大數(shù)據(jù)征信應(yīng)用與啟示 -以美國(guó)互聯(lián)網(wǎng)金融公司 ZestFinance為例

1、ZestFinance 為例2014-10-27 清華金融評(píng)論文/劉新海、丁偉本文編輯/清華金融評(píng)論賈紅宇ZestFinanceZestFinance 數(shù)據(jù)征信技術(shù)對(duì)于中國(guó)互聯(lián)網(wǎng)金融和征信業(yè)未來發(fā)展的借鑒意義。ZestFinance 簡(jiǎn)介9(Google)的前信息總監(jiān)道格拉斯(Douglas 金融機(jī)構(gòu)Capital One(Shawn Budde)10 ZestFinance 的研發(fā)團(tuán)隊(duì)主要由數(shù)學(xué)家和計(jì)算機(jī)科學(xué)家組成，前期的業(yè)務(wù)主要通過ZestCash(Underbanked)的個(gè)人創(chuàng)造可用的信用，降低他們的借貸成本。ZestFinance(Payday Loans)提供在線替代的產(chǎn)品。發(fā)薪日

2、貸款因借款人承諾在發(fā)薪日還款而得名15 還主要面向傳統(tǒng)信用評(píng)90%，風(fēng)險(xiǎn)控制方面，ZestFinance40%。ZestFinance2ZestFinance(Collection Score)ZestFinance 的未來發(fā)展方向是希望把其在這種發(fā)款日的貸1015ZestFinance20137PayPal(PeterThiel)領(lǐng)投了ZestFinance2000為什么要進(jìn)行大數(shù)據(jù)評(píng)估傳統(tǒng)的信用評(píng)估服務(wù)無法覆蓋全體人群，特別是弱勢(shì)群體？圖1FICO8508504080085013750799 超過總?cè)藬?shù)的 25人消費(fèi)者的平均FICO6781678FICO5505498%，在5005495%

3、，小于4992%。根據(jù)FICO1 根據(jù)FICO(FICO 評(píng)分)，往往很難被傳統(tǒng)金融服務(wù)機(jī)構(gòu)所覆蓋， 即使在金融體系發(fā)達(dá)的美國(guó)也無法獲得常規(guī)的金融服務(wù)傳統(tǒng)信用評(píng)估模型信息維度比較單一傳統(tǒng)的FICO 評(píng)分模型的基本思想是比較借款人信用歷史資料與數(shù)據(jù)庫(kù)中的全體借款人 2 信用評(píng)分由于單一的標(biāo)準(zhǔn)、嚴(yán)苛的門檻和片面的評(píng)估 結(jié)果而飽受詬病。傳統(tǒng)的信用評(píng)估模型雖然在進(jìn)行信用風(fēng)險(xiǎn)管理過程中發(fā)揮了很大的作用行為等，傳統(tǒng)信用評(píng)估模型解決問題的能力越來越受限。傳統(tǒng)信用評(píng)估模型時(shí)間上比較滯后雖然FICO20083FICO200520112008由于傳統(tǒng)的基于FICO 評(píng)分的信用評(píng)估模型覆蓋人群窄、信息維度單一、時(shí)間

4、上滯后， 所以，在大數(shù)據(jù)時(shí)代，需要探索信用評(píng)估的新思路。國(guó)外三大征信機(jī)構(gòu)和FICO 公司都已經(jīng)開始了如何利用大數(shù)據(jù)技術(shù)來完善傳統(tǒng)信用評(píng)估體系的前瞻性研究，如益百利(Experian) 投入研究團(tuán)隊(duì)關(guān)注社交網(wǎng)絡(luò)數(shù)據(jù)對(duì)信用評(píng)分的影響，F(xiàn)ICO 公司多年前就開始了在線評(píng)估的信息工具和基于互聯(lián)網(wǎng)的信用評(píng)估系統(tǒng)的項(xiàng)目研究。ZestFinance 大數(shù)據(jù)信用評(píng)估的實(shí)踐ZestFinance 的基本理念是認(rèn)為一切數(shù)據(jù)都是和信用有關(guān)，在能夠獲取的數(shù)據(jù)中盡可能地挖掘信用信息。ZestFinance 對(duì)大數(shù)據(jù)技術(shù)的應(yīng)用主要從大數(shù)據(jù)采集和大數(shù)據(jù)分析兩個(gè)層面為缺乏信用記錄的人挖掘出信用。大數(shù)據(jù)采集技術(shù)ZestFina

