当前位置： 视神经炎 > 视神经疲劳 > 大数据,蚂蚁和精准施策
当前位置： 视神经炎 > 视神经疲劳 > 大数据,蚂蚁和精准施策
大数据，蚂蚁和精准施策
蒲少平
大数据使各项工作精准化，是可能的，包括投资和贷款这类工作。当务之急，是帮助蚂蚁获取更多数据，大力发展中国的大数据风险评估技术，这是消除信息不对称防范金融风险的长远之道，而不是急于限制它的发展，应把蚂蚁和一般网贷公司区别对待。
应采取“证监会牵头+特许经营+上市公司填报+错误举报奖励”模式，建立证券大型数据库。
一．大型数据库是国家的基础设施
什么是基础设施：它有如下特性：
1.先行性和基础性
基础设施所提供的公共服务是所有的商品与服务的生产所必不可少的，若缺少这些公共服务，其他商品与服务（主要指直接生产经营活动）便难以生产或提供。
2.不可贸易性
绝大部分基础设施所提供的服务几乎是不能通过贸易进口的。
3.整体不可分性
通常情况下，基础设施只有达到一定规模时才能提供服务或有效的提供服务。
4.准公共物品性
有一部分的基础设施提供的服务具有相对的非竞争性和非排他性，类似于公共物品。非竞争性是指：物品的生产成本不会随着物品消费的增加而增加，即边际成本为零。非排他性是指：当某人使用基础设施所提供的服务时，不可能禁止他人使用；或要在花费很高的成本后才能禁止，对这样的服务，实际上任何人都不可能将另外的人排除在外即存在免费搭车。
大型数据库就是满足这四大特性的基础设施.
凡是需要资金投入,但又应免费提供给社会的产品,都应由政府来经营.如消防，安全。数据，也是应该免费给社会公众使用的，因为只有这样才会有最多的人使用，从而提高整个社会的决策水平。缺少真实,全面,及时,方便的数据,致使各市场主体做出错误决策,正是我们这个时代面临的难题之一.市场经济是分散决策，当各市场主体得不到高质量的数据,分散的决策就会失误累积，导致市场机制失灵，甚至酿成危机.让各市场主体能免费方便得到丰富数据,从而提高其自主决策水平.这样可大大提高经济的市场化水平,减少政府对经济的干预，优化资源配置.现在数据生产分布在很多单位,如各中央部门,各地方政府，各行业协会,各做数据的企业等,各自为战,互不衔接,质量不高，效率低下.应由一个独立部门统管起来,建立标准统一各方参与的数据库,就可大大提高数据使用效率.计算机技术的飞速发展,特别是超级计算机，大数据和云计算技术,已使得我们可以开始考虑建立全国统一的数据库的问题.
现在是大数据时代.电脑和互联网产生了几乎无穷多数据.同时虚假数据满天飞.任何一个企业都难以经营好数据产品.数据产品一旦研发出来,可以无成本复制.但研发成本高,企业难以承受.生产成本低,可以免费向社会公众提供.所以,适合政府来做,不适合企业做.但数据产品质量又极难判断，农产品质量一看便知.工业产品质量用几次便知.数据产品质量问题要很长时间才可发现.若是由企业来做数据,也许企业倒闭后才发现其产品质量问题,无从追索其责任,而其对社会的危害已造成.而政府可看成一家永不倒闭的企业,任何时候都可追究其责任.如果真有一家企业能把数据做好，结果必定是赢家通吃,最后产生垄断企业.垄断企业必然提高售价,致多数市场主体买不起,实际上限制了数据的传播使用.政府做数据，则可以用财政收入支付成本,再免费提供给社会.同一数据产品可以同时多人使用,可以反复使用,使用的人越多,使用的历史越长,越容易发现问题,发现问题后可以修复,产品质量可以不断提高.要想有最多的人使用,必须免费.而企业不可能长期生产免费产品.
