金融经济统计范文

前言：我们精心挑选了数篇优质金融经济统计文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

大数据技术概念及银行应用的重要意义

大数据技术相关概念

大数据（Big Data）是一种在当前信息爆炸以及互联网不断发展背景下提出的关于非结构、半结构和相关关系数据的统称。当前大数据技术不仅是实体数据，而且包括相关的数据库、云计算等技术。在大数据背景下，银行企业将过往十几年间积累的客户数据、企业行为、政府行为以及国家经济行为统一集中在一个数据库中，利用相关关系来分析所需要预测的经济问题和进行金融数据统计。当前大数据主要以下三个特点，第一是数据的整体性，大数据时代的数据信息不再是随机样本，而是整体样本，包括所有的经济行为；第二是数据的庞杂性，大数据不再执着于数据收集的精确度，而是利用整体数据来分析和计算；第三是数据的相关性，不仅利用数据的因果关系，更多的利用相关关系来计算概率。

银行应用大数据进行经济分析的重要作用

对于银行等金融机构，使用大数据技术可以起到以下几个重要作用。

提高经济预测能力：大数据技术实现了对未来短期内的经济行为的预测，大数据带来的不仅是对过往经济的总结，还能够让银行在庞大的相关数据中分析出未来的经济发展趋势。因此银行使用大数据技术可以提升经济预测能力。

实现金融统计管理智能化：通过大数据以及其配套计算机、互联网技术，让银行可以将不同的数据进行系统自动聚类和信息清洗，优化数据统计结构，实现对不同数据统计的智能化管理，建立科学化的宏观预测和金融统计工作。

完善风险规避能力：通过大数据技术，银行可以完成更加精确地战略布局，大数据的经济分析概率可以帮助银行更好的搭配资金结构和营业结构，通过金融组合来完成对潜在市场风险、宏观经济风险以及国际金融风险的规避，降低金融危机对银行的冲击。

大数据时代下银行构建分析统计系统的应对措施

解决数据统计问题

对于当前银行机构的数据统计方式。应用在经济预测和金融分析中还存在不少问题。在数据技术上，银行缺少动态数据的统计工具，对于市场数据的实时变化缺少挖掘和采集渠道；数据的分析和整理模型工具还需要进一步优化，提炼系统对数据聚类程序和数据源的判断能力；加强对非结构化数据的应用能力，完善对财务报表、账簿等结构数据与经营中的非结构零散统计数据的对接，另外要提高对图像、影音等隐藏信息的统计能力；加强与现代电商之间的金融数据合作，强化全社会体系下的大数据分析能力，健全信息共享机制。除此之外，还要进一步加强信息收集过程中的安全防护，合法收集数据，防止客户隐私数据流出，强化互联网技术条件

完善数据分析技术的顶层设计

建立能够立足经济预测和金融统计的大数据技术，银行必须从顶层设计方面进行专业化的设计。银行需要成立专门的大数据技术研究机构和管理部门，负责针对大数据技术、系统开发、功能设计以及金融专业参数计算等工作，制定详细的工作计划。然后通过系统的会议，制定大数据技术以及大数据金融产业的发展重点以及制度保障，推动并开发硬件设施、软件工具以及分析工具，加强大数据系统的专业组织与管理，探索大数据技术在经济预测以及金融数据统计中的应用方向和应用方式。最后是完善大数系统在银行总行以及各分行之间的数据联合，完成数据的储存和管理，建立从总行到分行到地市支行再到县区支行的数据库结构，最终实现大数据系统在银行各级部门中的布局。

加强专业经济预测、会融分析功能研发

大数据技术在银行业中的具体应用归根结底还是要落在与金融业有关的业务方面。对此，银行管理者必须加强对大数据与经济领域应用的融合。比如，银行可以借鉴瑞士银行已开发的大数据系统，使用“定向算法文本分析（简称DATA）”技术，利用大数据为基础对经济的运行状态进行预测分析，通过计算客户的资金流通预测客户对经济的感情态度，然后再给出“积极/消极”或是“乐观/悲观”等态度概率，从而加强对未来几个月内经济走向的预测。

