展开

关键词

P2P用户分析——以拍拍为例

在当前经济下行压力增的环境下,P2P行业风险日益暴露,加之备案一拖再拖,P2P平台举步维艰。 本期“品玩SAS”我们就深入研究下P2P平台的用户情况,以期对P2P的参与者有一个清晰的认识。 目录1 背景和目的2 介绍3 清洗4 分析4.1 款客户画像4.2 各变量与历史逾期的相关性5 建议1 背景和目的拍拍(NYSE:PPDF)成立于2007年6月,总部位于上海,是国内首家 2 介绍本文以拍拍2015年1月1日至2017年1月30日的328553条(该时间段10%的真实)为研究对象。 该表一共是328553行,21列。字段描述:21个字段致可以分为基本信息、信用信息、认证信息、借款信息4个维度。

2.2K31

互金协会P2P揭示的趋势

自2017年4月开始,中国互联金融协会互联金融登记披露服务平台(简称“登记披露平台”)开始登记披露各平台的运营,到2018年3月,一年时间,共有100多家平台进行了相关披露。 虽然部分平台披露不够完整,但是这一百多家平台几乎囊括了行业最优秀的平台,依然值得分析。 来源:中国互金协会、麻袋研究院整理此外,与登记披露首月相比,玖富普惠(2017.4,表示首次披露时间2017年4月,其同理)、人人(2017.5)、爱钱进(2017.6)、麻袋理财(2017.7 此外,义牛络(2017.7)在余额降幅达17.87%,在百亿级在余额平台里表现最来源:中国互金协会、麻袋研究院此外,从历史可知,与头部平台部分保持增长不同,在余额排名靠后18家的平台基本上保持递减趋势。?

21720
  • 广告
    关闭

    最壕十一月,敢写就有奖

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    微众微粒、蚂蚁借呗、京东金条,谁能赢得下半场?

    而白名单的建立背后依靠的是央行的个人征信+互联。这些既包括公安、学历、人行征信等第三方客观,也包括交易和兴趣爱好、人口学特征等络行为。 初看们在渠道、、技术上各有优势,但本质上们最终PK的还是风控,因为借仍是金融,金融的关键在于其风控系统,尤其是信用风险模型的精准度,其中渠道影响着用户质量和获客成本、来源影响了征信和风控体系的准确度 实际体验上,三者放款时间不多。体验上,别较,萝卜白菜各有所爱,各个平台各有优劣势。最后我们看决定风控的两个核心要素:一是信用体系,主要看来源及构成,二是综合评级体系,即风控模型及其体系。 我们先看京东金条,京东金条依托的是京东金融现有的模型和信用评估体系,这是基于、厚、动的风险管理体系,采用的是异化的授信和利率定价方式,也就是信用良好的优质京东白条用户更有机会开通京东金条 如要一定要对这三家PK结果做一个预测,虽然互联风控时间短,还需要验证,但在BAT巨头里,腾讯携支付和社交,似乎更有潜力,我们暂且边走边验证。

    29410

    ”并不能优化

    文摘翻译:岳辰 校对:Yawei Xia(转载请保留)“”是否能辅助我们做出更好的款选择? 们之中,要么没有信用记录,要么信用记录很这些公司会处理各种,从Facebook的朋友量到用户是否定期交话费,甚至用户们花了多长时间去填写款申请的也不会放过。 这里面,Think Finance既是款人又是使用的公司; LendUp只是款人; ZestFinance为其提供款的公司做分析。 其中有一些对的使用令人费解:比如Zest Finance说,一辆汽车的报废与否以及填表时使用写字母都会导致欠款风险的增高。LendUp则会查看用户浏览页的速度。 那些跳过阅读站材料就跳到款金额的用户,更可能是高风险借款人。LendUp首席执行官Sasha Orloff说:“这就像走进一家银行喊,‘我需要钱,马上!’”。

    46470

    【征信】美国P2P平台upstart不用FICO评分是怎么运作的?

