&

未來可用于互聯網金融風險控制的大數據

近年來，以第三方支付、P2P平臺、眾籌為代表的互聯網金融模式引起了人們的廣泛關注，該模式大量運用了搜索引擎、大數據、社交網絡和云計算等技術，有效降低了市場信息不對稱程度，大幅節省了信息處理的成本，讓支付結算變得更便捷，達到了同資本市場直接融資、銀行間接融資一樣高的資源配置效率。

近年來,以第三方支付、P2P平臺、眾籌為代表的互聯網金融模式引起了人們的廣泛關注,該模式大量運用了搜索引擎、大數據、社交網絡和云計算等技術,有效降低了市場信息不對稱程度,大幅節省了信息處理的成本,讓支付結算變得更便捷,達到了同資本市場直接融資、銀行間接融資一樣高的資源配置效率。但由于我國互聯網金融出現的時間短,發展快,目前還沒有形成完善的監控機制和信用體系,一旦現有互聯網金融體系失控,將存在著巨大的風險。

互聯網金融

首先是信用風險大。目前我國信用體系尚不完善,互聯網金融的相關法律還有待配套,互聯網金融違約成本較低,容易誘發惡意騙貸、卷款跑路等風險問題。特別是P2P網貸平臺由于準入門檻低和缺乏監管,成為不法分子從事非法集資和詐騙等犯罪活動的溫床。

其次是網絡安全風險大。我國互聯網安全問題突出,網絡金融犯罪問題不容忽視。一旦遭遇黑客攻擊,互聯網金融的正常運作會受到影響。

互聯網金融企業通過獲得多渠道的大數據原料,利用數學運算和統計學的模型進行分析,從而評估出借款者的信用風險,典型的企業是美國的Zest Finance。其通過分析模型對每位信貸申請人的上萬條原始信息數據進行分析,并得出超過數萬個可對其行為做出測量的指標,而這一過程在5秒鐘內就能全部完成。在進行數據處理之前,對業務的理解、對數據的理解非常重要,這決定了要選取哪些數據原料進行數據挖掘,在進入“數據工廠”之前的工作量通常要占到整個過程的60%以上。

一是電商大數據,以阿里巴巴為例,它已利用電商大數據建立了相對完善的風控數據挖掘系統,并通過旗下阿里巴巴、淘寶、天貓、支付寶等積累的大量交易數據作為基本原料,將數值輸入網絡行為評分模型,進行信用評級。

二是信用卡類大數據,此類大數據以信用卡申請年份、通過與否、授信額度、卡片種類、還款金額等都作為信用評級的參考數據。國內典型企業是成立于2005年的“我愛卡”,它利用自身積累的數據和流量優勢,結合國外引入的FICO(費埃哲)風控模型,從事互聯網金融小額信貸業務。

三是社交網站大數據,典型企業為美國的Lending Club,它基于社交平臺上的應用搭建借貸雙方平臺,并利用社交網絡關系數據和朋友之間的相互信任聚合人氣,平臺上的借款人被分為若干信用等級,但是卻不必公布自己的信用歷史。

四是小額貸款類大數據,目前可以充分利用的小貸風控數據包括信貸額度、違約記錄等。由于單一企業信貸數據的數量級較低、地域性較強,業內共享數據的模式已正逐步被認可。

五是第三方支付大數據,支付是互聯網金融行業的資金入口和結算通道,此類平臺可基于用戶消費數據做信用分析,支付方向、月支付額度、消費品牌都可以作為信用評級數據。

六是生活服務類網站大數據,包括水、電、煤氣、物業費交納等,此類數據客觀真實地反映了個人基本信息,是信用評級中一種重要的數據類型。

未來可用于互聯網金融風險控制的大數據

上一篇：物流企業如何選擇業務模式？

下一篇：調整戰略九天物流絕處逢生

国产寡妇高潮一级毛-国产寡妇树林野-国产寡妇树林野战在线播放-国产寡妇偷人在线视频-国产观看-国产观看精品一区二区三区