意見領袖丨央行研究

　　作  者：中國人民銀行調查統計司司長 阮健弘

　　摘  要：習近平總書記在十三五規劃建議的說明中指出，“統籌負責金融業綜合統計，通過金融業全覆蓋的數據收集，加強和改善金融宏觀調控，維護金融穩定”。近年來，大數據技術迅速發展，為金融統計工作提供了有效工具。大數據技術能大幅提高金融統計的效率、準確率和針對性，能有效完善金融統計的框架。人民銀行認真貫徹落實習近平總書記關于金融業綜合統計的指示精神，在充分研究發達國家運用金融統計大數據服務宏觀調控經驗的基礎上，金融業綜合統計從基礎數據層面全鏈條開展數據治理工作，用大數據方法分析宏觀經濟金融形勢，更好地服務宏觀調控和系統性風險防控，取得一定成果，初步解決了一些“信息歸集使用難”的問題。

　　關鍵詞：金融業綜合統計  大數據

　　近年來，信息技術和大數據算法迅速發展，增加了經濟社會發展的動能，也為金融統計工作提供了有效工具。用大數據方法完善金融統計框架，更好地服務宏觀調控，是金融統計工作的新挑戰。在《國務院辦公廳關于全面推進金融業綜合統計工作的意見》的框架下，人民銀行積極開展金融統計大數據服務宏觀調控的探索與實踐。

　　一、大數據方法能有效完善金融統計框架

　　2008年金融危機最終演變為大蕭條以來最嚴重的國際金融危機，原因之一就是危機前金融統計未能及時反映金融變化，統計信息存在缺失，危機后又無法通過統計信息準確判斷和估計危機擴散以及傳染風險。為彌補金融統計信息的缺失，金融統計主要采用兩種方法：擴展傳統金融統計范圍和運用大數據技術。

　　（一）擴展傳統金融統計范圍

　　擴展傳統金融統計范圍主要是根據金融業務開展的情況，對影子銀行、系統重要性金融機構和金融控股公司等數據缺失的領域，建立相應的統計制度。這方面，我國在《國務院辦公廳關于全面推進金融業綜合統計工作的意見》框架下，陸續建立了資管產品統計、系統重要性金融機構統計和金融控股公司統計。

　　傳統金融統計范圍擴展的方法能彌補信息缺口，統計方法較為成熟，方便進行國際比較。但也存在著一些缺憾：

　　一是統計框架對新問題的針對性不強。傳統統計的擴展主要是針對本次危機爆發問題的信息短板，當出現新問題時，針對性不強。

　　二是統計難度隨報表增多而加大，較難反映機構與機構之間的關聯關系。交易對手和金融工具的細化，使得傳統金融統計的表格越來越多，報送難度較大，且報表式的匯總數據難以直接反映機構與機構之間細顆粒度的關聯關系。

　　三是統計價格信息和結構化信息較難。利用報表統計機構利率、期限、地區、所有制和行業等維度信息以及交叉信息的難度較大，擴展性不強。

　　（二）運用大數據技術

　　傳統報表式統計存在針對性不強，統計難度大，較難關聯等問題，運用大數據技術的金融統計方法，通過采集更加細顆粒度的數據，信息量大，問題導向的特征明顯，彌補了傳統金融統計的不足。大數據技術下的金融統計具有以下特點：

　　一是大數據技術能對傳統金融統計進行完善。在大數據技術下，金融工具和交易對手仍是金融統計最核心的統計要素，這樣，一方面，金融統計大數據能與傳統貨幣金融統計做到較好的銜接；另一方面，細顆粒化的數據能極大程度豐富金融統計的信息。金融統計大數據以海量的標準化數據為主，且信息密度較大，能更好地滿足宏觀調控的需求。

　　二是大數據技術下，金融統計擴展性更強，數據更加準確。通過對金融工具和交易對手的標準化后，大部分金融交易的統計記錄方式接近，如不同金融機構的信貸類工具均可通過類似的方式統計，金融統計的擴展性更強，彌補數據缺口的效率較高；同時，顆粒化數據更容易發現異常值，及時修改錯誤數據，統計數據質量更高。

　　三是大數據技術下，金融統計信息貼近業務實際，能提高政策制定的精準度。大數據下細顆粒化的金融統計信息，與金融業務的形成更為接近，采集數據不僅能支持宏觀總量的分析，也能支持微觀結構的分析，會大幅提升結構性政策的精準度。

　　二、發達國家運用金融統計大數據服務宏觀調控的實踐

　　金融統計大數據能完善金融統計框架，彌補信息缺口，發達國家金融監管部門相繼運用大數據技術完善金融統計，通過金融統計大數據監測金融關聯風險，使用金融統計大數據監測實體經濟運行。