    智能管理和分析技术Upstart开展业务的基础就是其强的智能管理和分析技术。Upstart的信用评估和传统的FICO信用评分模型的思路有一些异。 其的P2P机构主要还是根信用报告以及FICO信用评分来决定,如果消费者从来没使用过信用卡或者没有其它信记录,则不太可能获得信用额度。 和另外一家在国际上非常出名,在美国本土却默默无闻的信用评估公司ZestFinance比较而言,两个公司的创始人都来自于互联巨头Google,都采用迥于FICO信用评估的信用评估的思想。 对互联金融的启示Upstart作为一个创业的P2P公司,利用灵活的商业策略,给传统金融体系之外的消费者提供定制化和垂直服务,定位细分人群,利用创新的信用评估模型在激烈的在线信市场竞争中,树立自己独特的商业模式 在互联金融时代,国内也有庞的年轻消费者群体,们有着旺盛的金融服务需求。

    93361

    遭遇巨头联合绞杀,中小征信机构如何切入P2P

    2、巨头优势尚待验证。民营巨头闯入征信行业无非依仗其坐拥庞的“社交”“电商”以及其场景,希望利用过去累积的海量成形成可靠的个人征信评级系统。 们收集其金融机构的信用本身就不合适,也难保信息准确和最终评价的公正性,更别谈共享,平台开放。 另外我国多平台都涉及企业经营借业务等多种业务,征信机构为适应我们平台的业务多元性就会放弃如人人、拍拍等垂直的P2P平台,市场亟需专注垂直于P2P领域,具有个性化异化的征信产品和体系。 P2P对于征信的需要,不是需要社交、电商、位置等没有金融属性、缺乏验证性、弱关联的互联,而是需要一个完整的信用生态,它既能方便人们生活又能保护个人隐私,而巨头的优势带来的便捷 线上的虚拟性便捷的同时也加了债务人信用风险信息的不对称问题,单纯依赖线上收集的方法无法对用户的信用程度做全面判断,也加风险。而线下收集的方式成本高、效果,时效性低。

    12630

    Lending Club路演PPT曝光

    随着业务的扩,Lending Club现在的风控技术逐渐成形。目前Lending Club通过借款人的FICO(普通信用分)得分、负债收入比、信用记录等来筛选款,并为每笔款确定利率。 为什么Lending Club可以为每笔款精确地定价,正是因为它掌握了先进的风险控制技术和。用这家公司CEO Renaud Laplanche的话说,们致力于“的民主化”。 具体到季度,近六季度的环比增长率高达24.4%,同比增长率更是指性增长。虽然Lending Club已经很,但相比整个的信市场依然存在很距,还有很成长空间。 其家关心的字,一直都公布在该公司的站上,仅截取一些图表反映情况: 截止至2014年6月公司已经促成的交易额高达50.4亿美金。 公司2014年Q2发放的款达到10.06亿美金。 国内P2P的光明前景~~ 从Lending Club经验来看,其主要业务收入来自于三个部分:交易费用(Transaction fees):即借的息;根招股书的描述,息的范围从1%至6%不等。

    56140

    在P2P市场中代替“看不见的手”的算法在哪里?

    金融产品标准化的过程,就是希望能让买卖双方根不同的风险偏好和预期收益选择,如此极的增加了市场的流动性,但也忽略了不同款项目内容的异性以及其相关外部性。 但假设借助于传感器等其手段,能够低成本的量化桔子的更多维度特征,自然我们将得到更好的匹配结果。在P2P市场,借助于金融,包括市场,个人金融画像等,我们是否能构建更合理的P2P匹配市场? 接下来,假设我们有的集包括:1) 市场,包括宏观以及行业。2) 借款人,款人个人金融属性以及画像。可参考文章中描述。3) 款项目。 借助金融,当鼓励人们去授权那些们本会保守为秘密的重要信息时,市场结果能被幅的改进了吗?但历史交易样本不能保证每个交易都是在已有信息下理性行为,所以我们很难断言市场匹配结果被改善了。 如果这是一笔P2P款,年轻的小提琴演奏家面对的环境不确定性和行为不确定性该由谁分担?也许借助于以及相关算法,可以为该笔P2P款匹配那些有一定经济基础的音乐爱好者,们也许乐意分担了她的风险。

