大數(shù)據(jù)在互聯(lián)網(wǎng)金融風(fēng)控中的應(yīng)用

大數(shù)據(jù)在互聯(lián)網(wǎng)金融風(fēng)控中的應(yīng)用

互聯(lián)金融是一種新興金融，依托于互聯(lián)工具如社交絡(luò)、云計(jì)算、搜索引擎等實(shí)現(xiàn)資金的融通、支付等業(yè)務(wù)，保證在安全、移動(dòng)等絡(luò)水平上被電子商務(wù)用戶接受以后產(chǎn)生的新模式、新業(yè)務(wù)，適應(yīng)更多人的需求。未來(lái)的互聯(lián)金融發(fā)展空間無(wú)限大，現(xiàn)階段互聯(lián)競(jìng)爭(zhēng)不只是平臺(tái)的競(jìng)爭(zhēng)，更是大數(shù)據(jù)的競(jìng)爭(zhēng)。

1互？金融和大數(shù)據(jù)的特點(diǎn)

互聯(lián)金融的特點(diǎn)

交易成本低廉：資金供給雙方在資金的融通過(guò)程中所發(fā)生的成本稱之為交易成本，互聯(lián)借助信息絡(luò)，減少了人力、物力的投入，發(fā)布信息、匹配產(chǎn)品、定價(jià)、交易都依靠互聯(lián)完成，大大降低了交易成本。

交易過(guò)程快捷簡(jiǎn)單：互聯(lián)金融模式下金融業(yè)務(wù)由計(jì)算機(jī)操作，效率高、速度快，不受時(shí)間、空間的限制，客戶只需要一臺(tái)電腦就可以實(shí)現(xiàn)資金的高效運(yùn)轉(zhuǎn)。

數(shù)據(jù)價(jià)值大：依托于大數(shù)據(jù)和電子商務(wù)，互聯(lián)金融實(shí)現(xiàn)飛速發(fā)展，互聯(lián)的便利性使得人們的生活和工作依賴于互聯(lián)，將一些單位和個(gè)人的消費(fèi)信息在絡(luò)空間暴露，產(chǎn)生了海量的數(shù)據(jù)庫(kù)，數(shù)據(jù)就是資源，只要加以分析和研究就是巨大的商業(yè)價(jià)值。

風(fēng)險(xiǎn)系數(shù)高、創(chuàng)新強(qiáng)：隨著科技的發(fā)展，不斷產(chǎn)生新的金融產(chǎn)品、融資形式，一些互聯(lián)產(chǎn)品和支付方式也層出不窮，如絡(luò)銀行、絡(luò)保險(xiǎn)公司、眾籌融資、絡(luò)證券公司、余額寶、支付寶、微信支付、絡(luò)貸款等。但現(xiàn)階段對(duì)互聯(lián)金融的監(jiān)管力度較弱，缺乏法律約束，導(dǎo)致一些不法分子非法集資，進(jìn)行絡(luò)詐騙，嚴(yán)重危害了互聯(lián)金融的安全。

大數(shù)據(jù)技術(shù)

大數(shù)據(jù)是在信息時(shí)代由硅圖公司麥肯錫提出的全新概念，用來(lái)描述和定義信息時(shí)代的海量數(shù)據(jù)，是從各種海量的數(shù)據(jù)中快速尋找有價(jià)值的信息，進(jìn)行高度提純，增加數(shù)據(jù)信息的利用率。大數(shù)據(jù)技術(shù)體系分為大數(shù)據(jù)的采集與預(yù)處理、存儲(chǔ)與管理、計(jì)算模式與系統(tǒng)、分析與挖掘、可視化計(jì)算、隱私與安全等方面，可優(yōu)化數(shù)據(jù)處理環(huán)節(jié)，提高數(shù)據(jù)處理效率。其特點(diǎn)主要是數(shù)據(jù)體量大、類型多、處理速度快、價(jià)值密度低。當(dāng)今社會(huì)大數(shù)據(jù)無(wú)處不在，滲透在人們?nèi)粘５纳?、學(xué)習(xí)、工作中。以阿里巴巴小額貸款為例，20XX年累計(jì)放款1953億元人民幣，交易額增長(zhǎng)了40%。大數(shù)據(jù)的利用能夠有效降低交易成本，提高交易頻率，拓寬交易空間，改善交易體驗(yàn)，促進(jìn)互聯(lián)金融的發(fā)展，但也存在一些隱患和風(fēng)險(xiǎn)，會(huì)泄露個(gè)人隱私，限制的管理決策等。