5、nce考慮在內(nèi)，如社交網(wǎng)絡(luò)信息、用戶申請(qǐng)信息等，從而實(shí)現(xiàn)了深度和廣度的高度融合。ZestFinance4ZestFinance據(jù)，也包括法律記錄、搬家次數(shù)等非傳統(tǒng)數(shù)據(jù)。再次是網(wǎng)絡(luò)數(shù)據(jù)，如IP征信的重要數(shù)據(jù)源。最后，直接詢問用戶。為了證明自己的還款能力，用戶會(huì)有詳細(xì)、準(zhǔn)確回答的激勵(lì)，另外用戶還會(huì)提交相關(guān)的公共記錄的憑證，如水電氣賬單、手機(jī)賬單等。多維度的征信大數(shù)據(jù)可以使得ZestFinance 能夠不完全依賴于傳統(tǒng)的征信體系，對(duì)個(gè)人消費(fèi)者從不同的角度進(jìn)行描述和進(jìn)一步深入地量化信用評(píng)估。大數(shù)據(jù)分析模型5 展示了ZestFinance形成最終的信用分?jǐn)?shù)。101 751010KreditechA400

6、0(Wecash)等，對(duì)傳統(tǒng)的信用體系形成了沖擊。如表 2 所示，將這種將基于大數(shù)據(jù)技術(shù)的信用評(píng)估體系和傳統(tǒng)信用評(píng)估(以美國(guó)的征信體系為例)相比，發(fā)現(xiàn)主要的區(qū)別有以下幾個(gè)方面。1540%，全不用傳統(tǒng)的信貸信用數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)評(píng)估。度挖掘。而新的信用評(píng)估體系更看重用戶現(xiàn)在的信息，致力于橫向拓展。以使信用評(píng)估的決策效率提高，另一方面還明顯降低了風(fēng)險(xiǎn)違約率。對(duì)中國(guó)互聯(lián)網(wǎng)金融和信用評(píng)估的啟示利用大數(shù)據(jù)技術(shù)的信用評(píng)估方法在現(xiàn)實(shí)中有著很大的市場(chǎng)需求P2P1200 家。信用風(fēng)險(xiǎn)評(píng)估是P2PZestFinanceZestFinance美國(guó)的金融體系比較健全，而且信用體系也比較健全，這是ZestFinance 賴以

7、生存的土壤。ZestFinance是完全擺脫傳統(tǒng)征信體系ZestFinance30%。 的經(jīng)驗(yàn)不能直接照抄照搬，需FICOZestFinance10 萬美國(guó)人提供了服務(wù)真實(shí)的效果目前還很難總體評(píng)價(jià)。截至20137ZestFinanceC2ZestFinance 的大數(shù)據(jù)分析模型也給信用風(fēng)險(xiǎn)管理帶來復(fù)雜性的挑戰(zhàn)。傳統(tǒng)的基于FICO 的信用評(píng)估方法，處理的變量比較少，對(duì)每一個(gè)變量進(jìn)行細(xì)致地處理，并且可以給出ZestFinance理和模型的解釋變得比較復(fù)雜，在實(shí)際應(yīng)用中會(huì)帶來許多麻煩。ZestFinance國(guó)內(nèi)關(guān)于個(gè)人隱私方面的保護(hù)目前處于空白雖然以ZestFinance 為代表的新興信用評(píng)估體系還不夠成熟，但是為征信業(yè)的變革注入了活力，特別是對(duì)于中國(guó)的征信體系的建設(shè)會(huì)有一定的啟示作用。3.213.523.7%。國(guó)內(nèi)數(shù)量龐大沒有ZestFinance 的大數(shù)據(jù)實(shí)踐