大数据对资信评估的影响

《大数据对资信评估的影响》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、大数据对传统资信评估的影响摘要：大数据资信评估，拓展了信用信息的内涵，丰富了信用信息的内容，依托机器学习，开展数据挖掘，提高了资信评估的决策质量。大数据资信评估降低了传统资信评估的数据门槛，弥补了传统资信评估市场的不足，市场空间巨大，最终会占据主导地位，但会加剧该市场的垄断性。大数据资信评估的迅速发展也带来了信息不对称理论与金融监管上的挑战。关键词：大数据、信用信息、征信、信用评级中图分类号：F830.3；F830.5文献标识码：A文章编号：TheImpactofBigDataonCreditEvaluationAbstract:Bigdatacreditevaluationexp

2、andstheconnotationofcreditinformation,enrichesthecontentofcreditinformation.Relyingonthedevelopmentofmachinelearninganddatamining,bigdatacreditevaluationimproveddecisionquality.Bigdatacreditevaluationloweredthresholdfortraditionalcreditevaluationdata,andmadeupfortheshortcomingsoftraditionalcre

3、ditevaluationofthemarket.Bigdatacreditevaluationhasahugemarketspace,andwilleventuallydominates.Butbigdatacreditevaluationwillincreasesthemarketmonopoly.Therapiddevelopmentofbigdatacreditevaluationalsochallengesthetheoryofasymmetricinformationonfinancialregulation.Keywords:Bigdata;Creditinforma

4、tion;Creditreference;Creditrating5.1-9,,services,andmakethecitymoreattractive,strengtheningpublictransportinvestment,establishedasthebackboneoftheurbanrailtransitmulti-level,multi-functionalpublictransportsystem,thusprotectingtheregionalpositionandachieve91830年，英国伦敦第一家现代征信机构的出现标志着资信评估行业的诞生。到20

5、世纪初，资信评估行业逐渐形成了信用评级和征信两大相对独立的分支，前者主要服务于资本市场，如美国的标普、中国的大公国际等公司，后者主要服务于借贷市场，如美国的FICO公司、中国的中国人民银行征信中心等机构。从1830年到21世纪初，资信评估行业基本上可以划分为20世纪中期之前的前电子化资信评估和之后的电子化资信评估两个阶段。为便于对比分析，接下来本文将电子化资信评估定义为传统资信评估，将目前依托大数据的资信评估简称为大数据资信评估，如Zestfinance、Kreditech、Wecash闪银等公司均是采用大数据资信评估。资信评估对于揭示经济金融市场中的信用风险，提高资源配置和金融市

6、场效率具有十分重要的意义。大数据是信息时代发展到数字化阶段的结果与体现，尽管对于大数据以及大数据时代的定义还存在一些争议，但是大数据对人类经济、社会、思想、文化等领域的影响与冲击则是有目共睹，并且这种影响日益深刻与广泛。大数据时代的一个突出特征就是信息量及增长速度的飞速提高，同时信息传输方式越来越便捷。而揭示信用风险的资信评估正是以信用信息为加工和分析的载体，当前大数据对传统资信评估尤其是在企业信用评级和个人信用评分方面产生了巨大的冲击。本文主要结合企业信用评级和个人信用评分探讨大数据对传统资信评估的影响，这对于推进中国评级市场和征信市场的跨越式发展，完善社会信用体系具有非常重要的

7、理论与实践意义。一、拓展了传统资信评估的信用信息基础1、拓展了信用信息的内涵信用信息指反映或描述信用主体信用状况的相关数据和资料等，主要包括政府信用信息、企业信用信息和个人信用信息。在传统资信评估中，企业信用信息主要指资产负债信息、经营信息等，个人信用信息主要指银行记录以及负债等信息（见表1）。无论企业还是个人，财务信息都在传统资信评估中居于核心地位。而大数据资信评估中，信用主体的任何信息都是信用信息，如客户属性、网上交易记录、网上信用评价、网上交易习惯、社交网络信息