2大數(shù)據(jù)在互聯(lián)金融中的應(yīng)用

雖然大數(shù)據(jù)的應(yīng)用在現(xiàn)階段并沒(méi)有完全達(dá)到預(yù)期的精確性，但是已經(jīng)有很多較為成功的案例。如DataSifi根據(jù)對(duì)社交數(shù)據(jù)絡(luò)的分析總結(jié)，制定出具體的方案；Zest利用大數(shù)據(jù)信用評(píng)估，已經(jīng)獲得一億美元的融資；Decide利用價(jià)格信息預(yù)估價(jià)格走勢(shì)，提出了較合理的購(gòu)買建議等。隨著數(shù)據(jù)的積累和平臺(tái)的發(fā)展，互聯(lián)金融逐漸盛行，受余額寶、微信理財(cái)通等的影響，國(guó)內(nèi)主要應(yīng)用于理財(cái)方面，實(shí)際上金融服務(wù)中最具剛性需求的服務(wù)是貸款，大數(shù)據(jù)促進(jìn)了金融創(chuàng)新。

高頻交易和算法交易

交易者為實(shí)現(xiàn)高額利潤(rùn)，利用交易程序和硬件設(shè)備，快速分析、生成、獲取和發(fā)送交易指令，可以在較短的時(shí)間內(nèi)完成較多的交易。高頻交易主要通過(guò)分析金融大數(shù)據(jù)，對(duì)特定的參與者的交易痕跡進(jìn)行識(shí)別和總結(jié)，如：一支共同基金的大額訂單通常情況下出現(xiàn)在收盤前最后一分鐘的第一秒，能識(shí)別出此模式的算法就可以預(yù)算出這只基金在其他時(shí)間的動(dòng)向，如果繼續(xù)執(zhí)行交易，必須付出更高的價(jià)格，算法交易商趁機(jī)獲取利潤(rùn)。

進(jìn)行市場(chǎng)情緒分析

大約兩年前，對(duì)沖基金從各種社交媒體中提取市場(chǎng)情緒信息進(jìn)而開(kāi)發(fā)出算法交易，如Facebook、博客、聊天室等。如發(fā)現(xiàn)有恐怖襲擊、自然災(zāi)害的意外信息時(shí)就會(huì)拋出訂單，精神病專家理查德？彼得于20XX年在美國(guó)加州圣莫尼卡集資100萬(wàn)美元建立對(duì)沖基金，通過(guò)追蹤站、微博、聊天室分析情緒，確定基金的交易策略，該基金的回報(bào)率在20XX年高達(dá)40%。又如位于倫敦的小型對(duì)沖基金DCM從社交媒體上收集信息，分析人們對(duì)金融工具的情緒，幫助投資者制定投資

計(jì)劃。

提高風(fēng)險(xiǎn)的管理力度

金融機(jī)構(gòu)通過(guò)對(duì)大量小型用戶交易行為的數(shù)據(jù)進(jìn)行收集，并對(duì)其交易范圍、經(jīng)營(yíng)狀況、用戶、資金需求以及行業(yè)的發(fā)展進(jìn)行具體的分析，解決小型的經(jīng)營(yíng)難題。阿里小貸首創(chuàng)了線上的審核到放貸的模式，有效連接貸款的全過(guò)程，為弱勢(shì)群體提供個(gè)性化的小額貸款。

3互聯(lián)金融風(fēng)險(xiǎn)控制的一般原則

風(fēng)險(xiǎn)控制最有效的方法就是將所有的雞蛋以不同的比例分開(kāi)裝在不同的籃子里，即“小額、分散”，避免集中投放。“分散”在風(fēng)險(xiǎn)控制方面有著非常重要的作用，借款客戶個(gè)體差異性較大，所處的地域不同，且自身的條件有差異如年齡、學(xué)歷等，這些分散的個(gè)體其違約的概率相對(duì)獨(dú)立，同時(shí)違約的概率非常小。如100個(gè)獨(dú)立的個(gè)人其違約的概率是20%，如果隨機(jī)抽2個(gè)人，同時(shí)違約的概率為20%2即4%，隨機(jī)抽出5個(gè)人，同時(shí)違約的概率為20%5，如果抽出8個(gè)人同時(shí)違約的概率為20%8，但是如果這100個(gè)人存在相關(guān)性，甲違約的時(shí)候乙也違約，那他們同時(shí)違約的概率就是10%（20%?50%），遠(yuǎn)遠(yuǎn)高于4%，因此貸款個(gè)體之間的獨(dú)立性是降低風(fēng)險(xiǎn)的必要措施。

