国外征信业务与国内征信业务的创新.doc

国外征信业务与国内征信业务的创新 随着计算机和网络技术的飞速发展，人类存储信息量的快速增长以及计算机数据处 理能力的大幅提升，人类社会迈进了一个崭新的数字化时代。过去不可计量、存储、分 析和共享的很多东西都被数据化了，数据成为一项重要的商业资本，能被用来激发新产 品和新型服务，进而创造新的经济利益。在新的形势下，各行各业的顶尖级企业都将其 业务触角延伸至大数据产业，并将大数据应用到经济、金融、电子商务等各个领域。美 国政府更是投资2亿美元启动了 “大数据研究和发展计划”，将大数据上升到国家战略层 面。大数据以其独有的特征在信用经济市场扩张、信用风险防范等方面发挥着重要作用， 利用大数据技术促进征信业的健康发展是今后研究的一个重要方向。 (一)ZestFinance 评分系统 硅谷越来越多的科技企业开始向金融圈进军。ZestFinance就是其中之一。这家公司 打出的旗号是“将Google算法带入征信领域”，其利用机器学习和大数据技术，创立了一 套和传统模式相异的信用评分方式，其中应用的数据变量是传统模式的上百倍。 目前美国征信公司个人信用评级都来自FICO评分法，绝大部分金融机构使用的信用 评分也都来自FICO的模型算法。自20世纪60年代至今，在美国的征信体系中，FIC0的 地位从未被撼动。它通过征信公司的海量个人征信数据，经过复杂的模型计算才能形成 征信产品。FIC0的评分模型的确首屈一指，但并非十全十美。FIC0信用评分参考的数据 变量只有不到50个，因此很多人摸清了 FIC0关注的变量后，就可以“模型套利”增加 自己的信用评分，例如一个人可以每天反复在图书馆借书还书“刷信用”。 ZestFinance.创立于2010年，创始人道格拉斯?梅里尔（Douglas Merrill)是Google的 前信息总监兼工程副总裁，他指出ZestFinance完全可以取代HC0用的算法。针对FIC0 的不足，ZestFinance重新设计了一套信用评估模型。和FIC0的不到50条参考变量相比， ZestFinance参考的数据变量多达上万条，并采用非线性化的、更前沿的技术来进行分析,□第五章大数据时代下的征信创新与发展 从而防止“模型套利”的现象，更精准地评估消费者信用风险。这些上万条数据变量仅 仅是原始信息数据，在这些数据基础上，模型可以得出超过7万个用来判断信贷行为的指 标。而模型分析完这些指标仅需要不到3秒钟。据美国主流媒体《经济学人》杂志报道， lZestFinance比传统评分方法让违约率下降了 40% ”。 ZestFinance提供金融包容服务.（“金融包容”正在成为」个新兴词汇，它的含义是指 让没有银行账户或信用记录不好的人群公平地享受金融服务），ZestFinance给这些无银行 账户或信用记录不好的借款人创造透明公正的信用评分。通过成千上万的数据变量，每 个人都可以拥有一份公正的信用评价。ZestFinance帮助信用记录不好的人贷款主要通过 两种方式：一种是直接从ZestCash ( ZestFinance贷款平台）对其发放贷款一种是让使 用ZestFinance评分系统的金融机构，通过ZestFinance的评分结果对其发放贷款。目前已 经帮助了超过10万名没有银行账户或信用记录不好的美国人获得了贷款。 金融危机后，银行信贷更加谨慎，而硅谷的IT企业则不断尝到金融这块蛋糕的甜头， 包括Prosper和Lending Club在内的P2P借贷平台应运而生，类似ZestCash的小额信贷公 司也风生水起，包括Zebit、Avantcredit、Kreditech、DemystData在内的公司都看准了银行 信贷这块短板。这类公司的共同特点是利用大数据做信用分析，并且大多拥有自己的网 络信贷平台。 Zebit创建的Lending Stream网络借贷平台，可以在4分钟内获得50 ~ 1 500美元的半 年期个人信用贷款。Avantcredit打出的标语是“从这里申请贷款不会影响你的FIC0信用 分数”。该公司也是自建信用体系，针对不同人的评分，给出的利率也是不同的。 Kreditech位于德国汉堡，利用大数据分析手段评估借款人还钱的概率，他们不要求客户 提供信用证明，15分钟内就能提供500欧元以内的小额贷款。和ZestCash类似， Kreditech希望用户提供尽可能多的信息，连用户的借贷申请是使用iPad发送还是用老式 电脑发送、输人时出错的概率、使用取消键的频率等都考虑在内。 (二）世界三大个人征信机构利用大数据开发市场和营销产品全球三大商业个人征信巨无霸即益百利（Experian)、艾奎法克（Equifax)和环联 (Trans Union)。三大巨头均从美国兴起，通过收购和信用合作等方式不断向全球扩张，