「金融大數據」是過去幾年頗為火紅的一個名詞，概念是將大數據的統計分析運用在金融領域的業務發展及行銷上，幫助銀行以較低的成本或較高的效率找到目標客戶，並且挖掘出潛在的市場。這幾年，數據分析確實幫助金融業取得不錯的績效，但平心而論，這並不是什麼橫空出世的新奇工具，其實早在十幾年前，類似的東西就曾經在金融業中大行其道，只是當時有個不同的名字，叫做「大數法則」。
「大數法則」這個名詞，是源自數理統計上的用語，指的是在樣本數越大的情況下，其平均值就會越接近母體的期望值，舉例來說，就像手機遊戲的抽卡或轉蛋一樣，只要你抽的次數夠多，中獎率就會逼近官方所設定的母體平均機率一樣。十幾年前，這個這個概念被金融業奉之為圭臬，並且被大量錯誤運用，當時銀行業在觀察信用卡市場的統計分析後，發現循環信用對整體市場帶來的收益，高於卡戶違約所造成的損失，於是，銀行業開始一窩蜂瘋狂發卡，認為根據「大數法則」，只要把發卡量衝高，規模做得夠大，個別銀行的信用卡違約率就會逼近市場平均，就能讓自家業務和市場一樣有利可圖。然而狂熱過後的結果是什麼，大家也都很清楚，就是2006年一發不可收拾，甚至造成多家金融機構差點倒閉的的雙卡風暴。
之所以說當年的雙卡風暴是錯誤運用「大數法則」所引發的災難，並不是說這個法則在學理上有什麼缺陷，實際上，這個數理統計上的定律本身並沒有什麼問題，問題的癥結，乃是出在使用者對於數據分析所作出的錯誤解讀。下圖是信用卡流通張數與循環信用餘額的走勢圖：
當年所犯的錯誤，是金融業把某個時間點所觀察到的違約率數據當成是恆長不變的參數，卻沒有想過，在奉行「大數法則」而放寬審核瘋狂發卡的同時，這個這個行為本身，就已經讓違約率參數產生根本上的質變，而使得過往的參數失去參考價質。但是當年的銀行業並沒有考量到這件事，或者是在同業競爭下，選擇性將其忽略，以致最後釀成災難。
當然，講這個案例，並不是要說「大數據分析」是一件錯誤的工具或是無所用處，就如前面所說的，「數據分析」本身只是一項工具，而工具並無好壞對錯之分，端看使用者是否能夠正確運用及解讀。很多時候，學術理論與市場實務之所以格格不入的原因也在於此，經濟學課本的第一堂課，教導學生在「其他條件不變」下進行分析，這是為了要幫助建立思考脈絡與推導變數間的因果關係，因此不得不然的做法。然而，「假設」條件下所架構出來的世界，必然會與現實世界有所偏離，如果假設情境與現實情境的差距越大，那麼，得出來的結論自然也會與真實結果相距越遠。
因此，在離開學校踏入市場時，一定要跳脫出這個框架，現實社會中並不存在「其他條件不變」這件事情，所有事物與變數都會變動，當然，我們在思考或分析時，還是可以在自己設定的假設條件下進行分析，只是隨著時間推移，也必需隨時回過頭來檢視原先的假設條件是否仍然合理，並且對分析模型做必要的調整，這樣才不會讓自己陷在平行時空裡。
留言列表