“小額”是避免“小樣本偏差”。如：某貸款公司現(xiàn)在的貸款一共有10億，如果每個(gè)借款人平均可以借5萬(wàn)，總共有2萬(wàn)客戶，如果單筆借款金額是100萬(wàn)，就有1000個(gè)客戶。根據(jù)統(tǒng)計(jì)學(xué)中的法則，樣本個(gè)數(shù)越多，越能符合正態(tài)分布規(guī)律。因此，如果借款人違約率是2%，那這5萬(wàn)個(gè)客戶的違約率就會(huì)高于1000個(gè)客戶的違約率。通過(guò)數(shù)據(jù)分析建立風(fēng)控模型和決策引擎也非常重要。小額分散借款客戶較多，若銀行采用傳統(tǒng)的信審模式不能統(tǒng)一量度還款能力、還款意愿，就會(huì)增加風(fēng)險(xiǎn)成本。因此可以借鑒國(guó)外的P2P，采用信貸工廠模式，建立風(fēng)險(xiǎn)模型，根據(jù)客戶的行為特征判斷出該客戶的違約概率，降低人工審核的成本，避免人工審核和判斷標(biāo)準(zhǔn)的誤差。風(fēng)控體系的核心方法除了依據(jù)小額分散原則外，要研究不同特征個(gè)體的違約率，建立數(shù)據(jù)風(fēng)控模型和評(píng)分卡體系，將其固定到風(fēng)控審批的業(yè)物流程和決策引擎中，掌握不同特征個(gè)人的違約率程度，指導(dǎo)風(fēng)險(xiǎn)審批業(yè)務(wù)開(kāi)展。

4大數(shù)據(jù)在互聯(lián)金融風(fēng)控方面的具體應(yīng)用

由于國(guó)內(nèi)金融體系尚不完善，國(guó)內(nèi)的用戶數(shù)據(jù)雖數(shù)量較大但不準(zhǔn)確，導(dǎo)致現(xiàn)階段國(guó)內(nèi)將大數(shù)據(jù)方式涉及到互聯(lián)金融的產(chǎn)品還比較少，數(shù)據(jù)來(lái)源困難且不精準(zhǔn)增加了互聯(lián)金融的困難。在不依賴央行征信系統(tǒng)的情況下，各具特色的風(fēng)險(xiǎn)控制系統(tǒng)在互聯(lián)市場(chǎng)自發(fā)形成，小公司通過(guò)信息分享，借助第三方獲得咨詢服務(wù)，而大公司則通過(guò)大數(shù)據(jù)建立信用評(píng)級(jí)系統(tǒng)?，F(xiàn)階段互聯(lián)金融的風(fēng)控體系大致有兩種：一種是眾多的中小互聯(lián)金融公司給中間征信機(jī)構(gòu)貢獻(xiàn)數(shù)據(jù)，進(jìn)而獲得征信信息的分享權(quán)；另一種類似于與阿里巴巴的風(fēng)控模式，建立信用評(píng)級(jí)和風(fēng)控模型需要對(duì)大量的電商交易和支付信息數(shù)據(jù)進(jìn)行分析。

央行的征信系統(tǒng)結(jié)合身份認(rèn)證中心的身份審核，通過(guò)社會(huì)機(jī)構(gòu)和商業(yè)銀行的數(shù)據(jù)，給銀行提供銀行信用查詢和個(gè)人信用的相關(guān)報(bào)告，但對(duì)其他的互聯(lián)金融公司或機(jī)構(gòu)不提供查詢服務(wù)，一些個(gè)人信貸記錄也沒(méi)有在該系統(tǒng)里，但有可能在其他的機(jī)構(gòu)和互聯(lián)金融公司的系統(tǒng)里存在。互聯(lián)數(shù)據(jù)龐雜且量大，充滿噪音。阿里建立完善的大數(shù)據(jù)挖掘系統(tǒng)較早，但是很多人還處于迷茫狀態(tài)，通過(guò)淘寶、天貓、支付寶等積累大量支付數(shù)據(jù)作為基礎(chǔ)的數(shù)據(jù)原料，結(jié)合賣家的銷售數(shù)據(jù)和銀行流水等數(shù)據(jù)，進(jìn)行全面匯總后借助絡(luò)評(píng)分的模型進(jìn)行信用評(píng)級(jí)活動(dòng)。

信用卡類站的大數(shù)據(jù)同樣也對(duì)互聯(lián)金融風(fēng)險(xiǎn)控制具有非常重要的價(jià)值，可參考用戶信用卡辦卡年份、還款信息、信用額度、卡片種類等進(jìn)行信用評(píng)級(jí)。20XX年阿里巴巴收購(gòu)新浪微博18%的股份花費(fèi)億美元，目的就是為了獲得社交大數(shù)據(jù)，進(jìn)而完善了大數(shù)據(jù)，信用卡的還款信息、交易、支付、淘寶的水電煤繳費(fèi)信息現(xiàn)階段已經(jīng)成為數(shù)據(jù)的基礎(chǔ)。未來(lái)第三方支付平臺(tái)支付的方向、額度、購(gòu)買品牌及金額都可能成？樾龐悶蘭兜氖？據(jù)參考，而生活類服務(wù)站有關(guān)用戶的生活消費(fèi)如水、電、煤、物業(yè)費(fèi)、費(fèi)、絡(luò)費(fèi)都有可以反映用戶的基本信息，為信用評(píng)級(jí)提供重要的參考，擁有這些所有的大數(shù)據(jù)才能夠進(jìn)