政府做数据还一个好处就是可以更有效地防止利用大数据做恶。
大数据分析技术现在美国发展很快，据说本拉登藏身地就是用大数据技术发现的（见PalantirTechnologies公司）。中国人多企业多数据多，本来是有发展大数据技术的好基础，可惜现在很多数据都在分散在各级政府和民间机构沉睡，而少数民营公司做数据整合则力不从心。中国应该发挥集中力量办大事的制度优势，下大力气建立大型数据库。
目前，我国政府做的数据库是什么质量呢？央行，财政部和国家统计局是国内三个最大的宏观经济数据库，用户体验很差。而且，我在央行，财政部和国家统计局的数据中都发现过错误。举例如下：
（一）央行
1.年9月的金融机构人民币信贷收支表（按部门分类）：资金来源总计比汇总数据少亿元。
2.年12月-年3月的金融机构人民币信贷收支表：资金运用总计每个月都比汇总数据多1千5百多亿元。
3.年1月-年2月，存款性公司概览中单位定期存款比存款性公司资产负债表中的单位定期存款多70亿元，而其他月份是相等的。
4.年1-2月，央行货币发行数小于其他存款性公司库存现金+流通中货币，差几百亿，而其他月份是相等的。5.年8月金融机构本外币信贷收支表，资金来源总计与汇总数据相差亿元。6.存款类金融机构本外币信贷收支表，年11月，资金来源总计与汇总数据相差亿元。年4月，资金运用总计与汇总数据相差亿元。
7.存款类金融机构人民币信贷收支表，年4月，资金来源总计与汇总数据相差亿元。年4月，资金运用总计与汇总数据相差亿元。8.中资全国性四家大型银行人民币信贷收支表.年3月，资金运用总计与汇总数据相差亿元。年10月，资金来源总计与汇总数据相差亿元。年6月，资金运用总计与汇总数据相差亿元。年3月，资金来源总计与汇总数据相差亿元。9.中资全国性大型银行人民币信贷收支表.年8月，资金运用总计与汇总数据相差亿元。年1月，资金来源总计与汇总数据相差亿元。10.中资全国性中小型银行人民币信贷收支表.年11月，资金来源总计与汇总数据相差亿元。11.其他商业银行人民币信贷收支表。年12月，资金来源总计与汇总数据相差亿元。年10月，资金来源总计与汇总数据相差亿元。年9月，资金来源总计与汇总数据相差亿元。年4月，资金来源总计与汇总数据相差亿元。年5月，资金来源总计与汇总数据相差亿元。年5月，资金运用总计与汇总数据相差亿元。年10月，资金来源总计与汇总数据相差亿元。12.金融机构外汇信贷收支表。年10月，资金来源总计与汇总数据相差亿元。13.货币发行（在货币当局资产负债表）=流通中货币M0（在存款性公司概览)+库存现金（在其他存款性公司资产负债表），但年1-2月不满足此公式，误差分别是和亿元。14.货币概览。年8，10，12月误差分别为，，6亿元。15.存款性公司概览。年7月，误差亿元。上述误差再加上一些其他小误差，累计已超过15万亿元。
（二）财政部：用国家-（中央+地方）公式可发现误差
-年累计误差（亿元）
粮油储备
工艺品及其他制造业
农村最低生活保障
其他农业支出
城市居民最低生活保障
最低生活保障
76
其他制造业支出
74
国家粮油差价补贴
73
乡村债务化解
44
其他城市生活救助
32
其他生活救助
31
信息安全建设
20
一般行政管理事务
17
气象服务
15
电力市场建设
13
其他工业和信息产业监管支出
12
其他农村金融发展支出
10
其他国土海洋气象等支出(项)
10
新闻出版
9
其他粮油事务支出
9
农业资源保护
9
地质转产项目财政贴息
8
财政对基本医疗保险基金的补助
7
财政对城镇居民基本医疗保险基金的补助
7
金融部门其他监管支出
6
高等职业教育
5
其他水利支出
5
（三）国家统计局
1.国家统计局披露了全国政府消费数据，也披露了各省政府消费数据，若拿全国政府消费数据减各省政府消费数据之和，得到的差应该是中央政府消费数据。但是，-年，这个差都是负数。
2.国家统计局称，年，规模以上工业企业起点标准由原来的年主营业务收入万元提高到万元，纳入统计的企业单位数当年下降了30%。然而离奇的是，统计口径缩小后的总资产，主营业务收入等财务数据当年全都是大幅增长的（相对统计口径缩小前的财务数据）。
3.地方财政收入，国家统计局和财政部的数据也不一致。如年，财政收入总额差亿元，税收差亿元，国内增值税差亿元，非税收入差亿元，专项收入差亿元，行政事业性收费差亿元。其他收入差亿元，国有资源有偿使用收入差亿元。
4.中央财政收入，国家统计局和财政部的数据也不一致。如年，财政收入总额差亿元，税收差亿元，国内增值税差6亿元，非税收入差亿元，专项收入差52亿元，行政事业性收费差23亿元。
5.国家统计局自己的数据也自相矛盾，中央和地方的数据之和，减国家的数据，差额应该等于零，但是：国家资源税，-年每年都有差额几十亿元，共计亿元；证券交易印花税，-年，每年都有差额，共计亿元。
6.国家统计局人口数据，年，在分省的统计中，北京的年末常住人口是万，其中城镇万，农村万：但在分城市的统计中，北京的年末总人口又成了万。是分省统计的口径大？那为什么同年重庆，在分省统计中人口是万，在分城市的统计中又是万？
7.据国家统计局数据，年新疆年末总人口增长是各省最快的，为1.96%，但乌鲁木齐的人口又是各省会下降最快的，下降了17%。拉萨的职工平均工资年增长了58%，年仅次于北京上海，可拉萨的居民储蓄年又下降39%.
