金融工程是方法论,大数据是底层东西:金融工程依托数理建模规划产品、风控、定价;大数据拓宽数据鸿沟,处理传统金融数据稀缺、模型失真痛点。
整合行情、舆情、产业链、特殊数据(工商、物流、用户行为),优化期权、衍生品定价模型,批改传统BS模型假定缺点。
传统风控依靠财报、征信;大数据接入多维碎片化数据,构建风控评分卡,普惠小微信贷、消费贷风控,下降违约误判。
海量高频行情+新闻心情数据,量化模型主动择时、计算套利,高频买卖是大数据+金融工程典型落地。
海量历史数据回测VaR危险模型,动态实时计量危险敞口,压力测验样本扩容。
金融工程供给数理结构、收益与危险束缚,防止大数据算法脱离金融逻辑、过度拟合,标准大数据建模的金融合理性。
结构化数据:财报、征信、买卖流水;特殊非结构化数据:舆情、交际、卫星数据、商户流水(大数据特征)。
机器学习(逻辑回归、树模型)用于风控;时刻序列、深度学习用于量化猜测;计算计量沿袭金融工程经典数理。