金融行业作为信息化程度最高的行业之一，每时每刻都产生大量的信息数据。金融机构数据流转复杂、数据交换及处理的频率也非常之高。因此，建立适用于金融行业业务及风险管理需求的数据模型成为数据治理中的重要环节。数据模型是在业务需求分析之后，数据仓库工作开始时的第一步，定义了数据之间的关系和结构，良好的数据模型可以帮助我们更好地储存数据，更有效率地获取想要的数据，保证数据间的一致性。

多年来，数据模型的相关标准主要由国际上主流的IT厂家各自主导。如IBM的FSDM模型、Teradata的FS-LDM以及Golden Source的金融数据模型。本文将对这几个模型进行对比分析，试图找出其特点，以供金融机构对金融数据模型选型时做参考。

在数据建模时，主题域是整个体系的核心，需要抽象提炼，并长期维护更新，但不轻易变动。每一个主题基本对应一个宏观分析领域，能够刻画各个分析对象所涉及的企业各项数据，以及数据之间的联系，在较高层次上将金融机构信息系统中的数据进行综合、归类和分析。因此分析主题域的划分方法基本能体现不同模型的特色。

三大金融数据模型对比分析

IBM的FSDM模型是一个企业级数据模型，它囊括了银行约80%的业务数据，对银行数据的建模具有较高契合度。因此，它在主题域的划分上面，将银行业务开展过程中涉及的相关方、产品、契约条款、交易行为、地理位置、开展业务所处环境的信息区分归类至近似的主题域。

Teradata的FS-LDM模型以银行能为客户提供的产品和服务为出发点，同样更适用于银行为客户提供的业务数据。相比于IBM的FSDM模型，Teradata的FS-LDM对除业务相关信息之外的银行内部其他数据，例如组织架构（包括部门、分支机构、员工）信息、财务信息、资产信息也设立不同的主题域进行管理。

与IBM及Teradata的数据模型具有较大差异的是Golden Source的 Data Model, 它侧重对证券投资交易数据的建模，除了同样地将机构的客户、产品、合约这些信息划分了主题域之外，对证券投资交易全过程中涉及的外部金融市场信息、证券投资信息、交易信息、清算结算信息、会计处理信息用单独的主题域进行精细化管理。

相比之下，Golden Source金融数据模型更适合券商、银行金融市场部以及泛资管领域的投资交易业务，它旨在让客户能够利用可靠的完整、一致的信息来管理风险，向交易、合规、风险管理、结算和会计等人员和系统提供资源类的、标准化的、验证过的处理关键任务所需的市场信息、参考数据、客户信息、头寸和交易数据。

下表为三大金融数据模型可能的对应关系：

虽然主题域不同厂家各有各的特色，金融机构根据自己公司的业务特点进行调整。但是，在实际落地过程中，面对日趋多样化和复杂化的金融创新，如何对已知的和未知的金融工具进行清晰地、标准化地定义成为当前数据模型建设的一大难点也是重点之一。

近年来，美国金融研究办公室、英格兰银行以及欧央行联合召开了数次研讨会研究这一问题，FSB、BIS、IMF等国际金融组织以及各国民间组织也都对此开展了深入研究，目前比较有影响力的方案是金融产品标识语言（Financial Products Markup Language, FpML）。

FpML应用优势

FpML是ISDA组织定义的一系列金融产品描述规范的集合，该标准目前已广泛涵盖各类主流金融产品。它是以一种为复杂的金融产品设计的、基于 XML 的标准。FpML的目标是标准化和流处理（streamline）交易，以及在诸如衍生、互换和结构性产品等私下议付的金融证券领域。

采用FpML标准描述金融产品优势如下：

1、该标准是由业内专家经过不断分析归纳，建立的高度抽象的金融产品结构模型。已定义的大量基础元素，重用性很高，为后续新型金融产品的表达提供了很好的基础和便利；

2、该标准采用面向对象的建模方法，十分有利于程序开发者创建相应的类库。而且这样的类库是信息系统能够支持现有金融产品并具备良好扩展性的重要基础；

3、基于金融产品类库和特定定价模型，可以定义一系列接口，通过这些接口就可以将金融产品和定价模型联系起来。这样的好处是，一旦定价模型开发完成后，任何该模型适用的金融产品都可以定价，包括现有产品和未来新出现的产品。

对金融行业建立数据模型可根据金融机构的不同业务环境及数据信息量进行差异化的主题划分，金融产品作为金融行业的特征和核心，其创新力度、复杂程度以及其极强关联性，使之需要被划分为独立的主题域进行管理。对金融产品进行标准描述与定义则是金融产品主题域能够更好的获取数据、关联数据、保证数据一致性的关键。

衡泰研究部结合多年的专业研究与行业咨询积累的经验，基于证标委证券公司逻辑模型、GS Data Model模型，且应用FpML的金融产品定义工具，研发出适用于金融行业投资领域的数据处理整体解决方案——xEDM 衡泰金融数据管理平台。

xEDM依据金融模型，设置大量的数据清洗、转换、核对规则的业务规则库，从而全程保障数据的准确性，满足金融机构持续不断变化的业务需求。

目前xEDM已服务于超过三十家的证券、银行、基金、保险、资管等行业金融机构。

作者介绍 Jun Z

主要从事信用风险管理、全面风险管理、债券信用预警、金融数据模型的研究。

衡泰研究

金融研究与IT技术的密切结合和高度整合，是衡泰的特色之一。

衡泰研究部拥有专业的定量分析研究团队，汇集多位华尔街专家及国内金融软件资深专家。

研究领域覆盖金融模型、资产定价、风险计量、绩效分析、会计核算、市场规则、量化投资、机器学习等。

由衡泰研究出品的《投资管理》/ China JOIM ，旨在打造实证研究与实践的专业交流平台，搭建投资管理学术与业界的桥梁。