大数据征信应用与启示 ——以美国互联网金融公司 zestfinance为例

《大数据征信应用与启示 ——以美国互联网金融公司 zestfinance为例》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、【独家】大数据征信应用与启示 ——以美国互联网金融公司 ZestFinance为例2014-10-27 清华金融评论文/刘新海、丁伟本文编辑/《清华金融评论》贾红宇近期，美国互联网金融公司ZestFinance受到国内互联网金融专业人士的热捧，其基于大数据的信用评估模型也越来越受到关注和效仿。本文结合美国的金融环境，对ZestFinance进行简要介绍，分析大数据征信产生的背景，剖析大数据征信技术，并全面客观地阐述了大数据征信技术对于中国互联网金融和征信业未来发展的借鉴意义。　　ZestFinance简介　　ZestFinance，原名ZestCa

2、sh，是美国一家新兴的互联网金融公司，2009年9月成立于洛杉矶，由互联网巨头谷歌(Google)的前信息总监道格拉斯·梅瑞尔(DouglasMerrill)和金融机构CapitalOne的信贷部高级主管肖恩·卜德(ShawnBudde)(曾管理过收益超过10亿美元的次级信贷业务)联合创办。ZestFinance的研发团队主要由数学家和计算机科学家组成，前期的业务主要通过ZestCash平台提供放贷服务，后来专注于提供信用评估服务，旨在利用大数据技术重塑审贷过程，为难以获得传统金融服务(Underbanked)的个人创造可用的信用，降低他们的借贷成

3、本。　　ZestFinance起初是为传统的发薪日贷款(PaydayLoans)提供在线替代的产品。发薪日贷款因借款人承诺在发薪日还款而得名。由于美国传统的信用风险评估体系无法覆盖全部的人群，大约15%的人因没有信用评分而被银行排斥在外，无法获得基本的信贷需求。除了解决传统信用评估体系无法解决的无信用评分借贷问题，ZestFinance还主要面向传统信用评估解决不好的领域，将信用分数低而借贷成本高的人群视为服务对象，利用大数据技术降低他们的信贷成本。与传统信贷管理业务比较，ZestFinance的处理效率提高了将近90%，风险控制方面，ZestFi

4、nance的模型相比于传统信用评估模型性能提高了40%。　　ZestFinance目前也正在向信用风险管理的其他领域纵深扩展，2014年2月ZestFinance宣布推出基于大数据分析的收债评分(CollectionScore)，旨在为汽车金融、学生贷款、医疗贷款提供一种新的评分系统。ZestFinance的未来发展方向是希望把其在这种发款日的贷款上的优势继续拓展到其他贷款领域，包括信用卡、汽车的贷款，甚至包括房屋的贷款，在未来的10～15年，这一方法将取代现行指标，成为申请信贷的唯一评估标准。　　ZestFinance引起国内的关注始于2013年

5、7月，当时全球第三方支付平台PayPal联合创始人、美国知名投资人彼得·泰尔(PeterThiel)领投了ZestFinance的2000万美元融资。　　为什么要进行大数据评估传统的信用评估服务无法覆盖全体人群，特别是弱势群体？ 　　图1展示了美国FICO评分与其对应的人口分布情况，初始每个人的分值基数为850分，信用评分模型利用征信数据从多个评分因素考察消费者的信用风险，从850分中减分。大致来看，美国个人消费者信用评分人群分布状况呈现两头小中间大的形态，信用分数处于750～850的人群有40%之多，其中信用分数在800～850大约占总人数的13

6、%，在750～799超过总人数的25%，这是整个信用社会的中间阶层，对应于美国的中产阶级。其中，美国个人消费者的平均FICO评分为678。从图1可以看出，还有大量的人群远低于平均的678分，如FICO评分在550～549的占8%，在500～549的占5%，小于499分的占2%。根据FICO的标准，如果人们未能如期还款，或者缺乏借贷经历，他们就会自动被视为风险人士，他们的贷款也就会被惩罚性地给以更高的利率。还有一种可能，那就是他们的贷款申请会被拒，无论是否事出有因。比如，遇到了医疗紧急事故，或者最近刚刚移民美国。表1根据FICO评分将服务人群分为四个

7、区间，并对应不同的金融服务机构。信用记录不完整或者不够完善的个人消费者，依据传统信用评估体系(FICO评分)，往往很难被传统金融服务机构所覆盖，即使在金融体系发达的美国也无法获得常规的金融服务，或者需要付出很大的代价才能获得常规的金融服务。 　　传统信用评估模型信息维度比较单一　　传统的FICO评分模型的基本思想是比较借款人信用历史资料与数据库中的全体借款人的信用习惯，检查借款人的发展趋势跟经常违约、随意透支，甚至申请破产等各种陷入财务困境的借款人的发展趋势是否相似。如图2所示，它主要从五个方面考察用户的信贷资质。但随着信贷业务的进一步开展，FIC

8、O信用评分由于单一的标准、严苛的门槛和片面的评估结果而饱受诟病。 　　传统的信用评估模型虽然在进行信用风险管理过程中发挥了