第2篇

自银行产生以来，人们就一直在思考金融在经济增长中的作用。King、Levine等从产业层面对经济和金融的相互关系进行研究，得出结论： 健全的金融体系和发达的金融市场对经济增长有积极的促进作用。

帕特里克（1996）从“供给导向型”和“需求导向型”两个方面来辨析金融和经济的关系。他认为在金融水平较低的阶段金融深化对经济增长会起到支配作用，金融体系为那些急需资金的高科技企业提供了最初的资本，帮助企业启动起来，这个阶段处于“供给导向型”形式。而当经济发展逐渐成熟，由各部门对投融资的强烈需要而引起的对金融系统的需求成为金融发展的主要动力，也就是所谓的“需求导向型”模式。

我国学者在这方面也做了很多相关的研究。何风隽（ 2005）对有关金融发展和经济增长关系的来自不同方面的观点和争论进行了客观的比较和总结。张旭军（2007）回顾了最近几年来国内关于金融发展与经济增长的研究成果，发现了其中一些有失客观和全面的观点，指出了有待改进之处。

我国关于金融发展和金融增长的研究总的来说大概有以下三种论断。

第一，金融发展促进经济增长。金融发展与经济长期增长存在比较明显的正相关关系，也就是说金融发展促进了经济增长。

第二，金融发展和经济增长之间存在双向促进关系。杨晓华（2005）通过研究证实金融发展和经济增长之间是互相促进，相辅相成的关系。

第三，金融发展和经济增长之间没有显著的相关性。如韩廷春（2001）建立了通过实证分析得出的结论是： 中国经济增长的最重要的因素是技术进步和制度创新；我们应该更加重视金融体系的效率与质量，而不是一味追求金融产品的多样化和资本市场的更大规模。

经济增长和金融发展水平之间到底是什么样的关系，是互相促进，还是单向因果，这是值得进一步探讨的问题。根据经济增长理论，经济的增长主要来源于资本增加、劳动增加和技术进步三个方面。在改革开放后的几十年，我国充分利用大量廉价劳动力的供给在世界经济的产业链中占得一席之地，实现了经济的腾飞。而今，人口红利已经慢慢减弱，如何发挥金融体系的作用，促进我国实体经济的持续稳定发展，是需要重点关注的问题。

二、实证分析

本文采用M2/GDP代表我国的金融发展程度，用FD表示，通过国内生产总值GDP反映经济发展情况。样本选取1995年到2010年的年度数据，数据来源是世界银行。

本文研究的目的在于证实在我国的金融发展水平和经济增长之间是否存在因果关系。为此，首先要对变量进行平稳性检查。本文选择ADF单位根检验法，GDP和FD都是不平稳序列，为了消除不稳定性的影响，对GDP和FD进行自然对数变换，分别为LNGDP和LNLNFD，再次对变换后的变量进行ADF单位根检验，可见得到平稳的时间序列变量。

在得到平稳变量的基础上，我们进一步通过格兰杰检验来验证两个变量之间是否存在因果关系。结果如表1所示，该结果显示了在置信度为95%的水平下，第一个假设不成立，也就是说LNLNFD是LNGDP的原因，而第二个假设成立，LNGDP不是LNLNFD的原因。

三、结论及政策建议

通过上文的实证研究证明，现阶段我国金融发展刺激了经济的增长，而经济增长并未成为驱动金融发展的重要力量。这说明随着我国市场化进程的加快，金融体系在经济中的作用越来越重要，经济体的货币化程度提高很快。金融发展通过优化社会资源配置刺激了经济的增长。我国金融发展和经济增长的相互促进的良性循环机制尚未建立起来，经济增长并未促进金融的发展。这可能是由于我国仍然处于经济转轨时期，经济发展还不够成熟。因此，我国要进一步加快经济发展水平和金融深化的程度，争取形成金融发展和经济增长相互促进的良性循环态势。

尽管金融发展在我国经济增长中体现了重要作用，我国金融发展进程中仍然存在很多亟待解决的问题：金融产品的结构不尽合理，层次不够丰富；利率市场化程度不够充分；相关法律法规没有同步建立，存在真空地带；汇兑换自由化问题等。这些都是我国金融深化进程中比较困难的问题，只有把这些问题解决了，才能实现金融的自由化。