　　1．德國央行建立大額信用登記數據庫。2016年7月，德央行主導構建的加強版貨幣市場統計報告正式開始運行，涵蓋了德國境內總資產在10億歐元以上的金融機構，從擔保資產、非擔保資產、外匯資產以及隔夜交易資產四個維度監測金融機構特別是銀行之間的關聯交易。所有數據都是逐筆細顆粒化數據，德央行通過貨幣市場統計報告能夠按天監測金融機構之間的投融資價格、交易對手集中度、交易資產機構期限等市場信息，分析不同類型金融機構投融資在國內外資產、不同類型資產之間的關聯度，為及時進行市場風險預警提供高頻數據服務。

　　2．歐央行建立AnaCredit逐筆信用統計。歐央行建立了貨幣金融統計的新模塊-AnaCredit（Analytical Credit Dataset），歐央行2011年開展此項工作，2018年正式投入使用。AnaCredit是對基于金融工具和交易對手的貨幣金融統計的擴展和細化，更是面向大數據時代的金融統計數據模型。AnaCredit逐筆信用的數據模型，涵蓋一筆信用的金融工具、擔保和交易對手三個方面的信息，共88個字段的信息。通過AnaCredit，歐央行能分析貸款的投向和風險，也能清晰地了解金融機構之間的關聯交易，可用于衡量金融體系的內部關聯性，評估金融體系的穩定性。

　　3．美聯儲采集即時交易對手資產負債數據。美聯儲2015年起開始采集即時交易對手資產負債統計數據。該統計制度從交易對手方出發，涵蓋了美國國內全球系統重要性銀行表內資產負債和表外資產變動。所有數據都是顆粒化的，并包含了國內外交易對手的國別、工具類型、貨幣、期限結構等信息，按季度進行匯總并對外公布。即時交易對手資產負債統計有助于美聯儲動態監測系統重要性銀行的資產負債風險敞口。

　　4．美聯儲和美國經濟分析局用金融大數據監測社會消費。美聯儲、美國經濟分析局采用大數據技術，利用包括信用卡、借記卡在內逐筆卡片交易數據監測社會消費，交易發生3天后就能生成日監測數據，監測數據與發布數據具有較高的相關性，且結構信息豐富，能有效地支持政策的制定。

　　三、我國運用金融統計大數據服務宏觀調控的探索和實踐

　　在金融統計工作中運用大數據手段，能大幅提高金融統計的效率、準確率和針對性，能更好地滿足貨幣政策和金融穩定政策的需要。以需求為導向，我國在金融統計工作中，穩步開展金融統計大數據的探索和實踐。

　　（一）我國金融統計大數據服務宏觀調控的探索

　　為彌補總量報表統計信息的不足，人民銀行較早就開展了金融統計大數據方面的探索，主要有：

　　一是建立理財與資金信托統計，服務交叉性金融產品監測。為綜合評估金融機構理財、資金信托業務對貨幣政策傳導和金融穩定的影響，2010年，人民銀行建立逐筆、逐產品統計的理財與資金信托統計，成為金融統計大數據的試驗田，有效監測了我國交叉性金融產品的發展。在理財與資金信托統計探索的基礎上，2018年，“一行兩會一局”共同建立了金融機構資管產品逐筆統計制度，實現對約80萬億金融機構資管產品的全覆蓋。根據制度，將對每只產品進行從來源到運用、從發行到終止的全生命周期統計，實現對復雜資管產品的全方位統計。

　　二是建立標準化存貸款統計，服務利率監測。近年來，人民銀行積極推進利率市場化，利率監測對中央銀行貨幣政策決策和金融風險防范尤為重要。為監測市場利率，2012年起，人民銀行開展標準化存貸款抽樣統計，逐筆采集樣本單位每筆存貸款的產品類型、客戶類型、期限、額度、利率和資產質量等信息，統計對象包括全國500余家法人金融機構的5000余家頂層支行（即金融機構最高層級支行），每月采集近1億筆存貸款的明細數據。標準化存貸款統計與總量統計相結合，初步建立了“總量與結構、數量與價格、存量和流量兼備”的存貸款統計體系。

