)生回信說他打算試試看怎么分析小企業(yè)如何可以運(yùn)用數(shù)據(jù)采礦（data mining，即從數(shù)據(jù)中發(fā)現(xiàn)有用信息）技術(shù)來發(fā)掘商機(jī)。而對我來說，能夠指導(dǎo)出一篇好的研究論文，那也像挖到了金礦一樣令人高興。