（一）加大市场机制在金融市场的作用

政府应当减少对金融市场的干预，尤其是给与利率和汇率机制更加灵活的空间，使得外汇市场和资金市场的供求更加直观地反映出来。完善的金融体系和活跃的金融市场能够集聚社会闲散资金，为生产性活动筹资，引导资金流向高效益的部门和地区。随着经济水平的不断提升和居民可支配收入的提高，普通民众对理财的需求更高，而各企事业单位对金融服务的需求也更加多样化，这些都会倒逼金融体系的发展。最近比较火的互联网理财产品就是一个很好的例子，为广大平民阶层提供了理财的途径，更重要的是大大推动了利率市场化的步伐。

（二）重视金融深化中的质量问题

麦金农和爱德华·肖的金融深化理论中比较重视金融体系量的扩张，对金融体系的稳健性关注度不够，但1997年亚洲金融危机却给我们敲了一个警钟，金融系统的整体质量的提高是一个必须引起重视的问题。在我国金融深化的过程中应注意逐步确立良好的金融系统的架构，监管部门在减少行政干预的同时也不能对风险的防范掉以轻心；逐步改变以往政府兜底的局面，引入竞争，健全推出机制，全面提升金融系统运行效率，避免出现亚洲金融危机中的状况。

（三）使金融监管与金融发展程度相适应

金融发展和金融监管在任何时候都是不可分割的，忽略金融监管的金融发展就像海市蜃楼一样根基不实，无法抵御来自外部或内部的风险，而金融监管过于严格繁琐，则会束缚金融的发展，同样是我们不愿看到的。因此如何协调金融发展和金融监管的关系，是确保金融健康稳定发展的重点。

在金融全球化的今天，金融是社会经济发展不可缺少的催化剂，金融和经济的关系更加紧密。经济的发展深度和广度，决定着金融体系的规模和质量；金融通过优化社会资源的配置，促进经济的增长，提高经济发展的质量。金融发展和经济增长不断彼此促进，相辅相成，这才是经济健康 稳定发展的保障。

参考文献：

何风隽.金融发展与经济增长：理论和实证争论的述评.生产力研究，2005（08）.

张旭军.金融发展与经济增长：近期国内外文献综述.嘉兴学院学报，2007（01）.

李钊，李国平，王舒建.金融发展与经济发展：基于两部门模型中国实证研究.南方经济，2006（04）.

杨晓华.我国金融发展与经济增长关系的实证分析.经济纵横，2005（07）.

第3篇

关键词：大数据;经济金融;理论研究

中图分类号：F830.31 文献标识码：B 文章编号：1674-0017-2015（9）-0089-05

IBM执行总裁罗睿兰认为，“数据将成为一切行业当中决定胜负的根本因素，最终数据将成为人类至关重要的自然资源。”麦肯锡给“大数据”的定义是：大小超出常规的数据库工具获取、存储、管理和分析能力的数据集;亚马逊的“大数据”定义：任何超过了一台计算机处理能力的数据量;维基百科的“大数据”定义：“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”;美国国家科学基金会（NSF）的“大数据”定义：“由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模，多元化、复杂、长期的分布式数据集”。“大数据”的显著特点是大量化（Volume）、多样化（Variety）、快速化（Velocity）及由此产生的价值（Value）。“大数据”提供给人们新的观察世界方法，并用数据化思维和先进的处理技术去探索海量数据之间的关系。

一、构建“大数据”是人民银行经济预测和金融统计的现实需要

受“大数据”驱动，依托信息共享、高度集成的数据仓库、先进的数据挖掘分析模型，“大数据”将改变人民银行宏观调控、管理与决策的方式与方法。

（一）构建“大数据”，强化人民银行宏观调控管理的智能化。人民银行“大数据”实施后，人民银行业务将从传统的手工处理向全信息化处理转变，业务基础工作重心将从手工或半手工采集数据转换到灵活运用人民银行“大数据”，依托对结构化和非结构化数据的聚类和清洗，优化人民银行综合管理模块数据自动采集功能，实施宏观预测分析，对社会经济运行情况进行综合分析和评价，实时掌控全国经济金融变化动态，实现人民银行宏观调控的智能化处理。

