http://hk.apple.nextmedia.com/financeestate/art/20120813/16598480
大數據（ Big Data）可說是近年炙手可熱的課題，互聯網及手機網絡上浩如煙海的資訊，如何可以化成有用的訊息，作為業務上的機會，或政策上的指引，是一條價值萬億的問題。無論如何，這股趨勢已不可擋，繼有對冲基金分析 Twitter上的留言情緒來炒股後， Google也成為中央銀行的借鏡對象，不但用來改善預測經濟的能力，更可能用來預防下一波金融危機。
單單今年6月份， Google已錄得1190億次搜尋，這個超級數據庫，如何變成有用的資訊？ Google的首席經濟師 Hal Varian（在學術界名氣甚大，其中級教科書是不少修讀經濟的本科生指定讀物），數年前已發表報告，講述如何可以透過 Google的搜尋關鍵字數據，來改善汽車銷售、房屋銷售的預測。他發現，越多人搜尋及瀏覽汽車資訊，往往預示汽車銷售會上升，又或搜尋失業救濟等字眼越多，也可能意味失業率上升。
關鍵字搜尋量 預視需求
最新一期《商業周刊》便報道，越來越多中央銀行，開始追蹤關鍵字趨勢來研究經濟。好像英倫銀行收集 Google上關於求職津貼的關鍵詞數據來預測失業率；西班牙央行則用旅遊相關搜尋，來預測英國遊客入境數字；連紐約聯儲局亦採用 Google的數據，來提高按揭轉按數字的預測準繩度。
Google現時透過 Google Trends，發放一至三日前的搜尋字統計，雖然並非即時數據，也已經較收集傳統的經濟數據快了不知多少。
除了搜尋字外，最近有學者亦使用 Google的搜尋器原理，來研究金融體系的系統性風險。銀行與網頁如何相提並論？因為 Google為用戶尋找最相關資訊的方法，是先計算某網頁有多受歡迎，而受歡迎的準則，是有多少網頁連結至該目標網頁，越多連結者，間接代表網頁的資訊有用，故此會給予較高的分數。
同理，某銀行對系統帶來的風險，不一定關乎資產規模或問題貸款的多寡，而是與其他銀行的連繫網絡，若它出事會拖多少銀行落水，以及這些被拖落水的銀行的脆弱程度。換言之，是網絡效應主宰系統性風險。
銀行連繫網 揭系統風險
據《彭博社》報道，研究只使用了有公開資料的銀行互相持股關係，再放入修訂了的 Google搜尋運算法計算，已發現2008年時，巴克萊、美銀、摩通及蘇皇，比花旗、德銀有更大的系統性風險，即使後二者的資產規模及生意均大得多。若能進一步掌握銀行間的資產負債資訊，計算便可以更準確，令銀行會帶來的系統風險清晰化，監管當局出招時便可以打在要害。
當然，這些新數據目前大多是補足原來的統計方法，仍不能取而代之，有效性亦要觀察，而且 Google數據佔整個互聯網的訊息量，份額正因為 facebook等社交網絡的出現而減低，不過，大數據的世紀已經來到，你的行蹤、購買習慣、交友網絡、情緒、健康狀況、政治取向都已一一記錄，相信不出數年，連人口普查也開始變得多餘。
丘亦生
金融中心 fan page:
http://www.facebook.com/hkfincentre