    15830

    在P2P市场中代替“看不见的手”的算法在哪里

    金融产品标准化的过程,就是希望能让买卖双方根不同的风险偏好和预期收益选择,如此极的增加了市场的流动性,但也忽略了不同款项目内容的异性以及其相关外部性。 但假设借助于传感器等其手段,能够低成本的量化桔子的更多维度特征,自然我们将得到更好的匹配结果。在P2P市场,借助于金融,包括市场,个人金融画像等,我们是否能构建更合理的P2P匹配市场? 借助金融,当鼓励人们去授权那些们本会保守为秘密的重要信息时,市场结果能被幅的改进了吗?但历史交易样本不能保证每个交易都是在已有信息下理性行为,所以我们很难断言市场匹配结果被改善了。 如果这是一笔P2P款,年轻的小提琴演奏家面对的环境不确定性和行为不确定性该由谁分担?也许借助于以及相关算法,可以为该笔P2P款匹配那些有一定经济基础的音乐爱好者,们也许乐意分担了她的风险。 在时代,允许我们更高效的处理海量,通过算法以更合理的方式匹配、分配、对冲风险。这将值得长期探索。

    21050

    平安、宜信、飞,谁将称霸移动互联款市场?

    如果把2015年看做是我国个人征信市场化的元年,那在这个千亿级别的征信市场上,借成为了首当其冲的战场,无论是传统金融佬平安、还是互联巨头阿里、腾讯,抑或是创业新秀宜信、最黑马飞都使出浑身解, 再看看哪里还有机会对比中型和中小企业的借款需求,我们会发现两者具有着极异,比如中型企业借是标准化。期限基本固定,利率固定化,有抵押担保,所以标准化的借产品能够满足到的需求。 ,也需要来自生活、电商等其,甚至淘宝评记录、滴滴打车爽约、骗取保费时伪造个人信息等可以作为参考。 美国的三征信机构收集统计最多的也是借征信,甚至没有个人消费、通信、社交。征信风控体系要不断打磨验证,完善再完善。最后,要学会专注,不能身兼职。 总之移动互联正在改变借行业,但所有创业者都应该清楚:互联金融只有扎进细分市场在异化应用与扩展中与现有金融错位竞争才更有生存机会。

    35240

    尊CEO许正:在金融风控领域的思考与探索

    作者 | 许正我是尊CEO许正,尊在成立之初,定位是围绕金融风控领域进行应用。今天我想要分享的主题就是“在金融风控领域的思考与探索”。首先,风控是依托于金融信场景的。 说到信家会想到信用卡、个人住房款、银行的营业点等,可能还会想到当我们要申请新业务的时候,必须填写的一些冗长的表格,这同时也是信给予我的印象。 一直以来我们的传统信集中在房、车上面。4.市场问题。我们跟发达国家相比,款的渗透率还存在比较异。当前传统信业务模式可归结为两类:资金驱动模式和场景驱动模式。 也就是说如果我们有量场景的、客户的,我们的金融服务就可以触及到场景和这些群体所在的地方,同时带给们极致的客户体验和高度的流程融合。?第二层,深度学习已有必要条件,金融算法正在升级。 这里有一张卷积神经络之父的片子,想要表达的是卷积神经络的方式区别于传统的方式,不需要做的清洗、特征变量的提取,就可以得到一个很好的模型结果。

    59350

    告别野蛮生长,互联金融布局风控 | b报道

    一方面,们要通过和外部对接,支撑自己的判断。向华胜指出,怎么运用和征信公司的是一个学问。 包括工商、法院、公安、上行为、购交易、社交行为、通讯、金融交易、支付信息、定位信息、出行信息。互联金融公司要参与模型的设计,否则很难找到好的切入点来量化风险。 而对于输出征信评分、提供征信的征信公司,们的客群、定位和征信公司判断有偏,在使用前要做好自己模型的对接。另一方面,要提高系统平台自动化,简化审批,降低成本。 在房产领域,去年上半年,58同城收购安居客后,成为房产互联的平台,们对二手房、租房、新房做了分析和调研,整合场景和,联合资产端、理财端的合作伙伴,58金融开始提供资产理财的服务,或将做到住房款 “很多农业企业都需要农业征信,例如禹节水,们本身信息化程度很低,很多管道要建到线上,首先建电商平台,将购买的过程中留存的作为赊销、分期等的依,以此从一个传统制造业公司转型到互联金融公司。”