（二）构建“大数据”，夯实人民银行信息服务与决策支持的坚实基础。随着人民银行各类数据处理、管理和交换进一步集中，经济金融数据共享渠道的进一步畅通，“大数据”的统一性和完整度将出现质的变化，人民银行将成为国家调控、政府及其部门、企事业单位等部门数据的枢纽。充分挖掘和运用人民银行“大数据”，为我国经济金融政策的制定、执行、监测、决策和实施，提供快捷、全面的数据支撑和信息支持。

（三）构建“大数据”，有利于人民银行及时掌控、跟踪金融风险。通过深度挖掘人民银行业务数据，建立和完善人民银行现场和非现场监管模型，实施人民银行调控手段的规范化管理，动态跟踪、管理资金流的异常监测，实现人民银行风险控制、内部业务风险控制、外部业务监督管理的智能化处理。

二、人民银行初步具备建立“大数据”的基本条件

人民银行数据是指人民银行在履职过程中所获取的具有分析、研究、决策等功用和价值的数据，包括调查统计、货币信贷、征信管理、财务会计、国库等结构化数据，以及人民银行经过积累的统计、货币分析资料库、图表、文字资料、影音视频文件等非结构化数据。

（一）建立了较为全面的金融业综合统计监测体系。经过多年探索，人民银行目前已构建了包括货币供应量统计、信贷收支统计、现金收支统计、对外金融统计、金融市场统计、人民银行专项调查统计（企业商品价格指数、景气调查指数）和资金流量统计等金融业综合统计监测体系，为人民银行宏观调控服务，着力提高货币政策针对性、灵活性，支持经济发展方式转变奠定了坚实基础。2014年12月，人民银行征信中心与环境保护部政策法规司、国家税务总局稽查局、国家外汇管理局管理检查司、中国出口信用保险公司等8家单位签署信息采集合作文件，标志着人民银行征信系统在信用信息交换共享方面迈出新步伐，将进一步推动我国社会信用体系建设。

（二）建立了规模较大的人民银行数据库。一是建立了金融信用信息基础数据库。截至2013年末，金融信用信息基础数据库收录近8.4 亿自然人和1919.3 万户企业及其他组织的信息; 个人、企业信息全年查询量分别达3.5 亿次和1.04 亿次;全国累计补充完善小微企业信息近243 万户，累计已有35 万户小微企业获得银行贷款，贷款余额72318.90 亿元;全国共为1.51 亿农户建立了信用档案，对10143万农户进行了信用评定，贷款余额2万亿元。二是建立了国库数据库。国库数据汇集了各级政府财务数据和各级国库管理数据，包括各类结构化与非结构化数据。以“3T”系统[指国库会计数据集中系统（TCBS）、国库信息处理系统（TIPS）、国库管理信息系统（TMIS） 三大系统]为核心的现代化国库信息系统总体框架基本形成。2013年，全国通过TIPS成功处理各类业务20798.5万笔，金额136911.25亿元，通过TCBS办理收入业务38070万笔，金额109574亿元;办理实拨资金支出业务621万笔，金额118694亿元;办理退库业务153万笔。2013年国库系统共办理国库收支41.18 万亿元，2013年11 月，国库管理基础信息模块在全国正式上线，国债管理模块与38 家储蓄国债承销机构正式联通。

（三）金融标准化建设取得显著成效。2010年，人民银行推出《银行业标准体系框架》，《中国金融集成电路（IC）卡规范》（2 0 1 0版）等1 4项金融行业标准;《金融业机构信息管理规定》，建设金融业机构信息管理系统，构建中国首个金融机构名录库，囊括23万多家金融机构信息。2011年3月，人民银行颁布《关于推进金融IC卡应用工作的意见》，启动我国银行磁条卡向IC卡迁移战略。2012年《中国金融集成电路（IC）卡规范》（PBOC3.0），组织建设国家金融IC卡安全检测中心。先后《证券、期货、保险、印制、银行业标准体系》;修订《人民银行信息安全综合规范（2013 版）》，《金融机构代码证管理办法（试行）》。2014年8月，人民银行《统计数据与元数据交换（SDMX）》标准，规范了我国金融统计信息的处理、交换和对外流程等内容。2014年11月，人民银行《金融信用信息基础数据库用户管理规范》和《征信机构信息安全规范》。

