新聞報導其實在幫恐怖組織融資？

文/新浪財經專欄作家 安敬

從數據分析的情況來看，這時候出於人類本能的每一位民的言論和行為，都直接作用於恐怖主義，當人們在網上和實際生活中宣揚以暴制暴，對常規治安事件和事故過於敏感，發起民族偏見和地域攻擊，大力報導恐怖組織的時候，這些都是在直接幫恐怖組織的忙。

作為金融市場直接參與者，按理筆者對恐怖襲擊並無任何發言權，但因每天接觸大量模型算法、大數據處理，為保持在市場中的比較優勢，筆者比須了解多領域的知識，及時更新自身知識結構，這當然也是對沖基金在很多方面優於其他類型機構和互聯網公司的原因之一。

恰巧筆者曾經為了開發事件驅動和宏觀對沖策略專門研究過恐怖襲擊及衝突事件，本文從大數據分析角度出發，希望能為大家帶來些許釋疑和參考。

當人們提起大數據在反恐方面的應用，往往會牽扯到全面通訊數據監控問題，首先想到的是手機、電腦、郵件被監控，消費記錄個人信息被泄露，但我要告訴大家，只不過是好萊塢諜戰大片看多了。實際上，可以應用大數據進行反恐的手段和策略比這些要先進得多。

一般的大數據應用，會有相當的信息處理和展示基於地理信息識別系統(GIS)與網絡的輿情自動處理與大數據挖掘(圖1)，通常是依靠專家進行解讀，但是解讀內容對相關專家的經驗和能力要求很高，筆者就經常看到電視節目中將大數據的數據可視化圖形解釋錯誤的情況。而且相對於投入的高成本，這種方式也不一定有非常好的效果。因為根據數據分析，暴力襲擊的武器很少是從網上商店直接購入的，而且暴力分子大多具有一定的反偵察能力，因此不一定會在通訊中暴露痕跡。

因此單獨依靠大數據是不足以支持反恐行動的，大數據的關鍵是相關模型的建立和決策的生成，實戰中還需要加入數量行為模型。對數據的行為分析表明恐怖襲擊有大致以下直接目的：震懾社會、提高社會影響力、實現社會內部群體的分裂(如民族問題、地域問題、信仰問題等)、激活維持暴力活動利益鏈條、增加社會的不穩定性、以低成本暴力事件造成高成本社會支出。而其根本目的，無論是任何形式的幌子，往往是利益的驅使。

當昆明301事件發生后，各個社交網站和社會中蔓延的恐懼，全社會對事件的關注，以暴制暴的泄憤和激烈言辭，對新疆少數民族同胞的偏見和別有用心的引導，這一系列影響其實都是恐怖襲擊者和其資助者希望看到的。

從數據分析的情況來看，這時候出於人類本能的每一位民的言論和行為，都直接作用於恐怖主義，當人們在網上和實際生活中宣揚以暴制暴，對常規治安事件和事故過於敏感，發起民族偏見和地域攻擊，大力報導恐怖組織的時候，這些都是在直接幫恐怖組織的忙。有了這些“業績”，恐怖組織更容易得到其他恐怖主義資助者的支持，更容易得到融資。

那麼根據大數據的分析，我們在進行反恐的時候應該可以採取以下一些措施：

一、

共同維護和諧穩定的社會現狀。筆者通過連續幾年追蹤中國的公開主權評級和內部主權評級數據，內部主權評級模型方法同時採用了IMF內部使用模型的改進版本和自行研發的模型進行評估，覆蓋因素相當全面，可以非常清晰的發現中國的主權評級通常緊跟在美國排名之后，與美國一樣，都維護的很好，既有利於本國經濟社會發展，也不是單純的為推高評級而投入過量成本而脫離實際。

[NT:PAGE=$]

在本次經濟危機爆發后，中國的主權評級還一度超過美國，近幾年這種超越的頻率還有增加趨勢。而一個穩定的社會可以提供反恐所需的強大的戰略戰術支持，人民基礎，這些都是恐怖主義的短板。

二、

除了在司法、治安管理的戰略戰術加強外，切斷打亂恐怖襲擊的利益鏈可以消除恐怖主義生存的土壤。槍支管制在這方面尤為重要，根據數據分析，相當多的恐怖主義利益鏈條與之相關。同時我們應當審慎地考量進行反恐的成本與社會收益，對其進行優化，不斷增加恐怖襲擊實施的成本。

只要恐怖襲擊需要資金成本，那麼就不可避免地會面臨流動性風險，而只要流動性風險爆發，就不可避免地會出現嚴重的漏洞。那麼在打擊流動性方面，用於併購的模型有一大堆可以用。量化切斷現金流的方法筆者在之前的併購項目、做空中概、歐債危機、以及做空日元的時候，常常非常有效。

三、

採用大數據方法對情報進行補充來支持決策。在參與金融市場的時候，筆者所面臨的大部分的決策環境是信息不對稱和未知影響因素不明的情況，因此相當多的模型算法都需要被開發出來應對這種非確定下的決策問題，這些方法都可以用來對情報進行補充，從而對反恐行動實現支持。這裏面唯一的問題就是，會有很多模式和情況可能是我們基本上想不到的。

1、比如通過對恐怖襲擊的數據研究發現，暴力事件的發生有相當部分符合冪率，冪率模型(圖2)可以顯示出衝突的頻率的變化，而打破其發生頻率的發展趨勢是降低恐怖襲擊影響力的有效方法。

2、又比如可以利用交易中分析對手盤的方法，對恐怖襲擊的策劃者和實施者的策略分析，從而確認其組織組成以及策略規划水平從而推斷出是否得到其他勢力支持以及內部勢力派系的信息，甚至包括是否獲得國際恐怖資助者支持、聯繫緊密程度、和什麼級別類型的戰略戰術支持。中的嘈雜聲音，讀者們可以當作是恐怖襲擊的雜亂無章的數據，即便是耳音很好的受過專門訓練的人，也很難把其中的信息“合理”地分開。

但是利用大數據和模型算法，我們可以把它近乎完美地區分開，的清晰聲音就是用算法模型分析MIX嘈雜信息的結果。這些算法應用於信息不完全和雜音巨大的恐怖襲擊數據的效果一樣。如果你現在為其效果而驚嘆，彆著急，這些只是十年前的技術。

在大數據的輔助下，無論我們獲得得信息是多麼有限，但我們總有辦法挖掘出有用的信息，沒有什麼可以藏得住。而根據大數據的分析結果，對於我們大部分人，需要做的就是面對暴力襲擊事件不怯懦、不添亂、不卑不亢。