    53870

    黄黎明:靠进行风险控制,比信用卡更安全

    和传统银行的异有什么?  我相信家第一个问的微众银行未来做什么?和传统银行的异有什么?  微众银行有四句话,既是根我们自己的竞争优势的选择,也是根现在市场的情况,我们获得的选择。 ,越往下你会发现们借钱也好,买理财产品不是那么方便,我们把客户目标群对着这个,这个基比较,互联行业和传统的不一样,互联用户群要,第二个互联金融,就像摘果子,我们从果树的最高处,利润最薄,最难满足的客户先做 第三个我们希望把自己的成本幅度的降低,要把运营成本幅度降低不能靠点,风险控制不需要和客户面对面的调查,而是真正的靠来做,科技手段把成本降下来。 第四个特色业务类型,普惠,各种小科技,同业合作,如果用一句话来讲,我们希望做一个真正的互联金融。 我们这个里面做了很多东西,微粒借钱,整个借钱过程按熟练的过程45秒到帐,家不够熟练的操作,一般90秒做完了,这么短的时间内,我们做额度,反欺诈交易,第三个6个模型跑完,中间接公安的,银行的

    62780

    P2P站(人人)散标投资和借人的信息爬取

    有一篇有关爬取P2P站上散标投资和借人的信息的博文,整合前人资料(http:sanwen8.cnp156w57U.html),说一下爬取中遇到的问题:(一)首先分析散标投资这一个模块,共有51 pageIndex=2&_=1474379219318,你会发现是Json格式,查看下一页,发现也是如此,不同页面的格式是相同的。对此,我们的抓取思路就是:获取页源代码,从源代码中提取。 pageIndex=2&_=1457395836611,删除&_=1457395836611后的链接依然有效,打开链接发现是json格式的,而且就是当前页面的。 F12下自行修改调整,具体可见步骤c #自定义了一个解析页的函def parse_html(i): url = http:www.we.comlendloanList! 记住Request Headers->Cookie, 后面代码需要用到它 c.爬取借人信息的源代码 整理出来的可能会有点乱,但总的来说还是不错的。(相信家还是能清理的)?

    91140

    在P2P借上的四要素

    现在P2P借领域的许多人,包括我自己,都喜欢使用借平台提供的来分析趋势和帮助自己更好地了解借款人,以及分析们的行为,从而来控制我们在 P2P借市场上的风险。 借平台的络属性使得许多早期的零售投资者是以技术为导向,因此一直存在着一种误解就是,要想成为一名成功的投资者,你需要学 会了解并利用。 如果你愿意自学一些信和金融技术来帮助你在P2P借领域做出更好的投资决策,你就会知道事实并非如此,而且可谓是错特错 并不能解决所有问题,你需要了解在关于在P2P借上的四要素。 如果我们能够获取所有,我们会发现,我们可以用作参考的长期款池是很小 的。 我们款资产组合面临最的问题是早期支付违约,即前六个月以内的违约。 当我们在进行 分析时,如果能够记得所有这些因素:只是对过去的记录而不具备预测性,而我们的款池小且新,将相互依存的变量孤立开来,相互关系不意味 着因果关系,我们就会在P2P借领域领先于其投资者一步

    53990

    银行借“”实现POS“秒

    随着互联金融的迅猛发展,传统银行也更加重视“”的价值。利用POS机交易流水分析款业务,已成为银行深耕小微市场的又一战场。 悉,中信银行“POS商户款”业务是国内首款基于“POS刷卡流水”的络小微款业务。虽然此前也有银行推出此类业务,但其银行多把POS交易流水作为参考,授信还需其条件,且多为线下操作。 银行聚焦互联”互联金融的崛起,使银行纷纷将目光转向。在得者得天下的移动互联时代,银行也动作频频。然而,在时代,阿里、腾讯等互联企业具有先天优势,本身就积累了量交易。 阿里巴巴做得风生水起的小额款业务就是依托其强资源,形成了独特的阿里信模式。因此,传统银行若想获得,要么自建平台,要么与第三方机构合作。 上述中信银行络银行部负责人坦言,银行不一定要掌握,可以选择跟重要的合作伙伴整合。除了与银联商务合作开展POS外,中信银行还与腾讯合作,通过电商平台开展小微企业款业务。

    63180

    机器学习公平性研究,走在正确的道路上吗?