（四）人民银行数据具有较高的利用价值。人民银行货币政策委员会通过分析研究存贷款及其变动对货币政策产生的影响，对货币政策进行适时适度调整。财政部等部门从人民银行提取数据并加以利用，也会影响其宏观决策的变化。地方政府通过使用国库部门提供的预算收支数据，加强对预算收支情况、地方财政投入等各种管理工作。

三、制约人民银行“大数据”构建的主要因素

当前，存在一些技术、法规因素制约了人民银行“大数据”的建立、分析和利用。

（一）技术操作层面上，数据采集和挖掘仍较为落后。1、数据采集和挖掘较为落后。与阿里巴巴等电商动态的数据采集系统相比，人民银行数据挖掘和采集方式仍较为落后，数据录入处于原始状态。人民银行现在面临的最大问题是没有利用好系统数据，系统利用率大概不到20%。互联网、电子商务等新兴企业在“大数据”处理经验、产品创新能力、市场灵活度等方面都拥有明显的优势，在这种情况下，人民银行更应激活利用内部的“沉睡数据”。

2、数据整理缺乏标准化设计。人民银行数据交换过程中缺乏标准化数据模型，且存在语义区别和数据源的不一致问题，不少业务处理和管理系统缺乏标准化的统一设计，直接导致“大数据”二次开发难。

3、缺乏对非结构化数据利用。人民银行档案管理制度对会计凭证、会计账簿、报表和其他会计资料的完整和安全作出了具体要求，人民银行数据的利用仍以报表、报告等传统方式为主，对数据的分析仍集中在结构化数据，但对图片和影音视频文件等非结构化数据尚未统一进行数字化处理和规定，缺乏多维度智能分析、展示，缺乏对非结构化数据的处理能力。

（二）法律制度层面上缺乏明确的法规依据。人民银行进行“大数据”挖掘，涉及到法律制度建设、系统开发等多方面原因。

1、个人信息采集的合法性问题。《征信业管理条例》第十三条规定：采集个人信息应当经信息主体本人同意，未经本人同意不得采集。但是，依照法律、行政法规规定公开的信息除外。因此，对信息主体的通话的语音信息、营业网点或ATM机的录像信息等，这些数据信息采集如未得到信息主体允许，进一步分析开发是否合法、侵犯个人隐私尚未定论，影响了人民银银行数据采集的拓展。

2、“大数据”的基础设施和安全管理亟待加强。由于“大数据”是伴随着互联网、云计算、移动互联网以及物联网等新技术发展到一定阶段的产物，金融“大数据”的安全问题日益突出，进一步增加了“大数据”的风险隐患，若处理不当可能遭受重大损失。因此，信息安全体系建设、“大数据”安全技术研发、动态数据安全监控机制等亟待加强。

3、跨部门信息共享机制尚未建立。如共享信息的名称、内容、质量、数量、更新频度、授权使用范围和使用方式、共享期限、共享依据、实现进度等事项，以及信息共享相关标准规范等尚未建立。

四、国外央行“大数据”运用比较分析及借鉴

以下主要介绍“定向算法文本分析”（简称DATA）、XBRL分析框架在国外央行的运用情况，以期对我国“大数据”利用提供借鉴。

（一）欧洲央行（ECB）和美联储运用“定向算法文本分析”（简称DATA）的新方法和统计手段。在2014年11月份的报告中，欧洲央行描述了基于“大数据”的经济预测方法。DATA是基于文本数据集内的特定术语搜索，该搜索是以信念叙述理论为指导。信念叙述理论不仅表面上关注人们对经济的感性预期，如“积极/消极”，“乐观/悲观”等，而且深入分析经济决策背后隐藏的人类情感，包括情感的性质及程度。通过采用DATA方法来直接地、透明地构造情感转移的相关性指标，评估这种相关性是否显著。如将相对情感指标（BROKER）定义为一个月之内兴奋类关键词和焦虑类关键词出现的频率之差，这个差值除以文本中的总字数即是标准化后的指标。密歇根信心指数（MCI）主要用于衡量消费者的购买能力和购买意愿。指数以至少500次电话采访，询问大约50个问题，为期两周的调查数据为基础构成。指数每月两次，其中初步数据在每月第二个周五，最终结果在每月第四个周五。研究表明，初步指数和最终指数间高度相关，因此，关键是预测T+1时点初步指数较T时点最终指数的变化，这个变化值用DIFFPRELIM来表示。