8.国家统计局披露的国家财政性教育经费，和财政部全国财政支出决算表披露的教育支出，相差几千亿元，如年相差3千多亿元。
这些例子并不能说明中国政府做不好数据库，原因恐怕是对数据不够重视。
二．注册制亟需高质量上市公司数据库
到底怎么根治虚假信息--上市公司数据库是战略制高点
上市公司数据库也是满足上述四大特性的基础设施。对于这样的基础设施，政府给予适当的干预，保证它的质量和正常运行，是很有必要的。
国务院《关于进一步提高上市公司质量的意见》中有一段：提升信息披露质量。以提升透明度为目标，优化规则体系，督促上市公司、股东及相关信息披露义务人真实、准确、完整、及时、公平披露信息。以投资者需求为导向，完善分行业信息披露标准，优化披露内容，增强信息披露针对性和有效性。严格执行企业会计准则，优化信息披露编报规则，提升财务信息质量。上市公司及其他信息披露义务人要充分披露投资者作出价值判断和投资决策所必需的信息，并做到简明清晰、通俗易懂。相关部门和机构要按照资本市场规则，支持、配合上市公司依法依规履行信息披露义务。
问题是，即便上市公司真实、准确、完整、及时、公平披露信息，但到达投资者手中的信息也未必是真实、准确、完整、及时、公平的。现在上市公司披露的信息看似很多，实际上投资者根本没时间看，且数据分散在各文件中，难以利用，只有集中到数据库才好分析。我现在得到上市公司信息的主要渠道链是：1.上市公司发表招股书年报等文件。2.数据公司（比如东方财富）根据这些文件做成数据库。3.我从上述数据库下载我需要的数据建立自己的数据库。上面每个环节都可能出错，尤其是第二环节。而且，数据公司不承诺其数据的真实全面及时。比如，东方财富网站就有这样的免责声明：东方财富网不保证该信息(包括但不限于文字、数据及图表)全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关信息并未经过本网站证实。实际上，我就在东方财富的数据库(choice)中发现过大量错误。
上市公司披露信息的真实性一直是困扰人们的头痛问题。上市公司似乎天生就有动机去披露虚假信息。即便有监事会，审计师，分析师，证监会，司法诉讼等等关卡，披露虚假信息的案例仍层出不穷，甚至造假规模还越来越大。到底有没有办法根治虚假信息难题呢？我想，造假者之所以胆大包天，一是因为利益巨大，二是他们的骗局难以识别。那我们就从这两方面着手，一是加大打击力度，让造假者面临严刑峻法的威慑；二是让骗局识别变得容易，投资时避开。自年公开揭露银广夏假账以来，近二十年我就一直在构思一个上市公司风险度量体系，其中就特别包括诚信风险。我用的方法就是大量收集上市公司的负面信息，再编指标体系。为什么要收集负面信息？因为，每一种负面信息都是上市公司的短板，上市公司可能披露虚假的正面信息，但不会披露虚假的负面信息，也不会允许别人披露有关他的虚假负面信息。所以负面信息可信度高。
如果企业提供的信息是全面、充分、真实、及时的，那么依据常识判断企业的投资价值并非难事。但恰恰是我们往往得不到合乎上述条件的企业信息，这样判断企业的投资价值就成了一件非常艰难，需要丰富实践经验和智慧才有可能做好的事情。独立思维能力，逻辑分析能力和对数据的敏感，是优秀的分析师必备的素质。成为一个优秀的分析师既需要严密的逻辑思维能力，也需要敏锐的形象思维能力；既要能跟财务数据打交道，也要能跟各种人打交道。其工作状态有时象科学家，有时象记者，有时还象侦探。分析师也需要感觉，敏锐的感觉往往是研究的先导和支撑艰苦研究的精神力量。但千万不能把研究停留在感觉上，光凭感觉就作判断。应经常问自己：我看到的是事实真相吗？