    目前普遍的方法就是,拿着待评估的系统在一些静态(特别强调)的集上跑,然后看误指标。 这一点从评估方法中能够体现出来,因为集是静态的。然而现实生活中却是动态的、有反馈的场景,机器学习算法运行的背景往往对算法的决策具有长期的关键性影响。 如果一家银行追求的是总利润最化,那么它可能会根申请人是否会偿还款的可能性进行评估,来设置一个能够最化预期回报的阈值。如果不考虑其因素,银行将试图使其总利润最化。 二、静态集分析的不足之处在机器学习领域中,评估借等场景的影响的标准方法就是将一部分作为“测试集”,并使用这个测试集来计算相关的性能指标。 在们另外的一篇论文《Fair treatment allocations in social networks》(社交络中的公平待遇分配)中,作者还研究了社交络中精准疾病控制问题的公平性问题。

    28110

    聚信立创始人兼CEO罗皓:新金融公司60%的损失是被骗走,风控成互金领域“定心丸”

    我们现在做的本质上就是用互联去帮助放机构或者资产端的客户判断借款人的风险。 我们了解到,整个2013年线上申请的量比2012年翻了不多四倍,这是非常的改变。我们看到这些年出现了很多的信机构把上申请通道摆为第一个重视的通道,这是第一。 总的来说,我们对于互联的理解是,如果从借这个市场来看,我觉得在18岁到30岁之间的年轻群体,帮们提供小额、微额的款,这个领域提供是非常有效的,速度、覆盖面、信息的全面性,还有的价格 所以我觉得这就是互联的机会,这些从获取的角度,从价格,看到很多的,像设备反欺诈、账户内信息、页抓取的信息也好,相对资质比较的借款人、小额款,价格上面可以维持让这些公司在风险控制上面能够正常运转 最后讲一下我们公司的情况,从2013年5月份开始做,聚信立这样的公司依靠互联的账户内信息去分析这个借款人的资信状况,帮助客户去为提供款。

    46130

    早报:华基因IPO撒谎 项目曾遭3千人联名举报

    尚冰介绍,下一步,中国移动将力开展工业互联、物联、云计算、、公有云等规模应用,2018年,预计新增物联连接1.2亿个,届时物联总连接将超过3.2亿个。 然而,就是这样的市场明星,其IPO前后申报稿的财务,却有着重异,但没有任何说明与解释。 为何前后申报稿,相同年份生育健康类服务(以样本为统计口径)的产量、销量不符?前后申报稿异的产销量去哪了? 知名律师严义明对记者表示,“一般来说,如果申报稿发生改变,需要进行说明。有可能是会计政策的调整,也有可能是错更正。” 之家统计显示,《暂行办法》发布后新上线的149家平台中,有60家平台已经退出。在退出的平台中,提现困难及跑路的问题平台占一半以上,达到35家。

    37750

    手绘 | 深入解析风控8场景中的机器学习应用

    一、自动化规则挖掘互联金融是传统信业务在互联场景下的继承与拓展。互联金融风控体系主要由三部分组成:信息、策略体系、人工智能模型。? 信息:包括用户基本信息、用户行为信息、用户授权信息、外部接入信息。 策略体系:包括反欺诈规则、准入规则、运营商规则、风险名单、规则。 因为在梯度下降过程中,不同类别的样本量有较异时,很难收敛到最优解。但在很多真实场景下,集往往是不平衡的。也就是说,在集中,有一类含有的要远远多于其类的。? 通常认为样本集由真实和噪声组成。离群点是和部分观测量之间有明显不同的观测值,属于样本集中的一部分,它既有可能是真实产生的,也有可能是噪声带来的。噪声被定义为被测量的变量的随机误或方。 此外,每一个节点的中心度也可以抽取出来,放入风控模型中作为一种来源于知识图谱的信息,与其类型的一同建立监督模型。类似的方法还有络表示学习,如随机游走、图卷积神经络等。

    36710

    相关产品

    • 零信任无边界访问控制系统

      零信任无边界访问控制系统

      腾讯云零信任无边界访问控制系统(ZTAC)是根据腾讯自身无边界零信任企业网的最佳实践,所推出的终端访问控制方案。依赖可信终端、可信身份、可信应用三大核心能力,实现终端在任意网络环境中安全、稳定、高效地访问企业资源及数据。

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券