　　（二）我國金融統計大數據服務宏觀調控的實踐

　　在前期充分試驗和探索的基礎上，在《國務院辦公廳關于全面推進金融業綜合統計工作的意見》的框架下，最近，人民銀行積極開展金融統計大數據服務宏觀調控的實踐。

　　一是國家金融基礎數據庫投產使用。國家金融基礎數據庫建設是金融統計大數據的關鍵支撐。目前，國家金融基礎數據庫軟硬件基礎設施已部署到位，成功搭建業界領先的大數據智能云平臺架構，統一管理的金融統計數據采集系統和大數據智能分析平臺已完成部署，并與人民銀行各分支機構及4600余家金融機構互聯互通，實現數據智能化、整體化的采集和使用，數據庫存儲能力達PB級。

　　二是金融基礎數據統計制度落地實施。為解決數據標準不統一、信息歸集和使用難等問題，從源頭出發探究解決方案，人民銀行加強金融業綜合統計標準的研究和制定，2020年7月，人民銀行發布金融基礎數據統計制度，金融基礎數據統計是體現大數據發展方向的標準化逐筆統計，覆蓋存款、貸款、同業、債券、股權、SPV等各類金融工具，涉及600多個維度，能很好地滿足宏觀調控的信息需求。2020年9月，金融基礎數據完成第一批數據采集，下一步，將分批推進金融基礎數據的統計。

　　三是搭建完善主體信息庫，實現數據有效關聯。人民銀行在對內部已有的數據進行梳理，并充分利用外部成熟數據庫的基礎上，初步建立了金融機構主體信息庫和企業主體信息庫，覆蓋4600多家法人金融機構和2000多萬家企業，主體信息的建立為數據關聯打下了堅實的微觀基礎，數據關聯建立后就可以監測股權鏈、擔保鏈、資金鏈等較為復雜的關聯關系，實現對金融機構、金融市場、金融交易對手、金融活動的刻畫，分解金融體系復雜性，反映金融機構關聯性，測度金融市場傳染性。

　　四是利用基礎數據加強金融風險傳染研究，服務系統性風險防控。金融風險主要通過各種關聯關系渠道傳播，人民銀行利用國家金融基礎數據信息，對金融機構同業關系、銀行企業信貸關系進行系統性梳理，形成同業關系和共貸關系網絡，從機制上深入研究金融風險的關聯性、脆弱性、傳染性、危害性和預防性，并建立模型模擬金融風險傳染過程。

　　五是加強大數據分析應用能力建設，助力宏觀調控。逐步實現所有金融機構、金融基礎設施和金融活動的全覆蓋，已經構建的宏觀杠桿率、資管產品、社會融資成本和貸款到期等監測指標，有利于提高宏觀政策的有效性；逐筆金融基礎數據支持展示貸款、債券等金融工具在不同企業的分布，準確反映金融資源分布，有效服務優化金融資源配置，深化金融改革；利用大數據技術為金融服務實體經濟提供靶向數據支持，問題導向特征明顯，在直達性和精準性方面提升金融服務實體經濟的能力。

　　（三）下一步金融統計大數據工作的方向

　　一是高質量建設國家金融基礎數據庫，奠定我國重要金融統計基礎設施的地位。以“統一平臺、統一管理、統一部署、統一應用”為原則，綜合利用各種先進技術手段，建設好國家金融基礎數據庫，構建一個數據上全面、統一、互通，技術上先進、自主、可控的國家級金融云。

　　二是堅持系統觀念、規劃引領，做好金融統計規劃實施和數據中心業務建設工作。規劃是金融統計工作順利有效開展的時間表、路線圖、任務錨，要按照金融統計業務規劃和國家金融基礎數據庫建設方案，高質量發展金融統計業務，為金融政策出臺和政策效果評估提供數據信息支持。

　　三是打造高效運轉的金融基礎數據實驗室，大力推動金融基礎數據的分析應用。金融基礎數據實驗室堅持問題導向，綜合運用各種技術工具，全程參與從業務需求、統計標準、數據采集、算法實現到數據展現的全鏈條數據統計分析工作，充分利用國家金融基礎數據，聚焦服務實體經濟、防控金融風險、深化金融改革三大任務，深入分析央行履職重大問題。

　　四是加快金融數據治理工作，不斷提升金融統計數據質量。金融統計工作不僅要有量的提升，還要有質的飛躍，以云計算、大數據等先進技術為手段，實現高質量數據的互連互通和深度使用，需要通過金融數據治理、統計分析理念創新實現。

　　五是做好數據共享工作，充分實現金融統計數據價值。運用現代數據共享技術，一方面，從統計數據的共享，深化到底層指標的共享，擴展到統計制度和統計定義的共享；另一方面，降低監管部門數據共享的難度，便捷高效地實現數據共享。

　　(本文作者介紹：人民銀行開設“央行研究”專欄，圍繞社會各界關注的政策熱點問題，定期發布人民銀行系統最新研究成果。)