上市公司的信息失真有两种类型：一是蓄意造假，二是工作失误。无论是哪类，都是误导投资者，造成资源错配。自从有了股票市场，就有了企业披露虚假信息。有一百多年连续股市历史，法律监管制度较健全的美国,尚有安然等欺骗投资者的上市公司;具新兴市场和转轨经济双重特征的中国，更不能指望披露虚假信息的上市公司会很快绝迹。而且随着监管力度加大，它们做假帐的水平可能还会越来越高。如果年报的数据是虚假的，则依据这些数据做投资价值分析就没有意义。因此分析判断上市公司年报的真实性，准确把握企业的真实经营状况，是一份企业研究报告必须要有的内容。上市公司的会计师在做假帐时必然会考虑到如何骗过分析师，因此用常规的分析方法往往难以发现其中虚假信息。但企业是法人，其行为同自然人很类似，判断企业是否说假话的方法同判断人是否说假话的方法也是类似的。
(1)．我们对熟悉的人容易判断其言词真假，因此，要判断企业的真假就要充分地了解它。一个企业不是孤立存在的，它必然要跟社会各界发生关系，它的真实信息就会通过各种渠道散发出来。真正了解企业的是:企业的员工,竞争对手,合作伙伴,产品用户,大股东,会计师事务所,工商税务等.要通过各种途径收集企业的信息，而不要轻易相信权威、名人、领导对企业的判断，并非这些人没水平,而是因为他们未必真有时间去了解企业。
(2)．不同的企业做假各有各的招.识别真假没有固定的程序和方法。最有效的办法是寻找其披露的信息中的不合逻辑、不合情理、不合常识、不合实际的地方。低水平的做假会计师会在年报中留下一些自相矛盾的陈述，如银广夏。高水平的做假会计师则可以把年报做得几乎天衣无缝，如东方电子。但水平再高的会计师，假帐作多了，也总会露出马脚。只要下功夫，加大信息收集力度，就可以发现漏洞。不放过每一个细节，是发现漏洞的法宝。
搞企业研究必须充分地占有资料，大量收集信息，力求全面，准确，及时。而收集整理信息是个辛苦活，单调乏味，耗精力，工作层次低，不像分析和建模那样高雅，许多人往往不愿在此多花时间。在信息尚未收集充分时就作分析判断，这就造成有些研究报告看上去水平很高，实际上价值很少。真实的信息往往来自基层，只有放下架子，多跟基层干实际工作的人接触，才能得到有价值的信息。在现在的条件下，我觉得一般应把80-90%的时间用于收集整理信息，10-20%的时间作分析判断。所以总的说来，现在证券分析的工作效率是很低的。
实地考察是成本较高的信息收集方法，但往往能得到极有价值的信息。它有助于分析师了解企业的真实情况，为判断提供最有力的证据。实地考察前应熟读年报等各种公开信息，全面了解企业的基本情况，尤其要把已在年报中发现的问题熟记于心。到了目的地后要尽量多跟各种人接触，如上面提到的企业的员工,竞争对手,合作伙伴,产品用户,大股东,会计师事务所,工商税务等.一般应该作好充分准备后再接触企业的高层,同企业高层接触应观察其言行举止，风格作派。因为企业高层的风格往往就是企业的风格。企业往往不愿意让别人看到它不好的一面,因此要尽量多看些地方，尤其是平常没人去过的地方更应该去，因为它们不设防。应利用股东大会等访问者多的机会去企业,减少企业对你的防范.有条件的话要通过录音，录相，照相，复印等手段收集证据。实地考察常犯的错误就是，到了企业后一下子接受到很多信息，就容易觉得满足，以为信息收集够了，等到回来一分析，发现还是有些问题没搞清。再去考察又要增加成本，后悔当初放弃了机会。因此实地考察时对信息收集要做到不厌其烦，不放过每一个机会。