按照“大数据”预测方法，DIFFBROKER对DIFFPRELIM的回归。DIFFPRELIM=初步指数（T+1）-最终指数（T），DIFFBROKER=BROKER（T）-BROKER（T-1），T为2010年7月到2012年3月中的任意某月。将两者数据进行回归分析，可得到2012年5月的密歇根指数预测值，如此逐月推进重复此项运算，直到估计出2013年7月的指数。从2012年5月到2013年7月期间的预测结果看，运用基于“大数据”的DATA，对代表消费者信心减去其焦虑的净水平的时间序列数据进行文本分析，对这15个月的数据进行分析，其中预测准确的有12个月。继续用“大数据”方法来预测更远期的MCI值，结果显示即使预测4个月后的情况，BROKER数据仍然显示出预测功能。就预测的正确性而言，预测期为2期时，15个月中有11较准确;预测期为3期时，15个月中有8个较准确;而预测期为4期时，有7个月较准确。

（二）XBRL分析框架在国外央行运用概况。XBRL是“Extensible Business Reporting Language”的缩写，意为可扩展商业报告语言，主要用于商业和财务信息的定义和交换，让在不同系统间共享数据成为可能，被设计成能够适应最复杂的金融报告形式。

XBRL在日本央行的运用。日本央行从2003年中期起开展XBRL试验。2006年2月，日本的金融服务公司每月使用XBRL向日本央行报送数据。日本央行认为，每月使用XBRL报送资产负债表大大减轻数据验证等工作负担。XBRL简化了报送流程，特别是能够通过提交前的验证功能发现报告中的问题。

2、XBRL在南美央行的运用。巴西央行积极研究XBRL（巴西资产负债表注册项目的一部分）的应用。2008年10月，阿根廷央行担当建立XBRL阿根廷临时地区组织的组织者，并向XBRL国际组织申请直属成员资格。阿根廷央行实施资产负债表注册项目，该项目主要是根据公司规模、市场知名度等标准分阶段实现财务报送的XBRL化，主要目标是对阿根廷各类公司进行清晰的信用评级。

3、XBRL在西班牙央行的运用。西班牙政府了JUS/206/2009号法令后，XBRL已成为西班牙年度数字化财务报表编制的基础。每年，2，743个实体向西班牙央行报送109，554份XBRL报告，XBRL技术的引入实现了数据验证的自动化，提高了数据质量。同时，可以通过对内容严格定义来控制风险。西班牙央行的职责之一是收集、处理和保存西班牙非金融性公司的财务信息，增加对西班牙各分支行业的了解;收集本国金融机构信息，履行其监管国内银行业体系;收集统计数据，向欧洲央行（ECB）报送所有公司数据的职责。西班牙央行正在推进XBRL应用扩展计划，在偿付能力信息、财务报表、互保、外币兑换处和评估公司中增加运用这些公式。

（三）快速预判宏观经济形势。英国央行以前通过统计部门的房地产销售数据、就业数据等，判断房地产市场和劳动力市场变动趋势，但统计部门的数据一般有数日乃至数周的时滞，不利于对形势的快速判断。目前英国央行现已运用“大数据”对英国房地产市场和劳动力市场趋势作出快速判断，通过对一些网络搜索关键词的监控，如“按揭”“房价”“职位”等，获取最新的经济运行情况，分析预测客户及交易对手行为。加拿大央行利用“大数据”分析并跟踪宏观经济的变化。

