金融工程是方法论,大数据是底层工具:金融工程依托数理建模设计产品、风控、定价;大数据拓展数据边界,解决传统金融数据稀缺、模型失真痛点。
整合行情、舆情、产业链、另类数据(工商、物流、用户行为),优化期权、衍生品定价模型,修正传统BS模型假设缺陷。
传统风控依赖财报、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,降低违约误判。
海量高频行情+新闻情绪数据,量化模型自动择时、统计套利,高频交易是大数据+金融工程典型落地。
海量历史数据回测VaR风险模型,动态实时计量风险敞口,压力测试样本扩容。
金融工程提供数理框架、收益与风险约束,避免大数据算法脱离金融逻辑、过度拟合,规范大数据建模的金融合理性。
结构化数据:财报、征信、交易流水;另类非结构化数据:舆情、社交、卫星数据、商户流水(大数据特色)。
机器学习(逻辑回归、树模型)用于风控;时间序列、深度学习用于量化预测;统计计量沿用金融工程经典数理。