上市公司的不诚信和投资者的不理性，严重地阻碍了中国证券市场的发展。怎么才能从根本上克服上市公司的不诚信和投资者的不理性，促进中国证券市场较快较好地发展呢？我认为，关键是要建立真实全面及时方便好用的大型上市公司数据库。在我看来，上市公司数据库是这个国家的基础设施，具有战略意义。现在市面上的上市公司数据库，总的说来是质量差价格高错误多不好用。有人说建立这样的高质量数据库投入太多，难度太大。我认为，看怎么做。如果是现在由各数据公司各自为战的做法，重复建设，当然是投入多，难度大，还质量差。每家公司都没有能力独自建立一个高质量低成本的数据库。其实，中国只需要一个上市公司数据库，如同只需要一个国家电网一样。如果是证监会牵头协调，由上市公司，数据公司，证券公司，基金公司合作呢？产生一个高质量低成本的数据库就不难。可以这样分工：数据公司负责搭建数据库结构和优化设计软件功能，让数据库方便好用；上市公司负责填报数据，如同在证券报公布年报一样，对错误数据要承担法律责任；证券公司基金公司负责使用，发表分析报告和投资建议，并在使用中查错纠错。这样就可避免那么多重复劳动和重复投资，成本自然就降下来了，大家也就都用得起了。用的人越多，发现上市公司假账也就越容易。分析师用在收集整理信息上的工作量就可大大减少，现在分析师几周的工作量，将来也许一天就能完成，工作效率成倍提高。各机构分析师更是大有用武之地，等于给证监会增加数百倍编外人员。在这样天罗地网式的严密的监管下，上市公司自然就不敢做假账了，信息质量自然就提高了，证监会也就没必要投入那么多人力物力去稽查了，注册制也就容易实行了，建立在数据分析基础上的投资者就变得理性了，投资者的利益也就得到保护了。同时上市公司都把精力放在经营管理上，资金向好公司聚集，证券市场必将孕育伟大的公司。
再想开一点，我认为还可以尝试把这个数据库做成开放性的，任何人都可以往这个数据库填数据，比如企业的员工,竞争对手,合作伙伴,产品用户,大股东,会计师事务所,工商税务等，每个人把他得到的上市公司真实信息拿来与大家共享。只要是实名制就不怕出乱子。
这是一举多得的好事。关键是得证监会牵头。
高质量的上市公司数据库建成后，不但可彻底根治证券市场虚假信息难题，同时还为国家的诚信建设起到一个强烈的示范引领作用。一旦整个社会虚假信息减少，将大大减少交易成本，提高经济运行效率。中国应该尽早拿下这个战略制高点。
目前市场上有几家民企在做上市公司数据库，如万得，东方财富，同花顺，天相，益盟，还有天眼查，企查查，财新等等。如果不采取上述合作的办法建上市公司数据库，而是继续现在做法几家公司竞争，各建一个数据库，那未来最好的结局就是赢家通吃，这个赢家必定是数据质量最好但也是成本最高价格最高的那家，也是大多数投资者用不起的那家。这样就不可能形成我前面说的天罗地网式的监管，做假账的上市公司仍会抱侥幸心理违规。
众所周知，中国金融业效率低下。银行和保险效率低，原因之一是因为他们不敢把手里沉淀的资金拿去投资股票。所以，银行只好靠扩大存贷利差来挤压实业的利润，保险只好靠降低赔付率来亏歉客户。这原因背后的原因就是因虚假信息太多而导致的股票市场效率太低。如果建成高水平低成本大规模广覆盖的上市公司数据库，就可基本上根治虚假信息，大大提高证券业和股票市场的效率。我当年揭露银广夏假账花了几个月时间，90%时间是用来收集整理核对信息。若有这样好的数据库，就可能只需要几天。当揭露上市公司假账变得容易，再加上严厉处罚，上市公司的假账就会大大减少。投资效率就会大大提高。所以，我认为，上市公司数据库是一个战略制高点，是牵一发动全身的基础设施，应该列入十四五规划。
信息披露是证券市场的牛鼻子，信息披露搞好了，其它工作都好做。但是现在上市公司信息披露太多，根本看不过来，投资者只能依靠数据库。所以，证监会不但要抓上市公司这个一传手，也要抓数据库这个二传手。数据库这个产品跟其它产品不同的特点就是，产品质量问题（错误）很难被发现。现在市场上的几个上市公司数据库，没有一个施行错误举报奖励制度，错误的数据会日积月累。互联网时代是赢家通吃，几家数据库竞争的结果，最后会有一家数据库垄断市场，最终它就会以高价令大多数人用不起。采取特许经营+错误举报奖励制度，既可提高数据库质量，也可降低价格，让大多数人都用得起。用的人越多，发现上市公司假账就越容易。