五、相关建议

欧洲等国外央行的探索表明，“大数据”在经济预测和金融统计等领域的应用具有良好效果。应积极借鉴国外经验，探索人民银行利用“大数据”进行经济预测和金融统计。

（一）适应“大数据”要求，规划人民银行“大数据”战略的顶层设计。一是建立“大数据”研究机构。在总行层面设置专门研究“大数据”机构，建立数据管理决策机制和内部协调机制，制定“大数据”工作规划，形成管理数据、使用数据和推广数据的有效工作机制。二是明确“大数据”发展重点。规划明确“大数据”产业的发展重点、空间布局和保障措施，推动和改善与“大数据”相关的收集、储存和分析工具及技术，开展“大数据”应用示范，加大对基础研究的“大数据”获取方式、组织与管理、关联与发现、分析与可视化等方面的研究。三是以数据分析技术为核心。加快非结构化数据处理技术、非关系型数据库管理技术、可视化技术等基础技术研发，并推动与云计算、物联网、移动互联网等技术的融合。加强网页搜索技术、知识计算（搜索）技术、知识库技术等核心技术的研发，并与数据处理技术相结合，为提高人民银行金融调控能力提供技术支持。四是构建覆盖从数据访问、数据传输、数据存储、数据隔离到数据销毁各环节的云端数据安全框架。建立“大数据”隐私保护制度和信息安全保障体系，提高安全防范能力，严密维护信息安全（包括滥用、篡改、损坏、窃取、失泄密等）。

（二）结合人民银行履职特点，科学构建人民银行数据库。借鉴“大数据”理论，建立以总行为中心、分支机构为补充的分布式数据库（见图1），人民银行数据库实行总行统一规划建模，分级管理推进，上下协调一致;本级业务数据由中心统一分发，非业务数据逐级上传，借助人民银行内网“云计算”1技术，提升数据流转、计算分析能力;运用“雾计算”2技术，对人民银行敏感数据进行保护，甄别、控制窃取和滥用数据行为，确保人民银行数据安全。数据库系统的基本结构由经济金融数据库，分析、预测模型库和分析、预测体系三部分组成。运用统计学的理论和方法，对经济金融活动进行分类、量化、数据收集和整理及进行描述和分析，反映经济金融活动规律，为经济金融制度的设计和理论研究以及金融调控机制的实施提供客观和科学的依据。

（三）建立数据共享机制，构建人民银行“大数据”平台。建立与银行、保险、证券等监管机构以及国家统计局、电商、数据公司、互联网平台企业等合作机制，构建共享数据库和信息共享机制。同时，将金融宏观调控与移动网络、电子商务、社交网络等融合，提高内外部数据信息的整合能力。构建人民银行宏观审慎管理“大数据”平台，建立适应“大数据”时代要求的信息化基础架构，通过信息技术手段，采集金融经营管理数据，建立标准化、系统性的数据体系，搭建“大数据”平台，为金融业发展和监管提供基础性的网络支持和信息服务。

（四）借鉴欧洲等央行经验，构建人民银行“大数据”分析和预测模型。借鉴欧洲等央行经验，改进和优化统计范围、工具分类、部门分类、信息披露、数据质量控制等方面，进一步完善金融统计体系。尝试建立人民银行决策知识库和预测、分析模型。要运用“大数据”技术对数据进行采集、整理出的一些关键性指标，构建前瞻性的动态随机一般均衡模型（Dynamic Stochastic General Equilibrium，DSGE）的宏观计量模型，对未来一个时期可能发生的经济金融形势进行分析和预测，提升人民银行宏观预测能力和运作效率，为货币政策制定和执行提供决策参考。

（五）探索挖掘数据结构新方式，建立和完善人民银行“大数据”挖掘与应用体系。结合人民银行宏观审慎管理等职责需要，积极探索挖掘和利用数据结构新方式，如可将传统的银行家调查问卷改变为对银行家情绪的搜集，利用DATA预测银行业机构运营情况。围绕深化经济金融改革、金融宏观调控等需求，统筹好历史数据和当前采集数据的关系，充分挖掘历史数据的潜在价值，并运用“大数据”技术手段提升分析现实数据的能力，形成具有人民银行特色的数据挖掘与应用体系，推动人民银行数据利用向智能化迈进。