上市公司数据库实行“特许经营+上市公司填报数据+错误举报奖励”模式，将助力证券市场发生四大深刻变革：一。上市公司信息披露方式变革，文件披露为主变为数据库披露为主。二。监管方式变革，政府监管变为政府主导下的投资者监管。投资者本来就是虚假信息的死敌，只要条件许可又得到奖励，他们就会积极寻找发现揭露上市公司的虚假信息，由此形成天罗地网式的监管令造假者无处藏身。三。各数据公司变竞争为合作。目前各数据公司是竞争状态，重复投资，用户分散，想提高质量又怕增加成本，不如合作做一个数据库。四。证券市场的效率由低变高。有了高质量上市公司数据库，投资者收集整理核对信息的时间会大大减少，工作效率大大提高，由此带动整个市场的效率大大提高。
从欧美实践来看，实行注册制的同时或者说实行注册制的前提和基础，就是实行共同诉讼制度。如果说注册制赋予了企业家不需要任何资质就可以随便发行股票募集资金的权利，那么共同诉讼制度则赋予了股民要求不法企业家赔偿损失的权利。上述这两个方面加起来才是股市注册制的完整含义。否则，单独实行注册制，这就为不法企业家随便坑骗投资者，提供了可能，风险巨大。高质量上市公司数据库可以为清除上市公司中的垃圾提供极大方便，特别是在发现高水平做假账的上市公司方面，我们亟需高质量低成本大规模广覆盖的上市公司数据库。注册制越是临近，高质量上市公司数据库越是迫切需要。
股票市场全面实行注册制后，上市公司不诚信的风险会成倍加大，在给上市公司“自由”上市的同时，也应给投资者发现上市公司不诚信的便利。按“特许经营+上市公司填报数据并担责+错误举报奖励”模式，建立高质量低成本大规模广覆盖的上市公司数据库，就非常必要，而且迫切。应当立即由证监会牵头，成立一家特许经营的数据库公司，它可以由目前市场上几家数据公司合并或其它方式设立；由上市公司来填报数据并承担法律责任，鼓励使用者举报错误和虚假，根据投资者需要优化功能，积极采用大数据和云计算技术。这样的数据库做为股票市场的基础设施，将为注册制护航，使得注册制行稳致远。
三．关于蚂蚁和金融监管
新技术想挣脱旧束缚，旧利益却难忍新挑战。
首先声明，如果蚂蚁集团或阿里巴巴利用自己的市场地位，做有损消费者有损公平竞争有损创新的事，我是坚决反对的。本文只讨论大数据风险评估技术贷款问题。
当前为什么关于马云和蚂蚁集团有激烈争论？主要分岐在于：一方把马云和蚂蚁看成新经济的代表，主张支持；另一方仅把马云和蚂蚁看成高速膨胀的私营金融企业，主张遏制。这场争论无疑会对中国的未来产生深远影响。但是争论双方都忽视了一个关键词：大数据风险评估。
关于蚂蚁集团争论的关键是：它到底有没有基于大数据的用户风险评估技术？如果有，那无抵押贷款就是可能的，就不应该把它当普通网贷公司看待，它可能是金融界的华为。难道这不是中国多年来求之不得的吗？为什么要限制它的发展呢？千万不要再犯人类历史上多次犯过的，因看不懂而打压新生事物的错误。我建议组织高级专家团考察蚂蚁，应包括：数据专家，企业专家，金融专家，财务专家，电脑专家等。我自己多年来就在研究基于大数据的上市公司风险评估技术，愿意参加此专家团。我的初步判断是：蚂蚁是有大数据风险评估技术的，它还是中国在这领域的排头兵，但是它也还是处在发展中。因为，大数据风险评估技术高度依赖大数据，数据越多，越有利于它的成熟。蚂蚁现在小微贷款偏少，原因是掌握的小微企业数据偏少。如果政府把掌握的小微企业数据公开（比如信用中国中的数据），就可以让各小微贷公司（包括蚂蚁）提高风险评估能力。大力发展小微企业无抵押贷款，这将大大提高中国的创新能力。
最近不少文章都在谈蚂蚁集团给中国金融带来的风险。可是，年，蚂蚁集团的贷款和垫款一共才亿元，仅占全国存款性公司国内信贷的万分之1.7，加上联合贷款也只是存款性公司国内信贷的1%；蚂蚁的消费信贷30天逾期率是1.56%，小
转载请注明：http://www.niaolgr.com/sjpl/7288.html
